Implementación de la IA como herramienta para la autoevaluación de informes en asignaturas experimentales

Abstract

[ES] En el ámbito universitario, las herramientas basadas en IA ofrecen un amplio abanico de aplicaciones que pueden beneficiar tanto al profesorado como al estudiantado (Galindo et al. 2023). Para los docentes, estas tecnologías permiten automatizar tareas repetitivas como la corrección de trabajos o la generación de retroalimentación, además de facilitar la redacción de contenidos, la personalización de materiales según el nivel del alumnado, o la monitorización del rendimiento académico para detectar dificultades de forma temprana. Para el alumnado, la IA puede actuar como un asistente de aprendizaje, proporcionando apoyo en la redacción, estructuración y mejora de textos, así como en la comprensión de conceptos complejos o la resolución de dudas en tiempo real. Adicionalmente, favorece la exploración autónoma del conocimiento a través de entornos virtuales dinámicos y adaptativos. En entornos como la enseñanza en ingeniería, donde los docentes pueden compaginar docencia y actividad profesional en la industria, y carecer de preparación pedagógica específica, la IA adquiere un valor añadido como soporte pedagógico, ayudando a alinear los resultados de aprendizaje con una educación basada en competencias (Bertossi et al., 2024). No obstante, la integración de herramientas de IA en la docencia también presenta desafíos significativos. Modelos de lenguaje generativo como ChatGPT, ampliamente utilizados por su accesibilidad y versatilidad, presentan limitaciones importantes. Entre ellas se incluyen la posible generación de información inexacta o sesgada, la elaboración de referencias ficticias, la falta de juicio crítico y la imposibilidad de interpretar datos no textuales. A ello se suman riesgos asociados a la privacidad y la protección de datos, así como el potencial impacto negativo en la interacción humana dentro del proceso educativo. Además, una dependencia excesiva de estas tecnologías puede dificultar el desarrollo del pensamiento autónomo y limitar la personalización de la retroalimentación. A pesar de estas limitaciones, un uso pedagógicamente fundamentado de la IA puede contribuir a una docencia más eficaz y centrada en el estudiante, permitiendo al profesorado adaptarse a diferentes ritmos de aprendizaje y atender de forma más efectiva a la diversidad del aula (Aguilar et al., 2023). En esta línea, el presente proyecto explora la integración de modelos de IA generativa en el ámbito de la Ingeniería Química, con el objetivo de mejorar la elaboración de informes de laboratorio por parte del alumnado de primer curso. Tradicionalmente, este proceso se estructura en tres etapas: 1) realización de la práctica experimental, 2) explicación del formato del informe, y, en algunos casos, 3) entrega de una rúbrica que especifica los criterios de evaluación. Sin embargo, el alumnado suele desconocer en qué medida sus entregas cumplen con los estándares establecidos en dichas rúbricas, lo que únicamente puede verificarse tras la corrección por parte del profesorado, proceso que, dada la elevada carga docente, suele implicar una demora considerable en la retroalimentación. Para abordar esta problemática, se propone la incorporación de un sistema de retroalimentación automatizada en tiempo real, basado en IA generativa (Figura 1). A partir del envío del informe junto con la rúbrica proporcionada, el modelo ofrece sugerencias concretas de mejora alineadas con los criterios evaluativos establecidos, permitiendo al estudiante revisar y perfeccionar su trabajo de forma iterativa antes de la entrega definitiva. Finalmente, el impacto de esta metodología se evalúa mediante encuestas de satisfacción, cuyos resultados permiten valorar la utilidad percibida y orientar futuras mejoras en la práctica docente.