Tareas resistentes a la IA: 5 formatos que hacen visible el razonamiento del estudiante

Cuando los estudiantes tienen acceso a la IA generativa, una entrega pulida puede dejar dudas sobre lo que comprenden. El diseño de la evaluación puede aportar pruebas adicionales mediante explicaciones, trabajos intermedios y debates.

Una alternativa útil es diseñar tareas que faciliten examinar el razonamiento de los estudiantes. Resistente a la IA no significa a prueba de IA. Los cinco formatos que se presentan a continuación combinan pruebas, proceso y debate, de modo que la respuesta final pulida no sea la única base para la evaluación. Los ejemplos son diseños didácticos ilustrativos, no informes sobre resultados medidos en el aula.

¿Qué hace que una tarea sea resistente a la IA?

Una tarea resistente a la IA pide pruebas del aprendizaje que vayan más allá de un producto terminado. Tres principios de diseño pueden ayudar:

• Contexto personal. Pide a los estudiantes que relacionen su respuesta con observaciones específicas o pruebas que hayan recopilado.
• El proceso junto con el producto. Revisa el trabajo intermedio y los motivos de las revisiones.
• Interacción en directo. Usa un debate, una demostración o una pregunta de seguimiento para explorar la comprensión.

Estos principios pueden hacer que la evaluación sea más informativa, pero los estudiantes aún pueden usar IA. Explica qué usos están permitidos y evalúa su capacidad para dar cuenta del trabajo.

Simulaciones de decisiones y razonamiento basado en casos

El formato resistente a la IA más infravalorado es aquel en el que no hay una única respuesta correcta, sino argumentos mejores y peores.

Una simulación de decisiones presenta a los estudiantes una situación realista con restricciones contrapuestas. Por ejemplo, un estudiante de ética empresarial podría recibir un caso sobre una empresa manufacturera cuyo componente defectuoso costaría 400.000 dólares retirar del mercado. El director ejecutivo quiere aplazar la retirada. La junta directiva presiona al gerente de la planta. El estudiante debe decidir qué hacer y, lo que es crucial, explicar a qué partes interesadas dio prioridad y por qué.

La IA puede generar y revisar argumentos éticos verosímiles. Las preguntas de seguimiento son útiles porque permiten explorar si el estudiante puede explicar las concesiones y responder cuando cambia una de las restricciones. No revelan automáticamente quién escribió la respuesta original.

Actividad ilustrativa: Presenta a los estudiantes actualizaciones sucesivas sobre una crisis política a lo largo de dos semanas. Pídeles que revisen su recomendación después de cada actualización y expliquen qué pruebas cambiaron su opinión.

Defensas orales y presentaciones en directo

Pide a los estudiantes que defiendan el trabajo entregado en un breve debate en directo. Esto crea otra oportunidad para examinar su comprensión, además de la entrega escrita.

Haz preguntas de seguimiento relacionadas con decisiones visibles en el trabajo, como por qué el estudiante eligió un método en lugar de otro. Dales tiempo para pensar y ofrece los ajustes razonables que correspondan. La fluidez o las vacilaciones, por sí solas, no demuestran quién es el autor.

Actividad ilustrativa: Después de un trabajo final, organiza un debate de 15 minutos con preguntas específicas sobre el argumento del estudiante. Aplica los mismos criterios a todos y documenta cómo influye el debate en la evaluación.

Consejo para ampliar el formato: En cursos numerosos, organiza defensas en grupos pequeños (de 3 a 4 estudiantes se presentan entre sí mientras el docente va rotando) o usa respuestas en vídeo asíncronas, en las que cada estudiante responde a 3 preguntas personalizadas, con un plazo de entrega de 24 horas.

Evaluaciones basadas en el proceso y diarios reflexivos

Si la IA puede falsificar el producto final, evalúa el recorrido.

Las evaluaciones basadas en el proceso piden a los estudiantes que muestren su trabajo en cada etapa, no como tarea de relleno, sino como prueba de un pensamiento auténtico. Puede ser un cuaderno de laboratorio, un diario semanal de reflexión o un diario de diseño que documente los callejones sin salida y explique los enfoques abandonados.

Usa preguntas concretas: ¿qué fuente cambió la hipótesis del estudiante?, ¿cuál era la hipótesis anterior?, ¿por qué fracasó el enfoque descartado? Contrasta estas explicaciones con el trabajo intermedio. La IA puede inventar relatos verosímiles del proceso, así que la especificidad debe ir acompañada de pruebas.

Actividad ilustrativa: Sustituye una única entrega de programación por un portafolio de desarrollo que contenga:

• El enunciado original del problema
• Tres intentos de solución
• Una explicación de las revisiones
• Un breve recorrido guiado por el diseño final

Usa el portafolio y el recorrido guiado en conjunto para examinar la comprensión. No des por hecho que este formato elimina las trampas.

Tareas personalizadas y contextualizadas

Relaciona las tareas con pruebas que los estudiantes recopilen y puedan explicar.

Las tareas personalizadas vinculan el trabajo con las experiencias vividas, la localidad o la identidad del estudiante. En vez de «Escribe un ensayo sobre los efectos de la industrialización», asigna «Escribe un ensayo que relacione la industrialización con los cambios ocurridos en tu ciudad entre 1900 y 1950». En vez de «Compara dos argumentos filosóficos a favor del libre albedrío», asigna «Compara cómo se aborda el libre albedrío en una obra de arte o literaria de tu tradición cultural».

Los estudiantes pueden proporcionar a la IA sus pruebas locales, y es posible que la IA ya conozca el lugar. Evalúa la calidad de las fuentes recopiladas y la capacidad del estudiante para justificar el análisis, en lugar de suponer que el contexto personal hace imposible el uso de IA.

Actividad ilustrativa: Pide a los estudiantes de ciencias ambientales que recojan muestras de agua siguiendo los procedimientos de laboratorio y seguridad del curso, analicen los resultados y expliquen cómo las mediciones respaldan sus conclusiones.

Tareas con datos en clase y trabajo práctico

Cuando necesites un entorno controlado, realiza la evaluación en el aula, ya sea presencial o en línea en tiempo real.

Las tareas con datos en clase piden a los estudiantes que apliquen un método a un conjunto de datos durante una sesión supervisada. Indica qué recursos están permitidos y proporciona tiempo y ajustes razonables. Que los datos sean novedosos no impide por sí solo que se recurra a la IA.

Este formato funciona en distintas disciplinas: un estudiante de estadística interpreta un resultado de regresión que no generó; uno de literatura anota un poema que nunca ha leído; uno de química realiza una valoración bajo observación. La evaluación es el acto de realizar la tarea, no el producto generado después.

Actividad ilustrativa: Organiza un taller de análisis de datos con un conjunto de datos desconocido y preguntas de análisis guiadas. Si se permite la IA, exige que los estudiantes documenten su uso, verifiquen sus resultados y expliquen sus conclusiones.

Cómo ponerlo en práctica: empieza con una sola tarea

Empieza con una tarea. Añade una defensa oral, una reflexión basada en pruebas o una actividad supervisada y, después, revisa en qué medida el nuevo formato permite observar el aprendizaje previsto.

Para una actividad basada en decisiones, LiveCase puede combinar elementos multimedia, preguntas y conversaciones con personajes de IA en un caso. Define el razonamiento que quieres observar y luego usa las respuestas como punto de partida para el debate.

Preguntas frecuentes

¿Qué es una tarea resistente a la IA?

Una tarea resistente a la IA reduce la dependencia de una respuesta terminada como única prueba del aprendizaje. Puede combinar trabajo intermedio, pruebas de fuentes y debate. No garantiza que la IA no pueda ayudar.

¿Cómo puedo calificar las defensas orales de manera justa?

Usa una rúbrica estructurada con criterios claros para la comprensión, la justificación de las decisiones y la capacidad de responder a preguntas de seguimiento. Graba las defensas para poder revisarlas. Para mantener la coherencia, prepara un banco de preguntas de seguimiento y adáptalas al trabajo entregado por cada estudiante.

¿Pueden funcionar las evaluaciones basadas en el proceso en cursos numerosos?

Sí. Usa diarios de reflexión con plantillas y preguntas concretas, y califícalos con una rúbrica sencilla. La revisión entre pares de los diarios de proceso puede reducir la carga de calificación y, a la vez, hacer visible el pensamiento. También funciona el método de «revisión puntual», que consiste en calificar a fondo solo de 2 a 3 entradas del proceso por estudiante y semestre.

¿Cuál es la diferencia entre los enfoques resistentes a la IA y los enfoques de detección de IA?

La detección intenta inferir cómo se produjo un texto. El diseño de la evaluación se centra en las pruebas necesarias para valorar el aprendizaje. Ni el resultado de un detector ni un formato de evaluación deben considerarse una prueba por sí solos.

¿Cuántas tareas resistentes a la IA debo rediseñar?

Empieza con una tarea y evalúa los resultados. La cantidad de cambios necesarios depende del curso, los objetivos de aprendizaje y las normas de evaluación.

¿Funcionan las tareas resistentes a la IA en cursos de ciencias, tecnología, ingeniería y matemáticas?

Sí. Las demostraciones de laboratorio, el análisis de datos y los portafolios pueden mostrar cómo aplican los estudiantes los métodos. Diseña las tareas en torno a la destreza que quieras evaluar, con reglas claras sobre los recursos permitidos y los ajustes razonables.