Descubre el «método del caballo de Troya» y otros ingeniosos trucos de profesores para detectar trampas con inteligencia artificial

En la actualidad, los docentes de todos los niveles educativos se enfrentan a un desafío sin precedentes: la creciente presencia de la inteligencia artificial (IA) en el ámbito académico. Esta innovadora tecnología tiene el potencial de transformar los métodos de enseñanza y facilitar la comprensión de conceptos complejos. Sin embargo, surge una inquietante cuestión: ¿dónde se encuentra el límite entre utilizar herramientas como ChatGPT como apoyo educativo y depender completamente de sistemas automatizados para la realización de tareas? La adopción masiva de la IA generativa plantea numerosas preguntas sobre su uso en la educación, siendo una de las más urgentes: ¿cómo pueden los educadores identificar con certeza si un trabajo ha sido elaborado total o parcialmente por un sistema de IA?

Un estudio reciente realizado en el Reino Unido reveló que aproximadamente el 94% de los estudiantes de pregrado encuestados utiliza herramientas de IA generativa para asistir en sus trabajos evaluados, mientras que un 12% admitió haber incluido texto generado por estas plataformas en sus entregas. En Estados Unidos, encuestas dirigidas a más de 95,000 estudiantes de 20 universidades indicaron que un 9% utilizó IA en sus trabajos, aun sabiendo que esto violaba las normas académicas. En México, más del 60% de los estudiantes y docentes en educación superior emplea regularmente sistemas de inteligencia artificial generativa, aunque muchos reconocen que su uso se da en un marco de escasa capacitación y la ausencia de normativas claras, lo que suscita preocupaciones sobre su aplicación ética.

Desarrollo de habilidades a través de la IA

Frente a este panorama, algunos educadores están desarrollando estrategias para discernir entre trabajos realizados por chatbots y aquellos que muestran el esfuerzo humano, al mismo tiempo que incorporan la tecnología en sus prácticas docentes. Nicholas Mattei, profesor de Informática en la Universidad de Tulane, permite a sus alumnos utilizar IA en su curso de Historia de la Tecnología con condiciones específicas. Los estudiantes deben identificar fuentes, aplicar modelos de lógica difusa para resumirlas y realizar un análisis crítico. Además, Mattei otorga puntos adicionales a aquellos que logran detectar errores en la información generada por la IA, como referencias inexistentes.

Por su parte, Daniel Silver, sociólogo de la Universidad de Toronto Scarborough, ha implementado agentes de IA que simulan comerciantes en sus clases. Esta dinámica permite a los alumnos profundizar en los conceptos presentados en «La riqueza de las naciones» de Adam Smith, motivándolos a explorar diversas situaciones. Al analizar las transcripciones generadas, Silver señala que es evidente si un estudiante ha solicitado a la IA que realice todas las tareas de manera conjunta, ya que el sistema puede inventar información en lugar de citar correctamente.

Evaluación centrada en el proceso de aprendizaje

Ruben Verborgh, científico informático en la Universidad de Gante, permite el uso de la IA en su curso de Desarrollo Web, considerando esencial que sus alumnos se familiaricen con esta tecnología. No obstante, sus evaluaciones incluyen preguntas que desafían a los estudiantes a explicar problemas que los sistemas de IA no abordan de manera efectiva. De manera similar, Etienne Roesch, experto en estadística y cognición en la Universidad de Reading, pide a sus alumnos que interpreten capturas de análisis neurológico, notando que las respuestas generadas por IA a menudo carecen de relevancia con respecto a los datos presentados.

Algunos docentes optan por enfocarse en el proceso de creación de los trabajos. Yanjun Shen, investigador en Geología Ecológica en la Universidad de Chang’an, solicita a sus estudiantes los registros de sus interacciones con herramientas de IA para evaluar si estas han ampliado su conocimiento o simplemente reemplazado su razonamiento. Nikita Bezrukov, profesor de Lingüística en la Universidad de Columbia, utiliza plataformas con historial de revisiones para observar la evolución de los textos, permitiendo el uso de IA para correcciones gramaticales pero no para la elaboración total de trabajos.

Aplicación de exámenes orales para evaluación completa

Los exámenes orales se han convertido en una herramienta clave para verificar la comprensión de los estudiantes. Gianmarc Grazioli, químico computacional en la Universidad Estatal de San José, asigna un 70% de la calificación al código de programación y un 30% a la defensa oral, donde los alumnos deben explicar decisiones específicas. Esta metodología permite desplazar el enfoque del resultado final hacia la capacidad del estudiante para articular su razonamiento y demostrar su dominio del contenido. Así, una respuesta generada con IA no representa un problema si el alumno puede comprenderla y justificarla adecuadamente.

La evolución de los métodos de detección

A pesar de la existencia de detectores de IA, muchos educadores consideran estas herramientas como un complemento más, junto con referencias erróneas y cambios notables entre borradores. Ollie Thomas, biólogo en la Universidad de Melbourne, advierte que hay una «carrera armamentística» en la que las herramientas de IA evolucionan constantemente y pueden eludir los sistemas de detección. Por ende, la identificación de contenido generado artificialmente no se puede confiar únicamente en herramientas automáticas. La comparación de versiones documentales, la revisión de fuentes y la interacción directa con los estudiantes son elementos cruciales para evaluar la autenticidad de un trabajo.

Estrategias educativas para un aprendizaje significativo

Will Teague, historiador en la Universidad Estatal de Angelo, implementó el «método del caballo de Troya», donde ocultó instrucciones que podrían ser interpretadas por una IA, pero que resultaban invisibles para los estudiantes. Al solicitar ensayos escritos desde una perspectiva marxista, identificó 47 de 130 trabajos claramente generados por un chatbot. Sin embargo, decidió que esta experiencia no fue positiva y optó por estrategias más educativas y participativas.

Finalmente, algunos docentes diseñan actividades que fomentan la personalización, reflexión y análisis crítico. Risa Morimoto, de la SOAS University of London, permite que los estudiantes elijan temas de interés y redacten textos dirigidos a familiares o amigos, lo que facilita la identificación de su estilo personal. Jonathan Vallano, por su parte, emplea preguntas abiertas y actividades que requieren que los estudiantes identifiquen y resuman investigaciones a partir de pistas, promoviendo así un aprendizaje más activo.

En conjunto, estas prácticas evidencian que la inclusión de la IA en el aula no implica necesariamente su prohibición ni la aceptación sin restricciones de los trabajos generados por estas herramientas. Las estrategias implementadas por los educadores para identificar el uso indebido de la IA buscan transformar la forma de evaluar, enfocándose en el proceso de elaboración, promoviendo la discusión y planteando problemas complejos que no pueden ser resueltos automáticamente. Aunque muchas de estas tácticas se han popularizado, su efectividad sigue siendo un tema de debate ante el rápido avance de la tecnología.