Archivo de la categoría: Investigación

Aumenta la piratería de artículos académicos Japón

Mainichi Daily News. «Scholarly Paper Pirating Spikes in Japan, but Critics Slam Journals’ “double-Take” Fees». 6 de junio de 2023. https://mainichi.jp/english/articles/20230606/p2a/00m/0na/016000c.

Las descargas gratuitas ilícitas de artículos académicos se están disparando en Japón, alcanzando los 7,2 millones en 2022, según ha revelado una investigación del Mainichi Shimbun. Y aunque el aumento pone en duda la ética de los académicos implicados, también se cree que la tendencia está alimentada por el incesante aumento de las tarifas de suscripción a las revistas académicas.

El sitio que permite descargar artículos de pago es «Sci-Hub», fue creado en 2011.y permite saltarse esas barreras de pago utilizando credenciales de acceso proporcionadas por personas de universidades que están suscritas a las revistas. En junio de este año, Sci-Hub ofrecía acceso libre y gratuito a más de 88 millones de artículos. Las actividades del sitio infringen los derechos de autor de las revistas, y algunos editores han presentado demandas por daños y perjuicios en el extranjero.

Según una investigación de Mainichi, China registró el mayor número de descargas, con unos 467,41 millones en 2022, seguida de Estados Unidos, Rusia, Brasil e India. Japón, con unos 7,2 millones de descargas, ocupa el puesto 14. Según una investigación realizada por un equipo de la Universidad de Ryukyus y otros académicos, en 2017 se produjeron alrededor de 1,27 millones de descargas ilícitas en Japón, es decir, solo una quinta parte de las que se producirán en 2022.

Los observadores creen que el aumento del coste del acceso de los suscriptores a los trabajos de investigación puede estar detrás de este repunte. Según el Ministerio de Educación japonés y otras organizaciones, las cuotas de suscripción pagadas por las universidades nacionales, públicas y privadas de Japón en 2021 ascendieron a unos 32.900 millones de yenes (unos 235,9 millones de dólares) sólo por las revistas en línea, más de cinco veces la cifra de 2004. Y esto ocurre al mismo tiempo que el gobierno japonés ha recortado las subvenciones a los gastos de funcionamiento de las universidades.

El modelo de publicación de revistas consistente en cobrar las cuotas de suscripción a las universidades y hacer que los investigadores paguen las tasas de publicación ha sido criticado como un «doble juego». Los editores, sin embargo, alegan que necesitan los ingresos para hacer frente al fuerte aumento del número de artículos presentados, que rondará los 1,9 millones sólo en ciencias naturales en 2020, lo que supone casi quintuplicar la cifra de 1981, cuando se empezó a hacer un seguimiento de esta estadística.

¿Cómo citar a ChatGPT?

Para citar ChatGPT en tu trabajo, puedes seguir las pautas de la Asociación Estadounidense de Psicología (APA) y adaptar la información a los detalles específicos.

Otra cosa es que se pueda o deba citar una fuente como ChatGPT, ya que algunas de las recomendaciones consideran que nos se puede citar, ya que no es ningún autor definido. Cambridge University Press que publicó los principios de política de ética en la investigación con IA, prohíbe tratarla como «autora» de artículos y libros académicos ya que no puede rendir cuentas ante un conflicto de intereses delante de un tribunal, por no ser ninguna entidad jurídica. Y que la IA debe declararse y explicarse claramente en publicaciones como los trabajos de investigación, al igual que hacen los académicos con otros programas informáticos, herramientas y metodologías en el apartado dedicado a estas dentro del artículo especificando claramente para que fue utilizada y con que fines. Tambien COPE: Committee on Publication Ethics incide en esta cuestión, cuando dice «Las herramientas de IA no pueden cumplir los requisitos de autoría, ya que no pueden asumir la responsabilidad del trabajo presentado. Como entidades no jurídicas, no pueden afirmar la presencia o ausencia de conflictos de intereses ni gestionar los derechos de autor y los acuerdos de licencia.»

Pero si se citta, según las pautas de American Psychological Association (APA), se sugiere el siguiente formato para citar ChatGPT:

  • Autor o entidad responsable: Si no hay un autor específico mencionado, puedes utilizar «OpenAI» como entidad responsable.
  • Fecha de publicación: Incluye la fecha de la interacción o la fecha en que accediste al contenido.
  • Título de la publicación o descripción: Utiliza el título «ChatGPT» o una descripción que identifique claramente el contenido como una interacción con el modelo de lenguaje ChatGPT.
  • [Mensaje de chat]: Incluye esta etiqueta para indicar que se trata de un mensaje de chat.
  • Recuperado de [URL]: Proporciona la URL completa y actualizada donde se encuentra el contenido.

A continuación se muestra un ejemplo de cómo podría verse la cita en formato APA:

Nombre del autor (año, mes día). Título de la publicación o descripción [Mensaje de chat]. Recuperado de [URL]

OpenAI. (2023). ChatGPT (Mar 14 version) [Large language model]. https://chat.openai.com/chat

CITA REAL

ChatGPT. (2023, Jan. 13, 19:19 GMT). Prompt: Budget for a 3 member family based in Zurich for 2023. ChatGPT Jan. 9 Version. https://chat.openai.com/chat/ff75c484-3417-4149-9264-d011d456dad3

Ver además

How to Cite ChatGPT APA Style, 2023. https://www.youtube.com/watch?v=6UYkxLaULHo.

«How to Cite ChatGPT». Accedido 13 de junio de 2023. https://apastyle.apa.org/blog/how-to-cite-chatgpt.

zakirtheresearchtl. «Citing and Referencing ChatGPT Responses: A Proposal», 13 de enero de 2023. https://www.theresearchtl.net/single-post/citing-and-referencing-chatgpt-responses-a-proposal.

Nature no permitirá el uso de IA generativa en imágenes y vídeo que se publiquen en la revista

«Why Nature Will Not Allow the Use of Generative AI in Images and Video». Nature 618, n.o 7964 (7 de junio de 2023): 214-214. https://doi.org/10.1038/d41586-023-01546-4.

El artículo profundiza en la discusión, el debate y las consultas en curso sobre el uso de la inteligencia artificial (IA) generativa en la creación de imágenes y vídeos. La prestigiosa revista Nature se ha posicionado al respecto y ha decidido no publicar ningún contenido en el que los elementos visuales se hayan generado total o parcialmente mediante herramientas de IA generativa. La decisión se basa en varios factores clave: integridad, atribución, consentimiento y privacidad.

La integridad es un aspecto fundamental tanto de la publicación científica como de la artística. El compromiso compartido con la integridad requiere transparencia y la capacidad de verificar la exactitud y autenticidad de los datos y las imágenes. Por desgracia, las herramientas de IA generativa existentes no permiten acceder a sus fuentes, lo que dificulta el proceso de verificación.

La atribución es un principio básico tanto en la ciencia como en el arte. Cuando se utiliza o se cita un trabajo existente, es esencial atribuirlo correctamente. Sin embargo, las herramientas de IA generativa a menudo no cumplen esta expectativa, ya que no proporcionan una atribución clara del contenido generado.

El consentimiento y el permiso son consideraciones cruciales, sobre todo cuando se identifica a personas o se trata de la propiedad intelectual de artistas e ilustradores. Muchas aplicaciones de IA generativa se quedan cortas en estos aspectos, al carecer de protocolos adecuados de consentimiento y permiso.

¿Debería la Natura permitir el uso de la inteligencia artificial (IA) generativa en la creación de imágenes y vídeos? Esta revista lleva varios meses discutiendo, debatiendo y consultando sobre esta cuestión a raíz de la explosión de contenidos creados con herramientas de IA generativa como ChatGPT y Midjourney, y del rápido aumento de las capacidades de estas plataformas.

Aparte de los artículos específicamente dedicados a la IA, Nature no publicará ningún contenido en el que la fotografía, los vídeos o las ilustraciones se hayan creado total o parcialmente utilizando IA generativa, al menos en un futuro próximo.

A los artistas, cineastas, ilustradores y fotógrafos a los que la revista hace encargos y con los que trabajan se les pedirá que confirmen que ninguno de los trabajos que presentan ha sido generado utilizando IA generativa (véase go.nature.com/3c5vrtm).

Los sistemas de IA generativa se entrenan a menudo con imágenes sin esforzarse por identificar sus fuentes u obtener los permisos adecuados. Esto incluye el uso rutinario de obras protegidas por derechos de autor para el entrenamiento sin la debida autorización. Además, surgen problemas de privacidad cuando los sistemas de IA generativa crean representaciones realistas de personas sin su consentimiento, lo que contribuye a la proliferación de «deepfakes» y a la difusión de información falsa.

La decisión de Nature de no permitir el uso de IA generativa en contenidos visuales está motivada por preocupaciones relacionadas con la integridad, la atribución, el consentimiento y la privacidad. Mientras continúa el debate en torno a esta cuestión, es crucial abordar estas consideraciones éticas para mantener la confianza y la fiabilidad de los medios visuales tanto en el ámbito científico como en el artístico.

Metodología de la investigación

Hernández Sampieri, Roberto, Carlos Fernández Collado, y Pilar Baptista Lucio. Metodología de la investigación. McGraw Hill España, 2014.

Texto completo

Metodología de la investigación, 6a. edición, se plantea como objetivos que el lector: Entienda que la investigación es un proceso compuesto, a su vez, por otros procesos sumamente interrelacionados. Cuente con un manual y recursos que le permitan llevar a cabo investigaciones cuantitativas, cualitativas y mixtas. Comprenda diversos conceptos de investigación que generalmente se tratan de manera compleja y poco clara. Perciba a la investigación como algo cotidiano y no como algo que sólo le corresponde a los profesores y científicos. Pueda recurrir a un solo texto de investigación—p orque éste es autosuficiente—y no tenga que consultar una gran variedad de obras, debido a que algunas tratan aspectos que otras no. Se mantenga actualizado en materia de métodos de investigación. El libro está orientado a asignaturas sobre investigación, metodología, metodología de la investigación, métodos de análisis y similares dentro de diversas ciencias o disciplinas; asimismo, para que se utilice en campos sociales, jurídicos, administrativos, económicos, de la salud, ingenierías, etc. Finalmente los métodos son los mismos, lo que cambia es el tipo de planteamientos y variables que se trabajan. El texto puede emplearse en cursos introductorios, intermedios y avanzados, según el criterio del maestro. Hay partes que por el momento no se requieran, pero en un futuro sí se necesiten. La obra se refiere a un tipo particular de investigación: la investigación científica. Este término suele provocar en algunos alumnos escepticismo, confusión y, a veces, incomodidad. Probablemente esos estudiantes tengan parte de razón, ya sea porque sus cursos previos de investigación fueron tediosos y no les encontraron aplicación en su vida habitual; o bien, porque sus profesores no tuvieron la paciencia de explicarles de manera simple y creativa la metodología de la investigación. Podría ser el caso que los libros que leyó sobre el tema fueran confusos e intrincados

¿Cómo investigar en Didáctica de las Ciencias Sociales?

Ortega-Sánchez Delfín (ed.). ¿Cómo investigar en Didáctica de las Ciencias Sociales? Barcelona: Octaedro, 2023.

Texto completo

La naturaleza compleja y múltiple de la investigación educativa exige la aplicación minuciosa de métodos, técnicas e instrumentos de recolección de datos con evidencias empíricas de validez y fiabilidad suficientes para garantizar la solidez de los resultados, sostener las conclusiones alcanzadas y, a partir de ahí, verificar implicaciones educativas auténticas. En este sentido, se atiene al seguimiento de procedimientos objetivos, precisos y sistemáticos, busca la descripción e inferencia de los datos cualitativos y cuantitativos obtenidos, tiende a la interdisciplinariedad en la resolución de los problemas formulados y utiliza el aula o la escuela como laboratorio para abordar sus problemas de investigación.

El presente libro busca ofrecer los fundamentos metodológicos imprescindibles para abordar una investigación rigurosa en el ámbito científico de la Didáctica de las Ciencias Sociales. Con este fin, se divide en cinco completos capítulos sobre los principios teórico-metodológicos de la investigación cualitativa, la investigación cuantitativa y los métodos mixtos aplicados al conjunto de las preocupaciones investigadoras de esta área de conocimiento. Igualmente, presenta y describe las cuestiones y protocolos éticos, las secciones y subsecciones de un informe de investigación, y las bases de redacción científica adecuadas para un trabajo fin de grado, un trabajo fin de máster, una tesis doctoral o un artículo científico de calidad.

Según Turnitin, el 3,5% de las consultas que pasaron por el detector de IA contenían más del 80% de texto escrito con IA

Kuykendall, By Kristal, y 05/30/23. «Turnitin: Of 38M Submissions Since April 4, 3.5% Had At Least 80% AI-Written Text -». Campus Technology. Accedido 2 de junio de 2023. https://campustechnology.com/articles/2023/05/turnitin-says-its-ai-detector-analyzed-38m-submissions-in-six-weeks.aspx.

Según Turnitin, el 3,5% de las consultas que pasaron por el detector de IA contenían más del 80% de texto escrito con IA, y algo menos de una décima parte de los envíos contenían al menos un 20% de texto escrito con IA.

Turnitin informó de que, de 38 millones de consultas realizadas desde el 4 de abril, aproximadamente el 3,5% de ellos contenían al menos un 80% de texto escrito por IA. Esto sugiere que hay una notable presencia de texto generado por IA en los envíos que Turnitin ha procesado.

De manera que en las primeras seis semanas de uso por parte de los educadores de la nueva función de detección de escritura por IA de Turnitin, ha llevado a la plataforma a ajustar el detector y a explicar mejor el significado y los índices de precisión de las puntuaciones de detección.

Las actualizaciones de la función de detección de IA inclyen:

  • Se ha añadido un asterisco a las puntuaciones inferiores al 20%: Ahora aparecerá un asterisco junto al indicador «puntuación» -o el porcentaje de un envío que se considera texto escrito con IA- cuando la puntuación sea inferior al 20%, ya que el análisis de los envíos hasta ahora muestra que los falsos positivos son mayores cuando el detector encuentra que menos del 20% de un documento está escrito con IA. El asterisco indica que la puntuación es menos fiable, según la entrada del blog.
  • Aumento del número mínimo de palabras: El número mínimo de palabras necesario para que el detector de IA funcione se ha aumentado de 150 a 300, porque el detector es más preciso cuanto más largo es un envío, dijo Chechitelli. «Los resultados demuestran que nuestra precisión aumenta con un poco más de texto, y nuestro objetivo es centrarnos en los escritos largos. Es posible que con el tiempo modifiquemos este requisito de palabras mínimas basándonos en la evaluación continua de nuestro modelo.»
  • Cambios en el análisis del detector de frases iniciales y finales: «También observamos una mayor incidencia de falsos positivos en las primeras o últimas frases de un documento», dijo Chechitelli. «Muchas veces, estas frases son la introducción o la conclusión en un documento. Como resultado, hemos cambiado la forma de agregar estas frases específicas para la detección con el fin de reducir los falsos positivos.»

Es importante señalar que la capacidad de Turnitin para detectar texto generado por IA se basa en sus algoritmos y bases de datos que comparan el texto enviado con las fuentes existentes para identificar posibles casos de plagio. Aunque Turnitin puede detectar casos en los que el texto generado por IA se ha copiado directamente de fuentes existentes, puede tener dificultades para identificar el plagio cuando el texto generado por IA es original y no procede de publicaciones existentes.

A medida que siga evolucionando el uso de la IA en la generación de texto, es posible que las herramientas de detección como Turnitin tengan que adaptarse y desarrollar nuevas técnicas para identificar y abordar eficazmente el plagio generado por IA. Las instituciones y organizaciones educativas también pueden necesitar establecer políticas y directrices específicas para abordar el uso de contenidos generados por IA y el plagio en entornos académicos.

Vale la pena mencionar que las cifras proporcionadas por Turnitin ponen de relieve la prevalencia del texto generado por IA, pero sería necesario realizar más análisis e investigaciones para comprender plenamente el impacto y las implicaciones del contenido generado por IA en el contexto de la integridad académica y la detección del plagio.

Más allá del donut: cinco formas de utilizar las «almetrics» para el éxito académico

Impact of Social Sciences. «Beyond the Doughnut – Five Ways to Use Altmetrics for Academic Success», 1 de junio de 2023.

Texto completa

Una década después de su creación, Andy Tattersall analiza cómo los académicos pueden hacer uso de las altmétricas más allá de los recuentos y las métricas.

El artículo analiza el uso de las altmetrics (métricas alternativas) como una herramienta para evaluar el impacto académico más allá de las métricas tradicionales, como las citas en revistas científicas. El autor destaca cinco formas en las que las altmetrics pueden ser utilizadas para lograr el éxito académico:

  1. Comprender el impacto en línea: Las altmetrics permiten rastrear el impacto de la investigación más allá de las publicaciones académicas tradicionales, incluyendo menciones en redes sociales, blogs y medios de comunicación. Esto proporciona una visión más completa del alcance y la influencia de la investigación.
  2. Identificar colaboraciones potenciales: Las altmetrics pueden ayudar a identificar investigadores y grupos de investigación con intereses similares y con un impacto significativo en sus respectivas áreas. Esto facilita la colaboración y el intercambio de conocimientos.
  3. Evaluar el impacto temprano: Las altmetrics pueden proporcionar una evaluación temprana del impacto de la investigación, incluso antes de que se publiquen las citaciones académicas formales. Esto puede ser especialmente útil para investigadores que desean demostrar el impacto de su trabajo en etapas tempranas de sus carreras.
  4. Mejorar la visibilidad y el alcance: Al promover la investigación a través de plataformas en línea y redes sociales, las altmetrics pueden aumentar su visibilidad y alcanzar a audiencias más amplias. Esto puede llevar a un mayor reconocimiento y oportunidades de colaboración.
  5. Recopilar evidencia para evaluaciones: Las altmetrics pueden proporcionar evidencia adicional para complementar las evaluaciones tradicionales basadas en citas. Al incluir datos de altmetrics en los informes de actividad académica, los investigadores pueden demostrar un impacto más amplio y diverso de su trabajo.

En conclusión, el artículo destaca que las altmetrics ofrecen nuevas formas de evaluar y medir el impacto académico, complementando las métricas tradicionales. Su uso puede ayudar a los investigadores a comprender mejor el impacto de su trabajo, identificar oportunidades de colaboración, evaluar el impacto temprano, aumentar la visibilidad y recopilar evidencia adicional para evaluaciones académicas.

Buenas prácticas en materia de datos: Eliminación de barreras a la reutilización de datos con licencias CC0 («Sin derechos reservados»)

The Dryad. «Good Data Practices: Removing Barriers to Data Reuse with CC0 Licensing». Dryad news, 30 de mayo de 2023.

Ver noticia

CC0 “No Rights Reserved”

CC0 permite a científicos, educadores, artistas y otros creadores y propietarios de contenidos protegidos por derechos de autor o bases de datos renunciar a esos intereses sobre sus obras y, de ese modo, ponerlas lo más completamente posible en el dominio público, de modo que otros puedan basarse libremente en ellas, mejorarlas y reutilizarlas para cualquier fin sin restricciones en virtud de la legislación sobre derechos de autor o bases de datos.

¿Por qué CC0 es una gran opción para los datos abiertos?

A los autores que envían datos a Dryad se les pide que consientan la publicación de sus datos bajo Creative Commons Public Domain Dedication, más comúnmente conocida como CC0. Al hacerlo, se pide a los autores que confirmen que cualquier material que haya sido publicado previamente por otro autor o grupo de trabajo se publicó en condiciones compatibles con CC0 y que aceptan publicar de forma novedosa cualquier material no publicado previamente bajo esta exención.

Las licencias Creative Commons (CC) son un estándar ampliamente adoptado para los productos académicos y también se emplean para una amplia gama de otros medios difundidos digitalmente (muchas imágenes de Wikipedia están alojadas bajo una licencia CC, por ejemplo). La licencia CC BY (Atribución) es particularmente común en las comunidades de investigación, ya que es la licencia bajo la cual se publican con frecuencia los artículos de acceso abierto. También existen muchas otras licencias abiertas estándar, como las específicas para software.

En cambio, CC0 no es una licencia, sino una renuncia a los derechos de autor del propietario o creador. Dedica una obra al dominio público sin restricciones ni condiciones para su reutilización, modificación o redistribución.

La reutilización de datos es el objetivo ideal de compartir datos abiertos. Las afirmaciones indebidas de derechos de autor y restricciones de licencias sobre material que probablemente no esté amparado por la ley de derechos de autor hace que los usuarios potenciales tengan que descifrar los textos legales para determinar si el contenido está sujeto a derechos de autor. Esto puede resultar bastante oneroso y crear aversión a la reutilización por miedo a acciones legales por uso indebido, especialmente en el caso de las licencias más restrictivas. Incluso si hay poca ambigüedad sobre si se puede hacer una reclamación de derechos de autor, la incertidumbre sobre cómo seguir las condiciones prescritas también puede sofocar la reutilización por miedo a acciones legales. Por ejemplo, todas las licencias CC exigen la atribución, pero ésta debe hacerse de la forma específica prescrita por el creador o creadores. Cuando se recopilan muchas obras con este tipo de licencias, esto puede crear mayor ambigüedad y cargas para los usuarios.

Con CC0, no hay ambigüedad sobre las restricciones de los datos, lo que, de nuevo, no autoriza a los usuarios potenciales a ignorar las normas establecidas por la comunidad, como la citación o la colaboración. Además, evita complicaciones en torno al llamado «apilamiento de atribuciones», cada vez más común a medida que los investigadores compilan grandes conjuntos de datos procedentes de muchas obras con licencias independientes (un inconveniente típico de CC BY en comparación con CC0). Por último, libera al editor de los datos de la carga legal de supervisar la reutilización de sus datos y, en caso necesario, de emprender acciones legales contra acciones percibidas como indebidas (algo para lo que muchas personas carecen de tiempo o recursos).

El concepto de renunciar a los derechos de autor de los productos académicos suele resultar desconcertante para los investigadores, que esperan que se reconozca el mérito de su trabajo. CC0 no exime ni excluye a los usuarios de los resultados publicados bajo esta exención de observar las normas establecidas de la comunidad, de las cuales la citación adecuada es sólo una de muchas. Las expectativas de citación y la práctica de hacerlo deben considerarse como una contribución positiva a una comunidad de investigación, no como una acción tomada bajo coacción por temor a acciones legales.

ChatGPT: la inteligencia artificial y la generación de textos académicos. Planeta biblioteca 2023/05/31

ChatGPT: la inteligencia artificial y la generación de textos académicos.

Planeta biblioteca 2023/05/31

ESCUCHAR EL PROGRAMA

Ir a descargar

Video Conferencia Argentina

Video «Cómo funciona CHATGPT»

ChatGPT es un modelo de lenguaje basado en IA desarrollado por OpenAI que puede ser una herramienta valiosa para los educadores. Permite interactuar con un asistente virtual inteligente para obtener respuestas y generar ideas sobre tendencias. Sin embargo, su uso plantea preocupaciones éticas y de privacidad, como el acceso y uso indebido a datos personales, el sesgo algorítmico, el plagio académico y las implicaciones de la toma de decisiones automatizada en temas sensibles.

Herramientas gratuitas para detectar tesis, trabajos de investigación, tareas, documentación y blogs generados por modelos de IA. ChatGPT, GPT-4, Bard y Claude

«Top 10 Tools for Detecting ChatGPT, GPT-4, Bard, and Claude». KDnuggets (blog). Accedido 30 de mayo de 2023. https://www.kdnuggets.com/top-10-tools-for-detecting-chatgpt-gpt-4-bard-and-claude.html.

Vivimos en una época de auge de la inteligencia artificial (IA), en la que cada semana aparecen nuevos modelos lingüísticos de gran tamaño (LLM) que pueden escribir como los humanos. Estos modelos pueden generar contenidos muy creativos y, por desgracia, algunos estudiantes y profesionales los utilizan indebidamente para plagiar.

Como resultado, las herramientas de detección de IA se han convertido en algo esencial en todas las aulas, lugares de trabajo e institutos de investigación. Todas las herramientas mencionadas en este blog son gratuitas, y algunas de ellas incluso vienen con extensiones de Chrome para que puedas detectar contenidos sobre la marcha.

  1. GPTZero

GPTZero se ha mejorado significativamente. Ahora es muy preciso, fácil de usar e incluye una extensión para Chrome. Puede utilizarlo para detectar una amplia gama de texto generado por IA, incluido el texto de los últimos modelos como Bard (PalM 2), ChatGPT, GPT-4 y otros modelos de código abierto. Además, es rápido y resalta el texto generado para facilitar su identificación.

  1. OpenAI AI Text Classifier

AI Text Classifier de OpenAI es muy preciso, pero no proporciona información adicional sobre el contenido. Funciona para New Bard, ChatGPT, GPT-4 y otros modelos basados en LLaMA.

  1. CopyLeaks

CopyLeaks. Es un verificador de plagio rápido y preciso que viene con una simple extensión de Chrome. Incluso puedes pasar el ratón sobre el texto resaltado para comprobar la popularidad de la IA. Puede detectar Bard, ChatGPT, GPT-4 y otros grandes modelos lingüísticos (LLM).

  1. Typeset

Academic AI Detector es un poco diferente de las otras herramientas mencionadas. Es muy preciso, pero se diseñó específicamente para detectar contenido académico en PDF. No hay opción de copiar y pegar por el momento, pero el equipo técnico está trabajando para añadir esa característica. Puedes cargar cualquier tipo de trabajo académico como PDF y Typeset generará resultados. Typeset detecta contenido generado por Bard, ChatGPT y HuggingChat, y lo ha detectado todo con precisión.

  1. Moderación de Hive

La detección de contenidos generados por AI Generative Content Detection a veces identifica erróneamente contenidos generados por humanos como IA. Para garantizar resultados fiables, es aconsejable disponer de una herramienta de respaldo cuando se utilice como recurso principal. Además, ofrece la capacidad de detectar imágenes generadas por IA de plataformas como DALL-E, Midjourney y Stable Diffusion.

  1. Content at Scale

AI Content Detector de Content at Scale es fácil de usar y produce informes bastante precisos sobre predictibilidad, probabilidad y patrón. Funciona con todo tipo de modelos lingüísticos de gran tamaño (LLM) más recientes y destaca el contenido en función de la probabilidad variable de que la IA genere trabajo…

  1. Hello Simple AI

 ChatGPT Detector de Hello Simple AI es una herramienta gratuita y de código abierto que puede utilizarse para detectar texto generado por ChatGPT. Está alojada en Hugging Face Spaces y proporciona resultados rápidos y bastante precisos. El detector no es tan preciso como OpenAI AI Text Classifier, pero proporciona dos métricas (GLTR y probabilidad PPL) que pueden ayudar a determinar si el contenido está generado por IA o no.

  1. OpenAI Detector

OpenAI Detector es una herramienta gratuita y de código abierto que puede utilizarse para detectar texto generado por el modelo de lenguaje GPT de OpenAI. Está alojado en Hugging Face Spaces y proporciona resultados rápidos. Sin embargo, el detector puede ser muy impreciso, especialmente cuando se trata de detectar versiones más recientes de los modelos de OpenAI y otros modelos de lenguaje de gran tamaño de código abierto.

  1. AI Detector 

AI Detector  es una herramienta bastante precisa que puede utilizarse para detectar texto generado por ChatGPT, Bard y otras versiones antiguas de grandes modelos lingüísticos (LLM). Sin embargo, no es capaz de detectar versiones más recientes de LLM. Esto se debe a que funciona analizando la sintaxis y la semántica del texto, y los LLM más recientes son mejores generando texto que no se distingue del texto escrito por humanos.

  1. Writer.com

El Detector de Contenido AI de Writer se presenta como la opción menos precisa con una limitación de 1500 caracteres. Sirve como solución alternativa cuando otras herramientas no están disponibles o son ineficaces.