2026-10-27 · Fuente：Tom's Hardware
Richard Brocherds, de UC Berkeley, dice que las tareas ahora califican al chatbot y no al estudiante, dejando los exámenes presenciales con supervisión como la única forma de medir lo que los estudiantes realmente saben.
Richard Brocherds ha dejado de calificar tareas. El veredicto del matemático ganador de la Medalla Fields sobre los conjuntos de problemas calificados en la era de los chatbots: evaluar respuestas escritas por IA es una pérdida de tiempo y dinero.
La conclusión del profesor de UC Berkeley va al núcleo del problema de la integridad académica. Cuando los estudiantes pueden entregar trabajos generados por un modelo, lo que se califica ya no es la comprensión del estudiante sino la salida de la máquina —y, a juicio de Brocherds, pagar por esa evaluación no logra nada. Su respuesta es consolidar la evaluación en un formato único: el examen presencial, que plantea como la única solución que queda frente al uso generalizado de la IA.
Quien toma la decisión importa tanto como la decisión en sí. Brocherds ostenta una Medalla Fields, el honor más codiciado de las matemáticas, y enseña en una de las universidades públicas más importantes del mundo. Cuando un matemático de esa estatura concluye que las tareas —un fijo del entrenamiento matemático durante generaciones— ya no pueden funcionar como ejercicio calificado, la decisión se lee como algo más que la ordenación doméstica de un aula. Equivale a un juicio desde dentro de las matemáticas de élite sobre lo que la IA generativa le ha hecho al trabajo para casa.
Hay una economía en el argumento. Calificar consume tiempo y dinero —horas de instructor, presupuestos de correctores— y si los trabajos bajo revisión están escritos por máquina, ese gasto mide la fluidez de un chatbot y no el conocimiento de un estudiante. El remedio de Brocherds es directo: dejar de financiar la señal rota y reservar la evaluación para el único escenario donde un estudiante no puede ser sustituido por un modelo.
La pregunta abierta es cuántas instituciones seguirán su ejemplo. Por ahora, un medallista Fields ha respondido en la forma más cruda disponible: lo que ocurra fuera de una sala supervisada ya no puede confiarse como medida del aprendizaje, y solo sobrevive el examen supervisado.
Etiquetas: UC Berkeley · Richard Brocherds · AI Cheating · Academic Integrity · Generative AI · Higher Education
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado