IA · Modelos · Ciencia · Cambridge · Educación
Cambridge evalúa los límites de la IA para calificar ensayos universitarios
El proyecto OpRaise compara tres modelos con las notas humanas de 761 trabajos de psicología.
Fecha de la fuente original:
Lo esencial
- El proyecto OpRaise compara tres modelos con las notas humanas de 761 trabajos de psicología.
- Los resultados y limitaciones se atribuyen a la comunicación de la institución.
Calificaciones consistentes, pero sesgos persistentes
El proyecto OpRaise presentó un informe que evalúa Gemini 3 Flash, GPT-5.4 y Claude Opus 4.6 sobre ensayos de psicología de tres universidades británicas. Los investigadores observaron que las notas de los modelos tendían a concentrarse en valores intermedios y respondían más que las humanas a rasgos como vocabulario y extensión.
Validar cada contexto académico
El estudio distingue consistencia de validez: repetir una calificación similar no garantiza acuerdo con el criterio académico. Sus autores recomiendan validación local y que una persona mantenga la decisión final. Los resultados corresponden a esas versiones de los modelos y a una disciplina concreta; las calificaciones humanas tampoco se consideran una medida perfecta.
Fuentes
- Universidad de Cambridge: AI not yet good enough to mark university essays, rewarding ‘style over substance’ ·
- Universidad de Cambridge: AI in University Assessment: Evaluating the Opportunities and Risks of Automated Marking ·
- ai@cam: AI not yet good enough to mark university essays, rewarding ‘style over substance’ ·