evidoria

← Volver al listado

Buena práctica Importada

Calificación Automática de Textos de la NZQA — Corrección con IA del Estándar Nacional de Alfabetización en Escritura de Nueva Zelanda

Nueva Zelanda · Wellington · Ver el perfil de Nueva Zelanda · Ver el perfil de Wellington

Evidencia: Observacional / pre-post Top 56% 47/100 · Pregunte a Evidence Copilot sobre esta práctica

La NZQA de Nueva Zelanda entrenó un modelo de IA con decenas de miles de exámenes ya corregidos para calificar el examen nacional de escritura del NCEA, logrando un 80% de concordancia con los correctores humanos y reduciendo el plazo de resultados en 3,5 semanas para más de 55.000 estudiantes en 2025.

80%
Tasa de concordancia entre IA y correctores humanos (2024 trial)
36,000
Muestras de escritura en el ensayo de 2024
55,000+
Estudiantes en la implementación nacional de mayo de 2025
~20,000 ~40%
Textos aún revisados por un corrector humano (May 2025)
3.5 weeks
Respuesta de resultados más rápida (vs. previous year)
Calificación Automática de Textos de la NZQA — Corrección con IA del Estándar Nacional de Alfabetización en Escritura de Nueva Zelanda

Detalles

Madurez
Consolidada
Promotor
New Zealand Qualifications Authority (NZQA)
Período
2024–present
Palabras clave
government agency, national qualifications authority, secondary education, assessment

Contexto

La Autoridad de Cualificaciones de Nueva Zelanda (NZQA) desarrolló una herramienta de puntuación automática de textos, entrenando un modelo de aprendizaje automático con miles de textos previamente corregidos por humanos, para calificar el estándar de escritura correquisito del NCEA, una evaluación nacional de alfabetización que la mayoría de los estudiantes de secundaria debe aprobar para obtener las cualificaciones NCEA.

Objetivos

Acelerar y escalar la calificación fiable de una evaluación nacional de escritura de alto riesgo, manteniendo la revisión humana para los casos límite.

Actividades

La IA realiza la calificación principal; los correctores humanos solo revisan los textos más límite, y siempre que las puntuaciones de la IA y del humano difieren, prevalece la nota humana. Un ensayo de 2024 abarcó 36.000 muestras de escritura antes de que la herramienta se implantara a nivel nacional para el examen de mayo de 2025, realizado por más de 55.000 estudiantes; unos 20.000 textos (aproximadamente el 40%, concentrados cerca del límite de aprobado/suspenso) siguieron siendo revisados por un corrector humano.

Resultados

La NZQA reportó una tasa de concordancia del 80% entre el modelo de IA y los correctores humanos en el ensayo de 2024, según el director ejecutivo Grant Klinkum. Tras la implementación nacional de 2025, las escuelas recibieron los resultados 3,5 semanas antes que el año anterior.

Conclusiones

La base de evidencia cubre la precisión de la calificación y el tiempo de respuesta, no los resultados de aprendizaje directos de los estudiantes. La tasa de discordancia del 20% observada en el ensayo no es trivial para un examen de cualificación de alto riesgo, por lo que la NZQA mantuvo la revisión humana obligatoria para los casos límite en lugar de automatizar completamente el examen.

Implementación
Coste indicativo
Medio (50 000–500 000 €) — A government qualifications-authority machine-learning system trained on historical marked scripts; no public budget figure was found, but building and validating an ML marking model at national-exam scale implies meaningful upfront investment.
Tiempo hasta resultados
Medio (1–3 años) — The 2024 trial (36,000 scripts) preceded the May 2025 national rollout for 55,000+ students, delivering results 3.5 weeks faster than the prior year.
Personal y competencias
New Zealand Qualifications Authority (NZQA) — system ownership and human-marker retention for borderline cases

Condiciones para el éxito

  • Training the model on thousands of previously human-marked scripts before deployment
  • Retaining mandatory human review for borderline scripts (about 40% of scripts) rather than fully automating
  • Defaulting to the human mark whenever AI and human scores disagree
  • Publicly disclosing trial sample size and agreement rate before national rollout

Modos de fallo comunes

  • A 20% disagreement rate between AI and human markers in the 2024 trial is non-trivial for a high-stakes qualification gate
  • Evidence covers grading accuracy and turnaround only, not direct student learning outcomes
  • No published subgroup equity analysis of the AI marking's effects

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