evidoria

← Back to browse

Good practice

Evaluación digital asistida por IA de la CBSE — corrección digitalizada y supervisada por IA en los exámenes nacionales de la India

India · New Delhi · See the India profile

La CBSE de la India está ampliando la corrección en pantalla con control de calidad por IA para los exámenes de bachillerato (Class XII) desde 2025-26: los exámenes se digitalizan, se anonimizan con código de barras, y la IA marca a los correctores que califican de forma inusualmente rápida o inconsistente, mientras los humanos siguen siendo quienes otorgan la nota final.

Details

Promoter
Central Board of Secondary Education (CBSE)
Period
2025–present
Keywords
examination boards, education administration, assessment, AI quality-control

Description

La Central Board of Secondary Education (CBSE), que supervisa cerca de 29.000 escuelas afiliadas en toda la India, está implementando la Corrección en Pantalla (On-Screen Marking, OSM) para los exámenes de Class XII. Los exámenes se escanean en centros regionales y reciben un código de barras único para que el corrector nunca vea la identidad del estudiante; luego se muestran en pantalla a correctores humanos, con una capa de IA que suma automáticamente los puntos y supervisa el comportamiento de los correctores, marcando para revisión los exámenes corregidos de forma inusualmente rápida o con patrones inconsistentes. Se creó un centro dedicado de evaluación digital e IA en Dwarka, Nueva Delhi, donde se realizaron evaluaciones simuladas antes del despliegue de 2025-26, según circulares de la CBSE emitidas entre febrero y mayo de 2026.

En un proyecto piloto interno de la CBSE que abarcó más de 250 hojas de respuesta, las verificaciones de puntuación asistidas por IA divergieron de los correctores humanos expertos en solo 3 a 5 puntos en promedio, y los docentes participantes informaron ahorrar más de 8 horas semanales antes dedicadas al conteo manual y la logística de los exámenes. Durante el ciclo 2024-25, la CBSE utilizó por separado verificaciones cruzadas basadas en IA que comparaban las notas de evaluación interna de las escuelas con las notas de los exámenes nacionales, identificando evaluaciones internas inconsistentes en varias escuelas y emitiendo advertencias a las instituciones afiliadas.

El sistema no corrige de forma autónoma las respuestas descriptivas — los correctores humanos siguen siendo los evaluadores de registro — y los resultados cuantitativos del piloto (variación de puntos, horas ahorradas) provienen de informes de la CBSE y escuelas afiliadas, no de una evaluación independiente revisada por pares. Esto debe interpretarse como un despliegue en etapa temprana, centrado en la calidad del proceso, y no como una intervención comprobada en resultados de aprendizaje.

Implementation

Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.

Data sources

Where this practice's information was retrieved from, and when.

Similar practices you may find useful

★ 33

Turnitin AI writing detection

United States of America

Widely deployed AI-writing detection — but documented false positives, bias against non-native English writers, and wrongful cheating accusations make it …