Lo que hace trabajar a una devolución: la información, no la nota

Se repite que el feedback es una de las palancas más potentes del aprendizaje. Es cierto de media, y la media esconde lo esencial. Antes de confiar parte de la corrección a una IA, vale la pena mirar qué es lo que, en una devolución, produce realmente un efecto.

1.El feedback no es bueno por naturaleza

El metaanálisis de referencia abarca 607 tamaños del efecto, extraídos de 131 artículos y basados en más de 23 000 observaciones (Kluger y DeNisi, 1996). El efecto medio ponderado es de 0,41, un efecto moderado y positivo. Pero en el cuerpo del artículo los autores precisan que más del 38 % de los tamaños del efecto son negativos.

Hay que enunciar bien esa cifra, porque circula deformada. Es el 38 % de los tamaños del efecto, no el 38 % de los estudios ni el 38 % de las intervenciones. Se trata de la dispersión de una distribución, no de una frecuencia de fracaso. El resumen del artículo habla de «más de un tercio», lo que redondea a la baja, y un metaanálisis posterior muy conocido invierte los dos números y presenta 0,38 como el efecto medio. La versión correcta es: efecto medio de 0,41 y más del 38 % de efectos negativos.

Lo que esto significa para un aula es sencillo. Dar una devolución no es en sí un buen acto pedagógico. Algunas devoluciones empeoran el rendimiento.

2.Lo que marca la diferencia es la cantidad de información

Un metaanálisis más reciente, sobre 435 estudios y cerca de un millar de tamaños del efecto, clasifica las devoluciones según lo que contienen (Wisniewski et al., 2020). El efecto global es de 0,48, y la descomposición es nítida: una devolución que se limita a reforzar o a sancionar obtiene 0,24, una devolución correctiva 0,46, y una devolución con mucha información 0,99.

Una nota se sitúa en la parte baja de esa escala. Clasifica, no informa. Le indica al alumno dónde está, sin decirle nada sobre lo que debería hacer a continuación. La síntesis más citada del ámbito, que reúne doce metaanálisis y no es por tanto un estudio original, llega a un efecto de 0,79 para el feedback en general y distingue cuatro niveles, según que la devolución se refiera a la tarea, al procedimiento, a la autorregulación o a la persona (Hattie y Timperley, 2007). El nivel que se refiere a la persona es el menos eficaz. Una nota, que señala al alumno más que a su trabajo, está cerca de él.

3.Comentario o nota: lo que dice el estudio clásico y lo que no dice

El experimento de referencia repartió doce clases de quinto y sexto curso en tres condiciones: notas numéricas, comentarios individuales, o ambos a la vez (Butler, 1988). El interés y el rendimiento eran más altos tras recibir solo comentarios. Las notas, y las notas acompañadas de comentarios, tenían efectos parecidos y globalmente perjudiciales.

Ese resultado se ha convertido en un lema, y el lema va más lejos que el estudio. Una relectura crítica recuerda tres límites (Guskey, 2019). El efecto es una interacción y no un efecto principal: el beneficio afectaba a los alumnos del cuartil inferior, mientras que los más fuertes que recibían notas conservaban su interés. Los alumnos intermedios, la mitad de la muestra, no quedan cubiertos. Y sobre todo, las notas del experimento eran normativas, es decir, basadas en el puesto dentro de la clase, mientras que los comentarios se referían a la tarea. La forma y el contenido están confundidos, y no se sabe cuál de los dos produce el efecto.

La versión defendible es, por tanto, más estrecha. Unos comentarios centrados en la tarea valen más que unas notas normativas, sobre todo para los alumnos con más dificultades. No es «dejen de poner notas».

4.Dónde entra la IA, y un resultado inesperado

Un experimento con 464 estudiantes cruzó la presencia de una nota, la presencia de un elogio y la fuente atribuida a la devolución (Lipnevich y Smith, 2008). El feedback detallado produce un efecto importante, y la presencia de una nota reduce el rendimiento de la revisión. Un cruce merece señalarse: entre los estudiantes más débiles, una nota presentada como procedente de un ordenador mejoraba la revisión en 3,4 puntos, mientras que la misma nota presentada como procedente del docente la empeoraba en 5,2 puntos.

Una lectura posible, que doy como hipótesis y no como resultado, es que una nota venida de una máquina carga con menos juicio social. Se trata de un único estudio, realizado en la universidad, publicado en 2008, mucho antes de la IA generativa. No es una base para una decisión de centro.

Los estudios recientes sobre el feedback producido por una IA miden cosas distintas, que conviene separar. Un ensayo controlado con 459 alumnos de secundaria compara una devolución producida por un modelo de lenguaje con la ausencia de devolución (Meyer et al., 2024): el efecto sobre la revisión es de 0,19, el de la motivación de 0,36 y el de las emociones positivas de 0,34. El efecto motivacional es, por tanto, mayor que el efecto sobre el rendimiento, y la comparación no se hace con una devolución del docente.

Otro estudio hizo evaluar a 89 futuros docentes devoluciones cuyo origen desconocían (Jansen et al., 2024). La devolución producida por el modelo se juzgaba útil para la revisión en el 59 % de los textos, frente al 88 % de la devolución de un experto, y los evaluadores elegían transmitirla al alumno solo en el 23 % de los casos. Lo que ese estudio mide es la utilidad percibida, no el aprendizaje.

Por último, una comparación directa entre una devolución de ChatGPT y una devolución del docente, con 102 estudiantes, no encuentra diferencias estadísticamente significativas (Alsofyani y Barzanji, 2025). Un resultado nulo sobre una muestra modesta respalda débilmente una no inferioridad, y desde luego no una equivalencia.

5.Qué hago con esto en clase

La nota es obligatoria y lo sigue siendo. La cuestión es saber qué viaja con ella.

• Separar los dos momentos. Devolver primero el comentario, con una oportunidad de rehacer el trabajo, y la nota después. La literatura anterior no opone la nota al comentario, muestra que una nota colocada junto a un comentario capta la atención.
• Confiar a la herramienta la primera pasada sobre lo comprobable: la cobertura de los criterios, la estructura, los errores de forma. Conservar el juicio, que no lo es.
• No delegar la parte que depende del alumno. Lo que ese alumno concreto debería hacer la próxima vez es precisamente lo que un modelo no conoce, porque no ha visto sus seis últimos trabajos.
• No introducir los trabajos en una herramienta mientras el cantón no proporcione una cuya fiabilidad esté garantizada, como recuerdan las recomendaciones de la Suiza romanda (CIIP, 2025).

Hablemos

¿Cómo articula usted comentario y nota en sus clases? Estaré encantado de comentarlo. Mis datos de contacto: pablocorreaprieto.ch

Texto redactado con ayuda de una IA, revisado y validado por el autor.