que paso
El Straits Times informa que las universidades de Singapur están rediseñando las evaluaciones a medida que el uso de la IA se vuelve más común. Instituciones como NTU, SUSS, NUS, SIT, SUTD y SMU están utilizando o considerando presentaciones en vivo, defensas orales, escritura en clase, presentaciones en escena y tareas que requieren que los estudiantes evalúen material generado por IA.
El Straits Times informa que la Singapore Management University está utilizando evaluaciones en vivo para evaluar la comprensión de los estudiantes de maneras que son difíciles de completar solo con una presentación preparada o generada por IA. En un módulo de comunicación gerencial, la presentación de cinco minutos de un estudiante y las preguntas de seguimiento representan el 30 por ciento de la calificación final. El informe dice que el profesor evalúa si los estudiantes entienden sus conceptos y pueden responder espontáneamente, junto con reflexiones semanales y ensayos completados en clase o mediante un navegador bloqueado.
El periódico también informa que a los estudiantes de SMU en una clase de marketing sostenible se les dio una pregunta de ensayo con dos semanas de anticipación y se les permitió usar IA para la investigación y el desarrollo de respuestas, pero luego tuvieron 15 minutos para escribir el ensayo en clase sin materiales de referencia. Según el informe, el diseño pretende mostrar si los estudiantes pueden convertir su investigación y comprensión en una respuesta coherente en lugar de utilizar la IA como atajo. Otros métodos reportados incluyen presentaciones en galerías, diarios reflexivos completados en clase, defensas orales y presentaciones en escena que muestran cómo se desarrolla un proyecto.
El Straits Times dice que el cambio se produce junto con una retirada de las herramientas de detección de IA. NTU y SUSS dijeron en agosto que dejarían de implementar este tipo de herramientas para detectar sospechas de uso indebido de la IA, mientras que NUS, SIT y SUTD dijeron al periódico que no las utilizan. SMU dijo que las herramientas de detección son sólo una forma de identificar el uso indebido. El vicepresidente y rector de NTU, Christian Wolfrum, dijo al periódico que los detectores alguna vez tuvieron un propósito razonable después de la liberación de ChatGPT, pero se habían vuelto obsoletos cuando las investigaciones mostraron resultados poco confiables. El informe dice que SUSS había utilizado el detector de IA de Turnitin y describe que la herramienta se basa en inferencias estadísticas en lugar de pruebas concluyentes.
El informe dice que las universidades no están adoptando una regla universal para la IA. A los estudiantes se les informa cuándo se permite, se prohíbe o se requiere la IA, según el curso. En algunas clases, pueden usarlo para generar ideas o investigar; en otros, es posible que se les prohíba usarlo en un cuestionario. El ejercicio de escritura y razonamiento informado por SMU requiere que los estudiantes generen resúmenes con IA y luego evalúen la precisión, el sesgo y las alucinaciones de esos resúmenes comparándolos con fuentes publicadas. El Straits Times informa que diseñar y probar tales tareas requiere un trabajo sustancial por parte de los instructores. Las políticas de las universidades, la escala de implementación y los resultados de estos métodos no fueron confirmados de forma independiente en la fuente proporcionada.
Detalles de la fuente: straitstimes.com ↗
Por qué es importante
El cambio cambia la cuestión educativa de si un estudiante utilizó IA a si el estudiante puede demostrar conocimiento, juicio y razonamiento. También refleja una creciente preocupación de que los detectores de IA puedan producir falsos positivos y afectar injustamente algunas formas de escritura, aunque las afirmaciones y prácticas institucionales descritas aquí no han sido confirmadas de forma independiente.
El cambio informado trata la evaluación como una forma de observar el aprendizaje en lugar de simplemente inspeccionar un artefacto final. Un ensayo pulido puede demostrar capacidad de escritura, pero por sí solo puede revelar poco sobre cómo un estudiante seleccionó evidencia, tomó decisiones o comprende las ideas subyacentes. Las preguntas en vivo, los borradores y la escritura en clase brindan a los instructores evidencia adicional sobre el proceso de razonamiento. Eso no prueba que el estudiante haya trabajado sin IA en todas las etapas anteriores, pero puede hacer que la comprensión sin fundamento sea más difícil de ocultar durante la evaluación misma.
La medida también aborda una debilidad práctica en la detección automatizada de IA. El Straits Times informa que tales sistemas pueden producir falsas señales de escritura humana estructurada y pueden apuntar injustamente a hablantes no nativos de inglés que escriben en formas más simples. Si una institución trata un detector probabilístico como prueba de mala conducta, los estudiantes podrían enfrentar sanciones sin una base confiable para tomar la decisión. Retirar o limitar esas herramientas puede reducir ese riesgo, pero la fuente no establece de forma independiente la exactitud de la investigación citada ni explica cómo cada universidad investigará el presunto uso indebido.
Para los estudiantes, el cambio significa que la alfabetización en IA se convierte en parte de la competencia académica en lugar de una cuestión confinada a la disciplina. Es posible que necesiten saber cómo utilizar un sistema de inteligencia artificial para la investigación, reconocer alucinaciones y prejuicios, documentar su proceso y defender conclusiones sin que el sistema esté presente. El Straits Times cita a estudiantes que dicen que las evaluaciones orales exigen una preparación más profunda y un razonamiento en tiempo real, mientras que otro estudiante dice que el uso de la IA sigue siendo alto pero se inclina hacia la investigación de antecedentes y el refinamiento del guión. La implicación no es que las evaluaciones en vivo eliminen la dependencia de la IA; cambian dónde y cómo esa dependencia es visible.
Para los empleadores y el público en general, lo que está en juego va más allá de las calificaciones universitarias. El periódico informa que SIT ve la evaluación de graduados como una prueba de conocimiento, competencia y juicio profesional en lugares de trabajo habilitados para IA. Los graduados que pueden producir una respuesta asistida por IA pero no pueden explicarla ni cuestionarla pueden estar menos preparados para roles donde los errores conllevan consecuencias financieras, legales, de salud o de seguridad. Al mismo tiempo, la fuente no proporciona evidencia de que los nuevos formatos mejoren los resultados laborales, la retención del aprendizaje o la equidad entre los diferentes grupos de estudiantes. Esas son preguntas abiertas más que resultados establecidos.
Mecanismo interactivo: cómo funciona realmente
Explore la tecnología subyacente detrás de este desarrollo de forma interactiva.
Why can ethical evaluation not be reduced to one model score?
Qué ver a continuación
El Straits Times informa que las universidades están aclarando cuándo se permite, prohíbe o exige el uso de la IA. La próxima prueba importante será si estos formatos de evaluación mejoran el aprendizaje sin crear cargas de trabajo excesivas, desfavorecer a los estudiantes con dificultades de comunicación o simplemente trasladar el uso de la IA a partes menos visibles del trabajo de curso.
La primera cuestión a tener en cuenta es la coherencia. El Straits Times informa que seis universidades autónomas utilizan una variedad de formatos de evaluación y que los cursos individuales deciden si la IA está permitida, prohibida o requerida. Esa flexibilidad puede adaptarse a diferentes disciplinas, pero también puede crear incertidumbre cuando los estudiantes se mueven entre clases con reglas diferentes. Las instrucciones claras sobre las herramientas permitidas, la divulgación, el manejo de datos, las citaciones y las sanciones serán tan importantes como el formato de la evaluación en sí.
La segunda cuestión es la carga de trabajo y el acceso. Las presentaciones en vivo, los puntos de control repetidos y las defensas orales requieren tiempo por parte de los instructores y los estudiantes, especialmente cuando las clases son numerosas. También pueden ejercer una presión adicional sobre los estudiantes con discapacidades, ansiedad, diferencias de idioma o acceso limitado a apoyo de preparación. La fuente informa que algunos estudiantes encuentran exigente la evaluación oral, pero no proporciona datos comparativos sobre los resultados o las adaptaciones. Las universidades deberán demostrar si los nuevos diseños son viables y equitativos a escala.
Una tercera pregunta es si la evaluación puede seguir el ritmo de la preparación asistida por IA. Un estudiante puede utilizar la IA para investigar, generar ideas, redactar o ensayar antes de una evaluación en persona, incluso cuando el desempeño final no cuenta con ayuda. Esto no es necesariamente una mala conducta si el curso lo permite, pero hace que la transparencia sea importante. Las tareas informadas que piden a los estudiantes que critiquen los resultados de la IA ofrecen un enfoque posible: prueban si los estudiantes pueden usar la tecnología mientras verifican su precisión y límites. La fuente no dice con qué frecuencia se utilizan estas tareas ni si han sido validadas con medidas independientes de aprendizaje.
Finalmente, las universidades necesitarán evidencia sobre las salvaguardias de reemplazo una vez que las herramientas detectoras desaparezcan. El Straits Times informa que NTU está enseñando alfabetización en IA y uso responsable a partir de abril de 2026 y ofreciendo a los estudiantes herramientas de IA premium Google, mientras que otras instituciones brindan acceso a ChatGPT Edu o Microsoft Copilot y utilizan bots personalizados para actividades como estudiar, codificar y exámenes orales. Aún se desconoce cómo las instituciones auditarán estos sistemas, protegerán los datos de los estudiantes, manejarán casos en disputa o medirán si los estudiantes realmente están aprendiendo. La prueba más fuerte del cambio informado serán los resultados transparentes sobre el aprendizaje, la equidad, la carga de trabajo y las decisiones de integridad académica a lo largo del tiempo.