Identificación de trazas de Traducción Automática en trabajos de estudiantes. Par lingüístico: EN → ES.
Prompt de detección
La edición genómica mediante herramientas moleculares de precisión ha transformado el paisaje de la medicina contemporánea durante la última década. Eventualmente, estas técnicas permitirán corregir variantes patogénicas en tejidos somáticos con una especificidad sin precedentes. Los avances más significativos se han producido en el contexto de las hemoglobinopatías, donde la terapia génica ha alcanzado su mayor grado de madurez clínica.
El desarrollo de nucleasas programables ha permitido realizar ediciones en el genoma con una eficiencia muy superior a las generaciones previas de herramientas. Estas modificaciones se introducen mediante complejos de ribonucleoproteína que dirigen la maquinaria de corte hacia la secuencia diana.
Adicionalmente, los vectores de administración deben proveer una entrega eficiente de los componentes de edición a los tejidos diana. Los virus adeno-asociados han emergido como la plataforma preferida en orden de superar las limitaciones de los sistemas no virales.
No obstante, se han documentado respuestas inmunitarias adversas frente a la cápside viral en un subconjunto de pacientes. Este hallazgo ha motivado el desarrollo de alternativas basadas en nanopartículas lipídicas que eluden la inmunogenicidad asociada a los vectores virales.
El actual panorama regulatorio refleja la tensión entre el potencial terapéutico de estas intervenciones y los riesgos asociados con las modificaciones fuera de diana. Las agencias reguladoras han adoptado un enfoque caso por caso para la evaluación de los expedientes de autorización.
En conclusión, es claro que la edición genómica representa una de las más significativas transformaciones de la biomedicina contemporánea. Su consolidación como herramienta terapéutica dependerá de la resolución de los desafíos técnicos pendientes y del establecimiento de marcos regulatorios robustos que garanticen su uso seguro y equitativo.
Criterios diagnósticos y protocolo de uso
Antes de pegar el texto del estudiante, añade siempre: Tipo de texto: [divulgativo / jurídico / técnico / literario] y Nivel: [Grado / Máster]. Esto condiciona las expectativas del modelo sobre el registro y la densidad terminológica esperada.
El rendimiento aumenta notablemente cuando se proporciona el texto fuente. Añade al prompt: Texto origen (EN): """ [...] """ antes del texto del estudiante. Esto permite detectar calcos estructurales con precisión quirúrgica.
El índice ALTO o MUY ALTO no implica automáticamente deshonestidad académica — un estudiante con bajo nivel puede producir calcos por competencia insuficiente, no por uso de MT. El prompt distingue entre traza de MT y error de traducción: presta atención a esa distinción en la respuesta.
Guarda las respuestas del modelo para cada estudiante a lo largo del curso. Los patrones de error cambian entre entregas: si un estudiante pasa de índice ALTO en la entrega 1 a BAJO en la 3, puede indicar aprendizaje genuino — o aprendizaje de cómo evadir la detección.
Señales diagnósticas por categoría