La evaluación académica en la era de la inteligencia artificial (IA)

Authors

  • Marcel Oswaldo Méndez-Mantuano
  • Mariuxi Yomaira Olvera Morán
  • Ida Ivete Campi Mayorga
  • Amanda Yolanda Lozada Valdez
  • Ángel Raúl Huayamave Rosado
  • Darwin Vicente Apolo Robles

DOI:

https://doi.org/10.46932/sfjdv5n1-010

Keywords:

evaluación académica, Inteligencia Artificial (IA), educación superior

Abstract

Este documento explora cómo la Inteligencia Artificial (IA) está redefiniendo la evaluación académica, enfocándose en su impacto en la educación superior. La evaluación tradicional, un pilar esencial en el aprendizaje, ha evolucionado desde métodos manuales a digitales, y ahora, hacia la integración de la IA. Esta transformación promete mejorar la eficiencia, precisión, y personalización en la evaluación, adaptándose a las necesidades individuales de los estudiantes. Se analizan tanto las aplicaciones actuales como las implicaciones futuras de la IA en la evaluación. La IA ofrece oportunidades para un aprendizaje más centrado en el estudiante y una educación más inclusiva. Sin embargo, también presenta desafíos éticos, de privacidad, y de equidad, especialmente en el manejo de datos estudiantiles. Además, la brecha digital y el acceso desigual a la tecnología plantean interrogantes sobre la equidad en la educación impulsada por la IA. Se realizan encuestas a educadores para comprender su conocimiento y uso de la IA en la evaluación académica. Los resultados reflejan una adopción moderada de la IA, con variaciones en la frecuencia y el modo de uso. Muchos educadores reconocen las ventajas de la IA, pero también hay preocupaciones sobre su efectividad y la preparación para su implementación. Se concluye que la IA tiene un potencial significativo para transformar la evaluación académica, ofreciendo un enfoque más personalizado y participativo. Sin embargo, es crucial abordar los desafíos éticos, de privacidad, y de equidad para asegurar una implementación efectiva y justa.

References

Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7-74.

Brookhart, S. M. (2001). Successful students' formative and summative uses of assessment information. Assessment in Education: Principles, Policy & Practice, 8(2), 153-169.

D'Mello, S., & Graesser, A. (2012). Dynamics of Affective States During Complex Learning. Learning and Instruction, 22(2), 145-157.

Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81-112.

Holstein, K., McLaren, B. M., & Aleven, V. (2018). Ethics of AI in Education: Towards a Community-Wide Framework. International Educational Data Mining Society.

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Unleashed: An Argument for AI in Education. Pearson Education.

Shepard, L. A. (2000). The role of assessment in a learning culture. Educational Researcher, 29(7), 4-14.

Stiggins, R. J. (2002). Assessment crisis: The absence of assessment for learning. Phi Delta Kappan, 83(10), 758-765.

Tomlinson, C. A., & McTighe, J. (2006). Integrating differentiated instruction and understanding by design: Connecting content and kids. ASCD.

Valenti, S., Neri, F., & Cucchiarelli, A. (2003). An Overview of Current Research on Automated Essay Grading. Journal of Information Technology Education: Research, 2, 319-330.

Woolf, B. P. (2010). Building Intelligent Interactive Tutors: Student-centered Strategies for Revolutionizing E-learning. Morgan Kaufmann.

Downloads

Published

2024-01-08

How to Cite

Méndez-Mantuano, M. O., Morán, M. Y. O., Mayorga, I. I. C., Valdez, A. Y. L., Rosado, Ángel R. H., & Robles, D. V. A. (2024). La evaluación académica en la era de la inteligencia artificial (IA). South Florida Journal of Development, 5(1), 119–148. https://doi.org/10.46932/sfjdv5n1-010

Most read articles by the same author(s)