Los educadores en todos los niveles enfrentan un desafío sin precedentes en la actualidad: la proliferación de la inteligencia artificial (IA). Esta innovadora tecnología tiene el potencial de transformar los métodos de enseñanza y facilitar la comprensión de conceptos complejos. Sin embargo, surge una preocupación fundamental que se sitúa en la delgada línea entre utilizar herramientas como ChatGPT como apoyo y depender completamente de ellas para la realización de tareas académicas. La adopción masiva de la IA generativa plantea numerosas interrogantes en el ámbito educativo, siendo una de las más críticas: ¿Cómo pueden los docentes discernir si un trabajo ha sido realizado total o parcialmente por un sistema automatizado?
En el Reino Unido, una investigación reciente del Higher Education Policy Institute de Oxford reveló que aproximadamente el 94% de los estudiantes de pregrado utiliza herramientas de IA generativa para respaldar sus trabajos evaluados, y un 12% admitió haber incluido contenido generado por IA en sus entregas. En Estados Unidos, encuestas realizadas a más de 95,000 estudiantes de 20 universidades indicaron que el 9% utilizó IA en sus trabajos, a pesar de ser conscientes de que esto contravenía las normas académicas. En México, más del 60% de los estudiantes y docentes de educación superior hace uso habitual de sistemas de IA generativa, aunque existe una percepción de falta de capacitación y ausencia de normativas claras, lo que genera inquietudes sobre su utilización ética. En este contexto, surge la pregunta: ¿cómo detectar el uso indebido de IA en el trabajo académico?
Innovaciones en la Evaluación Educativa
Aparte de las herramientas que las plataformas de IA pueden ofrecer, los educadores están desarrollando métodos y estrategias para identificar el trabajo realizado por chatbots y, al mismo tiempo, integrar esta tecnología en la enseñanza. En un artículo reciente para una revista científica, se destacan varias de estas iniciativas. Por ejemplo, Nicholas Mattei, profesor de Informática en la Universidad de Tulane, permite a sus alumnos utilizar IA en su curso de Historia de la Tecnología, pero les exige identificar fuentes, aplicar modelos de lógica difusa y elaborar infografías y ensayos basados en su análisis crítico. Mattei también otorga puntos extra a los estudiantes que detectan errores en la información proporcionada por la IA, como referencias ficticias.
De forma similar, Daniel Silver, sociólogo de la Universidad de Toronto Scarborough, utiliza agentes de IA que simulan comerciantes para facilitar la comprensión de conceptos del clásico «La riqueza de las naciones» de Adam Smith. Anteriormente, se solicitaba un ensayo sobre el libro; ahora, al permitir el uso de IA, Silver observa que los estudiantes son motivados a explorar diversas situaciones y analizar las transcripciones generadas por los agentes, lo que permite identificar si han pedido a la IA que realice múltiples tareas a la vez, ya que estas pueden inventar información en lugar de citar adecuadamente.
Evaluaciones Basadas en el Proceso de Aprendizaje
Otros educadores se enfocan en el proceso de elaboración de los trabajos en lugar de limitarse al producto final. Yanjun Shen, investigador en Geología Ecológica en la Universidad de Chang’an, en China, solicita a sus estudiantes registros de interacciones con herramientas de IA para evaluar si estas han contribuido al aprendizaje o simplemente han sustituido su pensamiento. Asimismo, Nikita Bezrukov, profesor de Lingüística en la Universidad de Columbia, emplea plataformas con historial de revisiones como Google Docs, permitiendo el uso de IA para correcciones gramaticales, pero no para la generación completa de textos.
Las evaluaciones orales también se han convertido en una herramienta clave para verificar la comprensión del contenido. Gianmarc Grazioli, químico computacional en la Universidad Estatal de San José, asigna un porcentaje significativo a un examen oral donde los estudiantes deben explicar líneas específicas de su código en Python. Este enfoque desplaza el foco del resultado final hacia la capacidad del estudiante para justificar sus decisiones y demostrar dominio sobre el contenido, lo que permite que una respuesta generada con IA no sea un problema, siempre que el alumno pueda analizarla y defenderla.
Estrategias de Detección y Personalización
A pesar de la existencia de detectores de IA, algunos educadores consideran que estas herramientas son solo un recurso adicional, junto con la identificación de referencias erróneas y cambios abruptos entre borradores. Ollie Thomas, biólogo de la Universidad de Melbourne, advierte sobre la «carrera armamentística» entre las herramientas de IA y los sistemas de detección, lo que implica que la identificación de contenido generado artificialmente no puede basarse únicamente en tecnología. La comparación de versiones de documentos, la revisión de fuentes y la interacción directa con los estudiantes son elementos clave para determinar la autenticidad de un trabajo.
Will Teague, historiador de la Universidad Estatal de Angelo, en Texas, aplicó un enfoque conocido como «método del caballo de Troya», ocultando instrucciones que podrían ser interpretadas por una IA, pero que pasarían desapercibidas para los estudiantes. Al solicitar ensayos desde una perspectiva marxista, logró identificar un número considerable de trabajos generados por chatbots. Sin embargo, este enfoque no fue del todo satisfactorio, lo que lo llevó a adoptar estrategias educativas más inclusivas y participativas.
Fomentando el Pensamiento Crítico
Finalmente, algunos docentes proponen actividades que requieren personalización y análisis crítico. Risa Morimoto, de la SOAS University of London, permite a los alumnos escoger temas que les interesen y escribir textos dirigidos a familiares o amigos, lo que facilita la identificación de su estilo personal. Jonathan Vallano, por su parte, utiliza preguntas abiertas y ejercicios donde los estudiantes deben investigar y resumir artículos en sus propias palabras.
Estas experiencias indican que la inclusión de la IA en el ámbito académico no implica necesariamente su prohibición ni la aceptación incondicional de trabajos realizados con estas herramientas. Las estrategias que los docentes emplean para detectar el uso indebido de IA sugieren un cambio en la evaluación: enfatizar el proceso de creación, exigir explicaciones, fomentar la discusión, plantear problemas complejos y solicitar muestras de pensamiento independiente. Sin embargo, la efectividad de estas tácticas sigue siendo un tema de debate, especialmente ante el vertiginoso avance de la tecnología.