Evaluar en tiempos de IA: por qué la práctica, el criterio y la lógica importan más que nunca

Una respuesta correcta, una bibliografía sin errores o una presentación limpia funcionaban hasta hace poco como indicios de una buena competencia académica. Hoy, sin embargo, ya no demuestran por sí solas cuánto sabe realmente una persona. Las herramientas generativas redactan informes, resumen documentos o proponen soluciones en pocos segundos, y ese avance obliga a revisar una cuestión primordial para la educación superior: qué nuevas fórmulas permiten realmente comprobar que alguien entiende una materia y está en condiciones de llevarla a la práctica con solvencia.

El resultado final de un test o prueba teórica sigue teniendo valor, pero ya no basta como único indicador. Un texto impecable puede esconder una comprensión insuficiente; una exposición menos pulida, pero mejor justificada, en cambio, puede revelar mayor dominio del tema. Por eso, merece la pena ampliar la mirada hacia el proceso, la aplicación y la capacidad de reaccionar ante situaciones nuevas.

Evaluar procesos, no resultados

Es por ello que organismos de calidad universitaria están desplazando sus métodos de evaluación hacia pruebas múltiples, contextualizadas y conectadas a la práctica. En 2025, la agencia australiana TEQSA planteó seguir el progreso a lo largo de la titulación, combinando actividades supervisadas con otras abiertas al uso responsable de recursos digitales y verificando capacidades en momentos significativos.

Ese planteamiento cambia la función de una prueba, porque ya no basta con pedir un documento y corregirlo al final. Es más aconsejable conocer las decisiones previas que se han tomado, qué fuentes se han consultado o qué cambios se han llevado a cabo y por qué. Borradores, diarios de proyecto, defensas orales y demostraciones son las que aportan esa trazabilidad que resulta mucho más informativa que una única versión.

Además, observar el recorrido evita que cada actividad suponga una investigación sobre su autoría. La detección automática presenta límites importantes y no debería ocupar el centro de una estrategia académica fiable. Diseñar demostraciones más sólidas ofrece una vía más útil: sirve para ver qué sabe hacer cada persona sin depender de adivinar quién escribió cada frase.

Saber actuar antes que memorizar

Recordar conceptos y controlar la teoría siguen siendo cimientos necesarios, ya que, sin una base sólida, interpretar un caso o elegir entre varias alternativas se dificulta. Sin embargo, memorizar no siempre revela si se es capaz de trasladar ese conocimiento a un contexto concreto.

Una simulación clínica, un supuesto jurídico o un plan de intervención psicológica obligan a conectar teoría, prioridades y consecuencias. Ahí se aprecia si la persona sabe actuar cuando falta información, aparece una limitación o la primera opción deja de funcionar.

La experiencia aplicada acerca el aula a la realidad laboral, donde los problemas rara vez llegan como preguntas cerradas. Exigen analizar variables, colaborar y comunicar, además de asumir responsabilidad sobre la decisión tomada.

Aprender a cuestionar lo que se recibe

La inteligencia artificial puede ofrecer contenido plausible y, aun así, contener errores, omitir matices o presentar como segura una afirmación que no lo es. Saber formular una buena consulta ayuda, pero la verdadera competencia aparece al revisar la información recibida.

Contrastar una fuente, detectar una hipótesis débil o reconocer la falta de elementos son tareas que requieren conocimiento disciplinar. Quien domina una materia dispone de más recursos para identificar contenido convincente e incorrecto al mismo tiempo.

Una actividad académica puede aprovechar precisamente esa limitación. Entregar un texto generado para que el alumnado localice fallos, coteje referencias y explique riesgos permite reconstruir una propuesta mejor y valorar una destreza cada día más necesaria: supervisar sistemas que producen respuestas con aparente autoridad.

Solo acertar no basta

Llegar a una conclusión acertada por casualidad no equivale a comprender una técnica o un sistema. Por eso es preferible pedir que el razonamiento quede a la vista: cómo se conectan las evidencias, qué se ha deducido y por qué se eligió una opción y no otra.

Unas pocas preguntas al terminar un proyecto suelen ser suficientes: ¿qué fundamento ha guiado la elección?, ¿qué cambiaría si apareciera un dato nuevo?, ¿cuál es el punto más débil de la propuesta?, ¿qué opción se descartó y por qué?

Responderlas obliga al estudiante a apropiarse de su propio trabajo y, de paso, señala dónde falla el razonamiento: una comparación incompleta, una relación causal que resulta forzada o una prioridad fijada erróneamente. Ahí es donde la corrección resulta más útil.

Así se evalúa en la Universidad Mundae

En la Universidad Mundae, programas como el de Enfermería no se evalúan por exámenes, sino con una evaluación continua por proyectos. A lo largo del curso se trabaja también con casos prácticos, presentaciones y trabajos aplicados, además de la resolución de situaciones vinculadas con la futura profesión.

Este enfoque exige estudiar, sí, pero también comprender los fundamentos y saber utilizarlos con rigor. La diferencia está en que el aprendizaje se mide a lo largo de todo el curso, no en una sola prueba. De forma paralela, se observa si el estudiante interpreta información, plantea una solución, defiende sus elecciones y convierte la teoría en una actuación concreta.

La combinación de formatos ofrece una visión más completa del progreso. Además, prepara para escenarios profesionales donde será necesario colaborar, manejar recursos digitales y adaptarse a imprevistos, así como rendir cuentas por las decisiones adoptadas.

La IA puede y debe integrarse como apoyo en determinadas tareas, siempre con condiciones claras. Sirve para ordenar ideas, explorar enfoques o señalar aspectos que conviene revisar. La responsabilidad y el criterio sobre el contenido presentado, sin embargo, siguen perteneciendo a quien firma el trabajo.

Reglas claras para usar la IA

Una política académica útil es la que concreta qué usos se permiten, cuáles hay que declarar y qué parte debe resolver el estudiante por su cuenta. Las reglas genéricas se quedan cortas, porque lo que es razonable en una asignatura puede no serlo en otra.

En la práctica, basta con pedir poco: un registro de las consultas a la IA, una nota sobre qué se modificó o cómo se verificaron los datos. No se trata de acumular capturas, sino de que se vea la supervisión humana detrás del trabajo.

En esa línea, la UNESCO entiende la alfabetización en IA como algo que va mucho más allá de saber usar una herramienta. Supone comprender qué puede aportar y dónde falla, además de emplearla con criterio ético.

Formar para crear criterio

La educación superior necesita seguir midiendo conocimientos, pero con pruebas más variadas y, sobre todo, más prácticas. Un examen revela lo que alguien memoriza o recuerda, pero un caso aplicado, una simulación o una intervención supervisada muestran si sabe ponerlo en práctica cuando hace falta. Y es en ese terreno, el de hacer y no solo el de explicar, donde se aprecia la competencia que de verdad se traslada al ejercicio profesional.

Por eso, lo aplicado no debería ser un complemento de la evaluación, sino su núcleo: es ahí, ante un problema real con sus límites y su presión, donde se ve lo que el estudiante sabe hacer por sí mismo.

Evaluar en tiempos de IA exige fijarse en lo que el estudiante sabe hacer, no solo en lo que entrega. La práctica demuestra si se es capaz de convertir el conocimiento en acción; el criterio, si se distingue el contenido sólido del que no lo es. Y la lógica, si se sabe actuar en consecuencia y según el contexto. Cuando esas dimensiones ocupan el centro de la evaluación, la universidad comprueba algo que ninguna herramienta asume por completo: la capacidad personal de comprender, decidir y responder por el propio trabajo.