Evaluación y retroalimentación con IA

1. Tema 1: Fundamentos de IA en evaluación y principios de diseño de rúbricas. Descripción: conceptos clave de IA aplicados a evaluación, validez, confiabilidad y ética en rúbricas.
2. Tema 2: Herramientas y plataformas de IA para generación de rúbricas. Descripción:?? de herramientas de IA para definir criterios, escalas y criterios de calificación; integración en contextos educativos.
3. Tema 3: Validación, transparencia y mitigación de sesgos en rúbricas con IA. Descripción: metodologías para verificar validez y equidad, y prácticas éticas en el uso de IA.

• Taller de exploración de herramientas IA para rúbricas - Exploración guiada de plataformas de IA que generan rúbricas, identificación de criterios relevantes y discusión de sesgos potenciales. Puntos clave: selección de herramientas, criterios de calidad y ética. Aprendizajes: capacidad para evaluar herramientas IA y definir criterios de calidad.
• Diseño de rúbrica con IA para un caso de estudio - En equipos, diseñan una rúbrica para una tarea específica utilizando una plataforma de IA y ajustan criterios para transparencia y validez. Aprendizajes: aplicación práctica de IA en diseño de rúbricas y revisión por pares.
• Revisión por pares y validación de la rúbrica - Intercambio entre equipos para validar la rúbrica creada, identificar sesgos y proponer mejoras. Aprendizajes: habilidades de crítica constructiva y mejora iterativa.
• Informe de reflexión ética y evaluación de sesgos - Redacción de un informe corto sobre consideraciones éticas, límites y mitigaciones al usar IA en evaluación. Aprendizajes: pensamiento crítico y responsabilidad profesional.

La evaluación está alineada con el OBJETIVO GENERAL y los OBJETIVOS ESPECÍFICOS. Componentes principales:

• Rúbrica diseñada con IA y validación por pares (50-60%). Evaluación de la transparencia, validez y mitigación de sesgos.
• Informe de revisión y mitigación de sesgos (25-30%). Análisis crítico de sesgos identificados y propuestas de mejora.
• Participación en las actividades de taller y entrega de un portafolio de evidencias (10-15%).

Ejemplos de criterios de éxito: claridad en criterios, consistencia entre criterios y tareas, evidencia de revisión por pares y reflexión ética documentada.

4 semanas

1. Tema 1: Principios y herramientas de IA para evaluación formativa y retroalimentación. Descripción: fundamentos para usar IA en evaluación formativa, diseño de retroalimentación y uso responsable de datos.
2. Tema 2: Diseño y gestión de prácticas de evaluación con IA. Descripción: planificación, implementación y monitoreo de prácticas evaluativas que incorporan IA y recogida de evidencias de aprendizaje.
3. Tema 3: Proyecto aplicado de IA en evaluación: ejecución, análisis y reflexión. Descripción: desarrollo de un proyecto real o simulado que demuestre competencia, con fases de ejecución, retroalimentación y mejora.

• Actividad 1 — Mapa de ruta para integrar IA en evaluación formativa: diseño de un plan de implementación de IA para evaluación formativa en un curso o unidad. Puntos clave: objetivos de aprendizaje, criterios de éxito y métricas de satisfacción. Aprendizajes: comprensión de fases y requerimientos para integración de IA.
• Actividad 2 — Diseño de actividad con IA para retroalimentación: crear una tarea con IA que genere retroalimentación automática y/o semiautomatizada, con mecanismos de revisión por parte del docente. Aprendizajes: capacidad de ajustar la rétroalimentación y calibrar la carga de trabajo para estudiantes.
• Actividad 3 — Desarrollo y ejecución del proyecto aplicado en equipos: proyecto aplicado en el que se implementan herramientas de IA para evaluación y retroalimentación; entregables: plan, datos de aprendizaje, resultados y reflexión crítica.
• Actividad 4 — Reflexión crítica y ética: análisis de impactos, sesgos y consideraciones éticas en el uso de IA para evaluación, con propuestas de buenas prácticas.

La evaluación está alineada con el objetivo general y los objetivos específicos de la unidad, con énfasis en la aplicación práctica y la reflexión crítica. Componentes:

• Proyecto aplicado de evaluación con IA (40-50%). Demuestra diseño, implementación y análisis de resultados, así como reflexión sobre equidad y aprendizaje.
• Informe de reflexión y ética (20-25%). Análisis crítico de límites, sesgos y consideraciones éticas, con propuestas de mitigación.
• Portafolio de evidencias y presentaciones (15-20%). Incluye planes, datos de aprendizaje, retroalimentación generada y resultados del proyecto.
• Participación y trabajo en equipo (10%). Calidad de contribución, aprendizaje colaborativo y gestión de proyectos.

Ejemplos de criterios de éxito: evidencia de mejora en aprendizaje, retroalimentación accionable generada por IA, y reflexión crítica documentada sobre aspectos éticos y sesgos.

5 semanas