← Lumbre

Cursos para profesores Deshonestidad, datos y sesgo: debido proceso, protección de menores y evaluación auditable con modelos

Portada de Deshonestidad, datos y sesgo: debido proceso, protección de menores y evaluación auditable con modelos

Deshonestidad, datos y sesgo: debido proceso, protección de menores y evaluación auditable con modelos

✦ Tema 3 de 8, apertura de la etapa Deshonestidad, datos y sesgo · Cursos para profesores · y te lleva 30 minutos

Roadwise Consulting

Firmado y verificado · Fernando Castro

Objetivo: Distinguir el fraude académico del mal uso de datos y del sesgo de un modelo evaluador; aplicar un debido proceso defendible ante la sospecha de uso indebido; declarar usos admitidos y citación de apoyo; identificar riesgos legales al subir trabajos de menores; detectar sesgo y opacidad en calificaciones asistidas; y trasladar la protección del alumno de la virtud docente a una política escrita del centro de trabajo.

30 min Cursos para profesores 21–99 años
Más
Deshonestidad, datos y sesgo: debido proceso, protección de menores y evaluación auditable con modelos

Herramientas de la lección

◉ Entrar a La Matrix Sorpréndeme

Sobre este contenido

Ir a

Volver a Ruta del docente aumentado Cursos Explorar Mi cuenta Salir del modo estudio

Deshonestidad, datos y sesgo: los tres problemas que llegan juntos

Cuando una escuela adopta modelos sin reglas, los primeros daños no aparecen donde se prometieron los beneficios: aparecen en un alumno sancionado por escribir demasiado bien, en treinta ensayos que ya viven en el servidor de una empresa, y en una nota que nadie puede explicar. Este tema toma esos tres daños en serio y por separado.

Hay tres problemas distintos que se suelen mezclar bajo la palabra riesgo: que un alumno engañe a la escuela, que una herramienta trate mal los datos de ese alumno y que un modelo evaluador premie sistemáticamente a unos sobre otros. Cada uno tiene dueño, mecanismo y remedio distintos, y confundirlos produce políticas que castigan al equivocado.

1. Lo que cambió en la deshonestidad académica

Lo que cambió no es la honestidad del alumno sino el costo de producir un trabajo aparente: cuando entregar algo que parece trabajado deja de costar esfuerzo, la deshonestidad migra de copiar palabras a delegar el pensamiento, y esa migración no se ve con un detector.

Conviene nombrar el error de diagnóstico más común: asumir que todo el mundo quería copiar y que antes no podía. Antes se copiaba de un compañero, de un libro del salón o de una página mal traducida, y una parte de esos trabajos se detectaba porque el estilo cambiaba de golpe. Hoy el umbral entre "me ayudé" y "lo encargué" se volvió borroso, y una regla que no lo define se aplica por humor del evaluador.

Declarar el uso de una herramienta no es una concesión moral: es la misma regla que obliga a citar un libro, y solo funciona cuando la escuela dijo antes, con precisión, qué se puede delegar en cada tarea y qué no.

El plagio académico y el uso de IA: errores y consecuencias
Anota cuáles de los errores que describe el video son de formato y cuáles son de fondo: la mayoría de los reglamentos escolares solo está escrito para los primeros.

Un reglamento escolar dice: "queda prohibido presentar trabajos no elaborados por el alumno". ¿Cuál es el problema de esa redacción con un modelo a mano?

Con que el alumno declare que usó la herramienta, el problema de la deshonestidad queda resuelto.

Cinco maneras en que la conversación sobre plagio se desplaza cuando el producto deja de costar trabajo
Lo que se creía el problemaQué muestra el caso realQué decide la escuela
El alumno copia un texto de internet✦El alumno encarga la versión inicial y la mejora dos líneasSi encargar el borrador está admitido o no, dicho por escrito
Detectar al que trampeóDiseñar una tarea cuya copia no demuestre nadaQuién revisa el rediseño cada ciclo
Castigar para ejemplarizarSostener un procedimiento que resista una reclamaciónQué autoridad responde por la sanción
Prohibir la herramientaDefinir usos admitidos por tipo de trabajoCómo se informa a familias y alumnos
Confiar en el detectorConversar con el alumno sobre su trabajoQué evidencia adicional se exige antes de señalar

Una de estas afirmaciones sobre la deshonestidad académica es falsa. ¿Cuál?

Marca la línea o las líneas con error y pulsa Comprobar.

2. Debido proceso: qué se puede sostener ante un reclamo

Un señalamiento académico necesita las tres cosas que un marcador no da: una imputación concreta sobre hechos, una oportunidad real de explicar y una sanción prevista en una regla que el alumno conoció antes de entregar.

Ningún detector de texto generado distingue hoy entre un alumno que usó la máquina para escribir y uno que la usó para revisar ortografía, y los falsos positivos caen de manera desproporcionada sobre quienes escriben en un segundo idioma o con estilos muy esquemáticos.

Diagrama de flujo de cinco pasos ante la sospecha de uso indebido de inteligencia artificial: describir la señal sin atribuir intención, conversar con el alumno, revisar versiones y bitácora, aplicar la regla escrita del reglamento y registrar el caso para ajustar la tarea.
El detector puede abrir la conversación; nunca puede cerrarla. Y la conversación casi siempre llega a una respuesta distinta que el marcador.
Detección de plagio con IA y sin IA
Compara las dos rutas que muestra el video y contesta una pregunta práctica: cuál de ellas te deja explicar tu decisión ante la coordinadora académica y ante la familia.

Ordena los pasos del debido proceso ante un trabajo sospechoso, del primero al último.

    Coloca los elementos en orden y pulsa Comprobar.

    Una escuela instala un detector en la plataforma de entregas y deja que sus resultados cuenten como evidencia automática. Antes de leer el desenlace, ¿qué crees que pasa en el primer semestre?

    ¿Qué parte del debido proceso te parece más frágil hoy en tu escuela?

    ¿Qué tan seguro estás de tu respuesta?

    3. Datos de alumnos: el costo de una herramienta sin contrato

    Los trabajos de los alumnos son datos personales y los de menores son además datos de un grupo que no pudo negarse: al subirlos a una herramienta gratuita se cambia la confidencialidad del aula por los términos de servicio de una empresa que no conoce la escuela.

    La pregunta que conviene hacer antes de subir cualquier cosa no es "¿esta app es segura?" sino "¿dónde queda este archivo y quién puede leerlo mañana?". Un ensayo con nombre, grupo y fecha es información de un menor; un curso completo de ensayos es el perfil académico de una generación escolar. Y la regla mínima que vale la pena escribir en una hoja es esta: ningún archivo de un alumno sube a una herramienta sin contrato que declare finalidad, plazo de borrado y responsable.

    Inteligencia artificial y privacidad: cómo usan nuestros datos
    Identifica qué permiso estás otorgando cuando aceptas un términos de servicio escolar sin leerlos, y qué harías con esa información si fueras la autoridad de datos de la escuela.

    Empareja cada práctica con el problema que genera o con la salida que la hace defendible.

        Conviene ponerle tamaño al asunto antes de discutirlo: seis grupos de 28 alumnos con tres trabajos por alumno en un semestre, 6 por 28 por 3 son 504 archivos con nombre y curso que pueden salir de la escuela en una tarde de flojera.

        Una docente sube a una herramienta gratuita los trabajos de sus seis grupos, de 28 alumnos cada uno, con tres entregas por alumno en el semestre. ¿Cuántos archivos con datos de menores quedaron fuera de la escuela?

        Una de estas afirmaciones sobre datos de menores es falsa. ¿Cuál?

        Marca la línea o las líneas con error y pulsa Comprobar.

        4. Sesgo y opacidad: el riesgo que no se ve venir

        El sesgo no entra a la escuela como un discurso de odio: entra como una calificación apenas más baja a los textos con giros dialectales, como una alerta de rezago que se dispara primero en los grupos con menos recursos y como un dato histórico inventado que suena razonable.

        Hay una manera fácil de comprobarlo en casa: tomar dos textos con las mismas ideas, uno en registro estándar y uno con giros regionales o con frases cortas y secas, y pedir al modelo que los puntúe con la misma rúbrica. La diferencia de puntaje, cuando aparece, no viene del contenido: viene de qué tan parecido se ve el texto al material con el que se entrenó.

        Rejilla de cuatro tarjetas con los riesgos de evaluar con inteligencia artificial en la escuela: falsos positivos que señalan a alumnos que escribieron solos, sesgo hacia el registro estándar, historial académico de menores fuera de la escuela y notas sin explicación.
        Los cuatro riesgos comparten remedio: criterio escrito, revisión humana y datos que no salen del aula sin contrato.
        Sesgo y riesgo de sesgo: el lente que define toda tu revisión
        Traslada al aula lo que se dice aquí: qué criterio tuyo podría estar premiando el formato sobre el pensamiento sin que lo hayas escrito nunca.
        Inteligencia artificial para la diversidad: ¿aliada o riesgo en educación inclusiva?
        Anota el caso en que la herramienta ayuda a un alumno con apoyos institucionales y el caso en que etiqueta a un grupo completo: la línea entre los dos es la política de la escuela, no el software.

        El problema práctico de evaluar con un modelo no es que se equivoque sino que no se pueda averiguar por qué: si nadie puede explicar el criterio con el que un trabajo recibió cierta clasificación, la calificación deja de ser auditable y el alumno deja de poder reclamar.

        Diagrama de contraste entre dos políticas escolares frente al uso de inteligencia artificial: la que prohíbe y persigue con detectores sin explicar la imputación, y la que declara usos admitidos, rediseña la evaluación, protege los datos y enseña a declarar el apoyo.
        La diferencia no está en la severidad sino en la claridad: una escuela que declara qué permite puede exigir; la que solo prohíbe, no.

        Un modelo sugiere que tres alumnos de un mismo grupo necesitan apoyo intensivo. ¿Qué hace esa recomendación usable para una decisión seria?

        Clasifica cada situación según el tipo de riesgo que representa para un estudiante.

        Arrastra cada ficha a su categoría (o tócala y luego toca la categoría). También puedes usar el teclado.

        Sesgar a un alumno puede ocurrir sin que ninguna persona de la escuela tenga la intención de discriminarlo.

        5. De la virtud personal a la política del centro de trabajo

        Un docente que resuelve esto solo no puede negociar una licencia, no puede cambiar un reglamento y no puede sostener solo una sanción: la protección del alumno es una política de centro de trabajo, no una virtud personal.

        Qué puede hacer cada quien, empezando por lo que no requiere presupuesto

        1. Hoy, en tu aula

          Escribe la regla de usos admitidos para la siguiente entrega y coméntala con el grupo antes de recibirla.

        Paso 1 de 5

        Cómo cambia la protección del alumno entre 2026 y 2034

        1. 2026
          Criterio personal

          Cada docente decide solo y el reglamento no menciona la herramienta.

        2. 2028
          Reglas por tarea

          Se declara qué se puede encargar y qué no, antes de recibirla.

        3. 2030
          Procedimiento escrito

          La sospecha abre una conversación con versiones y defensa, no una sanción.

        4. 2032
          Contratos de datos

          Ninguna entrega de menor sale sin contrato, finalidad y plazo de borrado.

        5. 2034
          Auditoría interna

          Se revisan decisiones asistidas por criterio, grupo y efecto sobre los mismos alumnos.

        «Un detector es más objetivo que un docente cansado: mejor una política dura con errores que una blanda con sospechas.»

        Una autoridad escolar propone usar el puntaje del detector como prueba única en los casos de deshonestidad. Contesta sobre objetividad, falsos positivos y debido proceso.

        Tesis

        Objetividad no es lo mismo que exactitud: un instrumento consistente puede equivocarse siempre en la misma dirección.

        Evidencia

        El costo del error no es simétrico: el docente corrige una nota, el alumno señalado carga un antecedente.

        Razonamiento

        Lo duro y lo justo no son opuestos: el debido proceso es la versión exigente de la norma.

        Conclusión

        Contraargumento

        Tu respuesta al contraargumento

        Escribe dos frases: la regla que tú publicarías para la próxima entrega de tu grupo y el paso que le faltaría a tu escuela para que un señalamiento de deshonestidad sea defendible. Después anota quién, en tu escuela, tiene la autoridad para escribir esa regla, aunque todavía no exista.

        Si la segunda frase describe algo que depende de otra persona, entonces el riesgo de tu aula no se resuelve en tu aula: eso ya es un diagnóstico institucional.

        Tu texto se guarda sólo en este dispositivo.

        Mi borrador de regla de usos admitidos

        Tarjetas del tema 3

        Migración de la trampa
        De copiar palabras a delegar el pensamiento: el detector no ve eso.
        Debido proceso
        Imputación concreta, oportunidad de explicar, sanción prevista.
        Falso positivo
        Estilo esquemático o segundo idioma señalados como si fueran culpa.
        Trabajo = dato
        Entregas de menores: finalidad, contrato y plazo de borrado.
        Sesgo sin intención
        Premiar lo parecido al entrenamiento, aplicado con consistencia.
        Opacidad
        Sin criterio exportable no hay reclamación posible.

        Toca una tarjeta para ver la respuesta.

        Memoria del tema 3

        Empareja el problema con la medida que de verdad lo atiende.

        Sopa de letras del tema 3

        Ocho palabras del tema, en horizontal, en mayúsculas y sin acentos.

        Toca la primera letra y luego la última de cada palabra (en línea recta) para marcarla.

        Ninguna de las medidas de este tema consiste en vigilar más: consisten en declarar qué se permite, diseñar tareas que no se puedan encargar, tratar el trabajo del alumno como dato y escribir un procedimiento que resista una reclamación.

        — Idea central del tema 3

        Trazabilidad curricular del objeto

        Dónde vive este objeto dentro de la ruta del curso
        CampoValor
        CategoríaCursos para profesores
        CursoProfesores e IA (2026-2034)
        RutaRuta del docente aumentado
        EtapaDeshonestidad, datos y sesgo
        Área de conocimientoIntegridad académica y protección de datos
        TemaDeshonestidad, datos y sesgo: los tres problemas que llegan juntos
        Objeto en la ruta3 de 8
        DificultadIntermedia
        ModalidadAutoestudio con video, diagrama propio y reactivos con evidencia
        Prerrequisitotemas 1 y 2 de la ruta
        AutoríaRoadwise Consulting
        Las respuestas y tu progreso se guardan sólo en este dispositivo. Contenido firmado por su autoría mediante Lumbre.
        Más sobre esta lección

        Otra forma de comprenderlo

        ✦ Explorar el universo completo
        Explora temas relacionados

        Conceptos

        Comentarios

        Inicia sesión para comentar.

        Todavía no hay comentarios. Sé la primera persona en opinar.