Corregir un examen de desarrollo exige algo difícil de escalar: leer con atención, interpretar argumentos, aplicar criterios de manera consistente y ofrecer una devolución que resulte útil para el estudiante. Cuando el número de respuestas aumenta, como sucede en los cursos masivos y en algunas titulaciones universitarias, esta tarea compite con otras responsabilidades docentes y queda expuesta al cansancio, la variación de criterio y la falta de tiempo.
El artículo de Adrián Reina, Manuel Bermúdez, Enrique García-Salcines, Juan Alfonso Lara y Cristóbal Romero aborda este problema mediante Exam Grader, una aplicación web que emplea inteligencia artificial generativa para asistir en la evaluación de respuestas abiertas a partir de rúbricas definidas por el profesorado. La herramienta no se limita a producir una nota: permite crear y distribuir exámenes, recopilar respuestas, generar comentarios, comparar las evaluaciones de la IA con las del docente y revisar cada resultado antes de comunicarlo al alumnado.
La validación se realizó con 91 exámenes de un curso en línea de Introducción a la Filosofía Práctica y deja una lectura menos cómoda que la simple promesa de automatización. Las calificaciones generadas por la IA mantuvieron una correlación elevada con las del profesor, lo que indica que ambos evaluadores tendían a ordenar de manera semejante el desempeño de los estudiantes.
Sin embargo, coincidir en la tendencia no significa asignar la misma puntuación: la IA calificó, en promedio, 2,21 puntos por debajo del docente, y cerca del 15 % de las evaluaciones presentaron diferencias superiores a tres puntos. También se observaron variaciones entre los modos flexible, moderado y estricto del sistema. Los resultados muestran que una herramienta puede reconocer ciertos patrones evaluativos y, al mismo tiempo, introducir un sesgo suficientemente importante como para que delegar en ella la decisión final resulte inaceptable.
Ahí se encuentra la aportación más relevante del trabajo. Exam Grader está concebido desde una lógica de supervisión humana: la IA propone, compara y ayuda a localizar posibles discrepancias, mientras que el profesor conserva la capacidad de modificar la calificación y los comentarios. Este reparto de funciones permite pensar la automatización no como sustitución del juicio docente, sino como una forma de hacerlo más explícito mediante rúbricas, análisis de concordancia y procesos de revisión.
La evidencia todavía procede de una muestra limitada y de un único ámbito disciplinar, por lo que serán necesarias nuevas validaciones, mecanismos de calibración y explicaciones más transparentes sobre cada nota sugerida. Aun así, el estudio sitúa el debate en un terreno productivo: antes de preguntarnos cuántos exámenes puede corregir una IA, conviene determinar qué decisiones puede asistir, cuáles debe justificar y cuáles deben seguir bajo la responsabilidad irrenunciable del profesorado.
---
Cómo citar: Reina, A., Bermúdez, M., García-Salcines, E., Lara, J. A., & Romero, C. (2026). Aplicación web de ayuda en la corrección automatizada de exámenes escritos de desarrollo utilizando IA generativa . RIED-Revista Iberoamericana de Educación a Distancia, 29(2), 369–392. https://doi.org/10.5944/ried.47116
