Evaluar en tiempos de IA: claves para repensar nuestras prácticas
| Site: | Aula Abierta - Facultad de Ingeniería |
| Course: | Taller de diseño tecnopedagógico con Moodle y asistencia de IA |
| Book: | Evaluar en tiempos de IA: claves para repensar nuestras prácticas |
| Printed by: | Invitado |
| Date: | Thursday, 12 November 2026, 12:28 PM |
Description
En este libro encontrarás algunos aportes y orientaciones para repensar las prácticas de evaluación en el contexto actual, atravesado por la inteligencia artificial generativa. Los contenidos que aquí se presentan nos servirán como punto de partida para revisar nuestras decisiones pedagógicas y fundamentar el diseño y la configuración de los recursos de evaluación que abordaremos en este taller.
1. Evaluar en un nuevo escenario: ¿qué necesitamos revisar?
La incorporación de herramientas de inteligencia artificial generativa en los procesos de enseñanza y aprendizaje nos enfrenta a nuevos interrogantes sobre nuestras prácticas de evaluación. Hoy los estudiantes pueden recurrir a estas tecnologías para buscar información, responder preguntas, resolver problemas, elaborar producciones y desarrollar diferentes actividades académicas.
Esta disponibilidad modifica las condiciones en las que se realizan las tareas y evaluaciones. Actividades que tradicionalmente permitían reconocer determinados conocimientos o habilidades pueden resolverse ahora con asistencia de herramientas capaces de generar respuestas en pocos segundos.
Ante este escenario, una de las preocupaciones más frecuentes entre los docentes es cómo reconocer qué aprendizajes construyeron realmente los estudiantes y cómo obtener evidencias que permitan valorar sus conocimientos y capacidades. Aparecen así interrogantes sobre la autoría de las producciones, la confiabilidad de las respuestas y la posibilidad de que los estudiantes deleguen en la IA tareas que antes requerían de su propia elaboración.
Una de las perspectivas que permite ampliar esta discusión aparece en el artículo La IA no está haciendo trampa, el problema está en cómo evaluamos, publicado en La Silla Vacía.
El planteo propone desplazar la atención desde la herramienta hacia el aprendizaje y desde la sospecha hacia la responsabilidad del estudiante. Esta perspectiva introduce una distinción importante: el uso de IA no nos dice, por sí mismo, qué aprendió un estudiante ni cuánto comprendió. Para reconocerlo necesitamos diseñar situaciones que permitan observar sus decisiones, sus razonamientos y su capacidad para fundamentar lo que produce.
El artículo plantea:
Más que saber si alguien utilizó inteligencia artificial, deberíamos preguntarnos para qué la utilizó, qué decisiones tomó durante el proceso, qué parte de su trabajo intelectual delegó, qué información verificó y qué puede explicar y defender después de haberla usado.
Esta mirada no supone aceptar cualquier utilización de IA ni dejar de establecer criterios sobre su uso. Por el contrario, implica enseñar a utilizarla responsablemente y generar condiciones para que los estudiantes puedan dar cuenta de sus producciones.
En la nota Saquen una hoja: por el uso de la IA, cada vez más docentes vuelven al examen escrito, publicada por la Universidad de San Andrés, se recuperan distintas perspectivas sobre las transformaciones de las prácticas evaluativas.
Entre ellas, se destaca el planteo de Carina Lion acerca de la importancia de combinar diferentes instrumentos: evaluaciones escritas, instancias orales y alternativas que incorporen IA. Esta combinación permite ampliar las evidencias disponibles y evitar que toda la valoración de los aprendizajes dependa de un único instrumento.
En la misma publicación, Roxana Morduchowicz pone el foco en el diseño de las consignas y en la necesidad de revisar el lugar que ocupan la información y la memoria en la enseñanza.
Los estudiantes necesitan contar con información para orientar la resolución de problemas y la toma de decisiones, pero esa no puede ser la única dimensión considerada al diseñar las evaluaciones, especialmente cuando la IA puede proporcionar información rápidamente.
Estos aportes nos permiten reconocer que no se trata de abandonar los instrumentos que utilizamos habitualmente, sino de revisar cómo los diseñamos, qué posibilidades ofrecen y qué aprendizajes permiten poner en juego.
Podemos continuar utilizando cuestionarios, tareas, foros y otras actividades de evaluación, pero necesitamos preguntarnos qué tipo de preguntas formulamos, qué situaciones proponemos y qué lugar damos a la argumentación, la interpretación, la resolución de problemas y la reflexión sobre los propios procesos.
En los siguientes capítulos nos detendremos en algunos de los desafíos que plantea este escenario, recuperando aportes y perspectivas que nos permitan revisar nuestras prácticas evaluativas. A partir de estas reflexiones, exploraremos distintas posibilidades para diseñar propuestas de evaluación que, en un contexto atravesado por la inteligencia artificial, permitan reconocer, acompañar y valorar los aprendizajes de los estudiantes.
2. Rediseñar las preguntas: ¿qué tipo de consignas necesitamos?
Una de las primeras decisiones que intervienen en el diseño de una evaluación es la formulación de las consignas. A través de ellas definimos qué les pedimos hacer a los estudiantes, qué conocimientos necesitan recuperar y qué procesos de pensamiento deberán poner en juego para resolver una actividad.
En un escenario en el que la inteligencia artificial generativa puede producir respuestas, resumir información, explicar conceptos y resolver diferentes tipos de ejercicios, resulta necesario revisar qué tipo de preguntas estamos formulando y qué aprendizajes permiten reconocer.
La disponibilidad de IA nos invita, a ampliar las posibilidades del diseño de las consignas: pasar de preguntas que solicitan reproducir información a propuestas que requieren interpretar situaciones, relacionar conceptos, contrastar perspectivas, resolver problemas y fundamentar decisiones.
En este sentido, resulta pertinente recuperar los aportes de Roxana Morduchowicz, quien, en la nota Saquen una hoja: por el uso de la IA, cada vez más docentes vuelven al examen escrito, plantea la necesidad de revisar el lugar que ocupan la información y la memoria en la enseñanza. Contar con información sigue siendo indispensable para resolver problemas y tomar decisiones, pero no puede constituir la única dimensión considerada al diseñar las evaluaciones cuando las herramientas de IA pueden proporcionar respuestas rápidamente.
La pregunta ya no es solamente qué información puede recuperar el estudiante, sino qué puede hacer con ella, cómo la interpreta y qué decisiones puede fundamentar.
A continuación, exploraremos estrategias que nos permitirán revisar el diseño de nuestras consignas y reconocer otras posibilidades para evaluar los aprendizajes en tiempos de IA.
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.
3. ¿Qué aprendizajes necesitamos promover?
Si las herramientas de inteligencia artificial pueden generar textos, resumir información, explicar conceptos, resolver ejercicios y producir diferentes materiales, necesitamos preguntarnos qué capacidades queremos fortalecer en los estudiantes para que puedan desenvolverse de manera crítica y responsable en este escenario.
La disponibilidad de estas tecnologías nos invita a revisar las prioridades de la enseñanza y, particularmente, aquello que esperamos que los estudiantes puedan hacer con los conocimientos que construyen. No se trata de dejar de enseñar contenidos disciplinares ni de restar importancia a la información y la memoria, sino de reconocer que estos conocimientos necesitan ponerse en juego en situaciones que requieran interpretación, análisis, aplicación y toma de decisiones.
En este sentido, los aportes recuperados sobre evaluación en tiempos de IA coinciden en la importancia de promover experiencias que permitan ir más allá de la reproducción de respuestas. Necesitamos generar oportunidades para que los estudiantes puedan cuestionar información, reconocer limitaciones, reflexionar sobre sus propios procesos y asumir la responsabilidad por las decisiones que toman.
La pregunta, entonces, no es solamente qué contenidos deben aprender, sino también qué capacidades necesitan desarrollar para utilizar esos conocimientos en escenarios donde la información está ampliamente disponible y puede ser generada automáticamente.
El desafío es formar estudiantes que no solamente puedan obtener respuestas, sino que sepan analizarlas, cuestionarlas, tomar decisiones y fundamentar sus propias producciones.
A continuación, presentamos capacidades que adquieren especial relevancia y que podemos considerar al momento de diseñar nuestras propuestas de evaluación.
3.1. Criterio técnico y pensamiento crítico
La posibilidad de acceder rápidamente a respuestas generadas por inteligencia artificial vuelve especialmente importante desarrollar la capacidad de analizarlas y valorarlas críticamente.
Las herramientas de IA pueden ofrecer explicaciones bien estructuradas y respuestas aparentemente convincentes. Sin embargo, también pueden producir información incorrecta, presentar afirmaciones sin fundamento, reproducir sesgos o brindar respuestas que no resultan pertinentes para el contexto en el que se las utiliza.
Por eso, no alcanza con que los estudiantes sepan utilizar estas herramientas o formular instrucciones adecuadas. Necesitan desarrollar criterios para analizar sus resultados, reconocer sus limitaciones y decidir cuándo una respuesta puede ser recuperada, cuándo requiere modificaciones y cuándo debe ser descartada.
El pensamiento crítico supone poner en cuestión la información disponible, contrastar diferentes fuentes, identificar inconsistencias y construir valoraciones fundamentadas. En este escenario, adquiere especial relevancia la capacidad de no aceptar automáticamente aquello que una herramienta presenta como verdadero.
¿Qué implica desarrollar esta capacidad?
Reconocer posibles errores y evitar aceptar respuestas sin analizarlas.
Verificar los datos y argumentos mediante fuentes confiables.
Reconocer limitaciones, perspectivas parciales y posibles sesgos.
Decidir cuándo una respuesta resulta adecuada y cuándo necesita revisarse.
¿Cómo podemos promoverlo desde la evaluación?
Podemos diseñar actividades que requieran analizar información, comparar respuestas, identificar errores o fundamentar por qué una determinada explicación resulta más adecuada que otra.
Se presenta a los estudiantes una respuesta generada por IA sobre un contenido del espacio curricular. La producción incluye algunas afirmaciones incorrectas y otras que requieren mayor fundamentación.
Consigna:
- Identificá las afirmaciones que considerás problemáticas.
- Contrastá la información con los materiales de la asignatura.
- Explicá qué errores, omisiones o inconsistencias encontraste.
- Elaborá una versión corregida y fundamentá las modificaciones.
En este tipo de actividades, la evaluación no se concentra en la respuesta que produce la IA, sino en la capacidad del estudiante para analizarla, verificarla y construir una posición fundamentada.
Utilizar IA no equivale a pensar críticamente. El desafío está en desarrollar criterios para analizar sus respuestas y decidir qué hacer con ellas.
3.2. Metacognición
Otro aprendizaje fundamental en este escenario es la capacidad de reflexionar sobre el propio proceso de aprendizaje. La metacognición permite reconocer cómo pensamos, qué estrategias utilizamos, qué dificultades encontramos y qué decisiones tomamos para avanzar en la resolución de una actividad.
Cuando una herramienta de IA puede proporcionar respuestas rápidamente, resulta especialmente importante que los estudiantes puedan reconocer cómo llegaron a una conclusión y qué parte de ese recorrido corresponde a sus propios razonamientos.
No se trata solamente de obtener un resultado correcto, sino de poder explicar cómo se construyó, qué conocimientos se recuperaron, qué dificultades aparecieron y qué modificaciones fueron necesarias durante el proceso. El propósito no es controlar cada interacción ni exigir que los estudiantes presenten extensos registros de conversaciones, sino promover una reflexión fundamentada sobre el uso realizado.
En las experiencias de evaluación, la metacognición puede promoverse mediante instancias de autoevaluación, registros de trabajo, bitácoras, explicaciones de procedimientos y reflexiones sobre las decisiones tomadas.
Preguntas para reflexionar sobre el propio aprendizaje
¿Cómo llegué a esta respuesta?
¿Qué conocimientos utilicé?
¿Qué parte de mi razonamiento necesito revisar?
¿Qué aportes de la IA me ayudaron y cuáles no?
¿Qué aprendí durante el proceso?
¿Cómo podemos promoverla desde la evaluación?
Podemos incorporar momentos en los que los estudiantes deban detenerse a revisar sus procedimientos, registrar sus decisiones y explicar qué aprendieron durante el desarrollo de una actividad.
Bitácora de decisiones
Al finalizar una actividad, solicitar una breve bitácora en la que cada estudiante registre dos o tres decisiones importantes de su proceso.
Por ejemplo, se puede consultar sobre:
- ¿Qué estrategia utilizaste para resolver la actividad?
- ¿Qué dificultades encontraste?
- ¿Qué decisiones modificaste durante el proceso?
- Si utilizaste IA, ¿qué aportes recuperaste y cuáles descartaste?
- ¿Qué aprendiste que no habías comprendido inicialmente?
Este tipo de propuestas permite recuperar información que difícilmente aparece en una producción final: los razonamientos, las dificultades, las revisiones y la toma de conciencia sobre el propio aprendizaje.
La metacognición permite que los estudiantes no solamente produzcan una respuesta, sino que puedan reconocer y explicar cómo llegaron a ella.
3.3. Autonomía y autoría intelectual
La disponibilidad de herramientas capaces de generar textos, resolver problemas y producir diferentes materiales nos invita a reflexionar sobre el lugar que ocupa el estudiante en la construcción de sus propias producciones.
La autonomía se relaciona con la capacidad de tomar decisiones, orientar las propias acciones y asumir responsabilidad sobre ellas. En el contexto de la IA, implica que el estudiante pueda decidir cuándo recurrir a una herramienta, para qué utilizarla, qué aportes recuperar y qué modificaciones realizar.
La autoría intelectual, por su parte, no se limita a determinar quién escribió cada palabra de una producción. También requiere reconocer quién tomó las decisiones que orientaron su elaboración, qué conocimientos se pusieron en juego y quién puede fundamentar las ideas y conclusiones presentadas.
Por eso, cuando se utiliza IA, no alcanza con declarar que se recurrió a una herramienta. Es necesario poder explicar qué se le solicitó, qué aportes se recuperaron, qué modificaciones se realizaron y por qué.
¿Qué supone desarrollar agencia y autoría intelectual?
Definir cuándo y para qué utilizar una herramienta.
Reconocer las propias ideas y responsabilidades sobre el trabajo realizado.
Evaluar los aportes de IA y decidir qué modificar.
Explicar y defender las ideas y elecciones realizadas.
¿Cómo podemos promoverla desde la evaluación?
Podemos diseñar actividades en las que los estudiantes deban explicar las decisiones que tomaron durante la elaboración de una producción, identificar qué aportes externos recuperaron y fundamentar las modificaciones realizadas.
Las decisiones detrás de mi producción
Se solicita al estudiante elaborar una producción sobre un problema de la asignatura. Puede utilizar IA como apoyo, siempre que pueda dar cuenta de las decisiones tomadas.
Consigna:
- Presentá tu producción final.
- Explicá qué herramientas utilizaste durante su elaboración.
- Identificá qué aportes de IA recuperaste, modificaste o descartaste.
- Justificá las decisiones más importantes que tomaste.
- Explicá qué conocimientos podés reconocer como propios en el resultado presentado.
De esta manera, la evaluación permite observar el grado de implicación del estudiante en su producción y su capacidad para asumir responsabilidad sobre las decisiones tomadas.
La IA puede colaborar en la elaboración de una producción, pero no sustituye la responsabilidad del estudiante de comprender, decidir y fundamentar aquello que presenta.
3.4. Resolución de problemas en contextos inciertos
Otra capacidad que adquiere especial relevancia es la resolución de problemas en contextos complejos, ambiguos o inciertos. En muchas situaciones reales no existe una única respuesta correcta ni un procedimiento que pueda aplicarse de manera automática.
La resolución de problemas supone interpretar escenarios, reconocer variables, analizar alternativas, anticipar consecuencias y fundamentar decisiones. Requiere recuperar conocimientos disciplinares, pero también utilizarlos de manera flexible frente a situaciones que pueden presentar información incompleta o diferentes posibilidades de abordaje.
En este escenario, la inteligencia artificial puede ofrecer alternativas, sugerir procedimientos y presentar posibles soluciones. Sin embargo, corresponde al estudiante analizar si esas respuestas resultan pertinentes para la situación, reconocer sus limitaciones y decidir cómo actuar.
El aprendizaje no se reduce, entonces, a identificar una respuesta correcta, sino a desarrollar la capacidad de abordar problemas, evaluar alternativas y justificar las decisiones adoptadas.
¿Qué implica resolver problemas en contextos inciertos?
Comprender la situación y reconocer qué información resulta relevante.
Identificar factores, condiciones y relaciones que intervienen en el problema.
Comparar posibles soluciones y anticipar sus consecuencias.
Explicar por qué se considera pertinente una determinada alternativa.
¿Cómo podemos promoverla desde la evaluación?
Podemos proponer situaciones problemáticas abiertas, casos con información incompleta o escenarios en los que existan diferentes alternativas de resolución. La actividad puede requerir que los estudiantes analicen las condiciones del problema, comparen posibles respuestas y fundamenten la decisión adoptada.
No hay una única solución
Se presenta una situación problemática vinculada con el campo disciplinar. El caso incluye información parcial y diferentes condiciones que deben ser consideradas antes de tomar una decisión.
Consigna:
- Analiza la situación e identifica los principales problemas.
- Reconoce qué información necesitas y qué aspectos permanecen inciertos.
- Propone al menos dos alternativas de resolución.
- Compara sus ventajas y limitaciones.
- Selecciona una alternativa y fundamenta tu decisión.
- Si utilizaste IA, explica qué alternativas te aportó y cómo evaluaste su pertinencia.
En estas propuestas, la evaluación permite reconocer cómo los estudiantes utilizan sus conocimientos frente a situaciones que no ofrecen respuestas inmediatas. También permite valorar la capacidad de justificar decisiones y revisar alternativas cuando las condiciones del problema cambian.
4. Integrar la IA en las experiencias de evaluación
A lo largo de los capítulos anteriores hemos abordado distintos desafíos que la inteligencia artificial generativa plantea a nuestras prácticas de evaluación: revisar las consignas, reconocer qué aprendizajes necesitamos promover, hacer visible el proceso y ampliar las formas de demostrar lo aprendido. Estas reflexiones nos llevan a una decisión que atraviesa todo el diseño de una propuesta evaluativa: ¿qué lugar tendrá la IA en la experiencia que queremos construir?
No existe una única respuesta. La posibilidad de utilizar estas herramientas dependerá de los objetivos de aprendizaje, de los conocimientos que esperamos que los estudiantes construyan y de las capacidades que necesitamos evaluar. En algunas instancias será importante que puedan demostrar determinados conocimientos y habilidades sin asistencia tecnológica; en otras, la IA podrá incorporarse como parte de la actividad, ofreciendo oportunidades para analizar información, explorar alternativas, elaborar producciones o resolver problemas.
Por eso, más que establecer una autorización o prohibición general, necesitamos definir qué papel puede cumplir la IA en cada experiencia de evaluación y qué esperamos que hagan los estudiantes frente a sus resultados.
Definir el lugar de la IA en la evaluación
Podemos reconocer diferentes formas de incorporar estas herramientas en las actividades:
-
IA como objeto de análisis: los estudiantes examinan respuestas, producciones o recomendaciones generadas por IA, identificando errores, sesgos, omisiones o limitaciones.
-
IA como herramienta de producción: se utiliza para generar, organizar o transformar materiales que luego deben ser revisados y validados.
-
IA como copiloto: se incorpora como apoyo para explorar alternativas, formular preguntas, revisar ideas y enriquecer el proceso de resolución.
-
IA como interlocutora: se utiliza para sostener intercambios que permitan profundizar explicaciones, explorar perspectivas o poner a prueba argumentos.
Estas posibilidades no son excluyentes y pueden combinarse en una misma actividad. Lo importante es que su incorporación responda a una intención pedagógica y que el estudiante tenga claridad sobre qué se espera de su participación.
Una escala para orientar los acuerdos de uso
Para avanzar en esta decisión, Fabio Tarasow (2025) recupera la Escala de Uso de la IA en la Evaluación, desarrollada por Perkins, Furze, Roe y MacVaugh (2024). Se trata de un marco que permite organizar distintos niveles de interacción con estas tecnologías, desde su no utilización hasta su integración plena en experiencias de exploración.
La escala no funciona como un manual rígido ni establece una clasificación universal de las actividades. Ofrece, más bien, un punto de partida para que docentes y estudiantes puedan acordar qué usos están habilitados, cuáles son sus alcances y qué responsabilidades implica cada uno.
Los cinco niveles que propone son:
Nivel 1. Sin IA
La actividad se realiza sin asistencia de inteligencia artificial. Se busca que los estudiantes demuestren sus conocimientos, comprensión y habilidades de manera independiente, por ejemplo, en una instancia en la que necesitamos observar el dominio de determinados procedimientos o conceptos fundamentales.
Nivel 2. Planificación con IA
La IA puede utilizarse en instancias previas para explorar ideas, realizar una lluvia de ideas, organizar información o elaborar esquemas iniciales. Sin embargo, el desarrollo y la producción final deben mostrar el trabajo independiente del estudiante sobre esos aportes.
Nivel 3. Colaboración con IA
La herramienta puede intervenir durante la realización de la tarea: generar ideas, colaborar en la redacción, ofrecer retroalimentación o ayudar a revisar una producción. Se espera que el estudiante analice críticamente sus sugerencias, las modifique y justifique las decisiones que toma.
Nivel 4. IA completa
Se habilita un uso amplio de la IA en los distintos momentos de la tarea. El estudiante puede recurrir a ella para desarrollar diferentes componentes de la actividad, pero debe orientar su utilización hacia los objetivos propuestos y demostrar capacidad para dirigir, evaluar y revisar los resultados.
Nivel 5. Exploración con IA
La IA se integra de manera creativa en la resolución de problemas, la generación de perspectivas y el desarrollo de soluciones innovadoras. Incluso puede contemplarse el codiseño de experiencias de evaluación entre docentes y estudiantes para explorar nuevas aplicaciones dentro de un campo de conocimiento.
Esta escala nos permite advertir que el uso de IA no es una cuestión de todo o nada. Podemos habilitarla en determinados momentos, para ciertas tareas o con diferentes grados de intervención. La decisión dependerá de qué necesitamos evaluar y de qué oportunidades queremos ofrecer para que los estudiantes construyan y demuestren sus aprendizajes.
Orientar el uso: transparencia, verificación y responsabilidad
Una vez definido el lugar de la IA, necesitamos comunicar con claridad las condiciones de uso. No alcanza con indicar que está permitido o prohibido recurrir a estas herramientas: es importante explicitar para qué pueden utilizarse, en qué momentos, qué tipo de intervención se espera y cómo deben reconocerse sus aportes.
La transparencia constituye un punto de partida para que los estudiantes puedan explicar cómo utilizaron la IA, qué consultas realizaron y qué decisiones tomaron a partir de las respuestas obtenidas. Sin embargo, declarar su uso no es suficiente. También necesitamos promover la verificación de la información, el contraste con fuentes confiables y la revisión crítica de los resultados.
Podemos incorporar preguntas que ayuden a orientar esa reflexión:
-
¿La información generada es correcta y pertinente para el problema que se está abordando?
-
¿Qué fuentes permiten verificar las afirmaciones de la herramienta?
-
¿Qué aspectos de la respuesta se recuperaron, modificaron o descartaron?
-
¿Qué decisiones tomó el estudiante durante el proceso?
-
¿Puede explicar y fundamentar la producción que presenta?
Estas preguntas permiten desplazar el foco desde la mera declaración del uso de IA hacia la comprensión de cómo intervino en el trabajo y qué hizo el estudiante con sus aportes.
Diseñar evidencias que permitan reconocer los aprendizajes
Definir el lugar de la IA también implica revisar qué evidencias necesitamos recuperar para valorar los aprendizajes. Si nos concentramos exclusivamente en el producto final, podemos perder de vista decisiones, razonamientos y procesos que resultan fundamentales para comprender qué aprendió el estudiante.
Algunas estrategias permiten ampliar esa mirada:
-
Registrar el proceso: incorporar bitácoras breves, versiones preliminares, revisiones y reflexiones sobre las interacciones con IA. No se trata de acumular capturas o registros, sino de seleccionar evidencias que permitan comprender cómo se construyó una producción y qué decisiones se tomaron.
-
Incorporar instancias de intercambio oral: proponer entrevistas breves, defensas de decisiones, explicaciones del procedimiento seguido o debates. Estas instancias permiten que los estudiantes fundamenten sus respuestas, establezcan relaciones entre conceptos y expliciten sus razonamientos.
-
Diseñar actividades situadas: recuperar problemas reales, datos locales, casos de la comunidad o situaciones propias del campo profesional. La contextualización requiere interpretar las particularidades de cada situación y utilizar los conocimientos para construir respuestas pertinentes.
-
Diversificar los formatos de producción: considerar videos, podcasts, infografías, presentaciones digitales o narrativas multimedia, siempre que el formato elegido sea coherente con los objetivos de aprendizaje y permita reconocer las capacidades que buscamos evaluar.
-
Explicitar los criterios de evaluación: utilizar rúbricas o guías de evaluación que contemplen tanto la calidad de la producción como los procesos y las decisiones involucradas. Según la propuesta, podemos valorar la profundidad del análisis, la fundamentación, la contextualización, la verificación de información y el uso crítico y responsable de la IA.
Estas estrategias no necesitan incorporarse todas en una misma actividad. Su selección dependerá de las características de la propuesta y de las evidencias que realmente necesitamos para valorar los aprendizajes. Tampoco se trata de multiplicar las instancias de control, sino de construir formas de seguimiento que aporten información significativa y permitan acompañar el proceso.
Una decisión pedagógica que atraviesa toda la evaluación
Las decisiones sobre el uso de IA no deberían tomarse de manera aislada ni quedar reducidas a una indicación al final de una consigna. Forman parte del diseño de la experiencia evaluativa: se relacionan con los aprendizajes esperados, las actividades propuestas, las evidencias que vamos a recuperar y los criterios con los que valoraremos las producciones.
En este sentido, la escala recuperada por Tarasow (2025) puede convertirse en una herramienta para abrir el diálogo con los estudiantes y construir acuerdos. Explicitar qué usos se habilitan y por qué permite que comprendan las expectativas de la actividad y asuman una participación responsable en su propio proceso de aprendizaje.
A su vez, las estrategias desarrolladas a lo largo de este libro nos invitan a pensar evaluaciones que no se limiten a resistir la presencia de estas tecnologías, sino que puedan enriquecerse a partir de ella. Esto supone diseñar propuestas que recuperen el contexto, hagan visibles los procesos, promuevan la reflexión y permitan reconocer la capacidad de los estudiantes para analizar información, tomar decisiones y fundamentar sus producciones.
En definitiva, integrar la IA en la evaluación no significa incorporarla en todas las actividades ni delegar en ella decisiones pedagógicas. Significa definir con intención qué lugar puede ocupar, qué aprendizajes queremos promover y qué condiciones necesitamos construir para que su utilización contribuya a experiencias de evaluación más significativas.
5. Referencias bibliográficas
Méndez-Romero, R. A. (2026). La IA no está haciendo trampa, el problema está en cómo evaluamos. La Silla Vacía. https://www.lasillavacia.com/red-de-expertos/red-de-la-educacion/la-ia-no-esta-haciendo-trampa-el-problema-esta-en-como-evaluamos/
Marilina Lipsman (2025). La evaluación en tiempos de inteligencia artificial generativa. El Faro. Revista Digital de Docencia Universitaria, 2(2), 121–135. https://revistaelfaro.uflo.edu.ar/index.php/elfaro/article/view/41
Dillon, A. (2025). «Saquen una hoja»: por el uso de la IA, cada vez más docentes vuelven al examen escrito. Universidad de San Andrés.Infobae. https://www.udesa.edu.ar/noticias/saquen-una-hoja-por-el-uso-de-la-ia-cada-vez-mas-docentes-vuelven-al-examen-escrito
Tarasow, F. (2025). Evaluaciones antifrágiles: ideas para docentes en tiempos de inteligencia artificial. PENT-FLACSO. https://pent.flacso.org.ar/novedades/opinion/evaluaciones-antifragiles-ideas-para-docentes-en-tiempos-de-inteligencia
Tarasow, F. (2025). La IA y los procesos evaluativos: ideas para salir del caos. PENT-FLACSO. https://pent.flacso.org.ar/novedades/opinion/la-ia-y-los-procesos-evaluativos-ideas-para-salir-del-caos
González, N., Milillo, C., & Tarasow, F. (2024). La escalera de la inteligencia artificial en educación: orientaciones para la incorporación de IA en la tarea docente. PENT-FLACSO. https://pent.flacso.org.ar/producciones/escalera-inteligencia-artificial-educacion