Por Canuto  

El caso del profesor Roberto Serrano en la Universidad de Brown se ha convertido en una de las señales más claras del impacto de la IA generativa sobre la integridad académica. Tras un examen parcial para llevar a casa con promedio de 96 sobre 100, el docente cambió el final a formato presencial y el promedio se desplomó a 48,6, abriendo un debate sobre trampas, aprendizaje real y la capacidad de las universidades para responder.

***

  • El profesor Roberto Serrano sospechó fraude con IA después de que su clase de economía obtuviera un promedio de 96% en un parcial para llevar a casa.
  • Tras cambiar el examen final a formato presencial, 18 estudiantes abandonaron el curso, 9 no se presentaron y el promedio cayó a 48,6%.
  • El caso ha intensificado en Brown el debate sobre cómo adaptar los códigos académicos y los sistemas de evaluación ante la IA generativa.

 

La irrupción de la inteligencia artificial generativa en las aulas universitarias ya no se discute solo en términos teóricos. En Brown University, un caso concreto ha colocado el problema en primer plano tras una diferencia extrema entre las notas de un examen parcial realizado en casa y un examen final presencial.

El protagonista del episodio es Roberto Serrano, profesor de Economía del Bienestar y Teoría de la Elección Social, quien sospecha que una parte sustancial de sus estudiantes utilizó herramientas de IA para hacer trampa. Su reacción terminó alterando la evaluación del curso, elevando la tasa de reprobación y desatando un debate interno sobre la respuesta institucional.

Un parcial atípico encendió las alarmas

Serrano explicó que, por primera vez en casi dos décadas impartiendo esta materia, permitió un examen parcial para llevar a casa durante la primavera de 2026. La decisión respondió a la ansiedad de varios estudiantes por rendir en un aula, después del tiroteo masivo ocurrido en diciembre en Brown, donde murieron dos estudiantes y otras nueve personas resultaron heridas.

Según relató el profesor, ofrecer la prueba en casa parecía una medida apropiada dadas las circunstancias. Sin embargo, al cierre del semestre concluyó que la flexibilidad había abierto la puerta a un posible uso extendido de IA generativa para resolver la evaluación.

La clase también experimentó un aumento inusual de matrícula. Serrano indicó que su curso normalmente atraía hasta 30 estudiantes, pero esta vez se inscribieron 86, un crecimiento que él atribuyó a la promesa de exámenes para llevar a casa.

Cuando revisó los resultados del parcial, encontró una distribución difícil de reconciliar con el historial del curso. El promedio fue de 96%, pese a que históricamente las medias de esa prueba se habían movido entre 65% y 80%.

El dato era todavía más llamativo porque, según el docente, esta versión del examen había sido más difícil que las anteriores. Serrano argumentó que un examen en casa, al ofrecer tiempo ilimitado, le permitía elevar la exigencia académica y plantear preguntas más complejas.

Además de las cifras, varias respuestas le parecieron extrañas por su forma. El profesor dijo que muchas eran “algo correctas”, pero también “muy erróneas” en puntos importantes y redactadas con un estilo “muy enrevesado”.

Las respuestas de ChatGPT y el cambio al examen presencial

Ante la sospecha, Serrano y sus calificadores introdujeron preguntas del examen en ChatGPT para comparar respuestas. Según su testimonio, la IA generó desarrollos que reflejaban lo que muchos alumnos habían escrito en sus entregas.

Uno de los ejemplos citados por el profesor fue una pregunta matemática que podía resolverse de forma más clara mediante un argumento directo. ChatGPT, y también muchos estudiantes, optaron por un argumento por contradicción que llegaba al resultado correcto, pero que Serrano consideró forzado y poco natural para un razonamiento humano genuino.

Tras el parcial, el profesor envió un mensaje a sus estudiantes en el que dijo sospechar que muchos habían usado IA para hacer trampa. También informó que, con la aprobación de su decano, modificaría el examen final para que se realizara en persona.

En ese mensaje, Serrano aclaró que no anularía de inmediato el parcial. Dijo que daría a la clase la oportunidad de demostrar que estaba equivocado y que compararía la distribución de resultados del final con la del examen previo.

Su criterio fue explícito. Si ambas distribuciones resultaban aproximadamente similares, el parcial sería válido; si no, lo declararía nulo y reponderaría la calificación final en consecuencia.

La reacción de la clase fue inmediata y, para el profesor, reveladora. Serrano afirmó que no recibió respuestas directas de los estudiantes, pero 18 de ellos abandonaron posteriormente el curso.

El desplome de las calificaciones y la anulación del parcial

El cambio de modalidad produjo un segundo filtro importante. Nueve estudiantes permanecieron inscritos, pero no se presentaron al examen final.

Cuando el final presencial fue corregido, los resultados se alejaron drásticamente del desempeño observado en el parcial. Tres estudiantes obtuvieron un cero y el promedio general cayó a 48,6%.

Serrano sostuvo que ese 48,6% representó un mínimo histórico para su curso. De acuerdo con su recuento, el promedio del examen final nunca antes había descendido por debajo de 65%.

Solo unos pocos estudiantes rindieron en el final de forma similar a como lo habían hecho en el parcial. Esa divergencia fue, para el docente, la confirmación de que el examen para llevar a casa había estado contaminado por un uso amplio de IA.

Después de conocer los resultados, anunció a la clase que el parcial quedaba anulado. También comunicó que el final pasaría a valer 80% de la nota definitiva de los estudiantes.

El profesor suavizó además el umbral de aprobación. Cualquier estudiante que obtuviera 40% o más en el final recibiría una calificación aprobatoria, cuando anteriormente la línea de pase estaba fijada en 50% o más.

Aun con ese ajuste, 19 estudiantes reprobaron la materia. Otras versiones periodísticas sobre el caso añadieron que, entre los 27 estudiantes que abandonaron o no asistieron al final, 22 habían obtenido una calificación perfecta de 100 en el parcial.

Choque con la administración de Brown

En mayo, Serrano presentó estos datos al Comité Permanente de Brown sobre el Código Académico. Según su relato, no obtuvo respuesta en ese momento.

Después de hacer pública la situación a finales de junio, el comité, a través del jefe de su departamento, le pidió presentar denuncias individuales contra cada estudiante sospechoso. También debía adjuntar copias de sus exámenes.

El profesor calificó esa exigencia de ridícula. Dijo creer que las autoridades planeaban someter los casos a alguna herramienta de detección de IA, pese a que estas son ampliamente cuestionadas por sus falsos positivos y falsos negativos.

Serrano también afirmó que la reacción institucional ha sido “tímida”. Añadió que cientos de personas le habían escrito para expresarle apoyo, incluidos muchos exalumnos de Brown, quienes consideraban lamentable e insuficiente la respuesta de la universidad.

Por su parte, el portavoz de Brown, Brian Clark, sostuvo que el procedimiento para investigar acusaciones de deshonestidad académica es el mismo, sin importar si involucra a un estudiante o a varios. Señaló que diversos líderes académicos contactaron al profesor para explicarle cómo podían formalizarse y adjudicarse las alegaciones.

Clark agregó que, hasta el momento de su declaración, Serrano no había entregado al comité los detalles necesarios para seguir esa vía formal de resolución. El docente indicó que tenía prevista una reunión con su decano para discutir más a fondo el incidente.

Un debate más amplio sobre IA, aprendizaje e integridad

El caso ha resonado más allá de una sola clase porque coincide con una discusión mucho más amplia en la educación superior. Las universidades se enfrentan al reto de distinguir entre usos aceptables de la IA generativa y conductas que sustituyen el aprendizaje o violan las normas académicas.

Tricia Bertram Gallant, directora de la Oficina de Integridad Académica y del Centro de Pruebas Triton en la Universidad de California, San Diego, afirmó que gestionar acusaciones masivas de trampas es especialmente difícil para el profesorado. A su juicio, los docentes no reciben incentivos ni compensación por lidiar con procesos que pueden involucrar a decenas de alumnos.

La especialista dijo que las instituciones no deben sacrificar la equidad por eficiencia, pero sí pueden crear mecanismos intermedios. Entre sus propuestas están permitir que los estudiantes acepten responsabilidad por correo electrónico y que los profesores puedan presentar denuncias contra múltiples estudiantes a la vez.

También defendió una idea más estructural. Sostuvo que las universidades que realmente valoran la integridad académica deben asignar personal y recursos específicos, porque el dinero invertido revela con más claridad las prioridades de una institución que sus declaraciones públicas.

En paralelo al escándalo, Brown publicó el martes un informe inaugural de su comité sobre IA generativa en enseñanza y aprendizaje. Ese documento examinó cómo se utiliza la tecnología dentro de la universidad y formalizó recomendaciones para adaptarse a su expansión.

Entre los 105 profesores que participaron en los comentarios recogidos por el comité, tres cuartas partes dijeron estar preocupados por el uso de IA por parte de los estudiantes para hacer trampa. Esa proporción coincide con una encuesta nacional de 2025 de la Association of American Colleges and Universities, donde apareció la misma preocupación.

Qué propone Brown y por qué este caso importa fuera del campus

El informe del comité de Brown recomendó modificar el Código Académico del College y el código de estudiantes graduados para responder a las realidades de la IA generativa. El objetivo, según el texto, es proteger a la comunidad universitaria frente al uso indebido de estas herramientas.

El documento plantea preguntas que hoy resultan centrales para cualquier sistema de evaluación. Se pregunta, por ejemplo, si un texto sigue estando “en tus propias palabras” cuando la IA solo mejora la gramática, o si las ideas siguen siendo “tuyas” cuando se formaron mediante lluvia de ideas con un sistema generativo.

También abre interrogantes sobre producción de conocimiento, investigación original, citación y atribución en un entorno donde los asistentes de IA participan de forma creciente en la escritura y la organización del pensamiento. Esa ambigüedad explica por qué las universidades están revisando reglas que fueron concebidas antes de la aparición de estos modelos.

Al mismo tiempo, el comité sugirió que los profesores “desenfaticen el castigo” y eviten reglas excesivamente restrictivas. Su argumento es práctico: no existe hoy una manera de comprobar con 100% de precisión si se empleó IA generativa, y además las normas probablemente cambiarán en los próximos años.

Otras cifras del propio informe muestran que el uso de estas herramientas ya es cotidiano. El 56% de los encuestados de pregrado en Brown y el 67% de los encuestados de posgrado y estudiantes de medicina dijeron usar intencionalmente IA generativa a diario o semanalmente.

Sin embargo, el mismo documento señala que grandes mayorías de estudiantes también expresan preocupación por el impacto de la IA sobre su aprendizaje. Muchos temen, además, consecuencias negativas para su capacidad cognitiva, un punto que conecta con inquietudes similares en sectores como tecnología, finanzas y automatización del trabajo intelectual.

Para Serrano, el problema no es solo disciplinario, sino social. En declaraciones reproducidas por la prensa, advirtió que no puede permitirse que una fracción significativa de las mejores mentes jóvenes crea que hacer trampa está bien, porque eso conduce a una sociedad en declive y, en sus palabras, a “una sociedad fracasada”.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público

Este artículo fue escrito por un redactor de contenido de IA

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados