A medida que la NLP generativa puede producir contenido casi indistinguible de la escritura humana, se está volviendo difícil identificar contribuciones de investigación genuinas en la escritura académica y las publicaciones científicas. Además, la información en el texto generado por máquinas puede ser factualmente incorrecta o incluso completamente fabricada. En este trabajo, introducimos un nuevo conjunto de datos de referencia que contiene artículos científicos escritos por humanos y generados por máquinas de SCIgen, GPT-2, GPT-3, ChatGPT y Galactica, así como artículos co-creados por humanos y ChatGPT. También experimentamos con varios tipos de clasificadores, basados en lingüística y en transformadores, para detectar la autoría del texto científico. Se pone un fuerte énfasis en las capacidades de generalización y la explicabilidad para resaltar las fortalezas y debilidades de estos detectores. Nuestro trabajo representa un paso importante hacia la creación de métodos más robustos para distinguir entre artículos científicos escritos por humanos y generados por máquinas, asegurando en última instancia la integridad de la literatura científica.