Edita la CEIDE guías de uso de la IA Generativa en la evaluación docente

La UNAM creó unas Guías de Uso de Inteligencia Artificial Generativa en Evaluación Educativa que ayudan a enfrentar el reto que esa tecnología representa en el proceso de enseñanza-aprendizaje y su posterior análisis y calificación.

Se trata de tres documentos orientadores dirigidos a estudiantes y docentes de bachillerato, licenciatura y posgrado desarrollados por la Coordinación de Evaluación, Innovación y Desarrollo Educativos (CEIDE), en un trabajo colectivo que reunió a especialistas de esos tres niveles de estudio.

A diferencia de la IA tradicional que clasifica o analiza datos, la IA generativa crea contenido (texto, imágenes, música o video) a partir de patrones aprendidos de datos existentes, lo que dificulta discernir si un trabajo es original o creado por esta tecnología.

“No estamos frente a una herramienta más o una moda tecnológica pasajera, sino ante una transformación que toca el corazón mismo de la vida universitaria porque modifica la forma en que accedemos a la información, producimos textos, resolvemos problemas, construimos argumentos, damos retroalimentación, diseñamos tareas y, sobre todo, inferimos si la persona aprendió o no”, planteó Melchor Sánchez Mendiola, titular de la CEIDE.

Durante la presentación en línea de estos materiales, explicó que las guías no parten de la pregunta limitada de si debe permitirse o no la IA generativa, sino de una más amplia y fértil que plantea cómo podemos utilizarla, regularla, enseñarla y evaluarla de manera que fortalezca el aprendizaje sin debilitar la autonomía intelectual, la integridad académica ni el juicio profesional docente.

Sánchez Mendiola detalló que la guía de bachillerato plantea que la IA generativa debe integrarse con sentido pedagógico y bajo principios de equidad, transparencia, integridad y validez; la de licenciatura insiste en que la tecnología debe estar subordinada a los objetivos formativos, y la de posgrado enfatiza que su uso debe contribuir a la formación especializada, la investigación y la creación de conocimiento sin sustituir las tareas analíticas y creativas propias de ese nivel.

Aclaró que estos materiales son un marco de orientación para una práctica educativa en transición en la historia de la evaluación educativa. “Muchas innovaciones han prometido hacer más rápida, objetiva y eficiente la valoración del aprendizaje, pero la evaluación no es solamente medición, es también interpretación, diálogo, acompañamiento, juicio situado y toma de decisiones.

“Un acierto de las guías es recordar que la IA puede apoyar distintas fases del proceso evaluativo pero no debe apropiarse de él, puede ayudar a generar versiones de reactivos de opción múltiple, sugerir rúbricas, identificar patrones de desempeño o producir retroalimentación preliminar, pero la responsabilidad de decidir qué vale como evidencia de aprendizaje sigue y debe seguir siendo humana, académica e institucional”.

Añadió que esto es particularmente relevante porque la evaluación ha sido históricamente una de las zonas más sensibles del proceso educativo, pues lo que evaluamos manda un mensaje muy claro al estudiantado de qué se evalúa.

“Si las evaluaciones premian únicamente la reproducción de información, no nos sorprenda que la IA nos ponga en crisis en nuestro modelo tradicional; si por el contrario nuestras evaluaciones demandan interpretación, argumentación, transferencia, juicio crítico, explicación oral, reflexión metacognitiva y aplicación situada del conocimiento, entonces la IA no destruye la evaluación sino que nos obliga a mejorarla. Estas guías recuerdan que el problema no es sólo tecnológico sino profundamente pedagógico”, resaltó.

Sánchez Mendiola subrayó que las guías superan a la evaluación como una simple calificación y colocan a las y los estudiantes en una posición activa, reflexiva y autorregulada, con mayores controles de validez, autenticidad e integridad.

Las guías pueden consultarse de manera gratuita en el sitio: https://www.ceide. unam.mx/index.php/informes/#CEE