Defendendo a integridade acadêmica: um estudo exploratório sobre a detecção assistida por IA do uso não autorizado de tradução automática em traduções de estudantes

Por que isso importa para alunos e professores

À medida que tradutores online e chatbots se tornam ferramentas de estudo do dia a dia, fica mais difícil para os professores saber quando um trabalho estudantil reflete de fato as habilidades do aprendiz. Este artigo investiga se um programa de análise de escrita pode ajudar professores a identificar o uso oculto de tradução automática em aulas de idiomas e o que isso significa para a justiça e a confiança na educação.

A ascensão dos ajudantes digitais no ensino de línguas

Ferramentas como o Google Tradutor e grandes chatbots agora conseguem produzir traduções fluidas e, muitas vezes, impressionantes em segundos. Usadas com critério, podem apoiar a leitura, a compreensão auditiva e até a prática de escrita. Mas quando estudantes colam discretamente esses resultados em tarefas que deveriam demonstrar sua própria competência, a linha entre “ajuda inteligente” e “cola” fica borrada. Os autores definem uso “não autorizado” como copiar trechos de sentença ou mais dessas ferramentas em trabalhos escritos sem permissão ou divulgação exigida. Isso importa porque pode ocultar o que os estudantes realmente sabem fazer e compromete a honestidade e a equidade das quais a integridade acadêmica depende.

Como o estudo foi organizado

Para explorar se a tecnologia pode ajudar professores a detectar esse tipo de ajuda oculta, os pesquisadores realizaram um experimento em duas etapas numa universidade chinesa. Primeiro, 39 aprendizes de inglês com nível intermediário a intermediário-avançado completaram duas pequenas tarefas de tradução do chinês para o inglês. Um grupo traduziu totalmente por conta própria, um grupo pós-editou a saída do Google Tradutor e outro pós-editou a saída do ChatGPT. Isso gerou 78 traduções de estudantes sob três condições diferentes. Em seguida, 78 professores de inglês foram convidados a julgar se cada amostra que viam tinha sido auxiliada por máquina ou não, e a indicar as pistas linguísticas em que se basearam. Metade dos professores tomou essas decisões sem auxílio. A outra metade recebeu um relatório compacto do ProWritingAid, uma ferramenta movida a IA que resume características como precisão gramatical, comprimento médio das sentenças e frequência de uso de conectivos.

O que o relatório de IA mudou

A descoberta central é que os professores que tiveram acesso ao relatório de IA foram bem mais precisos em seus julgamentos. Em média, os professores sem auxílio acertaram cerca de metade das vezes, enquanto aqueles que usaram o ProWritingAid acertaram em torno de três em cada quatro casos. A ferramenta não dizia quais textos haviam sido auxiliados por máquina; em vez disso, destacou padrões mensuráveis na escrita. Por exemplo, algumas traduções apresentaram correção incomumente alta, vocabulário mais complexo ou uso denso de conectivos, em comparação com o que os professores esperariam desse grupo de aprendizes. O relatório tornou esses contrastes mais fáceis de ver entre várias amostras ao mesmo tempo, dando aos professores uma base mais sólida para suspeitar ou se tranquilizar.

Ferramentas diferentes, pegadas diferentes

O estudo também mostrou que nem todos os textos auxiliados por máquina foram igualmente fáceis de detectar. Nesse contexto, traduções moldadas pelo ChatGPT foram identificadas com mais frequência, as envolvendo o Google Tradutor com menos frequência, e o trabalho exclusivamente humano ficou no meio termo. Uma razão provável é que a saída do ChatGPT às vezes parecia “boa demais para esse nível” em vocabulário e fluidez, criando um contraste nítido com o trabalho típico dos estudantes. Em contraste, a saída do Google Tradutor, levemente editada, podia se assemelhar ao que um aprendiz intermediário produziria de forma realista, dificultando a distinção de um trabalho genuíno. Os pesquisadores alertam que esses resultados estão vinculados a essa tarefa, par de línguas e grupo de estudantes específicos, e podem se manifestar de forma diferente em outros cenários.

As pistas que os professores realmente usam

Quando os professores explicaram suas decisões, a maioria apontou não erros gritantes, mas pontos fortes que pareciam fora de caráter: escolha de palavras avançada, sentenças muito polidas, forte coesão e quase ausência de erros. Erros clássicos de máquinas, como construções estranhas ou escolha incorreta de palavras, foram mencionados com muito menos frequência. Professores com acesso ao relatório de IA citaram uma mistura maior de pistas por decisão, sugerindo que a ferramenta os incentivou a verificar vários aspectos do texto em vez de confiar em um único palpite. Embora essa visão mais ampla tenha ajudado na precisão geral, também traz um risco: trabalhos realmente excelentes de estudantes podem ser interpretados como suspeitos simplesmente por excederem expectativas.

O que isso significa para uma avaliação justa

Para leitores fora da área, a principal conclusão é que a IA pode, de fato, ajudar professores a identificar o uso oculto de tradução automática, mas não é um detector de mentiras mágico. Mesmo com o suporte de análises, parte do trabalho genuíno é sinalizado incorretamente e parte do trabalho auxiliado por máquina passa despercebida. Os autores defendem que tais ferramentas devem orientar, não substituir, o julgamento humano, e que qualquer “sinal de alerta” deve levar a uma revisão cuidadosa em vez de punição automática. Eles também pedem regras claras em sala de aula sobre quando e como ferramentas de tradução podem ser usadas, e formação que ajude tanto professores quanto alunos a entender as forças e limites dessas tecnologias. Usada de forma equilibrada, a IA pode apoiar um aprendizado de línguas mais honesto e transparente, em vez de atuar contra ele.

Citação: Zhou, X., Wang, X. Upholding academic integrity: an exploratory study of AI-assisted detection of unauthorised machine translation use in student translations. Humanit Soc Sci Commun 13, 331 (2026). https://doi.org/10.1057/s41599-026-06827-7

Palavras-chave: integridade acadêmica, tradução automática, avaliação linguística, análise de escrita por IA, educação em tradução