Desde 2008, enseño informática en BTS y en secundaria, especialmente en la especialidad NSI, donde la programación (Python, JavaScript, etc.) ocupa un lugar esencial. Las competencias en algoritmia se desarrollan principalmente a través de la práctica, lo que implica una gran cantidad de trabajos por corregir. Este proceso consume mucho tiempo y exige una gran atención para no pasar por alto errores sutiles cometidos por el alumnado.
Los estudiantes, por su parte, necesitan una retroalimentación rápida e individualizada para mantenerse motivados. Cuanto más precisa es la corrección, más se implican y reflexionan sobre sus errores. Ante estas limitaciones, adopté Capytale, un entorno conforme con el RGPD que permite diseñar y recuperar notebooks Jupyter a través del ENT. En este entorno se pueden integrar explicaciones, celdas de código y retroalimentación automática, lo que fomenta la atención y la participación.
Para dar un paso más, decidí recurrir a la IA generativa para delegar parte de la corrección y aliviar mi carga de trabajo. Me aseguro de anonimizar los datos para proteger la privacidad del alumnado. Aunque muy eficaz, la IA es una entidad probabilística: por ello, reviso sistemáticamente sus propuestas antes de validarlas. La calificación sigue siendo responsabilidad del docente, ya que solo la experiencia humana puede evaluar el progreso global del estudiante.
Aporte del entorno digital
La IA generativa analiza rápidamente un gran volumen de código y detecta con frecuencia errores sutiles, lo que permite al alumnado recibir una corrección detallada sin tener que esperar. Esta rapidez mantiene su implicación, ya que saben que sus dificultades serán detectadas y comentadas de forma personalizada.
Al mismo tiempo, el docente gana tiempo para dedicarlo a intercambios más profundos en clase: en lugar de pasar horas en verificaciones repetitivas, se pueden discutir las lógicas de programación o apoyar al alumnado con dificultades. Esta sinergia entre corrección automatizada e interacción humana refuerza la concentración y promueve el éxito de cada uno.
Relación con el tema “Atención y participación en clase & digital”
El uso de IA generativa ofrece retroalimentaciones individualizadas y rápidas, estimulando el deseo de progresar. El alumnado se siente motivado para comprender mejor sus errores y mejorar su código. El uso de Capytale, combinado con esta IA, crea un entorno digital en el que el docente puede centrarse en el acompañamiento activo en lugar de tareas repetitivas. Así, la atención no se dispersa por largas esperas de corrección: los estudiantes obtienen respuestas concretas, formulan más preguntas y participan con mayor entusiasmo en los debates en grupo. Todo ello contribuye a generar una dinámica de clase más interactiva y centrada en el aprendizaje.
Síntesis y experiencia en el aula
He utilizado y perfeccionado esta herramienta durante todo el año escolar 2024/25 en las clases donde se enseña programación, lo que representa 45 estudiantes, con una media de uno o dos trabajos corregidos por semana y por clase. Concretamente, recojo los notebooks del alumnado desde Capytale y luego lanzo un script local para analizar el código mediante una IA generativa. La IA genera una corrección y comentarios que reviso sistemáticamente para asegurarme de su pertinencia. Posteriormente, envío por correo a cada estudiante un PDF o un enlace individual, detallando los puntos fuertes, los errores y posibles mejoras.
El alumnado no ve directamente la IA, pero nota la rapidez y precisión del retorno. Vuelven sistemáticamente sobre su trabajo en clase, leen los comentarios recibidos y corrigen su código. La mayoría valora positivamente este acompañamiento. Para finales de año, habré recogido más impresiones a través de un cuestionario que recabará su opinión sobre esta modalidad de corrección.
Gracias a esta personalización, varios estudiantes que antes tenían poca confianza se muestran ahora más implicados: saben que una mirada atenta observa su producción y que recibirán comentarios específicos sobre sus dificultades. Tengo previsto avanzar en la síntesis de errores recurrentes para hacer recordatorios colectivos. Otra línea de desarrollo sería generar ejercicios específicos para grupos con carencias similares, manteniendo siempre una revisión humana indispensable para validar la coherencia pedagógica.
Al apostar por la IA generativa, busco optimizar la corrección de código colocando al estudiante en el centro del proceso. Las retroalimentaciones rápidas, individualizadas y fiables fomentan un compromiso más fuerte, mientras el docente puede dedicarse al acompañamiento humano y a poner en valor los progresos. Espero que esta experiencia inspire a otros colegas y abra el camino a una pedagogía más reactiva, más respetuosa con la atención en clase y más propicia a una participación activa.
Con motivo de la universidad de verano Ludovia, 22ª edición, numerosos docentes y otros miembros de la comunidad educativa presentarán su experiencia con lo digital en torno al tema del año, “ATENCIÓN y PARTICIPACIÓN en clase & digital”. Ludomag se propone ofrecerles un adelanto de estos talleres hasta el inicio del evento, el lunes 25 de agosto.
Stéphane Friedelmeyer presentará el taller “La IA para corregir trabajos prácticos de programación: reforzar el efecto del feedback mediante la individualización de los comentarios” en la sesión II: ¿CÓMO UTILIZAR RECURSOS Y CONTENIDOS PEDAGÓGICOS DIGITALES PARA FOMENTAR LA ATENCIÓN Y LA PARTICIPACIÓN EN CLASE?, el martes 26 de agosto por la tarde.
Encuentra todos los artículos sobre Ludovia#22 y todas las presentaciones de talleres en nuestra página dedicada.
Más información: www.ludovia.es
