Integridad académica en tiempos de inteligencia artificial: desafíos, riesgos y oportunidades para las universidades latinoamericanas
Palabras clave:
Integridad académica, inteligencia artificial generativa, educación superior, evaluación, gobernanza universitariaResumen
La expansión de la inteligencia artificial generativa ha trasladado la integridad académica desde una discusión centrada en el plagio y la autoría hacia un problema institucional relacionado con el aprendizaje, la evaluación, la transparencia y la gobernanza. El objetivo de este artículo fue analizar los desafíos, riesgos y oportunidades que la inteligencia artificial generativa plantea a las universidades latinoamericanas y proponer un marco operativo para políticas de uso responsable. Se realizó una revisión documental de un archivo de Scopus exportado el 3 de agosto de 2026, integrado inicialmente por 51 registros. Mediante criterios de actualidad, pertinencia temática, educación superior y disponibilidad de identificador digital de objeto se seleccionaron exactamente 20 artículos publicados entre 2025 y 2026. El análisis se organizó en seis dimensiones: apropiación y dependencia, autoría y declaración de uso, evaluación auténtica, confiabilidad de detectores, alfabetización en inteligencia artificial y gobernanza institucional. La evidencia muestra que la respuesta universitaria no puede reducirse a prohibiciones ni a sistemas automáticos de detección. Los estudios recientes describen una normalización acelerada de la inteligencia artificial generativa, diferencias entre docentes y estudiantes, ambigüedad normativa, problemas de equidad y riesgos de delegación cognitiva. Al mismo tiempo, se identifican oportunidades para la retroalimentación, el aprendizaje autorregulado, el rediseño de evaluaciones y la coautoría entre seres humanos e inteligencia artificial con trazabilidad. Se propone un modelo de integridad académica basado en la declaración proporcional, la evidencia del proceso, la verificación de contenidos, el rediseño evaluativo y la alfabetización institucional.
Descargas
Referencias
Alshamy, A., Al-Harthi, A. S. A., & Abdullah, S. (2025). Perceptions of generative AI tools in higher education: Insights from students and academics at Sultan Qaboos University. Education Sciences, 15(4), 501. https://doi.org/10.3390/educsci15040501
Avdiu-Kryeziu, S., & Kryeziu, V. (2026). Students’ use of artificial intelligence in academic research: Benefits, challenges, and academic integrity. Praxis Educativa, 21, 1-18. https://revistas.uepg.br/index.php/praxiseducativa/en/article/view/26164/209209220574
Bailey, D., Byrne, J., He, H., McConnell, J. R., & Bruster, B. (2026). Generative AI across the writing process in higher education: Graduate students’ perceived appropriateness, utility, and self-reported use. Technology, Knowledge and Learning. https://doi.org/10.1007/s10758-026-10017-4
Beckman, K., Apps, T., Howard, S. K., Rogerson, C., Rogerson, A., & Tondeur, J. (2025). The GenAI divide among university students: A call for action. The Internet and Higher Education, 67, 101036. https://doi.org/10.1016/j.iheduc.2025.101036
Ebrahimzadeh, M., Shibani, A., & Shum, S. B. (2026). Coauthorship integrity: Reconceptualising assessment validity for the age of generative artificial intelligence. Computers and Education: Artificial Intelligence, 10, 100609. https://doi.org/10.1016/j.caeai.2026.100609
Gao, Y., Zhai, X., Li, M., Lee, G., & Liu, X. (2025). A multimodal interactive framework for science assessment in the era of generative artificial intelligence. Journal of Research in Science Teaching, 62(9), 2014–2028. https://doi.org/10.1002/tea.70009
Harrington, B., Zlotnikova, I., Nadarajan, G., & Ekundayo, S. (2025). Did Alice do wrong? Cross-cultural differences in student perceptions of generative AI use in university computing education. ACM Transactions on Computing Education, 26(1), 1-23. https://doi.org/10.1145/3776558
Isaeva, R., Caner, H. N., Caner, M., Giray, L., & Karadag, E. (2026). Students’ engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study. Computers and Education: Artificial Intelligence, 10, 100606. https://doi.org/10.1016/j.caeai.2026.100606
Jin, Y., Yan, L., Echeverria, V., Gašević, D., & Martinez-Maldonado, R. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Computers and Education: Artificial Intelligence, 8, 100348. https://doi.org/10.1016/j.caeai.2024.100348
Jurcec, L., Kolega, M., & Miljkovic Krecar, I. (2026). The chat dilemma: Usefulness, risk, ethics, and student intentions to use generative AI in higher education. Technology in Society, 87, 103427. https://doi.org/10.1016/j.techsoc.2026.103427
Karkoulian, S., Sayegh, N., & Sayegh, N. (2025). ChatGPT unveiled: Understanding perceptions of academic integrity in higher education: A qualitative approach. Journal of Academic Ethics, 23(3), 1171–1188. https://doi.org/10.1007/s10805-024-09543-6
Kofinas, A. K., Tsay, C. H.-H., & Pike, D. (2025). The impact of generative AI on academic integrity of authentic assessments within a higher education context. British Journal of Educational Technology, 56(6), 2522–2549. https://doi.org/10.1111/bjet.13585
Madleňák, R., Madleňáková, L., Cvacho, V., & Gachulinec, D. (2026). Ethical challenges of artificial intelligence in higher education: A four-pillar student-activity framework for institutional governance. Education Sciences, 16(4), 555. https://doi.org/10.3390/educsci16040555
Mady, M., Baadel, S., & Allam, Y. (2026). Beyond constructive vs. disruptive: An empirical typology of student engagement with generative AI, challenging binary constructs in academic integrity. Journal of Information & Knowledge Management, 2650042. https://doi.org/10.1142/S0219649226500425
Martín-Gómez, S., & González Ruiz, C. J. (2025). AI in higher education: Initial teacher training in the critical and didactic use of artificial intelligence. IEEE Revista Iberoamericana de Tecnologías del Aprendizaje, 20, 302–309. https://doi.org/10.1109/RITA.2025.3616509
Narimani, M. (2026). Digital transformation in higher education: challenges and opportunities. Sophia Research Review, 3(2), 48-55. https://doi.org/10.64092/rvvkw007
Qu, Y., Loo, H. E., & Wang, J. (2025). Generative artificial intelligence in higher education: Emotional tensions and ethical declaration. British Journal of Educational Technology. https://doi.org/10.1111/bjet.70029
Rodríguez-Morales, A. (Comp.). (2026). Inteligencia artificial y educación superior: Hacia ecosistemas de aprendizaje neurodiversos. Sophia Editions.
Sun, Y., Liao, Y., & Ma, X. (2026). Trusting AI to detect AI? A systematic evaluation of the reliability and robustness of current AIGC detection tools for student academic work. Computers & Education, 249, 105616. https://doi.org/10.1016/j.compedu.2026.105616
Tsao, J. (2025). Trajectories of AI policy in higher education: Interpretations, discourses, and enactments of students and teachers. Computers and Education: Artificial Intelligence, 9, 100496. https://doi.org/10.1016/j.caeai.2025.100496
Verma, C., & Kumar, D. (2026). An exploratory machine learning approach to understanding determinants of future ChatGPT use in higher education. Computers and Education: Artificial Intelligence, 10, 100613. https://doi.org/10.1016/j.caeai.2026.100613
Yıldız, M., & Merzifonluoğlu, A. (2026). Ethical boundaries in GenAI-driven research: Language researchers’ reactions to unethical use of GenAI in graduate education. International Journal of Human-Computer Interaction. https://doi.org/10.1080/10447318.2026.2682912
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Oscar José Alejo-Machado, Mario Enrique Vásquez-Jiménez, Stephanie Marcela Delgado-Estrada, Juan Carlos López-Gutiérrez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores que publican en la Revista UGC están de acuerdo con los siguientes términos:
1. Derechos de Autor
Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2. Licencia
Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Esta licencia permite:
- Compartir: copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: remezclar, transformar y crear a partir del material.
Bajo los siguientes términos:
- Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
- NoComercial: no puede utilizar el material para finalidades comerciales.
- CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.
No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.
