[JUAN CARLOS LOPEZ HERRERA]

En mi experiencia docente, una situación que puede generar ambigüedad en la evaluación ocurre cuando un estudiante recibe una calificación sobre un trabajo, pero no tiene suficiente claridad sobre qué aspectos debía mejorar para obtener un mejor resultado. Esto puede suceder incluso cuando existe una rúbrica, porque en ocasiones los criterios son interpretados de manera diferente por el estudiante y por quien evalúa. Para mejorar esta situación, podría utilizar herramientas de IA mediante prompts precisos para revisar que los criterios de una rúbrica sean claros, identificar posibles ambigüedades y generar retroalimentaciones más específicas a partir de los trabajos entregados. En un caso como el análisis de un caso empresarial en Toma de Decisiones Gerenciales, la IA también podría ayudar a identificar fortalezas, aspectos que requieren mayor profundidad y errores frecuentes entre los estudiantes. Sin embargo, considero que el equilibrio está en que la IA sea un apoyo y no quien tome la decisión final. La valoración debe seguir estando en manos del docente, quien conoce el contexto, las características del estudiante y el propósito de la actividad. Incluso utilizaría la estructura del sándwich de retroalimentación para mantener una comunicación positiva y orientada a la mejora. Así, la tecnología puede ayudar a reducir la ambigüedad, pero sin perder el componente humano del proceso educativo.

[RUBEN ORLANDO MEDINA PUELLO]

La integración de la inteligencia artificial en los procesos de retroalimentación ofrece una oportunidad invaluable para reducir la ambigüedad y aportar mayor objetividad. A menudo, al revisar informes técnicos, diseños estructurales o proyectos complejos, los comentarios pueden volverse vagos o generales si el tiempo es limitado. La IA nos ayuda a estructurar explicaciones detalladas y basadas en criterios claros como normativas técnicas o rúbricas predefinidas, asegurando que el estudiante comprenda exactamente en qué aspectos de su trabajo existe una desviación conceptual o metodológica.

Para evitar que este proceso se vuelva frío o mecanizado, es fundamental que la IA actúe como un generador de borradores analíticos. El docente debe asumir un rol de curaduría y empatía, aplicando enfoques constructivos (como la técnica del sándwich) y adaptando el mensaje final a las necesidades particulares del alumno. De este modo, aprovechamos la velocidad y precisión de la tecnología para clarificar conceptos técnicos, sin perder jamás la sensibilidad humana ni el acompañamiento pedagógico que orienta el verdadero crecimiento profesional.

[ANA KARINA POLO CANTILLO]

La inteligencia artificial (IA) ayuda a mejorar la retroalimentación y eliminar la ambigüedad al actuar como un asistente de calibración que estandariza los criterios de evaluación, asegurando que cada estudiante reciba comentarios claros, específicos y constructivos basados estrictamente en evidencias. Al automatizar la redacción de observaciones técnicas y el desglose de rúbricas detalladas, la IA elimina las respuestas vagas o subjetivas, permitiendo al docente concentrarse en la personalización emocional y pedagógica de la evaluación

[Hugo Mejia Carbono]

La inteligencia artificial puede ayudarme a mejorar la retroalimentación al facilitar comentarios más claros, específicos y coherentes con los criterios de evaluación establecidos. También permite identificar fortalezas, dificultades y oportunidades de mejora de manera más oportuna, reduciendo interpretaciones ambiguas por parte de los estudiantes. Sin embargo, considero fundamental revisar y contextualizar cada retroalimentación, manteniendo el diálogo, la empatía y el criterio docente, para que la evaluación siga siendo un proceso humano orientado al aprendizaje y no únicamente a la asignación de una calificación.

[YARELYS ELEN MARTINEZ VILLALBA]

oCnsidero que la IA puede ser una gran aliada para mejorar la retroalimentación en los procesos de evaluación, haciéndola más clara, específica y oportuna. Por ejemplo, la IA puede ayudar a generar comentarios detallados sobre trabajos o respuestas, señalando errores concretos y sugiriendo cómo mejorar, lo que reduce la ambigüedad que a veces encontramos en las evaluaciones tradicionales.

Además, permite adaptar la retroalimentación según el nivel de cada estudiante, ofreciendo explicaciones más simples o más profundas dependiendo de la necesidad. Esto es muy útil en áreas como la biología, donde algunos conceptos pueden ser complejos.