Escritura académica, citación e integridad en investigación

Objetivo didáctico

Al finalizar esta lección podrás distinguir, en fragmentos académicos y situaciones de investigación educativa, prácticas adecuadas e inadecuadas de argumentación, atribución de fuentes, citación según APA, integridad científica y transparencia en el uso de inteligencia artificial generativa.

Introducción

En el posgrado, escribir académicamente no consiste solamente en utilizar un vocabulario formal. La escritura hace visible una cadena de razonamiento: se formula una afirmación, se presenta evidencia pertinente, se establece la relación entre esa evidencia y la afirmación y se delimita el alcance de lo que puede concluirse. La calidad del texto depende, por tanto, tanto de su redacción como de la arquitectura de su argumento (Booth et al., 2024).

Las fuentes forman parte de esa arquitectura. Una cita no se incorpora para demostrar que se ha leído mucho, sino para permitir que otras personas reconozcan qué ideas proceden de trabajos previos, recuperen las fuentes pertinentes y distingan la contribución propia de la ajena. APA Style organiza esta trazabilidad mediante un sistema autor-fecha y una lista de referencias que deben corresponder entre sí (American Psychological Association, 2020).

Sin embargo, la ética de investigación excede el sistema de citación. En el campo educativo, el Código de Ética de la American Educational Research Association sitúa la integridad junto con la competencia profesional, la responsabilidad científica, el respeto por los derechos y la dignidad de las personas y la responsabilidad social. También prohíbe la fabricación, la falsificación y el plagio en la producción y comunicación de investigación (American Educational Research Association, 2011).

La aparición de herramientas de inteligencia artificial generativa amplía las situaciones que deben juzgarse. El problema ya no puede reducirse a preguntar si una herramienta fue utilizada, sino a determinar para qué se utilizó, qué información recibió, cómo se verificó su resultado y qué debe declararse. La transparencia y la responsabilidad humana siguen siendo centrales (Miao & Holmes, 2023; Office of Research Integrity, 2026).

Desarrollo del tema

De una oración correcta a una afirmación académicamente sustentada

Una oración puede ser gramaticalmente impecable y, sin embargo, no funcionar todavía como una afirmación académica. En investigación, una proposición relevante debe poder situarse respecto de una pregunta, un cuerpo de conocimiento o una evidencia. Cuando un texto afirma que una política educativa «mejoró el desempeño institucional», el lector necesita saber qué significa mejorar, mediante qué evidencia se sostiene y hasta dónde puede extenderse esa conclusión.

Booth et al. (2024) conciben el argumento de investigación como una relación entre afirmaciones, razones y evidencia, acompañada por el razonamiento que permite comprender por qué esa evidencia respalda lo afirmado. Esta arquitectura obliga a distinguir entre presentar un dato y justificar la inferencia que se hace a partir de él. Dos autores pueden citar la misma evidencia y construir conclusiones distintas si sus supuestos o su razonamiento difieren.

También importa el grado de fuerza de una afirmación. Expresiones como «demuestra», «se asocia», «sugiere», «es consistente con» o «permite interpretar» no son intercambiables. La formulación debe corresponder con el diseño de investigación, la calidad de la evidencia y las limitaciones del estudio. En las siguientes lecciones esta relación se volverá central para comprender por qué no todo diseño permite realizar el mismo tipo de inferencia.

Ejemplo construido: afirmar que «la participación del profesorado causa una mejora de la gestión escolar» requiere condiciones de evidencia más exigentes que afirmar que «en los casos estudiados, una mayor participación docente se relacionó con determinadas formas de gestión». La diferencia no es meramente estilística: expresa un alcance inferencial distinto.

En la práctica de la administración educativa, esta estructura ayuda a separar una opinión profesional legítima de una afirmación presentada como conocimiento investigativo. Ambas pueden ser valiosas, pero requieren estatutos discursivos diferentes: una experiencia profesional no debe presentarse como si fuera evidencia empírica sistemática, y una evidencia tampoco habla por sí sola sin interpretación.

Citas y referencias en APA 7: construir trazabilidad

El sistema APA utiliza el principio autor-fecha para conectar el texto con la lista de referencias. Una cita en el texto indica qué fuente respalda o aporta la idea que se está utilizando; una referencia proporciona los datos necesarios para identificar y recuperar esa fuente. En condiciones ordinarias, una obra citada en el texto debe tener su entrada correspondiente en la lista de referencias y viceversa (American Psychological Association, 2020).

La paráfrasis expresa con formulación propia una idea tomada de otra fuente y conserva la obligación de citarla. APA no exige normalmente un número de página para una paráfrasis, aunque puede incorporarse cuando ayuda a localizar un pasaje concreto. Una cita textual, en cambio, reproduce las palabras de la fuente y requiere información de localización apropiada, como el número de página cuando existe (American Psychological Association, 2020).

Parafrasear no significa reemplazar palabras por sinónimos mientras se mantiene intacta la arquitectura de una oración. Una buena paráfrasis parte de la comprensión de la idea, la reubica dentro del argumento propio y atribuye su procedencia. APA recomienda preferir la paráfrasis cuando permite integrar mejor el contenido al contexto del escrito, reservando la cita textual para situaciones en las que la formulación original tiene una función específica.

El criterio decisivo es la trazabilidad: el lector debe poder distinguir qué aporta la fuente, qué interpretación formula quien escribe y dónde puede localizarse el trabajo citado. Por eso, una referencia aislada al final de un párrafo ambiguo puede ser insuficiente si no queda claro qué afirmaciones está respaldando.

Figura 1. Trazabilidad básica de una fuente dentro de un texto académico. Elaboración propia.

Antes de entregar un escrito, una revisión útil consiste en recorrer cada cita y formular dos preguntas: «¿se distingue con claridad qué procede de esta fuente?» y «¿la entrada de referencia permite identificarla correctamente?». La comprobación mecánica del formato es necesaria, pero la primera pregunta exige comprensión del contenido.

Integridad científica: el problema no termina en el plagio

Reducir la integridad académica a «no copiar» deja fuera una parte sustantiva del trabajo de investigación. La American Educational Research Association (2011) organiza su código alrededor de cinco principios: competencia profesional; integridad; responsabilidad profesional, científica y académica; respeto por los derechos, la dignidad y la diversidad; y responsabilidad social. Esta estructura muestra que la conducta responsable atraviesa todo el ciclo de investigación.

En particular, el código de AERA identifica fabricación, falsificación y plagio como prácticas incompatibles con la investigación educativa responsable. Fabricar supone introducir datos, fuentes, resultados o elementos que no existen; falsificar implica alterar o representar de manera engañosa información relevante; plagiar consiste en presentar como propio material o trabajo ajeno sin el reconocimiento correspondiente (American Educational Research Association, 2011).

Conviene, sin embargo, evitar otra simplificación: no todo error constituye automáticamente mala conducta. Puede haber fallos de citación, decisiones metodológicas discutibles, errores de transcripción o interpretaciones controvertidas que requieren corrección sin ser equivalentes entre sí. La evaluación ética exige considerar qué ocurrió, cómo se documentó, si existió transparencia y qué estándares resultan aplicables.

En investigación educativa la responsabilidad se amplía porque los datos pueden referirse a estudiantes, docentes, directivos o instituciones identificables. La competencia metodológica y la protección de las personas no son dos temas aislados: una mala decisión sobre recolección, almacenamiento o comunicación de información puede producir simultáneamente un problema científico y uno ético.

El criterio práctico es sencillo de formular, aunque no siempre sea sencillo de aplicar: una persona externa debería poder reconstruir, a partir de la documentación disponible, qué decisiones se tomaron y por qué. La transparencia no garantiza por sí sola la calidad, pero la ausencia de transparencia impide examinarla adecuadamente.

Inteligencia artificial generativa: uso, verificación y transparencia

La inteligencia artificial generativa introduce una dificultad particular: puede participar en actividades muy diferentes bajo una misma etiqueta de «uso de IA». Pedir apoyo para reorganizar un esquema, generar preguntas exploratorias, corregir estilo, resumir documentos, producir código, analizar datos o redactar secciones completas no plantea exactamente los mismos riesgos ni exige la misma supervisión.

UNESCO (Miao & Holmes, 2023) propone un enfoque centrado en las personas que considera, entre otros aspectos, privacidad de datos, validación ética y supervisión humana. Para quien investiga en educación, esto significa que la comodidad de una herramienta no elimina la obligación de valorar qué información se introduce en ella, qué condiciones institucionales existen y qué consecuencias puede tener el procesamiento de datos potencialmente sensibles.

La Office of Research Integrity (2026) incorporó además orientación específica sobre IA generativa en el contexto de integridad científica. Entre sus puntos se encuentra la importancia de declarar el uso de IA generativa para favorecer la transparencia en métodos, artículos y propuestas. La misma orientación advierte que un detector de IA, por sí solo, no constituye evidencia suficiente para determinar una conducta de investigación indebida.

Para efectos de este curso, se utilizará una regla de cuatro preguntas: qué tarea se delega, qué datos recibe la herramienta, cómo se verifica su salida y qué uso debe declararse. Además, cualquier política específica de la institución, revista, programa de posgrado o financiador prevalece sobre una regla general del curso.

La pregunta metodológica relevante no será «¿se utilizó IA?», sino «¿qué papel tuvo dentro del proceso y qué controles permiten confiar en el resultado?». Esta distinción acompañará las demás lecciones porque una herramienta puede asistir tareas de escritura o análisis sin convertirse por ello en fuente de conocimiento ni sustituir las decisiones epistemológicas de quien investiga.

Conclusión

La escritura académica, la citación y la integridad no son tres requisitos independientes. Forman una cadena: un argumento formula afirmaciones; las afirmaciones se relacionan con evidencia; las fuentes permiten rastrear parte de esa evidencia y del conocimiento previo; y la integridad sostiene la confianza en las decisiones mediante las cuales esa evidencia se obtuvo, seleccionó, interpretó y comunicó.

APA 7 proporciona una convención para atribuir y recuperar fuentes, pero ningún sistema de estilo puede decidir por sí mismo si una investigación es rigurosa o ética. Esa valoración requiere reconocer el papel de la transparencia, la competencia metodológica, la fidelidad en el tratamiento de información y la responsabilidad frente a otras personas y frente a la comunidad académica.

Esta distinción prepara el paso hacia la siguiente lección. Antes de estudiar métodos de investigación es necesario comprender qué hace que una afirmación aspire a ser científica y por qué la ciencia no puede reducirse a seguir mecánicamente una sucesión de pasos.

Actividad de aprendizaje autónoma

Auditoría de trazabilidad e integridad de seis situaciones académicas

Lee los seis casos construidos que aparecen a continuación. Para cada uno, identifica la categoría principal y escribe una justificación de una o dos oraciones. El objetivo no es sancionar a una persona, sino reconocer qué principio está en juego.

1. Caso A. Un párrafo reproduce la estructura y la secuencia argumentativa de una fuente, sustituye palabras por sinónimos y añade una cita al final.
2. Caso B. Un estudiante formula con sus propias palabras una idea de Booth et al. y coloca la cita correspondiente; la referencia completa aparece en la lista final.
3. Caso C. Una investigadora modifica varios valores de una base de datos porque los considera «atípicos», pero no define un criterio de exclusión ni informa la modificación.
4. Caso D. Un texto contiene una cita textual con autor, fecha y localización, pero después atribuye a la misma fuente una conclusión que el trabajo original no sostiene.
5. Caso E. Una persona utiliza IA generativa para reorganizar un esquema, revisa personalmente el resultado y declara el uso de acuerdo con las normas de su institución.
6. Caso F. Se introducen en una herramienta externa de IA transcripciones identificables de participantes sin comprobar previamente las condiciones de confidencialidad, autorización y tratamiento de datos.

Clasifica cada caso en una de estas categorías:

• Atribución o paráfrasis inadecuada.
• Práctica académica adecuada.
• Problema de integridad en datos o resultados.
• Representación inadecuada de una fuente.
• Uso transparente y supervisado de IA.
• Riesgo ético o de gobernanza de datos.

Tu entrega debe incluir:

• Los seis casos identificados por letra.
• Una categoría para cada caso.
• Una justificación de una o dos oraciones por clasificación.
• Una corrección concreta para cada caso que hayas identificado como problemático.
• Un cierre de entre 100 y 150 palabras que distinga «cumplir APA» de «actuar con integridad académica».

Extensión orientativa total: 350 a 500 palabras.

Referencias bibliográficas

• American Educational Research Association. (2011). Code of ethics. Educational Researcher, 40(3), 145–156.
• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association.
• Booth, W. C., Colomb, G. G., Williams, J. M., Bizup, J., & FitzGerald, W. T. (2024). The craft of research (5th ed.). University of Chicago Press.
• Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO.
• Office of Research Integrity. (2026, August 14). ORI’s guidance on generative artificial intelligence released. U.S. Department of Health and Human Services.