Una de las tareas que más tiempo consume del trabajo docente es la corrección de tareas, tests y exámenes escritos por los estudiantes, manuscritos sobre papel. En varios artículos (anteriores a la llegada de la IA…) ya habíamos sugerido un par de formas de aplicar principios de eficiencia a estas correcciones, principalmente preparando pruebas muy estructuradas, con sistemas de puntuación sencillos y, cuando es posible, utilizar tests para evaluar.
Desde la llegada de las herramientas de IA y la integración de funcionalidades de reconocimiento de textos en imágenes (OCR), hemos hecho algunas pruebas con la corrección de materiales digitales y a partir de fotografías de las pruebas de selectividad.
En ambos casos, aunque los modelos empleados eran capaces de realizar algún tipo de corrección y calificación, los resultados aún no eran satisfactorios y, sobre todo, los procedimientos disponibles aún no resultaban funcionales.
En este artículo vamos a probar un procedimiento de corrección y calificación de materiales en papel más práctico y que, tal vez en el futuro, sí que se podría integrar en las rutinas y ahorrar tiempo. Aunque aquí traemos una reflexión: la tecnología de la IA está avanzando a tal velocidad y está afectando de tal manera al mundo de la educación (y otros campos), que es muy posible que en un plazo medio hayan desaparecido algunas/muchas de las actividades educativas que ahora usamos, como las tareas o exámenes en papel…
Introducción
Para poner a prueba diferentes modelos de IA para corregir exámenes de estudiantes, hemos seguido este procedimiento:
- 👉 Se ha pasado un examen en papel de matemáticas a estudiantes de 3º de Primaria en España (8-9 años) centrado en cálculos: sumas, restas, multiplicaciones y divisiones.
- 👉 Cuando los estudiantes han completado terminado el examen, el docente ha cubierto los nombres de los estudiantes (para evitar problemas de protección de datos) y ha usado una fotocopiadora para escanear TODOS los exámenes a la vez en un único documento PDF (esta es una función que tienen prácticamente todas las fotocopiadoras). Este archivo PDF se puede guardar en una memoria USB.
- 👉 Se probaron varios modelos de IA en su capacidad de reconocer los textos del archivo PDF (función OCR) y se identificaron aquéllos que NO eran capaces de hacerlo, los que tenían bastantes errores y los que tenían mejor calidad.
- 👉 Usando los modelos que mejor funcionaron, se probaron diferentes prompts para que corrigieran y calificaran estos exámenes, dando como resultado una puntuación numérica y una valoración cualitativa de los resultados.
Examen de cálculo de 3º de primaria
Como hemos dicho, vamos a probar con un ejemplo real de examen de cálculo de 3º de primaria, en el que los estudiantes deben resolver operaciones básicas (suma, resta, multiplicación, división) y se hace un pequeño repaso adicional de las tablas de multiplicar. Este es el examen, por si quieres consultarlo (clic para descargar el PDF).
Como se ve, es un buen punto de partida para poner a prueba este procedimiento, ya que los estudiantes no deben redactar mucho texto, sólo realizar las operaciones y escribir el resultado.
Y este es el aspecto de algunos de los exámenes completados por los estudiantes, entre los que mostramos diferentes tipos de letra que se entiende con mayor o menor dificultad.
Seguro que tú sí que puedes leerlos, interpretarlos y calificarlos, pero ¿crees que los modelos de IA serán capaces de «entender» la letra de los estudiantes? 😉
OCR – Comprensión de la letra de los estudiantes
Para que este procedimiento funcione, el primer aspecto imprescindible es que los modelos de IA usados sean capaces de interpretar correctamente lo que escriben a mano los estudiantes, por lo que hicimos algunas pruebas con varios modelos, en los que pasamos el examen de un único estudiante y le pedimos que nos devolviera las información ordenada.
PROMPT
Te voy a pasar un documento con un examen de cálculo de un estudiante que contiene varios ejercicios resueltos a mano.
Los ejercicios del 1 al 4 tienen dos apartados y el ejercicio 5 es una tabla de 3 columnas y 10 filas.
Quiero que me extraigas de este examen las respuestas del estudiante en cada uno de los ejercicios perfectamente ordenadas.
No tienes que corregirlas, sólo mostrarme las respuestas del estudiante.De entre los diferentes modelos probados, aquí mostramos los resultados:
- ❌ NO leen el PDF: ChatGPT (ningún modelo), Perplexity, Claude
- ❌ SÍ leen el PDF, pero con bastantes errores: DeepSeek y Grok
- ✅ SÍ leen el PDF con muy pocos errores y mucha fiabilidad: Gemini, Mistral, Microsoft Copilot, Qwen y NotebookLM
⚠️ El problema es que, si los mejores modelos no son capaces de mostrar una fiabilidad al 100% de «comprensión» del texto escrito por los estudiantes, entonces no tendremos un buen material sobre el que aplicar procedimientos de corrección y calificación, porque acumularán (o amplificarán) los errores insertados en este primer paso crítico…
Los errores cometidos son principalmente que confunden cifras o interpretan la línea de la respuesta como parte de lo escrito por el estudiante. Aquí mostramos capturas comparadas de lo que escriben los estudiantes (izquierda) y de la interpretación de los modelos de IA usados (derecha).
Como se ve, errores variados de interpretación del material escrito, a los que estamos tan habituados los docentes…😉
Pruebas de corrección
A pesar de estos errores de interpretación, hemos hecho algunas pruebas con algunos de los modelos, para que nos sirvan de experiencia en el desarrollo de prompts.
Corrección de un examen
Para estas pruebas hemos usado Gemini al que hemos aportado el PDF con el examen de uno de los estudiantes y hemos aplicado este prompt.
PROMPT PARA GEMINI
Actúa como maestro de matemáticas de primaria.
Te voy a pasar un documento con un examen de cálculo de un estudiante que contiene varios ejercicios resueltos a mano.
Tu tarea es corregirlo y calificarlo siguiendo estas instrucciones:
Las preguntas desde la 1 a la 4 valen 2 puntos cada una, pero cada una tiene 2 apartados, cada uno de los cuales vale 1 punto. La pregunta 5 vale 2 puntos y cada respuesta correcta una parte proporcional.Este es un ejemplo de la respuesta que nos proporciona Gemini (¡recuerda que hay errores en la interpretación del texto escrito a mano por el estudiante!).
RESPUESTA DE GEMINI
Puntuación por pregunta (con la ponderación final):
1. Sumas de 4 cifras (vale 2 puntos en total, cada apartado 1 punto):
a) 2.358+4.627=6.985 (Correcto) - 1 punto
b) 7.194+1.086=8.280 (Correcto) - 1 punto
Subtotal: 2 puntos
2. Restas de 3 cifras (vale 2 puntos en total, cada apartado 1 punto):
a) 538−264=134 (Incorrecto, debe ser 274) - 0 puntos
b) 703−489=214 (Correcto) - 1 punto
Subtotal: 1 punto
3. Multiplicación de 3 cifras por una cifra (vale 2 puntos en total, cada apartado 1 punto):
a) 345×5=1.725 (Correcto) - 1 punto
b) 278×6=_ (Incompleto) - 0 puntos
Subtotal: 1 punto
4. Divisiones por una cifra (vale 2 puntos en total, cada apartado 1 punto):
a) 763÷3=254 (Correcto) - 1 punto
b) 984÷4=246 (Correcto) - 1 punto
Subtotal: 2 puntos
5. Repaso de las tablas de multiplicar (vale 2 puntos en total, cada respuesta correcta una parte proporcional):
Hay 30 operaciones de tablas de multiplicar.
Correctas (25):
5×3=15
[...]
9×3=27
Incorrectas (5):
2×7=JH (debe ser 14)
[...]
3×6=28 (debe ser 18)
Puntos para esta sección: (25 correctas / 30 totales) × 2 puntos ≈ 1.67 puntos
Subtotal: 1.67 puntos
Calificación final del estudiante:
Sumando los subtotales:
2 (sumas) + 1 (restas) + 1 (multiplicaciones) + 2 (divisiones) + 1.67 (tablas) = 7.67 puntos
La calificación final del estudiante sería 7.67 sobre 10.💡 Curiosamente, a pesar de los errores, la calificación aportada por Gemini no difiere mucho de la calificación real proporcionada por el docente: 8
Corrección y calificación de todos los exámenes
Para probar este procedimiento hemos usado otra aproximación mediante el uso de NoteoobkLM, que también tenía un bajo índice de errores en la transcripción (pero no 0).
Para ello, hemos preparado una plantilla de corrección del examen en la que se muestran detalladas todas las respuestas correctas.
Y hemos usado el siguiente prompt:
PROMPT PARA NOTEBOOKLM
Actúa como maestro de matemáticas de primaria.
Hay un documento con una prueba de cálculo de muchos estudiantes (17) y tu tarea es corregirlos y calificarlos siguiendo la plantilla proporcionada.
Calificaciones de las preguntas: Las preguntas desde la 1 a la 4 valen 2 puntos cada una, pero cada una tiene 2 apartados, cada uno de los cuales vale 1 punto. La pregunta 5 vale 2 puntos y cada respuesta correcta una parte proporcional.
Saca los resultados de esta forma:
-Número asignado al estudiante
-Puntos de la pregunta 1
-Puntos de la pregunta 2
-Puntos de la pregunta 3
-Puntos de la pregunta 4
-Puntos de la pregunta 5
-Suma de todos los puntos, redondeado a 1 cifra decimal
-Breve comentario sobre los aspectos positivos de los resultados y los aspectos que debería mejorar.NotebookLM no tiene ningún problema en corregir y calificar en un una interacción los 17 exámenes aportados en un único documento PDF…🤯
Y este es el tipo de respuesta que elabora para uno de los estudiantes (el mismo que el del caso anterior).
RESPUESTA DE NOTEBOOKLM
Aquí tienes los resultados y comentarios para cada uno de los 17 estudiantes:
Estudiante 1
-Puntos Pregunta 1: 2
-Puntos Pregunta 2: 2
-Puntos Pregunta 3: 1
-Puntos Pregunta 4: 2
-Puntos Pregunta 5: 2
Puntuación Total: 9.0
Comentario: Muy buen trabajo. Demuestras un excelente dominio en sumas, restas, divisiones y tablas de multiplicar. Solo es necesario revisar con cuidado la última cifra en la multiplicación 278x6 para alcanzar la perfección. ¡Sigue así!
Estudiante 2:...Recordemos que la calificación de este estudiante era un 8 de acuerdo a la corrección del docente.
Conclusiones
☑️ Aunque el sistema OCR que permite la transcripción de los manuscritos a texto digitalizado ha avanzado y mejorado, aún no es perfecto y tiene fallos con el material escrito por estudiantes de 3º Primaria.
☑️ Como este sistema OCR tiene fallos, todavía no resulta fiable aplicar los modelos de IA en la corrección y calificación, ya que todo el proceso estaría funcionando con datos erróneos.
☑️ Estos ensayos nos ayudan a proponer nuevos experimentos en los que haya una planificación previa del examen que elimine por completo o minimice en gran medida los posibles errores del OCR.
☑️ Realizar estas pruebas periódicas nos permite ver el gran progreso del desarrollo de estas tecnologías y nos anticipan la llegada de un momento en el que se puedan realizar sin complejidad en el procedimiento ni dudas en su fiabilidad.
☑️ Habría que hacer más pruebas cambiando los modelos de IA usados y también otros factores para encontrar las mejores opciones y aplicarlas en el futuro.
👉 Si pruebas este método de corrección y calificación de exámenes de tus estudiantes (o tareas o tests) o conoces otros diferente, nos gustaría que nos lo contaras en los comentarios del artículo o en redes sociales.