ChatGPT en clases: Cómo evaluar lo que realmente aprenden los estudiantes

La irrupción masiva de herramientas como ChatGPT o Gemini ha instalado una encrucijada inevitable en las salas de clases y aulas universitarias. Frente a algoritmos capaces de redactar ensayos o sintetizar textos complejos en cuestión de segundos, la respuesta tradicional de asignar lecturas y redacciones solitarias para ser evaluadas en casa ha quedado completamente desfasada. Si la vara de medición se limita al texto terminado o a la corrección gramatical de superficie, ya no estamos evaluando el aprendizaje del estudiante, sino su capacidad para delegar la tarea en una máquina.

Estudios realizados por investigadores del CIAE advierten que el uso pasivo y utilitario de la inteligencia artificial para resolver tareas inferenciales o resúmenes genera una “ilusión de entendimiento”. El estudiante recibe una respuesta fluida y bien estructurada, pero al omitirse las etapas de procesamiento profundo, indagación y toma de decisiones discursivas, el músculo del pensamiento crítico y la comprensión lectora no se ejercita. Creer que se entendió un tema porque la pantalla entregó un texto coherente es un espejismo pedagógico.

A esto se suma un límite que la investigación ha comenzado a documentar con claridad: la IA evalúa bien la forma, pero no la voz, la agencia ni las relaciones de cohesión. En nuestras investigaciones recientes comparando la evaluación de expertos humanos con modelos de lenguaje en ensayos argumentativos, hemos comprobado que los grandes modelos de IA tienden a sobreestimar la calidad textual porque premian la cohesión superficial y el uso de conectores, pero son incapaces de analizar el modelo de organización o la voz propia que intenta construir un autor. Por esta razón, basar la evaluación en el producto final solo alimenta la estandarización y la copia automatizada.

La salida ante esta encrucijada no radica en el repliegue tecnofóbico ni en la sospecha paranoica. Volver exclusivamente a la prueba escrita a mano o pretender que la IA no existe nos aleja de las prácticas letradas reales del presente. Tampoco se trata de aceptar acriticamente respuestas prefabricadas. El verdadero desafío es desplazar el foco pedagógico: pasar de pedir productos solitarios en la casa a crear espacios de taller, actividad colectiva y diálogo continuo en la sala de clases.

Escribir y leer deben volver a ser prácticas comunitarias. En el aula se pueden comparar borradores, contrastar la respuesta de un algoritmo con la postura personal del estudiante, identificar los sesgos de la tecnología y discutir abiertamente las decisiones de redacción. Evaluar en tiempos de IA exige mirar la trastienda del aprendizaje: la capacidad de dudar, de formular preguntas
complejas, de autorrevisar el propio texto y de argumentar una postura con nuestra voz y agencia.

Enseñar a pensar exige tiempo, lentitud y encuentro con los demás. Frente a la inmediatez de la respuesta automática, la escuela y la universidad tienen la oportunidad de convertirse en el lugar donde la lectura y la escritura se ejerciten no como un trámite individual para obtener una nota, sino como un acto vivo de autoría, diálogo y construcción de sentido.