La terminología actual

Alinear nuestra comprensión de las distintas definiciones de integridad académica es fundamental para promover el aprendizaje. Décadas atrás, las escuelas solían preparar a los estudiantes para ocupar puestos de trabajo típicos de un contexto industrial, poniendo énfasis en la comprensión de los procesos y las jerarquías. Pero en estos días, los objetivos son diferentes: las instituciones buscan que sus graduados desarrollen un pensamiento de orden superior, y, por su parte, las empresas contratan personas que puedan comunicar ideas originales e innovadoras.  En este artículo examinaremos la conexión entre la terminología de integridad académica, el aprendizaje y la equidad.

Primero, es preciso señalar que la integridad académica es importante para la enseñanza y el aprendizaje. ¿Por qué? Porque garantiza que los ciclos de retroalimentación entre los estudiantes y los profesores se basen en información correcta. Además, promueve el respeto por la educación y apoya una conducta honesta en el trabajo. 

La sincronización de la terminología (como el Glosario para la Integridad Académica de la ENAI) y la comprensión del concepto pedagógico para la evolución del vocabulario de integridad son también componentes importantes.

“Integridad Académica”, un término popularizado por el investigador Dr. Donald McCabe a comienzos de los 90, describe un trabajo realizado bajo parámetros de honestidad, confianza, equidad, respeto, responsabilidad y valor, según ICAI. Sin embargo, estos valores dependen del contexto cultural, y hay que reconocer que la integridad académica es un concepto occidental. Por ejemplo, y contrario a lo que se cree en este lado del mundo, en las culturas que se centran en la memorización como metodología de aprendizaje, el mimetismo (repetir lo que se ha aprendido, a menudo sin atribución) puede ser una forma de mostrar respeto. 

Los matices culturales influyen en la terminología. Así, mientras en Occidente “integridad académica” es un concepto ampliamente utilizado, no es común en otras regiones, lo que vuelve confusa la definición de plagio. Sin ir más lejos, según investigaciones, la base de datos de terminología académica de Lituania no incluye definiciones para “integridad académica”, “deshonestidad académica” y “mala conducta académica” (Tauginiené, et al. 2019).

Por otra parte, en 2016, Wheeler afirmó que “aunque la moralidad se enseña hace mucho tiempo en el sistema de educación japonés, integridad académica es un concepto al que se le ha prestado atención hace poco tiempo y aún no se entiende bien” (Wheeler, 2016). 

La entrevista realizada por Turnitin en 2021 al profesor Tosh Yamamoto verificó este hallazgo cuando el docente comentó que: “Integridad académica es, en mi opinión, una mentalidad filosófica que permite reflejar el aprendizaje en el espejo de la honestidad, la sinceridad, la contribución con el futuro de la sociedad, así como la actitud científica ética y moral. Sin embargo, la educación en Japón se centra en la memorización y la comprensión”. (Yamamoto, 2021).

A medida que las investigaciones en integridad académica y la pedagogía se amplían, también lo hace la terminología para adaptarse a la evolución de las mentalidades y los enfoques. Una tendencia pedagógica actual es el intento de ser más holístico en cuanto a por qué y cómo existen estos comportamientos y cómo dejar de culpar a los estudiantes. Así, “hacer trampa” aunque se utiliza ampliamente como sinónimo de mala conducta académica, resulta un concepto pasado de moda a medida que la pedagogía se aleja de la cultura de “culpar” y “vigilar”, y se acerca a una terminología más neutral. Cuando alguien incurre en una falta a la integridad académica, se denomina mala conducta académica o deshonestidad, lo que Allamand describe como “cualquier forma de tomar ventaja injustamente” (2012).

Este concepto ha suplantado a términos antiguos como “hacer trampa”. 

Uno de los mayores cambios en la pedagogía ha sido el giro hacia la colaboración entre profesores y estudiantes. Ayudar a los estudiantes a sentirse reconocidos y apoyados es todo lo contrario a una postura adversa, jerárquica y culpabilizadora.

Ejemplos de terminología

La palabra “trampa”, por ejemplo, se enmarca en una terminología de “nosotros contra ellos”. Como Zachek describe en su investigación, “un estudiante del estudio de Helgeson (2002) incorpora este concepto en su respuesta sobre cómo los docentes manejan la trampa, declarando que, “es algo así como estudiantes versus profesores” y nos deberíamos ayudar mutuamente” (Zachek 2020, p. 110). 

Los “atajos” son también un término que da espacio para comprender las acciones de aquellos estudiantes presionados y con dificultades. Hacer trampa, por ejemplo, corresponde a un “atajo”, transformándose en un término más suave para definir el momento en que los estudiantes se desvían del proceso de aprendizaje, ya sea a través de la compra-venta de trabajos, el plagio o la obtención de las respuestas antes del día del examen. En el ámbito de la investigación, puede incluir a los escritores fantasmas, invisibilizar al autor y la autocitación con la intención de aumentar el propio factor de impacto. 

Entender por qué y cómo los estudiantes hacen trampa se ha convertido en parte importante del debate sobre la integridad académica. La terminología se ha vuelto más neutra con el tiempo y refleja la forma en la que los educadores han evolucionado en su propio entendimiento de una mala conducta. En la actualidad, existe la convicción de que muchas veces las personas no se proponen hacer trampa, plagiar o tergiversar su trabajo y que, en última instancia, el las faltas pueden convertirse en instancias formativas.

Consecuencias de no evolucionar la terminología de integridad académica

La integridad académica está vinculada con la integridad educativa. Los siguientes son algunos ejemplos de la importancia de la integridad académica: 

• Necesitamos mediciones precisas del aprendizaje de los estudiantes (es decir, garantizar que las respuestas del alumno son de su autoría), no sólo para guiarlos, sino también para adecuar el plan de estudios
• La investigación es un proceso acumulativo e interactivo: se debe garantizar que los trabajos académicos sean honestos para promover la innovación y evitar el fraude
• El respeto por el proceso de aprendizaje es fundamental a lo largo de la vida

La educación es sinónimo de oportunidades, por ello, los estudiantes, al graduarse, deben contribuir con las ideas originales que demanda el mercado laboral. El pensamiento original es fundamental para el éxito de estudiantes e instituciones. La integridad académica es un indicador de éxito y honestidad en el futuro, en el trabajo y la vida. Es necesario garantizar que la terminología de la integridad académica esté alineada con la pedagogía actual y que no sea totalmente punitiva, porque el aprendizaje debe ocurrir en todo momento, incluso en instancias de mala conducta. 

¿Cuál es la consecuencia de no tener un concepto de integridad académica actualizado e inclusivo?

Cuando las definiciones no están alineadas, los estudiantes internacionales, o aquellos estudiantes que provienen de culturas que operan bajo definiciones diferentes, sufren. 

Según la investigación de Zachek, “al examinar los datos demográficos de quienes cometen faltas, una de las principales preocupaciones de Beasley (2016) es si los estudiantes provenientes de minorías tienen más probabilidades de ser denunciados debido al racismo institucionalizado. Con este fin, Beasley (2009) afirmó que, “los estudiantes universitarios internacionales tienen muchas más probabilidades de ser reportados por deshonestidad académica que los estudiantes nacionales”. (Zachek 2020, p. 113). 

Estudios específicos enfocados en Japón, indican que estas diferentes definiciones y contextos culturales influyen en las actitudes y los casos de mala conducta. “La terminología es siempre cultural [sic] específica y a menudo resulta imposible que las palabras se traduzcan de forma literal entre un idioma y otro. Además, puede darse el caso que algunos estudios transculturales tengan resultados inconsistentes si no tienen en cuenta los diferentes estilos de vida, sociedades y culturas de los participantes al momento de hacer comparaciones. Por tanto, es probable que sea más valioso realizar encuestas de actitudes en un entorno cultural. (Teeter, 2014, p. 104).

Estudios realizados en Turquía reflejan diferencias culturales. “Volviendo al tema de las diferencias culturales, la integridad académica puede ser asociada a los valores de la comunidad. Para demostrarlo, mencionaremos el ejemplo de Turquía, donde se ha vuelto común en el último tiempo tratar la ‘integridad académica’ bajo el término de “educación con valores”, especialmente cuando se trata de crear conciencia sobre asuntos éticos. (e.g. Cihan 2014)”  (Tauginiené, et al., 2019).

Por lo tanto, la terminología de integridad académica es fundamental en el éxito académico. Y garantizar una terminología inclusiva es clave para crear igualdad de oportunidades de éxito académico y mantener la reputación de las instituciones de todo el mundo.

Reformular la integridad académica y la mala conducta para acompañar a los estudiantes

Según el artículo publicado en el Journal of Academic Ethics, “una comprensión coherente y el uso de términos acordados permite tener una perspectiva de valores compartidos. También otorga la posibilidad de desarrollar soluciones comunes, internacionalmente aceptables, en relación a los métodos de enseñanza, contenido y estrategias preventivas de malas conductas académicas. Llegar a un acuerdo sobre estos conceptos fundamentales conduciría, a su vez, a alianzas entre diversos campos de la ciencia. Sin embargo, para lograr esto, es necesario discutir las variaciones de la conceptualización y el uso de términos clave”.  (Tauginiené, et al. 2019).

Tener en cuenta las diferencias en las normas culturales, y garantizar que esa terminología esté ampliamente consensuada, fomentaría un entendimiento compartido y resultados de aprendizaje positivos para que tanto estudiantes e investigadores se adhieran fácilmente a las normas internacionales. La integridad académica es el punto de partida para el aprendizaje auténtico y profundo, por lo que es importante entender exactamente lo que significa y dejar poco espacio para la interpretación. 

Del mismo modo, la terminología para la “mala conducta académica” puede descriminalizar el lenguaje. Este cambio es importante para garantizar que la mala conducta académica no sea meramente punitiva, sino una oportunidad para seguir aprendiendo y tomar medidas correctivas. 

Las ideas originales y el respeto por la atribución de ideas es fundamental en todo el mundo; cuando compartimos ideas, tenemos que hacerlo con la seguridad de que se otorga el crédito adecuado. Juntos, como comunidad, podemos avanzar con confianza en la definición y aplicación de la integridad académica.

FUENTE

FUENTE

 Wester Zela es uno de los pocos expertos en Inteligencia Artificial en el país, en esta oportunidad tenemos el honor de publicar una inédita entrega por cierto donde expresa que como parte de las reuniones del AI Connect Program, se tocan diferentes aspectos del impacto de la IA en nuestras sociedades actuales, en tal sentido desea compartir en el mes de aniversario de América Sistemas algunas importantes reflexiones sobre la Inteligencia Artificial en el Perú. Desde ya apreciamos el gesto de Zela de recordar nuestro aniversario número 33.

La Inteligencia Artificial en el Perú: Algunas Reflexiones

El especialista hace un llamado a los diferentes proveedores de herramientas Open Source: no implementen sistemas basados en software libre que no tengan el debido entendimiento.

(americasistemas.com.pe. Lima, Perú – 14 de setiembre 2022) La posición de la Casa Blanca es que en EEUU se debe de asegurar que todas las aplicaciones creadas basadas en IA deben de favorecer el acceso a los ciudadanos a los servicios públicos, y no de perjudicarlos. Y para conseguir esto, todas las aplicaciones de IA deben de pasar un proceso exhaustivo de pruebas donde se involucre a todos los interesados de diferentes sectores de la sociedad, en todas las etapas del proceso de desarrollo. Como desarrolladores de IA somo conscientes que la introducción de estos sistemas basados de IA no finaliza con la puesta a producción, quizás lo más importante que es lo que sucede luego, además un re-entrenamiento de los modelos con nuevos datos, o nuevos modelos, ya que la realidad pueda cambiar en cualquier momento.

Por otro lado, empresas como Google, IBM, Microsoft y otros aseguran que siguen los principios de IA centrado en los seres humanos, asegurando la privacidad de los datos de los usuarios, justicia, transparencia y otros, para esto, estas empresas buscan asegurar que sus productos no impacten en las sociedades de forma negativa, realizando trabajos con comunidades externas en cada producto que es lanzado a nivel mundial, donde algunos de los principios o regulaciones pasan a ser requerimientos para los desarrolladores de estos sistemas.

En esa línea, por ejemplo, algunas empresas como IBM o Microsoft desde hace dos años han dejado de incluir en sus productos técnicas de reconocimiento facial para cumplir con algunos los principios de IA como la privacidad de los datos. Esta es una posición opuesta a lo que sucede en China, donde cada vez se han ido implementando soluciones mas sofisticadas usando reconocimiento facial.

Por otro lado, los sesgos en la IA preocupan no solo a los gobiernos del mundo occidental, si no además a las empresas quienes desarrollan estos sistemas. Algunas de las empresas tienen en sus ciclos de desarrollo de sistemas basados en IA diferentes Frameworks de desarrollo donde incluyen diversos procesos de pruebas para asegurar que no se incumplan con algunas regulaciones o que culturalmente sea inapropiado para un grupo humano o que vayan en contra de las tradiciones locales.

En los últimos años han preocupado los sesgos de los sistemas basados en IA; existen estudios donde se evidencia un impacto negativo en las clases minoritarias en algunos países desarrollados. Por otro lado, existen dudas de los sesgos en las respuestas que nos da Google Search, o en el Facebook newsletter y en otros sistemas basados en IA.

En nuestro contexto local, si una empresa crea un sistema IA para contratar solo al personal que va a tener un desempeño satisfactorio en la empresa, ¿Que haría la empresa?, solo contratar a este personal, o también a otras personas que cumplen los requisitos, y les daría un soporte para que también tengan un buen desempeño en la empresa. Los sistemas basados en IA son herramientas, y son las organizaciones y entidades del sector publico quienes deciden como usarlo.

Otra de las preocupaciones que existe es sobre el sesgo en los datos, algunas veces se recomienda corregir los datos para eliminar los sesgos. Los datos no tienen sesgo perse, los datos muestran una parte de nuestra realidad, y por otro lado, a lo mejor eliminar datos anómalos, significaría eliminar esa parte de la realidad. Se me viene a la mente, que para entrenar los autos autónomos se descarte la imagen un elefante en la calle, esto podría ser un dato anómalo, pero podría suceder en alguna calle de la India. Si solo se entrenan los sistemas con imágenes tomadas en las calles de Silicon Valley, a lo mejor estos autos no tomarán las decisiones correctas cuando son puestas a pruebas en otras ciudades de EEUU con mucha nieve o neblinas, ni que decir en alguna calle en alguna ciudad de nuestro país.

Existen muchas herramientas que son vendidas por diferentes proveedores y además programas Open Source, es recomendable que las empresas privadas u organizaciones del sector público no implementen sistemas basados herramientas o programas Open Source que no entiendan. Muchas soluciones que son desarrollados en otros países o en otros contextos, no necesariamente son útiles en nuestro contexto local. Si además, tomamos en consideración otros factores como las diferentes realidades tecnológicas que existe en el país, como, por ejemplo, ciudades con bajo ancho de banda, ciudadanos que no tienen celulares de alta gama, o que su idioma natal no sea el español. Para esta parte de nuestra sociedad hay que trabajar en otro tipo de sistemas que se adecuen a su contexto local, y que no existen necesariamente ahora.

En el Perú, la cultura de datos es aún incipiente, y hay mucho por avanzar en la cultura de los datos abiertos, a pesar de que existen decretos legislativos que obligan que las entidades públicas a publicar datos de sus instituciones en un formato abierto.

La academia podría realizar muchos trabajos de investigación si existieran datos disponibles y actualizados. Por ejemplo, aunque el sector salud ha estado publicando con regularidad datos con respecto al COVID y otros datos temas de salud en formato texto, un tema que hay que empezar a discutir, es la de invitar a los hospitales del sector público y privado puedan publicar imágenes médicas en formato abierto anonimizados. Por ejemplo, imágenes tomográficas en 3D de diferentes tipos de cáncer que afectan a nuestro país, y que la academia e investigadores puedan desarrollar diferentes sistemas que puedan ayudar a los doctores a tomar decisiones.

Finalmente, en algunos países, algunos de ellos de nuestra región, han empezado a implementar un repositorio de algoritmos de IA donde las entidades públicas publican sus algoritmos usados en el sector público, esto para para dar señales de transparencia y generar confianza en la población. En el Perú, se han venido observando algunos desarrollos basados en IA, por lo que también hay que empezar a discutir estos temas.

Por: Wester Zela,
Phd en Ciencias de la Computacion – Inteligencia Artificial, miembro del AI Connect Program, organizado por el Departamento de Estado de EEUU y el Atlantic Council. Creador y Fundador de Troomes.com

FUENTE

 Por La Academia Enago  Mayo De 2021