Rúbrica de alfabetización en IA del estudiante

Instrumento de avalúo de la competencia de alfabetización en IA · Alineable con Learning Goals de programa y AACSB
Sugerencia: abra este archivo en Microsoft Word para editarlo y guardarlo como .docx

Propósito y uso

A diferencia de nuestra rúbrica de uso responsable (que evalúa el uso de IA en un trabajo específico), este instrumento evalúa la alfabetización en IA como competencia del estudiante — apta para servir de medida directa en un ciclo de Assurance of Learning cuando el programa adopta la alfabetización en IA como Learning Goal. Puede aplicarse a un artefacto dedicado (p. ej., un análisis crítico de resultados de IA, un proyecto con bitácora de colaboración humano-IA) o como rúbrica de salida en cursos capstone. La evidencia de 2026 respalda su pertinencia: la alfabetización en IA es el factor protector medible contra los efectos negativos de la dependencia.

Escala: Ejemplar (4) · Competente (3) · En desarrollo (2) · Insuficiente (1). Estándar de logro sugerido para AoL: 80% de los estudiantes en nivel 3 o superior.

Rúbrica

Criterio	Ejemplar (4)	Competente (3)	En desarrollo (2)	Insuficiente (1)
Comprensión conceptual	Explica con precisión qué hacen los modelos generativos, sus límites (invenciones, sesgos, corte de datos) y las implicaciones para su disciplina.	Explica correctamente el funcionamiento general y los límites principales de la IA generativa.	Nociones parciales; confunde capacidades reales con atribuciones populares.	Concepción errónea del funcionamiento; atribuye a la IA autoridad o comprensión que no tiene.
Uso estratégico	Formula instrucciones con contexto, rol y formato; itera con criterio; elige cuándo usar y cuándo no usar IA según el objetivo.	Formula instrucciones claras y ajusta cuando el resultado no sirve; distingue tareas aptas de no aptas.	Uso funcional pero genérico; acepta el primer resultado; no distingue tareas aptas.	Uso mecánico como buscador de respuestas; sin iteración ni criterio de pertinencia.
Evaluación crítica	Verifica sistemáticamente contra fuentes confiables; detecta errores, sesgos y omisiones; documenta la verificación.	Verifica los resultados importantes y corrige errores evidentes.	Verificación ocasional o superficial; reproduce algún contenido sin contrastar.	Acepta y reproduce contenido de IA sin verificación alguna.
Ética y ciudadanía digital	Aplica las normas de divulgación y atribución sin recordatorio; protege datos propios y ajenos; razona sobre las implicaciones sociales y profesionales del uso de IA.	Cumple las normas de divulgación y protección de datos; reconoce dilemas éticos relevantes.	Cumplimiento irregular; conciencia limitada de los riesgos de datos o atribución.	Ignora las normas de divulgación o expone datos; no reconoce dimensión ética alguna.

Notas para el avalúo de programa (AoL)

Punto de medición sugerido: curso capstone o curso avanzado requerido, con re-medición en el siguiente ciclo tras las acciones de mejora.
Recoja la evidencia con un artefacto común entre secciones para asegurar comparabilidad.
Reporte por criterio, no solo el total: los perfiles típicos muestran fortaleza en uso estratégico y debilidad en evaluación crítica — esa brecha es la acción de mejora natural.
Alineación AACSB: documente esta rúbrica como medida directa del Learning Goal de tecnología/analítica o del de pensamiento crítico, según el mapeo de su programa.

La Inteligencia Artificial en el Salón de Clases · Boletín semanal para profesores universitarios · Pontificia Universidad Católica de Puerto Rico · 2026