Demostración de congreso: AICoFe combina evaluación entre pares, autoevaluación y feedback de IA revisado por docentes

AICoFe combina la evaluación de pares, autoevaluación y docente con retroalimentación respaldada por IA en presentaciones orales. La versión abierta para autores del documento de demostración de EC-TEL describe una implementación entre 2024 y 2025 con 46 estudiantes universitarios y 19 estudiantes de maestría en la Universidad Autónoma de Madrid. Los profesores pueden seleccionar, editar o combinar los comentarios generados antes de enviarlos. Los índices de satisfacción fueron positivos; 31 participantes completaron el cuestionario de usabilidad, lo que produjo una puntuación media en la Escala de usabilidad del sistema de 79,91. Estas observaciones se refieren a la experiencia de los estudiantes con el sistema, sin establecer una mejora causal en las habilidades de presentación.

El flujo de trabajo reúne varias perspectivas en un solo proceso de revisión. Los alumnos pueden volver a ver una grabación y comparar sus propios criterios de rúbrica con los comentarios que reciben. Los autores también describen cómo mantener distinguibles los borradores y las versiones enviadas. El reducido número de implementaciones y respuestas al cuestionario limitan las conclusiones que se pueden extraer. La participación de un docente es parte del entorno informado, por lo que los hallazgos no deben leerse como evidencia de retroalimentación autónoma sin esa mediación.

Para AIEDHK, considere una actividad de seminario propuesta centrada en una breve presentación. Antes de ver los comentarios, el presentador identificaría un momento que parecía claro y un momento en el que cambiaría. Un par seleccionaría de forma independiente la evidencia utilizando el mismo criterio. Luego, el profesor podría inspeccionar la sugerencia generada junto con esas observaciones. El objetivo sería una discusión sobre qué comentario describe con precisión la presentación y qué acción puede tomar el alumno de manera realista.

Por ejemplo, un alumno que explica el uso del agua urbana podría recibir una sugerencia vaga para mejorar la claridad. Una discusión más útil localizaría la transición en la que la audiencia perdió la conexión entre el diagrama y la afirmación. El presentador podría ensayar una explicación revisada y pedirle a un nuevo oyente que describa la relación. Esta es una propuesta de aula editorial. El documento de demostración no prueba esa actividad específica ni establece la efectividad del ejemplo.

Una institución que intente un flujo de trabajo similar podría mantener el piloto pequeño y definir de antemano la audiencia de la grabación y el período de retención. Los revisores deben saber qué comentarios provienen de sus compañeros, cuáles se generaron y cuáles cambió el maestro. Los alumnos también deben tener una manera de explicar por qué un comentario es inexacto o inadecuado. Estas decisiones prácticas hacen que el proceso de retroalimentación sea más fácil de inspeccionar y dan a los desacuerdos un propósito educativo en lugar de tratarlos como errores de interfaz.

Los participantes pudieron comparar su primera explicación y la revisada de un criterio, identificando qué cambió en su juicio después de ver la grabación. Mantener ese relato breve ayudaría al maestro a distinguir una respuesta considerada a la retroalimentación de una revisión realizada sólo para satisfacer una puntuación visible.

Una evaluación más sólida podría examinar la siguiente presentación, incluyendo una tarea independiente y criterios claramente especificados. Podría registrar el tiempo de revisión del profesor, los cambios realizados en los comentarios generados y si los estudiantes pueden justificar la revisión elegida. La satisfacción y la usabilidad seguirían siendo útiles junto con estas medidas. AICoFe ofrece un diseño de sistema concreto para coordinar perspectivas de retroalimentación; Decidir si esa coordinación mejora el aprendizaje requiere evidencia adicional sobre lo que los alumnos entienden y pueden hacer posteriormente.