Recull d’eines d’IA per avaluar textos de manera automàtica

Has de revisar una pila de redaccions i sents que no arribes a tot. L’alumnat espera feedback ràpid i clar, però el temps vola. Les eines d’IA et poden ajudar a avaluar textos amb més consistència i a convertir la correcció en un moment d’aprenentatge real. No substitueixen el teu criteri. Et donen superpoders per cuidar el que importa: la qualitat de la retroacció, la justícia en la nota i l’acompanyament.

Què vol dir avaluar textos amb IA i per a què serveix

Avaluar amb IA és utilitzar models capaços d’analitzar un text i generar un retorn alineat amb uns criteris. Parlem de rúbriques, descriptors i evidències. L’objectiu no és automàgicament posar una nota. L’objectiu és fer més àgil la lectura, identificar patrons i oferir comentaris específics i accionables.

Funciona millor quan definim bé la tasca i la rúbrica. Si la consigna és ambigua, l’IA també ho serà. Quan la consigna és clara i els criteris són explícits, els algorismes poden prioritzar el que volem observar. L’IA detecta repeticions, incoherències i manca de precisió amb una velocitat que nosaltres no podem mantenir en sèries llargues de textos.

Això ens permet dedicar més temps a discutir idees amb l’alumnat, exemplificar bones pràctiques i personalitzar la millora. Les decisions finals continuen sent humanes, però arribem a aquestes decisions amb més informació i menys fatiga.

Tipus d’eines i què poden fer de manera fiable

No totes les eines fan el mateix. Algunes destaquen en aspectes formals, d’altres en criteris discursius. Val la pena combinar-les de forma intel·ligent i començar per casos d’ús acotats.

• Analitzadors lingüístics. Revisen ortografia, puntuació, gramàtica i registre. Poden proposar reformulacions i alertar de frases massa llargues. Són ideals per a un primer filtratge.
• Avaluadors per rúbriques. Apliquen descriptors i assignen nivells a criteris com estructura, coherència, adequació al gènere, argumentació o ús de fonts. Retornen un resum per criteri i suggeriments de millora.
• Mètriques de claredat i llegibilitat. Mesuren densitat lèxica, variació de vocabulari, longitud de frases i consistència del to. Serveixen per objectivar la percepció de claredat.
• Similitud i citacions. Comparen textos amb repositoris per detectar coincidències rellevants i manca d’atribució. Són útils com a indicadors, no com a veredictes.
• Generadors de feedback. Transformen la rúbrica i la teva consigna en comentaris personalitzats amb exemples i passos concrets per reescriure.

Una nota important. Els anomenats detectors de text generat per IA fallen sovint i poden penalitzar qui escriu bé o qui usa llenguatge senzill. Utilitza’ls, si cal, com a senyal feble i mai com a prova. Millor demanar evidències de procés com esborranys, referències guardades o diaris de treball.

Implantació pas a pas a l’aula i al centre

El valor real apareix quan l’IA s’integra en el flux de feina i conversa amb la rúbrica del centre. Una implantació gradual, transparent i acompanyada és clau per generar confiança.

• Defineix la rúbrica. Cinc criteris com a màxim. Per exemple, idea central, estructura, evidències, llengua i adequació a la consigna. Escriu descriptors clars per a cada nivell.
• Prepara la plantilla de feedback. Demana que l’eina expliqui fortaleses, propostes de millora i un pla en tres passos. Evita que posi nota si no ho vols.
• Calibra amb mostres. Avalua cinc textos tu i l’IA. Compara resultats, ajusta pesos i descriptors. Repeteix fins que la coincidència sigui suficient.
• Decideix l’ús. Com a preesborrany per a l’alumnat, com a coavaluació entre iguals o com a assistent per al docent. Cada opció demana expectatives diferents.
• Documenta el protocol. Qui veu què, quan i amb quina finalitat. Deixa clar que hi ha validació humana i dret a revisió.

Perquè tot plegat sigui sostenible, integra l’IA en les rutines d’aula. L’alumnat pot fer autoavaluació abans de lliurar, anotant tres canvis aplicats gràcies al feedback. Les coavaluacions poden centrar-se en un sol criteri per ronda. I tu pots utilitzar els resums per detectar necessitats comunes i planificar mini lliçons.

• Abans d’escriure. Recordatori de consigna i exemples de bones estructures.
• Durant l’esborrany. Feedback focalitzat en coherència i estructura.
• Abans d’entregar. Revisió lingüística i check-list de criteris.

Qualitat, ètica i privacitat per fer-ho bé

La confiança es construeix amb criteri i transparència. No tot el que és tècnicament possible és pedagògicament desitjable. Evitem dependències i reforcem el pensament crític de l’alumnat.

• Humà al centre. L’IA no decideix sola. Serveix per prioritzar lectures i fer visible el que costa veure a simple vista. La decisió final i l’acompanyament són docents.
• Biaixos i llengua. Verifica si l’eina tracta bé el català i no penalitza varietats dialectals. Revisa que els criteris d’estil no invisibilitzin veus o registres legítims.
• Privacitat. Evita carregar dades sensibles. Pseudonimitza treballs i utilitza comptes institucionals. Explica què es guarda i amb quina finalitat.
• Transparència. Comunica a l’alumnat com s’usa l’IA, quins criteris aplica i com pot demanar revisió. Dona espai al desacord argumentat.
• Disseny de tasques. Més enfoc en procés i autoria. Demana esborranys, referències anotades, revisions entre iguals i reflexions metacognitives.

Una pràctica poderosa és treballar amb mostres d’aula de cursos anteriors (anonimitzades). L’IA ofereix els primers comentaris i, a partir d’aquí, debatem en plenari què considerem una evidència sòlida per a cada criteri. Convertim la rúbrica en llenguatge viu.

La tecnologia accelera, però l’educació necessita mirada. Quan l’IA fa de lupa i no de martell, nosaltres podem ser més justos, més àgils i més propers. El paper del docent és posar sentit, context i criteri ètic. Comencem amb una rúbrica clara, un pilot petit i una promesa als nostres alumnes: tindran feedback millor i més útil per escriure amb veu pròpia.