Quando um professor em uma universidade do Meio-Oeste abriu sua caixa de entrada neste semestre, ele encontrou um fluxo constante de ensaios que pareciam releases de imprensa polidos - gramática impecável, resumos genéricos e uma superabundância de palavras-chave. O culpado? Ferramentas de modelo de linguagem grande, como o ChatGPT e o Claude, que os alunos estão usando para cumprir tarefas de escrita. O departamento de TI da universidade havia licenciado recentemente um serviço de detecção de IA, mas o software não conseguiu levantar alertas sobre a maioria das submissões.
"Os detectores simplesmente não estão capturando", disse o professor, descrevendo a frustração crescente entre a faculdade. "Recebemos trabalhos que parecem perfeitos na superfície, mas quando você examina mais profundamente, não há insight real, apenas uma reorganização do prompt." As ferramentas de detecção, projetadas para sinalizar anomalias estatísticas no texto, frequentemente produzem falsos negativos, permitindo que trabalhos escritos por IA passem pelas filas de avaliação.
Em resposta, os professores estão recorrendo ao trabalho de detetive antiquado. Muitos agora solicitam uma amostra de escrita pessoal curta de cada aluno no início do semestre - algo tão simples quanto uma história de 200 palavras sobre um brinquedo de infância. Ao estabelecer uma linha de base, os instrutores podem comparar mais tarde o tom, a estrutura de frase e o vocabulário das tarefas submetidas. Desvios, como o uso repentino de frases complexas, como "análise multifacetada", ou um florescimento inesperado de palavras, como "tapeçaria", levantam bandeiras vermelhas.
Outro sinal revelador é a aparição repetida de termos-chave da tarefa. Escritores humanos normalmente parafraseiam conceitos, mas a IA frequentemente ecoa a linguagem exata da pergunta, transformando o ensaio em uma peça impulsionada por definição, em vez de um argumento original. "Os alunos raramente repetem o prompt palavra por palavra", observou o professor. "Quando o fazem, é um forte indicador de que estão alimentando o prompt diretamente em um modelo."
Os educadores também estão experimentando com as próprias ferramentas de detecção. Ao alimentar os mesmos prompts de tarefa no ChatGPT antes do início da aula, eles geram saídas de amostra que servem como pontos de referência. Comparar as submissões dos alunos a essas amostras ajuda a destacar padrões - como explicações excessivamente genéricas ou a famosa frase "Em conclusão" que a IA ama anexar.
Embora essas táticas manuais exijam esforço extra, muitos professores argumentam que são mais confiáveis do que a geração atual de detectores de IA. A abordagem alinha-se com um impulso mais amplo para reforçar a honestidade acadêmica: políticas claras, códigos de honra e consequências transparentes para violações. As instituições também estão investindo em treinamento de faculdade para reconhecer texto gerado por IA, enfatizando que a tecnologia sozinha não pode resolver o problema.
A situação ilustra um dilema maior para a educação superior. À medida que as ferramentas de IA se tornam mais acessíveis, a linha entre assistência legítima e fraude aberta se torna borrada. As universidades devem equilibrar os benefícios pedagógicos da IA - como assistência de brainstorming e apoio à redação - com a necessidade de preservar a integridade das avaliações. Por enquanto, a salvaguarda mais eficaz parece ser uma combinação de vigilância humana e um olhar cético, em vez de confiar em qualquer solução de software única.
Cet article a été rédigé avec l'assistance de l'IA.
News Factory SEO vous aide à automatiser le contenu d'actualités pour votre site.