157/365 · IA para crear rúbricas coherentes con criterios

Dándole el contexto suficiente tuyo personal, tu estilo y cómo evalúas y qué vas a evaluar, la IA facilita la creación de rúbricas de forma muy eficiente y efectiva. Y esto no es un truco menor, porque resulta que crear rúbricas buenas es uno de los trabajos más densos y tediosos de la docencia. Porque una rúbrica bien hecha tiene que ser: clara (que el alumnado entienda qué se espera), coherente (que todos los criterios apunten a lo mismo), gradual (que los niveles de logro estén bien diferenciados), y útil (que de verdad te sirva para evaluar y dar feedback).

Y conseguir todo eso a la vez lleva tiempo. Mucho tiempo. Escribes un criterio, lo miras, lo reescribes, ajustas los niveles, compruebas que sean coherentes entre sí, te das cuenta de que te has dejado algo, vuelves a empezar... Y al final, o inviertes horas en crear una rúbrica buena, o usas rúbricas genéricas que has copiado de internet y que no encajan del todo con lo que evalúas. Ninguna de las dos opciones es ideal.

Pero cuando usas IA para crear rúbricas, el proceso cambia radicalmente. Porque la IA puede generar borradores coherentes en minutos, siempre que tú le des el CONTEXTO adecuado. Y aquí está la clave: para ello, recomiendo partir siempre de un documento marco (MD o TXT) que aporte lo común de tu forma de hacer las cosas, y luego un contexto de para qué y cómo quieres la rúbrica.

El documento marco: tu criterio pedagógico cristalizado

Aquí viene algo que me ha cambiado la forma de trabajar con IA: tener un documento marco (en Markdown o TXT) donde tengo documentado CÓMO evalúo yo. No cómo evalúa todo el mundo, ni cómo dicen los libros que hay que evaluar. Cómo evalúo YO, con MI alumnado, en MI contexto, con MIS prioridades pedagógicas.

Ese documento incluye cosas como: qué valoro más (proceso o producto, esfuerzo o resultado, autonomía o precisión), cómo estructuro los niveles de logro (uso cuatro niveles: no visible/no alcanzado, parcialmente adquirido/logrado (mínimo), logrado, alto nivel de logro), qué tipo de lenguaje uso en las rúbricas (descriptivo, no valorativo; centrado en lo que el alumno HACE, no en lo que se compara con otros), qué aspectos siempre incluyo (contenido, proceso, actitud, reflexión), qué aspectos nunca incluyo (comparación con otros, juicios sobre capacidad innata)...

Ese documento tiene unas dos páginas. Y lo he ido refinando con el tiempo. Al principio era caótico, poco claro. Ahora es preciso. Y cuando le doy ese documento a la IA como contexto base, todas las rúbricas que genera están ALINEADAS con mi forma de evaluar. No tengo que estar repitiéndole en cada conversación "usa cuatro niveles", "no valores capacidades innatas", "céntrate en acciones observables"... Ya está todo ahí, en el documento marco.

Y eso hace que las rúbricas que genera la IA sean COHERENTES conmigo. No perfectas (siempre reviso), pero coherentes. Y la coherencia es la base de la evaluación justa.

El contexto específico: para qué y cómo quieres esta rúbrica

El documento marco te da la base, pero luego necesitas contexto específico para cada rúbrica. Porque no es lo mismo evaluar una exposición oral que evaluar un trabajo escrito, que evaluar un proyecto cooperativo, que evaluar una tarea de resolución de problemas. Cada tipo de tarea requiere criterios distintos, aunque tu filosofía evaluativa sea la misma.

Entonces, cuando le pido a la IA que me cree una rúbrica, le doy: el documento marco (que ya tiene mi forma general de evaluar), y el contexto específico de la tarea. Por ejemplo: "Necesito una rúbrica para evaluar una exposición oral de 5 minutos sobre el ciclo del agua, para alumnado de tercero de primaria. Los aspectos que quiero evaluar son: claridad de la explicación, uso de apoyo visual, ajuste al tiempo, y capacidad de responder preguntas. Dame la rúbrica en formato tabla, con cuatro niveles de logro para cada criterio".

Y la IA genera una rúbrica que tiene MI estructura (cuatro niveles, lenguaje descriptivo, centrado en acciones observables), pero adaptada a ESA tarea concreta (exposición oral sobre el ciclo del agua). Y el borrador que me devuelve es usable. No perfecto, pero usable. Y yo solo tengo que ajustar detalles.

Los niveles de logro: la parte más difícil (y donde la IA más ayuda)

Aquí está una de las cosas más complicadas de crear rúbricas: definir niveles de logro que estén bien diferenciados. Porque es fácil escribir el nivel "excelente" (es cuando lo hace todo perfecto) y el nivel "insuficiente" (es cuando no lo hace). Pero los niveles intermedios (suficiente, notable) son los difíciles. ¿Qué diferencia hay entre suficiente y notable? ¿Es solo una cuestión de cantidad ("hace tres de las cuatro cosas") o de calidad ("lo hace, pero con menos precisión")?

Y aquí la IA ayuda brutal. Porque cuando le pides que genere una rúbrica, los niveles de logro que propone están GRADUADOS. No son saltos arbitrarios, sino progresiones lógicas. Por ejemplo, para el criterio "claridad de la explicación":

- Insuficiente: La explicación es confusa, salta de un punto a otro sin orden, y usa vocabulario impreciso.
- Suficiente: La explicación sigue un orden básico y usa vocabulario adecuado, pero algunos conceptos no quedan claros.
- Notable: La explicación es clara, ordenada, y usa vocabulario preciso. La mayoría de conceptos se entienden bien.
- Excelente: La explicación es muy clara, bien estructurada, usa vocabulario preciso y ejemplos que facilitan la comprensión. Todos los conceptos clave quedan claros.

Rúbricas analíticas frente a rúbricas holísticas

Aquí hay un matiz técnico que vale la pena aclarar: las rúbricas pueden ser analíticas (evalúas cada criterio por separado y luego sumas o promedias) o holísticas (evalúas el conjunto de forma global). Y cada una tiene sus usos.

Las analíticas son mejores cuando quieres dar feedback específico sobre distintos aspectos de la tarea. Por ejemplo, en una exposición oral, quieres decirle al alumno "tu claridad es excelente, pero el ajuste al tiempo fue suficiente". Eso requiere rúbrica analítica, con criterios separados.

Las holísticas son mejores cuando lo que importa es la impresión global, y separar en criterios artificialmente no aporta. Por ejemplo, evaluar un dibujo artístico es difícil con criterios separados (¿qué es "creatividad"? ¿qué es "técnica"?). A veces, la impresión global es más honesta.

Y la IA puede generar ambas. Solo tienes que especificar: "Dame una rúbrica analítica con criterios separados" o "Dame una rúbrica holística que evalúe el conjunto". Y ajusta el formato según lo que le pidas.

Alinear la rúbrica con los criterios de evaluación curriculares

Aquí viene algo que a veces olvidamos: las rúbricas no están en el vacío. Tienen que estar ALINEADAS con los criterios de evaluación del currículum. Porque al final, lo que evalúas tiene que conectar con lo que oficialmente tienes que trabajar. Y ahí la IA también puede ayudar.

Por ejemplo, si estoy trabajando el criterio curricular "Comunicar de forma oral conocimientos previamente adquiridos", puedo darle ese criterio a la IA junto con la descripción de la tarea, y pedirle: "Crea una rúbrica que evalúe este criterio curricular en el contexto de una exposición oral sobre el ciclo del agua".

Y la IA genera criterios de la rúbrica que están EXPLÍCITAMENTE conectados con el criterio curricular. No es que añada el criterio como texto decorativo al principio — es que los descriptores de los niveles de logro están redactados de forma que reflejan ese criterio. Y eso hace que la rúbrica no sea solo una herramienta de evaluación, sino también una herramienta de justificación curricular. Que es algo que inspección y familias aprecian.

Co-crear rúbricas con el alumnado (y cómo la IA ayuda)

Aquí viene algo que he empezado a hacer este año: co-crear rúbricas con el alumnado. Es decir, no darles la rúbrica hecha, sino construirla juntos. Porque cuando el alumnado participa en definir QUÉ se va a evaluar y CÓMO, la rúbrica deja de ser una herramienta de control del docente y se convierte en una herramienta de autoregulación del alumno.

Hattie y Timperley documentaron en 2007 que el feedback de nivel de autorregulación (cómo gestiono mi propio aprendizaje) es más efectivo que el feedback de nivel de tarea (has hecho esto bien o mal). Y co-crear rúbricas es justamente eso: enseñar al alumnado a autorregularse, a saber QUÉ es calidad en una tarea y cómo evaluarla.

Y aquí la IA ayuda de una forma curiosa: puedo generar un borrador de rúbrica con la IA, llevarlo al aula, mostrarlo al alumnado, y preguntarles: "¿Qué criterios faltan? ¿Estos niveles de logro tienen sentido para vosotros? ¿Cómo lo redactaríais de forma más clara?". Y vamos ajustando juntos. Y luego, incorporo esos ajustes al documento marco, para que las próximas rúbricas ya reflejen esas mejoras.

Eso es iterar con criterio. La IA genera, el alumnado opina, yo ajusto. Y el resultado es una rúbrica que no solo es mía — es nuestra.

Rúbricas como herramienta de feedback, no solo de calificación

Dylan Wiliam insiste en que el feedback más efectivo es el que informa sobre cómo mejorar, no el que solo dice "esto vale un 6". Y las rúbricas bien diseñadas hacen exactamente eso: cuando un alumno ve que está en el nivel "suficiente" en un criterio, puede leer el descriptor del nivel "notable" y saber EXACTAMENTE qué tiene que hacer para mejorar.

Eso no pasa con las notas numéricas solas. Un 6 no te dice qué hacer para llegar a un 8. Pero una rúbrica sí. Y por eso, cuando creo rúbricas con IA, siempre incluyo descriptores claros, accionables, que orienten la mejora. No "es poco claro" (vago, no accionable), sino "salta de un punto a otro sin conectar las ideas" (específico, accionable: conéctalo).

Y eso convierte la rúbrica en una herramienta de aprendizaje, no solo de calificación. Porque el alumnado puede usarla ANTES de entregar la tarea (autoevaluación: ¿en qué nivel estoy?), DURANTE (ajustar antes de entregar), y DESPUÉS (entender por qué ha obtenido esa valoración y qué hacer la próxima vez).

La revisión final: donde entra tu criterio

Como siempre, la IA genera, tú revisas. SIEMPRE. Porque a veces la IA propone niveles de logro que suenan bien pero que en la práctica son difíciles de diferenciar. O usa lenguaje que tu alumnado no va a entender. O incluye criterios que no son observables (¿cómo evalúas "motivación"? ¿cómo ves si alguien está motivado o solo lo disimula bien?).

Entonces, cuando recibo una rúbrica generada por IA, me pregunto: ¿Estos criterios son observables? ¿Los niveles de logro están bien diferenciados? ¿El alumnado va a entender estos descriptores? ¿Yo voy a poder evaluar esto de forma justa y consistente? Y si la respuesta a alguna de esas preguntas es "no", ajusto.

El 90% del trabajo lo hace la IA. Pero ese 10% de revisión con criterio es lo que convierte una rúbrica generada en una rúbrica BUENA. Y esa parte no la delego. Porque soy yo quien conoce a mi alumnado, mi contexto, mis prioridades pedagógicas. Y la IA no.

Al final, la IA para crear rúbricas coherentes con criterios no sustituye tu conocimiento sobre evaluación. Pero te libera del trabajo mecánico de escribir, estructurar, graduar niveles. Y ese tiempo liberado lo puedes dedicar a lo que de verdad importa: pensar QUÉ quieres evaluar, POR QUÉ lo evalúas así, y cómo esa rúbrica va a ayudar a tu alumnado a mejorar. Que es lo que deberíamos estar haciendo siempre.

Nos vemos mañana.