1 00:00:00,470 --> 00:00:05,003 [Fernando Pescador]: Bueno, salvo que alguien ponga alguna objeción, teníamos intención de 2 00:00:05,003 --> 00:00:09,540 grabar porque hay algunas personas que nos han comunicado que no podían asistir y estaban interesadas. 3 00:00:10,040 --> 00:00:12,884 Bueno, pues buenos días a todos y todas. 4 00:00:13,384 --> 00:00:18,184 Creo que esta es la última sesión que tenemos antes de Navidades, de esto 5 00:00:18,184 --> 00:00:20,252 que llamamos el Otoño Tech. 6 00:00:20,752 --> 00:00:24,618 A la vuelta de Navidades, dado el éxito que ha tenido, pues 7 00:00:24,618 --> 00:00:26,038 organizaremos más eventos, ya os los comunicaremos. 8 00:00:26,592 --> 00:00:30,792 Hoy en particular tenemos 370 inscritos en este tema, lo cual lo 9 00:00:30,792 --> 00:00:35,392 que demuestra es un poco el interés que tiene para todo el profesorado 10 00:00:35,392 --> 00:00:40,058 todo este reto al que nos estamos enfrentando, del plagio de contenidos 11 00:00:40,058 --> 00:00:47,163 generados por inteligencia artificial y la evaluación de todo esto. 12 00:00:47,663 --> 00:00:52,463 Yo creo que desde luego desde que yo soy profesor es una de las cosas que 13 00:00:52,463 --> 00:00:53,511 más está impactando y que 14 00:00:54,402 --> 00:00:58,002 Luego creo que tenemos que aprender a ver cómo hacerlo. 15 00:00:58,746 --> 00:01:03,479 En concreto, hoy vamos a hablar de la herramienta que probablemente casi 16 00:01:03,479 --> 00:01:06,614 todos conozcáis, que la universidad tiene contratada, que es Turnitin. 17 00:01:07,115 --> 00:01:11,915 Turnitin creo que es la empresa líder en el mercado en temas de detección 18 00:01:11,915 --> 00:01:13,622 de plagio. 19 00:01:14,122 --> 00:01:18,526 Y ya hace muchos años que disponemos de esta herramienta integrada en 20 00:01:18,767 --> 00:01:21,169 Ya digo, probablemente muchos de vosotros la conozcáis. 21 00:01:21,588 --> 00:01:25,921 La novedad de este año es que la compañía Turnitin ha añadido a su 22 00:01:25,921 --> 00:01:30,054 funcionalidad la capacidad de detectar documentos generados con 23 00:01:30,054 --> 00:01:38,632 inteligencia artificial. 24 00:01:39,132 --> 00:01:42,617 Como esto es novedoso y creíamos que lo mejor era invitar directamente 25 00:01:43,323 --> 00:01:48,256 personas de la empresa pues tenemos a gustavo que está por ahí que luego se 26 00:01:48,256 --> 00:01:52,923 presentará y que nos va a hacer una sesión de qué tipo de contenidos es 27 00:01:52,923 --> 00:01:57,523 posible detectar ponía que pues no todos son posibles detectarlos y un 28 00:01:57,523 --> 00:02:02,189 poco que funcionalidades nuevas son las que se han incorporado este año 29 00:02:02,189 --> 00:02:06,589 antes de pasarle la palabra que al final es lo importante si quería 30 00:02:06,589 --> 00:02:10,208 hacer una referencia al tema de las licencias de turnitin 31 00:02:11,065 --> 00:02:15,398 A ver, actualmente la universidad hemos adquirido para este curso, 32 00:02:15,398 --> 00:02:19,865 preveyendo, perdón, para el año 2026, preveyendo que pueda haber más 33 00:02:19,865 --> 00:02:24,198 necesidad, un total de 14.000 licencias de lo que nos van a contar 34 00:02:24,198 --> 00:02:24,319 ahora. 35 00:02:24,779 --> 00:02:25,920 ¿Eso qué quiere decir? 36 00:02:26,321 --> 00:02:30,987 Eso quiere decir que cada alumno al que se le pase una vez o 100 veces, 37 00:02:30,987 --> 00:02:38,074 da igual, una prueba de plagio, ese alumno consume una licencia. 38 00:02:38,574 --> 00:02:39,975 Lo cual nos lleva a que... 39 00:02:40,327 --> 00:02:44,193 Toda la universidad podríamos chequear a un total de 14.000 40 00:02:44,193 --> 00:02:45,817 alumnos. 41 00:02:46,317 --> 00:02:50,983 Así, el número gordo de alumnos que tiene la universidad son 37.000, lo 42 00:02:50,983 --> 00:02:55,650 cual quiere decir que no tenemos a día de hoy capacidad, en el momento, 43 00:02:55,650 --> 00:02:57,629 para hacerlo con el 100% de los estudiantes. 44 00:02:57,789 --> 00:03:01,722 Tampoco creemos que sea necesario hacerlo con el 100% de los 45 00:03:01,722 --> 00:03:05,922 estudiantes porque, como nos va a comentar Gustavo, no todos los 46 00:03:05,922 --> 00:03:10,122 trabajos van a ser detectables, no todas las actividades pueden pasar 47 00:03:10,202 --> 00:03:14,002 Entonces, bueno, hemos incrementado el número de licencias 48 00:03:14,002 --> 00:03:15,447 significativamente respecto a otros años. 49 00:03:16,068 --> 00:03:18,693 para intentar dar un poco de mayor cobertura. 50 00:03:19,275 --> 00:03:23,541 Si creemos, y es simplemente una opinión o una recomendación, que 51 00:03:23,541 --> 00:03:28,275 temas tales como los trabajos fin de carrera y trabajos fin de máster sí 52 00:03:28,275 --> 00:03:32,543 que pensamos que deberían pasar por esta herramienta. 53 00:03:33,043 --> 00:03:35,243 De hecho, en el futuro, cuando... 54 00:03:35,288 --> 00:03:40,021 diseñemos las herramientas para la gestión de TFGs y TFMs a nivel global 55 00:03:40,021 --> 00:03:44,688 para la universidad, integraremos la obligatoriedad, entre comillas, de 56 00:03:44,688 --> 00:03:47,586 que pasen por estos procesos. 57 00:03:48,086 --> 00:03:51,952 A día de hoy es una cuestión voluntaria, ya sabéis que cada 58 00:03:51,952 --> 00:03:52,553 profesor decide o no si pasan por ahí. 59 00:03:52,613 --> 00:03:55,079 Nuestra recomendación es que se haga. 60 00:03:55,657 --> 00:04:00,390 Y en ese sentido hemos adquirido un número de licencias que consideramos 61 00:04:00,390 --> 00:04:00,984 suficientes. 62 00:04:01,004 --> 00:04:05,337 Si durante el desarrollo del curso vemos que fuera necesario más y 63 00:04:05,337 --> 00:04:09,004 tenemos disponibilidad presupuestaria, 64 00:04:09,004 --> 00:04:12,459 acometeríamos una compra adicional. 65 00:04:12,959 --> 00:04:16,965 Por la experiencia de otros años, con este número nos debería llegar. 66 00:04:16,985 --> 00:04:21,585 Y hecha esta aclaración un poco de cómo funciona Turnitin a nivel de 67 00:04:21,585 --> 00:04:23,033 licencias, pues le paso la palabra a Gustavo. 68 00:04:23,493 --> 00:04:25,548 Gustavo, todo tuyo. 69 00:04:26,048 --> 00:04:28,648 [Gustavo Montagna Von Zeschau]: ¿Qué tal? 70 00:04:28,709 --> 00:04:29,450 Muchas gracias. 71 00:04:29,071 --> 00:04:30,354 Buenos días, buenas tardes para todos y todas. 72 00:04:30,394 --> 00:04:31,676 Muchas gracias por sumarme. 73 00:04:31,716 --> 00:04:33,599 Gracias por la introducción también. 74 00:04:34,019 --> 00:04:38,947 Voy a compartir mi pantalla y vamos a comenzar con la sesión. 75 00:04:39,447 --> 00:04:42,247 ¿Pueden ver mi pantalla y me escuchan bien? 76 00:04:42,671 --> 00:04:42,732 Sí. 77 00:04:42,752 --> 00:04:43,418 Excelente. 78 00:04:43,970 --> 00:04:45,353 Bueno, hola, ¿qué tal? 79 00:04:45,413 --> 00:04:48,580 Nuevamente, mi nombre es Gustavo Montaña Fonsella. 80 00:04:48,660 --> 00:04:53,109 Soy un consultor de implementación para Turnitin, para Europa y Medio 81 00:04:53,129 --> 00:04:57,862 Y hoy voy a estar introduciéndoles brevemente el reporte de inteligencia 82 00:04:57,862 --> 00:04:58,961 artificial de Turnitin. 83 00:04:59,302 --> 00:05:00,665 Esta sesión está siendo grabada. 84 00:05:00,705 --> 00:05:04,614 Luego ustedes van a tener acceso a la grabación. 85 00:05:05,114 --> 00:05:09,514 Y básicamente el recorrido para el día de hoy está dividido en tres 86 00:05:09,514 --> 00:05:10,106 secciones. 87 00:05:10,126 --> 00:05:14,392 La primera es el reporte de inteligencia artificial en teoría, en 88 00:05:14,392 --> 00:05:18,792 donde les voy a explicar cómo funciona nuestro modelo de predicción 89 00:05:18,792 --> 00:05:20,271 de escritura con inteligencia artificial. 90 00:05:20,251 --> 00:05:25,051 Luego vamos a tener una sección que yo llamé desafíos y soluciones porque 91 00:05:25,051 --> 00:05:29,317 a veces interpretar qué es lo que dice un reporte de inteligencia 92 00:05:29,317 --> 00:05:34,184 artificial puede ser desafiante, pero voy a tratar de mencionarles algunos 93 00:05:34,184 --> 00:05:38,850 ejemplos típicos para que ustedes se sientan con mayor confianza a la hora 94 00:05:38,830 --> 00:05:43,418 Vamos a analizar esto en base a casos muy concretos que tienden a aparecer 95 00:05:44,199 --> 00:05:48,667 Y luego vamos a tener un espacio dedicado a preguntas, por supuesto. 96 00:05:49,167 --> 00:05:54,033 De todas maneras, quiero decirles que esto, más allá de esta organización, 97 00:05:54,033 --> 00:05:54,556 es una sesión más bien práctica. 98 00:05:54,576 --> 00:05:58,576 La idea es que ustedes puedan ver cómo funciona un reporte de 99 00:05:58,576 --> 00:06:00,366 inteligencia artificial en vivo. 100 00:06:01,088 --> 00:06:05,888 Vamos a arrancar entonces el reporte de inteligencia artificial en teoría 101 00:06:05,888 --> 00:06:09,954 y yo siempre inicio con los requisitos de archivo, que esto es 102 00:06:09,954 --> 00:06:14,154 muy, muy importante porque hay requisitos de archivo específicos 103 00:06:14,154 --> 00:06:18,488 para que nosotros podamos correr nuestros reportes de inteligencia 104 00:06:18,488 --> 00:06:19,996 artificial. 105 00:06:20,496 --> 00:06:25,229 El archivo tiene que ser inferior a 100 megas y tiene que tener al menos 106 00:06:25,229 --> 00:06:26,696 300 palabras en prosa. 107 00:06:27,346 --> 00:06:32,012 Nosotros no tomamos en cuenta o en general no analizamos o no incluimos 108 00:06:32,012 --> 00:06:38,642 en el análisis texto en viñetas, en párrafos muy cortos, en subtítulos. 109 00:06:39,142 --> 00:06:44,008 Para que nosotros podamos correr este análisis necesitamos texto en prosa, 110 00:06:44,008 --> 00:06:45,710 tres o cuatro líneas de texto en el párrafo al menos. 111 00:06:46,111 --> 00:06:50,777 Tiene que haber 300 palabras de este tipo de texto y el límite es hasta 112 00:06:50,777 --> 00:06:52,580 30.000 palabras. 113 00:06:53,080 --> 00:06:57,546 Ahora, si ustedes tienen un trabajo más largo, más grande que 30.000 114 00:06:57,546 --> 00:07:01,680 palabras, nosotros lo que vamos a hacer es correr el reporte de 115 00:07:01,680 --> 00:07:03,096 inteligencia artificial en las primeras 30.000 palabras. 116 00:07:03,296 --> 00:07:07,362 Y luego, si ustedes quieren en general correr el reporte en la 117 00:07:07,362 --> 00:07:12,029 totalidad del trabajo, van a tener que dividirlo en distintas secciones 118 00:07:12,029 --> 00:07:16,962 y subir cada sección y nosotros vamos a poder correr un reporte en cada una 119 00:07:16,962 --> 00:07:18,801 para que ustedes puedan ver los resultados. 120 00:07:19,557 --> 00:07:24,157 Por último, se aceptan cuatro tipos de archivo, Word, PDF y formato de 121 00:07:24,157 --> 00:07:27,902 texto enriquecido y básico. 122 00:07:28,402 --> 00:07:33,002 Y lo que es importante señalar de los tipos de archivo es que nosotros 123 00:07:33,002 --> 00:07:34,402 trabajamos con texto. 124 00:07:34,559 --> 00:07:38,892 El reporte de inteligencia artificial de Turnitin es un reporte de 125 00:07:38,892 --> 00:07:41,287 predicción de escritura con inteligencia artificial. 126 00:07:41,628 --> 00:07:46,361 Les va a decir con un porcentaje de certeza muy elevado que un texto fue 127 00:07:46,361 --> 00:07:50,961 muy probablemente escrito o no en distintas secciones con inteligencia 128 00:07:50,961 --> 00:07:51,694 artificial. 129 00:07:52,020 --> 00:07:55,753 Esa es la idea y nosotros trabajamos solamente con texto. 130 00:07:56,125 --> 00:08:00,391 Ahora les voy a explicar por qué necesitamos texto en prosa, pero 131 00:08:00,391 --> 00:08:04,058 siempre es importante también mencionar que estas mismas 132 00:08:04,058 --> 00:08:08,125 diapositivas que les estoy compartiendo ahora, yo luego se las 133 00:08:08,125 --> 00:08:10,180 voy a compartir a sus administradores y ustedes van a poder tener acceso a 134 00:08:10,200 --> 00:08:14,733 Por ejemplo, para revisar en los enlaces a las guías, en donde pueden 135 00:08:14,733 --> 00:08:19,266 ver online una explicación paso a paso y detallada también un poco de 136 00:08:19,266 --> 00:08:22,946 lo que les voy a estar explicando ahora. 137 00:08:23,446 --> 00:08:26,993 Ahora bien, ¿cómo funciona el reporte de inteligencia artificial? 138 00:08:27,175 --> 00:08:31,908 Básicamente, lo que hacemos nosotros en este caso no es comparar con una 139 00:08:31,908 --> 00:08:36,308 base de datos previa, como hacemos habitualmente en los reportes de 140 00:08:36,308 --> 00:08:39,646 similitud textual o que son conocidos como los reportes de plagio. 141 00:08:39,706 --> 00:08:43,990 Ustedes saben que en Turnitin se toma su trabajo y se compara con una base 142 00:08:44,030 --> 00:08:48,696 Como estas herramientas generativas de texto de inteligencia artificial 143 00:08:48,696 --> 00:08:53,230 generan texto, por así decirlo, novedoso cada vez que se les pide, no 144 00:08:53,230 --> 00:08:55,140 tiene sentido comparar con una base de datos previa. 145 00:08:55,120 --> 00:08:59,453 Lo que nosotros hacemos en este reporte, en cambio, es identificar 146 00:08:59,453 --> 00:09:02,992 patrones de escritura de estas herramientas de inteligencia 147 00:09:03,332 --> 00:09:07,798 Porque cuando estas herramientas se escriben, lo hacen de una manera 148 00:09:07,798 --> 00:09:11,245 específica que tiende a ser repetitiva porque generan texto a 149 00:09:11,425 --> 00:09:15,958 Es decir, tienen fórmulas matemáticas que definen qué palabra debería 150 00:09:15,958 --> 00:09:18,491 seguir a una cadena previa de palabras. 151 00:09:18,796 --> 00:09:22,002 Y este tipo de fórmulas matemáticas pueden ser rastreadas. 152 00:09:22,583 --> 00:09:27,249 Lo que hicimos nosotros fue crear nuestro propio modelo de inteligencia 153 00:09:27,249 --> 00:09:31,649 artificial y lo entrenamos para detectar estas fórmulas matemáticas 154 00:09:31,649 --> 00:09:32,583 en cada oración y este, por así decirlo, patrón de escritura. 155 00:09:33,244 --> 00:09:37,710 Y cuando lo identificamos, vamos a colorear esa sección en su texto. 156 00:09:37,713 --> 00:09:38,856 Es así como funciona. 157 00:09:38,876 --> 00:09:43,342 Nosotros identificamos patrones y les decimos que nos parece que hay 158 00:09:43,342 --> 00:09:47,942 suficientes elementos para que esa oración esté coloreada y se sugiera 159 00:09:47,942 --> 00:09:50,323 que fue muy probablemente escrita con inteligencia artificial. 160 00:09:50,724 --> 00:09:55,057 Ahora vamos a hablar del porcentaje de certeza y eficacia en estas 161 00:09:55,057 --> 00:09:56,282 predicciones. 162 00:09:56,782 --> 00:10:01,248 Antes de avanzar hacia esa parte, quería mencionarles un poquito más 163 00:10:00,031 --> 00:10:04,164 [Gustavo Montagna Von Zeschau]: Cercano a 0 significa que no encontramos elementos que sugieran 164 00:10:01,248 --> 00:10:02,933 cómo funciona nuestro sistema para que quede más bien claro. 165 00:10:03,574 --> 00:10:07,561 Este recuadro está en inglés, pero la explicación está en español en las 166 00:10:04,164 --> 00:10:04,841 uso de inteligencia artificial. 167 00:10:05,463 --> 00:10:09,596 Cercano a 1 significa que esto sugiere patrones de escritura de 168 00:10:08,081 --> 00:10:12,347 Y básicamente lo que hacemos es separar a su texto en oraciones y 169 00:10:09,596 --> 00:10:14,263 inteligencia artificial porque la forma en la que el texto fue generado 170 00:10:12,347 --> 00:10:13,671 luego creamos bloques de oraciones, como ven aquí. 171 00:10:14,072 --> 00:10:19,596 Y a cada bloque y oración le vamos a dar un número. 172 00:10:14,263 --> 00:10:17,128 por predicción sugiere el uso de este tipo de herramientas. 173 00:10:17,902 --> 00:10:22,568 Luego lo que hacemos es tomar estos bloques de texto y los interpolamos 174 00:10:22,568 --> 00:10:27,235 de manera que cada oración, como ven aquí están interpolados, de manera 175 00:10:27,235 --> 00:10:31,902 que cada oración se compare no solo con lo que viene antes y después en 176 00:10:31,902 --> 00:10:32,909 el mismo bloque, sino también con el bloque siguiente. 177 00:10:33,410 --> 00:10:37,143 Y entonces, gracias a esta interpolación de texto, lo que 178 00:10:37,143 --> 00:10:40,943 hacemos es generar un modelo predictivo que funciona de la 179 00:10:40,943 --> 00:10:41,665 siguiente manera. 180 00:10:41,645 --> 00:10:45,911 Vemos aquí que inicia con esta oración que dice aquí no pareciera 181 00:10:45,911 --> 00:10:49,636 haber escritura con inteligencia artificial. 182 00:10:50,136 --> 00:10:54,736 En esta oración de aquí pareciera haber algo más, pero como venimos de 183 00:10:54,736 --> 00:10:56,725 una sección escrita por un ser humano, no lo vamos a colorear. 184 00:10:56,745 --> 00:11:01,345 Nuestro modelo se focaliza sobre todo en no tener falsos positivos, es 185 00:11:01,345 --> 00:11:05,545 decir, en no decirles a ustedes que hay algo que fue escrito por 186 00:11:05,545 --> 00:11:08,211 inteligencia artificial cuando no lo fue. 187 00:11:08,240 --> 00:11:12,106 Y luego recién en la siguiente oración, cuando vemos que la 188 00:11:12,106 --> 00:11:16,373 inteligencia artificial no solo continúa desde aquí, pero también 189 00:11:16,373 --> 00:11:19,520 continúa luego, es aquí cuando vamos a comenzar a colorear esta sección en 190 00:11:20,021 --> 00:11:24,287 En celeste, ahora se los voy a mostrar, y estas son las secciones 191 00:11:24,287 --> 00:11:27,835 que nosotros les vamos a decir que fueron muy probablemente escritas con 192 00:11:27,815 --> 00:11:32,348 Y vamos a seguir coloreando hasta esta oración aquí, en la cual vemos 193 00:11:32,348 --> 00:11:36,615 que la inteligencia artificial todavía puede ser que suceda, pero 194 00:11:36,615 --> 00:11:41,481 como lo que viene luego es escritura por un ser humano, esta sección no la 195 00:11:41,481 --> 00:11:44,794 vamos a colorear para evitar colorear nada que no haya sido escrito por 196 00:11:44,943 --> 00:11:49,676 es esta sección nuclear aquí lo que va a aparecer marcado en su texto en 197 00:11:49,676 --> 00:11:51,430 celeste. 198 00:11:51,930 --> 00:11:56,596 Y lo que nosotros les vamos a decir, en este grupo de oraciones, o esta 199 00:11:56,596 --> 00:12:00,463 oración, o este conjunto de oraciones, encontramos nosotros 200 00:12:00,463 --> 00:12:04,463 muchos elementos que sugieren la utilización de escritura con 201 00:12:04,463 --> 00:12:04,602 inteligencia artificial. 202 00:12:05,083 --> 00:12:09,647 Veo ahí unas preguntas en el chat, ahora voy a volver a las mismas 203 00:12:10,147 --> 00:12:14,747 Gracias por preguntar, pueden dejar sus preguntas en el chat y vamos a 204 00:12:14,747 --> 00:12:14,832 tratar de responderlas 205 00:12:14,812 --> 00:12:18,125 un rato. 206 00:12:18,625 --> 00:12:21,229 Ahora bien, ¿cómo va a lucir eso en la práctica? 207 00:12:21,449 --> 00:12:25,849 Ahora se los voy a mostrar en vivo, pero el reporte de inteligencia 208 00:12:25,849 --> 00:12:28,979 artificial luce algo así, como ven en esta captura de pantalla. 209 00:12:28,999 --> 00:12:33,446 Y básicamente lo que van a ver es el coloreado en el cuerpo del texto. 210 00:12:33,466 --> 00:12:37,999 Estas secciones en celeste que yo les mencioné, que son secciones que 211 00:12:37,999 --> 00:12:40,255 nosotros creemos que fueron escritas por inteligencia artificial. 212 00:12:40,275 --> 00:12:44,675 Y luego, en base a la cantidad de secciones coloreadas en su texto, 213 00:12:45,541 --> 00:12:50,207 les vamos a decir, y tomando esto solamente texto en prosa, no viñetas, 214 00:12:50,207 --> 00:12:54,874 no subtítulos, no párrafos cortos, les vamos a decir, en este caso, 26% 215 00:12:54,874 --> 00:12:58,874 de su texto en prosa, nosotros predecimos que fue escrito por 216 00:12:58,874 --> 00:13:04,667 inteligencia artificial. 217 00:13:05,167 --> 00:13:09,900 Y aquí van a tener un desglose que es como un mapa que les va a decir en 218 00:13:09,900 --> 00:13:14,167 qué parte de su texto nosotros encontramos estas oraciones que se 219 00:13:14,167 --> 00:13:18,567 sugiere fueron escritas o que fueron muy probablemente escritas con 220 00:13:18,567 --> 00:13:20,394 inteligencia artificial. 221 00:13:20,894 --> 00:13:25,202 También aquí abajo hay una sección que es muy interesante, que es la 222 00:13:25,242 --> 00:13:29,908 Siempre les invito a que la revisen porque tiene muchos papers y muchas 223 00:13:29,908 --> 00:13:36,003 guías que son muy útiles para entender cómo... 224 00:13:36,503 --> 00:13:41,103 analizar estos reportes, incluso también cómo implementar inteligencia 225 00:13:41,103 --> 00:13:41,167 artificial en el aula. 226 00:13:41,588 --> 00:13:46,454 Les vamos a explicar distintas ideas sobre cómo tienen que prepararse para 227 00:13:46,454 --> 00:13:49,975 una conversación con el alumno cuando tienen un reporte que indica un uso 228 00:13:50,496 --> 00:13:54,896 La sección de recursos tiende a ser dejada de lado, pero yo siempre 229 00:13:54,896 --> 00:14:00,626 enfatizo que es muy útil y que está disponible para ustedes con tan solo 230 00:14:01,126 --> 00:14:03,608 Ahora sí, vamos a ir directamente a la práctica. 231 00:14:03,908 --> 00:14:08,174 aquí estoy en un espacio de turnitín para la demostración y tengo 232 00:14:08,174 --> 00:14:12,174 distintos trabajos con distintos porcentajes de escritura con 233 00:14:12,174 --> 00:14:23,895 inteligencia artificial subidos voy a abrir uno básico, uno principal 234 00:14:24,395 --> 00:14:27,462 Vamos a ver aquí cómo luce un reporte. 235 00:14:27,962 --> 00:14:32,895 Aquí ven un reporte de similitud y lo que van a ver es que tienen distintas 236 00:14:32,895 --> 00:14:37,295 opciones y aquí hay una pestaña que dice escritura con inteligencia 237 00:14:37,295 --> 00:14:37,662 artificial. 238 00:14:37,709 --> 00:14:41,909 en esta pestaña de aquí, en este reporte, dependiendo el tipo de 239 00:14:41,909 --> 00:14:46,509 integración que ustedes tengan en Turnitin con su LMS o dependiendo de 240 00:14:46,509 --> 00:14:47,082 cómo lo utilicen. 241 00:14:47,562 --> 00:14:51,828 Puede ser que el reporte de escritura con inteligencia artificial 242 00:14:51,828 --> 00:14:56,295 desaparezca no en un reporte de similitud como el que ven aquí, sino 243 00:14:56,295 --> 00:14:58,317 en otro que aparece en unas pestañas aquí, en unas columnas aquí a la 244 00:14:58,297 --> 00:15:02,363 con una opción aquí abajo en un recuadro que les va a decir el 245 00:15:02,363 --> 00:15:04,326 porcentaje de la misma manera que aparece aquí. 246 00:15:04,966 --> 00:15:05,888 El resultado es el mismo. 247 00:15:05,968 --> 00:15:11,336 Los reportes de inteligencia artificial no cambian. 248 00:15:11,836 --> 00:15:16,002 Pueden hacer clic aquí o clic en esta pestaña y el reporte les va a mostrar 249 00:15:16,893 --> 00:15:21,426 Ahora bien, en este reporte que ustedes ven aquí, lo que van a ver es 250 00:15:21,426 --> 00:15:26,093 que se dice que un 24% del texto en prosa de este trabajo fue detectado 251 00:15:26,093 --> 00:15:28,114 como escrito con inteligencia artificial. 252 00:15:28,454 --> 00:15:32,854 Y aquí van a ver el desglose, las secciones con las cuales nosotros 253 00:15:32,854 --> 00:15:35,347 encontramos los elementos que sugieren el uso de estas 254 00:15:35,928 --> 00:15:37,461 Si yo hago clic aquí... 255 00:15:37,531 --> 00:15:42,131 lo que ustedes van a ver es que va a llevarme a una sección en la cual 256 00:15:42,131 --> 00:15:46,931 comienza a haber texto coloreado en celeste porque el sistema reconoce la 257 00:15:46,931 --> 00:15:50,385 utilización de inteligencia artificial en esta sección. 258 00:15:50,926 --> 00:15:55,326 Este trabajo que yo les estoy mostrando a ustedes es un trabajo que 259 00:15:55,326 --> 00:15:59,126 yo generé en base a ponencias y borradores y publicaciones 260 00:15:59,126 --> 00:16:03,859 académicas, todo mezclado, y en el cual hacia el final, desde la sección 261 00:16:03,859 --> 00:16:05,926 en que aparece en la página 10, 262 00:16:06,083 --> 00:16:08,945 también le agregué un texto generado con ChatGPT. 263 00:16:09,606 --> 00:16:14,339 Y lo que ustedes ven aquí es que este trabajo, a pesar de ser un trabajo 264 00:16:14,339 --> 00:16:19,006 muy grande que tiene 17 páginas, el sistema correctamente identificó en 265 00:16:19,006 --> 00:16:23,806 la página donde inicia la sección de inteligencia artificial este tipo de 266 00:16:23,806 --> 00:16:28,139 herramientas y comienza a colorear las secciones que considera que 267 00:16:28,139 --> 00:16:29,483 fueron muy probablemente escritas con, en este caso, ChatGPT. 268 00:16:30,023 --> 00:16:34,423 Ahora, algunas cuestiones para mencionar de este análisis o de este 269 00:16:34,423 --> 00:16:35,368 texto. 270 00:16:35,868 --> 00:16:37,791 Nuestro sistema no interpreta subtítulos. 271 00:16:37,971 --> 00:16:42,504 Yo este subtítulo que ven aquí, que es donde digo que aquí empieza la 272 00:16:42,504 --> 00:16:46,971 parte escrita por inteligencia artificial, este subtítulo el sistema 273 00:16:46,971 --> 00:16:48,647 de hecho lo va a ignorar, no lo va a leer, porque no contamos subtítulos, 274 00:16:49,067 --> 00:16:53,194 Lo que nuestro sistema busca es patrones de escritura y los trata de 275 00:16:53,334 --> 00:16:57,600 Solamente agregué esto yo para visibilidad, pero si lo remuevo el 276 00:16:57,600 --> 00:16:58,281 resultado va a ser el mismo. 277 00:16:58,717 --> 00:17:03,183 Otra cosa para mencionar es que ustedes van a ver aquí cómo funciona 278 00:17:03,183 --> 00:17:07,850 el reporte de inteligencia artificial en la práctica, porque venimos de 279 00:17:07,850 --> 00:17:12,783 nueve páginas que yo escribí, copié y pegué de publicaciones desde antes de 280 00:17:12,783 --> 00:17:13,485 que empiece a existir la escritura con inteligencia artificial. 281 00:17:14,006 --> 00:17:16,270 Y como ven, el sistema no coloreó nada. 282 00:17:16,250 --> 00:17:21,050 Pero aquí, cuando empezó la escritura con inteligencia artificial, lo que 283 00:17:21,050 --> 00:17:25,450 van a ver es que la primera oración o subtítulo que fue escrita con 284 00:17:25,450 --> 00:17:27,374 inteligencia artificial no aparece coloreada porque no las incluimos. 285 00:17:27,394 --> 00:17:31,727 Y la primera oración que también fue escrita no aparece coloreada. 286 00:17:31,724 --> 00:17:33,987 porque venimos de una sección escrita por un ser humano. 287 00:17:34,408 --> 00:17:39,141 Y entonces, como les expliqué, estas oraciones liminares en los bordes o 288 00:17:39,141 --> 00:17:43,741 en los márgenes, en donde cambia la escritura entre un ser humano y la 289 00:17:43,741 --> 00:17:47,941 escritura por inteligencia artificial, son oraciones en donde el 290 00:17:47,941 --> 00:17:51,941 reporte tiende a ser muy, muy cauteloso y tratar de no marcar 291 00:17:51,941 --> 00:17:53,817 elementos y, por lo tanto, esta primera oración no fue coloreada. 292 00:17:53,797 --> 00:17:58,330 Sin embargo, cuando comenzamos a encontrar consistentemente elementos 293 00:17:58,330 --> 00:18:02,663 que sugieren el uso de inteligencia artificial, vamos a comenzar a 294 00:18:02,663 --> 00:18:06,794 colorear esto aquí y van a ver que el coloreado en celeste continúa. 295 00:18:07,294 --> 00:18:11,560 Puede pasar que haya algunas secciones como esta que ven aquí que 296 00:18:11,560 --> 00:18:15,865 aparezcan no coloreadas también en el medio de un grupo de secciones que 297 00:18:15,885 --> 00:18:17,285 ¿Por qué sucede esto? 298 00:18:18,029 --> 00:18:22,229 Bueno, a veces nuestro sistema o nuestro reporte de inteligencia 299 00:18:22,229 --> 00:18:28,160 artificial fue entrenado para no marcar nada con mucha cautela. 300 00:18:28,660 --> 00:18:32,526 Y a veces nuestro sistema está preparado, por ejemplo, para 301 00:18:32,526 --> 00:18:36,993 identificar estilos de escritura de hispanohablantes no nativos, que 302 00:18:36,993 --> 00:18:41,633 tienden a escribir de una forma un poco más o menos fluida que aquellos 303 00:18:42,314 --> 00:18:46,778 Y por lo tanto nuestro sistema está entrenado para no marcar con celeste 304 00:18:47,279 --> 00:18:51,412 Puede pasar en ocasiones que el sistema encuentra oraciones que 305 00:18:51,412 --> 00:18:56,079 sugieren el uso de la escritura por un hispanohablante no nativo, que a 306 00:18:56,079 --> 00:18:58,650 veces se asemeja a las versiones gratuitas de inteligencia artificial. 307 00:18:58,630 --> 00:19:03,363 O también a veces porque aparece un subtítulo en el medio, puede ser que 308 00:19:03,363 --> 00:19:05,184 la oración anterior o posterior no aparezca coloreada. 309 00:19:05,204 --> 00:19:06,888 ¿A qué me refiero con esto? 310 00:19:07,709 --> 00:19:11,842 Para que nosotros podamos crear este modelo de bloques de texto 311 00:19:11,842 --> 00:19:15,975 interpolados y el modelo predictivo del que les hablé, nosotros 312 00:19:15,975 --> 00:19:16,909 necesitamos texto. 313 00:19:16,889 --> 00:19:21,289 Cuando ustedes tienen texto muy corto, subtítulos o viñetas, eso el 314 00:19:21,289 --> 00:19:24,078 sistema tiende a no incorporarlo en el reporte. 315 00:19:24,098 --> 00:19:28,631 Y por lo tanto, cuando hay muchos subtítulos agregados, puede ser que 316 00:19:28,631 --> 00:19:31,267 algunas oraciones inmediatamente anteriores o posteriores aparezcan no 317 00:19:31,748 --> 00:19:36,148 Y esto es algo a lo que se refería Fernando con anterioridad cuando 318 00:19:36,148 --> 00:19:39,978 decíamos que el reporte de Turnitin a veces no funciona en todos los casos. 319 00:19:40,219 --> 00:19:44,584 El reporte de Turnitin funciona con todos los textos, pero tiene que ser 320 00:19:44,564 --> 00:19:49,230 Cuanto más texto en viñetas, formatos muy cortos, párrafos de una o dos 321 00:19:49,230 --> 00:19:53,030 oraciones... 322 00:20:00,031 --> 00:20:04,364 [Gustavo Montagna Von Zeschau]: como a veces se escribe chat GPT cuando se le pide, cuanto más ese 323 00:20:04,364 --> 00:20:09,164 tipo de texto muy muy corto tengan, menos texto el reporte puede incluir, 324 00:20:09,164 --> 00:20:13,764 nuestro modelo puede incluir en el reporte y menos probable es que los 325 00:20:13,764 --> 00:20:17,764 resultados les resulten muy muy detallados o que les resulten 326 00:20:17,764 --> 00:20:22,700 convincentes. 327 00:20:23,200 --> 00:20:28,066 Y déjenme hablarles ahora un poco de la cuestión de la eficacia de nuestro 328 00:20:28,066 --> 00:20:28,533 modelo. 329 00:20:28,887 --> 00:20:33,620 Porque lo que les estamos diciendo aquí básicamente es que 24% del texto 330 00:20:33,620 --> 00:20:38,287 en prosa que aparece en esta sección aquí fue muy probablemente escrito 331 00:20:38,287 --> 00:20:42,687 con inteligencia artificial y nuestras predicciones a nivel trabajo 332 00:20:42,687 --> 00:20:47,020 cuando encontramos suficientes elementos en el texto en prosa para 333 00:20:47,020 --> 00:20:51,420 que esto se desarrolle, nuestras predicciones tienen una certeza de 334 00:20:51,420 --> 00:20:53,287 más del 99% a nivel trabajo. 335 00:20:53,798 --> 00:20:56,464 Es decir, que cuando les decimos que hubo 336 00:20:56,782 --> 00:21:01,582 un porcentaje de similitud de 20% o más detectado a nivel trabajo nuestra 337 00:21:01,582 --> 00:21:06,382 certeza en la predicción de que hubo uso de inteligencia artificial tiene 338 00:21:06,382 --> 00:21:10,848 más del 99% y a nivel de cada oración coloreada que ustedes ven aquí 339 00:21:10,848 --> 00:21:15,315 nuestra certeza es de más del 96% para cada sección coloreada cuando 340 00:21:15,315 --> 00:21:19,982 les decimos que creemos que hubo uso de inteligencia artificial nuestro 341 00:21:19,982 --> 00:21:25,982 modelo es muy sólido en las predicciones 342 00:21:26,482 --> 00:21:31,968 Y en especial esto funciona cuando encontramos 20% o más. 343 00:21:32,468 --> 00:21:37,068 Con un menor porcentaje, ahora vamos a ver, los resultados son un poco 344 00:21:37,068 --> 00:21:41,401 distintos y es esto lo que yo les mencionaba, de que es importante 345 00:21:41,401 --> 00:21:46,134 entender que para que este modelo les brinde el soporte y la ayuda extra 346 00:21:46,134 --> 00:21:50,534 necesaria, en términos de sugerirles con una muy elevada certeza de 347 00:21:50,534 --> 00:21:54,970 probabilidades de que puede haber habido uso de inteligencia artificial 348 00:21:54,950 --> 00:21:59,483 Es importante que el texto tenga o que el texto tenga texto en prosa, 349 00:21:59,483 --> 00:22:04,083 básicamente, y que se eviten las viñetas y los textos muy cortos y los 350 00:22:04,083 --> 00:22:08,750 párrafos de una o dos oraciones nada más, porque ese tipo de formato de 351 00:22:08,750 --> 00:22:13,216 texto no va a ayudar a nuestro reporte a ayudarles a ustedes con sus 352 00:22:13,216 --> 00:22:14,700 predicciones. 353 00:22:15,200 --> 00:22:19,600 Van a ver que incluso aunque hay secciones que aparezcan en blanco, 354 00:22:19,600 --> 00:22:23,600 cuando el sistema tiene texto en prosa y continúa encontrando 355 00:22:23,600 --> 00:22:27,098 elementos que sugieren el uso de inteligencia artificial, va a seguir 356 00:22:27,338 --> 00:22:30,423 Ven que los subtítulos se mantienen por fuera del análisis. 357 00:22:31,144 --> 00:22:33,748 Sucede lo mismo aquí con otro subtítulo más. 358 00:22:33,728 --> 00:22:38,328 Y así se mantiene hasta la parte final en donde deja de aparecer texto 359 00:22:38,328 --> 00:22:40,194 con inteligencia artificial. 360 00:22:40,658 --> 00:22:45,458 Esta última sección que ustedes ven aquí, yo la generé con chat GPT, pero 361 00:22:45,458 --> 00:22:48,008 también la parafraseé con chat GPT para evitar la detección. 362 00:22:48,048 --> 00:22:49,170 Le pedí que lo humanice. 363 00:22:49,630 --> 00:22:53,830 Y el sistema, como ven, también detectó de todas maneras esto en 364 00:22:53,830 --> 00:22:54,363 celeste. 365 00:22:54,417 --> 00:22:58,040 con la única excepción de esta última oración aquí que aparece en blanco. 366 00:22:58,481 --> 00:22:58,781 ¿Por qué? 367 00:22:58,801 --> 00:23:02,004 Porque lo que viene luego es de vuelta texto escrito por un ser 368 00:23:02,345 --> 00:23:06,411 Entonces esta oración liminar el sistema no la va a marcar por 369 00:23:06,411 --> 00:23:06,468 cautela. 370 00:23:07,149 --> 00:23:11,113 Es porque nosotros nos focalizamos sobre todo en no tener falsos 371 00:23:11,573 --> 00:23:16,306 Es por eso que cuando les digo que tenemos un porcentaje de más del 99%, 372 00:23:16,306 --> 00:23:20,839 me refiero a que cuando decimos a nivel trabajo que hubo 20% más, les 373 00:23:20,839 --> 00:23:23,985 estamos diciendo que hubo uso de inteligencia artificial. 374 00:23:23,965 --> 00:23:28,365 en 24 o 30 o 40 o 50 o 80 o 100% de su trabajo con un más de 99% de 375 00:23:28,365 --> 00:23:33,595 chances de certeza en esa predicción. 376 00:23:34,095 --> 00:23:38,228 Y luego lo que vamos a hacer es colorear las secciones para que 377 00:23:38,228 --> 00:23:42,361 ustedes puedan ir a verlas, analizarlas y revisar qué es lo que 378 00:23:42,361 --> 00:23:43,044 sucedió allí. 379 00:23:43,124 --> 00:23:47,457 Porque ¿cuántas veces les ha sucedido que ustedes tenían quizás la 380 00:23:47,457 --> 00:23:50,091 intuición de que un trabajo de un estudiante 381 00:23:50,071 --> 00:23:54,604 había sido escrito con inteligencia artificial o lo reconocían por el 382 00:23:54,604 --> 00:23:59,471 cambio en el estilo de escritura, la falta de ejemplos, la falta de citas, 383 00:23:59,471 --> 00:24:02,871 alucinaciones que a veces sucedían, a veces suceden. 384 00:24:03,708 --> 00:24:08,374 Lo que este reporte les da es una herramienta, un soporte extra que les 385 00:24:08,374 --> 00:24:13,174 va a decir en dónde ir a buscar esos típicos elementos que aparecen o que 386 00:24:13,174 --> 00:24:14,121 emergen o suceden con la escritura de inteligencia artificial. 387 00:24:14,101 --> 00:24:18,301 o incluso un soporte extra para reforzar o por lo menos para que 388 00:24:18,301 --> 00:24:22,701 ustedes utilicen su conocimiento como docentes y su conocimiento de 389 00:24:22,701 --> 00:24:27,234 estudiantes de una manera adicional para poder analizar el trabajo en 390 00:24:27,234 --> 00:24:27,767 detalle. 391 00:24:28,375 --> 00:24:32,708 Pero siempre, y esto siempre lo enfatizamos desde Turnitin, es muy 392 00:24:32,708 --> 00:24:38,586 importante que el docente esté detrás de la pantalla analizando el reporte. 393 00:24:39,086 --> 00:24:39,952 El reporte... 394 00:24:40,207 --> 00:24:44,273 Por más que sea muy efectivo, y yo les hablé de porcentajes de 395 00:24:44,273 --> 00:24:48,407 efectividad muy altos, por más que sea muy efectivo, no es 100% 396 00:24:48,407 --> 00:24:50,171 efectivo. 397 00:24:50,671 --> 00:24:54,604 No hay ninguna herramienta en el mercado que ofrezca 100% de 398 00:24:54,604 --> 00:24:57,827 efectividad en este análisis de escritura con inteligencia 399 00:24:57,807 --> 00:25:02,407 Y es fundamental que el docente esté detrás de la pantalla para leer e 400 00:25:02,407 --> 00:25:05,599 interpretar los resultados y entender qué puede haber sucedido aquí. 401 00:25:06,039 --> 00:25:10,839 Como veo algunas preguntas en el chat que luego las voy a responder sobre 402 00:25:10,839 --> 00:25:13,170 el uso de correcciones gramaticales con inteligencia artificial, etc. 403 00:25:13,210 --> 00:25:14,312 Ahora vamos a ver eso. 404 00:25:15,273 --> 00:25:19,740 Pero básicamente el rol del docente detrás de la pantalla es fundamental. 405 00:25:20,160 --> 00:25:24,893 Y el reporte de Tugnitin nosotros no recomendamos que sea utilizado como 406 00:25:24,893 --> 00:25:27,291 un único parámetro para aceptar o rechazar un trabajo 407 00:25:27,271 --> 00:25:31,318 en base a la consideración de escritura con inteligencia artificial 408 00:25:31,699 --> 00:25:36,565 Es una herramienta extra que requiere de un educador detrás de la pantalla 409 00:25:36,565 --> 00:25:41,032 analizándolo y conociendo a sus estudiantes, incluso conversando con 410 00:25:41,032 --> 00:25:43,697 sus estudiantes para entender qué puede haber sucedido. 411 00:25:44,197 --> 00:25:49,130 Esto nosotros lo clarificamos siempre y más información al respecto, aparte 412 00:25:49,130 --> 00:25:53,130 de las guías y las preguntas frecuentes, la van a tener en la 413 00:25:53,130 --> 00:25:54,676 sección de recursos que cuando hacen explorar yo siempre las muestro. 414 00:25:55,297 --> 00:25:57,862 Desde aquí van a ver distintos trabajos. 415 00:25:58,183 --> 00:26:02,449 Hay en español, hay en inglés y hay distintas opciones sobre cómo 416 00:26:02,449 --> 00:26:06,458 incorporar inteligencia artificial en clase, cómo abordar falsos positivos. 417 00:26:06,438 --> 00:26:10,771 O cómo conversar con estudiantes cuando hay algún reporte allí que 418 00:26:10,771 --> 00:26:15,038 nosotros no estamos seguros y queremos aproximarnos al estudiante 419 00:26:15,038 --> 00:26:18,104 para saber qué es lo que sucedió en el reporte. 420 00:26:18,562 --> 00:26:23,362 Les recomiendo, si tienen tiempo, que revisen esto porque hay información 421 00:26:23,362 --> 00:26:24,295 muy, muy útil. 422 00:26:25,256 --> 00:26:25,797 Ahora bien. 423 00:26:26,603 --> 00:26:30,391 Esto es lo principal del reporte de inteligencia artificial. 424 00:26:30,471 --> 00:26:33,398 Como ustedes ven, la interfaz es muy sencilla. 425 00:26:33,698 --> 00:26:37,764 Vamos a colorear secciones con una muy alta probabilidad en la 426 00:26:37,764 --> 00:26:42,231 predicción y les vamos a decir, nosotros creemos que en esta sección 427 00:26:42,231 --> 00:26:43,805 aparece escritura con inteligencia artificial. 428 00:26:44,305 --> 00:26:49,105 Mientras que la interfaz es muy fácil de entender y de utilizar, la forma 429 00:26:49,105 --> 00:26:53,305 en la que uno se aproxima a la lectura del reporte tiene algunos 430 00:26:53,305 --> 00:26:57,548 elementos de mayor o un poco más de complejidad. 431 00:26:58,048 --> 00:27:02,514 Antes que nada, para mencionarles algo, lo que les estamos mostrando 432 00:27:02,514 --> 00:27:06,714 ahora, lo que les estoy mostrando ahora en celeste es un tipo de 433 00:27:06,714 --> 00:27:06,803 reporte en español. 434 00:27:06,783 --> 00:27:11,583 El reporte de inteligencia artificial de Turnitin funciona en español, en 435 00:27:11,583 --> 00:27:13,437 inglés y en japonés, de momento. 436 00:27:13,937 --> 00:27:17,283 Y en inglés nosotros les vamos a mostrar dos colores. 437 00:27:17,303 --> 00:27:21,872 Uno es celeste, como el que ven aquí, pero también van a tener un color 438 00:27:21,852 --> 00:27:26,718 para marcarles texto que fue no solo generado con inteligencia artificial, 439 00:27:26,718 --> 00:27:31,385 sino también que fue enviado a una batidora de texto, los text spinners 440 00:27:31,385 --> 00:27:35,585 como Quillbot, que buscan remover un poco el formato del texto y 441 00:27:35,585 --> 00:27:38,052 reagruparlo para evitar la detección. 442 00:27:38,789 --> 00:27:43,522 Nosotros eso lo detectamos y se los vamos a marcar en inglés en celeste, 443 00:27:43,522 --> 00:27:46,655 pero en inglés se los vamos a marcar en violeta. 444 00:27:47,317 --> 00:27:52,183 Pero en español eso va a ser marcado de todas maneras, solo que en celeste 445 00:27:52,183 --> 00:27:57,126 de momento existe solamente un color en español. 446 00:27:57,626 --> 00:28:03,776 Ahora bien, volviendo aquí a la diapositiva. 447 00:28:04,276 --> 00:28:08,476 Hay algo que yo quiero mencionar y aquí uso el ícono de un faro. 448 00:28:08,644 --> 00:28:08,824 ¿Por qué? 449 00:28:08,845 --> 00:28:13,645 Porque el desglose de la entrega es muy, muy importante para entender qué 450 00:28:13,645 --> 00:28:14,295 es lo que este reporte les marca. 451 00:28:14,595 --> 00:28:14,876 ¿Por qué? 452 00:28:14,896 --> 00:28:15,777 Porque es como un mapa. 453 00:28:15,858 --> 00:28:20,724 Yo siempre indico que es como un faro indicándoles a dónde mirar o un mapa 454 00:28:20,724 --> 00:28:25,191 que les va a decir a dónde pueden encontrar algunos elementos que se 455 00:28:25,191 --> 00:28:26,858 sugieren fueron escritos por inteligencia artificial por dos 456 00:28:26,838 --> 00:28:30,438 para guiarlos o orientarlos en su análisis del trabajo. 457 00:28:31,266 --> 00:28:35,399 Por ejemplo, si ustedes sospechan que puede haber habido uso de 458 00:28:35,399 --> 00:28:39,702 inteligencia artificial, ¿en dónde tengo que ir a avanzar un poco más a 459 00:28:39,722 --> 00:28:44,388 Y entonces aquí van a tener secciones coloreadas en celeste para decir, 460 00:28:44,388 --> 00:28:48,522 bueno, es aquí donde tengo que empezar a buscar estos elementos 461 00:28:48,522 --> 00:28:49,099 típicos de escritura con inteligencia artificial. 462 00:28:49,079 --> 00:28:53,279 Pero también les va a ayudar, por ejemplo, de cara a las propias 463 00:28:53,279 --> 00:28:57,151 normativas que ustedes tengan, por ejemplo, para el uso de inteligencia 464 00:28:57,651 --> 00:29:01,984 De Turnitin, del lado de Turnitin, entendemos que muchas veces las 465 00:29:01,984 --> 00:29:06,584 instituciones deciden incorporar inteligencia artificial en su trabajo 466 00:29:06,584 --> 00:29:07,746 durante clases, por ejemplo. 467 00:29:07,726 --> 00:29:12,192 Pero, por ejemplo, les piden a los alumnos que utilicen inteligencia 468 00:29:12,192 --> 00:29:16,859 artificial quizás en la parte de la metodología, quizás en alguna parte 469 00:29:16,859 --> 00:29:21,126 de ejemplos, pero quieren que la conclusión y la introducción sea 470 00:29:21,126 --> 00:29:22,478 escrita por el estudiante porque es ahí donde quieren leer la voz del 471 00:29:22,812 --> 00:29:27,078 La ventaja del desglose de entrega es que les va a mostrar si los 472 00:29:27,078 --> 00:29:29,379 estudiantes parecieran haber seguido esas indicaciones o no. 473 00:29:29,439 --> 00:29:34,105 Porque si ustedes ven de pronto en la parte final que hubo mucho uso de 474 00:29:34,105 --> 00:29:38,905 inteligencia artificial en donde no debería estar marcado porque es donde 475 00:29:38,905 --> 00:29:43,039 deberíamos escuchar la voz del estudiante, bueno, quizás ahí el 476 00:29:43,039 --> 00:29:43,174 reporter les está sugiriendo un problema. 477 00:29:43,274 --> 00:29:47,318 Quizás el estudiante utilizó inteligencia artificial para escribir 478 00:29:47,298 --> 00:29:52,098 Entonces, el desglose le funciona de estas dos maneras, no solamente como 479 00:29:52,098 --> 00:29:56,646 una guía de dónde ir a revisar. 480 00:30:00,031 --> 00:30:04,697 [Gustavo Montagna Von Zeschau]: para entender si hubo o no uso de inteligencia artificial, sino también 481 00:30:04,697 --> 00:30:09,097 para saber cómo los estudiantes se adaptaron al uso de este tipo de 482 00:30:09,097 --> 00:30:13,697 herramientas si ustedes tenían un criterio previo o una clarificación, 483 00:30:13,697 --> 00:30:18,097 unas guías previas claramente presentadas a los estudiantes para su 484 00:30:18,097 --> 00:30:19,136 incorporación. 485 00:30:19,636 --> 00:30:24,354 El reporte los puede ayudar de cualquiera de estas maneras. 486 00:30:24,854 --> 00:30:28,787 Ahora sí, vamos a pasar a la siguiente sección de desafíos y 487 00:30:28,787 --> 00:30:32,865 soluciones porque se refiere a la interpretación de los resultados. 488 00:30:33,365 --> 00:30:37,631 Aquí lo que les estoy mostrando en esta diapositiva son distintos 489 00:30:37,631 --> 00:30:38,471 elementos que pueden aparecer. 490 00:30:38,511 --> 00:30:43,377 Si ustedes tienen el reporte clásico de Turnitin, en vez de aparecerles en 491 00:30:43,377 --> 00:30:48,111 unas pestañas arriba, la inteligencia artificial les va a aparecer en un 492 00:30:48,111 --> 00:30:49,866 pequeño recuadro aquí abajo a la derecha que va a lucir como esto que 493 00:30:50,099 --> 00:30:54,499 Estos recuadros les va a mostrar distintas situaciones de qué es lo 494 00:30:54,499 --> 00:30:57,708 que encontramos inmediatamente en el reporte en términos de porcentaje. 495 00:30:58,469 --> 00:31:02,535 Cuando encontramos 20% más, el reporte funcionó correctamente. 496 00:31:02,694 --> 00:31:04,617 ¿Eso qué significa? 497 00:31:05,117 --> 00:31:09,317 Encontramos suficientes elementos para garantizar más del 99% de 498 00:31:09,317 --> 00:31:13,783 eficacia en nuestra predicción, porque hay suficientes elementos que 499 00:31:13,783 --> 00:31:16,090 sugieren este uso de inteligencia artificial. 500 00:31:17,048 --> 00:31:21,248 Sin embargo, puede suceder que a ustedes les aparezcan otros dos 501 00:31:21,248 --> 00:31:23,739 símbolos distintos, o menores, que digamos no 20% más. 502 00:31:23,759 --> 00:31:28,159 Puede ser que les aparezca un asterisco, y eso significa que lo que 503 00:31:28,159 --> 00:31:32,892 encontramos en el texto fue entre 1% y 19% de escritura con inteligencia 504 00:31:32,892 --> 00:31:36,680 artificial. 505 00:31:37,180 --> 00:31:41,513 Cuando encontramos porcentajes menores a 20%, lo que sucede es que 506 00:31:41,513 --> 00:31:45,418 nuestro reporte tiene una mayor probabilidad de falsos positivos. 507 00:31:45,438 --> 00:31:45,819 ¿Por qué? 508 00:31:46,260 --> 00:31:50,193 Porque no encontramos suficientes elementos de escritura con 509 00:31:50,193 --> 00:31:54,460 inteligencia artificial que garanticen la eficacia esta de la que 510 00:31:54,460 --> 00:31:56,843 les hablo en la predicción de más del 99%. 511 00:31:57,076 --> 00:32:01,742 Por eso, cuando encontramos entre 1% y 19%, lo que vamos a hacer es, en 512 00:32:01,742 --> 00:32:05,711 vez de mostrarles un número, les vamos a mostrar un asterisco. 513 00:32:06,031 --> 00:32:10,831 Y les vamos a decir, aquí puede ser que haya habido algo de escritura con 514 00:32:10,831 --> 00:32:15,764 inteligencia artificial, pero hay que ser extra cautelosos con este reporte 515 00:32:15,764 --> 00:32:19,634 porque nuestra probabilidad de falsos positivos en esta predicción puede 516 00:32:19,654 --> 00:32:22,920 Y es por eso que cuando encuentren un asterisco... 517 00:32:23,080 --> 00:32:27,480 Nosotros nunca vamos a colorear ninguna sección en su texto para no 518 00:32:27,480 --> 00:32:29,928 guiarlos de manera errónea ninguna predicción o algo. 519 00:32:30,289 --> 00:32:30,589 ¿Por qué? 520 00:32:30,609 --> 00:32:35,342 Porque nuestro porcentaje de falsos positivos puede incrementarse cuando 521 00:32:35,342 --> 00:32:36,216 no tenemos suficientes elementos. 522 00:32:36,757 --> 00:32:41,157 Cuando encontramos 20% más, ahí sí nuestra predicción se vuelve tan 523 00:32:41,157 --> 00:32:44,923 eficaz o certera como ya les mencioné con anterioridad. 524 00:32:45,423 --> 00:32:48,306 Puede ser también que les aparezcan dos guiones o dos líneas. 525 00:32:48,707 --> 00:32:50,769 Eso significa que el archivo no pudo ser leído. 526 00:32:51,030 --> 00:32:53,733 Lo que hay que hacer es revisar el formato y los requisitos. 527 00:32:53,773 --> 00:32:56,636 Quizás el archivo, el requisito de archivo no es el correcto. 528 00:32:56,656 --> 00:33:01,256 Quizás subieron un archivo PDF en formato de imagen que no tiene texto 529 00:33:01,256 --> 00:33:03,164 elegible y entonces nosotros no lo pudimos procesar. 530 00:33:03,684 --> 00:33:04,786 Siempre hay que revisar eso. 531 00:33:05,206 --> 00:33:08,089 Si aparece un ícono de error, es un problema técnico. 532 00:33:08,109 --> 00:33:12,575 Lo que van a tener que hacer es contactarse con soporte técnico para 533 00:33:12,575 --> 00:33:12,915 ver qué es lo que sucedió. 534 00:33:13,823 --> 00:33:17,709 Estos son los dos típicos elementos que aparecen en preguntas con 535 00:33:17,729 --> 00:33:19,231 ¿Qué pasa cuando aparece un asterisco? 536 00:33:19,251 --> 00:33:20,172 ¿Qué significa eso? 537 00:33:20,213 --> 00:33:24,879 Bueno, significa que posiblemente encontramos algo, pero no suficientes 538 00:33:24,879 --> 00:33:29,279 elementos consistentemente para acercarnos al porcentaje de certeza 539 00:33:29,279 --> 00:33:33,000 que es el que les queremos mostrar en nuestros reportes. 540 00:33:33,500 --> 00:33:38,033 Y ahora vamos a movernos un poco a algunas preguntas típicas que esto 541 00:33:38,033 --> 00:33:41,900 puede ser que aparezca o que se encuentren con este tipo de 542 00:33:41,900 --> 00:33:45,101 soluciones o como llamo aquí desafíos. 543 00:33:45,601 --> 00:33:50,467 Y algunas de estas preguntas por ahí ya me las ha hecho en el chat, aunque 544 00:33:50,467 --> 00:33:53,415 luego voy a volver a revisarlas hacia el final en un rato. 545 00:33:53,395 --> 00:33:58,195 ¿Qué podemos hacer si a pesar de que sospechamos que un texto fue escrito 546 00:33:58,195 --> 00:34:02,728 con inteligencia artificial, el reporte indica 0%, un asterisco o los 547 00:34:02,728 --> 00:34:04,214 guiones que les mencioné? 548 00:34:04,615 --> 00:34:09,281 Yo tengo una sospecha, pero veo que el reporte no me está mostrando los 549 00:34:09,281 --> 00:34:14,081 elementos que, o no me está, por así decirlo, no me provee la información 550 00:34:14,081 --> 00:34:17,918 extra que necesito para ver si mi sospecha es certera o no. 551 00:34:18,269 --> 00:34:22,402 Nuestra recomendación siempre es revisar el formato del texto y 552 00:34:22,402 --> 00:34:25,678 reducir al mínimo viñetas, títulos y párrafos cortos. 553 00:34:26,339 --> 00:34:30,139 Revisar que el tipo de archivo también se encuentre en los 554 00:34:30,139 --> 00:34:34,272 aceptados, sobre todo para los guiones por Turnitin, los cuatro 555 00:34:34,272 --> 00:34:34,428 tipos de archivo que les mencioné y que esté en formato de texto. 556 00:34:34,909 --> 00:34:38,842 Pero la cuestión de revisar el formato de texto es sumamente 557 00:34:38,842 --> 00:34:39,054 importante. 558 00:34:39,434 --> 00:34:40,618 ¿Por qué? 559 00:34:41,118 --> 00:34:44,985 Porque el reporte puede cambiar mucho si tiene texto que pueda analizar o 560 00:34:45,406 --> 00:34:50,206 Y cuanto más texto tengan en viñetas o en párrafos cortos, menos texto el 561 00:34:50,206 --> 00:34:52,406 reporte va a tener para analizar. 562 00:34:53,340 --> 00:34:57,606 Y cuanto menos texto tenga para analizar, las predicciones pueden 563 00:34:57,606 --> 00:34:58,449 cambiar mucho más. 564 00:34:58,609 --> 00:35:02,209 Incluso si llegamos al mínimo de 300 palabras en prosa. 565 00:35:02,296 --> 00:35:06,896 Un reporte con 300 palabras en prosa puede mostrarles un porcentaje de 566 00:35:06,896 --> 00:35:11,367 inteligencia artificial que puede tender a ser más a todo o nada, a un 567 00:35:12,028 --> 00:35:16,694 Para que el reporte se vuelva más sutil en sus predicciones, es siempre 568 00:35:16,694 --> 00:35:20,894 bueno el mínimo 300 palabras en prosa, pero es siempre bueno que 569 00:35:20,894 --> 00:35:25,094 tengan 1000 palabras al menos para que comience a marcar mayores 570 00:35:25,094 --> 00:35:25,485 sutilezas en la predicción. 571 00:35:25,465 --> 00:35:29,998 Y es por eso que es importante la cuestión de reducir viñetas, porque 572 00:35:29,998 --> 00:35:34,265 si se reduce este tipo de texto corto, el reporte puede ayudarles 573 00:35:34,265 --> 00:35:38,731 mucho mejor, porque va a poder incorporar mayor cantidad de texto en 574 00:35:38,731 --> 00:35:41,195 el análisis y ejercer su función de una forma mucho más certera. 575 00:35:41,756 --> 00:35:45,975 Y aquí tengo otros ejemplos para mostrarles. 576 00:35:46,475 --> 00:35:51,008 para que ustedes puedan ver algunos ejemplos y ustedes vean aquí cómo 577 00:35:51,008 --> 00:35:53,194 funciona. 578 00:35:53,694 --> 00:35:56,502 Este caso del ejemplo que les muestro está en inglés. 579 00:35:57,376 --> 00:36:00,601 pero les va a resultar de utilidad de todas maneras para mostrarles algo. 580 00:36:00,941 --> 00:36:05,807 Lo que ustedes ven aquí, por ejemplo, este texto es un texto que yo generé 581 00:36:05,807 --> 00:36:10,207 con inteligencia artificial y lo que van a ver es que el texto está 582 00:36:10,207 --> 00:36:14,501 repleto de viñetas y subtítulos con muy, muy pocos párrafos de texto en 583 00:36:14,982 --> 00:36:16,825 El reporte marca dos líneas. 584 00:36:16,845 --> 00:36:17,445 ¿Por qué? 585 00:36:18,327 --> 00:36:22,993 Tenemos solamente dos párrafos en prosa aquí y aquí y estos párrafos no 586 00:36:22,993 --> 00:36:26,660 llegan a cumplir con el mínimo de 300 palabras en prosa. 587 00:36:27,498 --> 00:36:31,764 Y entonces, como el texto está completamente escrito o repleto de 588 00:36:31,764 --> 00:36:36,298 viñetas y subtítulos, el reporte no llega a cumplir el mínimo, aunque 589 00:36:36,298 --> 00:36:41,601 vemos que tiene 610 palabras, pero no tiene la cantidad necesaria de 590 00:36:42,101 --> 00:36:42,902 ¿Qué es interesante? 591 00:36:43,103 --> 00:36:45,186 Aquí vemos que el reporte no mostró nada. 592 00:36:45,470 --> 00:36:50,136 Ahora, ¿qué sucede si yo, como ven aquí, la primera parte está separada 593 00:36:50,136 --> 00:36:50,870 en viñetas? 594 00:36:51,600 --> 00:36:56,133 ¿Qué pasa si yo accedo a este otro trabajo que yo les estoy mostrando 595 00:36:56,133 --> 00:37:00,666 ahora, que es el mismo trabajo que yo les mostré recién, con la única 596 00:37:00,666 --> 00:37:04,281 diferencia que la primera parte de las viñetas las uní para crear texto 597 00:37:04,301 --> 00:37:07,768 ¿Ven que incluso hay menos palabras ahora? 598 00:37:08,268 --> 00:37:10,070 pero hay más palabras en prosa. 599 00:37:10,090 --> 00:37:11,672 ¿Qué me marca el reporte? 600 00:37:11,692 --> 00:37:12,633 33%. 601 00:37:13,133 --> 00:37:14,675 Pasó de no marcar nada a marcar 33%. 602 00:37:14,695 --> 00:37:16,377 ¿Por qué? 603 00:37:16,877 --> 00:37:20,882 Porque pude incorporar este párrafo también dentro del texto en prosa. 604 00:37:21,803 --> 00:37:26,336 Llegamos al límite mínimo requerido y el reporte entonces, perdón, el 605 00:37:26,336 --> 00:37:31,069 reporte entonces comienza a marcar secciones coloreadas, incluso algunas 606 00:37:31,069 --> 00:37:35,536 secciones dentro de viñetas que a veces las incluimos, en particular 607 00:37:35,536 --> 00:37:37,600 esta última parte aquí, coloreadas como escritura con inteligencia 608 00:37:37,765 --> 00:37:40,706 Sigue siendo o sigue sin marcar muchas secciones. 609 00:37:40,726 --> 00:37:41,049 ¿Por qué? 610 00:37:41,069 --> 00:37:43,506 Porque es un texto que está repleto de viñetas. 611 00:37:43,874 --> 00:37:48,140 Pero lo que quiero mostrar y enfatizar aquí en esta sección es el 612 00:37:48,140 --> 00:37:52,340 hecho de que el reporte, cuando encuentra texto en prosa, cambia 613 00:37:52,340 --> 00:37:55,267 consistentemente. 614 00:37:55,767 --> 00:37:57,409 Es un cambio que es muy, muy importante. 615 00:37:57,449 --> 00:38:02,249 Y pasamos de no poder marcar nada a poder marcar 33%, incluso colorearles 616 00:38:02,249 --> 00:38:06,582 con una certeza muy elevada, secciones predichas como escritas con 617 00:38:06,582 --> 00:38:10,782 inteligencia artificial, con tan solo unir algunas viñetas aquí. 618 00:38:11,465 --> 00:38:15,865 Entonces, de vuelta, la idea de mostrarles este ejemplo es reforzar 619 00:38:15,865 --> 00:38:20,531 la idea de que es bueno que ustedes ayuden al reporte a que les ayude a 620 00:38:20,531 --> 00:38:24,931 partir de la certeza de que con trabajo escrito en prosa el reporte 621 00:38:24,931 --> 00:38:29,265 funciona mucho mejor y puede ofrecerles un mayor soporte a la hora 622 00:38:29,265 --> 00:38:32,531 de ofrecerles predicciones. 623 00:38:33,031 --> 00:38:35,964 Ahora bien, vamos a ver otra pregunta típica. 624 00:38:36,535 --> 00:38:41,001 ¿El reporte de Tunitin detectaría un texto generado con inteligencia 625 00:38:41,001 --> 00:38:45,601 artificial, por ejemplo, a manera de inspiración, pero luego reescrito 626 00:38:45,601 --> 00:38:47,607 completamente por un ser humano y viceversa? 627 00:38:48,107 --> 00:38:52,773 El reporte no va a colorear textos escritos por humanos, incluso si los 628 00:38:52,773 --> 00:38:57,076 mismos son levemente corregidos por inteligencia artificial, por ejemplo, 629 00:38:57,096 --> 00:38:59,162 Y aquí respondo una pregunta... 630 00:38:59,879 --> 00:39:04,212 de, por ejemplo, María Pilar Rodríguez González, que escribió que, 631 00:39:04,212 --> 00:39:09,145 en línea con la pregunta anterior, si un estudiante utiliza la inteligencia 632 00:39:09,145 --> 00:39:13,812 artificial para mejorar su texto, es decir, escribe su texto y luego lo 633 00:39:13,812 --> 00:39:15,812 mejora, ¿vamos a detectar eso? 634 00:39:16,682 --> 00:39:20,868 Bueno, esto es una gran pregunta y es lo que más o menos intentamos abordar 635 00:39:21,489 --> 00:39:26,289 En principio no, pero depende qué es la corrección que haga el estudiante 636 00:39:26,289 --> 00:39:27,437 y es por eso que el rol del docente es tan importante. 637 00:39:28,058 --> 00:39:30,395 Si un estudiante escribe un texto, 638 00:39:30,895 --> 00:39:35,761 y luego utiliza ChatGPT para corregir la gramática, o si utiliza Grammarly 639 00:39:35,761 --> 00:39:40,361 en su versión, no la paga, la versión que corrige gramática solamente, 640 00:39:40,361 --> 00:39:42,660 nosotros no vamos a colorear nada de eso. 641 00:39:43,467 --> 00:39:48,200 Sin embargo, estas herramientas de corrección de texto como Grammarly en 642 00:39:48,200 --> 00:39:52,333 su versión Premium o cuando se le pide a ChatGPT que corrija la 643 00:39:52,333 --> 00:39:56,600 gramática, pero aparte, si los estudiantes le piden que mejore el 644 00:39:56,600 --> 00:40:01,200 texto, que lo haga más fluido, que mejore su coherencia y su cohesión, 645 00:40:00,031 --> 00:40:04,031 [Fernando Pescador]: de texto editado y corregido por herramientas de inteligencia 646 00:40:01,200 --> 00:40:06,000 por ejemplo, su estilo de escritura, ese tipo de solicitudes va a generar 647 00:40:04,031 --> 00:40:08,831 artificial va a depender del grado de modificación que estas herramientas 648 00:40:06,000 --> 00:40:11,891 que estas herramientas modifiquen el texto humano 649 00:40:08,831 --> 00:40:11,745 hayan realizado en el texto luego que los estudiantes le pidieron que lo 650 00:40:12,012 --> 00:40:13,278 ¿Por qué digo esto? 651 00:40:12,391 --> 00:40:15,054 y agreguen texto generado por inteligencia artificial. 652 00:40:13,394 --> 00:40:17,527 Porque, por ejemplo, con Grammarly, cuando Grammarly sugiere no 653 00:40:15,538 --> 00:40:21,671 Y entonces, que nosotros marquemos o no ese tipo 654 00:40:17,527 --> 00:40:21,994 correcciones gramaticales, pero sugiere textos enteros o sugerencias 655 00:40:21,994 --> 00:40:26,594 de texto para modificar el estilo entero de escritorio en una sección, 656 00:40:26,594 --> 00:40:29,079 esas sugerencias que hace, las hace desde inteligencia artificial. 657 00:40:29,380 --> 00:40:32,164 Son generadas por inteligencia artificial y sugeridas a ustedes. 658 00:40:32,144 --> 00:40:36,877 Y entonces, cuando ustedes aceptan, están incorporando texto escrito por 659 00:40:36,877 --> 00:40:41,477 inteligencia artificial en su propio texto y ese texto generado por IA 660 00:40:41,477 --> 00:40:43,410 está reemplazando el texto que ustedes escribieron. 661 00:40:43,811 --> 00:40:48,277 Cuando esto sucede, nosotros eso lo vamos a detectar porque es texto 662 00:40:48,277 --> 00:40:51,368 generado por inteligencia artificial que reemplazó al texto humano. 663 00:40:51,348 --> 00:40:53,191 Lo mismo pasa a veces con ChatGPT. 664 00:40:53,832 --> 00:40:58,365 Si ustedes le piden que corrija la gramática pero que no modifique el 665 00:40:58,365 --> 00:41:03,098 estilo del texto, es muy probable que nosotros detectemos 0% o quizás un 666 00:41:03,098 --> 00:41:04,687 asterisco, porque notamos algo. 667 00:41:05,368 --> 00:41:10,101 Pero si ustedes le piden que mejore el texto, que lo corrija, que mejore 668 00:41:10,101 --> 00:41:10,656 el estilo, etc., 669 00:41:10,872 --> 00:41:15,338 le están abriendo la puerta para que corrija el texto y modifique su 670 00:41:15,338 --> 00:41:17,928 escritura humana por escritura generada por inteligencia artificial. 671 00:41:18,209 --> 00:41:21,255 Y ahí sí lo vamos a marcar, con distintos porcentajes. 672 00:41:21,596 --> 00:41:23,100 Pero esto pasa habitualmente. 673 00:41:23,440 --> 00:41:28,040 Y es una gran pregunta, y esto pasa habitualmente porque es uno de los 674 00:41:28,040 --> 00:41:29,995 típicos problemas que sucede con estudiantes. 675 00:41:29,975 --> 00:41:34,375 Cuando se les pregunta por un reporte, los estudiantes explican que 676 00:41:34,375 --> 00:41:38,387 ellos hicieron el trabajo, pero que utilizaron Grammarly o ChatGPT para 677 00:41:39,088 --> 00:41:43,954 Y luego de que el docente se siente y conversa con los estudiantes de cara 678 00:41:43,954 --> 00:41:48,642 al texto, esto pasa con clientes, lo que me han comentado, y el estudiante 679 00:41:48,908 --> 00:41:53,441 Lo que sucede, lo que emerge, es que el estudiante quizás no sabía la 680 00:41:53,441 --> 00:41:57,774 problemática de utilizar estas herramientas para corregir algo más 681 00:41:57,774 --> 00:42:01,125 que la gramática, sino que para mejorar el estilo de escritura, para 682 00:42:01,165 --> 00:42:04,898 Ese tipo de sugerencias son disparadores de un reporte de 683 00:42:04,898 --> 00:42:06,833 inteligencia artificial de Turnitin. 684 00:42:07,213 --> 00:42:11,946 Es por eso que insistimos siempre, no utilizar el reporte como un filtro 685 00:42:11,946 --> 00:42:13,482 que diga sí o no, culpable o no. 686 00:42:13,462 --> 00:42:18,328 sino utilizarlo como una herramienta, porque detrás del reporte con un 90% 687 00:42:18,328 --> 00:42:22,728 de escritura con inteligencia artificial, puede haber un alumno que 688 00:42:22,728 --> 00:42:27,262 no sabía que pedir la chat GPT, mejorar el estilo de escritura, iba a 689 00:42:27,262 --> 00:42:29,128 generar ese tipo de reporte. 690 00:42:30,067 --> 00:42:33,393 Y espero que esto responda a la pregunta. 691 00:42:33,893 --> 00:42:34,914 Veo otra pregunta también. 692 00:42:34,994 --> 00:42:39,460 Voy a empezar a responder algunas preguntas ahora, así no dejo todas 693 00:42:39,460 --> 00:42:39,982 para el final y tenemos unos minutos extra. 694 00:42:40,443 --> 00:42:45,130 Veo otra pregunta también de Enrique García que pregunta si se considera 695 00:42:45,630 --> 00:42:48,096 En principio mi comprensión es que no. 696 00:42:48,795 --> 00:42:49,376 ¿Por qué? 697 00:42:49,396 --> 00:42:54,196 Porque tengo entendido que DeepL no utiliza inteligencia artificial, pero 698 00:42:54,196 --> 00:42:55,746 en esto puedo estar yo equivocado. 699 00:42:56,246 --> 00:42:58,102 La cuestión es la siguiente. 700 00:42:58,602 --> 00:43:03,335 ¿El traductor que sus estudiantes o ustedes utilizan es un traductor por 701 00:43:03,335 --> 00:43:04,892 inteligencia artificial o no? 702 00:43:04,912 --> 00:43:08,178 Si la respuesta es sí, entonces la respuesta es sí, lo vamos a detectar. 703 00:43:08,458 --> 00:43:12,924 Porque cuando hagan la traducción, nosotros vamos a entender que esa 704 00:43:12,924 --> 00:43:16,672 traducción va a ser generada por IA y vamos a encontrar esos patrones de 705 00:43:17,253 --> 00:43:20,057 Si la respuesta es no, entonces nosotros no lo vamos a detectar. 706 00:43:20,698 --> 00:43:24,698 En rasgos generales solíamos no detectar, por ejemplo, Google 707 00:43:24,698 --> 00:43:24,745 Translator. 708 00:43:24,725 --> 00:43:28,325 Lo que sucede es que estas herramientas de inteligencia 709 00:43:28,325 --> 00:43:32,925 artificial avanzan todo el tiempo y muchas veces se implementan de una 710 00:43:32,925 --> 00:43:37,658 manera que no es quizás tan evidente para nosotros o que nos lo perdemos 711 00:43:37,658 --> 00:43:42,325 en algún momento en el periodo de incorporación de estas herramientas y 712 00:43:42,325 --> 00:43:46,058 quizás estamos dejando que inteligencia artificial genere 713 00:43:46,058 --> 00:43:48,015 traducciones que antes nosotros no creíamos que iban a suceder. 714 00:43:48,620 --> 00:43:53,353 ahora bien ahí dice el plagio también lo detecta es una pregunta de Luis 715 00:43:53,353 --> 00:43:58,286 Alberto veo que han respondido muchas gracias por la respuesta por ayudarme 716 00:43:58,286 --> 00:44:02,886 con estas preguntas dice el plagio también lo detecta y si es así dice 717 00:44:02,886 --> 00:44:07,286 donde bueno en los reportes de similitud ustedes tienen en el nuevo 718 00:44:07,286 --> 00:44:11,953 reporte de similitud que ustedes ven aquí van a tener similitud textual 719 00:44:11,953 --> 00:44:16,353 déjenme abrir el archivo aquí en español mejor antes que es un poco 720 00:44:16,353 --> 00:44:16,669 más claro 721 00:44:17,206 --> 00:44:21,672 En un reporte de similitud, una nueva versión, van a tener similitud 722 00:44:21,672 --> 00:44:24,098 textual aquí e inteligencia artificial aquí. 723 00:44:24,378 --> 00:44:28,978 Van a tener los dos reportes y pueden tener 100% de uno y 100% de otro 724 00:44:28,978 --> 00:44:31,131 tranquilamente. 725 00:44:31,631 --> 00:44:31,912 ¿Por qué? 726 00:44:31,992 --> 00:44:34,918 Porque los reportes buscan cosas distintas. 727 00:44:35,418 --> 00:44:39,618 El reporte de similitud busca similitudes textuales y se compara 728 00:44:39,618 --> 00:44:41,408 con la base de datos de Turnitin. 729 00:44:41,692 --> 00:44:46,225 Supongamos que yo genero un texto que tiene, a ver, no sé si tengo un 730 00:44:46,225 --> 00:44:49,846 ejemplo aquí de 100%, aquí tengo un ejemplo fantástico para mostrarles. 731 00:44:50,507 --> 00:44:55,107 Este texto, disculpas de vuelta que esté en inglés, pero los ejemplos, 732 00:44:55,107 --> 00:44:56,738 siempre lo mejor es mostrarles ejemplos reales. 733 00:44:57,238 --> 00:45:01,904 Este ejemplo, como ustedes ven, tiene porcentaje de similitud de 100% y 734 00:45:01,904 --> 00:45:04,651 porcentaje de escritura con inteligencia artificial de 100%. 735 00:45:04,671 --> 00:45:05,271 ¿Por qué? 736 00:45:05,452 --> 00:45:09,252 Yo este texto lo generé con inteligencia artificial, 100%. 737 00:45:09,301 --> 00:45:13,567 Y aparece, como ven que tiene prosa y todo, aparece todo marcado, 738 00:45:13,567 --> 00:45:14,594 correctamente detectado. 739 00:45:15,276 --> 00:45:18,564 Sin embargo, este texto yo también lo guardé en la base de datos de 740 00:45:19,105 --> 00:45:21,992 Y entonces cuando generé este nuevo reporte... 741 00:45:22,360 --> 00:45:26,760 El reporte de similitud me encontró el mismo texto con anterioridad 742 00:45:26,760 --> 00:45:28,647 presentado y por lo tanto marcó similitud textual de 100%. 743 00:45:29,147 --> 00:45:30,909 Porque los reportes buscan cosas distintas. 744 00:45:31,469 --> 00:45:35,894 Si el texto fue guardado en la base de datos o tiene copiado y pegado, lo 745 00:45:36,834 --> 00:45:40,900 Si aparte fue generado con inteligencia artificial, también lo 746 00:45:40,900 --> 00:45:43,261 vamos a encontrar cuando, como les expliqué, las condiciones están 747 00:45:43,281 --> 00:45:46,545 Y espero que esto responda a la pregunta. 748 00:45:47,045 --> 00:45:47,986 [Gustavo Montagna Von Zeschau]: Gustavo, perdona que te interrumpa un segundo. 749 00:45:48,006 --> 00:45:49,347 Solamente por clarificar... 750 00:45:49,799 --> 00:45:54,265 El reporte de similitud, como tú lo denominas, es lo que ya teníamos 751 00:45:54,265 --> 00:45:58,465 contratado con Turnitin a años anteriores y lo que probablemente 752 00:45:58,465 --> 00:46:00,334 muchos de los profesores conocen. 753 00:46:01,035 --> 00:46:02,998 Eso sigue estando y es igual que siempre. 754 00:46:03,218 --> 00:46:07,884 No hemos entrado hoy en explicarlo porque ya es conocido y es lo que se 755 00:46:07,884 --> 00:46:09,007 añade. 756 00:46:09,507 --> 00:46:12,151 Y también es una pregunta que nos han hecho en el chat. 757 00:46:12,351 --> 00:46:16,817 Es a partir del 1 de diciembre, que es cuando ha entrado en vigor la 758 00:46:16,817 --> 00:46:17,258 nueva licencia que hemos adquirido. 759 00:46:17,947 --> 00:46:22,116 es la posibilidad de hacer la búsqueda de textos escritos con IA. 760 00:46:22,477 --> 00:46:26,743 Ahora eso ya está disponible, si entráis en Moodle, pasa que solo 761 00:46:26,743 --> 00:46:31,416 lleva unos días funcionando y tampoco le habíamos dado mucha publicidad, 762 00:46:31,496 --> 00:46:35,905 Con lo cual, ahora mismo ya tenemos las dos cosas, no hay que hacer nada 763 00:46:36,188 --> 00:46:40,988 habilitar una u otra, sino que ambas están habilitadas desde el principio 764 00:46:40,988 --> 00:46:45,721 y ya cada uno analiza si quiere mirar el reporte de similitud, que es el 765 00:46:45,721 --> 00:46:50,455 plagio tradicional de textos copiados de otros sitios, etcétera, etcétera, 766 00:46:50,955 --> 00:46:52,738 Disculpa, pierdo el paréntesis, Gustavo. 767 00:46:52,758 --> 00:46:58,487 [Fernando Pescador]: No, muchas gracias por la clarificación. 768 00:46:58,987 --> 00:47:01,091 Ahora, veo una pregunta que dice Josué Pagán. 769 00:47:01,232 --> 00:47:05,765 Si el modelo no incluye texto no prosa, como bullets o numerados, que 770 00:47:05,765 --> 00:47:06,523 es muy típico de LMS. 771 00:47:06,543 --> 00:47:07,445 Exacto, tal cual. 772 00:47:07,865 --> 00:47:12,198 Un trabajo hecho con creadores de LMS que sea con poca prosa no lo 773 00:47:12,198 --> 00:47:17,285 detectará. 774 00:47:17,785 --> 00:47:19,668 Claro, bueno, es una gran pregunta. 775 00:47:20,449 --> 00:47:22,853 Depende la cantidad de texto que no sea en prosa. 776 00:47:23,313 --> 00:47:27,761 Básicamente lo que preguntan aquí es si el texto tiene mucho texto en 777 00:47:28,261 --> 00:47:32,861 Y digo, si el texto tiene mucho texto con viñetas, bullet points o con 778 00:47:32,861 --> 00:47:33,769 subtítulos cortos. 779 00:47:33,790 --> 00:47:35,323 ¿Y poco texto en prosa? 780 00:47:35,973 --> 00:47:37,373 ¿No lo va a detectar? 781 00:47:37,395 --> 00:47:38,987 Bueno, depende. 782 00:47:39,487 --> 00:47:43,553 Si el texto que tiene en prosa, aunque es poco, supera las 300 783 00:47:43,553 --> 00:47:48,087 palabras, vamos a poder correr el reporte de inteligencia artificial. 784 00:47:48,944 --> 00:47:53,072 Pero, por supuesto, el total va a ser limitado al texto en prosa. 785 00:47:53,573 --> 00:47:55,978 El reporte va a analizar esa sección de texto nada más. 786 00:47:56,358 --> 00:47:58,958 Y como sí les mencioné con anterioridad, 787 00:47:58,943 --> 00:48:03,609 Si solamente tiene 300 palabras, es posible que el reporte funcione más 788 00:48:03,609 --> 00:48:08,409 bien a un todo o nada en esa sección en prosa, marcando un porcentaje muy 789 00:48:08,409 --> 00:48:12,943 elevado por unas pocas secciones coloreadas, porque en realidad en el 790 00:48:12,943 --> 00:48:17,476 fondo tienen que entender que el trabajo funciona solamente con texto 791 00:48:17,476 --> 00:48:21,773 en prosa y que texto que es en viñetas no va a ser incluido, aunque 792 00:48:22,273 --> 00:48:23,635 Es una gran pregunta. 793 00:48:24,391 --> 00:48:26,924 En principio, la respuesta es la misma. 794 00:48:27,437 --> 00:48:29,883 Espero con esto responder la pregunta de Josué. 795 00:48:30,383 --> 00:48:34,649 Cuanto más texto en viñetas y subtítulos tengan, menor certeza en 796 00:48:34,649 --> 00:48:37,916 el reporte de inteligencia artificial van a tener. 797 00:48:38,058 --> 00:48:40,643 Cuanto más texto en prosa tengan, mayor certeza. 798 00:48:40,823 --> 00:48:45,542 Esta es la respuesta correcta para este tipo de pregunta. 799 00:48:46,042 --> 00:48:50,175 Antes de pasar a otras preguntas que veo, ahora voy a continuar 800 00:48:50,175 --> 00:48:50,286 conversando. 801 00:48:50,306 --> 00:48:54,371 Quiero mencionarles una pregunta típica aquí. 802 00:48:54,871 --> 00:48:55,952 Esta posición ya la vimos. 803 00:48:55,972 --> 00:48:57,494 Este tipo de preguntas. 804 00:48:57,514 --> 00:49:01,714 ¿Pueden aparecer similitudes textuales e inteligencia artificial 805 00:49:01,714 --> 00:49:02,199 coloreados en una misma sección del texto? 806 00:49:02,379 --> 00:49:03,060 Sí, por supuesto. 807 00:49:03,080 --> 00:49:05,522 Ya les expliqué que el reporte busca cosas distintas. 808 00:49:05,843 --> 00:49:10,243 Como vimos, es ejemplo de 100% de inteligencia artificial y 100% de 809 00:49:10,243 --> 00:49:10,709 plagio. 810 00:49:11,388 --> 00:49:15,788 Y otra opción que yo les quiero conversar aquí y les quiero mostrar 811 00:49:15,788 --> 00:49:20,588 es este trabajo de aquí que está en inglés, que yo lo escribí y lo generé 812 00:49:20,588 --> 00:49:24,721 con inteligencia artificial, pero luego en esta sección aquí la 813 00:49:24,721 --> 00:49:28,588 parafrasea entera la escribí completamente esta sección que 814 00:49:28,588 --> 00:49:32,589 ustedes ven aquí en cursiva. 815 00:49:33,089 --> 00:49:34,053 ¿Por qué sucedió esto? 816 00:49:34,093 --> 00:49:35,158 ¿Por qué yo hice este ejemplo? 817 00:49:35,178 --> 00:49:39,844 Para mostrarles que si yo utilizo inteligencia artificial para escribir 818 00:49:39,844 --> 00:49:43,778 un borrador y luego parafraseé un texto entero y lo modifico 819 00:49:43,778 --> 00:49:50,048 consistentemente con escritura humana, el sistema no lo va a 820 00:50:00,031 --> 00:50:00,452 [Fernando Pescador]: detectar. 821 00:50:00,812 --> 00:50:05,412 El sistema detectó esta sección aquí escrita por ChatGPT, esto que fue 822 00:50:05,412 --> 00:50:10,078 parafraseado por mí y en realidad completamente reescrito por mí, no lo 823 00:50:10,078 --> 00:50:14,878 marcó de la misma manera que no marcó muchas secciones de estas viñetas y 824 00:50:14,878 --> 00:50:18,782 recién volvió a marcar luego Mosquito con Inteligencia Artificial el resto 825 00:50:18,762 --> 00:50:23,428 Este trabajo que les estoy mostrando fue 100% generado por inteligencia 826 00:50:23,428 --> 00:50:27,762 artificial con la única diferencia que yo modifiqué y reescribí la 827 00:50:27,762 --> 00:50:30,735 sección que está en cursiva, que es la parte que este reporte no detectó. 828 00:50:31,156 --> 00:50:36,089 Y esto lo marco para enfatizar que si algún estudiante o a veces sucede que 829 00:50:36,089 --> 00:50:40,289 alguien dice que utilizaron inteligencia artificial para generar 830 00:50:40,289 --> 00:50:45,089 una especie de esquema y luego ellos lo escribieron, en principio nuestro 831 00:50:45,089 --> 00:50:48,094 reporte no debería marcar eso, porque si ellos lo escribieron no lo debería 832 00:50:48,074 --> 00:50:52,740 Es decir, siempre es bueno entender que el reporte es muy certero en el 833 00:50:52,740 --> 00:50:59,293 sentido de no marcar secciones que fueron escritas por un ser humano, 834 00:50:59,793 --> 00:51:00,295 Ahora bien... 835 00:51:01,253 --> 00:51:04,919 Voy a moverme a otra cuestión aquí, una última pregunta. 836 00:51:04,977 --> 00:51:08,777 ¿Cómo podemos entablar una conversación con un alumno cuyo 837 00:51:08,777 --> 00:51:12,906 trabajo presenta una probabilidad muy alta de haber sido generado con 838 00:51:13,066 --> 00:51:16,390 Típica pregunta que es problemática y ya esta es la última. 839 00:51:16,470 --> 00:51:20,736 Vamos a pasar luego a algunas preguntas que quedan pendientes del 840 00:51:20,736 --> 00:51:24,024 chat. 841 00:51:24,524 --> 00:51:29,390 En las guías y en los recursos que yo les compartí va a haber indicaciones 842 00:51:29,390 --> 00:51:34,057 de cómo hacer esto, pero lo básico o las sugerencias que da Turnitin en 843 00:51:34,057 --> 00:51:37,324 general es prepararse con anterioridad antes de la 844 00:51:37,324 --> 00:51:40,390 conversación, utilizar el reporte de Turnitin como una guía u orientación 845 00:51:40,410 --> 00:51:44,610 Recuerden, no es el único criterio que tiene que utilizarse o no 846 00:51:44,610 --> 00:51:47,823 recomendamos que sea el único criterio utilizado para rechazar o no 847 00:51:48,183 --> 00:51:49,806 Es una herramienta extra. 848 00:51:50,191 --> 00:51:54,857 Luego les recomendamos focalizarse en las secciones coloreadas y buscar 849 00:51:54,857 --> 00:51:57,602 errores típicos de la inteligencia artificial o analizar el estilo de 850 00:51:57,622 --> 00:52:01,822 ¿Les parece que el estilo de escritura es impersonal y es típico 851 00:52:01,822 --> 00:52:01,889 de ChatGPT? 852 00:52:02,330 --> 00:52:06,730 Y aparte tienen el reporte que les dice que en esa zona hubo muchas 853 00:52:06,730 --> 00:52:08,699 secciones que probablemente hayan sido escritas por ChatGPT. 854 00:52:09,040 --> 00:52:13,026 Bueno, ahí ya tienen dos elementos para prepararse para la conversación. 855 00:52:13,006 --> 00:52:17,539 Luego pueden focalizarse en esas secciones y comenzar a preguntarle a 856 00:52:17,539 --> 00:52:21,806 sus estudiantes cómo escribieron esa sección, de dónde obtuvieron 857 00:52:21,806 --> 00:52:22,977 información, hay citas, etc. 858 00:52:23,477 --> 00:52:27,610 Los alumnos cuando han escrito el texto van a poder defender la 859 00:52:27,610 --> 00:52:28,643 escritura del texto y explicarles. 860 00:52:29,163 --> 00:52:33,763 Y en ese tipo de conversaciones lo más probable es que emerja el hecho 861 00:52:33,763 --> 00:52:36,111 de que el estudiante utilizó inteligencia artificial. 862 00:52:36,091 --> 00:52:40,757 hasta algún cierto punto, quizás de manera sin saber, inconsciente, por 863 00:52:40,757 --> 00:52:44,824 el hecho de Grammarly que les mencioné o ChatGPT, o por ahí el 864 00:52:44,824 --> 00:52:47,967 estudiante va a admitir un cierto grado de utilización de inteligencia 865 00:52:47,987 --> 00:52:52,853 Pero ustedes tienen una preparación y un soporte aquí para prepararse para 866 00:52:52,853 --> 00:52:56,520 esas conversaciones y fundamentalmente ustedes conocen a 867 00:52:56,520 --> 00:53:00,987 sus estudiantes y saben o reconocen su estilo de escritura y cómo se 868 00:53:00,987 --> 00:53:03,448 relacionan con el uso de inteligencia artificial. 869 00:53:03,428 --> 00:53:08,094 Esto es el elemento fundamental, la preparación previa y la utilización 870 00:53:08,094 --> 00:53:12,228 del reporte en términos de orientación es muy importante, sobre 871 00:53:12,228 --> 00:53:15,022 todo, por ejemplo, para las típicas alucinaciones que tiene la 872 00:53:15,423 --> 00:53:20,223 Ejemplos que no corresponden o que no son correctos o que no se ajustan a 873 00:53:20,223 --> 00:53:22,532 lo que se les preguntó. 874 00:53:23,032 --> 00:53:27,448 Déjenme mostrarles un ejemplo aquí. 875 00:53:27,948 --> 00:53:30,120 Vamos a venir un poco aquí abajo. 876 00:53:30,620 --> 00:53:35,413 Básicamente, aquí, esta cuestión, por ejemplo. 877 00:53:35,913 --> 00:53:37,455 Esto viene de mi área de especialización. 878 00:53:37,535 --> 00:53:39,978 Yo vengo del ámbito de la historia medieval. 879 00:53:40,478 --> 00:53:43,681 Y le pedí a ChatGPT que escriba algo relacionado a mi temática. 880 00:53:43,701 --> 00:53:48,034 Y aquí, por ejemplo, me dio un ejemplo que no se ajusta en nada al 881 00:53:48,034 --> 00:53:50,589 ámbito geográfico que yo le pedí que me hablara. 882 00:53:51,109 --> 00:53:55,709 Porque fui muy claro con mi pedido y a veces ChatGPT sucede que agrega 883 00:53:55,709 --> 00:53:59,338 información tomada de distintos lugares y no se ajusta a lo que uno 884 00:53:59,318 --> 00:54:02,883 Uno podría preguntarse por qué este ejemplo terminó apareciendo aquí. 885 00:54:02,903 --> 00:54:05,686 ¿No se ajusta cronológicamente, geográficamente? 886 00:54:05,706 --> 00:54:06,868 ¿Y entonces qué sucede? 887 00:54:06,888 --> 00:54:08,930 Bueno, aquí tenemos una indicación. 888 00:54:09,271 --> 00:54:13,537 El reporte dice que hubo mucha probabilidad de que esto haya sido 889 00:54:13,537 --> 00:54:13,896 escrito con inteligencia artificial en esta sección. 890 00:54:14,457 --> 00:54:19,057 Entonces ya tengo un ejemplo que no está citado, no tiene referencias, 891 00:54:19,057 --> 00:54:20,705 que no se ajusta a lo pedido. 892 00:54:21,025 --> 00:54:25,011 Ya tenemos muchos elementos aquí para analizar esto. 893 00:54:25,511 --> 00:54:27,013 Y esto es una sugerencia. 894 00:54:27,331 --> 00:54:30,659 Ahora bien, ya estoy por terminar. 895 00:54:31,159 --> 00:54:32,843 Me quedan algunas preguntas pendientes. 896 00:54:32,903 --> 00:54:36,769 Me preguntan cómo se comporta la predicción de Tunitin ante 897 00:54:36,769 --> 00:54:41,262 herramientas de humanización como los Human Bots. 898 00:54:41,762 --> 00:54:46,428 Voy a copiar y pegar esta respuesta aquí, si puedo, para que ustedes... 899 00:54:46,428 --> 00:54:46,673 Perdón. 900 00:54:47,092 --> 00:54:48,895 Aquí no copié el texto correspondiente. 901 00:54:49,235 --> 00:54:55,165 Disculpen, esta es una encuesta de satisfacción que luego voy a 902 00:54:55,665 --> 00:54:56,606 Y no me lo está copiando. 903 00:54:56,807 --> 00:54:58,007 Disculpen por eso. 904 00:54:58,629 --> 00:55:00,272 No me deja copiar del chat. 905 00:55:00,292 --> 00:55:02,175 Bueno, vamos a borrar esto entonces. 906 00:55:02,255 --> 00:55:02,936 Disculpen por eso. 907 00:55:02,956 --> 00:55:05,540 A veces yo en mis funciones puedo copiar del chat de Zoom. 908 00:55:06,060 --> 00:55:06,922 No sé por qué no me deja. 909 00:55:07,503 --> 00:55:12,036 La pregunta de Agustín Rodríguez sobre cómo se comporta la predicción 910 00:55:12,036 --> 00:55:14,533 de Turnitin ante las herramientas de humanización como los Human Bots. 911 00:55:14,817 --> 00:55:19,350 En junio o julio de este año lanzamos una actualización para detectar 912 00:55:19,350 --> 00:55:22,017 humanizadores de inteligencia artificial. 913 00:55:22,734 --> 00:55:26,600 Nuestro modelo se actualiza constantemente y de cara a 2026 914 00:55:26,600 --> 00:55:30,667 estamos trabajando para comenzar a actualizarlo y a corregirlo 915 00:55:30,667 --> 00:55:30,931 mensualmente. 916 00:55:30,971 --> 00:55:33,957 Todavía no, de momento tenemos actualizaciones anuales. 917 00:55:33,937 --> 00:55:38,107 Tres en el año 2023, dos en 2024, dos en 2025. 918 00:55:38,607 --> 00:55:42,807 Actualizamos constantemente nuestro modelo para incorporar estos 919 00:55:42,807 --> 00:55:43,096 humanizadores. 920 00:55:43,658 --> 00:55:48,458 Lo actualizamos recientemente en el verano para poder detectar esta nueva 921 00:55:48,458 --> 00:55:50,933 ronda de humanizadores que emergió, que se hizo muy famosa. 922 00:55:50,913 --> 00:55:55,246 Lo actualizamos acertadamente, con buenos resultados, pero vamos a 923 00:55:55,246 --> 00:55:59,464 seguir actualizándolo todo el tiempo cada vez que encontremos algo. 924 00:55:59,965 --> 00:56:04,565 Siempre sus recomendaciones, si hay un texto que ustedes entienden que 925 00:56:04,565 --> 00:56:08,431 fue generado por inteligencia artificial y algo no apareció 926 00:56:08,431 --> 00:56:11,920 marcado, siempre pueden compartirlo con soporte técnico para que nosotros 927 00:56:12,000 --> 00:56:16,772 Pero sí, lo entrenamos para detectar humanizadores. 928 00:56:17,272 --> 00:56:20,439 Aquí veo algunos comentarios. 929 00:56:20,939 --> 00:56:25,739 Que una correcta diferencia, gracias, entre la idea de normativa y lo que 930 00:56:25,739 --> 00:56:31,739 es el propósito de Turnitin. 931 00:56:32,239 --> 00:56:36,905 El reporte de inteligencia artificial está incorporado en Moodle, forma 932 00:56:36,905 --> 00:56:38,372 parte de sus reportes. 933 00:56:38,450 --> 00:56:43,383 Una vez que ustedes accedan a Moodle, dentro de un reporte de similitud van 934 00:56:43,383 --> 00:56:47,716 a poder acceder al reporte de inteligencia artificial, dependiendo 935 00:56:47,716 --> 00:56:52,952 del tipo de reporte de similitud que estén viendo, pero la opción siempre 936 00:56:53,452 --> 00:56:57,585 Veo una pregunta que dice, primero tenemos que pasarlo por otra 937 00:56:57,585 --> 00:56:59,180 herramienta para que ponga en prosa esta respuesta. 938 00:56:59,200 --> 00:57:03,333 Yo no lo recomendaría, no recomendaría modificar el texto de un 939 00:57:03,333 --> 00:57:04,527 estudiante para poder analizarlo. 940 00:57:04,948 --> 00:57:09,281 Mi recomendación sería que tengan unos criterios bastante claros y 941 00:57:09,281 --> 00:57:10,715 transparentes con respecto al tipo de texto que esperan. 942 00:57:11,056 --> 00:57:15,241 Así el reporte de inteligencia artificial puede ayudarles en esto. 943 00:57:15,261 --> 00:57:17,164 Veo que hay muchas preguntas en el chat. 944 00:57:17,144 --> 00:57:19,708 Pido disculpas, no quiero excederme mucho con el tiempo. 945 00:57:19,748 --> 00:57:24,917 Estoy contento de responder estas preguntas. 946 00:57:25,417 --> 00:57:29,817 [Gustavo Montagna Von Zeschau]: Gustavo, yo estoy siguiendo las preguntas en el chat y respondiendo 947 00:57:29,817 --> 00:57:30,887 las que me siento capaz, que no son todas. 948 00:57:31,387 --> 00:57:35,787 Hay alguna aquí que me parece especialmente relevante, que engancha 949 00:57:35,787 --> 00:57:39,540 con los últimos cinco minutos que os queremos contar un detalle. 950 00:57:39,520 --> 00:57:43,586 Y él dice, para tomar decisiones basadas en IA, tienen que ser 951 00:57:43,586 --> 00:57:43,826 explicables. 952 00:57:43,867 --> 00:57:48,400 El reporte de información técnica, que nos sirve para fundamentar con 953 00:57:48,400 --> 00:57:53,000 nuestro criterio que un texto está generado con un modelo de lenguaje, 954 00:57:53,000 --> 00:57:55,400 entiendo que la respuesta es que no. 955 00:57:56,145 --> 00:58:01,078 O sea, no quiero decir, el reporte da información de dónde se han detectado 956 00:58:01,078 --> 00:58:05,811 determinadas cosas, pero digamos, ya ahí es una cuestión del profesorado 957 00:58:05,811 --> 00:58:07,843 en el que 958 00:58:08,343 --> 00:58:13,009 conversación con el estudiante o de algún modo toma decisiones respecto 959 00:58:13,009 --> 00:58:13,743 al reporte. 960 00:58:14,737 --> 00:58:17,523 O sea, el reporte no nos da las decisiones a tomar. 961 00:58:18,506 --> 00:58:23,172 Y de hecho ahí engancha con un tema que queríamos comentar para acabar, 962 00:58:23,172 --> 00:58:28,430 que es el tema de la legislación europea sobre qué cosas y qué... 963 00:58:28,930 --> 00:58:33,596 O sea, qué cosas sí, qué cosas no se pueden hacer con estos informes de 964 00:58:33,596 --> 00:58:33,857 detección de inteligencia artificial. 965 00:58:34,377 --> 00:58:36,481 Así que esa pregunta la contestamos ahora. 966 00:58:36,981 --> 00:58:41,781 Por lo demás, creo que la mayor parte de las preguntas tienen que ver con 967 00:58:41,781 --> 00:58:42,648 las licencias, cómo se usa. 968 00:58:42,668 --> 00:58:47,268 En ese sentido, quedamos a vuestra disposición a través de los canales 969 00:58:47,268 --> 00:58:51,468 habituales del GATE, que es quien está un poco gestionando estas 970 00:58:51,468 --> 00:58:53,001 herramientas en Moodle. 971 00:58:53,062 --> 00:58:57,795 Sonia ha puesto algún enlace en el chat de dónde podéis hacer consultas, 972 00:58:57,795 --> 00:59:00,462 dónde podéis mirar información adicional. 973 00:59:00,830 --> 00:59:04,830 Y yo creo que a través de ahí cualquier duda sobre el uso que 974 00:59:04,830 --> 00:59:09,096 podamos hacer en la UPM de estas herramientas, pues os las pueden 975 00:59:09,096 --> 00:59:10,230 resolver por ahí. 976 00:59:10,801 --> 00:59:15,134 Adicionalmente ha comentado Gustavo que hay una serie de recursos, 977 00:59:15,134 --> 00:59:19,667 gracias por ponerme la pantalla, que nos dan un poco más de soporte a 978 00:59:19,667 --> 00:59:21,533 estas cosas que estamos intentando desarrollar. 979 00:59:22,002 --> 00:59:26,735 demostrar hoy cómo se calculan los porcentajes de probabilidad y que nos 980 00:59:26,735 --> 00:59:31,402 pueden ayudar también en el caso de tener un conflicto con un trabajo y 981 00:59:31,402 --> 00:59:35,815 un estudiante, pues a justificarle algunas cosas, pero no dejan de ser 982 00:59:35,835 --> 00:59:40,635 Y por lo demás, ya digo, a través del correo gate.upm.es, pues os podemos 983 00:59:40,635 --> 00:59:42,583 atender. 984 00:59:43,083 --> 00:59:47,549 Comentaros que desde el día uno, no es muchos días, porque además ha 985 00:59:47,549 --> 00:59:48,668 habido por aquí tres días de vacaciones. 986 00:59:49,205 --> 00:59:53,538 Digamos, las personas que están al cargo de la gestión de Moodle y 987 00:59:53,538 --> 00:59:57,871 Turnitin en el pasado han estado haciendo pruebas con estas nuevas 988 00:59:57,871 --> 01:00:02,138 herramientas de IA. 989 01:00:00,031 --> 01:00:04,697 El resultado, y si me corriges Sonia, si digo algo que no es completamente 990 01:00:04,697 --> 01:00:12,035 correcto, es que no hemos detectado falsos positivos, ¿de acuerdo? 991 01:00:12,535 --> 01:00:13,401 ¿Es correcto? 992 01:00:13,878 --> 01:00:18,678 O sea, siempre que nos ha dicho que era IA, era IA, y alguna vez se le ha 993 01:00:18,678 --> 01:00:18,968 colado alguna cosa. 994 01:00:19,117 --> 01:00:23,050 O sea, hemos pasado algún texto generado con IA que no lo ha 995 01:00:23,050 --> 01:00:27,783 detectado como generado con IA, pero como ha comentado antes Gustavo, la 996 01:00:27,783 --> 01:00:32,383 herramienta es conservadora en ese sentido y prefiere no decir que eso 997 01:00:32,383 --> 01:00:35,383 es texto generado a arriesgarse y equivocarse. 998 01:00:35,794 --> 01:00:37,275 Entonces entiendo que eso es así. 999 01:00:38,196 --> 01:00:42,596 Y para cerrar la presentación, Jessica, nos cuentas un pelín, cinco 1000 01:00:42,596 --> 01:00:47,068 minutos, de cómo está el tema de la legislación europea 1001 01:00:47,568 --> 01:00:59,699 en cuanto a qué podemos y qué no podemos hacer para la detección de IA 1002 01:01:00,199 --> 01:01:00,980 [Fernando Pescador]: Sí, no sé si podéis ver en mi pantalla. 1003 01:01:01,000 --> 01:01:01,681 Sí, la vemos. 1004 01:01:01,701 --> 01:01:02,081 Ah, vale, perfecto. 1005 01:01:02,101 --> 01:01:03,302 Pues un segundito, que estaba intentando compartir de nuevo. 1006 01:01:03,322 --> 01:01:07,855 Sí, la presentación que me habéis pedido la colgaremos como todas las 1007 01:01:07,855 --> 01:01:12,522 que hemos hecho en la página donde hemos colgado toda la información de 1008 01:01:12,522 --> 01:01:14,432 los seminarios que hemos ido organizando. 1009 01:01:14,452 --> 01:01:17,355 Ahí está tanto esta como la de todas las sesiones anteriores. 1010 01:01:17,858 --> 01:01:20,403 [Jessica Díaz]: Nada, pues yo muy breve. 1011 01:01:20,903 --> 01:01:25,436 Simplemente indicar que nuestros principios, nuestra misión en cuanto 1012 01:01:25,436 --> 01:01:30,103 a uso de IA, porque como ha dicho Gustavo, esta herramienta es IA, para 1013 01:01:30,103 --> 01:01:34,569 analizar IA, entonces tenemos que estar alineados con la legislación 1014 01:01:34,569 --> 01:01:34,905 europea, que es la IAA, que veis ahí. 1015 01:01:35,307 --> 01:01:39,773 Y esta ley establece eso, el marco regulatorio de cómo nosotros, las 1016 01:01:39,773 --> 01:01:43,097 instituciones educativas, tenemos que abordar la adopción de esta 1017 01:01:43,697 --> 01:01:47,363 Entonces, es muy importante que todos, toda la comunidad 1018 01:01:47,363 --> 01:01:51,363 universitaria, no solamente aprendamos a usar la herramienta, 1019 01:01:51,363 --> 01:01:52,709 sino también a comprender todas las implicaciones éticas y legales. 1020 01:01:53,309 --> 01:01:55,509 Entonces, según la ley europea... 1021 01:01:56,333 --> 01:02:00,818 clasifica el tema de la educación en alto riesgo. 1022 01:02:01,318 --> 01:02:02,659 No sé si la conocéis un poquito. 1023 01:02:02,719 --> 01:02:04,541 Muy brevemente, hay cuatro niveles. 1024 01:02:04,581 --> 01:02:09,967 Sería el mínimo, el limitado, el alto y el inaceptable. 1025 01:02:10,467 --> 01:02:13,010 Entonces, educación se encuentra en el alto. 1026 01:02:13,871 --> 01:02:19,397 Y hay unos casos específicos en los que esta clasificación se fundamenta. 1027 01:02:19,897 --> 01:02:24,363 Y es en todo el tema de sistemas de acceso, admisión que hacemos, de 1028 01:02:24,363 --> 01:02:25,030 matrícula, 1029 01:02:25,342 --> 01:02:29,875 no se podría usar IA, o si se puede usar, teniendo en cuenta todo ese 1030 01:02:29,875 --> 01:02:34,208 alto riesgo y las imposiciones que da esta ley, en los sistemas de 1031 01:02:34,208 --> 01:02:38,408 evaluación, que es en lo que nos encontramos hoy, hay otras para 1032 01:02:38,408 --> 01:02:42,808 evaluar el nivel educativo y otras para controlar el comportamiento 1033 01:02:42,808 --> 01:02:47,275 prohibido cuando hacemos pruebas, por ejemplo, todos los sistemas de 1034 01:02:47,275 --> 01:02:48,243 supervisión de exámenes, biométricos y todo esto. 1035 01:02:48,263 --> 01:02:52,929 Pero vamos, en el que nos encontramos hoy en la evaluación, no se puede 1036 01:02:52,929 --> 01:02:53,728 utilizar o tiene un alto riesgo 1037 01:02:53,962 --> 01:02:54,828 el uso de IA. 1038 01:02:55,285 --> 01:02:59,818 Entonces, como ha dicho Fernando y como ha dicho Gustavo, no se puede 1039 01:02:59,818 --> 01:03:02,981 usar tal cual el informe de Tuniting para suspender a un alumno. 1040 01:03:03,061 --> 01:03:07,927 Lo que nos sirve es como herramienta para interactuar con ese alumno, bien 1041 01:03:07,927 --> 01:03:09,461 como tutor del trabajo, 1042 01:03:10,145 --> 01:03:14,345 O bien, si luego se expone en un tribunal, que el tribunal es el 1043 01:03:14,345 --> 01:03:15,751 momento adecuado para hacer todas esas preguntas. 1044 01:03:15,791 --> 01:03:20,524 O en un paso anterior, los tutores, para interactuar con el alumno y ver 1045 01:03:20,524 --> 01:03:24,924 dónde está ese plagio, no plagio, ese uso de IA, ese no uso, en qué 1046 01:03:24,924 --> 01:03:29,257 términos, si lo ha acreditado, es decir, y las imágenes, si las ha 1047 01:03:29,257 --> 01:03:33,524 generado, no las ha generado, si lo ha puesto, si solamente lo ha 1048 01:03:33,524 --> 01:03:37,083 utilizado para revisión de gramática... 1049 01:03:37,583 --> 01:03:42,249 y todo eso que se ha comentado ya es ir un poco evaluando eso pero como 1050 01:03:42,249 --> 01:03:46,849 tal no se podría utilizar ese informe pero porque lo dice la propia la 1051 01:03:46,849 --> 01:04:00,000 propia ley europea y no sé si con esto aclara o surgen más dudas seguro 1052 01:04:00,000 --> 01:03:56,116 [Fernando Pescador] Surgen más dudas pero digamos esta ley que es de reciente creación 1053 01:03:56,116 --> 01:04:00,649 y que se está empezando a aplicar haremos algún seminario a la vuelta 1054 01:04:00,649 --> 01:04:06,142 de navidades tratando de aclarar 1055 01:04:06,642 --> 01:04:11,375 cuáles son los puntos importantes y que nos están sirviendo también para 1056 01:04:11,375 --> 01:04:15,775 desarrollar una normativa de uso ético de la educación, que es algo 1057 01:04:15,775 --> 01:04:22,382 que tenemos pendiente y que creo que creemos que es bastante importante. 1058 01:04:22,882 --> 01:04:24,464 Por nuestra parte, yo creo que nada más. 1059 01:04:25,084 --> 01:04:26,666 Agradecerte, Gustavo, la presentación. 1060 01:04:26,806 --> 01:04:29,550 Creo que ha sido bastante clara y clarificadora. 1061 01:04:29,590 --> 01:04:34,830 Los compañeros de la universidad, pues estamos... 1062 01:04:35,330 --> 01:04:39,930 a vuestra disposición para aclarar cualquier cosa de estas, contad que 1063 01:04:39,930 --> 01:04:44,530 también estamos aprendiendo, o sea que trataremos de aprender juntos y 1064 01:04:44,530 --> 01:04:49,063 cualquier duda que tengáis a través del correo que os hemos pasado de 1065 01:04:49,063 --> 01:04:49,864 gate.pm.es ahí os tratamos de ayudar. 1066 01:04:49,885 --> 01:04:54,151 Y nada más, pues muchas gracias y como no sé si nos doremos, pues 1067 01:04:54,151 --> 01:04:59,152 Felices Navidades a todos y por si acaso no coincidimos. 1068 01:04:59,652 --> 01:04:58,652 [Gustavo Montagna Von Zeschau] Muchas gracias. 1069 01:04:59,134 --> 01:05:05,400 [Fernando Pescador] Muy bien, pues nada, gracias a todos, hasta luego.