Retroalimentación rápida y útil

Antes de automatizar algo hay que saber qué es ese algo. Un comentario útil, en la práctica del salón, cumple cuatro condiciones:

• Es específico: señala un lugar concreto del trabajo, no una impresión general. "Tu párrafo 3 afirma que el río está contaminado pero no dice con qué ni quién lo midió" sirve; "falta profundidad" no sirve.
• Está anclado a un criterio: el estudiante puede rastrear por qué le dijiste eso hasta una fila de la rúbrica que conocía de antemano.
• Es accionable: describe algo que la persona puede hacer distinto la próxima vez. "Agrega la fuente entre paréntesis después de cada dato" es una acción; "sé más riguroso" es un deseo.
• Llega a tiempo: un comentario excelente tres semanas después ya no cambia nada.

Ahora el reparto de tareas. La IA es buena en lo que se le da bien a un modelo de lenguaje: tomar insumos que tú le das y convertirlos en texto ordenado, con tono consistente y en el formato que pidas. Es mala, en cambio, juzgando sin criterio: si no le dices qué esperabas, inventa criterios genéricos de manual gringo. Y tiene un defecto grave para este uso: alucina, es decir, afirma cosas con seguridad que no son ciertas. Puede felicitar a un estudiante por "su excelente cita de un estudio" que el estudiante nunca escribió.

De ahí sale la regla que organiza toda la lección: tú pones el juicio y los criterios; la IA pone la redacción; tú revisas antes de entregar. Si inviertes ese orden, no ahorras tiempo, solo trasladas el problema: ahora tienes 40 comentarios bonitos que no sabes si describen los trabajos reales de tus estudiantes.

Una rúbrica es simplemente una tabla donde escribes qué vas a evaluar (los criterios) y cómo se ve cada nivel de desempeño. Es la herramienta más importante de esta lección, porque es lo único que le da a la IA algo real contra qué comparar. Sin rúbrica, el modelo te devuelve elogios vagos y consejos de redacción que aplican a cualquier texto del mundo.

Para que funcione bien con IA, tu rúbrica necesita dos cosas:

Criterios pocos y observables. Tres o cuatro por tarea es suficiente. Y cada descriptor debe describir algo que se puede ver en el papel. "Demuestra pensamiento crítico" no se ve; "contrasta al menos dos posturas y explica cuál le parece más sólida y por qué" sí se ve.

Niveles con diferencias concretas. No basta con "excelente / bueno / regular". Tiene que decirse qué cambia entre uno y otro.

Una rúbrica sirve además para algo que suele olvidarse: es el contrato que le entregas al curso antes de que escriban. Si la comparten desde el primer día, la mitad de tus comentarios ya no hay que escribirlos, porque el estudiante se autocorrige.

Pasar la rúbrica al chat es fácil: escríbela como texto plano, una línea por criterio. No necesitas tablas ni formato bonito; el modelo lee texto.

CRITERIO 1 - Tesis (25%)
4: Enuncia una postura clara en el primer parrafo y la sostiene hasta el final.
3: Enuncia la postura pero se desvia en algun parrafo.
2: La postura se adivina, nunca se enuncia.
1: No hay postura, solo resumen de informacion.

Repite eso para cada criterio y guárdalo en un archivo. Ese bloque de texto lo vas a reutilizar todo el semestre.

Un prompt es la instrucción que le escribes a la IA. Para retroalimentar, el prompt no es una pregunta suelta: es una plantilla fija que vas a reutilizar 40 veces, cambiando solo el trabajo del estudiante. Tiene seis partes.

1. Rol y contexto: quién eres, qué curso, qué grado, qué tarea dejaste. 2. La rúbrica completa, pegada tal cual. 3. Tu juicio previo: dos o tres palabras tuyas sobre ese trabajo ("buena tesis, fuentes flojas"). Esto es lo que evita que la IA invente la evaluación. 4. El trabajo del estudiante, anonimizado. 5. El formato exacto de salida: cuántas palabras, cuántas fortalezas, cuántas mejoras, si lleva nota sugerida. 6. Las restricciones duras: no inventar, citar fragmentos textuales, no usar elogios vacíos.

Y falta lo que hace la diferencia entre un comentario tuyo y uno de robot: tu voz. La forma más efectiva de clonarla es darle ejemplos. Busca dos o tres comentarios que hayas escrito en semestres pasados, pégalos y dile "imita este tono y este vocabulario". Si tú tuteas, dices "ojo con", empiezas reconociendo el esfuerzo y cierras con una pregunta, el modelo lo copia. Esta técnica de enseñar con ejemplos dentro del prompt se llama aprendizaje con ejemplos (en inglés, few-shot).

Dos restricciones que vale la pena poner siempre:

• "Cita textualmente el fragmento del trabajo al que te refieres, entre comillas." Esto te permite verificar en dos segundos si el comentario es real o alucinado: si la frase entre comillas no está en el texto, descartas todo.
• "Si no encuentras evidencia para un criterio, dilo explícitamente en vez de suponer."

Con el prompt listo, el cuello de botella deja de ser escribir y pasa a ser organizar. Este es un flujo que cabe en una tarde.

Antes de empezar (20 minutos). Abre una hoja de cálculo gratuita (Google Sheets, por ejemplo) con cinco columnas: código del estudiante, mi valoración en 3 palabras, nota por criterio, comentario generado, comentario final editado. Esa hoja es tu memoria y tu respaldo.

Lectura rápida (unos 90 segundos por trabajo). Lee cada trabajo una vez, sin comentar nada. Solo llena la columna "mi valoración" y las notas por criterio. Aquí es donde va tu experiencia docente, y es rapidísimo porque no estás redactando.

Generación por lotes pequeños. Abre un chat nuevo, pega el prompt maestro y procesa de tres a cinco trabajos por conversación, uno por mensaje. ¿Por qué no los 40 de una? Porque a medida que la conversación se alarga el modelo empieza a mezclar trabajos y a repetir comentarios del anterior. Chat nuevo cada cinco es la regla.

Revisión de 20 segundos. Por cada comentario: ¿las frases entre comillas están de verdad en el trabajo? ¿Coincide con lo que anotaste en la lectura rápida? ¿Suena a ti? Si algo falla, lo corriges a mano; casi siempre es una frase.

El bono: el informe del curso. Cuando termines, pega tus 40 valoraciones cortas (no los trabajos) y pide: "identifica los 3 problemas más frecuentes y propón una actividad de 20 minutos para cada uno". Eso te da la clase del lunes hecha, y es información que antes se te perdía entre la pila de papeles.

Suma realista: alrededor de tres minutos por estudiante, casi todos de lectura y revisión tuya.

Tres cosas que no son opcionales.

Privacidad. Los trabajos de tus estudiantes son datos personales, y varios de tus estudiantes son menores de edad. En Colombia la protección de datos personales está regulada por la Ley 1581 de 2012 (conocida como ley de habeas data), y el tratamiento de datos de menores tiene protecciones reforzadas. Lo práctico: anonimiza antes de pegar. Quita nombre, apellido, código estudiantil, nombre del colegio y cualquier dato personal que el estudiante haya metido en el texto (es común que cuenten anécdotas familiares). Usa "Estudiante 14". Y revisa si tu institución ya tiene lineamientos o una herramienta institucional; si los hay, mandan sobre lo que diga esta lección. Ten presente, además, que en los planes gratuitos de muchas herramientas lo que escribes puede usarse para entrenar el modelo; en la configuración de varias de ellas se puede desactivar, y vale la pena buscar esa opción.

Sesgos. Un modelo de lenguaje aprendió de textos, y tiende a premiar cierto estilo de escritura: formal, largo, con conectores. Eso puede castigar a un estudiante que escribe con vocabulario de su región o con estructura distinta pero con ideas excelentes. Tu revisión es el filtro: si el comentario le pega al estilo y se olvida del contenido, reescríbelo.

Transparencia. Diles a tus estudiantes que usas IA como asistente de redacción, que tú leíste su trabajo, que tú pusiste la nota y que tú revisaste cada comentario. Cuesta una frase y evita el peor escenario: que lo descubran solos. Es difícil pedirle a un curso que sea honesto sobre su uso de IA si el profesor no lo es sobre el suyo.

Y la regla que resume todo: no entregas nada que no hayas leído completo. El comentario lo firmas tú.