Inteligencia artificial y evaluación de los aprendizajes

IMPLICACIONES DE LA IA EN LA EDUCACION SUPERIOR
1
Análisis del alcance de la Inteligencia Artificial (IA) en la evaluación del aprendizaje: Re-
tos y oportunidades para mejorar la fiabilidad de las evaluaciones en las Instituciones de
Educación Superior
Wilfredo J. Meneses, Lester J. Ibarra y José A Préndiz
Universidad Nacional Politécnica
Wilfredo J. Meneses, Docente titular del departamento de Ciencias, Universidad Nacional Poli-
técnica, Recinto Rivas – Nicaragua; jefe de área de la carrera de Ingeniería en Sistemas de
Información.
José A. Préndiz, Docente titular del departamento de Ciencias, Universidad Nacional Politécnica,
Recinto Rivas – Nicaragua; actualmente coordinador de Educación Continua del Recinto.
Lester J. Ibarra, Docente titular del departamento de Ciencias Sociales, Educación comercial y
derecho, Universidad Nacional Politécnica, Recinto Rivas – Nicaragua; actualmente jefe de área
de las carreras de Administración de empresas, contaduría y finanzas.
Este trabajo fue realizado con el aporte de los docentes titulares del recinto: Douglas J. Ugarte,
Director del recinto, Marvin E. Mora, jefe de área de Derecho, María E. Morales, Jefe de área de
Administración Turística y Hotelera.
Cualquier mensaje con respecto a este documento debe ser enviado al director del recinto: E-
mail: dugarte@unp.edu.ni

3
Tabla de contenido
TABLA DE CONTENIDO .....................................................................................................................................3
INTRODUCCIÓN ...............................................................................................................................................4
PLANTEAMIENTO DEL PROBLEMA.....................................................................................................................5
JUSTIFICACIÓN.................................................................................................................................................5
OBJETIVOS.......................................................................................................................................................6
OBJETIVO GENERAL ........................................................................................................................................................ 6
OBJETIVOS ESPECÍFICOS................................................................................................................................................... 6
BENEFICIARIOS DE LA INVESTIGACIÓN ..............................................................................................................6
MARCO TEÓRICO .............................................................................................................................................7
GENERALIDADES DE LA EVALUACIÓN DE LOS APRENDIZAJES EN LA EDUCACIÓN SUPERIOR: CONCEPTOS Y DEFINICIONES ...................... 7
Principios de la evaluación del aprendizaje.......................................................................................................... 8
Funciones de la evaluación del aprendizaje ......................................................................................................... 9
Sistema de Evaluación........................................................................................................................................ 10
GENERALIDADES DE LA INTELIGENCIA ARTIFICIAL ............................................................................................................... 12
Inteligencia Artificial........................................................................................................................................... 13
INTELIGENCIA ARTIFICIAL Y EVALUACIÓN DE LOS APRENDIZAJES............................................................................................ 16
DISEÑO METODOLÓGICO ...............................................................................................................................18
Tipo de enfoque y nivel de investigación............................................................................................................ 18
ANÁLISIS DOCUMENTAL.................................................................................................................................21
RETOS........................................................................................................................................................................ 21
OPORTUNIDADES ......................................................................................................................................................... 22
CONCLUSIONES..............................................................................................................................................26
REFERENCIAS.................................................................................................................................................28
ANEXOS.........................................................................................................................................................31

4
Introducción
La inteligencia artificial en los procesos de enseñanza aprendizaje, presenta nuevas oportunida-
des para mejorar el desempeño en la gestión del conocimiento, empleando técnicas de aprendi-
zaje automatizadas donde se construyan habilidades y destrezas acordes al contexto universita-
rio.
Con el surgimiento de las nuevas tecnologías esta investigación analiza los retos y oportunidades
que enfrentan los docentes de las IES en la evaluación del aprendizaje en la era de la IA como
una herramienta potencialmente útil sugiere mejoras y se reflexiona sobre las estrategias a utili-
zar.
De tal manera que, los docentes hoy en día tienen un rol más relevante en el proceso de ense-
ñanza aprendizaje, al darle sentido a la información, fomentando la creatividad, el pensamiento
lógico y crítico para que el aprendizaje sea significativo, y se logre formar estudiantes, que se
potencien con el uso de herramientas tecnológicas en su quehacer diario.
En esta investigación, se analizó la Inteligencia Artificial (IA) en relación con la evaluación de
aprendizajes. Se revisaron documentos digitales alojados en la web, revistas y enlaces relacio-
nados con la IA, así como algunos documentos básicos sobre la evaluación de los aprendizajes.
El objetivo era identificar retos y oportunidades, sugerir mejoras y recomendar posibles estrate-
gias para aprovechar las ventajas de la IA en la evaluación de aprendizajes. En este sentido,
nuestra interrogante central que guió la revisión bibliográfica de esta investigación es:
¿Cuál es el alcance de la Inteligencia Artificial (IA) en la evaluación del aprendizaje para mejorar
la fiabilidad de esta en las Instituciones de Educación Superior?
Se considera oportuno señalar que las observaciones o sugerencias que deriven de esta inves-
tigación permitirá inferir algunas mejoras para el proceso de evaluación de los aprendizajes frente
al uso de la Inteligencia Artificial como herramienta de apoyo tanto para estudiantes como do-
centes. Para las IES, los resultados obtenidos podrán ser útiles para la toma de decisiones en el
ámbito educativo, a fin de mejorar la calidad de la educación y garantizar la formación de profe-
sionales más competentes y preparados para enfrentar los retos del mundo actual.
En general, analizamos los retos y desafíos, proponemos mejoras y estrategias o herramientas
que con la IA la evaluación de los aprendizajes sea más efectiva. Partiendo de la documentación
actual o disponible sobre IA, diseñamos algunas sugerencias, vigentes en este contexto, las cua-
les irán cambiando conforme la IA se desarrolle.

5
Planteamiento del problema
La inteligencia artificial (IA) ha surgido como una herramienta potencialmente útil para abordar
estos desafíos, pero también plantea nuevas preguntas y preocupaciones. Por lo tanto, el pro-
blema de investigación se enfoca en examinar:
¿Cuáles son los retos y oportunidades que enfrentan los docentes de las IES en la evaluación
del aprendizaje en la era de la IA?
Justificación
La Universidad Nacional Politécnica (UNP), como miembro del Consejo Nacional de Universida-
des (CNU), establece en su filosofía institucional que el proceso de enseñanza-aprendizaje debe
ser integral con un enfoque hacia los cambios y tendencias futuras en el ámbito de la educación
superior.
En la actualidad, el uso de la Inteligencia Artificial (IA) en la evaluación del aprendizaje se ha
vuelto cada vez más común en las Instituciones de Educación Superior. Si bien esta tecnología
ofrece oportunidades para mejorar la fiabilidad de la evaluación, también presenta retos impor-
tantes que deben ser considerados. En particular, uno de los desafíos más importantes es ga-
rantizar la fiabilidad de la evaluación, especialmente cuando existe la posibilidad de que trabajos
realizados por IA sean presentados como si fueran producidos por estudiantes reales
Esta investigación se realizó para analizar las implicaciones de la IA en la evaluación del apren-
dizaje en el contexto universitario, identificando los retos y oportunidades que se presentan para
los docentes de las Instituciones de Educación Superior.
Se considera oportuno señalar que las observaciones o sugerencias que deriven de esta inves-
tigación permitirá inferir algunas mejoras para el proceso de evaluación de los aprendizajes frente
al uso de la Inteligencia Artificial como herramienta de apoyo tanto para estudiantes como do-
centes. Para las IES los resultados obtenidos podrán ser útiles para la toma de decisiones en el
ámbito educativo, a fin de mejorar la calidad de la educación y garantizar la formación de profe-
sionales más competentes y preparados para enfrentar los retos del mundo actual.

Objetivos
Objetivo General
Analizar el alcance de la Inteligencia Artificial (IA) en la evaluación del aprendizaje a través de la
identificación de los retos y oportunidades que permitan mejorar la fiabilidad de la evaluación en
las Instituciones de Educación Superior.
Objetivos Específicos
• Identificar los retos y oportunidades en la evaluación de los aprendizajes con el uso de la
Inteligencia Artificial
• Sugerir mejoras en la evaluación de los aprendizajes para buscar la fiabilidad de este
proceso ante el uso de la IA
• Reflexionar sobre estrategias que los docentes universitarios deben considerar para apro-
vechar las oportunidades que ofrece la IA en la evaluación del aprendizaje
Beneficiarios de la investigación
Aunque este trabajo es de corte documental, podemos identificar los siguientes beneficiarios a
la luz de nuestro análisis:
Los docentes: ya que la investigación busca identificar los retos y oportunidades en la evalua-
ción de los aprendizajes en la educación superior. También se pretende ofrecer recomendacio-
nes que puedan ser incorporadas en la práctica evaluativa y adaptarse a los cambios que trae
consigo la tecnología.
Los estudiantes: ya que la investigación podría contribuir a mejorar la fiabilidad de la evaluación
del aprendizaje lo cual se traduciría en una mejor formación académica.
Las Instituciones de Educación Superior: ya que la investigación podría ofrecer recomendacio-
nes para mejorar los procesos de evaluación en la era de la IA, lo cual podría tener un impacto
positivo en la calidad de la enseñanza.

Marco Teórico
Generalidades de la evaluación de los aprendizajes en la educación superior: conceptos
y definiciones
La evaluación de los aprendizajes es un proceso permanente de información y reflexión sobre el
proceso de producción de los aprendizajes y requiere para su ejecución de la realización de los
siguientes procesos:
• Recolección y selección de información sobre los aprendizajes de los alumnos, a través
de la interacción con ellos, la aplicación de instrumentos, las situaciones de evaluación,
etcétera.
• Interpretación y valoración de los aprendizajes en términos del grado de desarrollo de los
criterios de evaluación establecidos en cada área y, por ende, el grado de desarrollo de
la competencia. La valoración debe darse en términos cualitativos.
• Toma de decisión, que involucra el establecimiento de un plan de acción que permita al
alumno conocer, reforzar y estimular los aprendizajes que debe desarrollar con la ayuda
del docente, quien deberá planificar nuevas estrategias de enseñanza-aprendizaje, según
las conclusiones a las que se llegue en la evaluación.
El objetivo de la evaluación del proceso de aprendizaje del estudiante es conocer si ha alcan-
zado, para cada módulo profesional, las capacidades terminales y las capacidades más elemen-
tales de las que están compuestas (criterios de evaluación), con la finalidad de valorar si dispone
de la competencia profesional que acredita el título. Posee las siguientes características:
Integral: involucra las dimensiones intelectual, social, afectiva, motriz y axiológica del alumno;
así como los elementos y actores del proceso educativo, y las condiciones del entorno socioeco-
nómico y cultural que inciden en el aprendizaje.
Continua: se realiza a lo largo del proceso educativo en sus distintos momentos: al inicio, du-
rante y al final de este, de manera que los resultados de la evaluación no se conozcan sólo al
final, sino durante todo el proceso.
Sistemática: se organiza y desarrolla en etapas debidamente planificadas, en las que se formu-
lan previamente los aprendizajes a evaluar y se utilizan técnicas e instrumentos válidos y confia-
bles para la obtención de información pertinente y relevante sobre las necesidades y logros de

los estudiantes. Sin embargo, esto no exime el reunir información ocasional mediante técnicas
no formales, como la observación casual o no planificada.
Participativa: posibilita la intervención de los distintos actores en el proceso de evaluación, com-
prometiendo a los docentes, directores, estudiantes y padres de familia en el mejoramiento de
los aprendizajes, a través de la autoevaluación, coevaluación y heteroevaluación.
Flexible: toma en cuenta las características del contexto donde se desarrolla el proceso educa-
tivo, las particularidades, necesidades, posibilidades e intereses de cada estudiante, así como
sus diferentes ritmos y estilos de aprendizaje para la adecuación de las técnicas, instrumentos y
procedimientos de evaluación.
Principios de la evaluación del aprendizaje
El sistema de evaluación de los aprendizajes tiene por finalidad contribuir a la mejora de la calidad
de los procesos de enseñanza y aprendizaje, por tanto, debe darse antes, durante y después de
estos procesos permitiendo la regulación de las interrelaciones, detectar las dificultades que se
van presentando, averiguar las causas y actuar oportunamente sin esperar que el proceso con-
cluya; por tanto, es de naturaleza formativa. De la misma manera, la evaluación de los aprendi-
zajes asume que su objeto lo constituyen los criterios e indicadores de cada área curricular, que
funcionan como parámetros de referencia para determinar los progresos y dificultades de los
educandos. Dichos criterios se constituyen en la unidad de recopilación, registro, análisis y co-
municación del proceso evaluativo, dándole así su naturaleza de criterio.
Podemos entonces decir que evaluar:
• Es parte de la planificación efectiva de la enseñanza y el aprendizaje. Se focaliza en cómo
aprenden los alumnos.
• Es central a la práctica en aula.
• Es una habilidad profesional clave. Es así que resulta importante la retroalimentación.
• Es sensible y constructiva puesto que la evaluación acarrea un impacto emocional. Por
tanto, se debe enfatizar el progreso y los logros de los estudiantes en vez de sus fracasos,
debe existir una retroalimentación constructivista centrándose en los trabajos y no en la
persona.

• Promueve la motivación en los alumnos en vista que debe servir para el progreso de este.
En ese sentido es importante no realizar comparaciones a los alumnos con aquellos que
han tenido mayor éxito.
• Promueve la comprensión de metas y criterios.
• Ayuda a los alumnos a saber cómo mejorar. Se deben usar métodos que fomenten la
autonomía del estudiante y que le permitan cierta elección y oportunidades de auto direc-
ción.
• Desarrolla capacidad de autoevaluación.
• Reconoce todos los logros educativos.
Funciones de la evaluación del aprendizaje
En la práctica educativa, la evaluación persigue simultáneamente varias finalidades, las mismas
que pueden ser: función pedagógica y función social.
La Función Pedagógica.
Es la razón de ser de la auténtica evaluación, ya que permite reflexionar sobre los procesos de
aprendizaje y de enseñanza con el fin de corregirlos y mejorarlos. Esta función permite principal-
mente:
• La identificación de las capacidades de los alumnos, sus conocimientos y competencias;
sus actitudes y vivencias valorativas; sus estilos de aprendizaje, sus hábitos de estudio,
entre otra información relevante, al inicio de todo proceso de enseñanza y aprendizaje,
con la finalidad de adecuar la programación a las particularidades de los alumnos.
• La estimación del desenvolvimiento futuro de los alumnos a partir de las evidencias o
información obtenida en la evaluación inicial, para reforzar los aspectos positivos y su-
perar las deficiencias.
• La estimulación y motivación a los alumnos para el logro de nuevos aprendizajes. Re-
fuerza y recompensa el esfuerzo, haciendo del aprendizaje una actividad satisfactoria.
Favorece la autonomía de los alumnos y su autoconciencia respecto a cómo aprende,
piensa, atiende y actúa.

• El seguimiento oportuno del proceso de enseñanza y aprendizaje con el fin de detectar
logros o dificultades para aplicar las medidas pertinentes que conduzcan a su mejora-
miento. Así el estudiante toma conciencia sobre su propio proceso de aprendizaje para
controlarlo y regularlo desarrollando cada vez más su autonomía.
• La reflexión en torno a los resultados alcanzados y a los procesos de enseñanza desa-
rrollados al término de un período determinado, para determinar las prácticas que resul-
taron más eficaces y aquellas que, por el contrario, podrían ser mejoradas.
La Función Social.
Pretende esencialmente determinar qué alumnos han logrado los aprendizajes necesarios para
otorgarles la certificación correspondiente requerida por la sociedad en los diferentes niveles o
modalidades del sistema educativo. Por esta razón, se considera que esta función tiene carácter
social, pues constata y/o certifica el logro de determinados aprendizajes al término de un período,
curso o ciclo de formación, para la promoción o no a grados inmediatos superiores o para la
inserción en el mercado laboral.
Sistema de Evaluación
El sistema de evaluación de los aprendizajes tiene por finalidad contribuir a la mejora de la calidad
de los procesos de enseñanza y aprendizaje. Por tanto, debe darse antes, durante y después de
estos procesos permitiendo la regulación de las interrelaciones, detectar las dificultades que se
van presentando, averiguar las causas y actuar oportunamente sin esperar que el proceso con-
cluya; es decir, es de naturaleza formativa. De la misma manera, la evaluación de los aprendiza-
jes asume que su objeto lo constituyen los criterios e indicadores de cada área curricular, que
funcionan como parámetros de referencia para determinar los progresos y dificultades de los
educandos. Dichos criterios se constituyen en la unidad de recopilación, registro, análisis y co-
municación del proceso evaluativo, dándole así su naturaleza de criterio.
Tipos De Evaluación Del Aprendizaje.
El sistema de evaluación del aprendizaje comprende tres tipos diferentes: la evaluación diagnós-
tica, la evaluación formativa y la evaluación sumativa.
Evaluación Diagnóstica.
Permite conocer el nivel o estado en que se encuentran los estudiantes al inicio del proceso
educativo. En este sentido, este tipo de evaluación tiene un carácter preventivo. Tiene como

propósito conocer la expectativas, conocimientos, habilidades, actitudes y valores que ya posean
los estudiantes. Este conocimiento le servirá al docente para adecuar los tiempos según necesi-
dades individuales, poner atención en las carencias de aquellos estudiantes que no poseen los
prerrequisitos, y al final del ciclo, conocer el grado de éxito educativo.
Evaluación Formativa.
La evaluación formativa o sistemática se realiza a lo largo del curso, con el objetivo de identificar
los logros o limitaciones que los/las estudiantes van mostrando y así tomar las medidas en forma
oportuna. Estas evaluaciones no son calificadas. Aquí se reconoce que cuando un estudiante no
aprende, intervienen una serie de factores vinculados tanto con sus conocimientos previos como
con los métodos de enseñanza y motivación que despiertan las actividades propuestas. Enton-
ces, mientras se valora el logro de los objetivos propuestos, también se analizan los métodos de
enseñanza, las estrategias de aprendizaje de los estudiantes, las formas de evaluación aplicada,
los contenidos, etc. De esta forma, será posible tomar decisiones a tiempo sobre nuevas alter-
nativas de acción.
Black y William (1998), citado en: Black (2003), Sanmarti (2007), Knight (2005) y López Pastor
(2011), realizan un estudio basado en la recopilación de artículos publicados sobre experiencias
en evaluación formativa entre los años 1988 a 1997 en cerca de 160 revistas. Basados en la
revisión de 681 publicaciones, y extrayendo evidencia cuantitativa de 250 de ellos, concluyen
que, la evaluación formativa mejora sustantivamente el aprendizaje y que el efecto de esta me-
jora está entre los mayores que se hayan registrado nunca con respecto a intervenciones edu-
cativas.
Evaluación Sumativa.
Permite conocer el logro de los resultados esperados de aprendizaje, expresados en indicadores
de evaluación, con miras a evaluar productos, no procesos, está centrada en la determinación
de notas parciales o finales y la valoración de objetivos. Cumple con la función social de certificar
que los/las estudiantes han adquirido los resultados de aprendizaje previstos en el programa de
estudio. También proporciona información sobre los aspectos de la enseñanza que conviene
modificar o mejorar.
En la evaluación sumativa puede recurrirse a cinco formas diferentes de calificar: la tradicional
en la que solamente el profesor califica y otras cuatro: la autoevaluación, la evaluación mutua, la
coevaluación y la heteroevaluación.

Tendencias de la evaluación del aprendizaje.
Las tendencias históricas en cuanto a la consideración del objeto de evaluación del aprendizaje
trazan direcciones tales:
• Del rendimiento académico de los estudiantes, a la evaluación de la consecución de los
objetivos programados.
• De la evaluación de productos (resultados), a la evaluación de procesos y productos.
• De la búsqueda de atributos o rasgos estandarizables, a lo singular o idiosincrásico.
• De la fragmentación, a la evaluación holística, globalizadora, del ser (el estudiante) en su
unidad o integridad y en su contexto.
Estas tendencias no se dan de modo paralelo, tienen múltiples puntos de contacto y funciones
entre sí. Algunas van perdiendo fuerza dentro de las ideas pedagógicas, aun cuando dominan la
práctica; otras se vislumbran como emergentes.
La primera línea enunciada se mantiene, en lo fundamental, centrada en los productos o resul-
tados. En los primeros decenios del presente siglo la atención al rendimiento académico de los
estudiantes fue el aspecto privilegiado en la evaluación del aprendizaje. Se asoció a un sistema
de referencia estadístico, basado en la curva normal, que permitía establecer la posición relativa
de un alumno respecto a su grupo o cualquier población pertinente al efecto, reflejo de una con-
cepción espontánea del aprendizaje y de la enseñanza, en última instancia.
Por otra parte, surge, lo que pudiese denominarse falacia de los procedimientos y medios de
evaluación. El sistema de referencia basado en la norma privilegia la obtención de indicadores
estandarizables del objeto de evaluación, comunes a todos los individuos evaluados, de modo
que permita establecer la posición relativa de cada uno respecto a las medidas de tendencia
central de la población que sirve de referente.
A tal efecto la aplicación de exámenes, iguales en cuanto a contenido y forma, unifica la situación
de prueba, por lo que sus resultados sirven para establecer los estándares y comparar las reali-
zaciones individuales con los mismos; lo que refuerza el valor del examen en el ámbito de la
evaluación. La sobrevaloración del instrumento involucra sus resultados, y este hecho refuerza
la consideración de dichos resultados como indicadores pertinentes del aprendizaje.
Generalidades De La Inteligencia Artificial

El término de inteligencia artificial nace de la mente de John McCarthy, en el verano de 1956
organizaba una conferencia sobre el tema incipiente, en su momento dicha conferencia tuvo una
duración de dos meses, contó con las principales figuras del nuevo campo incipiente. (Conferen-
cia Dartmouth Summer Research. 30 de mayo de 2018)
Inteligencia Artificial
La inteligencia artificial (IA) es un campo de las ciencias de la computación y la ingeniería
que se enfoca en la creación de máquinas y sistemas que pueden realizar tareas que
normalmente requieren inteligencia humana, como el aprendizaje, la resolución de pro-
blemas y la toma de decisiones. (Rouhiainen, L. 2018, p. 17)
En la actualidad, la IA se está utilizando en una amplia variedad de aplicaciones, desde sistemas
de reconocimiento de voz y de imágenes hasta sistemas de recomendación y asistentes virtua-
les. La IA también se está utilizando en campos como la medicina, la manufactura y la robótica,
y se espera que en el futuro su uso se expanda aún más.
Categorías De La Inteligencia Artificial.
Existen dos categorías principales de inteligencia artificial: la inteligencia artificial débil y la inteli-
gencia artificial fuerte. La inteligencia artificial débil se refiere a sistemas diseñados para realizar
tareas específicas y limitadas, mientras que la inteligencia artificial fuerte es capaz de hacer cual-
quier tarea que un ser humano pueda realizar.
Además de estas dos categorías principales, también existen diferentes enfoques y técnicas para
crear sistemas de inteligencia artificial. Uno de los enfoques más comunes es el aprendizaje
automático, que se divide en tres tipos principales: el aprendizaje supervisado, el aprendizaje no
supervisado y el aprendizaje por refuerzo.
En el aprendizaje supervisado, los algoritmos usan datos que ya han sido etiquetados u organi-
zados previamente para indicar cómo tendría que ser categorizada la nueva información. En el
aprendizaje no supervisado, los algoritmos no usan ningún dato etiquetado u organizado previa-
mente para indicar cómo tendría que ser categorizada la nueva información, sino que tienen que
encontrar la manera de clasificarlas ellos mismos. Por último, con el aprendizaje por refuerzo, los
algoritmos aprenden de la experiencia. (Rouhiainen, L. 2018, p. 11). El aprendizaje por refuerzo

implica el uso de un sistema de recompensas y castigos para enseñar a una máquina a tomar
decisiones.
Cada uno de estos enfoques tiene sus propias fortalezas y debilidades, y se utilizan en diferentes
aplicaciones de inteligencia artificial. Por ejemplo, el aprendizaje supervisado se utiliza común-
mente en aplicaciones de reconocimiento de voz y de imagen, mientras que el aprendizaje por
refuerzo se utiliza a menudo en robótica y juegos.
Una aplicación es la detección de los correos spam, con los que algunas empresas como Google,
han logrado identificar hasta el 99.9 por ciento de correos basura, evitando que estos lleguen a
la bandeja de entrada. Otras aplicaciones son los diagnósticos médicos, seguimiento de pacien-
tes o la predicción de brotes epidémicos. En educación tenemos sistemas capaces de evaluar a
cada estudiante, brindando un plan de trabajo individual, que se adapte a las necesidades parti-
culares de cada uno.
Deep learning (aprendizaje profundo): es un campo del aprendizaje automático que se utiliza
para resolver problemas muy complejos y que normalmente implican grandes cantidades de da-
tos. El aprendizaje profundo se produce mediante el uso de redes neuronales, que se organizan
en capas para reconocer relaciones y patrones complejos en los datos. Su aplicación requiere
un enorme conjunto de información y una potente capacidad de procesamiento. Actualmente se
utiliza en el reconocimiento de voz, el procesamiento del lenguaje natural, la visión artificial y la
identificación de vehículos en los sistemas de asistencia al conductor.
La aplicación Google Translate, por ejemplo, es una plataforma digital sofisticada que utiliza la
inteligencia artificial débil, de hecho, el AlphaGo de Google, basada en DeepMind, superó al
campeón de Go, Lee Sedol. Los automóviles autónomos, conectados, eléctricos y compartidos
también usan la inteligencia artificial débil, muchas actividades ligadas a la salud, la industria, el
internet de las cosas, las fintech y un largo etcétera. La inteligencia artificial débil puede sustituir
con bastante rapidez a los humanos en muchos trabajos, ya que puede reconocer y analizar
correlaciones de patrones a partir de datos que a las personas las llevaría descifrarlos miles de
años. (Cabanelas Omil, 2019, p. 5).
La inteligencia artificial se aplica en una amplia variedad de campos, incluyendo: medicina, ma-
nufactura, finanzas, servicio al cliente, transporte, seguridad, educación, entretenimiento, entre
otros. (Ver anexo: Aplicaciones de la inteligencia artificial en algunas profesiones)
Aplicaciones De La Inteligencia Artificial En La Educación.

La diversidad de usos de la inteligencia artificial (IA) en la educación está aumentando sin cesar,
aunque su generalización parece aún muy lejana. A pesar de las enormes oportunidades que la
IA puede ofrecer para apoyar a la enseñanza y el aprendizaje, la variedad de sus usos en la
educación superior conlleva a numerosas implicaciones.
Según el informe «Artificial Intelligence in Education: Challenges and Opportunities for Sustaina-
ble Development» (UNESCO, 2019), «La inteligencia artificial puede ser una gran oportunidad
para acelerar el logro de los objetivos de desarrollo sostenible. Pero, cualquier revolución tecno-
lógica conduce a nuevos desequilibrios que debemos anticipar»
Flores-Vivar & García-Peñalvo, describen algunos de los roles y retos en que la IA está cam-
biando el campo de la educación a nivel global, por ejemplo:
• Acceso universal: La IA puede hacer que las aulas estén disponibles para todos, inclui-
dos aquellos que hablan diferentes idiomas o aquellos que tienen discapacidades visua-
les o auditivas.
• Sistemas de tutoría inteligente: la IA se puede utilizar para dar tutorías a los estudiantes
en función de las dificultades que tengan.
• Facilitadores virtuales: Con el uso de tecnología de tendencias como el reconocimiento
de gestos, un profesor puede ser reemplazado por un robot. La IA, los juegos en 3-D y
la animación por computadora se utilizan para crear interacciones y personajes virtuales
realistas.
• Contenido inteligente: Se puede crear contenido inteligente desde guías digitalizadas,
interfaces de aprendizaje personalizadas y currículos digitales, a través de varios me-
dios, como audio, vídeo y asistente en línea.
• Colaboración entre profesores e IA: La visión de la IA en la educación prevé que esta
tecnología y los profesores pueden trabajar juntos para obtener el mejor resultado para
los estudiantes.
• Análisis de contenido: Los educadores y los proveedores de contenido obtienen infor-
mación importante sobre el progreso de los alumnos mediante análisis inteligentes.
• Apoyo de tutorías fuera del aula: los programas de tutoría y apoyo se están volviendo
más avanzados y pueden ayudar a los estudiantes de manera efectiva con la prepara-
ción de tareas o exámenes.
• Automatizar las tareas de administración: Los educadores dedican mucho tiempo a cali-
ficar las tareas y los exámenes. Los sistemas de inteligencia artificial pueden calificar

preguntas de opción múltiple y están cerca de acceder a respuestas escritas. (2022, p.
5-6)
Otros ejemplos de cómo se está utilizando la inteligencia artificial en la educación son:
• Evaluación automatizada: Las herramientas de evaluación automática utilizan la inteli-
gencia artificial para corregir y evaluar los trabajos de los estudiantes. Algunas de estas
herramientas pueden incluso proporcionar retroalimentación en tiempo real, permitiendo
a los estudiantes identificar y corregir errores a medida que avanzan.
• Aprendizaje adaptativo: La inteligencia artificial se puede utilizar para crear programas
de aprendizaje adaptativo que se ajustan automáticamente a las necesidades de cada
estudiante. Estos programas pueden incluir ejercicios y actividades que se personalizan
para cada estudiante en función de su nivel de habilidad y estilo de aprendizaje.
• Asistentes virtuales: Algunas aplicaciones de inteligencia artificial se están utilizando
como asistentes virtuales para los estudiantes. Estos asistentes pueden responder pre-
guntas, proporcionar información y guiar a los estudiantes a través del proceso de
aprendizaje.
• Análisis de datos de los estudiantes: La inteligencia artificial se puede utilizar para anali-
zar grandes cantidades de datos de los estudiantes, como las respuestas a las pregun-
tas de las pruebas y los cuestionarios, para identificar patrones y tendencias en el
aprendizaje. Esto puede ayudar a los educadores a identificar áreas problemáticas en
las que los estudiantes necesitan ayuda adicional.
Inteligencia Artificial Y Evaluación De los Aprendizajes
El vínculo entre la IA y la educación consiste en tres ámbitos: aprender con la IA (por ejemplo,
utilizando las herramientas de IA en las aulas), aprender sobre la IA (sus tecnologías y técnicas)
y prepararse para la IA (por ejemplo, permitir que todos los ciudadanos comprendan la repercu-
sión potencial de la IA en la vida humana).
Es importante reconocer que la IA es una tecnología presente en nuestro contexto y que su uso
seguirá en aumento en diferentes ámbitos, incluyendo la educación. Por lo tanto, es necesario
que los docentes estén informados y preparados para utilizarla de manera efectiva y ética en el
proceso de enseñanza y aprendizaje, adaptando las estrategias de enseñanza para aprovechar
las oportunidades que ofrece la IA. Esto permitirá no solo mejorar la calidad de la educación, sino
también preparar a los estudiantes para el mundo actual y futuro en el que la IA será cada vez
más relevante.

En un mundo cada vez más tecnológico, la educación también ha encontrado en la inteligencia
artificial (IA) una herramienta esencial para el aprendizaje. Sin embargo, para los docentes tam-
bién es fundamental adquirir las competencias necesarias para evaluar con IA, ya que su res-
ponsabilidad de procurar el aprendizaje es fundamental. Las herramientas de IA pueden brindar
una asistencia casi total en cuanto a la realización de asignaciones. Si los docentes no adquieren
estas competencias, se estarían situando en un desbalance docente-discente, lo que puede lle-
var a una práctica evaluativa obsoleta y poco efectiva en el largo plazo.
Los trabajos en metodología de la investigación, por ejemplo, son susceptibles a plagios delibe-
rados, o por el hecho de no usar correctamente las fuentes de información. Dichos trabajos,
pueden evaluarse con herramientas como PlagScan o Turnitin, entre otras.
En la actualidad, lo fácil que es acceder a herramientas de inteligencia artificial (IA) puede poner
en riesgo la integridad de asignaturas como técnicas y estrategias de comunicación, composición
y redacción técnica, etc. Estas herramientas pueden generar fácilmente textos de cualquier estilo,
desde cartas hasta pequeños ensayos, poemas, composiciones literarias y musicales, con un
mínimo esfuerzo. Por lo tanto, los docentes deben estar preparados para enfrentar este desafío
y adoptar enfoques pedagógicos que promuevan habilidades de pensamiento crítico, análisis y
síntesis, para evitar que la IA reemplace el trabajo creativo y humano en estas asignaturas.
No obstante, las asignaciones a los estudiantes pueden dar un giro, ya que, gracias a las capa-
cidades de las herramientas, los docentes deberán elevar el nivel de las asignaciones, y cuyos
resultados podrán ser verdaderamente sorprendentes. En lugar de una lista de ejercicios prácti-
cos, podrían orientar la solución de problemas del contexto, o promover trabajos interdisciplina-
rios, lo que, para ello, requerirá un cambio de paradigma de la enseñanza individual a la ense-
ñanza cooperativa. Como lo menciona Ocaña- Fernández (2019), “Los nuevos retos de la socie-
dad de la información demandan de la universidad un severo cambio en sus rígidos cánones de
formación” con el fin de utilizar la IA para mejorar la calidad educativa.
Ocaña-Fernández plantea que otra oportunidad relevante es “integrar las diversas formas de
interacción humana y las tecnologías de la información y comunicación” (2019) para personalizar
de manera certera y eficaz el aprendizaje. Coursera, Platzi, Udemy, entre otras, son plataformas
de aprendizaje en línea que utilizan IA para proporcionar retroalimentación personalizada a los
estudiantes sobre su progreso y desempeño. No obstante, exceptuando MIT (Massachussets
Institute of Technology), muchas universidades son bastante rígidas y resistentes al cambio,

como lo menciona Vega “las universidades están bloqueadas por las reglas… ” y por “la cul-
tura…” (Canal Platzi, 2023, 7m25s). Si bien es cierto que su uso puede ser complementario para
el aprendizaje de los estudiantes, sus mecanismos de seguimiento son más precisos y persona-
lizados de lo que podría brindar un docente.
¿Cómo puede competir un docente con el seguimiento de los estudiantes sin hacer uso de las
herramientas adecuadas? ¿O se delegará a las herramientas de IA que generará un resumen
ejecutivo para el docente? Esto, sin embargo, expone un reto para las IES, tales como la promo-
ción y capacitación de estas tecnologías. “El gran desafío de la universidad … estriba en la ur-
gente necesidad de planificar, diseñar, desarrollar e implementar competencias digitales a fin de
formar mejores profesionales capaces de entender y desarrollar el entorno tecnológico en función
a sus necesidades” (Ocaña-Fernández, 2019)
En lugar de ver la IA como una amenaza, se deben abordar estos desafíos como oportunidades
para mejorar la educación y ofrecer a los estudiantes un aprendizaje más personalizado e inno-
vador. La combinación de habilidades docentes con las herramientas de IA puede permitir a los
docentes enfocarse en su tarea de orientar y guiar a los estudiantes, mientras que las herramien-
tas de IA pueden ayudar a evaluar y monitorear su desempeño. Una de las plataformas modelos
en este aspecto es Khan Academy, que posibilita a los usuarios “evaluar su rendimiento en todo
momento...se tiene acceso a información relevante sobre los logros alcanzados” (Antequera,
2013, p. 202). Registra las actividades realizadas, los vídeos vistos, incluso señala los temas a
reforzar y los que el usuario adquiere las habilidades propuestas.
Si aprender con IA será esencial, para los docentes también lo será evaluar con IA. Algunas
herramientas que pueden ser usadas por los docentes, son: PlagScan, Turnitin, Gradescope,
Coursera, Edmentum, entre otras. (Ver Anexo: Aplicaciones y herramientas que pueden ser
utilizadas para la evaluación del aprendizaje con el uso de IA.).
Los estudiantes por su parte también tienen acceso al uso de varias aplicaciones como Gram-
marly, Wolfram Alpha, Chatbots educativos, Buscadores de respuestas, Herramientas de análisis
de texto, Asistentes virtuales de escritura, Generación automática de contenido, Modelos de pre-
dicción, entre otras. (Ver Anexo: Herramientas de la inteligencia artificial utilizadas por los estu-
diantes.)
Diseño Metodológico
Tipo de enfoque y nivel de investigación

Tipo De Investigación.
Se trata de una investigación documental bibliográfica descriptiva que busca identificar los retos
y oportunidades en la evaluación de los aprendizajes con la IA, proponer mejoras para garantizar
la fiabilidad y calidad de este proceso y reflexionar sobre las estrategias que los docentes uni-
versitarios deben desarrollar para aprovechar las oportunidades que ofrece la IA en la evaluación
del aprendizaje.
Selección De Fuentes Documentales.
Se utilizaron diferentes fuentes documentales como artículos científicos, libros, tesis, informes,
videos y otros documentos relacionados con el uso de la IA en la evaluación del aprendizaje en
las Instituciones de Educación Superior. Se seleccionaron publicaciones con información rele-
vante desde el 2006 hasta la actualidad 2023, que dan pautas sobre cómo la IA está generando
cambios en la forma en la que se evalúan los aprendizajes.
Recopilación De Información.
Se realizaron búsquedas en bases de datos científicas como Scopus, Redalyc, Google Scholar
utilizando términos de búsqueda relacionados con el tema que interesa, como: "evaluación", "IA",
"docentes", “retos”, “oportunidades”, “educación superior”. La principal limitante es la carencia de
información que evidencie el uso de la IA específicamente en la evaluación de los aprendizajes
en la educación superior, pues la mayoría hacen el abordaje de manera general en educación,
aunque desde luego, esto logró aportar insumos para este estudio.
Análisis documental.
La información recopilada se clasificó y analizó para identificar los retos y oportunidades en la
evaluación de los aprendizajes con la IA, proponer mejoras para garantizar la fiabilidad y calidad
de este proceso y reflexionar sobre las estrategias que los docentes universitarios deben desa-
rrollar para aprovechar las oportunidades que ofrece la IA en la evaluación del aprendizaje. Para
este apartado se completó una matriz (Ver Anexo 1: Matriz de análisis documental) de acuerdo
a nuestros objetivos específicos, fuentes consultadas, hallazgos según las variables de estudio
y análisis realizados por los investigadores. Se analizaron 25 documentos y luego de aplicar los
criterios de selección se redujo a 16.
Conclusiones.

Como producto del análisis documental en las diferentes fuentes de información, presentamos
las conclusiones generales que sirven de sugerencias o punto de partida para mejorar la evalua-
ción del aprendizaje en el contexto universitario ante el uso de la IA.

Análisis Documental
Para entrar en contexto sobre el análisis realizado, la IA puede ser vista como una herramienta
poderosa o con “super poderes” que, siendo usada de forma correcta, puede ampliar la posibili-
dad de los seres humanos para resolver problemas y lograr objetivos.
Hay muchas aplicaciones que hacen uso de IA para facilitar tareas diarias, por mencionar una,
recientemente Microsoft anunció la incorporación de IA en las herramientas de trabajo cotidianas
como es el caso, esto sin mencionar otros campos donde la IA está siendo de gran valor como
la generación de imágenes, música y un gran etcétera.
Por lo antes expresado y con base en la revisión de la literatura consultada sobre inteligencia
artificial y el proceso de enseñanza aprendizaje y especialmente a lo relacionado al sistema de
evaluación de los aprendizajes, identificamos algunos retos y oportunidades.
Retos
• Identificar si el trabajo presentado por el estudiante fue hecho por él mismo o por una IA.
Existen diversas formas de indagar sobre la originalidad del trabajo, pues si de forma
tradicional se acompaña el proceso puede tenerse una idea del alcance real que puede
tener un estudiante para completar una asignación. También existen las herramientas de
detección de plagio que pueden servir de apoyo, pero como afirma (Bali, 2017) el docente
tiene la tarea de desarrollar en los estudiantes la actitud de valorar sus propias ideas y
palabras mientras son respetuosos y aprecian cómo las ideas y palabras de los demás
influyen en las suyas.
• Según Ian Gilbert (2005) “El cerebro está diseñado para: la supervivencia… Cuando nos
enfrentamos a una situación de aprendizaje, hay una parte de nuestro cerebro que se
pregunta: ¿Necesito este aprendizaje para sobrevivir? ¿Sí o no? En caso afirmativo po-
demos seguir con el aprendizaje. Sin embargo, si la respuesta es negativa, olvidémonos
de todo”. Los docentes deben diseñar actividades que sean relevantes para los estudian-
tes y que les permitan aplicar sus habilidades y conocimientos de manera práctica.
• Cuando se sugiera o se use IA, el docente debe asegurar la privacidad y la seguridad de
sus datos y los del estudiante, esto implica un análisis de la tecnología a utilizar. (Pedró,
2020) expresa que el surgimiento de la ciencia de datos ha cambiado el discurso de la
ética de la información a la ética de los datos. El principal desafío es poder utilizar los

datos personales y, al mismo tiempo, garantizar que la información de identificación per-
sonal y las preferencias de privacidad de las personas estén protegidas.
• Desarrollar habilidades y competencias en el manejo de tecnologías y herramientas de
IA para los docentes y estudiantes. Según el International Forum on AI and the Futures
of Education Developing Competencies for the AI Era (UNESCO, 2021b), destaca que las
competencias orientadas a la tecnología se centran en técnicas, tecnologías y aplicacio-
nes de IA, e incluyen el conocimiento y las habilidades para el aprovechamiento de estas.
En este sentido se puede interpretar la necesidad de crear cursos técnicos o incluir en los
currículos la alfabetización tecnológica en IA, sin obviar que el alcance de la IA abarca
prácticamente todas las asignaturas de los planes de estudios de las diversas carreras.
• Garantizar que el uso de la IA no genere algún tipo de sesgo o discriminación, para este
fin, el desarrollo del pensamiento crítico reflexivo juega un papel muy importante, en este
sentido (Bali, 2017), explica que muchas de estas tecnologías dependen en gran medida
de la recopilación de datos del alumno (perfil), generalmente de manera ubicua (es decir,
sin que los alumnos reconozcan que sus comportamientos se extraen como datos todo
el tiempo, sin dar permiso explícito, sin saber qué se hará con los datos y por quién), es
decir, que por distracción podría reproducir un contenido, permanecer en un sitio y dar
clic en opciones de menú lo cual quedará registrado y cuando realice consultas en las
aplicaciones de uso cotidiano corre el riesgo de que las recomendaciones estén acordes
al perfil que se ha creado por su navegación y no de lo que realmente quiere obtener.
Oportunidades
En el proceso de transformación digital, la educación superior juega un papel importante, no solo
de formación de estudiantes ante los retos de ambientes digitales, sino que también proporcione
herramientas para la gestión académica que van desde la planificación, seguimiento del estu-
diantes y evaluación (Calderón & Ramón, 2021).
La inteligencia artificial (IA) tiene un gran potencial en la educación superior, y puede ser apro-
vechada a través de la realidad virtual, la robótica educativa, los sistemas de tutoría inteligentes
y los sistemas de aprendizaje en línea; lo que puede contribuir a fomentar las buenas prácticas
en la educación superior inclusiva, la cual busca garantizar la igualdad de oportunidades y acceso
a la educación superior para todas las personas, independientemente de su origen socioeconó-
mico, género, discapacidad o cualquier otra condición. Su integración en las evaluaciones del
aprendizaje requiere un proceso de transformación, aceptación y adaptación.

Hacer uso de la IA en el proceso de Evaluación de los Aprendizajes como herramienta de apoyo,
brinda una serie de posibilidades que pueden ser aprovechas por los docentes. A continuación,
se proporcionar un resumen de la literatura consultada (Jara, I. & Ochoa, J. M., 2020; World
Economic Forum. 2017; Crovetto, 2020):
• Ampliar la capacidad de la evaluación, lo que permitiría evaluar a más estudiantes en
menos tiempo y con menos errores.
• Adaptar la evaluación a las necesidades y capacidades de cada estudiante. Conocer el
progreso del estudiante, usar IA, herramientas de “gamificación” (juego) y simulación pue-
den ser útiles en estos casos pues hacen el proceso más interesante para el discente.
• Retroalimentación más precisa y rápida, lo que permite a los estudiantes conocer su
desempeño y mejorar su aprendizaje de manera más efectiva.
• Mejora de la eficiencia de los docentes, ya que la IA puede ayudar a reducir la carga de
trabajo en la evaluación y a enfocar su trabajo en la retroalimentación y mejora del apren-
dizaje.
Kai-Fu Lee uno de los mayores expertos mundiales en inteligencia artificial, en una entrevista
para BBVA Aprendamos Juntos, en el 2020, afirmó que, al integrar la inteligencia artificial en las
aulas, "el profesor podría ahorrar hasta un 40 o un 50 % de su tiempo" por lo que pueden invertir
ese tiempo en las relaciones interpersonales, aspectos morales, valores, trabajo en equipo, em-
patía, creatividad, expresó que "ese es el futuro de la educación".
Fiabilidad en la evaluación de los aprendizajes ante el uso de la IA
Con el desarrollo de diversas herramientas tecnológicas destinadas a la creación de contenido
en diversos formatos utilizando IA, es normal la preocupación sobre la autoría del trabajo que
elaboran los estudiantes, incluso esta inquietud ha estado presente desde antes de la existencia
de este tipo de tecnologías. La eliminación total de este problema es una tarea ardua y difícil,
pues posee causas y formas de presentación diversas, algunas de ellas muy complejas o elabo-
radas, y dependientes de la realidad sociocultural en la que se desarrollan los educandos (Díaz-
Arce et al., 2019).
Según las fuentes consultadas (Díaz-Arce et al., 2019; Arce, D., 2023), los docentes pueden
buscar la fiabilidad en las evaluaciones ante el uso de la IA siguiendo algunas recomendaciones
claves como:

• Diseñar evaluaciones que promuevan la creatividad y el pensamiento crítico, en lugar de
centrarse en la reproducción de contenido.
• Promover con más énfasis la evaluación formativa en el proceso de enseñanza y apren-
dizaje, lo que permitirá identificar el progreso del estudiante y corregir posibles errores
antes de la entrega final del trabajo.
• Familiarizarse con las herramientas de detección de plagio que existen en el mercado y
utilizarlas en la medida de lo posible.
• Incentivar la colaboración y el trabajo en equipo en los proyectos, tanto disciplinarios
como interdisciplinarios ya que es más difícil que una IA pueda realizar una tarea de ma-
nera efectiva en grupo.
• Realizar evaluaciones personalizadas y adaptadas a las necesidades y habilidades de
los estudiantes, para tratar de evitar que la IA sea la única opción para ellos.
• Establecer una comunicación fluida con los estudiantes y mantener un diálogo constante
sobre el uso de la IA en las evaluaciones, su impacto en el proceso de aprendizaje y las
implicaciones éticas que conlleva su uso.
Reflexiones sobre estrategias a considerar para aprovechar la IA en la evaluación del
aprendizaje desde la perspectiva docente
Dado que, el avance de las TIC y de la Inteligencia artificial en el ámbito educativo es inevitable,
los docentes pueden desarrollar como mínimo, las siguientes estrategias:
• Diseñar actividades y tareas que no sean tan susceptibles a la copia o plagio. Se men-
cionan algunos:
o Proyectos creativos: los proyectos que requieren que los estudiantes produzcan
un trabajo original y creativo, como por ejemplo un video, un podcast, una presen-
tación, un ensayo argumentativo, una pieza de arte o diseño, un proyecto en be-
neficio de la comunidad, entre otros. Estas actividades pueden ser más difíciles
de plagiar porque requieren que el estudiante aplique su propia perspectiva y ha-
bilidades para producir un resultado original.
o Trabajos de investigación: las tareas que implican una investigación profunda y
rigurosa también pueden ser menos susceptibles al plagio. Por ejemplo, un en-

sayo que requiere que el estudiante realice una investigación en profundidad so-
bre un tema específico y presente sus propias conclusiones y argumentos, ci-
tando adecuadamente las fuentes.
o Evaluaciones prácticas: algunas evaluaciones prácticas presenciales como exá-
menes orales, presentaciones, debates, foros, pruebas prácticas en el laborato-
rio, simulaciones, entre otros, pueden ser más difíciles de plagiar ya que requie-
ren que los estudiantes demuestren su habilidad en la aplicación del conoci-
miento en lugar de simplemente recordar información.
o Trabajo colaborativo: los trabajos que se realizan en equipo y que implican la co-
laboración activa de los estudiantes para la resolución de problemas reales, que
afectan el entorno, pueden reducir el riesgo de plagio. En estos casos, cada es-
tudiante puede ser responsable de una parte específica del proyecto, lo que re-
quiere que cada uno aporte sus propias ideas y habilidades.
• Evaluar el nivel de originalidad y autenticidad de los trabajos de los estudiantes
• También es importante que los docentes conozcan las limitaciones y sesgos que pue-
den presentarse en los sistemas de IA y sepan cómo corregirlos o minimizar su impacto
en la evaluación. El docente debe tener un enfoque crítico y reflexivo en cuanto al uso
de la IA en la evaluación y debe estar en constante actualización y formación en este
ámbito.
• Ver la IA como una herramienta para mejorar notablemente el proceso de EA y evalua-
ción, en lugar de verlo como amenaza. Promover su uso de tal manera que permita al-
canzar grandes objetivos educativos y de aprendizaje, aprovechando los ‘super pode-
res’ que ésta brinda.

Conclusiones
Como conclusiones de esta investigación podemos destacar que el uso de la Inteligencia Artificial
en la evaluación del aprendizaje en las Instituciones de Educación Superior presenta retos y
oportunidades que pueden mejorar la calidad y fiabilidad de la evaluación.
1. En cuanto a los retos, se encuentra la dificultad para garantizar la autenticidad y origina-
lidad de los trabajos de los estudiantes, debido a la capacidad de la IA para generar
contenidos similares. Sin embargo, se pueden implementar estrategias para disminuir el
plagio como el uso de herramientas que evalúen el nivel de originalidad de los trabajos,
y lo que siempre ha existido, incluso desde antes de la IA, como es la aplicación de eva-
luaciones diagnósticas y formativas y un correcto acompañamiento del docente, tal y
como lo afirmó el filósofo alemán Johann Friedrich Herbart (1776-1841) (apud CHEVA-
LLARD, 2007), “El profesor de la universidad ya no es un educador (lehrender), el estu-
diante ya no es un educando (lernender), este último conduce investigaciones persona-
les y el educador tiene la tarea de guiar y aconsejar esas investigaciones”, por lo que la
acción docente debe estar dirigida a la orientación y seguimiento del proceso indagato-
rio, siendo un claro motivador en el proceso.
2. En cuanto a las oportunidades, se destaca la posibilidad de personalizar la evaluación y
adaptarla a las necesidades de cada estudiante, gracias al uso de la IA. Además, el uso
de la IA en la evaluación puede mejorar la eficiencia del proceso y permitir a los docen-
tes enfocarse en tareas más relevantes; no cabe duda de que un buen uso de la IA hará
que los involucrados sean más productivos.
3. Es necesario que los docentes desarrollen habilidades y competencias para diseñar ta-
reas y evaluaciones adecuadas para la IA, lo cual implica conocer y entender las capa-
cidades y limitaciones de las herramientas de IA disponibles. Los docentes y estudian-
tes deben ser conscientes de que la IA, aunque mejora cada día, no es una solución

perfecta, por lo que deben tomar en cuenta estos aspectos al momento de tomar deci-
siones basadas en los resultados obtenidos con la tecnología.
4. Los docentes pueden diseñar y compartir entre ellos tareas y actividades donde se ten-
gan buenos resultado en cuanto al buen uso de la IA, promoviendo la colaboración y el
intercambio de ideas.
Finalmente, queda esta cita como reflexión “¿Qué sería de la educación sin la participación del
docente?, ¿Seguiría siendo educación? ¿Cómo se podría enseñar arte, inteligencia emocional,
ética sin la participación del ser humano en su rol docente? Debemos ver a la IA como un
aliado, debemos de valorar sus ventajas y sus limitaciones, para así seguir en la senda de la
democratización de la calidad educativa para todos los seres humanos y tomarnos con serie-
dad la necesidad de reinventar nuestro rol docente porque en definitiva este será cambiado por
la aplicación de la IA en la educación.” (Crovetto, Á., 2020)

Referencias
Antequera, A. T. (2013). Khan Academy: Una experiencia de aula en secundaria. Números. Re-
vista de Didáctica de las Matemáticas, 83, 199-209.
Arce, D. D. (2023). Inteligencia artificial vs. Turnitin: implicaciones para el plagio académico. Re-
vista Cognosis. ISSN 2588-0578, 8(1), 15-26.
Bali, M.(2017). Against the 3A’s of EdTech: AI, Analytics, and Adaptive Technologies in Educa-
tion’. The Chronicle of Higher Education, 2018-04. https://www.chronicle.com/blogs/prof-
hacker/against-the-3as-of-edtech-ai-analytics-and-adaptive-technologies-in-educa-
tion/64604
BBVA. (2020, octubre 7). Cómo la inteligencia artificial ayudará a los profesores. Kai-Fu Lee,
experto en IA. https://youtu.be/9N1iYDHRZ14
Cabanelas Omil, J. (2019). Inteligencia artificial ¿Dr. Jekyll o Mr. Hyde? Mercados y Negocios,
40, 5–22. https://doi.org/10.32870/myn.v0i40.7403
Calderón, O. R. F. (2021). Las nuevas tecnologías en la educación superior, una oportunidad.
Revista Torreón Universitario, 10(28), 4-5.
Canal Platzi, (3 de febrero de 2023). El rol de la universidad, las plataformas de educación y la
IA. [Archivo de vídeo] Youtube. https://www.youtube.com/watch?v=flAyTuYnBH0
Carin, A. A., Sund, R., & Lahkar, B. K. (2018). El machine learning a través de los tiempos, y los
aportes a la humanidad. Journal of Controlled Release, 11(2), 430–439
Carrillo, M., Padilla, J., Rosero, T. & Sol Villagómez, M. (2009). La motivación y el aprendizaje.
Alteridad, 4(1), 20-33. Quito, Ecuador: Universidad Politécnica Salesiana of Ecuador. Re-
trieved March 16, 2023 from https://www.learntechlib.org/p/195445/
Chevallard, Yves. Un concept en émergence : la dialectique des médias et des milieux. In: SE-
MINÁRIO NACIONAL DE DIDÁTICA DA MATEMÁTICA, ARDM e IREM DE PARIS, 7.,
2007, París. Actas... París: [s. n.], 2007. p. 344-366. Disponible en: . Acceso en: 11 jun.
2019.
Crovetto, Á. (2020). ¿ Quieres que te enseñe Siri?: Inteligencia Artificial en la educación. Instituto
de Estudios Transhumanistas, 3(1).

Díaz Arce, D. (2017b). Herramientas “antiplagio”: ¿son confiables? Estudio de casos.Edutec. Re-
vista Electrónica de Tecnología Educativa., (61), a365. https://doi.org/10.21556/edu-
tec.2017.61.919
Flores-Vivar, J. M., & García-Peñalvo, F. J. (2023). Reflections on the ethics, potential, and
challenges of artificial intelligence in the framework of quality education (SDG4). Comu-
nicar, 30(74), 35–44. https://doi.org/10.3916/C74-2023-03
Gilbert, I. Motivar para aprender en el aula. Col. Paidós Educador, 178. Ed. Paidós. Barcelona,
2005
Jara, I., & Ochoa, J. M. (2020). Usos y efectos de la inteligencia artificial en educación. Sector
Social división educación. Documento para discusión número IDB-DP-00-776. BID. doi:
http://dx. doi. org/10.18235/000238 0.
Ocaña-Fernández, Yolvi, Valenzuela-Fernández, Luis Alex, & Garro-Aburto, Luzmila Lourdes.
(2019). Inteligencia artificial y sus implicaciones en la educación superior. Propósitos y
Representaciones, 7(2), 536-568. https://dx.doi.org/10.20511/pyr2019.v7n2.274
Ocaña-Fernández, Yolvi; Valenzuela-Fernández, Luis Alex y GARRO-ABURTO, Luzmila Lour-
des. Inteligencia artificial y sus implicaciones en la educación superior. Propós. represent.
[online]. 2019, vol.7, n.2 [citado 2023-03-17], pp.536-568. Disponible en:
<http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S2307-
79992019000200021&lng=es&nrm=iso>. ISSN 2307-7999.
http://dx.doi.org/10.20511/pyr2019.v7n2.274.
Pedró, F. (2020). Applications of Artificial Intelligence to higher education: possibilities, evidence,
and challenges. IUL Research, 1(1), 61–76. https://doi.org/10.57568/iulres.v1i1.43
Rouhiainen, L. (2018). Inteligencia artificial 101 cosas que debes saber hoy sobre nuestro fu-
turo. Alienta Editorial, 22. https://planetadelibrosar0.cdnstatics.com/libros_contenido_ex-
tra/40/39307_Inteligencia_artificial.pdf
UNESCO (Ed.) (2021b). International Forum on AI and the futures of education developing
competencies for the AI era. UNESCO. https://bit.ly/3zoB6AS

World Economic Forum. 2017. Artificial Intelligence will Transform Universities. Here’s How.
Consultado en https://www.weforum.org/agenda/2017/08/artificial-intelligence-will-trans-
form-universities-here-s-how/?utm_content=buffer04c70&utm_medium=so-
cial&utm_source=twitter.com&utm_campaign=buffer

Anexos
Anexo 1: Matriz de análisis documental
Objetivos
Fuente consul-
tada
Hallazgo
Análisis de los investi-
gadores
Analizar el alcance de la Inteligen-
cia Artificial (IA) en la evaluación del
aprendizaje a través de la identifica-
ción de los retos y oportunidades
que permitan mejorar la fiabilidad y
calidad de la evaluación en las Ins-
tituciones de Educación Superior.
Identificar los retos y oportunidades
en la evaluación de los aprendiza-
jes con el uso de la Inteligencia Ar-
tificial
Sugerir mejoras en la evaluación de
los aprendizajes para garantizar la
fiabilidad y la calidad de este pro-
ceso con el uso de la IA
Reflexionar sobre estrategias que
los docentes universitarios deben
considerar para aprovechar las
oportunidades que ofrece la IA en la
evaluación del aprendizaje

Anexo: Aplicaciones De La Inteligencia Artificial En Algunas Profesiones.
Medicina: la IA se utiliza para analizar grandes cantidades de datos médicos y ayudar en el
diagnóstico de enfermedades.
Manufactura: la IA se utiliza para automatizar procesos de producción y mejorar la eficiencia.
Finanzas: la IA se utiliza para el análisis de riesgos, la detección de fraudes y la toma de deci-
siones de inversión.
Servicio al cliente: la IA se utiliza para proporcionar soporte y asistencia a los clientes, a través
de chatbots y asistentes virtuales.
Transporte: la IA se utiliza para mejorar la eficiencia del transporte y la seguridad en las carre-
teras.
Seguridad: la IA se utiliza para detectar y prevenir amenazas de seguridad en línea y en el
mundo físico.
Educación: la IA se utiliza para personalizar la educación y mejorar la eficacia del aprendizaje.
Entretenimiento: la IA se utiliza para crear juegos y experiencias de realidad virtual y aumen-
tada.

Anexo: Otras Herramientas De La IA Usadas Por Docentes Y Estudiantes.
Chat GPT: es un modelo de lenguaje artificial basado en la arquitectura GPT (Generative Pre-
trained Transformer) desarrollado por OpenAI. Su función es generar respuestas coherentes y
relevantes a partir de las preguntas y mensajes recibidos por los usuarios.
La última versión de ChatGPT, es la GPT-4. GPT-4 es el modelo de lenguaje más grande y
avanzado desarrollado hasta la fecha, En la nueva versión, llamada GPT-4, un usuario puede,
por ejemplo, tomar una foto con ingredientes disponibles en su cocina y pedirle al chatbot que le
ofrezca opciones de recetas y las instrucciones.
Otter.ai: es una herramienta de transcripción en tiempo real que puede transcribir automática-
mente los videos de YouTube. También ofrece funciones de edición y colaboración.
Happy Scribe: es otra herramienta de transcripción que permite subir videos de YouTube para
transcribirlos automáticamente. También admite múltiples idiomas y ofrece funciones de edición
y exportación.
Trint: es una plataforma de transcripción automática que admite la transcripción de videos de
YouTube, así como la transcripción de audio y video en tiempo real. También ofrece funciones
de edición y colaboración.
Copy.ai: es una herramienta de inteligencia artificial que utiliza técnicas de procesamiento de
lenguaje natural para generar texto de forma automática. La herramienta se centra en la creación
de contenido de marketing, incluyendo anuncios publicitarios, textos para páginas web, publica-
ciones en redes sociales, correos electrónicos, entre otros.
Dall-E: es un modelo de inteligencia artificial desarrollado por OpenAI que utiliza técnicas de
aprendizaje profundo y de generación de imágenes para crear imágenes a partir de descripciones
textuales. El modelo fue entrenado en un conjunto de datos masivo de imágenes y descripciones
para aprender a crear imágenes a partir de texto.
DALL-E es una muestra más de cómo la inteligencia artificial puede ser utilizada para generar
contenido creativo y visualmente impactante, y se espera que su uso tenga un impacto significa-
tivo en áreas como la publicidad, el diseño gráfico y la creación de contenido multimedia.
Betoven.ai: Creador de música libre de derechos.
TensorFlow: una plataforma de código abierto para el aprendizaje automático desarrollada por
Google.

Keras: una biblioteca de aprendizaje profundo que se ejecuta sobre TensorFlow, que simplifica
el proceso de construcción y entrenamiento de modelos de aprendizaje profundo.
PyTorch: un marco de aprendizaje profundo desarrollado por Facebook que se centra en la
facilidad de uso y la flexibilidad.
Scikit-learn: una biblioteca de aprendizaje automático en Python que incluye varios algoritmos
de aprendizaje supervisado y no supervisado.
Caffe: un marco de aprendizaje profundo de código abierto desarrollado por Berkeley AI Re-
search (BAIR). Se utiliza principalmente en aplicaciones de visión por computadora, como el
reconocimiento de objetos, la clasificación de imágenes y la detección de rostros. La plataforma
se desarrolló para ser eficiente y escalable, lo que la hace ideal para aplicaciones en las que se
requiere un alto rendimiento y una baja latencia.
Microsoft Cognitive Toolkit: un marco de aprendizaje profundo que se centra en la escalabili-
dad y el rendimiento.
Theano: una biblioteca de aprendizaje profundo desarrollada por la Universidad de Montreal que
se utiliza para la creación de modelos de aprendizaje automático.
OpenCV: una biblioteca de visión artificial de código abierto que se utiliza para el procesamiento
de imágenes y vídeos.
Natural Language Toolkit (NLTK): una biblioteca de procesamiento de lenguaje natural de có-
digo abierto en Python.
IBM Watson: una plataforma de inteligencia artificial en la nube que proporciona herramientas
para el procesamiento del lenguaje natural, la visión por computadora y el aprendizaje automá-
tico.

Anexo: Aplicaciones Y Herramientas Que Pueden Ser Utilizadas Para La Evaluación Del
Aprendizaje Con El Uso De IA.
PlagScan: Una herramienta que utiliza inteligencia artificial para detectar plagio en trabajos aca-
démicos y científicos.
Turnitin: Un software de detección de plagio que utiliza IA para comparar textos con bases de
datos de textos existentes.
Gradescope: Una plataforma que utiliza IA para digitalizar y calificar automáticamente exámenes
y tareas.
Coursera: Una plataforma de aprendizaje en línea que utiliza IA para proporcionar retroalimen-
tación personalizada a los estudiantes sobre su progreso y desempeño.
Edmentum: Una plataforma de aprendizaje en línea que utiliza IA para adaptar el contenido y la
enseñanza a las necesidades y habilidades individuales de los estudiantes.

Anexo: Herramientas de la inteligencia artificial utilizadas por los estudiantes.
Grammarly: un corrector gramatical y ortográfico que ayuda a los estudiantes a mejorar la cali-
dad de sus trabajos escritos.
Wolfram Alpha: un motor de búsqueda computacional que proporciona respuestas a preguntas
matemáticas y científicas complejas.
Chatbots educativos: como ChatGPT, que puede ayudar a los estudiantes a responder pregun-
tas y proporcionar información útil en tiempo real
Buscadores de respuestas: Los estudiantes pueden utilizar herramientas de búsqueda que uti-
lizan inteligencia artificial, como Google, para encontrar respuestas a preguntas específicas. Es-
tos buscadores pueden proporcionar respuestas rápidas a preguntas simples y también pueden
ayudar a los estudiantes a encontrar recursos útiles para una tarea.
Herramientas de análisis de texto: Los estudiantes pueden utilizar herramientas de análisis de
texto que utilizan inteligencia artificial para analizar documentos, artículos y otras fuentes para
extraer información relevante y resumir la información importante. Estas herramientas pueden
ayudar a los estudiantes a comprender mejor la información y a organizar sus pensamientos al
escribir un ensayo o una investigación.
Asistentes virtuales de escritura: Los estudiantes pueden utilizar herramientas que utilizan in-
teligencia artificial para proporcionar retroalimentación sobre la gramática y la estructura de sus
escritos. Estas herramientas pueden ayudar a los estudiantes a mejorar la calidad de sus escritos
y pueden proporcionar sugerencias útiles para mejorar la claridad y la cohesión del texto.
Generación automática de contenido: Algunas herramientas de inteligencia artificial pueden
generar contenido automáticamente en función de los datos de entrada proporcionados por el
usuario. Por ejemplo, los estudiantes pueden utilizar herramientas que generen gráficos o tablas
automáticamente para ayudar a visualizar y comprender mejor los datos.
Modelos de predicción: Los estudiantes pueden utilizar modelos de predicción que utilizan in-
teligencia artificial para predecir el resultado de un evento o tarea. Por ejemplo, los estudiantes
pueden utilizar modelos de predicción para predecir la probabilidad de que un experimento tenga
éxito, o para predecir el resultado de un evento deportivo.
Office (365 Copilot): Combinada con un asistente de voz, se le puede decir a Word, en lenguaje
natural, que haga un resumen sobre un libro específico, de igual forma comunicarle a Power

Point que haga una presentación sobre un tema particular en diez diapositivas, solicitar a Excel
que haga un análisis sobre datos de ventas para obtener los productos que generan más bene-
ficio económico

Inteligencia artificial y evaluación de los aprendizajes

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Inteligencia artificial y evaluación de los aprendizajes

Similar a Inteligencia artificial y evaluación de los aprendizajes (20)

Último

Último (20)

Inteligencia artificial y evaluación de los aprendizajes