Evaluar en tiempos de IA: claves para repensar nuestras prácticas

2.1. Estrategias para diseñar consignas de evaluación en tiempos de IA

Repensar la evaluación en el contexto actual requiere revisar qué proponemos a nuestros estudiantes y qué aprendizajes esperamos reconocer a través de sus producciones. No se trata simplemente de agregar restricciones para impedir el uso de inteligencia artificial, sino de diseñar actividades que les permitan poner en juego sus conocimientos, desarrollar criterios propios y asumir un papel activo frente a la información y las respuestas que estas herramientas generan.

Como señala Roxana Morduchowicz (como se citó en Dillon, 2025), la disponibilidad inmediata de información que ofrece la IA nos obliga a revisar el lugar que ocupa la recuperación de datos en las evaluaciones. Contar con información sigue siendo necesario, pero también necesitamos proponer actividades que requieran analizarla, relacionarla, seleccionar fuentes confiables, argumentar y tomar decisiones. En este sentido, el desafío está en diseñar consignas que permitan valorar qué hacen los estudiantes con la información a la que acceden.

A partir de estos planteos, podemos reconocer algunas estrategias para enriquecer nuestras propuestas de evaluación.

Diseñar consignas situadas y contextualizadas

Una primera estrategia consiste en situar los conocimientos en contextos específicos y proponer situaciones que requieran establecer relaciones entre los contenidos trabajados y problemas concretos. Podemos recuperar experiencias del grupo, debates desarrollados durante las clases, casos del territorio, situaciones propias del campo profesional o datos producidos por los estudiantes.

El propósito es que la actividad no pueda resolverse únicamente mediante la reproducción de una respuesta general, sino que requiera interpretar elementos particulares de una situación y utilizar los conocimientos disciplinares para abordarla.

Por ejemplo, en lugar de solicitar que los estudiantes definan un concepto, podemos presentar una situación problemática vinculada con su campo de formación y pedirles que la analicen, propongan alternativas y fundamenten sus decisiones. En este tipo de propuestas, el contexto no funciona como un elemento decorativo: sus características son relevantes para resolver la consigna.

Esta perspectiva se vincula con las evaluaciones auténticas que recupera Tarasow (2025), en las que los conocimientos se ponen en juego en situaciones significativas y próximas a los contextos reales de utilización.

Incorporar la IA como parte de la actividad evaluativa

Otra posibilidad consiste en integrar explícitamente la inteligencia artificial en las consignas. En lugar de considerar que su utilización invalida automáticamente una producción, podemos proponer actividades en las que los estudiantes deban interactuar con estas herramientas y demostrar su capacidad para analizar críticamente los resultados.

Una secuencia posible consiste en solicitar que utilicen una IA para elaborar una primera respuesta, identifiquen posibles errores o inconsistencias, contrasten la información con bibliografía y otras fuentes confiables, y finalmente construyan una nueva producción fundamentada.

El foco de la evaluación no estaría puesto únicamente en la respuesta generada, sino en las decisiones que toma el estudiante frente a ella: qué aportes recupera, cuáles descarta, cómo verifica la información y con qué argumentos justifica sus elecciones.

Paola Dellepiane destaca la importancia de diseñar tareas que permitan recuperar las distintas instancias del proceso, incluyendo las consultas realizadas a la IA, las modificaciones introducidas y las reflexiones sobre sus aportes y limitaciones. También señala la necesidad de trabajar la metacognición, la ética y la autoría en las producciones asistidas por estas tecnologías (como se citó en Dillon, 2025).

Promover la contrastación, la argumentación y el juicio reflexivo

Las consignas también pueden orientarse a que los estudiantes comparen perspectivas, analicen fuentes y fundamenten sus posiciones. No alcanza con solicitar una respuesta: necesitamos proponer situaciones en las que deban explicar por qué consideran válida una afirmación, qué evidencias la respaldan o qué limitaciones encuentran en una determinada interpretación.

Algunas posibilidades son:

• Comparar respuestas generadas por distintas herramientas de IA e identificar diferencias, errores o contradicciones.

• Analizar afirmaciones a partir de bibliografía, datos y fuentes de información diversas.

• Reconocer sesgos, omisiones o supuestos presentes en una respuesta.

• Defender una posición frente a un problema, utilizando argumentos y evidencias.

• Revisar una solución propuesta y justificar qué aspectos conservarían o modificarían.

Estas estrategias permiten evaluar la capacidad de discernir entre información confiable y no confiable, establecer relaciones y construir argumentos propios. Como plantea Morduchowicz, el estudiante también puede asumir el papel de evaluador de la información que produce la IA: su capacidad para analizarla y tomar decisiones se convierte en parte de aquello que el docente necesita valorar (como se citó en Dillon, 2025).

Hacer visible el proceso y diversificar las formas de demostrar los aprendizajes

Cuando las herramientas de IA pueden producir textos y respuestas formalmente elaborados, resulta importante ampliar la mirada más allá del producto final. Podemos recuperar evidencias que permitan comprender cómo se construyó una producción, qué decisiones se tomaron y cómo se fue transformando a lo largo del proceso.

Algunas alternativas son:

• Borradores, versiones y portafolios: permiten documentar avances, revisiones y transformaciones de una producción.

• Bitácoras y reflexiones metacognitivas: ayudan a que los estudiantes expliquen cómo resolvieron una actividad, qué dificultades encontraron y qué aportes de la IA recuperaron o descartaron.

• Debates y presentaciones orales: ofrecen oportunidades para fundamentar decisiones, responder preguntas y establecer relaciones entre conceptos.

• Simulaciones, proyectos y experiencias prácticas: permiten observar cómo se aplican los conocimientos en situaciones que requieren interpretar, resolver problemas y tomar decisiones.

• Observaciones y revisiones durante el proceso: permiten recuperar avances y ofrecer retroalimentación antes de llegar a una producción final.

No se trata de acumular evidencias ni de multiplicar las instancias de control, sino de seleccionar aquellas que aporten información relevante sobre los aprendizajes. En esta línea, Dellepiane (como se citó en Dillon, 2025) propone atender a las iteraciones, las decisiones y las reflexiones de los estudiantes, mientras que Tarasow (2025) destaca el valor de considerar el proceso y la observación, así como de diversificar las experiencias de evaluación.

Pensar evaluaciones que se fortalezcan con la IA

Las estrategias anteriores se relacionan con la perspectiva de las evaluaciones antifrágiles, propuesta por Tarasow (2025) a partir del concepto de antifragilidad desarrollado por Nassim Taleb (2012). Desde esta mirada, lo antifrágil no es aquello que simplemente resiste una situación de incertidumbre, sino aquello que puede fortalecerse a partir de ella.

Trasladada al campo educativo, esta perspectiva invita a diseñar evaluaciones que no solo eviten ser resueltas fácilmente por la IA, sino que puedan enriquecerse mediante su utilización. La herramienta puede aportar información, generar alternativas o producir una primera versión; el desafío consiste en que la actividad requiera que los estudiantes interpreten, contrasten, decidan, justifiquen y construyan una respuesta propia.

Esto supone dejar de pensar exclusivamente en cómo proteger una evaluación del uso de IA y comenzar a preguntarnos cómo diseñar experiencias que promuevan aprendizajes más profundos cuando estas tecnologías están disponibles.

En definitiva, no existe una única estrategia ni un formato de evaluación que resuelva todos los desafíos. Podemos combinar actividades situadas, instancias de producción, análisis de información, intercambios orales y tareas que incorporen explícitamente la IA. También podemos conservar evaluaciones individuales y momentos en los que resulte importante que los estudiantes recuperen y movilicen conocimientos sin asistencia tecnológica. La elección dependerá de qué aprendizajes buscamos promover y qué evidencias necesitamos para reconocerlos.

El desafío no consiste en encontrar consignas que la IA no pueda resolver, sino en construir propuestas en las que el aprendizaje no se reduzca a obtener una respuesta. Se trata de que los estudiantes puedan comprender, analizar, tomar decisiones y fundamentar sus producciones, incluso cuando cuentan con herramientas que pueden asistirlos en ese recorrido.