En una muestra pequeña, mida el acuerdo entre detectores—no cuál marca más

En el chat del campus suele preguntarse qué detector de escritura con IA “atrapa más”. Una pregunta más útil para un equipo local de revisión es con qué frecuencia dos detectores coinciden en los mismos pasajes emparejados—y qué implica el desacuerdo para la equidad del proceso.

Esta nota es alfabetización de informes, no una prueba de producto, y no promete puntuaciones tras la revisión.

Por qué “más marcas” no es un ranking

Los detectores clasifican prosa continua elegible bajo sus propias reglas. Una tasa más alta puede ser un umbral más estricto, otro denominador u otro modelo—no una etiqueta de autoría más verdadera. Los porcentajes entre herramientas no comparten una sola escala.

1. Condiciones de origen conocidas.
2. ≥2 detectores como evaluadores sobre los mismos textos.
3. Informe tasa de acuerdo y kappa de Cohen—no una tasa de “pasar”.
4. Divulgue prompts, modelos, ajustes y conflictos de interés.

Si ya se decidió revisar, acote el trabajo a la prosa continua resaltada en la carga coincidente. Ese es el trabajo estrecho de HumanPen; no predice el siguiente dígito.