Turnitin y ChatGPT en 2026: cómo detecta de verdad el profe

Te llega un trabajo impecable de un alumno que en clase escribe con faltas y frases a medias. Lo pasas por Turnitin y te devuelve un 0 % de IA. Al de al lado, que escribe bien de siempre, le marca un 70 %. ¿Con cuál de los dos números haces algo?

Con ninguno, de momento. El porcentaje de un detector es una pista para mirar más, no un veredicto. Lo que de verdad aclara si un trabajo lo ha escrito el alumno está fuera del detector: cómo creció el documento, si la bibliografía existe y si el alumno sabe defender lo que entrega.

Si eres profe y tienes un trabajo sospechoso delante, esto es lo que puedes hacer hoy. Pega el trabajo del alumno en ChatGPT, Claude o Gemini con este prompt y tendrás preparada una defensa oral de cinco minutos:

Eres un profesor de [ASIGNATURA] de [CURSO]. Te pego un trabajo entregado
por un alumno. No lo evalúes ni me digas si lo ha escrito una IA.
Quiero preparar una conversación de 5 minutos con él. Dame:
1. Cinco preguntas que solo pueda responder bien quien haya escrito el
   trabajo: por qué eligió un argumento, de dónde sale una cita concreta,
   qué descartó y por qué.
2. Dos párrafos concretos que le pediré que me explique con sus palabras.
3. Tres fuentes de la bibliografía que debería comprobar a mano.
---
[PEGA AQUÍ EL TRABAJO]

El prompt no decide nada por ti. Te ahorra el rato de preparar la conversación, que es la parte que de verdad aclara las dudas. Antes de pegar el trabajo, quita el nombre del alumno (usa sus iniciales o el número de lista) y cualquier dato que lo identifique o que sea sensible, y hazlo en una herramienta que tu centro haya autorizado.

Qué mide Turnitin y por qué el porcentaje no basta

Turnitin devuelve un porcentaje estimado del texto que «parece» escrito por una IA. No sabe quién escribió el trabajo. Compara el texto con los patrones que suelen producir los modelos de lenguaje y calcula una probabilidad.

La propia empresa habla de una tasa de falsos positivos del 1 %. Es su cifra, medida por ellos. Y aun aceptándola, el problema aparece cuando se multiplica.

Vanderbilt lo explicó muy bien. El 16 de agosto de 2023 desactivó el detector de IA de Turnitin. Su cuenta fue sencilla: en 2022 la universidad pasó por Turnitin unos 75.000 trabajos. Con el 1 % de falsos positivos que declaraba la empresa, unos 750 trabajos de alumnos se habrían marcado por error como escritos en parte por IA. Un 1 % parece poco hasta que lo aplicas a una universidad entera.

Por eso las universidades que usan la herramienta insisten en lo mismo. La guía de Michigan State University lo dice sin rodeos: estas herramientas pueden confundir texto humano y texto de IA, así que no deben ser la única base para tomar medidas contra un alumno.

GPTZero y la perplejidad

GPTZero explica en su documentación las señales que usa. Las dos clásicas son estas:

• Perplejidad: mide cómo de sorprendente es cada palabra según lo que venía antes. Un texto muy previsible tiene perplejidad baja, y eso se asocia a la IA.
• Variabilidad: mide cuánto cambian la longitud y la complejidad de las frases a lo largo del texto. Las personas escribimos a ráfagas. La IA suele escribir más plano.

Las dos señales tienen el mismo punto débil: castigan la prosa correcta y sin sorpresas. Un alumno que escribe ordenado, con frases de longitud parecida y vocabulario estándar, se parece a la máquina aunque no la haya tocado.

El sesgo contra los alumnos no nativos

Este es el fallo que ningún detector ha resuelto. Un estudio de Stanford (Liang et al., Patterns, 2023; versión abierta en arXiv) probó 7 detectores con 91 redacciones del examen TOEFL escritas por estudiantes no nativos. De media, los detectores marcaron como IA el 61,22 % de esas redacciones. Con 88 redacciones de alumnos nativos de 8.º curso en EE. UU., en cambio, casi no fallaron. Lo contaron The Markup (14 de agosto de 2023) y Tech & Learning.

El mismo estudio comprobó el fallo contrario: textos de IA retocados escapaban a menudo del detector. Es decir: el porcentaje se equivoca con alumnos que escriben ellos solos, y también deja pasar textos de IA retocados.

Los «humanizers» y por qué no cambian nada para el profe

Hay webs que reescriben un texto de IA para que el detector no lo marque. Se anuncian como «humanizadores». No vamos a nombrarlas ni a enlazarlas. Al profe le basta con saber que existen y que su único objetivo es bajar el porcentaje de una máquina concreta.

Los detectores reaccionan. GPTZero dice en su documentación que tiene un módulo para distinguir una edición ligera de una reescritura completa con IA, y que su rendimiento se mantiene cuando el texto se parafrasea o se le cambian palabras por sinónimos. Es su propia afirmación, igual que el 1 % de Turnitin. Lo honesto es asumir que esa carrera no tiene ganador estable: lo que hoy pasa el filtro puede marcarse mañana, y al revés.

Para el profe, la conclusión práctica es otra. Un humanizer solo actúa sobre el texto. No toca el historial del documento, no arregla una cita que no existe y no le enseña al alumno a defender lo que ha entregado. Todo lo que de verdad aclara un caso queda igual.

Lo que mira el profe y no depende del detector

Estas señales no necesitan ningún software y son las que de verdad resuelven un caso.

El historial de versiones. En Google Docs está en Archivo → Historial de versiones → Ver historial de versiones. En Word, en el control de cambios o en el historial de versiones de OneDrive. Un trabajo escrito a lo largo de varios días deja muchas ediciones pequeñas, párrafos rehechos y saltos entre sesiones. Un texto pegado aparece como un bloque grande en una sola edición, a menudo la víspera de la entrega. Un detalle práctico: Google solo enseña el historial a quien tiene permiso de edición sobre el archivo. Si quieres mirarlo, pide que te compartan el documento como editor. Hay extensiones que teclean un texto despacio para que el historial parezca real; te contamos cómo reconocer un historial de Google Docs falsificado.

La bibliografía. Los modelos de lenguaje inventan referencias que suenan bien y no existen. Comprobar tres citas a mano lleva cinco minutos. Y en la reunión con el alumno funciona una pregunta muy sencilla: de dónde sale esta cita concreta, y que te enseñe el texto original.

La defensa oral. Pide al alumno que te explique un párrafo con sus palabras, por qué eligió una fuente o qué argumento descartó. Quien ha escrito el trabajo responde sin esfuerzo, aunque se equivoque en algún detalle. Quien no lo ha escrito no sabe por dónde empezar. Es la prueba más fiable y la que más protege al alumno inocente al que un detector ha marcado por error.

El estilo y el nivel. Terminología por encima del curso, un texto sin la voz del alumno o un salto brusco respecto a lo que escribe en clase. No prueba nada por sí solo, pero te dice a quién conviene preguntar.

Trampas en el enunciado. Algunos profes esconden en el enunciado una frase en blanco, invisible a simple vista, o una indicación absurda que solo seguiría quien pega el enunciado en una IA sin leer el resultado. Lo recogía The Objective (13 de febrero de 2025), que también contaba que otros docentes han vuelto a los trabajos a mano y a los exámenes orales. Esta trampa solo delata al que copia sin leer y no sustituye a las otras señales.

Cómo diseñar el trabajo para que el detector importe menos

La mejor defensa no es pillar al alumno: es que el trabajo se pueda evaluar por su proceso. Estos cuatro cambios funcionan en cualquier asignatura:

1. Entregas por fases. Esquema, borrador y versión final en fechas distintas. Cada fase se corrige y se comenta. Así ves crecer el trabajo y el alumno recibe feedback a tiempo.
2. Un tramo escrito en clase. La introducción o la conclusión se escriben en el aula, a mano o en un ordenador sin conexión. Te da una muestra real de cómo escribe cada alumno.
3. Defensa oral corta. Cinco minutos por alumno con el prompt del principio. Si no tienes tiempo para todos, elige al azar y avísalo desde el primer día.
4. Uso de la IA declarado. Di qué uso permites (buscar ideas, corregir, ninguno) y pide una nota al final del trabajo que lo explique. Un alumno que declara lo que ha hecho no tiene nada que esconder.

Tienes más ideas para montar este tipo de evaluación en cómo diseñar exámenes que la IA no resuelve. Y si te toca organizarlo para todo un claustro, en formación para centros educativos preparamos sesiones sobre evaluación con IA para equipos docentes.

Si eres alumno: usa la IA para mejorar tu borrador

Si te preocupa qué marcará el detector, la respuesta práctica es escribir tú el trabajo y usar la IA para que te lo critique. Así el historial es tuyo, la bibliografía la has leído y en la defensa sabes de qué hablas. Y además el trabajo mejora, porque alguien te señala lo que flojea antes de entregarlo. Pega esto con tu borrador:

Actúa como un profesor exigente de mi asignatura. Te pego un borrador
ESCRITO POR MÍ. No lo reescribas. Quiero que:
1. Señales los 3 argumentos más débiles y por qué flojean.
2. Marques afirmaciones que necesitan una fuente o cita.
3. Detectes incoherencias entre la introducción y la conclusión.
4. Me hagas 5 preguntas que un tribunal me haría en la defensa oral.
No cambies mi texto. Solo critícalo y pregúntame.
---
[PEGA AQUÍ TU BORRADOR]

Ten en cuenta dos límites. La IA que te da feedback también se equivoca: puede decirte que falta una cita que está o pasar por alto un error. Comprueba lo que te diga. Y las normas cambian de un profe a otro: algunos permiten usar la IA si lo declaras y otros la prohíben. Pregunta antes de dar nada por supuesto.

Si escribes en una lengua que no es la tuya, guarda los borradores y deja que el historial crezca. Si un detector te marca por error, ese historial y tu explicación en voz alta son tu mejor defensa. Tienes más técnicas para aprender con IA en estudiar con IA sin hacer trampa, y lo que pasa cuando la IA imita la forma de escribir de un alumno en por qué el detector ya no basta.

En resumen

Turnitin a veces detecta ChatGPT y a veces no, y además marca por error textos humanos, sobre todo de alumnos no nativos. Su porcentaje sirve para decidir a quién mirar, no para sancionar. Si eres profe, pide el historial de versiones, comprueba tres citas y prepara cinco minutos de defensa oral. Si eres alumno, escribe tú el borrador y usa la IA para que te lo critique.