El sistema de evaluación de la Pruebas de Evaluación Continua (PEC) atraviesa una crisis que ya no puede ignorarse. La irrupción de la inteligencia artificial no ha creado el problema, pero sí lo ha llevado a su punto crítico: hoy es perfectamente posible completar una PEC en cuestión de minutos, con un resultado formalmente correcto y difícil de distinguir de un trabajo genuino. Lo que antes requería horas de lectura, reflexión y redacción, ahora puede resolverse mediante herramientas automatizadas. El sistema, sin embargo, sigue evaluando como si nada hubiera cambiado.
Este desfase tiene consecuencias profundas. En primer lugar, quiebra el principio de igualdad: quienes realizan el trabajo de forma honesta compiten en desventaja frente a quienes delegan el proceso en la inteligencia artificial. Pero hay un problema aún más grave: el sistema deja de evaluar el aprendizaje. Una PEC resuelta mediante IA puede obtener una buena calificación sin que exista comprensión real de los contenidos, sin esfuerzo cognitivo significativo y sin adquisición de competencias.
El problema se agrava al analizar la naturaleza de muchas PEC. En teoría, están diseñadas para fomentar la aplicación práctica del conocimiento o la investigación. En la práctica, su formato escrito las convierte en tareas fácilmente automatizables. Incluso en actividades donde se exige la recogida de datos, la IA puede generar participantes ficticios con identidades verosímiles y resultados coherentes, simulando investigaciones completas. El sistema no solo no detecta estas prácticas, sino que las valida.
Ante esta realidad, surge una pregunta fundamental: ¿qué significa aprender en la universidad? Si el aprendizaje se reduce a producir un documento formalmente correcto, entonces la inteligencia artificial ha optimizado el proceso mejor que el propio estudiante. Pero si entendemos el aprendizaje como comprensión, integración y uso del conocimiento, entonces el modelo actual de evaluación resulta claramente insuficiente.
Aquí es donde el contraste con la defensa oral se vuelve decisivo. Defender un trabajo implica comprenderlo en profundidad. Obliga al estudiante a estructurar ideas, establecer relaciones entre conceptos y responder preguntas de forma argumentada. No basta con haber escrito algo: hay que saber explicarlo.
Mientras que una PEC escrita puede ser delegada, la defensa oral exige apropiación del conocimiento. El estudiante debe demostrar que entiende lo que ha hecho, que puede justificarlo y adaptarlo a nuevas preguntas. Esto activa procesos cognitivos de alto nivel: análisis, síntesis y pensamiento crítico. En términos educativos, la diferencia es radical: la escritura puede simularse; la comprensión, no.
Además, la defensa oral introduce un elemento clave que el modelo actual ha perdido: la interacción. El aprendizaje no es un proceso pasivo. En una defensa, el profesor puede detectar errores, profundizar en aspectos concretos y evaluar en tiempo real. El estudiante, por su parte, consolida el conocimiento al tener que explicarlo y defenderlo, lo que refuerza el aprendizaje de forma mucho más eficaz que la simple entrega de un documento.
Desde un punto de vista operativo, esta solución es perfectamente viable. Los profesores tutores ya evalúan PEC y resuelven dudas, por lo que incorporar defensas orales mediante videoconferencia no supone una ruptura, sino una adaptación lógica al nuevo contexto. La tecnología permite hacerlo de forma sencilla y escalable.
Persistir en el modelo actual implica aceptar una realidad incómoda: es posible aprobar sin aprender. Un sistema donde la calificación no refleja el conocimiento es, por definición, un sistema fallido. La universidad pierde así su función esencial: formar, no certificar apariencias.
La inteligencia artificial ha puesto de manifiesto una verdad que ya no puede ignorarse: el problema no es que los estudiantes utilicen nuevas herramientas, sino que el sistema de evaluación no distingue entre quien aprende y quien simplemente entrega un resultado. La defensa oral no es una solución perfecta, pero sí una respuesta coherente y necesaria.
📚 Bibliografía
- Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Student perspectives on AI and academic integrity. Assessment & Evaluation in Higher Education.
- UNESCO (2023). Guidance for Generative AI in Education and Research.