Columna de opinión por: Andrés Alfaro Avalos, Subdirector del Departamento de Informática y Ciencias de la Computación.
Sin duda, docentes de todos los niveles enfrentan una sobrecarga laboral reflejada en exceso de papeleo, tareas administrativas, jornadas extendidas y presión por metas sin recursos suficientes, condiciones que afectan tanto su bienestar como la calidad de la educación que entregan.
Corregir este problema puede parecer casi imposible, pero contribuir a mitigarlo es una meta más realista. En este contexto, la inteligencia artificial (IA) ofrece un valioso apoyo al automatizar tareas repetitivas y administrativas, permitiendo que los docentes bajar la sobre carga y enfoquen su tiempo en la enseñanza y el acompañamiento de sus estudiantes.
Frete a esta realidad, esta columna de opinión tiene como objetivo compartir una experiencia del uso de IA en el proceso de revisión de evaluaciones, destacando su potencial para contribuir a la reducción de la sobrecarga laboral docente.
Esta experiencia, absolutamente replicable, se implementó en la asignatura de Programación Avanzada de Ingeniería Civil en Computación e Informática, cuyo objetivo es desarrollar competencias en Programación Orientada a Objetos. La evaluación se compone de controles en clase (50 %) y dos proyectos, “Desarrollo 1” (20 %) y “Desarrollo 2” (30 %).
La principal dificultad radica en la revisión de controles y proyectos, pues implica analizar códigos que pueden superar las 800 líneas, sumado al uso de IA por parte del estudiantado y a la diversidad de estilos de programación, lo que dificulta una revisión exhaustiva, precisa y consistente en poco tiempo.
Frente a esta situación, la revisión de los desarrollos 1 y 2 se realizó mediante inteligencia artificial generativa. En particular, se utilizó ChatGPT en sus modelos 4o y 4o-mini, empleando la funcionalidad “Proyecto”, que permite organizar de manera estructurada conversaciones, archivos e instrucciones asociadas a una tarea específica, además de mantener memoria del contexto de cada interacción.
Se creó un Proyecto denominado “Revisión Desarrollo II”, al cual se incorporaron tres archivos: la rúbrica, que detalla los puntajes según criterios específicos; la descripción del proyecto, que explica las funcionalidades esperadas del sistema, y la guía o instrucciones generales para realizar el proyecto. Además, se añadieron instrucciones específicas o prompts, que orientan al asistente sobre las tareas a ejecutar, cómo organizarlas y qué objetivos alcanzar dentro del contexto particular del proyecto: “Eres un experto desarrollador en Python y me ayudarás a revisar ejercicios de estudiantes de universidad de la carrera de informática. La idea es que seas crítico, objetivo, destaca las debilidades y las fortalezas del código. Además, te subí el ejercicio que tenían que resolver los estudiantes y la rúbrica en la cual nos basaremos para evaluar cada ejercicio. Al final, entrégame una lista de 5 preguntas que se puedan hacer por cada ejercicio y 3 estructuras de código que te llamen la atención”.
Para cada estudiante se generó una conversación individual que permitió analizar, junto con la IA, su desempeño específico, identificando con claridad fortalezas y debilidades, además de incorporar observaciones y comentarios particulares para cada proyecto. Este enfoque favoreció una evaluación más precisa, objetiva y personalizada.
Esto permitió introducir mejoras relevantes en la revisión: se pudo analizar con mayor profundidad cada trabajo, destacando estructuras de código que antes podían pasar inadvertidas; se identificaron con precisión los errores y sus causas, lo que facilitó preguntas más pertinentes y una retroalimentación más completa; el tiempo de revisión se redujo en cerca de un 30 %; y, además, se incorporó por primera vez retroalimentación textual personalizada directamente en Moodle, en lugar de limitarla a la exposición presencial centrada en debilidades generales.
Finalmente, no menos importante, se informó con anticipación a los estudiantes sobre la incorporación de IA en la revisión de sus proyectos. Asimismo, se mostró y transparentó ante ellos el prompt utilizado, los archivos proporcionados al sistema y las conversaciones mantenidas durante el proceso. Todo esto con el propósito fundamental de asegurar claridad y transparencia en la revisión y evaluación de sus trabajos.
En resumen, el uso de IA representa una alternativa eficaz para reducir la carga laboral, permitiendo que los docentes se enfoquen en las etapas más relevantes del proceso de revisión, en lugar de verse sobrecargados por la totalidad de un proceso que suele ser exhaustivo y demandante.