Al terminar esta lección podrás:
- Preparar un plan de observación que diga qué registrarás en cada fase de tu actividad, incluida la participación por ruta.
- Proponer al menos dos explicaciones posibles para un resultado bajo en un criterio y decir qué revisarías para distinguirlas.
- Decidir qué conservar, modificar o retirar a partir de datos de desempeño, tiempo y percepción contrastados entre sí.
- Revisar una propuesta de ajuste hecha por IA con datos sin nombres y registrar si la aceptas, la corriges o la descartas.
- Escribir el registro de mejora del campo 7 de tu ficha de trabajo.
En esta lección el plano es el de tu diseño docente. El ejemplo que la acompaña es la actividad de olas de calor ya aplicada con un grupo de 30 estudiantes (datos ficticios); lo que se observa es cómo funcionó el diseño.
La implementación: donde el diseño cobra vida#
Durante la implementación, el diseño se encuentra con el grupo real, en el aula o en el entorno virtual. Lo que ocurre ahí solo sirve para mejorar si queda registrado: sin notas, la siguiente versión se decide con la memoria de lo que más llamó la atención. Conviene decidir antes de empezar qué observarás, en qué momentos y con qué herramienta: una lista de cotejo, notas breves o grabaciones autorizadas.
- Registrar puntos de atasco y dudasAnota en qué momentos de la secuencia los estudiantes se detienen, qué instrucciones generan confusión y qué términos provocan preguntas recurrentes.
- Medir el tiempo real en cada faseRegistra el inicio y el fin de cada momento clave (por ejemplo, trabajo en equipo o discusión plenaria) y pregunta al grupo cuánto tiempo dedicó a las tareas previas.
- Registrar quién participó y por qué rutaAnota quién entregó, quién usó la ruta asincrónica o la equivalente y quién abandonó en algún punto. Una actividad que funciona bien para la mayoría puede dejar fuera siempre al mismo grupo.
- Recoger percepciones y ejemplos de productosPide una opinión breve sobre la claridad y utilidad de la actividad, y reúne ejemplos de trabajos de distintos niveles (con autorización) para calibrar criterios en la siguiente aplicación.
- Documentar hallazgos para la mejoraOrdena las observaciones en un registro que permita ver patrones y decidir ajustes para el siguiente ciclo.
Qué observar y cómo interpretarlo#
Cada dato responde una pregunta distinta, y ninguno basta por sí solo. La tabla reúne lo que conviene observar y la cautela que pide su lectura.
Desliza horizontalmente para consultar todas las columnas.
| Qué observar | Qué registrar | Cómo interpretarlo con cautela |
|---|---|---|
| Puntos de atasco | Momento de la secuencia en que el grupo se detiene | Puede deberse a una instrucción ambigua, a falta de preparación previa o a un concepto difícil; mirar qué pasó justo antes ayuda a distinguirlo |
| Dudas recurrentes | Preguntas que repiten varias personas | Si la misma pregunta aparece en muchos equipos, la instrucción o el término necesita revisión |
| Niveles por criterio | Cuántas personas quedan en cada nivel de cada criterio de la rúbrica | Un criterio con muchos niveles iniciales admite varias explicaciones (ver el párrafo siguiente) |
| Tiempo real por fase | Minutos previstos y minutos reales | Un exceso puede indicar sobrecarga o instrucciones poco claras; un tiempo muy corto, una tarea que no exigía lo previsto |
| Percepción del estudiantado | Respuestas breves sobre claridad y utilidad | La percepción responde si la actividad pareció útil; si se aprendió lo esperado lo dicen el desempeño y los productos |
| Quién quedó fuera | Entregas por ruta, abandonos, participación en el foro | Antes de leer una no entrega como desinterés, conviene comprobar si esa ruta tenía la misma información y el mismo plazo |
Contrastar al menos tres fuentes de datos (desempeño, tiempos y percepciones) se llama triangular. Por ejemplo, si 22 de 30 estudiantes dicen que la actividad fue útil pero 19 quedan en nivel inicial en el criterio principal, la percepción no alcanza para conservar la actividad tal como está.
Cuando muchas personas quedan en nivel inicial en un criterio, hay al menos tres explicaciones posibles, y cada una pide un ajuste distinto: que la secuencia no haya preparado esa operación, que el criterio esté redactado de forma que el grupo no lo entienda, o que la tarea no pidiera realmente lo que el criterio evalúa. Abrir algunos productos de nivel inicial suele bastar para distinguirlas.
¿Qué explicaciones comprobarías antes de ajustar?#
La práctica siguiente presenta los datos de la actividad de olas de calor. Conviene elegir primero y abrir después la solución.
Elige qué explicaciones comprobar antes de ajustar la actividad
Marca todas las que correspondan y anota tu elección antes de abrir la solución.
Datos tras aplicar la actividad de olas de calor con 30 estudiantes (ficticios): en el criterio «vincula dato y conclusión», 19 quedan en nivel inicial; en «identifica componentes del riesgo», sólo 4. El trabajo en equipos duró 55 minutos en lugar de 30. En la encuesta, 22 dicen que la actividad fue útil. ¿Qué explicaciones conviene comprobar antes de modificar la actividad?
Ver respuesta razonada
- Respuesta esperada: La secuencia no preparó el paso de un dato a una conclusión: no hubo ejemplo ni práctica de esa operación. — Es una explicación plausible y comprobable: basta revisar si alguna fase mostró o practicó ese enlace.
- Respuesta esperada: El criterio está redactado de forma que el grupo no entendió qué se esperaba de él. — También plausible: si en los productos aparecen conclusiones, pero no donde el criterio las busca, el problema puede estar en la redacción.
- Respuesta esperada: La tarea no pedía realmente vincular datos y conclusión, aunque la rúbrica lo evaluara. — Conviene comprobarlo releyendo la instrucción: si pedía «describir» la situación, el grupo hizo lo que se le pidió.
- Por qué no corresponde: El grupo tiene un nivel bajo de razonamiento y la actividad no puede compensarlo. — El otro criterio muestra buen desempeño (sólo 4 en nivel inicial), así que el grupo sí razona; atribuirle el resultado impide revisar el diseño. Mirar los productos diría más.
- Por qué no corresponde: La actividad funcionó, porque 22 de 30 estudiantes la consideran útil. — La percepción responde si la actividad pareció útil; si se aprendió lo que el criterio pide lo dice el desempeño, y aquí va en sentido contrario.
Si tu respuesta fue la esperada: Las tres explicaciones del diseño son plausibles y piden ajustes distintos: añadir un ejemplo, reescribir el criterio o cambiar la instrucción. Abrir cinco productos de nivel inicial suele bastar para distinguirlas. El tiempo excedido (55 minutos) es otra pista que conviene cruzar con ellas.
Si no lo fue: Separa las explicaciones que apuntan al diseño (secuencia, criterio, instrucción) de las que cierran la pregunta sin revisar nada. Un resultado bajo casi siempre admite más de una causa; por eso conviene comprobar antes de ajustar.
Esta versión no envía respuestas, no guarda intentos y no calcula una puntuación.
Retroalimentación y mejora continua#
La retroalimentación es el puente entre el desempeño actual y el aprendizaje deseado. Sirve cuando es específica, se orienta a la meta y llega mientras el estudiante todavía puede usarla para revisar su trabajo (Black y Wiliam, 1998; Hattie y Timperley, 2007). La mejora continua aplica la misma lógica al diseño: la persona docente también revisa y ajusta su actividad a partir de la evidencia recogida. Cada pliegue describe una práctica con un ejemplo del caso.
Retroalimentar antes de la calificación definitiva
Valorar la calidad de la respuesta a la retroalimentación
Ofrecer oportunidades reales de revisión y mejora
Comunicar cambios y razones al estudiantado
La IA como apoyo en el análisis y la mejora#
La inteligencia artificial puede acelerar y organizar el análisis de datos, sugerir ajustes y ayudar a redactar registros de mejora. Las revisiones sobre IA generativa y evaluación documentan posibilidades y riesgos situados, sin una mejora automática (Xia et al., 2024). La interpretación causal y la decisión final sobre qué y cómo ajustar siguen siendo responsabilidad del profesorado.
Registro y transparencia en la cocreación con IA#
Las pestañas muestran cómo la IA puede apoyar el análisis y la mejora, y qué controles permiten conservar la agencia docente: la capacidad del profesorado para decidir qué se cambia, justificarlo y responder por sus consecuencias.
Análisis de niveles y sugerencias de ajuste
La IA puede procesar la distribución de niveles por criterio y detectar patrones de dificultad. A partir de esos datos puede proponer ajustes focalizados, como reforzar una fase o aclarar una instrucción.
Conviene compartir con la herramienta sólo datos agregados y sin nombres: una tabla de cuántas personas hay en cada nivel basta para el análisis. Después, la persona docente revisa cada sugerencia frente al resultado de aprendizaje y al contexto real del grupo.
Redacción de registros de mejora
La IA puede ayudar a redactar el registro de mejora: qué se cambió, por qué, qué ocurrió al aplicar el cambio y qué se revisará después. Esto facilita la documentación y el seguimiento de los ciclos de mejora.
Un registro claro permite construir un diseño acumulativamente mejor, en vez de rehacer desde cero cada vez.
Documentar intervención y validación humana
En el registro de intervención y validación humana queda constancia de qué decisiones se tomaron, cómo se comprobaron los cambios y qué criterios se usaron para aceptar o rechazar propuestas de la IA.
Por ejemplo: «La IA propuso eliminar el criterio de limitaciones; lo conservé porque el resultado de aprendizaje lo pide, y acepté su sugerencia de añadir un ejemplo resuelto».
Riesgos y controles en la interpretación causal
Un riesgo frecuente es atribuir a un ajuste una mejora que tiene otra causa. Entre una aplicación y la siguiente cambian también el grupo, el calendario y a veces la modalidad, así que ni siquiera cambiar un solo elemento aísla su efecto.
Ayuda registrar qué más cambió además del ajuste y tratar el resultado como un indicio que se confirma en más de una aplicación.
Actividad interactiva · H5P
Decide qué hacer con la propuesta de ajuste de la IA
Práctica formativa sin calificación de la lección 12 del curso «Diseño inverso y cocreación con IA».
Versión accesible y equivalente
Práctica directa en la página · Decide qué hacer con la propuesta de ajuste de la IA
Elige una opción y anota por qué antes de abrir la solución.
Pegaste en una IA la tabla de niveles por criterio de la actividad de olas de calor, sin nombres. Te propone: «Reduce la rúbrica de cinco a tres criterios para mejorar los resultados». ¿Qué harías?
Ver respuesta razonada
- Respuesta esperada: Pedirle que explique qué criterio quitaría y por qué, compararlo con el resultado de aprendizaje y registrar la decisión. — Conservas la decisión y dejas rastro: la propuesta puede señalar una rúbrica sobrecargada, pero sólo el resultado de aprendizaje dice qué criterio es imprescindible.
- Por qué no corresponde: Aceptarla sin más, porque una rúbrica con menos criterios resulta más clara para el grupo y más fácil de aplicar. — Puede mejorar los números sin mejorar el aprendizaje: quitar un criterio puede borrar justo lo que el resultado pide observar. Antes de aceptar, conviene saber cuál quitaría y por qué.
- Por qué no corresponde: Rechazarla sin examinarla, porque las decisiones sobre la evaluación le corresponden sólo a la persona docente. — La decisión te corresponde, y por eso mismo conviene examinar la propuesta: puede señalar un problema real de la rúbrica. Descartarla sin mirar también es renunciar al juicio.
- Por qué no corresponde: Volver a pegar la tabla con los nombres del grupo, para que la IA pueda dar un análisis más personalizado. — Expone datos personales sin necesidad: la distribución de niveles sin nombres basta para este análisis. Si hace falta mirar casos concretos, se hace fuera de la herramienta.
Si tu respuesta fue la esperada: Una propuesta de IA se trata como cualquier otra sugerencia: se examina con el resultado de aprendizaje, se decide y se registra qué se aceptó, corrigió o descartó.
Si no lo fue: Busca la opción que ni acepta ni rechaza a ciegas: la que examina la propuesta con un criterio propio y deja constancia de la decisión, sin exponer datos personales.
Esta versión no envía respuestas, no guarda intentos y no calcula una puntuación.
Práctica para tu ficha: el registro de mejora#
Esta práctica completa el campo 7 de tu ficha de trabajo, «Registro de mejora: qué cambió, por qué, qué ocurrió al aplicarlo y qué se revisará después». Un registro útil reúne cuatro elementos: cambio realizado, evidencia que lo motivó, resultado observado y decisión para la siguiente versión. Si la IA propuso una modificación, añade qué aceptó, corrigió o descartó la persona responsable y con qué criterio. Así el registro permite aprender entre implementaciones sin presentar cada cambio como una mejora ya demostrada.
La mejora continua es una responsabilidad profesional, y un cambio no mejora automáticamente la actividad. Cada ciclo necesita explicar qué se modificó, qué evidencia motivó la decisión y qué consecuencias aparecieron después.
El recorrido termina con una autoevaluación sin calificación. Úsala para localizar conceptos que todavía no puedes explicar o aplicar a tu propia actividad.
Referencias
- Black, P., y Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7–74. https://doi.org/10.1080/0969595980050102
- Hattie, J., y Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487
- Xia, Q., Weng, X., Ouyang, F., Lin, T. J., y Chiu, T. K. F. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education, 21, 40. https://doi.org/10.1186/s41239-024-00468-z