Evaluar para aprender en la universidad: Evaluación auténtica en tiempos de inteligencia artificial generativa

Resumen

Evaluar para aprender en la universidad: evaluación auténtica en tiempos de inteligencia artificial generativa examina uno de los retos más relevantes de la educación superior actual: cómo comprobar el aprendizaje cuando los estudiantes disponen de herramientas capaces de producir textos, resolver problemas y elaborar productos académicos con creciente autonomía. La obra sostiene que esta realidad no vuelve innecesaria la evaluación, sino que exige fortalecer su validez, autenticidad y capacidad para evidenciar comprensión, razonamiento, aplicación y toma de decisiones. Desde una perspectiva pedagógica, el libro ofrece fundamentos y orientaciones aplicables a distintas carreras universitarias, situando al docente como diseñador de experiencias evaluativas centradas en el aprendizaje demostrado.

El primer capítulo analiza la necesidad de repensar la evaluación universitaria y cuestiona la dependencia de productos finales como única evidencia del aprendizaje. El segundo desarrolla los principios de la evaluación auténtica y propone tareas, casos, problemas, consignas y rúbricas capaces de valorar desempeños complejos y contextualizados. El tercer capítulo profundiza en las evidencias de proceso, la autoría y el razonamiento del estudiante, destacando el uso de borradores, bitácoras, portafolios, defensas académicas y estrategias metacognitivas para hacer visible cómo se construye el aprendizaje. El cuarto capítulo integra estos fundamentos en un proceso sistemático de rediseño de la evaluación, incorporando criterios, evidencias, retroalimentación y reglas transparentes para el uso de inteligencia artificial. La conclusión plantea una transición necesaria: dejar de evaluar únicamente productos para valorar de manera más rigurosa el proceso, el desempeño y la capacidad real del estudiante para demostrar lo aprendido.