1. Introducción y problema

En las escuelas de educación básica circula una alarma simétrica a la promesa de personalización: la inteligencia artificial generativa “hace trampa”, “escribe el ensayo” y “obliga” a cazar al estudiante con un detector. Esa alarma suele silenciar su condición de posibilidad. Para cazar hace falta un texto. Para calificar, un artefacto. Para acusar, una huella estadística —perplejidad, ráfaga, porcentaje “de IA”— que se presenta como prueba de autoría. El artefacto no es abstracto. Es la redacción de un niño de diez años, el párrafo de ciencias de una niña de ocho, el cuento dictado en el tramo final de inicial. Quienes lo firman están aprendiendo a escribir, no defendiendo una tesis doctoral. Si la escuela evalúa el producto como si fuera transparente respecto del sujeto, y un modelo puede producir un producto plausible, la integridad deja de ser un código de honor y se convierte en un problema de evidencia: ¿qué cuenta como prueba de que ese niño aprendió?

El problema no es la hostilidad a la herramienta ni la indulgencia con el fraude. Es la confusión entre tres objetos. El primero es un hallazgo empírico: qué se observa cuando se prueban detectores contra textos humanos y generados; qué reportan escolares de primaria sobre deberes y copia; cómo docentes y estudiantes ordenan “aprender” y “hacer trampa” con ChatGPT. El segundo es un marco normativo: qué prescriben la UNESCO, la red europea de integridad, el Bachillerato Internacional o un distrito escolar cuando hablan de edad, atribución, prohibición o presunción de inocencia. El tercero es una inferencia pedagógica: qué no debería venderse como solución —el detector infalible, la prohibición que restaura la autoría, la idea de que el modelo “hace trampa” al niño— si la fuente no lo mide. Mezclarlos produce una pedagogía de la caza: la escuela “usa IA” o “la prohíbe” sin poder decir si el texto que califica tiene sujeto, si el niño pensó, o si solo se puntuó una superficie lingüística.

La tesis de este artículo es restrictiva. En educación básica, el problema no es cazar trampas con un detector, sino qué cuenta como evidencia de que un niño aprendió cuando un modelo puede producir el artefacto. Donde la fuente no mide que los detectores funcionen en primaria, no se afirma. Donde no mide que la IA “haga trampa” al niño, no se promete. Donde no mide que prohibir ChatGPT restaure la autoría, no se inventa. El vacío es el texto sin sujeto. Este artículo no trata tutores adaptativos (16 de agosto), bienestar docente (21 de agosto, 9:02), alfabetización curricular sobre la IA (20 de agosto noche), competencia docente UNESCO (19 de agosto), privacidad (21 de agosto, 1:02), inclusión, mediación parental, juego/PopBots, multilingüismo ni brechas de “aprender IA”. El objeto es la integridad: autoría, evidencia, detección y falsos positivos.

2. Estado del arte: integridad, autoría y el artefacto evaluable

Conviene separar tres estratos. El primero es conceptual: qué significa integridad académica cuando el texto ya no es un índice seguro de un sujeto. El segundo es normativo: qué marcos fijan atribución, edad, prohibición o rediseño de la evaluación. El tercero es empírico: qué se ha documentado sobre detectores, sobre escolares de primaria o secundaria usando modelos generativos, y sobre políticas de escuelas, no solo de universidades.

En el estrato conceptual, Tauginienė et al. (2018), en el glosario de la European Network for Academic Integrity (ENAI), definen la integridad académica como el cumplimiento de principios, estándares y prácticas éticas y profesionales por individuos o instituciones en educación, investigación y erudición. Foltýnek, Bjelobaba, Glendinning, Khan, Santos, Pavletić y Kravjar (2023) introducen la “generación no autorizada de contenido”: trabajo académico, en todo o en parte, para crédito, progresión o título, con asistencia humana o tecnológica no aprobada o no declarada. Esa definición no presupone que usar un modelo sea, de suyo, falta. Eaton (2023) nombra un horizonte de “posplagio”: es conceptual, no un ensayo de aula. Cotton, Cotton y Shipway (2023) debaten riesgos de honestidad en educación superior; no es un RCT de primaria. Lodge, Howard, Bearman, Dawson y Associates (2023) —documento de expertos publicado por la Tertiary Education Quality and Standards Agency australiana, no un reglamento de esa agencia— proponen juicios múltiples y contextualizados y énfasis en el proceso, no solo en el producto. Dawson y Bearman (2020) llamaron “evaluación auténtica-futura” a representar las realidades probables de una disciplina; ese marco es universitario y se retiene como gramática, no como hallazgo de básica.

En el estrato normativo, Miao y Holmes (2023) orientan un uso centrado en lo humano de la IA generativa y proponen, entre otras medidas, un límite de edad para conversaciones independientes con plataformas de genAI (la comunicación institucional de UNESCO lo sitúa en trece años) y la validación ética y pedagógica de las herramientas por las instituciones. Ese texto se cita aquí como marco de integridad y de agencia, no como eje de competencia docente. La Recomendación de UNESCO (2021) sobre ética de la IA eleva la supervisión humana y la proporcionalidad. El Bachillerato Internacional (International Baccalaureate, 2023) declara que no prohibirá el software de IA porque prohibir es una forma ineficaz de tratar la innovación, y que no considera propio del estudiante ningún trabajo producido —aunque sea solo en parte— por tales herramientas: debe acreditarse en el cuerpo del texto y en la bibliografía. Eaton (2024) insiste en la presunción de inocencia y en que no todo uso de IA constituye falta. Esas prescripciones no miden aprendizaje infantil; su autoridad es normativa.

En el estrato empírico, la evidencia de detectores es abundante y, de manera abrumadora, universitaria o de textos de adultos y adolescentes (Liang et al., 2023; Elkhatat et al., 2023; Weber-Wulff et al., 2023; Perkins et al., 2024). La evidencia de escolares de primaria usando modelos para deberes es escasa; Oreški et al. (2025) es uno de los pocos estudios nominados de ese tramo. Mah et al. (2024) documentan tensiones entre “aprender” y “hacer trampa” con docentes de escritura que incluyen Pre-K y con estudiantes de secundaria lingüísticamente diversos. Las políticas de distritos y de programas escolares (Elsen-Rooney, 2023; Banks, 2023; International Baccalaureate, 2023) documentan prohibiciones, reversiones y normas de atribución, no efectos sobre la autoría infantil. El vacío no es la ausencia de alarma: es la escasez de evidencia de que el producto escrito, en básica, siga siendo prueba de un sujeto.

3. Método de revisión

Se realizó una revisión narrativa crítica, no un metaanálisis. El propósito no fue estimar un tamaño de efecto homogéneo —inexistente entre un test de catorce detectores, un cuestionario de 301 escolares y un comunicado de distrito—, sino articular la evidencia de aprendizaje con fuentes verificadas. Inclusión: (a) integridad, autoría, detección, uso escolar de modelos o políticas de escuelas; (b) preferente 2021–2026, con marcos aún vigentes (Tauginienė et al., 2018; Dawson y Bearman, 2020; UNESCO, 2021); (c) revista o actas con DOI, informe de organismo, declaración de sistema escolar o anuncio técnico del clasificador; (d) DOI o URL oficial verificable. Se excluyeron como eje tutores adaptativos, bienestar docente, alfabetización curricular sobre IA, competencia docente UNESCO, privacidad, inclusión, mediación parental, juego/PopBots, multilingüismo y brechas de “aprender IA”.

La búsqueda se ejecutó el 21 de agosto de 2026 (alrededor de las 13:06, America/Mexico_City) en DOI, Springer, Cell/Patterns, MDPI, Taylor & Francis, UNESDOC, IB, Chalkbeat, TEQSA, arXiv, OpenAI y ERIC. Cada fuente se verificó contra al menos una de esas páginas. Casos nucleares: (4) detección; (5) primaria y la tensión trampa/aprendizaje; (6) políticas escolares. Sadasivan et al. (2023) satura la infiabilidad teórica; Cotton et al. (2023) y Lodge et al. (2023) saturan el marco universitario y se marcan como tales.

El análisis distinguió tres estatus enunciativos. Hallazgo empírico: lo observado en la muestra o en el expediente de prueba de herramientas. Marco normativo: lo que un organismo o una institución prescribe. Inferencia pedagógica: la traducción al aula de básica, marcada como tal. Los límites son los de toda revisión narrativa (sección 9).

4. Caso 1. Detectores: falsos positivos, evasión y el riesgo de acusar al que escribe como niño o como no nativo

Liang, Yuksekgonul, Mao, Wu y Zou (2023) publicaron en Patterns una evaluación de siete detectores de GPT sobre 91 ensayos TOEFL de un foro chino (escritura humana de hablantes no nativos de inglés) y 88 ensayos de octavo grado de Estados Unidos del conjunto ASAP de la Hewlett Foundation. Hallazgo empírico: los detectores clasificaron con precisión los ensayos de octavo estadounidenses, pero etiquetaron incorrectamente como “generados por IA” más de la mitad de los TOEFL (tasa media de falsos positivos: 61,3 %). Todos identificaron de manera unánime el 19,8 % de los TOEFL humanos como autoría de IA, y al menos uno marcó el 97,8 %. Los mal clasificados de forma unánime tenían perplejidad textual más baja: esa métrica penaliza rangos lingüísticos restringidos. Prompts simples redujeron el sesgo y, a la vez, eludieron detectores. Los autores advierten contra el uso en entornos evaluativos, en particular con hablantes no nativos. No es hallazgo sobre inicial o primer ciclo: el texto infantil no se midió. Inferencia pedagógica, marcada como tal: si la escritura L2 predecible se confunde con máquina, la de un niño que adquiere léxico es un candidato plausible al mismo error. Esa inferencia no está medida; el único ancla infantil-adolescente del paper es que los ensayos nativos de octavo no se malclasificaron de forma masiva.

Elkhatat, Elsaid y Almeer (2023) probaron, en el International Journal for Educational Integrity, clasificadores de OpenAI, Writer, Copyleaks, GPTZero y CrossPlag sobre quince párrafos de GPT-3.5, quince de GPT-4 y cinco controles humanos, todos sobre un tema de ingeniería (torres de enfriamiento). Hallazgo empírico: las herramientas fueron más precisas con GPT-3.5 que con GPT-4; sobre los controles humanos mostraron inconsistencias, falsos positivos y clasificaciones inciertas. El objeto es universitario-técnico. No mide niños. No autoriza a decir que GPTZero o Copyleaks “detectan trampa” en un cuaderno de primaria.

Weber-Wulff, Anohina-Naumeca, Bjelobaba, Foltýnek, Guerrero-Dib, Popoola, Šigut y Waddington (2023) probaron catorce herramientas, incluidas Turnitin y GPTZero, sobre 54 documentos de verdad conocida (humano; humano traducido por máquina; generado por ChatGPT; generado y editado a mano; generado y parafraseado con Quillbot): 756 pruebas. Hallazgo empírico: no son ni precisas ni fiables (todas por debajo del 80 % de exactitud; solo cinco superaron el 70 %). Hay sesgo hacia clasificar como humana. La exactitud en texto humano original fue del 96 % y cayó unos veinte puntos con traducción automática al inglés. La edición manual de texto generado dejó la exactitud en torno al 42 %; la paráfrasis automática, en el 26 %. Unos 20 % de los textos de IA sin ofuscar se atribuirían a humanos; con ofuscación, cerca del 50 % o más. Seis de catorce herramientas produjeron falsos positivos; con GPTZero, la mitad de las clasificaciones positivas serían acusaciones falsas en el marco de los autores. Turnitin obtuvo la mejor exactitud de esa batería y cero falsos positivos en los humanos de la muestra, pero falló ante edición y paráfrasis. Los autores concluyen que esos sistemas no deberían usarse como base única de una acusación, porque no aportan evidencia verificable. Perkins, Roe, Postma, McGaughran y Hickerson (2024) insertaron 22 entregas de GPT-4 (con prompts para reducir detectabilidad) entre evaluaciones universitarias reales de Vietnam, marcadas por quince docentes con Turnitin. Hallazgo empírico: la herramienta identificó el 91 % como conteniendo algún contenido de IA, pero solo el 54,8 % del contenido; el profesorado derivó a falta el 54,5 %; las notas medias fueron 52,3 (IA) y 54,4 (estudiantes). No es básica. “Marcar como IA” no equivale a proporción real ni a juicio unánime.

OpenAI (2023) anunció un clasificador de texto escrito por IA y, el 20 de julio de 2023, lo retiró “debido a su baja tasa de exactitud”. En su propia evaluación sobre un conjunto de desafío en inglés, identificaba correctamente el 26 % del texto escrito por IA (verdaderos positivos) y etiquetaba incorrectamente como IA el 9 % del texto humano (falsos positivos). La compañía advirtió que no había evaluado a fondo la eficacia en contenido escrito en colaboración con autores humanos. Sadasivan, Kumar, Balasubramanian, Wang y Feizi (2023), en un preprint de arXiv, argumentan empírica y teóricamente que la detección fiable es frágil: ataques de paráfrasis degradan detectores (incluidos esquemas de marca de agua y clasificadores neuronales) y, a medida que los modelos emulan mejor el texto humano, incluso el mejor detector posible tiende a un rendimiento apenas superior al de un clasificador aleatorio. Estatus: preprint y resultado de imposibilidad teórica, no ensayo escolar.

Estatus acumulado. Hallazgo empírico: los detectores de 2023–2024, incluidos productos usados en escuelas y universidades, producen falsos negativos fáciles de obtener con edición o paráfrasis, y falsos positivos que golpean de modo desproporcionado la escritura no nativa y la traducida por máquina. El proveedor que más visiblemente ofreció un clasificador propio lo retiró por inexactitud. No es hallazgo de que Turnitin, GPTZero u otro detector “funcionen” como prueba de autoría infantil. Inferencia pedagógica: desplegar un porcentaje de “IA” sobre la redacción de un niño de básica es correr el riesgo de acusar a quien escribe como está aprendiendo a escribir —con poca perplejidad, con fórmulas, con traducción— y, a la vez, de dejar pasar el artefacto ofuscado. Eso no es integridad: es una lotería estadística sobre un sujeto que no puede defenderse con una metodología de detección.

5. Caso 2. El deber de primaria y la tensión entre andamiaje y atajo: un sujeto que sí usa el modelo

Oreški, Oreški y Ružić (2025) publicaron en Informatics in Education un cuestionario autoadministrado a 301 estudiantes de 5.º a 8.º de primaria (11 a 14 años) de dos escuelas —una urbana y una rural— del noroeste de Croacia (10 de febrero a 14 de marzo de 2025), en clases de informática y con consentimiento informado. Muestra de conveniencia: 154 varones y 147 mujeres; 49 de 5.º, 115 de 6.º, 101 de 7.º y 36 de 8.º. Hallazgo empírico: el 57,8 % (174) afirma usar herramientas de IA para los deberes. No hay diferencia por sexo (χ² = 0,66, p = .417); sí por grado (χ² = 9,53, p = .023): del 40,8 % en 5.º al 66,7 % en 8.º. Correlación de Spearman entre tiempo diario en redes y uso de IA: r = 0,34, p < .001. Modo de uso: el 36,2 % lee, piensa y usa la respuesta como guía; el 25,5 % la adapta; el 15,0 % copia partes; el 12,3 % copia la respuesta. Solo el 36,5 % considera inaceptable copiar sin modificación; el 38,2 % dice que depende del deber; el 16,3 %, que es aceptable si el docente no lo nota. El 13,0 % llama trampa a todo uso para deberes; el 31,2 %, solo si se copia entero; el 43,5 %, que no lo es si sirve de ayuda o de ideas. Historia, lengua croata, Geografía y Matemáticas encabezan el uso por asignatura. Los autores piden contenidos éticos en informática: es recomendación, no efecto medido de un currículo.

Estatus. Hallazgo empírico de primaria alta (no de inicial ni de primer ciclo): el uso para deberes es mayoritario, aumenta con el grado y la norma sobre copiar es laxa. No es hallazgo de que la IA “haga trampa” al niño, ni de aprendizaje ganado o perdido: no hay pretest. Inferencia pedagógica, marcada como tal: si a los once años más de la mitad usa el modelo para la tarea que se califica, el producto puede no tener sujeto. Distinguirlo no es un problema de detector; es diseño de evidencia (proceso, oralidad, revisión visible). Trasladar el 57,8 % al primer ciclo sería ilegítimo: Oreški et al. (2025) no midieron ese tramo, y Miao y Holmes (2023) marcan un umbral de edad que desaconseja esa extrapolación.

Mah, Walker, Phalen, Levine, Beck y Pittman (2024), en Education Sciences, pidieron a dieciséis docentes de escritura de Pre-K a postsecundaria (Bay Area Writing Project) y a doce estudiantes de secundaria de una charter lingüísticamente diversa que ordenaran viñetas de uso de ChatGPT según cuánto se aprendía y cuánto se hacía trampa. Hallazgo empírico: docentes y estudiantes usaron criterios similares; llegaron a conclusiones parecidas sobre el aprendizaje y divergentes sobre la trampa. Las desavenencias se organizaron en cuatro tensiones: atajo versus andamiaje; generar ideas versus generar lenguaje; apoyo de ChatGPT versus apoyos análogos (tutor, familia, internet); aprender con el modelo versus aprender sin él. El estudio no mide detección ni rendimiento. Incluye docentes de Pre-K, pero los estudiantes participantes son de secundaria, no de inicial. Inferencia pedagógica: incluso cuando hay acuerdo sobre si hubo aprendizaje, no lo hay sobre si hubo trampa. En básica, donde el niño está aprendiendo a ser autor, esa disociación es el núcleo: se puede calificar un texto “limpio” y no saber si hubo sujeto, o acusar un texto “sospechoso” y no saber si hubo aprendizaje. Mah et al. (2024) no resuelven esa disociación con un umbral numérico; documentan que el umbral es normativo y disputado.

6. Caso 3. Políticas de escuela: prohibir, atribuir, no restaurar la autoría

El 3 de enero de 2023, el Departamento de Educación de la Ciudad de Nueva York bloqueó ChatGPT en dispositivos y redes escolares. Elsen-Rooney (2023) reportó la justificación oficial: impactos negativos en el aprendizaje y preocupaciones de seguridad y exactitud; el bloqueo no cubría dispositivos ajenos al departamento. En mayo, el canciller David C. Banks (2023) llamó a esa respuesta un miedo “reflejo” y desplazó el acento hacia la exploración con apoyo docente. Hallazgo empírico-documental: el mayor sistema escolar de Estados Unidos prohibió el acceso institucional y, meses después, revirtió el marco de pánico. No es hallazgo de trampas reducidas ni de autoría restaurada: esas variables no se miden. Inferencia pedagógica: un ban de red no devuelve el sujeto al texto que se escribe en casa o en el teléfono.

El Bachillerato Internacional (International Baccalaureate, 2023), el 1 de marzo de 2023, afirma que no prohibirá el software de IA porque prohibir es ineficaz frente a la innovación. No considera propio del estudiante ningún trabajo producido, aunque sea solo en parte, por esas herramientas: debe acreditarse en el cuerpo y en la bibliografía. Estatus: marco de un programa que incluye Primary Years Programme y Middle Years Programme, no un ensayo de detector ni una medida de aprendizaje. Foltýnek et al. (2023) piden políticas, formación, reconocimiento transparente y responsabilidad humana; el uso de IA no es automáticamente una falta y un sistema no debe figurar como coautor. Eaton (2023, 2024) añade el posplagio y la presunción de inocencia. Miao y Holmes (2023) piden validación institucional y un límite de edad para conversaciones independientes. Lodge et al. (2023) —expertos, no un mandato de TEQSA— proponen proceso y juicios múltiples.

Estatus acumulado. Hallazgo de política: hay escuelas y programas que prohibieron, que revirtieron y que, en lugar de prohibir, exigen atribución. Marco normativo: ENAI, UNESCO/Miao y Holmes, IB y Eaton coinciden, con matices, en que la integridad no se reduce a un software de caza y en que el humano permanece responsable. No es hallazgo de que esas políticas hayan restaurado la autoría infantil. Inferencia pedagógica: en básica, copiar la política universitaria de “declara el prompt” puede ser ininteligible para un niño de siete años y, a la vez, copiar la política de “prohibido ChatGPT” no impide el artefacto casero. Lo que sí se puede diseñar, como hipótesis de evidencia y no como resultado medido, es una evaluación donde el sujeto sea visible: proceso, oralidad, elaboración en presencia, revisión. Eso es coherente con Lodge et al. (2023) y con Weber-Wulff et al. (2023) cuando piden priorizar la prevención y el proceso frente a la detección; no es la demostración de que tal diseño ya funcione en inicial o en primer ciclo.

7. Marco inferencial: evidencia de aprendizaje, no caza de artefactos

El marco que sigue es inferencia pedagógica de este artículo, anclada en los casos y en los instrumentos verificados. No es un nuevo estándar internacional. Distingue cinco pruebas. Si una propuesta de “integridad con IA” en educación básica no las pasa, no se despliega como solución.

7.1. Prueba del sujeto visible. Weber-Wulff et al. (2023) concluyen que los detectores no aportan evidencia verificable y que la evaluación escrita debería centrarse en el proceso de desarrollo de habilidades, no en el producto final. Lodge et al. (2023) proponen énfasis en el proceso. Inferencia: en básica, calificar solo el archivo o el cuaderno limpio es aceptar un texto que puede no tener sujeto. La evidencia de aprendizaje es la trazabilidad del pensar del niño —borradores, dictado, conversación, corrección a la vista—, no el brillo del párrafo. Esta prueba no afirma que el proceso esté ya medido en inicial; afirma que, sin él, el producto es ambiguo.

7.2. Prueba del falso positivo como daño asimétrico. Liang et al. (2023) documentan sesgo contra escritura no nativa; Weber-Wulff et al. (2023) documentan aumento de falsos positivos con traducción automática y, en GPTZero, un riesgo alto de acusación falsa en su batería; OpenAI (2023) retiró su clasificador por inexactitud. Eaton (2024) exige presunción de inocencia. Inferencia: en un aula de básica, un falso positivo no es un error técnico menor. Es acusar a un niño que está aprendiendo a escribir, o a un niño que escribe en segunda lengua, o a un niño cuyo texto pasó por un traductor. La asimetría de poder —el docente tiene el porcentaje; el niño no tiene peritaje— replica el desequilibrio que las normas de integridad dicen evitar. No se usa un detector como prueba única. No se promete que “con otro umbral” el daño desaparece: ninguna fuente nuclear lo demuestra para primaria.

7.3. Prueba de que el modelo no es el tramposo. Oreški et al. (2025) muestran usos heterogéneos: guía, adaptación, copia parcial, copia total, y creencias divididas sobre si eso es trampa. Mah et al. (2024) muestran que “aprender” y “hacer trampa” no coinciden. Foltýnek et al. (2023) sostienen que el uso de IA no es automáticamente una falta. Inferencia: decir que “la IA hace trampa al niño” atribuye agencia moral a un estadístico de tokens y la retira del diseño escolar (qué se pide, en qué condiciones, con qué evidencia). El niño puede copiar; el modelo no “hace trampa”. Donde la fuente no mide intención, este artículo no la inventa.

7.4. Prueba de que prohibir no restaura la autoría. Elsen-Rooney (2023) y Banks (2023) documentan un ban y su reversión sin evidencia de autoría restaurada. El Bachillerato Internacional (2023) declara la prohibición ineficaz como modo de tratar la innovación. Inferencia: bloquear una URL en la red del aula no reconstruye el sujeto en el texto que se entrega desde casa. Puede tener otros fines (seguridad, edad, datos); esos fines no se convierten en hallazgo de integridad. Miao y Holmes (2023) marcan un límite de edad para conversación independiente: eso es marco de protección, no prueba de que el ban haga autores a los de seis años.

7.5. Prueba de la evidencia proporcional a la edad. Miao y Holmes (2023) y el umbral de trece años para conversación independiente sitúan la educación inicial y el primer ciclo por debajo de un uso autónomo de chat generativo. Oreški et al. (2025) miden 11–14 años, no 5–8. Inferencia: cuanto más temprana es la edad, menos sentido tiene cazar un ensayo y más sentido tiene no pedir un artefacto que un modelo puede producir en silencio. En inicial, la evidencia de lenguaje es oral, gestual, gráfica y situada. Trasplantar el pánico del ensayo universitario al rincón de escritura es un error de objeto. En el segundo ciclo de primaria, donde Oreški et al. (2025) sí observan uso, la evidencia tiene que volverse proceso, no detector.

Operativamente, el marco admite: (a) tareas en presencia y producción oral; (b) borradores fechados y revisión visible; (c) atribución simple y enseñada cuando hay uso autorizado, en la línea del IB y de la ENAI; (d) diálogo con el niño sobre cómo hizo el trabajo, en la línea de Weber-Wulff et al. (2023). Rechaza: (e) el detector como prueba de falta en básica; (f) la acusación por porcentaje; (g) la tesis de que el modelo “hace trampa”; (h) la tesis de que prohibir ChatGPT restaura la autoría; (i) evaluar un texto pulido como si fuera, de suyo, aprendizaje.

8. Discusión

Tres tensiones organizan la discusión. La primera es entre producto y evidencia. Los detectores intentan salvar la fe de que el texto “muestra” al alumno. Liang et al. (2023), Elkhatat et al. (2023), Weber-Wulff et al. (2023) y Perkins et al. (2024) muestran, en corpus que no son de inicial, que esa estadística acusa de más a quien escribe con poco rango y deja pasar a quien ofusca. OpenAI (2023) retiró su clasificador. Sadasivan et al. (2023) argumentan un techo teórico. Inferencia: aferrarse al producto como prueba es, en 2026, una decisión pedagógica. Lodge et al. (2023) y Weber-Wulff et al. (2023) desplazan el peso al proceso desde la educación superior; llevarlo a básica es hipótesis, no ensayo de rincón de escritura.

La segunda tensión es entre trampa y aprendizaje. Mah et al. (2024) documentan que se puede coincidir en lo segundo y diverger en lo primero. Oreški et al. (2025) documentan que la mayoría de su muestra no considera inaceptable copiar sin modificar, y que una pluralidad no llama trampa al uso como ayuda. Eso no prueba que “no pasa nada”; prueba que la norma está en disputa en el tramo donde el niño se está haciendo autor. Cotton et al. (2023) advierten, en universidad, riesgos de honestidad y la dificultad de detectar. Trasladar esa alerta a básica sin pasar por la evidencia de proceso convierte al niño en sospechoso por defecto. Eaton (2024) recuerda la presunción de inocencia precisamente porque la práctica institucional tiende a invertirla: se busca cómo probar la falta, no cómo sostener el juicio de aprendizaje.

La tercera tensión es entre prohibición y atribución. Nueva York ilustra el pánico y su reversión (Elsen-Rooney, 2023; Banks, 2023). El IB ilustra la atribución sin ban (International Baccalaureate, 2023). Ninguno mide si los niños de básica se volvieron más autores. Miao y Holmes (2023) añaden edad y validación: leído en inicial, eso empuja a no sentar a un niño de cinco años a conversar solo con un modelo, y a no fingir que un filtro de red resuelve la evidencia. Foltýnek et al. (2023) piden políticas y formación, no un oráculo.

Si el objeto es la educación básica, el docente no necesita un detector mejor. Necesita la autoridad de decir que un párrafo impecable no es, sin más, un niño que aprendió, y que un párrafo “sospechoso” no es, sin más, un niño que hizo trampa. Sustituir ese juicio por un porcentaje es abdicar de la evaluación. Sustituirlo por un ban es abdicar del diseño. El sujeto no se restaura en la red del aula; se hace visible en la evidencia que la escuela acepta.

9. Límites

Esta revisión es narrativa. No aplica un protocolo PRISMA completo ni estima efectos combinados sobre “trampa” o “aprendizaje”. El grueso de la evidencia de detectores es universitario o de textos de adultos y de adolescentes (Weber-Wulff et al., 2023; Elkhatat et al., 2023; Perkins et al., 2024; el clasificador de OpenAI, 2023). Liang et al. (2023) incluyen ensayos de octavo grado nativos —no de inicial ni de primer ciclo— y ensayos TOEFL de no nativos. Sadasivan et al. (2023) es preprint. Oreški et al. (2025) es muestra de conveniencia de dos escuelas, 11–14 años, autoinforme, sin medida de aprendizaje ni de detección. Mah et al. (2024) es cualitativo, con docentes de Pre-K a postsecundaria y estudiantes de secundaria, no con niños de inicial usando ChatGPT. Cotton et al. (2023) y Lodge et al. (2023) son, respectivamente, debate de educación superior y documento de expertos para el sector terciario australiano: no deben citarse como hallazgo de básica ni como reglamento de TEQSA. Las declaraciones del IB, de Nueva York, de la ENAI, de Eaton y de Miao y Holmes son prescriptivas o institucionales. La geografía está sesgada hacia Estados Unidos, Europa, Vietnam (Perkins) y Croacia; no se localizó, con el mismo grado de verificación, un ensayo latinoamericano de detectores o de deberes de primaria con IA generativa que cumpliera los criterios. Esa ausencia es un vacío, no una prueba de inexistencia. Las inferencias de la sección 7 son hipótesis de umbral ético-pedagógico para básica, no evidencia de implementación nacional. Este artículo no afirma que toda IA en la tarea sea falta, ni que los detectores “ya funcionen”, ni que prohibir ChatGPT restaure la autoría, ni que el modelo haga trampa al niño: ninguna fuente nuclear mide esas promesas en educación inicial o en el primer ciclo.

10. Conclusiones

En educación básica, la integridad académica frente a la IA generativa no se resuelve cazando trampas con un detector. Se resuelve preguntando qué cuenta como evidencia de que un niño aprendió cuando un modelo puede producir el artefacto. Tres familias de evidencia verificada sostienen el argumento. Los detectores de 2023–2024 producen falsos positivos —de modo agudo contra escritura no nativa y traducida— y se evaden con edición o paráfrasis; el clasificador del propio OpenAI se retiró por inexactitud (Liang et al., 2023; Elkhatat et al., 2023; Weber-Wulff et al., 2023; Perkins et al., 2024; OpenAI, 2023). En primaria alta croata, el uso para deberes ya es mayoritario y la norma sobre copiar es laxa; docentes y estudiantes no coinciden del todo en qué es trampa aunque sí, más, en qué es aprendizaje (Oreški et al., 2025; Mah et al., 2024). Las políticas escolares oscilan entre el ban que no mide autoría restaurada y la atribución que no mide aprendizaje infantil (Elsen-Rooney, 2023; Banks, 2023; International Baccalaureate, 2023; Foltýnek et al., 2023; Miao y Holmes, 2023).

El derecho y la política no son mudos. Miao y Holmes (2023) marcan agencia humana, validación institucional y un límite de edad para la conversación independiente. La ENAI (Foltýnek et al., 2023) distingue uso autorizado y generación no autorizada, y exige responsabilidad humana. Eaton (2023, 2024) exige no tratar todo uso como falta y no invertir la presunción de inocencia. El IB (2023) niega que el output de la máquina sea, sin más, trabajo del estudiante. Lodge et al. (2023) piden juicios múltiples y proceso. Donde las fuentes no miden que los detectores funcionen en básica, que la IA haga trampa al niño o que prohibir ChatGPT restaure la autoría, este artículo no lo inventa. El riesgo específico de la educación básica es evaluar un texto sin sujeto. La integridad, entonces, no es un software. Es el diseño de una evidencia en la que el niño —no el modelo, no el porcentaje— sigue siendo el autor del aprendizaje.

Ingeniero Mitre / Laboratorio Editorial de NEXTECH.IA

Referencias

  1. Banks, D. C. (2023, 18 mayo). ChatGPT caught NYC schools off guard. Now, we’re determined to embrace its potential. Chalkbeat New York. https://www.chalkbeat.org/newyork/2023/5/18/23727942/chatgpt-nyc-schools-david-banks/
  2. Cotton, D. R. E., Cotton, P. A., y Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148
  3. Dawson, P., y Bearman, M. (2020). Concluding comments: Reimagining university assessment in a digital world. En M. Bearman, P. Dawson, R. Ajjawi, J. Tai y D. Boud (Eds.), Re-imagining university assessment in a digital world (pp. 291–296). Springer. https://doi.org/10.1007/978-3-030-41956-1_20
  4. Eaton, S. E. (2023). Postplagiarism: Transdisciplinary ethics and integrity in the age of artificial intelligence and neurotechnology. International Journal for Educational Integrity, 19, 23. https://doi.org/10.1007/s40979-023-00144-1
  5. Eaton, S. E. (2024). Future-proofing integrity in the age of artificial intelligence and neurotechnology: Prioritizing human rights, dignity, and equity. International Journal for Educational Integrity, 20, 8. https://doi.org/10.1007/s40979-024-00175-2
  6. Elkhatat, A. M., Elsaid, K., y Almeer, S. (2023). Evaluating the efficacy of AI content detection tools in differentiating between human and AI-generated text. International Journal for Educational Integrity, 19, 17. https://doi.org/10.1007/s40979-023-00140-5
  7. Elsen-Rooney, M. (2023, 3 enero). NYC education department blocks ChatGPT on school devices, networks. Chalkbeat New York. https://www.chalkbeat.org/newyork/2023/1/3/23537987/nyc-schools-ban-chatgpt-writing-artificial-intelligence/
  8. Foltýnek, T., Bjelobaba, S., Glendinning, I., Khan, Z. R., Santos, R., Pavletić, P., y Kravjar, J. (2023). ENAI recommendations on the ethical use of artificial intelligence in education. International Journal for Educational Integrity, 19, 12. https://doi.org/10.1007/s40979-023-00133-4
  9. International Baccalaureate. (2023, 1 marzo). Statement from the IB about ChatGPT and artificial intelligence in assessment and education. https://www.ibo.org/news/news-about-the-ib/statement-from-the-ib-about-chatgpt-and-artificial-intelligence-in-assessment-and-education/
  10. Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., y Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. https://doi.org/10.1016/j.patter.2023.100779
  11. Lodge, J. M., Howard, S., Bearman, M., Dawson, P., y Associates. (2023). Assessment reform for the age of artificial intelligence. Tertiary Education Quality and Standards Agency. https://www.teqsa.gov.au/guides-resources/resources/corporate-publications/assessment-reform-age-artificial-intelligence
  12. Mah, C., Walker, H., Phalen, L., Levine, S., Beck, S. W., y Pittman, J. (2024). Beyond CheatBots: Examining tensions in teachers’ and students’ perceptions of cheating and learning with ChatGPT. Education Sciences, 14(5), 500. https://doi.org/10.3390/educsci14050500
  13. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  14. OpenAI. (2023). New AI classifier for indicating AI-written text (actualización de 20 de julio de 2023: el clasificador ya no está disponible por baja exactitud). https://openai.com/index/new-ai-classifier-for-indicating-ai-written-text/
  15. Oreški, P., Oreški, T., y Ružić, I. (2025). Primary school students’ awareness of the ethical aspects of using artificial intelligence tools. Informatics in Education, 24(3), 559–585. https://doi.org/10.15388/infedu.2025.18
  16. Perkins, M., Roe, J., Postma, D., McGaughran, J., y Hickerson, D. (2024). Detection of GPT-4 generated text in higher education: Combining academic judgement and software to identify generative AI tool misuse. Journal of Academic Ethics, 22, 89–113. https://doi.org/10.1007/s10805-023-09492-6
  17. Sadasivan, V. S., Kumar, A., Balasubramanian, S., Wang, W., y Feizi, S. (2023). Can AI-generated text be reliably detected? (arXiv:2303.11156). arXiv. https://doi.org/10.48550/arXiv.2303.11156
  18. Tauginienė, L., Gaižauskaitė, I., Glendinning, I., Kravjar, J., Ojstršek, M., Ribeiro, L., Odineca, T., Marino, F., Cosentino, M., y Sivasubramaniam, S. (2018). Glossary for academic integrity. European Network for Academic Integrity. https://www.academicintegrity.eu/wp/wp-content/uploads/2018/02/GLOSSARY_final.pdf
  19. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  20. Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., y Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, 26. https://doi.org/10.1007/s40979-023-00146-z