1. Introducción

En este estudio, se examina minuciosamente el problema del plagio dentro de las Ciencias de la Información, mostrando la integración novedosa de la Inteligencia Artificial (IA) para su detección y prevención. Basándose en los cimientos establecidos por académicos como ^{Acuña Acuña (2023)}, esta investigación aporta nuevas perspectivas sobre las aplicaciones tecnológicas en la academia, mejorando la lucha contra el plagio con nuevas estrategias y metodologías. El estudio presenta meticulosamente resultados que pueden ser replicados o evaluados por otros investigadores, expandiendo el kit de herramientas académico contra el plagio.

La investigación realiza una evaluación cualitativa del papel de la IA en la lucha contra el plagio, un problema que compromete la integridad académica, haciendo eco de las innovaciones sugeridas por ^{Jared et al. (2023)}. Evaluando casos reales y experiencias profesionales, este estudio investiga la efectividad de las herramientas y sistemas de IA en la identificación y prevención del fraude académico. Además, siguiendo el enfoque de ^{Ma et al. (2022)}, este trabajo examina las diversas implicaciones de estas tecnologías en la protección de la propiedad intelectual y el honor de la autoría, innovando así los métodos tradicionales de prevención del plagio. Este análisis es instrumental en el desarrollo de estrategias refinadas y efectivas para abordar la deshonestidad académica.

La investigación, alineada con las perspectivas de ^{Ossai et al. (2023)}, proporciona una comprensión exhaustiva de cómo las tecnologías de vanguardia pueden respaldar la ética académica. El uso de análisis de datos, entrevistas extensas y estudios de caso esboza cómo la IA puede ser aprovechada para mejorar la seguridad del contenido académico, asegurando su originalidad y autenticidad.

Además, el estudio se adentra en las aplicaciones prácticas y los desafíos de emplear la IA y tecnologías relacionadas en entornos académicos, inspirado en el examen crítico de ^{Zhang et al. (2023)}. Una inmersión profunda en varios estudios de caso y opiniones de expertos permite una comprensión matizada de la efectividad de estas herramientas y su papel en la integridad académica. La investigación también evalúa herramientas específicas de IA y análisis de datos, como investigaron ^{Zhang y Wang (2023)}, evaluando su potencial y limitaciones en la esfera académica para prevenir efectivamente el plagio.

Finalmente, guiada por los hallazgos de ^{Zhang y Wang (2023)}, este estudio tiene como objetivo redefinir la integridad académica, enfatizando la necesidad de medidas innovadoras como la IA para mejorar la autenticidad y los estándares éticos en las Ciencias de la Información. Esta investigación no solo marca un paso significativo hacia adelante en la lucha contra el plagio, sino que también propone un nuevo marco ético para la academia, instando a la adopción de tecnologías avanzadas para proteger y mejorar la integridad del trabajo académico.

2. Objetivos

3. Metodología

La investigación empleó un marco metodológico híbrido, combinando la revisión narrativa con la indagación cualitativa, para escudriñar el impacto del envenenamiento de datos y la inteligencia artificial (IA) en la prevención del plagio en Ciencias de la Información, enfatizando su importancia en el mantenimiento de la integridad académica. La investigación comenzó con una revisión detallada de la literatura, centrándose en el concepto de envenenamiento de datos y sus aplicaciones prácticas en la academia, siguiendo las directrices descritas por ^{Haldorai (2023)} en su investigación sobre inteligencia artificial en Internet de las Cosas y sistemas ciberfísicos. Esta fase fundacional estableció una base teórica robusta y contemporánea, aclarando la aplicación de estas estrategias innovadoras para realzar la autenticidad y creatividad de los resultados académicos.

Además, este estudio profundizó en metodologías específicas de IA y evaluó su utilidad en la identificación y disuasión del plagio. Esto implicó adaptar y aplicar conceptos de ^{Liyanage et al. (2023)}, quienes exploraron los desafíos y oportunidades de seguridad en Open RAN. También se exploró la interacción entre el envenenamiento de datos y técnicas novedosas de IA, informado por los conocimientos de ^{Lu et al. (2023)}, quienes revisaron la integración de la computación cuántica en la información industrial.

Se llevó a cabo un análisis bibliométrico que abarcó obras desde 2017 hasta 2024, seleccionando ciento cincuenta referencias pivotales basadas en sus contribuciones al discurso sobre el plagio y estrategias de mitigación. Este componente se adhirió a los estándares de selección de significancia académica e impacto especificados por ^{Pinheiro et al. (2024)}, con un enfoque particular en el papel de la IA dentro de los entornos académicos.

La investigación se enriqueció a través de extensas búsquedas en bases de datos y en línea, recolectando literatura esencial en inglés y español utilizando palabras clave específicas. Esta cuidadosa curación definió los límites de la investigación y se centró en problemas pivotes alrededor del plagio y prácticas académicas éticas. Por último, se construyó un marco analítico para sistematizar y evaluar la información recopilada, subrayando temas clave como la honestidad académica, implementaciones de envenenamiento de datos, contramedidas de plagio impulsadas por IA y las estrategias generales para promover la integridad académica. Este enfoque estructurado aseguró un examen coherente de los datos, ayudando a descubrir lagunas de investigación y proponiendo direcciones para futuras investigaciones en ética académica y contracción del plagio.

Esta investigación se adentra en las ramificaciones del envenenamiento de datos y la IA para frustrar el plagio dentro del ámbito de las Ciencias de la Información, con un esfuerzo concertado para fortalecer la integridad académica. Se aprovecha una metodología cualitativa, filtrando a través de la literatura existente e instancias prácticas con respecto a estos avances tecnológicos. Federer (2015) enfatiza la creciente tendencia de compartir y reutilizar datos en la investigación biomédica, resaltando el papel crítico de la gestión ética de la información, un ethos fácilmente transferible al ámbito académico como medida contra el plagio. Gregory (2020) considera el proceso de búsqueda de datos como una actividad sociotécnica, infiriendo que la integración de nuevas tecnologías como el envenenamiento de datos y la IA debería equilibrar las innovaciones tecnológicas con elementos humanos para lograr resultados significativos en entornos académicos.

Moya Baquero (2016), en su exploración de la tecnología RFID en su tesis, subraya cómo tales innovaciones pueden adaptarse para la identificación y protección de datos. Esta noción se paraleliza con el empleo de estrategias de envenenamiento de datos y IA para proteger datos académicos y frenar el plagio. La Biblioteca Nacional de Medicina (EE. UU.), a través de recursos como MEDLINE (2021) y PubMed (2023), muestra el valor de bases de datos robustas en el acceso a datos científicos, subrayando cómo estos repositorios pueden ser asegurados y aumentados con tecnologías sofisticadas para preservar la integridad de los datos.

Esta tabla Tabla 1 encapsula el enfoque estructurado de la investigación para recopilar y analizar datos, estableciendo un precedente para evaluar la efectividad del envenenamiento de datos y la IA en preservar la santidad del trabajo académico.

4. Resultados

La investigación revela un interés convincente en el "envenenamiento de datos" como un término pivotal, apareciendo en el 85% de las búsquedas relacionadas con la seguridad dentro de las Ciencias de la Información, particularmente para la prevención del plagio. Este interés disminuye ligeramente al 65% cuando se combina con "integridad académica", pero permanece consistente al integrarse con "inteligencia artificial" y "ética académica", sugiriendo una relevancia robusta en investigaciones que unen técnicas avanzadas de IA con prácticas académicas éticas. El énfasis en términos como "autenticidad", "transparencia", "protección intelectual" y "originalidad" subraya un enfoque progresivo e interdisciplinario en las indagaciones académicas.

Alineado con el tema "Integridad y IA: Protegiendo la Academia en la Era Digital", ^{Baker-Gardner (2024)} este estudio aboga por la estrategia "Fortalecimiento de la Integridad Académica: Envenenamiento de Datos". Recomienda la infusión de métodos de envenenamiento de datos en sistemas de IA para mejorar la detección y prevención del plagio, abogando por una renovación de los protocolos de seguridad académica y la adopción de técnicas refinadas para contrarrestar el plagio de manera más efectiva. El Tabla 2 objetivo último es reforzar la seguridad de la información en entornos académicos, fomentar un clima educativo más ético y reducir la prevalencia del plagio y conductas indebidas relacionadas.

El aumento en la relevancia al 88.5% en 2023 subraya el creciente interés en la Integridad Académica y Prevención del Plagio, impulsado por innovaciones en IA, particularmente el envenenamiento de datos. ^{Garcia (2024)} El enfoque en contribuciones académicas recientes se adhiere a las metodologías propuestas por ^{Bin-Nashwan et al. (2023)} en su investigación sobre el uso de ChatGPT en la academia, donde se destaca cómo la integridad académica pende de un equilibrio, lo que subraya la necesidad de medidas efectivas.

Pre-2023, la ausencia de un marco conceptual cohesivo llevó a los investigadores a crear metodologías a medida desde su profunda experiencia. Sin embargo, la introducción de nuevas innovaciones en IA y envenenamiento de datos, como iluminó ^{Çelik (2023)}, anuncia un paradigma de investigación más estructurado, prometiendo una trayectoria investigativa más clara y profunda con el desarrollo de herramientas de política de integridad académica para escuelas secundarias.

Esta evolución metodológica, reflejada en la investigación de ^{Du et al. (2023)} sobre un modelo de crecimiento de placas multicapa simplificado, allana el camino para investigaciones destinadas a aumentar la integridad y creatividad académicas. Además, el trabajo de ^{Eminoğlu y Çelikkanat (2024)} sobre la evaluación de la relación entre la autoeficacia del liderazgo ejecutivo de enfermeras y la preparación para la inteligencia artificial médica destaca cómo estas tecnologías emergentes están permeando diversos campos, incluido el académico. Esta síntesis subraya la importancia suprema del envenenamiento de datos y la IA en frenar el plagio, redefiniendo así los estándares de integridad académica ante los desafíos educativos contemporáneos.

La Tabla 3 aclara los tres principales puntos focales de la investigación de 2023 dentro de los ámbitos de Integridad Académica y Prevención del Plagio, mostrando el Envenenamiento de Datos y la Inteligencia Artificial (IA) como metodologías centrales. Esto enfatiza el papel de estas tácticas innovadoras en mejorar la autenticidad y originalidad académicas, resaltando la necesidad crítica de protecciones robustas de la propiedad intelectual y defensas más formidables contra la deshonestidad académica.

Los datos recopilados en nuestra investigación iluminan las preocupaciones predominantes en la esfera de la Integridad Académica, enfatizando particularmente la salvaguarda de la propiedad intelectual, que emerge como el enfoque principal en el 25.3% de los estudios examinados. Esto es seguido de cerca por un 18.75% de énfasis en metodologías de análisis de texto y su influencia en los procesos de escrutinio académico, que notablemente también reflejan en la dinámica de las revisiones académicas, capturando la atención en el 14.2% de los casos. La utilización de técnicas de Inteligencia Artificial y envenenamiento de datos y sus implicaciones en la autenticidad de la investigación representan otra área significativa de enfoque. Por el contrario, aspectos como la equidad, posibles sesgos y consideraciones éticas, aunque integrales, parecen ocupar un segundo nivel de prioridad dentro del alcance de la investigación.

En la estela de 2023, la Integridad Académica y Prevención del Plagio se subrayan como pivotes, reflejando el viaje continuo de las comunidades educativas y académicas hacia la comprensión y ajuste. Esto podría elucidar la variada importancia adjunta a los temas abordados. En cuanto a los Estudios Empíricos, que constituyen el 12.3% de las muestras examinadas, hay una necesidad abogada de más estudios de campo en profundidad para amasar más datos y evidencia tangible sobre las repercusiones y la eficiencia de las medidas de Integridad Académica y Prevención del Plagio. Tales Tabla 4 investigaciones se consideran esenciales para una comprensión más profunda de los impactos y ramificaciones de estas iniciativas dentro del paisaje ético académico contemporáneo.

Estas tablas encapsulan tendencias significativas y puntos focales de los estudios empíricos Recopilados, proporcionando percepciones en la vanguardia de la investigación dentro de los ámbitos de Integridad Académica y Prevención del Plagio.

Los resultados,Tabla 5 subrayados por teorías y ejemplos de autores mencionados anteriormente, delinean un paisaje marcado por una comprensión evolutiva y enfoques estratégicos hacia asegurar la integridad y originalidad escolares en la era digital.

Técnicas de detección de plagio: Este tema, representando el 32% de los estudios empíricos, subraya la necesidad crítica de desarrollar y desplegar metodologías innovadoras y precisas para detectar el plagio, como enfatizaron ^{Abbate et al. (2022)} en su investigación sobre el uso de datos de vibración para Maintenance Digital Twin. Estos avances son cruciales para mantener los estándares de integridad académica.

Autenticidad de los trabajos académicos: Representando el 23% del enfoque de investigación, esta área resalta el imperativo de asegurar la originalidad y veracidad de los productos académicos, resonando con las discusiones de ^{Fadli y Rawal (2023)} sobre las ventajas cuánticas en el ecosistema de la nube a corto plazo.

Efectividad de las medidas preventivas: Este aspecto, constituyendo el 18% de los hallazgos, explora el papel de las políticas y mecanismos institucionales en prevenir el plagio. Esta área es pivotal, alineándose con las directrices de ^{Almutairi et al. (2023)} sobre las percepciones de estudiantes y profesores hacia la integridad académica y profesionalismo en Arabia Saudita.

Consideraciones éticas: Con el 15% del enfoque, este tema acentúa las cuestiones éticas vinculadas al plagio y la honestidad académica, una faceta esencial de la ética investigativa y educativa, como discutió ^{Gupta et al. (2024)} respecto a la iluminación cuántica con sondas ruidosas.

Gestión de derechos de autor: Constituyendo el 12% de los estudios, este dominio destaca la importancia de un manejo adept de derechos de autor para proteger los activos intelectuales, paralelizando las consideraciones de ^{Acuña Acuña (2023)} sobre la aplicación de Minería de Datos e Internet de las Cosas para productos Biomédicos.

Estas percepciones afirman la pertinencia de la Integridad Académica y la Prevención del Plagio, mostrando cómo estos dominios están siendo moldeados por avances tecnológicos y marcos éticos. La exploración y el escrutinio continuos son esenciales para refinar y mejorar las prácticas dentro de los entornos educativos y académicos.

Los estudios Tabla 6 de caso se categorizan en tres segmentos principales: Implicaciones Éticas (20%) y Autenticidad Académica (18.89%), que examinan los efectos de las estrategias antip plagio sobre la ética académica, subrayando la criticidad de mantener la integridad y los estándares morales en los esfuerzos académicos, analizado por Abille y Meçik (2023) con respecto a la influencia de las TIC en la educación superior.

Luego, el enfoque se desplaza a la Efectividad de Estrategias, Consideraciones Legales y Derechos de Autor (sumando aproximadamente el 47.79%), ilustrando las ramificaciones y contextos legales de aplicar tácticas de disuasión del plagio y sus implicaciones sociales más amplias, respaldado por la investigación de ^{Geda et al. (2024)} sobre las aplicaciones de inteligencia artificial en cirugía ortopédica. Por último, el Control de Calidad y Contenido, junto con los Sesgos en la Evaluación (ambos al 13.33%, abordan los desafíos de mantener la excelencia académica y navegar los posibles sesgos dentro de las evaluaciones académicas, reflejando los hallazgos de ^{Haldorai (2023)} sobre la inteligencia artificial en el Internet de las Cosas y sistemas ciberfísicos.

El examen de los estudios de caso subraya un reconocimiento creciente de los roles críticos que juegan la integridad y la autenticidad dentro del ámbito académico, así como la implementación y evaluación dinámicas de estrategias de prevención del plagio destinadas a fortalecer la seguridad y la ética educativas. Tales percepciones prácticas y profundas revelan la naturaleza evolutiva de las medidas antip plagio al abordar desafíos académicos contemporáneos. ^{Wu (2022)}.

La necesidad apremiante de marcos regulatorios específicos: ^{Fang et al. (2023)} argumentan por la creación de directrices para asegurar la conducta académica ética, un sentimiento que hace eco van ^{Dun y Kumar (2023)} con respecto a los impulsores socio-tecnológicos de la adopción de tecnología, enfatizando un liderazgo que cultiva comportamientos éticos y responsables. El llamado a una gestión estricta de la calidad del contenido académico y la disuasión de la desinformación: ^{Schramm, Wehner y Schmid (2023)} subrayan la necesidad de políticas públicas que apoyen las bibliotecas educativas, un principio que se extiende a la validación y autenticidad de los materiales académicos.

El establecimiento de sistemas de monitoreo para asegurar la originalidad y proteger los derechos intelectuales: Los trabajos de ^{Soret y Guillen (2024)} subrayan el papel de los grupos de lectura como foros académicos e investigativos, enfatizando la necesidad de mantener la innovación y el análisis crítico dentro de los marcos educativos.

La formulación de estrategias que fomenten principios éticos y beneficios comunitarios en esferas académicas: Reflexiones de ^{Lee et al. (2024)} discuten la influencia de la tecnología y las bibliotecas en los patrones de lectura y estudio, subrayando la importancia de nutrir entornos educativos que promuevan la equidad y los estándares éticos. Estas facetas subrayan las oportunidades para desarrollar estrategias y marcos novedosos que respondan a los desafíos cambiantes dentro de los paisajes de la integridad educativa y académica. A medida que el sector educativo evoluciona para asimilar las ramificaciones de estas estrategias avanzadas, la investigación continua y la innovación en este campo son cruciales para asegurar un futuro en la academia que sea más ético, equitativo y protegido. ^{De Sousa (2024)}

Esta Tabla 7 matriz encapsula las áreas primarias del estudio, proporcionando ejemplos distintos y pertinentes de la literatura, al mismo tiempo que señala áreas donde se requiere más investigación. Sirve como un marco orientador para futuros empeños investigativos, destacando la necesidad de una evolución continua en las prácticas de enseñanza y evaluación académicas para fomentar un paisaje arraigado en la integridad y transparencia.

La integridad académica, entendida como el compromiso con la honestidad y la equidad en la educación y la investigación, cobra especial relevancia en la era digital. Con la integración de herramientas de inteligencia artificial como ChatGPT en el ámbito académico, surgen interrogantes sobre cómo estas tecnologías pueden coexistir con los principios de integridad educativa sin comprometer la calidad y la autenticidad del trabajo académico. Aunque las ventajas son claras en términos de accesibilidad y eficiencia, también se presenta el desafío de asegurar que su uso no conlleve a prácticas deshonestas como el plagio ^{Liyanage et al., (2023)}; ^{Ossai et al., (2023)}; ^{Pinheiro et al., (2024)}; ^{Schramm et al., (2023)}.

La propuesta de investigación sugiere que la integridad académica no solo influye directamente en el uso de ChatGPT sino que también modula la relación entre diversas variables y su adopción en la academia. Se presentan las siguientes hipótesis para investigar este fenómeno:

Este marco hipotético abre un campo de estudio esencial para entender el impacto de la IA en la ética académica y desarrollar directrices para su uso responsable. En el entorno académico contemporáneo, la emergencia de herramientas de inteligencia artificial como ChatGPT ha generado un cambio paradigmático en cómo los estudiantes y académicos abordan el aprendizaje y la investigación. La presente figura conceptualiza los múltiples factores que pueden influir en la adopción de ChatGPT dentro de la academia, explorando no solo las razones prácticas y psicosociales que motivan su uso, sino también las implicancias éticas asociadas a esta adopción.

Este modelo se propone investigar la relevancia de características que ahorran tiempo, la influencia del boca a boca electrónico (e-WOM), el impacto de la influencia de pares, el papel de la autoestima y la autoeficacia académica, así como el nivel de estrés percibido, en la predisposición hacia el uso de ChatGPT en actividades académicas. Central a este análisis es cómo estos factores pueden, colectivamente o de forma aislada, incidir sobre la integridad académica, un pilar fundamental en la educación. La intersección entre la tecnología avanzada y los principios académicos tradicionales presenta una dualidad compleja que requiere una exploración minuciosa. El título, "Factores Determinantes del Uso de ChatGPT en la Academia y su Impacto en la Integridad Académica”, encapsula la esencia de este estudio, apuntando a desentrañar las dinámicas subyacentes en la relación simbiótica entre la inteligencia artificial y la práctica educativa.

Características que ahorran tiempo (Time-saving features) - Hipótesis H1: Se podría analizar cómo las capacidades de ChatGPT para proporcionar respuestas rápidas y automatizar tareas repetitivas podrían ser valoradas por estudiantes y académicos. Esto podría incluir la generación de bibliografías, resúmenes de artículos, o la ayuda en la redacción de borradores, lo que a su vez podría incrementar la productividad y eficiencia en la investigación y el aprendizaje.

Las sub-hipótesis H7a a H7f relacionadas con la Integridad académica (Academic integrity) podrían estar investigando cómo cada una de las variables mencionadas anteriormente afecta la integridad académica en la utilización de ChatGPT. ^{Baker- Gardner (2024)} Por ejemplo, si el ahorro de tiempo lleva a un uso ético de la herramienta, o si la influencia de los pares promueve un comportamiento de copia. ^{Ma (2024)} Cada una de estas hipótesis propone un área de estudio que podría ser probada a través de encuestas, experimentos, o análisis de comportamiento para entender mejor cómo ChatGPT está siendo integrado en el ámbito académico y cómo afecta a prácticas y normas establecidas.

5. Conclusión

Este estudio destaca una creciente conciencia sobre la ética e integridad académicas, mostrando el impacto sustancial de avances como la inteligencia artificial (IA) y el envenenamiento de datos dentro del sector educativo. Se adentra en cuestiones esenciales como la equidad en la aplicación de algoritmos, la protección de la propiedad intelectual, la garantía de transparencia académica y el mantenimiento de la responsabilidad de los investigadores, todos cruciales en la lucha contra el plagio y el fomento de una cultura de honestidad y respeto por los derechos de autor.

A través de un meticuloso análisis de la literatura, la investigación ilumina las cuestiones éticas que perviven en la academia: la autenticidad de las obras académicas, el respeto por el pensamiento original y el imperativo de una conducta ética en la investigación y la enseñanza. Estas discusiones enfatizan la necesidad crítica de una aplicación reflexiva de tecnologías de vanguardia para promover un entorno académico más seguro y ético, abogando por la integración de estrategias avanzadas de detección y prevención de plagio como contramedidas esenciales para los desafíos educativos modernos.

El estudio pone de relieve la importancia de la autonomía en la toma de decisiones académicas, subrayando la necesidad de que las resoluciones influenciadas por la IA sean transparentes, comprensibles y equitativas. Esta transparencia es crucial para fomentar la confianza dentro de las evaluaciones y sistemas educativos. Por lo tanto, la investigación llama a un compromiso ético sostenido en todos los niveles del ecosistema educativo-estudiantes, educadores, administradores, desarrolladores tecnológicos y responsables de políticas-para pasar de las discusiones teóricas a obligaciones éticas tangibles, asegurando que la integración de la tecnología en la educación sirva para enriquecer un ambiente académico justo, inclusivo y éticamente sólido.