El segundo episodio de nuestra serie « LA transforma los intercambios ». IA y corrección escolar: detrás de la promesa de copias anotadas en segundos, los estudios dibujan varias transformaciones. Las herramientas facilitan la preparación de cursos y proporcionan comentarios útiles. Su capacidad para asignar una puntuación estable sigue siendo más desigual. Para los maestros, el trabajo se está moviendo hacia la definición de criterios, la comprobación de respuestas y los estudiantes acompañantes.
Una decisión de evaluación, calificación y orientación no entraña la misma responsabilidad. Traerlos juntos bajo la palabra « corrección » borrosa el debate. Un comentario puede ayudar a un estudiante a repetir un razonamiento. Una nota clasifica su producción según una escala. Una decisión escolar puede cambiar su curso. Los resultados disponibles en noviembre de 2026 sugieren que estos usos se examinen por separado.
IA y corrección escolar: qué experiencias miden
En cuatro cursos universitarios americanos en ciencias políticas, los investigadores probaron una organización con profesores y GPT-4. Su estudio, publicado el 19 de agosto de 2025, cubre 271 estudiantes y 3.080 respuestas cortas. The tool received the question, the correction criteria and examples already noted by the teachers. El plan confió alrededor del 88% de las respuestas a la AI.
Los resultados apoyan la posibilidad de asistencia dentro de este marco específico. Varias características de notación siguen siendo similares a las observadas con correctores humanos. Los estudiantes pueden solicitar una nueva corrección por una persona. Sin embargo, estimaron que los comentarios humanos eran ligeramente más útiles.
Por lo tanto, este protocolo no implicó entregar una pila de copias al software sin preparación. El trabajo docente precedió a la automatización. Los investigadores no han establecido un porcentaje universal de tiempo ahorrado. Tampoco han demostrado un progreso sostenible en el aprendizaje. El pequeño número de desafíos por sí solo no mide la ausencia de errores.
En matemáticas, notas que no siempre coinciden
Un estudio publicado el 28 de octubre de 2026 tiene un resultado menos tranquilizador. Hasan Fehmi Özdemir comparó tres maestros y cuatro herramientas en respuestas de 196 estudiantes universitarios de Şırnak, Turquía. Los ejercicios requieren razonamiento matemático, más allá de la elección de una respuesta. Las copias eran del año escolar 2024-2025.
GPT-4o, Gemini 2.5 Flash, Microsoft Copilot y DeepSeek tenían la misma escala, pero sin ejemplos corregidos. Las herramientas encontraron algunos rankings generales entre los estudiantes. Su acuerdo exacto con las notas humanas fue sólo de tres en diez casos. Esto no significa que siete de cada diez notas fueran objetivamente falsas: los maestros también podrían divergir.
Las variaciones reaparecieron cuando los investigadores presentaron las mismas copias varias veces. Algunas herramientas también atribuyeron el razonamiento ausente de las respuestas. El estudio se refiere a un campo particular, versiones específicas y protocolo. No condena ninguna corrección asistida. Muestra por qué leer el razonamiento y aplicar una escala requiere validación, especialmente cuando varios enfoques pueden conducir al resultado correcto.
Un comentario útil no es necesariamente una buena calificación
El interés educativo también aparece sin notación automática. Un experimento publicado el 30 de octubre de 2026 dividió a 312 estudiantes en tres grupos. Uno recibió comentarios de una AI, otro de un maestro, el último no retroalimentación sustancial. El análisis final eligió 287 participantes.
Tras la revisión de un texto argumentativo, los dos grupos acompañantes lograron mejores resultados que el grupo de control. El desempeño de la retroalimentación humana y automatizada estuvo dentro del margen de equivalencia establecido por los investigadores. Sin embargo, la motivación declarada seguía siendo mayor después de que el maestro regresara.
Los estudiantes conocían el origen del comentario. El experimento incluyó una institución única y un ciclo de reescritura, con un modelo local. Por lo tanto, no prueba que la IA sea una mejora sostenible del rendimiento escolar. Se distinguen dos dimensiones de la profesión: ayudar a reelaborar un texto y hacerlo querer continuar este esfuerzo. Una evaluación relevante no reemplaza automáticamente la relación pedagógica.
La preparación de las preocupaciones de ahorro de tiempo más costosa
La evaluación británica de Aila, publicada el 6 de octubre de 2026, proporciona otro punto de referencia. Este asistente se utiliza para preparar cursos y sus materiales. El juicio distribuyó al azar 464 maestros primarios en 108 escuelas a dos grupos. El análisis principal seleccionó a 416 profesores. La vigilancia tuvo lugar durante 10 semanas en otoño de 2025.
La síntesis de la Fundación de Dotación de Educación estima una reducción del 24% en el tiempo de preparación para las tareas estudiadas. Los participantes estaban mirando documentos de trabajo. Ambos grupos podrían utilizar otras herramientas de inteligencia artificial: el ensayo evaluó la ingesta de Aila, no toda inteligencia artificial contra su ausencia.
Este resultado no significa un 24% menos de trabajo docente o un 24% de tiempo guardado en copias. El uso siguió siendo limitado y se dividieron opiniones. La calidad de los recursos evaluados no se deteriora, pero la experiencia no demuestra una mejora en el aprendizaje. Midió una tarea de preparación, no todo el trabajo.
Cambios de trabajo antes de cuantificar el empleo
Estos experimentos no permiten calcular una serie de posiciones que sustituiría la AI. Describen tareas en condiciones específicas. Para pasar de esto a un pronóstico de la fuerza de trabajo se necesitarían más datos: organización de aulas, tiempo de auditoría, costo de herramientas y selección de instituciones.
Sin embargo, la corrección asistida mueve las medidas que deben examinarse. Antes de usar, el maestro debe especificar lo que quiere evaluar. Después de la generación, debe comprobar que el comentario se trata de copiar. Una formulación fluida puede enmascarar una mala lectura. Una sugerencia correcta también puede referirse a una noción que la clase aún no ha abordado.
Por lo tanto, la ganancia neta depende del trabajo que se mantenga alrededor de la herramienta. Producir más anotaciones no es suficiente si cada uno requiere una larga recuperación. Por el contrario, un primer retorno pertinente puede dejar más espacio para una explicación específica. Debe medirse el tiempo total, desde la preparación de los criterios a la restitución, en lugar de la única velocidad de generación.
Reglas separadas para la ayuda y la evaluación
En Francia, el marco publicado en junio de 2025 permite la asistencia en preparación y corrección, bajo la responsabilidad del maestro. Pidió revisar las producciones. Los usos que tienen un efecto significativo en la evaluación o curso de los estudiantes requieren supervisión humana y validación previa por la autoridad competente.
El mismo marco excluye el envío de datos personales o confidenciales a una IA pública en general. Una copia no necesariamente se hace anónima porque su nombre ha desaparecido. Su contenido todavía puede identificar al estudiante. La elección del servicio, los datos transmitidos y su retención forman parte de los arreglos que deben revisarse.
En Inglaterra, Ofqual mantiene un límite más específico en su doctrina actualizada el 16 de julio de 2026. La AI no puede ser el único corrector de una evaluación que cae dentro de una calificación regulada. Esta norma no constituye una prohibición general de los asistentes de clase. Estos marcos francés e inglés no son por sí mismos normas aplicables al Líbano.
Para una institución libanesa que examina estas herramientas, los estudios extranjeros ofrecen puntos de comparación y no están listos para usar. El idioma, el nivel de los alumnos y la escala deben corresponder al examen realizado. Antes de extender el uso, todavía es necesario documentar las diferencias en las calificaciones, las correcciones necesarias y la posibilidad de un examen humano. Estos resultados locales permitirán distinguir un alivio real de una carga de control adicional.
Comentarios