Dos comunicaciones de educAIndo en el congreso EDULEARN 2026
educAIndo ha presentado dos comunicaciones en EDULEARN 2026, el congreso internacional sobre educación y nuevas tecnologías de aprendizaje celebrado en julio en Palma de Mallorca. Las dos, muy en la línea de este blog: usar la IA para evaluar mejor, no solo para evaluar más rápido.
Fiabilidad de la IA como herramienta de evaluación en ingeniería
La primera comunicación, firmada por M.A. Sellés, S. Montava-Jordà, F. Parres, J.E. Rivero-Jordà y E. Pérez-Bernabeu, estudia si la IA generativa puede evaluar con fiabilidad informes técnicos complejos. El estudio, realizado en el Campus de Alcoy con estudiantes de Ingeniería Mecánica durante los cursos 2024/2025 y 2025/2026, comparó la corrección del profesor con la de cuatro modelos de IA —Claude Sonnet 4.6, ChatGPT/GPT-4, Gemini 3.1 Pro y Perplexity Sonar— aplicando la misma rúbrica de cinco criterios.
El resultado: un 85% de acuerdo entre las evaluaciones de la IA y el profesor a nivel de rúbrica, con un error medio absoluto de tan solo 0,15 puntos para el mejor modelo. La conclusión de los autores es clara: los modelos de lenguaje, bien guiados por una rúbrica definida, pueden ser una herramienta fiable y que ahorra tiempo tanto en evaluación formativa como sumativa.
Un script de Python para auditar la evaluación en Mecánica
La segunda comunicación, de Sergi Montava-Jordà y Miguel Ángel Sellés Cantó, aborda un problema muy concreto de la asignatura «Máquinas y Mecanismos» del Grado en Ingeniería Eléctrica: con 98 alumnos matriculados este curso (un 29% más que el anterior) y trabajos de análisis cinemático personalizados para cada estudiante —para evitar el plagio—, la corrección manual llegaba a superar las 12 horas acumuladas por convocatoria.
La solución desarrollada es un script de Python que actúa como «nodo de verificación numérica»: compara los resultados de cada alumno con la solución de referencia, pero es capaz de distinguir errores conceptuales reales de ambigüedades propias del software de simulación CAD (como signos invertidos válidos según el orden de ensamblaje). El script reduce el tiempo de corrección de horas a segundos y, en la auditoría del curso pasado, detectó un 1,78% de falsos negativos que habían pasado desapercibidos en la corrección manual.
