{"id":314,"date":"2026-10-16T19:31:51","date_gmt":"2026-10-17T00:31:51","guid":{"rendered":"https:\/\/aulaslatam.com\/blog\/?p=314"},"modified":"2026-10-16T19:31:51","modified_gmt":"2026-10-17T00:31:51","slug":"evaluacion-era-ia-2026","status":"publish","type":"post","link":"https:\/\/aulaslatam.com\/blog\/2026\/10\/16\/evaluacion-era-ia-2026\/","title":{"rendered":"El futuro de la evaluaci\u00f3n en la era de la IA: \u00bfc\u00f3mo medir lo que un estudiante realmente sabe?"},"content":{"rendered":"\n<h2 class=\"wp-block-heading\">Introducci\u00f3n: el colapso del examen como prueba de conocimiento<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Durante m\u00e1s de un siglo, la evaluaci\u00f3n educativa se ha basado en un supuesto fundamental: que el trabajo producido por un estudiante es evidencia razonable de su competencia. Un ensayo bien escrito significaba que el estudiante sab\u00eda escribir. Una soluci\u00f3n correcta a un problema de programaci\u00f3n demostraba que el estudiante sab\u00eda programar. En 2026, ese supuesto ha colapsado.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El dato que lo ilustra con crudeza proviene del <strong>Higher Education Policy Institute (HEPI)<\/strong> del Reino Unido: <strong>el 88% de los estudiantes universitarios report\u00f3 haber usado IA generativa para evaluaciones en 2025, frente al 54% en 2024<\/strong>. En encuestas m\u00e1s recientes, <strong>el 95% de los estudiantes de pregrado del Reino Unido hab\u00eda usado IA en alguna forma, y el 94% la hab\u00eda utilizado espec\u00edficamente para trabajo relacionado con evaluaciones<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La consecuencia es profunda. Como articula el investigador Joshua Weidlich de la Universidad de Z\u00farich: <strong>&#8220;la IA generativa ha desestabilizado la evaluaci\u00f3n en educaci\u00f3n superior porque cambia lo que las actuaciones estudiantiles pueden razonablemente significar&#8221;<\/strong>. Cuando el trabajo presentado refleja la capacidad de la IA en lugar de la competencia del estudiante, <strong>la cadena inferencial que va del desempe\u00f1o a la cualificaci\u00f3n se invalida<\/strong>. Y como se\u00f1ala la revisi\u00f3n sistem\u00e1tica de Amnie (2026), <strong>esto es un problema de dise\u00f1o, no de detecci\u00f3n<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La evaluaci\u00f3n educativa enfrenta su crisis de validez m\u00e1s profunda en d\u00e9cadas. La respuesta que est\u00e1 emergiendo en 2026 no es prohibir la IA ni confiar en detectores. Es <strong>redise\u00f1ar la evaluaci\u00f3n para que mida lo que la IA no puede producir<\/strong>: el proceso de pensamiento, la capacidad de juicio, la metacognici\u00f3n y la aplicaci\u00f3n contextual del conocimiento.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">El problema: por qu\u00e9 la detecci\u00f3n no funciona<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La primera respuesta institucional a la IA generativa fue la detecci\u00f3n. Herramientas como Turnitin, GPTZero y Originality.ai prometieron identificar el texto generado por IA. La evidencia de 2026 demuestra que esa promesa era falsa.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Un estudio embebido en un sistema de ex\u00e1menes universitario real encontr\u00f3 que <strong>la mayor\u00eda de las presentaciones generadas por IA no fueron detectadas y recibieron calificaciones competitivas<\/strong>. Los sistemas de detecci\u00f3n <strong>var\u00edan sustancialmente entre herramientas, tipos de tarea, disciplinas, versiones de modelos y pr\u00e1cticas de edici\u00f3n humano-IA<\/strong>, y <strong>evaluaciones favorables advierten contra tratar las puntuaciones de detectores como evidencia \u00fanica en decisiones de alto riesgo<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La conclusi\u00f3n de Weidlich es contundente: <strong>&#8220;la gobernanza centrada en la detecci\u00f3n es una base insuficiente para mantener la validez de la evaluaci\u00f3n: las salidas de los detectores son se\u00f1ales condicionales y probabil\u00edsticas que pueden provocar una investigaci\u00f3n adicional, pero no pueden por s\u00ed mismas establecer mala conducta o competencia&#8221;<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La revisi\u00f3n sistem\u00e1tica de Amnie (2026) confirma que <strong>&#8220;las herramientas de detecci\u00f3n de IA son estructuralmente insuficientes como respuestas primarias&#8221;<\/strong> al problema. El problema no es t\u00e9cnico: es de dise\u00f1o. <strong>Si la evaluaci\u00f3n pregunta algo que la IA puede responder, ninguna tecnolog\u00eda de detecci\u00f3n resolver\u00e1 el problema de validez<\/strong>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">El giro conceptual: de productos aut\u00e9nticos a procesos autenticados<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La respuesta que est\u00e1 emergiendo en 2026 es un cambio de paradigma que la literatura denomina <strong>&#8220;de productos aut\u00e9nticos a procesos autenticados&#8221;<\/strong>. La revisi\u00f3n conceptual sistem\u00e1tica de Tai et al. (2026) articula este giro con precisi\u00f3n: <strong>la evaluaci\u00f3n aut\u00e9ntica siempre se ha asociado con trabajo cognitivo de orden superior, y en entornos ricos en IA, la transparencia del proceso se convierte en la condici\u00f3n para interpretar el producto final<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La distinci\u00f3n central que organiza el campo en 2026 es entre <strong>evaluaci\u00f3n resistente a la IA<\/strong> y <strong>evaluaci\u00f3n resiliente a la IA<\/strong>:<\/p>\n\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Enfoque<\/th><th>Definici\u00f3n<\/th><th>Ejemplo<\/th><\/tr><\/thead><tbody><tr><td><strong>AI-resistant<\/strong><\/td><td>Busca prevenir o impedir el acceso a la IA mediante contenci\u00f3n<\/td><td>Ex\u00e1menes en papel, defensas orales presenciales<\/td><\/tr><tr><td><strong>AI-resilient<\/strong><\/td><td>Eval\u00faa el desempe\u00f1o cognitivo humano genuino independientemente de las herramientas de IA que existan<\/td><td>Portafolios con proceso visible, defensa argumentativa<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">La evaluaci\u00f3n <strong>resiliente<\/strong> es m\u00e1s profunda que la <strong>resistente<\/strong>. Mientras la resistencia busca bloquear la IA \u2014una estrategia que la propia revisi\u00f3n de Amnie califica como insuficiente\u2014, la resiliencia <strong>dise\u00f1a tareas que requieren capacidades cognitivas que la IA no puede sustituir<\/strong>: an\u00e1lisis, evaluaci\u00f3n, s\u00edntesis, interpretaci\u00f3n de ambig\u00fcedad y toma de decisiones defendibles.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El marco de <strong>&#8220;Autenticaci\u00f3n de Procesos&#8221;<\/strong> articula este giro con claridad: <strong>&#8220;la transparencia del proceso significa dise\u00f1ar tareas para que el razonamiento, la iteraci\u00f3n, el uso de retroalimentaci\u00f3n, la toma de decisiones y la verificaci\u00f3n se vuelvan lo suficientemente visibles para sustentar una inferencia justificada sobre el aprendizaje&#8221;<\/strong>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Los marcos de referencia: c\u00f3mo se redise\u00f1a la evaluaci\u00f3n<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La OCDE articul\u00f3 el marco m\u00e1s influyente en su <strong>Digital Education Outlook 2026<\/strong>, publicado en enero de 2026. Su recomendaci\u00f3n central es el principio <strong>&#8220;Slow AI&#8221;<\/strong> y la transici\u00f3n hacia <strong>&#8220;evaluaci\u00f3n orientada a procesos&#8221;<\/strong>: en lugar de calificar el ensayo final, los docentes deben <strong>evaluar c\u00f3mo el estudiante interactu\u00f3 con la IA, c\u00f3mo critic\u00f3 su output y c\u00f3mo refin\u00f3 sus ideas a lo largo del tiempo<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Las estrategias concretas que la OCDE recomienda incluyen:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Exigir a los estudiantes que piensen de forma independiente antes de usar la IA<\/strong> para verificar sus ideas.<\/li>\n\n\n\n<li><strong>Escribir informes de reflexi\u00f3n posteriores al uso de IA<\/strong> para distinguir los productos de la IA de los pensamientos originales del estudiante.<\/li>\n\n\n\n<li><strong>Incrementar componentes de examen sin acceso a IA<\/strong> y <strong>preguntas abiertas que muestren el proceso de pensamiento<\/strong>.<\/li>\n\n\n\n<li><strong>Incorporar evaluaciones reflexivas sobre la utilidad de la IA<\/strong>.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">La <strong>Escala AIAS (AI Assessment Scale)<\/strong>, adoptada por ASCUN y Red\u00danete en Colombia, ofrece un marco de cinco niveles que permite al docente decidir el grado de integraci\u00f3n de la IA en cada tarea, <strong>desde el acceso nulo hasta la cocreaci\u00f3n plena<\/strong>. La escala proporciona una arquitectura de decisi\u00f3n que reemplaza la prohibici\u00f3n binaria por una gradaci\u00f3n pedag\u00f3gicamente intencionada.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La revisi\u00f3n sistem\u00e1tica de Amnie (2026) propone un <strong>&#8220;Six-Layer AI-Resilient Assessment Stack&#8221;<\/strong> como marco institucional integrado, fundamentado en l\u00f3gica de validaci\u00f3n multi-rasgo multi-m\u00e9todo. Las <strong>seis categor\u00edas de evaluaci\u00f3n<\/strong> que identifica la revisi\u00f3n incluyen desde tareas de correcci\u00f3n de errores hasta portafolios de proceso, evaluaciones orales y proyectos aplicados.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Casos reales: la teor\u00eda ya es pr\u00e1ctica<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Chile: calificaci\u00f3n con LLMs con 62.4% de reducci\u00f3n de tiempo<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Un caso de estudio chileno publicado en IEEE en abril de 2026 evalu\u00f3 un <strong>protocolo de calificaci\u00f3n asistida por LLM basado en r\u00fabricas definidas por el instructor, con supervisi\u00f3n humana en el circuito<\/strong>. La plataforma <strong>GradeStudents.org<\/strong> integr\u00f3 r\u00fabricas del instructor con orquestaci\u00f3n de modelos, logrando <strong>alta concordancia entre las puntuaciones asistidas por IA y las del instructor (Pearson r=0.922; diferencia residual media de 0.27 puntos)<\/strong>, con una <strong>reducci\u00f3n del 62.4% en el tiempo de calificaci\u00f3n<\/strong>. La retroalimentaci\u00f3n en espa\u00f1ol fue <strong>fluida y contextualmente apropiada<\/strong>, y la cobertura de la r\u00fabrica fue <strong>consistente<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El hallazgo es significativo porque demuestra que <strong>la calificaci\u00f3n asistida por IA no es una amenaza para la validez cuando se dise\u00f1a con gobernanza adecuada<\/strong>: r\u00fabricas definidas por el instructor, supervisi\u00f3n humana y auditabilidad del proceso. La IA no reemplaza al evaluador: <strong>amplifica su capacidad de proporcionar retroalimentaci\u00f3n significativa a escala<\/strong>.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Ecuador: evaluaci\u00f3n aut\u00e9ntica mediada por IA en educaci\u00f3n tecnol\u00f3gica<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Una propuesta dirigida al <strong>Instituto Tecnol\u00f3gico Internacional ITI de Quito<\/strong> parti\u00f3 de un diagn\u00f3stico emp\u00edrico con <strong>46 docentes<\/strong>, de los cuales <strong>el 95.65% ya usaba herramientas de IA y el mismo porcentaje valoraba su integraci\u00f3n \u00e9tica y guiada en la evaluaci\u00f3n<\/strong>. Sobre los ejes de la evaluaci\u00f3n aut\u00e9ntica y la mediaci\u00f3n tecnol\u00f3gica postfenomenol\u00f3gica, se propuso un <strong>modelo de evaluaci\u00f3n aut\u00e9ntica mediada por IA estructurado en tres estrategias complementarias<\/strong>: <strong>resoluci\u00f3n de problemas reales contextualizados, aprendizaje basado en proyectos mediado por IA y portafolio digital con evidencias del proceso<\/strong>, junto con una metodolog\u00eda de aplicaci\u00f3n en cinco etapas y una r\u00fabrica de evaluaci\u00f3n triangulada.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El modelo <strong>&#8220;desplaza el foco evaluativo del producto final hacia el proceso, la metacognici\u00f3n y el desempe\u00f1o real del estudiante, concibiendo la inteligencia artificial como mediadora pedag\u00f3gica y no como sustituto del razonamiento&#8221;<\/strong>.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Colombia: ASCUN y el giro epistemol\u00f3gico en la evaluaci\u00f3n<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">La <strong>Asociaci\u00f3n Colombiana de Universidades (ASCUN)<\/strong>, a trav\u00e9s de su <strong>Red Universitaria para la Educaci\u00f3n con Tecnolog\u00eda (Red\u00danete)<\/strong>, abord\u00f3 en agosto de 2026 el redise\u00f1o de la evaluaci\u00f3n universitaria ante la IA generativa, con <strong>m\u00e1s de 240 participantes<\/strong> de instituciones de todo el pa\u00eds. El webinar parti\u00f3 de los hallazgos de un <strong>estudio de ASCUN con 84 instituciones realizado en 2025<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Las estrategias concretas que emergieron del encuentro incluyen:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Visibilizar el proceso<\/strong>: evaluar por etapas (esquemas, borradores y versiones finales) para realizar una <strong>trazabilidad del razonamiento<\/strong>.<\/li>\n\n\n\n<li><strong>Defensa y argumentaci\u00f3n<\/strong>: priorizar la capacidad del estudiante para <strong>sustentar sus trabajos y explicar su l\u00f3gica de manera oral<\/strong>.<\/li>\n\n\n\n<li><strong>Escala AIAS<\/strong>: implementar el marco de cinco niveles para decidir el grado de integraci\u00f3n de la IA en cada tarea.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">La discusi\u00f3n acad\u00e9mica subray\u00f3 que <strong>&#8220;la irrupci\u00f3n de la IA generativa plantea, ante todo, una pregunta epistemol\u00f3gica: \u00bfc\u00f3mo construye conocimiento el estudiante en la actualidad?&#8221;<\/strong> y que <strong>la evaluaci\u00f3n no debe verse como un acto final, sino como un proceso integrado que utiliza la IA como un &#8220;andamiaje cognitivo&#8221; en lugar de un atajo que genere una &#8220;descarga cognitiva&#8221; o p\u00e9rdida de autonom\u00eda en el alumno<\/strong>.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Chile: el Observatorio ObIA-Edu y el ciclo de webinars sobre evaluaci\u00f3n<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">La <strong>Universidad de Las Am\u00e9ricas (UDLA)<\/strong>, a trav\u00e9s de su <strong>Observatorio sobre el uso de Inteligencia Artificial en Educaci\u00f3n (ObIA-Edu)<\/strong>, organiz\u00f3 en octubre-noviembre de 2026 el <strong>segundo ciclo de webinars sobre IA y evaluaci\u00f3n de aprendizajes<\/strong>, con <strong>diez conferencias<\/strong> que reunieron a especialistas de <strong>Chile, M\u00e9xico, Brasil, Uruguay y Espa\u00f1a<\/strong>. El ciclo abord\u00f3 <strong>criterios y herramientas para fortalecer la integridad acad\u00e9mica, la evaluaci\u00f3n aut\u00e9ntica y las estrategias que permiten evidenciar los aprendizajes en contextos de IA<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El director del ObIA-Edu, Cristi\u00e1n Villegas, articul\u00f3 el principio que organiza el ciclo: <strong>&#8220;Reconocer qu\u00e9 decisiones tom\u00f3 el estudiante, c\u00f3mo fundamenta sus respuestas y de qu\u00e9 manera aplica sus conocimientos resulta fundamental para sostener la confianza en la evaluaci\u00f3n&#8221;<\/strong>.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Programaci\u00f3n: ex\u00e1menes orales asistidos por IA a escala<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">El <strong>ACM<\/strong> public\u00f3 en febrero de 2026 un estudio sobre <strong>ex\u00e1menes orales interactivos basados en chat como herramienta de evaluaci\u00f3n aut\u00e9ntica escalable para cursos grandes de ciencias de la computaci\u00f3n<\/strong>. La herramienta permite <strong>evaluar la comprensi\u00f3n m\u00e1s all\u00e1 del c\u00f3digo entregado<\/strong>, abordando directamente el problema de que <strong>los estudiantes ahora pueden producir soluciones funcionales con asistencia de IA sin comprender el c\u00f3digo que generan<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Un estudio multi-curso en ingenier\u00eda de software report\u00f3 el <strong>redise\u00f1o de evaluaciones \u2014incluyendo micro-presentaciones orales cronometradas y vivas estilo quiz-bowl\u2014 para promover el aprendizaje aut\u00e9ntico mientras se reduce el plagio asistido por IA<\/strong>, con resultados a lo largo de dos a\u00f1os acad\u00e9micos.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Los desaf\u00edos: entre la promesa y la equidad<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El redise\u00f1o de la evaluaci\u00f3n enfrenta obst\u00e1culos que ninguna tecnolog\u00eda resuelve por s\u00ed sola. El <strong>dilema del calificador<\/strong> documentado en el estudio de SAGE (2026) es particularmente revelador: <strong>auditar la evidencia de proceso asistida por IA aproximadamente duplica el tiempo de calificaci\u00f3n y desplaza a los educadores de evaluar el aprendizaje a interpretar registros<\/strong>. El estudio argumenta que <strong>&#8220;la evaluaci\u00f3n convencional no supervisada para llevar a casa ya no puede funcionar&#8221;<\/strong> como modelo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La <strong>formaci\u00f3n docente<\/strong> es otro obst\u00e1culo documentado. La revisi\u00f3n sistem\u00e1tica de Amnie (2026) identifica <strong>desaf\u00edos persistentes de equidad, confiabilidad, desarrollo docente y protecci\u00f3n de datos<\/strong>. La evaluaci\u00f3n resiliente a la IA requiere <strong>competencias pedag\u00f3gicas que muchos docentes no han desarrollado<\/strong>: dise\u00f1o de tareas con proceso visible, r\u00fabricas de evaluaci\u00f3n de razonamiento, y gesti\u00f3n de la incertidumbre sobre el uso de IA en el trabajo estudiantil.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La <strong>equidad<\/strong> emerge como una preocupaci\u00f3n cr\u00edtica. La revisi\u00f3n de Tai et al. (2026) advierte que <strong>una tarea que parece realista puede privilegiar estilos de comunicaci\u00f3n particulares, normas profesionales, formas de capital cultural o suposiciones sobre acceso previo<\/strong>, y <strong>puede por lo tanto reproducir exclusi\u00f3n bajo el lenguaje del realismo<\/strong>. La evaluaci\u00f3n resiliente <strong>no es autom\u00e1ticamente equitativa<\/strong>: requiere <strong>dise\u00f1o intencionado para garantizar que las nuevas formas de evaluar no excluyan a los estudiantes con menos acceso a la tecnolog\u00eda o con estilos de aprendizaje diferentes<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Y persiste la pregunta pedag\u00f3gica fundamental: <strong>\u00bfc\u00f3mo se mide el proceso sin invadir la privacidad del estudiante?<\/strong> La visibilizaci\u00f3n del proceso requiere <strong>registros de iteraci\u00f3n, borradores, reflexiones metacognitivas<\/strong>\u2014\u2014 artefactos que los estudiantes deben producir, pero que <strong>pueden convertirse en una carga desproporcionada<\/strong> si no se dise\u00f1an con cuidado. El equilibrio entre <strong>evidencia suficiente para la validez<\/strong> y <strong>carga razonable para el estudiante<\/strong> es uno de los problemas abiertos del campo.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Conclusi\u00f3n: la evaluaci\u00f3n como acto de confianza verificable<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El futuro de la evaluaci\u00f3n en la era de la IA no es la prohibici\u00f3n ni la detecci\u00f3n. Es <strong>el redise\u00f1o hacia una evaluaci\u00f3n que mida lo que la IA no puede producir<\/strong>: el proceso de pensamiento, la capacidad de juicio, la metacognici\u00f3n, la aplicaci\u00f3n contextual del conocimiento y la defensa argumentativa de las propias decisiones.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Los datos de 2026 son inequ\u00edvocos: <strong>el 88% de los estudiantes ya usa IA para evaluaciones<\/strong>, y <strong>ninguna herramienta de detecci\u00f3n puede restaurar la validez del examen tradicional<\/strong>. La respuesta que est\u00e1 emergiendo \u2014desde Chile hasta Ecuador, desde Colombia hasta Irlanda\u2014 es <strong>un giro hacia la evaluaci\u00f3n aut\u00e9ntica de procesos<\/strong>: portafolios con trazabilidad, defensas orales, tareas de correcci\u00f3n de errores, proyectos aplicados y r\u00fabricas que eval\u00faan el razonamiento, no solo el resultado.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para Aulas Latam y las instituciones educativas de la regi\u00f3n, la pregunta ya no es si redise\u00f1ar la evaluaci\u00f3n, sino <strong>c\u00f3mo construir la gobernanza, las capacidades docentes y los marcos de equidad para que la nueva evaluaci\u00f3n sea v\u00e1lida, justa y sostenible<\/strong>. Porque en 2026, <strong>la evaluaci\u00f3n ya no puede ser un acto de fe en el producto: debe ser un acto de confianza verificable en el proceso<\/strong>.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>El 88% de estudiantes usa IA para evaluaciones. La detecci\u00f3n no funciona. El giro es hacia la evaluaci\u00f3n de procesos con trazabilidad.<\/p>\n","protected":false},"author":1,"featured_media":1144,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6,2],"tags":[234,88,231,71,169,233,232],"class_list":["post-314","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-edtech","category-ia-y-agentes","tag-defensa-oral","tag-evaluacion","tag-evaluacion-autentica","tag-ia","tag-integridad-academica","tag-portafolios","tag-procesos"],"_links":{"self":[{"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/posts\/314","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/comments?post=314"}],"version-history":[{"count":1,"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/posts\/314\/revisions"}],"predecessor-version":[{"id":1112,"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/posts\/314\/revisions\/1112"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/media\/1144"}],"wp:attachment":[{"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/media?parent=314"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/categories?post=314"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aulaslatam.com\/blog\/wp-json\/wp\/v2\/tags?post=314"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}