Czy humanizer AI działa? 4 rzeczy, których nie usunie

Wchodzisz na darmowy polski detektor tekstu AI, żeby sprawdzić jeden akapit swojej pracy. Na tej samej stronie, niżej, stoi zdanie „Tekst wykryty jako AI? Zamień go na ludzki” i przycisk prowadzący do humanizera na sąsiedniej domenie. W sekcji „Nasi partnerzy” detektor poleca dwa serwisy: jeden opisany jako „profesjonalne prace akademickie pisane ręcznie przez magistrów i doktorów”, drugi jako doradztwo przy pracach dyplomowych.

Ta pierwsza firma, krakowska, z NIP-em i adresem w stopce, wymienia w swoim własnym menu zarówno ten detektor, jak i ten humanizer, obok cennika pisania prac. Diagnozę, lekarstwo i usługę na wypadek, gdyby lekarstwo nie pomogło, obsługuje tu jedno zaplecze. Sprawdziłam te trzy strony sama 26 września 2026, podaję je niżej z nazwy.

Zanim więc odpowiem, czy humanizer działa, warto wiedzieć, kto to pytanie zadaje w Twoim imieniu.

Czym jest humanizer i co dokładnie robi z Twoim tekstem

Humanizer to narzędzie, które przepisuje tekst tak, żeby obniżyć wynik detektora AI. Nie poprawia pracy, tylko zmienia jej statystyczny wygląd, a robi to czterema sposobami, z których trzy szkodzą treści.

Najdokładniejszy obraz daje audyt dziewiętnastu narzędzi, w tym parafrazerów i humanizerów, przeprowadzony na zbiorze 64 391 próbek z siedmiu kolekcji esejów akademickich. Autorzy udokumentowali cztery klasy przekształceń, którymi te narzędzia operują (audyt DAMAGE 2025).

Pierwsza to wstawki bez związku z treścią, w tym zmyślone cytowania i losowe frazy. Druga to podmiana synonimów na poziomie słowa i frazy przy zachowanej budowie zdania. Trzecia to przebudowa akapitu z dodawaniem i usuwaniem całych zdań. Czwarta to zmiana rejestru słownictwa, od poziomu podstawowego do akademickiego i w drugą stronę. Narzędzia podzielono na trzy poziomy głębokości ingerencji.

Mechanizm ma wbudowaną wadę. Detektory reagują na regularność i przewidywalność tekstu, więc narzędzie musi wprowadzić nieregularność, a najtańsza nieregularność to błąd. W benchmarku jedenastu ataków na detektory jako skuteczne przetestowano między innymi usuwanie rodzajników i wstawianie literówek (RAID 2024). Tą samą logiką działa podmiana znaków wyglądających identycznie, na przykład łacińskiego „e” na cyrylickie „е”.

Czy humanizer przechodzi detektor, i którego

Wynik detektora spada, czasem drastycznie, ale zależy to od detektora, a Ty nie wiesz, którego używa Twoja uczelnia. Deklaracja „przechodzi wszystkie detektory” nie może być prawdziwa dla całej puli jednocześnie.

Punkt odniesienia daje test czternastu narzędzi do wykrywania tekstu AI, opublikowany w „International Journal for Educational Integrity”. Żadne z nich nie przekroczyło 80 procent dokładności. Na tekście surowym narzędzia trafiały w 63 do 77 procent przypadków, po redakcji wykonanej przez człowieka w 30 do 45 procent, a po parafrazie maszynowej w 15 do 31 procent (Weber-Wulff i in. 2023).

Te trzy liczby czyta się jednak inaczej, niż sugeruje reklama humanizera. Detektor, który na surowym tekście AI myli się w co trzecim przypadku, nie był groźny także przed parafrazą.

Nowszy audyt pokazuje rozrzut między konkretnymi narzędziami. Na tekstach akademickich, przy progu pięciu procent fałszywych alarmów, wykrywalność po humanizacji spadła u GPTZero z 99,73 na 60,04 procent, a u Binoculars z 94,15 na 28,23 procent. Na tym samym zbiorze detektor uczony z udziałem tekstów humanizowanych osiągnął 98,26 procent (audyt DAMAGE 2025).

Co się dzieje z tekstem	Skuteczność detekcji	Źródło pomiaru
tekst AI bez zmian	63 do 77 proc.	Weber-Wulff i in. 2023, 14 narzędzi
po redakcji przez człowieka	30 do 45 proc.	Weber-Wulff i in. 2023
po parafrazie maszynowej	15 do 31 proc.	Weber-Wulff i in. 2023
po humanizacji, detektor nieprzygotowany	spadek z 99,73 na 60,04 proc.	audyt DAMAGE 2025, GPTZero
po humanizacji, detektor uczony na takich tekstach	98,26 proc.	audyt DAMAGE 2025

Progi fałszywych alarmów i zbiory testowe różnią się między badaniami, więc liczb z różnych wierszy nie porównuje się wprost. Wszystkie pomiary na tekstach angielskich.

O tym, jak ten pomiar działa od środka, pisałam osobno przy okazji pytania, czy JSA wykrywa ChatGPT. Dla polszczyzny mamy jeden pomiar, benchmark dla siedmiu języków Europy Środkowej na 132 168 próbkach. Najlepszy dostrojony detektor osiągnął dla polskiego AUC ROC 0,977. Autorzy testowali też dwie metody obfuskacji i wynik jest rozdzielony: przy parafrazie detektory dostrojone utrzymały albo poprawiły skuteczność, a przy podmianie znaków spadek sięgał 95 procent u detektorów statystycznych (Macko i Kopal 2025).

W polskim tekście naukowym parafrazowanie nie jest więc drogą ucieczki przed detektorem tej klasy. Jedyna technika, która w tym teście zadziałała, operuje na kodowaniu pliku, a nie na języku, i wykrywa się ją zwykłym porównaniem zakresów Unicode. Cyrylickie „е” w polskim słowie nie jest wynikiem statystyki, więc nie ma tu marginesu błędu, na który można się powołać.

Zhumanizują tekst, a Państwo zobaczycie, że mimo humanizacji nadal będziecie w stanie znaleźć w nim ślady AI.

P. Siuda, Writing and Publishing Academic Articles with AI: Tools, Ethics, and Best Practices, wykład online, 2026, slajd 15.

Autor tego wykładu świadomie nie podaje słuchaczom listy humanizerów i uzasadnia to dwoma argumentami: ślady AI po humanizacji dalej widać, a tekst często staje się nieczytelny, więc i tak trzeba go poprawiać.

Cztery rzeczy, których humanizer nie usunie z Twojej pracy

Humanizer pracuje na tekście, a dowody zostawiasz w czterech innych miejscach: w samym wzorcu przeróbki, w historii pliku, w bibliografii i w obowiązku ujawnienia, którego żadne narzędzie nie zdejmie.

1. Wzorzec humanizacji, czyli nowy ślad w miejsce starego

Detektor uczony na tekstach po humanizacji rozpoznaje je z dokładnością 98,26 procent (audyt DAMAGE 2025). To znaczy, że humanizacja zostawia własną, rozpoznawalną sygnaturę. Wymieniasz jeden dowód na drugi, przy czym drugi jest młodszy i mniej zbadany, a narzędzia do jego wykrywania powstają szybciej niż uczelniane regulaminy.

2. Historia pliku, której humanizer nie dotyka

W dokumentach Worda zapisują się identyfikatory kolejnych zapisów, w strukturze XML pliku. Przetrwają kopiowanie i zapisanie dokumentu. Metoda oparta na ich analizie odróżnia pisanie etapami od wklejenia gotowego bloku i wykrywa tekst pozbawiony metadanych edycji; tekst wklejony w całości opisano w badaniu jako „devoid of rsid”, z jednolitymi znacznikami wstawienia (Spennemann, Spennemann i Singh 2024).

Możesz sparafrazować każde zdanie i podmienić wszystkie synonimy, a plik i tak pokaże, że czterdzieści tysięcy znaków pojawiło się w dokumencie jako jedna wklejka. Humanizer operuje na słowach, nie na historii zapisu.

3. Zmyślone cytowania i tekst, który jest gorszy niż przed przeróbką

W tym samym audycie zmierzono, jak często wersja po humanizacji jest lepsza od oryginału. Dla narzędzi o najlżejszej ingerencji wyszło 26 procent, dla średniej 14,67 procent, a dla najgłębszej 2,67 procent. Wniosek autorów brzmi wprost: wszystkie humanizery pogarszają jakość tekstu wyjściowego.

Liczba 2,67 znaczy, że w ponad dziewięćdziesięciu siedmiu przypadkach na sto oddajesz tekst gorszy niż ten, który wkleiłaś. Osobno dochodzą fabrykowane cytowania, które część tych narzędzi wstawia sama. Narzędzie kupione po to, żeby ukryć użycie AI, dokłada Ci do pracy fałszywy aparat źródłowy, a to naruszenie łatwiejsze do wykazania niż jakiekolwiek inne, bo sprowadza się do sprawdzenia, czy dana publikacja istnieje.

4. Obowiązek ujawnienia, który zostaje po Twojej stronie

Wytyczne organizacji zajmujących się uczciwością akademicką wymagają ujawnienia użycia narzędzi AI i przypisują autorowi pełną odpowiedzialność za treść, także za części wytworzone przez narzędzie (COPE 2024). Rekomendacje europejskie dopuszczają bez ujawniania wyłącznie narzędzia wpływające na formę, takie jak korektory pisowni i słowniki synonimów (Foltynek i in. 2023).

Humanizer nie należy do tej kategorii, bo dodaje zdania, usuwa zdania i wstawia cytowania. Narzędzie, którego cała funkcja polega na uniemożliwieniu rozpoznania użycia AI, trudno pogodzić z obowiązkiem ujawnienia tego użycia.

Kto sprzedaje humanizery i dlaczego akurat Tobie

Detektor i humanizer często stoją obok siebie, w jednym zapleczu. Ten układ zarabia dwa razy na tym samym niepokoju: raz, gdy postawi diagnozę, i drugi raz, gdy zaproponuje jej usunięcie.

Polską wersję tego układu sprawdziłam sama 26 września 2026. Serwis detektorai.com udostępnia darmowy detektor tekstu AI, przedstawia się jako „najbardziej zaawansowany i niezawodny detektor AI na polskim rynku” i deklaruje 99,2 procent skuteczności wykrywania. Na stronie stoi zdanie „Tekst wykryty jako AI? Zamień go na ludzki” z przyciskiem do humanizera ainaludzki.pl, a link do tej domeny powtarza się na niej cztery razy. Humanizer odsyła z powrotem do detektora. Oba podają ten sam numer wersji systemu, V240226, i żaden nie ma w stopce nazwy firmy ani danych rejestrowych.

Wspólne zaplecze widać dopiero u trzeciego uczestnika. Firma PiszemyPrace.pl, z danymi w stopce (NIP 6332105962, REGON 242704239, Kraków), sprzedaje pisanie prac dyplomowych i w swoim własnym menu w stopce wymienia trzy narzędzia: „Zmień tekst AI na ludzki” prowadzące do ainaludzki.pl, „Detektor AI online” prowadzące do detektorai.com i „Antyplagiat on-line” prowadzące do bezplagiatu.com. Ten sam detektor poleca z kolei PiszemyPrace.pl w swojej sekcji partnerów. Kółko się zamyka.

Nazwa właściciela nie stoi wprost na żadnym z dwóch narzędzi, więc nie twierdzę, że to jedna kasa. Twierdzę to, co widać w dokumentach: wzajemne linki, identyczny numer wersji systemu i firma pisząca prace, która podaje oba narzędzia jako swoje pozycje w menu.

Ta sama mechanika została udokumentowana dziennikarsko w skali międzynarodowej. Agencja AFP przetestowała w marcu 2026 trzy narzędzia na tekstach pewnie ludzkich w czterech językach, w tym na węgierskiej klasyce literackiej z 1916 roku. Wszystkie zawyżyły wynik „AI”, a potem zaproponowały płatną humanizację. Jedno z nich oznaczyło autentyczny dokument jako zawierający 88 procent treści AI i sprzedało jego przeróbkę za mniej niż dziesięć dolarów. Debora Weber-Wulff, badaczka uczciwości akademickiej i współautorka testu czternastu detektorów, nazwała te narzędzia w depeszy oszustwami służącymi sprzedaży narzędzia do humanizacji.

Twierdzenia o skuteczności detektorów bywają też przedmiotem postępowań. Amerykańska Federalna Komisja Handlu zawarła w 2025 roku ugodę z firmą Workado, która reklamowała swój detektor jako skuteczny w 98 procentach; według ustaleń komisji realna skuteczność na treściach ogólnych wynosiła 53 procent, bo model dostrojono wyłącznie do tekstów akademickich (FTC, sprawa 2323092).

Zestaw tych trzech rzeczy daje prosty wniosek dla Ciebie. Liczba, która Cię przestraszyła, pochodzi od podmiotu, który zarabia na Twoim strachu, i nie jest audytowana przez nikogo.

Co widzi JSA i co mówią polskie przepisy

Jednolity System Antyplagiatowy oznacza podejrzane fragmenty, a nie wystawia procentu AI, i sam OPI pisze, że nie dokonuje wiążących ustaleń. Ustawa nie zna słowa „sztuczna inteligencja”, więc odpowiedzialność biegnie przez samodzielność pracy i przez regulaminy Twojej uczelni.

Analiza użycia sztucznej inteligencji w Jednolitym Systemie Antyplagiatowym jest sekcją raportu widoczną tylko dla promotora i włącza się ją osobnym polem przy zakładaniu badania. Dokumentacja opisuje działanie modułu przez regularność tekstu: „Pojęcie regularności przybliżamy w oparciu o miarę Perplexity i model językowy, po który sięgamy”, a podejrzane fragmenty zostają oznaczone w tekście (Centrum Pomocy JSA, dostęp 26.09.2026). Żadnego procentu AI w tej dokumentacji nie ma.

Najważniejsze zdanie stoi tam, gdzie mało kto zagląda.

Stworzenie narzędzia, które by wskazywało czy autor tekstu korzystał lub nie ze sztucznej inteligencji, jest aktualnie praktycznie niemożliwe.

Centrum Pomocy JSA, Ośrodek Przetwarzania Informacji PIB, sekcja „Analiza użycia SI”, dostęp 26.09.2026.

Ten sam ośrodek dodaje, że system nie dokonuje wiążących ustaleń dotyczących wykroczeń, a w komunikacie z lutego 2024 roku Małgorzata Wartacz z OPI mówi, że JSA „określa wyłącznie prawdopodobieństwo” i że „zawsze ostateczna decyzja należy do promotora”. Twoim problemem nie jest więc algorytm, a rozmowa z człowiekiem, który ten raport czyta.

Przepisy, które realnie mają tu zastosowanie

W ustawie Prawo o szkolnictwie wyższym i nauce nie ma przepisu o humanizerach ani o sztucznej inteligencji. Zastosowanie mają cztery inne.

Art. 76 ust. 2 wymaga, żeby praca dyplomowa była samodzielnym opracowaniem zagadnienia. Art. 307 ust. 1 przewiduje, że student podlega odpowiedzialności dyscyplinarnej za naruszenie przepisów obowiązujących w uczelni oraz za czyn uchybiający godności studenta, a art. 308 podaje kary: upomnienie, naganę, naganę z ostrzeżeniem, zawieszenie w określonych prawach studenta do roku i wydalenie z uczelni. Art. 77 ust. 5 pozwala rektorowi stwierdzić nieważność dyplomu w razie, jak to nazywa ustawa, „przypisania sobie autorstwa istotnego fragmentu lub innych elementów cudzego utworu”. Rektor może też wszcząć postępowanie wyjaśniające na podstawie art. 312 ust. 3.

Praktyka wygląda jednak inaczej niż lista kar. Zarządzenia uczelni o użyciu AI, wydawane od 2025 roku, zwykle nie tworzą osobnej procedury i odsyłają do przepisów dyscyplinarnych oraz do oceny prowadzącego. Realnym punktem rozstrzygającym jest podpis promotora pod pracą, bo od niego zależy dopuszczenie do obrony. Najczęstszym skutkiem podejrzenia nie jest więc kara, a opóźniona obrona.

Warto też znać drugą stronę. W kwietniu 2025 roku Wojewódzki Sąd Administracyjny w Łodzi uchylił decyzję rektora unieważniającą dyplom licencjata, między innymi dlatego, że organ nie wyjaśnił rozbieżności między wynikiem systemu antyplagiatowego, mówiącym o 32 procentach, i opinią biegłej, mówiącą o niemal 70 procentach. W uzasadnieniu sąd stwierdził, że „naśladowanie cudzego stylu nie jest zabronione i nie stanowi plagiatu”, oraz że „cały dorobek intelektualny ludzkości powstaje przecież w wyniku przetwarzania dorobku innych osób (poprzedników)” (wyrok WSA w Łodzi, sygn. III SA/Łd 682/24, za relacją prawo.pl z 20.06.2025).

Pomiar, który się nie zgadza, bywa więc do podważenia. Wklejka bez historii edycji i bibliografia z nieistniejącymi pozycjami nie bywają. Ten drugi przypadek rozbieram osobno, razem z procedurą na sytuację, w której zmyślona pozycja siedzi już w oddanym rozdziale: dlaczego ChatGPT zmyśla źródła.

Co zrobić zamiast humanizera

Zamiast obniżać wynik detektora, zabierz mu materiał: własne notatki, własne przykłady i redakcję, która zachowuje Twój styl. Bierzesz wtedy na siebie trzy godziny pracy zamiast ryzyka, którego nie umiesz oszacować.

Rzecz pierwsza dotyczy tego, co wklejasz do modelu. Prośba „popraw mi to” ma trzy skutki uboczne: tekst przestaje brzmieć jak Ty, model czasem zmienia znaczenie, a efekt bywa łatwo rozpoznawalny. Bezpieczniejszy jest rozbudowany prompt, który każe zachować Twój styl i pokazać zmiany obok oryginału, żebyś sama decydowała, co przyjąć (Siuda 2026, slajd 43). Na webinarze o AI w warsztacie badacza jedna z uczestniczek opisała, jak to wygląda od środka: musi wiedzieć, „który moment kompletnie nie jest mną, to nie jest mój sposób pisania, mówienia, to nie jest moja dynamika, to nie jest mój sposób wnioskowania”, bo inaczej na końcu siada i robi pracę jeszcze raz (Adamczyk 2026, slajd 29). Najprostszy test to przeczytać poprawiony fragment na głos. Jeśli potykasz się o zdanie, którego sama byś tak nie powiedziała, przepisz je po swojemu.

Rzecz druga dotyczy kolejności. Najpierw powstaje Twój akapit, choćby koślawy, potem redakcja. Odwrotna kolejność, czyli generowanie i przerabianie, jest tą, po której zostaje wklejka w historii pliku.

Rzecz trzecia dotyczy jawności. Jeśli Twoja uczelnia ma zarządzenie o AI, zwykle zawiera ono oświadczenie o zakresie użycia. Wypełnione uczciwie zamyka temat, bo przenosi rozmowę z „czy korzystałaś” na „jak korzystałaś”, a na to drugie pytanie umiesz odpowiedzieć.

FAQ: najczęstsze pytania o humanizery tekstu AI

Czy humanizer AI działa?

Wynik detektora obniża, ale wybiórczo i za cenę jakości tekstu. Po humanizacji wykrywalność u jednego z popularnych detektorów spadła z 99,73 na 60,04 procent, a detektor uczony na tekstach humanizowanych rozpoznał je w 98,26 procent przypadków (audyt DAMAGE 2025). Równolegle jakość tekstu spada: przy najgłębszej ingerencji wersja po przeróbce była lepsza od oryginału w 2,67 procent przypadków.

Czy JSA wykryje tekst po humanizerze?

Nie ma badania, które przepuszczałoby polski tekst naukowy przez komercyjny humanizer i mierzyło wynik w JSA, więc odpowiedzi opartej na danych nie ma. Wiadomo tylko, że moduł analizy SI w JSA oznacza fragmenty o niskiej wartości Perplexity i że OPI sam pisze o praktycznej niemożliwości takiego wykrywania. W benchmarku dla polszczyzny parafraza nie obniżyła skuteczności detektorów dostrojonych (Macko i Kopal 2025).

Czy używanie humanizera jest karalne?

W ustawie Prawo o szkolnictwie wyższym i nauce nie ma przepisu o humanizerach ani o AI. Zastosowanie mają art. 76 ust. 2 o samodzielności pracy, art. 307 ust. 1 o odpowiedzialności dyscyplinarnej z katalogiem kar w art. 308 oraz art. 77 ust. 5 o nieważności dyplomu. Wiele uczelni ma ponadto własne zarządzenia o użyciu AI, które odsyłają do tych samych przepisów.

Czy detektory AI są w ogóle wiarygodne?

W teście czternastu narzędzi żadne nie przekroczyło 80 procent dokładności, a na tekście surowym trafiały w 63 do 77 procent przypadków (Weber-Wulff i in. 2023). Fałszywe alarmy dotykają zwłaszcza osób piszących w drugim języku: wzbogacenie języka w tych samych esejach obniżyło odsetek fałszywych alarmów z 61,22 do 11,77 procent (Liang i in. 2023). Więcej o tym w tekście o tym, czy detektor AI się myli.

Dlaczego darmowy detektor pokazał mi wysoki wynik AI?

Powodów są dwa i oba warto rozważyć. Detektory z zasady mylą się w obie strony, zwłaszcza na tekście pisanym prosto. Osobno istnieje udokumentowany interes: agencja AFP wykazała w marcu 2026, że trzy narzędzia zawyżały wynik na tekstach pewnie ludzkich, a potem proponowały płatną humanizację.

Co zrobić, jeśli promotor podejrzewa użycie AI?

Przygotuj się na rozmowę o treści, nie o wyniku. Pokaż notatki, wcześniejsze wersje pliku i umiej opowiedzieć swój rozdział bez patrzenia w tekst. Raport z JSA nie jest wiążącym ustaleniem, a ostateczna decyzja należy do promotora, więc rozstrzyga to, czy rozumiesz, co napisałaś.

Czy zamiana synonimów ręcznie to to samo co humanizer?

Z punktu widzenia mechaniki tak, bo to ta sama operacja wykonana wolniej. Podmiana słów bez zrozumienia treści nazywa się w literaturze o uczciwości akademickiej patchwritingiem i nie czyni tekstu Twoim. Jeśli natomiast przepisujesz fragment ze zrozumieniem, z własnych notatek i z przypisem do źródła, to jest normalna praca naukowa.

Jeśli masz dziś zrobić jedną rzecz po przeczytaniu tego tekstu, otwórz swój najbardziej niepokojący rozdział i sprawdź, czy potrafisz opowiedzieć go z pamięci. Odpowiedź na to pytanie mówi Ci więcej niż każdy wynik procentowy, który kupisz albo zobaczysz za darmo.

Źródła wykorzystane w tym wpisie

• Adamczyk H., AI w warsztacie badacza i dydaktyka. Inspiracje, dobre praktyki i zagrożenia, wystąpienie, 22 maja 2026, slajd 29.
• Centrum Pomocy JSA, Analiza użycia SI, Ośrodek Przetwarzania Informacji PIB, jsa-cp.opi.org.pl, dostęp 26.09.2026.
• Chojcan W., Działaj SERIO z ChatGPT na Twoich studiach. Jak używać ChatGPT bezpiecznie na studiach, webinar, 2025, część 10.
• COPE, Authorship and AI tools, Committee on Publication Ethics, wersja 1 z 20.08.2024, publicationethics.org, dostęp 26.09.2026.
• DAMAGE: Detecting Adversarially Modified AI Generated Text, arXiv:2501.03437, styczeń 2025 (audyt 19 narzędzi, 64 391 próbek, teksty angielskie).
• Depesza Agence France-Presse o narzędziach do wykrywania i humanizacji tekstu AI, 30 i 31.03.2026, z wypowiedzią D. Weber-Wulff.
• detektorai.com, ainaludzki.pl i piszemyprace.pl, treść stron w dniu 26.09.2026 (dane rejestrowe PiszemyPrace.pl ze stopki serwisu).
• Federalna Komisja Handlu (FTC), sprawa przeciwko Workado LLC, nr 2323092, ugoda z 28.04.2025, decyzja ostateczna z 28.08.2025, ftc.gov, dostęp 26.09.2026.
• Foltynek T., Bjelobaba S., Glendinning I. i in., ENAI Recommendations on the ethical use of Artificial Intelligence in Education, „International Journal for Educational Integrity” 19:12, 2023, DOI 10.1007/s40979-023-00133-4.
• Liang W. i in., GPT detectors are biased against non-native English writers, „Patterns” 4(7), 2023, arXiv:2304.02819.
• Macko D., Kopal J., CEAID: Benchmark of Multilingual Machine-Generated Text Detection Methods for Central European Languages, arXiv:2509.26051, wrzesień 2025, Kempelen Institute of Intelligent Technologies.
• Ośrodek Przetwarzania Informacji PIB, komunikat JSA: promotor sprawdzi, czy student korzystał z technologii ChatGPT, 15.02.2024, opi.org.pl, dostęp 26.09.2026.
• RAID: A Shared Benchmark for Robust Evaluation of Machine-Generated Text Detectors, arXiv:2405.07940, maj 2024.
• Siuda P., Writing and Publishing Academic Articles with AI: Tools, Ethics, and Best Practices, wykład online, 2026, slajdy 15 i 43.
• Spennemann D.H.R., Spennemann R.J., Singh C.L., Examining and detecting academic misconduct in written documents using revision save identifier numbers in MS Word as exemplified by multiple scenarios, „Forensic Science International: Digital Investigation” vol. 51, 2024, DOI 10.1016/j.fsidi.2024.301821.
• Ustawa z dnia 20 lipca 2018 r. Prawo o szkolnictwie wyższym i nauce (Dz.U. 2018 poz. 1668 z późn. zm.), art. 76 ust. 2, art. 77 ust. 5, art. 307 ust. 1, art. 308, art. 312 ust. 3, isap.sejm.gov.pl, dostęp 26.09.2026.
• Weber-Wulff D. i in., Testing of detection tools for AI-generated text, „International Journal for Educational Integrity” 19(1), art. 26, 2023, DOI 10.1007/s40979-023-00146-z.
• Wyrok Wojewódzkiego Sądu Administracyjnego w Łodzi z 23.04.2025, sygn. III SA/Łd 682/24, za relacją: M. Sondej, prawo.pl, 20.06.2025 (sygnatura i treść rozstrzygnięcia potwierdzone w bazie INFORLEX, dostęp 30.09.2026; prawomocność niepotwierdzona, Centralna Baza Orzeczeń Sądów Administracyjnych nie odpowiadała).