Sinalizado incorretamente por IA: como recorrer, e quais evidências sua universidade aceitará

Esta página pressupõe uma coisa: você escreveu o trabalho. Se não escreveu, a maior parte do que segue vai piorar a sua posição em vez de melhorá-la, e há uma seção curta perto do final sobre esse caso.

Preserve o seu registro de escrita antes de responder a qualquer coisa, depois peça por escrito três coisas: a regra exata que se diz ter você infringido, todas as evidências que o tomador de decisão verá, e o procedimento e o prazo. Uma pontuação de detecção não é prova por si só. O que de fato decide esses casos é um registro datado de como o documento passou a existir, pareado com as passagens específicas que foram sinalizadas.

Duas organizações dizem em voz alta a parte útil disso. O próprio guia do Turnitin afirma que o modelo de detecção de escrita por IA dele “may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student” (pode nem sempre acertar (pode confundir texto escrito por pessoas, texto gerado por IA e texto parafraseado com IA), pelo que não deve servir de base única para medidas desfavoráveis contra um estudante), e acrescenta que determinar má conduta “takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies” (exige uma análise mais aprofundada e o juízo de uma pessoa, a par da aplicação das regras específicas de cada instituição). O Office of the Independent Adjudicator, o esquema independente de reclamações estudantis para a Inglaterra e o País de Gales, coloca o ônus onde ele deve estar: “The responsibility is on the provider to prove that the student has done what they are accused of doing, not on the student to disprove it.” (O ónus da prova cabe à instituição: é ela que tem de provar que o estudante fez aquilo de que é acusado, e não o estudante que tem de provar o contrário.).

Isso não significa que você deve sentar e deixá-los provar. Significa que as evidências que você apresenta estão lá para dar ao tomador de decisão algo concreto a ponderar, não para descarregar um ônus que você nunca teve.

Cinco coisas, nesta ordem. As três primeiras são sensíveis ao tempo de um jeito que as demais não são.

1. Não toque em nada. Nem no arquivo enviado, nem na pasta onde ele está, nem nos rascunhos, nem nos nomes dos arquivos. Salvar novamente um documento altera a sua data de modificação, e uma pasta que você organizou no dia em que foi acusado é a coisa mais fácil para o outro lado levantar. Faça uma cópia se quiser fazer anotações. Trabalhe na cópia.
2. Descubra se você tem histórico de versões. Esta é a pergunta que decide que tipo de defesa você consegue apresentar, e a maioria das pessoas assume que a resposta é sim quando é não. A documentação de suporte da Microsoft é direta sobre isso: “Version history in Microsoft 365 only works for files stored in OneDrive or SharePoint in Microsoft 365.” (O histórico de versões no Microsoft 365 só funciona com ficheiros guardados no OneDrive ou no SharePoint dentro do Microsoft 365.). Se você escreveu o seu trabalho no Word no disco rígido do seu laptop, não há histórico de versões para apresentar. O Google Docs mantém um, mas você precisa do acesso certo: “To browse earlier versions of a file, you need permission to edit that file.” (Para consultar versões anteriores de um ficheiro, precisa de permissão para o editar.). Se ele está em uma conta de curso ou em um drive compartilhado ao qual você pode perder o acesso, verifique hoje.
3. Capture o que você tem enquanto ainda tem acesso. Contas de curso são encerradas, drives compartilhados são revogados, e um histórico de versões não é algo que você consegue baixar como arquivo. Tire capturas de tela ou exportações datadas em qualquer forma que a sua instituição aceite, e anote onde o original ainda está para que possa ser inspecionado diretamente se isso for pedido.
4. Escreva a sua própria linha do tempo hoje, de memória. Quando você escolheu o tema, onde estava trabalhando, quais fontes leu primeiro, o que mudou após feedback e por quê. Isso não é evidência. É o índice que você vai precisar em uma semana, quando estiver tentando descobrir quais de quarenta arquivos importam. A memória para isso decai rápido, e pode decair antes que alguém pergunte: em um dos casos publicados da OIA o estudante argumentou que tanto tempo havia se passado entre a entrega e o seu viva que isso afetou o que conseguia recordar sobre o próprio trabalho.
5. Obtenha o procedimento e o prazo, e encontre o seu orientador. O procedimento de má conduta acadêmica é um documento que a sua instituição publica. Leia-o antes de escrever uma palavra de resposta, porque ele lhe diz em que estágio você está, qual é o padrão de decisão, e quanto tempo você tem. Os orientadores do sindicato estudantil fazem esse trabalho toda semana e não custa nada a você.

“O detector de IA sinalizou o seu trabalho” não é uma acusação. É um motivo pelo qual alguém abriu um arquivo. Antes de defender qualquer coisa, coloque a alegação em uma forma que você consiga responder.

Peça por escrito estas quatro coisas, e mantenha o pedido neutro:

• A provisão específica da política de má conduta acadêmica que se alega ter você infringido. Em um caso que a OIA acolheu, parte da sua recomendação foi que a instituição revisse os seus regulamentos para que infrações relacionadas a IA ficassem na política central, e para que as notificações informassem aos estudantes qual infração enfrentavam e por quê.
• Todas as evidências que o tomador de decisão verá, incluindo o próprio relatório de detecção. A nota de casos da OIA diz que os estudantes “should also be given sufficient notice of meetings and be provided with all relevant evidence, including detection software reports, to allow them to respond effectively to allegations.” (devem ainda ser avisados com antecedência suficiente das reuniões e receber todas as provas relevantes, incluindo os relatórios do software de deteção, para poderem responder eficazmente às acusações.). A mesma nota orienta os tomadores de decisão a “understand the strengths and limitations of detection software, and weigh this evidence carefully against other available information.” (perceber os pontos fortes e os limites do software de deteção e pesar com cuidado essa prova face à restante informação disponível.).
• Qual ferramenta produziu o relatório, qual versão, e quando foi executada. Os fornecedores mudam de modelo. Um relatório do ano passado e um relatório desta manhã não são a mesma medição da mesma coisa.
• Qual parte do trabalho está em questão. A OIA considera isso uma boa prática: as instituições devem “consider whether the whole or part of a submission is thought to be AI-generated, and clearly set out what aspect of the assessed work led to the suspicion that AI had been used inappropriately.” (ponderar se é o trabalho inteiro ou apenas uma parte que se considera gerada por IA, e expor com clareza que aspeto do trabalho avaliado levantou a suspeita de uso indevido de IA.).

Uma nota prática sobre o relatório. O FAQ do Turnitin afirma que o indicador e o relatório de detecção de escrita por IA não são visíveis para os estudantes, e no mesmo fôlego que “with the PDF download feature, instructors can download and share the AI report with students” (com a função de descarregar em PDF, os docentes podem transferir o AI Report e partilhá-lo com os estudantes). Então ele existe de uma forma que pode ser entregue a você. Peça-o em vez de inferir a partir da descrição de alguém sobre o que foi sinalizado.

Duas coisas sobre o número vão impedi-lo de argumentar sobre a coisa errada. O Turnitin diz que analisa apenas o que chama de texto elegível, significando prosa escrita em frases gramaticais padrão, e que a porcentagem resultante “is not necessarily the percentage of the entire submission” (não é necessariamente a percentagem do trabalho inteiro). Separadamente, para pontuações de detecção de IA na faixa de 1% a 19% ele não exibe número algum, apenas um asterisco, o qual ele atribui a evitar potencial incidência de falsos positivos nessa faixa. Se o seu relatório mostra um asterisco onde a porcentagem deveria estar, é isso que você está vendo.

A ordenação aqui é nossa. Ela é baseada no que os casos de IA publicados pela OIA efetivamente decidiram, não em nenhuma escala oficial, e o procedimento da sua instituição pode ponderar as coisas de forma diferente.

Se as linhas de um a quatro vierem todas vazias, diga isso claramente em vez de encher. Uma resposta curta e honesta (“Escrevi isso no Word no meu próprio computador e não guardei rascunhos”) mais uma forte linha cinco é uma posição real. Uma linha um inventada não é.

A maior parte dos conselhos sobre este assunto é escrita a partir da teoria. A OIA publica resumos de casos, então para instituições da Inglaterra e do País de Gales há um pequeno conjunto de casos decididos que mostra se parecia um tratamento justo ou injusto. Seis deles são sobre IA e má conduta acadêmica; abaixo percorremos quatro.

CS072501, acolhida. O estudante forneceu ao painel detalhes da preparação do trabalho, planejamento e notas, e apontou que o software de detecção havia sinalizado outro dos seus trabalhos incorretamente antes. A OIA ficou satisfeita de que o painel tivesse analisado a substância do trabalho e não tivesse se baseado apenas no relatório de detecção. A sua conclusão girou em torno do que veio a seguir: “it didn't properly consider all the points the student raised or the evidence they presented, including their essay planning and preparation.” (não tinha considerado devidamente todos os pontos levantados pelo estudante nem as provas que apresentou, incluindo o planeamento e a preparação do seu trabalho.). Parte das evidências em que o painel se baseou não havia sido compartilhada com o estudante, então ele não tivera chance justa de comentar como este trabalho se comparava com os outros, e a decisão não forneceu nem razões suficientes nem uma explicação do porquê aquela penalidade era a correta. Pediu-se à instituição que reconsiderasse. O estudante informou mais tarde à OIA que, ao reconsiderar, a instituição decidiu que não havia ocorrido nenhuma má conduta acadêmica.

CS072502, acolhida. Este é sobre o viva. “None of the evidence relied upon by the provider was shared with the student ahead of the viva” (Nenhuma das provas em que a instituição se baseou foi mostrada ao estudante antes da entrevista oral), o estudante não foi convidado a apresentar mitigação por escrito nem a discutir as alegações pessoalmente, embora o procedimento assim exigisse, e o próprio viva testou conhecimento da disciplina mas “did not give the student an opportunity to also explain how they had worked on the assignment” (não deu ao estudante a oportunidade de explicar também como tinha trabalhado no trabalho). O estudante também dissera que o longo intervalo entre a entrega e o viva afetou a sua capacidade de recordação. O recurso foi então indeferido sem consideração significativa de qualquer desses pontos.

CS072503, não acolhida. Leia este também, porque é o contrapeso útil. Aqui a instituição considerou uma gama apropriada de evidências, incluindo a divulgação do estudante no viva, as suas notas de rascunho e as suas respostas por escrito, seguiu os seus próprios procedimentos, e aplicou uma penalidade que a OIA considerou proporcional. O argumento do estudante era essencialmente que a divulgação honesta no viva e o esforço que ele colocou deveriam ter contado mais. A reclamação não foi acolhida.

CS072504, parcialmente justificada. Uma estudante internacional foi chamada a uma prova oral por uma percentagem de IA elevada, e o painel apurou depois duas infrações: uso não declarado de IA e conluio. A OIA manteve o conluio — a ajuda recebida ia além da política de revisão da instituição — mas não a acusação de IA. A instituição “had not shown what evidence led the panel to conclude that the student had used AI to the extent that they committed academic misconduct” (não mostrara que provas levaram o painel a essa conclusão), e o painel deturpou o que a estudante dissera na prova oral. Duas conclusões de uma mesma audiência; só uma resistiu à revisão.

O padrão entre os quatro não é “o detector estava errado”. É procedural: as evidências foram compartilhadas, o estudante conseguiu respondê-las, uma gama de evidências foi considerada, razões foram apresentadas. Essas são as coisas que você pode pedir, e pedir por elas não é adversarial.

Se a sua escrita for densa, repetitiva em partes, ou fortemente parafraseada de fontes, esta é a coisa mais forte que você pode colocar diante de um tomador de decisão, porque é o fornecedor descrevendo a sua situação. Ela vem do FAQ de detecção do Turnitin:

“Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas. If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated.” (Os falsos positivos — texto escrito por uma pessoa assinalado por engano como gerado por IA — surgem por vezes em textos com pouca variação estrutural, em textos que se repetem literalmente ou em textos parafraseados sem desenvolver ideias novas. Se o nosso indicador apontar uma proporção maior de escrita por IA num texto destes, aconselhamos que tenha isso em conta ao ler a percentagem apresentada.)

A segunda frase é que faz o trabalho, e é a que é deixada de cair em todos os lugares em que é citada. O Turnitin não está concedendo uma falha ali. Está dizendo à pessoa que lê o relatório para descontar o número para texto daquele tipo. Isso é conselho dirigido a quem avalia o seu trabalho, da empresa que lhes vendeu a ferramenta.

Use-a apenas se ela realmente se encaixar. Uma revisão de literatura, uma seção de métodos, uma descrição sistemática de um procedimento padrão, um trabalho escrito por alguém trabalhando no seu segundo ou terceiro idioma: esses são os perfis que ela descreve. Se o seu trabalho não é nenhum deles, citá-la faz você parecer que está esticando.

Mais uma, mais curta, que se aplica a todos. O Turnitin diz em outro trecho da sua orientação que a pontuação “is not meant to provide definitive answers in isolation” (não foi feito para dar respostas definitivas por si só), e que quando educadores a usam “as a single data point rather than a definitive response, then it is being used as intended.” (como mais um dado e não como uma resposta definitiva, a ferramenta está a ser usada como se pretendia).

“Detectores de IA não são confiáveis, portanto este está errado.” Esta é a abertura mais comum e a mais fraca. Ela convida a réplica óbvia: o Turnitin publica uma meta de manter a sua taxa de falsos positivos “under 1% for documents with over 20% of AI writing” (abaixo de 1% em documentos com mais de 20% de escrita por IA). Se essa cifra se sustenta é uma pergunta real, mas argumentar sobre isso coloca você em um debate que não consegue vencer em uma reunião de vinte minutos e arrasta a atenção para longe do único terreno onde você é forte, que é o seu próprio registro de escrita. Argumente sobre o seu documento, não sobre a categoria de ferramenta.

Burstiness e perplexidade. Metade da interneto vai lhe dizer que detectores de IA medem variação no tamanho das frases e previsibilidade das palavras, e que a prosa acadêmica pontua mal em ambas. O FAQ do Turnitin diz que o modelo dele “is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions” (não está expressamente programado para avaliar sinais específicos como «burstiness», «perplexity» ou outras métricas por vezes referidas em discussões públicas), e que ele “learns statistical patterns from our training data” (aprende padrões estatísticos a partir dos nossos dados de treino) em vez disso.

Tenha cuidado com o quão longe você leva isso, porque é mais estreito do que parece. A mesma página também diz que os classificadores dele são treinados em diferenças de probabilidade das palavras, e perplexidade é uma medida de probabilidade das palavras. Então a versão defensável é: o Turnitin nega computar aquelas duas pontuações nomeadas como regras explícitas. Ele não nega que estatísticas de palavras importam. Se você entrar em uma reunião e disser que o fornecedor desmentiu toda a teoria, alguém com o FAQ aberto pode corrigi-lo em uma linha. O movimento mais seguro é não dizer nada sobre mecanismo e gastar o tempo nos seus rascunhos, onde não há nada a corrigir.

A nota de lançamento de 2023 sobre introduções e conclusões. Esta circula amplamente em modelos de recurso e é uma armadilha. O Turnitin de fato publicou uma nota dizendo que havia observado maior incidência de detecção de falso positivo nas primeiras ou nas últimas frases de um documento, muitas vezes conteúdo genérico de introdução ou conclusão. A frase imediatamente a seguir dessa nota diz: “As a result, we have changed our detection logic to help reduce these false positives.” (Por isso alterámos a nossa lógica de deteção, para ajudar a reduzir estes falsos positivos.). Ela está na página notas de versão do modelo sob o cabeçalho “Updates to address our customers' false positive concerns” (Atualizações para responder às preocupações dos nossos clientes com os falsos positivos), datada de maio de 2023. É o anúncio de uma correção, não a descrição de uma fraqueza atual. Qualquer um que abra a página que você citou lê a próxima linha, e você perde a sala.

Um segundo detector, ou uma reescrita. Passar o trabalho por outro verificador para obter uma pontuação limpa não prova nada (detectores discordam entre si constantemente), e uma segunda sinalização entrega ao painel outro número para apontar. Reescrever o trabalho enviado depois da alegação é pior. Parece adulteração, e muda o único artefato que todos estão tentando analisar.

Uma quinta, extraoficialmente: não especule por escrito sobre os motivos de quem avalia. Isso nunca ajuda e fica no prontuário.

Mantenha-a em menos de duas páginas. Anexe um índice de evidências em vez de uma pasta. Envie-a de uma forma que lhe dê prova da data. Tudo o que está entre colchetes é uma instrução para você, não texto para enviar.

Assunto: Resposta à alegação de má conduta acadêmica, [código do módulo] [título do trabalho], estudante [número]

Prezado(a) [nome ou Comitê de Má Conduta Acadêmica],

Escrevo em resposta à notificação datada de [data] referente a [título do trabalho], entregue em [data] para [código do módulo].

Escrevi este trabalho eu mesmo. Não usei nenhuma ferramenta de IA generativa para produzir nenhuma parte do texto.

Ferramentas que usei, com o recurso específico em cada caso: [gerenciador de referências, corretor ortográfico, corretor gramatical, ferramenta de tradução, software estatístico, transcrição. Se nenhuma além do processador de texto, indique isso.]

Em anexo está um registro de como o trabalho foi produzido:

1. [item] / [data ou intervalo de datas] / [o que mostra]
2. [item] / [data ou intervalo de datas] / [o que mostra]
3. [item] / [data ou intervalo de datas] / [o que mostra]

Em resumo: Escolhi o tema em [data] após [razão]. Minhas leituras e notas são de [intervalo]. O esboço no item 2 foi escrito em [data]. O primeiro rascunho completo (item 3) foi escrito entre [datas]. Após [feedback / supervisão / seminário] em [data] alterei [o quê] porque [por quê]. A versão entregue é de [data].

Sobre as passagens específicas que foram sinalizadas: [pegue cada uma de cada vez. Para cada uma, diga por que ela soa do jeito que soa: uma formulação padrão no campo, uma paráfrase próxima de uma fonte anexada no item N, uma descrição de métodos com pouca margem de variação, uma passagem que revisei repetidamente. Não responda apenas com uma negação geral.]

Agradeço se puderem confirmar:

1. a provisão específica da [nome da política] que se alega ter eu infringido;
2. todas as evidências que o tomador de decisão considerará, incluindo o relatório de detecção completo e qualquer material de comparação;
3. qual ferramenta e versão de detecção produziu o relatório, e a data em que foi gerado;
4. o padrão de prova que se aplica, e a via e o prazo para recurso.

Solicito também que qualquer decisão indique a evidência específica em que se baseia, além da pontuação de detecção. [Apenas se o relatório veio do Turnitin:] A própria orientação do Turnitin afirma que o seu modelo de detecção de escrita por IA pode classificar mal texto escrito por humanos e não deve ser usado como única base para medidas prejudiciais a um estudante.

Estou à disposição para uma reunião e para explicar como o trabalho foi escrito, e posso levar os arquivos subjacentes.

Atenciosamente, [nome] / [número de estudante] / [programa] / [data]

Quatro coisas para conferir antes de enviar. Todo anexo que você menciona está de fato anexado. Toda data nele está correta, porque uma data errada mina o restante. Não há especulação sobre os motivos de ninguém. E você leu o procedimento da própria instituição, porque é de lá que vêm o prazo e a via de resposta, não desta página.

Prepare-a como uma explicação das suas decisões, não como um teste de memória. Relereia a versão enviada e as instruções do trabalho. Saiba por que a pergunta foi formulada do jeito que foi, em quais fontes você se apoiou e por quê, do que uma tabela ou figura específica foi construída, e o que mudou entre rascunhos.

Se um longo atraso, uma deficiência, uma diferença de comunicação ou necessidades de idioma afetam como você recorda ou explica as coisas, diga isso cedo e por escrito, e vincule o pedido ao que quer que o procedimento diga sobre ajustes. A nota de casos da OIA orienta as instituições a considerar “whether assumptions about AI use could be biased against a student's writing style, for example if the student is disabled or has a communication difference, or if English is not the student's first language” (se as suposições sobre o uso de IA podem estar enviesadas contra o estilo de escrita de um estudante, por exemplo se tem uma deficiência, se comunica de forma diferente ou se o inglês não é a sua língua materna). Isso é uma consideração viva para o painel, não um favor que você está pedindo.

Se lhe perguntarem algo que você não lembra, diga que não lembra. Chutar errado em um detalhe pequeno custa mais do que o detalhe valia.

A escala de cada instituição é própria, e a única descrição confiável da sua está no seu próprio procedimento de má conduta acadêmica. O formato geral:

1. Estágio informal ou de investigação. Uma conversa, um pedido de explicação, às vezes um viva. Frequentemente tudo termina aqui, e é o lugar mais barato para apresentar as suas evidências.
2. Um painel ou comitê formal. Uma conclusão, e se houver uma, uma penalidade. Este é o estágio que deveria lhe dar razões.
3. Recurso interno. Normalmente em fundamentos estreitos, mais vezes irregularidade procedural ou nova evidência, e sempre com prazo.
4. Revisão externa. Apenas depois da via interna esgotada.

Para instituições da Inglaterra e do País de Gales, o passo quatro é o Office of the Independent Adjudicator. Dois mecanismos importam. Normalmente você vai precisar de uma Completion of Procedures Letter, “which the provider will send you once you have completed its complaints or appeals procedures” (que a instituição lhe enviará assim que tiver concluído os seus procedimentos de reclamação ou de recurso), e a reclamação tem que chegar à OIA “within 12 months of the date of the provider's final decision (usually the date of the Completion of Procedures Letter)” (no prazo de 12 meses a contar da data da decisão final da instituição (normalmente a data da Completion of Procedures Letter)). A OIA se descreve como o esquema independente de reclamações estudantis para a Inglaterra e o País de Gales, então se você estuda em outro lugar não é a sua via.

Se você está fora da Inglaterra e do País de Gales, não assuma que existe equivalente, e não assuma que não existe. O procedimento da sua instituição tem que declarar o que acontece após o estágio interno final. Essa frase é a que você precisa encontrar.

Então a moldagem acima é a errada para você, e pegá-la emprestado mesmo assim é como as pessoas pioram a sua posição. Duas coisas do registro continuam a importar.

A divulgação é ponderada, mas não apaga uma conclusão. Em CS072503 o estudante divulgou o seu uso de IA no viva e argumentou que isso deveria ter contado a seu favor. A OIA concluiu que a instituição havia considerado isso ao lado das notas de rascunho e respostas por escrito, havia seguido os seus procedimentos, e havia aplicado uma penalidade proporcional. A reclamação não foi acolhida. Ser honesto sobre isso continua sendo o movimento melhor, e é o único movimento que sobrevive ao contato com um viva, mas não é uma defesa.

A linha entre uma ferramenta permitida e uma proibida é mais estreita do que a maioria das pessoas assume. O Turnitin diz que o seu detector “is not tuned to target Grammarly-generated spelling, grammar, and punctuation modifications” (não está afinado para apanhar as correções de ortografia, gramática e pontuação feitas pelo Grammarly) e que em testes, “in most cases” (na maioria dos casos), alterações feitas pelo Grammarly e corretores gramaticais semelhantes não foram sinalizadas. A mesma resposta então diz que isso “excludes content generated by Grammarly's generative AI-powered features, including draft generation, paraphrasing, summarizing, and other features” (exclui os conteúdos produzidos pelas funcionalidades de IA generativa do Grammarly, incluindo a geração de rascunhos, a paráfrase, o resumo e outras funcionalidades), e que o conteúdo produzido com esses recursos “will likely be flagged as AI-generated by our detector” (será provavelmente assinalado pelo nosso detetor como gerado por IA). Então “Eu só usei o Grammarly” não é uma afirmação única. Nomeie o recurso.

Posso ver o relatório de escrita por IA eu mesmo? Não diretamente. O Turnitin afirma que o indicador e o relatório de detecção de escrita por IA não são visíveis para os estudantes. Afirma também que os instrutores podem baixar o relatório como PDF e compartilhá-lo, então peça isso em vez de trabalhar a partir da descrição de alguém sobre o que foi sinalizado.

Meu relatório mostra um asterisco em vez de uma porcentagem. O que isso significa? O Turnitin não exibe número para pontuações de detecção de IA entre 1% e 19%, e mostra um asterisco em vez disso. Atribui isso a uma maior incidência de potenciais falsos positivos nessa faixa.

Se o relatório diz 40%, isso significa que 40% do meu trabalho foi escrito por IA? Não. O Turnitin diz que o modelo analisa apenas texto elegível, significando prosa em frases gramaticais padrão, e que a porcentagem “is not necessarily the percentage of the entire submission” (não é necessariamente a percentagem do trabalho inteiro). Diz também que um documento que contenha vários tipos diferentes de escrita mostrará disparidade entre a porcentagem e os destaques, então os dois não somarem é esperado em vez de sinal de bug.

Usei o Grammarly. Estou com problemas? Depende inteiramente de qual parte do Grammarly e do que o seu trabalho permitia. O Turnitin diz que o detector dele não é ajustado para captar alterações de ortografia, gramática e pontuação e que na maioria dos casos tais alterações não foram sinalizadas nos seus testes, mas que o conteúdo dos recursos generativos do Grammarly, incluindo geração de rascunho, paráfrase e resumo, provavelmente será sinalizado. Nomeie o recurso específico que você usou, e verifique as instruções do trabalho assim como a política geral, já que as instruções podem estreitar o que é permitido.

Meu trabalho tinha apenas 700 palavras. O tamanho importa? O Turnitin diz que sim. Em documentos mais curtos, de apenas algumas centenas de palavras, a previsão é “mostly 'all or nothing'” (no essencial, «tudo ou nada»), porque há um único segmento sem oportunidade de sobreposição, e ele acrescenta que isso significa “some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated.” (um texto que mistura conteúdo gerado por IA com conteúdo próprio pode acabar assinalado como inteiramente gerado por IA.). Se o seu documento é curto, essa frase vale a pena colocar diante de quem estiver lendo a pontuação.

Devo passar por um detector diferente para provar o meu caso? Não. Uma pontuação limpa em outro lugar não estabelece nada, e uma segunda sinalização dá ao painel um segundo número. Empenhe o esforço no seu registro de escrita em vez disso.

Não tenho histórico de versões nem rascunhos. Está perdido? Não, mas o seu caso agora repousa em conseguir explicar o trabalho. Esse é o terreno que os casos publicados sugerem ser o mais forte de qualquer modo. Reconstrua o que conseguir a partir de coisas que você não criou para este fim: registros de empréstimo da biblioteca, e-mails, registros de acesso ao LMS, notas de seminário, mensagens a um colega de turma sobre o trabalho.

Quem de fato decide? Pessoas, aplicando a política da sua instituição. O Turnitin diz que a sua pontuação “is not meant to provide definitive answers in isolation” (não foi feito para dar respostas definitivas por si só) e não deve ser a única base para medida prejudicial, e que determinar se ocorreu má conduta “takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies” (exige uma análise mais aprofundada e o juízo de uma pessoa, a par da aplicação das regras específicas de cada instituição). O número abre o arquivo. Ele não o fecha.

Esta página é informação geral, não aconselhamento jurídico. Procedimentos de má conduta acadêmica, regras de evidência e direitos de recurso diferem por país e por instituição. O material da OIA é diretamente relevante para instituições de ensino superior da Inglaterra e do País de Gales; em outros lugares é um exemplo útil de como se parece um processo justo, não uma regra que vincula alguém.