La evaluación de los aprendizajes en la era de la inteligencia artificial generativa requiere una perspectiva renovada, adaptada a las actuales realidades tecnológicas y educativas. Con la creciente disponibilidad de herramientas de inteligencia artificial (IA) para los estudiantes, es imperativo reconsiderar los métodos de evaluación tradicionales para garantizar la medición adecuada de las competencias y habilidades relevantes en el siglo XXI.
En este contexto, es esencial priorizar el desempeño y la demostración de logros de aprendizaje sobre la mera memorización de contenidos. La IA generativa tiene la capacidad de generar grandes cantidades de información en poco tiempo, lo que reduce la relevancia de la memorización de hechos. Por ende, los estudiantes deben ser evaluados por su capacidad para aplicar conocimientos, resolver problemas complejos y pensar críticamente en escenarios del mundo real. Esto demanda el diseño de evaluaciones que simulen situaciones prácticas y requieran que los estudiantes demuestren de forma tangible su comprensión y habilidades.
Asimismo, la evaluación debe estar orientada hacia el uso ético de la inteligencia artificial. Es fundamental que los estudiantes sean conscientes de las implicaciones éticas y sociales del uso de la IA, y que sean evaluados por su capacidad para tomar decisiones responsables y éticas al emplear estas herramientas. Esto incluye comprender las limitaciones de la IA, identificar posibles sesgos en los datos y algoritmos, y considerar el impacto de sus acciones en la sociedad.
Otro aspecto crucial es instruir a los estudiantes en el cuestionamiento, la duda y la contrastación de la información. En un contexto donde la IA puede generar contenido persuasivo pero no necesariamente veraz, es esencial que los estudiantes desarrollen habilidades de pensamiento crítico y evaluación de fuentes. Las evaluaciones deben fomentar el escepticismo constructivo y la capacidad de los estudiantes para discernir entre información confiable y engañosa.
Resulta importante enseñar a los estudiantes a utilizar la inteligencia artificial de manera eficiente. Esto implica evaluar no solo su capacidad para emplear herramientas de IA, sino también su habilidad para seleccionar la herramienta adecuada para cada tarea y optimizar su uso para lograr resultados efectivos. La evaluación debe reflejar la capacidad de los estudiantes para integrar la IA en su proceso de aprendizaje y trabajo de manera que mejore su productividad y creatividad.
La evaluación de aprendizajes en la era de la inteligencia artificial generativa debe enfocarse en el desempeño, el uso ético, el pensamiento crítico y la eficiencia en el uso de la tecnología. Este enfoque demanda un cambio significativo en los métodos tradicionales de evaluación, centrándose en habilidades y competencias esenciales para desenvolverse en un mundo cada vez más influenciado por la IA.
A continuación, se presenta una tabla que exhibe un conjunto de ejemplos de evaluaciones que, en el contexto de la educación moderna y la integración de la inteligencia artificial, deberían evitarse, disminuirse o reemplazarse por métodos más adecuados. Estas evaluaciones tradicionales, si bien alguna vez fueron efectivas, en la actualidad pueden limitar el desarrollo de habilidades críticas necesarias para el siglo XXI. La tabla detalla los tipos de evaluación, sus características principales y las razones por las cuales su uso debería ser reconsiderado.
Tabla 1: Evaluaciones no recomendadas en la era de IA generativa
| Tipo de Evaluación | Características | Razones para Limitar su Uso |
| Entrega de respuestas al alcance de un clic | Evaluaciones que se centran en la entrega de respuestas que se pueden encontrar fácilmente en línea, como definiciones o informes. | – Fomentan la memorización y el copiado en lugar del análisis y la comprensión. – No desarrollan habilidades de investigación ni pensamiento crítico. |
| Exámenes de opción múltiple | Preguntas con varias respuestas posibles, donde solo una es correcta. | – Fomentan la memorización en lugar del entendimiento profundo. – Limitan la capacidad de evaluar el pensamiento crítico y la creatividad. |
| Pruebas de verdadero o falso | Preguntas que requieren que el estudiante elija entre dos opciones: verdadero o falso. | – No permiten una evaluación profunda del conocimiento. – Pueden incentivar la adivinación. |
| Exámenes de llenado de espacios en blanco | Preguntas que requieren que el estudiante complete espacios en blanco con la respuesta correcta. | – Se centran en la memorización de detalles específicos. – No evalúan la comprensión global ni la capacidad de aplicar conocimientos. |
| Evaluaciones basadas en la repetición | Pruebas que evalúan la capacidad del estudiante para recordar y repetir información. | – No fomentan el pensamiento crítico ni la comprensión profunda. – No son efectivas para medir habilidades de resolución de problemas. |
| Pruebas de conocimiento aislado | Evaluaciones que se centran en un área de conocimiento específica sin integrarla con otras áreas o aplicaciones prácticas. | – No reflejan la naturaleza interdisciplinaria del aprendizaje moderno. – No evalúan la capacidad de los estudiantes para conectar conceptos. |
Tabla 2: Evaluaciones recomendadas en la era de IA generativa
| Tipo de Evaluación | Características | Razones para su Uso | Opciones para Integrar IA Generativa |
| Portafolio de Evidencias | Colección de trabajos y proyectos que demuestran el aprendizaje y progreso del estudiante a lo largo del tiempo. | – Permite una evaluación integral y continua. – Fomenta la reflexión y el autoaprendizaje. | – Uso de herramientas de IA para organizar y presentar el portafolio de manera interactiva y visual. |
| Presentación Pública de Resultados | Los estudiantes presentan sus hallazgos y aprendizajes frente a una audiencia, explicando el proceso y los resultados. | – Desarrolla habilidades de comunicación y exposición. – Permite evaluar la comprensión y capacidad de síntesis. | – Utilización de IA para generar presentaciones dinámicas y visualizaciones de datos. |
| Videos de Explicación de Resultados | Creación de videos donde los estudiantes explican conceptos, procesos o resultados de sus proyectos. | – Fomenta la creatividad y el dominio del contenido. – Permite evaluar la capacidad de comunicar ideas complejas de manera clara. | – Uso de herramientas de edición de video impulsadas por IA para mejorar la calidad y claridad de las explicaciones. |
| Enseñanza entre Compañeros | Los estudiantes preparan y enseñan un tema o concepto a sus compañeros, utilizando todos los recursos disponibles, incluida la IA generativa. | – Desarrolla habilidades pedagógicas y de liderazgo. – Fomenta la colaboración y el aprendizaje activo. | – Aplicación de IA para crear materiales de enseñanza personalizados y adaptativos. |
| Proyectos Interdisciplinarios | Proyectos que integran conocimientos de diversas áreas para resolver problemas complejos o crear productos innovadores. | – Fomenta la aplicación práctica del conocimiento. – Desarrolla habilidades de trabajo en equipo y pensamiento crítico. | – Uso de IA para analizar datos, generar ideas y prototipos, y optimizar soluciones. |
| Elaboración de Informes y Defensas | Preparación de informes escritos o presentaciones orales que detallan el proceso y resultados de una investigación o proyecto, seguidos de una defensa. | – Evalúa la capacidad de análisis y síntesis. – Permite evaluar habilidades de argumentación y defensa de ideas. | – Integración de herramientas de IA para análisis de datos, generación de gráficos y simulaciones en los informes. |
| Desarrollo de Productos | Creación de productos tangibles o digitales que demuestren la aplicación de conocimientos y habilidades técnicas. | – Fomenta la innovación y el emprendimiento. – Permite evaluar habilidades prácticas y técnicas. | – Uso de IA para diseño, modelado y optimización de productos. |
| Evaluación Basada en Competencias | Evaluación centrada en el dominio de competencias específicas, demostrado a través de tareas y proyectos reales. | – Alinea la evaluación con las habilidades requeridas en el mundo real. – Promueve el aprendizaje significativo y aplicado. | – Aplicación de IA para crear simulaciones y entornos virtuales que permitan demostrar competencias. |
| Simulaciones y Juegos de Rol | Uso de simulaciones o juegos de rol para recrear situaciones reales donde los estudiantes deben aplicar sus conocimientos y tomar decisiones. | – Desarrolla habilidades de toma de decisiones y resolución de problemas. – Permite evaluar la capacidad de aplicar teoría a la práctica. | – Integración de IA para generar simulaciones realistas y adaptativas que respondan a las acciones de los estudiantes. |
| Autoevaluación y Evaluación entre Pares | Los estudiantes evalúan su propio trabajo o el de sus compañeros, proporcionando retroalimentación constructiva basada en criterios claros. | – Fomenta la reflexión y el desarrollo personal. – Promueve la responsabilidad y el aprendizaje colaborativo. | – Uso de IA para analizar y proporcionar retroalimentación basada en criterios objetivos, complementando la evaluación humana. |
Estos tipos de evaluación son cruciales para fomentar el desarrollo de habilidades indispensables para el siglo XXI, tales como la creatividad, el pensamiento crítico, la colaboración y la capacidad de comunicar eficazmente. Estas competencias son fundamentales no solo para el éxito académico, sino también para la adaptación y el crecimiento en un mundo laboral en constante evolución. La integración de la inteligencia artificial generativa de manera ética y responsable en estas evaluaciones puede enriquecer significativamente el proceso de aprendizaje, proporcionando a los estudiantes herramientas innovadoras para demostrar sus competencias y logros de manera más dinámica y creativa.
La adopción de la IA generativa en la evaluación ofrece oportunidades para crear escenarios de aprendizaje más interactivos y personalizados, permitiendo a los estudiantes aplicar sus conocimientos en contextos prácticos y desafiantes. Además, la capacidad de la IA para analizar grandes volúmenes de datos puede ayudar a identificar patrones y tendencias en el desempeño de los estudiantes, lo que a su vez puede informar y mejorar las estrategias de enseñanza y evaluación.
En última instancia, al integrar la inteligencia artificial generativa en la evaluación de aprendizajes, se está preparando a los estudiantes para navegar con éxito en un futuro tecnológico, fomentando habilidades que son esenciales para la innovación, la resolución de problemas y la adaptación a nuevos desafíos. Estanos convencidos de que este enfoque no solo mejora la calidad y relevancia de la educación, sino que también capacita a los estudiantes para ser actores proactivos y creativos en la era de la inteligencia artificial.
(Imágenes creadas con DALLE, Tablas creadas con GPT en EDUCACIÓN)
Ana Henriquez Orrego
Inteligencia Artificial en Educación 
Pingback: Compartiendo Aprendizajes y Propuestas: La Integración de la Inteligencia Artificial Generativa en la Optimización del Diseño Curricular, la Enseñanza y la Evaluación de Aprendizajes en la Educación Superior | más allá de la HISTORIA…