Transparencia algorítmica en el aula: prácticas concretas

Qué se entiende por transparencia algorítmica en el aula

#

El principio de transparencia, en el contexto de IA en educación, exige hacer visible y comprensible el papel que juegan los sistemas algorítmicos en los procesos de enseñanza, aprendizaje y evaluación (UNESCO, 2021). En la práctica docente, esto se traduce en al menos tres compromisos: declarar cuándo y para qué se usa IA, explicitar los criterios con los que se evalúan los trabajos asistidos por IA (por ejemplo, una rúbrica para el anexo de uso), y documentar las decisiones que el docente o el estudiante toman al delegar parte del trabajo a un modelo.

La diferencia entre el principio y la práctica está en quién lo ejerce. Una política institucional puede prescribir la transparencia, pero solo el docente, en el día a día de su asignatura, puede convertirla en hábito.

Cinco prácticas concretas

#

Las cinco prácticas siguientes están ordenadas por nivel de exigencia: desde la más sencilla, que se incorpora a un syllabus existente sin reescribirlo, hasta la más demandante, que requiere ajustar el sistema de evaluación.

1. Sección visible de IA en el syllabus

#

El primer movimiento es declarativo: una sección del syllabus —no más de media página— que explicite tres cosas en lenguaje claro: qué usos de IA están permitidos, qué usos están restringidos y qué usos están prohibidos en la asignatura. La sección lleva fecha y se entrega impresa o digital al inicio del semestre.

El error más frecuente es escribir esta sección en términos vagos («usar la IA con criterio»). La regla operativa es que cada categoría debe poder interpretarla, sin ayuda, un estudiante de primer semestre: en lugar de «uso responsable», «puedes pedirle objeciones a tu borrador; no puedes pedirle el borrador».

2. Declaración explícita en la instrucción de cada tarea

#

Cada tarea individual incluye una línea fija al final indicando su política de IA: permitida con declaración, restringida a tareas específicas, o no permitida. Esa línea funciona como pista didáctica: le dice al estudiante qué trabajo intelectual se espera de él en esa tarea concreta, y por qué la regla cambia de una a otra.

Cuando una asignatura combina tareas de las tres categorías, el estudiante aprende a distinguir tipos de trabajo intelectual. Cuando todas las tareas son de la misma categoría, se pierde una oportunidad de aprendizaje.

3. Anexo de uso de IA con peso evaluativo

#

Cuando la instrucción de la tarea permite el uso de IA, se pide un anexo breve que documente qué servicio se usó y en qué versión, para qué parte del trabajo, y las decisiones que cambiaron el resultado: qué se conservó, qué se descartó y por qué. Basta con lo que permita entender esas decisiones; pedir la conversación completa añade material que nadie leerá y expone texto que no hacía falta compartir. El anexo se evalúa con su propia rúbrica y con un peso que el docente fija y anuncia desde el inicio: suficiente para que el grupo lo tome en serio, no tanto que el trabajo disciplinar pase a segundo plano.

La consecuencia pedagógica es directa: el estudiante deja de ver la IA como un atajo y empieza a verla como un proceso documentable, comparable al de buscar fuentes en una biblioteca.

4. Bitácora docente de uso de IA en la asignatura

#

El docente mantiene una bitácora simple —un archivo abierto a los estudiantes— donde registra cuándo y para qué usa IA en su propia preparación: generar un ejemplo, contrastar una rúbrica, corregir un texto. Conviene actualizarla cuando ocurra algo que valga la pena registrar, y revisarla con el grupo al menos una vez durante el semestre.

Este movimiento invierte la asimetría habitual: en lugar de exigir transparencia solo al estudiante, el docente la modela. La práctica genera credibilidad y hace explícito el principio de responsabilidad compartida que sostiene los marcos éticos.

5. Auditoría retrospectiva al cierre del semestre

#

En las últimas dos semanas del semestre, una sesión específica revisa colectivamente cómo se usó la IA en la asignatura: qué prácticas funcionaron, qué quedaron pendientes, qué cambiaría el grupo para el próximo ciclo. La sesión se documenta en media página; si el programa tiene un espacio colegiado que reúna estas revisiones, ahí es donde resulta útil compartirla.

Esta práctica cierra el ciclo de transparencia: lo que comenzó declarándose al inicio del semestre se evalúa colectivamente al final. La auditoría también deja material directo para ajustar las cuatro prácticas anteriores (por ejemplo, cambiar el peso del anexo de uso).

Tensiones a anticipar

#

Las cinco prácticas no son neutrales. Tres tensiones aparecen con frecuencia:

• Sobrecarga documental — el anexo de uso de IA puede convertirse en un trámite si no se evalúa con rúbrica clara. Conviene revisar el peso evaluativo cada semestre.
• Vigilancia percibida — los estudiantes pueden interpretar la trazabilidad como control. La bitácora docente es la práctica que mejor neutraliza esa percepción, porque introduce reciprocidad.
• Diferencias entre asignaturas — si solo una asignatura aplica estas prácticas, los estudiantes reciben señales contradictorias. La coordinación de programa es la que sostiene la coherencia entre asignaturas.

Lecturas relacionadas

#

El marco ético institucional sostiene los principios; los lineamientos éticos detallan las decisiones operativas; la guía de evaluación formativa con IA opera el anexo de uso. La entrada de glosario sobre integridad académica sintetiza la norma de fondo.