Jak sprawdzić tekst z PDF i DOCX pod kątem AI
Pliki PDF i DOCX, skany OCR i limity — kiedy wysłać dokument, a kiedy wkleić sam tekst.
Nauczyciel dostaje pracę w Wordzie, student wysyła zeskanowany PDF, a redaktor eksportuje artykuł z Google Docs. Można przesłać dokument albo wkleić jego treść. W przypadku PDF-u decyduje to, czy zawiera czytelną warstwę tekstową, czy jedynie obraz strony. W obu wariantach wynik detektora pozostaje wskazówką, a nie dowodem autorstwa.
Co się dzieje, gdy wgrywasz plik
Narzędzie musi wyciągnąć znakowy tekst z kontenera (PDF, DOCX, czasem ODT). Dla DOCX proces jest zwykle prosty: dokument to zip z XML-em — akapity, nagłówki, listy trafiają do analizy w kolejności logicznej.
PDF bywa trudniejszy:
- PDF tekstowy — wygenerowany z Worda, LaTeX-a, drukarki „Zapisz jako PDF”; tekst jest w warstwie znakowej.
- PDF-skany — każda strona to bitmapa; bez OCR nie ma słów, tylko piksele.
- Mieszane — skan z nałożonym OCR; jakość rozpoznania decyduje o jakości detekcji.
Mechanizm scoringu opisujemy ogólnie w Jak to działa: detektor patrzy na wzorce języka w ciągu słów, nie na format pliku. Jeśli OCR wstawi „łąka” zamiast „ląka” albo połączy wyrazy, sygnał może być zafałszowany — podobnie jak przy fałszywych alarmach.
Krok 1: Sprawdź, czy PDF zawiera tekst
Otwórz plik i spróbuj zaznaczyć słowo myszką.
- Możesz zaznaczyć tekst → dokument ma warstwę tekstową i nadaje się do przesłania.
- Zaznacza się tylko cała strona albo nic → to skan; potrzebujesz OCR albo ręcznej wklejki po przepuszczeniu przez narzędzie OCR.
W Wordzie (.docx) zazwyczaj od razu masz tekst — ale uważaj na komentarze, stopki i metadane: niektóre systemy je pomijają (dobrze), inne mogą wciągnąć śmieci z szablonu uczelni.
Krok 2: Przygotuj dokument pod analizę
Usuń to, co nie jest treścią pracy
Spisy treści generowane automatycznie, strony tytułowe z długimi szablonami i bibliografie czasem dominują objętością, a nie esejem ucznia. Jeśli narzędzie pozwala wybrać zakres, analizuj właściwą część merytoryczną.
Jedna wersja językowa
Nie mieszaj polskiego body z angielskim abstractem w jednym przebiegu, jeśli możesz tego uniknąć. Detektory językowe są kalibrowane pod jeden język naraz; detektor AI po polsku zakłada polski tekst ciągły.
Limity rozmiaru i liczby słów
Darmowe plany często mają limit znaków na analizę. Długa praca magisterska może wymagać podziału na rozdziały — pamiętaj, że krótkie fragmenty dają słabszy sygnał; lepiej analizować pełne rozdziały niż pojedyncze akapity. proces „całość vs fragment” omawiamy w Jak sprawdzić, czy tekst napisało AI.
Krok 3: Przesłać plik czy wkleić tekst?
| Sytuacja | Co robić |
|---|---|
| DOCX z uczelni, czysty tekst | Plik lub wklejka — wybierz wygodniejszą opcję |
| PDF tekstowy z Worda | Możesz przesłać plik |
| Skan w PDF | OCR, potem wklejka poprawionego tekstu |
| Plik z hasłem / DRM | Eksportuj do czystego DOCX lub skopiuj treść |
| Tabele, wykresy, mało tekstu | Analizuj osobno sekcję narracyjną |
Czasem wklejenie tekstu z Worda daje lepszy wynik niż PDF, bo unikasz dziwnych łamań linii i numeracji stron w środku akapitu.
Krok 4: Uruchom analizę i czytaj wynik jak wskazówkę
Po przetworzeniu pliku na detektorai.pl zobaczysz etykietę podobną jak przy wklejce: prawdopodobnie człowiek / mieszany / prawdopodobnie AI / niejednoznaczny. To nie certyfikat „PDF jest sztuczny” — to ocena wyciągniętego tekstu w danym momencie.
Zwróć uwagę na:
- Długość — jeśli system ostrzega, że materiału jest mało, wynik może być uncertain.
- Podświetlone zdania — przeczytaj je w kontekście; sztywny styl ≠ automatycznie ChatGPT.
- Historia pracy — wcześniejsze wersje dokumentu często mówią więcej niż pojedynczy wynik detektora.
Problemy techniczne i jak je obejść
„Plik nieobsługiwany” — zapisz ponownie jako DOCX z Office / LibreOffice albo wyeksportuj PDF „dla czytelności tekstu”, nie jako obraz.
Dziwne znaki po wysłaniu pliku — polskie cudzysłowy, myślniki i spacje niełamliwe bywają znormalizowane; to zwykle OK. Jeśli widzisz krzaczki — wróć do OCR lub ręcznej korekty.
Wiele autorów w jednym pliku — Google Docs z komentarzami współautorów to inna historia niż jeden esej; analizuj tylko tekst przypisany uczniowi.
Cytaty i bibliografia — długie bloki cudzej prozy mogą obniżyć lub podnieść „dziwność” statystyczną; pedagogicznie analizuj głównie część autorską.
DOCX z track changes
Jeśli w Wordzie widać śledzone zmiany, upewnij się, że detektor analizuje wersję „ostateczną”, a nie wklejony diff z kolorami. Czasem najprościej zaakceptować poprawki, zapisać kopię i dopiero wtedy wysłać plik — inaczej w środku akapitu lądują znaczniki edycji, które psują statystykę języka.
AI w pracy domowej a format pliku
Uczeń wysyła PDF, bo „tak wyszło z Canvy” albo bo skanuje pismo odręczne z dopiskiem drukowanym. Nauczyciel nie musi odrzucać formatu — musi zrozumieć, co trafiło do modelu. Wątpliwości rozwiązuje rozmowa i ewentualnie prośba o plik źródłowy .docx; ramy dla szkoły: AI w pracach domowych.
Bezpieczeństwo pliku — co warto wiedzieć
Przed wysłaniem pliku usuń z dokumentu dane wrażliwe, które nie są potrzebne do oceny stylu: PESEL w stopce, prywatne maile, numery telefonów w metadanych. PDF-y z formularzami urzędowymi czasem zawierają ukryte pola — jeśli detektor służy tylko do eseju, wyeksportuj sam tekst merytoryczny. To dobra praktyka niezależnie od narzędzia: analizujesz fragment edukacyjny, nie cały cyfrowy worek życia ucznia.
Zanim prześlesz dokument, sprawdź, czy tekst da się poprawnie odczytać. Wysłanie pliku oszczędza czas, gdy zawiera on kompletny tekst. Przy skanie upewnij się, że OCR nie zmienił liter ani interpunkcji. Więcej o interpretacji wyniku przeczytasz w Jak to działa.
Masz gotowy plik? Prześlij go lub wklej treść w analizatorze — i po wyniku sięgnij po rozmowę z autorem, nie po samym procencie.