Mapeo de la EVA sobre la práctica de evaluación en el bachillerato danés — cómo 12 gymnasiums califican trabajos en la era de la IA generativa

En marzo de 2025, el Instituto Danés de Evaluación (EVA), por encargo de la Agencia Danesa de Educación y Calidad (STUK), publicó un mapeo de la práctica de evaluación en la educación secundaria superior (stx, hhx, htx, hf) a la luz de la IA generativa. Como la IA generativa está en general prohibida en los exámenes de los gymnasiums, se sabe poco sobre cómo evaluar trabajos en los que se usa; por ello el mapeo se basa en entrevistas con directivos y docentes de 12 gymnasiums elegidos por su enfoque en integrar la IA generativa, entrevistas con representantes de 7 universidades, una revisión de la literatura danesa e internacional y un grupo asesor de tres expertos.
El informe concluye que la IA generativa desafía sobre todo la evaluación de la competencia autónoma del alumnado en trabajos escritos. Los docentes dedican mucho tiempo y energía a comprobar si hay trampas y señalan que alumnos diligentes pueden incluso introducir errores a propósito por miedo a ser acusados injustamente. La revisión de la literatura añade que los evaluadores pueden calificar con más dureza cuando solo sospechan del uso de IA.
Los docentes refuerzan técnicas conocidas: (1) ejercicios sin ayudas, para evaluar la competencia básica; (2) atención al proceso de trabajo en proyectos y tareas abiertas, incluidas metacompetencias como el pensamiento crítico y la reflexión; (3) presentaciones o defensas orales basadas en el trabajo escrito; y (4) atención a la interacción del alumnado con la IA, por ejemplo adjuntando sus prompts y una reflexión sobre cómo los usaron. Para los exámenes, el informe apunta dos vías: pruebas escritas presenciales con partes sin ayudas y formatos escritos con defensa oral en los que se permiten herramientas digitales. Subraya además que el profesorado necesita competencia para enseñar un uso de la IA que apoye el aprendizaje y para tenerlo en cuenta al calificar.
Se trata de un mapeo cualitativo, no de una evaluación de impacto: no aporta resultados de aprendizaje y su muestra se eligió deliberadamente entre centros ya implicados con la IA generativa, por lo que las conclusiones pueden no ser generalizables.