Detectar la IA en un trabajo: por qué la fiabilidad no es la cuestión
Los detectores han mejorado, y eso no resuelve nada: una probabilidad sobre un texto no fundamenta una decisión sobre un alumno.
Inicio / Artículos
Artículos
Artículos
Lo que hace trabajar a una devolución: la información, no la nota
Más del 38 % de los efectos del feedback son negativos. Lo que marca la diferencia es la información, no la nota.
La aceptación no es el uso: qué miden las encuestas sobre la IA en la escuela
Las encuestas de aceptación miden una intención validada contra una declaración. El uso declarado sigue mal al uso registrado.
Corregir con IA: compararla con nuestros errores reales, no con la perfección
Un siglo de investigación sobre la corrección humana, y lo que implica para usar la IA como segunda mirada.
Un ítem correcto no siempre está alineado: tres preguntas para juzgar un ítem de evaluación
Alineación, demanda cognitiva, calidad: tres preguntas distintas para juzgar un ítem frente al PER.
Proteger el esfuerzo que hace aprender: qué confiar a la IA y qué mantener exigente
Dificultades deseables y primeros estudios sobre la IA en el aula: lo que el esfuerzo aporta al aprendizaje.
Preparar rápido con IA: el verdadero trabajo es verificar
La IA ahorra tiempo de preparación; el verdadero trabajo es verificar el objetivo, el nivel de exigencia y la exactitud.
Lo que la IA cambia de verdad para el docente que prepara y evalúa
Preparar, evaluar, aprender: tres desplazamientos que la IA provoca en el trabajo docente.