Aquí tienes un superprompt listo para usar con un modelo de IA

 ACTÚA COMO: especialista senior en políticas institucionales de educación superior, integridad académica, evaluación auténtica, protección de datos, propiedad intelectual y gobernanza de inteligencia artificial generativa. Tienes experiencia en redacción normativa para institutos de educación superior, diseño curricular y revisión jurídica-administrativa de reglamentos académicos.

TAREA PRINCIPAL:

Actualizar de forma integral el documento titulado “Normativa para el Uso de Inteligencia Artificial (IA) en Trabajos Académicos”, manteniendo su estructura general, estilo normativo, extensión aproximada, numeración de capítulos y artículos, ejemplos por carrera, tablas, anexos, referencias y coherencia con el Reglamento del Estudiante de la institución.

La actualización debe integrar los lineamientos y el enfoque de Stanford sobre IA generativa en educación, particularmente en relación con: uso pedagógico responsable, transparencia, aprendizaje auténtico, evaluación centrada en el proceso, autoría humana, pensamiento crítico, privacidad, equidad, sesgos, alfabetización en IA, uso contextualizado por actividad y límites de los detectores automáticos de IA.

DOCUMENTOS DE ENTRADA:

1. Documento base: “Normativa para el Uso de Inteligencia Artificial (IA) en Trabajos Académicos”.

2. Documento de referencia Stanford: [PEGAR O ADJUNTAR EL DOCUMENTO DE STANFORD].

3. Normativa institucional relacionada: Reglamento del Estudiante, normativa de investigación, política de privacidad y demás disposiciones aplicables.

4. Marco normativo peruano e institucional citado en el documento base.

REGLA FUNDAMENTAL:

NO resumir, reducir ni reemplazar el reglamento por una versión breve. Debes conservar la extensión y el nivel de desarrollo del documento original, aproximadamente 48 páginas, salvo que una ampliación sea necesaria para incorporar mejoras sustantivas. No elimines artículos, ejemplos, anexos, tablas, definiciones o referencias sin justificarlo expresamente.

OBJETIVO DE LA REVISIÓN:

Transformar el documento en una normativa actualizada, clara, aplicable y pedagógicamente sólida, que no trate el uso de IA como fraude por sí mismo, sino que distinga entre uso autorizado, uso no autorizado, uso oculto, uso negligente, fabricación de información y vulneración de derechos o datos.

ENFOQUE NORMATIVO QUE DEBE INCORPORARSE:

1. La IA generativa debe entenderse como una herramienta que puede apoyar el aprendizaje, la creatividad, la investigación y la práctica profesional, pero no sustituir la autoría, el juicio, la responsabilidad ni las competencias que deben demostrar estudiantes y docentes.

2. El uso permitido o prohibido de IA debe definirse por actividad evaluativa, resultado de aprendizaje y contexto disciplinar; no mediante una única regla general aplicable a todas las asignaturas.

3. Cada consigna evaluativa debe indicar de manera expresa:

   - El nivel de uso de IA autorizado.

   - Las herramientas, funciones o modalidades permitidas.

   - Las restricciones aplicables.

   - Ejemplos de uso permitido y no permitido.

   - Evidencias de proceso requeridas.

   - Forma de declaración del uso de IA.

   - Criterios de evaluación del aprendizaje y de la reflexión crítica.

4. Mantener y fortalecer la Escala de Evaluación de IA Revisada (AIAS), con los cinco niveles:

   - Nivel 1: Sin IA.

   - Nivel 2: Planificación asistida por IA.

   - Nivel 3: Finalización de tareas asistida por IA.

   - Nivel 4: IA completa o integración estratégica.

   - Nivel 5: Exploración y cocreación de nuevas metodologías.

5. Precisar que ningún nivel AIAS es intrínsecamente superior a otro. La elección del nivel depende de los resultados de aprendizaje, las competencias a evaluar, la disciplina, el tipo de producto y las condiciones de realización de la actividad.

6. En actividades de Nivel 1, exigir condiciones razonables de supervisión o diseño que permitan sostener la prohibición de IA. Evitar declarar “sin IA” en tareas domiciliarias si no existe una estrategia pedagógica y procedimental viable para verificar dicha condición.

7. Reemplazar declaraciones genéricas de IA por una declaración de proceso proporcional al tipo de trabajo. Esta declaración deberá incluir, según corresponda:

   - Nombre de la herramienta y versión o modelo.

   - Fecha aproximada de uso.

   - Finalidad del uso.

   - Fase o sección del trabajo intervenida.

   - Prompts o instrucciones relevantes, cuando sean solicitados.

   - Aportes, modificaciones y decisiones personales del estudiante.

   - Acciones de verificación de datos, fuentes, referencias y contenido.

   - Archivos, borradores, historial de versiones u otras evidencias pertinentes.

8. Establecer que la IA no puede ser autora ni coautora de trabajos académicos. La responsabilidad académica, ética, metodológica y legal del producto final corresponde íntegramente a la persona que presenta el trabajo.

9. Exigir verificación humana crítica de cualquier contenido producido con IA, incluyendo:

   - Datos y cifras.

   - Citas y referencias.

   - Fuentes bibliográficas.

   - Argumentos y conclusiones.

   - Imágenes, gráficos, tablas y representaciones visuales.

   - Código, fórmulas, traducciones, transcripciones y análisis.

   - Contenido audiovisual y voz sintética.

10. Precisar que las herramientas de IA pueden inventar, alterar o presentar información inexacta con apariencia convincente. Por ello, las referencias sugeridas por IA no deben incluirse en un trabajo sin haber sido verificadas y consultadas en su fuente original.

11. Incorporar una disposición expresa sobre detectores de IA:

   - Los detectores automáticos no deben utilizarse como única prueba ni como evidencia concluyente para sancionar una presunta falta.

   - Sus resultados solo pueden considerarse un indicio inicial.

   - Toda investigación debe incluir análisis contextual, revisión de la consigna, evidencias de proceso, contraste documental y derecho de descargo.

   - No deben adoptarse decisiones basadas únicamente en porcentajes o reportes automatizados de probabilidad de IA.

12. Fortalecer la evaluación auténtica y basada en proceso mediante estrategias tales como:

   - Bitácoras de trabajo.

   - Borradores y versiones sucesivas.

   - Historial de edición.

   - Portafolios.

   - Archivos fuente.

   - Registro de decisiones.

   - Defensa oral breve.

   - Demostración práctica.

   - Reflexión crítica.

   - Presentación de prototipos.

   - Coevaluación o retroalimentación documentada.

   - Aplicación contextual de conocimientos.

13. Evitar que estas evidencias se conviertan en una carga burocrática. Su exigencia debe ser proporcional al nivel AIAS, al tipo de evaluación, al riesgo de sustitución de aprendizaje y a la importancia académica del trabajo.

14. Reforzar la protección de datos, privacidad y confidencialidad. Prohibir expresamente cargar en herramientas de IA no autorizadas:

   - Datos personales o sensibles.

   - Información biométrica.

   - Datos de menores de edad.

   - Información de participantes de investigación.

   - Historias, expedientes o registros académicos.

   - Documentos institucionales reservados.

   - Trabajos inéditos de terceros.

   - Información comercial confidencial.

   - Material protegido cuyo uso no haya sido autorizado.

15. Incluir obligaciones de consentimiento cuando se utilicen grabaciones, transcripciones, asistentes de reuniones, clonación de voz, generación o manipulación de imagen, avatarización, análisis de entrevistas u otras aplicaciones que involucren a terceras personas.

16. Reforzar el enfoque de equidad, inclusión y accesibilidad:

   - No asumir que todos los estudiantes tienen acceso a herramientas de pago, conectividad suficiente o dispositivos equivalentes.

   - No exigir herramientas comerciales sin ofrecer acceso institucional, alternativa gratuita funcional o actividad equivalente.

   - Considerar tecnologías de asistencia para estudiantes con discapacidad.

   - Evitar que los mecanismos de control produzcan discriminación lingüística, cultural, estilística o socioeconómica.

17. Incorporar la obligación de identificar y mitigar sesgos algorítmicos, estereotipos, discriminación, errores culturales, sesgos de género, sesgos de representación corporal, sesgos de idioma y exclusiones derivadas de los resultados de IA.

18. Mantener y ampliar las disposiciones sobre derechos de autor, licencias y derechos de imagen:

   - Verificar licencias de imágenes, música, video, tipografías, modelos 3D, códigos y otros materiales.

   - Declarar cuando un contenido haya sido generado o manipulado con IA, especialmente en productos audiovisuales, gráficos y de diseño.

   - Evitar presentar material generado con IA como evidencia de una producción manual, fotográfica, audiovisual o investigativa que no ocurrió.

   - Prohibir usos engañosos de deepfakes, clonación de voz o suplantación de identidad.

19. Ajustar las faltas disciplinarias para que sean claras, proporcionales y basadas en conductas verificables. Diferenciar:

   - Falta leve: omisión subsanable de declaración, error de formato o incumplimiento no intencional de una exigencia documental.

   - Falta grave: uso de IA no autorizado, ocultamiento deliberado, presentación de contenido no declarado como propio, fabricación de citas o referencias, manipulación engañosa de evidencia o vulneración de confidencialidad.

   - Falta muy grave: fraude sistemático, suplantación, uso de IA para falsear evidencias de titulación, vulneración grave de datos personales, deepfakes dañinos, divulgación de información confidencial o reincidencia grave.

20. Garantizar el debido proceso en toda presunta falta:

   - Comunicación clara de los hechos.

   - Acceso a las evidencias.

   - Oportunidad de descargo.

   - Posibilidad de explicar el proceso de elaboración.

   - Revisión humana contextual.

   - Aplicación proporcional de medidas formativas o disciplinarias.

   - Prohibición de sanciones basadas exclusivamente en detectores automatizados.

21. Fortalecer las responsabilidades institucionales:

   - Capacitación docente y estudiantil continua.

   - Alfabetización crítica en IA.

   - Orientaciones para diseño de consignas.

   - Protocolos de privacidad.

   - Recursos institucionales o alternativas de acceso.

   - Actualización tecnológica y normativa.

   - Acompañamiento de la Unidad de Investigación, coordinación académica y áreas competentes.

22. Incluir un mecanismo de revisión periódica, como mínimo anual, con participación de representantes académicos, tecnológicos, jurídicos y estudiantiles. La revisión debe considerar cambios tecnológicos, evidencia científica, normativa nacional, experiencias institucionales y retroalimentación de la comunidad educativa.

ESTRUCTURA QUE DEBES CONSERVAR Y FORTALECER:

- Portada.

- Base normativa.

- Introducción.

- Capítulo I: Disposiciones generales.

- Capítulo II: Definiciones clave.

- Capítulo III: Niveles de uso en evaluaciones – Marco AIAS.

- Capítulo IV: Declaración, citación y trazabilidad.

- Capítulo V: Responsabilidades y roles.

- Capítulo VI: Trabajos de investigación, titulación y publicaciones.

- Capítulo VII: Sanciones y procedimientos.

- Capítulo VIII: Recursos e implementación.

- Anexos.

- Referencias.

REQUISITOS ESPECÍFICOS POR CAPÍTULO:

A. INTRODUCCIÓN

- Mantener el enfoque formativo y no meramente punitivo.

- Explicar que la IA es una herramienta de apoyo, no sustituto del aprendizaje.

- Incorporar la necesidad de evaluar competencias, procesos y decisiones humanas.

- Referir la relevancia profesional de la IA para las carreras de Comunicación Audiovisual, Diseño Publicitario, Diseño de Interiores y Diseño de Modas.

B. CAPÍTULO I: DISPOSICIONES GENERALES

- Ampliar los principios rectores con: finalidad pedagógica, proporcionalidad, evaluación auténtica, equidad, accesibilidad, privacidad, explicación y debido proceso.

- Precisar el carácter complementario respecto del Reglamento del Estudiante y demás normas institucionales.

C. CAPÍTULO II: DEFINICIONES

- Mantener definiciones existentes y añadir, cuando corresponda:

  - Alfabetización crítica en IA.

  - Evaluación auténtica.

  - Evidencia de proceso.

  - Detector de IA.

  - Deepfake.

  - Datos personales y datos sensibles.

  - Modelo multimodal.

  - Sesgo algorítmico.

  - Supervisión humana significativa.

  - Declaración de proceso.

  - Uso autorizado, uso no autorizado y uso no declarado.

D. CAPÍTULO III: MARCO AIAS

- Conservar el desarrollo detallado de los cinco niveles.

- Revisar todos los ejemplos de carreras para asegurar que incluyan decisiones humanas, reflexión crítica, evidencias de proceso y declaración cuando corresponda.

- Añadir, por cada nivel, recomendaciones de evaluación y ejemplos de evidencia aceptable.

- Incorporar una cláusula que obligue a comunicar el nivel AIAS en cada consigna.

E. CAPÍTULO IV: DECLARACIÓN, CITACIÓN Y TRAZABILIDAD

- Sustituir o ampliar la declaración genérica por una declaración detallada de proceso.

- Incluir un modelo breve para actividades simples y uno ampliado para trabajos finales, investigaciones, proyectos integradores y titulaciones.

- Mantener las orientaciones APA 7, aclarando que la IA no sustituye fuentes verificables.

- Incorporar expresamente la prohibición de referencias inexistentes o no consultadas.

- Añadir una lista de verificación ética antes de la entrega.

F. CAPÍTULO V: RESPONSABILIDADES Y ROLES

- Precisar responsabilidades de estudiantes, docentes, asesores, jurados, coordinadores y la institución.

- Incluir deberes de comunicación clara, formación, acompañamiento, resguardo de datos y alternativas equitativas de acceso.

- Establecer que el docente debe diseñar evaluaciones coherentes con el nivel AIAS declarado.

G. CAPÍTULO VI: INVESTIGACIÓN, TITULACIÓN Y PUBLICACIONES

- Mantener las exigencias especiales para trabajos finales, Trabajo de Aplicación Profesional (TAP), Examen de Suficiencia Profesional (ESP), investigaciones docentes y publicaciones institucionales.

- Exigir declaración ampliada de proceso, trazabilidad proporcional, defensa oral y evidencia de decisiones humanas en los casos de alta relevancia.

- Distinguir entre uso de IA para apoyo técnico y uso de IA para generar resultados, análisis, datos, imágenes o materiales que podrían comprometer la validez de la investigación.

- Reforzar la confidencialidad de datos de investigación y de participantes.

H. CAPÍTULO VII: SANCIONES Y PROCEDIMIENTOS

- Mantener la clasificación de faltas, ajustando las definiciones según intención, impacto, reiteración, ocultamiento y naturaleza de la actividad.

- Incorporar el artículo específico sobre límites de los detectores de IA.

- Reforzar el derecho de defensa y la valoración contextual de evidencias.

- Priorizar medidas formativas cuando el incumplimiento sea subsanable y no exista engaño deliberado.

I. CAPÍTULO VIII: RECURSOS E IMPLEMENTACIÓN

- Mantener anexos, cláusulas modelo e implementación gradual.

- Añadir un plan de capacitación, orientación docente, apoyo al estudiante y revisión anual.

- Incluir modelos de consigna para los cinco niveles AIAS.

- Añadir una matriz de decisión para seleccionar el nivel AIAS según resultado de aprendizaje, modalidad, producto y riesgo de sustitución de aprendizaje.

ESTILO DE REDACCIÓN:

- Redacta en español formal, claro, normativo y técnicamente preciso.

- Mantén una voz institucional, formativa y aplicable.

- Utiliza artículos numerados, incisos y subtítulos coherentes.

- Evita expresiones ambiguas como “se recomienda” cuando se requiera una obligación; usa “deberá”, “deberán”, “queda prohibido”, “se permitirá”, “corresponde”.

- Evita prohibiciones absolutas que no puedan aplicarse o verificarse razonablemente.

- Evita asumir que la IA es siempre perjudicial o siempre beneficiosa.

- Evita depender de herramientas concretas que puedan quedar obsoletas; menciona marcas solo como ejemplos no exhaustivos.

- No inventes normas, leyes, resoluciones, datos, fuentes o referencias.

- Si una referencia legal o institucional no puede verificarse, señálala como “[VERIFICAR REFERENCIA NORMATIVA]”.

- Respeta APA 7 en las referencias bibliográficas.

PRODUCTO FINAL SOLICITADO:

Entrega cuatro productos, en este orden:

1. DOCUMENTO NORMATIVO COMPLETO REVISADO

   - Texto íntegro, estructurado y listo para copiar a Word.

   - Debe mantener la extensión y el detalle del documento original.

   - Debe incorporar directamente las modificaciones, sin marcas de control de cambios, salvo que se solicite lo contrario.

2. MATRIZ DE CAMBIOS

   Tabla con las siguientes columnas:

   - Sección o artículo.

   - Texto o enfoque anterior.

   - Mejora incorporada.

   - Justificación pedagógica, ética o normativa.

   - Relación con el lineamiento de Stanford.

   - Nivel de prioridad: alta, media o baja.

3. ANEXOS ACTUALIZADOS

   - Formato breve de declaración de uso de IA.

   - Formato ampliado de declaración de proceso.

   - Lista de verificación ética antes de entregar.

   - Cláusulas modelo de consigna para niveles AIAS 1 al 5.

   - Matriz para selección del nivel AIAS.

   - Guía breve para docentes sobre evidencias de proceso y evaluación auténtica.

   - Protocolo orientativo para tratar sospechas de uso no autorizado de IA sin depender exclusivamente de detectores.

4. INFORME DE CONTROL DE CALIDAD

   Verifica e informa:

   - Que todos los artículos originales hayan sido conservados o justificados.

   - Que no se hayan inventado fuentes normativas.

   - Que se haya incluido una cláusula sobre detectores de IA.

   - Que se haya incorporado privacidad, equidad, accesibilidad y sesgos.

   - Que se haya fortalecido el debido proceso.

   - Que se haya incorporado revisión periódica.

   - Que los ejemplos estén adaptados a las cuatro carreras institucionales.

   - Que el documento mantenga coherencia terminológica entre capítulos, artículos, anexos y referencias.

INSTRUCCIÓN FINAL:

Antes de redactar, analiza cuidadosamente el documento base y el documento de Stanford. Identifica artículos que deben conservarse, modificarse, ampliarse o reubicarse. Luego entrega una versión completa y consolidada, no un resumen. Si existe alguna contradicción entre el texto base y los lineamientos de Stanford, prioriza la integridad académica, los derechos de los estudiantes, la protección de datos, la equidad y la validez pedagógica de la evaluación, dejando constancia técnica de la decisión en la matriz de cambios.