Evaluación formativa con Inteligencia Artificial: Estrategias para la generación de retroalimentación descriptiva, personalizada y sostenible frente al agotamiento docente

La retroalimentación formativa cualitativa y descriptiva es reconocida unánimemente en la literatura pedagógica contemporánea como una de las intervenciones didácticas con mayor impacto en el rendimiento académico y en el desarrollo de la autorregulación del aprendizaje estudiantil. Sin embargo, su implementación efectiva en las aulas de Educación General Básica y Bachillerato entra en conflicto directo con las realidades operativas y estructurales de las instituciones educativas latinoamericanas: grupos hipernumerosos, exigencias curriculares extensas y una cantidad abrumadora de tareas administrativas contingentes. Esta discrepancia sistemática entre el ideal pedagógico y la capacidad operativa real del educador genera altos índices de desgaste profesional (burnout) o, en su defecto, provoca la degradación del proceso evaluativo hacia la emisión de calificaciones numéricas o comentarios genéricos desprovistos de valor formativo.

El presente artículo de investigación propone un abordaje teórico y metodológico integral sobre cómo la Inteligencia Artificial Generativa (IAG), fundamentada en Modelos de Lenguaje a Gran Escala (LLM), puede implementarse como un asistente de andamiaje evaluativo. Se establece el Modelo de Retroalimentación Triádic

Asistida (RTA), el cual permite al docente redactar devoluciones descriptivas, altamente personalizadas y orientadas al futuro (feedforward), reduciendo drásticamente la carga cognitiva y temporal sin sustituir el juicio profesional ni la sensibilidad humana. A través de un análisis interdisciplinario que abarca la

psicología del aprendizaje, la salud ocupacional docente y la ética algorítmica, se discuten los límites normativos necesarios para proteger la privacidad de los estudiantes y garantizar la soberanía pedagógica del maestro.