En la actualidad, estamos atravesando una transición hacia una nueva era: la era de la Inteligencia Artificial (IA). Nos dirigimos hacia la singularidad tecnológica, un punto en el que la IA avanza tan rápidamente que el futuro se vuelve impredecible para los humanos. Este proceso nos acerca a la superinteligencia artificial, donde las IA’s serán autónomas y existirán científicos artificiales, lo que conlleva un cambio paradigmático en prácticamente todos los ámbitos de la sociedad, incluyendo aquellos que aún desconocemos.
En el pasado, pensar en una tecnología capaz de superar al ser humano en la gestión del conocimiento parecía una utopía. En mi caso, dudaba de esa posibilidad y solía argumentar que, si el ser humano es el creador de la máquina, esta no podría gestionar el conocimiento mejor que él; sin embargo, con el tiempo, he reconocido que estaba equivocado.
La Inteligencia Artificial existe gracias a la visión de algunos genios que, en su momento, fueron objeto de escepticismo e incluso burla por parte de su entorno, como es el caso de uno de los pioneros de la IA: Alan Turing, John McCarthy, Marvin Minsky, Jürgen Schmidhuber, entre otros. No obstante, su determinación ha dado frutos y, en la actualidad, nadie puede cuestionar la realidad de la IA, especialmente con la aparición de herramientas como ChatGPT de OpenAI, Gemini de Google, Copilot de Microsoft, Claude de Anthropic y, más recientemente, DeepSeek, entre muchas otras.
Este artículo se enfoca en un aspecto clave: la evaluación en la educación universitaria. La Inteligencia Artificial está transformando profundamente este ámbito, obligándonos a replantear el sistema evaluativo, tanto dentro como fuera del aula. La IA no solo plantea desafíos en la validación del aprendizaje, sino que también abre nuevas oportunidades para mejorar los métodos de enseñanza y evaluación en la educación superior.
Las preguntas de rigor son:
- ¿Hoy podemos evaluar cómo lo hacíamos hace 2 o 3 años atrás? La respuesta es evidente: “No”.
- ¿Cómo se debe evaluar en la actualidad? Esa pregunta no es sencilla y trataré, en función del contexto universitario, dar algunas sugerencias.
Evaluaciones basadas en proyectos
En lugar de preguntas planas, asignar proyectos prácticos que requieran investigación, análisis y aplicación de conocimientos puntuales, no genéricos.
- Ejemplo: en lugar de preguntar "¿Qué es el ancho de banda?", se debe pedir a los estudiantes que desarrollen un informe que demuestre su comprensión del ancho de banda y adjunten un esquema.
- Ventaja: la IA puede ayudar, pero no puede reemplazar la creatividad y el esfuerzo personal en un informe bien diseñado.
Evaluaciones orales o defensas
Realizar exámenes orales donde los estudiantes expliquen sus respuestas o defiendan sus argumentos.
- Ejemplo: después de entregar un trabajo escrito, programar una sesión donde el estudiante explique su proceso de pensamiento y responda preguntas específicas.
- Ventaja: esto asegura que el estudiante comprenda el contenido y no solo copie y pegue de una IA.
Preguntas contextualizadas y personalizadas
Diseñar preguntas que estén relacionadas con el contexto específico de su curso o que requieran aplicar conocimientos a situaciones únicas.
- Ejemplo: en lugar de preguntar "Qué es una integral definida", pedir “que se calcule el área bajo la curva de una función elaborada con las temperaturas diarias registrada en Tarapoto en el año 2024, y, luego, interpretar los resultados”.
- Ventaja: la IA puede generar respuestas genéricas, pero le cuesta adaptarse a contextos específicos que no están en sus datos de entrenamiento.
Enfoque en el proceso, no solo en el resultado
Evaluar no solo la respuesta final, sino también el proceso que siguió el estudiante para llegar a ella.
- Ejemplo: pedir a los estudiantes que documenten sus fuentes, pasos y reflexiones mientras resuelven un problema.
- Ventaja: esto fomenta la autenticidad y hace más difícil depender exclusivamente de la IA.
Evaluaciones colaborativas y en equipo
Diseñar actividades donde los estudiantes trabajen en equipo y se evalúen mutuamente.
- Ejemplo: asignar proyectos en equipo donde cada miembro tenga un rol específico y deban presentar su trabajo en conjunto.
- Ventaja: la colaboración reduce la dependencia de la IA y fomenta habilidades sociales y de comunicación.
Fomentar el uso ético de la IA
En lugar de prohibir la IA, debemos enseñarles a usarla de manera ética y como una herramienta de apoyo.
- Ejemplo: permitir que los estudiantes usen IA para generar ideas o borradores, pero se debe exigir que justifiquen y personalicen su trabajo final.
- Ventaja: esto prepara a los estudiantes para un mundo donde la IA es omnipresente.
Reflexión y autoevaluación
Pedir a los estudiantes que reflexionen sobre su aprendizaje y evalúen su propio desempeño.
- Ejemplo: después de una actividad o una sesión de clase, hay que pedir que escriban un ensayo sobre lo que aprendieron, los desafíos que enfrentaron y cómo los superaron.
- Ventaja: la reflexión personal es difícil de generar con IA y fomenta la metacognición.
Conclusión
La clave es diseñar evaluaciones que vayan más allá de la memorización o la generación de respuestas simples; al enfocarse en habilidades como el pensamiento crítico, la creatividad y la aplicación práctica, no solo se evita el uso indebido de la IA, sino que también prepara mejor a sus estudiantes para los desafíos del mundo real. ¡Además, puedes aprovechar la IA como una herramienta de enseñanza en lugar de verla como un obstáculo!