Senyals identificables per a qui corregeix treballs en català - setembre de 2026
Compara amb exàmens escrits a mà a classe o amb lliuraments anteriors a la plataforma (Moodle, Classroom, Aules…), sempre en català. Molts alumnes tenen nivells molt diferents en català i en castellà: comparar el seu català d'ara amb el seu castellà d'abans genera sospites falses de manera sistemàtica.
«No hi ha cap falta» és un senyal fluix aquí, perquè fer servir un corrector és habitual i honest. El que discrimina és quina mena d'errors han desaparegut: un alumne amb corrector lliura ortografia neta però conserva els calcs (degut a, tenir que, en quant a, el mateix com a pronom, hi i en omesos). Un text generat ho té tot net alhora. En deu segons: llegeix només les primeres línies de cada paràgraf buscant pronoms febles combinats (n'hi, li'n, se'ls, anar-se'n). Si en surten de ben resolts en un alumne que habitualment els omet, ja tens la pregunta per començar la conversa.
Ja saps què barregen els teus alumnes —l'estàndard de classe, el mallorquí de casa, el que els arriba de la televisió i les xarxes, i el que els hagi encomanat un professor valencià— i saps que ho barregen sense adonar-se'n: cantem en un paràgraf i cantam en un altre, na Maria en un exemple i la Maria dues línies més avall. Això és el que la màquina no fa mai. Tres pàgines sense una sola oscil·lació, en un alumne que fins ara no l'havia sostinguda, val la pena mirar-les. Amb un avís seriós: hi ha alumnes que escriuen estàndard uniforme perquè llegeixen i perquè els han ensenyat bé, i aquest senyal tot sol els assenyala precisament a ells. Només compta si contrasta amb el que aquell alumne feia abans.
Formes de dos dialectes convivint sense conflicte: hui amb idò, meua amb es al·lot, este amb sa casa, verbs en -isc al costat de l'article salat. També és típica la conversió a mitges: canvia l'article i deixa la morfologia verbal central intacta, o aplica el salat mecànicament, sense les excepcions que qualsevol parlant fa sense pensar-hi. Ho veuràs a l'acte; el que costa més és no llegir-ho com una barreja d'alumne mal escolaritzat i posar-hi simplement una nota de llengua, perquè és una empremta de màquina i la conversa que toca és una altra.
Gerundi de conseqüència (provocant que, fent que augmenti), el mateix / la mateixa com a pronom anafòric («l'empresa i els treballadors de la mateixa»), cadenes de el qual / la qual, gènere castellà (la senyal, els anàlisis) convivint amb accents perfectes, restes sense traduir (un sino, un es per és, un topònim en castellà dins d'un encapçalament) i zero fraseologia pròpia: cap fer-se enrere, cap anar de bòlit, res que no es pugui traduir literalment.
En castellà aquest senyal es considera alt. En català val menys, perquè l'ús de correctors (Softcatalà, LanguageTool, el del processador de textos) està molt estès i és perfectament honest, i perquè arregla justament els errors més visibles: accents, apòstrofs, punt volat, b/v. Per això aquí compta la sintaxi i no l'ortografia — i aquest senyal no s'ha de fer servir mai tot sol.
Selecciona el text i mira el recompte de paraules per paràgraf (o compta línies a ull). No és la llargada el que és sospitós, sinó que tots els paràgrafs siguin gairebé idèntics entre si.
sóc, dóna, féu, vénen) en un alumne que ni sap que van existir. a verificar
És una hipòtesi raonable —els models s'han entrenat amb molt text anterior a la reforma de l'IEC—, però no l'hem comprovada de manera sistemàtica i no la volem donar per bona sense proves. Es verifica fàcilment: genera vint textos amb els models que fan servir els teus alumnes i cerca-hi aquestes formes. Fins llavors, tracta-la com una pista, no com un senyal. També pot venir simplement d'un copia-pega d'una pàgina antiga.
Topònims amb article salat, possessions i camins, quina festa es fa a quin poble i com (els dimonis no són iguals a sa Pobla que a Artà), competències del Consell, què fa un batle, com es diuen les coses a l'institut. Un detall local concret i verificable és pràcticament impossible de fingir; el text generat l'omple amb generalitats o s'equivoca sense dubtar gens.
Cerca el títol exacte a Google Scholar, Dialnet o el catàleg de la teva biblioteca. Si no hi apareix, o hi apareix amb un altre autor o any, és molt probablement una al·lucinació del model.
Un avís abans de fer servir res d'això: el perfil que més s'assembla a un text generat és el del bon alumne —el que llegeix, escriu estàndard net i ha tingut bons professors de llengua— i el segon és el de qui té el català com a segona llengua. Cap senyal d'aquesta llista serveix per escanejar una classe buscant candidats: serveixen per obrir una conversa amb un alumne que ja coneixes.
A les aules de les Illes, l'alumnat que escriu en català com a segona llengua no és un cas marginal: castellanoparlants a casa i alumnat arribat fa poc. La seva escriptura honesta —frase curta, lèxic limitat, estructures repetides— és exactament el perfil que els detectors automàtics marquen com a artificial, amb un biaix documentat i molt gran. Hi ha l'evidència més avall ↓.
Regla pràctica: context de l'alumne + evidència + conversa. Aquesta combinació redueix els falsos positius molt més que confiar en un sol senyal. I una advertència que aquí val doble: no facis servir la puntuació d'un detector automàtic sobre un text en català — aquestes eines estan calibrades pràcticament només en anglès i tenen un biaix documentat contra l'alumnat no natiu. Vegeu l'evidència ↓.
Aquesta secció dona context i fonts verificables a qui vulgui anar més enllà del resum — no és necessària per aplicar res del que hi ha més amunt. Tot el que segueix està enllaçat a la seva font original.
Dos problemes s'acumulen. El primer és de calibratge: les eines comercials de detecció s'entrenen i s'avaluen essencialment sobre text en anglès, i cap de les que hem revisat publica dades de rendiment sobre textos en català. Aplicar-hi un llindar pensat per a l'anglès és fer servir una eina fora de les condicions per a les quals s'ha provat, i sense cap manera de saber quant s'equivoca.
El segon és el biaix contra qui no escriu en la seva primera llengua, que a les aules de les Illes no és un cas marginal: afecta l'alumnat castellanoparlant a casa i el que ha arribat fa poc. La seva escriptura honesta en català —frase curta, lèxic limitat, estructures repetides— és exactament el perfil estadístic que aquestes eines marquen com a artificial.
Hem buscat expressament si existeix alguna alternativa catalana, balear o europea amb evidència independent sòlida al darrere. No n'hem trobat cap: el que apareix són webs de comparatives i blogs, sovint d'afiliació comercial, que recomanen les mateixes eines nord-americanes. Que una eina sigui local no la fa ni més fiable ni més precisa.
Liang, Yuksekgonul, Mao, Wu i Zou van publicar el 2023, a la revista revisada per parells Patterns (Cell Press), un estudi que va posar a prova 7 detectors de text GPT sobre 91 redaccions TOEFL escrites per estudiants no natius d'anglès.
Resultat: una mitjana del 61% de falsos positius, amb fins al 97,8% dels textos marcats per almenys un detector, i gairebé zero falsos positius en textos d'estudiants natius. La conclusió és directa: el mateix text, escrit honestament per algú que no domina la llengua de forma nativa, té moltes més probabilitats de ser assenyalat com a «IA» només per la seva manera d'escriure.
Fonts: The Markup · Business & Human Rights Resource Centre.Turnitin va llançar el seu detector d'IA afirmant una taxa de falsos positius de l'1%. La Universitat de Vanderbilt va fer el càlcul amb les seves pròpies dades: només el 2022 havien rebut 75.000 treballs — amb aquesta taxa, fins a ~750 alumnes a l'any podrien haver estat assenyalats erròniament com a usuaris d'IA sense ser-ho.
A això s'hi sumava poca transparència sobre com funcionava l'algorisme i menys de 24 hores d'avís abans que la funció s'activés per a tots els centres clients. Vanderbilt va decidir desactivar-lo. És el cas documentat més citat d'una institució educativa revisant la seva confiança en aquestes eines, i forma part d'una tendència més àmplia d'universitats que n'han limitat l'ús en els anys posteriors.
Font primària: comunicat oficial de Vanderbilt University (Brightspace, agost de 2023).Existeixen serveis públics d'«humanització» de text que reescriuen la sortida d'un model per reduir-ne la detectabilitat, alterant justament els patrons estadístics —variació de llargada de frase, «imperfeccions» simulades— en què es basen els detectors. Un estudi acadèmic va documentar caigudes de precisió de fins al 100%→57% i fins i tot 30%→16% després d'aplicar aquest tipus de paràfrasi.
A més, les xifres de precisió que els fabricants de detectors publiciten el 2026 es contradiuen entre si segons quin web de comparatives consultis, i bona part d'aquesta informació prové de màrqueting o d'afiliació, no d'estudis independents reproduïbles. Tracta amb molta cautela qualsevol rànquing d'eines de detecció sense una font acadèmica clara al darrere.
Font: arXiv 2303.13408 — efecte de la paràfrasi sobre la detecció de text generat per IA.Els models generen català central estàndard per defecte i s'adapten malament a les altres varietats: en proves publicades, ChatGPT va necessitar diverses correccions per sostenir la varietat balear i confonia formes de dialectes diferents. Entitats com Accent Obert han advertit que part del que sembla català generat és en realitat traducció automàtica interna des d'una altra llengua, cosa que explica bona part dels calcs descrits més amunt.
Fonts: MetaData — les variants dialectals del català de ChatGPT · Núvol — DeepSeek contra ChatGPT · VilaWeb — la IA pensa realment en català?.Només en les últimes setmanes: Anthropic va llançar Claude Fable 5.1 i Mythos 5.1 (1 de setembre de 2026), Moonshot AI va publicar Kimi K3 en obert (juliol de 2026), Zhipu AI va llançar GLM-5.3 (agost de 2026), DeepSeek va treure V4-Pro (agost de 2026), i OpenAI va presentar GPT-5.6 — amb un nivell intermedi conegut com «Terra» (juliol de 2026).
No hem trobat evidència que aquestes versions incloguin de fàbrica cap mode d'«escriptura menys detectable»: aquesta capacitat ve sobretot de les eines d'humanització externes. El que sí que és constant és que la naturalitat de l'escriptura millora amb cada versió, així que els senyals d'estil per si sols perden fiabilitat progressivament. En canvi, el context de l'alumne, el procés i la conversa directa no envelleixen igual: no depenen de com escriu el model.
Fonts: Anthropic · CNBC (Kimi K3) · Hugging Face (GLM-5.3) · Yahoo Tech (DeepSeek V4-Pro) · OpenAI (GPT-5.6 / Terra).