Antes de iniciar cualquier análisis de plagio, el software debe extraer texto limpio y con capacidad de búsqueda del documento enviado. Este problema es más complejo de lo que parece, ya que los documentos llegan en una amplia variedad de formatos (DOC, DOCX, PDF, RTF, PPT, PPTX, TXT, ODT y HTML, entre otros), cada uno con su propia estructura interna de formato, metadatos, objetos incrustados y codificación. Un proceso de extracción de texto fiable debe gestionar todos estos formatos de forma consistente, generando texto plano normalizado y adecuado para la comparación.
El Detector de Plagio utiliza una arquitectura de extracción de texto de 5 niveles para maximizar la fiabilidad. Para archivos DOCX, el primer nivel analiza directamente la estructura XML nativa de DocX. Si esto falla (debido a corrupción o formato no estándar), el sistema recurre a la interfaz iFilter de Microsoft, luego al análisis de OpenXML sin procesar y, finalmente, a Apache Tika como extractor universal de último recurso. Este enfoque en cascada permite que incluso los documentos dañados o no estándar generen texto utilizable. El mismo principio multinivel se aplica a los más de 12 formatos compatibles, lo que garantiza que ningún documento quede sin procesar.
El proceso de extracción también gestiona la normalización de la codificación: convierte texto de diversas codificaciones de caracteres (UTF-8, UTF-16, Windows-1252, variantes ISO-8859) en una representación interna unificada. Esto es crucial, ya que las discrepancias de codificación pueden provocar que texto idéntico aparezca diferente a nivel de bytes, lo que puede provocar la omisión de coincidencias de plagio. Una extracción adecuada sienta las bases para cada etapa de detección posterior.
Una vez extraído el texto limpio, el motor de detección lo descompone en unidades analizables mediante un proceso denominado huella digital de texto . El documento se segmenta en secuencias superpuestas de palabras (n-gramas), y cada secuencia se convierte en un hash numérico compacto: una huella digital. Estas huellas digitales sirven como identificadores eficientes que pueden compararse rápidamente con huellas digitales de otras fuentes sin necesidad de realizar costosas comparaciones de texto completo cada vez.
El algoritmo de huellas digitales debe equilibrar la sensibilidad con la eficiencia. Los n-gramas cortos (3-4 palabras) detectan más coincidencias, pero producen un exceso de falsos positivos en frases comunes. Los n-gramas más largos (8-10 palabras) son más específicos, pero pueden pasar por alto el plagio cuando se han modificado algunas palabras. Los sistemas avanzados utilizan huellas digitales de longitud variable combinadas con algoritmos de cribado que seleccionan un subconjunto representativo de huellas, manteniendo la precisión de la detección y un espacio de comparación manejable para documentos de cualquier tamaño.
Una vez creada la huella digital del documento, el motor de detección debe comparar esas huellas con el contenido existente en internet. El Detector de Plagio adopta un enfoque único: en lugar de depender de una única base de datos propietaria, consulta simultáneamente cuatro buscadores principales (Google, Bing, Yahoo y DuckDuckGo ) y accede a su índice combinado de más de 4 mil millones de páginas web. Esta estrategia multimotor aumenta drásticamente la cobertura de fuentes, ya que cada buscador indexa diferentes partes de la web y clasifica los resultados de forma distinta.
El proceso de consulta utiliza la rotación y selección inteligente de fragmentos de texto para enviarlos como consultas de búsqueda. No se consultan todas las huellas digitales: el motor selecciona los pasajes más distintivos del documento, aquellos con mayor probabilidad de ofrecer coincidencias significativas en lugar de frases genéricas. La programación de consultas gestiona los límites de velocidad y distribuye las solicitudes entre los motores para mantener el rendimiento. El resultado es un análisis exhaustivo del contenido público de Internet que ningún motor puede replicar, abarcando repositorios académicos, archivos de noticias, granjas de contenido, fábricas de ensayos y páginas web generales.
Cuando las consultas de un motor de búsqueda devuelven URLs potencialmente coincidentes, el motor de detección entra en la fase de recuperación y comparación de fuentes . Se obtiene cada página fuente candidata, se extrae y normaliza su contenido (eliminando etiquetas HTML, elementos de navegación, encabezados y pies de página para aislar el texto real del artículo) y, a continuación, se alinea con el documento enviado. Esta alineación utiliza algoritmos de coincidencia de secuencias que identifican las subsecuencias comunes más largas entre los dos textos, teniendo en cuenta pequeñas variaciones en la puntuación, los espacios en blanco y el formato.
La comparación no se limita a coincidencias exactas. El motor realiza coincidencias difusas para identificar pasajes donde se han sustituido palabras individuales por sinónimos, se ha reorganizado el orden de las oraciones o se han añadido o eliminado frases de conexión. Esto detecta la técnica de evasión más común: la reformulación superficial que conserva el significado y la estructura originales. Cada segmento coincidente se registra con su URL de origen, el porcentaje de superposición y los fragmentos de texto específicos correspondientes, generando así los datos sin procesar para el informe de originalidad.
Una vez recuperadas y comparadas todas las fuentes, el motor calcula una puntuación de similitud: un porcentaje que representa la proporción del documento enviado que coincide con las fuentes externas. Este cálculo es más complejo que una simple proporción. El motor distingue entre diferentes tipos de coincidencias: copias exactas, coincidencias casi exactas (fragmentos parafraseados), material correctamente citado y frases comunes o texto repetitivo que no indican plagio.
El sistema de detección de referencias de Detector de Plagio identifica automáticamente citas, citas textuales y referencias bibliográficas dentro del documento y las trata de forma diferente a las coincidencias sin atribución. Un bloque de texto entre comillas, seguido de una cita, se marca como una referencia legítima, no como plagio. Esto evita puntuaciones de similitud infladas que, de otro modo, penalizarían artículos bien investigados por el uso correcto de las fuentes. La puntuación final refleja inquietudes genuinas sobre la originalidad, lo que proporciona al revisor una métrica significativa y práctica.
A medida que el texto generado por IA se vuelve más común, la detección de plagio debe abordar el contenido que no se copia de ninguna fuente existente, pero que, sin embargo, no es obra humana original. Detector de Plagio incluye un módulo integrado de detección de contenido con IA con una sensibilidad de 0,98, capaz de identificar texto producido por grandes modelos lingüísticos, como ChatGPT, Gemini y HuggingChat. La detección funciona analizando las propiedades estadísticas del texto (distribuciones de frecuencia de palabras, perplejidad a nivel de oración, patrones de variabilidad y secuencias de probabilidad de tokens) que difieren sistemáticamente entre la escritura humana y la de máquinas.
La escritura humana tiende a presentar una mayor variabilidad en la longitud de las oraciones, una selección de palabras más impredecible y patrones irregulares de complejidad. El texto generado por IA, en cambio, tiende a secuencias de palabras estadísticamente probables, con una estructura oracional más uniforme y una característica fluidez en su distribución de probabilidad. El modelo de detección se entrena con grandes corpus de textos humanos y de IA, y opera a nivel de párrafo para ofrecer resultados granulares. Este análisis se ejecuta junto con la detección de plagio tradicional en un solo escaneo, de modo que los revisores reciben un informe unificado que abarca tanto el contenido copiado como los pasajes generados por IA sin necesidad de herramientas ni flujos de trabajo independientes.
Los usuarios sofisticados intentan burlar la detección de plagio mediante diversos trucos técnicos. La técnica de evasión más común es la sustitución de caracteres Unicode: reemplazar caracteres latinos con caracteres visualmente idénticos de otros sistemas de escritura Unicode. Por ejemplo, la letra cirílica "a" (U+0430) parece idéntica a la letra latina "a" (U+0061) en pantalla, pero son caracteres diferentes a nivel de punto de código. Una comparación de texto ingenua trataría "académico" escrito con una "a" cirílica como una palabra completamente diferente, lo que provocaría que el pasaje plagiado eludiera por completo la detección.
El Detector de Plagio aborda este problema con su Motor Antitrampas Unicode (UACE) . Antes de la comparación, UACE normaliza todo el texto asignando caracteres visualmente equivalentes en bloques Unicode (cirílico, griego, armenio y otros alfabetos que contienen caracteres similares) a sus equivalentes latinos. El motor mantiene una tabla de sustitución completa que abarca cientos de pares de caracteres. Esta normalización se realiza de forma transparente durante la fase de extracción de texto, por lo que cada etapa de detección posterior opera con texto limpio y canónico, independientemente de los trucos de caracteres aplicados al documento original.
Además de la sustitución de caracteres, UACE también detecta otros métodos de evasión, como la inserción de caracteres Unicode invisibles (espacios y uniones de ancho cero, guiones suaves) entre palabras o letras, texto blanco sobre blanco oculto en documentos y texto microfont insertado para dividir frases reconocibles. Estas técnicas se marcan en el informe de originalidad como intentos de manipulación deliberada, lo que alerta al revisor de que el autor intentó activamente eludir la detección, lo que constituye en sí mismo una prueba contundente de intención de plagio.
Descargue una demostración gratuita o compre una licencia para comenzar a verificar si hay plagio y contenido generado por IA.
La culminación del proceso de detección es el Informe de Originalidad, un documento detallado que presenta todos los hallazgos en un formato organizado y revisable. El informe destaca los pasajes coincidentes en el texto enviado, codificados por colores según la fuente, y cada coincidencia está vinculada a su URL o entrada de base de datos correspondiente. Una sección de resumen muestra la puntuación general de similitud, el número de fuentes coincidentes, el porcentaje de contenido generado por IA detectado y un desglose de los tipos de coincidencia (exacta, parafraseada, citada).
Para las instituciones, los Informes de Originalidad pueden llevar el logotipo de la organización, lo que proporciona un formato profesional y estandarizado para los registros de integridad académica. Los informes están diseñados para tener calidad probatoria, aptos para su uso en procedimientos formales de revisión, audiencias de integridad académica o contextos legales. Cada afirmación del informe es verificable de forma independiente: los revisores pueden acceder a la fuente original para confirmar la coincidencia con sus propios ojos. Esta transparencia garantiza que los hallazgos de plagio sean justificables y justos, protegiendo tanto la integridad del proceso de revisión como los derechos de la persona cuyo trabajo se evalúa.
Una decisión arquitectónica fundamental en la detección de plagio es si los documentos se procesan localmente en el equipo del usuario o se suben a un servidor remoto en la nube. Los detectores de plagio en la nube requieren que los usuarios suban sus documentos a los servidores del proveedor, donde el texto se extrae, analiza y, a menudo, se almacena en una base de datos. Esto plantea importantes problemas de privacidad y confidencialidad, especialmente en el caso de investigaciones académicas sensibles, manuscritos inéditos, documentos legales y materiales corporativos. Los documentos subidos a servicios en la nube pueden conservarse, indexarse o utilizarse para entrenar modelos de IA, y las filtraciones de datos pueden exponer contenido confidencial.
El Detector de Plagio funciona completamente en el escritorio. Los documentos se abren, analizan y procesan localmente; el texto completo nunca se transmite a ningún servidor externo. Solo fragmentos de texto seleccionados (consultas de búsqueda) se envían a los motores de búsqueda para su comparación, de la misma forma que una persona buscaría manualmente una frase en un navegador. Esta arquitectura ofrece una garantía fundamental de privacidad: el documento completo nunca sale del equipo del usuario. Para las instituciones que manejan materiales sensibles (bufetes de abogados que revisan informes, investigadores médicos que revisan artículos, agencias gubernamentales que auditan informes), este enfoque, priorizado desde el escritorio, no es solo una preferencia, sino un requisito de cumplimiento. Combinado con un modelo de compra única (sin suscripción recurrente), ofrece privacidad y previsibilidad de costos.
¡Apoye a Ucrania!