IIE la rompe … (parte 17)

A mi última columna (leer), donde abordé el tema de la irrupción de la inteligencia artificial (IA) en la carrera, algunos de mis lectores me hicieron algunos alcances, entre ellas, la necesidad de asegurar el manejo responsable en el uso de herramientas de IA por parte de estudiantes, académicos y autoridades universitarias.

Aproveché de apoyarme en la IA para obtener una respuesta, la que daré a conocer partiendo por las autoridades universitarias. En mis siguientes columnas daré a conocer las respuestas dadas para el caso de académicos y estudiantes.

Para el caso de las autoridades universitarias, se plantea que ellas deben liderar la transición institucional hacia la IA mediante la regulación, la inversión en recursos y el liderazgo ético. Para estos efectos se clasifica el uso de la IA en una escala de tres niveles bien diferenciados:

1. Uso Permitido (Integración Autorizada)

Comprende todas aquellas tareas donde la IA actúa exclusivamente como un soporte pedagógico, organizativo o de investigación preliminar, manteniendo siempre el control, análisis y autoría humana sobre el producto final. Las directrices y políticas habituales:

·         Permiten emplear la IA para explorar temas, generar tormentas de ideas o estructurar esquemas de trabajo.

·         Autorizan el uso para la corrección gramatical, ortográfica o de estilo en textos redactados previamente por el estudiante.

·         Obligan a declarar formalmente las herramientas utilizadas en la metodología o en la sección de agradecimientos/anexos.

Algunos ejemplos prácticos:

·         Generación de esquemas de estudio: Solicitar a ChatGPT o Gemini un esquema preliminar de los temas principales sobre La Revolución Industrial para organizar los apartados de un ensayo.

·         Búsqueda y explicación de conceptos: Utilizar la IA como tutor para pedirle que explique una fórmula matemática compleja o un concepto filosófico ("Explicar el imperativo categórico de Kant de forma sencilla con ejemplos").

·         Depuración de código: En asignaturas de programación, usar IA para encontrar un error de sintaxis (bug) en un código escrito por el propio alumno.

·         Mejora de redacción: Introducir un párrafo redactado por el estudiante para corregir la puntuación o adaptar el tono a un lenguaje más académico.

2. Uso Asistido (Colaboración Regulada)

Ocurre cuando la IA participa activamente en la creación parcial de contenidos o análisis de datos, sirviendo como coautor técnico. Requiere la autorización previa y explícita del docente según los objetivos de la asignatura. Las directrices y políticas habituales:

• Exigen contar con la aprobación expresa dentro del plan docente (syllabus) o por instrucción directa del profesor.
• Exigen que el trabajo presentado incluya una Declaración de Uso de IA donde se detalle: herramienta utilizada, la secuencia de instrucciones (prompts) enviadas y qué partes del resultado se modificaron o verificaron.
• Exigen la verificación activa de todas las afirmaciones o citas generadas por la máquina contra fuentes académicas primarias o secundarias contrastadas.

Algunos ejemplos prácticos:

• Análisis y síntesis de grandes volúmenes de texto: Introducir un informe de 50 páginas en un modelo de IA para extraer tendencias clave y, posteriormente, contrastar y redactar una visión crítica propia sobre los resultados.
• Generación y optimización de código complejo: Usar la IA para escribir una función o algoritmo extenso dentro de un proyecto de ingeniería, documentando qué parte generó la IA y realizando las pruebas de funcionamiento correspondientes.
• Creación de material audiovisual o gráfico: Utilizar generadores de imágenes por IA para acompañar la presentación oral de un proyecto, acreditando debidamente la fuente de la imagen.

3. Plagio o Fraude Académico mediante IA (Uso Prohibido)

Se considera falta a la integridad académica toda práctica en la que se utilice la IA para sustituir el esfuerzo intelectual, el análisis propio o la autoría del estudiante, haciendo pasar contenido generado automáticamente como propio o vulnerando la evaluación. Las directrices y políticas habituales:

• Prohíben la entrega de texto, código o resolución de problemas generados íntegramente por IA sin la debida atribución o autorización.
• Tipifican como fraude la presentación de fuentes, citas o referencias bibliográficas ficticias inventadas por la IA ("alucinaciones").
• Sancionan el uso de IA no autorizado durante pruebas de evaluación presenciales o en línea (exámenes, cuestionarios en tiempo real).
• Sanciones: Según el reglamento disciplinario de cada universidad, las consecuencias pueden ir desde la suspensión automática de la asignatura (calificación 0) hasta la apertura de un expediente disciplinario o la expulsión.

Algunos ejemplos prácticos:

• Generación completa de trabajos (Copy-Paste de IA): Pedirle a la IA "Escribe un ensayo de 2.000 palabras sobre el impacto macroeconómico de la inflación" y entregar el texto directamente como si fuera de autoría propia.
• Falsificación o invención de fuentes: Incluir en un trabajo bibliografía o citas textuales inventadas por la IA sin haberlas consultado o comprobado previamente.
• Resolución automatizada de exámenes: Utilizar extensiones o herramientas de IA en segundo plano durante la realización de un examen virtual o test en línea no supervisado.
• Parafraseo engañoso para eludir detectores: Generar un texto con IA y luego pasar dicho texto por un "humanizador" o software de reescritura para ocultar el rastro de la herramienta generativa.

Lo expuesto exige 

a) financiar y promover programas de alfabetización digital en IA dirigidos tanto al personal docente como al administrativo y estudiantil; 

b) proporcionar acceso equitativo a herramientas y licencias institucionales para evitar brechas educativas entre los estudiantes con diferentes capacidades económicas; y

c) garantizar que las herramientas de IA utilizadas en la universidad cumplan con las normativas de protección de datos personales y propiedad intelectual de los trabajos académicos.