¿Cómo evaluar el aprendizaje docente en la era de la IA?

01 abril 2026
La aparición de herramientas de IA cuestiona la validez de evaluar únicamente productos visibles, que pueden generarse o mejorarse con ayuda de la IA, y abre nuevas posibilidades para analizar la práctica docente (img.: iStock).

Un informe de European Schoolnet analiza cómo reconocer y evaluar el aprendizaje profesional del profesorado en un contexto educativo transformado por la IA, con enfoques más integrales que combinen observación de aula, mentoría, reflexión profesional y múltiples fuentes de evidencia. El estudio propone repensar la evaluación del desarrollo profesional docente como un proceso continuo, colaborativo y apoyado en la tecnología, pero siempre centrado en la reflexión y la autonomía profesional del profesorado.

El informe Assessing Teacher Learning in the Age of AI se enmarca en una preocupación cada vez más extendida en Europa: cómo reconocer y valorar el aprendizaje profesional del profesorado cuando ese aprendizaje ya no ocurre sólo en cursos o acreditaciones formales, sino también en la práctica cotidiana, la reflexión compartida y el diálogo entre docentes. El trabajo, publicado por European Schoolnet, reúne perspectivas de investigación y práctica para examinar cómo están cambiando los sistemas de educación docente ante la integración de la inteligencia artificial en el trabajo profesional de los docentes.

Reconocer el aprendizaje docente más allá del cursillo de formación

El informe centra su crítica en una idea todavía muy extendida: que el aprendizaje docente solo puede acreditarse mediante evidencias escritas o certificaciones externas. El informe sostiene que esas evidencias no bastan por sí solas para identificar el verdadero desarrollo profesional. European Schoolnet subraya que, frente a esa limitación, están ganando peso la observación, el diálogo y la mentoría como formas de hacer visible el aprendizaje, y que los portafolios deben permitir contrastar evidencias a lo largo del tiempo y en distintos contextos.

Desde esta perspectiva, el aprendizaje docente se entiende menos como un conjunto de hitos (cursos, webinars, certificados…) que como una trayectoria. Lo relevante ya no es tanto demostrar que se ha asistido a una formación, como mostrar cómo esa formación se transforma en cambio pedagógico. La evidencia más valiosa aparece, por tanto, en la mejora de la praxis docente; por ejemplo, en la revisión de una planificación tras una observación entre pares, en un ajuste metodológico a partir de la retroalimentación de un mentor, o en una reflexión en el departamento que reordena la intervención educativa.

De la acreditación puntual a la evaluación formativa y contextualizada

El informe sitúa el foco en cómo evaluar procesos de mejora en contextos situados, progresivos y relacionales, sin centrarse únicamente en resultados cerrados. El objetivo es reunir perspectivas sobre cómo se está reconociendo actualmente el aprendizaje docente y cómo deberían adaptarse los sistemas de evaluación en este nuevo escenario.

El texto destaca una tendencia clara en Europa: los modelos de evaluación del profesorado están desplazándose hacia enfoques más formativos, continuos y contextualizados.

La calidad del aprendizaje profesional no se mide bien con una sola instantánea, sino con la lectura conjunta de múltiples indicadores de progreso. Por ello, en lugar de buscar una prueba única y definitiva, se apuesta por combinar varias fuentes de información: observación de la práctica, diálogo profesional, mentoría, portafolios dinámicos y evidencias contextualizadas.

Es razonable pensar que, si el trabajo docente afronta aulas cada vez más diversas e inclusivas, en el contexto de un uso creciente de la IA en las tareas profesionales, deberían cambiar también los marcos con los que se interpreta el desarrollo docente. No se trata solo de añadir tecnología a los procedimientos existentes, sino de revisar la lógica misma de la evaluación.

La IA como herramienta de apoyo

El informe no trata la IA como un mero añadido técnico, sino como un factor que altera las condiciones mismas del aprendizaje y de su evaluación. La IA ya forma parte de las herramientas profesionales cotidianas y, por tanto, influye en cómo los docentes planifican, experimentan y reflexionan sobre su práctica. Por eso la cuestión no es solo cómo usar la IA en el aula, sino cómo integrarla en procesos de aprendizaje profesional que sigan siendo auténticos, significativos y éticos.

La IA es un factor que altera las condiciones mismas del aprendizaje y de su evaluación

En este marco, la IA aparece como una posibilidad para agilizar tareas de análisis, organizar evidencias o apoyar el feedback. Ese potencial es especialmente interesante en programas de mentoría y acompañamiento entre docentes, porque puede ayudar a sistematizar observaciones, detectar patrones de cambio y hacer más accesible la revisión de prácticas complejas. Sin embargo, el propio informe mantiene una línea de cautela, al advertir que la tecnología puede ayudar a leer más información, pero no debe sustituir el juicio profesional humano. Las recomendaciones difundidas públicamente remarcan precisamente la necesidad de avanzar hacia enfoques ajustados a un entorno educativo rico en IA, de modo que refuercen la autenticidad, la práctica ética y el crecimiento profesional sostenido.

La IA no debe sustituir el juicio profesional humano

El informe sostiene que, si bien la IA abre oportunidades reales, también exige una vigilancia crítica, y deja entrever algunos riesgos importantes. Uno es el reduccionismo; si los sistemas basados en IA se usan sin criterio, pueden empujar a medir solo lo que es fácil de cuantificar y dejar fuera dimensiones esenciales de la docencia, como el juicio pedagógico, la adaptación situada o la calidad del diálogo profesional. Otro riesgo es el sesgo, debido a que los datos de prácticas previas pueden contaminar o reproducir visiones parciales sobre lo que cuenta como buenas prácticas. De ahí que el informe insista en mantener la evaluación bajo control humano, con criterios transparentes y con una clara orientación ética, es decir, mantener un equilibrio entre la ayuda tecnológica y el juicio profesional (saber experto del equipo docente).

La relevancia de la colaboración profesional

Un aspecto destacado del informe es la defensa de los modelos colaborativos, que ayudan a consolidad y a hacer visibles los aprendizajes. La mentoría entre docentes, por ejemplo, convierte la práctica individual en conversación profesional compartida, y la observación entre pares permite que el cambio no quede reducido a una autoevaluación privada, sino que sea discutido, contrastado y reinterpretado por otros profesionales con experiencia.

Estas y otras formas de colaboración ayudan a identificar el aprendizaje docente cuando gran parte del mismo se produce a través de la práctica, la reflexión y el diálogo, por lo que, según el seminario temático de European Schoolnet asociado al informe, forman parte del nuevo paradigma evaluativo: “Pequeños ajustes, reflexiones compartidas y conversaciones continuas con los compañeros están dando forma a la manera en que se documenta y reconoce el aprendizaje profesional en el contexto actual. El objetivo no es tener todas las respuestas de inmediato, sino seguir explorando lo que resulta significativo y útil en la práctica.”

Este énfasis en la colaboración responde a la evidencia de que el aprendizaje docente se fortalece cuando se inscribe en comunidades profesionales de práctica que comparten criterios y expectativas. La mentoría, en este sentido, no debe entenderse solo como apoyo a docentes noveles; también funciona como un mecanismo de producción de conocimiento práctico, en el que la experiencia se vuelve discutible y la mejora se convierte en una tarea colectiva.

Recomendaciones

El informe ofrece una serie de recomendaciones informadas por las evidencias para apoyar a los responsables políticos, formadores de docentes y líderes escolares en la adopción de enfoques de evaluación adecuados para un entorno educativo con una fuerte presencia de IA:

  1. Actualizar los estándares y marcos de referencia para docentes. Integrar competencias en IA en los estándares nacionales e institucionales: alfabetización básica en IA, uso pedagógico y uso ético.
  2. Rediseñar la evaluación del aprendizaje docente. Pasar de una evaluación centrada en el producto a otra centrada en el proceso, que documente las decisiones tomadas, el uso de herramientas de IA y la reflexión ética, para promover la transparencia y el pensamiento crítico.
  3. Evaluar la dimensión ética y actitudinal. Incluir debates, análisis de casos y diarios reflexivos para valorar el razonamiento ético y las actitudes del profesorado hacia el uso de la IA.
  4. Usar la IA para evaluación formativa. Explorar herramientas de observación asistida por IA, tutoría virtual y simulaciones para ofrecer una retroalimentación constante y más personalizado, pero siempre como apoyo, no como sustituto del juicio humano.
  5. Proteger la privacidad, la equidad y la supervisión humana. Establecer protocolos claros de protección de datos, consentimiento informado y uso responsable de vídeo, audio y datos del alumnado. Reducir los sesgos algorítmicos asegurando la diversidad de los datos y el control humano en la interpretación.
  6. Impulsar el aprendizaje continuo. Crear sistemas de seguimiento de las competencias en el desarrollo profesional continuo, con microcredenciales o certificaciones periódicas.
  7. Preservar las relaciones humanas. Asegurar que la IA complemente, pero que no reemplace, la mentoría, el diálogo profesional y la retroalimentación relacional.

El informe, en definitiva, propone una transformación importante en la manera de pensar la evaluación docente, constatando que la mejora real suele emerger en la práctica, en la conversación y en la colaboración entre el profesorado. La IA puede facilitar este proceso, pero también puede simplificar en exceso la complejidad de enseñar y aprender. La clave, por tanto, es una evaluación más humana, que reconozca las trayectorias y no solo los resultados; que se centre en comunidades de práctica, y no solo en individuos, y que se apoye en el saber experto (juicio profesional), no solo en los datos.


Referencia

  • Richardson, M., Abbott, E., Hertz, B. & Saltidou, E. (2026). Assessing Teacher Learning in the Age of AI. European Schoolnet, Brussels, Belgium. Disponible en este enlace.