Advanced Search
Search Results
11083 total results found
2. Anonimización de trabajos y evidencias de aprendizaje
2.1. Qué es la anonimización y por qué es clave en evaluación con IA
La incorporación progresiva de herramientas de inteligencia artificial en los procesos de evaluación educativa plantea importantes desafíos relacionados con la privacidad, la protección de datos y el uso ético de la información del alumnado. En este contexto, ...
2.2. Técnicas sencillas de anonimización de textos, tareas y proyectos
La anonimización de la información educativa no requiere necesariamente conocimientos técnicos avanzados ni herramientas especializadas. En la mayoría de los casos, pequeñas acciones preventivas aplicadas de forma sistemática permiten reducir considerablemente...
2.3. Flujo de trabajo seguro: del aula a la herramienta de IA
La utilización de herramientas de inteligencia artificial en procesos de evaluación educativa exige establecer procedimientos claros que garanticen un uso seguro, ético y pedagógicamente adecuado de la información del alumnado. No se trata únicamente de utiliz...
2.4. Casos prácticos: corrección anónima de actividades escritas y proyectos
A continuación se van resolver varios ejemplos sobre anonimización utilizando software concreto. Es importante destacar que no podemos abordar todo el espectro de software del mercado. Por tanto, hemos elegido los que creemos pueden ser más usados por la comun...
2.5. Limitaciones y responsabilidades del docente
La incorporación de herramientas de inteligencia artificial en los procesos de evaluación educativa ofrece oportunidades significativas para apoyar la labor docente. Sin embargo, también plantea limitaciones y responsabilidades que deben ser comprendidas y asu...
2.6. Qué datos educativos puede analizar la IA de forma segura
La incorporación de herramientas de inteligencia artificial en la práctica educativa no debería realizarse de manera automática o irreflexiva. Antes de utilizar una IA resulta recomendable detenerse y plantearse algunas preguntas que permitan valorar la pertin...
3. Creación de instrumentos de evaluación
La evaluación educativa no consiste solo en poner una nota, sino en recoger evidencias, interpretarlas y tomar decisiones pedagógicas con fundamento. En la era de la IA, esta idea cobra todavía más importancia, porque las herramientas digitales pueden ayudar a...
3.1. Consejos para crear buenos prompts
El mejor uso inicial de la IA en evaluación no es la corrección, sino la creación de instrumentos. El orden correcto es este: primero se fijan competencias específicas, criterios de evaluación, evidencias y nivel esperado; después se usa la IA para convertir e...
3.2. Rúbricas
La rúbrica es probablemente el instrumento más completo para evaluar tareas complejas. Su principal virtud es que hace visibles los criterios de calidad y describe distintos niveles de desempeño, lo que reduce la arbitrariedad y mejora la transparencia. Es esp...
3.3. Listas de cotejo
La lista de cotejo es un instrumento más simple que la rúbrica y sirve para comprobar si aparecen o no determinados elementos o si cumple o no una serie de requisitos. Es especialmente útil en tareas objetivas con requisitos concretos, productos estructurados,...
3.4. Escalas de valoración
La escala de valoración es muy útil cuando queremos medir grado / calidad , frecuencia o intensidad de un comportamiento o desempeño. A diferencia de la lista de cotejo, no se limita a un sí o no, sino que introduce niveles graduales. Pueden ser rangos numéric...
3.5. Registros de observación
El registro de observación es uno de los instrumentos más ricos para evaluar el proceso, no solo el producto. Permite anotar conductas, interacciones, dificultades, avances y decisiones pedagógicas, es decir, evidencias mientras el alumnado trabaja. Es especia...
4. Corrección asistida por IA sin vulnerar datos personales
No basta con conocer tipos de instrumentos; también hay que saber qué hace que un instrumento sea bueno. En términos teóricos, un instrumento de evaluación debe ser válido, fiable, claro, pertinente y manejable. La validez se refiere a si realmente evalúa lo q...
4.1. Corrección automática vs. corrección asistida: diferencias clave
La corrección automática suele implicar que un sistema da una puntuación o juicio con mínima intervención docente. Puede ser útil en ejercicios cerrados, test o comprobaciones muy objetivas, pero resulta limitada para tareas complejas. La corrección asistida...
4.2. Qué información puede introducirse en una herramienta de IA
Uno de los puntos clave es decidir qué información puede compartirse con una herramienta de IA. La regla básica es la minimización: introducir solo lo necesario y, si es posible, sin datos identificativos directos. En contexto escolar, esto es especialmente im...
4.3. Estrategias para trabajar con textos y evidencias sin datos identificativos
La anonimización es una estrategia básica para poder usar IA con cierto nivel de seguridad. No consiste solo en borrar el nombre, sino en eliminar o sustituir toda información que permita identificar a una persona directa o indirectamente, es decir, reducir la...
4.4. Uso de rúbricas, listas de cotejo y criterios de evaluación como base para la corrección con IA
La corrección asistida funciona mejor cuando parte de instrumentos muy claros. Las rúbricas y listas de cotejo son la base ideal para la corrección asistida porque convierten la valoración en evaluación de criterios visibles y explícitos y permiten que la IA t...