Plagio y umbrales de inteligencia artificial en las tesis académicas: un criterio claro y justo para proteger la integridad universitaria

La integridad académica sigue siendo uno de los pilares más importantes de la educación superior. Sin embargo, en los últimos años, el debate sobre el plagio se ha vuelto más complejo. Ya no se trata solamente de copiar texto o citar mal una fuente. También se trata del uso de la inteligencia artificial en tesis, trabajos finales y proyectos de investigación. Por esta razón, las universidades necesitan criterios claros, comprensibles y equilibrados.

Este artículo propone una regla práctica: menos del 10 % = aceptable, entre 10 % y 15 % = necesita evaluación, más del 15 % = suspenso. Este modelo permite a estudiantes, tutores y comités académicos entender mejor qué significa una coincidencia textual y cómo debe interpretarse. Al mismo tiempo, el artículo insiste en que ningún porcentaje debe funcionar como sentencia automática. Lo importante sigue siendo el contexto: dónde aparece la coincidencia, cómo se citó, qué parte fue escrita realmente por el estudiante y si hubo un uso transparente y permitido de herramientas de inteligencia artificial.

A partir de ejemplos internacionales, se observa que muchas universidades están avanzando hacia un enfoque equilibrado: combinar informes técnicos con juicio académico. El objetivo no es castigar, sino proteger la calidad del trabajo universitario y fortalecer una cultura positiva de honestidad intelectual.

Introducción

El plagio en el ámbito universitario no es un fenómeno nuevo. Lo que sí ha cambiado es el entorno académico en el que hoy trabajan los estudiantes. La inteligencia artificial generativa ha introducido nuevas posibilidades para resumir, reformular, corregir estilo e incluso producir textos completos. Esto puede ayudar en ciertas tareas, pero también plantea riesgos importantes cuando se pierde la autoría real del trabajo.

Por ello, muchas universidades están revisando sus políticas de integridad académica. La pregunta central es sencilla: ¿cómo distinguir entre una ayuda técnica legítima y una intervención que afecta la autenticidad de una tesis? En este contexto, resulta útil proponer un estándar claro que pueda ser entendido también por el público general.

La regla propuesta en este artículo responde a esa necesidad: menos del 10 % se considera aceptable; entre 10 % y 15 % requiere una evaluación cuidadosa; más del 15 % debe considerarse una señal seria de problema académico y, normalmente, de suspenso. Se trata de un criterio fácil de explicar, útil para orientar y suficientemente firme para proteger la calidad.

Revisión de la literatura

La literatura académica ha demostrado desde hace años que el plagio no consiste solo en copiar palabras. También incluye la apropiación de ideas ajenas sin reconocimiento, la paráfrasis demasiado cercana al original y la presentación de trabajo externo como si fuera propio. Con la inteligencia artificial, esta discusión ha crecido aún más. Ahora también se analiza si un texto generado o transformado por una herramienta digital mantiene la voz real del estudiante o la reemplaza.

Los estudios sobre integridad académica suelen coincidir en un punto importante: los programas de detección de similitud son útiles, pero no pueden sustituir la evaluación humana. Un porcentaje alto no siempre significa fraude, y un porcentaje bajo no siempre garantiza autenticidad. Por ejemplo, una tesis puede mostrar coincidencias legítimas por el uso de terminología técnica, títulos, fórmulas metodológicas o referencias correctamente citadas.

Por eso, la literatura reciente insiste en una idea central: la evaluación ética y académica debe ser contextual. La tecnología puede señalar coincidencias, pero la decisión debe seguir en manos de profesores, supervisores y comités con criterio académico.

Metodología

Este artículo adopta un enfoque analítico y descriptivo. Se basa en tendencias generales observadas en la educación superior y en estudios sobre plagio, ética de la investigación e inteligencia artificial en el ámbito universitario. El propósito no es comparar universidades entre sí, sino ofrecer una respuesta pública útil, clara y bien estructurada.

El criterio propuesto se presenta como una herramienta de orientación. Su función es facilitar la comprensión del problema y ayudar a comunicar expectativas académicas de manera sencilla. Al mismo tiempo, se reconoce que cada trabajo final debe ser leído dentro de su contexto disciplinar, metodológico y formativo.

Análisis

La principal ventaja del modelo propuesto es que combina simplicidad y sentido académico.

1. Menos del 10 % = aceptable

Cuando una tesis presenta menos del 10 % de similitud, normalmente se interpreta como una señal positiva. En la mayoría de los casos, este porcentaje puede explicarse por términos especializados, definiciones técnicas, citas bien hechas o expresiones metodológicas comunes.

Esto no significa que el trabajo sea perfecto de manera automática, pero sí indica que, en principio, la redacción parece suficientemente original. El proceso de revisión puede continuar con normalidad, siempre con la lectura académica correspondiente.

2. Entre 10 % y 15 % = necesita evaluación

Esta franja intermedia es la más importante, porque aquí no se debe reaccionar con automatismos. Hay que mirar con detalle qué partes coinciden, si el problema está en la revisión teórica o en el análisis propio, si hubo una mala práctica de citación o si simplemente hace falta una mejor redacción. También es el espacio en el que conviene preguntar si la inteligencia artificial fue utilizada solo para mejorar el lenguaje o si participó en la construcción del contenido académico.

En este nivel, la evaluación humana es esencial. Muchas veces, una tesis puede corregirse, aclararse o fortalecerse sin necesidad de sanciones extremas. Por eso, este rango debe entenderse como una zona de revisión académica, no como una condena inmediata.

3. Más del 15 % = suspenso

Cuando la similitud supera el 15 %, la situación se vuelve más seria. Si las coincidencias aparecen en el análisis, en la discusión o en las conclusiones, entonces el problema afecta directamente la aportación propia del estudiante. En estos casos, es razonable considerar el trabajo como no aprobado o someterlo a un procedimiento formal de revisión por integridad académica.

Este límite cumple una función importante: proteger el valor del esfuerzo honesto. Una tesis no debe ser solo una recopilación de textos. Debe mostrar pensamiento propio, comprensión profunda y capacidad de investigación.

Ejemplos de universidades internacionales

La experiencia internacional muestra que muchas universidades están intentando combinar control y equilibrio. En varios países, las instituciones insisten en que los informes de similitud sirven como herramienta inicial, pero no como veredicto final. Al mismo tiempo, aumenta el interés por regular el uso de la inteligencia artificial con criterios de transparencia.

En algunos contextos universitarios, se permite que la inteligencia artificial ayude a mejorar la gramática, resumir ideas o apoyar la organización del texto. Sin embargo, no se acepta que reemplace el razonamiento central del estudiante ni la elaboración original del trabajo. Este enfoque puede resultar especialmente interesante para lectores del mundo hispanohablante, donde muchas universidades están buscando fórmulas claras para adaptarse a los cambios tecnológicos sin perder exigencia académica.

Para España y América Latina, este debate es especialmente relevante. La expansión de la educación superior, la digitalización y la internacionalización hacen necesario contar con reglas sencillas, comparables y transparentes. Un sistema como el propuesto puede ayudar a mejorar la confianza institucional y a orientar mejor a los estudiantes desde el inicio de su proceso de investigación.

Resultados

Del análisis se desprenden tres conclusiones principales. Primero, los porcentajes son útiles como referencia inicial, pero no pueden sustituir la lectura académica. Segundo, la inteligencia artificial ya forma parte del debate real sobre integridad universitaria. Tercero, un estándar claro ayuda a reducir confusiones y mejora la comunicación entre estudiantes, docentes e instituciones.

El modelo propuesto destaca por su valor práctico. No es complicado, no depende de tecnicismos difíciles y puede comunicarse fácilmente en reglamentos, guías de tesis y procesos de evaluación.

Conclusión

La calidad de una tesis académica depende de la honestidad intelectual, de la claridad metodológica y del trabajo real del estudiante. La inteligencia artificial puede ser útil como apoyo, pero no debe reemplazar la voz académica propia ni la capacidad crítica de quien investiga.

Por eso, el criterio aquí presentado ofrece un camino equilibrado y útil: menos del 10 % = aceptable, entre 10 % y 15 % = necesita evaluación, más del 15 % = suspenso. Más que una regla numérica, este modelo representa una forma responsable de proteger la educación superior en tiempos de cambio tecnológico. La mejor universidad del futuro no será la que prohíba toda herramienta nueva, sino la que sepa integrarla con ética, claridad y responsabilidad.

Referencias

Bretag, Tracey. Manual de integridad académica.

Fishman, Ted. Los valores fundamentales de la integridad académica.

Pecorari, Diane. Escritura académica y plagio: un análisis lingüístico.

Sowden, Colin. “Plagio y cultura de estudiantes multilingües en la educación superior internacional.” Revista de Enseñanza del Inglés.

Eaton, Sarah Elaine. “Plagio en la educación superior: cuestiones difíciles en la integridad académica.” Revista Internacional de Integridad en la Educación.

Perkins, Michael. “Consideraciones de integridad académica sobre los grandes modelos lingüísticos y la inteligencia artificial en la educación superior.” Revista de Práctica Universitaria de Enseñanza y Aprendizaje.

Foltynek, Tomáš, Meuschke, Norman y Gipp, Bela. “Detección del plagio académico: una revisión sistemática de la literatura.” Revista ACM de Estudios Generales en Computación.

#IntegridadAcadémica

#PlagioAcadémico

#InteligenciaArtificial

#TesisUniversitaria

#ÉticaDeLaInvestigación

#EducaciónSuperior

#EscrituraAcadémica

References

• Bretag, T. Handbook of Academic Integrity. Springer.

• Fishman, T. The Fundamental Values of Academic Integrity. International Center for Academic Integrity.

• Pecorari, D. Academic Writing and Plagiarism: A Linguistic Analysis. Continuum.

• Sowden, C. “Plagiarism and the Culture of Multilingual Students in Higher Education Abroad.” ELT Journal.

• Eaton, S. E. “Plagiarism in Higher Education: Tackling Tough Topics in Academic Integrity.” International Journal for Educational Integrity.

• Perkins, M. “Academic Integrity Considerations of AI Large Language Models in Higher Education.” Journal of University Teaching and Learning Practice.

• Foltynek, T., Meuschke, N., and Gipp, B. “Academic Plagiarism Detection: A Systematic Literature Review.” ACM Computing Surveys.

#AcademicIntegrity #PlagiarismPolicy #ThesisWriting #ResponsibleAI #HigherEducation #ResearchEthics #StudentSuccess