Nigam2021 Article ASystematicReviewOnAI-basedPro - En.es

Traducido del inglés al español - www.onlinedoctranslator.
com
Tecnologías de la información y la educación (2021) 26: 6421–6445

https://doi.org/10.1007/s10639-021-10597-x
Una revisión sistemática de los sistemas de supervisión basados en IA:

pasado, presente y futuro
Aditya Nigam1 · Rhitvik Pasricha1 · Tarishi Singh1 · Prathamesh Churi2
Recibido: 24 de marzo de 2021 / Aprobado: 19 de mayo de 2021 / Publicado online: 23 de junio de 2021
© El autor (es), bajo licencia exclusiva de Springer Science + Business Media, LLC, parte de Springer Nature 2021
Abstracto
Ha habido grandes avances en el campo de la educación en los últimos 1-2 años. Las escuelas y universidades están haciendo la
transición en línea para brindar más recursos a sus estudiantes. La pandemia de COVID-19 ha brindado a los estudiantes más
oportunidades para aprender y mejorar a su propio ritmo. Los servicios de supervisión en línea (parte de la evaluación) también
están en aumento, y los sistemas de supervisión basados en IA (en lo sucesivo, AIPS) han conquistado el mercado. Los sistemas
de supervisión en línea (en lo sucesivo denominados OPS), en general, utilizan herramientas en línea para mantener la santidad
del examen. Si bien la mayoría de este software utiliza varios módulos, la información confidencial que recopilan genera
preocupaciones entre la comunidad estudiantil. Hay varios parámetros psicológicos, culturales y tecnológicos que deben tenerse
en cuenta al desarrollar AIPS. Este documento revisa sistemáticamente los sistemas de supervisión de IA y no basados en IA
existentes. A través de la búsqueda sistemática en repositorios Scopus, Web of Science y ERIC, se enumeraron 43 artículos del año
2015 al 2021. Abordamos 4 preguntas de investigación principales que se centraban en la arquitectura existente de AIPS,
parámetros a considerar para AIPS, tendencias y Problemas en AIPS y el futuro de AIPS. Nuestro análisis de 360 grados sobre OPS
y AIPS revela que los problemas de seguridad asociados con AIPS se están multiplicando y son una causa de preocupación
legítima. Los problemas principales incluyen preocupaciones de seguridad y privacidad, preocupaciones éticas, confianza en la
tecnología basada en inteligencia artificial, falta de capacitación en el uso de la tecnología, costos y muchos más. Es difícil saber si
los beneficios de estas tecnologías de supervisión en línea superan sus riesgos. La conclusión más razonable a la que podemos
llegar en el presente es que la justificación ética de estas tecnologías y sus diversas capacidades requiere que nos aseguremos
rigurosamente de que se logre un equilibrio entre las preocupaciones y los posibles beneficios de la mejor manera posible. Hasta
donde sabemos, no existe tal análisis sobre AIPS y OPS. Nuestro trabajo aborda además los problemas de AIPS en el aspecto
humano y tecnológico. También enumera los puntos clave y las nuevas tecnologías que se han introducido recientemente pero
que podrían tener un impacto significativo en la educación en línea y el OPS en los próximos años. Hasta donde sabemos, no existe
tal análisis sobre AIPS y OPS. Nuestro trabajo aborda además los problemas de AIPS en el aspecto humano y tecnológico. También
enumera los puntos clave y las nuevas tecnologías que se han introducido recientemente pero que podrían tener un impacto
significativo en la educación en línea y el OPS en los próximos años. Hasta donde sabemos, no existe tal análisis sobre AIPS y OPS.
Nuestro trabajo aborda además los problemas de AIPS en el aspecto humano y tecnológico. También enumera los puntos clave y
las nuevas tecnologías que se han introducido recientemente pero que podrían tener un impacto significativo en la educación en
línea y el OPS en los próximos años.
Palabras clave AI · AIPS · Inteligencia artificial · Exámenes · Supervisión en línea · Aprendizaje en

línea · Sistema de supervisión
Información ampliada sobre el autor disponible en la última página del artículo.
Vol.:(012 13456789)
6422 Tecnologías de la información y la educación (2021) 26: 6421–6445
1. Introducción:
En los últimos años, la educación en línea ha avanzado rápidamente. Más estudiantes están aprovechando los cursos masivos abiertos en línea (MOOCS) y otros cursos certificados
en línea. Las universidades también están haciendo la transición en línea para brindar más recursos a sus estudiantes. También ha habido un aumento de personas que
implementan sus cursos. Todo esto les brinda a los estudiantes más oportunidades para aprender y mejorarse a sí mismos. (Li y col.,2015). En el último año, durante la situación de
la pandemia, casi todas las instituciones educativas se vieron obligadas a realizar la transición a una forma de educación en línea (Moreno-Guerrero et al.,2020). Las universidades
comenzaron a tomar clases y exámenes en línea, para cursos en todos los campos. La pandemia COVID-19 también afectó los exámenes de ingreso y el proceso de contratación,
que filtra a los estudiantes mediante una prueba escrita. Reconocemos que es imperativo mantener la disciplina académica y la santidad de las pruebas en los exámenes.
Este cambio repentino al aprendizaje en línea tiene diferentes efectos en los estudiantes de cada nivel. No se puede esperar el mismo nivel de seriedad y concentración de un
estudiante de posgrado y un estudiante de escuela. Cada estudiante tendría sus capacidades de aprendizaje, comprensión y retención de información. En esta situación, la
negligencia durante el trabajo académico estaría en aumento, ya sea en forma de plagio o trampas durante los exámenes. Creemos que la implementación de un sistema de
supervisión basado en inteligencia artificial (AIPS) es la necesidad del momento. También creemos que pronto se convertiría en la norma utilizar dichos sistemas para el
seguimiento continuo de los exámenes digitales, que van desde los MOOC hasta los exámenes realizados durante la contratación. La calidad del certificado en línea de uno
depende directamente de la calidad del proceso de prueba al que se somete para obtenerlo. De la misma manera que los exámenes se monitorearían cuando se toman en escuelas
y universidades, deben ser supervisados cuando se realizan en línea. Se necesita un AIPS para controlar a todos los estudiantes, ya que cuando se realizan exámenes en línea, hay
más formas y oportunidades para que un estudiante haga trampa. La proporción exacta de profesores a estudiantes que solía estar en el lugar para los exámenes físicos para
monitorearlos no sería práctica en este escenario. (Bilen y Matros, desde MOOC hasta exámenes realizados durante la contratación. La calidad del certificado en línea de uno
monitorearlos no sería práctica en este escenario. (Bilen y Matros, desde MOOC hasta exámenes realizados durante la contratación. La calidad del certificado en línea de uno
monitorearlos no sería práctica en este escenario. (Bilen y Matros, De la misma manera que los exámenes se monitorearían cuando se tomaran en escuelas y universidades, deben
ser supervisados cuando se realicen en línea. Se necesita un AIPS para controlar a todos los estudiantes, ya que cuando se realizan exámenes en línea, hay más formas y
oportunidades para que un estudiante haga trampa. La proporción exacta de profesores a estudiantes que solía estar en el lugar para los exámenes físicos para monitorearlos no
sería práctica en este escenario. (Bilen y Matros, De la misma manera que los exámenes se monitorearían cuando se tomaran en escuelas y universidades, deben ser supervisados
cuando se realicen en línea. Se necesita un AIPS para controlar a todos los estudiantes, ya que cuando se realizan exámenes en línea, hay más formas y oportunidades para que un estudiante haga trampa. La
Este conocimiento ha llevado al desarrollo de diferentes tipos de sistemas de supervisión digital en el

mercado. Estos sistemas utilizan el hardware como cámaras web y micrófonos que ya están presentes en las
computadoras portátiles de los estudiantes para monitorearlos y garantizar la integridad académica. Se deben
tener en cuenta muchos factores al diseñar un sistema de supervisión digital. El AIPS debe ejecutarse en todos
los sistemas sin problemas y no debe ser un sistema demasiado intrusivo. El sistema podría estar
completamente basado en humanos. Los estudiantes son monitoreados durante los exámenes por el
profesorado a través de la cámara web y el micrófono de la reunión en línea, sin software adicional
involucrado. Este sistema se puede implementar utilizando una mejor proporción de estudiantes por docente
y varias cámaras para obtener una mejor vista del entorno del examen del estudiante. Otra forma de
supervisar los exámenes en línea es un AIPS totalmente digital.
Los estudiantes darían sus exámenes en un navegador seguro para asegurarse de que no se estén
utilizando otros recursos informáticos para hacer trampa. El documento de preguntas estaría diseñado
para reducir la cantidad de preguntas comunes que tienen los estudiantes. También serían
monitoreados a través de sus cámaras web y micrófono para verificar su comportamiento. Todas las
actividades serían registradas y analizadas por AIPS para señalar cualquier intento de trampa. Cuando
un estudiante intenta hacer trampa, el sistema marcaría tal comportamiento y
13
Tecnologías de la información y la educación (2021) 26: 6421–6445 6423
tomar las medidas adecuadas. El sistema podría suspender el examen o generar un

informe para que lo revise la institución. La tercera forma de diseñar un sistema sería un
sistema mixto.
El software ayudaría al supervisor humano a realizar un seguimiento de las actividades de los
estudiantes. De esta manera, cada vez que se sospecha de un estudiante, se lo llevaría al frente de la
pantalla del supervisor humano y su actividad sospechosa se marcaría para una revisión posterior. De
esta manera, un solo supervisor humano puede centrar su atención en los estudiantes con más
probabilidades de hacer trampa. También proporciona una capa adicional al sistema de monitoreo. De
esta forma, también se pueden reducir los falsos positivos y también se reduce la fuerza de trabajo
necesaria para supervisar el examen. La selección del sistema depende de las preferencias de la
universidad y de los recursos de la mayoría del estudiantado. Si los estudiantes están dando los
exámenes desde un lugar donde tienen una conexión de red débil o cortes de electricidad, es posible
que un sistema de supervisor humano no funcione, ya que cualquier problema con la transmisión en
vivo del estudiante podría hacer que se marque. El sistema digital seguro basado en navegador
funcionaría mejor; Mientras la computadora esté funcionando, el examen se puede realizar mientras
se asegura que el estudiante sea monitoreado. (Butler-Henderson y Crawford,2020; O'reilly y Creagh,
2016; Weiner y Hurtz,2017).
En todos estos sistemas, la privacidad del usuario es una preocupación importante. Cuando un sistema de
este tipo está en uso, tiene acceso a la entrada de audio y video de los estudiantes. Algunos sistemas también
funcionan para detectar otros programas que se ejecutan en segundo plano y restringir sus acciones. Si bien
todo esto se hace para mantener un entorno seguro y justo para la realización de exámenes, una institución
que tenga acceso a todos estos datos de cualquier usuario puede ser considerada por algunos como una
violación importante de la privacidad. Por lo tanto, al diseñar un sistema de este tipo, se deben tomar medidas
para garantizar que el usuario se sienta seguro cuando se encuentra en el entorno de realización de la prueba.
Las distintas empresas que existen en el mercado cuentan con diferentes salvaguardas para garantizar esto.
Los órganos de gobierno como la UE también han elaborado directrices para regular el acceso a los datos y el
almacenamiento de dichos datos generados por los usuarios. Teniendo en cuenta la introducción de la
verificación biométrica para el examen en los sistemas más nuevos, es un hecho que se debe implementar la
seguridad de los datos. No solo durante el examen, sino también de los datos sensibles que se almacenan y
transmiten durante el proceso de examen. (Coghlan et al.,2020; Draaijer y col.,2018; Slusky,2020).
El objetivo del trabajo es el siguiente:
• Este documento analiza los múltiples sistemas que existen en la supervisión en línea.
También cubre los principales parámetros que se deben considerar al diseñar dicho
sistema. También hemos tenido en cuenta los factores tecnológicos y emocionales del lado
del usuario.
• En nuestra revisión de la literatura de más de 43 artículos, hemos cubierto todas las bases en este
campo. Nuestro artículo tiene una revisión comparativa entre la IA y los sistemas de supervisión
no basados en IA.
• La investigación existente se centra más en avanzar y mejorar los parámetros
individuales de los sistemas de supervisión en línea. Hasta donde sabemos, no existe
una revisión completa del trabajo que se ha realizado en el campo. Hemos
aprovechado esta oportunidad para identificar también las tendencias que han
aparecido en la investigación realizada durante el desarrollo de AIPS.
13
En sistemas basados en humanos y basados en inteligencia artificial, hemos cubierto

los diferentes tipos que se utilizan ahora en el mercado y los sugeridos en varios artículos
de investigación. (O'reilly y Creagh,2016) Se han observado varias mejoras nuevas
basadas en hardware y software. Estos se suman a los diversos parámetros que ya se
aceptan como estándar para diseñar un AIPS. La situación de la pandemia ha establecido
una necesidad urgente de un AIPS funcional y fácil de usar. Este aumento de la demanda
también significa que ahora se acelerará la investigación y el desarrollo de AIPS. Ésta es
otra razón por la que es tan importante una revisión completa de toda la literatura
existente.
Este documento también cubre algunos temas que se han identificado, tecnológicos y
sociales. Los problemas tecnológicos abarcan puntos como el ancho de banda disponible y los
dispositivos periféricos. Las cámaras, los micrófonos y el escáner de huellas digitales son ahora
una parte habitual de las computadoras portátiles más nuevas. Las computadoras portátiles
más antiguas y la mayoría de los sistemas de escritorio no las incluyen. Al mismo tiempo, para
que funcione un sistema como este, la fuerza de Internet debe ser fuerte y constante durante
todo el período de prueba. Teniendo esto en cuenta, los usuarios deben ser informados con
antelación para que puedan realizar las gestiones necesarias. Aparte de esto, también se ha
abordado la influencia social y psicológica de la pandemia y la presión académica. Tanto los
profesores como los estudiantes tienen puntos de vista diferentes cuando se trata de hacer
trampa. (Alessio et al.,2017; Bilen y Matros,2020; Butler-Henderson y Crawford,2020) Nuestro
artículo cubre esta diferencia de mentalidad y el enfoque posterior adoptado por ambas partes
en lo que respecta al proceso de examen. Creemos que esto debe tenerse en cuenta al diseñar
el sistema. Cualquier sistema que parezca demasiado opresivo o demasiado laxo afectará la
aceptación del mismo. Esto afectará el examen y los resultados de la prueba. Esto debe tenerse
en cuenta en los sistemas que involucran a un ser humano durante el proceso de supervisión.
Los estudiantes están muy influenciados por sus compañeros. Pueden sentir que si otros se
salen con la suya haciendo trampa y reciben calificaciones más altas, es injusto para ellos. Es
posible que se sientan presionados para obtener calificaciones más altas, ya que durante esta
pandemia han estado en casa, con más tiempo disponible para ellos. También pueden ser
cautelosos e incómodos con este nuevo sistema de examen. La falta de comprensión en su
funcionamiento conduciría a conceptos erróneos y crearía pánico entre el cuerpo estudiantil.
(Ríos y Liu,2017; Weiner y Hurtz,2017) Estos puntos también se han discutido en nuestro
artículo.
La siguiente sección es la discusión de AIPS. La sección 2 analiza una descripción general de OPS. La
sección 3 tiene criterios de búsqueda y preguntas de investigación. En la misma sección, también hemos
agregado un mapa conceptual que describe los principales puntos identificados en la revisión de la literatura.
Posteriormente, la sección 4 cubre nuestros hallazgos basados en preguntas de investigación. La Sección 5 da
el futuro de AIPS y la Sección 6 resume nuestro trabajo de encuestas.
2 Sistema de supervisión en línea (OPS): descripción general
La supervisión en línea en educación no es un área nueva de investigación. Incluso antes de la pandemia,

muchas universidades / instituciones utilizaban sistemas de supervisión para los cursos en línea. Los
exámenes competitivos y adaptativos como GRE, GMAT, CAT son exámenes puramente basados en el
supervisor. La supervisión en línea hace uso de herramientas virtuales para monitorear actividades (como
13
cambio de pestaña, marca de tiempo, ruido de fondo, etc.) para evaluar a los estudiantes que se presentan a
los exámenes. Dichos exámenes generalmente se realizan en línea y en ubicaciones remotas, de modo que
cualquier estudiante desde cualquier lugar puede realizar exámenes para garantizar la integridad (Caveon et
al.,2013). El sistema de supervisión en línea se centra en dos componentes principales, a saber. Cámara
web para grabar el video del estudiante que se presenta al examen, que luego puede ser visto por el
examinador / supervisor. El examinador / supervisor puede potencialmente mirar cualquier cosa maliciosa, ya
sea que se haga trampa durante el examen o no. El segundo componente es el bloqueo, que evita que los
estudiantes abran otras pestañas en los navegadores web. Esto también se conoce como bloqueo de
computadora o navegador (Alessio et al.,2017). Según (Hussein et al.,2020) hay las siguientes características de
supervisión, se están tabulando (Tabla 1) a continuación: Hay tres tipos de sistemas de supervisión
identificados por (Hussein et al., 2020). Higo-
ure 1 muestra los tipos de sistemas de supervisión:
Hay varios avances tecnológicos que se han producido en el sistema de supervisión en línea. El
(Hussein et al.,2020) cubre exclusivamente y una descripción general de las herramientas de
supervisión. Se realizó un estudio de investigación sobre el sistema de supervisión y su evaluación.
Basado en la investigación, el documento ofrece recomendaciones para las instituciones educativas
sobre el uso del sistema de supervisión. (Prathish et al.,2016) propone un sistema de supervisión
inteligente en línea. Dicho sistema de supervisión se basa en parámetros de audio y video. Sin
embargo, el artículo carece de evaluación de su propio trabajo de investigación. (Chua et al.,2019)
implementó un sistema que puede detectar y prevenir trampas mediante el bloqueo de pestañas y la
aleatorización del banco de preguntas. (Pandey et al.,2020) desarrolla e-Parakh, que es un sistema de
supervisión de exámenes en línea que se utiliza exclusivamente para dispositivos móviles. (Slusky,2020
) explora varios problemas de ciberseguridad en el sistema de supervisión en línea. El documento
analiza métodos y técnicas de autenticación y autorizaciones de múltiples factores, incluido el uso de
desafío-respuesta, biometría (reconocimiento facial y de voz) y tecnología blockchain. La discusión de
los controles operativos incluye el uso de
tabla 1 Características del sistema de supervisión en línea
Características Descripción Nuevas tecnologías
Autenticación La autenticación incluye verificar el Autenticación de dos factores, OTP, Face

Identidad tanto del candidato como de los El reconocimiento se utiliza para autenticar la
supervisores que forman parte del software de entidad en el sistema de supervisión.
supervisión.
Tolerancia de navegación Esta es la restricción proporcionada por el supervisor Esto se hace mediante el seguimiento de registros y
ing software del sistema sobre el uso de otros análisis, detección de rostros, detección de
recursos (como otras pestañas de los objetos, etc.
navegadores, otra detección de rostros durante
la supervisión en vivo, etc.)
Autorización remota Le da autoridad al supervisor para Esto generalmente se hace dando

y control tomar el control del sistema de supervisión derechos administrativos y uso de modelos
(como si pudiera iniciar / pausar / detener el de seguridad multinivel
examen de un estudiante en particular de forma
remota)
La generación del informe Se trata de crear el informe del alumno. Esto normalmente lo hace el técnico.
y registro de actividad durante el examen nologías como Python, ASP.net o cualquier
otro lenguaje de programación de código
abierto
13
Tipos de sistemas de supervisión en línea
Supervisión en vivo Supervisión grabada Supervisión automatizada
- Sistema de supervisión en
tiempo real
- implica la grabación de video del - versión más avanzada
- El supervisor humano está involucrado
candidato durante donde los humanos no vigilan
- Apto para teórico examen y otro registro durante todo el tiempo, solo
exámenes y los exámenes que detalles. revisión
durar de 2 a 3 horas - Supervisión de publicaciones - el sistema identifica fraudes y
- El supervisor humano puede rastrear
implica el seguimiento de los movimientos trampas a través de varios
movimientos oculares, reconocer la cara
de los ojos y la cara, la detección de objetos y algoritmos y tecnologías
de los estudiantes, puede marcar si los
caras, el análisis de registros - Dado que los supervisores humanos
estudiantes encuentran trampa y
etc. no están involucrados, es un costo
negligencia profesional
- La intervención humana es eficaz
- Requiere competencia en
requerido pero requiere - Este tipo de sistemas son
el uso de tecnología
mejoras mucho tiempo y es costoso más complejos de diseñar.
Figura 1 Tipos de sistemas de supervisión en línea
bloqueo de navegadores, detección de señales de comportamiento de fraude por cámara web,

seguridad de endpoints, VPN y VM, programas de uso compartido de pantalla y escucha de teclado,
controles técnicos para mitigar la ausencia de controles espaciales (área física), cumplimiento de las
regulaciones (GDPR), etc. ( Alessio y col., 2017) examina el efecto de la supervisión en el desempeño del
estudiante.
3 Criterios de búsqueda, criterios de inclusión / exclusión e investigación

Preguntas
Para la revisión de la literatura realizada en este artículo, se realizaron búsquedas y

preselecciones de los artículos más relevantes. Estos artículos fueron identificados y
seleccionados en base a las Publicaciones (la mayoría de ellas fueron Springer, IEEE, Elsevier,
Taylor y Francis, Sage, Inderscience, IGI Global, etc.), artículos indexados (Scopus, Web of
Science como ESCI, SCI, SSCI , SCIE y disponible en la base de datos ERIC) y el número de la
conferencia (en su mayoría contiene un buen número de citas). Se recuperaron un total de 56
documentos de las bases de datos, de los cuales se eliminaron pocos artículos, ya que no eran
relevantes para nuestro estudio. Los artículos que se basan en el aspecto legal y el aspecto
psicológico del sistema de supervisión en línea se eliminaron del estudio de la literatura. Estos
trabajos, que suman un total de 43, se distribuyen a lo largo de 6 años (de 2015 a 2021). Esto se
hizo intencionalmente para ayudarnos a identificar las nuevas tecnologías y avances que se han
implementado en los sistemas de supervisión. Figura2 describe la metodología de búsqueda de
nuestro extenso trabajo de investigación.
13
Figura 2 Criterios de búsqueda, criterios de inclusión / exclusión del trabajo de revisión sistemática
13
Fig. 3 Mapa conceptual de AIPS (basado en artículos buscados)
Los artículos cubren temas como el nuevo hardware y software diseñado para los sistemas y los
factores humanos que influyen en el uso y diseño de dichos sistemas. Al estudiar el trabajo anterior
realizado en este campo, enmarcamos cuatro preguntas de investigación e identificamos los puntos
principales de nuestra revisión, que hemos establecido en el mapa conceptual a continuación (Fig.3).
El mapa conceptual nos muestra los puntos clave que deben tenerse en cuenta al diseñar el
AIPS. Todos estos puntos se han cubierto con mayor detalle en sus respectivas secciones según
la pregunta de investigación relacionada. Esto nos permite dar un análisis más claro y detallado
del trabajo realizado. Temas como Requisitos y Necesidad cubren los puntos relacionados con
las arquitecturas existentes de dichos sistemas. El hardware, el software y la supervisión
humana están relacionados con la discusión sobre los parámetros que se consideran al diseñar
los sistemas de supervisión. Los problemas en sí mismos cubren un gran enfoque de nuestra
revisión de la literatura y están relacionados con los avances tecnológicos que se discuten. Los
avances tecnológicos y el alcance futuro se ocupan de las tendencias y avances del sistema de
supervisión.
Nuestro documento de encuesta detallado debería resolver las siguientes preguntas de investigación:
RQ1: ¿Cuáles son las arquitecturas existentes en AIPS?

RQ2: ¿Cuáles son los diferentes parámetros a considerar en AIPS? PI3:
¿Cuáles son los problemas en el diseño y uso de AIPS? RQ4: ¿Cuál es el
futuro de AIPS?
13
4 Sistema de supervisión basado en IA: escenario actual
4.1 Arquitecturas existentes en AIPS (RQ1)
ProctorU es un ejemplo de OPS que utiliza un micrófono y una cámara web. Es un sistema de
supervisión en vivo en el que el supervisor guía a los estudiantes a través de todo el proceso de un
examen en línea y también los monitorea mediante la cámara web. Se requiere que los supervisores se
aseguren de que no haya materiales no autorizados antes del inicio del examen. También están
obligados a verificar la identidad del estudiante pidiéndoles que presenten sus tarjetas de
identificación. Se requiere que los estudiantes mantengan una conexión audiovisual ininterrumpida
con el supervisor durante toda la sesión. (Milone et al.,2017) Kryterion, un OPS comercial ampliamente
utilizado utiliza un enfoque muy similar al utilizado por ProctorU. (Prathish et al.,2016) El módulo de
inteligencia artificial de ProctorU, sin embargo, no es muy seguro y puede ser engañado, por lo que la
empresa recomienda utilizar su solución híbrida para mantener una alta seguridad. Esta solución
híbrida aumenta la supervisión automatizada con supervisores en vivo capacitados profesionalmente,
que tienen la capacidad de interrumpir la prueba e intervenir en caso de que sospechen algo. (Slusky,
2020).
Xproctor, otro OPS popular, autentica a los estudiantes y los rastrea y monitorea constantemente a
través de reconocimiento facial, transmisión de video de comportamiento, audio y métodos
fotográficos. También es compatible con varios LMS, que cuando se instalan en la computadora de la
persona, allanan el camino para capturas de fotos, capturas de pantalla y capturas de video ilimitadas.
(Slusky,2020).
Otro ejemplo de sistema de supervisión es el proyecto TeSLA, financiado con fondos europeos. TeS-
LA tiene como objetivo desarrollar técnicas para la verificación de los examinados a través de la
biometría. Esto implica reconocimiento facial, reconocimiento de voz, análisis de pulsaciones de teclas
y análisis de huellas dactilares para garantizar que no se esté produciendo suplantación de identidad y
que las respuestas las dé el examinador. (Draaijer et al.,2018).
La plataforma PSI Bridge hace uso de un navegador de bloqueo patentado y un esquema de auto
autenticación, para garantizar el cumplimiento adecuado, al mismo tiempo que se mantiene la privacidad de
los estudiantes y se minimizan los riesgos de seguridad. Es una plataforma altamente segura que no necesita
ningún acceso a la computadora del estudiante para verificar la integridad del examen, por lo que no es
invasiva. La sesión de examen se registra y almacena en un servidor LMS que está integrado con un software
como servicio (SaaS) basado en la nube.Los registros de exámenes y las infracciones marcadas también se
almacenan junto con él, donde el supervisor puede revisarlo más tarde. En ProctorExam, los controles
espaciales se aumentan mediante la utilización de un monitoreo de 360 grados altamente innovador. Este
monitoreo incluye cámara web, uso compartido de pantalla y una cámara de teléfono inteligente colocada de
tal manera que se pueda ver todo lo que rodea al examinado. También utiliza el reconocimiento facial para
señalar los intentos de trampa. (Slusky,2020).
También se ha propuesto un brillante esquema de autenticación de múltiples factores diseñado
específicamente para asegurar los servicios de exámenes en línea sin comprometer la facilidad de uso.
Es un esquema triple que incluye módulos de reconocimiento facial, verificación OTP y autenticación
de huellas dactilares. El sistema implementa una metodología estructural jerárquica donde el usuario
comienza con un proceso de registro adecuado. El proceso de registro implica que el usuario se
registre con una identificación única proporcionada por la institución, la impresión del dedo índice
derecho y el número de teléfono verificado mediante OTP.
13
A continuación, el sistema pasa al módulo de inicio de sesión, que examina a los usuarios que intentan
acceder al sistema. Este módulo de inicio de sesión contiene los tres módulos mencionados
anteriormente. Solo al aprobar todos estos módulos se le permite al usuario realizar la prueba. Para
garantizar la autenticidad del usuario durante el examen, el sistema realiza una comparación de
huellas dactilares de forma periódica, en cualquier momento dado. Al fallar esto, la nueva huella
dactilar se prueba con la base de datos para adquirir los detalles de la persona que es cómplice. Una
vez adquirido este, se envía un informe a la Autoridad de Control con el detalle de los usuarios
involucrados en la actividad maliciosa. (Joshy y col.,2018).
En otro sistema propuesto, el estudiante debe tener una computadora equipada con cámara
web y se le pide que muestre toda la habitación en la que está sentado. El primer módulo es la
detección de rostros, puesto que se rastrea el rostro detectado para garantizar la presencia
continua del alumno durante todo el examen. Junto con la captura continua de audio y video, la
captura de ventana activa también se lleva a cabo simultáneamente para detectar si el
estudiante está tratando de acceder a alguna otra carpeta o navegadores adicionales en la
computadora. También se pueden detectar otras características como los movimientos de la
mano. Todos estos se dan luego como entrada al sistema de inferencia basado en heurística. Es
mediante el análisis de todos estos resultados que el sistema de inferencia decide si existe
negligencia o no. (Raj y col.,2015).
Safe Exam Browser es un software que funciona con una plataforma LMS. Es una aplicación
de kiosco y un navegador. El modo quiosco bloquea el dispositivo y evita que el usuario
navegue por otras pestañas y aplicaciones, y les permite comunicarse internamente con el LMS
y el software de examen. También deshabilita los accesos directos y copiar / pegar. (Slusky,2020
).
Respondus tiene un OPS que es compatible y está bien integrado con un LMS. Ofrece dos
herramientas, un navegador de bloqueo y un monitor. El navegador permite que solo una pestaña del
navegador permanezca abierta y deshabilita todo lo demás. El monitor trabaja mano a mano con el
navegador y monitorea el comportamiento de los estudiantes usando una cámara web. Realiza análisis
de video en esta entrada de video para determinar eventos de comportamiento que indican trampa.
(Slusky,2020).
Hay varios software basados en inteligencia artificial que ayudan a cerrar la brecha entre las conferencias
en línea y los exámenes en línea. Uno de esos programas es Examus, que ofrece la capacidad de obtener las
características de comportamiento de los estudiantes durante las conferencias en línea y luego
proporcionarlas a los servicios de supervisión para un mejor seguimiento de los exámenes en línea. (Slusky,
2020). La siguiente tabla (Tabla2) proporciona una lista de proveedores de OLP. Cada proveedor tiene un
enfoque diferente y único a OLP. Live OLP es donde el supervisor puede ver y
comunicarse con el estudiante, y OLP totalmente automatizado es donde la cámara web y
el micrófono pueden comenzar a grabar por sí mismos, sin la necesidad de un supervisor
en vivo. (O'reilly y Creagh,2016).
4.2 Parámetros considerados para diseñar AIPS (RQ2)
Después de revisar la investigación realizada sobre varios AIPS, se han identificado los parámetros
necesarios (Atoum et al., 2017; O'reilly y Creagh,2016; Slusky,2020). Estos parámetros se seleccionan
en función de la facilidad de implementación en función del hardware que sea accesible para los
estudiantes. Al utilizar los recursos disponibles, es importante asegurarse de que en
13
Tabla 2 Varios AIPS (OLP en vivo o

nombre de empresa OLP en vivo Completamente
OLP completamente automatizado)
Automatizado
OLP
BVirtual ✓ ✓
Examen ✓ ✓
Campus global ✓
Vigilancia
Kryterion ✓
Lealista ✓
Mettl ✓
Vue Pearson ✓ ✓
Proctorfree ✓
Proctorio ✓
Proctortrack ✓
ProctorU ✓
Respondus ✓
SoftwareSeguro ✓
Tegridad ✓
no tiene sentido violar la privacidad del usuario. El software y los algoritmos de procesamiento de
imágenes que están diseñados para trabajar en conjunto con el mismo hardware. Los parámetros AIPS
están restringidos a los dispositivos de entrada que vienen conectados a la mayoría de los sistemas de
usuario, como cámaras web y micrófonos. Los sistemas diseñados comercialmente no pueden esperar
que los estudiantes o las instituciones compren equipos adicionales, incluso si esto ayuda a aumentar
la precisión del sistema (Li et al.,2015). Cualquiera de estos sistemas se pasará por alto en favor de
empresas que puedan ofrecer resultados similares sin costes y / o equipos adicionales.
Los parámetros son:
Cámara: Este es un dispositivo de entrada que viene como parte de casi todas las computadoras portátiles y
es un complemento fácilmente disponible para sistemas de escritorio. La cámara web se utiliza para
proporcionar a la autoridad supervisora (PO) una vista en vivo del usuario. De esta manera, se puede
monitorear al usuario para asegurarse de que esté realizando el examen con atención, mientras que al mismo
tiempo se verifica si hay intentos de hacer trampa. Al utilizar la tecnología de reconocimiento facial, el sistema
puede asegurarse de que solo el usuario registrado en esté realizando el examen y de esta manera evitar la
suplantación de identidad (Joshy et al.,2018; Sinha y col.,2020). La cámara web también se puede utilizar para
comprobar si hay otras personas en segundo plano que intenten ayudar a hacer trampa (Raj et al.,2015).
Micrófono: Este es nuevamente un dispositivo de entrada que viene adjunto a la mayoría de los
sistemas. El micrófono se puede utilizar para grabar audio y analizarlo. El análisis se puede utilizar para
determinar si el usuario está siendo asistido por alguien fuera del campo de visión de la cámara o
mediante una llamada en otro dispositivo (Sinha et al.,2020). Como los ruidos de fondo también
pueden considerarse actividades deshonestas, el software debe estar capacitado para evitar falsos
positivos en consecuencia (Prathish et al.,2016; Raj y col.,2015).
13
Proctor humano: Los sistemas que se utilizan hoy en día no tienen una tasa de precisión del cien por cien.
Estos requieren supervisión humana para tratar con falsos positivos y ayudar con la reparación de
agravios (Li et al., 2015). De esta manera, los sistemas se pueden entrenar continuamente para
mejorar la inteligencia artificial que trabaja en el backend. El PO también analizará el informe
generado por la AIPS para emitir un juicio final sobre la mala praxis (Metzger & Maudoodi,2020). El
AIPS procesa múltiples entradas, como audio y video, y datos de aplicaciones en segundo plano. En
caso de que haya un falso positivo registrado en cualquiera de estas entradas, el PO puede comparar
las entradas de todas estas fuentes para tener una mejor idea antes de declararlo como un caso de
copia. Podría haber una instancia en la que la IA podría marcar una calculadora como un teléfono e
informar al usuario como un "caso de copia" considerándolo un dispositivo móvil. En este caso, se
requerirá supervisión humana para evitar que un estudiante sea acusado injustamente.
Compartir pantalla / Grabación: De esta forma, la pantalla del usuario se comparte con el PO. El
supervisor puede ver las pestañas que están abiertas en la pantalla del estudiante para asegurarse de
que no abran otras páginas web o notas para buscar respuestas (Beust et al.,2018). Esto también
puede ser registrado por la AIPS para referencia futura en caso de que haya una disputa sobre la
bandera levantada por el sistema con respecto a la actividad sospechosa. Esto también va de la mano
con el parámetro Application Lock, al registrar la evidencia de que otras aplicaciones se utilizan para
hacer trampa (Slusky,2020).
Bloqueo de aplicación: El parámetro de bloqueo de la aplicación es para garantizar que ningún

usuario acceda a otros programas en el fondo del examen. El AIPS garantiza que no se pueda acceder
a otras aplicaciones o documentos de comunicación durante la duración de la prueba. Esto se puede
hacer a través del método de "navegador seguro" que no permite el cambio de pestaña (Chua et al.,
2019). También se evita que el usuario busque en línea las respuestas a través de este método (Slusky,
2020). Cualquier intento de hacerlo también será marcado como un caso de copia por el sistema
(Metzger & Maudoodi,2020). Una forma más sencilla de implementar este concepto es utilizar un
navegador normal y marcar al usuario cada vez que haga un cambio de pestaña (Raj et al.,2015).
Biometría: Mediante la verificación biométrica, el sistema puede verificar que el usuario no está
engañando a través de la suplantación de identidad. También agrega otra capa de seguridad sobre
una combinación simple de ID de usuario y contraseña que se puede compartir fácilmente. Esto
también se puede usar durante el artículo para asegurarse de que el usuario no cambie de lugar con
alguien durante el artículo (Joshy et al.,2018). El reconocimiento facial también se puede implementar
para que actúe simultáneamente durante la duración del examen (Ghizlane et al.,2019; Zhang y col.,
2016).
Seguimiento de la mirada: Mediante el seguimiento de la mirada, se puede monitorear el

comportamiento del estudiante para copiar usando recursos externos como notas o libros de texto. El
estudiante puede ser monitoreado usando complementos de hardware como un rastreador de mirada
(Atoum et al.,2017; Li y col.,2015). También se puede hacer entrenando al AIPS para que identifique
cuando el usuario está mirando hacia otro lado de la pantalla (Prathish et al.,2016; Zhang y col.,2016).
El sistema debe permitir pequeños movimientos del usuario, ya que no es razonable suponer que
permanecerá quieto durante toda la duración del papel.
13
Bancos de preguntas aleatorias: El documento puede constar de preguntas seleccionadas al azar de

un banco de preguntas preparado previamente. De esta manera, los usuarios obtendrán un artículo
único para ellos (Chua et al.,2019; Norris,2019). Este método también ayudará a anular los intentos de
copiar al compartir las respuestas a una pregunta en particular, ya que dos estudiantes no tendrían
una pregunta con el mismo número de pregunta.
La mesa 3 está diseñado para mostrar el trabajo de investigación realizado en sistemas AIPS durante los
años 2015-2020. En esto vemos la tendencia creciente de implementación de un mejor software como el
bloqueo de pestañas. La investigación sobre sistemas más antiguos se centró más en el desarrollo de AIPS que
tienen una alta precisión basada solo en la entrada de video. De esta manera vemos que la investigación de
seguimiento de la mirada se ha realizado e implementado desde 2015 en adelante. Dado que los escáneres de
huellas digitales se están convirtiendo en una parte estándar de los sistemas modernos de seguridad, se
pueden diseñar más AIPS para utilizarlos para la verificación. Si bien el uso de documentos generados
aleatoriamente de bancos de pruebas es una investigación relativamente nueva, es bastante prometedora en
el frente de la prevención de trampas. Si un usuario de alguna manera puede evitar las salvaguardas AIPS y
comunicarse con otra persona, la confusión y / o las preguntas únicas harán que este intento sea infructuoso.
4.3 Problemas en AIPS (RQ3)
Una consideración importante que se debe tener en cuenta al diseñar cualquier software son los problemas
que pueden surgir en cualquier etapa de ejecución. Para cualquier software de supervisión, debemos
considerar principalmente dos factores en los que un usuario puede enfrentar problemas: la respuesta
tecnológica y humana.
Un factor de seguridad importante que se puede utilizar de forma indebida con facilidad es la privacidad del usuario (Beust et al.,
2018). Dado que, la autenticación del usuario es necesaria antes de permitir que el estudiante intente
el examen; están obligados a verificar sus datos personales al supervisor. Esto se puede hacer
escaneando sus tarjetas de identidad de usuario, como la identificación de la universidad, la tarjeta
Aadhar, etc. (Butler-Henderson & Crawford,2020; Caveon y col.,2013; Slusky,2020). Estos documentos
suelen estar vinculados a datos confidenciales del usuario y pueden utilizarse de forma indebida
fácilmente. Los números de móvil vinculados también pueden dar lugar a llamadas de phishing y
delitos graves como pesca con gato, acoso, etc. Un supervisor puede terminar dedicándose a
actividades inmorales con la información disponible (Coghlan et al.,2020). Por lo tanto, se debe poner
mucho énfasis en asegurar que cualquier software de supervisión sea robusto, seguro y garantice la
privacidad del examinado.
La suplantación de identidad por parte de los candidatos es otra falla de seguridad que debe evitarse
(Hylton et al., 2016). Dado que Proctoring Software nos da la libertad de intentar cualquier examen en casa, los
usuarios pueden hacer un mal uso de esta instalación, ya que pueden hacer que cualquier otra persona
intente realizar la prueba utilizando sus credenciales (Ghizlane et al.,2019). La autenticación del usuario, por lo
tanto, se convierte en una necesidad antes de permitir que alguien comience con el examen.
Para garantizar evaluaciones justas, el software Proctoring aplica varias medidas de seguridad.
Algunas aplicaciones implican obtener el control del dispositivo del candidato. Esto incluye la cámara
web, el micrófono e incluso el acceso a la pantalla compartida de la computadora de escritorio /
computadora portátil / teléfono móvil (Coghlan et al.,2020). Tal nivel de control sobre un
13
6434
13
Tabla 3 Parámetros considerados para diseñar AIPS
Papel Cámara Micrófono Proctor humano Compartir pantalla / Solicitud Biometria Seguimiento de la mirada Aleatorio
Grabación Cerrar con llave Pregunta
Bancos
(Zhang y col., 2016) (Prathish ✓ ✓ ✓

et al., 2016) (Raj et al., 2015) ✓ ✓ ✓
(Li et al., 2015) (Atoum et al., ✓ ✓ ✓
2017) (Beust et al., 2018) ✓ ✓ ✓
(Joshy et al., 2018) (Ghizlane ✓ ✓ ✓ ✓ ✓
et al., 2019) (Golden y ✓ ✓ ✓ ✓
Kohlbeck, 2020) (Chua et al., ✓ ✓
2019) (Slusky, 2020) ✓ ✓ ✓
✓
✓ ✓
✓ ✓ ✓ ✓ ✓ ✓
(Sinha et al., 2020) ✓ ✓ ✓
(Norris, 2019) ✓ ✓ ✓ ✓ ✓ ✓ ✓
(Metzger y Maudoodi, 2020) ✓ ✓ ✓
Tecnologías de la información y la educación (2021) 26: 6421–6445
dispositivo puede provocar numerosos problemas de privacidad y hace que el dispositivo sea más
susceptible a ataques de piratería. Cualquier sistema de supervisión debe garantizar que la seguridad
del dispositivo esté garantizada mediante varios protocolos de seguridad y que los datos que se
almacenan en sus centros de datos estén bien protegidos contra ataques de malware (Ilgaz & Afacan
Adanır,2020). Proctor La autenticidad es un aspecto importante que no debe descuidarse. Dado
que los supervisores son contratados por separado por las empresas que brindan las soluciones y no
por las organizaciones que administran los exámenes, se deben tomar medidas para garantizar que se
otorgue el puesto a personas bien calificadas después de entrevistas rigurosas y verificaciones de
antecedentes relevantes (Furby,2020). La presencia de un delincuente como supervisor puede ser
perjudicial para la seguridad y la privacidad del candidato, ya que los detalles a su disposición pueden
ser mal utilizados y tener consecuencias nefastas. Tanto la organización como la empresa involucrada
se enfrentarán a críticas negativas en público que serán un gran impedimento para sus perspectivas
futuras.
Los sistemas de supervisión también tienen que lidiar y solucionar varios problemas de
infraestructura. Dado que su objetivo principal es garantizar la imparcialidad y la cercanía a los
exámenes en papel y lápiz fuera de línea, requieren que estén presentes ciertas especificaciones
mínimas y componentes de hardware en los dispositivos de todos los candidatos que van a hacer uso
de sus instalaciones. La implementación de una combinación de inteligencia artificial y supervisión
humana aumenta inadvertidamente el costo para la empresa que entrega el software (Atoum et al.,
2017). Hacer un análisis de costos es integral para garantizar que la entidad no se convierta en una
propuesta que genere pérdidas, sino que sea una empresa sostenible (Furby,2020).
Las direcciones IP de los dispositivos del candidato (tanto computadoras de escritorio / portátiles como
teléfonos móviles) son accesibles mediante varios programas de software para evitar conductas indebidas. Sin
embargo, hoy en día se pueden manipular fácilmente utilizando VPN que no se pueden rastrear fácilmente.
Esto puede ser mal utilizado por los candidatos para caer en malas prácticas que diluyen la eficiencia de la
aplicación (Joshy et al.,2018).
Los dispositivos de los candidatos deben tener ciertas especificaciones mínimas, como una
cámara web y un micrófono que funcionen, cierto almacenamiento gratuito en RAM. También
deben brindar acceso de control a los supervisores y deben garantizar un ancho de banda de
Internet eficiente (Slusky,2020). Todo esto tiene que estar funcionando durante toda la duración
del examen. La falla de cualquiera de estos componentes conduce a que el examen se suspenda
temporalmente hasta que se reparen y funcionen nuevamente (Ilgaz & Afacan Adanır,2020).
Cualquier candidato que pase por estos problemas tiene que cambiar su enfoque del examen
hacia la solución del problema que no es ideal en un escenario tan estresante.
La interfaz de la aplicación tampoco debe ser demasiado compleja, sino más bien fácil de entender
(Butler-Henderson & Crawford, 2020). Cuando consideramos varios exámenes de nivel nacional /
internacional, personas de todos los sectores de la sociedad aparecen para ellos. Muchos de ellos no
pueden permitirse el lujo de poseer tales dispositivos y, por lo tanto, terminan sin la oportunidad de
presentarse a los exámenes. Una interfaz de usuario compleja también deja perplejos a los candidatos
incluso antes de que comience el examen, lo que no es ideal.
La logística de establecer centros de datos para almacenar la información personal de los
candidatos, así como los datos de los exámenes, tampoco es barata (Caveon et al., 2013). Cada examen
lo realizan miles de personas juntas en un momento dado. Por lo tanto, es necesario crear y utilizar
servidores robustos para garantizar que ningún candidato se enfrente a ningún problema técnico
desde el lado del servidor de la aplicación. La baja conectividad a Internet también puede provocar
13
problemas durante el examen y, por lo tanto, es necesario hacer arreglos para garantizar una
conexión de red estable (Sinha et al., 2020).
Aparte de los factores técnicos anteriores, también debemos considerar cuestiones relacionadas con la
psicología humana y otros factores socioculturales como la aceptación de la nueva metodología. Se han
realizado varios estudios para probar qué tan a prueba de trampas es cualquier software de supervisión. Se ha
observado un tema común en los resultados donde los candidatos terminan obteniendo más calificaciones en
un examen en línea en comparación con un examen fuera de línea (Ilgaz & Afacan Adanır,2020). Las
calificaciones infladas pueden ser engañosas no solo para los forasteros, sino incluso para el candidato que las
califica, ya que pueden tener la impresión de poseer habilidades hasta cierto punto dentro de ellas, lo que no
es el caso en la realidad (Langenfeld,2020). Hacer que cualquier software de supervisión sea a prueba de
trampas debe ser la primera prioridad para cualquier empresa para asegurarse de que reemplacen los
exámenes basados en papel y lápiz en el futuro (Beust et al.,2018; Butler-Henderson y Crawford,2020;
Ghizlane y col.,2019; Weiner y Hurtz,2017).
Los softwares de supervisión actuales no son a prueba de trampas (O'reilly & Creagh,
2016) evocan opiniones polarizantes entre la sociedad. Las facultades de escuelas / colegios /
universidades todavía prefieren el modo tradicional de exámenes a los exámenes en línea, ya
que les resulta más fácil controlar a los estudiantes y evitar las trampas y otras malas prácticas
(Dendir & Maxwell,2020; Norris,2019; Peterson,2019). La deshonestidad académica es un gran
inconveniente que no ha permitido que más organizaciones cambien a los nuevos métodos de
realización de exámenes (Peterson,2019). Las calificaciones obtenidas por el examinado no se
pueden considerar como un verdadero testimonio de su conocimiento y, por lo tanto, las
aprehensiones aún permanecen.
La supervisión electrónica es costosa de implementar y debe respetar la autonomía y la
libertad del candidato. La confianza es un aspecto importante durante los exámenes tanto para
el examinado como para el examinador (Coghlan et al.,2020). Marcar de forma inapropiada a
cualquier candidato por haber cometido un delito puede ser perjudicial para ellos. Tampoco
será correcto por parte del supervisor perderse evidencias obvias de trampa.
La ansiedad entre los examinados ha sido un problema prevalente desde hace mucho
tiempo, incluso cuando se realizan exámenes con el método tradicional (Butler-Henderson &
Crawford, 2020; Woldeab y Brothen,2019). La presión social / paterna, el deseo de ser el que
puntúe más alto, etc., todos estos factores psicológicos contribuyen a aumentar los niveles de
estrés y ansiedad entre los candidatos. Además del estrés de dar exámenes en un medio
completamente nuevo con numerosos tecnicismos involucrados, cualquier examinado se
sentiría agotado durante el proceso (Beust et al.,2018; Sinha y col.,2020). Es responsabilidad
tanto de la organización que administra el examen como de la empresa que proporciona el
software de supervisión garantizar que los examinados tengan una experiencia sin problemas
mientras realizan el examen.
La vigilancia continua también puede ser un problema para los examinados, ya que la idea
de ser monitoreados constantemente durante períodos prolongados puede afectar su salud
mental y sembrar semillas de duda en su mente cuando, en cambio, deberían centrarse en su
propio examen. Este estigma nunca debería infiltrarse en la mente de un candidato (Joshy et al.,
2018).
Los sistemas de supervisión también deben asegurarse de que los candidatos no posean hojas de
trucos (Furby, 2020) o permitirse la connivencia mientras realiza un examen supervisado. Esto frustra
todo el propósito de usar una aplicación de este tipo en primer lugar. Dado que los teléfonos móviles
son un accesorio necesario para realizar cualquier examen supervisado (excepto
13
que involucran preguntas de opción múltiple), se convierte en una herramienta fácil a disposición del
examinado para permitirse hacer trampa utilizando plataformas de redes sociales, motores de búsqueda o
incluso acceder al material de estudio del tema relevante (Ullah et al., 2017). Por lo tanto, cualquier software de
supervisión también debe poder tener en cuenta esto y proporcionar los interruptores necesarios para evitar
el uso indebido y las trampas por parte de los examinados.
La mesa 4 a continuación se proporciona una lista de las diversas categorías de problemas
identificados por nosotros en relación con un sistema de supervisión en línea basado en inteligencia
artificial. Hemos categorizado los problemas en dos categorías amplias: Tecnológico y Humano. Estos
se han dividido en dos subsecciones cada uno: los factores tecnológicos incluyen los problemas de
seguridad (privacidad del candidato, etc.) e infraestructura (hardware, software, ancho de banda de
Internet), mientras que los factores humanos incluyen problemas psicológicos (estrés, ansiedad,
trampa, etc.) y Problemas socioculturales (aceptación de nueva tecnología, integridad de la
puntuación, etc.).
4.4 Tendencias y cambios tecnológicos en AIPS (RQ3):
La supervisión remota permite que los candidatos se presenten para una evaluación desde una ubicación
remota y, al mismo tiempo, garantiza la integridad del examen. Los exámenes en línea se han realizado
durante varios años en los que los organizadores utilizan centros de pruebas designados o
Cuadro 4 Factores que afectan el diseño de papel
AIPS Factores tecnológicos Factores humanos
Infraestructura de seguridad Psicológico Sociocultural
(O'reilly y Creagh, 2016) (Woldeab y ✓

Brothen, 2019) (Hylton et al., 2016) ✓
(Weiner y Hurtz, 2017) (Atoum et al., ✓
2017) (Beust et al., 2018) (Joshy et al., ✓ ✓
2018) (Ullah et al., 2017) (Ghizlane et al., ✓
2019) (Butler-Henderson y Crawford, ✓ ✓ ✓
2020) (Coghlan et al., 2020) (Peterson, ✓ ✓
2019) ✓ ✓ ✓
✓ ✓
✓ ✓ ✓ ✓
✓ ✓ ✓
✓ ✓
(Dendir y Maxwell, 2020) ✓
(Slusky, 2020) ✓ ✓
(Langenfeld, 2020) ✓ ✓
(Ilgaz y Afacan Adanır, 2020) ✓ ✓ ✓ ✓
(Furby, 2020) ✓ ✓ ✓ ✓
(Sinha et al., 2020) ✓ ✓
(Norris, 2019) ✓
(Caveon et al., 2013) ✓ ✓
13
exigir que los estudiantes se presenten en el campus de su universidad para presentarse al examen. Una
gama cada vez mayor de herramientas digitales está tratando de llenar este vacío al permitir que las personas
se presenten a sus exámenes desde la comodidad de sus hogares. Estos incluyen servicios basados en la web
que brindan monitoreo remoto en tiempo real de un ser humano o una grabación de video del
comportamiento del estudiante durante la duración de una prueba. Esto se hace para garantizar la
autenticidad de las personas que se presentan a la prueba y también para asegurarse de que no se dejen
engañar. (Supervisión remota, 2020).
Se estaba observando un aumento gradual en la demanda de soluciones de supervisión en
línea desde principios de la década anterior. Los usuarios iniciales de tales soluciones fueron
universidades que tuvieron que realizar exámenes para sus cursos de educación a distancia. El
enfoque basado en papel y lápiz fue utilizado principalmente por ellos. Sin embargo, las
limitaciones logísticas de los candidatos comenzaron a surgir ya que no podían viajar a la ciudad
donde se encontraba la universidad para presentarse a sus exámenes. Esto, inadvertidamente,
los llevó a no poder realizar el examen y, por lo tanto, a perder la obtención de la certificación
para la que habían trabajado durante todo el año académico.
Las universidades comenzaron a darse cuenta de este problema y comenzaron a implementar
soluciones de supervisión remota que les brindaban organizaciones de terceros. Esto permitió a los
candidatos la libertad de presentarse a sus exámenes sin tener que preocuparse por la logística
involucrada. Sin embargo, estas soluciones dieron lugar a problemas importantes como la piratería de
las tecnologías, la disminución de la integridad académica, etc. Desde entonces, se están llevando a
cabo importantes investigaciones para hacer que los exámenes en línea supervisados de forma
remota sean lo más académicamente justos, seguros y protegidos posible. (Supervisión remota, 2020),
(Tecnología emergente y el futuro de Internet Vigilancia, 2020).
La historia nos enseña que los tiempos de crisis pueden conducir a rápidos cambios sociales y
tecnológicos. Como resultado directo de la pandemia COVID-19, las organizaciones se han visto
obligadas a explorar nuevas herramientas para la colaboración, el aprendizaje, el trabajo y la
evaluación a distancia (Pozo Sánchez et al.,2020). Las escuelas y universidades han tenido que adoptar
los nuevos métodos de enseñanza en línea y luego realizar exámenes virtuales para evaluar a los
estudiantes. Las Organizaciones Corporativas también han tenido que realizar contrataciones virtuales
de personas y, por tanto, han tenido que recurrir a la realización de pruebas online antes de las
Entrevistas. La necesidad de equilibrar las necesidades de seguridad y garantizar una experiencia
buena y sin estrés para los candidatos, todo ello sin salirse del presupuesto, es la necesidad actual de
las tecnologías de supervisión remota. (Tecnología emergente y el futuro de Internet Vigilancia, 2020).
Una gran cantidad de servicios de supervisión en línea (en vivo, automatizados o híbridos)
dependen de la transmisión audiovisual ininterrumpida. El estudiante puede presentarse al examen en
cualquier lugar, siempre que tenga una conexión a Internet rápida y estable. Esto ha hecho que
aparecer en los exámenes sea extremadamente conveniente para los estudiantes. (Milone et al.,2017).
Mantener la integridad académica es una parte crucial de un examen y juega un papel aún más
importante en la supervisión en línea. Esto explica por qué a lo largo de los años, muchos OPS han
abandonado la autenticación de un solo factor por los esquemas de autenticación multifactor más
avanzados y seguros. Estos varían desde los más simples, como la verificación de la identidad del
estudiante mediante tarjetas de identificación de la escuela / universidad, hasta los más complejos,
que requieren autenticación OTP y verificación de huellas dactilares. Sin embargo, algunos de estos
esquemas, aunque implementados teniendo en cuenta el beneficio de los estudiantes, no son
prácticos si el estudiante toma el examen en sus hogares, lo cual era algo muy común en la pandemia.
Por lo tanto, los esquemas de autenticación de huellas dactilares son
13
generalmente restringido a exámenes basados en quiosco. (Draaijer et al.,2018; Joshy y col.,2018;

Milone y col.,2017).
Quizás una de las mayores adiciones al mundo de OPS sería el advenimiento de la supervisión de
360 grados, que se puede lograr utilizando una cámara web, un teléfono inteligente y la pantalla
compartida. Muchos OPS también se complacen en la captura activa de viudas y el bloqueo de
pestañas, lo que no permite a los estudiantes cambiar de aplicación mientras el examen está activo. La
captura de ventana activa toma periódicamente capturas de pantalla de la pantalla del examinado y las
guarda en la nube, para ser revisadas más tarde. Otro salto en el mundo de la supervisión en línea se
produjo cuando muchos OPS comenzaron a guardar periódicamente el progreso de los estudiantes
durante el examen, en caso de que su conexión a Internet se interrumpa. Esto permitió que los
estudiantes pudieran continuar su examen justo donde lo dejaron, cuando su conexión a Internet se
restableció a la normalidad. Ha demostrado ser una gran ayuda para los estudiantes de los países en
desarrollo. (Slusky,2020), (Milone et al., 2017), (Raj et al., 2015).
Cuando la mayoría de las OPS comenzaron a operar, dependían únicamente de los servicios
de supervisión en vivo, donde supervisores capacitados se sentaban en el otro extremo,
vigilando el examen, con la capacidad de pausar el examen e intervenir si sospechaban alguna
actividad ilícita. Sin embargo, con los avances recientes en inteligencia artificial, ahora han
entrado en juego los sistemas híbridos, donde el OPS automáticamente señala al estudiante en
caso de algún ruido de fondo, o si el estudiante intenta cambiar a una nueva aplicación.
También tiene la capacidad de marcar al estudiante en caso de que se capture un teléfono móvil
en la cámara web. Estos indicadores pueden ser revisados por supervisores en vivo, ya que la
IA es totalmente capaz de cometer errores y los modelos aún no son perfectos. (Milone et al.,
2017; Prathish y col.,2016; Slusky,2020).
Algunas otras tecnologías que han entrado en escena son el seguimiento del iris, la desactivación
de las operaciones de cortar / copiar / pegar, el análisis de video, el seguimiento del movimiento de las
manos, el análisis de pulsaciones de teclas, etc. Todas estas son implementadas por algunos OPS para
garantizar la máxima integridad académica en todo momento durante el examen. Muchos servicios
basados en inteligencia artificial también intentan combinar conferencias y exámenes en línea. Esto
les ayuda a formar preguntas de perfil dinámico y obtener una mejor comprensión del
comportamiento de un estudiante, mejorando así sus capacidades de vigilancia. (Draaijer et al.,2018;
Raj y col.,2015; Slusky,2020; Ullah y col.,2019).
Si bien la tecnología se está volviendo cada vez más avanzada día a día, se ha vuelto
extremadamente importante para nosotros encontrar formas de mantener nuestra privacidad
mientras estamos conectados a Internet. Por lo tanto, mantener la privacidad de los estudiantes
también es motivo de preocupación, y muchas OPS han comenzado a priorizarlo. Los estudiantes
dudan en dar datos que creen que no estarán protegidos adecuadamente. Los videos, las tarjetas de
identidad, las direcciones IP, las huellas digitales, etc. son detalles muy sensibles que deben
conservarse adecuadamente, si es que lo hacen. Para abordar estas aprehensiones, algunas OPS han
comenzado a lanzar navegadores de bloqueo y otros softwares, que se basan en la autenticación
automática y no son invasivos. Estos no registran ni almacenan datos en ningún lugar, y son híbridos,
lo que significa que un supervisor puede interrumpir la prueba en cualquier momento en caso de que
sospeche de actividad maliciosa. Solo permiten que el navegador de exámenes permanezca abierto y
deshabilitan la mayoría de las otras actividades en la PC, lo que significa que el estudiante solo puede
comunicarse con el supervisor y viceversa. (Slusky,2020), (Prathish et al., 2016).
13
La tecnología ha avanzado enormemente en los últimos años y la pandemia COVID-19 ha

provocado un aumento de la supervisión en línea. Las escuelas y universidades están
constantemente reclutando nuevos programas de terceros para prevenir la deshonestidad
académica y las trampas en sus exámenes. Se espera un auge significativo en la demanda de
soluciones de supervisión remota a medida que avanza esta década. Un software de
supervisión robusto, seguro y fácil de usar es la necesidad del momento que garantiza que la
integridad académica esté asegurada al mismo tiempo que se mantienen estrictos estándares
de seguridad.
5 Futuro de AIPS (RQ4):
Las instituciones educativas y las organizaciones corporativas de todo el mundo habían comenzado
gradualmente el proceso de adopción de software de supervisión en línea durante la última década
para realizar exámenes remotos de manera justa y garantizar que los candidatos realizaran el examen
en un entorno conocido. Debido a la pandemia de COVID-19, se ha convertido en la necesidad actual
de aprovechar las plataformas de supervisión remota para realizar pruebas sin interrupciones y, al
mismo tiempo, garantizar que los candidatos no incurran en malas prácticas durante estos exámenes
en línea. (Supervisión remota, 2020).
Hay numerosos beneficios para cualquier organización cuando realiza cualquier evaluación a través
de supervisión remota en lugar del método tradicional basado en lápiz y papel. Programar exámenes
se vuelve más fácil ya que no es necesario establecer centros de pruebas específicos para realizar los
exámenes. La comunicación entre el examinador y el examinado es más ágil, sin complicaciones y más
rápida. Los resultados del examen se pueden generar más rápido y, en algunos casos, casi
instantáneamente. Los exámenes en línea también dan a la organización la libertad de realizar el
examen a gran escala sin preocuparse por maximizar la capacidad de los centros de examen. (Arora,
2021). Sin embargo, es necesario realizar un esfuerzo sincero para desarrollar tecnologías de
supervisión para garantizar que el nivel de los exámenes en línea esté a la par con los exámenes
fuera de línea en todos los aspectos; ya sea la integridad de las calificaciones obtenidas, garantizar que
los candidatos no se involucren en irregularidades, etc. La percepción social de las masas hacia los
exámenes en línea también debe cambiarse y deben ser conscientes de los beneficios de los mismos.
Los problemas al diseñar un sistema de supervisión basado en inteligencia artificial como se discutió
anteriormente deben abordarse con el uso de tecnologías existentes. El avance de las tecnologías sin
duda será beneficioso para construir sistemas más robustos y seguros, pero en la actualidad,
anticipándose a la creciente necesidad de este software; Es necesario hacer un esfuerzo consciente
para permitir que las tecnologías existentes mitiguen los problemas que existen. (Espinilla,2021).
Cualquier software de supervisión debe establecer con precisión la identidad de la persona que realiza
el examen. La suplantación de identidad es una gran amenaza para la santidad de los exámenes en
línea y, por lo tanto, se están empleando varios métodos para garantizar que la persona designada sea
la que realice el examen. El software de supervisión le pide a cada candidato que envíe información
personal o prueba de identidad que luego se verifica antes de permitir que el candidato continúe.
Ciertos sistemas han comenzado a emplear la autenticación biométrica a través de huellas dactilares a
través del escáner de huellas dactilares que ahora está disponible en teléfonos móviles o
computadoras portátiles en la actualidad.
13
Este modo de autenticación está más disponible en el mundo actual, pero todavía no es
100% infalible para determinar la identidad del candidato. Un método más seguro de
autenticación biométrica sería utilizar el escaneo del iris como herramienta. Sin embargo, las
capacidades de hardware para el método anterior no están disponibles comercialmente en
dispositivos y, por lo tanto, los candidatos tendrán que gastar dinero para obtener los
componentes de hardware necesarios. Cualquier intento de obligar a una persona a comprar
algo específicamente para usar un software de supervisión remota frustraría los esfuerzos
realizados para lograr la aceptación mundial de la tecnología. Por lo tanto, la supervisión
humana continua a lo largo de la duración del examen es un "mal necesario" que debe
emplearse al diseñar un software de supervisión.
Uno de los enfoques principales que se deben tomar para autenticar la identidad del
examinado es la autenticación multifactor. Con la biometría en aumento, dispositivos como
teléfonos móviles, tabletas y computadoras portátiles ahora están incorporando escáneres de
huellas dactilares y escáneres faciales. La producción en masa de tales dispositivos hace que
todos utilicen al menos un servicio biométrico disponible. Si bien la contraseña puede servir
como el primer módulo, la verificación basada en OTP, el reconocimiento facial y la
autenticación de huellas dactilares se pueden utilizar en la segunda etapa de cualquier OPS. Si
bien algunos AIPS también han hecho uso del seguimiento del iris entre varias otras técnicas,
uno debe comprender que estas requieren hardware de alta gama que no está disponible ni es
asequible para todos. (Draaijer et al.,2018; Joshy y col.,2018; Raj y col.,2015; Slusky,2020; Ullah y
col.,2019).
Otra tecnología que está creando ondas es LIDAR. LIDAR, que significa Detección y
rango de luz, es un método de detección remota. LIDAR utiliza un láser pulsado para
calcular las distancias variables de un objeto desde la fuente. Estos pulsos de luz generan
información 3D precisa sobre el objeto objetivo y su entorno. LIDAR se utiliza
ampliamente en el campo de la astronomía (el Phoenix Mars Lander de la NASA utilizó la
tecnología LIDAR para detectar la caída de nieve) y ahora está encontrando nuevas
aplicaciones en los campos de la biología, la atmósfera y los vehículos autónomos. LIDAR
se está incorporando ahora a los vehículos autónomos, para ayudar a identificar los
obstáculos cercanos y modelar mejor la carretera, y se introdujo en los teléfonos móviles.
LIDAR ayuda a medir distancias con mayor precisión y mejora la implementación de
realidad aumentada (AR). Brinda a las aplicaciones información más útil y precisa sobre el
entorno del usuario, para una AR más fluida y confiable. Si bien esto es una gran ayuda
para AIPS, LIDAR es una tecnología muy cara que aún no ha llegado a la producción
masiva en teléfonos móviles para que sea más asequible.
La educación en línea y los exámenes en línea son dos caras de la misma moneda, y cerrar la
brecha entre ellos es muy importante. Varios software tienen como objetivo analizar el
comportamiento de los estudiantes en las clases en línea y obtener sus características de
comportamiento únicas, y luego proporcionar esta información a los servicios de supervisión
para una mejor vigilancia en los exámenes en línea. En el futuro se introducirán muchos
programas de este tipo que ayudarían a fortalecer los numerosos pilares de la educación en
línea. (Slusky,2020).
En los próximos años, este cambio revolucionario que nos ha traído la pandemia
no disminuirá. En todo caso, solo ha reforzado la idea de que la educación en línea
no solo es posible, sino también altamente efectiva y práctica. Cada vez más
instituciones ofrecen cursos a distancia y cursos completos
13
grados que uno puede obtener estudiando en la comodidad de sus hogares. En tales casos, los
AIPS llegaron para quedarse y solo darán más saltos en el futuro.
Otros parámetros considerados incluyen el uso de máquinas EEG (Li et al., 2015),
configuración de la interfaz de usuario (Karim & Shukur, 2016), Verificación basada en OTP
(Joshy et al., 2018) y métodos antiplagio (Norris, 2019). La investigación realizada sobre estos
parámetros ha mostrado resultados prometedores en la identificación de casos de mala
conducta. Si bien estos métodos pueden ser costosos de implementar a partir de hoy, con el
aumento de la integración tecnológica, pronto sería factible incluirlos en un sistema de
supervisión basado en inteligencia artificial.
6 Conclusión y discusiones
Las pruebas en línea son la próxima ola de adopción después del aprendizaje en línea, que ha
experimentado un aumento significativo en la demanda debido a los problemas planteados por
la pandemia de COVID-19 en curso. OPS no pretende ser completamente infalible, pero está
cambiando rápidamente la adopción de las pruebas en línea desde casa, un escenario que
antes se hubiera pensado que era absurdo entre las masas.
Con la llegada del software de supervisión en línea, los problemas de seguridad asociados con él se
están multiplicando y son una causa de preocupación legítima. Los datos biométricos altamente
sensibles se pueden recopilar y almacenar con el pretexto de fines de verificación. Por lo tanto, los
datos personales recopilados durante las operaciones de OPS deben identificarse, clasificarse y
etiquetarse cuidadosamente de acuerdo con su nivel de sensibilidad para el almacenamiento a fin de
mantener su confidencialidad, integridad y disponibilidad; independientemente del medio de
almacenamiento. El debate y el desacuerdo sobre la idoneidad de las tecnologías de supervisión
remota seguramente continuarán en el futuro. Hay consideraciones definidas que hablan a favor de
tales tecnologías a pesar de sus inconvenientes. No es injusto reconocer aquí que la supervisión en
persona tampoco es éticamente perfecta: también puede pasar por alto casos de trampa y, por lo
tanto, resultar en acusaciones injustas de deshonestidad académica. Además, tenemos que aceptar el
hecho de que es vital mantener la integridad académica para proteger tanto a los estudiantes como a
las instituciones.
No obstante, el análisis anterior reveló que las plataformas de supervisión remota plantean
preocupaciones éticas más allá de las que afectan la vigilancia de exámenes en vivo y en
persona. Estas preocupaciones incluyen un riesgo incierto de injusticia académica asociado con
el juicio informado por IA (Singh et al.,2021), una mayor disminución de la privacidad y
autonomía de los estudiantes y una mayor desconfianza hacia las instituciones que son
bastiones de los valores sociales. Otro temor, que depende parcialmente de estos temores
anteriores, es que estas plataformas podrían contribuir a los problemas de la creciente
vigilancia, la pérdida de libertad y privacidad, la extracción de datos personales masivos y los
casos dudosos de toma de decisiones de inteligencia artificial.
Otro punto de vista sobre el sistema general basado en IA es su omnipresencia y nivel de
confianza. El sistema AIPS trabaja más sobre los valores humanos (como la predicción de trampas, la
santidad de los exámenes, etc.). La pregunta central que surge es cómo podemos desarrollar AIPS
habilitado para la confianza. De los artículos disponibles, ningún artículo reflejaba la diferencia entre el
valor de confianza de los sistemas humanos para AIPS y los sistemas de supervisión reales basados
en el aula. La inteligencia artificial confiable es una palabra de moda en el futuro
13
(Vincent-Lancrin y van der Vlies, 2020El costo del software AIPS es demasiado alto para que lo
puedan pagar muchas universidades y organizaciones, especialmente las que residen en países
subdesarrollados y en desarrollo (Coghlan et al., 2020).
En resumen, es difícil saber si los beneficios de estas tecnologías de supervisión en
línea superan sus riesgos. La conclusión más razonable a la que podemos llegar en el
presente es que la justificación ética de estas tecnologías y sus diversas capacidades
requiere que nos aseguremos rigurosamente de que se logre un equilibrio entre las
preocupaciones y los posibles beneficios de la mejor manera posible.
Agradecimientos El autor desea agradecer a los revisores y editores anónimos por tomarse un tiempo valioso para
revisar el documento. El autor desea agradecer al Sr. Omkar Pimple, fundador y director ejecutivo de Cerebranium
(EdTech Company), Berlín, Alemania por sus valiosos aportes y comentarios sobre el documento.
Fondos Los autores de este artículo confirman que no se ha recibido financiación para este trabajo de investigación.
Declaraciones
Conflicto de intereses Los autores de este estudio de investigación declaran que no existe ningún conflicto de intereses.
Referencias:
Alessio, HM, Malay, N., Maurer, K., John Bailer, A. y Rubin, B. (2017). Examinando el efecto del proceso
toring en los puntajes de las pruebas en línea.
Arora, P. (2021). ¿Es la supervisión remota el futuro de la academia? - Industria del eLearning.
Atoum, Y., Chen, L., Liu, AX, Hsu, SDH y Liu, X. (2017). Supervisión automatizada de exámenes en línea.
Transacciones IEEE sobre multimedia, 19(7), 1609-1624. https://doi.org/10.1109/TMM.2017.2656064
Beust, P., Duchatelle, I. y Cauchard, V. (2018). Exámenes tomados en casa del estudiante.. Bilen,
E. y Matros, A. (2020).Hacer trampa en línea en medio de COVID-19.
Butler-Henderson, K. y Crawford, J. (2020). Una revisión sistemática de los exámenes en línea: una
innovación para una autenticación e integridad escalables. Computadoras y educación, 159. https://doi.org/
10.1016 / j.compedu.2020.104024
Caveon, DF, Security, T. y Layman, H. (2013). Comparación de los sistemas de supervisión en línea.
Chua, SS, Bondad, JB, Lumapas, ZR y García, JD (2019).Sistema de examen en línea con
Prevención de trampas mediante la aleatorización del banco de preguntas y el bloqueo de pestañas.
Coghlan, S., Miller, T. y Paterson, J. (2020). ¿Buen supervisor o “Gran Hermano”? Ética de la IA y en línea
Tecnologías de supervisión de exámenes. Preimpresión de ArXiv.
Dendir, S. y Maxwell, RS (2020). Hacer trampa en cursos en línea: evidencia de supervisión en línea.Com-
ordenadores en los informes de comportamiento humano, 2, 100033. https://doi.org/10.1016/j.chbr.2020.100033
Draaijer, S., Jefferies, A. y Somers, G. (2018). Supervisión en línea para el examen a distancia: una situación actual
en la educación superior en la UE. Comunicaciones en informática y ciencias de la información, 829, 96-108.
https://doi.org/10.1007/978-3-319-97807-9_8
Tecnología emergente y el futuro de la supervisión en línea. (2020).
Furby, L. (2020). ¿Está implementando una solución de supervisor remoto este otoño? Recomendaciones de
Servicios de pruebas NLN. Perspectivas de la educación en enfermería, 41(4), 269-270. https://doi.org/10.1097/01.
NEP.0000000000000703
Ghizlane, M., Hicham, B. y Reda, FH (2019, diciembre). Un nuevo modelo de automático y continuo
Monitoreo de exámenes en línea. Proceedings - 2019 4th International Conference on Systems of Collaboration,
Big Data, Internet of Things and Security, SysCoBIoTS 2019. https://doi.org/10.1109/SysCoBIoTS48768.
2019.9028027
Golden, J. y Kohlbeck, M. (2020). Abordar las trampas al usar preguntas del banco de prueba en línea
Clases. Revista de educación contable, 52. https://doi.org/10.1016/j.jaccedu.2020.100671
13
Hussein, MJ, Yusuf, J., Deb, AS, Fong, L. y Naidu, S. (2020). Una evaluación de la supervisión en línea
Instrumentos. Praxis abierta, 12(4), 509. https://doi.org/10.5944/openpraxis.12.4.1113
Hylton, K., Levy, Y. y Dringus, LP (2016). Utilizar supervisión basada en cámara web para disuadir la mala conducta en
exámenes en línea. Computadoras y educación, 92–93, 53–63. https://doi.org/10.1016/j.compedu.2015.10.002
Ilgaz, H. y Afacan Adanır, G. (2020). Proporcionar exámenes en línea para estudiantes en línea: ¿realmente importa?
ter para ellos? Tecnologías de la información y la educación, 25(2), 1255-1269. https://doi.org/10.1007/
s10639-019-10020-6
Joshy, N., Ganesh Kumar, M., Mukhilan, P., Manoj Prasad, V. y Ramasamy, T. (2018). Multifactor
esquema de autenticación para examen en línea.
Karim, NA y Shukur, Z. (2016). Utilizar preferencias como identificación de usuario en el examen online.
Revista internacional de ciencia avanzada, ingeniería y tecnología de la información, 6(6), 1026-1032.
https://doi.org/10.18517/ijaseit.6.6.1412
Langenfeld, T. (2020). Evaluación supervisada basada en Internet: cuestiones de seguridad y equidad (Vol. 39, número
3). Li, X., Chang, KM, Yuan, Y. y Hauptmann, A. (2015). Supervisor masivo abierto en línea: protegiendo el
credibilidad de los certificados MOOC. CSCW 2015 - Actas de la Conferencia Internacional ACM 2015
sobre trabajo cooperativo asistido por computadora y computación social, 1129-1137. https: // doi. org /
10.1145 / 2675133.2675245
Metzger, R. y Maudoodi, R. (2020). Uso de informes de acceso y registros de API como herramientas adicionales para identificar
Hacer trampa en el examen.
Milone, AS, Cortese, AM, Balestrieri, RL y Pittenger, AL (2017). El impacto de supervisado

exámenes en línea sobre la experiencia educativa. Corrientes en la enseñanza y el aprendizaje de la farmacia, 9(1),
108-114. https://doi.org/10.1016/j.cptl.2016.08.037
Moreno-Guerrero, AJ, Rodríguez-Jiménez, C., Gómez-García, G. y Ramos Navas-Parejo, M. (2020).
Innovación educativa en la educación superior: uso de juegos de roles y videos educativos en la formación de
futuros docentes. EnSustentabilidad (Vol. 12, número 6).https://doi.org/10.3390/su12062558
Norris, M. (2019). Hacer trampa en la universidad en línea: cómo mitigar el daño.
O'reilly, G. y Creagh, J. (2016).Una categorización de la supervisión en línea.
Pandey, AK, Kumar, S., Rajendran, B. y Bindhumadhava, SB (2020). E-parakh: sin supervisión
sistema de examen en línea. Conferencia Internacional Anual IEEE Región 10, Actas / TEN-CON,
2020-Novem, 667–671. https://doi.org/10.1109/TENCON50793.2020.9293792
Peterson, J. (2019). Un análisis de la deshonestidad académica en las clases en línea. EnDISHON ACADÉMICO-
ESTY EN CLASES EN LÍNEA Investigador educativo del Medio Oeste · (Vol. 31). Pimple, O. (enero de 2021).
Educación digital para todos: ¿es el aprendizaje móvil el camino a seguir? Los medios de comunicación
Boletín.
Pozo Sánchez, S., López-Belmonte, J., Moreno-Guerrero, AJ, Sola Reche, JM y Fuentes Cabrera,
A. (2020). Efecto del programa Traiga su propio dispositivo en el aprendizaje invertido en estudiantes de
educación superior. EnSustentabilidad (Vol. 12, número 9).https://doi.org/10.3390/su12093729
Prathish S, Narayanan SA y Bijlani K. (2016). Un sistema inteligente para el seguimiento de exámenes en línea.
Raj, RSV, Narayanan, SA y Bijlani, K. (2015). Sistema de supervisión en línea automático basado en heurística.
Proceedings - IEEE 15th International Conference on Advanced Learning Technologies: Advanced
Technologies for Supporting Open Access to Formal and Informal Learning, ICALT 2015, 458–459.https://
doi.org/10.1109/ICALT.2015.127
Supervisión remota. (2020).
Ríos, JA y Liu, OL (2017). Administrador de pruebas de Internet de bajo riesgo supervisado en línea versus no supervisado
istración: ¿Existe un comportamiento y un rendimiento diferenciales en la toma de exámenes? Revista Estadounidense de
Educación a Distancia, 31(4), 226–241. https://doi.org/10.1080/08923647.2017.1258628
Singh, R., Timbadia, D., Kapoor, V., Reddy, R., Churi, P. y Pimple, O. (2021). Generación de papel de preguntas
ción mediante modelo progresivo y cálculo de dificultad en la Aplicación Móvil Promexa. Tecnologías de
la información y la educación. https://doi.org/10.1007/s10639-021-10461-y
Sinha, P., Dileshwari y Yadav, A. (2020). Teoría supervisada remotamente y examen objetivo en línea.
Revista internacional de redes y aplicaciones avanzadas, 11(06). /https://doi.org/10.35444/
ijana.2020.11068
Slusky, L. (2020). Ciberseguridad de los sistemas de supervisión en línea. EnRevista de tecnología internacional
y gestión de la información (Vol. 29). Ullah, A., Barker, T. y Xiao, H. (2017).Un estudio de grupo
focal: usabilidad y seguridad del desafío
Autenticación de preguntas en exámenes en línea.
Ullah, A., Xiao, H. y Barker, T. (2019). Un método de autenticación multifactor para la seguridad en línea
Exámenes. Notas de la conferencia del Instituto de Ciencias de la Computación, Social-Informática y
13
Ingeniería de telecomunicaciones, LNICST, 256, 131-138. https://doi.org/

10.1007/978-3-030-05928-6_13
Vincent-Lancrin, S. y van der Vlies, R. (2020). Inteligencia artificial (IA) confiable en educación.
Documentos de trabajo de la OCDE sobre educación, 218. https://doi.org/10.1787/a6c90fa9-en
Weiner, JA y Hurtz, GM (2017). Un estudio comparativo de supervisión remota en línea versus in situ
Exámenes supervisados de alto riesgo. Revista de tecnología de pruebas aplicadas, 18(1), 13-20.
Woldeab D y Brothen T. (2019). Procesamiento en línea, ansiedad ante los exámenes y rendimiento del estudiante.Interna-
Revista nacional de aprendizaje electrónico y educación a distancia, 34(1).
Zhang, MZ, Zhang, MM, Chang, Y., Esche, DSK y Chassapis, DC (2016). Un laboratorio virtual
Sistema de historia con autenticación biométrica y supervisión remota basado en reconocimiento facial.
Nota del editor Springer Nature permanece neutral con respecto a los reclamos jurisdiccionales en mapas publicados y
afiliaciones institucionales.
Autores y afiliaciones
Aditya Nigam1 · Rhitvik Pasricha1 · Tarishi Singh1 · Prathamesh Churi2
* Prathamesh Churi
Prathamesh.churi@ieee.org ; Prathamesh.churi@gmail.com
Aditya Nigam
adityanigam002@gmail.com
Rhitvik Pasricha
pasricharhitvik@gmail.com
Tarishi Singh
tarishi1109@gmail.com
1
Departamento de Ingeniería Informática, Escuela de Ingeniería y Gestión Tecnológica
Mukesh Patel, Universidad NMIMS, Mumbai, India
2
Profesor asistente, Departamento de Ingeniería Informática, Escuela de Ingeniería y Gestión
Tecnológica Mukesh Patel, Universidad NMIMS, Mumbai, India
13

Nigam2021 Article ASystematicReviewOnAI-basedPro - En.es

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Nigam2021 Article ASystematicReviewOnAI-basedPro - En.es

Cargado por

Copyright:

Formatos disponibles

Traducido del inglés al español - www.onlinedoctranslator.

Tecnologías de la información y la educación (2021) 26: 6421–6445

Una revisión sistemática de los sistemas de supervisión basados en IA:

Aditya Nigam1 · Rhitvik Pasricha1 · Tarishi Singh1 · Prathamesh Churi2

línea y el OPS en los próximos años.

Palabras clave AI · AIPS · Inteligencia artificial · Exámenes · Supervisión en línea · Aprendizaje en

Información ampliada sobre el autor disponible en la última página del artículo.

Este conocimiento ha llevado al desarrollo de diferentes tipos de sistemas de supervisión digital en el

tomar las medidas adecuadas. El sistema podría suspender el examen o generar un

El objetivo del trabajo es el siguiente:

En sistemas basados en humanos y basados en inteligencia artificial, hemos cubierto

2 Sistema de supervisión en línea (OPS): descripción general

La supervisión en línea en educación no es un área nueva de investigación. Incluso antes de la pandemia,

tabla 1 Características del sistema de supervisión en línea

Características Descripción Nuevas tecnologías

Autenticación La autenticación incluye verificar el Autenticación de dos factores, OTP, Face

Autorización remota Le da autoridad al supervisor para Esto generalmente se hace dando

Tipos de sistemas de supervisión en línea

Supervisión en vivo Supervisión grabada Supervisión automatizada

Figura 1 Tipos de sistemas de supervisión en línea

bloqueo de navegadores, detección de señales de comportamiento de fraude por cámara web,

3 Criterios de búsqueda, criterios de inclusión / exclusión e investigación

Para la revisión de la literatura realizada en este artículo, se realizaron búsquedas y

Fig. 3 Mapa conceptual de AIPS (basado en artículos buscados)

RQ1: ¿Cuáles son las arquitecturas existentes en AIPS?

4 Sistema de supervisión basado en IA: escenario actual

4.1 Arquitecturas existentes en AIPS (RQ1)

4.2 Parámetros considerados para diseñar AIPS (RQ2)

Tabla 2 Varios AIPS (OLP en vivo o

Los parámetros son:

Bloqueo de aplicación: El parámetro de bloqueo de la aplicación es para garantizar que ningún

Seguimiento de la mirada: Mediante el seguimiento de la mirada, se puede monitorear el

Bancos de preguntas aleatorias: El documento puede constar de preguntas seleccionadas al azar de

4.3 Problemas en AIPS (RQ3)

(Zhang y col., 2016) (Prathish ✓ ✓ ✓

4.4 Tendencias y cambios tecnológicos en AIPS (RQ3):

Cuadro 4 Factores que afectan el diseño de papel

AIPS Factores tecnológicos Factores humanos

Infraestructura de seguridad Psicológico Sociocultural

(O'reilly y Creagh, 2016) (Woldeab y ✓

generalmente restringido a exámenes basados en quiosco. (Draaijer et al.,2018; Joshy y col.,2018;

La tecnología ha avanzado enormemente en los últimos años y la pandemia COVID-19 ha

5 Futuro de AIPS (RQ4):

Milone, AS, Cortese, AM, Balestrieri, RL y Pittenger, AL (2017). El impacto de supervisado

Ingeniería de telecomunicaciones, LNICST, 256, 131-138. https://doi.org/

Aditya Nigam1 · Rhitvik Pasricha1 · Tarishi Singh1 · Prathamesh Churi2

También podría gustarte