Vol. VIII. Año 2023. Número 1, enero-marzo
15
Inteligencia artificial vs.Turnitin: implicaciones para el plagio académico
AUTOR: Dariel Díaz Arce
1
DIRECCIÓN PARA CORRESPONDENCIA: ddiaz@santana.edu.ec
Fecha de recepción:
17
-
11
-
2022
Fecha de aceptación:
23
-
01
-
2023
RESUMEN
El presente trabajo busca evaluar la utilidad de Turnitin para identificar
trabajos realizados por herramientas de Inteligencia Artificial. El diseño fue
experimental con dos grupos, uno experimental formado por 50 ensayos
creados por ChatGPT y otro control, formado por 50 trabajos de los mismos
temas creados por estudiantes de bachillerato. Se contrastaron los índices
generales de similitud (IGS), la frecuencia de trabajos en riesgo de plagio (IGS
≥14 %) y la frecuencia trabajos con signos de plagio por copy-paste después de
la revisión manual. El IGS promedio resultó ser mayor en los documentos
entregados por los estudiantes (33 % vs. 19 % en ChatGPT). Aunque la
frecuencia de trabajos en riesgo fue similar, la revisión manual solo pudo
detectar el 24 % en aquellos creados por IA, respecto al 56 % de los realizados
por los alumnos. Estos resultados plantean interrogantes sobre la utilidad de
los programas “antiplagio” ante la nueva ola de herramientas digitales de
generación de contenidos que puedan conducir a dilemas ético-legales referidos
al derecho de autor, siendo el plagio IA el tema a debatir.
PALABRAS CLAVE: plagio académico; ciberplagio; inteligencia artificial;
herramientas antiplagio; educación.
Artificial intelligence vs. Turnitin: implications for academic plagiarism
ABSTRACT
The objective of this work was to evaluate the usefulness of Turnitin to identify
essays written by Artificial Intelligence tools. The methodology used was
experimental. The control group was made up of 50 academic essays written by
high school students, while the experimental group was made up of 50 essays
written by ChatGPT about the same topics. The general similarity indices (IGS),
the frequency of works at risk of plagiarism (IGS ≥14%) and the frequency of
works with signs of plagiarism by copy-paste detected after manual review were
compared. The average IGS was higher in the documents delivered by the
students (33% vs. 19% in ChatGPT). The frequency of documents at risk of
1
Licenciado en Bioquímica, Máster en Innovación en Educación, Docente de Biología Bachillerato Internacional,
Investigador Agregado 2 SENESCYT, Unidad Educativa Santana, Cuenca, Azuay, Ecuador. E-mail:
ddiaz@santana.edu.ec CÓDIGO ORCID: https://orcid.org/0000-0002-5952-9916
Dariel Díaz Arce
16
Facultad de Filosofía, Letras y Ciencias de la Educación. Universidad Técnica de Manabí. ECUADOR.
plagiarism was similar in both groups, but after manual review, only 24% of
those created by AI could be detected, compared to 56% of those created by
students. These results raise questions about the usefulness of "anti-
plagiarism" programs in the face of new digital content generation tools that
can lead to ethical and legal dilemmas related to copyright, with AI plagiarism
being the topic to be debated.
KEYWORDS: academic plagiarism; cyber plagium; artificial intelligence; anti
plagiarism tools; education
INTRODUCCIÓN
El plagio es una de las principales formas de deshonestidad académica en todos
los niveles educativos. La frecuencia con la que se presenta este problema es
muy variable, dependiendo la institución educativa, el nivel, el país, el tipo de
trabajo analizado, entre otros factores. Sin embargo, en algunos casos este
problema puede presentarse en más del 50 % de la comunidad estudiantil,
desde el nivel secundario hasta el posgrado e investigadores (Llovera-López et
al., 2023; Monzón-Pérez et al., 2020; Díaz Arce, 2015; Sureda-Negre et al.,
2015).
De forma general, sea intencional o no, el plagio en el ámbito educativo es
considerado una forma de engaño, hurto, fraude o apropiación no ética de
información e ideas académicas de terceros. En tal caso, el plagiador utiliza
esto para su beneficio sin dar el crédito correspondiente a la fuente original,
engañando al público con su accionar (Espinoza-Freire, 2020; Díaz Arce, 2016).
La eliminación total de este problema es una tarea ardua y difícil, pues posee
causas y formas de presentación diversas, algunas de ellas muy complejas o
elaboradas, y dependientes de la realidad sociocultural en la que se desarrollan
los educandos (Díaz-Arce et al., 2019). Tal vez por ello, los reglamentos de las
instituciones educativas no muestran consenso, aún en un mismo país, donde
se observan diferencias sustanciales desde la definición, percepción de
gravedad, tipología, posibles sanciones, entre otros aspectos (Salas Acuña &
Amador Solano, 2022).
A lo anterior se suma la justa preocupación por el vertiginoso desarrollo en los
últimos años, de las herramientas digitales enfocadas a la creación de
contenidos utilizando la Inteligencia Artificial (IA). Este concepto hace alusión a
la capacidad que tiene un software informático para replicar las funciones
cerebrales del ser humano, partiendo de recibir información, procesarla,
interpretarla y aprender de ella, para cumplir o aplicarla de forma experta con
la tarea para lo que fue diseñada (Incio Flores et al., 2022). En tal caso, algunos
autores ven en estas aplicaciones un futuro prometedor en el ámbito educativo,
desde sistemas de tutorías inteligentes (Ocaña-Fernández et al., 2019) hasta
procesos de supervisión y calidad, o de admisión y retención universitaria
(García-Peña et al., 2020).
Revista Cognosis. Revista de Filosofía, Letras y Ciencias de la Educación ISSN 2588-0578
Inteligencia artificial vs.Turnitin: implicaciones para el plagio académico
Vol. VIII. Año 2023. Número 1, enero-marzo
17
Una de las IA que más se menciona en las redes sociales y la prensa mundial
actual es ChatGPT, la que permite obtener respuestas en tiempo real en base a
preguntas u órdenes que le dan los usuarios. Una de estas habilidades
revisadas por el autor del presente trabajo es la de crear ensayos sencillos
parafraseando la información que dispone y con una redacción bastante
coherente y ortográficamente correcta. Todo esto plantea muchas inquietudes
para los ámbitos académico, pues si bien podría ser muy útil (Castillo-
González, 2022), también sería propicio para nuevas formas de fraude y plagio
académico (Susnjak, 2022), así como desde el punto de vista legal, pues se
debate si las obras creadas por este tipo de softwares deben considerarse o no
dentro del derecho de autor o de la propiedad intelectual (Estupiñán Ricardo et
al., 2021; Saínz García, 2019). Con todo esto, surge la pregunta de si los
docentes o sociedad misma está preparada para detectar una obra creada por
una IA.
En Internet se encuentran diversas herramientas que permiten detectar
similitud sintáctica y de palabras con fuentes que se localizan en la web (Pezuk
et al., 2020). A pesar de ello, la estabilidad temporal de algunas de ellas no solo
es difícil de evaluar, sino que también es cuestionable (Díaz Arce, 2017a; Díaz
Arce, 2017b). Por ello, muchas instituciones educativas invierten en
aplicaciones comerciales como Turnitin, un software mal llamado “antiplagio”
por su alta eficiencia para identificar similitud de copy-paste de documentos en
la web (Meo & Talha, 2019; Díaz Arce, 2016).
Por lo anterior, este trabajo se enfocará en responder a la pregunta problema:
¿en qué medida una herramienta “antiplagio” comercial y de reconocido
prestigio como Turnitin puede ser útil para detectar los trabajos creados por
una IA como ChatGPT?
DESARROLLO
El diseño fue de tipo experimental y cuantitativo, con un muestreo al azar de
50 ensayos académicos de los estudiantes de los niveles analizados
(previamente evaluados en Turnitin y revisados manualmente) y 50 ensayos de
los mismos temas creados por la herramienta ChatGPT.
Las variables dependientes analizadas fueron:
- Índice general de similitud (IGS): Representa el porcentaje del texto que
presenta similitud total o parcial con documentos de la base de datos de
Turnitin o de fuentes de internet a las que tiene acceso.
- Frecuencia de ensayos en riesgo de plagio: definido en base al estudio previo
de Díaz Arce, (2016) donde se sugiere que los ensayos con IGS superiores a 14
% tienen un mayor riesgo de presentar secciones copiadas o mal parafraseadas
que los que tienen un IGS inferior, resultando en una sensibilidad del 88.8 %
para detectar los trabajos con este tipo de problemas.
- Frecuencia de plagio académico: para ello se revisaron todos los trabajos de
forma manual, identificando las secciones copiadas o mal parafraseadas. Se
Dariel Díaz Arce
18
Facultad de Filosofía, Letras y Ciencias de la Educación. Universidad Técnica de Manabí. ECUADOR.
prestó especial interés a los trabajos en los que se presentaran seis o más
palabras consecutivas marcadas por la herramienta, o los párrafos en los que
se encuentren de manera salteada siete o más palabras que pertenezcan a una
misma fuente y que no sean de conocimiento general o de uso corriente en la
asignatura, según las observaciones de (Masic, 2012), quien cita a la World
Association of Medical Editors (WAME). Cada uno de los señalamientos fue
revisado para delimitar si se trata de una copia textual o casi textual que no fue
parafraseada o citada correctamente. Cada fuente fue revisada para delimitar
que se ajuste al tópico solicitado en el ensayo.
El tema elegido para los trabajos fue de la asignatura de Biología, referido a
enfermedades nutricionales, en las que se solicitaba a los estudiantes que
comparen y contrasten dos enfermedades nutricionales. Para generar el texto
en ChatGPT (https://chat.openai.com/chat) se utilizó la orden: “crear un
ensayo de comparación y contraste entre…” No se le pidió citar y referenciar,
puesto esto que reduce el número de palabras totales que ofrece la herramienta
en el ensayo. Se descartaron las creaciones de menos de 200 palabras.
Todos los ensayos creados fueron subidos a Turnitin para evaluar su IGS. En
esta herramienta se diseñó un ejercicio en el que se tuvieron en cuenta los
siguientes filtros: excluir las fuentes del trabajo del IGS, así como aquellas en
las que la similitud no supere el 5 %, y el material citado textualmente (entre
“”). Además, se le solicitó a Turnitin revisar la similitud con fuentes traducidas,
con las opciones de búsqueda en su base de datos y de internet. Se clasificaron
los trabajos según su riesgo de tener plagio mediante el punto de corte dado
por Díaz Arce, (2016) para los trabajos de alumnos de Bachillerato, el cual tiene
una sensibilidad cercana al 90 %. No obstante, todos los documentos fueron
revisados a profundidad para identificar la presencia de copia textual
potencialmente plagiada.
Los datos obtenidos en cada variable fueron procesados en Excel y con el
programa Epidat 4.2, con un nivel de significancia del 5 %. Para la comparación
de puntajes promedios y del IGS se empleó el test T Student, y para la
comparación de frecuencias el test Exacto de Fisher. Para los datos
cuantitativos se emplearon la media, desviación estándar e intervalos de
confianza al 95 % como estadísticos de resumen. Para los datos cualitativos, se
emplearon las frecuencias absolutas y relativas en porcentaje, así como los
intervalos de confianza al 95 %.
Resultados
La extensión de los ensayos subidos a Turnitin fue diferente en ambos grupos,
siendo mayor en el caso de los estudiantes, con una mediana de 382 palabras
vs. 276 en el caso de los creados por IA, siendo una diferencia de unas 100
palabras aproximadamente. Además, el total de palabras de los creados por la
herramienta digital no superaron, en ninguno de los casos, las 350 palabras,
mientras que en los trabajos de los estudiantes, algunos sobrepasaron las 600.
Revista Cognosis. Revista de Filosofía, Letras y Ciencias de la Educación ISSN 2588-0578
Inteligencia artificial vs.Turnitin: implicaciones para el plagio académico
Vol. VIII. Año 2023. Número 1, enero-marzo
19
El IGS global de los trabajos de los estudiantes fue significativamente superior
a los detectados en los aportados por la IA (33 % vs. 19 %, respectivamente, p =
0,001) (Ver tabla 1). En el caso de los trabajos entregados por la herramienta
digital, 9 resultaron con un IGS de 0 % vs. 1 en los trabajos de los alumnos. De
igual modo, ningún trabajo de los estudiantes superó el 50 % de similitud con
fuentes de internet, mientras que el 30 % de los ensayos supera este valor,
llegando a alcanzar un máximo de 96 % para una copia textual total.
Tabla 1. Índice general de similitud aportados por Turnitin para los trabajos entregados por los estudiantes y la IA.
IGS(%)
Grupo de estudio
n
Media
S
IC (95%)
Mín.
Máx.
p
Estudiantes
50
33
27
(25;41)
0
96
IA
50
19
12
(16;22)
0
47
0,001
Nota: IGS (%), porcentaje general de similitud; n, número de ensayos; S: desviación estándar; IC(95%), intervalo de
confianza al 95 %; Min., valor mínimo del IGS; Máx., valor máximo del IGS; p, probabilidad de error tipo I en las
pruebas de hipótesis del test T Student para muestras con varianzas diferentes.
De los trabajos de los alumnos, 32 resultaron en un intervalo de IGS de riesgo
(>14%) , quedando definitivamente en 28 después de la revisión manual (todos
dentro del rango sugerido). Esto representa un 87,5 % de precisión. Por su
parte, en los trabajos de IA, 33 de ellos resultaron en una categoría de riesgo,
de los cuales solo 12 quedaron con signos de posible plagio, para una precisión
de 36,4 %. Con esto, hubo diferencias estadísticamente significativas en la
utilidad de Turnitin para detectar plagio académico en los trabajos analizados,
siendo mayor para los que aportan los estudiantes, respecto a los que da la
herramienta digital (56 % vs. 24 %, respectivamente, p = 0,001) (Figura 1).
Figura 1. Frecuencia de signos de plagio académico en los ensayos creados por los estudiantes de segundo y tercero
de bachillerato vs. los creados por la IA.
Dariel Díaz Arce
20
Facultad de Filosofía, Letras y Ciencias de la Educación. Universidad Técnica de Manabí. ECUADOR.
Otros elementos distintivos entre ambos grupos de estudio se observan en la
redacción académica. En el caso de ChatGPT, en los ensayos del mismo tema,
se tiende a repetir la misma estructura y algunas frases claves. Esto no es
detectado por Turnitin, y cuando lo hace, en ocasiones reporta la misma fuente
dentro el IGS pero no se corresponde con el tema en cuestión. Por ejemplo, en
los trabajos de Obesidad y Anorexia, se presenta una primera línea de la
siguiente manera: “La obesidad y la anorexia nerviosa son dos trastornos
alimentarios que presentan características similares y diferencias
significativas.” Aunque esta no se encuentre en internet, debería marcar la
similitud entre los documentos ya subidos a su base de datos. Asimismo, Algo
similar ocurre en las conclusiones con esta frase “En resumen, la obesidad y la
anorexia nerviosa son dos trastornos alimentarios que comparten ciertas
similitudes en cuanto a desequilibrio en la relación entre ingesta y gasto
calórico” que se repite en varios ensayos y no es detectada en el IGS.
Discusión
Turnitin se emplea comúnmente bajo la percepción de una herramienta
“antiplagio”, cuando lo que realmente permite detectar es la similitud entre los
textos de internet y de su base de datos con los entregados por los usuarios
(Mphahlele & McKenna, 2019; Díaz Arce, 2016). No obstante, su utilidad para
detectar y prevenir los textos copiados ha sido validada también a nivel
internacional por múltiples autores (Belli et al., 2020; Bertram Gallant et al.,
2019; Holi Ali, 2013; Batane, 2010). En la institución educativa del autor, su
utilidad en este sentido ha quedado probada en múltiples ocasiones,
reportando frecuencias de signos claros de plagio académico que oscilan entre
40 y más del 90 % de los documentos entregados por estudiantes de
bachillerato (Díaz Arce, 2017a; Díaz Arce, 2017b; Díaz Arce, 2016). De este
modo, no sorprende el porcentaje de documentos plagiados por los estudiantes
de la presente investigación.
A pesar de lo anterior, hasta la fecha no se conoce de algún estudio previo en el
que se haya probado la capacidad de Turnitin para ayudar en la detección de la
deshonestidad académica que implique el uso de programas o aplicaciones de
IA. No obstante, en un trabajo aún en Preprint de Gao et al., (2022), solicitaron
a ChatGPT generar resúmenes de 50 trabajos para cinco revistas de alto
impacto. Los resultados mostraron que la mediana de originalidad fue del 100
% cuando se evaluaba con Plagiarism detector, no así cuando se revisaba con
un detector de salida para IA o por revisores externos experimentados. Esto se
relacionaría con el hecho de que los documentos entregados por ChatGPT
tienen una buena paráfrasis, lo que directamente no puede ser detectado por
Turnitin (Díaz Arce, 2016). Esto se argumenta inicialmente en la marcada
diferencia del IGS reportado entre ambos grupos, a lo que se añade la baja
frecuencia de signos de copy-paste o de copia casi textual (paráfrasis incorrecta)
en los trabajos creados por la IA. Así, a pesar de que se muestra una frecuencia
similar de IGS en un intervalo de riesgo respecto a los ensayos de los
estudiantes de bachillerato, la mayoría de ellos no pueden considerarse dentro
Revista Cognosis. Revista de Filosofía, Letras y Ciencias de la Educación ISSN 2588-0578
Inteligencia artificial vs.Turnitin: implicaciones para el plagio académico
Vol. VIII. Año 2023. Número 1, enero-marzo
21
del concepto de plagio académico después de una revisión manual. Por otro
lado, aquellos detectados como plagio, fue por pequeñas frases que no son de
conocimiento general y deben citarse textualmente. Estas últimas podrían
pasar desapercibidas en un docente o evaluador con poca experticia.
Actualmente no existe consenso respecto al porcentaje de similitud que deba
considerarse como posible plagio dentro de los trabajos académicos. Por una
parte, Batane, (2010) propone una escala para Turnitin en la que solo 0 % de
IGS indicaría una redacción libre de plagio, mientras que: hasta 34 % sería un
plagio de baja escala, de 35-69 % de media escala y más de 70 % de gran
escala. Más recientemente, Belli et al., (2020) plantean que para un trabajo
legítimo podría aceptarse entre 0 % y 24 % de IGS, mientras que de 25 % a 49
% sería un plagio de bajo grado, de 50 % a 74 %, de grado medio y de 75 % y
más, como de grado alto. En ambas propuestas no se tiene en cuenta que el
problema del plagio académico no es solo cuantitativo, sino también
cualtitativo, lo que implica que los documentos deben revisarse manualmente
para determinar si los elementos señalados por las herramientas constituyen
realmente un indicio de deshonestidad. Por ello, en trabajos como el de Díaz
Arce, (2016) se reporta sólo como un IGS de riesgo (>14 %) de presentar o no
signos de este u otros problemas de deshonestidad académica, con el cual
pueden detectarse aproximadamente a 9 de cada 10 trabajos con problemas
después de su revisión individual.
Lo expuesto nos muestra la ineficacia de las herramientas “antiplagio” para
detectar las creaciones textuales de las IA, sugiriendo la necesidad de utilizar
otros algoritmos ello. De extenderse una práctica de este tipo entre la
comunidad estudiantil, aumentaría así lo que podría llamarse como “plagio a la
Inteligencia Artificial” o Plagio IA.
La utilidad práctica de las IA en diferentes ramas de la tecnología en la
actualidad es indiscutible para muchos y cuestionada para otros. Sin embargo,
con el surgimiento de estas nuevas herramientas y sus funcionalidades
“inmiscuidas” en la educación, se debe replantear, entre otros temas
importantes, los mecanismos, herramientas o procesos que puedan distinguir
entre lo que es original y no. La entrega de trabajos académicos realizados por
estos programas sin reconocimiento de autor no solo no es ético hasta la fecha,
sino que podría considerarse como una nueva forma de plagio (IA). Esta
tipología vendría a ser similar a aquella en la que se presenta un “autor
fantasma” (del inglés Ghost writers), siendo quien participa en la redacción o
creación de una obra pero no aparece como firmante (Matias-Guiu & García-
Ramos, 2011). Esto podría suceder por diversos motivos como el conflicto de
intereses, la venta de obras a personas que después aparecen como autores, o
también, porque su firma podría afectar la credibilidad o intencionalidad del
documento, entre otras (Reyes, 2018; De la Cruz Arboleda, 2015).
El problema del “autor fantasma” es relativamente frecuente a diferentes
niveles. Una de las formas más estudiadas en espacios académicos es lo que se
denomina compra-venta o el contract cheating, en el que un autor realiza la
Dariel Díaz Arce
22
Facultad de Filosofía, Letras y Ciencias de la Educación. Universidad Técnica de Manabí. ECUADOR.
obra para recibir una remuneración por el mismo, sin que aparezca al final
dentro de los firmantes. Uno de los casos públicos más relevantes en este
sentido, es la sentencia de la Corte Federal de los Estados Unidos respecto a
que cerca de 1500 trabajos publicados en revistas o documentos científicos
contenían mensajes promocionales de compañías farmacéuticas que
contrataron autores fantasmas para ello (Fugh-Berman, 2010). En el trabajo
de Newton (2018), al revisar una amplia muestra de investigaciones sobre esta
temática, se muestra que la frecuencia con la que se autorreportada este
problema entre los investigadores aumentó significativamente desde 1978 hasta
2016, llegando en algunos años a valores superiores al 20 % de los autores.
Esto podría relacionarse con el hecho de que en la actualidad existen muchas
plataformas en línea que ofrecen estos servicios, haciendo énfasis en el bajo
costo, la calidad y originalidad de los servicios ofrecidos (Comas-Forgas et al.,
2021).
A pesar de lo anteriormente expuesto, la inclusión de las creaciones realizadas
por herramientas de IA dentro del marco legal de la propiedad intelectual se
encuentra en debate, con iniciativas en algunos países, pero sin consensos
claros hasta el momento (Osorio Umaña, 2022). En tal caso, uno de los temas
que queda claro es que los derechos morales del autor son inalienables (De la
Cruz Arboleda, 2015) por lo que tendría que redefinirse este concepto dentro de
las normativas legales.
Como limitaciones de esta investigación se puede señalar que los trabajos
creados en la actualidad por ChatGPT tienen una extensión que por lo general
es de unas 200 a 350 palabras, mucho menor a los de los estudiantes
evaluados, que tuvieron un promedio que supera las 400 palabras. Es conocido
que la extensión de un documento se relaciona con la probabilidad de detectar
segmentos copiados, y por ende, clasificarse como posible plagio académico
(Díaz Arce, 2015). A esto se suma que, si bien la herramienta puede crear citas
y referenciar en APA, se reduciría más aún el número de palabras que podría
generar para un ensayo similar a los solicitados. Sin embargo, se debe
considerar que se encuentra en proceso de prueba y mejora, por lo que se
espera que en próximos meses o años, se tengan versiones más potentes que
permitan realizar trabajos más extensos. De hecho, en la actualidad de cuentan
con herramientas como Escribelo.ai, que le “ayudan” a escribir hasta unas 20
mil palabras al mes por tan solo 19 euros en más de 27 idiomas (ver en:
https://app.escribelo.ai/dashboard).
CONCLUSIONES
Los resultados presentados resaltan la poca capacidad o utilidad de Turnitin
para detectar el plagio estudiantil al copiar las creaciones de herramientas de
IA. Esta nueva forma de plagio podría extenderse a medida que se desarrollen y
perfeccionen los algoritmos de estas aplicaciones en un futuro próximo. Por
ello, es imperativo delimitar las formas en las que se podrían detectar estos
Revista Cognosis. Revista de Filosofía, Letras y Ciencias de la Educación ISSN 2588-0578
Inteligencia artificial vs.Turnitin: implicaciones para el plagio académico
Vol. VIII. Año 2023. Número 1, enero-marzo
23
trabajos plagiados, así como promover en los estudiantes una cultura de
probidad académica y de buen uso de estas.
Al mismo tiempo, esto resalta en un debate ético y legal respecto al uso de las
IA con fines académicos, pues de la forma en la que se promueven en la
actualidad por redes sociales y otros canales digitales, no fomentan la
creatividad tal y como la conocemos. Asimismo, de hacerse cotidiano su uso,
entonces debería buscarse nuevas respuestas a la pregunta, ¿qué deben
enseñar los docentes en un campo donde las respuestas a las interrogantes y
temas educativos están cada vez más a la mano de los estudiantes?
Por el momento, los resultados de este trabajo permiten dirigir nuevos estudios
hacia la frecuencia con la que los alumnos utilizan estas herramientas y para
qué lo hacen. Además, se sugiere profundizar en las percepciones que poseen
sobre la calidad y el uso ético de las mismas. A fin de cuentas, si el plagio
académico era difícil de entender y detectar, el plagio IA podría resultar más
fácil y tentador de cometer.
REFERENCIAS BIBLIOGRÁFICAS
Batane, T. (2010). Turning to Turnitin to Fight Plagiarism among University Students.
Journal of Educational Technology and Society, 13(2), 1-12.
https://www.jstor.org/stable/jeductechsoci.13.2.1
Belli, S., López Raventós, C., & Guarda, T. (2020). Plagiarism Detection in the
Classroom: Honesty and Trust Through the Urkund and Turnitin Software. In V. H.
Medina García, C. E. Montenegro Marin, C. Ferrás, & Á. Rocha (Eds.), Information
Technology and Systems: Proceedings of ICITS 2020 (Vol. 1137, pp. 660-668). Springer
International Publishing. https://doi.org/10.1007/978-3-030-40690-5_63
Bertram Gallant, T., Picciotto, M., Bozinovic, G., & Tour, E. (2019). Plagiarism or not?
investigation of Turnitin®-detected similarity hits in biology laboratory reports.
Biochemistry and Molecular Biology Education, 47(4), 370-379.
https://doi.org/10.1002/bmb.21236
Castillo-González, W. (2022). ChatGPT y el futuro de la comunicación científica.
Metaverse Basic and Applied Research, 1(8). https://doi.org/10.56294/mr20228
Comas-Forgas, R., Sureda-Negre, J., & Morey-López, M. (2021). Spanish contract
cheating website marketing through search engine advertisements. Assessment &
Evaluation in Higher Education, 46(7), 1035-1047.
https://doi.org/10.1080/02602938.2020.1841091
De la Cruz Arboleda, C. A. (2015). La inalienabilidad de los derechos morales de autor:
una aproximación desde la perspectiva del análisis económico del derecho. Con-Texto.
Revista de Derecho y Economía, (44), 59-93. https://n9.cl/kwq25
Díaz Arce, D. (2015). El uso de Turnitin con retroalimentación mejora la probidad
académica de estudiantes de bachillerato. Ciencia, Docencia y Tecnología, 26(51), 197-
216. http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1851-
17162015000200008
Dariel Díaz Arce
24
Facultad de Filosofía, Letras y Ciencias de la Educación. Universidad Técnica de Manabí. ECUADOR.
Díaz Arce, D. (2016). Plagio académico en estudiantes de bachillerato: ¿qué detecta
Turnitin? RUIDERAe: Revista de Unidades de Información, (9).
https://revista.uclm.es/index.php/ruiderae/article/view/1146
Díaz Arce, D. (2017a). Evaluación del desempeño de tres herramientas antiplagio
gratuitas en la detección de diferentes formas de copy-paste procedentes de internet.
Edutec. Revista Electrónica de Tecnología Educativa, (59), a354.
https://doi.org/10.21556/edutec.2017.59.812
Díaz Arce, D. (2017b). Herramientas “antiplagio”: ¿son confiables? Estudio de casos.
Edutec. Revista Electrónica de Tecnología Educativa., (61), a365.
https://doi.org/10.21556/edutec.2017.61.919
Díaz-Arce, D., Brito-González, J., Nieto-Trelles, V., & Muñoz, W. (2019). Efectos de la
retroalimentación sobre la disminución del plagio académico en estudiantes de
bachillerato. Revista Innova Educación, 1(4), 468-489.
https://doi.org/10.35622/j.rie.2019.04.005
Espinoza-Freire, E. E. (2020). El plagio un flagelo en el ámbito académico ecuatoriano.
Universidad y Sociedad, 12(3), 407-415. http://scielo.sld.cu/pdf/rus/v12n3/2218-
3620-rus-12-03-407.pdf
Estupiñán Ricardo, J., Leyva Vázquez, M. Y., Peñafiel Palacios, A. J., & Assafiri Ojeda,
Y. E. (2021). nteligencia artificial y propiedad intelectual. Revista Universidad y
Sociedad, 13(S33), 362-368. https://rus.ucf.edu.cu/index.php/rus/article/view/2490
Fugh-Berman, A. J. (2010). The Haunting of Medical Journals: How Ghostwriting Sold
“HRT”. PloS Medicine, 7(9), e1000335. https://doi.org/10.1371/journal.pmed.1000335
Gao, C. A., Howard, F. M., Markov, N. S., Dyer, E. C., Ramesh, S., Luo, Y., & Pearson,
A. T. (2022, December 27). Comparing scientific abstracts generated by ChatGPT to
original abstracts using an artificial intelligence output detector, plagiarism detector, and
blinded human reviewers. bioRxiv. The Preprint Server for Biology.
https://doi.org/10.1101/2022.12.23.521610
García-Peña, V. R., Mora-Marcillo, A. B., & Ávila-Ramírez, J. A. (2020). La inteligencia
artificial en la educación. Dominio de las Ciencias, 6(3), 648-666.
http://dx.doi.org/10.23857/dc.v6i3.1421
Holi Ali, H. I. (2013). Minimizing Cyber-Plagiarism through Turnitin: Faculty's &
Students’ Perspectives. International Journal of Applied Linguistics & English Literature,
2(2), 33-42. http://dx.doi.org/10.7575/aiac.ijalel.v.2n.2p.33
Incio Flores, F. A., Capuñay Sánchez, D. L., Estela Urbina, R. O., Valles Coral, M. A.,
Vergara Medrano, S. E., & Elera Gonzales, D. G. (2022). Inteligencia artificial en
educación: una revisión de la literatura en revistas científicas internacionales. Apuntes
Universitarios, 12(1), 135-152. https://doi.org/10.17162/au.v12i1.974
Llovera-López, Y., Aragón-Carretero, Y., & Cano-Olivares, P. (2023). Ciberplágio
acadêmico entre os estudantes universitários: uma abordagem sobre o estado atual da
temática (2017-2020). Revista Colombiana de Educación, (87), 207-226.
https://doi.org/10.17227/rce.num87-13143
Masic, I. (2012). Plagiarism in scientific publishing. Acta Informatica Medica, 20(4),
208–213. DOI: 10.5455/aim.2012.20.208-213
Revista Cognosis. Revista de Filosofía, Letras y Ciencias de la Educación ISSN 2588-0578
Inteligencia artificial vs.Turnitin: implicaciones para el plagio académico
Vol. VIII. Año 2023. Número 1, enero-marzo
25
Matias-Guiu, J., & García-Ramos, R. (2011). Autores-fantasma, mejora en la
comunicación de artículos y publicaciones médicas. Neurología, 26(5), 257-261.
https://doi.org/10.1016/j.nrl.2010.12.001
Meo, S. A., & Talha, M. (2019). Turnitin: Is it a text matching or plagiarism detection
tool? Saudi Journal of Anaesthesia, 13(Suppl. 1), S48-S51.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6398291/
Monzón-Pérez, M. E., Oviedo Herrera, L. C., Sánchez-Ferrán, T., Valdés-Balbín, R.,
Camayd Viera, I., & Calero Ricardo, J. L. (2020). Plagio en artículos de investigación en
revistas biomédicas cubanas. 2016. Revista Habanera de Ciencias Médicas, 19(4), 1-
12. http://scielo.sld.cu/pdf/rhcm/v19n4/1729-519X-rhcm-19-04-e3526.pdf
Mphahlele, A., & McKenna, S. (2019). The use of turnitin in the higher education
sector: Decoding the myth. Assessment & Evaluation in Higher Education, 44(7), 1079-
1089. https://doi.org/10.1080/02602938.2019.1573971
Newton, P. M. (2018). How Common Is Commercial Contract Cheating in Higher
Education and Is It Increasing? A Systematic Review. Frontiers In Education, 3(67), 1-
18. https://doi.org/10.3389/feduc.2018.00067
Ocaña-Fernández, Y., Valenzuela-Fernández, L. A., & Garro-Aburto, L. L. (2019).
Inteligencia artificial y sus implicaciones en la educación superior. Propósitos y
Representaciones, 7(2), 536-568. http://dx.doi.org/10.20511/pyr2019.v7n2.274
Osorio Umaña, F. (2022). Inteligencia artificial y derecho de autor: un estudio sobre la
regulación británica. Revista Justicia & Derecho, 5(1), 1-15.
https://doi.org/10.32457/rjyd.v5i1.1833
Pezuk, J. A., Nogueira Diniz, S., Mara Pereira, R., Donizete Goncalves, I., Lobo da
Costa, N. M., & Alves Dias, M. (2020). El uso de softwares para identificar plagio en
textos académicos y educacionales. Educ. Pesqui., São Paulo, 46(e217838), 1-22.
https://doi.org/10.1590/S1678-4634202046217838
Reyes, H. (2018). Problemas éticos en las publicaciones científicas. Revista Médica de
Chile, 146(3), 373-378. http://dx.doi.org/10.4067/s0034-98872018000300373
Saínz García, C. (2019). Las obras creadas por sistemas de inteligencia artificial y su
protección por el derecho de autor. InDret, 19(1), 45p.
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3365458
Salas Acuña, E., & Amador Solano, M. G. (2022). La normativa sobre el plagio en las
universidades públicas costarricenses. Revista Innovaciones Educativas, 24(No.
especial), 41-52. https://doi.org/10.22458/ie.v24iespecial.4204
Sureda-Negre, J., Comas-Forgas, R., & Oliver-Trobat, M. (2015). Plagio académico
entre alumnado de secundaria y bachillerato: Diferencias en cuanto al género y la
procrastinación. Comunicar, XXII(44), 103-111. http://dx.doi.org/10.3916/C44-2015-
11
Susnjak, T. (2022, December 19). ChatGPT: The End of Online Exam Integrity? arXiv.
Retrieved January 22, 2023, from https://arxiv.org/abs/2212.09292
Dariel Díaz Arce
26
Facultad de Filosofía, Letras y Ciencias de la Educación. Universidad Técnica de Manabí. ECUADOR.
