Dos voces, frente a frente
IDEA CENTRAL:
Juntar las dos notas anteriores: medir la voz promedio y la propia con la misma regla y mirar dónde se separan. Los estudios que ya lo hicieron coinciden en algo: los LLM no escriben peor, escriben más parejo. Más sustantivos y nominalizaciones, un registro más uniforme y menos variación de un texto a otro. Y cuando las personas escriben con ayuda de un LLM, sus textos se parecen más entre sí.
Hipótesis de la nota: la diferencia entre mi voz y la del modelo no está en una frase suelta, sino en la varianza.
PREGUNTAS:
- 1.¿Qué comparo?Los mismos indicadores de las notas 01 y 02 sobre tres corpus: mis textos, textos de un LLM con el mismo encargo, y mis textos editados con un LLM.
- 2.¿Cómo lo mido?Rasgos gramaticales y retóricos, diversidad léxica, distancia Delta entre corpus y, sobre todo, la dispersión dentro de cada corpus.
- 3.¿Qué cuenta como resultado?Que mis textos se agrupen lejos del LLM y que esa distancia se achique cuando edito con él. Si no se achica, la homogeneización no me aplica. Si no hay distancia desde el inicio, el titular tiene una respuesta incómoda.
FUENTES:
- 01Reinhart et al. (2025)— Do LLMs write like humans? Variation in grammatical and rhetorical styles ↗La comparación más fina hasta ahora: rasgos gramaticales, humano contra varios modelos.
- 02Herbold et al. (2023)— A large-scale comparison of human-written versus ChatGPT-generated essays ↗Ensayos humanos y de ChatGPT evaluados por profesores y por métricas lingüísticas.
- 03Muñoz-Ortiz et al. (2024)— Contrasting Linguistic Patterns in Human and LLM-Generated News Text ↗Noticias: vocabulario, sintaxis y sesgos, lado a lado.
- 04Padmakumar y He (2024)— Does Writing with Language Models Reduce Content Diversity? ↗Experimento: escribir con un LLM vuelve más parecidos los textos de distintas personas.
- 05Doshi y Hauser (2024)— Generative AI enhances individual creativity but reduces the collective diversity of novel content ↗Cada cuento mejora, el conjunto se homogeniza.
- 06Burrows (2002)— ‘Delta’ (nota 02) ↗La regla para medir distancia entre corpus.
- 07Hans et al. (2024)— Binoculars (nota 01) ↗La regla para medir cuánto se parece un texto a la voz promedio.