iFLYTEK — Evaluación por IA del inglés oral en los exámenes escolares de China

iFLYTEK (科大讯飞), empresa de IA de voz con sede en Hefei, suministra el motor automático de puntuación por "diálogo hombre-máquina" (人机对话) utilizado en las pruebas de inglés oral del zhongkao (examen de acceso a la educación secundaria superior) y del gaokao (examen nacional de acceso a la universidad) en China, en decenas de provincias. Los estudiantes leen en voz alta, responden preguntas o describen una imagen ante un micrófono; los modelos de reconocimiento y puntuación automática de voz de iFLYTEK califican en tiempo real la pronunciación, la fluidez, la integridad y el contenido, sustituyendo o complementando a paneles de examinadores humanos a una escala que ningún proceso manual podría igualar.

El despliegue es amplio y de larga duración: la provincia de Jiangsu introdujo la prueba de inglés oral por ordenador en su zhongkao hacia 2009 y actualmente evalúa a unos 770.000 estudiantes de secundaria básica en más de 3.200 sedes en 13 ciudades por convocatoria; Xiamen y Tongling (Anhui) realizan exámenes similares; iFLYTEK afirma que sus sistemas cubren ahora la parte oral del gaokao en 29 provincias y ciudades. El Ministerio de Educación de China ha reconocido el sistema de iFLYTEK como la única aplicación considerada viable y fiable para organizar exámenes orales en línea a gran escala.

La evidencia académica independiente sobre la validez de la puntuación es mixta pero real: un estudio de 2016 con un modelo de Rasch multifacético concluyó que la puntuación automática es fiable para las pruebas orales del zhongkao de secundaria básica, mientras que un estudio anterior, de 2010, había encontrado que algunos estudiantes obtenían puntuaciones altas asignadas por la IA a pesar de una competencia oral real por debajo del nivel exigido. Un estudio de 2025 en PLoS ONE, que comparó herramientas chinas de puntuación automática de inglés oral con evaluadores humanos capacitados (n=30 estudiantes), encontró que dos de tres herramientas lograron una fuerte concordancia (ICC 0,74–0,92, r 0,85–0,87), mientras que una mostró una inflación sistemática de las puntuaciones, una prueba de que la puntuación automática puede ser fiable, pero no está validada de manera uniforme entre proveedores ni años.

La transparencia sigue siendo el punto más débil del registro público: no se encontró ninguna auditoría independiente sobre sesgos de acento o dialecto, el algoritmo de puntuación y su ponderación son propietarios, y no está documentado ningún proceso formal de apelación para los estudiantes sobre exámenes orales calificados por IA. Afirmaciones de la empresa, como procesar a 20 millones de candidatos sin ninguna queja, son marketing autodeclarado, no datos auditados de forma independiente, y deben leerse con esa salvedad.