����������������������������������������������������������������������������������

 

Dataset de textos en espa�ol de Ecuador con cuatro versiones reescritas por GPT para tareas de identificaci�n de texto generado autom�ticamente

 

Dataset of Spanish texts from Ecuador with four versions rewritten by GPT for automatically generated text identification tasks

 

Conjunto de dados de textos em espanhol do Equador com quatro vers�es reescritas pela GPT para tarefas de identifica��o de texto geradas automaticamente

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: cesar.espinr@ug.edu.ec

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

* Recibido: 30 de diciembre de 2023 *Aceptado: 10 de enero de 2024 * Publicado: �12 de febrero de 2024

 

        I.            Mag�ster en Sistemas de Informaci�n Gerencial, Universidad de Guayaquil, Guayaquil, Ecuador.

      II.            Universidad de Guayaquil, Guayaquil, Ecuador.

    III.            Universidad de Guayaquil, Guayaquil, Ecuador.

    IV.            Mag�ster en Ingenier�a de Software y Sistemas Inform�ticos, Universidad de Guayaquil, Guayaquil, Ecuador.

      V.            M�ster Universitario en Educaci�n Biling�e, Universidad de Guayaquil, Guayaquil, Ecuador.

Resumen

Los generadores autom�ticos de texto como GPT de OpenAI, se han vuelto herramientas valiosas por su capacidad de producir texto muy similar al escrito por el humano.� Esa capacidad plantea desaf�os a la hora de identificar la autor�a del texto generado. El enfoque principal del presente trabajo se basa en la necesidad de contar con un dataset de textos en espa�ol para ser utilizado en tareas y herramientas de identificaci�n de texto humano o m�quina. La intenci�n es proporcionar un dataset de textos en espa�ol originario de Ecuador de diversos �mbitos como X (Twitter), noticias y res�menes de tesis, con una representaci�n variada de estilos y contextos del lenguaje. Utilizando t�cnicas de web scraping, se recopilaron textos de los distintos dominios, que luego fueron reescritos autom�ticamente por GPT con la ayuda de la API de OpenAI, generando cuatro versiones distintas de cada uno de los textos originales humanos, para formar as� el dataset requerido. De esta manera, se logr� formar un conjunto de datos s�lido con m�s de 15,000 textos en espa�ol cada uno con su versi�n original y cuatro versiones reescritas autom�ticamente por GPT, el mismo que puede ser usado en futuras investigaciones relacionadas a la detecci�n de texto generado autom�ticamente.

Palabras clave: Generadores autom�ticos de texto; Dataset, GPT; Procesamiento de Lenguaje Natural.

 

Abstract

Automatic text generators, such as OpenAI's GPT, have become valuable tools for their ability to produce text very similar to that written by humans. This ability poses challenges when identifying authorship of the generated text. The main focus of this work is based on the need to have a dataset of texts in Spanish to be used in human or machine text identification tasks and tools. The intention is to provide a dataset of texts in Spanish originating in Ecuador from various fields such as X (Twitter), news and thesis summaries, with a varied representation of language styles and contexts. Using web scraping techniques, texts from the different domains were collected, which were then automatically rewritten by GPT with the help of the OpenAI API, generating four different versions of each of the original human texts, thus forming the required dataset. In this way, it was possible to form a solid data set with more than 15,000 texts in Spanish, each with its original version and four versions automatically rewritten by GPT, which can be used in future research related to the detection of automatically generated text.

Keywords: Automatic text generators; Dataset; GPT; Natural Language Processing.

 

Resumo

Geradores autom�ticos de texto, como o GPT da OpenAI, tornaram-se ferramentas valiosas pela sua capacidade de produzir texto muito semelhante ao escrito por humanos. Essa habilidade apresenta desafios na identifica��o da autoria do texto gerado. O foco principal deste trabalho baseia-se na necessidade de contar com um conjunto de dados de textos em espanhol para ser utilizado em tarefas e ferramentas de identifica��o de textos humanos ou m�quinas. A inten��o � fornecer um conjunto de textos em espanhol origin�rios do Equador de diversas �reas como X (Twitter), not�cias e resumos de teses, com uma representa��o variada de estilos e contextos lingu�sticos. Utilizando t�cnicas de web scraping, foram coletados textos dos diferentes dom�nios, que foram reescritos automaticamente pelo GPT com o aux�lio da API OpenAI, gerando quatro vers�es diferentes de cada um dos textos humanos originais, formando assim o conjunto de dados necess�rio. Desta forma, foi poss�vel formar um s�lido conjunto de dados com mais de 15.000 textos em espanhol, cada um com sua vers�o original e quatro vers�es reescritas automaticamente pelo GPT, que poder� ser utilizado em futuras pesquisas relacionadas � detec��o de texto gerado automaticamente.

Palavras-chave: Geradores autom�ticos de texto; Conjunto de dados; GPT; Processamento de linguagem natural.

 

Introducci�n

Actualmente los generadores de texto autom�tico han tenido una evoluci�n significativa, y han experimentado una notoria evoluci�n en su capacidad para producir texto que se asemeja al escrito por humanos. Esto los convierte en herramientas eficientes que pueden ser usados en diversos campos como la educaci�n y el trabajo, ya que pueden generar material de estudio o laboral muy r�pidamente y con buenos resultados. Los aspectos principales de la generaci�n de texto seg�n (IEEE Xplore Full-Text PDF: n.d.) es la creaci�n de texto desde cero con la m�nima intervenci�n humana y la modificaci�n de texto existente que puede mejorar la claridad, cambiar el tono o adaptar el estilo seg�n requisitos espec�ficos. Entre los generadores de texto m�s conocidos est�n: Bard el cual fue lanzado por Google en marzo de 2023 (Manyika, n.d.), Jasper AI un generador de texto muy vers�til y elogiado por los usuarios (Preview & Ai, 2023) y por �ltimo tenemos a GPT (Generative Pretrained Transformer) creado por OpenAI, el cual es un modelo de aprendizaje autom�tico que utiliza t�cnicas de aprendizaje no supervisado y supervisado para comprender y generar lenguaje similar al humano (Lund & Wang, n.d.).

Aunque estas herramientas son �tiles, su uso excesivo plantea preocupaciones respecto al impacto en el desarrollo de habilidades fundamentales, como la creatividad y el juicio propio. (Chan, 2023) aborda la creciente inquietud en el �mbito acad�mico respecto al uso de inteligencia artificial generativa de texto y destaca la preocupaci�n por el posible uso indebido de estas herramientas por parte de estudiantes para hacer trampas o copian en sus tareas y ex�menes. (Dwivedi et al., 2023) menciona lo �til de ChatGPT en diversos campos. Sin embargo, plantea preocupaciones sobre la dificultad de distinguir entre la autor�a humana o m�quina. Estas inquietudes sugieren desaf�os �ticos y pr�cticos al atribuir la autor�a de un texto, afectando la valoraci�n de la originalidad y autenticidad del trabajo humano. (Brown et al., 2020) menciona la creciente dificultad para diferenciar entre texto generado por m�quina y humano. Explora beneficios y riesgos, enfoc�ndose en mal uso, sesgos y la capacidad de amplificar actividades perjudiciales.

Por otro lado, cabe mencionar que cada vez es m�s dif�cil para el ser humano poder identificar si un texto fue escrito por humano o m�quina. (Clark et al., n.d.) aborda la capacidad de personas no expertas para distinguir entre textos generados por inteligencia artificial, especialmente modelos avanzados como GPT, y textos escritos por humanos. (Ippolito et al., n.d.) destaca la limitada capacidad humana para discernir si un texto fue generado autom�ticamente, incluso expertos en el tema enfrentan dificultades, mostrando una tasa de error del 30% en las evaluaciones realizadas. Todo esto nos indica que hay una necesidad de herramientas capaces de detectar la autor�a de texto humano o m�quina, esto ha generado que se lleven a cabo investigaciones y tareas que abordan esta necesidad. (Liyanage & Buscaldi, n.d.) nos describe �ALTA� una tarea que involucra la creaci�n de sistemas de detecci�n autom�tica que pueden distinguir entre textos escritos por seres humanos y aquellos generados de forma autom�tica. (Sarvazyan et al., n.d.) nos habla de �AuTexTification�, que forma parte del workshop IberLEF 2023, en donde los participantes, primero tuvieron que reconocer si un texto fue escrito por humano o m�quina y despu�s deb�an atribuir un texto a uno de los seis modelos de generaci�n de textos diferentes. Los resultados generales no fueron concluyentes, pero demostraron que es m�s f�cil detectar el texto en ingl�s que en espa�ol. (LLM - Detect AI Generated Text | Kaggle, n.d.) presentan "LLM - Detect AI Generated Text", una tarea con el objetivo de simplificar la identificaci�n de textos creados por inteligencia artificial y progresar en el conocimiento actual sobre la detecci�n de modelos de lenguaje de gran tama�o (LLM). (Wu et al., n.d.) proponen large language models detecting (LLMDet), una herramienta de detecci�n de modelos de lenguaje grandes segura y eficiente. No necesita datos de entrenamiento espec�ficos y utiliza informaci�n de diversos modelos para identificar textos generados autom�ticamente. Con una precisi�n del 98.54% y una velocidad de detecci�n x3.5 m�s r�pida para textos humanos. (Canhasi & Shijaku, n.d.) utilizaron un modelo basado en XGBoost para detectar ensayos generados por ChatGPT, logrando una precisi�n del 96%. La ingenier�a de caracter�sticas fue crucial, destacando la viabilidad de usar aprendizaje autom�tico para identificar texto.

Estas tareas e investigaciones no ser�an posible sin un conjunto de datos para entrenamiento y prueba, como es el caso de las tareas antes mencionada que utilizaron conjuntos de datos con textos en diferentes idiomas. Existen varios datasets orientados a la detecci�n de texto humano m�quina, y mencionamos algunos como: ai-text-detection-pile (Ingl�s) que contiene 990,000 textos humanos y 340,000 generados por un modelo GPT (Artem9k/Ai-Text-Detection-Pile � Datasets at Hugging Face, n.d.),� GPT-wiki-intro (Ingl�s) contiene 150,00 temas de introducciones de Wikipedia y generados autom�ticamente por GPT, (Aadityaubhat/GPT-Wiki-Intro � Datasets at Hugging Face, n.d.) y Text sample datasets and AI detectors test results (Ingl�s) con 100 art�culos acad�micos de acceso abierto sobre salud mental y psiquiatr�a generados por GPT imitando un estilo acad�mico (Text Sample Datasets and AI Detectors Test Results, n.d.), entre otros.

Es aqu� donde se hace presente nuestro trabajo, con un dataset de texto en espa�ol de diferentes �mbitos como informal, de noticias y res�menes de tesis, de origen ecuatoriano, dichos textos ser�n reescritos por GPT 3.5 el cual nos dar� cuatro versiones diferentes del texto original. La recolecci�n de textos fue llevada a cabo mediante t�cnicas de web scraping, que es, b�sicamente extraer datos directamente de la web utilizando bots para su posterior an�lisis (Gomes Barbosa & Cavalcanti, n.d.). los datos se almacenaron en un archivo CSV, para posteriormente ser usado por la API de OpenAi que nos ofrece acceso GPT-3.5, e integrarlo al proyecto. Obtenemos 4 versiones del texto original reescritas por un modelo generador de texto autom�tico, m�s el texto original. Este dataset final se destinar� a futuras herramientas de detecci�n de texto, ya sea humano o generado por m�quinas. La diversidad en las reescrituras proporcionar� una muestra variada que pueden ser utilizados para entrenar algoritmos que puedan distinguir entre ambos tipos de texto, mejorando as� la capacidad de las aplicaciones futuras para diferenciar el texto escrito por humano del generado autom�ticamente.

 

M�todo

Este trabajo se basa en un an�lisis bibliogr�fico documental y cuasi experimental, centrado en la revisi�n de diversos art�culos cient�ficos de gran relevancia y complementado con la exploraci�n de contenido en p�ginas web especializadas. Este enfoque nos proporcion� una comprensi�n profunda de diversos m�todos para la extracci�n de datos y generaci�n de texto mediante inteligencia artificial. La recolecci�n de informaci�n se automatiz� mediante pr�cticas de web scraping respaldadas por la documentaci�n.

El proceso de desarrollo consta de tres etapas: la evaluaci�n de la estructura de la p�gina para obtener informaci�n, la construcci�n del script para ejecutar el c�digo y la reescritura de todos los textos obtenidos. Recopilamos informaci�n de tres dominios diferentes: informal, formal y res�menes. Para los textos de estilo informal, seleccionamos la red social X (Twitter), mientras que para los textos de estilo formal optamos por un portal de noticias en Ecuador y los res�menes de tesis fueron recopilados desde el repositorio de la Universidad de Guayaquil. Todos los textos recopilados tienen su origen en Ecuador. El proceso se visualiza en la figura 1.

 

Figura 1: M�todo de obtenci�n y rescritura de texto

 

 

Extracci�n de datos

Implementamos un enfoque integral para la extracci�n de datos que abarc� tres plataformas clave: X (Twitter), noticias y res�menes de tesis. Para llevar a cabo este proceso, utilizamos herramientas avanzadas en el �mbito de la programaci�n, destacando el uso de Python y la biblioteca Selenium. En el caso de la recopilaci�n de datos de X, desarrollamos un script utilizando t�cnicas de web scraping, que interactu� con la interfaz de X. Este script fue dise�ado para extraer tweets relevantes, considerando la fecha de creaci�n, el nombre de usuario asociado considerando sea de Ecuador. Esto nos permiti� capturar informaci�n informal y conversacional, convirtiendo a X en una fuente invaluable de datos que reflejan las opiniones y tendencias actuales en el contexto ecuatoriano. Para el portal de noticias ecuatoriano, optamos por utilizar t�cnicas de web scraping centradas en la estructura de noticias. Nuestro script, tambi�n implementado en Python con Selenium, naveg� por secciones espec�ficas del sitio web, extrayendo contenido variado y estructurado. Este enfoque asegur� la obtenci�n de informaci�n de calidad, preservando la coherencia y la estructura propia de las noticias, aspectos esenciales para nuestro an�lisis. En cuanto a los datos acad�micos, recurrimos al repositorio de tesis de la Universidad de Guayaquil, el script naveg� por secciones espec�ficas, capturando los res�menes de las tesis. Este m�todo nos proporcion� una perspectiva m�s formal y especializada, complementando la diversidad de datos recopilados en otros contextos.

 

Generaci�n Autom�tica de texto

En el proceso de reescritura de datos, se emple� la potente API de OpenAI para el modelo GPT-3.5, para transformar los textos originales recopilados de X (Twitter), el portal de noticias y res�menes de tesis. Adem�s, dise�amos y desarrollamos un script que facilit� la interacci�n eficiente entre nuestros datos y la API de GPT-3.5. Este script se configur� para gestionar las solicitudes y respuestas de manera efectiva, actuando como un intermediario esencial en el proceso de reescritura de datos. La utilizaci�n del script contribuy� a la automatizaci�n del proceso de reescritura, agilizando la generaci�n de textos alternativos sin perder la coherencia sem�ntica. Este enfoque integral y automatizado garantiz� la eficacia y calidad de las cuatro versiones reescritas, enriqueciendo as� nuestro conjunto de datos para an�lisis posteriores.

Se utilizaron tres par�metros a GPT-3: la instrucci�n de la solicitud, el mensaje del usuario; el modelo, que ser� el GPT-3.5-turbo; y la temperatura. La elecci�n del modelo GPT-3.5 se basa en su destacado desempe�o en el Procesamiento de Lenguaje Natural, mientras que la temperatura se ajusta para lograr un equilibrio adecuado entre creatividad en la generaci�n y coherencia textual, como se puede observar en la siguiente tabla 1.

 

Tabla 1: Par�metros requeridos por el api de OpenAI.

 

La instrucci�n de sistema que empleamos es un texto que posibilita su reescritura sin perder el sentido sem�ntico, conservando toda la informaci�n, como se evidencia en la figura 2.

 

Figura 2: Instrucci�n dada para la generaci�n de texto

 

Estos ajustes garantizaron resultados �ptimos durante la generaci�n de textos. Es esencial destacar que, antes de enviar los datos a procesar, implementamos un control integral para asegurarnos de que la informaci�n recopilada mediante web scraping est� libre de insultos, frases xen�fobas o sexistas. Esta medida se tom� para mantener la integridad y �tica en la generaci�n de textos, evitando la inclusi�n de contenido inapropiado. Este enfoque riguroso garantiza que los resultados generados por GPT-3.5 se alineen con los est�ndares �ticos y de calidad que buscamos mantener en nuestra investigaci�n.

 

Resultados

El resultado obtenido es un dataset con tres conjuntos de datos en espa�ol, cada uno correspondiente a diferentes dominios: informal, formal y res�menes. Los textos fueron recolectados junto con sus respectivas reescrituras, totalizando 15,384 instancias, como se detalla en la siguiente tabla:

Tabla 2: Divisi�n de dataset obtenido

 

El dataset obtenido, representa un logro significativo en el �mbito del Procesamiento de Lenguaje Natural, proporcionando una base de datos rica y diversa de textos en espa�ol. En el dataset de X, se logr� la extracci�n de texto escrito por diversos usuarios ecuatorianos. La diversidad de temas y estilos de escritura en X enriquece el conjunto de datos, permitiendo un an�lisis m�s completo del uso del lenguaje en un contexto social y contempor�neo, como se muestra en la siguiente figura.

 

Figura 3: Resultado final de los datos extra�dos de X (Twitter) con sus 4 versiones reescritas por GPT.

 

El conjunto de noticias se construy� mediante la obtenci�n de informaci�n de un portal de noticias ecuatoriano, refleja el lenguaje utilizado en el �mbito period�stico, capturando la formalidad y la estructura caracter�stica de las noticias. La variedad de temas cubiertos proporciona una visi�n integral del uso del lenguaje en el contexto de la informaci�n y las noticias, como se muestra en la siguiente figura.

 

Figura 4: Resultado final del dataset de noticias. Elaboraci�n propia.

 

En el conjunto de res�menes de tesis, se recopilaron textos representativos de un estilo m�s formal y t�cnico. La variedad de temas abordados en las tesis contribuye a un conjunto de datos que abarca diversas �reas del conocimiento. Este dominio proporciona una perspectiva �nica sobre el lenguaje utilizado en contextos acad�micos y cient�ficos en espa�ol, como se muestra en la siguiente figura.

 

Figura 5: Resultado final del dataset de res�menes de tesis. Elaboraci�n propia.

 

La aplicaci�n de la API de GPT-3.5 ha demostrado ser altamente efectiva en la generaci�n de m�ltiples versiones reescritas para cada fragmento de texto, proporcionando una diversidad que se ajusta a distintos tonos y estilos de escritura. La capacidad de preservar la informaci�n esencial ha sido clave, garantizando la coherencia y relevancia en diferentes contextos, desde textos informales de redes sociales hasta documentos acad�micos formales. La herramienta de interacci�n desarrollada, mediante un script, ha facilitado de manera eficiente la comunicaci�n entre los datos obtenidos y la API, permitiendo un control efectivo sobre el proceso de reescritura. La validaci�n manual ha confirmado la fidelidad al contenido original y la adaptabilidad al contexto, asegurando resultados de calidad. La aplicaci�n de webscraping para la recopilaci�n de datos ha arrojado un conjunto robusto y diversificado, abarcando diferentes tipolog�as de textos en espa�ol, tanto formales como informales. El enfoque integral, que combina la potencia de la inteligencia artificial con t�cnicas de obtenci�n de datos, sienta las bases para futuras investigaciones y aplicaciones en el campo del procesamiento de lenguaje natural en espa�ol.

 

Discusi�n

El dataset obtenido de texto en espa�ol de diferentes dominios como X (Twitter), noticias y res�menes de tesis, fue posible gracias a los m�todos utilizados. Es importante mencionar que esto es un enfoque, novedoso no solo porque sea en espa�ol y que este compuesto de textos originarios de Ecuador, sino tambi�n porque se generaron cuatro versiones del texto original que da variedad al estilo de escritura de GPT, y as� poder identificar en trabajos futuros, c�mo el modelo estructura y crea una oraci�n.

Si bien se utiliz� GPT como modelo de generaci�n de texto autom�tico para la reescritura, se pudieron elegir otros modelos, pero GPT se adapt� a las necesidades del proyecto. Explorar otros modelos y comparar la estructura en la escritura es algo que podr�a ser posible en futuros trabajos.

Si bien el dataset final est� completo es su totalidad, se podr�a aumentar la cantidad de dominios, y poder obtener m�s variedad y cantidad en los textos.

Este dataset ser� una gran herramienta que podr� ser utilizado en futuras tareas, investigaciones y herramientas orientadas a la detecci�n de texto autom�tico, por tanto, contribuye a apreciar la originalidad de los textos humanos.

 

Conclusiones

En esta investigaci�n se usaron m�todos y t�cnicas indispensables para la creaci�n de un dataset de textos en espa�ol. La recolecci�n de texto se llev� a cabo mediante t�cnicas avanzadas de web scraping, permitiendo la extracci�n de m�s de 15,000 textos en espa�ol procedentes de diversos �mbitos como X (Twitter), noticias y res�menes de tesis, todos originarios de Ecuador. Estos textos representan una amplia gama de formalidades ling��sticas utilizadas por los usuarios ecuatorianos, ofreciendo as� una muestra representativa y diversa del lenguaje en contexto.

Adem�s, se destaca tambi�n, la correcta elecci�n del modelo GPT-3.5 y la implementaci�n de la API de OpenAI, que facilitaron la generaci�n coherente y variada de cuatro versiones reescritas de cada texto original obtenido. Esta elecci�n permiti� no solo mantener la coherencia en los textos generados, sino tambi�n preservar el sentido original, su diversidad y relevancia en distintos contextos.

Este proceso ha culminado en la creaci�n exitosa de un conjunto de datos no solo valioso en s� mismo, sino que tambi�n se posiciona como una herramienta para investigaciones futuras y avances en el campo de la detecci�n de texto generado autom�ticamente.

 

Referencias

      1.            aadityaubhat/GPT-wiki-intro � Datasets at Hugging Face. (n.d.). Retrieved January 22, 2024, from https://huggingface.co/datasets/aadityaubhat/GPT-wiki-intro

      2.            Alves, A. D. (n.d.). Introdu��o � API da OpenAI. https://platform.openai.com/docs/supported-countries

      3.            artem9k/ai-text-detection-pile � Datasets at Hugging Face. (n.d.). Retrieved January 22, 2024, from https://huggingface.co/datasets/artem9k/ai-text-detection-pile

      4.            Canhasi, E., & Shijaku, R. (n.d.). ChatGPT Generated Text Detection. https://doi.org/10.13140/RG.2.2.21317.52960

      5.            Chan, C. K. Y. (2023). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20(1). https://doi.org/10.1186/s41239-023-00408-3

      6.            Clark, E., August, T., Serrano, S., Haduong, N., Gururangan, S., & Smith, N. A. (n.d.). Human Evaluation of Generated Text. 7282�7296. Retrieved January 8, 2024, from www.nltk.org/

      7.            Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., � Wright, R. (2023). Opinion Paper: �So what if ChatGPT wrote it?� Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/J.IJINFOMGT.2023.102642

      8.            Gomes Barbosa, A. B., & Cavalcanti, A. B. (n.d.). Web Scraping e An�lise de dados.

      9.            IEEE Xplore Full-Text PDF: (n.d.). Retrieved December 4, 2023, from https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10177704

  10.            Ippolito, D., Duckworth, D., Callison-Burch, C., & Eck, D. (n.d.). Automatic Detection of Generated Text is Easiest when Humans Are Fooled. Association for Computational Linguistics. https://github.com/openai/

  11.            Liyanage, V., & Buscaldi, D. (n.d.). An Ensemble Method Based on the Combination of Transformers with Convolutional Neural Networks to Detect Artificially Generated Text. Retrieved November 24, 2023, from https://gptzero.me/

  12.            LLM - Detect AI Generated Text | Kaggle. (n.d.). Retrieved January 21, 2024, from https://www.kaggle.com/competitions/llm-detect-ai-generated-text/overview

  13.            Lund, B. D., & Wang, T. (n.d.). Chatting about ChatGPT: how may AI and GPT impact academia and libraries? https://doi.org/10.1108/LHTN-01-2023-0009

  14.            Manyika, J. (n.d.). An overview of Bard: an early experiment with generative AI.

  15.            Preview, A., & Ai, J. (2023). Competitor Analysis Report. https://zapier.com/blog/jasper-ai/

  16.            Sarvazyan, A. M., Jos�, J., Gonz�lez, J., Franco-Salvador, M., Rangel, F., Chulvi, B., & Rosso, P. (n.d.). Overview of AuTexTification at IberLEF 2023: Detection and Attribution of Machine-Generated Text in Multiple Domains. Retrieved November 24, 2023, from https://tinyurl.com/bloom-1b7

  17.            Text sample datasets and AI detectors test results. (n.d.). Retrieved January 21, 2024, from https://figshare.com/articles/dataset/Text_sample_datasets_and_AI_detectors_test_results/24208443

  18.            Wu, K., Pang, L., Shen, H., Cheng, X., & Chua, T.-S. (n.d.). LLMDet: A Third Party Large Language Models Generated Text Detection Tool. https://github.com/TrustedLLM/LLMDet.

 

 

 

 

 

� 2024 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).