El profesor denuncia fraude masivo con IA en un examen en Brown

Diseño de exámenes y trampas habilitadas por IA

• Muchos sostienen que el verdadero problema es plantear exámenes “para llevar a casa” y de “libro cerrado” en primer lugar; esos formatos asumen una cultura de honor que ya no existe.
• La IA se percibe como un factor que reduce la barrera y aumenta la escala de las trampas: rápida, accesible, difícil de detectar y capaz de hacer tareas completas.
• Otros señalan que hacer trampas en trabajos para llevar a casa ya estaba muy extendido antes de la IA; la IA cambia la magnitud y la comodidad, no el comportamiento básico.
• Las herramientas de detección de IA son ampliamente consideradas poco fiables y peligrosas (falsos positivos, métodos opacos).

Incentivos estudiantiles y cultura

• Para muchos, la universidad es una herramienta de credencialización y de contactos, no principalmente un espacio de aprendizaje. El título es un “billete para comer”, especialmente en las escuelas de élite.
• Las curvas de calificación y los programas competitivos crean presiones de dilema del prisionero: si los compañeros hacen trampas, los estudiantes honestos corren el riesgo de quedar peor situados en la clasificación relativa y de tener peores opciones profesionales.
• Tras la COVID y con el aumento de los costos, varios comentaristas ven que hacer trampas se ha normalizado y que el estigma se ha erosionado; los estudiantes “hackean” cualquier métrica para obtener recompensa.

Ética, integridad y curvas

• Un bando insiste en que hacer trampas siempre es una elección; la deshonestidad generalizada en la sociedad no la justifica.
• Otros argumentan que es ingenuo exigir alta integridad a los estudiantes mientras las instituciones y las élites se comportan cínicamente.
• Las calificaciones con curva son muy criticadas por convertir el aprendizaje en competiciones de suma cero que incentivan estructuralmente hacer trampas.

Respuestas institucionales y propuestas

• Fuerte impulso a exámenes presenciales y supervisados: en papel o en computadoras institucionales bloqueadas; algunos apoyan el trabajo manuscrito, mientras que otros dicen que escribir con dispositivos controlados es suficiente.
• Herramientas sugeridas: centros de examen con PCs aislados, exámenes orales, entrevistas uno a uno sobre el trabajo presentado, cuestionarios frecuentes de bajo riesgo, y trabajo basado en proyectos y en clase.
• Algunos instructores ya diseñan los cursos de forma “adversarial”, asegurándose de que el camino más fácil hacia una buena nota siga requiriendo comprensión genuina.
• Se describe a las administraciones como reacias a confrontar las trampas por incentivos de matriculación, financiación y reputación.

Debate sobre las calificaciones y el propósito de la universidad

• Varios cuestionan si las calificaciones predicen de forma significativa el desempeño laboral; muchos informan que a los empleadores rara vez les importa algo más que “tener un título”.
• Algunos profesores dudan del valor de calificar en absoluto, viéndolo como una criba no remunerada para los empleadores en medio de una inflación de notas generalizada.
• Otros defienden las calificaciones como retroalimentación necesaria, prerrequisitos para cursos avanzados y una parte central de una credencial que debe conservar su significado.

Perspectivas internacionales e históricas

• Los comentaristas comparan sistemas: finales eliminatorios en papel en partes de Europa, exámenes orales en Hungría/Italia, trabajos para llevar a casa con código de honor en algunas universidades de EE. UU.
• Hay escepticismo sobre que los antiguos modelos de código de honor puedan sobrevivir en el entorno actual sin cambios culturales y estructurales sustanciales.

Opiniones sobre el papel de la IA en la educación

• Un sector quiere prohibir estrictamente la IA en las evaluaciones y considera que hacer trampas con IA vacía de contenido la pericia y devalúa los títulos.
• Otro argumenta que el uso de la IA es inevitable en el trabajo; la educación debería enseñar a los estudiantes a usarla bien, evaluar la comprensión mediante entrevistas, presentaciones o tareas centradas en el proceso, y separar los fundamentos “sin IA” de las habilidades del mundo real “asistidas por IA”.