Evaluación

Plantilla, criterios de calidad y errores frecuentes al capturar una intervención docente con IA. Pensado para coordinaciones que reciben envíos de docentes.

La integridad con IA depende de reglas comprensibles, declaración, atribución, responsabilidad y evidencia proporcional; ningún detector reconstruye por sí solo la autoría.

Cuatro plantillas verificadas, un criterio de curaduría y ejemplos funcionales para que el docente universitario no empiece cada prompt desde cero.

Método de planificación que alinea resultados de aprendizaje, evidencia aceptable y experiencias de aprendizaje.

Los seis niveles de la taxonomía revisada de Bloom, con pirámide, verbos y ejemplos para formular objetivos de aprendizaje.

Principios para diseñar evaluaciones relevantes en las que la persona aplica conocimiento y justifica decisiones en un contexto.

Propuesta para docentes: el estudiante conserva tres versiones del mismo texto, revisa comentarios de IA y de un compañero y explica sus decisiones. Incluye un ejemplo ficticio, instrucciones y una distribución adaptable de la calificación.

Cómo integrar retroalimentación con IA en ciclos proporcionales que incluyen criterios, revisión, comprobación y cuidado de datos.

Un análisis de cómo la IA generativa reconfigura los modelos tradicionales de creatividad, autoría y propiedad en el ecosistema digital.

La evaluación produce evidencia; la retroalimentación ayuda a decidir qué hacer con ella. Esta guía distingue funciones, limita el alcance de las técnicas CAT y propone acciones observables.