Joan edukira
I. urteaZenbakia 14

Hezkuntzako AA Egunkaria

Adimen artifiziala, hiru irakasle-komunitatetatik azaldua

https://diarioiaeducativa.github.io/eu/2026-11-14/detectores-ia-evaluar-proceso.html

Igandeko erreportajea azaroaren 15a

Ebaluazioa eta AA

AA detektagailuek ez dute froga gisa balio, eta erakundeek prozesua ebaluatzea proposatzen dute

Lan bat adimen artifizial batek idatzi duen jakitea agintzen duten programek akatsak egiten dituzte, baita AA erabili ez duen jendearekin ere, eta ez dute beren fabrikatzaileek ere gomendatzen horiekin zigortzea. Erreportaje honek azaltzen du zer dioten ikerketek, Europako Erregelamenduak, datuen babesak eta hezkuntza-gidek, eta kosturik gabeko plan bat proposatzen du edozein irakasgaitan bermeekin ebaluatzeko: zer erabilera onartzen diren adierazi, prozesuaren ebidentziak eskatu eta ikasleei entzun.

6 minutuko irakurketa

Epai itxura duen ehunekoa

Sortutako testuen detektagailu batek ez du egiaztatzen nork idatzi duen lan bat: zer-nolako idazkeraz idatzita dagoen aztertuta, hizkuntza-eredu batek sortu ohi duenaren antza izateko probabilitatea estimatzen du. Emaitza ehuneko edo etiketa gisa heltzen da, eta zenbaki-itxura horrek ez duen objektibotasun itxura ematen dio. Testu zuzen eta aurreikus daitekeen batek makina batek idazten duenaren antza izan dezake makinarik erabili gabe, eta sortutako eta gero ukitutako testu batek giza testu gisa pasa dezake. Hortaz, detektagailu batek, gehienez ere, kontrastatu beharreko zantzu bat ematen du, inoiz ez froga bat.

Arazoa ikasgeletatik kanpora irten da dagoeneko. Egunkariak detektagailuen «sorgin-ehizaren» eztabaida argitalpengintzaren sektorean kontatu zuen, 2026ko azaroaren 2an argitaratua: eskuizkribuak detektagailuetatik pasatzen zituzten argitaletxeak, AA erabili ez zutela nola frogatu ez zekiten egile salatuak, eta 1946ko eta 1969ko bi eleberri, detektagailu berak lehenengo AAren arrastoekin eta gero giza testu gisa sailkatu zituenak. ChatGPT-IA-edu taldean, elkarrizketa ikasleen ebaluaziora eraman zen. Jarrera batek autoretza egiaztatzea pertsona ezagututa eta gai bereko beste formatu batzuekin kontrastatuta defendatzen zuen; beste batek, aurrez esparru argi bat finkatzea AAren zer erabilera baimentzen diren eta salatutakoak zer ebidentzia aurkez ditzakeen zehaztuz. Bigarrenarekin adostasuna izan zen: zer onartzen den eta zertarako argitzea.

Ikerketek neurtzen dutena

Gehien aipatzen den ikerketa Weixin Liang, James Zou eta Stanfordeko Unibertsitateko beste ikertzaile batzuek sinatu zuten Patterns aldizkarian 2023ko uztailean: «GPT detectors are biased against non-native English writers». Zazpi detektagailutatik pasatu zituzten ingelesa bigarren hizkuntza duten pertsonek idatzitako TOEFL azterketako 91 idazlan. Batez beste, detektagailuek giza idazlan horien % 61 baino gehiago sailkatu zituzten AAk sortutzat; 91tik 18k (% 19,8) zazpiek aldi berean markatu zituzten, eta 89k (% 97,8) gutxienez batek. Aldiz, AEBetako ikasleen zortzigarren mailako 88 idazlan ia akatsik gabe sailkatu ziren. Egileek tinko aholkatzen dute detektagailu hauek ez erabiltzeko hezkuntza- edo ebaluazio-testuinguruetan.

Urte hartan bertan, Debora Weber-Wulff-ek eta beste zazpi koautorek hamalau tresna probatu zituzten, tartean Turnitin eta PlagiarismCheck komertzialak, «Testing of Detection Tools for AI-Generated Text» ikerketan, International Journal for Educational Integrity aldizkarian argitaratua. Ondorioztatzen dutenez, eskura dauden tresnak «are neither accurate nor reliable» dira: sortutakoa giza testu gisa sailkatzeko joera dute, eta testua ukitu edo itxuraldatzea nahikoa da nabarmen okerrago ibil daitezen.

Gaztelaniarako datu berriagoak daude. Sheila Queralt-ek, Beatriz Esparcia-k, Marco R. Lessi-k, Lucía Sánchez-Vecina-k eta Laura Úbeda Cuspinera-k Intelética aldizkarian argitaratu zuten, 2025eko irailean, «¿IA, Humano o híbrido?: Fiabilidad de herramientas de detección de IA en textos multiautoría». Gaztelaniazko 180 testurekin (gizakienak, ChatGPT, Gemini eta Grok bidez sortutakoak eta mistoak), Originality.ai, GPTZero eta Copyleaks alderatu zituzten. Originality.ai-k izan zuen errendimendu orokorrik onena eta GPTZero-k positibo faltsuen tasarik txikiena, baina hiruretako batek ere ez zuen fidagarritasun onargarririk lortu testu hibridoekin, eta egileek konfiantza handiz egindako sailkapen okerrak ikusi zituzten.

Pertsonek idatzitako idazlanak, detektoreek AAren testutzat hartu zituztenak

Zazpi detektoreetatik gutxienez batek seinalatuak% 97,8Zazpi detektoreen batez bestekoa% 61,3Zazpiek batera seinalatuak% 19,8
Iturria: Liang y otros, «GPT detectors are biased against non-native English writers», Patterns, 2023. TOEFL azterketako 91 idazlan, ingelesa bigarren hizkuntza duten pertsonenak

Fabrikatzaileek ohartarazten dutena

OpenAIk, ChatGPTren enpresak, 2023ko urtarrilean kaleratu zuen bere testu-sailkatzailea eta urte hartako uztailaren 20an kendu zuen. Bere iragarpenari gehitutako oharraren arabera, zehaztasun txikiagatik egin zuen: bere probetan, AAk idatzitako testuen % 26 identifikatzen zuen sortutzat jotzeko modukotzat, eta gizakienen % 9 etiketatzen zuen horrela, oker.

Turnitinek, unibertsitateetan hedatuena den detektagailuak, bere blogean onartzen du errore-arriskua ez dela zero. 2023ko martxoan, bere produktu-zuzendariak, Annie Chechitelli-k, idatzi zuen positibo faltsuen tasa ez denez zero, irakasleak bere irizpide profesionala aplikatu beharko duela («will need to apply your professional judgment»). 2023ko ekainean bere datuak eman zituen: dokumentuko % 1 baino gutxiago positibo faltsu, gutxienez % 20 AAz idatzita dutenetan, eta esaldiko % 4 inguru, eta emaitza «elkarrizketa bat hasteko, ez ondorio bat ateratzeko» erabiltzeko eskatu zuen («to initiate a conversation, not to draw a conclusion»). Enpresaren beraren datuak dira.

GPTZero are esplizituagoa da mugen orrian: «These results should not be used to punish students» («Emaitza hauek ez dira ikasleak zigortzeko erabili behar»). Gaineratzen du zehaztasuna handiagoa dela bere entrenamendu-multzoaren antzeko testuekin, gehienbat helduek ingelesez idatzitako prosarekin, eta oso editatutako testua zailagoa dela sailkatzeko.

Europako eta Espainiako esparrua

Adimen artifizialaren Europako Erregelamenduak arrisku handikotzat jotzen ditu, III. eranskineko 3. puntuan, ikaskuntzaren emaitzak ebaluatzeko sistemak eta ikasleen jokabide debekatuak azterketetan zehar jarraitzeko eta detektatzeko sistemak. Arrisku handia ez da debekatua esan nahi, betebehar zorrotzen mende dagoena baizik, tartean giza gainbegiratzea. Europako Batzordearen arabera, 2026ko urriaren 19an eguneratutako orrian, betebehar horiek 2027ko abenduaren 2ra atzeratu dira, eta AA-alfabetatzearena 2025eko otsailaren 2tik aplikatzen da.

Datuen babesak bi kontu gehitzen ditu. Detektagailuak aipatu gabe, Datuak Babesteko Espainiako Agentziak bere blogean gogorarazten du DBEOren 22. artikuluak tratamendu automatizatu hutsean oinarritutako erabaki baten mende ez egoteko eskubidea aitortzen duela, ez dagoela giza parte-hartzea «asmatzerik», eta gainbegiratzen duenak automatizazio-alborapenean erortzeko arriskua duela, hau da, makinak dioena zalantzan jarri gabe onartzeko. Gainera, gertuko gai batean, lineako eskoletan eta azterketetan, AEPDk adierazten du tresnak ikastetxeak edo hezkuntza-administrazioak aukeratzen dituela, datuak babesteko ordezkariaren aholkuarekin, eta irakasleek beren eskura jartzen dituztenak erabili beharko lituzkeela.

Hezkuntza-administrazioen artean, argien Katalunia mintzatzen da. Bere Orientacions per a l’ús de la intel·ligència artificial als centres educatius dokumentuak, Hezkuntza eta Lanbide Heziketa Departamentuak 2026ko irailean argitaratuak eta egunkariaren Liburutegian aztertuak, bere zuhurtzia, besteak beste, detektagailuek behar bezalako bermerik ematen ez dutelako justifikatzen du, batez ere ingelesetik kanpo, eta desegokitzat jotzen ditu: «els millors detectors continuen sent les persones». Ezartzen dute, halaber, AAk ez duela kalifikatu behar ezta lorpen-maila zehaztu ere, Europako Erregelamenduaren arabera arrisku handiko erabilera delako.

Estatu mailan, INTEFen Guía sobre el uso de la inteligencia artificial en el ámbito educativo gidak, 2026ko irailaren 8an argitaratutako 2.0 bertsioan, osotasun akademikoa jorratzen du eta AAren erabilera adierazteko eredu bat eta ikasleek AArekiko duten harremanari buruz hausnartzeko galdetegi bat ditu. Egunkariak ez du beste autonomia-erkidegoetako gidetan detektagailuei buruzko Katalunian bezain esplizitu den adierazpenik aurkitu.

Produktutik prozesura

Erakundeetan gehien errepikatzen den alternatiba ez da hobeto zaintzea, bestela ebaluatzea baizik. MITeko batzordearen irakaskuntzan AAri buruzko txostenak, 2026ko abuztuaren 13koak eta egunkariaren Liburutegian azaldua, eskatzen du irakasleek lehenik ikaskuntza-helburuak berrikus ditzaten eta gero soilik diseina ditzaten AAra egokitutako ebaluazioak. Ahozko azterketak, seihilekoko portfolioak eta ikasgelatik kanpoko lanak proposatzen ditu, klasean elkarrizketa batekin lagunduta, eta irakasgai bakoitzak AAri buruzko politika argia izan dezala, formatu estandarrean jakinarazia.

Zaintzari dagokionez, txostenak detektagailuetan ez fidatzea gomendatzen du, gogorarazten du ingelesa ama-hizkuntza ez dutenen idazkera AAtzat har dezaketela eta adierazten du MITeko diziplina-batzordeak berak ez duela nahikotzat jotzen, bere kabuz, detektagailu baten emaitza. Beste ebidentzia batzuk nahiago ditu: bertsioen historia gordetzen duten plataformak, datadun zati-entregak eta irakaslearen iruzkinak hainbat fasetan, ez soilik azken produktuari buruz.

Zeregin bakoitzean zer erabilera onartzen den erabakitzeko oso hedatuta dagoen tresna bat dago, AI Assessment Scale, Mike Perkins-ek, Jasper Roe-k, Leon Furze-k eta Jason MacVaugh-ek sortua eta 2024ko abenduan berrikusia, besteak beste Perkins, Roe eta Furze-k sinatutako artikulu batean. Bost maila ditu: AArik gabe, AArekin planifikatzea, AArekin lankidetzan aritzea, AAren erabilera osoa eta AArekin esploratzea. Arduradunek tresna gisa aurkezten dute zeregin batean AAk zer eginkizun duen erabakitzeko eta zeregina birdiseinatzeko, eta hogeita hamar hizkuntza baino gehiagotara itzulia dago.

Edozein irakasgairako plana

Gidek ez dute AA ebaluazioan mehatxu gisa soilik aurkezten. Katalunian Orientacions-ek onartzen dute ebaluazio-tresnak sortzen, erantzun zalantzagabeak zuzentzen edo ohiko akatsak detektatzen lagun dezakeela, beti ere datu pseudonimizatuekin, eta interpretazioa eta jarrera pertsonala eskatzen dituzten jarduerak diseinatzeko eskatzen dute. Nota edo zigor baten gaineko erabakia aldatu dezakeen pertsona batek hartu behar du, ez programa batek.

Horrekin, irakasle batek ezer ordaindu gabe has daiteke. Lehenik, zeregin bakoitzean AAren zer erabilera onartzen diren eta zergatik erabaki eta idaztea, bost mailako eskala sinple batekin, eta ikasleei nola erabili duten adierazteko eskatzea; INTEFen eredua abiapuntu gisa balio du. Bigarrenik, prozesuaren ebidentziak eskatzea: aurretiko eskema bat, zirriborroak, dokumentuaren bertsioen historia edo fasekako entregak iruzkinekin.

Hirugarrenik, azalpen labur bat gehitzea, ahozkoa edo klasean idatzia, non ikasleak bere hitzekin kontatzen duen zer egin zuen, zergatik hartu zituen erabakiak eta zer ikasi zuen; berdin balio du lehen hezkuntzan, DBHn edo LHn. Laugarrenik, zeregin bat birdiseinatzea ikasgelan landutakoaren, datu propioen edo iritzi argudiatu baten mende egon dadin. Eta, zerbait ez badator bat, salatu aurretik hitz egitea.

Zer ez egin ere berdin argi dago: AAz kalifikatzea, detektagailu baten ehunekoagatik zigortzea edo ikasleen lanak ikastetxeak baimendu ez dituen zerbitzuetara igotzea. Tresna bati buruzko zalantzak daudenean, hezkuntza-administrazioko datuak babesteko ordezkariak aholka dezake.

Irakurri jatorrizko elkarrizketa hemen: ChatGPT-IA-edu

Hemen egiaztatua:

Taldeetako elkarrizketetatik abiatuta AA agenteek idatzia eta berrikusia. Datu bakoitza jatorrizko iturrian egiaztatzen da, artikulu bakoitzaren amaieran estekatuta; kideen iritziak ez zaizkio inori egozten. Gaztelaniazko edizioaren (Diario de IA Educativa) itzulpen automatikoa AArekin, berrikuspen profesionalik gabe. © 2026 Juan José de Haro eta Raül Torres. Testuak eta ilustrazioak lizentzia honekin: CC BY-SA 4.0.

Irakurri jatorrizko elkarrizketa hemen: ChatGPT-IA-edu

Hemen egiaztatua:

Iruzkinak

Iruzkinak idazteko, doako GitHub kontu bat behar da. Iruzkinak publikoak dira eta GitHub-en gordetzen dira.

Itzuli azalera