Introducción

La suplantación académica, un término introducido originalmente por Clarke y Lancaster (2006), tiene lugar cuando un estudiante subcontrata o intenta subcontratar la elaboración de tareas o actividades académicas a un tercero. Cuando los estudiantes pagan a un tercero, el término “fraude académico a través de contratos comerciales” (del inglés “contract cheating”) se utiliza a menudo para describir dicho comportamiento. Los sitios web a los que los estudiantes subcontratan su trabajo a menudo se conocen como fábricas de ensayos o de trabajos académicos, aunque los tipos de tareas y servicios que se pueden contratar van más allá de la elaboración de ensayos académicos a la carta. Como se ha detallado en la literatura existente sobre el tema, este tipo de fraude académico cuenta con el respaldo y la existencia de una industria desarrollada, para la cual la oportunidad y finalidad de obtener beneficios económicos parece ser la principal preocupación (Ellis et al, 2018; Lancaster, 2019).

Cuando los estudiantes incurren en este tipo de prácticas, están violando las normas de integridad académica y pueden terminar beneficiándose de calificaciones (y por ende titulaciones) que realmente no merecen. El acto de suplantar la autoría en la elaboración y presentación de actividades académicas presenta serios desafíos para las instituciones educativas, ya que socava la integridad académica y, en última instancia, devalúa las calificaciones académicas que la mayoría de los estudiantes intentan obtener.

El fraude académico a través de contratos comerciales es un problema de difícil resolución y repleto de matices. Además de ser un asunto que preocupa a las universidades y centros de educación superior y que deben atender, también es un área activa de investigación académica. Existen varias revisiones de la investigación y la práctica actuales en relación al campo del engaño por suplantación (Ahsan et al, 2022; Curtis et al, 2022; Lancaster y Clarke, 2016).

Las estimaciones sobre el alcance del fraude académico a través de contratos comerciales varían, pero todos los indicadores de las encuestas estudiantiles realizadas hasta la fecha indican que el desafío ha ido aumentando en las últimas décadas, con sugerencias de que uno de cada siete estudiantes en todo el mundo puede haber utilizado los servicios de portales de compra-venta de trabajos académicos (Newton, 2018). Pero no se trata de algo nuevo, se tiene constancia de estas prácticas deshonestas desde al menos la década de 1930 (Eaton et al, 2022).

Este artículo tiene como objetivo examinar hasta qué punto la industria de la compra-venta de trabajos académicos está intentando llegar a clientes potenciales utilizando motores de búsqueda como Google, un área que hasta ahora sólo se había considerado a pequeña escala. Lancaster (2020) recopiló datos específicos de los resultados de búsqueda de Google para el Reino Unido. El presente estudio amplía ese enfoque fundamental mediante el uso de una solución automatizada de recopilación de datos, aumentando significativamente la extensión y profundidad de la investigación para cubrir más países, tipos de trabajos contratados y términos de búsqueda empleados por el alumnado. Los resultados demuestran cómo los estudiantes pueden estar expuestos a portales de fraude académico a través de contratos comerciales cuando buscan ayuda u orientación académica en Google, a pesar de que inicialmente puede que se no planearan cometer ningún tipo de fraude.

Clasificación de portales de compra-venta de trabajos

La investigación se realizó sobre una muestra de tres tipos de sitios web identificados a través de búsquedas en Google dedicados a la ayuda y apoyo para los estudiantes a la hora de llevar a cabo sus trabajos académicos. Esta sección del artículo analiza esos tres tipos de sitios web y proporciona los antecedentes para las clasificaciones utilizadas más adelante en el artículo.

El primer tipo de sitio encontrado es uno que ayuda descaradamente a los estudiantes a violar la integridad académica, al que en este artículo nos referimos como fábricas de ensayos o trabajos académicos. Este es, básicamente, un portal web que ofrece directamente servicios de fraude académico a través de contratos comerciales a los estudiantes. En la Figura 1 se puede ver un ejemplo de una fábrica de ensayos. Las fábricas de ensayos pueden ofrecer una gran cantidad de servicios además de la redacción de trabajos académicos, como escribir tesis, preparar solicitudes o cartas de presentación para la admisión en universidades y, a veces, incluso ofrecen evaluar el trabajo de los estudiantes.

Figura 1.
Captura de pantalla de un ejemplo de fábrica de ensayos: www.ukessays.com

La segunda tipología, a la que aquí nos referimos como probables fábricas de ensayos, cubre aquellos sitios que operan en los límites de la aceptabilidad pero que pueden vincularse o promover el fraude académico a través de contratos comerciales, por ejemplo alojando anuncios, recomendando fábricas de ensayos, etc. Ofrecen servicios de edición y corrección de textos pero se puede sospechar que además elaboran documentos a medida. En la Figura 2 se muestra un ejemplo de un sitio que ejemplifica esta tipología de portales.

Figura 2.
Captura de pantalla de una potencial fábrica de ensayos - www.ihatewritingessays.com

El tercer y último tipo de sitio web identificado es aquel que no tiene relación con el fraude académico por suplantación, a los que en este estudio nos referiremos como “no fábricas de ensayos”. Algunos ejemplos incluyen sitios web de información general, soluciones de software y aquellos servicios de tutoría que dejan claro que no completarán el trabajo académico para los estudiantes. Un ejemplo de este tipo de portales se ilustra en la Figura 3. Sin embargo, debe tenerse en cuenta que nunca es posible saber exactamente qué sucede cuando un estudiante está conectado con un tutor y desarrolla una relación directa con éste, sobre todo si ésta continúa fuera del portal de referencia.

Figura 3.
Captura de pantalla de una “no fábricas de ensayos” – www.mytutor.co.uk

Método

Se generó un script para recopilar automáticamente el texto descriptivo de los sitios web que aparecían como resultados de búsqueda en la primera página de resultados de Google. Las búsquedas realizadas se componían de diferentes combinaciones a partir de los siguientes elementos para representar las búsquedas potenciales que los estudiantes pueden realizar cuando intentan encontrar ayuda para sus tareas académicas: un área de conocimiento, un tipo de tarea requerida y un término opcional. Se identificaron 27 términos temáticos para 9 áreas de conocimiento (3 términos por campo), junto con 9 tipos de tareas y 3 términos "otros", lo que arroja un total de 1008 combinaciones de búsqueda. En la Figura 4 se puede ver una ilustración de cómo se combinaron estos términos para formar las búsquedas finales.

Figura 4.
Generación de los términos de búsqueda

Los términos en la categoría “otros” proporcionan un método para diferenciar entre búsquedas de apoyo u orientación y posibles intentos expresos de violar la integridad académica. La mitad de estos términos (“compra” y “servicio de redacción”) buscan ensayos explícitamente, y el resto (“ayuda”) representan el caso más inocente de un estudiante que busca apoyo u orientación para realizar sus actividades.

Las áreas de conocimiento identificadas fueron las enumeradas por la Organización para la Cooperación y el Desarrollo Económico (OCDE) para el año académico 2017 (OCDE, 2020). La Tabla 1 muestra el mapeo entre áreas de conocimiento y disciplinas y términos temáticos empleados en la búsqueda. Estos términos temáticos fueron elegidos por los investigadores para permitir un estudio comparativo y más amplio que las 9 áreas de conocimiento.

La Tabla 2 muestra las cifras de matriculación estudiantil en el nivel terciario para las áreas de conocimiento seleccionadas en cuatro países de mayoría de habla inglesa para los cuales las cifras de matriculación estudiantil estaban disponibles. Estos países son Reino Unido (UK), Canadá (CA), Estados Unidos (US) y Australia (AU).

Los tipos de trabajos académicos se eligieron para representar una amplia gama de formas genéricas de tareas en las que un estudiante puede estar buscando ayuda. Los "otros" términos se eligieron para representar a los estudiantes que buscan apoyo general y a aquellos que buscan contratar servicios de compra-venta de trabajos directamente. Este enfoque permite una investigación más amplia y profunda sobre la prevalencia de las fábricas de ensayos en los campos temáticos identificados y una visión comparativa de la probabilidad de que estudiantes con diferentes intenciones se encuentren con ellas.

Ejemplos de búsquedas compuestas finales incluyen "ayuda para trabajos de investigación en informática", "comprar ensayo educativo", así como cualquiera de los tipos de tareas por sí solos en el caso de que no se haya especificado ningún tema de búsqueda u "otro" término debido a que fuera opcional

Colección de datos y clasificación de las fábricas de trabajos académicos

Se recopilaron datos en la primera página de resultados de Google para los 1008 términos de búsqueda y para cada una de las cuatro ubicaciones internacionales el 4 de septiembre de 2020. Se utilizaron métodos simulados para obtener resultados para estas ubicaciones a través de los parámetros de búsqueda de Google. Los nombres canónicos de las geolocalizaciones utilizadas para generar los parámetros de ubicación codificados en este estudio, tal como se identifican en la documentación de Google, fueron:

· Toronto, Ontario, Canadá

· Boston, Massachusetts, EEUU

· Sydney, New South Wales, Australia

· Lambeth Borough en Londres, Reino Unido

En cada búsqueda, los resultados personalizados también se desactivaron mediante otro parámetro de búsqueda para garantizar que cualquier número anterior de búsquedas no tuviera efectos en los resultados obtenidos para una búsqueda posterior.

Los datos recopilados para cada resultado consistieron en la URL del resultado, su título y descripción, y una captura de todo el texto entre las etiquetas HTML adjuntas en la página web vinculada por la URL. Los resultados de búsqueda en los que falló la recopilación de datos, por motivos como que eran archivos PDF, que el firewall rechazó la conexión a sus sitios o debido a un certificado SSL caducado, se registraron como inaccesibles.

Se utilizaron técnicas estándar de procesamiento del lenguaje natural (PNL) para preprocesar los datos capturados en una forma canónica de representación mediante la eliminación de todos los caracteres no alfabéticos y las palabras vacías comunes en inglés, las minúsculas y la lematización.

Se entrenaron modelos de aprendizaje automático en 375 páginas web que fueron etiquetadas manualmente por uno de los investigadores para producir un clasificador capaz de etiquetar un sitio web en función de su contenido de texto como “fábrica”, “probable fábrica” o “no fábrica”. El título, la descripción y la captura de texto del sitio web de cada resultado se combinaron en un único texto extenso. Se utilizó una representación de Bolsa de Palabras (BoW) para extraer características del texto, junto con un método de Frecuencia de términos inversa de documentos (TF-IDF) para aumentar las ponderaciones de las características específicas de las etiquetas y disminuir las ponderaciones de las palabras que eran comunes a todas las etiquetas en el conjunto de datos de entrenamiento. También se consideraron bigramas (o pares de palabras contiguas).

Los modelos se entrenaron en 78 fábricas, 36 fábricas probables y 261 no fábricas. Esto sería muy proporcional al número de cada tipo de sitio que uno podría esperar encontrar en una búsqueda, y por ello el número de los datos de entrenamiento se estableció para garantizar que los modelos tuvieran datos suficientes para predecir con precisión los resultados del estudio. Se seleccionaron datos sobre numerosas disciplinas para garantizar que la clasificación se adaptara a las características específicas de cada disciplina.

Las entradas de páginas duplicadas se rechazaron del conjunto de datos de entrenamiento manteniendo la URL de la página registrada y luego verificando si la URL de una nueva entrada ya existía en el conjunto. Se permitieron entradas a nivel de dominio, aquellas entradas dentro del mismo dominio pero de diferentes páginas, ya que ciertas fábricas de ensayos anuncian sus servicios de redacción para una amplia gama de temas y disciplinas, y así se garantizaba que hubiera suficientes datos para entrenar suficientemente el modelo.

Se entrenaron y ajustaron varios modelos, a saber: Multinomial Naïve Bayes, Linear Support Vector Machine, Complement Naïve Bayes y Stochastic Gradient Descent. Los clasificadores resultantes produjeron una puntuación de precisión de 61%, 69%, 86% y 94% respectivamente en un conjunto de datos de prueba de 117 páginas. Para los fines de este estudio, se eligió el clasificador Stochastic Gradient Descent porque tenía la mayor precisión en el conjunto de datos de prueba. Las 10 características más importantes que el clasificador final identificó para cada etiqueta pueden verse en la Tabla 3.

Siguiendo el método de Lancaster (2020), pero adaptándolo para trabajar con el volumen mucho mayor de datos recopilados, se calcularon tres medidas para cada resultado:

• Resultados orgánicos – el porcentaje de resultados orgánicos encontrados.

• Resultados de pago: el porcentaje de resultados de publicidad que se clasificaron como fábricas.

• Saturación del mercado: una medida de 0 a 100 basada en el número de estudiantes matriculados por el resultado de fábricas de ensayos encontrados; esta medida está diseñada para actuar como un indicador de cuán saturada está la industria de la compra-venta de trabajos académicos en un campo determinado, en relación con los otros campos. Cuanto mayor sea la puntuación, más saturado estará ese campo. Los campos más saturados se escalaron a 100 en cada país.

Seguidamente, estas tres medidas se calificaron utilizando un sistema de prioridad alta-media-baja y se otorgaron puntos para cada una. Los criterios utilizados para asignar puntos se pueden encontrar en la Tabla 4. Por lo tanto, cada campo o área de conocimiento recibe una puntuación de 0 a 6, cuyo objetivo es identificar en qué campos las fábricas de trabajos ya están bien establecidas y aquellas que tienen potencial de expansión. Una puntuación más alta indica que un campo ha sido explotado más que otro con una puntuación más baja.

Limitaciones

El estudio presentado contiene naturalmente ciertas limitaciones debido a estar centrado exclusivamente en búsquedas en inglés. Además, no se consideran todos los tipos de tareas o términos de búsqueda posibles que un estudiante podría usar, ya que los estudiantes pueden usar términos de búsqueda más específicos de su propia disciplina (un ejemplo puede ser un estudiante de Ciencias de la Computación que busca ayuda en programación). El muestreo también se basa en una única ubicación en cada país, con resultados restringidos a la primera página de resultados de Google. Los datos se recopilaron durante la pandemia de Covid-19, por lo que es posible que no proporcionen un examen longitudinal perfecto del alcance de los proveedores de trabajos académicos a la carta. También existen limitaciones naturales cuando se utiliza un modelo de aprendizaje automático para las clasificaciones. Los investigadores consideran que la capacidad de procesar un volumen tan grande de datos es una compensación más que adecuada para estas limitaciones.

Resultados

La etapa de recopilación de datos capturó datos sobre un total de 41,401 resultados de búsqueda (incluidos anuncios pagados) en las 4 ubicaciones, 20,451 de los cuales (49%) fueron identificados como fábricas de ensayos. Se encontraron 107 fábricas de trabajos académicos que insertaban anuncios en la primera página de resultados de Google. Los 10 portales de compraventa de trabajos más presentes en las búsquedas efectuadas se pueden ver en la Tabla 5.

La búsqueda de "trabajo académico" arrojó los resultados más altos con un 78%, seguido de "deberes" y "ensayo" en segundo y tercer lugar, con 61% y 60% respectivamente. Se encontraron relativamente pocos portales de compra-venta de trabajos académicos para la palabra clave “presentación”, un 22%. Estos rankings se pueden observar en la Tabla 6.

Considerando únicamente los términos de búsqueda, las fábricas de trabajos dominaban el espacio publicitario. La búsqueda de "servicio de redacción" arrojó la mayor cantidad de resultados orgánicos, con un porcentaje en cada disciplina que oscila entre el 77% y el 90%. Las búsquedas con el término "comprar" sólo obtuvieron un 44% de todos los resultados de búsqueda, mientras que las búsquedas de "ayuda" tuvieron un 50% de resultados. La búsqueda sin otro término especificado arrojó la menor cantidad de resultados, un 20%. Las búsquedas de "ayuda" también arrojaron 1940 resultados de anuncios de pago en total, mientras que las búsquedas sin otro término vinculado tuvieron solo 361. En comparación, las búsquedas de "servicio de redacción" arrojaron 1.448 resultados de anuncios en total y sólo 672 de los cuales fueron identificados como fábricas de trabajos académicos.

Economía, Administración y Dirección de Empresas y Derecho fueron las titulaciones más presentes en la descripción de las fábricas de trabajos académicos (hasta un 61%). Salud y Bienestar ocuparon el segundo lugar, con un 57%. Los hallazgos para estos dos campos son consistentes con los aportes de Lancaster (2016) que halló datos idénticos en un estudio sobre el impacto de los portales de compra venta de trabajos académicos en distintas disciplinas. Los rankings completos se pueden ver en la Tabla 7.

Especificidades por país

La Tabla 8 muestra los porcentajes de resultados de portales de compra venta de trabajos académicos en las búsquedas efectuadas clasificadas por disciplina y país. Los porcentajes oscilan entre el 35% y el 65%; el Reino Unido tiene los porcentajes más altos en cinco campos de los analizados y Canadá tiene los porcentajes más bajos en seis. El porcentaje más alto registrado para cada campo se muestra en cursiva.

La Tabla 9 muestra los puntajes que se otorgaron a las disciplinas en cada país según los criterios de la Tabla 4. El Cuadro 10 muestra esos puntajes sumados y el total para cada país. La mayoría de los campos se encuentran en el rango medio, lo que indica que ya han sido explotados pero todavía hay margen para un mayor crecimiento.

Las disciplinas agrupadas en el sistema de clasificación de prioridad alta-media-baja se pueden comprobar en la Tabla 11.

En el Reino Unido, se descubrió que el 72% de los anuncios pagados relacionados con las disciplinas de Periodismo e Información provenían de portales de compra-venta de trabajos académicos, el porcentaje más alto registrado para este tipo de resultados de búsqueda.

Canadá tuvo el menor número de resultados de anuncios totales encontrados, con 1056, mientras que Australia, el Reino Unido y los EE.UU. tuvieron 1414, 1473 y 1634 respectivamente. De ellos, el 53%, 61%, 59% y 58% de los anuncios eran de fábricas de ensayos, respectivamente.

La Tabla 12 muestra una lista de las 10 fábricas de ensayos más encontradas con la raíz 'au' en la URL, con el fin de identificar algunas de las fábricas de ensayos con sede en Australia, cuya operación se consideró ilegal desde el 3 de septiembre de 2020, el día anterior a que se llevara a cabo la recolección de datos. También se encontraron dos portales que tenían publicidad en Google: Sameday-essay-au.com y myaussietutor.com.

Discusión

En el presente estudio, se observó que el Reino Unido es el país más afectado por fraude académico basado en la suplantación, basándonos en términos de proporción media de empresas dedicadas a trabajos académicos localizadas en base a las búsquedas efectuadas en Google. En contraste, Canadá es el menos afectado, aunque la diferencia entre los países es mínima, de apenas un 4%. Estos resultados reflejan que la industria de compra venta de trabajos académicos es un problema global con variaciones marginales entre los países evaluados.

Al analizar los datos del estudio se podría inferir que Australia enfrenta un impacto significativo por los portales de compra-venta de trabajos, ya que alcanzó 38 puntos. En este país, ningún campo educativo registró una puntuación menor a 3, lo que sugiere una explotación generalizada. Específicamente, las áreas de Ciencias Naturales, Matemáticas y Estadística en Australia fueron las únicas en alcanzar la puntuación máxima de 6, indicando un mercado altamente saturado.

Por otro lado, Canadá presentó las únicas puntuaciones de 1 en Educación e Ingeniería, Manufactura y Construcción. Estos datos sugieren que existe un potencial significativo para un crecimiento futuro de la industria de elaboración de trabajos académicos a la carta en estos campos de conocimiento. Destaca especialmente Ingeniería, Manufactura y Construcción, que involucra al 12% de la población estudiantil canadiense. Con un total de 24 puntos; en general Canadá aparece como el país con menor penetración de este tipo de ofertas atendiendo a los resultados de las búsquedas en Google.

Los campos de Negocios, Administración de Empresas y Derecho mostraron consistentemente puntajes de 3, reflejando una alta presencia de empresas académicas fraudulentas dedicadas a la elaboración de trabajos para estas disciplinas. A pesar de ello, estos campos, que comprenden entre el 19% y el 31% de la población estudiantil en los cuatro países estudiados, presentan un potencial de crecimiento debido a la baja saturación del mercado.

En los campos de Ciencias Sociales, Periodismo e Información y Salud y Bienestar, se observaron mayoritariamente puntuaciones de 5, indicando una alta explotación en la mayoría de las regiones estudiadas. En Canadá, las Ciencias Sociales, el Periodismo y la Información presentan un riesgo particular de mayor explotación, dada la proporción significativa de estudiantes que cursan estas titulaciones (15%) y una puntuación de 5.

El sector de la Salud y el Bienestar muestra cifras preocupantes, especialmente en Estados Unidos, donde la industria tiene un potencial de crecimiento elevado, dado el gran número de estudiantes (más de 3,5 millones) y puntuaciones inferiores a las de otros países.

Las disciplinas de Educación y Artes y Humanidades obtuvieron puntuaciones bajas a nivel de los cuatro países analizados, sugiriendo un potencial para el crecimiento de la industria debido a su menor explotación. Esto puede deberse a la naturaleza de las prescripciones y características de las actividades académicas demandadas en estos campos; por ejemplo, en las Artes a menudo se requieren presentaciones físicas, lo que dificulta el fraude. Estos hallazgos son consistentes con el estudio de Lancaster (2020), que identificó un riesgo bajo de compra venta de trabajos en Artes Creativas y Diseño.

Es interesante señalar que solo el 44% de los resultados de búsqueda en Google que incluían "comprar" en términos relacionados con ensayos estaban asociados a empresas fraudulentas, en comparación con el 78% para búsquedas con "servicio de redacción". Esto podría indicar un esfuerzo parcialmente exitoso por parte de Google para reducir la visibilidad de estas empresas en términos de "compra". Además, se identificó que 1157 de los resultados derivados de anuncios eran empresas dirigidas a estudiantes que buscaban ayuda.

Conclusiones

Este artículo ha explorado la prevalencia de la industria del fraude basado en la compra-venta de trabajos académicos en nueve áreas disciplinarias y cuatro países, revelando que este fenómeno es un problema global que afecta a todos los campos educativos. El estudio ha identificado específicamente aquellos campos donde el riesgo de una mayor explotación es elevado, así como los que ya han sido ampliamente explotados en cuatro regiones internacionales.

De los 5586 anuncios pagados analizados, se encontró que 3247 provenían de empresas dedicadas a la redacción de ensayos académicos. Esta cifra representa una infracción de las políticas de Google en el momento del estudio, que prohíben la publicidad de "servicios de redacción de trabajos académicos o realización de exámenes". Sorprendentemente, 9 de cada 10 resultados de búsqueda no especificaban un tema concreto, como "servicio de redacción de ensayos", lo que indica la facilidad de acceso a estas oportunidades de fraude para estudiantes dispuestos a engañar.

Durante la fase de exploración de datos, se observaron varias técnicas engañosas empleadas por la industria del fraude por suplantación. Por ejemplo, se detectaron sitios de reseñas que proporcionaban enlaces directos a estas empresas de elaboración a la carta de trabajos académicos. Además, algunos proveedores de estos servicios crean sus propios sitios de reseñas, que redirigen a los usuarios a varias de sus empresas de redacción de ensayos.

El estudio también descubrió cómo los proveedores explotaban la vulnerabilidad en sitios web aparentemente ajenos al fraude contractual. La Tabla 13 ilustra ejemplos de URLs que, aunque parecen inocuas, redirigen a los usuarios a empresas de redacción de ensayos, posiblemente a través de un secuestro malicioso de DNS. Esto sugiere que las estrategias de marketing empleadas por algunas de estas empresas pueden ser engañosas y no completamente transparentes.

Diversos autores han sugerido que, si bien todas las formas de evaluación son susceptibles de fraude si se dispone de tiempo, motivación y recursos financieros, existen ciertos tipos de tareas que favorecen que los estudiantes las realicen por sí mismos. Este estudio respalda esta idea, destacando que las tareas que exigen una presentación por parte del alumnado registraron la menor demanda en servicios de subcontratación. La naturaleza específica de las presentaciones, que requieren que los estudiantes puedan responder preguntas y mostrarse conocedores del contenido, podría hacer que la externalización de la creación de trabajos por terceros sea menos atractiva para ellos.

La integridad académica enfrenta desafíos constantemente cambiantes. La emergencia de la inteligencia artificial generativa ofrece nuevas vías para el abuso tanto por parte de estudiantes como de la industria del fraude académico. Esta tecnología facilita la creación de plataformas publicitarias más extensas, explotando términos de búsqueda menos saturados utilizados por los estudiantes. Aunque en algunos países se han implementado medidas legislativas para limitar la publicidad de empresas de redacción de ensayos, su efectividad aún no es total. Una repetición de este estudio podría explorar la evolución del marketing en el fraude académico a lo largo del tiempo y considerar la presencia de proveedores en idiomas diferentes al inglés, una tarea simplificada con la disponibilidad de inteligencia artificial generativa y herramientas de traducción automática.

Se insta a educadores e instituciones académicas a mantenerse alerta sobre la facilidad con que los estudiantes pueden acceder a información relacionada con el fraude académico y buscar estrategias para mitigar el riesgo de que los estudiantes se vean tentados por ofertas comerciales que prometen elaborar sus tareas evaluativas.

Referencias

Ahsan, K., Akbar, S., & Kam, B. (2022). Contract cheating in higher education: a systematic literature review and future research agenda. Assessment & Evaluation in Higher Education, 47(4), 523-539. https://doi.org/10.1080/02602938.2021.1931660

Clarke, R., & Lancaster, T. (2006). Eliminating the Successor to Plagiarism? Identifying the Usage of Contract Cheating Sites, Proceedings of Second International Plagiarism Conference

Curtis, G., Clare, J., Rundle, K., Eaton, S., Stoesz, B., & Seeland, J. (2022). Contract Cheating: An Introduction to the Problem. Contract Cheating in Higher Education. https://doi.org/10.1007/978-3-031-12680-2_1

Eaton, S., Stoesz, B., & Seeland, J. (2022). Listening to ghosts: A qualitative study of narratives from contract cheating writers from the 1930s onwards. Contract Cheating in Higher Education: Global Perspectives on Theory, Practice, and Policy, 271-286. https://doi.org/10.1007/978-3-031-12680-2_18

Ellis, C., Zucker, I., & Randall, D. (2018). The Infernal Business of Contract Cheating: Understanding the Business Processes and Models of Academic Custom Writing Sites. International Journal for Educational Integrity. https://doi.org/10.1007/s40979-017-0024-3

Lancaster, T. (2016). Are All of Our Students Completing Their Own Work? Examining Contract Cheating Within the Computing Discipline. https://www.slideshare.net/ThomasLancaster/are-all-of-our-students-completing-their-own-work-examining-contract-cheating-within-the-computing-discipline-london-metropolitan-university-120216

Lancaster, T. (2019). Social Media Enabled Contract Cheating. Canadian Perspectives on Academic Integrity 2, 7-24. https://doi.org/10.11575/cpai.v2i2.68053

Lancaster, T. (2020). Academic Discipline Integration by Contract Cheating Services and Essay Mills. Journal of Academic Ethics 18, 115–127. https://doi.org/10.1007/s10805-019-09357-x

Lancaster, T., & Clarke., R. (2016). Contract Cheating: The Outsourcing of Assessed Student Work. Handbook of Academic Integrity, 639-654. https://doi.org/10.1007/978-981-287-098-8_17

Newton, P. (2018). How Common Is Commercial Contract Cheating in Higher Education and Is It Increasing? A Systematic Review. Frontiers in Education. https://doi.org/10.3389/feduc.2018.00067

OECD. (2020). Number of Students Enrolled in Different Education Programmes by Field and Sex. https://stats.oecd.org/Index.aspx?DataSetCode=EDU_ENRL_FIELD

Notas de autor

thomas@thomaslancaster.co.uk

Enlace alternativo

https://revistaseug.ugr.es/index.php/RELIEVE/article/view/29227 (html)