3  Integridad académica y derechos de autor

La mayoría de las conversaciones actuales sobre LLMs en entornos de educación superior se refieren a la integridad académica y los derechos de autor. Esto es algo que está cada vez más presente en la mente de los instructores y que necesita una consideración cuidadosa y una comunicación clara.

En mi experiencia, hay una amplia gama de perspectivas de instructores y estudiantes sobre esto. No me posicionaré a favor de ningún enfoque o recomendación en particular. Sin embargo, sí creo que es fundamental brindar claridad y no asumir que ya existe un sentido común sobre esto. El uso de la Inteligencia Artificial por parte de la población en general es muy reciente y todavía nos estamos ajustando y definiendo expectativas sobre lo que es aceptable de ella.

3.1 Integridad Académica

Algunos campos en la educación superior han participado más en conversaciones sobre integridad académica que otros. Esto depende mucho del contexto, del cuerpo estudiantil y de las preferencias instructivas. Sin embargo, la mayor parte de la discusión sobre IA en educación superior se ha centrado en la integridad académica.

Existen diferentes puntos de vista sobre qué está permitido y qué no en un curso. Mi enfoque aquí no será determinar qué es permisible o no en un curso, sino qué consideraciones podrían ser efectivas y claras para evitar problemas relacionados con la integridad académica.

3.1.1 Programa de estudios (Syllabus)

Una concepción común para los programas de estudios de los cursos es que proporcionan un tipo de contrato entre instructores y estudiantes. Similar a un acuerdo de usuario, los programas de estudios dan a los instructores una oportunidad para describir claramente las expectativas para los estudiantes en un curso. Como tal, este es un gran lugar para aclarar qué está permitido o no, o qué se espera o no con respecto al uso de LLMs.

Para estudiantes	Para instructores
Asegúrate de leer la sección “Política de IA” y/o “Integridad Académica” de tu programa de estudios. Si estas son demasiado genéricas o no están claras, comunícate con tu instructor y solicita que establezcan claramente hasta qué punto permiten que se usen LLMs en tu clase.	Incluye una sección muy detallada de “Política de IA” y/o “Integridad Académica” en tu programa de estudios. Considera dar algunos ejemplos explícitos de uso esperado.

Los asuntos de integridad académica pueden ser complicados. Una forma efectiva de explorar qué funciona en tu caso particular es ir más allá del uso permitido vs. prohibido y considerar hasta qué punto se puede usar algo.

Por ejemplo, prohibir completamente el uso de LLM (o IA) en una clase podría no ser realista ni productivo. Por otro lado, permitir completamente el uso sin restricciones podría ser perjudicial para el aprendizaje del estudiante. Trata de ver esto como un espectro. La tarea entonces se convierte en descubrir dónde en ese espectro te ubicas para el curso específico.

MUESTRA DE POLÍTICA DE IA

Esta es parte de la política de IA que estoy incluyendo en mi curso más reciente de Introducción a las Demostraciones:

Uso de IA generativa

El uso de IA generativa en entornos académicos debe considerarse con cuidado. Una buena regla a tener en cuenta es que usar IA generativa para reemplazar lo que un humano podría hacer podría entrar en conflicto con las reglas generales de honestidad académica. Para nuestro curso, la recomendación es evitar el uso de herramientas de IA generativa para las tareas a menos que se indique explícitamente. Cuando esto esté permitido, asegúrate de citar, atribuir y/o describir hasta qué punto la usaste en tu trabajo y aprendizaje.

3.1.2 Tareas

A veces los programas de estudios pueden ser un poco genéricos con las políticas y podrían quedarse cortos en consideraciones específicas para tareas particulares.

Para estudiantes	Para instructores
Asegúrate de preguntar a tu instructor sobre el grado en que puedes usar LLMs para cada tipo de tarea. Cuando tengas dudas, una buena práctica general es divulgar y describir cómo usaste los LLMs.	Incluye en las instrucciones de tu tarea hasta qué punto los estudiantes pueden usar LLMs y qué tipo de atribución se espera que incluyan.

Los LLMs pueden pensarse como una herramienta muy sofisticada. Así como referenciar Wikipedia se ha vuelto normal, citar o referenciar LLMs es, en general, una buena práctica. Sin embargo, los LLMs también pueden pensarse como más que solo herramientas. También actúan como agentes, lo que les da un aire de autonomía y toma de decisiones. En este sentido, también es útil pensar en los LLMs como entidades, de ahí la idea de atribución. Esto podría depender del uso.

Por ejemplo, si se usó un LLM para encontrar un sinónimo, la atribución podría no ser necesaria; sin embargo, si se usó para generar un ejemplo o crear un resumen, este podría ser el caso.

Una buena regla práctica es pensar cuál sería la mejor práctica si en lugar de usar un LLM hubiéramos pedido a un compañero que hiciera la misma tarea. ¿Habríamos atribuido su ayuda?

Algunas formas en las que puedes atribuir o divulgar el uso de LLM es incluyendo lo siguiente, ya sea en tareas o material de clase:

• preparado con la asistencia de IA
• se usó IA para generar gráficos y esquemas
• ejemplo generado con la asistencia de IA

3.1.3 Directrices comunitarias

Cada curso es diferente. No solo debido a la materia, sino también debido al trasfondo y valores de todos. Promover discusiones sobre consideraciones de integridad académica también puede ser un buen ejercicio de formación de equipos en los cursos. Además, compartir la justificación detrás de por qué abogar o desalentar ciertas prácticas también puede obtener la adhesión tanto de instructores como de estudiantes.

3.2 Un ejemplo de Directrices de IA para un curso

Esta es un recurso de Directrices de IA que comparto con mis estudiantes en clase. Incluyo esto como un recurso separado para la clase (en nuestro Sistema de Gestión de Aprendizaje) como complemento a mi política de IA descrita en el programa de estudios.

---

La Inteligencia Artificial - específicamente los Modelos de Lenguaje Grandes - se ha vuelto más popular en tiempos recientes. Estos pueden ser útiles o dificultar tu experiencia en clase dependiendo del posible uso.

Esperado

El uso de LLMs no es requerido pero podría ser útil dependiendo de tareas o situaciones particulares.

• Cita: cita cada vez que uses un LLM.
• Traducción: puedes usarlo para traducir declaraciones o preguntas a otros idiomas (si el inglés no es tu primer idioma) o para reformular para simplificar el lenguaje.
• Búsqueda: a veces buscar referencias o conceptos podría mejorar usando LLMs. Como siempre, ten cuidado con las alucinaciones. Verifica las referencias y fuentes reales.
• Retroalimentación: puedes usar LLMs para pedir retroalimentación sobre tus demostraciones y composición tipográfica.

No Esperado

• No generes demostraciones usando LLMs.
• No copies y pegues salidas de LLMs.
• No resuelvas problemas usando LLMs.

Prompts útiles

• soy un estudiante en un curso de introducción a demostraciones matemáticas en ucsc...

• reformula la siguiente declaración

• revisa mi lenguaje por consistencia y claridad y dame retroalimentación

• ayúdame a entender este error de LaTeX

Consideraciones generales

Los LLMs son modelos matemáticos que generan palabras (tokens) basándose en las palabras previas (tokens) dadas a él. Estos son entrenados realizando regresión (descenso de gradiente en una función de pérdida particular). Esto usualmente sucede en espacios de alta dimensión (alrededor de un billón de dimensiones). Como tal, no se espera el logro de mínimos absolutos. Usualmente la regresión solo logra un vecindario de un mínimo (con un umbral particular). Por lo tanto, los LLMs tienen un alto nivel de elementos no determinísticos.

Los datos de entrenamiento a menudo consideran Big Data (en el orden de toda la información pública de internet). Como tal, esto requiere una enorme cantidad de computación. Los modelos más recientes usualmente requieren unos pocos meses de procesamiento en centros de datos que equivalen al uso de electricidad de una pequeña ciudad estadounidense por un año entero. *

3.3 Derechos de autor y propiedad intelectual

Los LLMs han estado en el centro de un debate intenso alrededor de la propiedad intelectual. Tanto desde la perspectiva legal que involucra los datos de entrenamiento de las empresas, hasta la propiedad de las salidas de estos modelos, los derechos de autor son y probablemente serán un tema polémico que seguirá a los LLMs por algún tiempo.

En el caso de los cursos universitarios, los derechos de autor se convierten en una consideración tanto para estudiantes como para instructores. ¿Es el trabajo del estudiante si le pidieron a un LLM que escribiera un ensayo? ¿Es el trabajo del instructor si le pidieron al LLM que generara una presentación basada en sus notas de clase?

Como muchos académicos del derecho responderían: depende. Un punto importante con los derechos de autor tiene que ver con la creatividad y la novedad.

Es difícil tener una respuesta clara que se aplique en todos los casos, sin embargo las consideraciones a continuación pueden proporcionar algunas reflexiones prácticas

Para estudiantes	Para instructores
Toma la salida del LLM como si otra persona la hubiera escrito. Esta es una regla práctica útil que puede ayudarte a decidir si divulgar o no el uso de LLM. Una gran práctica de aprendizaje es siempre reformular y editar las salidas en tus propias palabras las salidas de los LLMs. Esto también ayuda con tu propio aprendizaje.	Considera incluir la frase asistido por IA cuando uses salidas de LLM para generar o preparar materiales para tus cursos.