Corregir con IA y tu rúbrica: qué funciona y dónde patina

Llega el final de una práctica y tienes una pila de entregas por corregir. Cada una con sus archivos, su código o su documento, y una rúbrica que aplicar a todas por igual. Es de las tareas que más horas se llevan fuera del aula.

La pregunta que me hacen a menudo es si se pueden corregir exámenes con inteligencia artificial. Mi respuesta es que sí, con un matiz importante. La IA inventa todo lo que tú no le cuentas. Hay que darle muy bien la rúbrica, supervisar lo que devuelve y revisar las entregas a mano. Aun así, te quita una parte del trabajo.

En el último bloque del curso de Antigravity lo hago con un caso real: un trabajo de subida de nota de segundo del ciclo superior de DAM, con diez entregas. Los nombres del alumnado son ficticios y los trabajos también.

Lo que la IA hace aquí (y lo que no)

Antes de nada, conviene dejar claro el objetivo. Lo que busco es una primera barrida: una visión general de lo que ha entregado cada alumno y una posible nota según la rúbrica. Con eso tengo un punto de partida.

No es una forma de evaluar sola. A día de hoy, y sobre todo en ciclos, hace falta supervisión humana para revisar caso por caso. La IA lo suele hacer bastante bien, pero se equivoca bastante. A veces te dice que un alumno ha entregado un apartado que en realidad está incompleto.

Los ficheros que le doy

El encargo es sencillo si los ficheros están bien preparados. En la carpeta del proyecto tengo:

• El enunciado de la práctica, en PDF.
• Un archivo .md con las reglas para corregir. Lo generó la propia IA a partir del enunciado.
• La rúbrica de evaluación que uso, también en .md, con cada criterio y su peso en la nota.
• Las entregas del alumnado, cada una en su carpeta.

El fichero de la rúbrica es la clave. Ahí le marcas las reglas que quieres que siga. Cuanto más clara esté, menos margen le dejas para inventar.

Un apunte sobre los datos. En el vídeo uso nombres inventados. Si lo haces con entregas reales, no pongas datos personales del alumnado en una herramienta de IA. Sustituye los nombres por códigos antes de empezar y guarda la correspondencia fuera de la carpeta con la que trabaja la IA.

El primer intento y por qué no basta

Mi primera instrucción fue corta. Le pedí que me corrigiera el trabajo siguiendo la rúbrica de evaluación. Lo que pasó es un buen ejemplo de lo que puede salir mal.

La IA encontró cosas que no casaban entre el .md y el enunciado en PDF, y cambió el archivo por su cuenta para adaptarlo. Yo no se lo había pedido. Antigravity te enseña esos cambios antes de darlos por buenos, y tienes el botón Reject all para rechazarlos todos. Revisa siempre lo que ha tocado.

Además, no me dio lo que quería, porque mi instrucción era mala. Así que la afiné:

«Quiero que me generes un Excel con una tabla con las notas y que me lo pases por aquí también en formato tabla, visible y legible para un humano. A su vez, quiero un feedback personalizado para cada alumno.»

Valida el plan antes de que actúe

Gemini, que es la IA que usé en esta parte, suele devolver un plan de implementación: una declaración de lo que va a hacer, a veces con títulos en inglés. En mi caso anunciaba un pequeño programa para recorrer la carpeta de entregas y analizarlas.

Ese es el momento de leerlo y comprobar que casa con lo que quieres evaluar. Si quieres que dé más peso a algo, o que se ciña al fichero de la rúbrica, se lo añades como comentario antes de validar. Si no tienes activado el modo automático, te preguntará cada vez que vaya a ejecutar algo.

El resultado y dónde patina

Al terminar me dio un Excel con las notas y la misma tabla en el chat. Para cada alumno, un feedback con lo mejor de su trabajo, lo que le falta y qué haría para subir nota. Algunas recomendaciones eran buenas y otras no.

Aquí va el aviso que casi nadie da. Patina. Me ha pasado en otras correcciones que puntúe apartados que el alumnado no había hecho. Si ves notas muy dispares o muy altas, desconfía. En este caso era un trabajo de subida de nota y las notas tienden a salir altas, pero la alarma debe saltar igual.

Qué haría yo después

1. Entrar en cada entrega, una por una. En este caso, abrir el código, ejecutarlo y mirar lo que ha hecho cada alumno.
2. Contrastar lo que dice la IA con lo que hay de verdad en la entrega.
3. Ajustar la nota cuando no encaje. La decisión es tuya.
4. Entrenarla. Dile lo que ha hecho bien para que lo repita y también lo que ha hecho mal, y pídele que lo deje documentado para no volver a cometer el error.

Una pregunta abierta: el uso de la IA en clase

Mis alumnos de primero y de segundo saben usar Antigravity, y bien. Podrían pasarle este mismo enunciado y entregarme lo que les devuelva sin leerlo. Algunos lo intentan. Yo tengo mis técnicas para que trabajen y demuestren que saben lo que están haciendo, y las contaré en otro vídeo. Antes me interesa saber las tuyas: si dejas usar la IA, en qué prácticas sí y en cuáles no, o si haces exámenes sin ordenador.

Lo que te llevas

• La IA sirve para una primera pasada con tu rúbrica. La nota final la revisas y la pones tú.
• Dale el enunciado, la rúbrica con sus pesos y unas reglas de corrección claras.
• Revisa los cambios que haga en tus archivos y valida su plan antes de que actúe.
• Desconfía de las notas muy altas o dispares y comprueba cada entrega.

Todo el proceso está en el bloque «Corregir con tu rúbrica» del curso de Antigravity, en el canal @profeaminia. Y si en FP evalúas por resultados de aprendizaje y criterios de evaluación, echa un vistazo a RúbrikaFP, que está pensada justo para calcular esa evaluación por RA y CE.