La caza de tramposos con IA en la universidad: la mitad de los acusados sufre ansiedad extrema, revela un estudio

Por Zendoric · 8 de septiembre de 2026.

Una encuesta en dos universidades australianas preguntó a 771 estudiantes e identificó a 22 que habían pasado por un proceso formal de investigación por presunta mala conducta académica. Más de la mitad de ellos —según el estudio de Guy Curtis, de la Universidad de Australia Occidental, y Amanda White, divulgado en The Conversation— registró niveles de ansiedad "extremadamente severos": una puntuación situada en el 2% más alto de la población general. La mitad también presentó síntomas de depresión severa. Solo 3 de los 22 estudiantes se mantuvo en el rango "normal" de ansiedad, depresión y estrés.

Los investigadores compararon estos resultados con los de más de 1.000 estudiantes que no habían pasado por procesos de mala conducta académica y con las normas psicológicas de más de 2.000 adultos australianos recogidas en estudios previos. Encontrar a estudiantes acusados es difícil para la investigación académica —los procesos disciplinarios son confidenciales por diseño, para proteger la equidad del procedimiento—, así que el equipo lanzó primero una encuesta amplia sobre conocimiento de plagio y, al final, preguntó quién había sido investigado alguna vez. Solo así logró aislar esta muestra de 22 casos.

El estudio llega en un momento en que, según recogen los propios autores, muchos estudiantes denuncian haber sido acusados de usar inteligencia artificial (IA) generativa para hacer trampas a partir de herramientas de detección que no son fiables. Los investigadores hallaron además que un porcentaje mayor de los acusados no tenía el inglés como primera lengua, un dato que coincide con trabajos anteriores sobre la sobrerrepresentación de estudiantes internacionales en los expedientes de mala conducta.

Uno de los estudiantes, cuyo proceso se alargó unas seis semanas, lo describió así: "sentí una ansiedad severa durante todo ese periodo […] con el estrés de los exámenes y el expediente, me sentí incapaz de funcionar. Ya vivía fuera de casa en ese periodo y tuve que volver temporalmente porque no podía funcionar por la ansiedad". Otro resumió el problema de fondo: "no aprendí mucho porque mi universidad no fue muy amable en el proceso". Cuando el procedimiento se percibía como punitivo, señalan los autores, el malestar aumentaba; cuando se usó como oportunidad educativa —enseñar a citar correctamente, por ejemplo—, algunos estudiantes sí reconocieron haber aprendido de la experiencia.

Los autores proponen tres líneas de mejora concretas: rediseñar las evaluaciones para reducir la oportunidad de hacer trampa con IA (más exámenes supervisados, presentaciones en clase), garantizar acceso a psicólogos y orientadores durante la investigación —con un esfuerzo específico hacia el alumnado internacional, menos propenso a pedir ayuda psicológica— y acortar los plazos de los procesos, que son en sí mismos una fuente de angustia añadida.

Este estudio documenta con datos algo que veníamos intuyendo de forma más cualitativa en la transición hacia la IA en la educación: la fricción no es solo laboral o económica, también es institucional y humana, y golpea de forma desigual. Muchas universidades adoptaron deprisa detectores de IA de fiabilidad discutible para tapar un problema real —el uso no declarado de IA generativa en los trabajos— y el coste de ese apresuramiento lo están pagando estudiantes concretos, de forma desproporcionada quienes ya partían en desventaja, como los que no tienen el inglés como lengua materna.

Como contexto del sector, ya hemos defendido en Zendoric que la respuesta sensata a la IA en la educación pasa por rediseñar la evaluación en torno a un profesorado que orquesta la herramienta, no por perseguir su uso con detectores poco fiables convertidos en policía académica. Este estudio aporta munición empírica a esa tesis: perseguir el síntoma con una tecnología imperfecta genera un daño medible y concentrado en los más vulnerables, mientras que rediseñar el sistema —evaluar el proceso y no solo el producto final— ataca la causa sin ese coste humano.

A corto plazo, este es exactamente el tipo de fricción que cabía esperar en cualquier transición tecnológica mal instrumentada: instituciones que despliegan herramientas de detección sin la infraestructura de garantías, apoyo psicológico y revisión de procesos que ese despliegue exige. Nada de esto cuestiona el potencial de la IA como tutor personalizado o como acelerador del aprendizaje, un terreno donde seguimos siendo optimistas a largo plazo; cuestiona la prisa con la que se ha usado como herramienta de vigilancia antes de que fuera fiable. El diseño institucional, no el modelo, es lo que está fallando aquí, y es también lo único que las universidades pueden corregir ya.