As ferramentas de análise de texto de livre acesso são capazes de identificar a escrita pela inteligência generativa em manuscritos de inteligência artificial na cefalometria?

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorTakeshita, Wilton Mitsunari-
Autor(es): dc.creatorSantos, Leonardo de Oliveira-
Data de aceite: dc.date.accessioned2025-08-21T22:52:19Z-
Data de disponibilização: dc.date.available2025-08-21T22:52:19Z-
Data de envio: dc.date.issued2024-07-03-
Data de envio: dc.date.issued2024-07-03-
Data de envio: dc.date.issued2024-06-14-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/256260-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/256260-
Descrição: dc.descriptionIntrodução: Devido ao rápido desenvolvimento da inteligência artificial generativa (IAG) e sua possibilidade de uso no meio acadêmico, faz-se necessário o estudo acerca da possibilidade de detecção deste tipo de escrita. Para tanto, têm-se as ferramentas de detecção de escrita pela inteligência generativa (FDIG) de livre acesso, que realizam a leitura de documentos e identificam padrões de escrita referentes a IAG. Objetivo: Avaliar a capacidade das ferramentas de análise de texto de livre acesso de identificar a escrita pela inteligência artificial generativa em manuscritos de inteligência artificial na cefalometria. Materiais e métodos: Com o objetivo de responder ao questionamento: “As ferramentas de análise de texto de livre acesso são capazes de identificar a escrita pela inteligência generativa em manuscritos de inteligência artificial na cefalometria?” Foi realizada uma busca na plataforma de pesquisa Pubmed, e utilizada a estratégia PICOS. Com isso, foram selecionados 62 manuscritos. O processo de análise da escrita pela IAG foi avaliada por duas FDIG de livre acesso: o ZeroGPT (https://www.zerogpt.com/) e contentdetector.ai (https://contentdetector.ai/). Os resultados das análises percentuais foram tabulados em planilha do software Microsoft Excel 2019 (Microsoft, Redmond, Washington, USA). As análises foram realizadas no programa IBM SPSS statistical software (version 24.0; IBM Corp., Armonk, NY, USA). Para todas as análises foi utilizado o nível de significância de 5%. Resultados: Nas análises das diferentes FDEIGs não houveram diferenças estatisticamente significativas comparando os diferentes anos (p>0.05). Na comparação entre as duas ferramentas de detecção, em todos os tópicos avaliados do manuscrito, houve diferença estatisticamente significativa (p<0.001). Com valores médios percentuais de detecção maiores que 26% para a ferramenta ContentDetector.AI. Conclusão: As FDEIGs de livre acesso utilizadas não foram capazes de detectar corretamente, nem entrar em concordância entre si acerca do uso de IAG na escrita dos manuscritos.-
Descrição: dc.descriptionIntroduction: Due to the rapid development of generative artificial intelligence (GAI) tools and their potential use in academia, it is necessary to study the possibility of detecting this type of writing. To this end, there are freely available generative intelligence writing detection tools (GIDD), which read documents and identify writing patterns related to AGI. Objective: To evaluate the ability of open-access text analysis tools to identify writing by generative artificial intelligence in cephalometric artificial intelligence manuscripts. Materials and methods: In order to answer the question “Are open access text analysis tools capable of identifying writing by generative intelligence in artificial intelligence manuscripts in cephalometry?” A search was carried out on the Pubmed research platform and the PICOS strategy was used. As a result, 62 manuscripts were selected. The process of analyzing the writing by IAG was evaluated by two freely accessible FDIGs: ZeroGPT (https://www.zerogpt.com/) and contentdetector.ai (https://contentdetector.ai/). The results of the percentage analyses were tabulated in a Microsoft Excel 2019 spreadsheet (Microsoft, Redmond, Washington, USA). A 5% significance level was used for all analyses. Results: In the analyses of the different FDEIGs, there were no statistically significant differences comparing the different years (p>0.05). When comparing the two detection tools, there was a statistically significant difference (p<0.001) in all the topics evaluated in the manuscript. With average percentage detection values greater than 26% for the ContentDetector.AI tool. Conclusion: the open-access FDEIGs used were not able to correctly detect or agree with each other on the use of AGI in the writing of manuscripts.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Estadual Paulista (UNESP)-
Direitos: dc.rightsinfo:eu-repo/semantics/restrictedAccess-
Palavras-chave: dc.subjectPlágio-
Palavras-chave: dc.subjectCefalometria-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectCephalometry-
Título: dc.titleAs ferramentas de análise de texto de livre acesso são capazes de identificar a escrita pela inteligência generativa em manuscritos de inteligência artificial na cefalometria?-
Título: dc.titleAre open access text analysis tools capable of identifying writing by generative intelligence in artificial intelligence manuscripts in cephalometry?-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.