[responsivevoice_button buttontext="Escuchar la noticia" voice="Spanish

Latin American Female"]

Por Miranda Escolar

Un nuevo documento elaborado por el Stanford Accelerator for Learning y ETS advierte de que los exámenes y trabajos centrados exclusivamente en el resultado final pueden dejar de medir con precisión los conocimientos y competencias de los alumnos

Exámenes

La expansión de la inteligencia artificial generativa está obligando al sistema educativo a replantearse una de sus herramientas fundamentales: la evaluación. Un nuevo documento elaborado por el Stanford Accelerator for Learning, en colaboración con ETS, sostiene que los métodos tradicionales de evaluación pueden dejar de reflejar con precisión aquello que realmente sabe o sabe hacer un estudiante cuando herramientas de inteligencia artificial intervienen en la elaboración de ensayos, la resolución de problemas o la producción de trabajos académicos.

El informe, titulado Responsible Assessment in the AI Era: Key Insights from a Future-Focused Convening, plantea una hoja de ruta para investigadores, docentes, responsables educativos, desarrolladores tecnológicos y responsables políticos ante un escenario en el que la IA está modificando simultáneamente qué se aprende, cómo se aprende y cómo se demuestra ese aprendizaje. El documento es el resultado de un encuentro celebrado en Stanford a comienzos de 2026 que reunió a más de un centenar de especialistas de los ámbitos de la educación, la investigación, la tecnología y las políticas públicas.

La principal advertencia de Stanford es que evaluar únicamente el producto final puede resultar cada vez menos fiable. Un ensayo, una respuesta matemática, una presentación o un código pueden haber sido generados o significativamente modificados con ayuda de una herramienta de IA, lo que dificulta determinar qué parte del resultado corresponde realmente al conocimiento, razonamiento y capacidades del estudiante.

Esto no significa, según el planteamiento del documento, que la respuesta pase simplemente por prohibir la inteligencia artificial. El desafío consiste en diseñar sistemas de evaluación capaces de obtener evidencias más completas sobre el proceso de aprendizaje y sobre las competencias que se pretende medir. La IA, al mismo tiempo que introduce nuevos problemas, también proporciona herramientas para generar nuevas formas de recoger y analizar esas evidencias.

Del resultado final al proceso de aprendizaje

Una de las principales propuestas pasa por desplazar el centro de la evaluación desde el resultado aislado hacia un conjunto continuo de evidencias del aprendizaje. Stanford considera que aprender es un proceso progresivo y contextual y que, por tanto, su evaluación debería ser capaz de recoger la evolución del estudiante a lo largo del tiempo y en diferentes situaciones.

En este nuevo modelo cobran mayor importancia instrumentos como los portafolios, la retroalimentación formativa, las evaluaciones basadas en conversaciones, las tareas auténticas de desempeño y las demostraciones de competencias. Frente a un examen que ofrece una fotografía puntual del alumno, estas fórmulas permitirían obtener una visión más amplia de su evolución, de sus capacidades y de la forma en que utiliza sus conocimientos.

La transformación también afecta a qué competencias deben medirse. El documento plantea que la evaluación en la era de la IA debe prestar mayor atención a capacidades como el pensamiento crítico, la creatividad, la adaptación, el juicio ético, la colaboración y la alfabetización en inteligencia artificial.

La cuestión adquiere una dimensión especial porque algunas de estas competencias son precisamente aquellas que las herramientas de IA pueden complementar o, en determinados casos, llegar a ejecutar parcialmente. Si un estudiante puede recurrir a una IA para producir una respuesta, el reto educativo pasa a ser determinar qué sabe hacer por sí mismo, cómo utiliza la tecnología, cómo verifica sus resultados y qué decisiones toma durante el proceso.

La IA también puede transformar la evaluación

El documento de Stanford no presenta la inteligencia artificial únicamente como una amenaza para los sistemas de evaluación. También identifica en ella una oportunidad para desarrollar métodos capaces de obtener más evidencias, de manera más continua, personalizada y contextualizada.

Las tecnologías de IA pueden procesar grandes cantidades de información y facilitar nuevas formas de analizar el aprendizaje. Esto podría permitir que los sistemas educativos pasen de modelos centrados en una única prueba a sistemas que integren diferentes evidencias acumuladas durante el proceso educativo.

Pero Stanford introduce una condición fundamental: la incorporación de IA a la evaluación debe ir acompañada de responsabilidad, transparencia y supervisión humana. El uso de algoritmos para tomar decisiones educativas de alto impacto no puede descansar exclusivamente en sistemas automatizados cuyo funcionamiento o criterios resulten opacos.

La confianza, según el documento, depende de elementos como la validez de las evaluaciones, la equidad, la transparencia y una supervisión humana significativa. De ahí que la transformación de la evaluación no pueda quedar exclusivamente en manos de las empresas tecnológicas.

Stanford plantea precisamente una responsabilidad compartida entre los diferentes actores del sistema educativo. Profesores, investigadores, desarrolladores, responsables de las administraciones educativas y financiadores deben participar en el diseño de los nuevos modelos de evaluación.

El objetivo es evitar que la tecnología termine reproduciendo problemas que ya existían en los sistemas educativos tradicionales. El propio Stanford Accelerator for Learning advierte de que, sin un diseño cuidadoso, la tecnología puede acabar reproduciendo modelos centrados en la instrucción mecánica, ampliar las desigualdades o conceder demasiado peso a los resultados superficiales frente a la comprensión profunda.

El encuentro que dio origen al documento estuvo dirigido por Candace Thille, profesora asociada y directora de la iniciativa de aprendizaje de adultos y trabajadores del Stanford Accelerator for Learning. Thille explicó que el objetivo era reunir a especialistas de Stanford y ETS para analizar conjuntamente cómo puede utilizarse este momento de transformación tecnológica para mejorar la evaluación.

Durante el encuentro, la rectora de California State University, Millie Garcia, resumió uno de los principales problemas de los modelos tradicionales: una evaluación puede determinar si un estudiante ha llegado a la respuesta correcta, pero no necesariamente permite saber cómo ha llegado hasta ella. En un contexto educativo y laboral cada vez más digital y colaborativo, esa diferencia adquiere una importancia creciente.

El debate llega también al mundo laboral

La transformación no se limita a colegios y universidades. El documento extiende la reflexión a la formación profesional y al mercado de trabajo. En un entorno en el que la inteligencia artificial está modificando rápidamente las ocupaciones y las tareas, Stanford considera necesario evaluar las competencias que permitirán a los trabajadores desenvolverse en entornos cambiantes, en lugar de centrarse exclusivamente en las capacidades necesarias para desempeñar un puesto concreto en el presente.

Esto introduce una nueva dimensión en el concepto de evaluación: no se trata únicamente de comprobar lo que una persona sabe hoy, sino también de determinar si posee las capacidades necesarias para aprender, adaptarse y tomar decisiones en escenarios que todavía pueden estar cambiando.

El planteamiento de Stanford apunta, en definitiva, a una transformación que va mucho más allá de decidir si los estudiantes pueden o no utilizar ChatGPT u otras herramientas de inteligencia artificial para realizar sus tareas.

La pregunta fundamental pasa a ser qué queremos medir cuando evaluamos a un estudiante. Si la respuesta es exclusivamente su capacidad para producir un determinado resultado, las nuevas herramientas tecnológicas pueden dificultar la interpretación de ese resultado. Si, por el contrario, la evaluación pretende conocer cómo razona, cómo utiliza información, cómo resuelve problemas, cómo colabora, cómo crea y cómo toma decisiones, será necesario diseñar instrumentos capaces de observar esas capacidades.

El documento propone así abandonar progresivamente la idea de que una única prueba o un único producto pueden ofrecer una imagen completa del aprendizaje. La evaluación del futuro, según la hoja de ruta planteada por Stanford, deberá ser más continua, auténtica, contextual y basada en múltiples evidencias.

La llegada de la inteligencia artificial convierte de esta manera la evaluación en uno de los grandes debates educativos de los próximos años. La tecnología puede hacer más difícil saber quién ha producido una respuesta, pero también puede proporcionar nuevas herramientas para conocer cómo aprende una persona y qué competencias ha desarrollado. La cuestión decisiva será, por tanto, quién diseña esos nuevos sistemas, con qué criterios y hasta qué punto mantienen al ser humano como responsable último de las decisiones educativas.

Fuente: https://exitoeducativo.net/actualidad-directiva/tecnologia-educativa-1/es-el-momento-de-reinventar-la-evaluacion-de-los-estudiantes-ante-la-llegada-de-la-ia