La IA y la evaluación universitaria han llegado a una situación incómoda: un trabajo impecable ya no demuestra, por sí solo, que su autor sepa de qué está hablando. El regulador universitario de Inglaterra reclama evaluaciones que permitan comprobar los conocimientos y las capacidades del alumnado ante la extensión de la inteligencia artificial.
The Guardian recoge la advertencia. La pregunta que deja detrás merece bastante más atención que la búsqueda del próximo programa capaz de señalar al tramposo: ¿qué estamos evaluando cuando corregimos una entrega?
El título universitario necesita algo más que un documento convincente
La investigación del Office for Students y Advance HE recoge las experiencias de más de 300 estudiantes y profesionales. Describe tareas sin supervisión que pueden resolverse satisfactoriamente con IA sin demostrar las competencias que supuestamente evalúan. También encuentra normas poco claras y una formación del profesorado sobre IA que suele ser voluntaria y tener poca participación.
El regulador plantea recurrir más a pruebas presenciales, presentaciones y ejercicios prácticos, y exige que las universidades garanticen evaluaciones válidas y fiables. Al mismo tiempo, reclama preparar a los estudiantes para utilizar la IA en su vida profesional.
Hasta ahí, la noticia. Ahora vienen los deberes que llevamos demasiado tiempo dejando para después.
Mirada HUMANía: piensa mal del documento y pregunta al alumno
Los detectores de IA no ofrecen una identificación consistente y fiable. Lo reconoce el propio informe. No podemos confiarles la solución de un problema que ni siquiera saben identificar con suficiente fiabilidad.
Lo más lógico hoy es partir de que cualquier texto que recibimos puede haberse generado con IA. El trabajo del alumno también. El «piensa mal y acertarás» de toda la vida, actualizado para una época en la que hasta la espontaneidad se puede encargar.
No significa que todas las personas utilicen estas herramientas en todas sus tareas. Significa que resulta absurdo diseñar una evaluación dando por hecho que no existen. La puerta lleva abierta bastante tiempo; podemos dejar de discutir si alguien habrá encontrado el picaporte.
La pregunta útil pasa a ser otra: ¿puedes explicar lo que has entregado, defender tus decisiones, detectar un error y aplicar lo aprendido a un problema diferente?
Si la respuesta es sí, tenemos algo que evaluar. Si la respuesta es un silencio angustioso, el documento era precioso.
Memorizar sigue teniendo demasiadas papeletas para llamarse aprender
La educación ha cambiado. Piaget, Montessori, Vygotsky y tantas otras aportaciones no desaparecen porque llegue un chatbot. Pero tampoco han conseguido desterrar una equivalencia que sigue demasiado instalada en aulas, exámenes y expectativas: memorizar, reproducir, aprobar. Y después, si queda sitio, comprender.
La memoria es necesaria. Para pensar críticamente hace falta tener conocimientos con los que pensar. El problema empieza cuando recordar una respuesta se convierte en la prueba principal de que sabemos utilizarla.
La IA nos obliga a afrontar esa diferencia. Puede producir una explicación ordenada mientras quien la entrega apenas reconoce el tema. Si eso basta para superar una actividad, toca revisar qué demuestra esa actividad.
Creatividad, criterio propio, debate, capacidad de relacionar ideas, tolerancia al error y resiliencia no deberían ser los invitados simpáticos de la programación docente. Necesitan tiempo, práctica y evaluación.
Podemos pedir al alumnado que compare soluciones, descubra supuestos falsos, discuta una conclusión o revise su trabajo después de recibir críticas. También que explique por qué una respuesta convincente está equivocada. Una habilidad bastante recomendable antes de confiarle cualquier cosa a una máquina que escribe con tanta seguridad.
Aprender con IA empieza por aprender a enseñar con ella
Plantear el futuro como una guerra contra la IA es empezar una competición cuya derrota ya viene incorporada en las bases. En la educación y en cualquier sector donde estas herramientas formen parte del trabajo.
Hay que aprender a utilizarlas con exigencia: comprobar fuentes, reconocer límites, proteger información y hacerse responsable del resultado. Saber pedir algo es el comienzo. Saber juzgar lo que recibes es la competencia.
Eso exige empezar también por los profesores y los métodos de enseñanza. Con formación, tiempo y recursos. Resulta difícil preparar al alumnado para trabajar con IA si el profesorado tiene que aprender a hacerlo por su cuenta, entre correcciones y reuniones.
Desde los primeros sistemas de escritura han pasado más de 5.000 años. Hemos tenido un margen considerable para discutir cómo convertir información en conocimiento.
Ahora la tecnología acelera una discusión que seguimos teniendo pendiente. Y precisamente por eso, necesitamos sentarnos a pensar.
Porque la máquina ya sabe entregar el trabajo. Lo urgente es decidir qué debe saber quien recibe el título.