evidoria

← Volver al listado

Buena práctica Importada

Un estudio de Cambridge concluye que la IA aún no es fiable para calificar ensayos universitarios

Reino Unido · Cambridge · Ver el perfil de Reino Unido · Ver el perfil de Cambridge

Evidencia: Cuasiexperimental Top 70% 40/100 · Pregunte a Evidence Copilot sobre esta práctica

Investigadores de la Universidad de Cambridge pusieron a prueba a Claude y ChatGPT calificando 750 ensayos reales de tres universidades británicas. Los sistemas solo coincidieron con la banda de nota de los examinadores humanos entre el 35 % y el 65 % de las veces, sobrevalorando la extensión y el vocabulario por encima del contenido.

750+
Tamaño del corpus de ensayos
35-65 %
Tasa de coincidencia de banda de calificación IA-humano
3-8x longer
Extensión del comentario de la IA frente al humano
Un estudio de Cambridge concluye que la IA aún no es fiable para calificar ensayos universitarios

Detalles

Promotor
University of Cambridge
Período
2026
Palabras clave
higher education, psychology, assessment research

Contexto

Un equipo liderado por la Universidad de Cambridge, formado por psicólogos e investigadores de IA, evaluó tres LLM de vanguardia, incluidas versiones recientes de Claude y ChatGPT (a partir de abril de 2026), en la calificación de trabajos reales de licenciatura en psicología.

Actividades

El equipo reunió un corpus de más de 750 ensayos de psicología de tres universidades del Reino Unido y comparó las bandas de calificación asignadas por la IA con las calificaciones originalmente otorgadas por examinadores humanos.

Resultados

Los sistemas de IA coincidieron con la banda de calificación de los examinadores humanos solo el 35-65% de las veces, según el modelo y el conjunto de ensayos; los tres sistemas fueron excesivamente sensibles a la extensión del texto y al vocabulario, independientemente de la solidez del argumento, y produjeron comentarios de 3 a 8 veces más largos que los de los evaluadores humanos.

Conclusiones

La conclusión del equipo de Cambridge fue explícitamente cautelosa: la IA 'todavía no es lo suficientemente buena' para calificar ensayos universitarios abiertos sin una supervisión humana significativa.

Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Corto (< 1 año)

¿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