GPT detectors frequently misclassify non-native English writing as AI generated, raising concerns about fairness and robustness. Addressing the biases in these detectors is crucial to prevent the marginalization of non-native English speakers in evaluative and educational settings and to create a more equitable digital landscape.
El estudio comparó siete detectores de texto generado por IA con redacciones de estudiantes nativos y no nativos de inglés. Los detectores clasificaron como generadas por máquina más de la mitad de las redacciones del TOEFL escritas por estudiantes no nativos, mientras que acertaron casi siempre con las de estudiantes nativos. La causa es la menor «perplejidad» —la menor variedad léxica y sintáctica— propia de quien escribe en una segunda lengua. Los autores muestran además que basta con pedir a un modelo que enriquezca el vocabulario de un texto para engañar a los detectores, y desaconsejan usarlos en contextos de evaluación, en particular con estudiantes de lenguas extranjeras.
Artículo 100779. Texto completo en abierto (CC BY-NC-ND 4.0).
- Inicie sesión para enviar comentarios