evidoria

← Volver al listado

Buena práctica Importada

AKM Online — Evaluación Informatizada Potenciada por IA para Alfabetización y Numeracia en Escuelas Secundarias de Indonesia

Indonesia · Kuningan · Ver el perfil de Indonesia

Evidencia: Observacional / pre-post Top 86% 33/100 · Pregunte a Evidence Copilot sobre esta práctica

Investigadores de la Universitas Kuningan desarrollaron y validaron AKM Online, una versión potenciada por IA de la evaluación nacional de competencias de Indonesia, probada con 552 estudiantes en tres escuelas, con 94,35% de precisión de la IA en 17.049 respuestas.

552 students
Estudiantes participantes
17,049 responses
Respuestas individuales recopiladas
94.35 %
Precisión de la calificación por IA frente a la calificación de expertos humanos
81 %
Calificación del panel de expertos: diseño de evaluación educativa
82 %
Calificación del panel de expertos: desempeño informático
95.8-100 %
Estudiantes que necesitan intervención en numeración
53.9-78.46 %
Estudiantes que necesitan intervención en alfabetización
0 %
Competencia en razonamiento matemático
AKM Online — Evaluación Informatizada Potenciada por IA para Alfabetización y Numeracia en Escuelas Secundarias de Indonesia

Detalles

Madurez
Piloto
Promotor
Universitas Kuningan
Período
2025-2026
Palabras clave
assessment, literacy, numeracy, secondary education, edtech research

Contexto

La Evaluación Nacional de Competencias Mínimas (AKM) de Indonesia es la herramienta estándar del gobierno para medir competencias fundamentales de alfabetización y numeración, pero las versiones en papel y basadas en computador genéricas tienen dificultades para ofrecer diagnósticos fiables en tiempo real a gran escala. Investigadores de la Universitas Kuningan desarrollaron y validaron AKM Online, un sistema de Evaluación Basada en Computador potenciado por IA.

Actividades

AKM Online integra los algoritmos Fisher-Yates Shuffle y de Expresiones Regulares para permitir la aleatorización segura de pruebas, la validación automática de respuestas y la retroalimentación diagnóstica en tiempo real. Se probó en tres escuelas elegidas por sus contextos socioeconómicos contrastantes.

Resultados

El ensayo generó 552 estudiantes participantes y 17.049 respuestas individuales. El motor de calificación por IA alcanzó un 94,35% de precisión frente a la calificación de expertos humanos, y paneles de expertos independientes calificaron la calidad del sistema en un 81% en diseño de evaluación educativa y un 82% en desempeño informático. Los diagnósticos mostraron que entre el 95,8% y el 100% de los estudiantes necesitaban intervención en numeración, entre el 53,9% y el 78,46% necesitaban intervención en alfabetización según el contexto, y la competencia en razonamiento matemático fue del 0% en toda la muestra.

Conclusiones

El estudio es una validación única, revisada por pares, realizada por el propio equipo de desarrollo del sistema, todavía no una replicación independiente ni una implementación nacional, y no aborda la protección de datos de los estudiantes ni las salvaguardas de gobernanza de los datos de evaluación recopilados.

Implementación

Coste indicativo
Bajo (< 50 000 €) — Not disclosed; a university research/software development effort rather than a funded national deployment.
Tiempo hasta resultados
Corto (< 1 año) — Study period 2025-2026; single validation trial across three schools, not yet a national rollout.
Personal y competencias
Universitas Kuningan research team

Condiciones para el éxito

  • Algorithmic test randomisation and automated validation enabling real-time diagnostics at scale
  • Testing across three schools with contrasting socioeconomic contexts to check cross-context validity

Modos de fallo comunes

  • Single peer-reviewed validation by the system's own development team, not an independent replication
  • No discussion of student data protection or governance safeguards

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles