PASO 1 · EL MODELO
Entiende dónde está parada tu evaluación
Los cuatro cuadrantes con ejemplos reales de cada zona, antes de diagnosticar nada.
Diagnostica cómo estás evaluando hoy y recibe un rediseño concreto de tu actividad: fases, evidencias, rúbrica y el tiempo real que te tomará calificarla.
La conversación se quedó en la trampa y el problema es otro: cuando una asignación puede resolverse por completo con IA, el entregable deja de ser evidencia. No perdemos honestidad — perdemos la capacidad de saber qué aprendió cada estudiante.
El primer paso no es cambiarlo todo. Es saber en qué estado está cada una de tus evaluaciones.
Leí veinte ensayos impecables y no supe distinguir cuál era de quién.
Sé que usaron IA. Lo que no sé es si aprendieron algo en el camino.
Puse un detector. Me devolvió un porcentaje, no una respuesta.
Actividades que hoy suelen caer en zona crítica
No hace falta imaginarlo. Tres instrucciones bastan para producir un trabajo que aprobaría cualquier rúbrica centrada en el producto final.
La pregunta ya no es si la usan, sino qué evidencia de aprendizaje te queda cuando la usan. Y eso se decide en el diseño de tu actividad — no en la vigilancia. Por eso el punto de partida es diagnosticarla.
La Matriz DIVA cruza dos ejes independientes y devuelve un diagnóstico que no depende de la intuición: dice en qué zona está tu actividad, por qué está ahí y qué la movería. Explora los cuadrantes.
¿Puede la IA resolver la tarea completa? Sube con los productos puramente textuales y las respuestas convergentes. Baja con los problemas abiertos, el contexto propio y el proceso documentado.
¿La actividad evidencia aprendizaje real? Sube con la trazabilidad del proceso, la validación de autoría y las decisiones que exigen criterio propio. Baja cuando solo se evalúa el producto final.
Cuatro pasos, entre diez y quince minutos por actividad. Describes lo que evalúas hoy, respondes tres preguntas de contexto y recibes un rediseño completo con su re-diagnóstico en la matriz.
Los cuatro cuadrantes con ejemplos reales de cada zona, antes de diagnosticar nada.
Cuántos estudiantes tienes y cuántas horas puedes dedicar a calificar. El rediseño se ajusta a eso.
Sustituibilidad y valor diagnóstico, antes y después del rediseño, con la explicación de qué lo produjo.
Fases, evidencias por fase, rúbrica ponderada, política de uso de IA y la carga docente calculada. Descargable en Word o PDF.
Sube tu guía en PDF, Word o texto — o parte de un ejemplo típico. No necesitas preparar nada antes.
Cada diagnóstico aplica criterios explícitos y cita literatura sobre evaluación auténtica y validez ante la IA.
Indicas cuántos estudiantes tienes y de cuánto tiempo dispones: la propuesta se ajusta a esas condiciones.
Las propuestas para "evaluar mejor" suelen omitir el dato que decide todo: cuántas horas te va a costar calificarlas. Con 42 estudiantes, pedir tres entregas y una defensa individual son más de quince horas de revisión. Por eso tantas buenas ideas se quedan en el papel.
Reeval-IA calcula la carga de cada rediseño y te la muestra antes de que lo adoptes. Si indicaste cuánto tiempo tienes, la propuesta se ajusta a ese límite; y cuando no cabe, cambia la estrategia de validación — muestreo, defensas grupales o validación escrita — en lugar de pedirte más horas.
Dudas habituales sobre evaluar cuando los estudiantes tienen acceso a inteligencia artificial generativa.
En la práctica, no puedes saberlo con certeza: los detectores de IA tienen tasas de error altas y producen falsos positivos que perjudican a estudiantes honestos. La pregunta más útil es otra: si la IA puede resolver tu actividad por completo, el entregable dejó de ser evidencia de aprendizaje, lo haya usado el estudiante o no. Por eso conviene diagnosticar el diseño de la evaluación en lugar de vigilar el resultado.
DIVA significa Diagnóstico del Valor de la Evaluación ante la IA. Es un modelo que ubica cualquier actividad de evaluación cruzando dos ejes independientes: cuánto puede sustituirla la inteligencia artificial y cuánto valor diagnóstico tiene, es decir, si permite evidenciar aprendizaje real. El cruce genera cuatro zonas, desde la crítica (Q1) hasta la óptima (Q4).
Las estrategias que mejor funcionan comparten un principio: hacer visible el proceso, no solo el producto. En la práctica significa pedir evidencia por fases, usar datos o contextos propios del estudiante, incorporar validación de autoría, y evaluar el juicio crítico sobre resultados generados por IA en lugar de prohibir su uso.
Reeval-IA aplica estos criterios a tu actividad concreta y devuelve un prototipo con fases, evidencias, rúbrica ponderada y política de uso de IA.
Son poco fiables y, sobre todo, no resuelven el problema de fondo. Un detector devuelve un porcentaje, no una respuesta sobre qué aprendió el estudiante, y sitúa la relación docente-estudiante en la vigilancia. El rediseño de la actividad ataca la causa; la detección solo intenta administrar el síntoma.
No. Durante la fase piloto el acceso a la herramienta completa es gratuito. A cambio, los diagnósticos se registran de forma anónima para un estudio sobre el estado de la evaluación en educación superior ante la IA: sin nombre, sin correo y sin guardar el texto de tus actividades.
Sí. La Matriz DIVA evalúa el diseño de la actividad, no el contenido disciplinar, así que se aplica igual a un ensayo de humanidades, un informe de laboratorio, un proyecto de ingeniería o un portafolio de diseño. La herramienta funciona desde niveles técnicos hasta posgrado, y en modalidades presencial, virtual e híbrida.
Entre diez y quince minutos. Describes la actividad o subes su consigna en PDF o Word, respondes tres preguntas de contexto sobre tu grupo y tu tiempo disponible, y recibes el diagnóstico con el rediseño descargable.
Reeval-IA está en validación con docentes de educación superior. Diagnosticas tus propias actividades, te llevas los rediseños, y tus datos anónimos aportan evidencia sobre el estado real de la evaluación universitaria ante la IA.