La enseñanza a distancia del Derecho y la IA generativa como desafío para la evaluación de la originalidad académica
Distance Teaching of Law and Generative AI as a Challenge for the Assessment of Academic Originality
DOI: https://doi.org/10.69592/3045-7955-N3-2026-ART-3
Fruela Río Santos
Profesor de Derecho Constitucional
Universidad de Oviedo
Recibido el 2 de diciembre de 2025; aceptado el 20 de julio de 2026.
Sumario: I. Introducción. II. Originalidad académica y evaluación en Derecho a distancia. III. IA generativa y evaluación en línea. IV. Riesgos para la integridad académica. V. Respuestas institucionales y marco normativo. VI. Criterios para una evaluación robusta frente a la IA. VII. Discusión y conclusiones. VIII. Bibliografía.
Resumen: La expansión de la enseñanza a distancia del Derecho se ve tensionada por la irrupción de la IA generativa, que desdibuja las fronteras entre originalidad académica, autoría humana y plagio en la evaluación del estudiantado. A partir de doctrina reciente, documentos institucionales y normativa universitaria, el trabajo identifica los principales usos de la IA generativa en tareas jurídicas en línea y los riesgos que conllevan para la integridad académica, en particular en la elaboración de trabajos, pruebas no presenciales y actividades asincrónicas. A partir de ahí se analizan críticamente las respuestas predominantes de las instituciones —refuerzo de la vigilancia, dependencia de detectores de IA, reformulación de códigos de evaluación— y se muestran sus límites jurídicos y pedagógicos en términos de garantías, proporcionalidad y protección de datos. El estudio concluye proponiendo un marco de principios para diseñar actividades y estrategias evaluativas robustas frente a la IA en titulaciones jurídicas a distancia, que combine la centralidad del juicio académico con un uso formativo, transparente y responsable de la inteligencia artificial generativa.
Palabras clave: integridad académica; evaluación en línea; educación jurídica; inteligencia artificial generativa; enseñanza a distancia.
Abstract: The expansion of distance legal education is being strained by the emergence of generative AI, which blurs the boundaries between academic originality, human authorship and plagiarism in the assessment of students. Drawing on recent scholarship, institutional documents and university regulations, the article identifies the main uses of generative AI in online legal tasks and the risks they pose to academic integrity, particularly in the preparation of coursework, non-invigilated assessments and asynchronous activities. On this basis, it offers a critical analysis of the predominant institutional responses – stepped-up surveillance, dependence on AI detectors and the reformulation of assessment codes – and highlights their legal and pedagogical limits in terms of safeguards, proportionality and data protection. The study concludes by proposing a framework of principles for designing assessment activities and strategies in distance law programmes that are robust in the face of AI, combining the centrality of academic judgement with a formative, transparent and responsible use of generative artificial intelligence.
Keywords: academic integrity; online assessment; legal education; generative artificial intelligence; distance learning.
I. Introducción
La progresiva generalización de la docencia jurídica en formato a distancia y la aparición, casi simultánea, de la inteligencia artificial generativa (IAG) no constituyen una mera coincidencia cronológica ni un fenómeno neutro. Este solapamiento ha alterado de forma acelerada un terreno que, durante décadas, había permanecido relativamente estable; el debate sobre la integridad académica en la universidad. Lo que antes se abordaba como un problema acotado —vinculado al plagio y a ciertas prácticas deshonestas en los exámenes— se ha transformado, en muy poco tiempo, en una cuestión de carácter estructural que obliga a replantear el propio diseño de los sistemas de evaluación, a revisar qué ha de entenderse por originalidad en los trabajos del estudiantado y, en última instancia, a interrogar el sentido formativo que se atribuye hoy a los estudios de Derecho en un entorno digitalizado y mediado por herramientas automatizadas.
Antes incluso de la llegada de la IAG, la doctrina más especializada sobre docencia universitaria a distancia venía subrayando que la virtualización de la evaluación reconfigura las condiciones bajo las cuales se produce el fraude académico. Carabantes Alarcón, al analizar los «nuevos retos en la docencia a distancia», describía cómo la digitalización de exámenes y trabajos abre vías inéditas para la copia, el plagio y los servicios de ghostwriting, y mostraba el papel central de las herramientas antiplagio y de la estilometría en la tutela de la integridad académica (Carabantes Alarcón, 2020: 1-6 y 4-7). Ese diagnóstico se formuló, además, en un contexto de virtualidad forzosa en el que la evaluación en línea dejó de ser una opción marginal para convertirse en mecanismo central de acreditación del rendimiento (Carabantes Alarcón, 2020: 1-3).
En ese terreno, ya tensionado por la educación a distancia, irrumpe la IAG. Diversos organismos internacionales han insistido en que no estamos ante un simple recurso tecnológico añadido: lo que se anuncia es un cambio de realidad educativa que obliga a repensar competencias, roles y marcos éticos. El Consenso de Beijing sobre la inteligencia artificial y la educación de la UNESCO (2019) sitúa la IA como vector estratégico para los sistemas educativos, aunque advierte que su integración ha de acompasarse con garantías de equidad, transparencia y respeto a los valores democráticos. La Recomendación sobre la ética de la inteligencia artificial (UNESCO, 2021) y las guías sobre IA y educación (UNESCO, 2021, 2023) vuelven sobre esa idea: incorporar herramientas no basta; hace falta integrar criterios de responsabilidad, trazabilidad y control humano significativo. En el ámbito europeo, las directrices éticas sobre el uso de la IA y los datos en la enseñanza y el aprendizaje dirigidas al profesorado (Comisión Europea, 2022) y el proceso de aprobación del Reglamento europeo de IA (AI Act) (Parlamento Europeo, 2023) refuerzan la exigencia de articular usos pedagógicamente justificados y normativamente encuadrados.
Desde la educación a distancia, la doctrina señala la existencia de una «nueva realidad de la educación» ante los avances incesantes de la IAG, identificando oportunidades (personalización, automatización de tareas rutinarias, mejora de la accesibilidad) como riesgos concretos para la evaluación y la integridad académica (García-Peñalvo et al., 2024: 9-12 y 27-33). Su revisión rápida de la doctrina muestra que los modelos lingüísticos de gran tamaño pueden afectar simultáneamente al qué se evalúa (las tareas que se encargan), al cómo (formatos, instrumentos y criterios) y al para qué (sentido formativo o meramente acreditativo de la evaluación) (2024: 18-25).
En el ámbito específico del Derecho, la vulnerabilidad de los procesos de evaluación se agudiza. Navarro-Dolmestch analiza el impacto de las aplicaciones generativas en la integridad académica «materializado en la actividad docente y en los procesos de evaluación en la enseñanza universitaria del derecho» (Navarro-Dolmestch, 2023: 231) y construye una taxonomía de riesgos que incluye —entre otros— la excesiva dependencia de la IA, la irrealizabilidad del proyecto pedagógico o la pérdida de competitividad institucional (2023: 231-235 y 257-265). Desde esa perspectiva, la enseñanza del Derecho aparece como particularmente expuesta, su objeto se articula sobre los textos, razonamientos y argumentaciones que pueden ser generados —al menos en apariencia— por modelos de lenguaje capaces de producir respuestas plausibles a casos, preguntas de examen o encargos de ensayo (2023: 233-235).
La situación se complica aún más cuando la docencia jurídica se desarrolla de forma íntegramente en línea o en modalidades predominantemente no presenciales. La doctrina reciente sobre educación superior virtual muestra que, en estos entornos, el profesorado percibe la IAG como un factor simultáneamente útil y disruptivo, como una herramienta para personalizar el aprendizaje y automatizar retroalimentación, pero también una amenaza directa a la autoría del estudiantado y a la fiabilidad de las evidencias de aprendizaje (Escario et al., 2024: 137-139; Beltrán, 2025). En el estudio de Escario y otros colaboradores, basado en una amplia encuesta a profesorado de universidades españolas, emergen con fuerza las preocupaciones sobre plagio, dependencia tecnológica y necesidad de nuevas metodologías de evaluación específicamente adaptadas a la IAG (2024: 138-146). Desde la educación a distancia y virtual, otros trabajos comienzan a explorar las percepciones del profesorado y los desafíos que plantea la IAG para mantener la honestidad intelectual en entornos en los que la interacción y el seguimiento del estudiante son, por definición, mediados tecnológicamente (Beltrán, 2025).
Llegados a este punto, la originalidad académica deja de ser un presupuesto tácito de la evaluación para convertirse en un objeto problemático que requiere ser conceptualmente afinado y operativamente reconstruido. La cuestión ya no es sólo si un texto ha sido copiado de otra fuente —algo que las herramientas antiplagio clásicas detectaban con relativa fiabilidad—; ahora importa hasta qué punto una producción mediada o coproducida por sistemas generativos puede considerarse expresión genuina de la competencia jurídica que los planes de estudio pretenden acreditar1. La tensión entre el desarrollo de habilidades críticas, argumentativas y de resolución de problemas jurídicos, por un lado, y la disponibilidad de sistemas capaces de producir respuestas razonablemente coherentes a partir de instrucciones en lenguaje natural, por otro, obliga a replantear las técnicas de examen, y el modelo de la evaluación en titulaciones de Derecho impartidas a distancia.
El presente trabajo se sitúa en ese cruce entre enseñanza jurídica a distancia, IAG y evaluación de la originalidad académica por parte del estudiantado. El objetivo es doble; por una parte, reconstruir el marco de riesgos para la integridad académica que se proyecta sobre las titulaciones de Derecho en modalidad no presencial, a partir de la literatura existente y de los desarrollos normativos e institucionales más recientes (Carabantes Alarcón, 2020: 4-7; Navarro-Dolmestch, 2023: 231-270; UNESCO, 2021; Comisión Europea, 2022); y, por otra, proponer criterios y orientaciones para diseñar sistemas de evaluación robustos frente a la IA, capaces de preservar la dimensión formativa y ética de la originalidad académica en la enseñanza jurídica en línea (García-Peñalvo et al., 2024: 27-33; Escario et al., 2024: 248-257). La estructura del artículo sigue, de manera coherente con este propósito, el siguiente recorrido. En primer lugar, se contextualiza la noción de originalidad académica y se describe cómo se ha entendido y evaluado tradicionalmente en los estudios de Derecho a distancia. A continuación, se examinan los rasgos específicos de la IAG más relevantes para la evaluación a distancia y se delimitan los riesgos que plantea para la integridad académica. Sobre esa base, se analizan las respuestas institucionales y el marco normativo emergente, tanto en el ámbito internacional como en el contexto europeo y español.
II. Originalidad académica y evaluación en Derecho a distancia
La originalidad académica ocupa, en los estudios de Derecho, un lugar que no se agota en la corrección formal de las referencias. De un trabajo jurídico original no se espera tanto que el estudiante invente ideas inéditas como que sepa apropiarse críticamente de las fuentes, seleccionar lo relevante, ordenarlo con sentido y articularlo en un discurso propio, ajustado a las categorías dogmáticas y a los métodos de interpretación jurídica. En la enseñanza a distancia, donde la interacción se canaliza casi por completo a través de plataformas y el resultado evaluable se materializa en textos y artefactos digitales, esa exigencia se vuelve especialmente visible: casi todo lo que el profesorado puede valorar son productos escritos, trazas documentales de un proceso de aprendizaje que no ve.
Las guías institucionales que las universidades elaboran para prevenir el plagio coinciden en un punto: ser original no significa partir de cero; significa combinar aportación propia y documentación rigurosa. La Universidad de Cantabria, por ejemplo, recuerda que un trabajo ha de ser a la vez original y documentado, de modo que la clave está en respetar las ideas ajenas, identificarlas como tales y construir sobre ellas una presentación personal del tema (Universidad de Cantabria, 2018). La Universidad de Granada, en un documento sobre la originalidad y los aspectos formales de los trabajos académicos, distingue con cuidado entre cita literal, paráfrasis legítima y plagio, y recuerda que también se plagia al parafrasear ideas ajenas sin atribuirlas, aunque las palabras sean distintas (Universidad de Granada). Ambas líneas convergen: la originalidad se mide por el modo en que el estudiante hace suyo un material previo, no por la ausencia de referencias.
A ese plano técnico se superpone una noción más amplia: la de integridad académica. Carabantes ha mostrado cómo los valores que estructuran esa integridad —honestidad, confianza, justicia, respeto, responsabilidad y valentía— se ven tensionados cuando la docencia y la evaluación se desplazan súbitamente al entorno virtual, como ocurrió durante la pandemia de la COVID-19 (Carabantes Alarcón, 2020: 1-2). La protección de la originalidad dejó entonces de depender principalmente de la vigilancia en el aula física y pasó a articularse a través de combinaciones de diseño metodológico, uso de herramientas antiplagio y construcción de una cultura de honestidad en entornos digitales. La docencia a distancia hizo visibles, además, zonas grises que ya existían —trabajos encargados a terceros, reutilización de materiales, citación deficiente—, pero que en el entorno presencial podían resultar menos detectables o menos frecuentes.
En disciplinas donde la creatividad consiste en gran medida en proponer hipótesis o modelos nuevos, la originalidad puede asociarse a la producción de resultados empíricos o teóricos inéditos. En Derecho, por el contrario, buena parte de la actividad académica gira en torno a la interpretación de fuentes normativas, jurisprudenciales y doctrinales. La resolución de los casos prácticos, la redacción de dictámenes, los comentarios de sentencias o los trabajos de investigación exigen, más que ocurrencias brillantes, una selección pertinente de premisas, un entrelazado coherente de normas y principios y una toma de posición razonada ante conflictos jurídicos. En esa línea, reproducir una construcción doctrinal o una solución jurisprudencial sin reconocer su origen no es una mera incorrección formal, desnaturaliza el núcleo mismo de lo que se entiende por aportación jurídica propia.
La progresiva consolidación de la enseñanza del Derecho en modalidad a distancia ha desplazado esa exigencia de originalidad a un escenario distinto. La experiencia recogida en estudios sobre e-learning jurídico muestra cómo la docencia se ha articulado en torno a aulas virtuales, plataformas virtuales como el Campus virtual y Moodle y sistemas de evaluación continua, con combinaciones diversas de actividades síncronas y asíncronas (Moreno González y Luchena Mozo, 2014: 294-295). Al mismo tiempo, trabajos centrados en la formación jurídica a distancia han descrito la evolución histórica de estos modelos —de la enseñanza por correspondencia a la educación telemática y virtual— y han subrayado la riqueza actual de recursos tecnológicos puestos al servicio de la formación jurídica, especialmente a raíz de la pandemia (Báez Corona, 2022: 159-161). En este escenario, es el diseño que hace el profesorado —qué tareas se proponen, con qué grado de autonomía, qué peso tienen en la calificación final— lo que determina en gran medida cómo y dónde se juega la originalidad académica.
La evaluación en las titulaciones de Derecho a distancia descansa en un repertorio relativamente estable de instrumentos, como cuestionarios autocorregibles, exámenes en línea con preguntas abiertas, foros de discusión evaluables, portafolios digitales, actividades de resolución de casos y trabajos extensos (incluidos los TFG y TFM). Cada uno incorpora expectativas distintas en cuanto al grado de originalidad exigido y presenta vulnerabilidades propias desde el punto de vista de la integridad académica. A grandes rasgos, puede dibujarse el siguiente cuadro:
Para la originalidad, el instrumento importa menos que la forma en que se inserta en el diseño global de la asignatura. La doctrina sobre estudio a distancia en Derecho insiste en que la calidad de la evaluación en línea depende menos de la sofisticación tecnológica que de la claridad con que se definen las competencias a valorar, las evidencias de aprendizaje que las reflejan y la secuencia de actividades del semestre (Moreno González y Luchena Mozo, 2014: 293-318). Un programa que concentra la nota en un único examen final, fácil de resolver con apoyos externos, dispara los incentivos hacia la deshonestidad; otro que combina actividades progresivas, exige entregas intermedias y reserva espacios para la interacción oral reduce, por diseño, el margen para que la falta de originalidad pase inadvertida.
Ese diseño metodológico opera dentro de un marco regulador propio de la evaluación no presencial. El Informe sobre procedimientos de evaluación no presencial elaborado por Crue Universidades Españolas durante la pandemia, subraya que toda adaptación de los sistemas evaluativos debe preservar las garantías de equidad, transparencia y proporcionalidad, y prestar atención a la protección de datos del estudiantado y a la brecha digital (Crue Universidades Españolas, 2020).
EL énfasis se refleja en las decisiones concretas que se han venido sucediendo desde las universidades. La Universidad de Almería, por ejemplo, ha difundido recomendaciones específicas para la evaluación en línea dirigidas al profesorado, en las que desaconseja soluciones tecnológicas excesivamente intrusivas y propone alternativas que buscan simular, en lo posible, la vigilancia del aula presencial sin vulnerar la privacidad del alumnado (Universidad de Almería, 2020a). En un documento complementario sobre protección de datos en la evaluación en línea se insiste en la necesidad de ajustar los mecanismos de control al principio de proporcionalidad y minimizar la recogida de datos personales (Universidad de Almería, 2020b).
Ello condiciona de manera directa las posibilidades de control externo de la originalidad —a través de supervisión remota o de sistemas automatizados de vigilancia— y desplaza, de nuevo, el centro de gravedad hacia el diseño de tareas y la construcción de una cultura de integridad. Las propias guías sobre plagio recuerdan que promover la originalidad no puede reducirse al uso de software antiplagio, porque se trata, sobre todo, de enseñar a documentar, citar y argumentar, de hacer explícitas las razones éticas y jurídicas que justifican las reglas de autoría y de integrar estas competencias en la formación ordinaria del estudiantado de Derecho (Universidad de Cantabria, 2018; Universidad de Granada).
De lo anterior se sigue una conclusión provisional, previa al impacto específico de la IAG: la evaluación en Derecho a distancia no es neutral respecto de la originalidad académica. Según cómo se diseñen las tareas, los criterios y los pesos en la calificación, puede erosionarla —si se limita a reproducir, en línea, pruebas memorísticas fácilmente automatizables— o fortalecerla, si aprovecha las posibilidades del entorno virtual para plantear actividades auténticas, complejas y bien acompañadas, en las que el estudiante se vea obligado, y capacitado, a hacer un uso personal, responsable y trazable del Derecho que aprende.
III. IA generativa y evaluación en línea
Cuando la mayor parte de la docencia se desarrolla a distancia, la evaluación se apoya casi por completo en restos escritos: respuestas en un cuestionario, comentarios en un foro, dictámenes subidos al aula virtual, versiones finales de TFG y TFM. La irrupción de la IAG rompe una premisa tácita que sostenía ese modelo, que cada rastro textual producido en la plataforma era, salvo prueba en contrario, el resultado de un esfuerzo cognitivo personal. Hoy, un estudiante puede obtener, en pocos minutos, un ensayo razonablemente bien estructurado, un comentario de sentencia o la solución argumentada de un caso práctico jurídico a partir de un simple prompt.
Los diagnósticos más recientes sobre educación superior coinciden en algo: más que una tecnología nueva, lo que ha llegado es un cambio de escenario. La revisión sistemática de Bittle y El-Gayar muestra cómo, en pocos años, los modelos generativos han pasado de objeto de experimentación a infraestructura de uso generalizado, capaz de apoyar el aprendizaje y, a la vez, de facilitar nuevas formas de deshonestidad académica (Bittle y El-Gayar, 2025: 2-5). Su estudio ordena la literatura en tres pilares —riesgos de deshonestidad, implicaciones pedagógicas y efectos sobre las prácticas de aprendizaje— y subraya una idea clave: la misma herramienta que personaliza la retroalimentación o ayuda a arrancar la escritura puede producir trabajos fantasma que burlan los filtros antiplagio tradicionales, porque no copian de ninguna fuente previa; generan texto original en sentido puramente estadístico.
En el contexto europeo de educación superior, el trabajo de Gallent-Torres, Zapata-González y Ortego-Hernando interpreta este fenómeno desde la ética y la integridad académica, con una mirada simultánea al estudiantado, al profesorado y a las instituciones (Gallent-Torres et al., 2023: 1-4 y 12-18). Los autores describen un doble movimiento; por un lado, la IAG se incorpora al aula como recurso legítimo —para generar ejemplos, simular interlocutores, producir materiales—; por otro, se convierte en un canal silencioso para nuevas formas de plagio, suplantación de autoría y opacidad sobre el origen de los textos. La evaluación en línea es uno de los espacios donde esa tensión se hace más visible, porque concentra buena parte de las decisiones sobre qué usos se consideran aceptables y cuáles vulneran el núcleo de la integridad académica.
Si se adopta el punto de vista de la evaluación del estudiantado, la aportación de Karadağ resulta especialmente útil. A partir de una revisión rápida de diecinueve estudios sobre ChatGPT y pruebas en línea, este autor clasifica de forma sistemática las oportunidades y las amenazas que la IA introduce en la evaluación online: automatización de corrección, generación de bancos de preguntas y feedback inmediato, pero también resolución encubierta de exámenes, respuestas generadas íntegramente por IA y dificultades añadidas para garantizar la autoría (Karadağ, 2023: 822-825 y 832-835). El mensaje que se transmite es sencillo, contundente y da vértigo, porque cuanto más dependan las pruebas de tareas textuales realizadas sin supervisión directa, más fácil será que la herramienta sustituya al estudiante sin dejar huellas visibles.
El trabajo de Escario y coautores, basado en una encuesta a profesorado universitario español, añade un matiz: la IAG no entra en la evaluación solo por la vía del estudiantado, también lo hace por la del propio profesorado. Una parte considerable del personal docente admite usar estas herramientas para preparar materiales, diseñar actividades o elaborar recursos, y muestra a la vez una preocupación intensa por su efecto en la evaluación y por la falta de marcos claros sobre qué usos resultan legítimos (Escario et al., 2024: 141-143 y 147-152). El resultado es paradójico: se recurre a la IA para ganar tiempo y mejorar la docencia, y se sospecha de su uso por parte del estudiantado en esas mismas tareas, diseñadas o reformuladas con ayuda de IA.
Pueden separarse tres planos en los que la IAG interviene en la evaluación en línea:
- En el diseño de las tareas. El profesorado puede utilizar modelos generativos para redactar enunciados, proponer baterías de preguntas, elaborar rúbricas o generar variaciones de un mismo caso. Este uso tiene un potencial claro para diversificar actividades y reducir la dependencia de modelos únicos de examen, pero entraña un riesgo menos comentado, si se aceptan sin revisión las propuestas de la IA, las tareas pueden homogeneizarse, alejarse del contexto jurídico específico del plan de estudios o mantener sesgos que el modelo arrastra de sus datos de entrenamiento. Desde la perspectiva de la integridad, importa recordar que la calidad del diseño evaluativo sigue siendo responsabilidad del docente, aunque se apoye en herramientas generativas (Cerrillo i Martínez, 2024: 24-27).
- En la realización de las tareas. Es el plano que más preocupa cuando se habla de fraude. Además de las prácticas claramente deshonestas —pedir a la IA que redacte íntegramente un trabajo o que resuelva un examen mientras está abierto—, la literatura empieza a describir una zona intermedia de usos grises: estudiantes que generan un borrador y lo reescriben parcialmente, que componen textos a partir de múltiples fragmentos generados o que utilizan la IA como sustituto de la lectura de materiales básicos (Navarro-Dolmestch, 2023: 237-243 y 257-265). En la enseñanza a distancia, donde el seguimiento del proceso es más difícil que en un aula física, esas prácticas son especialmente opacas, porque lo único visible es el resultado final.
- En el control de la evaluación. Universidades y proveedores tecnológicos han comenzado a ofrecer detectores de texto generado por IA y soluciones de proctoring reforzado. La revisión de Bittle y El-Gayar muestra, sin embargo, que la confianza en los detectores de IA tiene límites técnicos y éticos, donde las tasas de falsos positivos pueden afectar de manera desproporcionada a determinados perfiles de estudiantes y la carrera entre generadores y detectores evoluciona muy rápido (Bittle y El-Gayar, 2025: 4-6 y 10-12). A ello se suma que las universidades, conscientes del impacto sobre la privacidad y la protección de datos, se muestran reticentes a implantar soluciones de vigilancia intensiva para la evaluación a distancia, especialmente en titulaciones con un componente jurídico y deontológico fuerte.
Aplicado específicamente a los estudios de Derecho impartidos a distancia, este esquema adquiere un relieve particular. El tipo de tareas que dominan la evaluación jurídica —resolución de casos, elaboración de dictámenes, comentarios de jurisprudencia, ensayos sobre instituciones y principios— encajan muy bien con lo que los modelos generativos hacen mejor: organizar información conocida en textos plausibles y con apariencia de dominio. De hecho, en un escenario en el que el estudiante trabaja desde su domicilio, sin supervisión directa, el riesgo no es tanto la copia literal como la externalización sistemática de la actividad intelectual, porque se delega en la IA la selección de normas, la identificación de los problemas jurídicos y la articulación de los argumentos, y el alumno se limita a revisar el texto para adaptarlo mínimamente a su estilo. Desde el punto de vista de la originalidad académica, lo que está en juego es la autoría del producto, y la adquisición de las competencias jurídicas que se pretendía evaluar.
Hay además una línea doctrinal sobre la formación jurídica —no centrada en la IA, pero atenta a la relación entre evaluación, fraude y tecnologías digitales— que recuerda algo importante: la evaluación en línea ya era frágil antes de la IAG, por lo fácil que resultaba copiar, compartir respuestas o encargar trabajos a terceros (Cerrillo i Martínez, 2024: 21-24). Lo que la IAG añade es una capacidad de automatización discreta del trabajo jurídico escrito: ya no hace falta acceder a un contrato de compraventa o a un modelo de recurso; basta con obtener una pieza aparentemente ajustada al caso, con corrección formal suficiente para pasar por un trabajo aceptable en muchas asignaturas.
Ante un panorama que no deja de crecer, la respuesta no puede limitarse a prohibir la herramienta ni a confiar la solución a sistemas de detección poco fiables. Los trabajos más atentos a la dimensión pedagógica insisten en que la IAG obliga a replantear la lógica misma de la evaluación en línea, como sería desplazar el énfasis desde productos fácilmente sustituibles por la máquina hacia actividades que obliguen al estudiante a mostrar cómo ha trabajado, por qué ha tomado determinadas decisiones y en qué medida domina realmente los criterios jurídicos relevantes (Gallent-Torres et al., 2023: 15-18; Escario et al., 2024: 152-155). En la práctica, esto apunta a evaluaciones más procesuales (con entregas intermedias, esquemas, borradores), a un mayor peso de las interacciones orales y a una integración regulada —no clandestina— de la IA en el diseño y realización de algunas tareas, dejando claro qué usos se consideran legítimos y cuáles vulneran la originalidad académica.
IV. Riesgos para la integridad académica
En el relato clásico de la integridad académica, la figura central es un estudiante que piensa, escribe y responde por lo que firma. La IAG introduce un actor más —accesible a cualquier hora y capaz de producir textos plausibles en segundos— que descoloca ese esquema. En la enseñanza jurídica a distancia el problema no es tanto que copiar resulte más fácil; lo difícil, ahora, es saber qué parte del producto evaluable procede de verdad del trabajo intelectual de quien lo entrega.
Esa fractura abre varios frentes de riesgo para la integridad académica.
El primero es la externalización del trabajo intelectual y la opacidad de la autoría. Las tareas centrales del Derecho a distancia —casos, dictámenes, comentarios de jurisprudencia, ensayos— las resuelve sin dificultad un modelo generativo que selecciona normas, ordena argumentos y redacta con corrección. Delegar en la herramienta la parte difícil (entender el caso, identificar los problemas jurídicos, ordenar la jurisprudencia) y limitarse a pulir el texto final tienta mucho, sobre todo cuando la carga es alta y la presión por aprobar, intensa. Lo que se erosiona entonces va más allá de la regla de no firmar lo ajeno: se debilita la exigencia de que aprender consista en ejercitar la propia capacidad de interpretar y argumentar (Navarro-Dolmestch, 2023; Carabantes Alarcón, 2020).
De ahí nace una zona gris de prácticas normalizadas, donde se difuminan las fronteras entre el apoyo legítimo y la deshonestidad. No hablamos solo del trabajo entero generado con un par de prompts. La doctrina sobre integridad en la era de la IAG señala que buena parte de los usos problemáticos habita ese espacio intermedio: pedir al modelo un esquema y convertirlo casi sin cambios en el índice del trabajo; generar párrafos para suplir lecturas que no se han hecho; reescribir con IA apartados redactados por otra persona hasta borrar el rastro de la copia (Gallent-Torres, Zapata-González y Ortego-Hernando, 2023; Bittle y El-Gayar, 2025). Conforme estas prácticas se generalizan, la noción de trabajo propio se debilita y la coautoría entre persona y máquina se asienta como norma tácita, nunca declarada en los compromisos de originalidad.
A todo ello se suma una brecha de equidad. El acceso a versiones de pago, a modelos más potentes o al saber-hacer para formular prompts eficaces no se reparte por igual. Quien dispone de mejor capital tecnológico y cultural obtiene productos de más calidad con menos esfuerzo, mientras que quien arrastra peores conexiones, dispositivos limitados o menor alfabetización digital queda en desventaja, o recurre a usos más rudimentarios y fáciles de detectar. En una formación jurídica que se juega casi por completo en el terreno digital, esa asimetría puede derivar en una meritocracia algorítmica que premia el dominio de la herramienta tanto como el aprendizaje jurídico propiamente dicho (Báez Corona, 2022; Gallent-Torres et al., 2023). El problema no es solo que crezca el fraude: la igualdad de condiciones en la evaluación queda seriamente comprometida.
El cuarto frente está en la respuesta, no en la herramienta. Fijarlo todo a los detectores de texto generado por IA y a la vigilancia remota intensiva (e-proctoring) se presenta a veces como la salida natural. Los informes de universidades y asociaciones de integridad advierten, en cambio, de sus límites: fiabilidad discutible, falsos positivos, algoritmos opacos y choque con derechos fundamentales como la privacidad, la protección de datos o la no discriminación (CRUE Universidades Españolas, 2020; Universidad de Almería, 2020b; Cerrillo i Martínez, 2024). A distancia el peaje es mayor, porque la vigilancia entra en el domicilio y en el dispositivo personal. Lo que se instala así es un clima de sospecha en el que la confianza, pieza central de la integridad, cede ante el control tecnocrático.
Conviene, además, no cargar toda la culpa en la tecnología. Los estudios sobre uso de ChatGPT y plagio detectan correlación entre la frecuencia de uso y la probabilidad de hacer trampas, pero recuerdan que pesan más la presión por la nota, la falta de sentido de las tareas o una cultura previa de plagio (Galindo-Domínguez et al., 2025). Señalar únicamente a la IA permite a las instituciones dejar intactas las causas de fondo: la sobrecarga de actividades mecánicas, una evaluación poco formativa, el escaso acompañamiento en la escritura académica. En Derecho, además, blinda modelos de examen basados en reproducir temas o plantillas de dictamen que cualquier generador resuelve.
El último riesgo es reputacional. Cuando estudiantes y sociedad perciben que una parte considerable de los trabajos, exámenes y proyectos finales se elabora con intervención sustantiva de IA, sin declararlo ni regularlo, la señal que la institución emite sobre las competencias realmente adquiridas se vuelve ambigua (Navarro-Dolmestch, 2023; Gallent-Torres et al., 2023). En una titulación que habilita para defender derechos y aplicar el ordenamiento, esa ambigüedad pesa especialmente: abre una distancia entre la ética que la profesión proclama y unas aulas que toleran —o al menos no visibilizan— la delegación masiva en sistemas generativos.
De forma sintética, los principales riesgos pueden ordenarse así:
Estos riesgos no actúan como compartimentos estancos. La externalización de la autoría se vuelve más probable cuando las tareas carecen de un sentido formativo y la cultura institucional es ambigua sobre los usos aceptables de la IA; la desigualdad se agrava cuando la única respuesta es invertir en tecnologías de control que no todos los estudiantes pueden afrontar en condiciones similares; la pérdida de confianza se alimenta tanto del uso abusivo de la IA como de respuestas punitivas percibidas como injustas. Por eso mismo, las secciones siguientes —dedicadas al análisis de las respuestas institucionales y a la formulación de criterios para una evaluación robusta frente a la IA— deberán tener en cuenta que cualquier estrategia que mejore uno de estos planos, pero deteriore gravemente otro difícilmente podrá considerarse compatible con una concepción exigente y coherente de la integridad académica en la educación jurídica a distancia.
V. Respuestas institucionales y marco normativo
La combinación de enseñanza jurídica a distancia e IAG obliga a entender la integridad académica menos como un catálogo de conductas desviadas individuales y más como una cuestión de organización institucional y de encaje jurídico. El debate ya no gira solo en torno a cómo sancionar el fraude; la pregunta es qué marco político-normativo construyen las universidades para definir la autoría académica, ordenar el uso de herramientas de IA en la evaluación y garantizar los derechos básicos del estudiantado en entornos digitales (Gallent-Torres et al., 2023). Las facultades de Derecho que trabajan a distancia necesitan, por dentro, una estrategia de conjunto: actualizar sus políticas de integridad, rediseñar la evaluación, fijar reglas claras sobre el uso de IAG y articular garantías frente a la vigilancia invasiva. La doctrina más reciente sobre integridad e IA insiste en que las políticas eficaces combinan, al menos, cuatro planos: definir de forma explícita qué es trabajo propio, rediseñar la evaluación para hacer trazable el aprendizaje, proteger derechos en entornos monitorizados y formar de manera sistemática a la comunidad universitaria (Bittle y El-Gayar, 2025).
En el plano institucional, las respuestas más sólidas van más allá de la simple advertencia sobre el plagio. Los códigos de integridad empiezan a incluir cláusulas específicas sobre IAG, donde se distingue entre apoyo legítimo (usar IA para clarificar conceptos, esbozar esquemas que luego se reelaboran críticamente, revisar estilo) y sustitución sustancial del trabajo propio (redacción masiva del texto, traducción de lecturas no realizadas, reescritura de trabajos ajenos para borrar el rastro de la copia). La exigencia de transparencia —declarar qué herramientas se han utilizado y en qué fases del trabajo— comienza a consolidarse como pieza clave para compatibilizar innovación y originalidad (UNESCO, 2023; European University Association, 2025). Al mismo tiempo, las instituciones reconocen que no basta con escribir nuevas normas, porque hay que rediseñar la evaluación. Informes recientes, tanto académicos como de agencias de garantía de calidad, convergen en que la dependencia exclusiva de detectores de IA es pedagógicamente pobre y jurídicamente frágil. Se propone, en cambio, reforzar formatos de evaluación que permitan contrastar el texto entregado con la competencia real del estudiante, como la oralidad en línea, seguimiento de borradores, comentarios reflexivos sobre el proceso, vinculación estrecha con materiales trabajados en el curso (UNESCO, 2023; QAA, 2023; TEQSA, 2025).
Esas opciones institucionales se mueven dentro de un marco normativo cada vez más denso, escalonado en varios niveles. En el plano interno, la Ley Orgánica del Sistema Universitario (LOSU) obliga a las universidades a garantizar la calidad de la docencia, a evaluar continuamente las enseñanzas y a ofrecer formación inicial y permanente al profesorado, también en competencias digitales (LOSU, art. 6). Dicho mandato sirve de base para exigir que las universidades incorporen explícitamente el impacto de la IA en sus normas de evaluación y en sus políticas de integridad.
En el plano de los derechos fundamentales, el tratamiento de datos personales asociados a la docencia en línea —desde las grabaciones de vídeo hasta los metadatos de trabajo en plataformas o el uso de sistemas de proctoring— queda sometido al Reglamento (UE) 2016/679 (RGPD) y a la Ley Orgánica 3/2018 de protección de datos y garantía de los derechos digitales (LOPDGDD). Los dos textos mencionados obligan a justificar la necesidad y proporcionalidad de los tratamientos, a realizar evaluaciones de impacto en casos de alto riesgo y a garantizar los derechos digitales del estudiantado, incluyendo el uso no abusivo de tecnologías de control en entornos educativos (RGPD, 2016; LOPDGDD, 2018, art. 83).
A este entramado se añaden dos niveles supranacionales especialmente relevantes. Por un lado, la Recomendación de la UNESCO sobre la Ética de la Inteligencia Artificial (2021) que fija un marco de principios —derechos humanos, dignidad, transparencia, supervisión humana— que los Estados se comprometen a trasladar a sus políticas educativas, subrayando expresamente la necesidad de proteger la integridad académica y de evitar formas de vigilancia desproporcionadas en contextos de aprendizaje digital (UNESCO, 2021). Por otro lado, el Reglamento (UE) 2024/1689, conocido como AI Act, considera de alto riesgo determinados usos de sistemas de IA en educación y prohíbe expresamente prácticas como la inferencia de emociones en contextos educativos o ciertas formas de monitorización biométrica de estudiantes (AI Act, 2024, arts. 5 y 6, anexo III).
Este entramado normativo no ofrece soluciones automáticas, pero sí dibuja límites y obligaciones que condicionan las respuestas institucionales. Las facultades de Derecho que operan en entornos virtuales deben leer juntas estas escalas normativas, donde los códigos de integridad no pueden ignorar las exigencias de protección de datos; las decisiones sobre proctoring o detectores de IA deben ser compatibles con el AI Act y con los derechos digitales del estudiantado; las políticas de uso de IA han de poder justificarse a la luz de los principios de la UNESCO y de la normativa europea sobre sistemas de alto riesgo. En último término, las respuestas institucionales y el marco normativo se retroalimentan. Allí donde la universidad asume la IAG como un problema de diseño institucional —y no sólo como una amenaza tecnológica— el derecho deja de funcionar como un obstáculo externo y se convierte en un recurso para ordenar la innovación: delimita espacios vedados (vigilancia excesiva, opacidad en el tratamiento de datos), pero también impulsa formatos de evaluación más auténticos, políticas más claras de transparencia y una cultura de responsabilidad compartida en torno a la originalidad académica en la enseñanza a distancia del Derecho.
VI. Criterios para una evaluación robusta frente a la IA
Plantear una evaluación robusta frente a la IAG, en el contexto de la enseñanza jurídica a distancia, no significa aspirar a un escenario imposible en el que el estudiantado no utilice ninguna herramienta automatizada. El objetivo es diferente, diseñar dispositivos evaluadores capaces de seguir distinguiendo, con un margen razonable de seguridad, la comprensión real del Derecho, la capacidad argumentativa y la competencia técnica de cada estudiante, aun cuando existan apoyos tecnológicos disponibles. La cuestión decisiva deja de ser si se ha recurrido o no a la IA y pasa a ser si el resultado que se entrega sigue reflejando un proceso de elaboración propio y un desarrollo verificable de las destrezas jurídicas que el programa pretende cultivar.
Una primera exigencia consiste en desplazar el foco del producto a las competencias jurídicas. Una evaluación robusta pide al estudiante interpretar normas, reconstruir razonamientos, justificar opciones y argumentar en clave técnico-jurídica, en lugar de limitarse a solicitar exposiciones descriptivas. Por su parte, dictámenes sobre materiales trabajados durante el curso, análisis crítico de sentencias, escritos diseñados a medida o informes que exijan elegir entre varias líneas argumentales son ejemplos de tareas menos vulnerables a la mera delegación en la IA, porque obligan a tomar decisiones jurídicas reconocibles y a articular un hilo de razonamiento personal.
Junto a ese desplazamiento hacia las competencias, la robustez de la evaluación se refuerza cuando el énfasis pasa del resultado aislado al proceso. En lugar de contemplar el trabajo académico como un único archivo entregado en una fecha, la evaluación se concibe como una sucesión de huellas digitales: esquemas previos, versiones intermedias, minutas, comentarios breves sobre las dificultades encontradas, tutorías síncronas donde el estudiante explica lo que ha hecho y por qué. En la docencia a distancia, este enfoque procesal resulta especialmente útil, porque permite observar la evolución del razonamiento, detectar incoherencias entre las distintas fases y reducir el atractivo de estrategias basadas en la producción instantánea de textos mediante IA.
Otro criterio clave es la incorporación explícita del uso de IA al diseño de las tareas, en lugar de tratarlo como un tabú. Cada actividad debería ir acompañada de instrucciones claras sobre si se admite o no el recurso a herramientas generativas, para qué momentos del trabajo (búsqueda de ideas, organización del índice, revisión de estilo, generación de ejemplos) y con qué obligaciones de transparencia. La exigencia de una breve nota final en la que el estudiante indique si ha utilizado IA, qué tipo de ayuda ha solicitado y cómo ha reelaborado el material obtenido introduce un elemento de responsabilidad personal que, sin impedir el uso de la tecnología, dificulta su empleo como sustituto encubierto del esfuerzo intelectual propio.
La variedad de formatos y de momentos de evaluación aporta otra capa de solidez. Un modelo basado sólo en tareas escritas, individuales y asincrónicas abre un espacio muy amplio a la intermediación invisible de la IA. En cambio, la combinación de productos escritos con defensas orales breves, actividades síncronas de resolución de casos, debates en línea moderados por el docente y ejercicios colaborativos permite contrastar el nivel de los textos presentados con la actuación real del estudiante en contextos menos delegables. En los estudios de Derecho, alguna forma de comprobación oral del desempeño —aunque sea de corta duración y realizada por videoconferencia— debería funcionar como referencia para interpretar el resto de evidencias.
Finalmente, una evaluación robusta frente a la IA sólo lo es plenamente si preserva al mismo tiempo la equidad y los derechos del estudiantado. La tentación de responder al riesgo de uso indebido mediante una intensificación de la vigilancia, el proctoring invasivo o la confianza acrítica en detectores automatizados conduce a escenarios de fragilidad jurídica y de erosión de la confianza pedagógica. El refuerzo de la integridad evaluadora debería descansar, ante todo, en decisiones de diseño académico: claridad de criterios, coherencia entre objetivos de aprendizaje y tareas propuestas, proporcionalidad en el uso de tecnologías de control y sensibilidad ante las desigualdades de acceso a recursos digitales. Sólo así la evaluación puede considerarse robusta en un sentido fuerte: capaz de resistir el impacto de la IA sin sacrificar la justicia, la transparencia y la calidad formativa.
Combinados, estos criterios ayudan a configurar evaluaciones que hagan algo más que resistir la irrupción de la IA: que aprovechen la ocasión para afinar la coherencia entre el objetivo formativo declarado —formar juristas capaces de comprender, interpretar y argumentar— y lo que de verdad se pone a prueba en la enseñanza a distancia.
VII. Discusión y conclusiones
Del análisis conjunto de la enseñanza jurídica a distancia y la irrupción de la IAG se desprende una conclusión: el problema de fondo no es una nueva modalidad de copia; es una crisis de los supuestos sobre los que se sostenía la evaluación tradicional de la originalidad académica. Durante décadas, el sistema descansó en un presupuesto implícito: un texto jurídicamente correcto, razonablemente estructurado, con un nivel formal aceptable y sin coincidencias relevantes con otras fuentes bastaba como indicio de autoría personal. La docencia virtual, apoyada en tareas escritas y en la evaluación en línea, ya tensaba ese presupuesto; la disponibilidad generalizada de modelos generativos lo quiebra de forma decisiva. Hoy se obtienen, a un coste muy bajo, productos que cumplen esos estándares formales sin que medie necesariamente un proceso propio de comprensión, análisis y elaboración. De ahí la necesidad de repensar la propia noción de originalidad académica en los estudios de Derecho.
Con el presente trabajo he intentado mostrar que la originalidad no puede confundirse ni con la novedad —prácticamente inexistente en un campo fuertemente dogmático— ni con la simple ausencia de coincidencias textuales. Su núcleo reside en la forma en que el estudiantado se apropia de manera crítica de fuentes normativas, jurisprudenciales y doctrinales, en la selección que realiza, en las conexiones que traza, en las decisiones interpretativas que adopta y en la manera de justificarlas. La IAG no invalida este modelo, pero desplaza el foco, la originalidad se vuelve menos detectable en la superficie del texto y más dependiente de la coherencia entre las distintas huellas del proceso de trabajo y de la capacidad del estudiante para explicar, defender y, en su caso, reelaborar lo que presenta.
En lo metodológico, el diagnóstico es igual de nítido. Un esquema de evaluación centrado casi exclusivamente en productos escritos aislados, corregidos ex post con apoyo en herramientas antiplagio, resulta estructuralmente frágil en entornos donde la producción automatizada de textos es trivial. En el contexto de la enseñanza jurídica a distancia, esta fragilidad se amplifica, la menor presencialidad, la mediación constante de plataformas digitales y la centralidad de pruebas no supervisadas incrementan la distancia entre el texto entregado y el proceso que debería haberlo generado. Frente a ello, los criterios para una evaluación robusta frente a la IA —orientación competencial, trazabilidad del trabajo, contextualización de las tareas, transparencia sobre el uso de herramientas generativas, diversidad de formatos y prudencia tecnológica— apuntan hacia un cambio de enfoque, que consiste de una lógica de control del producto a una lógica de reconstrucción del itinerario de aprendizaje.
Ahí, las respuestas estrictamente tecnológicas resultan, en el mejor de los casos, parciales. Confiar sin crítica en los detectores de texto generado por IA o en el proctoring intensivo no resuelve el problema estructural y añade riesgos significativos en lo jurídico, lo ético y lo relacional. La robustez de la evaluación no se mide por el nivel de vigilancia; se mide por hasta qué punto el diseño de las actividades hace pedagógicamente poco rentable delegar el trabajo entero en la IA y sigue exigiendo, de forma verificable, comprensión, juicio y responsabilidad personales. En los estudios jurídicos, eso se traduce en reforzar tareas ancladas en el programa efectivamente trabajado, en incorporar defensas orales breves como punto de contraste y en pedir al estudiante que haga visible, siquiera en parte, el camino recorrido hasta el resultado.
La dimensión institucional resulta decisiva. Entender la integridad académica solo como un asunto de mala conducta individual lleva a respuestas fragmentarias, hechas de advertencias y sanciones, que dejan intacto el marco de incentivos y el modelo de evaluación. Hace falta un enfoque más estructural: definir en positivo qué se entiende por trabajo propio cuando hay IA disponible; delimitar los usos legítimos y los incompatibles con la autoría personal; revisar los reglamentos de evaluación para incorporar elementos procesuales y orales en la docencia a distancia; y articular políticas claras de datos, privacidad y uso de plataformas. Aquí, la relación con el marco normativo general —protección de datos, regulación universitaria, normas específicas sobre sistemas de IA— no es un añadido accesorio; es una condición de legitimidad de cualquier respuesta institucional.
El trabajo ha procurado, además, mostrar la ambivalencia de la IAG como objeto de política académica. Una concepción defensiva, que la entiende exclusivamente como amenaza, tiende a generar respuestas desproporcionadas, a menudo centradas en la desconfianza y la vigilancia, con efectos colaterales sobre el clima de aprendizaje y los derechos del estudiantado. Una visión ingenuamente entusiasta, por el contrario, corre el riesgo de normalizar prácticas que vacían de contenido la evaluación y banalizan la noción de originalidad. La posición más razonable pasa por asumir la presencia de la IA como un dato estructural del entorno cognitivo en el que se formarán los futuros juristas y, a partir de ahí, trazar una línea nítida entre apoyo legítimo (ayuda para organizar ideas, clarificar conceptos y revisar el lenguaje jurídico) y sustitución sustancial del trabajo académico. Esa línea no puede fijarse sólo en el plano abstracto; debe incorporarse de manera operativa a las instrucciones de cada actividad, a los criterios de corrección y a las expectativas comunicadas al estudiantado.
En el plano profesional, las implicaciones resultan evidentes. La manera en que se organice hoy la evaluación de la originalidad en los estudios de Derecho a distancia condicionará el tipo de cultura jurídica que se proyecta hacia la práctica. Si la universidad tolera de facto un modelo en el que la producción textual puede externalizarse casi por completo a sistemas generativos, el mensaje implícito es que lo decisivo no es tanto saber argumentar como gestionar eficientemente tecnologías de escritura asistida. Si, por el contrario, la institución reconfigura sus dispositivos evaluadores para que la intervención personal siga siendo indispensable y verificable, la IAG podrá integrarse como herramienta de apoyo sin desnaturalizar el núcleo de la formación jurídica.
El panorama que se dibuja no invita a la resignación ante una supuesta muerte de la originalidad: reclama una revisión profunda de los supuestos, los métodos y los marcos institucionales sobre los que se sostenía la evaluación en Derecho. La enseñanza jurídica a distancia, por su alto grado de mediación tecnológica, ofrece un terreno privilegiado para esa reformulación. Para que la oportunidad se traduzca en un refuerzo —y no en una erosión— de la originalidad académica, la condición es clara: abordar la IAG menos como un problema técnico y más como una ocasión para redefinir, con mayor precisión conceptual, mayor rigor metodológico y mayor responsabilidad institucional, qué significa hoy aprender y asumir como propio un texto jurídico en la universidad.
VIII. Bibliografía
Báez Corona, J. F. (2022). «Evaluación de recursos tecnológicos para la formación jurídica en tiempos de covid-19». Revista Pedagogía Universitaria y Didáctica del Derecho, 9(1), 155-172.
Beltrán, M. T. M. (2025). «Inteligencia artificial generativa en la educación superior virtual: desafíos y percepciones de los docentes». Revista Colombiana de Educación, 97, 1-24.
Bittle, K., y El-Gayar, O. (2025). «Generative AI and Academic Integrity in Higher Education: A Systematic Review and Research Agenda». Information, 16(4).
Carabantes Alarcón, D. (2020). «Integridad académica y educación superior: Nuevos retos en la docencia a distancia». Análisis Carolina, 38, 1-13.
Cerrillo i Martínez, A. (2024). «El fomento de la integridad académica en tiempos de la inteligencia artificial generativa». Docencia y Derecho, 24, 17-39.
CRUE Universidades Españolas (2020). Informe sobre procedimientos de evaluación no presencial. Estudio del impacto de su implantación en las universidades españolas y recomendaciones (Versión 1.0, 16 de abril de 2020).
Comisión Europea. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union.
Escario, I., García, A. N., Ripollés, M., Arriaga, C., Cáceres González, P. A., y García Cumbreras, M. Á. (2024). «Impulsando la Educación Superior con IAGen: oportunidades y retos para docentes». REDU. Revista de Docencia Universitaria, 22(2), 137-157.
European University Association (2023). Artificial intelligence tools and their responsible use in higher education learning and teaching. European University Association.
Galindo-Domínguez, H., Campo, L., Delgado, N., y Sainz de la Maza, M. (2025). «Relationship between the use of ChatGPT for academic purposes and plagiarism: the influence of student-related variables on cheating behavior». Interactive Learning Environments, 33(6), 4047-4061.
García-Peñalvo, F. J., Llorens-Largo, F., y Vidal, J. (2024). «The new reality of education in the face of advances in generative artificial intelligence [La nueva realidad de la educación ante los avances de la inteligencia artificial generativa]». RIED. Revista Iberoamericana de Educación a Distancia, 27(1), 9-39.
Gallent-Torres, C., Zapata-González, A., y Ortego-Hernando, J. L. (2023). «El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica». RELIEVE. Revista Electrónica de Investigación y Evaluación Educativa, 29(2), 1-21.
Karadağ, N. (2023). «The impact of artificial intelligence on online assessment: A preliminary review». Journal of Educational Technology & Online Learning, 6(4), 822-837.
Moreno González, S., y Luchena Mozo, G. M. (2014). «Formación e-learning en la enseñanza superior del Derecho: experiencia en la Universidad de Castilla-La Mancha». REDU. Revista de Docencia Universitaria, 12(3, número extraordinario), 293-318.
Navarro-Dolmestch, R. (2023). «Descripción de los riesgos y desafíos para la integridad académica de aplicaciones generativas de inteligencia artificial». Derecho PUCP, 91, 231-270.
Parlamento Europeo. (2023). EU Artificial Intelligence Act.
QAA (Quality Assurance Agency for Higher Education) (2023). Reconsidering assessment for the ChatGPT era: QAA advice on developing sustainable assessment strategies. QAA.
Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo, de 27 de abril de 2016, relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales y a la libre circulación de estos datos (Reglamento General de Protección de Datos). Diario Oficial de la Unión Europea, L 119, 4 de mayo de 2016.
Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial (Reglamento de Inteligencia Artificial). Diario Oficial de la Unión Europea, L, 12 de julio de 2024.
TEQSA (Tertiary Education Quality and Standards Agency) (2025). Enacting assessment reform in a time of artificial intelligence. Australian Government.
UNESCO. (2019). Beijing consensus on artificial intelligence and education.
(2021a). Artificial intelligence and education: Guidance for policy-makers.
(2021b). Recommendation on the Ethics of Artificial Intelligence.
Universidad de Almería (2020a). Recomendaciones para la evaluación online: profesorado.
(2020b). Preguntas frecuentes sobre protección de datos en la evaluación online.
Universidad de Cantabria (2018). Evitar el plagio en trabajos académicos.
Universidad de Granada (s. f.). La originalidad y los aspectos formales de los trabajos académicos (S. Real Martínez). Facultad de Educación, Economía y Tecnología de Ceuta.
1 En la doctrina anglosajona reciente se ha propuesto distinguir entre AI-assisted writing y AI-generated writing, con implicaciones distintas para la evaluación y las políticas de integridad académica. Aunque aquí no se adopta de forma terminológica estricta esa distinción, subyace a buena parte del debate que se reconstruirá en los epígrafes centrales.