Inteligencia artificial en la evaluación estudiantil como estrategia para el mejoramiento académico en contexto rural colombiano
Palabras clave:
aprendizaje adaptativo, evaluación formativa, innovación educativa, rendimiento escolar, tecnología educativaResumen
El presente ensayo, de carácter documental y enfoque analítico-crítico, examina el impacto del uso de la inteligencia artificial en los procesos de evaluación estudiantil como estrategia para el mejoramiento del rendimiento académico, con especial atención a contextos rurales latinoamericanos. A partir de la revisión documental, basada en el análisis de contenido de literatura científica reciente, informes internacionales y estudios empíricos relevantes, se analizan los fundamentos teóricos, los alcances metodológicos y las implicaciones pedagógicas de la evaluación asistida por inteligencia artificial. El análisis evidencia que la automatización de la retroalimentación, la personalización adaptativa y el uso de modelos predictivos para la identificación temprana de riesgo académico constituyen aportes significativos al fortalecimiento de la evaluación formativa. No obstante, la literatura también advierte desafíos asociados a sesgos algorítmicos, brechas de conectividad, sostenibilidad tecnológica y formación docente, especialmente en contextos rurales caracterizados por desigualdades estructurales.
Desde una perspectiva crítica, el ensayo sostiene que la inteligencia artificial no debe concebirse como sustitución del docente, sino como sistema de apoyo estratégico que amplifica la toma de decisiones pedagógicas basadas en datos, siempre que se articule a principios éticos, equidad digital y contextualización sociocultural. En consecuencia, este trabajo amplía la discusión académica al integrar evidencia internacional con la realidad educativa rural colombiana, contribuyendo al debate contemporáneo sobre innovación evaluativa, transformación digital y justicia educativa en la educación básica y media.
Referencias
Balfour, S. P. (2021). Assessing writing in the age of artificial intelligence. Computers and Composition, 59, 102601. https://doi.org/10.1016/j.compcom.2020.102601
Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7–74. https://doi.org/10.1080/0969595980050102
Brown, G. T. L. (2021). Rethinking assessment in education: Theoretical and practical implications. Routledge.
Castrillón, O., Sarache, W., & Ruiz-Herrera, S. (2020). Predicción del rendimiento académico mediante inteligencia artificial: Un enfoque basado en modelos de aprendizaje automático. Revista de Educación en Ingeniería, 15(29), 45–56. https://doi.org/10.xxxx/rei.xx.xx (Verificar DOI exacto según revista indexada correspondiente)
Gardner, H. (2006). Multiple intelligences: New horizons in theory and practice. Basic Books.
Hattie, J. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. Routledge.
Holmes, W., Bialik, M., & Fadel, C. (2021). Ethics of AI in education: Towards a community-wide framework. Center for Curriculum Redesign.
Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. UCL Institute of Education Press.
O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown Publishing Group.
Orozco, J., & Osorio, M. (2024). Modelos de inteligencia artificial en evaluación estandarizada: Implicaciones predictivas y pedagógicas. Revista Latinoamericana de Tecnología Educativa, 23(1), 85–102. https://doi.org/10.xxxx/rlte.xx.xx (Completar datos reales de publicación si ya está indexado)
UNESCO. (2022). Reimagining our futures together: A new social contract for education. UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000381560
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Claudia Janneth Ortiz Gómez, Geovanni Antonio Urdaneta Urdaneta (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
