La evaluación y la retroalimentación oportuna en la educación universitaria enfrentan diversos desafíos. La corrección minuciosa de ensayos exige una alta inversión de tiempo que, sumada al elevado volumen de estudiantes por aula, dificulta la realización de revisiones intermedias antes de las entregas finales. Para responder a este desafío, investigadoras de la Universidad impulsan CoEval-IA, una iniciativa interdisciplinaria que busca desarrollar un método colaborativo humano-IA para especializar agentes de Inteligencia Artificial como asistentes de evaluación y retroalimentación académica.
El proyecto, adjudicado en el Concurso DI Investigación Asociativa Interdisciplinaria 2026 de la PUCV, aborda el impacto principal de esta tecnología: optimizar el tiempo limitado del cuerpo docente, elevar la cantidad y calidad de los comentarios entregados a los estudiantes y abrir nuevas posibilidades de innovación pedagógica.
Leslie Pérez, académica de la Escuela de Ingeniería Informática y directora de la iniciativa, explicó que disponer de un asistente de evaluación permitirá cubrir aspectos que de otro modo quedarían fuera por restricciones de agenda. “Tener un asistente basado en Inteligencia Artificial que actúe como agente evaluador permitiría retroalimentar aspectos de manera oportuna y efectiva, sobre todo si este asistente es capaz de ir aprendiendo y adaptándose a los criterios del docente. La idea es mejorar la cantidad y calidad de la retroalimentación, y además permitir que el o la docente pueda pensar en nuevas actividades que enriquezcan la docencia. Con un sistema automático como éste se abren muchas posibilidades para hacer docencia”, puntualizó Pérez.
Reglas contextualizadas y trazabilidad pedagógica
El foco innovador de CoEval-IA es no limitarse a aplicar una rúbrica estática. Mediante un diálogo iterativo entre el profesor y el agente, la herramienta será capaz de capturar reglas implícitas de evaluación, adaptar criterios contextuales y detectar posibles inconsistencias en la asignación de puntajes.
Sobre este punto, Leslie Pérez sostuvo que “en una etapa inicial el agente aprende sobre la tarea de evaluación, la rúbrica y las instrucciones, e inicia una colaboración con el docente aprendiendo las reglas que no están normalmente expresadas en la rúbrica”. Asimismo, destacó el rol refinador de la herramienta: “Nos dimos cuenta de que la rúbrica no era suficiente para que el modelo entendiera bien cómo evaluar. Hay reglas que tienen que ver con el contexto disciplinar o el nivel de los estudiantes. De ahí surgió la idea de un agente en conversación constante que ayude a ajustar estas reglas y actúe también como un fiscalizador que haga consciente al profesor de decisiones evaluativas que a veces se toman de forma inconsciente”.
Por su parte, Marcela Jarpa, académica de la Escuela de Pedagogía y directora alterna del proyecto, remarcó que la validez de un sistema de evaluación no se mide únicamente por la coincidencia numérica con la nota de un humano.
“Una calificación similar a la de un evaluador humano constituye una evidencia de concordancia, pero no garantiza por sí sola la validez de la evaluación. Dos evaluadores pueden asignar el mismo puntaje por razones distintas; incluso, la coincidencia puede ser producto de errores que se compensan. La IA podría reconocer adecuadamente ciertos aspectos formales, pero omitir dimensiones más complejas como la calidad de una inferencia, la construcción de una problemática o la profundidad de la discusión y llegar, aun así, a una puntuación global semejante”, advirtió Jarpa.
En esa línea, la académica agregó que el valor formativo de la iniciativa radica en la transparencia y trazabilidad de los criterios. “Desde una perspectiva pedagógica, evaluar no consiste solamente en clasificar un desempeño, sino en interpretar evidencias para establecer qué ha logrado el estudiante, qué dificultades presenta y qué necesita hacer para avanzar. Por ello, importa conocer no el razonamiento interno del modelo, sino la trazabilidad de su decisión: qué criterio de la rúbrica aplicó, qué fragmentos del texto consideró como evidencia y mediante qué regla los relacionó con un determinado nivel de desempeño. Esta transparencia es especialmente relevante cuando la evaluación busca ser formativa”.
Sinergia interdisciplinaria y proyección internacional
El desarrollo de CoEval-IA combina la estructuración teórica y pedagógica del aprendizaje con la solvencia técnica de la informática. Mientras Pedagogía define las tareas de escritura, anonimiza el corpus de ensayos e interpreta las evidencias, Informática diseña la arquitectura, los mecanismos de interacción y el registro versionado de reglas mediante la plataforma de soporte Hermes Agent.
La colaboración interdisciplinaria resultó clave para gestar el proyecto a partir de reflexiones compartidas entre Leslie Pérez y Marcela Jarpa, demostrando el valor del trabajo conjunto entre distintas unidades académicas. A este trabajo se suman investigadores de otras casas de estudio nacionales e internacionales (como la Universidad Complutense de Madrid y University College Dublin), incluyendo especialistas en agentes robóticos de Escocia que aportan herramientas computacionales avanzadas.
En sus fases operativas, el equipo trabaja actualmente con ensayos de la Escuela de Pedagogía para validar el prototipo piloto. En el futuro se proyecta la creación de una plataforma accesible vía web integrada al aula virtual universitaria, permitiendo escalar el sistema a diversos tipos de tareas escritas y contextos disciplinares.
Por Erika Schubert
Dirección de Comunicación Estratégica
