La sesión de la Comunidad IA del 4 de septiembre abordó uno de los retos que enfrenta actualmente la educación superior: cómo evaluar el aprendizaje cuando el uso de inteligencia artificial generativa forma parte de las prácticas habituales de los estudiantes. Manuel Sotomayor, psicólogo del aprendizaje e invitado de la jornada, planteó que el debate debe desplazarse desde la vigilancia y la detección del uso de IA hacia el rediseño de las evaluaciones y la búsqueda de evidencias más confiables sobre lo que los estudiantes comprenden, razonan y son capaces de hacer.  

Durante la presentación se revisaron estudios recientes y experiencias universitarias que muestran las limitaciones de intentar “blindar” los exámenes mediante sistemas de supervisión, detectores de contenido generado por IA o controles tecnológicos cada vez más complejos. Sotomayor utilizó, entre otros ejemplos, un caso de evaluación virtual de admisión para mostrar cómo estas medidas pueden resultar insuficientes frente a las nuevas posibilidades tecnológicas. Desde esta perspectiva, la pregunta deja de ser cómo impedir que los estudiantes utilicen IA y pasa a ser qué evidencia de aprendizaje permanece cuando su uso ya puede asumirse como parte del entorno educativo. 

Esta discusión se relacionó con dos formas distintas de delegar tareas a la tecnología. El offloading permite trasladar actividades que representan una carga secundaria para un determinado objetivo de aprendizaje, como ordenar información, revisar aspectos formales o apoyar determinadas tareas operativas. El outsourcing, en cambio, ocurre cuando se delegan procesos que el estudiante necesita desarrollar por sí mismo, como formular argumentos, establecer juicios, analizar problemas o construir hipótesis. La diferencia resulta relevante porque una misma herramienta puede actuar como apoyo al aprendizaje o sustituir procesos cognitivos que deberían ser ejercitados por el estudiante. 

Otro eje de la sesión fue la metacognición. Más que concentrarse únicamente en el producto final —un ensayo, una respuesta o una presentación—, la evaluación puede hacer visible el recorrido intelectual seguido para llegar a ese resultado. Preguntar por qué se tomó una decisión, cómo cambió una interpretación o qué criterios permitieron sostener una posición ofrece información que difícilmente puede obtenerse observando solo el producto. Desde la noción de andamiaje vinculada con Vygotsky, la IA puede ampliar las posibilidades de aprendizaje cuando acompaña al estudiante sin reemplazar la construcción de sus propios esquemas de pensamiento. 

Entre las alternativas planteadas aparecieron los videos sin guion, las discusiones grupales centradas en la toma de decisiones y los itinerarios cognitivos que permiten reconstruir cómo una persona llegó a determinada conclusión. A escala institucional, Sotomayor propuso pensar en dos carriles complementarios: evaluaciones con altos niveles de confiabilidad para el aseguramiento del aprendizaje y espacios más abiertos en los cursos, donde docentes y estudiantes puedan utilizar IA bajo criterios pedagógicos y con énfasis en el proceso. El intercambio final reforzó esta idea al señalar que el desafío no depende únicamente de modificar la evaluación: también requiere revisar el diseño de las experiencias de aprendizaje y fortalecer la capacidad docente para formular preguntas que promuevan reflexión, argumentación y pensamiento propio.

¿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: 

La sesión de la Comunidad IA del 28 de agosto puso por primera vez en el centro de la conversación la perspectiva de los estudiantes sobre el uso de la inteligencia artificial en la educación. Luis Ibazeta, docente del curso de Gestión de Proyectos, presentó la experiencia desarrollada junto con estudiantes de carreras de negocios, quienes explicaron cómo incorporaron herramientas de IA generativa para diseñar soluciones digitales orientadas a problemas concretos. 

Stefanny Moreno presentó Beca Match, una propuesta creada para facilitar la búsqueda y postulación a becas. La plataforma busca centralizar convocatorias, analizar el perfil de los estudiantes y recomendar oportunidades compatibles, además de ofrecer acompañamiento durante el proceso. En su desarrollo, el equipo utilizó inteligencia artificial para crear código, conectar herramientas mediante Apps Script, GS y HTML, e integrar un agente basado en Gemini capaz de responder consultas de manera dinámica.

Por su parte, Diana Burga expuso Laboranding.pe, una plataforma concebida para preparar a estudiantes y recién egresados frente a entrevistas laborales. El proyecto plantea simulaciones personalizadas con inteligencia artificial, retroalimentación automática, análisis del currículum y seguimiento del desempeño. Para estructurar la propuesta, el equipo recurrió a Scrum y utilizó la IA como apoyo para definir historias de usuario, tareas, roles y requerimientos. El prototipo de interfaz fue desarrollado en Figma. 

Las experiencias mostraron que el uso de estas tecnologías ya no se limita a estudiantes de ingeniería o programación. Ambas expositoras explicaron que la IA les permitió aproximarse a conceptos técnicos, explorar herramientas de otras disciplinas y organizar procesos que antes requerían conocimientos especializados. También señalaron que su uso académico ha evolucionado: pasó de servir como buscador o herramienta de síntesis a convertirse en un recurso para estudiar, prototipar, automatizar tareas y desarrollar proyectos. 

Otro punto abordado fue la necesidad de documentar el uso de la inteligencia artificial dentro de los trabajos académicos. Registrar consultas, organizar conversaciones y transparentar la participación de estas herramientas permitió a las estudiantes revisar con mayor claridad su propio proceso de aprendizaje. La conversación también incluyó aspectos vinculados con integridad académica, citación, seguridad de los productos digitales y la importancia de contar con conocimiento especializado cuando una solución requiere mayor nivel técnico. 

La sesión cerró con una reflexión sobre el papel docente ante un escenario en el que los estudiantes incorporan la IA con rapidez. Más que restringir su uso, el desafío planteado consiste en acompañar a los estudiantes para que evalúen las respuestas obtenidas, reconozcan posibles sesgos y desarrollen pensamiento crítico. La experiencia compartida sugiere que integrar la inteligencia artificial a proyectos vinculados con necesidades reales puede ampliar las posibilidades de aprendizaje, siempre que su uso sea responsable, documentado y sujeto a revisión.

¿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: 

La sesión del 25 de julio abordó el impacto de la inteligencia artificial en la integridad académica, a partir de la exposición de Jorge Bossio. Se analizaron los factores que explican por qué los estudiantes recurren a trampas y plagio: presión por notas y becas, sobrecarga académica, falta de claridad en normas y tareas percibidas como poco relevantes. A ello se suman la presión social y la distancia entre docentes y alumnos. 

Un punto central fue la revisión de los límites de los detectores automáticos de IA. Estos sistemas generan falsos positivos y negativos, deterioran la confianza y no garantizan justicia en la evaluación. Bossio insistió en que basar las decisiones académicas únicamente en estas herramientas es riesgoso tanto en el plano pedagógico como ético. 

El encuentro también revisó las conclusiones del libro The Opposite of Cheating de Bertrand y Retinger, que expone cómo la presión académica, el entorno competitivo y la percepción de que “todos lo hacen” terminan justificando estas conductas. Asimismo, se introdujo la idea de la “redacción híbrida”, planteada por Sarah Eaton, donde la producción académica combina aportes humanos y tecnológicos, lo que obliga a las universidades a replantear sus políticas de probidad académica. 

Se comentaron políticas recientes adoptadas en universidades norteamericanas y peruanas. En general, las instituciones están optando por un enfoque abierto y prudente: permiten el uso de IA bajo condiciones de transparencia, exigen la declaración explícita de las herramientas utilizadas y promueven talleres y guías para docentes y estudiantes. No existe una prohibición absoluta, pero sí restricciones claras frente a presentar contenido generado por IA como propio o introducir datos personales en plataformas públicas. 

La sesión concluyó con la idea de que la respuesta no puede ser una “guerra” tecnológica entre docentes y estudiantes. En lugar de perseguir trampas, las universidades están llamadas a construir confianza, acompañar el proceso de aprendizaje y fomentar un uso consciente y formativo de la inteligencia artificial. 

¿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

El término “Contract cheating” fue acuñado por Lancaster y Clarke en 2006 como “el envío de un trabajo que otorga créditos académicos por el cuál el estudiante ha pagado para que un tercero lo escriba”, es decir, contratar a alguien para que haga el trabajo y luego presentarlo como propio. Se trata de una industria multimillonaria con impacto global ¿qué pueden hacer las instituciones educativas frente a este problema?