EVALUAR PARA PERSONALIZAR: RETROALIMENTACI脫N FORMATIVA Y ANAL脥TICAS CON INTELIGENCIA ARTIFICIAL GENERATIVA (IAG)
El cap铆tulo analiza c贸mo la evaluaci贸n personalizada, apoyada en Inteligencia Artificial Generativa (IAG), puede responder de manera m谩s justa y pertinente a la diversidad de trayectorias en la educaci贸n superior, con especial foco en la Formaci贸n Inicial Docente. Sobre la base de la tradici贸n de la evaluaci贸n formativa y de la evaluaci贸n para el aprendizaje, se redefine la evaluaci贸n como un proceso continuo de generaci贸n e interpretaci贸n de evidencias, articulando diagn贸sticos tempranos, retroalimentaci贸n formativa y anal铆ticas de aprendizaje para orientar decisiones pedag贸gicas diferenciadas. En este marco, se examina el potencial de la IAG para enriquecer el diagn贸stico temprano mediane el an谩lisis escalable de respuestas abiertas y comportamientos en entornos virtuales, as铆 como para apoyar sistemas de alerta temprana que identifiquen estudiantes en riesgo sin caer en l贸gicas de vigilancia ni determinismo algor铆tmico. Se describen tambi茅n modelos h铆bridos de retroalimentaci贸n, en los que la IAG genera borradores de comentarios alineados con r煤bricas y criterios de desempe帽o, que luego son revisados por el profesorado, con el doble objetivo de aumentar la frecuencia y calidad de la retroalimentaci贸n y preservar el v铆nculo pedag贸gico. El cap铆tulo aborda el uso de anal铆ticas de aprendizaje como puente entre evaluaci贸n personalizada y ajuste instruccional, mostrando c贸mo la IAG puede traducir datos complejos en narrativas comprensibles y sugerencias de acci贸n, siempre bajo marcos de gobernanza robustos, respecto a la privacidad y participaci贸n estudiantil en la interpretaci贸n de sus propios datos. Finalmente, se propone un modelo institucional de evaluaci贸n personalizada con IAG que integra infraestructura de datos, pol铆ticas 茅ticas, desarrollo profesional docente y espacios de co-decisi贸n con el estudiantado, en continuidad con los cap铆tulos dedicados a fundamentos de la IA, competencias cr铆ticas, dise帽o did谩ctico y gobernanza.
EVALUAR PARA PERSONALIZAR: RETROALIMENTACI脫N FORMATIVA Y ANAL脥TICAS CON INTELIGENCIA ARTIFICIAL GENERATIVA (IAG)
-
DOI: 10.37572/EdArt_1505269705
-
Palavras-chave: evaluaci贸n formativa; anal铆ticas aprendizaje; retroalimentaci贸n.
-
Keywords: evaluaci贸n formativa; anal铆ticas aprendizaje; retroalimentaci贸n.
-
Abstract:
El cap铆tulo analiza c贸mo la evaluaci贸n personalizada, apoyada en Inteligencia Artificial Generativa (IAG), puede responder de manera m谩s justa y pertinente a la diversidad de trayectorias en la educaci贸n superior, con especial foco en la Formaci贸n Inicial Docente. Sobre la base de la tradici贸n de la evaluaci贸n formativa y de la evaluaci贸n para el aprendizaje, se redefine la evaluaci贸n como un proceso continuo de generaci贸n e interpretaci贸n de evidencias, articulando diagn贸sticos tempranos, retroalimentaci贸n formativa y anal铆ticas de aprendizaje para orientar decisiones pedag贸gicas diferenciadas. En este marco, se examina el potencial de la IAG para enriquecer el diagn贸stico temprano mediane el an谩lisis escalable de respuestas abiertas y comportamientos en entornos virtuales, as铆 como para apoyar sistemas de alerta temprana que identifiquen estudiantes en riesgo sin caer en l贸gicas de vigilancia ni determinismo algor铆tmico. Se describen tambi茅n modelos h铆bridos de retroalimentaci贸n, en los que la IAG genera borradores de comentarios alineados con r煤bricas y criterios de desempe帽o, que luego son revisados por el profesorado, con el doble objetivo de aumentar la frecuencia y calidad de la retroalimentaci贸n y preservar el v铆nculo pedag贸gico. El cap铆tulo aborda el uso de anal铆ticas de aprendizaje como puente entre evaluaci贸n personalizada y ajuste instruccional, mostrando c贸mo la IAG puede traducir datos complejos en narrativas comprensibles y sugerencias de acci贸n, siempre bajo marcos de gobernanza robustos, respecto a la privacidad y participaci贸n estudiantil en la interpretaci贸n de sus propios datos. Finalmente, se propone un modelo institucional de evaluaci贸n personalizada con IAG que integra infraestructura de datos, pol铆ticas 茅ticas, desarrollo profesional docente y espacios de co-decisi贸n con el estudiantado, en continuidad con los cap铆tulos dedicados a fundamentos de la IA, competencias cr铆ticas, dise帽o did谩ctico y gobernanza.
- Carolina Fuentes-Henr铆quez