IA en la evaluación: evidencias, orientaciones y buenas prácticas para docentes
Evaluar siempre fue una de las tareas más complejas y significativas de la práctica docente. Detrás de cada instancia de evaluación hay decisiones pedagógicas, criterios, expectativas y, sobre todo, la intención de conocer qué y cómo aprenden nuestros estudiantes.
La llegada de la inteligencia artificial generativa a las aulas cambió el escenario de manera acelerada. En muy poco tiempo, herramientas capaces de redactar textos, resolver problemas, generar imágenes o responder preguntas complejas se volvieron parte de la vida cotidiana de estudiantes y docentes. Frente a esta realidad, la evaluación quedó en el centro del debate.
Ahora como educadores, ¿cómo evaluamos aprendizajes cuando la IA puede producir respuestas en segundos? ¿Qué evidencias de aprendizaje siguen siendo válidas y cuáles necesitamos repensar? ¿Es la IA una amenaza para la integridad académica o una oportunidad para transformar nuestras prácticas evaluativas?
Estas preguntas no admiten respuestas simples. Sin embargo, la experiencia acumulada en los últimos años permite empezar a construir algunas certezas. Investigaciones, orientaciones de organismos internacionales como la UNESCO y experiencias concretas en instituciones educativas de distintos niveles muestran caminos posibles. Prohibir o ignorar estas herramientas resulta cada vez menos viable. Integrarlas de manera crítica, ética y pedagógicamente fundamentada aparece como el gran desafío.
En esta oportunidad, el 9º Congreso Internacional de Flipped Learning, tendrá entre sus bloques de exposición y discusión la temática "IA en la evaluación: evidencias, orientaciones y buenas prácticas para docentes".
Junto a Ana Kupervaser y Florencia Moore, tendremos la posibilidad de ser parte de un espacio de intercambio en el que compartirán sus investigaciones y experiencias sobre el uso de la inteligencia artificial en los procesos de evaluación.
Uno de los ejes centrales será la evidencia: qué nos dicen los estudios recientes sobre el impacto de la IA en el aprendizaje y en la evaluación, qué funciona, qué no y qué preguntas siguen abiertas. Conocer estos resultados nos permite tomar decisiones informadas, lejos tanto del entusiasmo acrítico como del rechazo automático.
Otro eje serán las orientaciones para la práctica. Diseñar consignas que valoren el proceso y no solo el producto final, promover la reflexión metacognitiva, incorporar instancias orales o de defensa del trabajo realizado y establecer acuerdos claros sobre el uso de la IA son algunas de las estrategias que hoy ganan protagonismo. En este sentido, el modelo de aula invertida ofrece un marco especialmente fértil: al trasladar el tiempo de clase hacia la aplicación, el debate y la producción acompañada, la evaluación se vuelve más situada, continua y auténtica.
Finalmente, se compartirán buenas prácticas surgidas de experiencias reales en el aula. La IA puede ser una aliada para generar retroalimentación personalizada, diseñar rúbricas, elaborar bancos de preguntas o acompañar la autoevaluación de los estudiantes. Siempre a partir de una premisa clave: la mirada, el criterio y el juicio profesional del docente siguen siendo irreemplazables.
Nuestra web del Congreso y toda la info
