# 2.2. Técnicas sencillas de anonimización de textos, tareas y proyectos

La **anonimización** de la información educativa **no requiere** necesariamente conocimientos técnicos avanzados ni herramientas especializadas. En la mayoría de los casos, pequeñas acciones preventivas aplicadas de forma sistemática permiten reducir considerablemente los riesgos asociados al tratamiento de datos personales mediante herramientas de inteligencia artificial. Estas medidas deben incluirse como parte habitual del **flujo de trabajo** docente.

A continuación, se presentan técnicas accesibles y recomendables para anonimizar en el entorno educativo.

#### Sustitución de nombres por códigos o identificadores internos

La técnica más básica y eficaz consiste en reemplazar cualquier dato identificativo por códigos neutrales que no permitan reconocer al alumnado. La idea es que nadie que no sea el docente pueda relacionar ese código con una persona concreta.

Por ejemplo, en lugar de utilizar nombres y apellidos reales:

<table border="1" id="bkmrk-informaci%C3%B3n-original" style="border-collapse: collapse; width: 100%;"><colgroup><col style="width: 50%;"></col><col style="width: 50%;"></col></colgroup><tbody><tr><td class="align-left">**Información original**</td><td class="align-left">**Información anonimizada**</td></tr><tr><td class="align-left">Arantxa Larrondo </td><td class="align-left">Estudiante01</td></tr><tr><td class="align-left">León Soria</td><td class="align-left">Estudiante02</td></tr></tbody></table>

<p class="callout warning">Es importante que el código asignado al alumnado no se repita en las diferentes usos para evitar que la herramienta de inteligencia artificial cree un perfil asociado a ese código. </p>


#### Eliminación de datos personales visibles en documentos

Es conveniente revisar cuidadosamente el documento para detectar **información identificativa** que pueda aparecer de forma explícita.

Un ejemplo claro de ésto puede ser una hoja de cálculo con diferentes registros y calificaciones de nuestro alumnado. Si este archivo va a ser tratado por la IA, es **imprescindible** eliminar todo dato personal que permita su identificación.


#### Revisión y eliminación de metadatos

<p class="callout info">Metadatos: información oculta que acompaña a un archivo digital y que describe aspectos relacionados con su creación, edición o autoría. Aunque no suele verse directamente en el contenido del documento, puede contener datos personales o identificativos.</p>

Los docentes tenemos que ser conscientes de este aspecto y eliminar de los archivos que entrega al alumnado estos datos para evitar que sean identificados. En el siguiente imagen se pueden ver los **metadatos** de un documento de word creado en un PC donde el nombre de usuario es **Alumno**:

**[![uno.JPG](https://libros.catedu.es/uploads/images/gallery/2026-05/scaled-1680-/uno.JPG)](https://libros.catedu.es/uploads/images/gallery/2026-05/uno.JPG)**

[**![tres.png](https://libros.catedu.es/uploads/images/gallery/2026-05/scaled-1680-/tres.png)**](https://libros.catedu.es/uploads/images/gallery/2026-05/scaled-1680-/tres.png)

En el [apartado 2.4](https://libros.catedu.es/link/14393#bkmrk-page-title) se muestra un ejemplo de eliminación de metadatos.

#### Uso de fragmentos parciales en lugar de documentos completos

En muchas situaciones, no es necesario compartir un trabajo completo con una herramienta de IA. Habitualmente basta con utilizar únicamente el fragmento relevante para la tarea concreta. Reducir la cantidad de información compartida disminuye la **exposición innecesaria** de datos y facilita el control sobre el contenido enviado.


#### Edición de imágenes

Cuando se utilizan imágenes como evidencias de aprendizaje, también deben aplicarse medidas de **anonimización visual:**

- difuminar rostros
- recortar nombres visibles
- cubrir logotipos
- eliminar otra información sensible

Existen multitud de herramientas de edición de imágenes. En el siguiente ejemplo se ha usado GIMP para difuminar rostros.

[![gimp.png](https://libros.catedu.es/uploads/images/gallery/2026-05/scaled-1680-/gimp.png)](https://libros.catedu.es/uploads/images/gallery/2026-05/gimp.png)


#### Eliminación de comentarios y revisiones incrustadas

En documentos colaborativos o archivos editados por varias personas, pueden quedar almacenados comentarios internos, marcas de revisión o historiales de cambios que revelen información personal. Es recomendable generar una copia del archivo final sin esa información.



#### Aplicación del principio de mínima exposición

Una de las estrategias más importantes en protección de datos consiste en compartir únicamente la información estrictamente necesaria para la finalidad educativa concreta. Es conveniente reflexionar antes de utilizar un **dato** en una herramienta de inteligencia artificial si **es necesario** realmente introducirlo.