Perusall può rilevare l’IA? Cosa vede la piattaforma e cosa no

Perusall è una piattaforma di annotazione sociale utilizzata insieme al sistema di gestione dell’apprendimento di un corso. Gli studenti leggono un PDF assegnato, guardano un video o studiano un capitolo di un libro di testo e, invece di consegnare un elaborato separato, lasciano commenti, domande e risposte direttamente su passaggi o indicatori temporali specifici. Gli altri studenti della stessa classe possono vedere e commentare tali annotazioni: è proprio questo a renderle "sociali" anziché una consegna privata. Poiché il lavoro valutato è costituito da brevi annotazioni distribuite in un documento anziché da un unico elaborato continuo, la domanda se Perusall possa rilevare l’IA nasce per un motivo diverso rispetto a Turnitin o al caricamento di un elaborato su Canvas: il testo è più breve, più colloquiale e legato a una citazione o a un momento preciso del materiale originale. Ciò modifica sia l’aspetto che potrebbero avere le annotazioni generate dall’IA, sia il modo in cui un sistema dovrebbe individuarle.

No. Perusall non sottopone le annotazioni a un modello di rilevamento dell’IA e nella piattaforma non esiste un’opzione che il docente possa attivare a questo scopo. Il motore di valutazione di Perusall, che l’azienda definisce valutazione automatizzata, è progettato per esaminare segnali di partecipazione: la lunghezza dell’annotazione, l’eventuale riferimento del commento a contenuti specifici della lettura, quanto tempo prima della scadenza è stato pubblicato e se altri studenti vi hanno interagito. Nessuno di questi segnali è pensato per stimare se il testo sia stato generato dall’IA. Quindi, anche se talvolta si chiede se Perusall controlli l’IA aspettandosi una risposta simile a un rapporto di somiglianza, la realtà è che l’algoritmo della piattaforma è stato creato per misurare la qualità della partecipazione, non la paternità del testo, e a nessuna annotazione è associato un punteggio di probabilità di IA.

La visualizzazione riservata ai docenti in Perusall è più manuale che automatizzata. Un docente può aprire la dashboard delle annotazioni di una classe e leggere ogni commento lasciato da uno studente, ordinato per documento, studente o indicatore temporale, oltre a vedere il punteggio di partecipazione automatizzato calcolato da Perusall per ciascuno. Ciò che non può vedere, perché Perusall non lo genera, è una percentuale di probabilità di IA o un avviso evidenziato del tipo "sembra scritto da una macchina" accanto a un’annotazione. Se un docente sospetta che le annotazioni siano state generate dall’IA invece che scritte durante la lettura, il sospetto nasce solitamente dalla lettura delle annotazioni stesse: per esempio, un commento che elogia il testo in modo generico senza fare riferimento specifico al passaggio a cui è collegato, oppure formulazioni che si ripetono in letture diverse in un modo insolito rispetto alla voce abituale dello studente.

Sì, e questa è in genere la strada più pertinente quando un docente vuole esaminare con maggiore attenzione lo schema delle annotazioni di uno studente. Perusall consente di esportare in un foglio di calcolo i dati delle annotazioni, inclusi il testo dei commenti, gli indicatori temporali e i punteggi di partecipazione, tramite le funzioni di esportazione dei dati o sincronizzazione del registro dei voti. Perusall non sottopone l’esportazione a un modello di rilevamento dell’IA: si tratta di testo grezzo e metadati. Una volta ottenuto il testo delle annotazioni al di fuori della piattaforma, il docente può però esaminarlo manualmente alla ricerca degli stessi segnali d’allarme considerati altrove, oppure incollare frammenti particolarmente brevi o sospetti in uno strumento separato di rilevamento dell’IA, se il regolamento del corso prevede questo tipo di controllo. È la fase di esportazione a collegare davvero un’attività Perusall a un’eventuale verifica dell’IA; prima di quel momento non avviene nulla in automatico.

Perusall viene solitamente aggiunto a un corso tramite un’integrazione LMS, nella maggior parte dei casi Canvas, ma anche Brightspace o Blackboard. Tale LMS può eseguire separatamente Turnitin o un altro strumento di rilevamento dell’IA su altre attività dello stesso corso, come elaborati o messaggi di discussione. È un processo completamente separato dalla valutazione delle annotazioni di Perusall. Un corso potrebbe avere attivo l’indicatore di scrittura IA di Turnitin per una tesina consegnata tramite Canvas, usando Perusall esclusivamente per le annotazioni settimanali alle letture; i due sistemi non condividono dati né punteggi. Se il programma del corso menziona il rilevamento dell’IA, vale quindi la pena verificare se la regola si riferisce allo strumento di consegna degli elaborati o a quello di annotazione delle letture, poiché uno studente potrebbe ragionevolmente credere che l’uno includa l’altro quando non è così.

Senza un punteggio automatizzato a cui affidarsi, i docenti che sospettano l’uso dell’IA nelle annotazioni di Perusall tendono a notarlo osservando schemi ricorrenti, non grazie a un singolo numero segnalato.

Se un docente solleva un dubbio specifico sulle annotazioni di Perusall, la risposta più utile è di solito procedurale anziché difensiva, dato che in primo luogo non esiste un rapporto generato da Perusall da contestare.

Poiché Perusall non segnala nulla automaticamente, il rischio concreto dipende interamente da come un docente potrebbe interpretare in seguito un’annotazione, durante una revisione ordinaria o dopo un’esportazione. Sottoporre le annotazioni più lunghe o rifinite allo strumento di rilevamento del testo IA di NotGPT prima della pubblicazione può mostrare se la formulazione sembra generata dall’IA. È utile se un commento è stato scritto con un forte supporto di uno strumento grammaticale o di un software di traduzione e ha finito per suonare più rigido o formale rispetto alle altre annotazioni dello studente. Se un commento segnalato è davvero originale ma appare innaturalmente rifinito rispetto alla voce abituale dello studente, lo strumento Humanize può modificarne la formulazione senza cambiare l’osservazione effettiva sulla lettura. Questo controllo è una precauzione rispetto a come il testo potrebbe essere percepito, non una reazione a qualcosa misurato da Perusall, poiché la piattaforma non dispone di un proprio livello di rilevamento dell’IA.