¿Cómo sabemos que una persona ha aprendido cuando utiliza IA?
El fin del producto final como evidencia
Cuando cualquier ensayo, informe, presentación o código puede generarse o mejorarse rápidamente mediante IA, el producto final deja de ser una evidencia confiable de aprendizaje. EDUCAUSE identifica una transición hacia evaluaciones auténticas y demostraciones de aprendizaje basadas en el proceso.
Este será probablemente uno de los espacios de mayor demanda de los próximos años: rediseñar la evaluación para observar lo que la IA no puede simular de forma sostenida.
Qué evaluar ahora
La evaluación en la era de la IA debe observar y valorar:
- Razonamiento y calidad de las decisiones.
- Iteraciones y evolución del trabajo.
- Capacidad de aplicar lo aprendido en contextos nuevos.
- Defensa oral del conocimiento.
- Contribución individual en trabajo colaborativo.
- Reflexión metacognitiva.
- Calidad del uso de la IA como herramienta.
- Evidencias del proceso, no solo del resultado.
Del perfil de egreso a las evidencias
La lógica skills-first está ganando relevancia: las competencias demostrables pesan cada vez más que las credenciales tradicionales en la relación entre formación y empleo. Las universidades necesitarán perfiles de egreso observables, mapas de competencias, evidencias longitudinales, portafolios verificables y sistemas para explicar qué sabe hacer realmente una persona graduada.
Trabajo la cadena completa: perfil de egreso → progresión competencial → experiencias de aprendizaje → evaluación → evidencias → credenciales conectadas con el empleo.
Metacognición y trazabilidad
Mi experiencia en evaluación competencial, evaluación 360º, metacognición y trazabilidad del proceso —desarrollada en BeChallenge y SkillsTracker— permite diseñar sistemas de evaluación que generan evidencias útiles para el estudiante, el profesorado, la acreditación y el empleador.
Preguntas frecuentes
¿Por qué el producto final ya no es una evidencia fiable de aprendizaje?
Porque cualquier ensayo, informe, presentación o código puede generarse o mejorarse rápidamente con IA. Por eso la evaluación tiene que observar lo que la IA no puede simular de forma sostenida.
¿Qué hay que evaluar en la era de la IA?
El razonamiento y la calidad de las decisiones, las iteraciones y la evolución del trabajo, la capacidad de aplicar lo aprendido en contextos nuevos, la defensa oral del conocimiento, la contribución individual en el trabajo colaborativo, la reflexión metacognitiva, la calidad del uso de la IA como herramienta y las evidencias del proceso, no solo del resultado.
¿Cómo se conecta el perfil de egreso con las evidencias?
Trabajando la cadena completa: perfil de egreso, progresión competencial, experiencias de aprendizaje, evaluación, evidencias y credenciales conectadas con el empleo.
¿Qué necesita una universidad para explicar qué sabe hacer una persona graduada?
Perfiles de egreso observables, mapas de competencias, evidencias longitudinales, portafolios verificables y sistemas para explicar qué sabe hacer realmente cada persona graduada.
¿En qué experiencia se apoya este trabajo?
En la evaluación competencial, la evaluación 360º, la metacognición y la trazabilidad del proceso desarrolladas en BeChallenge y SkillsTracker. Con ellas diseño sistemas de evaluación que generan evidencias útiles para el estudiante, el profesorado, la acreditación y el empleador.
¿Te reconoces en esta situación?
Cuéntame tu contexto por WhatsApp. Respondo personalmente y, si encaja, te propongo una conversación de 45 minutos.
Escríbeme por WhatsApp