Estudo comparativo de humanizadores de IA: o que aconteceu com os mesmos textos acadêmicos

Em nosso estudo comparativo de humanizadores de IA, cada humanizador moveu os mesmos 48 textos acadêmicos em direção a um estilo de escrita humana, e as ferramentas diferiram mais no que preservaram. Algumas mantiveram o significado, as citações e os números próximos da fonte. Outras acrescentaram números e nomes inventados ou novos erros gramaticais, e esses resultados foram frequentemente os que um detector classificou como humanos.

TextPulse Research conduziu o estudo comparativo de humanizadores de IA em agosto de 2026 e o publicou como um working paper em 29 de agosto. TextPulse é uma das ferramentas nele, portanto cada ferramenta recebeu as mesmas entradas e cada medida é um script público. O working paper completo contém todas as tabelas, figuras e scripts, e todos os 432 textos reescritos são públicos.

O que o estudo comparativo de humanizadores de IA testou

O estudo deu a cada humanizador os mesmos 48 textos. Cada um era a seção de Resultados e Discussão de um estudo empírico inventado, escrito por um modelo de IA e com cerca de 301 palavras. Quatro famílias de modelos escreveram 12 textos cada: OpenAI, Google, DeepSeek e Anthropic. Os textos cobriam quatro disciplinas e três estilos de citação, de modo que cada ferramenta encontrou números, nomes de autores e marcadores de referência que precisava preservar.

Parte do desenho	O que o estudo usou
Textos de origem	48 seções de Resultados e Discussão escritas por IA, com 264 a 344 palavras cada
Quem as escreveu	12 textos cada de modelos OpenAI, Google, DeepSeek e Anthropic
Disciplinas	Medicina e saúde, ciências físicas e computacionais, ciências sociais, humanidades
Estilos de citação	APA autor-ano, colchetes numéricos, sem citações
Fatos verificados nos textos	404 termos técnicos, 887 números, 124 citações
Como cada ferramenta funcionou	Colado uma vez em sua página da web na configuração padrão, saída mantida como retornada
Datas	26 a 28 de agosto de 2026
Detectores	Turnitin, um documento por ferramenta, e GPTZero, cada texto separadamente

A função de um humanizer é reescrever a saída de IA, então o estudo partiu de saída de IA com uma lista verificada de fatos. Antes de qualquer reescrita, cada modelo listou os termos, números e citações que havia usado. Cada item listado foi comparado com o texto, e qualquer item ausente dele foi removido. Isso deixou uma lista fixa para cada texto, de modo que o estudo pudesse contar exatamente o que cada humanizer manteve, alterou ou inventou.

Cada texto foi inserido uma vez na página da web de cada ferramenta, na configuração padrão da ferramenta, e a saída foi salva exatamente como retornou. Ninguém editou uma saída. Algumas ferramentas processaram menos de 48 porque os níveis gratuitos limitam quantos textos uma ferramenta aceitará. Um conjunto central de 24 textos foi o mesmo para cada ferramenta, na mesma ordem. TextPulse processou todos os 48.

Como o estudo mediu um texto humanizado

Uma pontuação de detector informa como um texto pareceu a um detector em um dia. Ela não diz nada sobre se a reescrita ainda relata os mesmos resultados. O estudo atribuiu pontuação a cada saída primeiro no próprio texto e depois nos detectores. Para estudantes ou pesquisadores, é importante ter um artigo que ainda diga o que os dados dizem, em uma prosa que soe como algo escrito por uma pessoa.

Measure	O que ele verifica	Por que isso importa em um artigo
Meaning	Quão próxima a reescrita está da fonte, como uma pontuação de similaridade de 0 a 1	Uma pontuação mais baixa significa que o parágrafo agora diz outra coisa
Citações mantidas	Proporção das citações no texto que ainda estão lá com o mesmo autor e ano	Um ano alterado quebra a correspondência com a lista de referências
Números mantidos	Proporção dos números verificados que ainda estão no texto	Um tamanho de amostra ou valor de p perdido altera o resultado
Itens inventados	Números e nomes na saída que a fonte nunca teve	Uma figura inventada é uma afirmação falsa sobre o estudo
Erros de gramática adicionados	Novos erros por 1.000 palavras, contados com LanguageTool	Erros custam pontos e a confiança do revisor
Nível de leitura	Variação no grau Flesch-Kincaid	O texto de AI tem um nível de grau mais alto do que a prosa humana publicada
Posição de estilo	Posição do texto entre a escrita humana típica e a escrita de AI típica	Detectores estilométricos respondem a esses recursos
Length	Comprimento da saída em relação à fonte, 0.70 a 1.30 vezes conta como mantido	Uma ferramenta que reduz um texto pela metade eliminou conteúdo

A posição de estilo vem de uma escala que TextPulse desenvolveu a partir de 47 características de estilo de 121,092 textos acadêmicos (descrita em nosso artigo de classificação estilométrica). O texto acadêmico humano típico está em 0 e o texto de AI típico está em 100. Chamamos a metade intermediária dos textos humanos (-36 a 33) de faixa humana.

O vocabulário foi pontuado em relação a uma lista de 1,057 palavras do nosso artigo sobre vocabulário de AI. Dessas, 581 são palavras que os modelos de AI usam mais do que as pessoas, e 476 tendem para o outro lado. O estudo contou quantas palavras com tendência a AI cada ferramenta removeu por 1.000 palavras.

O que cada humanizador fez com o texto

Cada ferramenta no estudo deslocou seus resultados em direção ao extremo humano da escala de estilo. Os textos de IA não tratados tiveram média de 138, acima do texto típico de IA em 100. Após a reescrita, algumas ferramentas alcançaram a faixa humana e outras pararam aproximadamente na metade do caminho. Cada ferramenta também removeu vocabulário com tendência à IA e reduziu o nível de leitura, de modo que a direção da mudança foi a mesma em todo o campo.

Dois tipos de características movem um texto ao longo da escala com maior intensidade. O primeiro par é o comprimento médio das palavras e a proporção de palavras longas. Uma reescrita de "help" para "facilitate" tornará o texto mais semelhante à IA porque aumenta o comprimento médio das palavras e aumenta a proporção de palavras longas. O segundo é a variação do comprimento das frases, que puxa em direção ao humano. Um parágrafo em que todas as frases têm de 22 a 26 palavras é uniforme, mas um parágrafo que mistura uma frase de 9 palavras com outra de 31 palavras é variado.

A ideia é chegar a um nível de leitura mais baixo. Texto acadêmico escrito por IA tem um nível Flesch-Kincaid mais alto do que a prosa acadêmica humana publicada. Assim, se ele diminui, isso aproxima a escrita do estilo simples em que os pesquisadores escrevem. É isso que os detectores estilométricos respondem. Essas também são as mudanças que tornam um rascunho mais fácil de ler. Os dois objetivos se alinham, desde que o conteúdo permaneça intacto.

Nosso post sobre como humanizers mudam uma frase mostra essas edições uma frase de cada vez. O estudo acrescenta a mensuração: o quanto cada mudança deslocou o texto, e o que ela custou em significado e fatos.

Onde as ferramentas diferiram: significado, citações e números

As ferramentas diferiram em suas taxas de retenção. Por exemplo, ao longo do estudo, entre 29 e 100 por cento das citações foram retidas. Entre 0.06 e 4.44 itens inventados apareceram por resultado. Entre 0.65 e 4.91 novos erros gramaticais apareceram por 1,000 palavras. Os itens inventados foram tamanhos de amostra, porcentagens, limites de confiança, nomes de autores e instituições que a fonte nunca mencionou.

Nomes e unidades desapareceram de maneiras mais sutis. Quando uma ferramenta reescrevia uma estatística, muitas vezes omitía a unidade, de modo que "Cohen's d" se tornava uma medida de efeito e "Celsius" se tornava graus. Nomes de autores desapareceram junto com suas citações. Nomes de espécies, época e instrumento foram substituídos por uma descrição. Um leitor que queira verificar um resultado precisa desses nomes, portanto cada uma dessas perdas conta.

A profundidade da reescrita e a fidelidade atuam em direções opostas. Uma ferramenta que altera um terço das palavras preserva o significado com mais facilidade. Uma ferramenta que altera a maioria delas tem mais chances de perder algo. A proporção de palavras alteradas variou de 35 a 68%. O resultado que um pesquisador deseja é uma reescrita profunda que ainda preserve o significado. Essa combinação foi rara.

O estudo também procurou caracteres ocultos: caracteres invisíveis, espaços não padronizados e letras visualmente semelhantes dos alfabetos cirílico ou grego. Alguns humanizers adicionam esses elementos para alterar o resultado de um detector. Nenhuma ferramenta neste estudo adicionou qualquer um deles, portanto nenhuma saída falhou na barreira de qualidade por esse motivo.

Por que o resultado de um detector, isoladamente, é um benchmark fraco para humanizers

O resultado de um detector, por si só, é um benchmark incompleto para humanizers. No estudo de comparação de humanizers de IA, as saídas que o GPTZero rotulou como humanas com mais frequência vinham de ferramentas que inventavam mais números e nomes, omitían mais citações ou adicionavam mais erros gramaticais. A maneira mais fácil de alterar a estimativa de um detector é alterar o que o texto diz. Uma reescrita assim falha no artigo que deveria ajudar.

Para medir ambos os lados ao mesmo tempo, o estudo definiu uma barreira de qualidade. Para ultrapassá-la, uma saída precisava de uma pontuação de significado de pelo menos 0.95 e de pelo menos 90% de suas citações. Também precisava não conter números ou nomes inventados, nem caracteres ocultos, e ter um comprimento dentro da tolerância. Um rótulo de humano do GPTZero então contava apenas para saídas que ultrapassassem a barreira. A barreira foi a mesma para todas as ferramentas.

Cada saída de cada ferramenta foi colocada em um documento, com um texto por página. O estudo usou a porcentagem de IA do Turnitin para o documento. O Turnitin usa um asterisco em vez de um número para menos de 20 por cento. Os resultados dos detectores são estimativas de uma versão do detector nas datas do estudo. Escrevemos sobre como ler sua pontuação de IA do Turnitin em nosso guia sobre o que uma pontuação de IA do Turnitin significa.

Como o TextPulse se saiu na comparação de humanizadores

O TextPulse ficou em primeiro lugar no índice composto do estudo, que atribui peso igual à profundidade da reescrita, ao significado, à posição de estilo, à gramática e à integridade do conteúdo. As pontuações do TextPulse foram 0.811 para essas cinco medidas e 0.843 quando a medida do detector com limiar foi adicionada. Ele se saiu bem porque não teve nenhuma medida fraca. Reescreveu mais da metade de cada texto e preservou os fatos dos quais um artigo depende.

Measure	TextPulse result
Palavras alteradas	52%
Significado mantido (semelhança com a fonte)	0.971, cerca de 97 %
Citações mantidas	99%
Números mantidos	87%
Entidades nomeadas mantidas	95%
Erros de gramática adicionados	0.65 por 1,000 palavras, o menor no estudo
Itens inventados	0.48 por saída; um nome inventado em uma saída a cada cinquenta
Nível de leitura	3.6 graus mais baixo, a maior queda
Palavras com viés de AI removidas	39 por 1,000 palavras, o maior no estudo
Posição de estilo	29, dentro da faixa humana
Saídas dentro da tolerância de comprimento	47 of 48
Saídas que passaram no filtro de qualidade	67%
Pontuação de AI do Turnitin, um documento de todas as saídas	24 %, o menor no estudo (empatado)
Rótulo humano do GPTZero nas saídas que passaram no filtro	10.4 % (5 de 48), o maior no estudo

Dois resultados são os mais importantes para o uso acadêmico. Entre as ferramentas que alteraram pelo menos metade das palavras, TextPulse preservou melhor o significado. Entre as ferramentas com uma pontuação de significado de 0,97 ou superior, foi a que mais alterou palavras. Nenhuma outra ferramenta do estudo estava em ambos os grupos. Um humanizador para escrita acadêmica precisa dessa combinação, pois uma reescrita leve mantém o estilo de IA e uma reescrita profunda que omite fatos altera os resultados.

GPTZero classificou 9 de 48 saídas do TextPulse como humanas, e 5 dessas também passaram na barreira de qualidade, o maior resultado com barreira no estudo. O documento do Turnitin com as saídas do TextPulse obteve 24 por cento de IA, empatado com a menor pontuação. Os outros documentos variaram de 28 a 74 por cento. Os resultados dos detectores são estimativas, e o estudo os apresenta ao lado das medidas textuais por esse motivo.

O que o estudo não pode lhe dizer

O estudo de comparação de humanizadores de IA apresenta suas próprias limitações. Os textos foram escritos por modelos de IA a partir de um prompt fixo, e rascunhos reais são mais longos e menos uniformes. Cada ferramenta foi executada uma vez, em sua configuração padrão, entre 26 e 28 de agosto de 2026. Os fornecedores atualizam suas ferramentas, portanto os resultados descrevem essas datas e devem ser lidos como um instantâneo.

Ferramentas diferentes têm números diferentes de textos, pois estão limitadas a uma certa quantidade de textos gratuitos que a ferramenta processará. Isso também resulta em intervalos de confiança maiores para as ferramentas com menos textos. Turnitin gera uma pontuação por documento e, portanto, não apresenta uma dispersão de pontuações por texto. GPTZero é um detector, uma versão de modelo (2026-08-09-base).

TextPulse realizou o estudo e é uma das ferramentas nele incluídas. Cada ferramenta recebeu as mesmas entradas. Pelo protocolo, todas as medidas são scripts publicamente disponíveis, e todos os resultados brutos são compartilhados. Isso significa que qualquer pessoa pode refazer os cálculos, ou ponderá-los de forma diferente. Os textos de origem, todas as 432 saídas, as respostas dos detectores e os scripts são públicos.

Como usar os resultados no seu próprio rascunho

Os resultados se transformam em uma verificação curta que você pode fazer após qualquer humanizador, inclusive o nosso. Compare a saída com o seu rascunho quanto aos aspectos que o estudo contou. Em uma única seção, isso leva alguns minutos.

1. Verifique cada número em relação ao seu rascunho: tamanhos de amostra, porcentagens, valores de p e intervalos de confiança.
2. Verifique cada citação no texto quanto ao mesmo autor e ano, depois corresponda-a à sua lista de referências.
3. Procure nomes que mudaram: instrumentos, espécies, conjuntos de dados, unidades e nomes de autores.
4. Leia as afirmações que ficaram mais fortes, como "pode indicar" reescrito como "mostra".
5. Compare o comprimento. Uma saída muito mais curta do que a fonte provavelmente omitiu conteúdo.
6. Leia o texto em voz alta para detectar erros gramaticais que a reescrita acrescentou.

O comprimento é a mais rápida dessas verificações. No estudo, uma saída entre 0,70 e 1,30 vezes o comprimento da fonte foi considerada preservada. TextPulse preservou 47 de 48 saídas dentro dessa faixa, com uma média de 1,14 vezes a fonte, de modo que suas saídas ficaram um pouco mais longas do que os rascunhos.

Citações levam mais tempo para verificar manualmente. No estudo, TextPulse preservou 99 por cento delas, e suas alterações foram na apresentação, como uma citação parentética transformada em uma citação narrativa. Nosso post sobre um humanizador de IA que preserva citações explica o que observar em seus próprios marcadores de referência.

O verificador gratuito de burstiness mede o quanto os comprimentos das frases em seu rascunho variam. A variação no comprimento das frases é uma das características que a escala do estudo pondera em favor da escrita humana. Para um guia classificado com preços, veja nosso guia para o melhor humanizador de IA para escrita acadêmica. Quando você estiver pronto para reescrever, o humanizador de IA TextPulse foi construído para manter seus números, nomes e citações, e informa um Human Score estimado para o resultado.