Descubre el «método del caballo de Troya» y otras estrategias efectivas que los profesores utilizan para detectar trampas con inteligencia artificial

Los educadores de todos los niveles se encuentran ante un desafío sin precedentes: la presencia constante de la inteligencia artificial (IA) en el ámbito académico. Esta tecnología emergente tiene el potencial de transformar los métodos de aprendizaje, facilitando la comprensión de conceptos complejos. Sin embargo, se presenta un dilema crucial: la delgada línea que separa el uso de herramientas como ChatGPT como apoyo educativo de la dependencia total en sistemas automatizados para la resolución de tareas. La creciente adopción de la IA generativa suscita numerosas interrogantes en el sector educativo, siendo una de las más urgentes la siguiente: ¿Cómo pueden los docentes discernir si un trabajo ha sido realizado total o parcialmente por una máquina?

En el Reino Unido, una reciente encuesta del Higher Education Policy Institute de Oxford, que abarcó a 1,054 estudiantes de pregrado, reveló que aproximadamente el 94% de los encuestados utiliza herramientas de IA generativa para sus trabajos evaluados. Además, un 12% admitió haber incluido texto generado por IA directamente en sus entregas. En Estados Unidos, un estudio llevado a cabo en 20 universidades con más de 95,000 estudiantes estimó que un 9% había empleado IA en sus trabajos, conscientes de que esto contravenía las normativas. En México, la situación es similar, con más del 60% de estudiantes y docentes de educación superior utilizando herramientas de IA generativa, aunque muchos reconocen que su uso se produce en un ambiente marcado por la falta de formación y la ausencia de normativas claras, lo que genera inquietudes sobre su aplicación ética. Ante este panorama, la cuestión de cómo detectar el uso de IA se vuelve apremiante.

Estrategias para la detección de trabajos generados por IA

A medida que los sistemas de IA como Claude, ChatGPT o Gemini ofrecen herramientas para identificar contenido generado artificialmente, los docentes están desarrollando metodologías para detectar tareas elaboradas por chatbots, a la vez que integran esta tecnología en su enseñanza. En un artículo reciente publicado en la revista Nature, se destacan diversas iniciativas. Por ejemplo, Nicholas Mattei, profesor de Informática en la Universidad de Tulane, permite que sus alumnos utilicen IA en su curso de Historia de la Tecnología. Sin embargo, requieren que identifiquen fuentes, usen modelos de lógica difusa para resumirlas y analicen críticamente los resultados, culminando en la elaboración de infografías y ensayos.

Mattei también incentiva a sus estudiantes a detectar errores en el contenido generado por IA, como referencias ficticias o infografías incorrectas, otorgando puntos adicionales por estas observaciones. Esta metodología no solo fomenta un aprendizaje más profundo, sino que también ayuda a los estudiantes a desarrollar habilidades críticas frente a la información generada por máquinas.

Simulaciones y análisis crítico

Por otro lado, Daniel Silver, sociólogo de la Universidad de Toronto Scarborough, implementa agentes de IA que simulan comerciantes para enriquecer el entendimiento de sus alumnos sobre conceptos de la obra «La riqueza de las naciones» de Adam Smith. Anteriormente, se solicitaba un ensayo sobre el libro, pero al permitir el uso de la IA, Silver ha notado que esta tecnología motiva a los estudiantes a explorar diversas situaciones hipotéticas, como las implicaciones de la desconfianza en las relaciones comerciales. Los alumnos analizan las transcripciones generadas por los agentes y redactan sus reflexiones, lo que permite a Silver identificar fácilmente si un estudiante ha solicitado que la IA realice todos los pasos de manera automática, ya que, en esos casos, la información puede ser inventada sin citar las transcripciones adecuadamente.

Evaluación y procesos de aprendizaje

Ruben Verborgh, científico informático de la Universidad de Gante, permite el uso de IA en su curso de Desarrollo Web, considerando que debe ser parte integral de la formación de sus alumnos. Sin embargo, evalúa las capacidades de sus estudiantes mediante preguntas específicas como “¿Por qué no funciona esta página web?” o “¿Por qué es lenta?”, interrogantes que no siempre son respondidas correctamente por los sistemas de IA. Según Verborgh, aunque los chatbots pueden ofrecer respuestas, a menudo carecen de un enfoque metodológico sólido.

Una estrategia similar es empleada por Etienne Roesch, estadístico y científico cognitivo en la Universidad de Reading, Reino Unido. Él proporciona imágenes de análisis de actividad neurológica y pide a sus alumnos que las interpreten. Roesch ha notado que, cuando las solicitudes son respondidas por IA, las respuestas frecuentemente no guardan relación con lo que se observa en las capturas de pantalla, lo que facilita la identificación de un trabajo generado artificialmente.

El enfoque en el proceso creativo

Algunos educadores se centran en la evaluación del proceso de elaboración de los trabajos, en lugar de limitarse al resultado final. Yanjun Shen, investigador en Geología Ecológica e Ingeniería en la Universidad de Chang’an, en Xi’an, China, solicita a sus alumnos los registros de interacción con herramientas de IA para determinar si estas herramientas han contribuido a ampliar su conocimiento o si han sustituido su propio pensamiento crítico. En línea con esta práctica, Nikita Bezrukov, profesor de Lingüística y Comunicación en la Universidad de Columbia, utiliza plataformas que permiten acceder al historial de revisiones de documentos. Aunque permite el uso de IA para corregir gramática o mejorar redacción, prohíbe su utilización para generar trabajos completos.

Evaluaciones orales como método de verificación

Los exámenes orales se están empleando cada vez más para verificar la comprensión del alumno sobre el contenido que han presentado por escrito. Gianmarc Grazioli, químico computacional de la Universidad Estatal de San José, asigna un 70% de la calificación al código Python y un 30% a un examen oral, donde los estudiantes deben explicar líneas específicas de su trabajo. Esta modalidad de evaluación desplaza el enfoque del producto final hacia la capacidad del alumno para articular sus decisiones y demostrar su dominio sobre los conceptos. Así, una respuesta generada con ayuda de IA puede ser aceptable siempre y cuando el estudiante muestre comprensión y habilidad para cuestionar y defender su trabajo.

Desafíos y soluciones en la detección de IA

Si bien los detectores de IA continúan siendo una opción, muchos educadores los consideran solo como un recurso adicional, junto con la identificación de referencias incorrectas y cambios abruptos entre borradores. Ollie Thomas, biólogo de la Universidad de Melbourne, señala que existe una especie de “carrera armamentística”, dado que las herramientas de IA están en constante evolución y pueden evadir sistemas de detección. Por tanto, la identificación de contenido generado artificialmente no se debe basar únicamente en herramientas automáticas. La comparación de diferentes versiones de un documento, la revisión de las fuentes y la interacción directa con el estudiante son elementos clave para comprender el proceso de elaboración de un trabajo.

Iniciativas innovadoras en la enseñanza

Will Teague, historiador en la Universidad Estatal de Angelo, en Texas, ha experimentado con el «método del caballo de Troya», que consiste en incluir una instrucción que pueda ser entendida por una IA pero que pase desapercibida para el estudiante. Al solicitar que los ensayos se escribieran desde una perspectiva marxista, identificó a 47 de 130 trabajos como claramente generados por un chatbot. No obstante, consideró que esta experiencia fue negativa y posteriormente optó por estrategias educativas más constructivas.

Este caso ilustra las limitaciones de depender exclusivamente de métodos de vigilancia. Aunque algunas técnicas pueden revelar el uso de chatbots, no necesariamente contribuyen al aprendizaje. Por ello, muchos educadores están replanteando las actividades para integrar la IA en el proceso educativo, asegurando que no reemplace la participación intelectual del estudiante.

Fomentando la personalización y el pensamiento crítico

Finalmente, ciertos docentes han diseñado actividades que requieren personalización, reflexión y análisis crítico. Risa Morimoto, profesora en la SOAS University of London, permite a sus estudiantes seleccionar temas que les interesen y escribir textos dirigidos a familiares o amigos, facilitando una mejor identificación de su voz personal en los trabajos. Jonathan Vallano, por su parte, utiliza preguntas abiertas y actividades donde los estudiantes deben investigar y resumir artículos a partir de pistas, fomentando así una comprensión más profunda de los contenidos.

En conjunto, estas experiencias demuestran que la inclusión de la IA en el aula no implica necesariamente su prohibición ni la aceptación incondicional de trabajos realizados con estas herramientas. Las estrategias implementadas por los educadores para detectar posibles trampas con IA apuntan a modificar la manera de evaluar, enfocándose en el proceso de creación, requiriendo explicaciones, promoviendo el debate, planteando problemas complejos y solicitando muestras de pensamiento original. A pesar de que muchas de estas tácticas han ganado popularidad, su eficacia sigue siendo objeto de debate en un contexto de rápido avance tecnológico.