Per què adaptar preguntes amb IA millora l’avaluació equitativa
Equitat i exigència alhora
Adaptar preguntes amb IA no és rebaixar el nivell, és garantir que tothom pugui demostrar què sap amb la quantitat justa de suport. Quan una pregunta s’ajusta a la manera com l’alumne processa la informació, augmenta la probabilitat d’obtenir evidències reals del seu progrés. Això reforça una avaluació que combina rigor i oportunitat, sobretot en grups heterogenis.
Parlem de nivell quan variem la complexitat cognitiva, el grau d’abstracció, el volum d’informació a integrar o el tipus de representació. La IA pot generar versions paral·leles d’una pregunta sense trair l’objectiu d’aprenentatge, ajustant el que canvia i mantenint el que ha de quedar fix. El resultat són exàmens més inclusius i comparables.
Riscos i principis ètics
Cal establir límits clars. La IA pot introduir biaixos o errors de contingut si no hi ha verificació docent. També pot proposar enunciats massa guiadors que desvirtuïn l’evidència d’aprenentatge. Per evitar-ho, convé treballar amb criteris prèviament acordats, revisar fidelitat i validesa de les preguntes i conservar el control humà de les decisions d’avaluació.
També és important protegir la privacitat de l’alumnat i no carregar dades sensibles. La IA és una eina de disseny i de suport, no una autoritat. El professorat marca el rumb pedagògic i estableix què és una bona pregunta i quina ajuda és adient en cada moment.
Disseny de bancs de preguntes escalables
Eixos de dificultat que la IA pot modular
Abans d’automatitzar, definim els eixos que faran créixer o baixar la complexitat. Fer-ho explícit permet demanar a la IA canvis controlats i coherents. Aquests eixos funcionen com potències d’un mateix enunciat i faciliten la traçabilitat entre versions.
- Processos cognitius de recordar a crear o transferir.
- Abstracció de contextos concrets a situacions genèriques.
- Quantitat d’informació donada i nombre de passos necessaris.
- Suport amb pistes, models o representacions gràfiques.
- Distractors més o menys plausibles en preguntes tancades.
- Format de resposta amb justificació, càlcul, esquema o exemple.
Quan etiquetem cada pregunta amb aquests eixos, la IA pot generar variacions que respecten l’objectiu i el nivell taxonòmic previst. Així, mantenim la comparabilitat i reduïm la improvisació.
Plantilles i etiquetatge per a consistència
Treballar amb plantilles ajuda a sistematitzar. Proposem definir per a cada pregunta una fitxa amb objectiu, competència, criteris d’èxit, eixos de dificultat i condicions de correcció. A partir d’aquesta fitxa, la IA pot produir versions N1, N2 i N3 que només difereixen en allò que hem autoritzat.
Una plantilla útil inclou camps per a context, dades, passos esperats, errors típics, límit de temps i exemples de resposta correcta. Quan la IA rep aquesta estructura, tendeix a oferir enunciats més clars, comparables i amb menys soroll.
Flux de treball amb IA per adaptar preguntes
Passos pràctics per al dia a dia
Un bon flux combina preparació, generació i verificació. L’objectiu és obtenir preguntes que preservin la intenció docent i que es puguin reutilitzar. Recomanem documentar decisions per aprendre d’un examen a l’altre i anar depurant el banc d’ítems.
- Defineix l’objectiu i el nivell cognitiu desitjat per a cada ítem.
- Redacta la pregunta base amb fitxa i criteris d’èxit.
- Demana a la IA les versions N1, N2, N3 indicant què pot canviar i què no.
- Exigeix justificació de la dificultat i apunta què fa cada versió més o menys complexa.
- Verifica contingut i llenguatge. Ajusta errors i ambigüitats.
- Prova pilot amb un grup petit. Observa temps, dubtes i taxa d’encerts.
- Selecciona les versions equilibrades i arxiva els motius de tria.
- Actualitza rúbriques i exemples de resposta per tancar el cicle.
És útil demanar a la IA un “raonament intern ocult” sobre per què una versió és més exigent. No ho donarem a l’alumnat, però ens serveix per auditar coherència i detectar trampes o biaixos.
Indicacions clau per a la IA
Quan formulis la petició, especifica amb claredat els elements congelats que no poden canviar, com la competència avaluada o la naturalesa de l’evidència, i els elements variables que poden escalar la dificultat. Demana llenguatge adequat a l’edat i evita jocs de paraules confusos.
Inclou també la longitud desitjada de l’enunciat, el tipus de resposta, si admet pistes i quina terminologia és imprescindible. Com més concreció pedagògica aportem, més útil serà la proposta de la IA i menys temps dedicarem a reescriure.
Exemples per matèries i nivells
Ciències i matemàtiques
Pregunta base de ciències. Explica per què una planta a l’ombra creix més lenta que una planta al sol. Versió N1 amb suport. Dona dues raons senzilles i inclou una imatge o una llista de paraules clau com llum, fotosíntesi, energia. Versió N2 sense suport. Demana explicar el procés de fotosíntesi i la relació amb el creixement usant vocabulari específic. Versió N3 amb transferència. Planteja un cas amb dades de dues plantes amb diferents hores de llum i demana comparar, justificar i fer una predicció.
Pregunta base de matemàtiques. Resol 3x + 2 = 14. Versió N1 amb passos guiats. Mostra com restar 2 als dos membres i després dividir per 3. Versió N2 sense pistes. Demana la resolució completa i verificació substituint la x a l’equació. Versió N3 contextualitzada. Situa-ho en un problema de compra amb descompte i taxes i exigeix explicar per escrit cada pas i la raó de la validesa.
Problemes de gràfiques. Donem un gràfic lineal d’una cursa. Versió N1 lectura directa de punts. Versió N2 deducció d’informació no marcada com el pendent. Versió N3 interpretació crítica amb anomalies i justificació de possibles errors de mesura.
Llengües i ciències socials
Comprensió lectora. Text breu sobre un viatge en tren. Versió N1 amb preguntes literalment localitzables i mapa de paraules clau. Versió N2 inferències sobre motius i sentiments, demanant una frase de prova del text. Versió N3 anàlisi del punt de vista i comparació amb una experiència pròpia, limitant la resposta a un nombre de paraules per fomentar concisió.
Redacció. Escriu una opinió sobre l’ús del mòbil a classe. Versió N1 amb plantilla d’introducció, dos arguments i conclusió. Versió N2 sense plantilla però amb criteris de cohesió i connectors obligats. Versió N3 amb contraargument i matisació del punt de vista, citant una evidència observable de l’aula.
Socials. Interpreta una font històrica. Versió N1 identifica qui, quan i on amb una taula d’ajuda. Versió N2 explica causes i conseqüències amb cronologia bàsica. Versió N3 contrasta la font amb una altra de tipus diferent i raona sobre fiabilitat i perspectiva.
Avaluació justa i dades per validar i millorar
Rúbriques comunes i criteris d’èxit
Per comparar versions, calen rúbriques amb descriptors compartits. La dificultat no ha de dependre d’un criteri nou, sinó de la mateixa competència amb un pas addicional o amb menys suport. Als descriptors, indica què vol dir assoliment bàsic, notable i excel·lent per a cada nivell, i acompanya-ho d’exemples de resposta real.
Evita que la dificultat s’escapi cap a exigències no cognitives com llegir enunciats massa llargs o amb vocabulari aliè a l’objectiu. La IA pot simplificar la redacció sense tocar el repte intel·lectual, i aquesta separació és clau per l’equitat.
Analítica d’ítems i accessibilitat
Després de l’examen, analitza percentatges d’encert i patrons d’error per ítem i per versió. La IA pot ajudar a generar un informe amb indicadors senzills com discriminació de l’ítem o temps mitjà de resolució. Si una versió es mostra desproporcionadament fàcil o difícil, revisa els eixos que vas variar i ajusta’ls en la pròxima iteració.
No oblidis l’accessibilitat. Demana a la IA alternatives de format com enunciats amb llenguatge planer, pictogrames o lectura en veu alta, i comprova que els suports no resolguin el problema, sinó que eliminin barreres que no són l’objectiu de l’avaluació.
- Checklist ràpid. Objectiu clar i taxonomia definida.
- Versió base revisada per ambigüitats i longitud.
- Variacions segons eixos acordats i justificació escrita.
- Rúbrica comuna per a totes les versions i exemples de resposta.
- Pilotatge i ajust de dificultat amb dades d’ítem.
- Traçabilitat de canvis i decisions per a futures proves.
Bones pràctiques per sostenir el canvi
Coherència d’equip i sostenibilitat
La qualitat s’assoleix quan el claustre comparteix principis de disseny, plantilles i bancs de preguntes. Estalvia temps i fa créixer la confiança en el sistema d’avaluació. Documentar versions, motius de canvi i dades d’ús converteix la IA en una eina col·laborativa, no en una solució individual i fràgil.
Planifica moments per actualitzar ítems, retirar preguntes problemàtiques i crear-ne de noves amb la IA com a assistent. Mantén una rotació sana que eviti filtracions i memorització mecànica, i preservi l’essència de la competència avaluada.
Mirada ètica i rol docent
La IA accelera, però no decideix què és valuós. El docent continua sent qui defineix el sentit de la pregunta, la mesura del repte i la cura amb què s’acompanya l’alumnat. Una idea per demà. Tria una pregunta clau del teu pròxim examen, etiqueta els seus eixos de dificultat, demana dues versions escalades i compara-les amb la rúbrica. Ajusta una cosa i prova-les en petit. La resta vindrà amb la pràctica i la reflexió compartida.
