Detector de plagio académico con reconocimiento de citas

Por lo general, no — si la revista exige iThenticate (Elsevier, Springer, Wiley, IEEE), lo revisarán de todas formas al enviar. Lo que reemplaza Noplag es la auto-revisión iterativa de borradores previa a ese envío. iThenticate a $125/documento se hace prohibitivo tras la 4ª revisión; tarifa plana Pro no. Vea la comparación completa en noplag.com/vs-ithenticate.

Correcto — ese hueco existe. La base de tesis de ProQuest es cerrada y no entra en OpenAlex/CORE. Cubrimos los ~700M de obras abiertas, más amplio que ProQuest para investigación post-Plan-S (2018 en adelante); más estrecho para tesis antiguas de pago. Si necesita sobre todo comparar con doctorados de EE.UU., lo apropiado es iThenticate para ese fin.

MLA, APA, Chicago / Turabian, Harvard, Vancouver e IEEE se detectan del formato de bibliografía. Para otros estilos (ACS, AMA, ASA, Bluebook, Oxford), el motor clasifica intervalos por comillas + patrones parentéticos cerca, pero la validación por estilo está prevista en la hoja de ruta v1.2. Quienes instalan en local pueden ajustar estilos extra vía alignment/.

Menor que lo esperado donde hay mucho parafraseo, porque el modelo excluye intervalos citados del puntaje. Se mide ~3,4% falso positivo en el subconjunto PAN-PC-11 académico (donde la mayoría son citas legítimas). Competidores cerrados que no clasifican citados reportan 12–18% sobre el mismo corpus.

En Pro, añada una lista blanca de autocitación (su ORCID, DOIs previos, URL de repositorio institucional). Coincidencias con estos documentos marcan como AUTOCITA y no suben el puntaje. Útil cuando financia proyectos sobre obra publicada propia; reciclar con cita es aceptado, no plagio.

La detección está calibrada para inglés, español, portugués, polaco y ucraniano en el lanzamiento; se añadirán más idiomas progresivamente. La calidad de detección se evalúa con PAN-PC-11; la evaluación por idioma está en la hoja de ruta. El rendimiento es más sólido en los idiomas europeos con mayor historial de validación; los idiomas nuevos se incorporan a medida que se completa su calibración.

Su equipo de TI / DPO / IRB puede clonar github.com/NoplagLabs/noplag-engine, ejecutar el motor en un entorno aislado, auditar el flujo de datos, verificar que el derecho de supresión funciona de extremo a extremo y reproducir nuestros resultados publicados usando su propio corpus de prueba. Sin firmar nada, sin NDA, sin depender de nuestro marketing. Para instituciones cuyo proceso de adquisición requiere este nivel de revisión, esto lo habilita.

La detección de AI estará disponible próximamente; está en la hoja de ruta v1.2, no incluida en el lanzamiento inicial. El enfoque es Binoculars (Hans et al. 2024), que es independiente del modelo: no entrena por LLM, compara la perplejidad de un modelo de referencia pequeño con el texto de prueba, lo que permite generalizar. Las cifras de precisión se publicarán cuando la función supere la evaluación, no antes, usando contenido de LLM mixto (frente a ~70% en Claude-3 para detectores entrenados en GPT). El artículo metodológico documenta los modos de fallo; no los ocultamos.

Cada intervalo marcado incluye DOI fuente, fecha del corpus, commit del motor y motivo de clasificación. Corrija en ese commit y el resultado se reproduce igual. Lleve el informe a la reunión; las rutas de cita son navegables. No hay modo 'confíe en el puntaje', porque eso es propio de caja negra.

Apache 2.0 + Docker — funciona sin salir de su red. Combínelo con PostgreSQL + Redis en su sistema; no sale tráfico de la VPC. Útil para borradores clínicos, estudios de pacientes o investigación protegida antes de publicar. Clientes empresariales reciben el corpus como paquete indexable.