pablo correa prieto.

Inicio / Figuras

Figuras

Figuras

Las figuras originales publicadas en este sitio — con mis artículos sobre inteligencia artificial en educación y en mis páginas de investigación y formación — reunidas en una página. Cada una puede reutilizarse bajo la licencia CC BY 4.0; las condiciones y la forma de citar están en la página Reutilización de figuras.

Detectar la IA en un trabajo: por qué la fiabilidad no es la cuestión

Gráfico de barras: exactitud media de catorce detectores por tipo de documento, del 94 % en textos escritos por personas al 15 % en texto de IA pasado por un parafraseador automático
Exactitud media de catorce detectores según el tipo de documento, enfoque binario. Datos: Weber-Wulff et al. (2023).
© Pablo Correa Prieto, 2026 — CC BY 4.0
Dos columnas que comparan lo que produce un detector (una probabilidad, sobre un texto, sin distinguir sus propios errores) y lo que exige una decisión
Por qué la salida de un detector no se convierte en una decisión.
© Pablo Correa Prieto, 2026 — CC BY 4.0

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

Gráfico de barras: efecto de una devolución según su contenido, 0,24 para un refuerzo o una sanción, 0,46 para una devolución correctiva y 0,99 para una devolución con mucha información
Cuanta más información contiene una devolución, mayor es su efecto. Datos: Wisniewski et al. (2020).
© Pablo Correa Prieto, 2026 — CC BY 4.0
Gráfico de barras: devolución de un experto juzgada útil para la revisión en el 88 % de los textos, devolución de un modelo de lenguaje en el 59 %, y transmitida al alumno en el 23 % de los casos
Devoluciones juzgadas útiles para la revisión, sin que los evaluadores conocieran su origen. Datos: Jansen et al. (2024).
© Pablo Correa Prieto, 2026 — CC BY 4.0

La aceptación no es el uso: qué miden las encuestas sobre la IA en la escuela

Gráfico de barras que compara tres correlaciones: 0,85 entre utilidad percibida y uso futuro autopredicho, 0,63 entre utilidad percibida y uso declarado, y 0,38 entre uso declarado y uso registrado
Las correlaciones en las que se apoya el modelo son entre declaraciones. Datos: Davis (1989) y Parry et al. (2021).
© Pablo Correa Prieto, 2026 — CC BY 4.0
Cadena de cuatro eslabones, de la actitud al uso registrado, con una llave que muestra que la validación de los modelos cubre los tres primeros y se detiene antes del último
Dónde se detiene la validación de los modelos de aceptación.
© Pablo Correa Prieto, 2026 — CC BY 4.0

Corregir con IA: compararla con nuestros errores reales, no con la perfección

Gráfico de barras: de 73 docentes que corrigieron la misma redacción, 10 pusieron A, 18 B, 30 C, 9 D y 6 F; sobre 100, las notas fueron de 50 a 96
El mismo examen, 73 docentes: notas de la A a la F. Datos: Brimi (2011).
© Pablo Correa Prieto, 2026 — CC BY 4.0
Esquema: un examen anonimizado lo corrige el docente y, en paralelo, lo puntúa la IA; si las dos notas coinciden, se valida; si no, el docente lo revisa y decide
La segunda mirada: la IA puntúa en paralelo, el docente revisa las discrepancias y decide.
© Pablo Correa Prieto, 2026 — CC BY 4.0

Un ítem correcto no siempre está alineado: tres preguntas para juzgar un ítem de evaluación

Tres columnas numeradas, «Alineación», «Demanda cognitiva» y «Calidad», cada una con la pregunta que hay que plantear sobre el ítem
Tres preguntas distintas para juzgar un ítem de evaluación.
© Pablo Correa Prieto, 2026 — CC BY 4.0
Dos escalas de cuatro niveles de demanda cognitiva: la de Webb (recuerdo, habilidad o concepto, pensamiento estratégico, pensamiento extendido) y la de Stein, Grover y Henningsen (memorización, procedimientos sin conexiones, procedimientos con conexiones, hacer matemáticas)
Dos marcos publicados para describir la demanda cognitiva, del recuerdo al razonamiento.
© Pablo Correa Prieto, 2026 — CC BY 4.0

Proteger el esfuerzo que hace aprender: qué confiar a la IA y qué mantener exigente

Gráfico de barras: con acceso libre a GPT-4, las notas subieron un 48 % durante los ejercicios pero bajaron un 17 % en el examen; con un tutor que da pistas, subieron un 127 % durante los ejercicios, sin diferencia significativa en el examen
Rendir más durante los ejercicios no garantiza rendir más en el examen. Datos: Bastani et al. (2025).
© Pablo Correa Prieto, 2026 — CC BY 4.0
Dos columnas: lo que hay que mantener exigente (recordar sin ayuda, producir la respuesta, explicar con las propias palabras, un primer intento) y lo que puede confiarse a la herramienta con control (formato, ejercicios adicionales, reformular una consigna, pistas en lugar de respuestas)
Dónde está el esfuerzo útil: una propuesta para ordenar las tareas.
© Pablo Correa Prieto, 2026 — CC BY 4.0

Preparar rápido con IA: el verdadero trabajo es verificar

Gráfico de barras: tiempo semanal de preparación de 81,5 minutos sin herramienta de IA y de 56,2 minutos con ChatGPT y una guía, 25,3 minutos menos (−31 %)
El ahorro de tiempo medido en un ensayo controlado en Inglaterra. Datos: Roy et al. (2024).
© Pablo Correa Prieto, 2026 — CC BY 4.0
Tres pasos numerados: generar, verificar (objetivo del PER, nivel de exigencia, exactitud) y adaptar a la clase; el paso de verificación aparece destacado
Verificar el objetivo, el nivel de exigencia y la exactitud, y después adaptar a la clase.
© Pablo Correa Prieto, 2026 — CC BY 4.0

Lo que la IA cambia de verdad para el docente que prepara y evalúa

Tres columnas numeradas, «Preparar», «Evaluar» y «Aprender», cada una resumida en una frase
Los tres desplazamientos de un vistazo.
© Pablo Correa Prieto, 2026 — CC BY 4.0

Programa de investigación

Tarjeta de presentación de Pablo Correa Prieto, docente e investigador en el cantón de Vaud, con sus tres ejes de trabajo: evaluación e IA, aceptación docente, políticas públicas
Docente e investigador en educación en el cantón de Vaud: tres ejes de trabajo.
© Pablo Correa Prieto, 2026 — CC BY 4.0
Tres columnas con los tres ejes del programa de investigación: ítems de evaluación generados por IA, intención de uso de la IA en el profesorado, análisis de los textos oficiales
El programa de investigación en tres ejes: evaluación, aceptación, políticas.
© Pablo Correa Prieto, 2026 — CC BY 4.0
Esquema en tres pasos: objetivos del PER en matemáticas, ítems producidos por un modelo de lenguaje y tres juicios distintos — alineación, exigencia cognitiva, calidad
Ítems generados por un LLM, juzgados tres veces: alineación, exigencia cognitiva, calidad. Artículo en preparación.
© Pablo Correa Prieto, 2026 — CC BY 4.0
Esquema de un ensayo aleatorizado por conglomerados: escuelas enteras sorteadas entre un grupo de formación y un grupo de control, con la intención de uso de la IA generativa como medida
El ensayo aleatorizado por conglomerados previsto: aleatorizar escuelas, no personas.
© Pablo Correa Prieto, 2026 — CC BY 4.0
Esquema del modelo de aceptación de la tecnología: la utilidad percibida y la facilidad de uso percibida llevan a la actitud hacia la IA generativa y, después, a la intención de uso
El modelo de aceptación de la tecnología, según Davis (1989).
© Pablo Correa Prieto, 2026 — CC BY 4.0
Cuatro métodos empleados en el programa: análisis documental, ensayo aleatorizado por conglomerados, escalas y cuestionarios, juicio de ítems
Los métodos empleados en el programa.
© Pablo Correa Prieto, 2026 — CC BY 4.0

La IA en los textos suizos

Cuatro niveles de textos que encuadran la IA escolar: la CDIP a nivel nacional, la CIIP para la Suiza francófona y el Tesino, las directivas cantonales y, por último, los centros y las HEP
Cuatro niveles de textos, del principio nacional a la práctica de aula.
© Pablo Correa Prieto, 2026 — CC BY 4.0
Esquema: un corpus de textos oficiales sobre la IA en la Suiza francófona, leído con el enfoque WPR de Bacchi, que lleva a la pregunta por el «problema» que construyen
Un corpus de textos oficiales, leído con el enfoque WPR (Bacchi, 2009). Artículo en preparación.
© Pablo Correa Prieto, 2026 — CC BY 4.0
Cuatro preguntas antes de usar la IA en el aula: los datos del alumnado, la alineación con el currículo, el esfuerzo que hace aprender y la transparencia
Cuatro preguntas antes de usar la IA en el aula. Propuesta del autor.
© Pablo Correa Prieto, 2026 — CC BY 4.0

Formaciones

Tres formatos de formación para equipos docentes: conferencia-taller de 90 minutos, taller práctico de media jornada e itinerario de equipo en tres sesiones que termina con una carta de uso
Tres formatos de formación para los centros del cantón de Vaud y de la Suiza francófona.
© Pablo Correa Prieto, 2026 — CC BY 4.0