Las universidades australianas se dividen sobre el uso de IA para calificar trabajos estudiantiles mientras adoptan políticas divergentes

Políticas institucionales divergentes

Ha surgido una clara división entre los proveedores de educación superior en Australia respecto al uso de la inteligencia artificial generativa para evaluar los trabajos de los estudiantes. La Universidad de New South Wales, la Universidad de Melbourne y la Universidad de Sídney han emitido prohibiciones totales que impiden a los docentes emplear herramientas de IA para evaluar tareas. En contraste, la Universidad de Adelaide, la Universidad de Newcastle, la Universidad Deakin y RMIT han adoptado un enfoque condicional que permite a los profesores usar la calificación asistida por IA siempre que el académico mantenga la responsabilidad final de la nota y la retroalimentación.

Estas posturas opuestas reflejan evaluaciones de riesgo y prioridades estratégicas diferentes. El grupo prohibicionista cita preocupaciones sobre la integridad académica y la fiabilidad de las evaluaciones generadas por máquinas, mientras que las instituciones permisivas enfatizan los posibles ahorros de tiempo y la posibilidad de que la IA sirva como revisora auxiliar.

Uso condicional y mecanismos de exclusión

Donde se permite la asistencia de IA, las universidades han introducido salvaguardas. La Universidad de Newcastle, por ejemplo, ofrece a los estudiantes el derecho a excluirse de la calificación asistida por IA, garantizando que su trabajo sea evaluado únicamente por evaluadores humanos. La Universidad Deakin declara explícitamente que el personal puede usar IA para mejorar la eficiencia y apoyar las actividades de evaluación, pero el sistema no puede asignar notas de forma autónoma. La Universidad de Western Sydney refuerza un modelo "centrado en el ser humano", insistiendo en que la asignación de notas, calificaciones y retroalimentación siempre siga siendo responsabilidad del personal académico.

Estas políticas buscan equilibrar el deseo de alivio de la carga laboral con la necesidad de preservar los estándares académicos y la confianza de los estudiantes. Al mantener el juicio final en manos humanas, las instituciones intentan mitigar el riesgo de resultados erróneos o sesgados de la IA mientras exploran su papel de apoyo.

Instituciones aún en fase exploratoria

Varias universidades no han desplegado aún la IA para calificar, pero están integrando la tecnología en prácticas más amplias de enseñanza y evaluación. La Universidad de Monash, la Universidad de Wollongong y la Universidad James Cook informan que la IA no se usa en el proceso de calificación, aunque se incorpora para apoyar el aprendizaje estudiantil mediante asistentes de escritura y generadores de retroalimentación personalizada. La Universidad de Queensland está desarrollando políticas que garantizan explícitamente que los académicos continúen evaluando el trabajo directamente, señalando un enfoque cauteloso hacia la automatización.

Estos pasos exploratorios ilustran una curva de adopción tentativa, donde las instituciones prueban la IA en contextos de bajo riesgo antes de considerar una expansión hacia decisiones de calificación de alto impacto.

Los críticos advierten un posible "ciclo de mediocridad"

Los opositores a la calificación masiva mediante IA argumentan que podría desencadenar un "ciclo de mediocridad" en el que los estudiantes entreguen cada vez más trabajos generados por IA que, a su vez, son calificados por IA. Este bucle de retroalimentación puede producir una deriva de verificación, donde la autenticidad del trabajo se vuelve más difícil de confirmar y contenidos alucinados pueden pasar desapercibidos. Los críticos sostienen que tal ciclo podría erosionar la reputación de las universidades si se aceptan entregas de baja calidad o fabricadas como producción académica legítima.

La advertencia subraya un riesgo sistémico: una vez que la IA se convierta en evaluador principal, el incentivo para que los estudiantes dependan de la generación de IA se intensificará, potencialmente disminuyendo el desarrollo del pensamiento crítico y las habilidades de escritura.

Presiones de carga laboral y la promesa de una "segunda opinión"

El personal académico de toda Australia informa estar sobrecargado, con la calificación consumiendo una parte sustancial de su tiempo limitado. Algunos docentes ven la IA como una posible "segunda opinión" capaz de señalar inconsistencias o plagio, aliviando la carga manual. Sin embargo, los beneficios siguen sin probarse, y los profesores han expresado preocupaciones de que depender de la IA podría provocar un "desastre" si la tecnología no logra captar el juicio matizado necesario para asignaciones complejas.

La tensión entre la potencial eficiencia y la fiabilidad no probada destaca la necesidad de una evaluación rigurosa antes de escalar la calificación asistida por IA.

Proyecto de mejora de la evaluación de QUT y preocupaciones del personal

La Queensland University of Technology (QUT) ha lanzado un "proyecto de mejora de la evaluación" diseñado para mantener la autenticidad, la confianza, la escalabilidad y la visión de futuro en un entorno habilitado por IA. Mientras la iniciativa busca modernizar las prácticas de evaluación, el personal ha expresado aprensión de que el proyecto pueda reducir el volumen de calificación humana requerida, amenazando la principal fuente de ingresos de los académicos eventuales que dependen de la carga de calificación.

El caso de QUT ilustra cómo las estrategias institucionales para integrar IA pueden cruzarse con consideraciones laborales, planteando preguntas sobre el futuro papel del personal docente contratado.

Resistencia estudiantil a la evaluación impulsada por IA

El sentir estudiantil añade otra capa de complejidad. Un estudiante de escritura creativa de QUT, Alex Cameron, expresó una fuerte objeción a la calificación por IA, afirmando que no pagaría por un título si la evaluación fuera realizada por máquinas. El comentario de Cameron refleja una resistencia más amplia de los estudiantes a la evaluación impulsada por IA, particularmente en disciplinas donde se valora una retroalimentación matizada.

Esa resistencia sugiere que cualquier avance hacia la calificación automatizada debe considerar las expectativas de los estudiantes respecto a la interacción humana y la mentoría.

Eficacia incierta y falta de datos empíricos

Los representantes universitarios reconocen que la efectividad de la calificación asistida por IA a gran escala sigue siendo desconocida. Las afirmaciones de mejora en calidad o eficiencia están mayormente sin probar, y no se ha presentado ningún dato empírico sobre resultados o fiabilidad. Esta admisión deja el impacto de la IA en la evaluación abierto a una mayor evaluación y subraya la importancia de la investigación sistemática antes de un despliegue institucional.

Sin evidencia robusta, las decisiones políticas corren el riesgo de basarse en especulaciones más que en beneficios demostrables.

Implicaciones prácticas para las organizaciones

Para las organizaciones que se asocian con o emplean a graduados de universidades australianas, el panorama actual indica la necesidad de vigilancia. Los empleadores deben ser conscientes de que los estándares de evaluación pueden variar ampliamente según la política de IA de cada institución, lo que podría afectar la consistencia de las competencias de los egresados. Cuando se permite la calificación por IA, las organizaciones podrían considerar complementar la verificación de credenciales con evaluaciones de habilidades adicionales para asegurar que los graduados hayan recibido una evaluación humana rigurosa. Por el contrario, las instituciones que prohíben la calificación por IA pueden producir graduados con experiencias de retroalimentación más tradicionales, lo cual podría ser ventajoso para roles que requieran habilidades analíticas matizadas. En todos los casos, una comunicación transparente con los socios educativos sobre las prácticas de evaluación puede ayudar a alinear expectativas y mitigar riesgos asociados con los enfoques divergentes de calificación.

• University of New South Wales, University of Melbourne, University of Sydney – prohíben la calificación con IA.
• University of Adelaide, University of Newcastle, Deakin University, RMIT – permiten asistencia de IA con supervisión humana.
• Queensland University of Technology – proyecto de mejora de la evaluación orientado a la autenticidad habilitada por IA.
• Monash University, University of Wollongong, James Cook University – integran IA en la enseñanza pero no en la calificación.