__MAIN_TEXT__
feature-image

Page 1

08 AÑO 4 / NÚM 8

Buscando la integridad académica de la inteligencia artificial (pág. 06)

La integridad académica comienza desde el diseño curricular (pág. 14)

La inteligencia artificial y la integridad académica, dos grandes retos del siglo XXI (pág. 18)

INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8

CONSEJO EDITORIAL Rocío Mier y Terán Sierra, María del Carmen García Higuera, Universidad Panamericana campus Ciudad de México; Gonzalo Pizarro Puccio, Pontificia Universidad Católica de Chile; Jean Gabriel Guerrero Dib, Adriana Lizeth Barberena Cerda y Elmi Salazar Báez, Universidad de Monterrey; María Alejandra Calderón Swain, Universidad Panamericana, campus Guadalajara; Nathalia Franco Pérez, Universidad EAFIT; Pablo Ayala Enríquez y Daniela Gallego Salazar María, Instituto Tecnológico y de Estudios Superiores de Monterrey y Mariana Rutigliano, Turnitin. Edición Armando Alemán Juárez aalemanj@up.edu.mx Diseño Arturo E. Becerra Mariscal abecerra@up.edu.mx Centro de Innovación Educativa mx_cie@up.edu.mx http://cie.up.edu.mx

Esta revista es un esfuerzo conjunto de la Universidad Panamericana en alianza con las siguientes universidades:

Integridad Académica Enero - Junio 2020 / Año 4 / Número 8

2

Universidad Panamericana Jerez 10 Col. Insurgentes Mixcoac 03920. Del. Benito Juárez, CDMX Créditos de recursos gráficos: Freepik.com Pexels.com commons.wikimedia.org

INTEGRIDAD ACADÉMICA, año 4, número 8, es una publicación semestral enero - junio 2020 editada por CENTROS CULTURALES DE MÉXICO, A.C. (propietaria de la Universidad Panamericana), con domicilio en calle Jerez No. 10 Col. Insurgentes Mixcoac, Delegación Benito Juárez, Ciudad de México, C.P. 03920, Tel. (55) 54 82 16 00. Editor responsable María del Carmen García Higuera, Reserva de Derechos al Uso Exclusivo 04-2017-121117154000-203, ISSN 2594-0236, ambos otorgados por el Instituto Nacional de Derechos de Autor. Responsable de la última actualización de éste Número, María del Carmen García Higuera. INTEGRIDAD ACADÉMICA. Copyright 2020© Todos los derechos reservados. El contenido de la presente publicación no puede ser reproducido, ni transmitido por ningún procedimiento electrónico o mecánico, incluyendo fotocopia, grabación magnética, ni registrado por ningún sistema de recuperación de información, en ninguna forma y por ningún medio, sin la previa autorización por escrito de CENTROS CULTURALES DE MÉXICO, A.C. CENTROS CULTURALES DE MÉXICO, A.C. no tendrá responsabilidad alguna por las lesiones y/o daños sobre personas o bienes que sean el resultado de presuntas declaraciones difamatorias, violaciones de derechos de propiedad intelectual, industrial o privacidad, ni responsabilidad por producto de negligencia. Tampoco asumirán responsabilidad alguna por la aplicación o utilización de los métodos, productos, instrucciones o ideas descritos en el presente material, seguir los consejos y/o recomendaciones, incluidos en ellos es responsabilidad de quien lo hace y de quien lo recomienda. Todas las ideas expresadas en los artículos incluidos en esta publicación, son de cada autor. CENTROS CULTURALES DE MÉXICO, A.C. y el comité editorial no asumen responsabilidad alguna sobre las ideas expresadas en los artículos publicados, toda vez que estos no necesariamente expresan la ideología, opinión ni la interpretación de CENTROS CULTURALES DE MÉXICO, A.C., de sus Directivos, empleados, ni del equipo que dirige esta publicación. Queda prohibida la reproducción total o parcial de los contenidos e imágenes de la publicación sin previa autorización de CENTROS CULTURALES DE MÉXICO, A.C.

Agradecemos a nuestro patrocinador:


INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA

EDITORIAL

H

ablar de integridad académica en la inteligencia artificial (IA) implica reflexionar en torno a las cuestiones éticas de esta disciplina. Tanto de cómo se enseña y se aprende, así como de lo que es correcto e incorrecto en sus contenidos, en su práctica y, sobre todo, en el discurso que se construye alrededor de ella. Según un reporte realizado por McKinsey Global Institute, debido a la automatización, para el 2030 se estima que entre 400 y 800 millones de personas en el mundo se vean en la necesidad de buscar un nuevo trabajo (2017). Frente a este reto, ¿qué papel tiene la educación?, ¿qué camino hay que seguir para formar a los que serán los nuevos profesionistas?, ¿qué responsabilidad tienen los ingenieros en IA en todo esto? Bajo este contexto, te presentamos el octavo número de nuestra revista. Iniciamos la discusión con el artículo “Buscando la integridad académica de la inteligencia artificial”, de Hiram Ponce Espinosa, de la Universidad Panamericana. El autor explica que la IA arroja nuevas oportunidades para el ser humano; por ejemplo, la capacidad de potenciar las habilidades de las personas, la posibilidad de mejorar la conducta humana, el incremento de las capacidades sociales y de la calidad social, entre otros. No obstante, estas mismas oportunidades representan también nuevos riesgos éticos, como el cambio de roles sociales, el mal uso de la información y el reemplazo de la mano de obra por las máquinas, por mencionar algunos. En “Malas prácticas en investigación: Una discusión necesaria sobre integridad académica”, Wileidys Artigas Morales, de la Universidad del Zulia, e Ilya Casanova, de la Universidad Laica Eloy Alfaro de Manabí (ULEAM), exponen algunas de las prácticas deshonestas más comunes en investigación que existen en Latinoamérica y en el mundo. Según las autoras, la causa de estas malas costumbres proviene de las exigencias a las que algunas instituciones de educación superior y centros de investigación someten a los investigadores para publicar. En parte, este fenómeno ocurre por pensar que un mayor número de publicaciones tendrá como efecto una mejor posición laboral. Por parte de la Universidad de Monterrey (UDEM), Elmi Salazar Báez, del Centro de Integridad, nos presenta la infografía “Plagio: Consecuencias - Causas - Prevención”. De manera gráfica y sintética, la autora muestra algunas de las consecuencias del plagio, para los alumnos, la universidad y la sociedad en general. También plantea distintas razones por las que los estudiantes cometen algún tipo de fraude, como la presión escolar, la oportunidad y “porque todo el mundo lo hace”. En el cuarto texto “La integridad académica comienza desde el diseño curricular”, Montserrat Armesto Camargo, de la Universidad Panamericana, describe el proceso que siguieron para diseñar la licenciatura en Ciencia de Datos en la UNAM. La autora explica cómo tomaron en cuenta la integridad académica en cada una de las etapas del diseño curricular; es decir, en el planteamiento del objetivo, en la generación de perfiles y competencias esperadas, en la creación de la malla curricular y, finalmente, en la elaboración de los temarios para cada materia. Concluimos la revista con la entrevista que hace Nathalia Franco Pérez, de la Universidad EAFIT, a David Rettinger, presidente del Centro Internacional para la Integridad Académica (ICAI, por sus siglas en inglés). Las preguntas hechas a David van encaminadas a entender cómo la IA está impactando la vida de los seres humanos, qué implicaciones tiene en la educación alrededor del mundo y los mecanismos que determinan lo que es importante sobre este tema.

Armando Alemán Juárez

3


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8

CONTENIDO 06

BUSCANDO LA INTEGRIDAD ACADÉMICA DE LA INTELIGENCIA ARTIFICIAL

09 MALAS PRÁCTICAS EN INVESTIGACIÓN: UNA DISCUSIÓN NECESARIA SOBRE INTEGRIDAD ACADÉMICA

4

.

14

LA INTEGRIDAD ACADÉMICA COMIENZA DESDE EL DISEÑO CURRICULAR

18

LA INTELIGENCIA ARTIFICIAL Y LA INTEGRIDAD ACADÉMICA, DOS GRANDES RETOS DEL SIGLO XXI

23

GUÍA DE CREDIBILIDAD DE LA FUENTE

»

»

-

Autor -

»

» »

22

PLAGIO: CONSECUENCIAS CAUSAS - PREVENCIÓN


INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA

La tecnología por sí sola no basta. También tenemos que poner el corazón.

- Jane Goodall

5


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8

BUSCANDO LA INTEGRIDAD ACADÉMICA DE LA INTELIGENCIA ARTIFICIAL Hiram Ponce Espinosa | hponce@up.edu.mx Profesor-investigador en la Facultad de Ingeniería, Universidad Panamericana, México.

6


E

n los últimos años, los avances de la Inteligencia Artificial (IA) han permeado con mayor ímpetu en la sociedad y la vida diaria. Notables aplicaciones que van desde la prevención y detección de enfermedades, la robótica aplicada, las predicciones climatológicas, hasta tecnologías del área residencial como las lavadoras inteligentes y las casas automatizadas, se han dado gracias a esta disciplina. No obstante, la IA también se ha envuelto en dilemas éticos como el uso inapropiado de los datos o accidentes viales provocados por automóviles autónomos. Lo anterior, sumado a la falta de información, ha traído consigo nuevos problemas tecnológicos, políticos y sociales que se deben resolver con prioridad; lo cual, también ha abierto la discusión sobre el rol que desempeña la ética en las ciencias computacionales y, en general, en las tecnologías. Desde la educación, ¿se puede buscar la integridad de la inteligencia artificial? Algunos autores como Floridi et al. (2018) han identificado una serie de oportunidades y riesgos de la inteligencia artificial. En su iniciativa llamada AI4People (Inteligencia Artificial para las Personas), exponen cuatro implicaciones en su relación positiva y negativa en el uso de la IA: la posibilidad de auto-realización de los individuos, el mejoramiento en la conducta humana, el incremento de las capacidades sociales y el aumento de la cohesión social. La primera está orientada a la auto-realización de los individuos, permitiendo potenciar sus habilidades y capacidades en su mundo cotidiano; tal es el caso del mejoramiento en la calidad doméstica debido a las máquinas “inteligentes”, como la lavadora que estima el nivel de suciedad de una prenda, o el refrigerador que hace la despensa dependiendo de los productos faltantes. Sin embargo, la sobre-aplicación de la IA puede tener problemas en la disminución de las habilidades técnicas, provocando así un cambio de roles sociales o pérdida de empleos desproporcionados. La segunda implicación de la IA se refiere al mejoramiento en la conducta humana; es decir, permite guiar a las personas a una toma de decisiones mejor informada. Un caso práctico es el uso de aplicaciones móviles, ya sea para el acondicionamiento físico, o aquellas que permiten transitar con

INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA mayor eficiencia por las calles de la ciudad haciendo uso de los datos de tráfico. Sin embargo, el uso excesivo de estos “recomendadores inteligentes” podría suponer la delegación de nuestra toma de decisiones a esta tecnología, limitando nuestras capacidades humanas. La tercera implicación en el uso de la IA se refiere al aumento de la calidad social; por ejemplo, en la aplicación de esta tecnología para la prevención y cura de enfermedades, mejorando considerablemente el bienestar y vida de las personas. En contraparte, hacer uso desmedido de esta tecnología puede provocar la falta de atención en factores de riesgo para nuestra salud; generando así, una dependencia de nuestro cuidado a los sistemas inteligentes. La cuarta implicación denota el aumento de la cohesión social. Un ejemplo de esto es el uso del Internet de las Cosas y el uso de modelos de predicción del clima, permitiendo así posibles soluciones colaborativas al cambio climático. Sin embargo, otras aplicaciones como la industria 4.0 que posibilitan la automatización y flexibilidad, han comenzado a modificar la relación de las personas en el trabajo –actividades rutinarias reemplazadas por máquinas o selección de recursos humanos de forma automatizada–, lo cual limita la conducta social a comportamientos no deseables que pueden impactar negativamente en la dignidad humana. En conjunto, las cuatro oportunidades mencionadas y sus respectivos riesgos ponen en contexto a la IA dentro de la sociedad y las personas. Hay ejemplos de benevolencia y sus áreas de mejora. Sin embargo, los retos de un ejercicio sano e íntegro de esta disciplina solo serán posibles si se genera un consenso de su uso. Como toda tecnología madura, la IA se debe enfrentar a un sistema regulatorio (Floridi et al., 2018). Es más, debido a que esta puede funcionar como herramienta para mejorar los procesos cognitivos del ser humano –razonamiento, aprendizaje, toma de decisiones– y así guiar nuestra conducta; vale la pena considerar a la ética como medio para la búsqueda de la integridad de la IA. Entre otros factores, se considera a la educación en ética de la IA fundamental en este caso.

7


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8

8

En un estudio realizado por Fiesler et al. (2020), sobre la impartición de la ética de la tecnología en diferentes universidades del mundo, se observó que existen dos enfoques actuales en la aproximación a la ética: a través de la oferta de cursos independientes y de la oferta de cursos integrales. Los primeros se refieren a materias de los planes de estudios dedicados a la ética filosófica, sin tomar en cuenta a las otras ciencias y disciplinas; mientras que los segundos son cursos del currículo donde la ética está presente de forma transversal. Con especial atención, se ha visto un incremento de los cursos integrales de ética en la formación de ingenieros, tecnólogos y aquellas carreras orientadas a la inteligencia artificial. No es de sorprenderse; sin embargo, es de vital importancia que la ética esté presente desde la concepción, el diseño, la planeación, el desarrollo y la implementación de la IA, para hacer de esta íntegra. Con respecto de la búsqueda de la integridad de la IA, se han identificado cinco principios (Floridi et al., 2018) a tomarse en cuenta en cualquier nivel, incluyendo el académico. El primero responde al principio de la beneficencia; es decir, los sistemas inteligentes han de estar pensados para promover el bienestar humano, preservar la dignidad y coadyuvar a la sustentabilidad del planeta. En otras palabras, la IA debe estar alineada a la responsabilidad social, sin afectar la capacidad humana en cualquiera de sus dimensiones. Un segundo principio es la benevolencia que debe proveer esta tecnología y entre otras funciones incluye garantizar la seguridad y privacidad de las personas, manteniendo siempre la capacidad de control humano. El tercer principio en el uso de la IA es la autonomía que permite a las personas decidir si la utilizan o no, dejando así libre la voluntad de los humanos sobre la tecnología. La justicia es el cuarto principio que debe cumplir la inteligencia artificial al promover la prosperidad y preservar la solidaridad, dejando a un lado las prácticas de sesgo y discriminación, siendo accesible de manera equitativa para todos. Finalmente, esta tecnología ha de cumplir el principio de “interpretabilidad”; es decir, que sea capaz de explicar su diseño, desarrollo y respuesta con la intención de que su aporte sea transparente y entendible en todo momento. Si bien, la IA ha de cumplir con la beneficencia, benevolencia, autonomía, justicia e interpretabilidad; la realidad del ejercicio de estos principios sigue siendo incipiente. Desde la educación, los currículos todavía carecen de prácticas y conceptos consistentes en términos de la integridad de esta tecnología; hay falta de estándares y alta variabilidad en lo que se

enseña respecto a la ética e integridad de la IA. Según el artículo de Fiesler et al. (2020), existe la necesidad de considerar a la ética en la IA desde la práctica de la privacidad, el diseño de los algoritmos y la injusticia por sesgo. En la actualidad, hay muchos retos presentes en la integridad académica de la IA; que se vuelven cada vez más importantes de estudiar por la rápida exposición y penetración de las tecnologías en la vida cotidiana. La IA toca aspectos sociales y humanos que han de considerarse. Educar sobre inteligencia artificial implica entender sus oportunidades y sus retos, con la finalidad de darle un enfoque integral, ético y humano. En lo que a la academia se refiere, se debe incluir la ética de la IA en cursos sobre diseño, interacción humano-computadora, métodos de investigación, ciberseguridad e ingeniería de software; se debe potenciar el desarrollo de habilidades profesionales y de liderazgo en las ciencias y las tecnologías. A partir de lo anterior, la responsabilidad profesional del quehacer en la IA beneficiará a la sociedad y al futuro propio de la disciplina.

REFERENCIAS Fiesler, C., Garrett, N. y Beard, N. (2020). What do we teach when we teach tech ethics? A syllabi analysis. ACM SIGCSE Technical Symposium on Computer Science Education. Portland, OR, USA, 1–7. Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., … Vayena, E. (2018). AI4People–An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines, 28, 689–707.


INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA

MALAS PRÁCTICAS EN INVESTIGACIÓN: UNA DISCUSIÓN NECESARIA SOBRE INTEGRIDAD ACADÉMICA1 Wileidys C. Artigas Morales wileidys@hotmail.com

Docente e investigadora de la Universidad del Zulia. Editora de la revista “TELOS: Revista de Estudios Interdisciplinarios en Ciencias Sociales”, Venezuela. Asesora de revistas científicas de la Universidade Óscar Ribas, Angola.

Ilya Casanova ilya.casanova@uleam.edu.ec Docente e investigadora de la Universidad Laica Eloy Alfaro de Manabí (ULEAM), Ecuador.

S

i bien este número está dedicado al tema de la inteligencia artificial y su relación con la integridad académica, es necesario hacer referencia a las malas prácticas en investigación, que independientemente de cuánto avance la tecnología, afectarán el desempeño y desarrollo de la carrera de los investigadores. Estas malas prácticas pueden perjudicar dicho desarrollo en mayor o menor grado, a mediano o largo plazo. La elaboración de artículos científicos es un tema común entre docentes e investigadores, Artigas y Casanova (2019) resaltan que, sobre todo en los últimos años, es mandatorio poseer un alto índice de citaciones si se quiere avanzar en la carrera académica. En este sentido, tanto las revistas como los investigadores requieren el logro de reconocimiento nacional e internacional para el desarrollo de la carrera académica. De hecho, para optar a una plaza específica, se solicitan los índices de citaciones y la inclusión de las métricas relacionadas, que están asociadas con las exigencias de los países en función de mejorar sus indicadores nacionales. Poco se habla de los comportamientos éticos asociados al logro de dichos resultados, lo cual debería ser tema de discusión en las instituciones. El objetivo de este breve artículo es la descripción de algunas malas prácticas desarrolladas en Latinoamérica, en la búsqueda del aumento de las publicaciones, destacando Artigas y Casanova (2019) entre ellas: a) pago por la elaboración e inclusión en artículos; b) publicación en diversas áreas del conocimiento, buscando cantidad en contra de la calidad; y c) mal uso de información recolectada o generación de infor-

9 mación para publicar. Cabe destacar que no son las únicas malas prácticas, como señalan Llanos y Reyes (2002) al escribir sobre los cien pecados de la presentación de artículos científicos, en donde enumeran unas tantas otras. En cuanto al pago por la elaboración e inclusión en artículos, Artigas y Casanova (2019) resaltan que muy poco se hablaba de este tema, siendo un secreto a voces en los claustros académicos. En la presión de publicar una cantidad de artículos semestral o anualmente, los investigadores recurren a asesores para la elaboración de documentos o solicitan a amigos, profesores o conocidos la inclusión en artículos científicos, aun sin haberlos elaborado o sin conocer del tema en particular. En los últimos años se ha conocido este procedimiento como “autoría regalada” o “autoría ficticia” (Bravo, 2000). Como señalaba Silva (1990, p. 141), desde hace más de dos décadas “la autoría injustificada relaja la conducta ética de la comunidad científica, mengua el valor de la autoría y degrada el artículo científico a la condición de mercancía”.

Documento relacionado con la ponencia presentada en el CRECS 2019, en la Universidad Panamericana, en Guadalajara, el 23 y 24 de octubre de 2019. La ponencia se tituló: “La ética en la difusión de la ciencia: Una discusión necesaria sobre las malas prácticas en investigación”, de las mismas autoras. 1


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8

10

Ortiz (2010) plantea que esta conducta se puede definir antropológicamente como redes de reciprocidad. Algunas organizaciones ven este tipo de estructura sociocultural como un sistema moderno de intercambio, el cual tiene un carácter informal dentro del sector formal. Dentro de estas prácticas que son determinadas culturalmente, emergen relaciones de lealtad primaria, donde se incluyen a pares, investigadores noveles y estudiantes; de tal manera que el sistema funciona, se reproduce y se defiende. Silva (1990) señala que, en algunos casos, estas malas prácticas suelen ser impuestas por directores de tesis, siendo así que se incluyen autores que no han participado; se pagan o solicitan favores; se hacen pactos entre grupos de investigación, de incluirse en todos los documentos; o se cometen por simple costumbre. La mala práctica pudo originarse de interpretaciones erróneas de lo que se supone debe ser un trabajo colaborativo. Los manuscritos se producen tomando en cuenta las fortalezas de los que conforman un programa de investigación; de hecho, el beneficio de pertenecer a grupos de investigación se encuentra dado por este tema, la distribución de tareas del reporte de investigación, tomando en cuenta lo que cada individuo sabe hacer. En cuanto a la publicación en diversas áreas del conocimiento, buscando cantidad en contra de la calidad, Artigas y Casanova (2019) resaltan que sucede sobre todo en nuevos investigadores, que aún no se centran en un área específica del conocimiento. Se observa, por ejemplo, cómo en aulas de maestrías y postgrados los profesores de los diversos seminarios generalmente exigen, como trabajo de fin de curso, un “artículo científico”. Otros pecan incluso de solicitarlo “publicado” para poder aprobar el curso, sin siquiera discriminar en cuanto al área de conocimiento de interés del alumno y obligando prácticamente a los participantes a publicar sobre “cualquier cosa”. Hay que dejar claro que existen seminarios en los cuales se da la libertad al participante de seleccionar el tema de su interés, lo cual impulsa a escribir y desarrollarse en la disciplina en la que se esté formando; ello se convierte en una buena práctica de impulso para la escritura. La mala práctica terminará cuando los propios participantes entiendan que no pueden gastar su tiempo en publicar sobre temas que no les interesan, solo por cubrir los requerimientos de aprobación de un determinado curso. Esto no beneficia a los futuros investigadores, ya que la reputación en un área del conocimiento se gana haciéndose experto en esa determinada área, no publicando sobre cualquier tema, que

incluso nada tiene que ver con su área de experiencia. Por último y no menos importante, Artigas y Casanova (2019) señalan el mal uso de información recolectada o generación de información para publicar, una noción que expresan la mayoría de las declaraciones sobre ética de las revistas como una mala práctica. Incluso mundialmente existe el Comité de Ética en las Publicaciones (COPE, por sus siglas en inglés) que señala procedimientos específicos a seguir cuando se descubren algunos de estos elementos (COPE, 2019). En este punto, la idea puede relacionarse con la inteligencia artificial, al existir actualmente gestores de búsqueda y ordenamiento de información, que pueden dejar de lado investigaciones relevantes porque no están publicadas en revistas de alto impacto (Richterich, 2018). Bravo (2000) resalta que incluso se ha llegado a la invención, falsificación, manipulación de datos y plagio, una mala conducta científica que ha sido condenada a lo largo de los años por la ciencia. En los países que llevan la delantera en investigación, se han desarrollado comités de ética e incluso se imponen sanciones por estas fallas, que afectan el desarrollo de la ciencia. La credibilidad de la ciencia se sustenta en la integridad. Para Abad-García (2018), las instituciones y las personas implicadas en malas prácticas de investigación, quiebran esta credibilidad y degradan los sistemas de publicaciones de los científicos. Santana (2012) hace referencia a los sesgos de publicación, ya que no solamente se trata de invención de datos, sino de alteración de las tendencias de los resultados, al colocar resultados positivos y con tendencia alta, en función de beneficiar unos resultados específicos y realizar un análisis más simple o menos complicado. También menciona que cuando se publican resultados, el autor debe tener claro que está mostrando públicamente la culminación de su actividad investigativa y que dichos resultados, al ser publicados, pasan a ser patrimonio de la comunidad científica y el público en general. De ahí en adelante, eso que se publicó marca al investigador; por tan-


INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA to, si son resultados claramente refutables, también lo será el investigador y su reputación. Otro caso es repetido por académicos que, por beneficiar o adular a la institución donde trabajan, presentan resultados sesgados a su favor, lo cual no favorece a la ciencia y al desarrollo de la discusión científica. Como señala Manterola y Otzen (2015), es preciso que el investigador esté consciente de que pueden existir sesgos, pero debe evitar aquellos que puede y conocer los que no pueden evitarse. Se ha identificado que algunos investigadores incluyen material de poca importancia o poca confiabilidad para engrosar el documento, a veces por recomendación de las revistas para aumentar citaciones de artículos publicados en ellas. Relacionado con el “error 64” de Llanos y Reyes (2002, p. 139), “el material contenido en el artículo se presenta muy pobremente organizado y/o deficientemente explicado”. Se sabe que, aun cuando varios científicos han hecho referencia a dichas prácticas, no se ha avanzado mucho para evitarlas, más allá de las sanciones establecidas por COPE. Como señala Artigas y Casanova (2019) indudablemente, el escaso seguimiento de investigadores noveles o aquellos que sus contratos o ascensos dependen de las publicaciones, ha provocado alguna de estas conductas, socializadas y percibidas, como prácticas aceptables para alcanzar sus metas. Estas malas prácticas son, sobre todo, producto de las desviaciones planteadas por Ordorika (2018), quien refiere que en distintos países latinoamericanos se está privilegiando, como indicador para el avance y permanencia en el mundo académico, la publicación de artículos en revistas indexadas y el conteo de citas en los distintos índices. Según el autor, esto está impactando en “la elección de temas y la definición de proyectos de investigación, así como la priorización de revistas indexadas internacionales que, en muchos casos, perfilan también los contenidos, perspectivas analíticas, audiencias e idiomas de publicación” (p. 469). Es importante hacer una revisión desde las políticas de los Estados, seguido de las políticas institucionales relacionadas con el ingreso y desarrollo a la carrera investigativa y finalizando con las políticas editoriales de las revistas como garantes del desarrollo de investigaciones de calidad. De lo planteado hasta ahora, se debe destacar lo que señala Artigas y Casanova (2019) como el movimiento actual denominado Slow Science2. Souto (2019) subraya la importancia de dar el tiempo necesario para madurar las ideas que requiere el proceso investigativo, centrándose en mirar más la calidad que la cantidad.

REFERENCIAS Abad-García, M. (2018). El plagio y las revistas depredadoras como amenaza a la integridad científica. AnPediatr(Barc), 90(1), 57. doi: https://doi.org/10.1016/j.anpedi.2018.11.003 Artigas, W. y Casanova, I. (2019). La ética en la difusión de la ciencia: Una discusión necesaria sobre las malas prácticas en investigación. Ponencia presentada en la Conferencia de Revistas Científicas (CRECS), Guadalajara, 22 y 23 de octubre de 2019. Universidad Panamericana. México. Recuperado de https://www.slideshare.net/presentacionesEPI/la-tica-en-la-difusin-de-la-ciencia-una-discusin-necesaria-sobre-las-malas-prcticas-en-investigacin-wileidys-c-artigasmorales Bravo, R. (2000). Aspectos éticos en las publicaciones científicas. Recuperado de https://postgradofau.uchilefau.cl/wp-content/ uploads/2012/12/Aspectos__ticos.pdf Comité de Ética en Publicación, COPE. (2019). Guidance. Recuperado de https://publicationethics.org/guidance/Flowcharts Llanos, G. y Reyes, C. (2002). La alegría de publicar 4. Los cien pecados de la presentación de artículos científicos, Colombia Médica, 33(3), 138-140. Manterola, C. y Otzen, T. (2015). Los sesgos en la investigación clínica. Int. J. Morphol, 33(3), 1156-1164. Recuperado de https:// scielo.conicyt.cl/pdf/ijmorphol/v33n3/art56.pdf Ordorika, I. (2018). Las trampas de las publicaciones académicas | The academic publishing trap. Revista Española de Pedagogía, 76(271), 463­480.doi: https://doi.org/10.22550/REP­3­2018­04 Ortiz, V. (2010). Los procesos de formación y desarrollo de investigadores en la Universidad de Guadalajara: Una aproximación multidimensional. Colección Graduados. Serie Sociales y Humanidades, (14). Guadalajara, México. Richterich, A. (2018). The Big Data Agenda: Data Ethics and Critical Data Studies. London: University of Westminster Press. doi: https://doi.org/10.2307/j.ctv5vddsw Santana, J. (2012). Ética, investigación y publicación. AMC [En línea], 16(5), 528-536. Silva, G. (1990). La autoría múltiple y la autoría injustificada en los artículos científicos. Bol of SanitPanam, 108(2). Recuperado de http://iris.paho.org/xmlui/bitstream/handle/123456789/16748/v108n2p141.pdf?sequence=1 Souto, M. (2019). La ciencia necesita tiempo para pensar: El movimiento que quiere acabar con la cultura de “publicar o morir”. Recuperado de http://theconversation.com/la-ciencia-necesita-tiempo-para-pensar-el-movimiento-que-quiere-acabar-con-la-cultura-de-publicar-o-morir-116367

Es la idea de que la ciencia debe considerarse como un proceso metódico, realizado con calma, y no como una solución rápida a los problemas sociales o como un indicador de desempeño de los investigadores (nota del editor). 2

11


ANUNCIO La Universidad Abierta Para Adultos (UAPA) se apoya en Turnitin para brindar una educación de alta calidad a sus alumnos y para promover el autoestudio y la originalidad. De esta forma respalda la excelencia y la credibilidad institucional.

La UAPA garantiza la calidad de la educación a distancia con ayuda de Turnitin • La UAPA requería una solución tecnológica que aten-

diera las necesidades particulares de una universidad a distancia, como la promoción de la autogestión, la responsabilidad y la excelencia en la producción escrita.

• Los profesores han visto en Turnitin una solución para mejorar el proceso de aprendizaje y retroalimentación de sus estudiantes.

• Diversas áreas de la institución —académicas, estratégicas y técnicas— conjugaron esfuerzos para implementar el proyecto y ampliar la adopción de la herramienta.

Desafios La Universidad Abierta Para Adultos (UAPA), de la República Dominicana, comenzó en 1995 con 40 alumnos; hoy cuenta con más de 24 mil alumnos activos y 29 mil egresados en 16 países de América Latina y en España. Para la UAPA, ofrecer educación de excelencia, inclusiva y en igualdad de condiciones es una obligación. Turnitin ha ayudado a la UAPA a atender las necesidades especí icas del modelo educativo abierto y a nivelar el proceso de aprendizaje de los estudiantes con el de las escuelas más prestigiosas del mundo.

“Las universidades a distancia necesitamos asumir un alto nivel de compromiso y credibilidad con el modelo educativo que ofrecemos. Por ello, buscamos que nuestros estudiantes tengan las mismas oportunidades que los de otras instituciones de prestigio internacional, brindándoles herramientas que se utilizan en esas escuelas, como Turnitin”. Magdalena Cruz, Vicerrectora de Investigación y Posgrado de la Universidad Abierta Para Adultos.

ESTUDIO DE CASO: UAPA • © 2019 Turnitin LLC


La institución ha utilizado la tecnología, desde sus inicios, debido a su modelo educativo innovador, enfocado en ofrecer una educación superior a distancia de calidad. Uno de sus retos principales, es estar siempre a la vanguardia y ofrecer a sus investigadores y docentes herramientas tecnológicas como Turnitin para que, de esta forma, sus estudiantes reciban instrucción de alta calidad. “Para la UAPA, como una universidad virtual, la tecnología es una herramienta sumamente importante en los procesos de formación y tenemos un reto permanente de innovar y actualizar nuestros procesos”, señaló Magdalena.

Resultados El impulso a la cultura de la originalidad, el autoestudio y la responsabilidad es fundamental para la UAPA. Por ello, empoderaron a sus directivos académicos para que sacaran el máximo provecho de Turnitin y transmitieran este conocimiento a profesores y estudiantes, para ayudarles a potenciar su producción escrita y formación profesional, siempre desde una perspectiva ética, que es fundamental para la universidad.

“Los profesores han visto en Turnitin una herramienta que les permite potenciar el contenido de sus clases. Los docentes están conscientes del valor de la herramienta para facilitar el proceso de aprendizaje y de la oportunidad que les brinda para tener una interacción oportuna y correcta en la formación de los alumnos”. Magdalena Cruz La universidad ha hecho una campaña de difusión y ha integrado la herramienta con Moodle. Gracias a ello, ha logrado que todos los docentes y alumnos de posgrado utilicen Turnitin. Una de las claves del éxito en la adopción de la herramienta es que les han dado a los estudiantes espacios de autorrevisión para que se sientan más seguros en tareas y evaluaciones.

“Les hemos dicho a los estudiantes que nuestra intención no es castigar ni señalar. No es decir: ‘tú no tienes la capacidad y tienes que quedarte fuera del sistema educativo’, sino darles la oportunidad para que aprendan, para que se revisen y vean qué están haciendo bien y qué no. Ellos han valorado este espacio de autorrevisión en Turnitin como una gran oportunidad, porque antes de subir la tarea tienen la posibilidad de darle una mirada al proceso”. Magdalena Cruz Diferentes áreas de la universidad conjugaron esfuerzos para ampliar el alcance del proyecto. La Vicerrectoría Académica tenía claro su objetivo de apoyar la pedagogía y la investigación, mientras que la Vicerrectoría de Innovación ya tenía una política muy sólida de apoyo a los procesos de vanguardia. Además, el equipo técnico de la universidad logró la integración de Turnitin con sus sistemas, y los diseñadores instruccionales trabajaron de la mano con los profesores para actualizar los cursos. “Crear esa motivación, convencer a esos actores para que entendieran la importancia nos tomó un tiempo, pero al final fue un proceso exitoso. En seis meses desplegamos las etapas de divulgación, planificación, concientización, montaje de cursos y creación del espacio de autorevisión. Todo este proceso fue minuciosamente acompañado por el equipo de especialistas de los programas de maestrías. Eso para nosotros fue una garantía de éxito”, afirmó Magdalena. •

Conozca más sobre Feedback Studio en www.turnitin.com/es ESTUDIO DE CASO: UAPA • © 2019 Turnitin LLC


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8

LA INTEGRIDAD ACADÉMICA COMIENZA DESDE EL DISEÑO CURRICULAR Montserrat Armesto Camargo

garmesto@up.edu.mx Coordinadora de Fortalecimiento Académico en la Universidad Panamericana. Encargada de la revisión pedagógica de la licenciatura en Ciencia de Datos para la Universidad Nacional Autónoma de México.

14


INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA

E

n marzo de 2019, el Consejo Universitario de la Universidad Nacional Autónoma de México (UNAM) aprobó la licenciatura en Ciencia de Datos. Los egresados de esta carrera serán capaces de analizar y evaluar datos masivos de manera ética y responsable (UNAM, 2019). Este objetivo plantea un desafío: que los egresados realmente se apropien y aprehendan las competencias que permitan que su quehacer profesional se enmarque en un contexto ético que se traduzca en acciones íntegras. A su vez, este desafío abre diversos cuestionamientos: ¿cómo lograrlo?, ¿dónde comenzar?, ¿en quién recae la responsabilidad? El profesionista en ciencia de datos es capaz de encontrar nuevos patrones de información a partir del análisis y la evaluación de datos masivos, lo que le permite generar conocimiento novedoso y/o posibles caminos de acción que nunca se habían considerado. Esto es de gran beneficio para la sociedad, ya que el egresado en ciencia de datos puede predecir enfermedades, desastres naturales, comportamientos sociales y tendencias financieras. Sin embargo, también supone un riesgo ético, pues el uso inadecuado de la información puede provocar abuso de la información personal, robo de identidad, entre otros (Richards y King, 2014). Lo anterior supone un gran reto para las instituciones de educación superior y para los docentes que están detrás de la formación de estos profesionistas. Ellos tienen la necesidad de buscar alternativas para responder de forma adecuada a estas inquietudes. Durante la creación de la licenciatura en Ciencia de Datos en la UNAM, el camino comenzó en el desarrollo curricular y específicamente en el diseño del currículum formal; es decir, en la ideación, planeación, planteamiento, fundamentación y elaboración, tanto del plan de estudios y de los temarios de la carrera, como de la estructura académica y administrativa para ponerlo en práctica. Este proceso se puede resumir en:

1 PLANTEAMIENTO DEL OBJETIVO Este paso permite orientar el proceso de trabajo a una misma finalidad y conocer qué es lo importante, para que todas las acciones tengan la misma razón de ser. En el caso de la licenciatura en Ciencia de Datos, el objetivo planteado es: “Formar profesionales capaces de seleccionar, preparar, analizar, evaluar y comunicar cantidades masivas de datos de cual-

quier tipo, de manera ética y responsable para la toma de decisiones inteligentes y la resolución de problemas complejos en los sectores científicos, tecnológicos, empresariales y sociales” (UNAM, 2019). Este objetivo impulsó a las personas involucradas en el diseño curricular a buscar que el plan de estudios esté encaminado a que los estudiantes desarrollen, tanto el conocimiento técnico propio de su profesión, como las actitudes y habilidades de un profesionista capaz de actuar con ética e integridad.

2 GENERACIÓN DE PERFILES Y

COMPETENCIAS ESPERADAS

Siguiendo el objetivo, se crearon tres perfiles para cada momento de la carrera universitaria: el básico, el intermedio y el de egreso. En cada perfil se establecieron los conocimientos, las habilidades, las actitudes, los intereses y los valores que el estudiante debió haber desarrollado para ese momento de su etapa universitaria. Por ejemplo, en el perfil intermedio, al finalizar sexto semestre, se espera que el alumno muestre: a) interés por contribuir con ética y responsabilidad a la toma de decisiones de las empresas, b) impecabilidad con la información que maneja, y c) ética ante el manejo y confidencialidad de la información. La generación de estos perfiles hace que en la planeación de las materias y de los temarios se planteen objetivos y contenidos que promuevan y desarrollen estas competencias. GENERACIÓN DE LA MALLA

3 CURRICULAR

Tanto el objetivo de la carrera como los perfiles, se consideraron para el desarrollo de la malla curricular. En la propuesta de las materias, no solo se plantearon aquellas que buscaran generar conocimientos técnicos propios de la profesión, sino asignaturas que contribuyeran a las actitudes, intereses y valores expuestos en los apartados anteriores, como la formación ética. Ejemplo de ello fue la materia de Ética y Ciencia de Datos, que bus-

15


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8 ca que los alumnos basen sus decisiones en torno a la extracción, análisis, resguardo y uso de datos basados en el impacto ético, social e individual que pueden ocasionar (UNAM, 2019).

16

La elaboración de los temarios considera los objetivos a alcanzar en cada asignatura y los contenidos a impartir. Durante la elaboración de cada temario, se tomó en cuenta de forma transversal los intereses y las actitudes propias de un profesionista con actuar ético y responsable. Esto se ve reflejado en los objetivos que se plantearon con base en competencias, para lograr proyectar, tanto los conocimientos técnicos, como las habilidades y valores deseados. Por ejemplo, en la materia de Ética y Ciencia de Datos el temario se basa en el método del caso, para promover el análisis y la reflexión en temas como la privacidad, el consentimiento, la integridad, la responsabilidad en la toma de decisiones, la difusión de la información, las fake news (noticias falsas) y sus implicaciones, la relación ética-trabajo-profesión y la libre expresión. Esto hace que el alumno evalúe los conceptos fundamentales de la ética, de forma práctica, y le permite formar su propio criterio en torno a la relación integridad-tecnología-ciencia (UNAM, 2019).

Estos pasos muestran que la integridad académica comienza desde el diseño curricular. Resulta imposible generar e impulsar la búsqueda del conocimiento de forma honesta, justa y responsable, cuando este objetivo no está planteado desde la raíz de cualquier plan de estudios. Tampoco cuando este no considera el desarrollo de intereses, actitudes y valores que busquen un actuar profesional ético. El diseño curricular, planteado desde una perspectiva ética, crea una cadena de acciones encaminadas hacia este fin; lo cual permite acercarse cada vez más a un actuar responsable y honesto. Por ejemplo, el plan de esta licenciatura generó que, tanto los objetivos como los contenidos, estuvieran impregnados de los valores, actitudes e intereses necesarios para lograr desarrollar en los estudiantes un actuar ético y responsable

DI SE Ñ

4

GENERACIÓN DE TEMARIOS PARA CADA MATERIA

O

RICULAR R CU

Definición de objetivo. Perfiles y competencias.

En los objetivos de cada materia no solo se toma en cuenta el desarrollo de conocimientos técnicos, sino también el desarrollo de actitudes y valores. Todas las materias del plan de estudios se ven impregnadas de los valores y actitudes a desarrollar y estos no se entienden como una entidad desarticulada de la enseñanza del día a día.

Asignaturas (malla curricular) y temarios.

PE

RS

P E C T I VA É

en su profesión. Esto a su vez, genera un desafío para la institución, quien deberá generar acciones encaminadas al logro de lo establecido.

AGRADECIMIENTOS La creación de la licenciatura en Ciencia de Datos fue un trabajo interdisciplinario que implicó el conocimiento de distintos expertos, este artículo refleja solo un eslabón de todo lo realizado y obtenido. Un agradecimiento especial a la UNAM, al Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS) y al comité académico de la licenciatura en Ciencia de Datos por permitir la publicación de este artículo. Una mención especial al


É

INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA

El objetivo se genera desde la perspectiva de integridad académica. Para su desarrollo se toma en cuenta tanto los conocimientos técnicos propios de la profesión como las actitudes y valores a desarrollar.

Posibles acciones encaminadas al logro de lo establecido

Capacitación docente. Metodologías, estrategias y tareas que desarrollen conjuntamente conocimientos técnicos y los valores buscados. Planteamiento de perfiles que muestren las competencias que el estudiante tiene al finalizar cierto momento de su carrera.

C TI

A

Acciones propiciadas a partir de esto.

Las competencias son el conjunto de actitudes, conocimientos y habilidades que el estudiante desarrolla y sirven como marco de referencia para la malla curricular y los objetivos de cada asignatura.

17 Esquema: Montserrat Armesto Camargo

Dr. Héctor Benítez, al Dr. Fernando Arámbula Cosío, a la Dra. María del Pilar Ángeles y al Dr. Boris Escalante Ramírez, quienes iniciaron y lideraron este proyecto y me invitaron a formar parte de la generación del plan de estudios.

REFERENCIAS Richards, N. y King, J. (2014). Big Data Ethics. Recuperado de https://ssrn.com/abstract=2384174 Universidad Nacional Autónoma de México (2019). Proyecto de Creación del Plan y Programas de Estudios de la Licenciatura en Ciencia de Datos. México: Universidad Nacional Autónoma de México.

Dicho modelo muestra un trabajo en construcción constante, que promueve la búsqueda de un actuar ético y responsable. La integridad académica no es un proceso finito, si no continuo que se va perfeccionando a lo largo de la práctica.


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8

LA INTELIGENCIA ARTIFICIAL Y LA INTEGRIDAD ACADÉMICA, DOS GRANDES RETOS DEL SIGLO XXI1 ENTREVISTA A DAVID RETTINGER, PRESIDENTE DEL CENTRO INTERNACIONAL PARA LA INTEGRIDAD ACADÉMICA (ICAI, POR SUS SIGLAS EN INGLÉS) Nathalia Franco Pérez

nafranco@eafit.edu.co Jefe del Centro de Integridad, Universidad EAFIT.

18

1

Esta entrevista se realizó en inglés y ha sido traducida al español por Nathalia Franco Pérez.


INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA

¿Cómo crees que la inteligencia artificial (IA) está cambiando y cambiará nuestras vidas durante el siglo XXI? La inteligencia artificial es una amplia categoría y debido a que abarca muchas cosas, no hay duda de que impactará nuestras vidas de muchas maneras… ya lo hace. Desde la tecnología de "la casa inteligente", los carros sin conductor, el piloto automático en los aviones, hasta los robots en las fábricas, la inteligencia artificial está cambiando el mundo en que vivimos. La automatización generará cambios fundamentales en la necesidad de mano de obra humana; las culturas basadas en el trabajo serán completamente diferentes en 100 años, puesto que no es necesario el tiempo humano durante las funciones básicas de producción.

¿Cuáles crees que son las implicaciones de la inteligencia artificial en el sistema educativo mundial? La IA conducirá a cambios fundamentales en la forma en que se imparte la educación, en lo que la sociedad de la información determina que es importante y, en última instancia, en los objetivos de la educación mundial. Por ejemplo, la educación comercial se volverá gradualmente menos relevante, y una gran parte del trabajo repetitivo y manual será realizado por maquinaria automatizada. Esto ya está sucediendo en fábricas y granjas a nivel mundial. La necesidad de estas habilidades disminuye y es reemplazada por la necesidad de programadores y mecánicos de maquinarias. La educación comercial tendrá un panorama completamente diferente en la medida que la IA se desarrolle y pueda realizar tareas cada vez más complejas. Esto significa que, al menos en teoría, muchas tareas educativas también podrán automatizarse. Por ejemplo, la escritura es difícil de enseñar en parte porque es una habilidad que requiere comentarios sustanciales y repetidos. Una vez que la IA pueda ayudar a los estudiantes a mejorar su escritura,

habrá mayor posibilidad de que los estudiantes escriban más y mejoren con mayor rapidez, al obtener comentarios oportunos y útiles de un software. La instrucción diferenciada es muy difícil de hacerse con maestros humanos ya que requiere de una gran cantidad de tiempo, datos y materiales de enseñanza. La IA para educadores hará que todos los estudiantes se beneficien de un plan de lección personalizado que cambia según sus necesidades personales. Por último, vale la pena reflexionar sobre lo que podría suceder cuando las máquinas puedan hacer el trabajo suficiente para que la mayoría de las personas no necesiten hacer nada, para generar los recursos suficientes, a fin de llevar una vida cómoda. La educación volverá a ser opcional y se centrará en la mejora personal y social, en lugar de convertirse en el producto básico para el desarrollo profesional.

El ICAI promueve seis valores fundamentales: honestidad, confianza, equidad, respeto, responsabilidad y coraje (ICAI, 2017). ¿Cómo podría beneficiarse la inteligencia artificial desde este punto de vista ético? Las máquinas artificialmente inteligentes siguen siendo máquinas, cuyas acciones son particularmente complejas y a veces difíciles de predecir. Esto impone una obligación particular a quienes diseñan y construyen inteligencia artificial, con el fin de garantizar que el comportamiento de las máquinas cumpla con nuestros estándares éticos. Esto es particularmente difícil porque nosotros, como humanos, no siempre podemos articular nuestros propios valores, e incluso cuando lo hacemos, puede ser difícil equilibrar los bienes de la competencia. Por ejemplo, la honestidad es a veces enemiga del respeto, como cuando la respuesta a una pregunta podría provocar daños innecesarios. Los valores fundamentales de la integridad académica pueden considerarse realmente como una rúbrica para evaluar nuestras propias acciones,

19


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8 por lo tanto, esta rúbrica puede extenderse a las máquinas (y sociedades) que nosotros construimos. Es esencial que evaluemos nuestras construcciones, antes de realizarlas, ya que estas desarrollan patrones de comportamiento en el mundo real. Debemos responsabilizarnos de los dispositivos que construimos, incluso si su comportamiento parece impredecible. Solo al asumir la responsabilidad de las acciones de nuestra IA, se puede generar confianza en estos sistemas.

20

Según los estudios realizados en las últimas dos décadas, la deshonestidad académica ha aumentado sustancialmente en América Latina, tanto en colegios como en universidades (García-Villegas, Franco-Pérez y Cortés-Arbeláez, 2016). Aunque la tecnología no es la causa en sí, parece haber un acuerdo sobre cómo el acceso a Internet, y a todo tipo de dispositivos tecnológicos, ha facilitado el plagio y la trampa en los documentos y exámenes entre los estudiantes. En este contexto, ¿cómo podría la Cuarta Revolución Industrial ayudar a promover ecosistemas académicos honestos, que dificulten las trampas o que incluso no permitan ni siquiera que esta sea una opción deseada? Lamentablemente, considero que el papel de la tecnología en la deshonestidad académica es cíclico, como una carrera armamentista. Los estudiantes desarrollan formas de eludir el esfuerzo que les pedimos; nosotros (profesores y nuestras instituciones) desarrollamos formas de detectar, disuadir y prevenir sus atajos, para que luego ellos encuentren nuevas formas. Sospecho que los maestros de la edad media se quejaron de la imprenta. Se predijo que la máquina de escribir sería el fin de la civilización, al igual que el Internet, el teléfono y otras tecnologías. También considero que la causa de la deshonestidad académica a nivel social es la motivación extrínseca: valoración del diploma sobre la educación que representa. En el mundo, los estudiantes son elegidos para trabajos en función de la calidad

de su título, no del conocimiento y de las habilidades adquiridas. Esta mercantilización de la educación (en particular, pero no exclusiva de la educación superior) siempre ha estado presente, aunque percibo que está empeorando. A medida que esto ocurre, las razones para hacer trampa se fortalecen y los incentivos para la integridad se debilitan. Si este es el caso, desvincular el título de los estudiantes de sus perspectivas laborales, reducirá los desafíos de la deshonestidad académica, y desvincular las perspectivas laborales de la prosperidad económica (en una potencial Quinta Revolución) reducirá aún más la deshonestidad. Si viviéramos en un mundo donde los estudiantes asisten a las aulas por amor al conocimiento y al desarrollo de habilidades, y no para obtener un mejor trabajo, y si las calificaciones recalcaran la celebración de la producción de nuevos conocimientos y trabajo creativo, la integridad académica sería el resultado natural.

Algunas personas están hablando de la Quinta Revolución en términos de sostenibilidad y el regreso del Humanismo. Si fuera cierto que el mundo vuelve su atención a la idea de promover vidas que defiendan la dignidad, el derecho y la responsabilidad de construir vidas significativas (independientemente de las creencias religiosas), y la necesidad de desarrollar una sociedad más humana, ¿cómo podría contribuir la academia a ese propósito? Espero que sí, pero lo más probable es que la Quinta Revolución, como todas las anteriores, tendrá diferentes efectos en diferentes grupos de personas. La IA dará como resultado cambios masivos en la sociedad, y aquellos en control probablemente se beneficiarán más, o al menos tendrán un aterrizaje más suave a medida que las cosas vayan cambiando. Dicho esto, hay alguna posibilidad de que la economía de la supervivencia cambie tan dramáticamente que ningún ser humano necesite trabajar para vivir. Si ese es el caso, la humanidad se enfrentará a un desafío aún mayor al de la Revolución Industrial, encontrar significado en nuestras vidas.


INTELIGENCIA ARTIFICIAL E INTEGRIDAD ACADÉMICA Si esto ocurre, una de las fuerzas culturales más poderosas que pueden aprovecharse, por el bien de la humanidad, es la educación en artes liberales. Los programas vocacionales como la ingeniería, los negocios y la medicina jamás desaparecerán, pero disciplinas como la filosofía, la literatura y la antropología se volverán aún más críticas. Estas disciplinas nos ayudan como especie a comprender nuestro lugar en el mundo, la naturaleza de la belleza y nuestras obligaciones con los demás. Con la liberación del tiempo y los recursos actualmente dedicados a la supervivencia física, por medio de la tecnología, debemos responder la siguiente pregunta crítica: ¿qué debemos hacer para prosperar? en vez de ¿qué debemos hacer para sobrevivir?

REFERENCIAS García-Villegas, M., Franco-Pérez, N. y Cortés-Arbeláez, A. (2016). Perspectives on Academic Integrity in Colombia and Latin America. En Tracey Bretag (ed.) Handbook of Academic Integrity. Springer, Singapore. International Center for Academic Integrity (2013). The Fundamental Values of Academic Integrity. Recuperado de https:// www.academicintegrity.org/fundamental-values/

21

Código de conducta


INTEGRIDAD ACADÉMICA | AÑO 4 / NÚMERO 8

22

.


»

»

-

Autor -

»

» »

»

-

»

» » © 20

Turnitin https://www.turnitin.com/


Simplifique las

evaluaciones Aumente las oportunidades de aprendizaje

Conozca mรกs:

Turnitin.com/es

Profile for Centro de Innovación Educativa UP

Integridad Académica Año 4 no. 8. Inteligencia Artificial e Integridad Académica  

Recommendations could not be loaded

Recommendations could not be loaded

Recommendations could not be loaded

Recommendations could not be loaded