Mantener la integridad académica: un estudio exploratorio sobre la detección asistida por IA del uso no autorizado de traducción automática en traducciones de estudiantes

Por qué esto importa para estudiantes y docentes

A medida que los traductores online y los chatbots se convierten en herramientas de estudio cotidianas, cada vez resulta más difícil para los docentes saber cuándo un trabajo estudiantil refleja realmente las habilidades del aprendiz. Este artículo examina si un programa de análisis de escritura puede ayudar a los profesores a detectar el uso oculto de traducción automática en clases de idiomas y qué implica esto para la equidad y la confianza en la educación.

El auge de los ayudantes digitales en el aprendizaje de idiomas

Herramientas como Google Translate y los grandes chatbots pueden ahora producir traducciones fluidas, a menudo impresionantes, en segundos. Usadas con criterio, pueden apoyar la lectura, la comprensión auditiva e incluso la práctica de la escritura. Pero cuando los estudiantes pegan silenciosamente estas salidas en tareas pensadas para mostrar su propia competencia, la línea entre «ayuda inteligente» y «hacer trampa» se vuelve borrosa. Los autores definen el uso «no autorizado» como copiar fragmentos a nivel de frase o más largos de estas herramientas en trabajos escritos sin permiso o sin la divulgación requerida. Esto importa porque puede ocultar lo que los estudiantes realmente saben hacer y socava la honestidad y la equidad de la que depende la integridad académica.

Cómo se diseñó el estudio

Para explorar si la tecnología puede ayudar a los docentes a detectar este tipo de ayuda oculta, los investigadores llevaron a cabo un experimento en dos fases en una universidad china. Primero, 39 aprendices de inglés con niveles intermedios a intermedio-altos completaron dos breves tareas de traducción del chino al inglés. Un grupo tradujo completamente por su cuenta, otro grupo poseditó la salida de Google Translate y otro poseditó la salida de ChatGPT. Esto produjo 78 traducciones de estudiantes bajo tres condiciones distintas. En la segunda fase, se pidió a 78 profesores de inglés que juzgaran si cada muestra que vieron había sido ayudada por máquina o no, y que anotaran las pistas lingüísticas en las que se basaron. La mitad de los docentes tomaron estas decisiones sin ayuda. A la otra mitad se les proporcionó un informe compacto de ProWritingAid, una herramienta potenciada por IA que resume características como la precisión gramatical, la longitud media típica de las oraciones y la frecuencia de uso de conectores.

Qué cambió el informe de IA

El hallazgo central es que los docentes que tuvieron acceso al informe de IA fueron mucho más precisos en sus juicios. En promedio, los profesores sin ayuda acertaron aproximadamente la mitad de las veces, mientras que quienes usaron ProWritingAid acertaron en alrededor de tres de cada cuatro casos. La herramienta no les decía cuáles textos habían sido asistidos por máquina; en su lugar, destacaba patrones medibles en la escritura. Por ejemplo, algunas traducciones mostraban una corrección inusualmente alta, un vocabulario complejo o un uso denso de conectores, en comparación con lo que los profesores esperarían de este grupo de aprendices. El informe facilitó ver estos contrastes a través de varias muestras a la vez, proporcionando a los docentes una base más sólida para la sospecha o la tranquilidad.

Diferentes herramientas, diferentes huellas

El estudio también halló que no todos los textos asistidos por máquina fueron igual de fáciles de detectar. En este contexto, las traducciones modeladas por ChatGPT se identificaron con más frecuencia, las que involucraban Google Translate con menos frecuencia, y el trabajo exclusivamente humano quedó en un punto intermedio. Una razón probable es que la salida de ChatGPT a veces parecía «demasiado buena para este nivel» en vocabulario y fluidez, creando un contraste marcado con el trabajo típico de los estudiantes. En contraste, la salida de Google Translate ligeramente editada podía asemejarse a lo que un aprendiz intermedio podría producir de forma realista, lo que dificultaba distinguirla del trabajo genuino. Los investigadores advierten que estos resultados están ligados a esta tarea, par de idiomas y grupo de estudiantes concretos, y podrían variar en otros contextos.

Las pistas que los profesores realmente usan

Cuando los docentes explicaron sus decisiones, la mayoría no señaló errores flagrantes sino fortalezas que parecían fuera de lugar: elección de palabras avanzada, oraciones muy pulidas, cohesión fuerte y casi ausencia de errores. Los «deslices» clásicos de las máquinas, como giros extraños o selección incorrecta de palabras, se mencionaron mucho menos. Los profesores con acceso al informe de IA citaron una mezcla más amplia de pistas por decisión, lo que sugiere que la herramienta les animó a verificar varios aspectos del texto en lugar de apoyarse en una sola corazonada. Aunque esta visión más amplia mejoró la precisión global, también conlleva un riesgo: un trabajo verdaderamente excelente de un estudiante puede interpretarse erróneamente como sospechoso simplemente porque supera las expectativas.

Qué significa esto para una evaluación justa

Para los lectores ajenos al campo, la conclusión principal es que la IA puede ayudar a los docentes a detectar el uso oculto de traducción automática, pero no es un detector infalible de mentiras. Incluso con el apoyo de los análisis, algún trabajo genuino es señalado erróneamente y parte del trabajo asistido por máquina pasa inadvertido. Los autores sostienen que estas herramientas deben orientar, no reemplazar, el juicio humano, y que cualquier «bandera roja» debería conducir a una revisión cuidadosa en lugar de a un castigo automático. También piden reglas claras en el aula sobre cuándo y cómo se pueden usar las herramientas de traducción, y formación que ayude tanto a docentes como a estudiantes a entender las fortalezas y límites de estas tecnologías. Usada de forma equilibrada, la IA puede favorecer un aprendizaje de idiomas más honesto y transparente en lugar de ir en su contra.

Cita: Zhou, X., Wang, X. Upholding academic integrity: an exploratory study of AI-assisted detection of unauthorised machine translation use in student translations. Humanit Soc Sci Commun 13, 331 (2026). https://doi.org/10.1057/s41599-026-06827-7

Palabras clave: integridad académica, traducción automática, evaluación lingüística, análisis de escritura por IA, educación en traducción