Student Perceptions of Essay Grading with Artificial Intelligence in Higher Education

En el zumbido silencioso de un aula universitaria, un ritual familiar está tomando un nuevo giro. Durante generaciones, el ensayo ha sido un puente entre los pensamientos de un estudiante y el juicio de un profesor, un proceso donde un lector humano sopesa argumentos, percibe el tono y ofrece una crítica personalizada. Esta interacción es central para el aprendizaje, pero también es una pesada carga para los educadores, quienes deben leer miles de páginas para proporcionar una retroalimentación oportuna. A medida que la inteligencia artificial ha madurado, pasando de ser simples calculadoras a sistemas capaces de comprender un lenguaje complejo, los investigadores han comenzado a plantearse una pregunta práctica: ¿puede una máquina asumir el papel del calificador de ensayos? La respuesta no es un simple sí o no, sino un complejo paisaje de esperanza y vacilación. Para entender esto, uno debe observar cómo las personas forman sus primeras impresiones de una nueva tecnología. Así como un viajero podría juzgar una nueva ciudad por su primera calle, los estudiantes juzgan una nueva herramienta por su experiencia inmediata con ella. Sus sentimientos iniciales —si sienten que la herramienta es justa, útil o fría— moldean si confiarán en ella en el futuro. Esta dinámica es crucial porque, si los estudiantes no creen que el sistema es preciso o justo, no se comprometerán con él, sin importar cuán eficiente sea.

Un equipo de investigadores de universidades de Austria y Finlandia se propuso explorar este momento exacto de primer contacto. No simularon un aula ni preguntaron a los estudiantes qué pensaban que una máquina podría hacer. En su lugar, colocaron a 109 estudiantes universitarios en una situación de aprendizaje real. Se les pidió a los estudiantes que escribieran un breve ensayo sobre un tema relacionado con las oportunidades de negocio basadas en datos. Al terminar, entregaron su trabajo a un sistema de inteligencia artificial comercial diseñado para calificar ensayos. La máquina proporcionó inmediatamente una puntuación numérica y una crítica escrita, junto con una respuesta modelo que mostraba cómo era una respuesta de alta calidad. Luego, los estudiantes respondieron a una única pregunta abierta sobre sus sentimientos instantáneos respecto a la experiencia. Los investigadores recolectaron 109 respuestas escritas, que iban desde una sola palabra hasta varias frases, y utilizaron un método sofisticado para encontrar patrones en lo que los estudiantes decían. No se limitaron a contar palabras; agruparon las respuestas por significado, buscando los temas comunes que surgían cuando los estudiantes se enfrentaban a una máquina que afirmaba juzgar su escritura.

El análisis reveló siete temas distintos que capturaron todo el espectro de las reacciones de los estudiantes. Por un lado, los estudiantes encontraron la experiencia notablemente conveniente. Valoraron la velocidad de la retroalimentación y la facilidad de uso de la herramienta, señalando que se sentía amigable para el usuario y les ahorraba tiempo. Esta recepción positiva sugiere que la tecnología funciona bien como una utilidad práctica, eliminando la fricción de esperar a que un profesor humano devuelva un trabajo calificado. Sin embargo, esta conveniencia se vio ensombrecida por una inquietud profunda y persistente respecto a la precisión. Un número significativo de estudiantes expresó dudas sobre si la máquina podría comprender realmente los matices de su escritura. Temían que el sistema pudiera pasar por alto los puntos sutiles de un argumento o no reconocer la creatividad, lo que llevaría a una puntuación que se sintiera injusta. Este escepticismo no se trataba solo de la nota en sí, sino de la confiabilidad del sistema; muchos estudiantes sintieron que estaban siendo juzgados por una caja negra que no podían comprender ni cuestionar plenamente.

Quizás el hallazgo más revelador fue el fuerte deseo de los estudiantes por un toque humano. Aunque reconocieron la eficiencia de la máquina, muchos sintieron que la retroalimentación carecía de la empatía y la profundidad de un profesor humano. Percibieron que una máquina no podría comprender realmente el contexto de su lucha ni ofrecer el tipo de aliento que fomenta el crecimiento. Esto no fue un rechazo a la tecnología, sino un límite claro trazado alrededor de su función. Los estudiantes parecían ver a la IA como un complemento útil, una herramienta que podría encargarse de la revisión inicial o proporcionar una práctica rápida, pero no como un reemplazo del elemento humano en la educación. Querían que la máquina hiciera el trabajo pesado de verificar hechos o estructura, pero querían que una persona se encargara del juicio de calidad y la conexión emocional del aprendizaje. El estudio sugiere que el futuro de la calificación no reside en elegir entre humanos y máquinas, sino en un enfoque híbrido donde ambos trabajen juntos.

Los investigadores concluyeron que, si bien la tecnología está lista para asistir, aún no está lista para mantenerse sola en situaciones de alto riesgo. Los sentimientos mixtos de los estudiantes resaltan una brecha crítica: la tecnología es rápida y conveniente, pero aún no se ha ganado la plena confianza de los alumnos a los que sirve. El estudio no afirma que la inteligencia artificial sea mala para la educación, ni sugiere que los profesores humanos sean obsoletos. En cambio, señala la necesidad de equilibrio. Los educadores deben diseñar sistemas donde la máquina proporcione retroalimentación inmediata y constante mientras un profesor humano supervisa el proceso, asegurando la equidad y añadiendo la empatía necesaria. Los hallazgos sirven como una guía de cómo introducir estas herramientas sin romper la confianza entre el estudiante y el profesor. Al escuchar estas reacciones iniciales, las escuelas pueden construir un futuro donde la tecnología apoye el aprendizaje sin perder la conexión humana que hace que la educación sea significativa.