Un alumno entrega un ensayo sobre las causas de la Primera Guerra Mundial. Está bien escrito, utiliza conceptos históricos correctamente, relaciona varios factores y termina con una conclusión razonada. Si miramos únicamente el documento, podríamos pensar que tenemos bastante información sobre lo que ha aprendido.
Hoy ese mismo texto puede haberse producido de formas muy diferentes. El alumno puede haber realizado todo el trabajo por su cuenta, utilizar inteligencia artificial para revisar algunas partes, construir personalmente el argumento y delegar después la redacción o apoyarse en ChatGPT desde el principio hasta obtener prácticamente el producto terminado.
El documento final puede ser muy parecido en todos esos casos. El aprendizaje que hay detrás puede ser completamente distinto.
Ahí está uno de los principales problemas que la inteligencia artificial generativa está introduciendo en la evaluación. Hemos dedicado mucho tiempo a hablar de plagio, detectores o porcentajes de texto generado por IA, cuando la cuestión educativa es bastante más profunda.
Muchas evaluaciones se apoyaban en una inferencia razonable: si un alumno producía un buen trabajo, asumíamos que había realizado buena parte de los procesos cognitivos necesarios para producirlo.
Esa relación nunca fue perfecta. Un ensayo excelente nunca garantizó por sí solo una comprensión profunda. Pero escribirlo normalmente exigía leer, seleccionar información, organizar ideas, argumentar, redactar y revisar.
Ahora parte de ese recorrido puede delegarse.
Por eso el problema no es solamente saber quién ha escrito un texto. El problema es saber qué podemos deducir realmente sobre el aprendizaje a partir de aquello que estamos evaluando.
Y eso obliga a revisar bastante más que nuestras políticas de uso de ChatGPT.
El producto final sigue teniendo valor, pero nos cuenta menos cosas
En enero de 2026, Stanford Accelerator for Learning y ETS reunieron a más de cien investigadores, responsables educativos y especialistas en evaluación para analizar precisamente este problema. Las conclusiones se publicaron en julio en Responsible Assessment in the AI Era.
Una de las ideas centrales del documento es que, cuando la IA interviene en el aprendizaje y en la producción de los trabajos, las evaluaciones basadas principalmente en el producto final pueden dejar de representar adecuadamente los conocimientos y capacidades que pretendían medir. El informe apunta hacia evidencias más variadas: portafolios, tareas auténticas, demostraciones de competencias, evaluación conversacional o información recogida en diferentes momentos del aprendizaje.
Esto no significa que tengamos que dejar de pedir ensayos, proyectos, presentaciones, programas informáticos o informes de laboratorio.
El producto sigue teniendo valor.
Lo que resulta cada vez más difícil es pedirle que nos informe de todo.
Pensemos en un proyecto de Ciencias en el que el alumnado tiene que diseñar una propuesta para reducir el consumo de agua del centro. Puede utilizar IA para explorar alternativas, comparar soluciones, analizar datos, redactar el informe o preparar la presentación.
La propuesta final nos permite valorar la calidad del resultado. Pero quizá queramos saber también si el alumnado comprende los datos que ha utilizado, por qué descartó una alternativa, si podría defender su solución ante una objeción o qué ocurriría si cambiamos una de las condiciones del problema.
Son preguntas distintas y pueden necesitar evidencias diferentes.
Una buena evaluación en este contexto no consiste necesariamente en recoger más información. Consiste en decidir qué evidencia necesitamos para sostener con suficiente confianza aquello que afirmamos que el alumno sabe o sabe hacer.
Mirar el proceso ayuda, pero tampoco resuelve el problema de la autenticidad
Una de las propuestas que está ganando atención es observar algo más de lo que ocurre antes del producto terminado.
Naomi Winstone, Karen Gravett y Sam Elkington desarrollan esta idea en Black Box Assessment, publicado en abril de 2026. La metáfora procede de la caja negra de un avión: si queremos entender qué ocurrió durante un vuelo, mirar únicamente el resultado final no es suficiente. Necesitamos alguna información sobre las decisiones, los errores y los cambios producidos durante el trayecto.
Trasladado a educación, esto supone abrir pequeñas ventanas de proceso hacia aspectos del aprendizaje que normalmente desaparecen cuando solo evaluamos la versión final.
La idea no es registrar todo lo que hace el alumno, sino seleccionar determinados momentos porque pueden mostrarnos algo que el producto terminado ya no permite observar.
La pregunta sería: ¿qué quiero conocer del aprendizaje que no puedo deducir únicamente del resultado final?
Si queremos saber cómo comienza a construir una interpretación histórica, podemos pedir al alumno que escriba durante cinco minutos su primera hipótesis antes de investigar.
Si nos interesa observar su capacidad para revisar el pensamiento, podemos pedirle que señale una idea que haya cambiado durante el trabajo y explique brevemente qué evidencia provocó ese cambio.
También podríamos fijarnos en una decisión tomada durante el uso de IA: por ejemplo, una respuesta de la herramienta que decidió rechazar y la razón por la que lo hizo.
No necesitamos convertir cada uno de estos momentos en una nueva entrega. Una ventana puede ser una anotación dentro del propio documento, una respuesta breve realizada durante la clase o la comparación entre dos momentos del trabajo.
Lo interesante muchas veces no es el registro en sí, sino el cambio que podemos observar entre esos momentos.
Imaginemos que un alumno comienza un ensayo defendiendo que la carrera armamentística fue la principal causa de la Primera Guerra Mundial. Después de trabajar con diferentes fuentes termina argumentando que no puede entenderse aisladamente del sistema de alianzas y de la crisis de julio.
La versión final nos permite valorar su explicación.
Pero conocer la primera posición permite hacer otra pregunta: ¿qué encontró durante el trabajo que le llevó a modificarla?
Ahí aparece información sobre contraste, revisión y evolución del razonamiento que el ensayo terminado ya no muestra.
La idea de observar el proceso no nace con ChatGPT. La propia propuesta de Winstone y sus colaboradores conecta con una tradición mucho más larga de evaluación formativa que lleva décadas intentando hacer visibles procesos de aprendizaje que normalmente permanecen ocultos. Lo que cambia con la IA es que el producto final permite hacer menos inferencias que antes sobre el recorrido seguido para llegar hasta él.
Ahora bien, esto tiene un límite importante.
El proceso también puede fabricarse.
Un alumno puede pedir a ChatGPT que genere un primer borrador deliberadamente imperfecto, introduzca varios errores razonables y redacte después una reflexión convincente sobre cómo los detectó y corrigió. La IA puede producir una narrativa metacognitiva ficticia casi con la misma facilidad con la que genera el ensayo final.
De hecho, los propios autores advierten del riesgo de que la evaluación del proceso termine convirtiéndose en una reconstrucción retrospectiva cuidadosamente preparada en lugar de mostrar cómo se produjo realmente el aprendizaje.
Por eso no deberíamos convertir los borradores, diarios de aprendizaje o historiales de prompts en una nueva prueba de autenticidad.
Una ventana de proceso es una herramienta pedagógica, no un mecanismo forense.
Su valor está en permitirnos observar aspectos del aprendizaje que de otra manera desaparecerían, no en demostrar de forma irrefutable quién hizo cada parte del trabajo.
Por eso también puede ser útil recoger algunas de estas evidencias mientras el trabajo está ocurriendo. Una primera explicación escrita durante la clase y una breve revisión al final de la sesión pueden ofrecernos información sobre cómo ha evolucionado una idea sin necesidad de pedir posteriormente una reconstrucción completa del proceso.
La metáfora de la ventana es útil precisamente por eso: no necesitamos verlo todo.
Tenemos que decidir qué parte del proceso merece la pena hacer visible porque puede ayudarnos a comprender mejor el aprendizaje.
Pero si estas ventanas enriquecen la información que tenemos sin garantizar por sí solas la autenticidad, aparece otra pregunta: ¿qué hacemos cuando necesitamos comprobar con mayor seguridad que determinados aprendizajes pertenecen realmente al alumno?
Habrá momentos en los que necesitemos una ventana más segura
Aquí resulta interesante el modelo que está desarrollando la Universidad de Sídney.
Conviene hacer antes una aclaración. Buena parte de los modelos más desarrollados sobre evaluación e IA proceden todavía de educación superior. No podemos trasladarlos directamente a Primaria o Secundaria, donde cambian la edad del alumnado, las ratios, el currículo, la regulación y el nivel de autonomía. Pero sí pueden ayudarnos a identificar algunos principios de diseño.
Sídney organiza su sistema alrededor de dos grandes carriles de evaluación.
Las Secure Assessments se realizan en condiciones controladas y sirven para garantizar determinados aprendizajes. Pueden ser exámenes, demostraciones, producciones realizadas presencialmente o evaluaciones orales. La IA puede estar prohibida o permitida de forma controlada dependiendo de aquello que queramos comprobar.
Las Open Assessments, en cambio, son tareas donde el alumnado puede trabajar con los recursos disponibles, incluida la IA. Están más orientadas a aprender, practicar y enfrentarse a actividades próximas a los contextos reales.
La distinción no es simplemente entre actividades “con IA” y “sin IA”.
Un estudiante puede preparar con IA una presentación y después responder presencialmente a varias preguntas sobre su contenido. De hecho, entre las evaluaciones seguras que plantea Sídney aparecen expresamente los turnos de preguntas posteriores a una presentación o entrega.
Esto permite evitar dos extremos.
El primero sería intentar devolver toda la evaluación a un entorno en el que la IA no existe.
El segundo sería asumir que, como la IA estará presente en el futuro profesional, ya no necesitamos comprobar qué conocimientos y capacidades ha desarrollado cada estudiante.
Probablemente necesitaremos las dos cosas.
Y esta distinción nos lleva a otra que me parece todavía más importante.
Rendimiento asistido y aprendizaje demostrado no son lo mismo
Un alumno puede hacer algo extraordinariamente bien cuando tiene ChatGPT disponible y, sin embargo, no haber construido todavía el conocimiento necesario para hacerlo cuando cambia la situación.
Eso no convierte el primer resultado en falso.
Simplemente significa que estamos observando otra cosa.
Podemos llamar rendimiento asistido a aquello que el alumno es capaz de conseguir cuando dispone de las herramientas y ayudas permitidas.
Y podemos hablar de aprendizaje demostrado cuando tenemos evidencia suficiente para atribuir al estudiante el conocimiento o la capacidad que pretendemos evaluar en las condiciones relevantes para ese aprendizaje.
La diferencia importa mucho en la era de la IA.
En muchos contextos queremos evaluar rendimiento asistido. Un profesional competente no trabaja necesariamente de memoria ni aislado de todas las herramientas. Saber aprovechar recursos externos también forma parte de un buen desempeño.
El problema aparece cuando un buen rendimiento con IA se interpreta automáticamente como evidencia de que se ha producido el aprendizaje que suponemos detrás.
La investigación de Sarah Wong y Sophia Qiu, publicada en abril de 2026 en Educational Psychology Review, permite ver muy bien esta diferencia. Trabajaron con 196 estudiantes universitarios: un grupo resolvió una tarea creativa sin IA, otro pudo utilizar libremente ChatGPT y un tercero siguió una estrategia denominada Think First, ChatGPT Later.
En la primera actividad, el grupo que utilizó libremente ChatGPT consiguió mejores resultados creativos.
Después retiraron la herramienta y todos tuvieron que enfrentarse de forma independiente a una nueva tarea.
La ventaja del grupo que había utilizado libremente ChatGPT desapareció. En cambio, quienes habían generado primero sus propias ideas y utilizado después ChatGPT para desarrollarlas y cuestionarlas obtuvieron mejores resultados posteriores de creatividad independiente.
La propia investigación insiste en una distinción clásica pero especialmente importante aquí: una mejora temporal en el rendimiento durante una actividad no equivale necesariamente a un cambio más duradero en lo que una persona ha aprendido.
Un estudio publicado en PNAS en 2025 encontró un patrón relacionado en Matemáticas, esta vez con cerca de mil estudiantes de Secundaria.
Los alumnos con acceso a GPT-4 rindieron considerablemente mejor mientras realizaban los ejercicios de práctica. Sin embargo, cuando posteriormente realizaron un examen sin IA, el grupo que había utilizado una versión similar a ChatGPT sin suficientes salvaguardas obtuvo resultados un 17% inferiores al grupo de control. Cuando el sistema estaba diseñado para proporcionar pistas y evitar entregar directamente las respuestas, ese efecto negativo prácticamente desapareció.
No podemos concluir a partir de estos estudios que utilizar IA perjudique el aprendizaje.
Lo que muestran es algo más útil: el rendimiento que observamos mientras la herramienta está disponible no nos dice automáticamente qué aprendizaje permanecerá después.
Desde la evaluación, esto nos obliga a ser bastante precisos sobre la pregunta que queremos responder.
A veces nos interesa saber qué puede hacer un estudiante utilizando todos los recursos disponibles.
En otras ocasiones necesitamos saber qué conocimiento puede movilizar cuando esa ayuda desaparece o cuando el problema cambia.
Y también habrá situaciones en las que queramos evaluar algo distinto: cómo toma decisiones precisamente cuando trabaja con IA.
No necesitamos responder a las tres preguntas en cada tarea.
Pero sí necesitamos saber cuál estamos haciendo.
En algunas evaluaciones también tendrá sentido observar cómo trabaja con IA
Hasta ahora buena parte de la discusión se ha centrado en decidir si el alumnado puede utilizar inteligencia artificial en una tarea.
Pero cuando su uso está permitido puede aparecer otra pregunta: ¿queremos evaluar también cómo la está utilizando?
No siempre.
Este matiz me parece importante porque de lo contrario podemos terminar poniendo una rúbrica de IA en cualquier actividad simplemente porque ChatGPT haya aparecido en algún momento.
Si un alumno utiliza una herramienta para corregir una errata, reorganizar unas notas o mejorar el formato de una presentación, probablemente no haya nada especialmente relevante que evaluar ahí.
En cambio, habrá tareas donde precisamente queramos observar la capacidad del estudiante para trabajar con estas herramientas.
En Ciencias podemos proporcionar una explicación generada por IA que combine información correcta con afirmaciones problemáticas y pedir al alumnado que determine cuáles son fiables, qué necesita comprobar y qué corregiría.
En Historia podemos permitir utilizar IA para explorar diferentes explicaciones de un acontecimiento y pedir después que las contraste con las fuentes disponibles.
También podemos pedir a un alumno que utilice IA para desarrollar una propuesta y que identifique después una recomendación que decidió no seguir, explicando qué criterio utilizó para rechazarla.
Incluso puede resultar interesante observar una decisión anterior: qué partes de una tarea considera razonable apoyar con IA y cuáles cree que debería realizar personalmente.
En estas situaciones el producto final continúa siendo importante, pero también nos interesan algunas decisiones humanas que hay detrás de ese producto.
No necesitamos reconstruir todos los prompts ni calcular qué porcentaje corresponde a la máquina.
Queremos saber si el estudiante ha sido capaz de mantener suficiente criterio sobre aquello que estaba haciendo.
Y, de nuevo, esto debería reservarse para las evaluaciones donde esa capacidad forme parte realmente del aprendizaje.
La presencia de IA en una tarea no convierte automáticamente el uso de IA en un criterio de evaluación.
La evaluación oral vuelve a entrar en la conversación
Hay otra respuesta que está recuperando protagonismo y que no tiene nada de nueva: hablar con el alumno.
Si un estudiante entrega un trabajo excelente, podemos pedirle que explique una decisión, defienda una conclusión, responda a una objeción o aplique su razonamiento a una situación ligeramente diferente.
No hace falta pensar siempre en un examen oral tradicional de veinte minutos.
Después del ensayo sobre la Primera Guerra Mundial, por ejemplo, el profesor podría seleccionar una de las afirmaciones del propio alumno y preguntarle por qué considera ese factor más importante que otro. También podría mostrarle una fuente que no había visto o introducir una interpretación diferente y pedirle que responda.
Ese tipo de conversación permite observar cómo moviliza el conocimiento cuando ya no puede limitarse a presentar un producto preparado previamente.
Por eso los viva voce, las defensas y las evaluaciones orales interactivas están reapareciendo en las propuestas sobre evaluación e IA. La propia Universidad de Sídney las sitúa entre las posibilidades de su carril de evaluación segura.
El problema es conocido: requieren tiempo.
Cinco minutos por alumno parecen poco hasta que un profesor tiene 120 o 150 estudiantes.
Y precisamente por eso me parece interesante observar algunas de las soluciones que se están investigando, aunque no porque considere que debamos adoptarlas.
Panos Ipeirotis y Konstantinos Rizakos, de NYU Stern, han desarrollado un sistema en el que un agente de voz realiza evaluaciones orales personalizadas y varios modelos analizan posteriormente las transcripciones. La versión actual de su trabajo recoge dos cohortes: 36 estudiantes en otoño de 2025 y 37 en primavera de 2026.
Personalmente, no creo que sustituir una conversación entre profesor y alumno por una conversación con un bot sea una dirección especialmente deseable para la evaluación educativa.
Parte del valor de una defensa oral está precisamente en que un docente escucha, repregunta, interpreta matices y adapta la conversación a lo que está observando. Automatizar esa interacción puede hacernos perder parte de aquello que queríamos recuperar.
Lo interesante del experimento de NYU es otra cosa.
Muestra hasta qué punto la escalabilidad se está convirtiendo en un problema importante cuando intentamos recuperar este tipo de evaluación.
Sus autores parten precisamente de esa dificultad: consideran que el trabajo escrito permite cada vez menos asegurar que el estudiante comprende aquello que ha entregado, mientras que la conversación oral puede recuperar parte de ese vínculo, pero hacerlo de manera individual resulta costoso.
La experiencia tampoco demuestra que los agentes de voz hayan resuelto el problema. En el primer despliegue aparecieron dificultades en la forma de preguntar, la selección de casos y la interacción con la voz del sistema; además, un 83% de los participantes consideró el formato más estresante que un examen escrito, aunque el mismo porcentaje nunca había realizado anteriormente un examen oral.
Los formatos orales, además, tampoco son neutrales cuando los realiza una persona. Si queremos evaluar Historia, Ciencias o Matemáticas, debemos evitar que la prueba termine midiendo principalmente rapidez verbal, seguridad al hablar o dominio lingüístico. Habrá que considerar también alumnado con ansiedad, dificultades de comunicación o necesidades específicas de apoyo.
Por ahora, los bots de voz me parecen más interesantes como señal de que existe un problema real de escalabilidad que la investigación está intentando resolver que como una propuesta para nuestros centros.
Quizá la respuesta no sea automatizar la conversación.
Pero que haya investigadores intentando encontrar formas de escalarla dice bastante sobre el valor que está recuperando este tipo de evidencia.
El objetivo no puede ser multiplicar los controles
Hasta aquí podríamos sacar una conclusión equivocada.
Si el producto final nos cuenta menos cosas, podríamos pensar que cada tarea necesita ahora una hipótesis inicial, varios borradores, un registro de prompts, una comprobación individual, una defensa oral y una actividad posterior sin IA.
Eso produciría más información.
También haría inviable la evaluación.
La respuesta no puede consistir en cuadruplicar el número de puntos de contacto de cada profesor con cada estudiante.
Lo que necesitamos es un repertorio de evidencias posibles y decidir cuáles tienen sentido en cada caso.
Una ventana de proceso puede realizarse dentro de una actividad normal de aula sin generar una nueva entrega.
Las defensas orales pueden reservarse para determinados proyectos importantes o utilizarse cuando aparecen evidencias contradictorias.
Una prueba individual común al final de una unidad puede ayudarnos a comprobar determinados aprendizajes sin necesidad de añadir una comprobación a cada trabajo realizado durante las semanas anteriores.
Y puede haber actividades abiertas con IA donde no necesitemos ninguna capa adicional porque su función principal sea practicar, recibir feedback o desarrollar un proyecto.
La escala también importa.
Quizá la unidad, el trimestre o incluso el curso sean una unidad de diseño más útil que cada tarea aislada.
Podemos tener varias actividades abiertas, algunos momentos seguros y alguna evaluación en la que nos interese especialmente observar el proceso. No necesitamos repetir la misma arquitectura cada vez.
La pregunta deja entonces de ser cuántas evidencias podemos recoger y pasa a ser cuál es la combinación mínima que necesitamos para valorar un aprendizaje con suficiente confianza.
Más evidencias tampoco significa sumar más porcentajes
Aquí aparece otro problema muy práctico.
Imaginemos que un alumno entrega un ensayo excelente, pero cuando posteriormente le hacemos varias preguntas no consigue explicar prácticamente ninguno de los argumentos que aparecen en su propio trabajo.
¿Qué hacemos con esa información?
La salida más sencilla sería convertir cada instrumento en un porcentaje: 70% ensayo, 30% defensa, hacer una media y obtener la nota.
Pero quizá estemos simplificando demasiado el problema.
Si ambos instrumentos pretenden aportar información sobre la misma capacidad, por ejemplo, analizar las causas de un acontecimiento histórico, lo que tenemos no son necesariamente dos aprendizajes diferentes que debamos sumar.
Tenemos evidencias contradictorias sobre el mismo aprendizaje.
El ensayo parece indicar un nivel muy alto.
La conversación indica otra cosa.
En una situación así, quizá una media matemática no sea la mejor respuesta. Puede tener más sentido recoger una tercera evidencia suficientemente fiable: analizar otra fuente durante la clase, responder a una nueva pregunta escrita o realizar otra breve explicación.
El objetivo sería resolver la incertidumbre antes de emitir el juicio final.
Esto encaja bastante bien, además, con el marco general de evaluación de ESO en España. El Real Decreto 217/2022 establece los criterios de evaluación como referentes del desempeño y señala que la evaluación debe ser continua, formativa e integradora, promoviendo instrumentos variados, diversos y accesibles. La norma estatal no establece que cada instrumento tenga que transformarse necesariamente en un porcentaje independiente de la calificación, aunque las administraciones autonómicas y los propios centros desarrollen después sus procedimientos concretos.
Esto permite entender las evidencias de una forma algo menos mecánica.
Una ventana de proceso puede ayudarnos a interpretar el progreso sin convertirse en otra nota.
Una defensa puede servir para confirmar, o poner en duda, una evidencia anterior.
Una prueba realizada en condiciones controladas puede aportar una referencia más segura sobre determinados aprendizajes.
Y un proyecto abierto puede seguir teniendo mucho valor porque permite al alumnado enfrentarse a situaciones más complejas y auténticas.
No tenemos que convertir cada dato que recogemos en una nueva columna del cuaderno de calificaciones.
Cómo podría funcionar sin cuadruplicar el trabajo del profesor
Volvamos al ensayo de Historia del principio.
Durante una unidad sobre la Primera Guerra Mundial, el alumnado realiza en clase diferentes actividades. En una de ellas dedica diez minutos a construir un pequeño mapa causal y justificar qué factores considera más importantes.
No necesitamos crear una nueva tarea formal ni corregir individualmente tres páginas. Esa actividad forma parte del trabajo normal del aula y, si nos interesa, puede funcionar como una pequeña ventana hacia el razonamiento inicial.
Más adelante, los estudiantes realizan un ensayo fuera del aula.
La tarea es abierta. Pueden consultar fuentes y utilizar IA. Se evaluará la calidad de la argumentación, el uso de evidencias y la capacidad de construir una interpretación histórica.
No les pedimos cuarenta capturas de ChatGPT ni un diario detallado de todos sus prompts.
Tampoco evaluamos obligatoriamente cómo utilizaron IA, porque en esta tarea quizá ese no sea el objetivo.
Al finalizar la unidad, todos realizan en clase un breve análisis de una fuente histórica nueva. Es una actividad individual y controlada en la que deben aplicar parte del mismo razonamiento trabajado durante el ensayo.
Ahora tenemos dos tipos de información bastante diferentes.
El ensayo muestra el rendimiento que el estudiante puede alcanzar trabajando con los recursos disponibles.
La actividad realizada en clase nos aporta una evidencia más segura sobre qué aprendizaje puede movilizar personalmente ante una situación nueva.
Para la mayoría del alumnado, probablemente sea suficiente.
Si ambos resultados son coherentes, no necesitamos añadir nada más.
Si aparecen contradicciones importantes, un ensayo extraordinario y una incapacidad clara para aplicar las mismas ideas en una situación sencilla, podemos necesitar alguna evidencia adicional.
Ahí puede entrar una conversación breve.
No como una defensa obligatoria de diez minutos para 120 estudiantes, sino como una herramienta que utilizamos cuando realmente nos falta información para emitir un juicio suficientemente fiable.
En otro proyecto puede interesarnos especialmente evaluar cómo utiliza IA y diseñaremos la actividad para observarlo.
En otro quizá el proceso sea especialmente importante y abriremos una ventana distinta.
No hay una combinación universal.
Y eso posiblemente sea una de las ideas más importantes del cambio.
La IA no nos obliga a evaluar más
Durante años hemos depositado una enorme cantidad de confianza en el producto final.
Un ensayo, una presentación, un examen o un proyecto nos permitían hacer inferencias sobre el conocimiento y los procesos que suponíamos que habían ocurrido antes.
La IA ha debilitado algunas de esas inferencias.
La respuesta no debería consistir en eliminar los productos finales, vigilar cada paso del alumno ni añadir cinco instrumentos nuevos a todas las tareas.
Tampoco parece suficiente volver a llenar las aulas de exámenes presenciales simplemente porque son más fáciles de controlar. Una evaluación puede ser completamente segura frente a la IA y seguir midiendo muy mal aquello que nos interesa.
Necesitamos ser más precisos sobre qué queremos conocer.
A veces queremos observar el rendimiento asistido: qué puede conseguir el estudiante utilizando las herramientas disponibles.
En otros momentos necesitamos aprendizaje demostrado: suficiente evidencia para atribuirle determinados conocimientos o capacidades.
Y en algunas evaluaciones también querremos saber cómo trabaja con la IA, porque tomar decisiones sobre la herramienta forma parte precisamente de aquello que estamos enseñando.
No necesitamos evaluar las tres cosas a la vez.
Tampoco producto, proceso, evaluación segura y conversación son cuatro capas que tengamos que añadir a todas las tareas.
Son lugares diferentes desde los que podemos obtener evidencia.
La cuestión está en elegir cuáles necesitamos.
Quizá por eso la pregunta que deberíamos hacernos al diseñar una evaluación ya no puede quedarse únicamente en qué va a entregar el alumno.
Hay otra que empieza a ser igual de importante:
¿Qué necesito observar para poder afirmar, con suficiente confianza, que realmente ha aprendido?
