Un gran conjunto de datos sobre calificaciones apunta a una inflación impulsada por la IA en cursos sin supervisión
Un nuevo estudio de UC Berkeley aporta evidencia empírica a una preocupación creciente en la educación superior: la IA generativa puede estar haciendo que las notas parezcan mejores sin mejorar el aprendizaje. A partir de más de 500.000 calificaciones de una gran universidad pública de investigación selectiva en Texas, el estudio encontró que, después del lanzamiento de ChatGPT en noviembre de 2022, las notas subieron con fuerza en cursos cuyas tareas eran bien resueltas por la IA, especialmente escritura y programación.
El aumento no se distribuyó por igual entre todos los tipos de curso. Según el estudio, tal como lo describe The Decoder, el efecto se concentró en las clases en las que la tarea pesaba mucho en la nota final. Esa diferencia importa. Si las herramientas de IA estuvieran ayudando de verdad a los estudiantes a aprender más, cabría esperar mejoras en todo tipo de evaluación, incluidos los exámenes supervisados. En cambio, el mayor salto apareció en el trabajo sin supervisión, un patrón más consistente con que la IA sustituye el esfuerzo del estudiante.
La magnitud del cambio
El estudio siguió ocho semestres de otoño, desde 2018 hasta 2025, y abarcó 319 cursos en 84 departamentos. Para estimar cuánto exponía cada curso a la IA generativa, el investigador usó programas de estudio del otoño de 2022, redactados antes de que existiera ChatGPT, y midió la proporción de tareas centradas en escritura y programación. Esas eran las tareas con más probabilidades de verse afectadas cuando llegaron herramientas de IA ampliamente disponibles.
El cambio posterior a ChatGPT fue sustancial. En los cursos con una alta proporción de tareas de escritura y programación, la proporción de notas A aumentó 13 puntos porcentuales, aproximadamente un 30 por ciento por encima de la referencia de 2022. El GPA promedio subió 0,12 puntos. Al mismo tiempo, la distribución de calificaciones se estrechó, y los estudiantes que antes podían haber recibido notas como A- o B+ terminaron cada vez más con A directas.
Ese patrón es notable porque sugiere no solo un mayor rendimiento medio en el papel, sino también menos diferenciación entre estudiantes. En términos prácticos, las notas podrían estar siendo menos informativas como señal de quién dominó mejor el contenido y quién simplemente cumplió con el trabajo de forma aceptable.
Parece que la tarea, no los exámenes, impulsa el cambio
La contribución más importante del estudio puede ser su intento de distinguir entre mejoras en el aprendizaje y trabajo subcontratado. El investigador examinó cuánto aportaba la tarea a la nota final del curso. Si la IA estuviera ayudando a los estudiantes a entender mejor el material, las mejoras deberían haberse visto tanto en clases basadas en tareas como en exámenes presenciales. Si, por el contrario, los estudiantes usaban la IA para completar directamente las tareas, los efectos más fuertes deberían aparecer donde el trabajo sin supervisión tiene más peso.
Ese segundo escenario fue el que apoyaron los datos. En los cursos donde la tarea representaba más que la mediana de la nota final, el aumento de notas A fue 16 puntos porcentuales adicionalmente superior al de los cursos con menos tarea y el mismo nivel de exposición a la IA. En los cursos donde la tarea importaba menos, el efecto fue pequeño y no estadísticamente significativo.
Ese patrón es difícil de explicar como un simple aumento general del aprendizaje estudiantil. Más bien apunta a una vulnerabilidad estructural en el diseño de muchos cursos: cuando las notas dependen mucho de tareas de escritura o programación para hacer en casa, los sistemas de IA ya pueden hacer suficiente parte del trabajo como para alterar la distribución de calificaciones.
Una prueba placebo refuerza el caso
El estudio también incluyó una comparación útil. Las tareas de presentaciones orales, en las que las herramientas de IA actuales son menos útiles de forma directa, no mostraron el mismo efecto de inflación de notas. Esa prueba placebo no demuestra causalidad por sí sola, pero refuerza la interpretación de que el formato de la tarea importa, y de que los cambios observados están estrechamente ligados a los tipos de trabajo que la IA generativa puede completar o ayudar de manera significativa.
En otras palabras, no se trató simplemente de una deriva general del campus hacia calificaciones más fáciles después de 2022. El aumento estuvo alineado con los dominios específicos en los que los sistemas tipo ChatGPT son más capaces.
Por qué importa más allá de una universidad
Las universidades llevan décadas lidiando con la inflación de notas. Lo que hace diferente este momento es que la IA generativa podría estar acelerando el proceso de una forma que socava una de las funciones básicas de la evaluación. Las calificaciones se supone que comunican algo sobre el rendimiento, el conocimiento y el dominio relativo. Si la IA permite que muchos estudiantes produzcan tareas pulidas sin una comprensión proporcional, esas señales se debilitan.
Las implicaciones van más allá de los expedientes académicos. Empleadores, escuelas de posgrado, comités de becas e incluso docentes en cursos posteriores dependen de las notas como indicadores aproximados de lo que los estudiantes pueden hacer. Si una A refleja cada vez más la calidad del resultado asistido por IA y no la competencia demostrada, la credibilidad de esa señal se erosiona.
El estudio también plantea un reto pedagógico. La escritura y la programación no son tareas periféricas en las universidades modernas; son centrales para la forma en que muchas disciplinas enseñan análisis, resolución de problemas y comunicación. Eso significa que las instituciones no pueden simplemente eliminar los formatos afectados sin cambiar la sustancia misma de la educación. En su lugar, quizá necesiten rediseñar las tareas, aumentar las evaluaciones presenciales o supervisadas, o dar más peso a defensas orales, borradores, documentación del proceso y otros métodos que hagan visible el aprendizaje.
Lo que la investigación no afirma
El estudio, tal como se resume en el material de origen, no afirma que todos los estudiantes estén haciendo un uso indebido de la IA ni que cualquier ayuda de IA socave automáticamente la educación. Tampoco dice que el aprendizaje no haya mejorado para ningún estudiante. Bien podría ocurrir que algunos usen la IA como tutor, editor o ayuda para depurar código de formas que sí apoyan la comprensión.
Pero a nivel agregado, la evidencia presentada aquí apunta en otra dirección. Los cambios más fuertes en las notas se producen donde la IA puede sustituir con mayor facilidad el trabajo sin supervisión del estudiante, no donde los estudiantes deben demostrar conocimientos de forma independiente bajo condiciones controladas.
Una advertencia para la siguiente fase de la educación superior
La IA generativa ya forma parte del entorno académico. La cuestión ya no es si los estudiantes tienen acceso a ella, sino cómo responden las instituciones. Este estudio sugiere que, si el diseño de los cursos no cambia, las notas pueden seguir subiendo mientras se vuelven menos significativas.
Eso no convierte el problema en algo puramente disciplinario. También es un problema de diseño de evaluación. Las universidades que quieran que las notas conserven valor quizá necesiten avanzar con rapidez para separar la ayuda de la sustitución y crear más formas para que los estudiantes demuestren lo que pueden hacer sin subcontratar la tarea intelectual central.
La importancia más amplia del estudio es que cuantifica un cambio que muchos docentes sospechaban desde finales de 2022. La era de ChatGPT puede no estar alterando solo la forma en que trabajan los estudiantes. Puede estar cambiando, en realidad, qué miden las calificaciones académicas.
Este artículo se basa en un reportaje de The Decoder. Leer el artículo original.
Originally published on the-decoder.com