Todo el mundo asume que la IA generativa ha roto la integridad académica abiertamente.Los números cuentan una historia diferente.La mayoría de los estudiantes usan las herramientas para obtener ayuda legítima, pero los sistemas destinados a capturar los accesorios siguen recompensando las habilidades equivocadas.
Dos tercios de los graduados ya dependen de GenAI, pero el engaño absoluto permanece limitado
Una encuesta histórica de más de 95.000 estudiantes en 20 grandes universidades de investigación pública de EE.UU. encontró que aproximadamente dos tercios habían utilizado herramientas de IA generativas durante el año académico 2023-2024.Casi el 40 por ciento las usaba al menos mensualmente.Sólo el 9 por ciento de esos usuarios admitió enviar trabajos generados por IA que sabían que violaban las reglas del curso.Los usuarios diarios mostraron tasas más altas, en el 26 por ciento, mientras que los usuarios mensuales se sentaron en el 7 por ciento.
Disciplina importaba. campos no STEM vieron más abuso que los programas STEM. bajos ingresos, subrepresentados racialmente, y las mujeres estudiantes usaban las herramientas menos a menudo, lo que planteaba preocupaciones sobre el acceso desigual a habilidades relevantes para la carrera.
Un análisis del Reino Unido de 131 universidades registró más de 7.000 casos confirmados de mala conducta relacionada con la IA en 2023-24, elevando la tasa de 1.6 a 5.1 por cada 1.000 estudiantes. Las proyecciones tempranas de 2024-25 apuntan aún más alto. Una encuesta separada de HEPI mostró que el 88 por ciento de los estudiantes del Reino Unido habían intentado la IA generativa para el trabajo académico a principios de 2025, principalmente para explicar conceptos, resumir lecturas o desencadenar ideas en lugar de reemplazar su propia producción.
La presión, no la tecnología, impulsa los recortes
Los estudiantes se enfrentan a las cargas pesadas del curso, los plazos superpuestos y las calificaciones de altas apuestas que valoran los productos pulidos sobre el pensamiento visible.Cuando se puede reemplazar un todo más rápido por un mensaje de 30 minutos, la tentación crece.El mismo entorno competitivo que impulsa los GPA perfectos para prácticas y escuelas de posgrado también hace que la detección sea más difícil, porque las políticas varían enormemente de un plan de estudios a otro.
El análisis de Syllabi en decenas de miles de cursos muestra políticas que se mueven hacia usos permitidos con requisitos de divulgación. las prohibiciones de blanco simplemente impulsan el uso subterráneo sin abordar por qué los estudiantes alcanzan la herramienta en primer lugar.
Aquí está el catch
La reforma de la evaluación suena sencilla hasta que los departamentos tratan de implementarla. Los exámenes orales y el trabajo escrito a mano en la clase capturan fragmentos estrechos de habilidad. Les falta el razonamiento sostenido, la iteración y la síntesis que las universidades de investigación afirman enseñar. Las herramientas de detección mejoran, pero también los humanizadores que mascan la salida de la IA. El juego de gato y ratón consume tiempo mejor gastado en la enseñanza. Mientras tanto, los estudiantes de antecedentes mejor recursos obtienen una ventaja en la fluidez de la IA que los empleadores esperan cada vez más, ampliando las brechas en la conversación de integridad rara vez nombres.
La integridad de la investigación se enfrenta a presiones paralelas.Los incentivos a la publicación todavía favorecen el volumen y la novedad sobre los métodos transparentes y los resultados reproducibles.Los escándalos surgen periódicamente, pero el problema más profundo sigue siendo el mismo: los sistemas que recompensan la velocidad y las métricas de impacto sobre la documentación cuidadosa.
Lo que realmente cambia el comportamiento
Las directrices claras y específicas de la disciplina ayudan a hacer más que reglas universales.Los cursos que construyen flujos de trabajo visibles —descritos de revisión, registros de procesos, defensas orales— hacen que la asistencia de IA sea más fácil de integrar éticamente.Los estudiantes que pueden explicar su razonamiento sin la herramienta demuestran propiedad.Los programas que tratan la competencia de IA como una competencia aprendida en lugar de una amenaza oculta reducen tanto el mal uso como las desventajas.
Pre-registro, datos compartidos y secciones de métodos detallados hacen que las prácticas cuestionables sean más difíciles de ocultar y más fáciles de corregir.
Las universidades que invierten en tiempo docente para rediseñar tareas ven mejores resultados que aquellas que dependen de software de detección solo. El objetivo no es eliminar las herramientas que los estudiantes usarán después de la graduación.
Igor Chirikov, el investigador principal en la encuesta estudiantil a gran escala, lo ha dicho claramente: los estudiantes deben preguntarse si la IA les ayudó a entender mejor el material o simplemente les ayudó a terminar más rápido.
Photo by Vitaly Gariev on Unsplash