Durante más de quince años he vivido la educación desde dentro y desde todos sus ángulos: profesor, coordinador de FP, coordinador TIC, jefe de estudios, director operativo, formador, consultor y docente universitario. He trabajado con centros públicos, concertados y privados; con universidades, sindicatos y servicios autonómicos de formación; y he acompañado a equipos directivos y entidades que impulsan innovación en distintos territorios.
En mi labor actual como profesor en la UAX y, especialmente, como miembro del proyecto europeo EmpowerAId con la VIU, participo en el análisis de grupos focales y entrevistas en profundidad con formadores de formadores de toda Europa. Los datos son claros: la evaluación es uno de los puntos más críticos y confusos en la adopción de la IA en educación. Los formadores describen falta de criterios uniformes para decidir cuándo usar IA, incertidumbre sobre la autenticidad de las tareas hechas en casa, ausencia de marcos éticos y pedagógicos claros, desigualdades según el acceso a herramientas de IA, miedo a errores, privacidad y dependencia, y dudas realistas sobre qué significa “evaluar” cuando un alumno puede usar IA en cualquier momento.
El feedback de expertos dentro del propio proyecto confirma que los evaluadores piden incorporar equidad, nuevas formas de evaluación, autenticidad, ética y criterios reales para decidir el uso de IA en cada tarea. Este diagnóstico coincide, además, con lo que escucho cada semana en formaciones, asesorías y conversaciones con docentes y equipos directivos: la evaluación se ha convertido en el talón de Aquiles de los centros educativos.
*Este análisis recoge tendencias observadas en formaciones, asesorías y en el marco de proyectos europeos como EmpowerAId. No se utilizan datos sensibles ni citas textuales de participantes, sino patrones generales alineados con la literatura y la práctica educativa.
A esta evidencia práctica se suman tres documentos oficiales europeos que apuntan exactamente en la misma dirección.
European Schools Guidelines (2025): un trabajo no supervisado no puede utilizarse como base fiable para calificar, porque es imposible garantizar si lo ha hecho el alumno o la IA.
EU Ethical Guidelines (2022): es imprescindible mantener la supervisión humana y evitar la dependencia cognitiva.
Guidelines on the Use of AI in Education – INTEF (2024): insiste en revisar tareas, repensar evidencias y asegurar accesibilidad y equidad en cualquier actividad relacionada con IA.
Todo apunta a la misma conclusión: la educación necesita un nuevo marco de evaluación. Un marco práctico, ético y aplicable a cualquier etapa. No uno basado en perseguir o detectar quién usa IA (los propios documentos europeos reconocen que no hay métodos fiables), sino uno que permita diseñar tareas auténticas, resistentes y coherentes con el aprendizaje real.
Son auténticas cuando piden al alumnado aplicar, analizar o crear algo con sentido real, más allá de repetir información.
Son resistentes cuando siguen siendo evaluables incluso si el alumno usa IA, porque incluyen explicaciones, decisiones, fases supervisadas o pequeñas aplicaciones sin IA que permiten ver el razonamiento propio.
Y son coherentes cuando el uso (o límite) de IA encaja con el objetivo de la tarea y con el criterio de evaluación que se quiere medir.
Ese marco es SEIA: Sistema de Evaluación e Integridad con IA, un modelo práctico, adaptable y aplicable a cualquier etapa.
Qué es SEIA
SEIA no clasifica a los alumnos, sino a las tareas. Permite decidir, antes de evaluar, qué uso de IA es pedagógicamente adecuado en cada contexto. Se integra fácilmente en situaciones de aprendizaje, programaciones LOMLOE, rúbricas, planes digitales y políticas de centro.
Cada tarea se sitúa en uno de los cuatro niveles SEIA (0–3) y se diseña atendiendo a cuatro dimensiones transversales: supervisión, independencia cognitiva, equidad de acceso y DUA.
Los cuatro niveles de SEIA
SEIA 0 — Sin IA (demostración humana pura)
Objetivo
Medir razonamiento propio sin apoyo de herramientas.
Uso de IA
No permitido.
Evidencia
Realizada íntegramente en aula; preferencia manuscrita o dispositivo sin IA.
Puede incluir breve explicación oral.
Supervisión
S2 (completa).
DUA
Alternativas expresivas; adaptaciones razonables; materiales accesibles.
Cuándo usarlo
Comprensión lectora, conocimiento previo, resolución de problemas básicos, pruebas sumativas.
SEIA 1 — IA limitada (apoyo técnico y de comprensión)
Objetivo
Mejorar la forma sin sustituir el pensamiento.
IA permitida
Corrección, simplificación lingüística, traducción, accesibilidad textual.
No genera contenido central.
Evidencia
Borrador inicial en aula; finalizable en casa.
Justificación breve del apoyo recibido.
Supervisión
S1 (parcial).
DUA
Lectura fácil, reducción de complejidad, audio/texto/imagen como soportes.
Cuándo usarlo
Informes, resúmenes, explicaciones, práctica guiada.
SEIA 2 — IA como coproductora crítica (co-creación verificada)
Objetivo
Desarrollar criterio, verificación y metacognición.
IA permitida
Ideas, ejemplos, reformulaciones, sugerencias, análisis iniciales.
Nunca se acepta IA sin revisión.
Evidencia
Explicación de qué propuso la IA y qué aceptó/rechazó el alumno.
Mini-defensa oral.
Aplicación breve sin IA.
Supervisión
S2 (alta).
DUA
Representación multimodal; accesibilidad; personalización sin rebajar exigencia cognitiva.
Cuándo usarlo
Proyectos, análisis críticos, comentarios de texto, diseño de soluciones.
SEIA 3 — IA abierta (uso experto y justificado)
Objetivo
Simular contextos reales donde la IA se usa de forma habitual.
IA permitida
Uso total: generación, síntesis, prototipado, análisis.
El foco evaluativo es la justificación humana.
Evidencia
Diario de proceso; defensa oral; prueba breve sin IA.
Supervisión
S3 (distribuida).
DUA
Adaptaciones explícitas; accesibilidad; traducción; apoyos multimodales.
Cuándo usarlo
ABP, retos interdisciplinares, investigaciones, simulaciones profesionales.
Dimensiones transversales de SEIA
Además de los niveles SEIA (0–3), cada tarea debe diseñarse atendiendo a cuatro dimensiones transversales que garantizan que la actividad es auténtica, justa y pedagógicamente sólida en un contexto donde la IA es ubicua. Estas dimensiones son las que dan profundidad al modelo y permiten aplicarlo en cualquier etapa educativa, nivel curricular o materia.
1. Supervisión del proceso (S0–S3)
La supervisión no se limita a “vigilar” al alumnado, sino a asegurar que las evidencias de aprendizaje son fiables. Los tres documentos oficiales que fundamentan SEIA —European Schools Guidelines (2025), EU Ethical Guidelines (2022) e INTEF 2024— coinciden en la importancia del control humano para preservar la autoría y evitar la delegación completa en la IA.
S0: Sin supervisión
Únicamente para tareas no evaluables (por ejemplo, actividades exploratorias o práctica no calificada). Aquí el alumno puede usar IA libremente, porque no se busca demostrar aprendizaje real.S1: Supervisión parcial
El docente observa solo un momento crítico, normalmente el borrador inicial o la planificación. Garantiza autoría mínima y permite que parte del trabajo se realice fuera del aula.S2: Supervisión completa
Toda la tarea, o las partes esenciales que determinan el aprendizaje, se realizan en clase. La evaluación es muy fiable y se evita el uso inapropiado de IA.S3: Supervisión distribuida
El proceso se supervisa en distintas fases (planificación, desarrollo, revisión, defensa). Este nivel es ideal para proyectos SEIA 3 con IA abierta, donde el riesgo de delegación es mayor y la trazabilidad resulta imprescindible.
2. Independencia Cognitiva (IC)
La Independencia Cognitiva es la capacidad del alumnado para razonar, explicar, transferir y justificar sin depender de IA. Es el elemento que garantiza que la herramienta no está sustituyendo el pensamiento del estudiante.
Las EU Ethical Guidelines (2022) lo señalan como un riesgo real: la over-reliance, o dependencia excesiva, puede erosionar competencias esenciales si no se evalúa adecuadamente.
SEIA incorpora IC como dimensión obligatoria en todos los niveles, especialmente en SEIA 2 y SEIA 3, donde el uso de IA es permitido. La independencia se evidencia a través de:
Explicaciones orales o escritas.
Pequeños ejercicios sin IA.
Justificación de decisiones.
Capacidad de corregir errores generados por IA.
Transferencia a un caso nuevo.
La pregunta central de esta dimensión es simple:
¿qué puede hacer el alumno sin IA?
3. Equidad de acceso (EA)
Una tarea evaluable nunca debe depender del acceso a IA premium o recursos que no todos los estudiantes puedan utilizar. Esta es una exigencia explícita en:
European Schools Guidelines for the Educational Use of Generative AI (2025), que establecen que todo alumnado debe disponer de igualdad de acceso a las herramientas necesarias.
Guía sobre el uso de la Inteligencia Artificial en Educación (INTEF, 2024), que advierte que el uso de IA puede amplificar brechas si no se regula.
Ethical Guidelines on the Use of Artificial Intelligence (AI) and Data in Teaching and Learning for Educators (2022), que exigen un uso de IA que no aumente desigualdades.
SEIA incorpora EA para evitar que el rendimiento académico dependa de la disponibilidad tecnológica o económica de cada familia.
En la práctica, esto significa que:
Ninguna tarea calificable puede exigir herramientas de pago o premium.
Si se permite IA, debe bastar con versiones gratuitas (preferiblemente corporativas por razones de privacidad y seguridad, un tema que desarrollaré en un próximo artículo).
El centro debe garantizar alternativas para alumnado sin dispositivos o conectividad.
La evaluación debe centrarse en procesos visibles y supervisados.
EA no es un añadido opcional: es un principio de justicia educativa.
4. DUA (Diseño Universal para el Aprendizaje)
SEIA incorpora DUA como dimensión esencial porque garantiza que todas las tareas sean accesibles, inclusivas y ajustadas a la diversidad del alumnado, tal y como establecen European Schools Guidelines for the Educational Use of Generative AI (2025) y la Guía sobre el uso de la Inteligencia Artificial en Educación (INTEF, 2024). Esta dimensión asegura que la evaluación no excluya a nadie y que la IA se utilice para personalizar sin rebajar la exigencia cognitiva.
El enfoque DUA en SEIA se concreta en tres elementos:
Accesibilidad:
Cada tarea debe poder realizarse por estudiantes con necesidades y ritmos diferentes, proporcionando formatos alternativos (visual, auditivo, textual), materiales accesibles, lectura fácil y adaptaciones razonables.
Múltiples medios:
La actividad debe ofrecer diversas formas de presentar la información, diversas maneras para que el alumnado exprese lo que sabe y distintas vías de implicación. Esto permite evaluar la competencia, no el formato.
Personalización responsable:
La IA puede emplearse para ajustar el nivel lingüístico, la complejidad o el formato de una tarea sin alterar el objetivo cognitivo. Aquí entra en juego una técnica muy eficaz que desarrollaremos en un próximo artículo: la Escala de Dificultad, un recurso que permite adaptar actividades y sesiones variando la profundidad, los apoyos o el nivel de abstracción sin modificar la competencia que se está evaluando. Esta estrategia facilita que el alumnado avance desde su punto de partida real, manteniendo siempre el rigor académico.
Cada tarea SEIA debe indicar brevemente cómo aplica esta dimensión DUA para asegurar una evaluación accesible, justa y pedagógicamente sólida.
Referencias internacionales
En los últimos años han surgido propuestas relevantes sobre cómo graduar el uso de la IA en la evaluación, como la AI Assessment Scale de Leon Furze, especialmente influyente en el ámbito universitario anglosajón. Su trabajo abrió un camino importante al plantear que la evaluación ya no puede ser binaria (IA sí/IA no), sino adaptada al propósito de cada tarea.
SEIA reconoce ese avance internacional y se nutre de la misma necesidad, pero nace desde un contexto distinto: el europeo y el español, apoyado en la evidencia de EmpowerAId y en marcos normativos que exigen accesibilidad, equidad, trazabilidad y supervisión humana. Aunque su desarrollo parte de etapas obligatorias y de la lógica de las programaciones LOMLOE y las SdA, el modelo es también aplicable a entornos universitarios, FP y formación de adultos, especialmente en proyectos, trabajos académicos, rúbricas y evaluación de competencias.
Qué aporta SEIA a los centros educativos
SEIA ofrece un marco claro y compartido para diseñar tareas auténticas en un contexto donde la IA es ubicua y donde la autoría ya no puede darse por supuesta. Proporciona un lenguaje común para departamentos, ciclos y equipos directivos, facilita acuerdos pedagógicos estables y convierte la evaluación en un proceso transparente y comprensible para toda la comunidad educativa.
Además, permite comunicar con claridad a las familias qué puede esperar el alumnado en cada tipo de tarea, reduce la dependencia de detectores poco fiables y evita respuestas reactivas o prohibiciones generalistas que no resuelven los problemas reales. Con SEIA, los centros pueden tomar decisiones coherentes sobre el uso de IA, garantizar equidad y accesibilidad, y reforzar la fiabilidad de las evidencias de aprendizaje.
Qué viene ahora
Este artículo presenta SEIA de forma general. En las próximas semanas desarrollaré cada nivel y cada dimensión en profundidad, con ejemplos aplicados a distintas etapas, plantillas listas para programaciones, rúbricas, propuestas de tareas y evidencias. También publicaré la versión en inglés SEIA — System for Assessment and Integrity with AI para su uso en contextos internacionales y en EmpowerAId.
Si tu centro, tu equipo o tu institución quiere aplicar SEIA o participar en un piloto, estaré encantado de colaborar. Y me encantará conocer tu opinión: ¿qué nivel o qué dimensión te gustaría que desarrollara primero?
La IA no elimina la evaluación; la transforma. SEIA nace para acompañar ese cambio con rigor, claridad y sentido pedagógico.
Referencias
European Commission. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union. https://doi.org/10.2766/153756
INTEF – Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado. (2024). Guidelines on the Use of AI in Education. Ministerio de Educación, Formación Profesional y Deportes.
Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The Artificial Intelligence Assessment Scale (AIAS): A framework for ethical integration of generative AI in educational assessment. Journal of University Teaching and Learning Practice, 21(6). https://doi.org/10.53761/q3azde36
Perkins, M., Roe, J., & Furze, L. (2025). Reimagining the Artificial Intelligence Assessment Scale (AIAS): A refined framework for educational assessment. Journal of University Teaching and Learning Practice, 22(7). https://doi.org/10.53761/rrm4y757
Schola Europaea. (2025). Legal and pedagogical guidelines for the educational use of generative AI. Office of the Secretary-General, Pedagogical Development Unit.
Cómo citar este trabajo
Gadea, V. (2025). SEIA: Sistema de Evaluación e Integridad con IA. Un nuevo marco para la evaluación educativa en contextos con inteligencia artificial.
Has tratado un tema que se ha convertido en una de las principales problemáticas docentes de actualidad. Gracias Vicent.
Tema necesario tratar por todos los docentes.