Integración de la Inteligencia Artificial en la Evaluación de la Formación de Conductores por el Profesor de Autoescuela

Integración de la Inteligencia Artificial en la Evaluación de la Formación de Conductores por el Profesor de Autoescuela

Basándonos en la construcción del modelo anterior para el diseño de prompts educativos, ChatGPT ha generado la siguiente rúbrica de evaluación para el profesor de autoescuela:

La rúbrica proporcionada no solo destaca los elementos esenciales que se deben evaluar en la formación de conductores, sino que también establece una base clara para la retroalimentación constructiva y el desarrollo continuo de habilidades. Además, la incorporación de la IA puede facilitar el proceso de evaluación, permitiendo una revisión eficiente y objetiva de las habilidades de conducción y conocimientos teóricos.

La generación de rúbricas a través de la Inteligencia Artificial mejora la calidad y consistencia de la evaluación educativa, promoviendo un enfoque más preciso y detallado en la medición de habilidades específicas relacionadas con la conducción y la seguridad vial.

En adición, es importante destacar que, a pesar de las ventajas evidentes que ofrece la generación de rúbricas mediante Inteligencia Artificial, el papel crítico y reflexivo del profesor de autoescuela sigue siendo esencial. La implementación de la IA en la creación de criterios de evaluación no debe considerarse como un reemplazo absoluto de la evaluación humana, sino como una herramienta valiosa que complementa la experiencia del docente.

El profesor de autoescuela desempeña un papel crucial al contextualizar los resultados proporcionados por la IA, interpretando matices, considerando el progreso individual de los estudiantes y brindando un enfoque más holístico a la evaluación. Además, la creatividad, la originalidad y otros aspectos subjetivos que no pueden ser plenamente capturados por la Inteligencia Artificial requieren la experiencia y discernimiento del profesor.

En este sentido, es fundamental que la implementación de tecnologías como la Inteligencia Artificial se realice de manera reflexiva y cuidadosa, con la comprensión de que estas herramientas deben estar al servicio de la mejora educativa y no reemplazar la conexión personal y la comprensión profunda que un profesor de autoescuela puede aportar al proceso de aprendizaje. La combinación equilibrada de la tecnología y la habilidad humana garantiza una evaluación completa y significativa que fomente el crecimiento académico y personal de los estudiantes.

Ejemplos de Prompts

Prompts para elaborar rúbrica: Actúa como un profesor de autoescuela experto en evaluación, con experiencia en la evaluación por competencias de los alumnos.

1. Por favor, pregúntame el curso y materia de los alumnos. NO digas nada más y espera mi respuesta antes de continuar.
2. Pregúntame la evidencia de aprendizaje o tarea que deseo evaluar.
3. Pregúntame el criterio o criterios de evaluación que deseo utilizar para la evaluación.
4. Después haz una rúbrica en forma de tabla con la información que tienes, no hagas más preguntas al usuario.

Prompts para elaborar lista de cotejo: Actúa como un profesor de autoescuela experto en evaluación, con experiencia en la evaluación por competencias de los alumnos.

1. Pregúntame el curso y la materia. NO digas nada más y espera mi respuesta antes de continuar.
2. Pregúntame la evidencia de aprendizaje o tarea que quiero evaluar.
3. Pregúntame el criterio de evaluación que utilizaré.
4. Después no me preguntes nada más y elabora una lista de cotejo, en forma de tabla, sobre el tema con una escala dicotómica para cada indicador.

Prompts para elaborar cuestionario: Haz una pregunta cada vez:

1. Saberes sobre los que deseo crear el cuestionario. NO digas nada más y espera mi respuesta.
2. Pregúntame si deseo añadir criterios de evaluación.
3. Edad o nivel educativo de los alumnos.
4. ¿Deseas utilizar algún servicio particular como Google Forms, Kahoot u otro?
5. ¿Cuántas preguntas deseas incluir en el cuestionario?
6. ¿Deseas que el nivel de dificultad de las preguntas sea bajo, medio o alto? Genera un cuestionario de preguntas para evaluar el nivel de conocimientos que tienen los estudiantes sobre un tema específico. Incluye la solución a todas las preguntas.

Prompts para escala de valoración: Actúa como un profesor de autoescuela experto en evaluación, con experiencia en la evaluación por competencias de los alumnos.

1. Por favor, pregúntame el curso y materia de los alumnos. NO digas nada más y espera mi respuesta antes de continuar.
2. Pregúntame la evidencia de aprendizaje o tarea que deseo evaluar.
3. Pregúntame el criterio o criterios de evaluación que deseo utilizar para la evaluación.
4. Una vez que tengas esta información, generarás una tabla de escala de valoración con SOLO UN NIVEL DE DESEMPEÑO y su descripción, que corresponderá a la descripción de la puntuación máxima, también pondrás el intervalo de puntuación que se puede asignar en la cabecera de la columna.
5. El orden es: Columna 1: Aspectos a evaluar, Columna 2: Descripción del nivel de desempeño (con el intervalo de la puntuación entre paréntesis solo en la primera fila, por ejemplo: (1-5), debes empezar en 1 el valor máximo decídelo tú).
6. El significado de la puntuación lo pondrás al terminar la tabla en forma de lista, desde la puntuación 1 hasta la más alta.

Comparación de evaluaciones tradicionales y evaluaciones basadas en IA en la formación de conductores

Las evaluaciones tradicionales y las evaluaciones basadas en Inteligencia Artificial (IA) tienen claras diferencias y ventajas. Estos son los puntos clave a considerar:

La tabla destaca las diferencias clave entre las evaluaciones tradicionales y las basadas en IA en la formación de conductores. Las evaluaciones basadas en la IA ofrecen claras ventajas al proporcionar una visión más matizada del aprendizaje, adaptándose a conocimientos y habilidades individuales, y automatizando los procesos de calificación. Además, permiten una retroalimentación personalizada, lo que puede mejorar la experiencia educativa para los estudiantes en su proceso de formación como conductores.

No obstante, es importante subrayar que, a pesar de las ventajas evidentes, se requiere un esfuerzo continuo en investigación y formación del profesorado de autoescuela. La plena comprensión y utilización del potencial de la IA en la evaluación educativa aún están en proceso de desarrollo. La participación humana, especialmente en la interpretación de resultados y la conexión con los estudiantes, sigue siendo fundamental para un enfoque educativo completo en la formación vial.

Características | Evaluaciones Tradicionales | Evaluaciones Basadas en IA

Dificultad de diseño y aplicación | Dificultad en diseño y aplicación. | Adaptabilidad y facilidad en diseño gracias a la automatización.

Instantáneas limitadas del rendimiento | Proporcionan instantáneas limitadas del rendimiento. | Ofrecen una visión más matizada del aprendizaje, adaptándose a conocimientos y habilidades.

Adaptación a la cultura escolarizada | Se adaptan a la cultura de escolarización. | Se adaptan a competencias del mundo real.

Objetivo principal de uso | Evaluación sumativa. | Principalmente utilizadas para evaluación formativa y calificación automática.

Actitud de profesores y alumnos | Actitud variada. | Actitud positiva hacia la evaluación asistida por IA, con énfasis en la importancia de la participación humana.

Contribución a la precisión y eficacia | Menos precisas y eficaces. | Mejoran la precisión y eficacia, proporcionando información personalizada.

Aplicaciones en medición educativa | Aplicaciones tradicionales. Incluye generación de ítems, calificación de pruebas e interpretación de resultados. | Transformación de prácticas de evaluación mediante captura y análisis innovadores de actividades de aprendizaje.

Formación del profesorado y investigación | Requiere menos formación específica. | Requiere formación y más investigación para comprender y validar posibilidades.

Adaptado de (Swiecki et al., 2022), (González-Calatayud et al., 2021), (Braun et al., 2023), (Owan et al., 2023)

Impacto en Tareas “Clásicas” en la Formación de Conductores

Análisis de cómo la IA puede cambiar la naturaleza de las tareas de evaluación

La Inteligencia Artificial (IA) puede cambiar la naturaleza de las tareas de evaluación en la formación de conductores de varias maneras. He aquí los puntos clave:

1. Abordar los problemas que plantean las prácticas tradicionales de evaluación:

Las evaluaciones tradicionales en la formación de conductores pueden tener limitaciones, como la dificultad de diseño y aplicación, que ofrecen una visión limitada del aprendizaje y se adaptan a la cultura escolar en lugar de a las competencias del mundo real. Los enfoques de la IA pueden abordar parcialmente estos problemas proporcionando visiones más matizadas del aprendizaje y adaptando las evaluaciones a los participantes individuales (Swiecki et al., 2022).

Al proporcionar visiones más detalladas y adaptar las evaluaciones según las necesidades individuales, la Inteligencia Artificial tiene el potencial de ofrecer una evaluación más precisa y contextualizada del aprendizaje en la formación de conductores, superando las limitaciones de los métodos tradicionales. Este enfoque más personalizado puede contribuir a una comprensión más profunda de las habilidades y competencias de los participantes en entornos educativos y más allá.

2. Automatizar las tareas de evaluación:

La IA puede automatizar tareas como la calificación, reduciendo el tiempo dedicado a tareas administrativas y permitiendo a los profesores de autoescuela centrarse más en la enseñanza directa y el compromiso con los alumnos (Vinutha et al., 2022).

La implementación de la Inteligencia Artificial para automatizar tareas de calificación presenta una oportunidad valiosa en el ámbito educativo de la formación de conductores. Esta eficiencia podría mejorar la calidad de la interacción entre profesores y estudiantes, promoviendo un entorno educativo más dinámico y enriquecedor.

3. Mejorar la precisión y la eficacia de la evaluación:

Las herramientas de evaluación basadas en IA pueden mejorar la precisión y la eficiencia de las evaluaciones, generar comentarios personalizados para los estudiantes y permitir a los profesores adaptar sus estrategias de enseñanza para satisfacer las necesidades individuales de los estudiantes (Owan et al., 2023).

Una de esas herramientas podría ser Gradescope, una plataforma de evaluación en línea que utiliza técnicas de Inteligencia Artificial para agilizar y mejorar el proceso de calificación en la formación de conductores.

Evaluar trabajos de investigación en la formación de conductores

¿Cómo evaluar los trabajos de investigación realizados por los estudiantes en tiempos de Inteligencia Artificial, para mitigar el uso de esta tecnología y evitar el plagio?

Evaluar trabajos de investigación en la formación de conductores en tiempos de Inteligencia Artificial (IA) puede ser un desafío, especialmente cuando se busca prevenir el plagio y asegurar la originalidad de los trabajos.

Aquí hay algunas sugerencias para abordar este problema:

1. Utilizar los detectores de texto generado por IA con las siguientes consideraciones:

Actualmente, las opciones más fiables es el hecho de preguntarle al propio ChatGPT. Los detectores de plagio no darán alerta alguna si el texto ha sido parafraseado o reelaborado. Los detectores de plagio pueden utilizarse como prueba concluyente. Solo dan un grado de sospecha, de forma que hay que prestar atención a los falsos positivos y a los falsos negativos. No es plagio en sentido clásico (Oberta, 2023).

2. Evaluación de la coherencia y calidad del trabajo:

Analiza la coherencia y calidad del trabajo en términos de fluidez, estructura y comprensión del tema. Los trabajos de baja calidad pueden ser indicativos de realización fraudulenta o de la falta de comprensión del estudiante sobre el tema.

3. Entrevistas y defensas orales:

Realiza entrevistas o defensas orales para evaluar la comprensión profunda del estudiante sobre su trabajo. Preguntas detalladas sobre el contenido del trabajo pueden ayudar a identificar si el estudiante realmente comprende el tema.

4. Fomentar la originalidad:

Diseña tareas específicas que requieran la aplicación única de conocimientos adquiridos, en lugar de simplemente volcar la información. Esto puede incluir la aplicación práctica de conceptos aprendidos o la resolución de problemas específicos.

5. Revisión en etapas:

Divide la tarea de investigación en varias etapas y solicita entregas parciales. Esto permitirá un seguimiento más cercano del progreso del estudiante y facilitará la detección temprana de posibles problemas de plagio.

6. Capacitación en ética académica:

Proporciona capacitación sobre ética académica y la importancia de la originalidad en la investigación. Los estudiantes deben entender las consecuencias del plagio y la importancia de atribuir adecuadamente las fuentes.

7. Políticas claras y consecuencias:

Es esencial considerar el artículo 17 del reglamento de evaluación, que aborda de manera explícita las políticas relacionadas con el plagio y las repercusiones que conlleva esta práctica. Es fundamental garantizar que los estudiantes comprendan cabalmente las políticas y las implicaciones tanto académicas como disciplinarias del plagio.

8. Capacitación en Inteligencia Artificial:

Ofrece sesiones de capacitación específicas sobre Inteligencia Artificial, abordando cómo funcionan los modelos de lenguaje, cómo se entrenan. Educa a los estudiantes sobre las limitaciones de la Inteligencia Artificial, incluyendo la posibilidad de generar información incorrecta o sesgada. Destaca la importancia de la supervisión humana y el análisis crítico en la interpretación de resultados generados por modelos de lenguaje.

9. Sesiones prácticas:

Proporciona sesiones prácticas en las que los estudiantes interactúen directamente con herramientas de Inteligencia Artificial. Esto les permitirá comprender mejor su funcionamiento y desarrollar habilidades para utilizar estas herramientas de manera efectiva y ética.

Fuente: Universidad de Burgos. [Centro de Enseñanza Virtual. UBUCEV] (Marzo 2024)

Quizás podría interesarte estos artículos:
IA Generativa y su Impacto en la Educación Vial: Perspectiva del Profesor de Autoescuela
Evolución de la IA: Transformando Aprendizaje y Enseñanza para el Profesor de Autoescuela en la Evaluación Educativa con la Generación de Rúbricas y Listas de Cotejo