La inteligencia artificial y el fraude
académico en el contexto
universitario
Artificial intelligence and academic fraud
in the university context
Como citar: Puche, V. D. J. (2025). La inteligencia artificial y el fraude académico en el contexto univer-
sitario. Revista Digital de Investigación y Postgrado, 6(11), 77-93. https://doi.org/10.59654/kg944e15
77
Deinny José Puche Villalobo
https://orcid.org/0009-0003-9646-2356
Caracas / Venezuela
* Doctorado Latinoamericano en Educación: Políticas Públicas y Profesión Docente, MSc. en Enseñanza de la Bio-
logía, Licenciatura en Educación mención Biología. Universidad Pedagógica Experimental Libertador, Facultad de
Letras y Educación, Escuela de Educación, Caracas - Venezuela. Email: deinnypuche@gmail.com
Revista Digital de Investigación y Postgrado, 6(11), 77-93.
ISSN electrónico: 2665-038X
Recibido: Septiembre / 3 / 2024 Aceptado: Octubre / 23 / 2024
https://doi.org/10.59654/kg944e15
Resumen
El estudio surge de la observación creciente del uso de la IA en la educación y la incapacidad
de los estudiantes para explicar sus procesos, sugiriendo un uso indebido de la IA en sus tra-
bajos. El objetivo fue determinar la relación entre el uso de la IA y el fraude académico en el
contexto universitario. La metodología fue positivista, con enfoque cuantitativo y de nivel co-
rrelacional. Se utilizó un cuestionario virtual, con una confiabilidad de 0.980 y validado por
cinco expertos, aplicado a una muestra de 144 docentes tutores (48 de Venezuela, 48 de Co-
lombia y 44 de Perú). Los resultados mostraron una correlación de Pearson de 0.980 entre el
uso de la IA y el fraude académico, indicando una relación positiva muy fuerte
Palabras clave: inteligencia artificial, fraude académico, correlación.
Abstract
The study arises from the growing observation of the use of AI in education and the inability of
students to explain their processes, suggesting the misuse of AI in their work. The objective was
to determine the relationship between the use of AI and academic fraud in the university context.
The methodology was positivist, with a quantitative approach and correlational level. A virtual
questionnaire was used, with a reliability of 0.980 and validated by five experts, applied to a
sample of 144 faculty advisors (48 from Venezuela, 48 from Colombia, and 44 from Peru). The
results showed a Pearson correlation of 0.980 between the use of AI and academic fraud, indi-
cating a very strong positive relationship.
Keywords: artificial intelligence, academic fraud, correlation.
Introducción
La Inteligencia Artificial (IA) está teniendo un impacto significativo en la educación, revolucio-
nando los procesos académicos y presentando numerosas ventajas tanto para estudiantes como
para docentes. Su impacto en los procesos académicos es cada vez más significativo, presen-
tando numerosas ventajas y oportunidades tanto para estudiantes como para docentes.
En este sentido, Jofre (2023) la importancia de la IA en el ámbito educativo se manifiesta en
varios aspectos, ya que permite adaptar los procesos de enseñanza y aprendizaje a las nece-
sidades individuales de cada estudiante, ofreciendo planes de estudio personalizados y retro-
alimentación individualizada. Además, puede automatizar tareas administrativas y repetitivas,
liberando tiempo para que los docentes se enfoquen en aspectos más importantes.
A criterios de Granero (2021) los sistemas de IA actúan como tutores inteligentes, proporcio-
nando asistencia personalizada a los estudiantes en cualquier momento y lugar. Al mismo
tiempo puede analizar datos para identificar patrones que podrían indicar dificultades de apren-
dizaje, permitiendo intervenciones tempranas. Los sistemas de IA pueden evaluar el progreso
© 2025, Instituto de Estudios Superiores de Investigación y Postgrado, Venezuela
78 Deinny José Puche Villalobo
Revista Digital de Investigación y Postgrado, 6(11),77-93
ISSN electrónico: 2665-038X
79
La inteligencia artificial y el fraude académico en el contexto universitario
de los estudiantes de manera continua y proporcionar información detallada a docentes y padres.
Dentro de este mismo contexto, Alonso y Quinde (2023) sostienen que, la IA puede facilitar el
acceso a la educación de calidad a estudiantes en áreas remotas o con recursos limitados. Así
como promover la inclusión en el aula al proporcionar herramientas y recursos que apoyan a
estudiantes con necesidades educativas especiales. Igualmente ayuda a impulsar la investigación
y el desarrollo educativo al proporcionar herramientas para analizar grandes conjuntos de datos
y evaluar la efectividad de diferentes estrategias de enseñanza.
Atendiendo a los planteamientos antes señalados se observa que los autores consideran que
la IA puede fomentar la creatividad y el pensamiento crítico en los estudiantes al proporcionarles
herramientas para explorar ideas y resolver problemas de manera creativa. La educación im-
pulsada por IA puede ayudar a los estudiantes a adquirir habilidades necesarias para prosperar
en un entorno laboral transformado por la IA.
Ahora bien, el uso indiscriminado e inconsciente de la IA, puede generar consecuencias ad-
versas en los niveles de aprendizaje y producción intelectual, ya que muchas veces se delega
la responsabilidad de extraer información de estos programas sin analizarla y sin cuestionar su
veracidad. Lo que quiere decir, que aunque su impacto en los procesos de enseñanza y apren-
dizaje presenta numerosos beneficios, también surgen nuevas preocupaciones relacionadas
con el potencial uso indebido de la IA para cometer fraude académico.
Al respecto, García et al. (2024) señalan que, una de las formas de fraude académico en las
que se involucra la IA incluyen el plagio, la suplantación de identidad, la creación de contenido
falso y la manipulación de datos. Lo que es significativo, ya que deteriora la integridad acadé-
mica, afecta la equidad educativa, dificulta la evaluación del aprendizaje real y desalienta la
creatividad y el pensamiento crítico.
Según Mayta et al. (2023) para combatir el fraude académico en la era de la IA, es importante
promover la cultura de integridad académica, implementar medidas de detección de fraude,
diseñar evaluaciones más novedosas, fomentar el uso responsable de la IA y promover la co-
laboración entre instituciones educativas y desarrolladores de tecnología.
De allí que, el autor del estudio considera que la inteligencia artificial presenta desafíos y oportunidades
para la educación. Es fundamental abordar el riesgo de su uso indebido para el fraude académico
mediante la promoción de la integridad académica, la implementación de medidas de detección efec-
tivas, el diseño de evaluaciones robustas y la educación sobre el uso responsable de la IA. La IA no
debe ser vista como una amenaza, sino como una herramienta que, utilizada de manera responsable,
puede contribuir a fortalecer la educación y promover el aprendizaje honesto y significativo.
Después de haber hecho una revisión de algunos postulados y teorías sobre esta temática el in-
vestigador considera que conocer la relación entre el uso de la IA y el fraude académico es de
gran importancia para mantener la integridad académica, lo que representa un pilar fundamental
© 2025, Instituto de Estudios Superiores de Investigación y Postgrado, Venezuela
80 Deinny José Puche Villalobo
en la educación, sobre todo a nivel universitario en el contexto de estudios de postgrado., de ahí
que entender cómo la IA puede influir en el fraude académico ayuda a las instituciones a preservar
altos estándares éticos y de calidad en el aprendizaje y la investigación, asegurando que los logros
académicos reflejen verdaderamente las capacidades y esfuerzos de los estudiantes.
Por otra parte, con este estudio se pretende identificar esta relación, ya que esto permite a las
instituciones educativas desarrollar políticas y directrices claras sobre el uso de la IA. Además
de establecer límites y normas para su utilización asegura que la IA se utilice de manera ética
y responsable. En este sentido, estas políticas no solo previenen el fraude, sino que también
promueven un uso constructivo de la tecnología en los procesos educativos.
Asimismo, es importante conocer los riesgos asociados con el mal uso de IA para ofrecer pro-
gramas de educación y formación ética. Además, se considera que entender la relación entre
la IA y el fraude académico también puede impulsar el desarrollo y la mejora de herramientas
de detección de plagio y fraude.
Por otra parte, se infiere que conocer cómo la IA puede afectar esta calidad permite a las ins-
tituciones tomar medidas proactivas para asegurar que los estudiantes reciban una educación
auténtica y valiosa. Destacando que las universidades tienen la responsabilidad de formar pro-
fesionales éticos competentes, y comprender los desafíos que plantea la IA en términos de
fraude académico, lo que es fundamental para cumplir con esta responsabilidad social. En este
sentido se presenta una figura que recoge según el investigador aquellos factores que pueden
influir en el fraude académico mediante el uso de la IA.
Figura 1. Factores que pueden influir en el fraude académico mediante el uso de la IA.
Fuente: Elaboración propia (2024).
La Figura 1 deja ver que a criterio del investigador la relación que puede darse entre el uso de
la IA y el fraude académico puede estar implicados en la accesibilidad y facilidad de uso de la
IA permiten a los estudiantes utilizar herramientas de generación de contenido, como chatbots
y generadores de texto, sin necesidad de habilidades técnicas avanzadas. Asimismo, la presión
Revista Digital de Investigación y Postgrado, 6(11),77-93
ISSN electrónico: 2665-038X
81
académica es otro factor significativo. Los estudiantes pueden sentir una intensa presión para
alcanzar altos rendimientos académicos, lo que puede llevarlos a recurrir a la IA para completar
tareas de manera más rápida y eficiente, aunque de manera deshonesta. Además, la falta de
educación adecuada sobre el uso ético de la IA y las consecuencias del fraude académico
puede llevar a los estudiantes a subestimar la gravedad de utilizar IA para fines deshonestos.
Por otra parte, al considerar el planteamiento de Puche (2024) quien considera que la ausencia
de políticas claras y directrices institucionales sobre el uso de IA en la educación puede crear
un ambiente donde los estudiantes no saben qué está permitido y qué no, facilitando el fraude.
En otra línea de pensamiento, Alonso y Quinde (2023) las herramientas actuales de detección
de plagio pueden no estar completamente equipadas para identificar contenido generado por
IA, lo que permite que el fraude pase desapercibido. La IA puede proporcionar una manera
conveniente y rápida de generar contenido académico, lo que puede ser tentador para los es-
tudiantes que buscan ahorrar tiempo y esfuerzo.
Asimismo, Alonso (2024) consideran que los estudiantes que usan IA para completar tareas
pueden no estar involucrados en el proceso de aprendizaje, lo que resulta en una desconexión
entre el conocimiento adquirido y el trabajo presentado. La percepción de que los profesores
no revisan detenidamente los trabajos o no detectan el uso de IA puede fomentar el fraude,
ya que los estudiantes sienten que no serán descubiertos. Además, la ausencia de métodos de
evaluación que se enfoquen en el proceso y no solo en el producto final puede permitir que el
fraude académico pase desapercibido.
Por lo que el autor del estudio infiere que al abordar estos elementos a través de políticas edu-
cativas claras, programas de formación ética y el desarrollo de mejores herramientas de detec-
ción, las instituciones pueden mitigar el riesgo de fraude académico asociado con el uso de la
IA. Siendo importante que las instituciones educativas adopten un enfoque proactivo para en-
frentar estos desafíos y asegurar la integridad académica en la era de la inteligencia artificial.
En este sentido, el estudio se fijó como objetivo determinar la relación entre la inteligencia ar-
tificial y el fraude académico en Venezuela, Colombia y Perú.
Metodología
La metodología del estudio se adhiere a los procesos del paradigma positivista, el cual
busca ser tan objetivo como sea posible en la búsqueda del conocimiento, empleando pro-
cedimientos ordenados y disciplinados que permitan probar las ideas del investigador
acerca de la naturaleza de los fenómenos que son objeto de estudio (Acosta, 2023). Ade-
más se considero el enfoque cuantitativo, definido por Arias (2019) como aquel que se basa
en la idea de que todas las cosas o fenómenos estudiados por las ciencias son medibles.
El estudio es de tipo descriptivo, ya que según Hernández y Mendoza (2018) es un tipo de investi-
gación que tiene como objetivo principal describir las características o propiedades de un fenómeno,
La inteligencia artificial y el fraude académico en el contexto universitario
© 2025, Instituto de Estudios Superiores de Investigación y Postgrado, Venezuela
82 Deinny José Puche Villalobo
situación o área de estudio sin manipular las variables ni establecer relaciones causales. Su enfoque
principal es proporcionar una representación detallada y precisa de lo que se está estudiando.
Asimismo, presentó un nivel correlacional, ya que según lo afirma Hernández y Mendoza (2018)
es un tipo de estudio que busca evaluar la relación entre dos variables, con el fin de estudiar el
grado de correlación entre ellas. Este enfoque se centra en descubrir cómo varía una variable
al hacerlo la otra, analizando la dirección del movimiento y la intensidad de la relación. Es im-
portante destacar que la correlación no implica causalidad, es decir, no establece una relación
de causa y efecto entre las variables.
Para Arias (2019) en este tipo de investigación, se utilizan herramientas estadísticas para
medir y comprender el grado de correlación entre las variables estudiadas. Por ejemplo, se
pueden emplear coeficientes de correlación, como el coeficiente de Spearman, para analizar
la información obtenida y establecer conclusiones sobre la relación entre las variables.
La muestra estuvo conformada por 48 docentes de Venezuela, 48 de Colombia y 44 de Perú,
todos del nivel universitario. Los criterios de inclusión se sujetaron a un nivel de experiencia de
más de 5 años en la docencia universitario, grado de magister y doctorado, que dictaran cursos
de seminario (tesis) a nivel universitario, seleccionados de varias universidades en cada país.
Se aplicó la técnica de la encuesta mediante un cuestionario de alternativas múltiples de res-
puestas (siempre, algunas veces y nunca). Este cuestionario fue validado por 5 expertos con
grado de doctor (2 de Venezuela, 2 colombianos y 1 peruanos) mediante el coeficiente alfa
de Cronbach, el cual arrojó una confiabilidad de 0.980. En cuanto a las consideraciones éticas
se garantizó la transparencia, por ello se dieron a conocer los objetivos del estudio, se aseguró
el reguardo de la información solo para su uso académico y científico, además se resguardo
la identidad de las universidades y de los participantes. Los datos se procesaron mediante la
estadística descriptiva, presentando los datos en tablas de frecuencia. Además, se utilizó la
estadística inferencial para analizar el nivel de correlación entre las variables del estudio.
Resultados
Tabla 1
Elementos que influyen en el fraude académico
Dimensiones Indicadores
Opciones de respuestas
Siempre Algunas
veces Nunca
F % F % F %
Negligencia
en la
supervisión
Falta de instrucción y orientación adecuadas. 93 66.42 37 26.42 10 7.14
Falta de seguimiento del progreso del estu-
diante. 88 62.85 40 28.57 12 8.57
Falta de comunicación con los profesores. 112 80.0 23 16.42 5 3.57
Revista Digital de Investigación y Postgrado, 6(11),77-93
ISSN electrónico: 2665-038X
83
Nota: Elaboración propia (2024).
La Tabla 1, revela los elementos que influyen en el fraude académico. De allí que la primera
dimensión corresponde a la “Negligencia en la supervisión,” siendo el primer indicador anali-
zado la falta de instrucción y orientación adecuadas, observándose que el 66.42% de los en-
cuestados indicó que esto ocurre siempre, el 26.42% señaló que ocurre algunas veces, y el
7.14% afirmó que nunca sucede. Respecto a la falta de seguimiento del progreso del estu-
diante, el 62.85% de los participantes afirmó que siempre se da esta falta, mientras que el
28.57% dijo que ocurre algunas veces y el 8.57% mencionó que nunca ocurre. Finalmente, en
lo referente a la falta de comunicación con los profesores, un 80.0% de los encuestados con-
sidera que siempre existe esta falta, un 16.42% indicó que sucede algunas veces y un 3.57%
afirmó que nunca ocurre.
Al hacer referencia a la dimensión “Comportamiento facilitador”, la cual analiza a través de dos
indicadores: no desafiar ni cuestionar el trabajo de los estudiantes y no sancionar el fraude. En
el primer indicador, el 65.0% de los encuestados dijo que siempre se evita desafiar o cuestionar
el trabajo de los estudiantes, el 27.85% indicó que esto ocurre algunas veces, y el 7.14% men-
cionó que nunca sucede. En cuanto a no sancionar el fraude, el 88.57% de los participantes
afirmó que esta conducta siempre se presenta, el 11.42% señaló que ocurre algunas veces y
ningún encuestado dijo que nunca sucede.
En relación con la dimensión “Conflictos de intereses”, se observó que, según los resultados, el
70.71% de los encuestados indicó que siempre existen estas relaciones cercanas entre tutores
y estudiantes, el 14.28% afirmó que ocurren algunas veces y el 15.0% señaló que nunca suce-
den.
En este orden de ideas, el investigador considera que los resultados indican que la negligencia
en la supervisión, el comportamiento facilitador y los conflictos de intereses son problemas sig-
nificativos en el entorno académico evaluado. Asimismo, la falta de instrucción adecuada, el
seguimiento insuficiente del progreso estudiantil, y la comunicación deficiente con los profesores
son prácticas comúnmente reportadas, lo que sugiere una supervisión inadecuada. Además,
la falta de sanciones contra el fraude y la ausencia de cuestionamientos al trabajo de los estu-
diantes reflejan un comportamiento permisivo que puede afectar negativamente la integridad
académica. Finalmente, las relaciones personales cercanas con estudiantes revelan posibles
conflictos de interés que pueden comprometer la imparcialidad y equidad en el trato a los es-
tudiantes.
La inteligencia artificial y el fraude académico en el contexto universitario
Facilitating
behavior
No desafiar ni cuestionar el trabajo de
los estudiantes. 91 65.0 39 27.85 10 7.14
No sancionar el fraude. 124 88.57 16 11.42 0 0
Conflictos de
intereses
Relaciones personales cercanas con es-
tudiantes. 99 70.71 20 14.28 21 15.0
Total 140 100 140 100 140 100
© 2025, Instituto de Estudios Superiores de Investigación y Postgrado, Venezuela
84 Deinny José Puche Villalobo
Tabla 2
Fraudes comunes cometidos mediante la IA
Nota: Elaboración propia (2024).
La Tabla 2 revela los resultados para analizar los fraudes más comunes cometidos mediante la
IA, observándose respecto a la dimensión “Plagio asistido por IA”, específicamente, con relación
al indicador; generación de trabajos completos utilizando IA, un 85.41% de los encuestados
indicó que los estudiantes siempre recurren a esta práctica, mientras que el 11.80% cree que lo
hacen algunas veces. Asimismo, con relación a la práctica de parafrasear texto existente para
evitar la detección de plagio se observó que un 46.38% de los encuestados destacaron que
los estudiantes siempre utilizan IA para este fin, el 15.97% que lo hacen algunas veces y un
4.86% que nunca lo realiza.
En cuanto a la dimensión “Engaño asistido por IA”, el 27.77% de los participantes mencionó los
estudiantes siempre usan herramientas de IA para crear respuestas en entrevistas, mientras que
el 34.72% lo hacen algunas veces. Asimismo, un 34.72%, respectivamente cree que nunca re-
curren a esta práctica. Al analizar la dimensión Creación de contenido falso asistido por IA, es-
pecíficamente, en el Inventar datos o resultados de investigación se evidenció que un 48.61%
de los encuestados manifestó que los estudiantes siempre cometen esta práctica, el 24.30%
que lo hacen algunas veces. Mientras que otro 24.30% considera que nunca lo hacen.
Finalmente, en relación con la dimensión “Apropiación indebida de ideas asistida por IA” se ob-
servó que un 63.88% de los encuestados dijo que los estudiantes siempre presentan como
propio el trabajo generado por IA, el 26.38% lo hacen algunas veces y el 6.94% nunca lo hacen.
Dimensions Indicators
Answer options
Always Sometimes Never
F % F % F %
Plagio asistido por IA
Generar trabajos completos usando herra-
mientas de IA. 123 85,41 17 11,80 0 0
Parafrasear texto existente para evitar la de-
tección de plagio. 110 46,38 23 15,97 7 4,86
Engaño asistido por IA Usar herramientas de IA para crear respuestas
de a entrevistas. 40 27,77 50 34,72 50 34,72
Creación de contenido
falso asistido por IA Inventar datos o resultados de investigación. 70 46,61 35 24,30 35 24,30
Apropiación inde-
bida de ideas asistida
por IA
Presentar como propio el trabajo gene-
rado por IA. 92 63,88 38 26,38 10 6,94
No citar adecuadamente las fuentes de IA. 140 100 0 0 0 0
Total 140 100 140 100 140 100
Revista Digital de Investigación y Postgrado, 6(11),77-93
ISSN electrónico: 2665-038X
85
A criterio del investigador los resultados sugieren una dependencia significativa en las herra-
mientas de IA para producir trabajos académicos sin una contribución personal auténtica. Tam-
bién se observa que a criterio de los docentes encuestados existe por parte de los estudiantes
una prevalencia significativa del uso indebido de herramientas de IA para cometer plagio y en-
gaño.
Tabla 3
Coeficiente de correlacione entre las variables
Note: Elaboración propia (2024).
La Tabla 3 muestra una correlación de Pearson entre las variables IA y fraude académico, donde
se evidencia que la correlación de Pearson entre estas dos variables es de 0,980, lo que indica
una relación positiva muy fuerte. Esto significa que a medida que aumenta el uso de la inteli-
gencia artificial en la educación, también tiende a aumentar el fraude académico. Además, se
enfatiza que la correlación no implica causalidad. Es decir, el hecho de que dos variables estén
correlacionadas no significa que una cause a la otra.
Discusión
Considerando los resultados de la percepción que tienes los docentes respecto al uso que los
estudiantes le dan a la IA al momento de realizar trabajos de investigación, se tiene que según
Caceres y Ulloa (2023) muchas veces los estudiantes le dan una utilidad inadecuada a la IA esto
como consecuencia a negligencia en la supervisión afecta negativamente la calidad educativa
al permitir que los estudiantes se desvíen de los objetivos de aprendizaje sin ser corregidos a
tiempo.
En este orden de ideas, Granero (2021) señala que cuando los supervisores no monitorean ade-
cuadamente el desempeño de los estudiantes, estos pueden desarrollar malos hábitos de es-
tudio, carecer de dirección en sus proyectos y, en casos extremos, incurrir en prácticas
deshonestas como el plagio o el uso de IA para crear contenido falso. Esta falta de vigilancia
crea un entorno donde los estándares académicos se deterioran, y los estudiantes no alcanzan
su máximo potencial.
La inteligencia artificial y el fraude académico en el contexto universitario
Inteligencia artificial Fraude académico
Rho de
Spearman
Inteligencia artificial
Coeficiente de correlación 1 0,980**
Sig. (bilateral) 0,000
N 140 140
Fraude académico
Coeficiente de correlación 0,980** 1
Sig. (bilateral) 0,000
N 140 140
© 2025, Instituto de Estudios Superiores de Investigación y Postgrado, Venezuela
86 Deinny José Puche Villalobo
Por otra parte, Granero (2021) considera que la falta de instrucción y orientación adecuadas
impide que los estudiantes comprendan claramente las expectativas académicas y cómo cum-
plirlas. Según García et al. (2024) sin una guía apropiada, los estudiantes pueden sentirse per-
didos y recurrir a soluciones rápidas, como el uso de herramientas de IA para completar sus
tareas. Esto no solo afecta su aprendizaje y desarrollo de habilidades, sino que también perpe-
túa una cultura de dependencia en lugar de fomentar el pensamiento crítico y la resolución de
problemas. La ausencia de una instrucción clara socava la confianza de los estudiantes en sus
capacidades y en el sistema educativo en general.
En este sentido, Crawford (2023) plantea que la falta de seguimiento del progreso del estudiante
impide la identificación oportuna de dificultades y áreas de mejora, lo que resulta en interven-
ciones tardías o inexistentes. Sin un seguimiento continuo, los problemas académicos y perso-
nales de los estudiantes pueden pasar desapercibidos, aumentando el riesgo de desmotivación,
bajo rendimiento y abandono escolar. Para García et al. (2024) la ausencia de retroalimentación
constructiva deja a los estudiantes sin orientación sobre cómo mejorar, afectando su desarrollo
académico y personal. Esta falta de atención puede llevar a una disminución general de la ca-
lidad educativa y del éxito estudiantil.
Asimismo, Belda (2019) afirma que la falta de comunicación con los profesores crea un vacío
en el proceso educativo, donde los estudiantes no reciben la orientación necesaria para su de-
sarrollo académico y personal. Sin una comunicación efectiva, los profesores no pueden iden-
tificar las necesidades individuales de los estudiantes ni proporcionar el apoyo adecuado. Esto
puede resultar en una comprensión incompleta del material, dificultades no resueltas y una
falta de dirección en el aprendizaje. La desconexión entre estudiantes y profesores también
puede llevar a una disminución en la motivación y el compromiso de los estudiantes con sus
estudios.
Dentro de este contexto, Soria et al. (2022) y Vries (2023) exponen que el comportamiento fa-
cilitador, como no desafiar ni cuestionar el trabajo de los estudiantes, contribuye a una baja
calidad educativa al no fomentar el pensamiento crítico y la autoevaluación. Para Mayta et al.
(2023) cuando los estudiantes no son desafiados a justificar y reflexionar sobre su trabajo, se
pierde la oportunidad de desarrollar habilidades analíticas y de razonamiento. De allí que esta
falta de rigor académico permite que los estudiantes se conformen con un esfuerzo mínimo y
no alcancen su máximo potencial, perpetuando una cultura de mediocridad en lugar de exce-
lencia.
Por otra parte, Puche (2024) destaca que no sancionar el fraude crea un entorno donde la des-
honestidad académica puede proliferar sin consecuencias, minando la integridad del sistema
educativo. La falta de sanciones claras y consistentes envía un mensaje de que el fraude es to-
lerado, lo que puede incentivar a más estudiantes a participar en prácticas deshonestas. Esto
no solo afecta la equidad y la justicia en el ámbito académico, sino que también degrada el
valor de los títulos y certificaciones otorgados, perjudicando tanto a los estudiantes honestos
como a la reputación de la institución educativa.
Revista Digital de Investigación y Postgrado, 6(11),77-93
ISSN electrónico: 2665-038X
87
Continuando con el análisis de los resultados de este estudio Vander y Cury (2024) sostienen
que los conflictos de intereses, como las relaciones personales cercanas con estudiantes, pueden
comprometer la imparcialidad y la objetividad en la evaluación y supervisión académica. Lo
que indica que estos conflictos pueden llevar a favoritismos, donde ciertos estudiantes reciben
un trato preferencial o evaluaciones injustamente positivas, afectando la equidad en el aula.
Además, estas relaciones pueden dificultar la aplicación de sanciones disciplinarias y la toma
de decisiones académicas basadas en mérito. La presencia de tales conflictos erosiona la con-
fianza en la integridad del proceso educativo y puede generar un ambiente de desconfianza y
resentimiento entre los estudiantes.
En esta misma línea de pensamientos Zuñiga y Polanco (2023) destacan que el plagio asistido
por IA ocurre cuando se utiliza tecnología de inteligencia artificial para copiar y presentar el
trabajo de otros como propio. Esto se manifiesta a través de textos o trabajos que contienen
frases o párrafos completos que coinciden con fuentes existentes sin la debida cita, lo que es
fácilmente identificable mediante software de detección de plagio.
Sin embargo, Alonso y Quinde (2023) plantean que estos trabajos a menudo muestran un estilo
de escritura inconsistente o poco natural, ya que las partes copiadas no se integran bien con
el resto del contenido original. El uso de herramientas de IA para parafrasear o reformular con-
tenido sin cambiar significativamente su significado es otro indicador importante. De allí que
estos elementos revelan la dependencia en IA para crear trabajos académicos o profesionales
que no son completamente originales.
En cuanto a la creación de contenido falso asistido por IA Franganillo (2022) expone que im-
plica el uso de tecnologías de inteligencia artificial para generar textos que no son auténticos.
Mientras que Jofre (2023), sostiene que esto afecta gravemente la calidad educativa al inundar
el entorno académico con información inexacta o engañosa, dificultando la distinción entre
hechos verídicos y fabricados, ya que puede llevar a la propagación de conocimientos erró-
neos entre estudiantes y docentes, comprometiendo la integridad del aprendizaje y la inves-
tigación.
Según Villalobos (2024) fomenta una cultura de desconfianza en las fuentes de información y
reduce el valor del trabajo académico genuino, al mismo tiempo que desalienta el pensamiento
crítico y la verificación rigurosa de datos. Por lo que se infiere que estos efectos erosionan la
credibilidad y la efectividad del sistema educativo en su misión de formar individuos bien in-
formados y capaces de contribuir positivamente a la sociedad.
Al contrastar los resultados con la teoría de Gallent et al. (2023) quienes plantean que la apro-
piación indebida de ideas asistida por IA se produce cuando se utilizan herramientas de IA para
tomar ideas originales de otros y presentarlas como propias. Esto es evidente en propuestas
de proyectos, investigaciones o presentaciones que reflejan ideas o conceptos previamente
presentados por otras personas sin el reconocimiento adecuado. De allí que los datos del es-
tudios muestran una debilidad significativa respecto a esta dimensión (Apropiación indebida
La inteligencia artificial y el fraude académico en el contexto universitario
© 2025, Instituto de Estudios Superiores de Investigación y Postgrado, Venezuela
88 Deinny José Puche Villalobo
de ideas asistida por IA).
En este orden de ideas, Díaz (2023) considera que los trabajos que muestran un conocimiento
avanzado o detallado que no coincide con el nivel de experiencia del autor también son sos-
pechosos. Para Alonso (2024) el uso de IA para explorar bases de datos de investigaciones y
luego reformularlas ligeramente sin dar crédito a los autores originales es una práctica común.
Esto deja ver que las discrepancias entre el conocimiento del autor sobre el tema y la calidad
del trabajo presentado indican una posible dependencia de IA para apropiarse indebidamente
de las ideas de otros.
Al considerar los resultados obtenidos, se evidencia que los estudiantes no están utilizando la
IA de manera adecuada. En lugar de emplearla como una herramienta de apoyo para enri-
quecer y facilitar su trabajo académico, los estudiantes están delegando en la IA la construcción
y redacción de cada elemento de sus trabajos de investigación. Es decir, se basa en el alto nivel
de correlación determinado entre las variables analizadas, lo que sugiere una dependencia ex-
cesiva en la IA para realizar tareas que deberían ser llevadas a cabo por los propios estudian-
tes.
En este sentido, el uso inadecuado de la IA tiene implicaciones serias para la calidad educativa,
ya que los estudiantes no están desarrollando las habilidades críticas necesarias para su creci-
miento académico y profesional. La falta de implicación personal en el proceso de investigación
y redacción puede llevar a una comprensión superficial del contenido y a la incapacidad de
aplicar el conocimiento adquirido en contextos reales.
Para abordar esta problemática, se llevó a cabo una reunión con docentes (tutores de trabajos
de investigación), quienes participaron en la encuesta y compartieron sus observaciones y preo-
cupaciones. En consenso, se establecieron algunos lineamientos destinados a frenar el uso in-
debido de la IA. Estos lineamientos tendrán como objetivo promover un uso responsable y
ético de la tecnología, asegurando que los estudiantes desarrollen las competencias necesarias
para su éxito académico.
En este sentido, se consideró la necesidad de incorporar talleres o módulos obligatorios en los
programas de posgrado, lo que es fundamental para educar a los estudiantes sobre el uso res-
ponsable de la inteligencia artificial en la investigación y la elaboración de tesis. De ahí que
estos programas deben abordar los alcances y limitaciones de las herramientas de IA para la
escritura y la generación de contenido, así como las normas éticas y académicas relacionadas
con la integridad del trabajo intelectual.
Además, es relevante informar a los estudiantes sobre las consecuencias del plagio y el uso
indebido de la IA, orientándolos en su uso adecuado, ya que este asistente virtual puede
ayudarles en la búsqueda y organización de información, análisis de datos y generación de
visualizaciones, así como en la redacción y revisión de textos académicos. Por esto se pro-
pusieron una serie de actividades que pueden ser parte de la solución de problemas.
Revista Digital de Investigación y Postgrado, 6(11),77-93
ISSN electrónico: 2665-038X
89
Tabla 4
Sugerencias para atender la problemática del uso de la IA para cometer fraude académico
La inteligencia artificial y el fraude académico en el contexto universitario
Actividad Descripción Beneficios para prevenir el uso inde-
bido de IA en tesis
Fomentar la
educación
sobre la IA
y la ética
académica
•Incorporar talleres o módulos obligatorios en los
programas de posgrado.
•Educar a los estudiantes sobre el uso responsable
de la inteligencia artificial en la investigación y la
elaboración de tesis, incluyendo: (a) Los alcances
y limitaciones de las herramientas de IA para la
escritura y la generación de contenido. (b) Las
normas éticas y académicas relacionadas con la
integridad del trabajo intelectual. (c) Las conse-
cuencias del plagio y el uso indebido de la IA en
la elaboración de tesis.
•Promover el uso de herramientas de IA para el
aprendizaje y la investigación:
•Guiar a los estudiantes en el uso adecuado de he-
rramientas de IA para apoyar su proceso de
aprendizaje e investigación, como: Búsqueda y
organización de información relevante; análisis de
datos y generación de visualizaciones; Redacción
y revisión de textos académicos; enfatizar la im-
portancia del pensamiento crítico y la originali-
dad: fomentar en los estudiantes el desarrollo de
habilidades de pensamiento crítico y análisis para
evaluar la información obtenida a través de la IA
y generar sus propias ideas y argumentos.
•Ayuda a los estudiantes a comprender
las capacidades y limitaciones de la IA
en el contexto académico, promo-
viendo un uso responsable y ético.
•Brinda a los estudiantes herramientas
y estrategias para aprovechar la IA de
manera efectiva en su proceso de
aprendizaje e investigación, sin com-
prometer la originalidad de su trabajo.
•Fomenta el desarrollo de habilidades
de pensamiento crítico y análisis,
esenciales para evaluar información,
formular argumentos y generar cono-
cimiento original.
Establecer
directrices
claras para
el uso de la
IA en la
elaboración
de tesis.
•Definir los tipos de herramientas de IA permitidas:
Especificar qué herramientas de IA pueden ser
utilizadas por los estudiantes en la elaboración de
sus tesis, considerando su impacto en la origina-
lidad y el valor académico del trabajo; establecer
límites para la utilización de la IA: determinar la
cantidad de contenido generado por IA que
puede ser utilizado en una tesis, asegurando que
el trabajo principal sea realizado por el estudiante;
exigir la transparencia en el uso de la IA: Requerir
a los estudiantes que citen claramente cualquier
herramienta o recurso de IA utilizado en la elabo-
ración de su tesis, incluyendo la descripción de su
función y el impacto en el contenido final.
•Proporciona a los estudiantes una
guía clara sobre lo que se espera en
cuanto al uso de la IA en sus tesis, evi-
tando confusiones y posibles trans-
gresiones a las normas académicas.
•Garantiza que la mayor parte del tra-
bajo de tesis sea realizado por el es-
tudiante, asegurando el desarrollo de
sus habilidades de investigación y es-
critura.
•- Fomenta la transparencia y la traza-
bilidad del uso de la IA, permitiendo
a los evaluadores comprender el pro-
ceso de elaboración de la tesis y el
aporte real del estudiante.
© 2025, Instituto de Estudios Superiores de Investigación y Postgrado, Venezuela
90 Deinny José Puche Villalobo
Nota: Elaboración propia (2024).
Conclusiones
Los resultados del estudio revelan una correlación de Pearson de 0.980 entre el uso de la IA y el
fraude académico. Este valor indica una relación positiva muy fuerte, sugiriendo que a medida
que aumenta el uso de la IA en la educación, también tiende a aumentar el fraude académico.
Sin embargo, es relevante destacar que la correlación no implica causalidad. Aunque ambas va-
riables estén fuertemente relacionadas, no se puede concluir que el uso de la IA cause directa-
mente el fraude académico. Es posible que otros factores estén influyendo en esta relación.
De allí que estos hallazgos subrayan la necesidad de implementar regulaciones y políticas edu-
cativas que aborden el uso ético de la IA. Asimismo, es importante educar a los estudiantes
sobre el uso responsable de las herramientas de IA y establecer directrices claras puede ayudar
a mitigar el riesgo de fraude académico. Además, promover el desarrollo de habilidades de pen-
samiento crítico y análisis en los estudiantes es de suma importancia para que puedan utilizar la
Implemen-
tar estrate-
gias de
evaluación
y detección
de fraude.
•Utilizar software de detección de plagio: emplear
herramientas de software especializadas en la de-
tección de plagio para analizar las tesis de los es-
tudiantes y compararlas con una amplia base de
datos de fuentes académicas; realizar evaluaciones
cualitativas profundas; enfatizar en la evaluación
crítica del contenido de las tesis, considerando la
coherencia interna, la originalidad de las ideas, la
profundidad del análisis y la solidez de la argu-
mentación, más allá de la simple detección de si-
militudes textuales.
•Promover la revisión por pares: implementar pro-
cesos de revisión por pares rigurosos, donde ex-
pertos en el área evalúen las tesis de manera
independiente, considerando el uso adecuado de
la IA y el aporte original del estudiante.
•Ayuda a identificar posibles casos de
plagio o uso indebido de la IA en la ela-
boración de las tesis.
•Permite a los evaluadores realizar una
valoración profunda del contenido y la
calidad de la investigación, conside-
rando aspectos más allá de la simple si-
militud textual.
•Brinda una perspectiva adicional de ex-
pertos en el área, quienes pueden eva-
luar el uso adecuado de la IA y el
aporte original del estudiante en la
tesis.
Fomentar
una cultura
de integri-
dad acadé-
mica.
•Comunicar claramente las expectativas: informar a
los estudiantes de manera clara y transparente
sobre las expectativas en cuanto al uso de la IA en
la elaboración de tesis, las normas éticas y las con-
secuencias del fraude académico.
•Promover el diálogo abierto: crear espacios de diá-
logo entre estudiantes, supervisores y autoridades
académicas para discutir las inquietudes sobre el
uso de la IA y fomentar la colaboración en la bús-
queda de soluciones éticas.
•Reconocer y premiar la honestidad académica:
destacar y premiar a los estudiantes que demues-
tran un compromiso con la integridad académica
y el uso responsable de la IA en su trabajo de in-
vestigación.
Revista Digital de Investigación y Postgrado, 6(11),77-93
ISSN electrónico: 2665-038X
91
IA de manera ética y responsable. Estas habilidades les ayudarán a evaluar la información ge-
nerada por la IA y a desarrollar sus propios argumentos y conclusiones.
Dentro de este orden de ideas también se infiere que es fundamental implementar estrategias
de evaluación y detección de fraude, como el uso de software de detección de plagio y revisiones
por pares, para asegurar la integridad académica, gracias a que estas medidas pueden ayudar
a identificar y prevenir el fraude académico relacionado con el uso de la IA. Asimismo, se requiere
fomentar una cultura de integridad académica lo que fundamental para reducir la incidencia de
fraude académico.
Cabe destacar que otro aspecto importante es informar a los estudiantes sobre las expectativas,
las normas éticas y las consecuencias del fraude, junto con reconocer y premiar el comporta-
miento ético, puede incentivar un comportamiento académico honesto y responsable. De allí
que aunque el estudio reveló que existe una relación positiva muy fuerte entre el uso de la IA y
el fraude académico, es realmente importante abordar esta cuestión desde múltiples ángulos,
incluyendo la educación, la regulación, la evaluación y la promoción de una cultura de integridad
académica, esto debido a que el investigador considera que solo a través de un enfoque holístico
y multifacético se puede enfrentar efectivamente el desafío del fraude académico en el contexto
del creciente uso de la IA.
Referencias
Alonso, A. J. y Quinde, C. M. (2023). ChatGPT: La creación automática de textos académicos
con Inteligencia artificial y su impacto en la comunicación académica y educativa. Desiderata,
6(22), 136-142. https://gredos.usal.es/handle/10366/152505
Alonso, R. A. (2024). Hacia un marco ético de la inteligencia artificial en la educación. Teoría de
la Educación. Revista Interuniversitaria, 36(2), 79-98. https://revistas.usal.es/tres/index.php/
1130-3743/article/view/31821
Belda, I. (2019). Inteligencia artificial. RBA Libros.
Caceres, K. y Ulloa, S. (2023). Implicancias del uso de la inteligencia artificial al emitir resoluciones
judiciales respecto de los Derechos Fundamentales. [Tesis de grado, Universidad Cesar Vallejo]
https://repositorio.ucv.edu.pe/handle/20.500.12692/144174
Crawford, K. (2023). Atlas de inteligencia artificial: Poder, política y costos planetarios. Fondo de
Cultura Económica Argentina.
Díaz, D. (2023). Inteligencia artificial vs. Turnitin: implicaciones para el plagio académico. Revista
cognosis, 8 (1) 15-26 https://doi.org/10.33936/cognosis.v8i1.5517
Franganillo, J. (2022). Contenido generado por inteligencia artificial: oportunidades y amenazas.
La inteligencia artificial y el fraude académico en el contexto universitario
© 2025, Instituto de Estudios Superiores de Investigación y Postgrado, Venezuela
92 Deinny José Puche Villalobo
Anuario ThinkEPI, 16. https://doi.org/10.3145/thinkepi.2022.e16a24
Gallent, T. C., Zapata, G. A. y Ortego, H. J. (2023). El impacto de la inteligencia artificial generativa
en educación superior: una mirada desde la ética y la integridad académica. RELIEVE. Revista
Electrónica de Investigación y Evaluación Educativa, 29(2), 1-21. https://www.redalyc. org/jour-
nal/916/91676028011/91676028011.pdf
García, F.., Llorens, L. F. y Vidal, J. (2024). The new reality of education in the face of advances in
generative artificial intelligence. [La nueva realidad de la educación ante los avances de la
inteligencia artificial generativa]. RIED-Revista Iberoamericana de Educación a Distancia,
27(1). https://doi.org/10.5944/ried.27.1.37716
Granero, H. (2021). Inteligencia artificial y derecho, un reto social. elDial. com.
Hurtado, M. (2020). Liderazgo pedagógico e inteligencia artificial Maestría en educación de una
institución de educación superior. Estudio de caso. .[Tesis de maestría, Universidad militar de
Granada] https://repository.unimilitar.edu.co/handle/10654/36061
Jofre, C. (2023). ChatGPT, Inteligencia Artificial y Universidad. Nuevas tensiones, transformacio-
nes y desafíos en la educación superior. Campo Universitario, 4(7). https://www.academia.
edu/download/104836259/ChatGPT_Inteligencia_artificial_y_Universidad.pdf
Mayta, T. P., Borja, G. R. y Angulo, B. Y. (2023). Compra y venta de autorías en Perú: Fraude cien-
tífico, mala conducta científica o práctica cuestionable en investigación. Revista del Cuerpo
Médico Hospital Nacional Almanzor Aguinaga Asenjo, 16(4). http://www.cmhnaaa.
org.pe/ojs/index.php/rcmhnaaa/article/download/2370/878
Puche, D. (2024). Fraude académico en los trabajos de investigación: Desafíos y ética en la in-
tegridad académica. Revista En Prospectiva| Universidad Yacambú, 5(1), 61-89. https://re-
vista.uny.edu.ve/ojs/index.php/en-prospectiva/article/view/371
Soria, E., Rodríguez, P., García, Q., Vaquer, F., Vicent, J. y Vila, J. (2022). Inteligencia artificial. Ra-
Ma Editorial.
VanderLinde, G. y Cury, T. M. (2024). El uso de inteligencia artificial y sus desafíos para la eva-
luación académica: una revisión de la literatura. Cuaderno de Pedagogía Universitaria, 21(41).
Villalobos, L. J. (2024). El Plagio Académico y las Repercusiones Legales en las Tesis de Grado
en México. Revista Docentes 2.0, 17(1), 5-17. https://ojs.docentes20.com/index.php/revista-
docentes20/article/view/436
Vries, W. (2023). Como (no) combatir el fraude académico: Lecciones internacionales. Revista
mexicana de investigación educativa, 28(97), 637-650. https://www.scielo.org.mx/scielo.php?
Revista Digital de Investigación y Postgrado, 6(11),77-93
ISSN electrónico: 2665-038X
93
pid=S1405-66662023000200637&script=sci_arttext
Zuñiga, G. y Polanco, P. (2023). Plagio y ética profesional en el proceso de investigación social.
Revista de la Universidad, 1, 50-59. https://doi.org/10.5377/ru.v1i1.17244
La inteligencia artificial y el fraude académico en el contexto universitario
