Source: The Conversation – (in Spanish) – By Presentación Ángeles Caballero García, Catedrática de Universidad. Métodos de Investigación y Diagnóstico en Educación. Facultad de Educación, Universidad Camilo José Cela
La irrupción de la inteligencia artificial generativa ha vuelto frágil el trinomio clásico de la evaluación universitaria “trabajo autónomo + actividades prácticas + examen final”. Hoy, un estudiante puede producir en minutos un informe bien estructurado y con tono académico.
Prohibir la IA o convertir la evaluación en una caza de trampas no arregla el problema de fondo: lo que está en cuestión no es la tecnología, sino cómo demostramos que hay aprendizaje real, autoría y pensamiento, más allá de un producto final pulido.
Un problema pedagógico
La evaluación apoyada en trabajo autónomo, práctica y examen acumulativos ya era débil antes de la IA: favorece la reproducción de contenidos, castiga el error como “fallo” (penalizando equivocaciones en lugar de integrarlos en el aprendizaje) y deja poco rastro del proceso de aprendizaje. La IA no crea este problema; lo visibiliza.
La evaluación que hoy necesita la educación superior no es una técnica concreta, sino un cambio de lógica y de paradigma. En lugar de preguntarse “¿Cómo se detecta si hay IA?”, habría que preguntarse “¿Qué evidencias demuestran que el estudiante ha aprendido y puede transferir lo aprendido?”. Recuadrar así el problema nos mueve del control a la calidad pedagógica y obliga a revisar qué entendemos por aprender, enseñar y evaluar.
Evaluar procesos y no resultados
¿Cómo evaluar de forma justa y más acorde con los nuevos tiempos? ¿Cómo asegurarnos que se adquieren capacidades y competencias necesarias? Podemos poner en práctica de otro tipo de tareas que permitan evaluar el razonamiento y asegurar la autoría de las respuestas, como defensas orales, microtareas de retroalimentación inmediata, entrevistas académicas o debates guiados.
Esta manera de evaluar también se puede aplicar en el caso de trabajos realizados en casa, recogiendo evidencias del proceso en distintas fases –borradores, revisiones, explicaciones, reflexiones– que permiten ver la evolución del aprendizaje.
En todos estos casos, la inteligencia artificial se integra de forma ética y transparente, pidiendo al estudiante que explique cómo la ha usado, qué aportó la herramienta y qué aportó él o ella, de modo que se pueda evaluar su pensamiento crítico, su capacidad para detectar errores y su criterio a la hora de tomar decisiones.
Microtareas de evaluación
Las “microtareas” son ejercicios muy breves en los que el estudiante explica qué haría ante una situación concreta y por qué, haciendo visible su razonamiento y su autoría.
Por ejemplo, ante un problema sencillo –como elegir la mejor estrategia para resolver un conflicto en un equipo– basta pedirle que explique los pasos que seguiría, cómo comprobaría la información (incluida la generada por IA) y por qué opta por una solución; así, la evaluación surge de su proceso de pensamiento, no de un examen.
Enfocarse al mundo real
Las tareas que se encarguen, tanto para el aula como para hacer en casa, deberían ser similares a las que afrontarán en la vida profesional: encarar problemas abiertos, casos reales o verosímiles, tantear múltiples soluciones y asumir restricciones éticas, sociales o profesionales, es decir, límites que condicionan cómo pueden actuar.
Por ejemplo, si deben proponer una solución para mejorar un servicio público, una restricción podría ser respetar la privacidad de los datos, cumplir una normativa profesional, ajustarse a un presupuesto concreto o garantizar que la propuesta no discrimina a ningún colectivo; estos límites obligan a tomar decisiones responsables, igual que en la vida real.
Evaluación dialógica y explicativa
Explicar y dialogar son parte del proceso de aprender. Por eso cobran fuerza en este planteamiento estrategias didácticas como las defensas orales, las entrevistas académicas, los debates guiados o la justificación de decisiones.
La oralidad permite verificar lo que se ha aprendido y lo que se ha comprendido, reducir desigualdades, evidenciar el pensamiento propio y reforzar la responsabilidad intelectual. Invita al estudiante a argumentar, aclarar sus dudas, defender sus ideas y mostrar cómo ha llegado a ellas.
Evaluar la metacognición
Los estudiantes pueden trabajar la metacognición cuando responden a preguntas como: ¿qué han aprendido? ¿Qué les ha costado más? ¿Qué errores cometieron? ¿Qué harían distinto? ¿Qué papel jugó la IA en mi proceso de aprendizaje?
Este tipo de preguntas refuerzan la autonomía, fortalecen la motivación y conectan la evaluación y el aprendizaje.
Evaluar el propio uso de la IA
Este currículum competencial no prohíbe la inteligencia artificial, sino que la integra críticamente. Esto se logra evaluando el criterio del estudiante cuando la usa. Al entregar una tarea, por ejemplo, podemos pedirle que incorpore una breve declaración de uso de esta herramienta dentro del propio trabajo –al final del documento, en un anexo o justo después de la actividad–.
En ese apartado, que podría titularse Uso de inteligencia artificial en mi proceso, explicaría cómo la ha utilizado y por qué, qué herramientas empleó, qué partes del trabajo fueron propias, qué decisiones tomó, qué límites puso y cómo verificó la información generada.
De este modo, la evaluación sigue centrada en el juicio, la reflexión y la responsabilidad del estudiante.
Evaluación formativa y justa
Finalmente, la evaluación debe ser formativa: es decir, debe orientar al estudiante. Para que la corrección o retroalimentación sea significativa tienen que ayudarle a mejorar.
En un modelo tradicional, la evaluación clasifica, actúa como un filtro: el estudiante realiza una tarea, recibe una nota y el proceso concluye ahí. La calificación funciona como una etiqueta que determina si “ha cumplido” o “no ha cumplido”, sin ofrecer información útil para mejorar, ni espacio para revisar errores; el mensaje implícito es que equivocarse tiene consecuencias negativas, pero no oportunidades de aprendizaje.
Una evaluación formativa transforma ese mismo momento en un proceso orientador: el docente analiza el trabajo, señala los aciertos, identifica con claridad qué aspectos pueden fortalecerse y explica cómo hacerlo, de modo que el estudiante comprende qué ha aprendido y qué pasos puede dar para avanzar y mejorar, lo que convierte la evaluación en un acompañamiento continuo. Así, en lugar de cerrar caminos, la evaluación se convierte en un recurso que abre posibilidades, fortalece la comprensión y ayuda a aprender mejor.
Un aprendizaje visible
En síntesis, evaluar en tiempos de la IA nos obliga a indagar cómo el estudiante piensa, decide, se equivoca, aprende y actúa con criterio. Supone pasar de certificar productos (exámenes, trabajos) a hacer visible el aprendizaje, de medir respuestas a comprender procesos, de penalizar el error a reconocerlo como evidencia de pensamiento.
Porque cuando el atajo es perfecto, lo verdaderamente transformador no es prohibirlo, sino atrevernos a cambiar el camino.
Presentación Ángeles Caballero García no recibe salario, ni ejerce labores de consultoría, ni posee acciones, ni recibe financiación de ninguna compañía u organización que pueda obtener beneficio de este artículo, y ha declarado carecer de vínculos relevantes más allá del cargo académico citado.
– ref. ¿Cómo saber si un estudiante ha aprendido, aunque use inteligencia artificial? – https://theconversation.com/como-saber-si-un-estudiante-ha-aprendido-aunque-use-inteligencia-artificial-276430