El uso de la inteligencia artificial generativa es hoy masivo entre las nuevas generaciones de estudiantes, sacudiendo los códigos y los desafíos de la evaluación de los conocimientos. Esto plantea una serie de dilemas a las universidades. ¿Cómo pueden repensar sus exámenes para mantener la credibilidad de los títulos? Si existen verdaderas innovaciones disruptivas en la educación, los usos de las inteligencias artificiales generativas podrían ser una de ellas. No es nada menos que una nueva relación con el saber la que se está instaurando ante nuestros ojos. En la universidad, probablemente sean la evaluación de los aprendizajes y el riesgo de fraude los que suscitan más interrogantes.
Los fraudes son difíciles de observar. Por definición, la trampa se oculta y resulta complicado diferenciarla de los usos legítimos de las inteligencias artificiales generativas. Además, hasta la fecha no existe en Francia ningún estudio sólido que permita caracterizarla y cuantificarla, máxime cuando las plataformas de detección de plagio se muestran inoperantes. Poco fiables, estas producen tanto falsos positivos como falsos negativos, como lo demuestran el estudio de William H. Walters y el de Philippe Dessus y Daniel Seyve.
En cambio, sí se sabe que los estudiantes utilizan masivamente las inteligencias artificiales generativas. Una encuesta del Digital Education Council, publicada en agosto de 2024, muestra que el 86 % de ellos, en una muestra de 16 países que incluye a Francia, las utiliza, mientras que un estudio más reciente del Higher Education Policy Institute, realizado en febrero de 2025, estima que el 92 % de los estudiantes británicos recurre a ellas, de los cuales el 88 % para actividades que dan lugar a una evaluación.
Ante esta doble constatación, las universidades parecen bastante desprovistas de herramientas. El colapso de su capacidad para mantener los formatos clásicos de evaluación exige repensar radicalmente sus finalidades y modalidades con el fin de preservar la eficacia de las formaciones y la credibilidad de los títulos.
¿Para qué sirven las evaluaciones?
En educación, como en otros ámbitos, se define habitualmente la evaluación como un juicio de valor emitido a partir de una medición y destinado a la toma de decisiones. En la universidad, se trata por tanto de proponer a los estudiantes actividades, específicas o no, que permitan medir sus conocimientos y/o competencias. Estas pueden adoptar distintas formas, como el examen escrito presencial, la exposición oral, el trabajo de investigación o el informe de prácticas.
La evaluación es un proceso al servicio de dos finalidades muy diferentes, potencialmente complementarias pero con frecuencia confundidas.
La primera tiene como objetivo acompañar a los estudiantes proporcionándoles información cualitativa (análisis de progresos y dificultades, consejos para superarlas…) y/o cuantitativa (calificaciones) sobre sus aprendizajes. Estos elementos les permiten orientar y ajustar sus esfuerzos, al tiempo que invitan al profesorado a adaptar los suyos a las necesidades del alumnado. Por estas razones, esta forma de evaluación se denomina «formativa» y desempeña un papel esencial en el éxito de las estudiantes y los estudiantes.
La otra finalidad, denominada generalmente «sumativa», tiene como objetivo dar cuenta de los conocimientos y/o competencias de los estudiantes en una etapa determinada de una formación, a menudo al final, con el fin de autorizar la continuación de los estudios, expedir un certificado o un título. Los resultados de una evaluación sumativa se comunican la mayoría de las veces mediante modalidades cuantitativas (notas).
Sea cual sea la finalidad de una evaluación, su calidad se basa ante todo en su alineación con los objetivos de aprendizaje perseguidos. Debe dar cuenta de lo que se espera en términos de conocimientos y/o competencias. Asimismo, debe ser fiable, es decir, medir aquello que se supone que debe medir y hacerlo con suficiente precisión. Por último, debe proceder de manera equitativa, teniendo en cuenta las dificultades que pueden encontrar los estudiantes y que podrían ocultar sus aprendizajes, como la consideración de discapacidades invisibles, por ejemplo la dislexia.
¿Qué significa hacer trampa con una inteligencia artificial generativa?
Conviene distinguir claramente el fraude de todas las demás situaciones en las que los estudiantes delegan en las inteligencias artificiales generativas la totalidad o una parte de las tareas que se les prescriben. Fuera de la evaluación, la ayuda esperada de las inteligencias artificiales generativas constituye también una problemática pedagógica de gran importancia, pero no compromete la integridad de la relación con las normas universitarias.
La trampa está probada si la producción de la estudiante o del estudiante se inscribe en un proceso de evaluación cuando el uso de inteligencias artificiales generativas ha sido prohibido. Así, la resolución de un problema de estadística en el marco de un examen de fin de semestre, recurriendo de manera encubierta a estas herramientas cuando su uso ha sido prohibido por el profesorado, constituye fraude. Recurrir a la misma inteligencia artificial generativa como ayuda para resolver el mismo problema, con el acuerdo y la supervisión del docente, no lo es.
De hecho, el fraude con inteligencia artificial generativa arruina la calidad de la evaluación, en particular su fiabilidad, ya que la evaluación deja de medir aquello que se supone que debe medir. Asimismo, este fraude provoca una ruptura de la igualdad ante la evaluación. De manera general, el fraude académico designa las prácticas estudiantiles prohibidas y/o engañosas destinadas a obtener una ventaja en la evaluación de su rendimiento.
¿Por qué hacen trampa los estudiantes?
La trampa debe relacionarse con lo que la evaluación representa para los estudiantes. Una publicación científica reciente subraya la importancia que los estudiantes conceden a la evaluación de sus aprendizajes, pero también las críticas que formulan hacia evaluaciones cuyas formas actuales consideran estresantes, injustas, opacas y carentes de retroalimentación.
Esta presión evaluativa se ejerce en un contexto social y universitario en el que el individualismo, la competencia y el cortoplacismo son tales que no debe sorprender el auge de una visión utilitarista de los estudios universitarios y, por tanto, el debilitamiento de la exigencia moral. El modelo del «diamante del fraude» (Wolfe y Hermanson, 2004) identifica los cuatro factores principales que pueden explicar (y predecir) cualquier trampa: racionalización de la actividad, oportunidad de hacer trampa, motivación y capacidad percibida.
La confrontación de este modelo con la problemática del fraude académico resulta esclarecedora. Los cuatro factores tienen sentido en el contexto universitario:
- La trampa permite una fuerte racionalización de la actividad, con maximización de los resultados y minimización del esfuerzo.
- La oportunidad de hacer trampa es elevada, ya que el rendimiento de las inteligencias artificiales generativas permite responder con bastante eficacia a la mayoría de los formatos de evaluación (responder preguntas teóricas, analizar un texto, tratar datos, programar…).
- Muy elevada, la motivación para hacer trampa está vinculada al valor utilitario atribuido a los estudios y conduce a privilegiar la obtención de un título frente al interés intrínseco de los aprendizajes. Responde también, de manera sorprendente, a un intento de reequilibrio por parte de estudiantes que consideran que, si no utilizan inteligencias artificiales generativas, están en desventaja frente a quienes sí las usan.
- La capacidad percibida, por último, es alta, ya que las inteligencias artificiales generativas son fáciles de utilizar y, aun con usos novatos y torpes, producen resultados interesantes.
¿Qué pueden hacer las universidades?
Mantener las modalidades actuales de evaluación no es una opción; prohibir eficazmente el uso de las inteligencias artificiales generativas y detectar su utilización a posteriori tampoco es posible. Las universidades deberán, por tanto, repensar su doctrina de evaluación.
Recurrir con mayor frecuencia a la evaluación oral, reforzar la vigilancia de los exámenes, revisar los reglamentos de evaluación, sancionar más los fraudes, elaborar y difundir cartas de uso, concebir pruebas que resistan mejor a las inteligencias artificiales generativas son vías importantes que conviene explorar.
Sin embargo, estas medidas no bastarán para resolver el problema, tanto más cuanto que son muy costosas en tiempo, un recurso escaso y valioso en las universidades. Otra vía posible consiste en permitir que los estudiantes encuentren sentido a las evaluaciones, de modo que se les invite a no hacer trampa.
Para ello, una de las pistas consiste en separar estrictamente las evaluaciones destinadas a acompañar a los estudiantes en sus trayectorias de aprendizaje, con el análisis de sus dificultades y propuestas para superarlas (evaluaciones formativas), de aquellas destinadas a validar formalmente las etapas de su formación, con calificaciones o validaciones de competencias (evaluaciones sumativas).
En lo que respecta a las evaluaciones sumativas, esto permitiría «santuarizarlas» para conservar su fiabilidad. Sin excluir todo riesgo de fraude, una reducción drástica de su número permitiría concentrar en ellas más recursos para limitar los riesgos de trampa.
Liberadas así de su valor sumativo, todas las demás evaluaciones podrían diseñarse en torno a su finalidad formativa e incentivar a los estudiantes a la sinceridad en su trabajo para un mejor acompañamiento.
Es cierto que esta organización va en contra de la lógica de evaluación sumativa continua que se ha implantado en los últimos años. No hay, por tanto, una solución milagrosa, sino un importante proyecto que abrir, sin olvidar incluir en él al profesorado y a los estudiantes, que no solo son los primeros afectados, sino también los únicos que disponen de un conocimiento íntimo de la situación.
Jean-François Cerisier,
Profesor de Ciencias de la Información y de la Comunicación, Universidad de Poitiers
Este artículo se republica a partir de The Conversation bajo licencia Creative Commons. Leer el artículo original.
