Blog   ·  

Cómo transformar la calificación automática en una calificación más inteligente

Christine Lee
Christine Lee
Content Manager

Subscribe

 

 

 

 

By completing this form, you agree to Turnitin's Privacy Policy. Turnitin uses the information you provide to contact you with relevant information. You may unsubscribe from these communications at any time.

 

¿Qué es la calificación automática de código?

Los calificadores automáticos son una herramienta que permite a los profesores evaluar y/o proporcionar retroalimentación de forma automática a los estudiantes sobre su código. Se pueden configurar para proporcionar retroalimentación exhaustiva e inmediata, que después fomenta un aprendizaje rápido y eficiente de los estudiantes. Los calificadores automáticos se usan ampliamente en programas informáticos y de ingeniería, además de en programas estadísticos y de ciencia de datos, aunque también se pueden emplear para asignaturas de ciencias no informáticas.

El uso de un calificador automático ahorra tiempo de calificación, sobre todo para clases con un número de inscritos elevado y, además, proporciona retroalimentación a los estudiantes en tiempo real dentro de sus flujos de trabajo existentes, con el fin de que puedan preparar sus próximos pasos en su camino de aprendizaje.

Quizás parezca que la palabra «automatización» elimina la personalización, que es un aspecto esencial del aprendizaje y la comunicación entre profesores y estudiantes. Los calificadores automáticos, debido a que requieren configuración y personalización, se pueden usar como una herramienta de «depuración»; con los complementos adecuados, respetan la evaluación con integridad, acompañada de bucles de retroalimentación. Aunque un calificador automático con retroalimentación binaria mínima (correcto/incorrecto) podrá resultar útil para evaluaciones sumativas como exámenes finales en los que no se desea que los estudiantes vean las pruebas completamente ni que se den pistas sobre cómo solucionar problemas, este tipo de calificador automático disuade del aprendizaje, sobre todo en ejercicios de poca importancia, como análisis o deberes. En estas situaciones, los estudiantes que no cuentan con información para los siguientes pasos en su aprendizaje podrán hacer ajustes al azar hasta que el programa los considere correctos.

No obstante, cuando la retroalimentación va de la mano de la calificación automática, los calificadores automáticos permiten el aprendizaje personalizado y aumentan la implicación de los estudiantes. La ventaja de la retroalimentación inmediata permite a los estudiantes iterar código de forma inteligente y reenviar mejoras antes de la fecha de entrega del ejercicio sin depender de la implicación constante del instructor. De este modo, los instructores pueden fomentar el aprendizaje autodirigido. Además, un calificador automático con retroalimentación puede fomentar el aprendizaje al ritmo de cada individuo.

El aprendizaje personalizado se basa en la personalización de la experiencia de aprendizaje para cada estudiante con arreglo a sus habilidades y aptitudes únicas y otros factores contextuales. En resumen, es una forma de implementar la pedagogía de alto nivel en las interacciones entre estudiantes y profesores.

1 de cada 3 administradores consideran el aprendizaje personalizado como «una forma transformadora de mejorar la educación pública», según una encuesta de investigación de la Semana de la Educación 2018; y un 57 % de los administradores cree que la tecnología digital es una herramienta efectiva para complementar la personalización.

En una encuesta subsiguiente de la Semana de la Educación 2019, el 46 % de los profesores dijeron que eran optimistas respecto al aprendizaje personalizado, y el 91 % de los encuestados dijeron que al menos tenían cierta confianza en que las herramientas digitales pudieran personalizar el aprendizaje de forma efectiva para los estudiantes (p. 4). El aprendizaje personalizado es un enfoque pedagógico aceptado para apoyar el aprendizaje de los estudiantes.

Mediante la implementación del aprendizaje personalizado, los educadores pueden apoyar a cada estudiante en su camino de aprendizaje. Por ejemplo, la reducción de la distancia entre los estudiantes de mayor y menor rendimiento puede fomentar una población de estudiantes diversa y más cualificada que después inicie su trayectoria profesional en ingeniería de software (Aravind y Balasangameshwara, 2019).

¿Cuáles son los desafíos a la hora de implementar el aprendizaje personalizado con los calificadores automáticos?

A la hora de enseñar a los estudiantes programación de software, hay desafíos únicos para la evaluación y la retroalimentación.

  • La retroalimentación meditada y procesable puede llevar tiempo. Según Scott Smith, profesor de informática en la Universidad Johns Hopkins, «en los cursos que enseñan programación, normalmente se asignan proyectos a los estudiantes que les exigen que escriban programas para solucionar problemas. Cuando los instructores califican este tipo de ejercicios, no solo tienen que observar los resultados del programa, sino también el enfoque del estudiante. Si los resultados no son correctos o el programa no funciona, tendremos que dedicar tiempo a revisar cientos de líneas de código para depurar el programa y así poder proporcionar una retroalimentación meditada».
  • Un sistema binario de correcto/incorrecto no fomenta el aprendizaje. Sin retroalimentación meditada, un calificador automático destinado a fomentar el aprendizaje no indica a los estudiantes los pasos siguientes que deben dar. Al hacerlo, los estudiantes podrían hacer ajustes aleatorios y renunciar a oportunidades de aprendizaje. Según Kevin Lin, profesor de enseñanza asistente de la Universidad de Washington, «el ciclo de desarrollo resultante impulsado por el calificador automático se produce cuando los estudiantes realizan pequeños ajustes en su código de forma aparentemente aleatoria, lo envían al calificador automático y repiten el proceso hasta que el programa aprueba todas las pruebas enviadas».
  • La dependencia excesiva de los calificadores automáticos puede disuadir del aprendizaje autodirigido. Aunque los calificadores automáticos resultan útiles para apoyar las evaluaciones, en especial en clases grandes, si están mal diseñados pueden conllevar que los estudiantes se aprendan sus entresijos mejor que los propios conceptos. Según los investigadores, «los estudiantes [pueden] usar los calificadores automáticos en lugar de su propia reflexión meditada». (Baniassad, Zamprogno, Hall y Holmes, 2021).
¿Cómo pueden los educadores permitir que los calificadores automáticos tiendan un puente entre la enseñanza y el aprendizaje?

Los calificadores automáticos, sin duda, resultan útiles para apoyar las evaluaciones de informática de los estudiantes mediante rúbricas (revisión por pares). Cuando se combinan con retroalimentación significativa y personalizada, los calificadores automáticos pueden constituir una parte importante del aprendizaje personalizado mediante rúbricas (revisión por pares).

La investigación reconoce el amplio uso de los calificadores automáticos en los cursos de informática por razones pragmáticas. Un estudio averiguó que, cuando se proporciona retroalimentación meditada, las entregas subsiguientes de los estudiantes mejoraron un 96 % (Haldeman et al., 2018). El mismo grupo de investigación, en un estudio de seguimiento, recabó datos entre dos semestres de cursos de informática. Un semestre proporcionó pistas y retroalimentación para dos ejercicios y el otro no ofreció dicho apoyo. «Los resultados muestran que el porcentaje de estudiantes que completaron con éxito los ejercicios tras una entrega errónea inicial era tres veces mayor» cuando se proporcionaban pistas y retroalimentación (Haldeman et al., 2021).

Las sugerencias para fomentar el aprendizaje con calificadores automáticos incluyen:
  • La adopción de herramientas como Gradescope para utilizar la calificación automática (independientemente del tamaño de la clase) junto con funciones de rúbrica y retroalimentación ahorra tiempo de calificación, según los instructores. Con Gradescope, los instructores pueden escribir un calificador automático diseñado para calificar una sola entrega y Gradescope se encarga del resto; los instructores no necesitan preocuparse del diseño para gestionar todas las entregas. A cambio, la retroalimentación rápida permite a los estudiantes recibir sus resultados dentro de su flujo de trabajo y proporciona los siguientes pasos del aprendizaje.
  • La aceleración de los bucles de retroalimentación mejora los resultados del aprendizaje de los estudiantes. Con Gradescope, el calificador automático de código preimportado del instructor ejecuta los envíos de código de los estudiantes a los pocos segundos de que el estudiante realice la entrega, lo que proporciona a los estudiantes retroalimentación en tiempo real sobre las partes incorrectas de su código para que puedan iterar de inmediato. En un caso práctico, la profesora Jillian Cannons, profesora asistente de matemáticas y estadística en Cal Poly Pomona, utilizó Gradescope para centralizar la retroalimentación casi instantánea, lo cual animó a los estudiantes a retocar el ejercicio hasta que encontraron la respuesta adecuada. «La profesora Cannons dice que los estudiantes asumen una mayor responsabilidad sobre su trabajo y su aprendizaje. En lugar de conformarse con un 7 sobre 10, revisaron repetidamente sus ejercicios hasta conseguir una calificación perfecta. Esta automotivación dio lugar a un mayor dominio de los conceptos y despertó una pasión por la programación informática de la que antes carecían».
  • Diseñe su calificador automático para que no solo analice el código de los estudiantes, sino que también evalúe sus pruebas para asegurar que realmente están haciendo un desarrollo impulsado por las pruebas. En consecuencia, se fomenta que los estudiantes piensen en cómo deberían analizar su código y no solo se fien de que otro escriba dichas pruebas. Un calificador automático bien diseñado que proporciona información selectiva y limitadora de la tasa, junto con un buen diseño de examen, también dificulta que los estudiantes recurran únicamente al calificador automático. En lugar de eso, actúan de forma más meditada con sus entregas.
  • El uso de herramientas como Gradescope para permitir la calificación automática y manual en el mismo ejercicio puede ayudar a los instructores a proporcionar comentarios en línea y retroalimentación adaptados a los estudiantes. «Después de que me informaran de que no contaría con ningún profesor asistente para mi curso de Principios de los lenguajes de programación el siguiente semestre, me animé a usar una de las funciones de Gradescope, la plataforma de autocalificación de ejercicios de programación. Poder proporcionar calificaciones y retroalimentación de forma automática para el código entregado por los estudiantes es el sueño de los profesores de programación desde hace mucho tiempo. El instructor establece un guión de calificación que es la base para el análisis, que proporciona calificaciones y retroalimentación para los problemas encontrados en el programa entregado por cada estudiante. El calificador automático fue realmente la función estrella en este caso», según Scott Smith.
  • Ofrecer evaluaciones frecuentes de poca importancia aumenta la transparencia e impulsa el aprendizaje de los estudiantes. Contar con información sobre lo que los estudiantes saben o no permite intervenciones personalizadas del profesor. La calificación automática reduce las exigencias de tiempo del instructor para que los estudiantes puedan crear código con más frecuencia. En la Universidad Virginia Commonwealth, la profesora Debra Duke utiliza Gradescope «para ahorrar tiempo y automatizar partes del proceso de revisión y retroalimentación», lo que le permite asignar más proyectos y proporcionar retroalimentación más meditada e individualizada; sus estudiantes disponen ahora de un 50 % más de práctica de codificación que antes.
  • La señalización de oportunidades de aprendizaje dentro del calificador automático proporciona orientación específica a los estudiantes. Anya E. Vostinar, profesora asistente de informática en Carleton College, compartió sus propios consejos con el calificador de Gradescope que fomentan dichas oportunidades de aprendizaje.

Gradescope transforma la calificación en aprendizaje y permite un aprendizaje personalizado junto con la calificación automática mediante rúbricas (revisión por pares). ¿El resultado? Los educadores tienen tiempo para enseñar.

Empiece con la documentación de nuestro calificador automático o eche un vistazo a la página de recursos de la comunidad de Gradescope, donde los instructores comparten sus calificadores automáticos.