En la era de la inteligencia artificial (IA) y los rápidos avances tecnológicos, los métodos de evaluación tradicionales centrados en el conocimiento están cada vez más desalineados con las necesidades actuales del mercado y las competencias que se espera desarrollar en los estudiantes. Los enfoques de evaluación tradicionales que se centran únicamente en la memorización y la repetición no capturan las habilidades prácticas y sociales que los estudiantes necesitan para enfrentarse a un mundo laboral dinámico. Por ello, la educación superior debe considerar una transformación hacia sistemas de evaluación basados en competencias y experiencias auténticas que reflejen el contexto social, económico y cultural de los estudiantes.

Las evaluaciones tradicionales, que se apoyan en exámenes y pruebas estandarizadas, tienen varias limitaciones. A menudo, estas solo proporcionan una “foto instantánea” del conocimiento del estudiante en un momento específico, sin reflejar su capacidad para aplicar lo aprendido en contextos reales o para desarrollar habilidades críticas como el pensamiento crítico, la colaboración y la creatividad (Swiecki et al., 2022). Además, no fomentan un aprendizaje profundo ni un compromiso genuino con los contenidos, lo que dificulta el desarrollo de competencias transversales (Minerva Project, 2024) y finalmente terminan siendo experiencias de mucho estrés con pocos o nulos resultados de aprendizaje.

En este sentido, una transición hacia un enfoque de evaluación basado en competencias no solo sería beneficiosa para los estudiantes, sino también para las instituciones educativas. Las evaluaciones auténticas, como las recomendadas por el Minerva Project, promueven la medición de resultados específicos y relevantes, lo cual es esencial para asegurar que los estudiantes no solo retengan conocimientos, sino que también desarrollen habilidades prácticas aplicables en diversos contextos (Minerva Project, 2024).

IA como enemiga facilitadora de las evaluaciones

La inteligencia artificial ofrece herramientas poderosas para abordar las deficiencias de las evaluaciones tradicionales. La IA permite personalizar las evaluaciones según las necesidades de cada estudiante, proporcionando retroalimentación en tiempo real y permitiendo un seguimiento más preciso del progreso individual. Las plataformas de tutoría inteligente y los sistemas de reconocimiento facilitan la implementación de evaluaciones continuas y adaptativas, transformando así el proceso de evaluación en una experiencia de aprendizaje en sí misma (Hernández-León & Rodríguez-Conde, 2024).

Una característica clave de las evaluaciones auténticas es que vinculan directamente los aprendizajes con experiencias del mundo real. Este tipo de evaluación, que integra el Aprendizaje Basado en Retos (CBL, por sus siglas en inglés), permite a los estudiantes aplicar sus conocimientos para resolver problemas complejos, lo cual es crucial para desarrollar competencias como la adaptabilidad y el emprendimiento (Gallagher & Savage, 2022). Las evaluaciones impulsadas por IA permiten diseñar experiencias de aprendizaje donde los estudiantes puedan trabajar en proyectos que aborden desafíos locales, integrando así su contexto social y cultural en el proceso educativo (Martínez-Acosta et al., 2022).

Para adoptar estas nuevas formas de evaluación, es necesario un esfuerzo institucional que apoye el desarrollo de infraestructuras tecnológicas y fomente una cultura de innovación pedagógica. La colaboración entre diferentes actores, como docentes, administradores y expertos en IA, es fundamental para diseñar sistemas de evaluación que sean tanto efectivos como éticos.

Referencias

• Hernández-León, N., & Rodríguez-Conde, M. J. (2024). Inteligencia artificial aplicada a la educación y la evaluación educativa en la Universidad. RED. Revista de Educación a Distancia, 78. http://dx.doi.org/10.6018/red.594651.
• Minerva Project. (2024). A Systematic Approach to Authentic Assessment. Minerva Project Insights. Recuperado de https://www.minervaproject.com.
• Anthology. (2023). AI, Academic Integrity, and Authentic Assessment: An Ethical Path Forward for Education. Anthology White Paper. https://www.anthology.com.
• Swiecki, Z., Khosravi, H., & Lodge, J. (2022). Assessment in the Age of Artificial Intelligence. Computers and Education: Artificial Intelligence, 3, 100075. https://doi.org/10.1016/j.caeai.2022.100075.
• Gallagher, S. E., & Savage, T. (2022). Challenge-Based Learning: Recommendations for the Future of Higher Education. En The Emerald Handbook of Challenge-Based Learning. Emerald Publishing. https://doi.org/10.1108/978-1-80117-490-920221018.
• Martínez-Acosta, M., Membrillo-Hernández, J., & Ruiz Cabañas-Izquierdo, M. (2022). Sustainable Development Goals Through Challenge-Based Learning Implementation in Higher Education – Education for Sustainable Development (ESD). En The Emerald Handbook of Challenge-Based Learning. Emerald Publishing. https://doi.org/10.1108/978-1-80117-490-920221012.
• Memarian, B., & Doleck, T. (2024). A Review of Assessment for Learning with Artificial Intelligence. Computers in Human Behavior: Artificial Humans, 2, 100040. https://doi.org/10.1016/j.chbah.2023.100040.