Como ler um AI Writing Report da Turnitin

É o número do relatório que mais se interpreta mal. A Turnitin o define como a fatia de qualifying text, e qualifying text significa frases em prosa dentro de um formato de escrita longa: frases dentro de parágrafos, em algo com a forma de um ensaio, de uma dissertação ou de um artigo.

Todo o resto fica fora do cálculo. A Turnitin afirma que o modelo não detecta de forma confiável a escrita por IA fora da prosa, e cita poesia, roteiros e código, além de textos curtos ou fora do padrão: marcadores, tabelas, bibliografias comentadas.

Um resultado de 30% num trabalho que é metade tabelas e listas não significa "30% do seu trabalho". São 30% da prosa que a Turnitin aceitou avaliar, e essa prosa pode ser um terço do que você entregou.

Há também um piso. Uma submissão precisa ter no mínimo 300 palavras de prosa em formato longo para que o relatório seja gerado. Abaixo disso não há porcentagem: não uma baixa, nenhuma. E existe um teto também: o relatório de IA para em 30.000 palavras, portanto uma tese completa não recebe um único relatório que cubra tudo.

Os requisitos atuais de arquivo acrescentam mais limites: o arquivo precisa ter menos de 100 MB, estar em DOCX, PDF, TXT ou RTF compatível e estar escrito em um dos idiomas aceitos. A Turnitin incluiu o árabe padrão moderno em 18 de agosto de 2026, levando essa lista a quatro; duas das próprias páginas em inglês da empresa ainda mostram três, então a página em que você cai pode não ter sido atualizada. Um Similarity Report bem-sucedido não significa automaticamente que a submissão seja elegível para um AI Writing Report: os dois sistemas têm finalidades e requisitos diferentes.

Um exemplo com o denominador torna a diferença concreta. Suponha que um relatório de laboratório de 4.000 palavras tenha 1.600 palavras em tabelas, listas com marcadores, código e referências: sobram 2.400 palavras de prosa elegível. Um 25% exibido se refere a mais ou menos um quarto dessas 2.400 palavras conforme a classificação do modelo, e não a um quarto das 4.000 palavras. O relatório não mostra informação suficiente para reconstruir uma contagem exata de palavras a olho nu; trate essa aritmética como uma explicação do denominador, não como um total reconstruído de trás para a frente.

Antes de interpretar a porcentagem, faça duas perguntas: o arquivo era elegível, e que parte dele contou como prosa elegível?

Quem lê costuma notar que as passagens destacadas não parecem somar a porcentagem informada e conclui que algo está quebrado. Nada está quebrado. A Turnitin diz isso diretamente: um documento que contenha vários tipos diferentes de escrita vai produzir uma diferença entre a porcentagem e os destaques.

A porcentagem é calculada sobre o texto elegível. Os destaques ficam num documento que também contém texto não elegível. Os denominadores são diferentes, então os dois números não vão se reconciliar a olho nu — e conferir um contra o outro é esforço perdido.

Aquilo para que os destaques servem mesmo é a distribuição. Onde cai uma marcação diz mais do que a quantidade total.

Leia o relatório em três passadas. Primeiro, identifique o estado do indicador. A Turnitin documenta sete deles, e só dois colocam uma porcentagem na tela: 0% e um número a partir de 20. Um asterisco, um relatório ainda carregando, um erro de processamento, um arquivo que não cumpriu os requisitos e uma detecção desligada no momento da submissão entregam algo diferente de um número. Segundo, leia o detalhamento da submissão. Até 4 de agosto de 2026 ele separava o texto gerado por IA do texto gerado por IA que havia sido parafraseado; desde então a Turnitin fundiu os dois numa única categoria azul, então relatórios feitos antes e depois dessa data não trazem a mesma legenda. Terceiro, examine as passagens destacadas no contexto, inclusive as frases não destacadas antes e depois delas. Ir direto a um parágrafo muito aceso elimina o contexto necessário para avaliá-lo.

• Um agrupamento na metodologia ou em trechos padrão pode refletir linguagem muito convencional e merece comparação com os modelos ou protocolos exigidos.
• Uma fronteira entre trechos redigidos de formas diferentes merece revisão das frases ao redor, porque a classificação não é necessariamente precisa na borda.
• Um padrão espalhado mesmo assim deve ser conferido contra o histórico de versões e as fontes; dispersão visual não substitui a procedência.
• Nenhum destaque junto de um asterisco é comportamento esperado para a faixa baixa oculta, não prova de que a interface falhou ao carregar.

Não conte linhas destacadas e divida pela extensão da página. Layout da página, tamanho da fonte, referências e tipos de texto excluídos tornam esse cálculo sem relação com o denominador de texto elegível da Turnitin. Use os destaques para localizar trechos a revisar, não para auditar a porcentagem como se fosse uma medição de área.

O relatório divide sua porcentagem em dois tipos de detecção.

• AI-generated only — texto que o modelo considera provavelmente vindo de um grande modelo de linguagem, possivelmente modificado depois por uma ferramenta de evasão.
• AI-generated text that was AI-paraphrased — texto considerado provavelmente gerado por IA e depois provavelmente passado pelo que a Turnitin chama de "an AI paraphrasing tool or AI word spinner" (uma ferramenta de paráfrase por IA ou um embaralhador de palavras por IA). A Turnitin cita o QuillBot como exemplo.

A segunda categoria merece uma pausa. A etapa do parafraseador não é invisível para o modelo: passar texto de IA por um reescritor é um padrão que o detector foi construído para reconhecer exatamente como tal, e não um jeito de contorná-lo. Se você já se perguntou por que parafrasear não reduziu uma pontuação, esta é a razão documentada.

Isso também explica uma decepção comum. O modelo lê o esqueleto da frase, então uma edição que deixe esse esqueleto intacto deixa intacto o que está sendo lido — um ponto que vale ler junto com o que os detectores realmente medem.

Os rótulos descrevem a classificação do modelo, não uma cadeia de custódia verificada. "AI-generated only" não identifica um modelo, um prompt ou uma pessoa; "AI-paraphrased" não prova que um serviço nomeado tenha sido usado. A própria Turnitin diz que seu modelo pode identificar mal texto escrito por humanos, gerado por IA e parafraseado por IA. As categorias ajudam o avaliador a organizar a revisão, mas não convertem uma saída probabilística em procedência pericial.

Há também uma limitação de idioma fácil de não notar: o guia atual da Turnitin diz que a detecção de paráfrase por IA e de evasores só está incluída no detector em inglês. Relatórios em espanhol e em japonês não incluem hoje esses recursos. Uma captura de tela do detalhamento por categorias precisa, portanto, do seu contexto de idioma antes de poder ser comparada com outro relatório.

Desde 8 de julho de 2024, quando o modelo coloca um resultado na faixa de 1-19%, o relatório mostra um asterisco e não atribui nenhuma porcentagem numérica nem destaques. Um resultado sem texto elegível é um estado diferente, e um erro de processamento também.

A razão declarada pela Turnitin é que os testes encontraram uma incidência maior de falsos positivos em porcentagens baixas e que esconder o número específico reduz a chance de má interpretação. O asterisco significa, então, "um resultado diferente de zero abaixo do limiar de relato, com confiabilidade reduzida", e não "0%", "seguro" ou "má conduta".

A regra trata do que a interface mostra; não é um limiar institucional de má conduta. Um 19% numérico num relatório gerado antes de 8 de julho de 2024 e um asterisco num relatório mais recente podem representar a mesma faixa sob regras de exibição diferentes. Registre a data do relatório antes de compará-los.

Um 0% visível também não é prova de que nenhum processo com ajuda de IA tenha ocorrido. Significa que o modelo não identificou texto elegível como provavelmente pertencente às suas categorias de detecção naquela versão e configuração. A detecção tem falsos negativos além de falsos positivos, e conteúdo não suportado ou excluído fica totalmente fora da porcentagem.

A Turnitin afirma que seu modelo pode identificar mal texto escrito por humanos, gerado por IA e parafraseado por IA, e que não deve ser usado como única base para uma medida adversa contra um estudante. Ele fornece dados para que educadores avaliem junto com a política institucional e outras provas. O número é um insumo para o julgamento humano, e a empresa diz isso no guia do relatório.

É a coisa mais útil de saber para quem está do lado de lá recebendo um. A pergunta não é "como faço para baixar esse número", mas "para que este número está sendo usado, e o que a política da minha instituição diz que ele significa".

• Não é o Similarity Score. Texto que corresponde a fontes já existentes e texto classificado como IA são análises separadas; um não explica o outro.
• Não é uma constatação de plágio. Autoria, atribuição e ajuda permitida são questões das regras de avaliação e das provas.
• Não é um mapa de probabilidade palavra por palavra. Os destaques identificam trechos atribuídos a categorias; não dão a cada palavra um valor de confiança independente.
• Não é estável em todas as versões. Elegibilidade, comportamento do modelo e regras de exibição podem mudar, então guarde o relatório original em vez de recriá-lo depois presumindo equivalência.

Se você precisa discutir um relatório, leve a submissão original, o relatório completo, as regras de uso de IA da tarefa e provas do processo, como rascunhos ou anotações. Esse conjunto responde a quatro perguntas distintas: o que foi submetido, o que a ferramenta marcou, qual ajuda era permitida e como o documento foi produzido. A porcentagem sozinha responde apenas à segunda, e apenas dentro dos limites do detector.