WEB: https://writer.com/ai-content-detector/

PLATAFORMA: Online

LICENCIA: Free

Detector de contenido AI

Utilice nuestro detector gratuito para comprobar hasta 1.500 caracteres y decidir si desea realizar ajustes antes de publicar.

La detección de contenido AI sólo está disponible en la aplicación Writer como API, y está limitada a comprobaciones de 1.500 caracteres cada vez. 

WEB: https://gptzero.me/

PLATAFORMA: ONLINE

LICENCIA: Free y Pago

https://etedward-gptzero-main-zqgfwb.streamlit.app/ hasta 5000 caracteres

Vista de análisis profundo

• Aprovecha los últimos avances en investigación de detección de IA.

• Vista granular sin restricciones y comprensión de los resultados.

• Destacados codificados por colores para la mayoría de las secciones de IA y humanos de la redacción.

• Análisis estadístico para saber exactamente cómo afecta cada frase a las probabilidades de IA.

WEB: https://ericmitchell.ai/detectgpt/ 

DESCARGA: https://chromewebstore.google.com/detail/detectgpt-detect-chat-gpt/oadkgbgppkhoaaoepjbcnjejmkknaobg 

PLATAFORMA: Extension Google Chrome

DetectGPT Desarrollada por la Universidad de Stamford, pretende ser una de las primeras herramientas para combatir el texto generado por máquinas en la universidad. https://ericmitchell.ai/detectgpt/ 

La fluidez y el conocimiento factual de los grandes modelos lingüísticos (LLM) aumentan la necesidad de que los sistemas correspondientes detecten si un texto está escrito por una máquina. Por ejemplo, los estudiantes pueden utilizar los LLM para completar tareas escritas, lo que impide a los profesores evaluar con precisión el aprendizaje de los alumnos. En este artículo, primero demostramos que el texto muestreado de un LLM tiende a ocupar regiones de curvatura negativa de la función de probabilidad logarítmica del modelo. Aprovechando esta observación, definimos un nuevo criterio basado en la curvatura para juzgar si un pasaje se ha generado a partir de un determinado LLM. Este enfoque, que denominamos DetectGPT, no requiere el entrenamiento de un clasificador independiente, la recopilación de un conjunto de datos de pasajes reales o generados, ni la marca de agua explícita del texto generado. Sólo utiliza probabilidades logarítmicas calculadas por el modelo de interés y perturbaciones aleatorias del pasaje a partir de otro modelo lingüístico genérico preentrenado (por ejemplo, T5). DetectGPT es más selectivo que los métodos existentes de detección de muestras de modelos sin disparo, y mejora notablemente la detección de noticias falsas generadas por el parámetro 20B de GPT-NeoX, que pasa de 0,81 AUROC en el caso del método de detección de muestras sin disparo más potente a 0,95 AUROC en el caso de DetectGPT.

Respuesta de ChatGPT: 🔍 PROTOCOLO PARA LA DETECCIÓN DE COPIA DE CONTENIDO GENERADO POR IA

🧩 PASO 1. MODELADO DEL ESTILO DE ESCRITURA Y MOVIDAS RETÓRICAS DEL ESTUDIANTE

🔸 Objetivo:

Recolectar muestras de escritura espontánea del estudiante en condiciones controladas, para modelar su estilo de redacción, patrones lingüísticos y estrategias retóricas.

🔸 Requerimientos:

Tipo Descripción

Pedagógicos Diseñar actividades de escritura auténtica (ensayos, respuestas abiertas, microtextos, diarios reflexivos) en modalidad presencial o sin conexión a IA.

Técnicos Plataforma que registre el proceso de escritura (keystroke dynamics, pausas, revisiones). Opción: TypingDNA, Draftback (Google Docs), etc.

Lingüísticos Criterios de análisis estilístico: longitud media de oración, léxico recurrente, tipo de conectores, uso de citas, estructura retórica (tesis-argumento-conclusión), errores frecuentes.

Evaluativos Rubrica de movidas retóricas: posicionamiento, ejemplificación, matización, contraargumentación, conclusión.

🔸 Productos esperados:

Perfil estilístico individual del estudiante.

Corpus anotado de textos genuinos del estudiante.

Vectorización del estilo de escritura (embedding personalizado o fingerprint lingüístico).

🔸 Herramientas sugeridas:

Linguistic Inquiry and Word Count (LIWC) para estilo lingüístico.

Stylometry con Jupyter/StyloR para análisis comparativo.

Sistema de clasificación supervisado para entrenar el perfil.

🧩 PASO 2. CONFRONTACIÓN DEL TEXTO ENTREGADO CON MODELO BASE DEL ESTUDIANTE

🔸 Objetivo:

Detectar desviaciones sospechosas entre el texto entregado en una actividad y el modelo estilístico previamente establecido del estudiante.

🔸 Requerimientos:

Tipo Descripción

Técnicos Motor de comparación textual basado en IA (clasificador binario o generativo-discriminativo).

Operativos Sistema experto que extraiga y compare atributos estilísticos y retóricos entre ambos textos (por ejemplo: promedio de verbos activos, citas académicas, intertextualidad, etc.).

Seguridad Validar que el texto entregado no sea producto de IA vía detección con herramientas como GPTZero, Turnitin AI Detection, OpenAI Classifier, ZeroGPT, entre otros (como paso auxiliar).

Metodológicos Análisis estilométrico, análisis semántico (con LLMs como BERT o GPT-4 embeddings), análisis de coherencia, complejidad léxica, etc.

🔸 Productos esperados:

Informe comparativo automatizado (estilo esperado vs. estilo del texto entregado).

Probabilidad de autoría del texto (score cuantitativo).

Diagnóstico preliminar de autenticidad del texto.

🔸 Herramientas sugeridas:

Python/NLP con scikit-learn + spaCy.

Comparación con embeddings BERT o GPT-4.

Detección de estilo con clasificadores SVM, Random Forest o Transformers fine-tuned.

Interfaz en Streamlit o Gradio para visualización.

🧩 PASO 3. EVALUACIÓN COMPARATIVA Y DIAGNÓSTICO FINAL

🔸 Objetivo:

Emitir un dictamen razonado, documentado y explicable sobre la autoría del texto entregado.

🔸 Requerimientos:

Tipo Descripción

Analíticos Matriz de comparación: estilo, estructura argumentativa, originalidad temática, densidad conceptual.

Éticos Validación del proceso con consentimiento informado y derecho a réplica por parte del estudiante.

Documentales Reporte con visualizaciones (gráficos de similitud, nubes de palabras, métricas estilísticas).

Evaluativos Criterios: grado de desviación del estilo individual, presencia de patrones de IA, falta de huellas personales (ej., errores previos, expresiones idiosincráticas).

🔸 Productos esperados:

Informe de evaluación explicable y defendible (PDF exportable).

Score de autenticidad estilística.

Registro del proceso de análisis para auditoría o revisión institucional.

🔸 Herramientas sugeridas:

Dashboards interactivos con Plotly o Streamlit.

Exportación a PDF con WeasyPrint o jsPDF.

Trazabilidad del análisis con logs y reportes XML/JSON firmados digitalmente.

✅ RESULTADO FINAL ESPERADO

Sistema de monitoreo ético, explicable y pedagógicamente válido para disuadir y detectar uso indebido de IA.

Desarrollo de la competencia autoral del estudiante.

Retroalimentación personalizada que fomente la mejora de la escritura genuina.

Texto de Ejercicios filosóficos / Rodolfo Bolaños Barrera (16 jun, 2025). 🎓 ¿Los estudiantes están entregando textos generados por IA? [Video]. https://youtu.be/pVBfJFc1JtY