La llegada de la Inteligencia Artificial Generativa no es simplemente una actualización tecnológica; representa una disrupción epistemológica en la educación superior. Tradicionalmente, la universidad ha operado bajo un «pacto de confianza en el producto» donde la academia asumía que el artefacto entregado por el estudiante (un ensayo, un código, un análisis, etc) era la prueba irrefutable del proceso cognitivo subyacente. Si el producto era bueno, el aprendizaje se daba por hecho. La IA ha cambiado esta situación, ya que hoy, casi cualquier herramienta de la IA puede generar resultados de alta calidad técnica, retórica y sintáctica sin que el usuario (el estudiante) haya necesariamente comprendido, analizado o sintetizado la información. Esto genera lo que podríamos llamar el riesgo del «simulacro cognitivo»: estudiantes que obtienen credenciales por competencias que han delegado en una máquina lo que no permite que los estudiantes desarrollen las habilidades por lo que se hace necesario, tanto en el mundo escolar como especialmente en el universitario, establecer nuevos parámetros evaluativos que permitan asegurar las habilidades de los estudiantes en tiempos de IA, por lo cual revisaremos algunas formas de integrar la IA en los procesos evaluativos.

1.- Impacto de la IA en la evaluación de la educación superior

El impacto de la IA en la evaluación es profundo y tridimensional y se puede sintetizar con:

1. Crisis de autenticidad: ¿Cómo certificamos que el egresado posee las competencias que su título promete si el trabajo entregable ya no garantiza autoría intelectual?
2. Obsolescencia de lo memorístico y procedimental: Evaluar la retención de datos o la ejecución de procedimientos estándar carece de sentido cuando la IA lo hace instantáneamente y con menor margen de error.
3. Imperativo ético y profesional: Si la universidad sigue evaluando aquello que una máquina hace mejor, está preparando a los estudiantes para ser reemplazables. La evaluación debe pivotar hacia aquello que es insustituiblemente humano.

Por tanto, el cambio en la evaluación no debe ser una respuesta policial o punitiva (tratar de «atrapar» al estudiante usando IA), sino una respuesta pedagógica. El objetivo es evaluar la agencia humana: la capacidad de orquestar, curar, criticar, contextualizar y dar sentido ético a la producción de la inteligencia artificial.

Infografía del impacto que ha generado la IA en evaluación:

2.- Los Algunos tipos de evaluación en tiempos de IA

Antes de entrar en las características y estrategias, es importante definir qué marcos evaluativos son los más robustos frente a la automatización. En la educación superior actual, debemos privilegiar tres tipologías:

1. Evaluación Auténtica (Authentic Assessment)

• Justificación: Se basa en enfrentar al estudiante a problemas del mundo real que son «desordenados», mal definidos y requieren la aplicación de conocimientos en contextos novedosos. La IA es excelente en entornos cerrados y teóricos, pero flaquea en la ambigüedad de la realidad práctica.
• Por qué funciona: Requiere juicio situacional y adaptación, competencias que la IA (que opera por patrones estadísticos) simula con dificultad ante variables humanas impredecibles.

2. Evaluación Oral y Dialógica

• Justificación: El retorno a la oralidad (vivas, defensas, debates socráticos) elimina la intermediación tecnológica en el momento de la verificación.
• Por qué funciona: Permite al docente «sondear» la profundidad del conocimiento en tiempo real. La latencia, el titubeo o la capacidad de conectar ideas espontáneamente revelan la verdadera apropiación del conocimiento, algo que un texto generado asincrónicamente no puede mostrar.

3. Evaluación Programática o Continua (No sumativa final)

• Justificación: En lugar de jugarse todo a una «foto final» (examen o entrega única), se evalúan «píldoras» de desempeño a lo largo del tiempo.
• Por qué funciona: Hace que el uso deshonesto de la IA sea ineficiente y agotador. Es fácil falsificar un ensayo final; es muy difícil falsificar 30 micro-interacciones en clase, foros y bitácoras durante un semestre manteniendo coherencia estilística y cognitiva.

Infografía de los métodos evaluativos generales que pueden integrar IA:

3.- 10 Características de la evaluación en tiempos de IA

Para que un instrumento evaluativo sea válido hoy, debe transitar hacia estas diez dimensiones, blindadas ante la automatización simple:

1. Procesualidad Obligatoria:
   • Mejora IA: La IA entrega el producto final «cocinado». La evaluación debe exigir las «migas de pan» del proceso. Ya no se evalúa solo el ensayo, sino el historial de versiones, los esquemas descartados y los borradores. Se requieren evidencias de las fases de ideación, error y corrección, donde el aprendizaje es visible.
2. Referenciación Viva, Local y Efímera:
   • Mejora IA: Los Modelos de Lenguaje (LLM) tienen fechas de corte en su entrenamiento y sesgos hacia información global/occidental. La evaluación debe incluir datos, eventos micro-locales o normativas que hayan ocurrido ayer o en un entorno físico específico (el barrio, el aula) que la IA «no conoce».
3. Foco en el «Juicio Evaluativo» (Criterio):
   • Mejora IA: Dado que la IA puede alucinar (inventar datos con confianza), la competencia crítica es vital. La capacidad del alumno para decidir si un contenido es de calidad, ético o verídico es más importante que su capacidad para generarlo desde cero.
4. Multimodalidad Coherente:
   • Mejora IA: Aunque la IA es multimodal, mantener la coherencia semántica y de tono a través de un texto, un audio, un video y una defensa oral simultánea sigue siendo un desafío complejo para la automatización. La combinación de formatos actúa como un sistema de triangulación de autoría.
5. Metacognición Explícita:
   • Mejora IA: La IA no «sabe» por qué escribió lo que escribió; solo predice palabras. El humano sí. El alumno debe ser capaz de explicar cómo sabe lo que sabe, por qué eligió una fuente sobre otra y qué sintió al tomar decisiones durante la tarea.
6. Inclusión Ética y Transparente de la IA:
   • Mejora IA: La prohibición genera clandestinidad. La evaluación moderna define «niveles de uso» permitidos (semáforo de IA). Se evalúa si el estudiante es capaz de declarar qué partes fueron asistidas por la máquina y asumir la responsabilidad editorial completa del resultado.
7. Desafío a la Predictibilidad (Pensamiento Lateral):
   • Mejora IA: Los LLM tienden a dar respuestas promedio, estandarizadas y políticamente correctas. Las consignas deben evitar estructuras estándar y apostar por conexiones inusuales, metáforas extrañas o cruces interdisciplinarios que la IA interpretaría como «ruido» o error lógico.
8. Agencia y Personalización Subjetiva:
   • Mejora IA: La IA simula empatía, pero no tiene biografía. La evaluación debe exigir que el alumno integre su experiencia personal, anécdotas familiares, valores y visión subjetiva insustituible.
9. Interactividad e Inmediatez Sincrónica:
   • Mejora IA: Evaluaciones que ocurren en el «aquí y ahora» (debates, hackathons en clase, resolución en pizarra), donde la latencia de respuesta de la IA (tiempo de tipeo/generación) sería evidente y disruptiva para el flujo natural de la interacción humana.
10. Evaluación de la Complejidad (Wicked Problems):
    • Mejora IA: Foco en problemas que no tienen una única solución correcta, sino múltiples caminos con diversos riesgos asociados (dilemas éticos, problemas sociales). La IA busca «la respuesta correcta»; la evaluación debe buscar «la mejor justificación posible».

Infografía de las características de la evaluación en tiempos de IA:

4.- 15 Estrategias de evaluación en educación superior integrando IA

1. Auditoría Crítica de Salidas de IA

Explicación: El docente entrega un texto o solución generada por un bot. El estudiante actúa como «editor experto» o «fact-checker». Se evalúa la detección de alucinaciones, sesgos, falta de profundidad o errores bibliográficos.

• Ejemplo A (Historia): Entregar un ensayo de ChatGPT sobre la Revolución Industrial y pedir al alumno que identifique tres datos anacrónicos y añada dos perspectivas historiográficas locales que la IA omitió.
• Ejemplo B (Medicina): El profesor entrega un diagnóstico generado por IA basado en síntomas difusos. El estudiante debe explicar por qué el tratamiento sugerido por la IA podría ser peligroso para un paciente con antecedentes específicos (no mencionados en el prompt original).
• Ejemplo C (Programación): Se entrega un código funcional generado por IA pero ineficiente o inseguro. El estudiante debe refactorizar el código para optimizar recursos y cerrar brechas de seguridad.

2. El Diario de Prompts (Ingeniería de Instrucciones)

Explicación: Se evalúa el proceso de «diálogo» con la máquina. El producto final importa menos que la bitácora de iteración: qué preguntó, cómo refinó la pregunta y cómo filtró la respuesta.

• Ejemplo A (Ingeniería de Software): El examen no es el código final, sino la secuencia de 10 prompts lógicos que demuestran que el alumno entiende la arquitectura del sistema y supo guiar a la IA para corregir errores.
• Ejemplo B (Diseño Gráfico): Presentar la evolución de una imagen generada por Midjourney. El alumno debe justificar los cambios en los parámetros técnicos (luz, estilo, relación de aspecto) usados en los prompts para llegar a la visión artística deseada.
• Ejemplo C (Investigación): Mostrar cómo se usó una IA de búsqueda (como Perplexity) para acotar un tema de tesis, presentando el historial de cómo se pasó de una pregunta general a una hipótesis específica y viable.

3. Defensa Oral «Flash»

Explicación: Entrevistas breves (5-10 min) aleatorias tras una entrega escrita para verificar la autoría y comprensión profunda.

• Ejemplo A (Derecho): Tras entregar un dictamen, se pregunta: «¿Por qué citaste esta jurisprudencia específica y no la del caso X? Si el juez rechaza este argumento, improvisa tu plan B ahora mismo».
• Ejemplo B (Literatura): «¿Qué quiso decir exactamente con la metáfora del segundo párrafo de tu ensayo? Explícamela con otras palabras sin usar el texto».
• Ejemplo C (Matemáticas): «Señala en tu hoja de cálculo dónde está la variable crítica. Si cambio este número por un cero, ¿qué pasa con el resultado final? Dímelo sin calcularlo».

4. Evaluación Situada en Contexto Local

Explicación: Vincular la consigna a un problema real del entorno inmediato (físico y temporal) que no está indexado en la base de datos de entrenamiento de la IA.

• Ejemplo A (Sociología): «Analiza el impacto del nuevo centro comercial construido en la calle X de nuestra ciudad durante el último mes, basándote exclusivamente en observación participante y entrevistas propias a vecinos».
• Ejemplo B (Arquitectura): «Diseña una solución de accesibilidad para la escalera principal del edificio B de nuestro campus, considerando las grietas actuales y el flujo de estudiantes de las 8:00 AM».
• Ejemplo C (Administración): «Entrevista al dueño de la cafetería de la esquina y propón una mejora en su cadena de suministro basada en sus proveedores locales actuales».

5. Comparativa de Perspectivas Humano vs. IA

Explicación: El estudiante genera su propia solución y pide otra a la IA. La evaluación es el ensayo comparativo (meta-análisis) sobre las diferencias de matiz, empatía y profundidad.

• Ejemplo A (Psicología): Realizar un análisis de caso clínico propio y compararlo con el diagnóstico genérico de la IA, resaltando la importancia del lenguaje no verbal que el alumno observó en el paciente y que la IA desconoce.
• Ejemplo B (Traducción): Traducir un poema culturalmente denso. Compararlo con la traducción de Google/DeepL y explicar por qué la máquina falló en captar el juego de palabras o la ironía cultural.
• Ejemplo C (Marketing): Crear un eslogan emocional para una marca local. Pedirle 50 a la IA. Explicar por qué la propuesta humana conecta mejor con la idiosincrasia cultural de la región que las propuestas genéricas de la IA.

Infografía de las estrategias 1 al 5 de evaluación con IA:

6. Resolución de Problemas con Variables Cambiantes

Explicación: El trabajo inicia en casa (donde pueden usar IA) y termina en clase bajo supervisión, introduciendo un «evento disruptivo» que obliga a reestructurar todo en tiempo real.

• Ejemplo A (Economía): El alumno trae un plan de inversión. En clase se dice: «La inflación acaba de subir al 20% y el mercado chino cerró fronteras. Ajusta tu plan en 30 minutos sin usar computador».
• Ejemplo B (Logística): «Tu ruta de distribución está lista. Noticia de último minuto: un paro de camioneros bloquea la autopista principal. Rediseña la logística usando rutas secundarias en este mapa de papel».
• Ejemplo C (Periodismo): El alumno trae una crónica escrita. En clase: «Ha surgido nueva evidencia que contradice tu fuente principal. Tienes 20 minutos para reescribir el enfoque del artículo considerando este nuevo dato».

7. Evaluación de la «Caja Negra» (Ingeniería Inversa)

Explicación: Se da el resultado final y el alumno debe reconstruir los pasos lógicos, matemáticos o conceptuales para llegar a él.

• Ejemplo A (Física): Entregar una solución numérica compleja a un problema de termodinámica y pedir al alumno que derive las fórmulas originales y explique los principios físicos que la IA usó implícitamente.
• Ejemplo B (Diseño Industrial): Mostrar un objeto impreso en 3D y pedir al alumno que dibuje los planos y cotas necesarios para que una máquina pudiera fabricarlo, explicando las tolerancias.
• Ejemplo C (Matemáticas Financieras): Dar el valor final de una cuota de crédito y pedir que se desglose la tasa de interés, amortización y seguros aplicados, reconstruyendo la tabla de desarrollo.

8. Creación de Mapas Mentales en Tiempo Real

Explicación: Uso de herramientas visuales (pizarras, papel) en vivo para conectar ideas. La IA estructura texto linealmente; el mapa mental revela conexiones sistémicas.

• Ejemplo A (Medicina): Pedir al alumno que dibuje el mapa fisiopatológico de una enfermedad (causa-efecto-síntoma) en la pizarra mientras lo explica verbalmente a sus compañeros.
• Ejemplo B (Relaciones Internacionales): Dibujar en un mapa mudo las tensiones geopolíticas de una región, trazando flechas de influencia, comercio y conflicto en tiempo real.
• Ejemplo C (Literatura): Crear un sociograma de los personajes de una novela (quién se relaciona con quién y cómo) en una cartulina durante la clase, justificando cada línea de conexión.

9. Portafolio de Evidencias de Progreso

Explicación: Evaluación longitudinal. No importa solo la calidad final, sino la «curva de aprendizaje» documentada.

• Ejemplo A (Arquitectura): El portafolio debe incluir desde el primer boceto a mano alzada (servilleta) hasta el render final, con anotaciones de cada crítica recibida y cómo se resolvió.
• Ejemplo B (Música/Composición): Entregar grabaciones de audio de los ensayos semanales, mostrando cómo mejoró la interpretación de un pasaje difícil a lo largo del mes.
• Ejemplo C (Escritura Creativa): Presentar tres versiones de un cuento: el borrador inicial, la versión corregida tras feedback de pares, y la versión final, con un texto reflexivo sobre los cambios estilísticos.

10. Debate de «Abogado del Diablo» contra la IA

Explicación: Usar la IA para generar la postura opuesta a la del estudiante. El alumno debe debatir y desmantelar los argumentos de la máquina.

• Ejemplo A (Ciencias Políticas): El alumno defiende la democracia representativa. La IA genera argumentos a favor de la tecnocracia autoritaria. El alumno debe refutar punto por punto la lógica de la IA.
• Ejemplo B (Filosofía): El alumno defiende el utilitarismo. La IA presenta contraargumentos kantianos. El alumno debe identificar falacias o debilidades en la interpretación que hace la IA de Kant.
• Ejemplo C (Negocios): El alumno propone una estrategia de expansión agresiva. La IA actúa como un «CFO conservador» listando riesgos. El alumno debe convencer al «CFO digital» de que los riesgos son mitigables.

Infografía de las estrategias 6 al 10 de evaluación con IA:

11. Producción Multimodal (Video y Pódcast)

Explicación: Traducción del conocimiento a formatos donde la comunicación no verbal, el tono de voz y la personalidad son centrales.

• Ejemplo A (Educación/Pedagogía): Crear un video de 3 minutos explicando una técnica pedagógica compleja a padres de familia, usando metáforas visuales y ejemplos de su propia práctica docente.
• Ejemplo B (Ciencias): Grabar un pódcast estilo «storytelling» explicando un descubrimiento científico reciente, adaptando el lenguaje técnico para una audiencia general.
• Ejemplo C (Turismo): Simular ser un guía turístico en un video, «vendiendo» un destino local poco conocido, respondiendo a preguntas simuladas con carisma y precisión de datos.

12. Evaluación de «Fuentes Primarias» No Digitalizadas

Explicación: Obligar al uso de insumos físicos o analógicos (off-line) a los que la IA no tiene acceso directo.

• Ejemplo A (Letras/Filología): Analizar una primera edición física de un libro disponible solo en la biblioteca de la facultad, comentando las notas al margen manuscritas por un lector anterior o el autor.
• Ejemplo B (Antropología): Analizar objetos materiales (herramientas, vestimenta) de un museo local o colección privada, describiendo texturas y usos no documentados en internet.
• Ejemplo C (Derecho): Revisar expedientes físicos antiguos en los archivos del tribunal local que nunca fueron digitalizados para encontrar precedentes olvidados.

13. Diseño de «Prompts Inversos» (Anti-IA)

Explicación: El alumno debe diseñar preguntas tan complejas, contextuales o paradójicas que la IA falle.

• Ejemplo A (Filosofía): Diseñar un dilema ético que involucre matices culturales locales y jerga regional (slang) que la IA resuelva de forma simplista o errónea, y explicar el fallo.
• Ejemplo B (Física Avanzada): Crear un problema teórico con condiciones de borde tan inusuales que la IA aplique fórmulas estándar incorrectamente.
• Ejemplo C (Lingüística): Redactar frases con doble sentido irónico dependiente del contexto político actual del país, probando que la IA las traduce o interpreta literalmente.

14. Evaluación por Pares y Coevaluación Crítica

Explicación: Los estudiantes evalúan trabajos ajenos. Se califica la calidad del feedback entregado, no el trabajo recibido. La IA puede dar feedback, pero suele ser genérico y excesivamente amable.

• Ejemplo A (Diseño): Calificar la capacidad de un alumno para dar crítica técnica y constructiva sobre el prototipo de un compañero, identificando problemas de usabilidad específicos.
• Ejemplo B (Redacción Académica): Los alumnos deben corregir el ensayo de un compañero, pero no solo la ortografía, sino la solidez de los argumentos, sugiriendo fuentes alternativas.
• Ejemplo C (Arte): En una sesión de crítica, el alumno debe interpretar la obra del compañero y ofrecer sugerencias conceptuales para mejorarla, demostrando sensibilidad artística.

15. Proyectos de Aplicación en «Vida Real»

Explicación: El resultado es un impacto tangible en el mundo físico. La competencia se demuestra si «funciona» fuera de la pantalla.

• Ejemplo A (Marketing): No hacer un «plan de marketing», sino lanzar una campaña real en redes con un presupuesto de 10 USD y medir el retorno de inversión y las interacciones reales de usuarios humanos.
• Ejemplo B (Ingeniería Civil): Construir un puente a escala con materiales reales (madera, pegamento) y someterlo a pruebas de carga física hasta el punto de quiebre.
• Ejemplo C (Trabajo Social): Organizar y ejecutar una intervención comunitaria pequeña (ej. taller para adultos mayores), documentando la asistencia y recogiendo testimonios reales de los participantes.

Infografía de las estrategias 11 al 15 de evaluación con IA:

Esperamos que estos métodos sean de apoyo para potenciar sus procesos de aprendizaje y enseñanza.

Nota: Imágenes creadas con inteligencia artificial. Esta entrada la hemos generado con apoyo de inteligencia artificial.