Distinción entre textos de guion escritos por humanos y generados por IA: un estudio preliminar con estudiantes de Cine.

PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Nº 72 - ENERO2025 https://revistapixelbit.com Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN ENERO 2 0 2 5 EQUIPO EDITORIAL (EDITORIAL BOARD) EDITOR JEFE (EDITOR IN CHIEF) Nº 72 Dr. Julio Cabero Almenara, Departamento de Didáctica y Organización Educativa, Facultad de CC de la Educación, Director del Grupo de Investigación Didáctica. Universidad de Sevilla (España) EDITOR ADJUNTO (ASSISTANT EDITOR) Dr. Juan Jesús Gutiérrez Castillo, Departamento de Didáctica y Organización Educativa. Facultad de CC de la Educación, Universidad de Sevilla (España) Dr. Óscar M. Gallego Pérez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) EDITORES ASOCIADOS Dra. Urtza Garay Ruiz, Universidad del País Vasco. (España) Dra. Ivanovnna Milqueya Cruz Pichardo, Pontificia Universidad Católica Madre y Maestra. (República Dominicana) Dra. Carmen Llorente Cejudo, Universidad de Sevilla (España) CONSEJO METODOLÓGICO Dr. José González Such, Universidad de Valencia (España) Dr. Antonio Matas Terrón, Universidad de Málaga (España) Dra. Cynthia Martínez-Garrido, Universidad Autónoma de Madrid (España) Dr. Luis Carro Sancristóbal, Universidad de Valladolid (España) Dra. Nina Hidalgo Farran, Universidad Autónoma de Madrid (España) CONSEJO DE REDACCIÓN Dra. María Puig Gutiérrez, Universidad de Sevilla. (España) Dra. Sandra Martínez Pérez, Universidad de Barcelona (España) Dr. Selín Carrasco, Universidad de La Punta (Argentina) Dr. Jackson Collares, Universidades Federal do Amazonas (Brasil) Dra. Kitty Gaona, Universidad Autónoma de Asunción (Paraguay) Dr. Vito José de Jesús Carioca. Instituto Politécnico de Beja Ciencias da Educación (Portugal) Dra. Elvira Esther Navas, Universidad Metropolitana de Venezuela (Venezuela) Dr. Angel Puentes Puente, Pontificia Universidad Católica Madre y Maestra. Santo Domingo (República Dominicana) Dr. Fabrizio Manuel Sirignano, Università degli Studi Suor Orsola Benincasa (Italia) Dra. Sonia Aguilar Gavira. Universidad de Cádiz (España) Dra. Eloisa Reche Urbano. Universidad de Córdoba (España) CONSEJO TÉCNICO Dra. Raquel Barragán Sánchez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Dr. Antonio Palacios Rodríguez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Dr. Manuel Serrano Hidalgo, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Diseño de portada: Dña. Lucía Terrones García, Universidad de Sevilla (España) Revisor/corrector de textos en inglés: Dra. Rubicelia Valencia Ortiz, MacMillan Education (México) Revisores metodológicos: evaluadores asignados a cada artículo CONSEJO CIENTÍFICO Jordi Adell Segura, Universidad Jaume I Castellón (España) Ignacio Aguaded Gómez, Universidad de Huelva (España) María Victoria Aguiar Perera, Universidad de Las Palmas de Gran Canaria (España) Olga María Alegre de la Rosa, Universidad de la Laguna Tenerife (España) Manuel Área Moreira, Universidad de la Laguna Tenerife (España) Patricia Ávila Muñoz, Instituto Latinoamericano de Comunicación Educativa (México) María Paz Prendes Espinosa, Universidad de Murcia (España) Angel Manuel Bautista Valencia, Universidad Central de Panamá (Panamá) Jos Beishuizen, Vrije Universiteit Amsterdam (Holanda) Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Florentino Blázquez Entonado, Universidad de Extremadura (España) Silvana Calaprice, Università degli studi di Bari (Italia) Selín Carrasco, Universidad de La Punta (Argentina) Raimundo Carrasco Soto, Universidad de Durango (México) Zulma Cataldi, Universidad de Buenos Aires (Argentina) Luciano Cecconi, Università degli Studi di Modena (Italia) Jean-François Cerisier, Université de Poitiers, Francia Jordi Lluís Coiduras Rodríguez, Universidad de Lleida (España) Jackson Collares, Universidades Federal do Amazonas (Brasil) Enricomaria Corbi, Università degli Studi Suor Orsola Benincasa (Italia) Marialaura Cunzio, Università degli Studi Suor Orsola Benincasa (Italia) Brigitte Denis, Université de Liège (Bélgica) Floriana Falcinelli, Università degli Studi di Perugia (Italia) Maria Cecilia Fonseca Sardi, Universidad Metropolitana de Venezuela (Venezuela) Maribel Santos Miranda Pinto, Universidade do Minho (Portugal) Kitty Gaona, Universidad Autónoma de Asunción (Paraguay) María-Jesús Gallego-Arrufat, Universidad de Granada (España) Lorenzo García Aretio, UNED (España) Ana García-Valcarcel Muñoz-Repiso, Universidad de Salamanca (España) Antonio Bautista García-Vera, Universidad Complutense de Madrid (España) José Manuel Gómez y Méndez, Universidad de Sevilla (España) Mercedes González Sanmamed, Universidad de La Coruña (España) Manuel González-Sicilia Llamas, Universidad Católica San Antonio-Murcia (España) António José Meneses Osório, Universidade do Minho (Portugal) Carol Halal Orfali, Universidad Tecnológica de Chile INACAP (Chile) Mauricio Hernández Ramírez, Universidad Autónoma de Tamaulipas (México) Ana Landeta Etxeberría, Universidad a Distancia de Madrid (UDIMA) Linda Lavelle, Plymouth Institute of Education (Inglaterra) Fernando Leal Ríos, Universidad Autónoma de Tamaulipas (México) Paul Lefrere, Cca (UK) Carlos Marcelo García, Universidad de Sevilla (España) Francois Marchessou, Universidad de Poittiers, París (Francia) Francesca Marone, Università degli Studi di Napoli Federico II (Italia) Francisco Martínez Sánchez, Universidad de Murcia (España) Ivory de Lourdes Mogollón de Lugo, Universidad Central de Venezuela (Venezuela) Angela Muschitiello, Università degli studi di Bari (Italia) Margherita Musello, Università degli Studi Suor Orsola Benincasa (Italia) Elvira Esther Navas, Universidad Metropolitana de Venezuela (Venezuela) Trinidad Núñez Domínguez, Universidad de Sevilla (España) James O’Higgins, de la Universidad de Dublín (UK) José Antonio Ortega Carrillo, Universidad de Granada (España) Gabriela Padilla, Universidad Autónoma de Tumalipas (México) Ramón Pérez Pérez, Universidad de Oviedo (España) Angel Puentes Puente, Pontificia Universidad Católica Madre y Maestra. Santo Domingo (República Dominicana) Juan Jesús Gutiérrez Castillo, Universidad de Sevilla (España) Julio Manuel Barroso Osuna, Universidad de Sevilla (España) Rosalía Romero Tena. Universidad de Sevilla (España) Hommy Rosario, Universidad de Carabobo (Venezuela) Pier Giuseppe Rossi, Università di Macerata (Italia) Jesús Salinas Ibáñez, Universidad Islas Baleares (España) Yamile Sandoval Romero, Universidad de Santiago de Cali (Colombia) Albert Sangrá Morer, Universidad Oberta de Catalunya (España) Ángel Sanmartín Alonso, Universidad de Valencia (España) Horacio Santángelo, Universidad Tecnológica Nacional (Argentina) Francisco Solá Cabrera, Universidad de Sevilla (España) Jan Frick, Stavanger University (Noruega) Karl Steffens, Universidad de Colonia (Alemania) Seppo Tella, Helsinki University (Finlandia) Hanne Wacher Kjaergaard, Aarhus University (Dinamarca) Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. FACTOR DE IMPACTO (IMPACT FACTOR) SCOPUS Q1 Education: Posición 236 de 1406 (83% Percentil). CiteScore Tracker 2023: 5,3 - Journal Citation Indicator (JCI). Emerging Sources Citation Index (ESCI). Categoría: Education & Educational Research. Posición 556 de 1506. Cuartil Q2 (Percentil: 65.29) – FECYT (2023): Ciencias de la Educación. Cuartil 1. Posición 12. Puntuación: 39,22DIALNET MÉTRICAS (Factor impacto 2022: 1.78. Q1 Educación. Posición 13 de 235) - REDIB Calificación Glogal: 29,102 (71/1.119) Percentil del Factor de Impacto Normalizado: 95,455ERIH PLUS - Clasificación CIRC: BCategoría ANEP: B - CARHUS (+2018): B - MIAR (ICDS 2020): 9,9 - Google Scholar (global): h5: 34; Mediana: 52 - Journal Scholar Metric Q2 Educación. Actualización 2016 Posición: 405a de 1,115Criterios ANECA: 20 de 21 - INDEX COPERNICUS Puntuación ICV 2019: 95.10 Píxel-Bit, Revista de Medios y Educación está indexada entre otras bases en: SCOPUS, Fecyt, DOAJ, Iresie, ISOC (CSIC/CINDOC), DICE, MIAR, IN-RECS, RESH, Ulrich’s Periodicals, Catálogo Latindex, Biné-EDUSOL, Dialnet, Redinet, OEI, DOCE, Scribd, Redalyc, Red Iberoamericana de Revistas de Comunicación y Cultura, Gage Cengage Learning, Centro de Documentación del Observatorio de la Infancia en Andalucía. Además de estar presente en portales especializados, Buscadores Científicos y Catálogos de Bibliotecas de reconocido prestigio, y pendiente de evaluación en otras bases de datos. EDITA (PUBLISHED BY) Grupo de Investigación Didáctica (HUM-390). Universidad de Sevilla (España). Facultad de Ciencias de la Educación. Departamento de Didáctica y Organización Educativa. C/ Pirotecnia s/n, 41013 Sevilla. Dirección de correo electrónico: [email protected]. URL: https://revistapixelbit.com/ ISSN: 1133-8482; e-ISSN: 2171-7966; Depósito Legal: SE-1725-02 Formato de la revista: 16,5 x 23,0 cm Los recursos incluidos en Píxel Bit están sujetos a una licencia Creative Commons Attribution-NonCommercialShareAlike 4.0 Unported (Reconocimiento-NoComercial-CompartirIgual)(CC BY-NC-SA 4.0), en consecuencia, las acciones, productos y utilidades derivadas de su utilización no podrán generar ningún tipo de lucro y la obra generada sólo podrá distribuirse bajo esta misma licencia. En las obras derivadas deberá, asimismo, hacerse referencia expresa a la fuente y al autor del recurso utilizado. ©2025 Píxel-Bit. No está permitida la reproducción total o parcial por ningún medio de la versión impresa de Píxel-Bit. Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Nº 72 PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Índice E N E R O 2 0 2 5 1.- Análisis de la Disposición Espacial de Contenido en entornos de Realidad Aumentada y su Efecto en la Carga Cognitiva de los Usuarios [Analysis of the Spatial Layout of Content in Augmented Reality Environments and its Effect on Users' Cognitive Load] Luis Eduardo Bautista, Fernanda Maradei, Gabriel Pedraza 2.- Evaluación de actitudes hacia la ciencia, tecnología, ingeniería y matemáticas (STEM) para fomentar la creatividad en la educación secundaria [Assessing Attitudes Toward Science, Technology, Engineering, and Mathematics (STEM) for Enhancing Creativity in Secondary Education] Mujib Mujib, Mardiyah Mardiyah 3.- Distinción entre textos de guion escritos por humanos y generados por IA: un estudio preliminar con estudiantes de Cine [Distinction between Screenplay Texts Written by Humans and Generated by AI: a Preliminary Study with Film Students] Javier Luri-Rodríguez, Elio Quiroga-Rodríguez 4.- Efecto mediador del autocontrol sobre la autoestima y el uso de Instagram en adolescentes. Relaciones con el rendimiento académico y el estrés tecnológico [Mediating effect of self-monitoring on selfesteem and Instagram use in adolescents. Relationships with academic performance and technological stress] Francisco José Rubio-Hernández, Adoración Díaz-López, Vanessa Caba-Machado, Elena GonzálezCalahorra 5.- Phubbing: edad y presencia en línea como condiciones necesarias [Phubbing: Age and Online Presence as Necessary Conditions] Antonio Matas-Terrón 6.- IA generativa versus profesores: reflexiones desde una revisión de la literatura [Generative AI vs. Teachers: insights from a literature review] Andres Chiappe, Carolina San Miguel, Fabiola Mabel Sáez Delgado 7.- ¿Coinciden la comunidad científica y la sociedad sobre el uso de la Inteligencia Artificial en educación? [Do the scientific community and society agree on the use of Artificial Intelligence in education?] Sonia Martín-Gómez, Ángel Bartolomé Muñoz de Luna 8.- La utilidad percibida del ChatGPT por parte del alumnado universitario [Perceived usefulness of ChatGPT by university students] Pablo Javier Ortega-Rodríguez, Francisco Javier Pericacho Gómez 9.- La hora del Booktok: caracterización de nuevos vídeos para la promoción lectora en el móvil [Booktok Time: Characterization of New Videos for Mobile Reading Promotion] José Rovira-Collado, Francisco Antonio Martínez-Carratalá, Sebastián Miras 10.- A Cómo potenciar el pensamiento crítico en la universidad a través de competencias en línea: evaluación de la información y la netiqueta: Un análisis en futuros docentes según el sexo // Critical thinking and skills in evaluating online information, a 21st century challenge: A gender analysis of prospective teachers Magalí Denoni Buján, Ana Cebollero Salinas 7 39 70 87 103 119 139 159 180 199 Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 Distinción entre textos de guion escritos por humanos y generados por IA: un estudio preliminar con estudiantes de Cine. Distinction between Screenplay Texts Written by Humans and Generated by AI: A Preliminary Study with Film Students. Dr. Javier Luri Rodríguez PDI Universidad del Atlántico Medio. España D. Elio Quiroga Rodríguez Cineasta. PDI Universidad del Atlántico Medio. España Recibido: 2024/06/25; Revisado: 2024/04/19; Aceptado: 2024/11/24; Online First: 2024/12/03; Publicado: 2025/01/07 RESUMEN La mayoría de las incógnitas que suscita el desarrollo de la inteligencia artificial en contextos como el académico o el profesional, están relacionadas con cierta intrusión de la tecnología, no solo por realizar labores tradicionalmente humanas, sino también por hacerlo de una manera que puede resultar difícil de identificar. El presente artículo estudia cómo distintos estudiantes del Grado de Cine distinguen entre guiones creados con IA y sin ella, muestra elegida por suponérsele un juicio maduro en este campo. A 24 alumnos se les facilitaron tres opciones de una misma escena de guion, junto con un cuestionario en el que debían reconocer la procedencia, humana o de inteligencia artificial generativa, de cada uno de los textos, así como justificar las razones de su elección. Entre los tres textos facilitados había producción exclusivamente humana y texto sintético de varias procedencias. Un análisis cuantitativo muestra una destacable inclinación hacia la percepción de que se trata de textos sintéticos, independientemente de que estos realmente lo sean, resultando una particular incapacidad de discernimiento. Por otro lado, un análisis cualitativo ha podido destacar claves sobre cómo los estudiantes perciben o presuponen las diferentes procedencias, resultando destacables ciertas nociones de “naturalidad” descritas por los participantes. ABSTRACT Most uncertainties surrounding the development of artificial intelligence in academia or professional environments are related to a certain intrusion of technology, not only because it performs tasks traditionally done by humans, but also because it can be difficult to identify. This article studies how different students of the Bachelor's degree in Film distinguish between scripts created with and without AI. The sample was chosen under the assumption that the students possess mature judgment regarding the topic investigated. 24 students were provided with three versions of the same scene script, together with a questionnaire to identify the texts' origin, either human or from Generative Artificial Intelligence, as well as justify the reasons for their choice. Among the three texts provided, some were exclusively human-generated and others were different types of synthetic texts. A quantitative analysis shows a considerable tendency to perceive that the texts are synthetic, regardless of their actual origin, resulting in a specific inability to distinguish. On the other side, a qualitative analysis has highlighted keys on how students perceive or assume the texts' origin. Certain notions of "naturalness" described by the participants were significant. PALABRAS CLAVES · KEYWORDS Inteligencia artificial; Evaluación de la percepción; Estudiantes universitarios; Narrativa audiovisual; Guion cinematográfico; Identificación de autoría; Artificial Intelligence; User Perception Evaluation; University Students; Audiovisual Narrative; Screenwriting; Authorship Identification Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 71 1. Introducción En el panorama actual de la inteligencia artificial (IA), un escenario en constante cambio y disrupción, los avances en la generación de lenguaje natural han alcanzado altos niveles de sofisticación, acercando cada vez más las características de la creación humana a la generada por máquinas. En esta línea de desarrollo se encuentran los modelos de lenguaje basados en IA, como Gemini de Google y ChatGPT de OpenAI, que son capaces de producir texto de manera fluida y coherente, incluso en áreas tan aparentemente complejas como la redacción de textos dramáticos (Anantrasirichai & Bull, 2021; Anguiano & Beckett, 2023). Este nivel de perfeccionamiento ha ocasionado la rápida irrupción de esta tecnología en diversos ámbitos de la creación literaria y de guiones audiovisuales (Chow, 2020), ocasionando multitud de interrogantes sobre su alcance, entre los que podríamos destacar, como primarios, ¿cuán presente podría estar esta tecnología sin advertirlo? y con ello ¿cuál es su potencial actual para funcionar de manera indistinguible a la de un creador humano? (Dayo et al., 2023). La necesidad de explorar y comprender esta capacidad de discernimiento se vuelve cada vez más relevante en un mundo donde la presencia de IA en la producción de contenido es cada vez más prominente. ¿Hasta qué punto puede ser suplantable una redacción dramática humana por una generada automáticamente por tecnología actual de IA? ¿Existe una diferencia perceptible en la calidad, el estilo o la coherencia entre los textos producidos por humanos y aquellos generados por IA? Los interrogantes sobre la capacidad de las personas para distinguir entre una obra creada por humanos y una generada gracias a estas máquinas, o lo que es lo mismo, la capacidad actual de las máquinas para engañarnos con un producto creativo (Kurt, 2018), resulta una cuestión de doble interés: por una lado evalúa la funcionalidad de la inteligencia artificial en un contexto concreto, y por otro, tantea nuestra capacidad de discernimiento, lo que puede conllevar una reflexión sobre nuestra consciencia del alcance de esta tecnología (InFocus, 2023). Pero, además, el especial interés de llevar estos análisis de identificación a las obras artísticas, como es el caso de la escritura de un texto dramático, se fundamenta en una cuestión de trasfondo: ¿pueden las máquinas producir obras expresivas y llegar a emocionarnos (Çelik, 2024; Francois, 2024)? A tenor de las convencionales premisas de distinción entre el ser humano y las máquinas, esta resulta una cuestión de calado, y todo acercamiento parcial a este campo de indagación puede colaborar, ampliando un poco más el ángulo de visión global (Li, 2022). 2. Metodología Para la realización del estudio, se tomó una secuencia de un guion de largometraje realizada por un guionista, que desconocía la finalidad del texto y el objeto de investigación. Por otro lado, se instruyó a dos inteligencias artificiales, Gemini, de Google (Metz & Grant, 2023), y ChatGPT, de OpenAI, en su versión 3.5 (Kozachek, 2023), mediante la redacción de un prompt extenso idéntico para las dos IAs (Anexo 1). Este, contenía las instrucciones para que escribieran la escena dándoles unos grandes rasgos en forma de sinopsis dentro del mismo 1 . 1 Los textos de las IA fueron obtenidos el 2 / 12 / 2023 y los cuestionarios fueron rellenados por los 24 sujetos durante febrero y marzo de 2024. Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 72 Una muestra de 24 alumnos, que compone la totalidad del alumnado de 1º, 2º y 3º del Grado en Cine de la Universidad del Atlántico Medio, participó mediante un formulario anónimo en el que cada individuo debía indicar su curso y sexo, para después distinguir, en cada una de las tres opciones de una misma escena de un guion, si estaba escrita por una persona o una IA. Se entregaron una opción escrita por una persona, otra escrita por ChatGPT y la tercera por Gemini, indicándoles que cualquiera de las tres escenas que iban a leer podría estar escrita por una IA, o por un humano (Anexo 2). También se pidió a los participantes que razonaran sobre por qué han tomado cada decisión, redactando una respuesta corta para cada caso de identificación. Los resultados recabados se sometieron a un análisis cuantitativo para analizar la capacidad de los participantes para identificar la procedencia, buscando también variables relacionadas como el tipo de IA utilizada o el sexo de los participantes. Las justificaciones aportadas por los alumnos sirvieron para realizar un análisis cuantitativo en el que se dividieron las respuestas por categorías semánticamente afines en busca de patrones de reconocimiento. Esto se hizo de manera global, atendiendo a cada una de las tres procedencias y también distinguiendo entre las identificaciones correctas y las incorrectas de los participantes. 3. Análisis y resultados 3.1 Resultados cuantitativos (capacidad de identificación): Las alternativas eran A (escena escrita por Gemini), B (escena escrita por un guionista) y C (escena escrita por ChatGPT); los estudiantes tenían que marcar si cada escena estaba escrita por una IA o una persona, resultando: • A (Gemini): Correctas = 16, Incorrectas = 8 • B (Persona): Correctas = 7, Incorrectas = 17 • C (ChatGPT): Correctas = 15, Incorrectas = 9 En la Figura 1 se muestra un histograma con las proporciones de las respuestas correctas. A primera vista parece que la opción B, la escrita por un guionista, no fue identificada como tal. Con todo, para evaluar si los sujetos pudieron distinguir entre las opciones, es necesario comparar su desempeño con lo que podríamos esperar al azar. Si suponemos que las personas están adivinando por azar, entonces esperaríamos que acertaran aproximadamente 8 respuestas (ya que hay 24 personas y 3 opciones posibles). Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 79 que significa que los alumnos identificaron incorrectamente el texto escrito por una persona como si fuera escrito por una IA. Los resultados del análisis mediante matriz de confusión sugieren que los alumnos tuvieron dificultades para distinguir con precisión entre los textos escritos por IA y los escritos por personas; si bien fueron mejores para identificar textos escritos por IA, también cometieron una cantidad considerable de errores al clasificar textos escritos por personas. Todo ello es coherente con lo obtenido anteriormente mediante chi-cuadrado. 3.2 Resultados cualitativos (criterios manifestados): Aparte de la identificación entre texto con IA y puramente humano, a los participantes se les pidió una breve justificación escrita de cada elección, con la intención de buscar patrones descriptivos de los juicios al respecto. A continuación, se comentará lo que los participantes han manifestado sobre las razones para deducir la autoría, artificial o humana, de cada uno de los tres textos. • En primer lugar, sobre el primer texto realizado con inteligencia artificial (Opción A, IA Gemini), se ha encontrado que: a) De entre las respuestas correctas, se pueden identificar tres bloques de respuestas que destacan como las tres razones principales para identificar la procedencia artificial del texto. En el primer bloque, el de mayor nivel de coincidencias (dos tercios de los que acertaron), encontramos justificaciones que pueden relacionarse con una funcionalidad excesiva. En él encontramos explicaciones basadas en los términos “esquemático”, “directo”, “plano”, “metódico”, “literalidad” o expresiones como “va al grano”, “dicen exactamente lo que dice la sinopsis”, o “es como si dieran en el clavo en todos los puntos dramáticos pero sin la emoción necesaria”. El siguiente bloque de respuestas (la mitad de los que acertaron), tienen que ver con la apreciación de falta de naturalidad, este bloque agrupa respuestas en torno a términos como “artificial”, “robotizado”, “robótico”, “automático” o expresiones como “no natural”, “poco personal”, o “de diccionario”. En unos pocos casos estos motivos además se asociaban con la emoción, añadiendo expresiones como “sin la emoción necesaria”, “frío”, “desganado” o “poco expresivo”. El tercer bloque destacable (también de la mitad de los que acertaron), está compuesto con explicaciones relacionadas con la simplicidad, agrupando frases en torno a los términos “simple”, breve”, “vacío”, “pobre” o expresiones como “descripciones de los personajes son escasas” o “tiene muy pocos detalles”. b) Por otro lado, con menor muestra representativa, de entre las respuestas que no acertaron, creyendo que era humano, las justificaciones principales (la mitad de los que fallaron) se relacionan también con la naturalidad, con respuestas en torno a ideas como “bastante humano”, “bastante natural”, “creíble” o incluso, Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 80 más explícitamente: “Creo que la expresión de las oraciones y el modo de ordenar las acotaciones e intervenciones son como las que veo en mis compañeros y hago yo al escribir guiones”. En este caso, sin hacer alusión a la emoción. • En segundo lugar, sobre el segundo texto realizado con inteligencia (Opción C, IA ChatGPT), se ha encontrado que: a) De entre las respuestas correctas, se pueden identificar dos bloques de respuestas destacables, ambos con la misma cantidad de mención (poco más de la mitad de los que acertaron). Uno de estos dos bloques coincide con la categoría identificada también en el primer texto, nombrada anteriormente como falta de naturalidad. En ella se agrupan esta vez expresiones como “falta naturalidad”, “suena muy forzado”, “preguntas y respuestas muy robóticas”, “poco creíble”, “mecánico”, “diálogos no naturales”, o “expresiones rehechas y precocinadas”. En este caso, tampoco se relaciona con aspectos relacionados con la emoción. El otro bloque relevante de respuestas se centra en la identificación de errores de congruencia en el contenido, agrupando expresiones como “incongruencias”, “incoherencias”, “errores de coherencia”, “problemas de coherencia”, y varios ejemplos como “respuestas no tienen relación con lo que el otro pregunta”. b) Del otro lado, el de las justificaciones cuando son respuestas erróneas, creyendo que era texto humano, como en la IA anterior hay menor muestra representativa (poco más de la mitad de los que fallaron), e indican en primer lugar razones relacionadas con la no simplicidad, con frases en torno a “más especificado”, “mucho detalle”, “más completo” o “desarrollado”. El bloque antes identificado como naturalidad también aparece (con solo un tercio de los que fallaron), con ideas como “diálogos fluidos y naturales”, “conversación normal entre personas”, o “se muestra cómo reacciona cada persona ante alguna situación”; a esto se le podría añadir otra razón relacionada con la emoción, y otro pequeño bloque (la mitad de los que fallaron) que aduce que el formato le lleva (erróneamente) a creer que es humano: “nomenclatura mejor presentada”, “suficientes acotaciones”, “respeta al cien por cien las reglas del formato”. • En tercer lugar, en relación con el texto realizado por un guionista humano (Opción B), se puede destacar que: a) De entre las respuestas correctas, solo se puede destacar un bloque modesto de respuestas (poco más de la mitad de los que acertaron) que corresponde con cuestiones relacionadas con la mencionada naturalidad percibida, Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 81 recogiendo explicaciones basadas en expresiones como “conversación humana”, “no se ve forzado”, “fluido”, “coloquiales y naturales”. b) En lo referente a las respuestas incorrectas, creyendo que el texto no es humano, destaca de nuevo el bloque, bastante mayoritario (poco más de la mitad de los que fallaron) que podemos agrupar con las justificaciones relacionadas con la naturalidad percibida. Respuestas basadas en términos como “poco orgánicos”, “sin naturalidad”, “expresiones rebuscadas”, “diálogo robótico”, o “no son del todo convincentes” vuelven a concurrir como principales criterios de identificación. Estas respuestas sobre la naturalidad, en este caso carecen de vinculación explícita con la emoción, que aparece solo en la respuesta de otro participante aislado. No se ha encontrado ningún patrón significativo que relacione el tipo de respuestas con el curso ni con el sexo de los participantes. Con todo ello, se puede sintetizar que enquisten varios bloques de respuestas recurrentes, entre los que destaca en primer lugar el que hemos denominado “naturalidad”, siendo el más presente tanto en las respuestas correctas como en las incorrectas de la Opción B (Humana), también el más presente en las respuestas correctas de la Opción C (IA ChatGPT), y en las incorrectas de la Opción A (IA Gemini). Otro bloque de respuestas relevante resultó ser el que se relaciona con un exceso de funcionalidad, siendo el de mayor presencia en la Opción A (IA Gemini). Otros bloques de respuestas también parecen destacables, como el relacionado con la simplicidad, el mayoritario entre las respuestas incorrectas de la Opción C (IA ChatGPT), también presente entre las respuestas correctas de la Opción A (IA Gemini). 4. Discusión A pesar del limitado alcance del presente estudio, los resultados arrojados apuntan hacia la idea de que alumnos universitarios no pueden distinguir ahora mismo los textos dramáticos escritos por personas de los escritos con inteligencias artificiales generativas. El hecho de que los datos se hayan obtenido de alumnado de una Facultad de Cine, refuerza la significación de los resultados, ya que son estudiantes supuestamente interesados y familiarizados con el lenguaje cinematográfico los que han mostrado incapacidad a la hora de distinguir la procedencia humana de una secuencia de guion. Las razones de esta identificación aportadas por los participantes parecen describir componentes humanos y robóticos, que se han podido desglosar en distintas características como la excesiva funcionalidad, la falta o presencia de naturalidad, así como de simplicidad, las incoherencias o coherencias tanto de contenido como de formato y la presencia o carencia de emoción. Teniendo en cuenta la limitada muestra usada, esta discriminación ha permitido una descripción bastante detallada de los distintos criterios electivos de los sujetos. Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 82 Con el refuerzo de otras investigaciones con mayor alcance, se podrían confirmar los datos aquí expuestos sobre la incapacidad de discernir la procedencia humana de textos dramáticos, lo que podría mover a una reflexión que escapa al alcance de este trabajo. Además, este refuerzo o la ampliación del presente estudio, puede ayudar a explicar con más detalle y fiabilidad las características que se atribuyen a los creadores dramáticos humanos y a los artificiales. Las implicaciones de tales descripciones comparativas se pueden intuir trascendentes, tanto para los humanos implicados en la literatura cinematográfica, como para los desarrolladores de inteligencia artificial. En este punto, resulta pertinente matizar que el presente estudio no recoge una comparación radical entre la forma de creación humana y la que es capaz de hacer una máquina; se ha valorado la capacidad de generar texto literario, pero en base a unas directrices concretas introducidas previamente por un humano. Por tanto, más que confrontar al humano con la máquina, lo que se ha comparado es la producción humana, sin ayuda de una herramienta de redacción automatizada, con la producción con la ayuda de esta herramienta. Es esa automatización, la de la redacción literaria de una idea prefijada, a la que aquí se ha atendido, como un campo antes exclusivo de la maña humana. La autoría final del producto artístico que haya sido generado con herramientas de IA, es una cuestión de análisis ajena a las pretensiones de este trabajo. Con el acelerado desarrollo y la creciente relevancia de la inteligencia artificial hoy, es indiscutible el interés por seguir atendiendo a esta movilidad de fronteras entre las competencias de la inteligencia artificial y las humanas. Como otros han puesto de relieve, “ChatGPT es una forma de vida digital en constante evolución (…) podría desdibujar las líneas de su naturaleza de herramienta” (Luchen & Zhongwei, 2023). Por otro lado, parece coger fuerza la idea de que pruebas como la del presente trabajo o incluso el mismo test de Turing resultan claramente insuficientes para identificar texto sintético. Turing, ya en los años cincuenta, propuso una prueba en la que un interlocutor se comunicaba por escrito con un humano y con una máquina, de no distinguirse a la máquina, esta estaría pasando la prueba (French, 2000). En las investigaciones actuales, resulta interesante atender a si se investiga a la máquina o al humano, es decir, si se trata de valorar la sofisticación de la tecnología o si por el contrario se está evaluando la capacidad de discernimiento del usuario, sus capacidades y recursos para ello. Que en el presente trabajo los participantes hayan visto aspectos artificiales y “robóticos” de manera masiva en el texto humano, podría interpretarse como una desconfianza impostada por el orgullo del que no quiere ver cuestionado su criterio. Y es que, especialmente en el ámbito de la educación, existe un interés acuciante por identificar la falsificación y la intrusión asociada a estas producciones sintéticas entre el alumnado. Esto está llevando a una carrera de perspicacia y desarrollo de software, en la que el bando de la creación sintética va por delante del de la identificación humana, pero tanto en el mundo académico como en el profesional, crecen las filas de los que desertan de esta batalla, por imposible o innecesaria, para centrarse en diseñar formas en la que integrar la inteligencia artificial de manera transparente y efectiva en los procesos de educación y de creación. 5. Conclusiones Este trabajo busca evaluar la capacidad de estudiantes para distinguir entre textos escritos por personas y aquellos generados por inteligencias artificiales (IA), Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 83 específicamente Gemini de Google y ChatGPT de OpenAI, así como de hacer un análisis de las razones aducidas por los participantes a la hora de distinguir esta procedencia. Los resultados, en un análisis cuantitativo, indican que los participantes lograron distinguir entre las opciones proporcionadas por Gemini y ChatGPT, pero no lograron distinguir de manera significativa entre textos escritos por personas y aquellos generados por las IA. El análisis de los resultados a través de la prueba de chi-cuadrado mostró que las respuestas de los participantes estaban significativamente alejadas de lo que se esperaría al azar para las opciones de Gemini y ChatGPT, lo que sugiere que los participantes pudieron distinguir entre estas opciones mejor que simplemente eligiendo al azar. Además, se llevó a cabo un análisis por género para determinar si había diferencias en los aciertos entre hombres y mujeres. Los resultados indicaron que no hubo diferencias significativas entre hombres y mujeres en los aciertos para ninguna de las opciones evaluadas. En cualquier caso, el acierto o no a la hora de identificar la procedencia de los textos, puede considerarse una cuestión al margen del análisis de los criterios de identificación de los participantes. Las características atendidas y reseñadas por los participantes contienen un valor significativo propio, al describir la imagen, prejuicios y expectativas, que se tiene de esta tecnología, y su uso en textos literarios. Esta imagen subjetiva de la IA se está describiendo en otras investigaciones con otros tipos de alumnado universitario, como el de Informática (Singh et al., 2023) o el de Ciencias (Yilmaz et al., 2023), como en el profesorado (Iqbal et al., 2022) con impresiones más genéricas sobre el uso de esta tecnología, entre las que destaca el escepticismo sobre el impacto en el aprendizaje (Lozano et al., 2021), especialmente en lo referente al pensamiento crítico (González, 2023), y en las que se manifiesta una atención especial a la confianza derivada de la credibilidad percibida en estas herramientas. Un análisis cualitativo sobre las respuestas redactadas por los participantes, ha destacado distintos bloques de respuestas recurrentes, entre los que destaca en primer lugar el que se ha denominado como “naturalidad”. Este bloque, sobre el que hemos descrito diversos ejemplos en tipos de frases, se ha aislado de otros aspectos relacionados, como la simplicidad, los errores de formato o contenido o la explícita referencia a cuestiones relacionadas con la emoción. Queda por tanto en esta categoría de respuestas, las ideas más relacionadas con un modo de expresión que se ha descrito como “la escena se siente demasiado forzada, las expresiones se sienten como dibujos animados”, “respuestas y preguntas muy “robóticas”, incluso con análisis más relacionados con connotaciones psicológicas como “no veo más allá de las palabras que se utilizan. No hay transfondo”, o incluso con juicios como “este guión es pobre y desganado, frío y plano. Si fue realizado por una persona, se trataría de un niño o una niña, o al menos de un adulto sin alma y sin ganas de vivir”. Todas estas manifestaciones son acertando en identificar una IA, pero expresiones similares se encuentran cuando erran diciendo que es de IA el texto humano: “diálogos poco orgánicos”, “sin chicha y poco humano”, “expresiones a veces me parecen rebuscadas y poco naturales” o incluso “diálogo robótico” o “si lo ha hecho una persona resultaría evidente su falta de inspiración y carencias en la comprensión”. También cuando fallan identificando como humano lo que es IA se dan razones similares relacionadas con la naturalidad: “Los diálogos son creíbles, no están excesivamente adornados”, un estilo que confunde hasta hacer manifestar que “la expresión de las oraciones y el modo de ordenar las acotaciones e intervenciones son como las que veo en mis compañeros y hago yo al escribir guiones”. Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 84 Aunque la categorización de las observaciones de los participantes ha permitido visualizar distintas características y valorar su relevancia según su presencia relativa, sin duda con una muestra mayor y más diversa podrían alcanzarse características más concretas y fiables. Este estudio constituye un modesto primer paso en la comprensión de cómo las personas perciben y distinguen entre textos generados por IA y aquellos escritos por humanos, aportando para ello un modelo de investigación cualitativa y cuantitativa funcional. Sin embargo, en cuanto a los resultados de tal diseño, se reconoce que el tamaño de la muestra es pequeño, dando un error muestral mejorable. Por ello, se anima a replicar el estudio con una muestra más grande y diversa, así como utilizar una variedad más amplia de textos para la prueba, con el fin de obtener resultados más robustos y generalizables. Contribuciones de autores Conceptualización – J.L.R. y E.Q.R.. Curación de datos – J.L.R. y E.Q.R.. Análisis formal – J.L.R. y E.Q.R.. Investigación – J.L.R. y E.Q.R.. Metodología – J.L.R. y E.Q.R.. Redacción – borrador original – J.L.R. y E.Q.R.. Redacción – revisión y edición – J.L.R. y E.Q.R.. Agradecimientos Los autores quieren expresar su agradecimiento a Marta Núñez Zamorano, Directora de Secretaría Académica de la Universidad del Atlántico Medio, por su ayuda generosa en la logística de esta investigación, así como a las alumnas y alumnos de los tres primeros cursos del Grado en Cine de la Universidad, por su amable y desinteresada colaboración. También el apoyo de Ignacio Luri Rodríguez, de la DePaul University, Chicago. Aprobación por Comité Ético Este trabajo de investigación ha sido realizado con la aprobación del Comité Ético de Investigación de la Universidad del Atlántico Medio, con código N.º: CEI/03-002. Referencias Anantrasirichai, N., & Bull, D. (2021). Artificial intelligence in the creative industries: A review. Artificial Intelligence Review, 55(4), 589-656. https://doi.org/10.1007/s10462-021-10039-7 Anguiano, D., & Beckett, L. (2023, October 1). How Hollywood writers triumphed over AI – and why it matters. The Guardian. Chow, P.-S. (2020). Ghost in the (Hollywood) machine: Emergent applications of artificial intelligence in the film industry. NECSUS_European Journal of Media Studies, 9(1), 193–214. https://doi.org/10.25969/mediarep/14307 Çelik, K. AI vs. Human in Screenwriting: Is AI the Future Screenwriter?. (2024) Sakarya İletişim, 4(1), 1-22. Dayo, F., Memon, A. A., & Dharejo, N. (2023). Scriptwriting in the Age of AI: Revolutionizing Storytelling with Artificial Intelligence. Journal of Media & Communication, 4(1), 24-38. Fernández Cano, A. (2009). Crítica y alternativas a la significación estadística en el contraste de hipótesis. Ed. La Muralla. Francois, S. (2024). AI in Scriptwriting: Can a Computer Capture Human Emotion?. Claremont McKenna College. Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 85 French, R. M. (2000). The Turing Test: The first 50 years. Trends in Cognitive Sciences, 4(3):115– 122. ISSN 1364-6613, 1879-307X. https://doi.org/10.1016/S1364-6613(00)01453-4 González, M. A. M. (2023). Uso responsable de la inteligencia artificial en estudiantes universitarios: Una mirada recnoética. Revista Boletín Redipe, 12(9), 172-178. InFocus Film School. (2023, 8 agosto). Will AI replace screenwriters?: 8 reasons AI can’t write good scripts. Retrieved from https://infocusfilmschool.com/will-ai-replace-screenwriters/ Kozachek, D. (2023, June). Investigating the Perception of the Future in GPT-3,-3.5 and GPT-4. In Proceedings of the 15th Conference on Creativity and Cognition, 282-287. https://doi.org/10.1145/3591196.3596827 Kurt, D. E. (2018). Artistic creativity in artificial intelligence (Master’s thesis). Radboud University. Iqbal, N., Ahmed, H., & Azhar, K. A. (2022). Exploring teachers’ attitudes towards using chatgpt. Global Journal for Management and Administrative Sciences, 3(4), 97–111. https://doi.org/10.46568/gjmas.v3i4.163 Lancaster, H. O., & Seneta, E. (2005). Chi square distribution. Encyclopedia of biostatistics, 2. https://doi.org/10.1002/0470011815.b2a15018 Li, Y. (2022). Research on the application of artificial intelligence in the film industry. In SHS Web of Conferences (Vol. 144, p. 03002). EDP Sciences. Lozano, I. A., Molina, J. M., & Gijón, C. (2021). Perception of Artificial Intelligence in Spain. Telematics and Informatics, 63, 101672. https://doi.org/10.1016/j.tele.2021.101672 Luchen, F., & Zhongwei, L. (2023). ChatGPT begins: A reflection on the involvement of AI in the creation of film and television scripts. Frontiers in Art Research, 5(17). https://doi.org/10.25236/FAR.2023.051701 Metz, C., & Grant, N. (2023, December 8). Google Updates Bard Chatbot With'Gemini'AI as It Chases ChatGPT. International New York Time. https://www.nytimes.com/2023/12/06/technology/googleai-bard-chatbot-gemini.html Pearson, K. (1904). Mathematical contributions to the theory of evolution.—on a form of spurious correlation which may arise when indices are used in the measurement of organs. Proceedings of the royal society of london, 60(359-367), 489-498. https://api.semanticscholar.org/CorpusID:119589729 Singh, H., Tayarani-Najaran, M. H., & Yaqoob, M. (2023). Exploring computer science students’ perception of ChatGPT in higher education: A descriptive and correlation study. Education Sciences, 13(9), 924. https://doi.org/10.3390/educsci13090924 Yilmaz, H., Maxutov, S., Baitekov, A., & Balta, N. (2023). Student attitudes towards chat GPT: A technology acceptance Model survey. International Educational Review, 1(1), 57-83. https://doi.org/10.58693/ier.114 Pixel-Bit. Revista de Medios y Educación, 72, 70-86 | 2025 | https://doi.org/10.12795/pixelbit.108802 PÁGINA | 86 Anexos: https://doi.org/10.5281/zenodo.14176306