La inteligencia artificial generativa se ha convertido en una de las tecnologías de más rápida adopción en la historia humana. Me sigue sorprendiendo la velocidad con la que avanzan sus capacidades. Puedo pedirle a la IA que me arme una receta para la cena con los ingredientes aleatorios de mi refrigerador o que me ayude a escribir un haiku para celebrar el cumpleaños de mi abuela. Pero cuando se trata de aprendizaje, las posibilidades son aún más emocionantes.
La IA puede proporcionar retroalimentación sobre cómo hacer mi escritura más persuasiva o generar diez (o incluso cincuenta) posibles soluciones a un problema que estoy explorando. Con unos pocos clics, puede resumir las investigaciones más importantes sobre un tema y presentármelas en forma de entrevista de pódcast para escuchar camino al gimnasio.
Sin embargo, como herramienta de aprendizaje, la IA también trae consigo desafíos, especialmente en la evaluación del rendimiento estudiantil.
El problema real del fraude académico
Una de las preguntas más comunes que me hacen los educadores es: “¿Cómo evitamos que los estudiantes usen IA para hacer trampa?” Me resulta fascinante que, de repente, estemos tan preocupados por abordar el fraude académico.
Investigaciones de la Facultad de Educación de la Universidad de Stanford han demostrado que la prevalencia del fraude académico entre estudiantes de secundaria y universitarios en EE. UU. no es un fenómeno nuevo. Según el estudio, casi el 70% de estos estudiantes recurría regularmente a trampas mucho antes de la aparición de la IA generativa. Otras investigaciones han arrojado resultados similares.
Lo más interesante es que los investigadores de Stanford encontraron que la tasa de fraude académico no cambió tras la aparición de ChatGPT y otras herramientas de IA generativa.
La repentina urgencia de hacer algo al respecto, después de décadas de complacencia ante este problema, revela conceptos erróneos sobre por qué ocurre el fraude y el papel que juega (o no juega) la tecnología en facilitarlo.
Los detectores de IA no son la solución
En los primeros días de la IA generativa, muchas escuelas recurrieron a detectores de IA, con la esperanza de que la tecnología ofreciera una solución rápida. Pero la mayoría de los textos generados por IA no son detectables porque no contienen marcas de agua ni códigos incrustados. En pocas palabras, no hay nada que “detectar”.
La autora de Forbes, Debbie Mason, ilustró esto brillantemente al pasar la Declaración de Independencia por un detector de IA, que concluyó que el 98% del texto había sido escrito por ChatGPT.
No es de extrañar que la dependencia de estos detectores haya llevado a momentos embarazosos para los profesores, como el caso del docente de la Universidad Texas A&M que erróneamente reprobó a todos sus estudiantes por plagio. Al final, uno de los estudiantes pasó la propia tesis del profesor por el detector de IA y el sistema afirmó que también había sido generada por IA.
Peor aún, los detectores de IA han demostrado perpetuar sesgos. Los adolescentes afrodescendientes tienen el doble de probabilidades de ser acusados de hacer trampa por estas herramientas en comparación con sus compañeros blancos.
La conclusión es clara: la IA no puede detectar IA.
Entonces, ¿qué hacemos?
Primero, debemos entender que el fraude académico no es causado por la tecnología, sino por la cultura. Si realmente queremos abordar este problema, no necesitamos comprar software costoso ni imponer políticas punitivas. Tampoco necesitamos prohibir la IA generativa.
En su lugar, debemos comprender las causas subyacentes del fraude académico y aplicar estrategias para fomentar una cultura de integridad académica. A continuación, presento una tabla con las causas más comunes del fraude y sus soluciones (inspirada en el trabajo de la investigadora Torrey Trust de la Universidad de Massachusetts Amherst).
Causas comunes del engaño y sus antídotos
Tabla inspirada en el trabajo de la Dra. Torrey Trust, investigadora en educación de la Universidad de Massachusetts Amherst.
1. Diseñar evaluaciones relevantes para la vida de los estudiantes
La primera estrategia clave para reducir el fraude académico es asegurarse de que tanto el aprendizaje como su evaluación sean relevantes para los estudiantes.
Cuando fui profesor en la Universidad Brigham Young, noté que los nuevos docentes a menudo enfrentaban problemas de disciplina en el aula. Buscaban estrategias para corregir los comportamientos disruptivos, pero en la mayoría de los casos, la solución más efectiva era hacer que las actividades de aprendizaje fueran más significativas para los estudiantes.
Si los estudiantes hacen trampa, es probable que no vean valor en lo que están aprendiendo o en cómo están siendo evaluados. Si un estudiante no percibe la utilidad de un concepto en su vida, buscará la forma más rápida y eficiente de aprobar.
Los estudiantes están dispuestos a esforzarse cuando sienten que habrá un retorno positivo en su inversión de tiempo y energía. Esto requiere que los educadores comprendan sus intereses y necesidades para alinear el aprendizaje con lo que les importa.
El modelo ISTE+ASCD Transformational Learning Principles ofrece una guía para hacer que la educación y la evaluación sean más significativas. Un principio clave es diseñar evaluaciones auténticas, donde los estudiantes apliquen lo aprendido en contextos del mundo real. Esto puede incluir explicar un concepto a un compañero o usar una nueva habilidad para resolver un problema laboral futuro. Existen muchos consejos útiles para crear evaluaciones auténticas (incluyendo esta guía de la Universidad de Bath). Cuanto más relevante se perciba el aprendizaje, menor será el interés del estudiante en hacer trampa, ya que reconocerá el valor de lo que está aprendiendo.
2. Establecer normas de integridad académica con los estudiantes
El segundo paso es trabajar con los estudiantes para definir qué es y qué no es fraude académico.
Las definiciones tradicionales de fraude no siempre son lógicas. Una estudiante me contó que su profesor consideraba trampa usar ChatGPT para recibir sugerencias sobre cómo mejorar su ensayo, pero sí permitía ir al centro de escritura de la universidad para recibir consejos de otro estudiante.
En un taller para docentes, un profesor insistía en que copiar y pegar una respuesta de Wikipedia o de una herramienta de IA era hacer trampa. Pero cuando le pregunté cómo evaluaba el trabajo de sus alumnos, me respondió: “Es sencillo, yo escribo la respuesta correcta en el pizarrón. Ellos deben copiarla y luego repetirla en el examen”. No notaba la ironía de su enfoque: ¿en qué se diferencia copiar del pizarrón de copiar de Wikipedia?
La mejor forma de abordar este tema es tener conversaciones abiertas con los estudiantes sobre las normas de integridad académica. En lugar de preguntar “¿Cómo evitamos las trampas?”, es más útil plantear “¿Qué significa la integridad académica?”.
También es clave debatir el uso de la IA de manera transparente:
- ¿En qué circunstancias es aceptable el uso de IA en los trabajos académicos?
- Si un estudiante usa IA para recibir retroalimentación, pero no para generar texto, ¿debe citarla?
- ¿Cómo pueden los estudiantes documentar su uso de IA de manera ética?
Cuando los estudiantes participan en la construcción de estas normas, es más probable que las respeten. Esto no significa aceptar todas sus ideas sin cuestionarlas, pero sí implica escucharlos y tomar en cuenta sus perspectivas. Existen excelentes recursos disponibles para facilitar estas conversaciones (incluyendo esta guía sobre integridad académica de la Universidad de Syracuse).
No desperdiciemos esta oportunidad
El auge de la IA generativa ha puesto el foco en el fraude académico. Incluso si la tasa de trampas no ha cambiado, no debemos desperdiciar esta crisis. Como dijo Winston Churchill, “nunca dejes que una buena crisis se desperdicie”.
Aprovechemos este momento para comprender mejor las causas del fraude académico y canalizar nuestra energía hacia la construcción de una cultura de integridad.
Si logramos que el aprendizaje sea relevante y que los estudiantes participen en definir normas éticas, podremos crear un entorno donde el valor del conocimiento supere la tentación de hacer trampa.
De hecho, el mayor impacto de la IA en la educación podría ser, irónicamente, forzarnos a rediseñar el aprendizaje de manera que los estudiantes realmente quieran aprender.
Nota: Este blog fue publicado originalmente el 13 de febrero de 2025 en inglés en su Linkedin y su autor autorizó su traducción y publicación en Enfoque Educación.