Este artículo examina la integración de herramientas de IA generativa en la educación informática, centrándose en cómo equilibrar sus ventajas pedagógicas con la necesidad de integridad académica. Los autores argumentan que, dado que el uso de la IA es ahora una práctica habitual en el ámbito académico, las instituciones deberían pasar de las prohibiciones restrictivas a un marco estructurado de uso responsable. Para ello, el texto clasifica diversas evaluaciones informáticas —como proyectos de codificación y revisiones bibliográficas— y describe estrategias específicas de mitigación, incluyendo la divulgación obligatoria y las defensas orales. Además, los investigadores presentan un modelo matemático formal para cuantificar el esfuerzo del estudiante, el refinamiento de los resultados de la IA y el dominio de la materia durante el proceso de calificación. En definitiva, estas directrices proporcionan una hoja de ruta práctica para que los docentes garanticen que la IA sirva como apoyo al aprendizaje y no como sustituto del pensamiento crítico y el esfuerzo independiente.
Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Use of AI Tools: Guidelines to Maintain Academic Integrity in Computing Colleges". Por Hatem M. El-boghdadi y colegas. Publicado el 11 de Abril de 2026.
El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.
El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.
Resumen
Beto
Imagínate esto. Es finales de 2022 y el mundo académico es lanzado de repente a un caos absoluto.
Alicia
Sí, prácticamente de la noche a la mañana.
Beto
Correcto. De la noche a la mañana, ChatGPT se convierte en la aplicación de crecimiento más rápido en la historia de Internet. Alcanzó a cien millones de usuarios en solo cuestión de meses.
Alicia
Lo cual sigue siendo asombroso de pensar.
Beto
Es salvaje. Y en todo el mundo, las universidades están entrando en pánico. Algunas instituciones lo prohíben de inmediato. Están tratando esta nueva tecnología como si fuera material radiactivo.
Alicia
Sí.
Beto
Y luego otras están luchando por adoptar algo, simplemente reescribiendo sus sílabos sobre la marcha.
Alicia
Bueno, la base de cómo medimos el conocimiento humano, esencialmente se rompió de la noche a la mañana.
Beto
Completamente.
Alicia
Porque durante décadas, el sistema se basó en esta suposición: si un estudiante entregaba un ensayo bien razonado o un fragmento de código funcional, esa producción era un reflejo directo de su esfuerzo cognitivo interno.
Beto
Realmente hacían el trabajo en su cabeza.
Alicia
Exacto. Y de repente, esa suposición fue completamente comprometida. El concepto mismo de integridad académica estaba en el equilibrio.
Beto
Porque el punto de una universidad no es solo producir una pila de papeles perfectamente escritos. Es producir una mente humana que realmente sea capaz de hacer ese trabajo.
Lo que nos lleva a la misión de este análisis profundo. ¿Cómo arreglamos esto?
Alicia
Sí.
Beto
¿Cómo impedimos que los estudiantes simplemente externalicen sus cerebros a la inteligencia artificial, sin prohibir una herramienta que inevitablemente usarán en el mundo real, todos los días?
Alicia
Y el material de origen de hoy aborda exactamente ese problema. Estamos viendo un artículo de 2025 del International Journal of Energy, Environment, and Economics.
Beto
Sí, titulado "Uso de Herramientas de IA, directrices para mantener la integridad académica en facultades de computación".
Alicia
Correcto. Y aunque el enfoque está fuertemente en programas de informática e ingeniería, ...
Beto
... como si fuera la opción más rápida para nosotros.
Alicia
Oh, definitivamente la más rápida y la más disruptiva. Pero el marco que proponen es sorprendentemente universal.
Beto
Sí, yo también lo pensé. Así que, ya sea que seas un estudiante tratando de navegar tus clases, o un educador construyendo un sílabo moderno, o simplemente un aprendiz de por vida descubriendo cómo verificar tus propias habilidades en este mundo saturado de IA, este análisis profundo te dará un marco totalmente nuevo para pensar en cómo demostramos que realmente sabemos algo.
Marco de Integridad de IA: Balancear Innovación y Honestidad en Educación de Informática
Beto
Está bien, desglosémoslo.
Alicia
Para apreciar la solución, realmente primero necesitamos mirar por qué el viejo sistema se rompió tan catastróficamente.
Beto
Correcto.
Alicia
Los autores ilustran esto mapeando lo que llaman "el doble impacto de la IA". Funciona esencialmente como una enorme cuerda de guerra en el desarrollo de un estudiante.
Beto
Tirando en dos direcciones totalmente opuestas al mismo tiempo.
Alicia
Exacto.
Beto
Porque por un lado, los beneficios de aprendizaje son innegables. Estamos hablando de un ahorro de tiempo sin precedentes para tareas rutinarias. Generación rápida de ideas.
Alicia
Sí, y un gran impulso en lo que los investigadores llaman "autoeficacia académica".
Beto
Okay, espera, ¿qué significa ese término en este contexto?
Alicia
La autoeficacia académica simplemente significa la creencia de un estudiante en su propia capacidad para tener éxito.
Tener un tutor incansable e instantáneo disponible 24/7 hace que los estudiantes se sientan mucho más seguros. Quiero decir, pueden desenmarañar conceptos complejos a las dos de la mañana sin tener que esperar por las horas de oficina.
Beto
Correcto, lo cual es increíble. Pero el otro extremo de esa cuerda es aterrador.
Alicia
Sí, realmente lo es.
Beto
Porque no es solo la amenaza obvia del plagio, donde un estudiante simplemente copia y pega un ensayo generado por IA. El riesgo más profundo es esta caída brusca en el pensamiento crítico independiente.
Alicia
Porque las habilidades cognitivas y analíticas no simplemente aparecen de la nada.
Beto
Correcto. Las construyes luchando por resolver problemas. Necesitas esa fricción cognitiva. Lo que me hace preguntarme sobre la naturaleza central de la herramienta misma.
Alicia
¿Qué quieres decir?
Beto
¿Es usar la IA algo como llevar una calculadora a una prueba de matemáticas, o es más como contratar a otra persona para que simplemente tome la prueba por ti?
Alicia
Lo fascinante aquí es que el artículo sugiere que puede ser ambas cosas.
Beto
¿En serio?
Alicia
Sí. Y el factor determinante es el entorno que construimos a su alrededor.
Beto
Oh, okay.
Alicia
La IA no regulada actúa absolutamente como un reemplazo para el esfuerzo del estudiante. Se convierte en una persona que contrataste para tomar la prueba.
Pero con directrices claras y límites estructurales, funciona exactamente como esa calculadora o quizás como un simulador de vuelo.
Beto
Una ayuda de apoyo para el aprendizaje.
Alicia
Exacto. Se convierte en una ayuda de apoyo para el aprendizaje. El objetivo no es eliminar la lucha por completo. El objetivo es preservar el desarrollo progresivo de las habilidades cognitivas mientras se utiliza la herramienta para mejorar el proceso, no para eludirlo por completo.
Beto
Correcto. Pero tratar la IA como una calculadora universal asume que todos tienen la misma calculadora.
Alicia
Oh, sí.
Beto
Y sabemos que no todas las herramientas de IA son iguales. Y más importante aún, no todos tienen el mismo acceso a ellas.
Alicia
Ese es un punto enorme.
Beto
El artículo divide específicamente el panorama de amenazas de la IA basándose en la capacidad de la herramienta. Y las diferencias allí son bastante marcadas.
Alicia
Son bestias completamente diferentes. Quiero decir, los modelos de lenguaje grandes, o LLMs, como ChatGPT, son principalmente generadores de texto.
Beto
Correcto.
Alicia
Excelen en el lenguaje natural, la explicación, la ideación. Así que el riesgo principal en un entorno de aula es la comprensión superficial.
Beto
Tal como un estudiante que entrega una revisión de literatura bellamente articulada ...
Alicia
... pero que realmente no capta los conceptos subyacentes. Simplemente posee esta ilusión de competencia.
Beto
Correcto. Lo cual tiene perfecto sentido para una clase de inglés o historia.
Alicia
Sí.
Beto
Pero el enfoque del artículo está en las facultades de computación, donde herramientas como GitHub Copilot no solo están escribiendo ensayos. Quiero decir, están escribiendo software funcional.
Alicia
Sí. Copilot y herramientas similares orientadas a código están diseñadas para la generación de sintaxis y el autocompletado de flujos de trabajo complejos.
Beto
Así que el riesgo se mueve mucho más allá de un ensayo superficial.
Alicia
Exacto. Se mueve hacia la externalización pura de código. Un estudiante podría entregar teóricamente un programa informático completamente funcional, con toda la arquitectura compleja, sin comprender una sola línea de la lógica detrás de él.
Beto
Eso es salvaje. Y cuando miramos a esos asistentes de codificación altamente avanzados o incluso solo a los niveles premium de los LLM, nos encontramos con una gran señal de alarma.
Alicia
El problema de la equidad.
Beto
Sí. El artículo dedica una sección completa a la equidad y la accesibilidad. Sabemos que estas compañías ofrecen niveles gratuitos, ¿verdad?
Alicia
Claro.
Beto
Pero las cosas realmente poderosas, los modelos que pueden diseñar un proyecto de software completo, esos están bloqueados detrás de suscripciones premium de pago.
Alicia
Lo están.
Beto
Así que tengo que preguntar, ¿cómo es mecánicamente justo calificar una clase, cuando algunos estudiantes están conduciendo un coche deportivo y otros están conduciendo una bicicleta? Básicamente solo estás calificando tus cuentas bancarias.
Alicia
Y los autores abordan esa justicia mecánica de frente.
Beto
Okay.
Alicia
Su solución propuesta requiere que las evaluaciones institucionales sean rediseñadas fundamentalmente, de manera que no dependan de características premium exclusivas.
Beto
Okay.
Alicia
Los educadores deben diseñar explícitamente proyectos que puedan completarse utilizando herramientas de acceso libre. Y deben exigir lo que el artículo llama "divulgación del uso de IA".
Beto
... lo que forza la transparencia en todos los ámbitos.
Alicia
Exacto. El instructor también debe utilizar el proceso de verificación de "humano en el ciclo".
Beto
¿El humano en el ciclo?
Alicia
Sí, lo cual nivela el campo de juego, asegurando que la comprensión personal del estudiante sea siempre la métrica final a juzgar, independientemente de la herramienta que usen para generar ese primer borrador.
Beto
Así que sabemos que las herramientas son diferentes y sabemos que el acceso es inherentemente desigual.
Alicia
¿Cómo ponen los instructores realmente este manual de transparencia en práctica? ¿Cómo miran un trabajo entregado fuera del aula y verifican lo que realmente hay en la cabeza del estudiante?
Beto
Entonces, el manual para el trabajo no supervisado fuera de clase se basa en algunos pilares clave.
Alicia
Okay.
Beto
El primero, como acabamos de mencionar, es la divulgación obligatoria del uso de IA. Si lo usas, lo citas y explicas exactamente cómo lo usaste.
Alicia
Entendido.
Beto
El segundo pilar es salvajemente innovador, sin embargo. Son tareas asistidas por IA con revisión crítica. En estas tareas específicas, los instructores realmente obligan a los estudiantes a usar la IA.
Alicia
Espera, ¿hacen obligatorio usar el código trampa?
Beto
Sí. Pero el borrador inicial de IA no es lo que se califica. Se califica a los estudiantes en un informe separado donde deben analizar críticamente la salida de la IA.
Alicia
Okay.
Beto
Deben identificar sus fallas, explicar su lógica subyacente y luego entregar una versión mejorada y modificada intensamente basada en su propia perspicacia humana.
Alicia
Así que el instructor está calificando la capacidad del estudiante para criticar y mejorar a la máquina, no a la máquina en sí.
Beto
Oh, me encanta ese concepto porque simplemente invierte completamente el guión. Pero mirando las otras directrices generales, proponen específicamente entrevistas posteriores a la entrega y exámenes orales. Yo solo veo una pesadilla logística.
Alicia
Sí. Te entiendo.
Beto
Porque exigir una entrevista posterior a la entrega para cada estudiante suena completamente imposible. Quiero decir, algunos de estos profesores universitarios tienen cientos de estudiantes en una sola sala de conferencias.
Alicia
Y los autores anticipan exactamente ese cuello de botella.
Beto
Okay.
Alicia
La solución no es realizar una agotadora defensa oral de una hora para cada tarea semanal de tarea. Más bien, se trata de cambiar el peso de la calificación.
Beto
¿Cómo es eso?
Alicia
La calificación ya no es solo sobre el documento entregado. Una porción sustancial de la calificación ahora está ligada a una demostración de comprensión dirigida y muy rápida.
Beto
Oh, como una auditoría aleatoria.
Alicia
Precisamente como una auditoría. Así que si un estudiante entrega un fragmento de código brillante, el instructor podría pasar tres minutos durante una sesión de laboratorio pidiéndole que simplemente explique por qué eligió una función específica en lugar de una alternativa.
Beto
¿Y si no puede?
Alicia
Si el estudiante no puede explicar la arquitectura de su propia entrega, el código entregado pierde todo su valor.
Beto
Vaya.
Alicia
Sí, es un sistema de verificación puntual que desincentiva dramáticamente la dependencia ciega en la IA, porque el riesgo de exposición está constantemente presente.
Beto
Puesto que los profesores no pueden pasar toda su vida haciendo esas auditorías orales, el artículo proporciona estos ajustes específicos increíblemente ingeniosos a las tareas cotidianas, para básicamente protegerlas de la IA desde el principio.
Aquí es donde se pone realmente interesante. Tenemos que pasar por algunos de estos ajustes tácticos, porque explican activamente cómo fabricar esa fricción cognitiva de la que hablamos antes.
Alicia
La tarea tradicional es un buen lugar para empezar con esto. Históricamente, los instructores usaban indicaciones bastante amplias, tal como "explica cómo funcionan los algoritmos de ordenación".
Beto
Correcto. Y hoy, una IA genérica te dará una respuesta perfecta a eso, como en dos segundos.
Alicia
Exacto. Así que el ajuste táctico es usar restricciones hiperespecíficas.
Beto
Correcto. En lugar de una indicación vaga, el instructor pregunta, "compara la complejidad temporal y espacial del ordenamiento de mezcla ("merge sort") y del ordenamiento rápido ("quicksort") cuando se aplican a un conjunto de datos de 106 elementos bajo las peores condiciones del caso".
Alicia
Y ese nivel de restricción rompe una respuesta de IA genérica.
Beto
¿Lo hace?
Alicia
Oh, sí. Para siquiera plantear correctamente a la IA o para verificar si la IA está alucinando su respuesta, el estudiante tiene que comprender fundamentalmente lo que significa "la complejidad temporal y espacial".
Beto
Correcto.
Alicia
Deben comprender cómo funcionan los límites de memoria cuando se trata de conjuntos de datos masivos. El "prompt" forza al estudiante a contextualizar la salida.
Beto
Y para los ensayos escritos, el artículo recomienda el método del "doble borrador" ("double draft"), que forza ese mismo nivel de contextualización, pero desde un ángulo totalmente diferente.
Alicia
Sí. El doble borrador es fascinante.
Beto
El estudiante tiene que entregar tres cosas: un ensayo generado completamente por IA, un ensayo escrito de forma independiente hecho sin IA, y luego un informe comparativo de evaluación que analiza las diferencias entre los dos.
Alicia
Y la psicología del doble borrador es brillante.
Beto
¿Qué quieres decir?
Alicia
Cuando un estudiante compara dos borradores lado a lado, su cerebro se ve obligado a reconocer sus puntos ciegos. Tiene que preguntar, "¿por qué la IA estructuró el argumento de esta manera? ¿Dónde careció mi borrador independiente de profundidad?"
Beto
Forza el razonamiento activo.
Alicia
Exacto.
Beto
Es casi como pedirle a un artista que muestre sus capas de boceto. No solo la pintura final.
Alicia
Sí.
Beto
Estás calificando el proceso humano desordenado e iterativo.
Alicia
Bueno, me encanta esa analogía. Sí.
Beto
Y vemos esto aplicado también a las tareas de programación, con modificaciones en clase. Por ejemplo, un estudiante escribe su código en casa, tal vez confiando mucho en Copilot, y luego lo trae a clase.
Alicia
Correcto.
Beto
Pero para obtener la calificación, el instructor les da una tarea de modificación en vivo en el momento. Como "cambiar esta variable" o "hacer que el código produzca la salida en orden inverso".
Alicia
Y lo que pasa es que, si no lo escribieron, o no entienden la arquitectura subyacente, se congelarán.
Beto
Congelados por completo.
Alicia
No podrán modificarlo en vivo. Expone instantáneamente quién es el dueño real del conocimiento.
Beto
Muy cierto. Y ¿qué hay de los proyectos colaborativos? Porque el trabajo en grupo es notoriamente doloroso de todos modos, y la IA simplemente hace que sea infinitamente más fácil para una persona automatizar en secreto su parte y sacarla mientras el resto del grupo lucha.
Alicia
Correcto. Para proyectos grupales basados en computadoras, los autores enfatizan el seguimiento del proceso de desarrollo auténtico a lo largo del tiempo utilizando herramientas como Git para control de versiones.
Beto
Okay. Probablemente deberíamos explicar qué es exactamente Git para cualquiera fuera del desarrollo de software.
Alicia
Claro. Piensa en Git como un libro de contabilidad digital o tal vez una cámara de lapso de tiempo para el código. Registra cada pulsación de tecla, cada cambio guardado y registra exactamente quién hizo qué ajuste y cuándo.
Beto
Eso es súper útil.
Alicia
Lo es. Los instructores no solo califican el software final. Califican el libro de contabilidad. Miran los "commits" iterativos y las revisiones entre pares. El producto final es solo una pieza de un rompecabezas mucho más grande de esfuerzo humano verificado.
Beto
Ahora, todas estas directrices tácticas son increíbles en teoría. Pero ¿cómo estandariza una universidad completa esto entre miles de estudiantes?
Alicia
Correcto. Esa es la gran pregunta.
Beto
Por ejemplo, si un algoritmo hiciera el 40% del trabajo en un proyecto, ¿cómo calculas una calificación final que sea matemáticamente justa y consistente, de clase en clase?
Alicia
Si conectamos esto con la imagen más grande, aquí es donde el artículo se eleva de ser solo una lista de consejos de enseñanza ingeniosos a un marco institucional sólido.
Los autores introducen un modelo matemático formal para evaluar las evaluaciones asistidas por IA. Transforman toda esta filosofía de la fricción cognitiva en una ecuación concreta.
Beto
Me entusiasma completamente esta sección. Quiero decir, es como "Moneyball" para la integridad académica.
Alicia
Realmente lo es.
Beto
Están tomando la honestidad como sudor intelectual y la están convirtiendo en una métrica cuantificable. En lugar de calificar todo el proyecto como un gran bloque, el modelo básicamente divide la calificación en tres compartimentos específicos.
Alicia
Exacto. La calificación final es una combinación de tres variables. Primero es la puntuación base, que evalúa la calidad del trabajo realmente entregado.
Beto
Okay.
Alicia
El segundo compartimento es el factor de refinamiento. Esto mide cuánto mejoró el estudiante sobre el borrador inicial de IA.
Y el tercer compartimento es la puntuación de verificación, que es el resultado de esa rápida verificación puntual donde la modificación de código en vivo que discutimos antes.
Beto
Espera, mirando esta ecuación, mirando cómo está estructurada. Si el factor de refinamiento se basa puramente en cuánto mejoró el estudiante el borrador de IA, eso significa que un estudiante que simplemente entrega una salida cruda de ChatGPT obtiene un cero por esa parte de la calificación completa.
Alicia
Lo hacen. Si simplemente copias y pegas, obtienes cero puntos por el refinamiento.
Beto
Vaya. Y como el instructor puede ajustar el peso de cada compartimento, dependiendo de la tarea, castigar matemáticamente el uso perezoso de la IA se vuelve increíblemente fácil.
Beto
Tiene sentido.
Alicia
Para una tarea de codificación, el instructor podría ponderar mucho la verificación en vivo.
Para un informe escrito, el compartimento de refinamiento podría llevar más peso.
Beto
El artículo realmente proporciona un ejemplo trabajado de esto.
Imagina que el estudiante entrega una tarea y la entrega física obtiene una puntuación base del 80%. El instructor evalúa cuánto editó el borrador de IA y le da un 60% por refinamiento. Pero durante la rápida auditoría oral, el estudiante lo logra perfectamente, demostrando una comprensión perfecta, y obtiene una puntuación de verificación del 100%.
Alicia
Así que si el instructor puso los pesos en digamos 40% para la entrega base, 30% para el refinamiento y 30% para la verificación en vivo, la calificación final del estudiante equilibra un 82%.
Beto
Okay.
Alicia
Es una calificación increíblemente matizada que refleja toda la imagen del esfuerzo del estudiante.
Beto
Pero hay un gran obstáculo en este modelo, tal como una medida de seguridad construida justo en la parte inferior de la ecuación.
Alicia
Sí. La bandera de integridad. Es posiblemente la parte más importante, filosóficamente, de todo el modelo.
Beto
Definitivamente.
Alicia
La bandera de integridad es una métrica binaria simple. Es solo un 1 o un 0. Y se calcula basándose en dos cosas: la divulgación y la verificación.
Beto
Significa: ¿admitiste usar IA?, y, ¿aprobaste la auditoría en vivo?
Alicia
Precisamente. Si un estudiante oculta el hecho de que usa IA, o si falla completamente la defensa oral y demuestra que no entiende su propio material entregado, la bandera de integridad baja a 0.
Beto
Y como es un multiplicador en la ecuación, si la bandera de integridad es 0, toda la fórmula de evaluación se multiplica por 0.
Alicia
Exacto.
Beto
Las matemáticas ni siquiera importan más. Todo ese sudor intelectual, todos los puntos que ganan en los otros compartimentos se evaporan por completo.
Alicia
Actúa como un interruptor de apagado definitivo. Inválida la evaluación porque el estudiante violó la premisa central de la honestidad académica.
Beto
Correcto.
Alicia
Esta medida de tolerancia cero es necesaria porque asegura que la fórmula de calificación solo se aplique a estudiantes que realmente estén operando de buena fe. Protege el contrato social de la educación en una era donde fingir confianza nunca ha sido más fácil.
Beto
Entonces, ¿qué significa todo esto? Tomemos un paso atrás y veamos el viaje por donde el material de origen nos llevó.
Alicia
Okay.
Beto
Empezamos en este lugar de pánico institucional total, en 2022, con la IA vista como este código trampa aterrador que iba a romper fundamentalmente el aprendizaje humano.
Alicia
Sí, un gran presagio de desdicha.
Beto
Exacto. Pero terminamos con un flujo de trabajo matemático altamente estructurado. La IA no rompe el sistema, ¿verdad? Cuando se integra con restricciones estrictas, en realidad obliga al cerebro a trabajar más duro.
Alicia
Realmente lo hace.
Beto
Transiciona a los estudiantes de ser meros escritores, a ser editores, críticos y defensores activos de su propia lógica.
Alicia
Representa un cambio monumental en el enfoque, de solo mirar el producto final a evaluar el proceso subyacente.
Beto
Y la lección central aquí va mucho más allá de solo estudiantes universitarios sentados en un laboratorio de ciencias de la computación.
Alicia
Absolutamente.
Beto
Ya sea que estés preparando una presentación importante en el trabajo, redactando un escrito legal, o tratando de aprender un nuevo lenguaje de programación durante los fines de semana, el verdadero valor no está en el documento pulido que ChatGPT escupe en tres segundos.
Alicia
No, para nada.
Beto
El verdadero valor está en la fricción cognitiva. Está en el proceso desordenado de reconocer los puntos ciegos de la IA, desafiar sus suposiciones y comprender por qué el resultado final funciona. Porque si no puedes explicarlo en vivo en la sala, realmente no posees el conocimiento.
Alicia
Esto plantea una pregunta importante, sin embargo, con respecto al futuro de ese proceso exacto. Si la educación se adapta exitosamente a este marco, es decir, si pasamos la próxima década entrenando a los estudiantes no para generar respuestas, sino para criticar y refinar las salidas de la IA, estamos cambiando la naturaleza fundamental del trabajo cognitivo. Pero ¿qué pasa cuando el sitio de evaluación se ponga al día?
Beto
Caminando por ese camino. ¿Cómo se verá eso realmente?
Alicia
Bueno, piensa en la mecánica de la calificación. Si los estudiantes están usando IA para hacer el trabajo pesado de la redacción y están actuando principalmente como editores, ¿qué pasa cuando las instituciones empiecen a desplegar IA altamente avanzada para hacer el trabajo pesado de calificar esas ediciones?
Beto
Oh, hombre.
Alicia
Correcto. Dentro de 10 años, ¿significará la integridad académica que la IA de un estudiante intente astutamente superar a una IA calificadora? O ¿que el instructor humano simplemente se siente y observe la puntuación?
Beto
Vaya.
Alicia
¿Estamos avanzando hacia un bucle académico totalmente automatizado donde los humanos son literalmente solo espectadores?
Beto
Los robots escribiendo los artículos para los robots que están calificando los artículos.
A
Eso es un pensamiento salvaje, ligeramente distópico para dejar pasar y definitivamente algo para que lo reflexiones hasta nuestra próximo análisis profundo.
Beto
Pero mirando hacia atrás al caos de 2022, el instinto inicial fue construir un muro contra la tecnología. Simplemente fingían que no estaba sucediendo. Pero ya no pueden calificar la pintura final. Tienen que calificar las capas de boceto desordenadas que están debajo. Y este marco nos da un plano bastante sólido para cómo hacer eso realmente.
Entradas
