O Perusall consegue detectar IA? O que a plataforma vê e o que não vê

O Perusall é uma plataforma de anotação social usada em conjunto com o sistema de gestão da aprendizagem de uma disciplina. Os alunos leem um PDF designado, assistem a um vídeo ou estudam um capítulo de livro didático e, em vez de enviar uma redação separada, deixam comentários, perguntas e respostas diretamente em trechos ou marcas de tempo específicos. Outros alunos da mesma turma podem ver e responder a essas anotações, o que as torna "sociais" em vez de um envio privado. Como o trabalho avaliado é um conjunto de anotações curtas espalhadas por um documento, e não uma redação contínua, a pergunta sobre o Perusall detectar IA surge por um motivo diferente daquele relacionado ao Turnitin ou ao envio de uma redação pelo Canvas: os textos são mais curtos, conversacionais e vinculados a uma citação ou momento específico do material original. Isso muda tanto a possível aparência das anotações geradas por IA quanto a maneira como um sistema precisaria identificá-las.

Não. O Perusall não submete as anotações a um modelo de detecção de IA, e a plataforma não oferece uma opção para o professor ativar esse recurso. O mecanismo de pontuação do próprio Perusall, chamado pela empresa de avaliação automatizada, foi criado para avaliar sinais de participação: a extensão da anotação, se um comentário faz referência a um conteúdo específico da leitura, quanto tempo antes do prazo ele foi publicado e se outros alunos interagiram com ele. Nenhum desses sinais foi projetado para estimar se o texto foi gerado por IA. Portanto, embora algumas pessoas perguntem se o Perusall verifica IA esperando uma resposta semelhante à de um relatório de similaridade, a verdade é que o algoritmo da plataforma foi criado para medir a qualidade da participação, não a autoria, e nenhuma anotação recebe uma pontuação de probabilidade de IA.

A visão do professor dentro do Perusall é mais manual do que automatizada. Ele pode abrir o painel de anotações de uma turma e ler todos os comentários deixados por um aluno, ordenados por documento, aluno ou marca de tempo, além de ver a pontuação de participação automatizada que o Perusall calculou para cada pessoa. O que ele não consegue ver, porque o Perusall não gera, é qualquer porcentagem de probabilidade de IA ou um aviso destacado como "isto parece escrito por uma máquina" ao lado de uma anotação. Se um professor suspeita que as anotações foram geradas por IA em vez de escritas durante a leitura, essa suspeita geralmente vem da leitura das próprias anotações: por exemplo, um comentário que elogia o texto de forma genérica sem referência específica ao trecho ao qual está vinculado, ou formulações que se repetem em várias leituras de um modo incompatível com a voz habitual do aluno.

Sim, e esse costuma ser o caminho mais relevante quando um professor quer examinar com mais cuidado o padrão de anotações de um aluno. O Perusall permite exportar dados das anotações, incluindo o texto dos comentários, as marcas de tempo e as pontuações de participação, para uma planilha por meio dos recursos de exportação de dados ou sincronização com o boletim de notas. Essa exportação não passa por nenhum modelo de detecção de IA no Perusall: trata-se de texto bruto e metadados. No entanto, depois que o professor obtém o texto das anotações fora da plataforma, ele pode analisá-lo manualmente em busca dos mesmos sinais de alerta que procuraria em outros lugares, ou colar trechos especialmente curtos ou suspeitos em uma ferramenta separada de detecção de IA, caso a política da disciplina determine esse tipo de verificação. A etapa de exportação é o que realmente conecta uma atividade do Perusall a qualquer análise de IA; nada acontece automaticamente antes desse ponto.

O Perusall geralmente é incorporado a uma disciplina por meio de uma integração com o LMS, mais frequentemente o Canvas, mas também o Brightspace ou o Blackboard. Esse LMS pode executar separadamente o Turnitin ou outra ferramenta de detecção de IA em outras atividades da mesma disciplina, como redações ou publicações de discussão. Esse processo é totalmente independente da avaliação das anotações do Perusall. Uma disciplina pode manter ativo o indicador de escrita por IA do Turnitin para um trabalho final enviado pelo Canvas e usar o Perusall apenas para anotações semanais de leitura; os dois sistemas não compartilham dados nem pontuações. Se o plano de ensino mencionar detecção de IA, vale a pena verificar especificamente se a política descreve a ferramenta de envio de redações ou a ferramenta de anotação de leituras, pois um aluno poderia razoavelmente presumir que uma abrange a outra, quando isso não acontece.

Sem uma pontuação automatizada na qual se apoiar, os professores que suspeitam do uso de IA em anotações do Perusall tendem a percebê-lo pela leitura de padrões, e não por um único número sinalizado.

Se um professor levantar uma preocupação especificamente sobre as anotações do Perusall, a resposta mais útil costuma ser procedimental, não defensiva, já que não há inicialmente nenhum relatório gerado pelo Perusall a ser contestado.

Como o próprio Perusall não sinaliza nada automaticamente, o risco prático depende inteiramente de como uma anotação pode ser interpretada posteriormente por um professor, seja durante uma análise normal ou após uma exportação. Passar anotações mais longas ou bem-acabadas pela ferramenta de Detecção de Texto por IA do NotGPT antes da publicação pode mostrar se a formulação parece gerada por IA. Isso é útil quando um comentário foi escrito com muita ajuda de uma ferramenta gramatical ou de um software de tradução e acabou soando mais rígido ou formal que as demais anotações do aluno. Se um comentário sinalizado for realmente original, mas parecer polido demais em comparação com a voz habitual do estudante, a ferramenta Humanize pode ajustar a formulação sem alterar a observação real sobre a leitura. Esse tipo de verificação é uma precaução quanto à forma como o texto pode ser percebido, não uma resposta a algo que o Perusall mede, pois a plataforma não possui uma camada própria de detecção de IA.