Ir al contenido

Documat

Aplicación web de ayuda en la corrección automatizada de exámenes escritos de desarrollo utilizando IA generativa

  • Reina, Adrián [1] ; Bermúdez, Manuel [1] ; García-Salcines, Enrique [1] ; Lara, Juan Alfonso [1] ; Romero, Cristóbal [1]
    1. [1] Universidad de Córdoba

      Universidad de Córdoba

      Cordoba, España

  • Localización: RIED: revista iberoamericana de educación a distancia, ISSN 1138-2783, Vol. 29, Nº 2, 2026 (Ejemplar dedicado a: La universidad ante la IA generativa: Veracidad, docencia y evaluación)
  • Idioma: español
  • DOI: 10.5944/ried.47116
  • Títulos paralelos:
    • Web application for automated correction assistance in written development exams using generative AI
  • Enlaces
  • Resumen
    • español

      La evaluación de gran cantidad de exámenes de tipo respuesta abierta es una tarea docente que requiere de una elevada inversión de tiempo para su realización, presentando además otros importantes problemas y desafíos como son la consistencia y la escalabilidad. Para ayudar al profesor en esta ardua tarea proponemos Exam Grader, una aplicación web que integra modelos de Inteligencia Artificial Generativa mediante modelos de lenguaje de gran tamaño (Large Language Models, LLM) para asistir en la corrección automatizada mediante rúbricas. La solución propuesta en este artículo es un entorno en línea integrado que, además de la corrección asistida por IA, proporciona funcionalidades para el diseño de exámenes con rúbricas personalizadas, la recolección de respuestas, la comparación estadística IA-docente y el análisis visual de concordancias, anotación, comentarios generales y notificaciones por email. La herramienta propuesta se ha validado con datos de 91 exámenes reales en un curso tipo MOOC (Massive Open Online Course) de Introducción a la Filosofía Práctica, por medio de un análisis de la concordancia entre la IA y el profesor, y un análisis de la consistencia interna de la IA en 3 versiones diferentes de la misma. Los resultados obtenidos son muy prometedores y nos permiten concluir que es muy útil contar con la ayuda de la corrección basada en IA de exámenes escritos sin sustituir el juicio profesional docente. Este trabajo preliminar abre la puerta a futuras investigaciones destinadas a afinar la consistencia interna de la IA, hacerla más explicable, y validarla en otros ámbitos académicos.

    • English

      The evaluation of a large amount of open-ended exam questions is a teaching task that requires a significant investment of time to carry out, and it also presents other important challenges, such as consistency and scalability. To assist teachers in this hard task, we propose Exam Grader, a web application that integrates Generative Artificial Intelligence through Large Language Models (LLMs) to support automated grading using rubrics. The proposed solution in this work is an online integrated system that, in addition to AI-assisted grading, provides functionalities for designing exams with customized rubrics, collecting responses, performing AI-teacher statistical comparisons and visual concordance analysis, as well as annotation, general comments, and email notifications. The proposed tool has been validated with data from 91 real exams in a MOOC-style course (Massive Open Online Course) on Introduction to Practical Philosophy, through an analysis of AI-teacher agreement and an analysis of the AI’s internal consistency across different versions. The results obtained are very promising and allow us to conclude that it is feasible to rely on an AI-based grading tool without replacing the instructor’s professional judgment. This preliminary work opens the door to future research aimed at refining the AI’s internal consistency, making it more explainable, and validating it in other academic contexts.

  • Referencias bibliográficas
Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno