Estratègies per combinar IA i rúbriques en l’avaluació contínua
Si l’avaluació contínua et menja temps i energia, no ets l’únic. Les rúbriques milloren l’objectivitat, però omplir-les, donar retorn útil i portar el seguiment setmanal pot convertir-se en una cursa sense aire. La bona notícia és que la combinació de rúbriques ben dissenyades i assistents d’IA pot alleugerir la càrrega i, alhora, fer més regular i formatiu el feedback. Et proposo un enfocament pràctic, amb passos clars i fàcils d’aplicar.
Dissenya una rúbrica que l’IA entengui i el teu alumnat també
El primer pas és tenir una rúbrica operativa. L’IA funciona millor si els criteris són concrets i observables. Evita descriptors genèrics i aposta per evidències clares. Escriu en tercera persona, amb verbs d’acció i nivells numerats. Això dona consistència i facilita la comparació entre activitats.
Defineix pocs criteris, però imprescindibles. Entre quatre i sis solen ser suficients. Dona pes a cada criteri i fixa el llindar d’assoliment mínim. Afegeix exemples d’evidències perquè l’IA i l’alumnat sàpiguen què vol dir “bon ús de fonts” o “raonament coherent”. Si ja tens rúbriques creades, dedica una sessió curta a depurar-les i unificar el format.
- Criteris mesurables i un sol aspecte per criteri.
- Nivells numerats amb descripcions breus i clares.
- Verbs d’acció i evidències concretes per validar.
- Pesos per criteri i llindars d’assoliment definits.
- Exemples de productes competents i errors freqüents.
Per convertir una rúbrica existent, retalla duplicats, simplifica el llenguatge, concreta evidències i assigna pesos. Guarda-la en un format estàndard perquè la puguis reutilitzar. Amb una bona base, la resta del flux s’automatitza molt millor.
Flux d’avaluació contínua amb IA i supervisió docent
Organitza l’avaluació com una seqüència curta i repetible. La clau és alternar l’anàlisi automàtica amb la decisió pedagògica. L’IA no posa la nota final, però et prepara la feina: detecta patrons, compara amb la rúbrica i proposa millores. Tu revises, ajustes i dones el toc humà.
- Planificació. Presenta la rúbrica a l’alumnat i concreta evidències esperades.
- Recollida. Centralitza els productes en un únic espai i amb nom normalitzat.
- Preavaluació amb IA. Aplica la rúbrica, demana puntuació per criteri i justificacions.
- Revisió docent. Valida o corregeix i afegeix comentaris personalitzats.
- Feedforward. Genera recomanacions de millora per al següent lliurament.
- Registre. Exporta resultats per criteri i evolució en el temps.
Per obtenir informes útils, indica a l’assistent que retorni, per a cada criteri, una puntuació coherent amb els nivells, una justificació amb cites del text o de l’evidència, més una acció concreta de millora. Evita respostes vagues i demana que s’assenyalin dubtes o informació insuficient per garantir decisions informades.
Qualitat, equitat i ètica en l’ús de la IA
La integritat del procés depèn de com governem l’eina. Fes explícit el paper de la IA, protegeix dades i dona sempre la darrera paraula al docent. Calibrar i auditar és part del treball: al principi potser requereix uns minuts extra, però després guanyaràs consistència i temps real d’acompanyament.
- Transparència. Explica a l’alumnat que l’IA ajuda a aplicar la rúbrica, però la decisió és humana.
- Protecció de dades. Anonimitza treballs i evita informació sensible.
- Calibratge. Prova la rúbrica amb mostres reals i compara resultats entre docents.
- Control de biaixos. Revisa diferències per grups i ajusta descriptors massa ambigus.
- Integritat acadèmica. Prioritza la traçabilitat del procés i l’autoexplicació de l’alumne abans d’acusar.
- Accessibilitat. Genera feedback en lectura fàcil, amb exemples o en àudio si cal.
Una pràctica útil és conservar un banc d’“ancoratges” per a cada criteri: un exemple mínim, un de competent i un d’excel·lent. Això ajuda a l’IA a comparar i a tu et serveix de referència estable. Programa petites auditories mensuals per detectar desviacions i actualitza descriptors quan canviïs activitats.
Exemples d’aplicació i plantilles de treball
En una redacció argumentativa, la rúbrica pot incloure tesi clara, evidències verificables, cohesió i correcció lingüística. L’IA analitza el text, marca fragments que sostenen la puntuació i suggereix millores específiques, com afegir una contraargumentació. Tu ajustes el pes segons el context, afegeixes orientacions personalitzades i programes un mini repte per al següent lliurament.
En un informe de laboratori, defineix criteris per a plantejament d’hipòtesi, metodologia replicable, tractament de dades i discussió de resultats. Demana a l’IA que verifiqui si s’indiquen unitats, si els gràfics tenen llegenda i si la conclusió connecta amb l’hipòtesi. Revisa, complementa amb preguntes guia i registra el progrés per criteri.
Per a presentacions orals, treballa amb una transcripció i especifica criteris de claredat, estructura, ús de recursos i llenguatge no verbal. L’IA et prepara una graella amb punts forts i a reforçar. Tu incorpores observacions sobre actitud, gestió del temps i interacció amb el públic, i proposes una microtasca d’entrenament.
Organitza’t amb una plantilla única per a totes les activitats. Inclou en capçalera la rúbrica, el pes global, els criteris amb nivells, espais per a evidències citades, puntuació proposada per l’IA, validació docent i accions de millora. Aquesta disciplina redueix errors, facilita el seguiment i et dona una fotografia clara de la progressió del grup i de cada alumne.
Comença petit. Tria una activitat recurrent, prepara una rúbrica de quatre criteris, calibra l’assistent amb cinc mostres i aplica el flux a la següent tanda de treballs. Ajusta, documenta i comparteix la plantilla amb el teu equip. El guany de temps i la qualitat del feedback et motivaran a estendre-ho a la resta d’avaluacions.
