Inteligencia artificial, asistencia y evaluación del aprendizaje en un curso universitario de automatización

1. Introducción

La automatización combina conocimientos técnicos, toma de decisiones y uso de herramientas digitales para resolver problemas reales. Dentro de este contexto, la inteligencia artificial ha cambiado la forma en que los estudiantes pueden desarrollar sus trabajos y responder evaluaciones. Estas herramientas pueden generar explicaciones, código, análisis o propuestas en muy poco tiempo, lo que puede ser útil para apoyar el aprendizaje. Sin embargo, también puede ser más difícil saber cuánto del resultado responde realmente al conocimiento del estudiante.

La pauta entregada del informe de la Semana 01 considera esta situación y permite el uso de inteligencia artificial, pero deja claro que el estudiante sigue siendo responsable de revisar la información, las fuentes, los cálculos y la coherencia del trabajo. Además, establece que aspectos como la conceptualización, la metodología y la validación deben mantenerse principalmente bajo responsabilidad humana, mientras que otras tareas, como investigar, analizar información, redactar o editar, pueden realizarse con apoyo de la IA. Por lo tanto, el tema no consiste solamente en decidir si la inteligencia artificial debe permitirse o prohibirse, sino en encontrar formas de comprobar que el estudiante comprende realmente lo que está presentando. (Alarcón, 2026b).

Este informe analiza esta situación junto con otros aspectos del curso, como la asistencia y la forma de evaluar el aprendizaje. Para ello, se consideran los requerimientos entregados para la Semana 01 y algunas fuentes académicas e institucionales relacionadas con el tema. Como la pauta no explica todas

Página 1

las actividades que se realizarán durante el semestre, el análisis se concentra principalmente en los elementos definidos, como el uso responsable de IA, la responsabilidad del estudiante, la forma de argumentar las respuestas y la demostración de lo aprendido.

2. Objetivo

Analizar el uso de la inteligencia artificial, la asistencia y la forma de evaluar en un curso universitario de automatización, considerando los requerimientos de la asignatura y fuentes relacionadas, con el objetivo de proponer formas de aprendizaje responsables, claras y acordes al uso actual de herramientas de IA.

3. Metodología

Para realizar este informe se hizo una revisión de la pauta entregada para la Semana 01 y de fuentes relacionadas con inteligencia artificial, educación, evaluación y asistencia. Primero se identificaron las ideas principales de las cuatro preguntas y luego se organizaron por temas para analizarlas de forma conjunta.

Después, se compararon estos temas con información obtenida de fuentes académicas e institucionales. Se utilizaron principalmente documentos relacionados con el uso de inteligencia artificial en educación superior y con la forma de evaluar el aprendizaje, además de estudios sobre la relación entre asistencia y rendimiento académico.

Las fuentes fueron seleccionadas considerando su relación directa con el tema, su trazabilidad y la posibilidad de aplicar su información a un contexto universitario. Este informe no corresponde a un experimento ni busca demostrar de manera exacta qué ocurrirá en este curso, sino analizar distintas ideas y proponer formas que puedan ayudar a mejorar el aprendizaje y la evaluación.

3.1. Uso de IA y verificación de sus aportes

Para desarrollar este informe se utilizó ChatGPT, modelo GPT-5.6 Sol de OpenAI, como herramienta de apoyo para identificar y organizar información, desarrollar ideas, redactar el borrador y revisar el texto. En esta versión corregida, los aportes de la IA fueron sometidos a una verificación manual antes de cerrar el documento. La responsabilidad de decidir el enfoque, seleccionar qué afirmaciones conservar, interpretar las fuentes y aprobar el contenido final permaneció en el autor humano. (Alarcón, 2026a).

La verificación se aplicó en cuatro niveles. Primero, se comprobó la existencia y los datos bibliográficos de las fuentes públicas mediante sus organismos, editoriales o DOI. Segundo, se contrastaron las afirmaciones centrales con el contenido disponible de esas fuentes: la relación entre asistencia y rendimiento se revisó con Credé, Roch y Kieszczynka (2010), y las afirmaciones sobre evaluación, pensamiento crítico, autenticidad y adaptación de tareas frente a la IA se contrastaron con UNESCO (Miao & Holmes, 2023) y TEQSA (Lodge et al., 2026; Greenaway et al., 2026). Tercero, se distinguieron las afirmaciones respaldadas por literatura de las propuestas propias de este informe. Cuarto, se revisaron redacción, coherencia interna, citas y correspondencia entre las citas del texto y la bibliografía.

Los criterios utilizados fueron trazabilidad de la fuente, coincidencia entre la fuente y la afirmación, ausencia de contradicciones relevantes y claridad para diferenciar evidencia de recomendación. Como resultado de esta revisión, se confirmaron las fuentes centrales y las afirmaciones utilizadas, se corrigió la forma de citar los documentos de TEQSA para que coincidiera con sus autores en la bibliografía y se mantuvieron como propuestas del informe —no como hechos demostrados— la asistencia obligatoria solo en ciertas actividades y la evaluación en dos etapas. De esta manera, la IA funcionó como

Página 2

herramienta de apoyo, mientras que la validación y la responsabilidad académica final permanecen en el autor.

4. Respuestas

4.1. Uso académicamente responsable de inteligencia artificial

El uso de inteligencia artificial en trabajos y evaluaciones de un curso de automatización puede ser positivo siempre que se utilice como una herramienta de apoyo y no como un reemplazo del aprendizaje del estudiante. En un área relacionada con tecnología, programación, control y análisis de procesos, prohibir completamente estas herramientas podría alejar las actividades del curso de la realidad profesional, donde probablemente su uso será cada vez más común. Por eso, lo importante no es solamente permitir o prohibir la IA, sino establecer una forma responsable de utilizarla.

La principal condición es que el estudiante siga entendiendo y controlando el trabajo que entrega. Esto significa declarar cuándo utilizó inteligencia artificial, explicar para qué la ocupó, revisar la información generada, comprobar cálculos o datos y ser capaz de justificar las decisiones tomadas. El problema no debería ser utilizar una herramienta permitida, sino presentar información que el estudiante no comprende, ocultar su uso cuando debe informarse o dejar que la IA realice por completo una tarea que busca medir su propio aprendizaje.

En la práctica, un uso responsable de IA requiere transparencia, revisión humana de los resultados, cuidado con la información que se comparte y evaluaciones que permitan comprobar que el estudiante realmente comprende lo que presenta. Esto también coincide con la pauta del curso, donde se establece que aspectos como la conceptualización, la metodología y la validación deben seguir siendo responsabilidad del estudiante.

4.2. Asistencia, participación y responsabilidad del estudiante

La asistencia a clases tiene una relación importante con el rendimiento académico. Credé, Roch y Kieszczynka (2010) encontraron, mediante un metaanálisis, una relación positiva entre asistencia y resultados académicos. Sin embargo, eso no significa necesariamente que todas las clases deban tener asistencia obligatoria.

En un curso de automatización hay actividades donde estar presente puede ser muy importante, como laboratorios, demostraciones con equipos, ejercicios en grupo, resolución de problemas o evaluaciones prácticas. En estos casos, faltar puede significar perder una experiencia que no siempre se puede reemplazar revisando apuntes o material grabado. En cambio, existen otras clases que pueden ser estudiadas de forma autónoma sin afectar demasiado el aprendizaje.

Por esta razón, una opción más equilibrada sería exigir asistencia principalmente en las actividades prácticas o de participación, y permitir mayor flexibilidad en aquellas que pueden desarrollarse de forma independiente. De todas maneras, esta flexibilidad también implica responsabilidad, ya que el estudiante que no asista debe preocuparse de revisar el contenido, cumplir con las tareas y alcanzar los mismos objetivos de aprendizaje.

4.3. Cuando la IA supera el desempeño y el tiempo de respuesta del estudiante

Si una inteligencia artificial responde más rápido y, en algunos casos, mejor que un estudiante, esto puede ser una señal de que la forma de evaluar necesita actualizarse. Si una actividad puede ser resuelta completamente por una IA en pocos segundos, prohibir su uso no necesariamente soluciona el problema, pero permitirla sin cambiar la evaluación tampoco permite saber cuánto aprendió realmente el estudiante.

Página 3

Una alternativa es cambiar la forma de evaluar. En vez de considerar solamente la respuesta final, también se puede evaluar cómo el estudiante analiza, corrige, explica y justifica una solución. Lodge et al. (2026) destacan capacidades como el juicio evaluativo, el pensamiento crítico y el razonamiento ético como relevantes para asegurar el aprendizaje en un contexto donde la IA generativa está integrada.

Por ejemplo, en automatización se podría permitir el uso de IA para generar una propuesta inicial, pero después pedir al estudiante que encuentre errores, explique por qué eligió ciertos parámetros, compare distintas opciones o adapte la solución a una nueva situación. También podría pedirse una explicación breve de forma oral. De esta manera, la evaluación no se concentra solo en quién responde más rápido, sino en comprobar quién realmente entiende lo que está haciendo.

Greenaway, Quince y Munn (2026) proponen adaptar las evaluaciones mediante tareas auténticas, contextualizadas, de varias etapas y con reglas claras sobre el uso de inteligencia artificial. Por lo tanto, si una IA puede resolver fácilmente una evaluación, esto puede servir como una señal para mejorar la actividad y enfocarla en capacidades que permitan demostrar el aprendizaje del estudiante.

4.4. Retroalimentación sobre la metodología propuesta

La metodología propuesta para el curso tiene varios aspectos positivos. Uno de ellos es que permite el uso de inteligencia artificial de forma clara, lo que evita dudas sobre si puede utilizarse o no. Además, mantiene la responsabilidad del trabajo en el estudiante, quien debe revisar, comprender y validar lo que entrega. También es positivo que las actividades busquen que el estudiante explique y argumente sus ideas, en lugar de limitarse solamente a entregar una respuesta.

Sin embargo, existe el riesgo de que declarar el uso de IA se convierta solamente en un requisito formal. Un estudiante puede indicar correctamente que utilizó inteligencia artificial, pero eso no asegura que comprenda realmente el contenido del trabajo. También pueden existir diferencias entre estudiantes dependiendo de cuánto conocen estas herramientas o de qué tan bien saben utilizarlas.

Como posible mejora, se podrían realizar algunas evaluaciones en dos etapas. Primero, el estudiante entrega su trabajo y puede utilizar inteligencia artificial de forma declarada. Después, realiza una pequeña actividad individual donde tenga que explicar una decisión, corregir un error, responder una pregunta sobre su procedimiento o adaptar la solución a una situación diferente. De esta forma, no sería necesario agregar una evaluación extensa, pero sí existiría una manera sencilla de comprobar que el estudiante comprende el trabajo que presentó.

5. Discusión

Los resultados muestran que el uso de inteligencia artificial, la asistencia y la forma de evaluar están relacionados entre sí. Si en un curso se permite utilizar IA, las actividades también deberían adaptarse para que sea posible comprobar que el estudiante realmente aprendió. De la misma forma, si se exige asistencia, las clases presenciales deberían ofrecer actividades que tengan un valor especial y que no puedan reemplazarse fácilmente con apuntes o material grabado. Además, si una evaluación puede ser resuelta rápidamente por una IA, es importante preguntarse qué habilidad del estudiante se quiere medir realmente.

En este sentido, la pauta del curso tiene como punto positivo que reconoce de manera clara el uso de inteligencia artificial y define qué responsabilidades siguen perteneciendo al estudiante. Esta idea coincide con propuestas actuales que buscan preparar a los estudiantes para trabajar en ambientes donde la IA estará cada vez más presente, dando mayor importancia al pensamiento crítico, el juicio evaluativo, la capacidad de revisar información y la adaptación a distintas situaciones (Lodge et al., 2026). Sin embargo, declarar que se utilizó IA no es suficiente por sí solo, ya que también es necesario

Página 4

comprobar que el estudiante comprende lo que presenta.

Respecto de la asistencia, la evidencia muestra una relación positiva entre asistir a clases y los resultados académicos (Credé et al., 2010), pero esa asociación por sí sola no obliga a concluir que todas las actividades deban ser presenciales. En un curso técnico puede ser más conveniente exigir asistencia cuando existe una razón pedagógica clara, como laboratorios, ejercicios prácticos o actividades en grupo, y permitir mayor flexibilidad cuando el estudiante puede aprender el mismo contenido de manera autónoma.

La principal limitación de este informe es que no se conoce en detalle toda la metodología que se utilizará durante el semestre ni se cuenta con resultados reales de los estudiantes. Por esta razón, el análisis se basa principalmente en la pauta entregada y en fuentes externas relacionadas con los temas tratados. Más adelante, este análisis podría complementarse con información como resultados de evaluaciones, asistencia de los estudiantes, encuestas o comparaciones entre actividades realizadas con y sin apoyo de inteligencia artificial.

6. Conclusiones

El análisis permite concluir que la inteligencia artificial puede utilizarse de forma adecuada en un curso universitario de automatización, siempre que su uso sea transparente y que el estudiante revise y comprenda lo que entrega. La IA puede servir como apoyo para investigar, analizar información o mejorar la redacción, pero el estudiante debe seguir siendo capaz de explicar el procedimiento, reconocer posibles errores y comprobar que el resultado sea correcto.

La asistencia también puede ayudar al aprendizaje y se relaciona positivamente con los resultados académicos, pero eso no significa que todas las clases deban ser obligatorias. En un curso de automatización parece más razonable exigir asistencia en actividades prácticas, trabajos en grupo o instancias donde sea necesario demostrar lo aprendido, y permitir mayor flexibilidad cuando el contenido puede estudiarse de otra forma sin afectar el aprendizaje.

Si una inteligencia artificial logra resolver fácilmente una evaluación, puede ser una señal de que esa actividad necesita cambiar. En lugar de evaluar solo la respuesta final, se puede dar mayor importancia a la forma en que el estudiante analiza, aplica, revisa y justifica sus decisiones. Finalmente, la metodología propuesta en la pauta tiene como punto positivo que reconoce el uso de IA y mantiene responsabilidades claras para el estudiante. Una posible mejora sería agregar pequeñas instancias individuales después de algunas entregas, donde el estudiante pueda explicar o defender brevemente su trabajo y demostrar que realmente comprende lo que presentó.

7. Declaraciones

Contribuciones

Ignacio Riquelme Vergara: conceptualización del encargo, definición del formato de presentación, selección del enfoque, interpretación de las fuentes, metodología y responsabilidad de validación final.

ChatGPT - GPT-5.6 Sol: identificación preliminar y organización de información, apoyo en análisis formal, redacción del borrador, revisión y edición. También apoyó la localización de fuentes públicas para su contraste. Codex, basado en GPT-6: actualización de declaraciones y fecha. La responsabilidad académica del contenido final permanece en el autor humano.

Página 5

Verificación de aportes de IA

El autor verificó los aportes de la IA mediante contraste de fuentes, revisión de afirmaciones, separación entre evidencia y propuestas propias, y revisión final de citas y redacción. Se consideró aceptable un aporte cuando podía rastrearse a una fuente identificable o cuando estaba presentado explícitamente como interpretación o recomendación del informe. Como resultado, las afirmaciones centrales quedaron respaldadas por las fuentes citadas y las propuestas propias se mantuvieron diferenciadas de los resultados de la literatura.

Autorizaciones finales

Publicación con identidad real: AUTORIZO la publicación académica de esta versión identificada del informe, con mi nombre, apellido y correo institucional tal como figuran en este documento. La copia entregada al docente podrá publicarse así en los repositorios académicos autorizados, bajo las condiciones de reutilización indicadas a continuación.

Condición de reutilización: AUTORIZO la lectura, cita y reutilización académica parcial del informe identificado siempre que se reconozca la autoría del trabajo de acuerdo con las normas académicas aplicables y no se modifique el contenido de manera que cambie su sentido. Cualquier modificación sustantiva, reutilización comercial o uso fuera de fines académicos requiere una autorización posterior y expresa del autor.

Modificación por terceros o coautores: NO AUTORIZO modificaciones sustantivas posteriores que se presenten como parte de esta versión sin una nueva revisión y aprobación del autor.

Publicación web: AUTORIZO publicar esta versión identificada, con mi nombre, apellido y correo institucional, en repositorios y sitios web académicos e institucionales, bajo la condición de reutilización indicada anteriormente y sin modificar sustancialmente su contenido.

Página 6