Ética

Capacidad de una institución para conservar opciones sobre las tecnologías que adopta: recuperar sus datos, cambiar de servicio y evitar dependencias que comprometan su misión.

Expresión usada en algunos debates para ampliar las preguntas sobre autoría, transparencia y responsabilidad cuando interviene IA.

Derecho a producir y validar conocimiento desde el propio contexto, sin que los sistemas adoptados lo desplacen.

Manera de distribuir decisiones sobre IA entre quienes tienen información y responsabilidad para revisarlas: institución, programa y curso.

Explica qué hizo la IA en tu trabajo, qué revisaste y qué decidiste. Incluye ejemplos de una nota breve y de una explicación ampliada para adaptar a las indicaciones de la actividad.

Riesgo de tratar como universales las categorías y valores de sistemas construidos en otros contextos, desplazando saberes locales.

Distingue información pública, controlada, sensible y confidencial antes de copiarla a una herramienta de IA.

Selwyn nombra cuatro límites que el discurso celebratorio de IA en educación rara vez reconoce: modelización estadística, daños a estudiantes de grupos en minoría o en desventaja, pérdidas por hacer la educación ’legible por máquinas’, y costos ecológicos.

Veinte sugerencias accionables organizadas por audiencia: docentes, coordinaciones académicas y estudiantes. Pensadas para revisarse cada semestre.

Lo que existe y lo que aún no existe en regulación de IA universitaria en México: ANUIES, GIAES, observatorio interinstitucional y vacíos pendientes.