evaluación educativa -

Leer artículo

Simulaciones con IA para transformar la evaluación

En la sesión de la Comunidad IA del 31 de julio, Rosa Félix, ingeniera de software, docente universitaria y especialista en productos digitales, abordó los cambios que la inteligencia artificial plantea para la evaluación en la educación superior. Desde su experiencia académica y corporativa, propuso una pregunta orientadora: ¿aprobar un curso demuestra que un estudiante está preparado para enfrentar situaciones reales en el ámbito laboral?

La exposición señaló que prohibir el uso de la IA en las actividades académicas resulta poco viable, pues los estudiantes ya emplean estas herramientas y continuarán haciéndolo durante su ejercicio profesional. Ante este escenario, el reto consiste en diseñar experiencias que utilicen la tecnología para fortalecer el razonamiento. En un contexto de acceso inmediato a la información, memorizar respuestas pierde relevancia frente a capacidades como interpretar, decidir y adaptarse.

Félix relacionó este planteamiento con las denominadas brain skills o habilidades humanas para la era de la IA. Entre ellas se encuentran el pensamiento crítico, la flexibilidad, la planificación, la comunicación, la autogestión, la colaboración y la alfabetización tecnológica. Estas competencias permiten evaluar la información generada por los sistemas de IA, identificar sus limitaciones y emplearla para resolver problemas en contextos variables.

Como estrategia de aplicación, presentó una simulación utilizada en un curso de bases de datos. Los estudiantes asumían el papel de practicantes de una empresa ficticia llamada Nexo Market y debían entrevistar a diferentes responsables para identificar las necesidades de información del negocio. La actividad ofrecía datos incompletos, variantes para cada grupo y cambios inesperados, como la apertura de una nueva sede. De este modo, los participantes debían formular preguntas, tomar decisiones, modificar sus propuestas y sustentar sus criterios.

La simulación permitió evaluar tanto los conocimientos técnicos como la manera en que los estudiantes reaccionaban ante situaciones sin una respuesta única. La experiencia se complementó con un copiloto docente configurado con la rúbrica y el contexto del curso. Durante las exposiciones, este recurso registraba observaciones, sugería preguntas y organizaba información para elaborar una retroalimentación más consistente para cada grupo.

El diálogo final amplió la propuesta hacia el uso de agentes educativos capaces de monitorear interacciones, identificar errores recurrentes y generar información sobre el progreso del aprendizaje. Su implementación supone desafíos técnicos e institucionales, además de una preparación docente orientada a comprender y supervisar estas soluciones. La sesión planteó así una transición desde evaluaciones centradas en respuestas hacia experiencias que evidencien criterio, adaptabilidad y capacidad para actuar en escenarios profesionales complejos.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Si quieres ser parte de nuestras sesiones virtuales y contribuir a este espacio de aprendizaje e intercambio, completa el siguiente formulario. Así podremos conocerte mejor y enviarte el enlace para unirte a las reuniones en vivo: https://forms.office.com/r/6nCJ4wtVaS

Mira el video completo de la sesión:

Leer artículo

Inteligencia artificial para observar clases: alcances y límites

La sesión de la Comunidad IA del 3 de julio abordó la validación de observaciones de clase mediante inteligencia artificial, a partir de una investigación presentada por Carolina Melo, Matías Recabarren y Javiera de la Maza, de la Universidad de los Andes. El encuentro permitió revisar los alcances y límites de los modelos de lenguaje para analizar prácticas docentes, en un campo donde la observación de aula sigue siendo una herramienta clave para mejorar la enseñanza.

La exposición partió de una premisa central: la calidad docente tiene una relación directa con los aprendizajes de los estudiantes, pero observar clases de manera rigurosa requiere instrumentos validados, criterios comunes y evaluadores entrenados. En ese contexto, el equipo investigador utilizó Teach Primary, una herramienta desarrollada por el Banco Mundial para evaluar prácticas pedagógicas observables en el aula, como marco de referencia para comparar los puntajes generados por inteligencia artificial con los juicios de expertos.

El estudio analizó si los modelos de lenguaje podían producir evaluaciones estables, precisas y comparables con las de observadores certificados. Para ello, se trabajó con transcripciones de videos de clase y se realizaron múltiples iteraciones con distintos modelos, entre ellos GPT, Gemini, Claude, DeepSeek y Grok. Los resultados mostraron una variabilidad relevante: ante el mismo prompt, algunos modelos entregaban puntajes distintos, lo que plantea desafíos para su uso directo en procesos de retroalimentación docente.

Uno de los hallazgos más relevantes fue que la inteligencia artificial funciona mejor en dimensiones que dependen más del texto, como el análisis de preguntas abiertas o ciertos indicadores de pensamiento crítico. Sin embargo, presenta mayores dificultades en elementos que requieren interpretar conductas no verbales, interacciones del aula o respuestas de los estudiantes. La ausencia de información visual o contextual puede llevar al modelo a evaluar como deficiente una conducta que, en realidad, no requería intervención docente.

Durante el diálogo con los participantes, se discutió también el potencial de estas herramientas para apoyar procesos de autoevaluación, mentoría y acompañamiento docente. La IA podría contribuir a reducir costos, ampliar la frecuencia de la retroalimentación y crear espacios más privados para que los profesores revisen su práctica. No obstante, los expositores subrayaron que el conocimiento experto sigue siendo indispensable para diseñar criterios, interpretar evidencias y transformar los resultados en recomendaciones accionables.

La sesión dejó una conclusión prudente: la inteligencia artificial ofrece oportunidades para fortalecer la observación de aula, pero aún no puede reemplazar el juicio profesional. Su valor parece estar en aumentar la capacidad de análisis de los expertos y no en automatizar por completo decisiones pedagógicas complejas. El desafío futuro estará en integrar modelos multimodales, análisis de video y marcos pedagógicos más precisos para construir sistemas de evaluación más confiables y útiles para la mejora docente.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

Externalización cognitiva y evaluación con IA

La sesión de la Comunidad IA del 29 de mayo abordó uno de los debates más urgentes en la educación actual: cómo repensar la evaluación en un contexto donde la inteligencia artificial ya forma parte de los procesos de aprendizaje. El expositor invitado fue Jesús Vivanco, quien presentó el tema “Externalización cognitiva y evaluación: hacia un nuevo paradigma educativo en la era de la IA”, a partir de investigaciones recientes sobre el uso de estas herramientas en entornos educativos y profesionales.

Vivanco explicó que la externalización cognitiva ocurre cuando las personas utilizan herramientas externas para apoyar funciones mentales como recordar, calcular, escribir o razonar. Así como la calculadora modificó la forma de resolver operaciones matemáticas y la escritura permitió ampliar la memoria, la inteligencia artificial generativa está interviniendo ahora en procesos más complejos, como la síntesis de información, la producción de textos y la toma de decisiones.

El expositor sostuvo que el problema educativo no está en la existencia de la herramienta, sino en que muchos sistemas de evaluación fueron diseñados para contextos donde no se consideraba la colaboración con tecnologías avanzadas. En ese sentido, las evaluaciones tradicionales, centradas en la memoria, la repetición o la respuesta final, enfrentan dificultades para distinguir entre aprendizaje auténtico y dependencia tecnológica.

Durante la sesión también se discutió la necesidad de evaluar el proceso y no solo el resultado. Esto implica observar la calidad del razonamiento, la justificación de las decisiones, la capacidad crítica frente a lo generado por la IA y las evidencias de iteración durante el trabajo. En lugar de prohibir el uso de estas herramientas, se planteó la importancia de integrarlas en experiencias educativas más complejas, donde el estudiante tenga que contrastar, argumentar y explicar sus elecciones.

El diálogo con los participantes permitió ampliar la reflexión hacia temas como la citación del uso de IA, la alfabetización cognitiva digital, el rediseño de foros académicos y la creación de tareas con mayor demanda intelectual. Se compartieron experiencias docentes en las que la IA no se usa solo para responder preguntas, sino también para buscar información, producir evidencias, elaborar videos, verificar fuentes y desarrollar propuestas aplicadas.

La sesión concluyó con una idea central: enseñar en la era de la inteligencia artificial no consiste en evitar la tecnología, sino en diseñar condiciones para que pensar con tecnología también signifique aprender a pensar mejor. Este enfoque demanda nuevas rúbricas, criterios de evaluación más transparentes y una cultura académica que promueva el uso reflexivo, ético y crítico de la IA en la educación.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

IA para evaluar competencias transversales

La sesión de la Comunidad IA del 8 de mayo abordó el uso de inteligencia artificial para evaluar competencias transversales en educación superior, a partir de la presentación de Juan Pablo Delacroix, CEO y cofundador de Reskilling AI. La exposición planteó una discusión relevante para las instituciones educativas: cómo pasar de una evaluación centrada en rúbricas y percepciones individuales hacia sistemas capaces de generar evidencia más objetiva, escalable y útil para la toma de decisiones académicas.

Delacroix señaló que el avance de la inteligencia artificial está acelerando la obsolescencia de algunas competencias técnicas y, al mismo tiempo, incrementando el valor de habilidades humanas como pensamiento crítico, comunicación, adaptabilidad, resiliencia y trabajo en equipo. En este contexto, las universidades enfrentan el desafío de actualizar sus procesos formativos y de evaluación para responder a las demandas del mercado laboral, que cada vez exige perfiles con mayor capacidad de adaptación y resolución de problemas.

Uno de los puntos centrales de la sesión fue la dificultad de medir estas competencias a gran escala. Aunque muchas instituciones utilizan rúbricas, autoevaluaciones u observaciones docentes, estos mecanismos pueden estar condicionados por sesgos, diferencias de criterio y limitaciones de tiempo. Frente a ello, se presentó una propuesta basada en el análisis de respuestas de audio mediante inteligencia artificial, que permite observar tanto el contenido de lo que expresa el estudiante como ciertos elementos prosódicos vinculados a la forma en que responde.

La herramienta expuesta trabaja con preguntas abiertas y reflexivas, diseñadas para obtener respuestas auténticas y evitar formatos cerrados en los que el estudiante pueda anticipar la opción esperada. A partir de esas respuestas, el sistema analiza competencias cognitivas, sociales, emocionales y de acción, generando reportes individuales y tableros agregados. Estos datos permiten identificar brechas respecto del perfil de egreso, orientar intervenciones formativas y realizar mediciones longitudinales sobre la evolución de los estudiantes.

Durante el diálogo con los participantes, se abordaron aspectos prácticos de la evaluación, como la cantidad de preguntas, el tiempo estimado para responder y la retroalimentación generada por el sistema. También se discutió la necesidad de validar científicamente este tipo de instrumentos, así como su posible utilidad para procesos de acreditación, empleabilidad y emisión de microcredenciales. La conversación permitió situar la inteligencia artificial no solo como una herramienta de eficiencia o control, sino como un recurso para comprender mejor el desarrollo de competencias humanas.

La sesión dejó abierta una reflexión clave para la educación superior: si las competencias transversales son cada vez más relevantes para el desempeño profesional, las instituciones necesitan mecanismos rigurosos para medirlas, acompañarlas y evidenciar su progreso. En ese sentido, la inteligencia artificial puede contribuir a fortalecer la evaluación académica, siempre que se integre con criterios pedagógicos, validación científica y una lectura ética de los datos.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

IA humanista para ampliar capacidades en sistemas educativos y empleo

La sesión del 10 de abril de la Comunidad IA tuvo como invitada a María Beunza, especialista vinculada a proyectos de innovación educativa y desarrollo de soluciones de inteligencia artificial aplicadas al acompañamiento humano. Durante el encuentro, la ponente presentó la experiencia de Human AI, una iniciativa desarrollada desde España que busca fortalecer las capacidades de instituciones educativas, organizaciones y servicios de empleo mediante el análisis de competencias socioemocionales a partir del lenguaje natural.

A lo largo de la exposición, Beunza explicó que el proyecto surgió de una preocupación previa por las limitaciones de los sistemas educativos para reconocer y acompañar dimensiones del aprendizaje que no suelen ser visibles en las evaluaciones tradicionales. Su planteamiento parte de que el rendimiento académico y profesional no depende solo del conocimiento técnico, sino también de competencias como la autorregulación, la responsabilidad, la persistencia, la asertividad o el pensamiento crítico. Desde esa perspectiva, la inteligencia artificial puede cumplir una función de apoyo para ofrecer diagnósticos más ágiles y orientar intervenciones pedagógicas más contextualizadas.

Uno de los aportes más relevantes de la sesión fue la explicación de cómo esta herramienta procesa textos en lenguaje natural para generar perfiles de competencias y, a partir de ellos, proponer acciones de acompañamiento. La propuesta no se presentó como un reemplazo del juicio docente o profesional, sino como un sistema de asistencia que permite ahorrar tiempo y ampliar la capacidad de observación en contextos complejos. La exposición incluyó ejemplos de uso en tutoría escolar, orientación vocacional, prevención del abandono, formación profesional, empleabilidad y educación especial, mostrando la versatilidad del enfoque en distintos niveles y poblaciones.

La sesión también puso énfasis en dos asuntos especialmente sensibles: la evidencia científica y la ética digital. Beunza señaló que el desarrollo de la herramienta ha estado acompañado por procesos de validación psicométrica, contrastes con observadores cualificados y colaboración con especialistas de educación, psicología, lingüística y filosofía del derecho. Este punto resultó central porque el análisis de competencias socioemocionales involucra datos personales delicados y exige protocolos claros de anonimización, resguardo y uso responsable de la información. En ese sentido, la reunión permitió discutir la necesidad de que las soluciones de IA en educación se sostengan no solo en promesas tecnológicas, sino también en criterios metodológicos y éticos rigurosos.

En el diálogo final, las preguntas de las participantes orientaron la conversación hacia el enfoque por competencias en la educación superior y los retos que plantea la irrupción de la IA en los procesos de enseñanza y evaluación. La discusión giró en torno a la pertinencia de medir múltiples competencias, la carga que ello representa para la docencia y el riesgo de una dependencia excesiva de herramientas que reduzcan el esfuerzo cognitivo del estudiantado. Frente a ello, la ponente sostuvo que el desafío actual no es solo tecnológico, sino pedagógico: formar personas capaces de pensar, resolver problemas complejos y actuar con criterio en entornos donde la inteligencia artificial ya forma parte de la vida académica y laboral.

La reunión dejó como balance una reflexión amplia sobre el potencial de la IA para enriquecer el acompañamiento educativo sin perder de vista sus límites. Más que una conversación sobre automatización, la sesión se configuró como una invitación a repensar la evaluación, la formación integral y el lugar de las competencias socioemocionales en la educación contemporánea. Desde esa mirada, la experiencia compartida por María Beunza ofreció a la Comunidad IA un caso concreto de articulación entre innovación, investigación aplicada y responsabilidad educativa.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

Programar en la era de la IA: reflexiones desde la práctica docente

La primera sesión del ciclo 2026 del espacio de conversaciones sobre inteligencia artificial en educación reunió a la comunidad docente para reflexionar sobre la relación entre programación, exploración tecnológica y desarrollo profesional. El invitado fue Andy García Peña, docente de la UPC y la Universidad Continental, emprendedor y consultor de innovación, quien compartió su experiencia aprendiendo programación desde cero y utilizando herramientas de IA para transformar su práctica docente.

Durante la sesión, el expositor expuso el dilema que enfrentan muchos profesores: si aprender a programar es realmente un recurso potenciador o una inversión innecesaria en tiempos en que la inteligencia artificial genera código de manera automática. Para él, la respuesta no es absoluta. Mostró cómo distinguir entre el “by coding” orientado a prototipado rápido y el desarrollo asistido por IA responsable, que implica comprender la estructura del código y revisar lo generado por los modelos. Según comentó, dominar las bases del pensamiento computacional le permitió integrar herramientas de manera más sólida y creativa en sus cursos.

El docente relató cómo la curiosidad lo llevó a experimentar con diversas plataformas, desde Google Sheets y Notion hasta entornos más complejos como Google Antigravity. Explicó su proceso para instalar, configurar y evaluar esta herramienta de desarrollo con agentes, así como las estrategias que aplicó para manejar riesgos, probar modelos y automatizar partes de su flujo de trabajo docente. Detalló también cómo utiliza Notebook LM junto con Antigravity para generar contenidos, sintetizar clases y optimizar la creación de materiales semanales.

A partir de su experiencia, García Peña compartió ejemplos de cómo la programación había fortalecido su capacidad para diseñar actividades, integrar APIs, crear prototipos y combinar herramientas con metodologías como el design thinking y la gamificación. Este proceso, según indicó, contribuyó a que varias de sus propuestas fueran reconocidas como innovaciones educativas en instituciones donde enseña. Insistió en que aprender programación no implica volverse desarrollador, sino adquirir una lógica que permita entender, validar y guiar mejor el uso de la IA.

La sesión concluyó con un intercambio entre docentes sobre evaluación, ética y la necesidad de elevar el nivel de curiosidad en el aula. Los participantes coincidieron en que la IA obliga a repensar las estrategias pedagógicas, promover procesos más reflexivos y fomentar experiencias donde los estudiantes produzcan, contrasten y expliquen, más allá de lo que un modelo generativo puede resolver. La conversación dejó claro que la exploración tecnológica sigue abriendo caminos para renovar la enseñanza en educación superior.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión: