Estrategias de evaluación formativa automatizada mediante modelos de lenguaje: Un estudio sobre la autonomía del estudiante en el subnivel de Básica Superior. Automated Formative Assessment Strategies Using Language Models: A Study on Student Autonomy at the Upper Basic Education Level.
Contenido principal del artículo
Resumen
La incorporación de modelos de lenguaje basados en inteligencia artificial ha transformado los procesos de evaluación educativa al posibilitar estrategias de evaluación formativa automatizada que ofrecen retroalimentación inmediata, personalizada y orientada al aprendizaje. En el contexto de la Educación Básica Superior, estas herramientas representan una oportunidad para fortalecer la autonomía del estudiante mediante el desarrollo de competencias de autorregulación, reflexión crítica y toma de decisiones sobre su propio proceso formativo. La presente investigación tuvo como objetivo analizar la influencia de las estrategias de evaluación formativa automatizada mediante modelos de lenguaje en el fortalecimiento de la autonomía de los estudiantes del subnivel de Básica Superior. El estudio se desarrolló bajo un enfoque cualitativo, con alcance descriptivo e interpretativo y diseño de estudio de caso. La información fue recopilada mediante entrevistas semiestructuradas dirigidas a docentes y directivos, observación de actividades de evaluación mediadas por modelos de lenguaje y revisión documental de planificaciones curriculares, instrumentos de evaluación y políticas institucionales relacionadas con el uso de inteligencia artificial en el ámbito educativo. Los resultados evidenciaron que la utilización de modelos de lenguaje favorece la retroalimentación oportuna, la personalización del aprendizaje, la autoevaluación y el seguimiento continuo del progreso académico, promoviendo mayores niveles de autonomía, motivación y compromiso por parte de los estudiantes. Asimismo, se identificó que la eficacia de estas estrategias depende de la alfabetización digital docente, del uso ético de la inteligencia artificial y del diseño de actividades pedagógicas orientadas al aprendizaje significativo. Sin embargo, también se observaron desafíos relacionados con la necesidad de capacitación docente, la verificación de la calidad de las respuestas generadas por la inteligencia artificial y la existencia de brechas tecnológicas.
Descargas
Detalles del artículo

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
American Educational Research Association. (2022). Ethical standards of the American Educational Research Association. AERA.
Black, P., & Wiliam, D. (2021). Classroom assessment and pedagogy. Assessment in Education: Principles, Policy & Practice, 28(3), 221–237.
Bowen, G. A. (2022). Document analysis as a qualitative research method. Qualitative Research Journal, 22(3), 305–318.
Creswell, J. W., & Poth, C. N. (2021). Qualitative inquiry and research design: Choosing among five approaches (5th ed.). Sage Publications.
European Commission. (2022). Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators. Publications Office of the European Union.
Flick, U. (2022). An introduction to qualitative research (7th ed.). Sage Publications.
Holmes, W., Bialik, M., & Fadel, C. (2022). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2023). Intelligence unleashed: An updated perspective on AI in education. Pearson Education.
Maxwell, J. A. (2021). Qualitative research design: An interactive approach (4th ed.). Sage Publications.
Miles, M. B., Huberman, A. M., & Saldaña, J. (2021). Qualitative data analysis: A methods sourcebook (4th ed.). Sage Publications.
Ministerio de Educación del Ecuador. (2022). Agenda Educativa Digital 2022–2025. Ministerio de Educación del Ecuador.
Organisation for Economic Co-operation and Development. (2023). Digital education outlook 2023: Towards an effective digital education ecosystem. OECD Publishing.
Panadero, E. (2022). A review of self-regulated learning: Six models and four directions for research. Frontiers in Psychology, 13, 1–18.
Saldaña, J. (2021). The coding manual for qualitative researchers (4th ed.). Sage Publications.
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.
UNESCO. (2024). Artificial intelligence competency frameworks for teachers and students. UNESCO Publishing.
Williamson, B., Eynon, R., & Potter, J. (2023). Artificial intelligence and the future of teaching and learning. Learning, Media and Technology, 48(2), 135–149.
Yin, R. K. (2021). Case study research and applications: Design and methods (7th ed.). Sage Publications.
Zimmerman, B. J. (2021). Self-regulated learning: Theories, measures, and educational implications. En D. H. Schunk & J. A. Greene (Eds.), Handbook of self-regulation of learning and performance (2nd ed., pp. 1–22). Routledge.