Resumen del contenido principal
Dinamarca ha introducido medidas como las defensas orales para combatir el fraude con AI en los institutos, pero detrás de esto no solo está la lucha contra el fraude: el AI generativo ha puesto en duda la lógica central de la evaluación educativa tradicional: **los resultados presentados por los estudiantes = su verdadera capacidad*. Ahora, el AI ha hecho que las tareas de alta calidad sean “fáciles de obtener”, y su uso extensivo se encuentra en una zona gris entre el “aprendizaje asistido” y la “redacción directa”, lo que hace que los métodos tradicionales de evaluar la capacidad basados únicamente en los resultados finales fallen. Los países están comenzando a pasar de “detectar el AI” a “verificar la capacidad” de los estudiantes, reestructurando los sistemas de evaluación a través de tareas controladas en el aula, defensas orales y registros del proceso. No obstante, las reformas enfrentan desafíos como los costos laborales, la equidad y la protección de la privacidad.
1. El AI no es solo una herramienta para fraude; ha derribado los cimientos de la evaluación tradicional
La evaluación educativa tradicional se basa en los “resultados finales” (artículos, tareas) para juzgar la capacidad de los estudiantes, ya que antes escribir un buen artículo requería días de investigación y organización del contenido. El fraude (copiar, redactar en nombre de otros) tenía barreras y era fácil de detectar. Pero el AI ha cambiado todo:
- Disminución drástica de los costos: Los estudiantes pueden usar el AI para generar temas, estructuras argumentativas e incluso ajustar el estilo del texto en cuestión de minutos; lo que antes requería días de trabajo ahora se completa al instante.
- Aumento de la zona gris: No todo uso del AI es fraude: algunos estudiantes utilizan el AI para consultar conceptos o corregir gramática, mientras que otros simplemente copian el contenido. Es difícil definir el “grado” exacto de este uso.
- Los datos hablan por sí mismos: Una encuesta en el Reino Unido muestra que el 95% de los estudiantes universitarios usan el AI para ayudarse con las tareas de evaluación, y en China, más del 85% lo utilizan para aprender, algunos incluso copiando directamente el contenido.
Ahora, cuando un profesor recibe un buen artículo, su primera reacción no es pensar “el estudiante tiene una buena capacidad”, sino “¿cuánto de esto fue escrito por el AI? ¿Realmente entiende el tema?”.
2. Intentar atrapar al AI con herramientas de detección? Es imposible
Al principio, las escuelas pensaron en usar “herramientas de detección de AI” para combatir el fraude, similar a cómo se detecta la plagiación, pero es una carrera tecnológica perdida de antemano:
- **El contenido generado por el AI es “nuevo”: Las herramientas de detección de plagio buscan similitudes con contenidos existentes, mientras que el AI crea texto nunca antes visto, lo que hace difícil su identificación.
- Es más difícil detectarlo después de las modificaciones: Solo necesitas cambiar algunas frases a mano o usar herramientas para “mejorar” el contenido, y la precisión de la detección puede caer del 39% al 22%.
- Riesgo de errores: Es fácil identificar a estudiantes con poca alfabetización digital (que no saben cómo modificar el contenido generado por el AI), mientras que aquellos que sí lo utilizan pueden evitar ser detectados, lo que plantea problemas de equidad.
La inteligencia de Dinamarca radica en no preocuparse por “qué frase fue escrita por el AI”, sino en hacer que los estudiantes expliquen personalmente su artículo. El AI puede generar resultados, pero no puede responder preguntas como “¿por qué se eligió este material?” o “¿el conclusión sigue siendo válida bajo otras condiciones?”.
3. Ahora es popular “verificar la capacidad”: varias nuevas vías para la reforma de la evaluación
Los países están comenzando a reestructurar sus sistemas de evaluación, con el objetivo principal de “usar múltiples pruebas para demostrar que los estudiantes realmente saben hacer algo”. Hay cuatro enfoques principales:
- **Mantener un “lineal base sin AI”: Por ejemplo, Dinamarca exige que más tareas se realicen en el aula, donde los profesores supervisan el proceso para asegurarse de que los estudiantes puedan completar tareas básicas de manera independiente (como escribir un texto coherente).
- Aumentar la verificación de la capacidad: Después de presentar un artículo, los estudiantes deben defenderlo y los profesores pueden hacer preguntas aleatorias sobre detalles (por ejemplo, “¿es fiable la fuente de estos datos?”).
- Evaluación del proceso: Registrar el camino del aprendizaje: borradores de temas, registros de modificaciones, conversaciones con el AI, para que los resultados no sean simplemente “archivos aislados”.
- Usar el AI de manera responsable: No se prohíbe el uso del AI, pero se exige revelar cómo se ha utilizado (por ejemplo, las organizaciones internacionales de diplomas requieren que el uso del AI se señale de la misma manera que las referencias). El enfoque de la evaluación cambia a “si los estudiantes saben usar el AI para resolver problemas”.
4. Escuelas en China: no solo deben establecer reglas estrictas, también deben cambiar la lógica de la evaluación
Las escuelas en China también están tomando medidas, pero muchas aún se limitan a prohibir el uso del AI o a usar herramientas de detección. La verdadera reforma debe centrarse en los “objetivos de la evaluación”:
- Actualización de las reglas: Universidades como Tsinghua exigen que los estudiantes revelen cómo han utilizado el AI; se juzga si su uso es apropiado según lo que se pretende entrenar con la tarea (por ejemplo, no se puede usar el AI en clases de escritura básica, pero sí para buscar información para artículos de investigación).
- Práctica en el aula: En las clases de periodismo de Tsinghua, los estudiantes realizan entrevistas y escriben reportajes de observación; el AI puede organizar el material, pero no puede reemplazar la interacción real con las personas o la identificación de detalles en el campo.
- Reglas diferenciadas según la disciplina y el nivel: Los estudiantes de primaria no pueden usar el AI para practicar la escritura, mientras que los universitarios pueden usarlo para proyectos, pero deben explicar cómo lo han hecho.
5. La reforma no es algo arbitrario: costos, equidad y privacidad son desafíos importantes
La reforma de la evaluación suena bien, pero su implementación es difícil:
- Costos laborales elevados: Corregir 100 artículos y organizar 100 defensas consume diez veces más tiempo para los profesores.
- Problemas de equidad: Los estudiantes tímidos o con barreras lingüísticas pueden ser desventajados en las defensas, y las escuelas con recursos limitados (grandes clases, pocos profesores) no pueden llevar a cabo estas actividades, lo que agrava la desigualdad educativa.
- Riesgos de privacidad: El monitoreo de pantallas y los registros del proceso involucran la privacidad de los estudiantes: ¿durante cuánto tiempo pueden las escuelas almacenar estos datos? ¿Quién puede acceder a ellos? ¿Cómo se puede reclamar en caso de errores?
Las empresas tecnológicas educativas también deben cambiar su enfoque: en lugar de solo medir la “tasa de generación de AI”, deben desarrollar herramientas que ayuden a los profesores a recolectar pruebas (por ejemplo, registrando los cambios en las tareas y generando preguntas para las defensas) para que puedan juzgar mejor la verdadera capacidad de los estudiantes.
Conclusión
La defensa oral en Dinamarca no es la solución definitiva, pero nos recuerda que en la era del AI, la evaluación educativa no debe centrarse solo en si los resultados son obra del AI, sino en lo que realmente han aprendido los estudiantes. El AI puede ayudar a escribir artículos, pero formular preguntas, verificar hechos y asumir responsabilidades deben ser tareas que realicen los estudiantes mismos. Lo que realmente importa en la educación es asegurarse de que el “pensamiento” haya tenido lugar de verdad.