Corrección de exámenes con IA, revisada por el profesor

Esta es una corrección asistida de principio a fin, sobre una pregunta abierta ficticia: la rúbrica bloqueada antes de la prueba, la respuesta de un participante, la sugerencia de Evalmee IA criterio por criterio y, al final, la decisión del corrector. Es esa decisión, y no la sugerencia, la que entra en la nota.

La pregunta, sobre 6 puntos: «Explica la diferencia entre evaluación formativa y evaluación sumativa, con un ejemplo de cada una». Antes de la prueba, el corrector ha asociado tres criterios a la pregunta, 2 puntos cada uno, y ha bloqueado la rúbrica: la definición de la evaluación formativaEvaluación formativaEvaluación realizada durante el aprendizaje, cuya función es informar al alumno y al docente sobre los logros en curso de construcción. Su producto útil es la retroalimentación, no la nota: es frecuente, de bajo riesgo, y sirve para corregir la trayectoria mientras todavía hay tiempo. El término proviene de los trabajos de Michael Scriven en 1967, retomados por Benjamin Bloom, que oponen la evaluación que forma a la evaluación que hace balance. En concreto, una evaluación formativa se reconoce por tres rasgos: una retroalimentación rápida y precisa sobre cada respuesta, un resultado que pesa poco o nada en la nota final, y una decisión pedagógica tomada a partir de los errores observados. Ejemplo: un cuestionario de diez preguntas al final de cada sesión, corregido automáticamente, con la justificación de la respuesta correcta mostrada de inmediato; el docente relee las estadísticas por pregunta y retoma en la clase siguiente la noción que la mitad del grupo ha fallado. El efecto de testing refuerza el interés del dispositivo: ponerse a prueba consolida la memoria más que releer. La misma pregunta puede servir en formativo o en sumativo; lo que decide es el uso del resultado, no el formato.Ver la definición completa, la de la evaluación sumativaEvaluación sumativaEvaluación que interviene al término de una secuencia, de un módulo o de un curso para establecer un balance de los logros y producir una nota que cuenta. Fija un resultado más que acompaña un progreso, y se distingue de la evaluación formativa por su función, no por el formato de las preguntas planteadas. La palabra viene de suma: la nota resume lo aprendido y sirve para decidir, aprobar un módulo, clasificar, admitir, otorgar un título. Cuando esa decisión condiciona un diploma o una certificación, se habla más precisamente de evaluación certificativa. Ejemplo: el examen final de una asignatura de derecho de contratos, dos horas, un caso práctico y diez preguntas cortas, calificado sobre diez y con un peso del sesenta por ciento en la nota de la asignatura, el resto proveniente de la evaluación continua. Como su nota tiene consecuencias, una evaluación sumativa exige más que una formativa: un baremo publicado de antemano, condiciones de realización idénticas para todos, una identificación del candidato, una corrección trazable y una vía de reclamación. Un análisis de ítems después de la prueba sigue siendo útil: una pregunta que los mejores candidatos fallan más que los demás señala un enunciado ambiguo o una clave de corrección errónea.Ver la definición completa y la pertinencia de los ejemplos.

La respuesta del participante: «La evaluación formativa tiene lugar durante el aprendizaje. Sirve para detectar lo que el alumno todavía no ha comprendido, para volver sobre ello. La evaluación sumativa es la que cuenta en la media, como el examen de final de semestre».

Tras un clic en Generar la retroalimentación, Evalmee IA propone 4 puntos sobre 6 y esta retroalimentación: «Las dos definiciones se distinguen por su momento y por el uso de la nota. Falta un ejemplo de evaluación formativa; un cuestionario de final de clase sin nota sería uno».

El corrector revisa. Conserva la retroalimentación y el punto retirado en los ejemplos, pero restablece los 2 puntos de la definición sumativa: «la que cuenta en la media» es la formulación del curso. Hace clic en Aprobar. La respuesta vale 5 puntos sobre 6.

Tú defines los criterios y el baremo antes del examen. Después de la prueba, bloqueas la rúbrica de la pregunta, la IA genera sugerencias de puntos y de retroalimentación, tú las revisas y haces clic en Aprobar. La calificación solo se mueve en esa última etapa.

El orden importa: la rúbricaRúbrica de evaluaciónTabla que cruza los criterios de evaluación con niveles de desempeño descritos con todas sus palabras, del más bajo al más alto. El corrector sitúa el examen en una casilla en vez de atribuir una cifra: la nota pasa a ser consecuencia de una descripción compartida de antemano.Ver la definición completa se bloquea antes de que la IA intervenga, así que el baremoBaremo de calificaciónRegla que convierte las respuestas de un candidato en una nota. Fija el número de puntos por pregunta, las posibles penalizaciones y la forma en que se atribuyen los puntos parciales. Publicado antes de la prueba, constituye el compromiso del examinador sobre aquello que se valorará.Ver la definición completa queda fijado antes de haber visto los exámenes y se aplica a todas las respuestas.

El asistente se llama Evalmee IA. Se apoya en OpenAI, en sus puntos de acceso europeos: la pregunta, la rúbrica y la respuesta se le envían sin el nombre ni el identificador del participante, y no sirven para entrenar ningún modelo.

La IA sugiere puntos y redacta retroalimentación sobre las respuestas redactadas. No califica las preguntas cerradas, no define ningún criterio, no valida ningún examen y no detecta el plagio. Cada uno de esos cuatro límites corresponde a una decisión de diseño, no a una carencia temporal.

Una página de producto que promete una corrección totalmente automática describe un examen que pocos centros aceptarían defender ante un tribunal. Esta es, entonces, la línea exacta. La comparativa de plataformas de examen en línea plantea la misma pregunta a los otros seis editores franceses, con la página pública en la que se leyó cada respuesta.

Antes de la prueba, el baremo queda fijado y la rúbrica bloqueada. Después de la prueba, sigue siendo modificable desde la pestaña Prueba, y se recalculan todas las calificaciones. En ambos casos, un mismo examen nunca se corrige con dos baremos.

Una rúbrica bloqueada no se modifica sin consecuencias: si la desbloqueas cuando hay respuestas ya corregidas, esas correcciones se reinician. La prueba sigue la misma regla. Una vez abierto el examen, las preguntas que han visto los participantes ya no cambian, para que todo el mundo se haya examinado sobre el mismo contenido.

Un error de baremo se corrige después. Desde la pestaña Prueba, el botón Editar permite retomar las opciones correctas, las ponderaciones, el comentario de corrección y las etiquetas, y luego lanzar Recalcular las calificaciones. Una respuesta correcta mal marcada se arregla así en dos minutos, sin retocar los exámenes uno por uno. Una pregunta que hay que descartar se reduce a una ponderación puesta en cero, seguida del mismo recálculo.

En las preguntas de opción, el baremo es explícito y configurable, incluso después de que los participantes se hayan examinado. El modo por discordancia, habitual en las pruebas tipo test de ciencias de la salud, evalúa a la vez las opciones marcadas y las opciones dejadas en blanco. Para ver lo que una penalización le hace a un examen antes de fijarla, la calculadora de notas de examen aplica el mismo cálculo pregunta por pregunta. Para entregar la nota en una escala distinta del total de puntos, el convertidor de nota sobre 10 hace la regla de tres e imprime la tabla completa.