La batalla equivocada: por qué la política de IA de su institución probablemente esté resolviendo el problema equivocado
Cada semana, los profesores de la educación superior pasan horas haciendo lo mismo: tratar de averiguar si un estudiante realmente escribió un artículo. Están procesando envíos a través de detectores de IA. Están buscando en Google frases sospechosas. Están comparando la complejidad a nivel de oración en todo el trabajo de un estudiante. Y están perdiendo.
No porque no sean inteligentes o dedicados. Están perdiendo porque están librando la batalla equivocada.
La conversación en la mayoría de los campus se ha centrado en la detección: ¿Cómo detectamos a los estudiantes que utilizan IA cuando no deberían hacerlo? El impulso de proteger la integridad académica es legítimo, pero el enfoque de detectar primero tiene un error fatal. Los detectores de IA señalan regularmente los escritos legítimos de los estudiantes como generados por IA, incluido el trabajo de estudiantes que solo usaron herramientas gramaticales, y omiten el contenido generado por IA que ha sido ligeramente editado. El problema del sesgo agrava el problema de la precisión: los investigadores de Stanford descubrieron que los detectores clasificaron erróneamente más del 61% de los ensayos escritos por hablantes no nativos de inglés como generados por IA. Un estudio de 2023 en la Revista Internacional para la Integridad Educativa que probó 14 herramientas de detección concluyó que no son precisas ni confiables. Como han argumentado Bowen y Watson, la cuestión que las instituciones deben afrontar honestamente es cuántas acusaciones falsas están dispuestas a aceptar como daño colateral. Las herramientas que utilizan los estudiantes están evolucionando más rápidamente de lo que cualquier institución puede seguir el ritmo, y la carrera armamentista es imposible de ganar. Mientras tanto, las instituciones están gastando enormes energías en vigilancia en lugar de enseñanza.
Sin embargo, hay un problema más profundo con este encuadre, y es uno que recibe mucha menos atención. Centrarse en la detección trata el síntoma, no la enfermedad. El verdadero desafío no es que los estudiantes estén usando IA. Es que el uso de la IA ha socavado fundamentalmente la validez de muchas herramientas de evaluación en las que la educación superior ha dependido durante décadas. Un ensayo de cinco párrafos, un trabajo de investigación de fin de semestre, un estudio de caso para llevar a casa: siempre fueron sustitutos del aprendizaje, nunca el aprendizaje en sí. La IA no ha cambiado eso. Simplemente ha hecho que la brecha entre el proxy y lo que se supone debe medir sea imposible de ignorar.
Esa comprensión es el comienzo de una respuesta institucional genuina.
El cambio de paradigma que deben liderar los administradores
Las instituciones que están navegando bien en esto no se preguntan: «¿Cómo detectamos a los estudiantes que utilizan la IA?» Están haciendo una pregunta completamente diferente: «¿Cómo sabemos si nuestros estudiantes realmente están aprendiendo?»
Ese cambio en cuestión cambia todo lo posterior: políticas, diseño de evaluaciones, desarrollo docente y cultura institucional. Y requiere liderazgo. Los profesores no pueden hacer este giro de forma aislada. El marco tiene que venir desde arriba, porque lo que realmente se pide a los profesores es una importante reorientación profesional e intelectual.
En Grand Canyon University, nuestro enfoque se basa en tres pilares interconectados: una posición institucional clara, modernización curricular y lo que llamamos integridad del aprendizaje, un marco que permite a los profesores verificar el aprendizaje en lugar de detectar malas conductas.