pág. 1704
EVALUACIÓN HÍBRIDA Y
RETROALIMENTACIÓN FORMATIVA: UN
MODELO HUMAN IN THE LOOP PARA LA
DIDÁCTICA UNIVERSITARIA
HYBRID ASSESSMENT AND FORMATIVE FEEDBACK: A
HUMAN-IN-THE-LOOP MODEL FOR UNIVERSITY
TEACHING
Rosalynn Tejada Auccacusi
Universidad Nacional de San Antonio Abad del Cusco, Perú
Federico Ubaldo Fernandez Sutta
Universidad Nacional de San Antonio Abad del Cusco, Perú
Delfín Richard Mendoza Quispe
Universidad Nacional de San Antonio Abad del Cusco, Perú
Jose Angel Yañez Tuero
Universidad Nacional de San Antonio Abad del Cusco, Perú
pág. 1705
DOI: https://doi.org/10.37811/cl_rcm.v10i5.26059
Evaluación Híbrida y Retroalimentación Formativa: Un Modelo Human in
the Loop para la Didáctica Universitaria
Rosalynn Tejada Auccacusi1
rosalynn.tejada@unsaac.edu.pe
https://orcid.org/0000-0001-6588-9515
Universidad Nacional de San Antonio Abad
del Cusco
Perú
Federico Ubaldo Fernandez Sutta
federico.fernandez@unsaac.edu.pe
https://orcid.org/0000-0002-3453-6589
Universidad Nacional de San Antonio Abad
del Cusco
Perú
Delfín Richard Mendoza Quispe
delfin.mendoza@unsaac.edu.pe
https://orcid.org/0009-0003-3915-1412
Universidad Nacional de San Antonio Abad
del Cusco
Perú
Jose Angel Yañez Tuero
joseyanez2298@gmail.com
https://orcid.org/0009-0001-3494-4443
Universidad Nacional de San Antonio Abad
del Cusco
Perú
RESUMEN
La incorporación de sistemas de inteligencia artificial generativa a los procesos evaluativos de la
educación superior ha desplazado el debate desde la factibilidad técnica hacia la definición del lugar que
ocupa el juicio profesional docente en el ciclo de retroalimentación. Este artículo tuvo por objetivo
construir un modelo conceptual de evaluación híbrida con retroalimentación formativa bajo el principio
human in the loop, aplicable a la didáctica universitaria latinoamericana, que explicite las funciones
evaluativas delegables a sistemas automatizados y aquellas irreductibles a la intervención del
profesional de la educación. Se desarrolló una revisión documental sistematizada de treinta y cuatro
publicaciones científicas arbitradas, recuperadas de repositorios indexados y verificadas
individualmente mediante resolución de identificadores digitales de objeto, sometidas a análisis de
contenido categorial con codificación axial. Los hallazgos se organizaron en tres categorías: la
retroalimentación como cuello de botella estructural de la evaluación híbrida, las capacidades y límites
documentados de la retroalimentación generada por sistemas, y la configuración del bucle de
intervención docente. El modelo resultante, denominado HITL-DU, distribuye el ciclo evaluativo en
cinco momentos —encuadre, generación asistida, curaduría docente, devolución dialógica y
metaevaluación— y asigna a cada uno un rol profesional específico, un indicador de calidad y un riesgo
asociado a la delegación total. Se concluye que la contribución pedagógica de la herramienta tecnológica
no reside en su capacidad generativa sino en la arquitectura de decisión que el docente impone sobre
ella, lo que reposiciona la competencia digital docente como competencia de gobierno del juicio
evaluativo y no como destreza instrumental.
Palabras Clave: evaluación formativa, retroalimentación, inteligencia artificial, educación superior,
didáctica universitaria
1
Autor principal.
Correspondencia: rosalynn.tejada@unsaac.edu.pe
pág. 1706
Hybrid Assessment and Formative Feedback: A Human-In-The-Loop
Model for University Teaching
ABSTRACT
The incorporation of generative artificial intelligence systems into higher education assessment
processes has shifted the debate from technical feasibility toward defining the place occupied by
professional teacher judgement within the feedback cycle. This article aimed to construct a conceptual
model of hybrid assessment with formative feedback under the human-in-the-loop principle, applicable
to Latin American university teaching, making explicit which assessment functions may be delegated
to automated systems and which remain irreducible to the intervention of the education professional. A
systematized documentary review of thirty-four peer-reviewed scientific publications was developed,
retrieved from indexed repositories and individually verified through digital object identifier resolution,
and subjected to categorical content analysis with axial coding. Findings were organized into three
categories: feedback as the structural bottleneck of hybrid assessment, the documented capacities and
limits of system-generated feedback, and the configuration of the teacher intervention loop. The
resulting model, designated HITL-DU, distributes the assessment cycle across five moments —framing,
assisted generation, teacher curation, dialogic delivery and meta-assessment— assigning to each a
specific professional role, a quality indicator and a risk associated with full delegation. It is concluded
that the pedagogical contribution of the technological tool lies not in its generative capacity but in the
decision architecture the teacher imposes upon it, repositioning teacher digital competence as
competence in governing assessment judgement rather than as instrumental skill.
Keywords: formative assessment, feedback, artificial intelligence, higher education, university teaching
Artículo recibido 10 agosto 2026
Aceptado para publicación: 15 septiembre 2026
pág. 1707
Avaliação Híbrida e Feedback Formativo: Um Modelo Humano no Ciclo
para Didática Universitária
RESUMO
A incorporação de sistemas de inteligência artificial generativa aos processos avaliativos do ensino
superior deslocou o debate da viabilidade técnica para a definição do lugar ocupado pelo juízo
profissional docente no ciclo de retroalimentação. Este artigo teve como objetivo construir um modelo
conceitual de avaliação híbrida com retroalimentação formativa sob o princípio human in the loop,
aplicável à didática universitária latino-americana, explicitando as funções avaliativas delegáveis a
sistemas automatizados e aquelas irredutíveis à intervenção do profissional da educação. Desenvolveu-
se uma revisão documental sistematizada de trinta e quatro publicações científicas arbitradas,
recuperadas de repositórios indexados e verificadas individualmente mediante resolução de
identificadores digitais de objeto, submetidas a análise de conteúdo categorial com codificação axial.
Os achados foram organizados em três categorias: a retroalimentação como gargalo estrutural da
avaliação híbrida, as capacidades e limites documentados da retroalimentação gerada por sistemas, e a
configuração do laço de intervenção docente. O modelo resultante, denominado HITL-DU, distribui o
ciclo avaliativo em cinco momentos —enquadramento, geração assistida, curadoria docente, devolução
dialógica e metaavaliação— e atribui a cada um um papel profissional específico, um indicador de
qualidade e um risco associado à delegação total. Conclui-se que a contribuição pedagógica da
ferramenta tecnológica não reside em sua capacidade generativa, mas na arquitetura de decisão que o
docente impõe sobre ela.
Palavras-chave: avaliação formativa, retroalimentação, inteligência artificial, ensino superior, didática
universitária
pág. 1708
INTRODUCCIÓN
La evaluación de los aprendizajes constituye, desde hace décadas, el componente de la práctica
universitaria donde con mayor nitidez se manifiestan las tensiones entre las aspiraciones formativas del
discurso pedagógico y las restricciones materiales del ejercicio docente. El desplazamiento conceptual
que condujo desde una evaluación concebida como certificación terminal hacia una evaluación
entendida como dispositivo de regulación del aprendizaje fue documentado tempranamente por la
investigación educativa, que estableció que las prácticas evaluativas orientadas a informar la enseñanza
producen ganancias de aprendizaje sustantivas, particularmente entre los estudiantes con menor
rendimiento previo (Black y Wiliam, 1998). Ese hallazgo fundacional instaló una agenda que continúa
vigente y que sitúa a la retroalimentación —entendida como la información que permite al estudiante
reducir la distancia entre su desempeño actual y el desempeño esperado— en el centro de la eficacia
didáctica (Hattie y Timperley, 2007). Sin embargo, tres décadas de producción científica sobre el tema
han revelado una paradoja persistente: aquello que la evidencia identifica como la intervención de mayor
impacto potencial es también aquello que las condiciones reales de trabajo docente hacen más difícil de
sostener con calidad y frecuencia suficientes.
La reformulación de la retroalimentación como proceso y no como producto profundizó esa tensión. La
propuesta de abandonar los modelos centrados en la transmisión de información correctiva para adoptar
diseños en los que el estudiante interviene activamente en la elaboración y el uso de la devolución
recibida desplazó el problema desde la producción del mensaje hacia la creación de condiciones para su
apropiación (Boud y Molloy, 2013). Esta perspectiva encontró desarrollo posterior en la noción de
alfabetización en retroalimentación, que designa el conjunto de capacidades, disposiciones y saberes
que permiten al estudiante comprender, valorar y utilizar la información evaluativa para mejorar su
trabajo (Carless y Boud, 2018). La consolidación de este marco implicó un reconocimiento incómodo:
ningún incremento en la cantidad de retroalimentación produce, por sí solo, mejoras en el aprendizaje
si no existe una arquitectura didáctica que asegure su procesamiento. La calidad de la devolución dejó
de definirse por sus atributos internos y pasó a definirse por sus efectos en la actividad posterior del
estudiante, lo que exige del docente una intervención que excede ampliamente la corrección.
pág. 1709
En paralelo a esta maduración conceptual, la organización material de la enseñanza superior
experimentó una transformación acelerada. La masificación del acceso, la diversificación de los perfiles
de ingreso y la consolidación de modalidades que combinan presencialidad y virtualidad modificaron
las coordenadas en las que se ejerce la función evaluativa. La experiencia de virtualización forzada
durante la emergencia sanitaria global expuso con crudeza la fragilidad de los dispositivos evaluativos
concebidos para el aula presencial y desencadenó una reflexión sobre la naturaleza misma de la
evaluación en entornos mediados, donde la observación directa del proceso se vuelve indirecta y la
inferencia sobre el aprendizaje depende de evidencias construidas deliberadamente (Bennasar-García y
Estrada, 2021). La salida de esa emergencia no restauró el estado anterior: consolidó, en cambio,
configuraciones híbridas estables cuya valoración por parte de docentes y estudiantes resulta
heterogénea y está condicionada por la disciplina, la infraestructura disponible y la experiencia previa
de cada actor (Pattier y Ferreira, 2023). La hibridación dejó de ser una contingencia y se transformó en
una condición estructural de la didáctica universitaria contemporánea, con implicaciones directas sobre
la gestión del tiempo docente y la trazabilidad de las evidencias de aprendizaje.
El estudio de experiencias híbridas concretas ha mostrado que la simple superposición de canales no
produce integración didáctica. El análisis de una propuesta de enseñanza en vivo que articula
participantes presenciales y remotos en tiempo real reveló que la calidad del dispositivo depende de
decisiones de diseño deliberadas sobre la distribución de la atención, la construcción de la participación
y la articulación de las evidencias generadas en cada canal, y no de la disponibilidad tecnológica (Ruiz
Domínguez y Maggio, 2025). Esta constatación es relevante para el presente trabajo porque anticipa el
argumento central: en los escenarios híbridos, el valor pedagógico no reside en la mediación técnica
sino en la intencionalidad que la organiza. La misma lógica resulta aplicable, como se argumentará, a la
incorporación de sistemas inteligentes al ciclo evaluativo.
Sobre ese escenario irrumpió, con una velocidad de adopción sin precedentes en la historia reciente de
la tecnología educativa, la inteligencia artificial generativa. Su disponibilidad masiva y su bajo umbral
de acceso modificaron simultáneamente las prácticas de estudio, las condiciones de producción de
evidencias evaluables y las posibilidades de generación automatizada de devoluciones. La literatura
especializada ha documentado tanto el potencial transformador de estos sistemas como los riesgos
pág. 1710
asociados a su incorporación acrítica, entre los que destacan la reproducción de sesgos presentes en los
datos de entrenamiento, la opacidad de los criterios que subyacen a sus salidas y la erosión de la
autonomía intelectual de los actores educativos (Cordón García, 2023; Del Valle, 2025). El mapeo
bibliométrico del campo confirma que la producción sobre ética e inteligencia artificial en educación ha
crecido de manera sostenida, aunque con un desbalance persistente entre la formulación de principios
normativos y la disponibilidad de dispositivos operativos que permitan traducirlos en decisiones
didácticas concretas (Santana-Soriano, 2025).
En el terreno específico de la retroalimentación, la evidencia disponible es prometedora pero incompleta.
Las revisiones sistemáticas sobre retroalimentación automatizada generada por sistemas generativos en
educación superior reportan beneficios consistentes en términos de inmediatez, cobertura y
disponibilidad, junto con limitaciones recurrentes relativas a la precisión disciplinar, la
contextualización curricular y la profundidad del diagnóstico (Lee y Moore, 2024). Los estudios sobre
el compromiso estudiantil con devoluciones generadas por sistemas de evaluación automatizada de la
escritura muestran patrones de apropiación selectiva: los estudiantes incorporan con facilidad las
sugerencias de superficie y desatienden las observaciones de orden estructural o argumentativo, lo que
reproduce en un nuevo soporte la dificultad histórica de la retroalimentación de proceso (Yeung, 2025).
En la misma dirección, la investigación sobre la interacción de estudiantes con devoluciones
conversacionales generadas por modelos de lenguaje advierte que el compromiso productivo depende
críticamente del nivel previo de alfabetización en retroalimentación del estudiante, de modo que la
herramienta amplifica las diferencias existentes en lugar de compensarlas (Zhan y Yan, 2026).
Este conjunto de hallazgos configura el problema que motiva la presente investigación. La discusión
pública sobre inteligencia artificial en evaluación universitaria ha oscilado entre dos posiciones
igualmente insuficientes: una posición sustitutiva, que concibe el sistema como reemplazo del trabajo
docente en tareas consideradas rutinarias, y una posición prohibicionista, que lo concibe como amenaza
a la integridad académica y busca su exclusión del proceso. Ambas comparten un supuesto erróneo: que
la relación entre docente y sistema es de suma cero. La perspectiva human in the loop —literalmente,
humano en el bucle, entendida como la configuración de sistemas automatizados en los que la
intervención humana se incorpora deliberadamente como componente estructural del ciclo de decisión
pág. 1711
y no como control externo posterior— ofrece un marco alternativo. La revisión del campo muestra que
su aplicación en educación se ha concentrado en el diseño de sistemas adaptativos y en la anotación de
datos, con un desarrollo comparativamente escaso en el dominio de la evaluación formativa y una
definición imprecisa del tipo de intervención humana requerida en cada punto del ciclo (Memarian y
Doleck, 2024).
La formulación de este marco en clave educativa ha sido planteada con claridad conceptual: el cierre
del bucle no constituye un requisito técnico sino una exigencia pedagógica, porque las decisiones
evaluativas comprometen trayectorias formativas y responsabilidades profesionales que no admiten
delegación algorítmica (Ninaus y Sailer, 2022). La investigación reciente sobre analítica del aprendizaje
ha reforzado esta posición al situar el fomento de la agencia humana como criterio de diseño de los
sistemas inteligentes, en oposición a las arquitecturas que optimizan la eficiencia predictiva a costa de
la capacidad de decisión de los actores (Viberg et al., 2025). Los estudios empíricos sobre percepciones
estudiantiles de analíticas potenciadas por inteligencia artificial en procesos de retroalimentación
confirman que la legitimidad de la devolución ante el estudiante depende de la visibilidad de la
mediación docente: cuando el estudiante percibe que la devolución fue producida sin intervención
profesional, disminuye su disposición a utilizarla (Jin et al., 2025).
En el contexto latinoamericano, este problema adquiere rasgos específicos. Las condiciones de ejercicio
de la docencia universitaria en la región —elevadas relaciones estudiante-docente, alta proporción de
contratación por horas, heterogeneidad de la formación pedagógica del profesorado y desigualdad en el
acceso a infraestructura— configuran un escenario en el que la presión por automatizar es
considerablemente mayor y las salvaguardas institucionales considerablemente menores. Los estudios
sobre competencia digital docente en educación superior han señalado que el concepto ha sido
operacionalizado predominantemente como dominio instrumental de herramientas, con un tratamiento
marginal de las dimensiones críticas, éticas y de toma de decisiones (Kroff Trujillo y Bellemans Fagalde,
2026). Las indagaciones sobre percepción docente del uso de inteligencia artificial en la región muestran
actitudes ambivalentes, con reconocimiento del potencial de alivio de carga y preocupación simultánea
por la pérdida de control sobre criterios evaluativos (Valenzuela-Velasco, 2026). El análisis de las
competencias requeridas al docente investigador en este nuevo escenario converge en la necesidad de
pág. 1712
desarrollar capacidades de discernimiento que exceden el manejo operativo de las herramientas
(Cribilleros-Shigihara et al., 2025).
Existe, en consecuencia, una brecha identificable entre la abundante producción sobre los efectos de la
retroalimentación automatizada y la escasez de modelos didácticos que especifiquen, con nivel de detalle
operativo, qué funciones evaluativas pueden delegarse a un sistema, cuáles requieren intervención
docente ineludible y qué indicadores permiten verificar que esa intervención efectivamente ocurrió. Esa
brecha es particularmente crítica para la didáctica universitaria latinoamericana, donde la adopción
tecnológica suele preceder a la formulación de criterios pedagógicos y donde la ausencia de modelos
explícitos favorece configuraciones de facto que desplazan el juicio profesional sin decisión
institucional deliberada. En atención a lo expuesto, el objetivo de este artículo consiste en construir un
modelo conceptual de evaluación híbrida con retroalimentación formativa bajo el principio human in
the loop, aplicable a la didáctica universitaria, que explicite las funciones evaluativas delegables a
sistemas automatizados y aquellas irreductibles a la intervención del profesional de la educación, junto
con los indicadores que permiten verificar dicha intervención en cada momento del ciclo evaluativo.
METODOLOGÍA
Enfoque y tipo de investigación
La investigación se inscribe en el paradigma cualitativo interpretativo y adopta un diseño de revisión
documental sistematizada con finalidad de construcción teórica. Esta definición requiere una precisión
metodológica explícita: el estudio no constituye una revisión sistemática en sentido estricto, dado que
no aplicó un protocolo de registro previo ni un procedimiento de cribado con evaluación independiente
por pares revisores ni una síntesis cuantitativa de efectos. La denominación revisión documental
sistematizada designa un procedimiento que conserva la sistematicidad en la definición de criterios, la
trazabilidad de las fuentes y la explicitación de las decisiones analíticas, sin reclamar la exhaustividad
ni la replicabilidad estricta propias del protocolo sistemático formal. Esta distinción se declara aquí de
manera deliberada, en coherencia con el principio de honestidad metodológica que exige no atribuir a
un diseño garantías epistémicas que no puede ofrecer.
El alcance es descriptivo-interpretativo con proyección propositiva. El estudio no busca establecer
relaciones causales ni estimar magnitudes de efecto, sino identificar regularidades en la producción
pág. 1713
científica disponible y organizarlas en un dispositivo conceptual de utilidad didáctica. La construcción
del modelo se realizó por vía inferencial a partir de las categorías emergentes del análisis, y su estatuto
es el de una propuesta teórica fundamentada en literatura, pendiente de validación empírica.
Corpus documental y criterios de selección
El universo documental estuvo constituido por publicaciones científicas arbitradas disponibles en
repositorios de acceso abierto y bases de datos de indexación regional e internacional. La búsqueda se
realizó mediante consultas bibliográficas estructuradas sobre la interfaz programática de Crossref,
complementadas con exploración directa en portales editoriales de revistas indexadas en SciELO,
Redalyc, Dialnet y el Directorio de Revistas de Acceso Abierto.
Los descriptores empleados combinaron términos en español y en inglés en cuatro ejes: evaluación
formativa y retroalimentación; evaluación híbrida y modalidades mixtas en educación superior;
inteligencia artificial generativa aplicada a evaluación y retroalimentación; y human in the loop, agencia
humana y juicio profesional docente. La combinación de descriptores en ambos idiomas respondió al
propósito de asegurar representación de la producción iberoamericana, habitualmente subrepresentada
en las búsquedas monolingües en inglés.
Se establecieron como criterios de inclusión: (a) artículos publicados en revistas científicas con arbitraje;
(b) ventana temporal 2021-2026, con admisión excepcional de obras seminales anteriores cuando
constituyen referencia fundacional inexcusable del campo; (c) tratamiento sustantivo de al menos uno
de los cuatro ejes descriptores; (d) disponibilidad de identificador digital de objeto verificable; y (e)
texto completo accesible. Se excluyeron: (a) documentos sin arbitraje, incluidas actas de congreso no
indexadas, materiales de divulgación y publicaciones preliminares no evaluadas; (b) trabajos centrados
exclusivamente en niveles educativos no universitarios sin proyección transferible a la educación
superior; (c) estudios sobre inteligencia artificial en educación sin vinculación con procesos evaluativos
o de retroalimentación; y (d) fuentes cuya metadata bibliográfica no pudo verificarse.
El procedimiento de verificación constituyó un componente central del diseño. Cada referencia
candidata fue sometida a resolución individual de su identificador digital de objeto contra el registro de
la agencia de asignación, con extracción de metadatos de autoría, título, publicación, año, volumen,
número y paginación. Las fuentes cuyo identificador no resolvió o cuyos metadatos resultaron
pág. 1714
inconsistentes fueron descartadas y sustituidas. Este control responde al riesgo, documentado en la
literatura reciente sobre integridad académica, de incorporación de referencias no verificables en
trabajos elaborados con asistencia de sistemas generativos. El corpus final quedó conformado por treinta
y cuatro documentos, de los cuales treinta corresponden al período 2021-2026 y cuatro a obras seminales
del campo de la evaluación formativa.
Técnicas e instrumentos
La técnica de análisis empleada fue el análisis de contenido categorial de orientación inductiva. El
instrumento consistió en una matriz de codificación construida ad hoc, organizada en cinco campos por
documento: identificación bibliográfica, objeto y diseño del estudio, hallazgos relativos a la función del
docente en el ciclo evaluativo, hallazgos relativos a las capacidades o límites de la mediación
tecnológica, y unidad de sentido extraída en forma de proposición.
Procedimiento
El desarrollo se organizó en cuatro fases secuenciales. La primera fase, de identificación, comprendió
la ejecución de las consultas bibliográficas estructuradas y la conformación de un conjunto preliminar
de candidatas a partir de la revisión de títulos, resúmenes y palabras clave. La segunda fase, de
depuración y verificación, aplicó los criterios de inclusión y exclusión y sometió cada fuente
superviviente al procedimiento de resolución de identificadores descrito. La tercera fase, de
codificación, consistió en la lectura analítica de los documentos incorporados y su volcado en la matriz,
con identificación de unidades de sentido y asignación de códigos abiertos. La cuarta fase, de
construcción, agrupó los códigos abiertos en categorías mediante codificación axial y derivó de esas
categorías la arquitectura del modelo propuesto, verificando la trazabilidad de cada componente del
modelo respecto de las unidades de sentido que lo sustentan.
Análisis de datos
El análisis siguió una lógica de saturación categorial. Los códigos abiertos se agruparon por afinidad
semántica hasta la estabilización de tres categorías, que se presentan en el apartado de resultados. La
validez del procedimiento se apoyó en tres criterios: trazabilidad, entendida como la posibilidad de
reconstruir el recorrido desde cada afirmación del modelo hasta la fuente que la sustenta; suficiencia,
entendida como la presencia de al menos dos fuentes independientes para cada componente categorial;
pág. 1715
y contraste, entendido como la búsqueda deliberada de evidencia que tensionara las categorías en
formación, con incorporación de hallazgos discrepantes en el análisis.
Consideraciones éticas y limitaciones
El estudio no involucró participantes humanos ni datos personales, por lo que no requirió dictamen de
comité de ética. Se observaron los principios de integridad académica en la atribución de autoría, la
representación fiel de los hallazgos de las fuentes y la abstención absoluta de fabricación de datos o
referencias. Se reconocen tres limitaciones. Primero, la restricción idiomática a producción en español,
inglés y portugués excluye literatura relevante en otras lenguas. Segundo, la ausencia de doble
codificación independiente impide reportar índices de acuerdo entre codificadores, lo que constituye
una limitación reconocida del diseño. Tercero, el modelo propuesto posee estatuto teórico y no ha sido
sometido a validación empírica en aula, condición que se señala explícitamente como agenda de
investigación derivada.
RESULTADOS
El análisis del corpus permitió la estabilización de tres categorías que organizan la presentación de los
hallazgos. La primera caracteriza la retroalimentación como punto de estrangulamiento estructural de la
evaluación en contextos híbridos. La segunda delimita el perímetro de capacidades y límites
documentados de la retroalimentación generada por sistemas automatizados. La tercera describe la
configuración del bucle de intervención docente y constituye el núcleo del modelo propuesto. La Tabla
1 presenta la composición del corpus según eje temático, procedencia regional y período de publicación.
Tabla 1 Composición del corpus documental según eje temático, procedencia y período
Eje temático
Fuentes (n)
Procedencia predominante
Período
Evaluación formativa y
retroalimentación
11
Iberoamérica
1998-2024
Evaluación híbrida y
modalidades mixtas
4
Iberoamérica
2021-2025
Inteligencia artificial y
retroalimentación
automatizada
10
Internacional
2022-2026
Human in the loop,
agencia y juicio
docente
9
Internacional e Iberoamérica
2022-2026
Total
34
—
1998-2026
Nota. Elaboración propia a partir del corpus verificado. La categoría procedencia refiere a la filiación institucional
predominante de los equipos autorales, no al idioma de publicación.
pág. 1716
Categoría 1: la retroalimentación como cuello de botella estructural de la evaluación híbrida
El corpus converge en la identificación de una asimetría persistente entre el reconocimiento del valor
formativo de la retroalimentación y su materialización efectiva en la práctica universitaria. Los estudios
que examinan la retroalimentación desde la perspectiva docente coinciden en señalar que las
restricciones de tiempo, la magnitud de los grupos y la ausencia de formación específica operan como
determinantes de la calidad de la devolución, con mayor peso que las concepciones pedagógicas
declaradas por el profesorado (Muñoz Cortés et al., 2023; Parra Martínez et al., 2022). El diagnóstico
se repite con notable estabilidad a través de contextos disciplinares y nacionales diversos, lo que sugiere
un carácter estructural antes que situacional.
El análisis de las estrategias e instrumentos efectivamente utilizados revela un repertorio limitado, con
predominio de modalidades escritas unidireccionales y baja incidencia de dispositivos dialógicos o de
seguimiento longitudinal (Valdez Valdez et al., 2023). Los trabajos que han intentado sistematizar
intervenciones de retroalimentación formativa documentan que la eficacia depende menos del contenido
del mensaje que de la existencia de una oportunidad estructurada de reelaboración posterior por parte
del estudiante, condición que rara vez está prevista en el diseño de los cursos (Gómez Reyes, 2023).
Esta observación resulta convergente con la reformulación procesual de la retroalimentación y confirma
que el problema no reside en la producción de información sino en su integración en la secuencia
didáctica (Boud y Molloy, 2013).
La instrumentación de la calidad de la retroalimentación mediante escalas validadas ha permitido
precisar sus dimensiones constitutivas y verificar que los docentes que declaran prácticas evaluativas
formativas no necesariamente producen devoluciones de calidad cuando estas se miden con criterios
operativos (Dávila Ramírez y Huertas Martínez, 2024). Este desacople entre discurso y práctica adquiere
especial relevancia en escenarios híbridos, donde la evidencia de aprendizaje se encuentra distribuida
entre canales con distinta capacidad de captura y la reconstrucción del proceso exige un esfuerzo de
integración adicional (Bennasar-García y Estrada, 2021; Ruiz Domínguez y Maggio, 2025).
La articulación de este conjunto de hallazgos con los marcos de evaluación auténtica y evaluación por
competencias permite precisar la naturaleza del estrangulamiento. Los enfoques que orientan la
evaluación hacia desempeños contextualizados y productos complejos incrementan la demanda de juicio
pág. 1717
profesional por unidad de estudiante evaluado, precisamente porque las evidencias generadas son menos
estandarizables (Huerta Rosales y Vigoa Escobedo, 2024). La literatura sobre evaluación de
competencias en educación superior ha señalado que la multiplicación de agentes evaluadores —
autoevaluación, evaluación entre pares, evaluación docente— responde en parte a esta presión, aunque
su implementación efectiva requiere condiciones de formación y andamiaje que a menudo no se cumplen
(Bonnefoy Valdés, 2021). El resultado es un escenario en el que las orientaciones pedagógicamente más
avanzadas son también las más costosas de sostener, lo que genera una presión estructural hacia la
automatización.
Categoría 2: capacidades y límites documentados de la retroalimentación generada por sistemas
La segunda categoría organiza la evidencia disponible sobre el desempeño efectivo de los sistemas
generativos en tareas de retroalimentación. La síntesis sistemática del campo reporta un patrón
consistente: los sistemas alcanzan desempeños satisfactorios en la detección de errores de superficie, en
la generación de devoluciones extensas y en la disponibilidad inmediata, y desempeños
significativamente inferiores en la valoración de la pertinencia disciplinar, la calibración de la exigencia
respecto del nivel formativo y la identificación de errores conceptuales de fondo (Lee y Moore, 2024).
Los estudios de compromiso estudiantil con devoluciones automatizadas de la escritura confirman esta
asimetría desde la perspectiva del receptor y documentan una apropiación selectiva orientada a las
sugerencias de menor complejidad cognitiva (Yeung, 2025). La evidencia generada en contextos
universitarios iberoamericanos resulta convergente: el uso de inteligencia artificial generativa para
retroalimentar aprendizajes produce valoraciones estudiantiles favorables en términos de claridad y
oportunidad, pero reclama del docente una función de contextualización curricular que los estudiantes
identifican como condición de utilidad de la devolución recibida (Leiva-Guerrero et al., 2026).
La investigación comparativa entre valoración humana y valoración automatizada en evaluación de
escritura académica ha encontrado niveles variables de consistencia y ha identificado sesgos
sistemáticos en las salidas de los sistemas, con tendencias diferenciadas según características del texto
y del autor (Cui, 2026). Este hallazgo resulta particularmente relevante para el contexto latinoamericano,
donde la producción escrita estudiantil incorpora variedades lingüísticas regionales y convenciones
retóricas que pueden ser penalizadas por sistemas entrenados predominantemente sobre corpus
pág. 1718
anglófonos. La literatura sobre riesgos éticos de la inteligencia artificial en educación había anticipado
esta problemática al advertir sobre la reproducción algorítmica de sesgos y la opacidad de los criterios
subyacentes (Del Valle, 2025; Santana-Soriano, 2025).
Las experiencias de diseño que han incorporado deliberadamente componentes humanos ofrecen
evidencia favorable a la configuración híbrida. El desarrollo de marcos de razonamiento mixto para la
generación de rúbricas de evaluación muestra que la combinación de generación automatizada y
validación humana produce instrumentos superiores a los obtenidos por cualquiera de los dos
procedimientos por separado (Mendonça et al., 2026). En una dirección convergente, los sistemas de
retroalimentación automatizada dirigidos al propio docente —orientados a informar su reflexión sobre
la práctica antes que a sustituir su intervención— han mostrado efectos positivos sobre el cambio
instruccional, lo que sugiere que el destinatario más productivo de la automatización puede no ser el
estudiante sino el profesional que diseña la enseñanza (Jacobs et al., 2022).
Un último conjunto de hallazgos aborda la dimensión de legitimidad. Los estudios sobre percepción
estudiantil de analíticas potenciadas por inteligencia artificial en procesos de retroalimentación
documentan que la disposición del estudiante a utilizar la devolución depende de la visibilidad de la
mediación docente, y que la atribución de la devolución a un sistema sin intervención profesional reduce
su valor percibido con independencia de su calidad objetiva (Jin et al., 2025). Esta constatación introduce
una dimensión frecuentemente ausente del debate técnico: la eficacia de la retroalimentación no es una
propiedad del mensaje sino de la relación pedagógica en la que se inscribe. La evidencia sobre el
compromiso con devoluciones conversacionales generadas por modelos de lenguaje refuerza esta lectura
al mostrar que el aprovechamiento se concentra en los estudiantes con alfabetización en
retroalimentación previamente desarrollada (Zhan y Yan, 2026; Woitt et al., 2025). La Tabla 2 sintetiza
la distribución de funciones evaluativas resultante del análisis.
pág. 1719
Tabla 2 Matriz de distribución de funciones evaluativas entre sistema automatizado e intervención
docente
Función evaluativa
Aporte del sistema
Aporte irreductible del
docente
Riesgo de delegación
total
Definición de criterios
Propuesta de borrador de
rúbrica
Validación curricular y
ajuste al nivel formativo
Criterios
descontextualizados
Detección de errores de
superficie
Alta cobertura y velocidad
Jerarquización según
relevancia formativa
Saturación de
observaciones
irrelevantes
Diagnóstico
conceptual
Identificación parcial y
variable
Interpretación del error
como indicio de
comprensión
Diagnóstico erróneo no
detectado
Calibración de la
exigencia
Ausente o inestable
Ajuste a la trayectoria del
estudiante
Desaliento o
complacencia
Formulación del
mensaje
Redacción extensa e
inmediata
Selección de tono, foco y
oportunidad
Devolución genérica y
desafectada
Cierre del ciclo
Registro de interacciones
Diseño de la oportunidad de
reelaboración
Retroalimentación sin uso
posterior
Nota. Elaboración propia a partir del análisis categorial del corpus. La columna de riesgo describe el efecto esperable cuando
la función se transfiere íntegramente al sistema sin validación profesional.
Categoría 3: configuración del bucle y estructura del modelo HITL-DU
La tercera categoría integra los hallazgos anteriores en una propuesta de organización del ciclo
evaluativo. La revisión del campo human in the loop en educación había señalado la imprecisión
conceptual de la noción de intervención humana y la necesidad de especificar su naturaleza en cada
punto del ciclo (Memarian y Doleck, 2024). El modelo aquí denominado HITL-DU —human in the
loop para la didáctica universitaria— responde a esa necesidad mediante la distribución del ciclo en
cinco momentos, cada uno con un rol profesional definido, un indicador de calidad verificable y un
riesgo asociado a la delegación total.
El primer momento, de encuadre, sitúa la intervención docente antes de cualquier operación del sistema.
Comprende la definición del objeto de evaluación, la explicitación de los criterios y la determinación
del nivel de exigencia esperable. Este momento es el que otorga al sistema su marco de referencia y
condiciona la pertinencia de todas sus salidas posteriores; su omisión constituye la falla más frecuente
y la de consecuencias más extendidas, dado que ningún control ulterior puede corregir un encuadre
ausente. El segundo momento, de generación asistida, delega en el sistema la producción de un borrador
pág. 1720
de devolución sobre la evidencia estudiantil, operación en la que el aporte diferencial de la herramienta
es máximo en términos de cobertura y velocidad.
El tercer momento, de curaduría docente, constituye el núcleo del modelo y aquel donde se juega la
diferencia entre una configuración human in the loop efectiva y una supervisión meramente nominal.
La curaduría comprende cuatro operaciones diferenciadas: verificación de la corrección disciplinar de
las afirmaciones del borrador; jerarquización de las observaciones según su relevancia formativa, con
supresión de aquellas que saturan sin orientar; recontextualización respecto de la trayectoria del
estudiante y del momento del curso; y ajuste del registro comunicativo. Esta operación se apoya en el
juicio profesional entendido como capacidad de discernimiento situado, y su naturaleza es la de una
decisión pedagógica, no la de un control de calidad técnico (Ninaus y Sailer, 2022; Viberg et al., 2025).
El cuarto momento, de devolución dialógica, restituye la retroalimentación a su condición de proceso
relacional. Comprende la entrega de la devolución curada, la habilitación de un espacio de consulta y la
previsión explícita de una oportunidad de reelaboración con consecuencias sobre la valoración final. La
evidencia indica que este momento es el que determina la conversión de la devolución en aprendizaje
efectivo y que su ausencia anula el valor de todo el ciclo previo (Carless y Boud, 2018; Tam, 2024). El
quinto momento, de metaevaluación, incorpora un ciclo de segundo orden en el que el docente examina
el desempeño agregado del sistema sobre el conjunto de devoluciones producidas, identifica patrones
de error recurrentes y ajusta el encuadre para iteraciones siguientes, operación que convierte la
experiencia acumulada en mejora del dispositivo. La Tabla 3 presenta la estructura completa del modelo.
Tabla 3 Estructura del modelo HITL-DU: momentos, rol docente, indicador de calidad y riesgo
Momento
Rol del profesional de la
educación
Indicador de calidad
verificable
Riesgo si se omite
1. Encuadre
Diseñador del marco de
referencia
Existencia de rúbrica
validada previa a la
generación
Criterios implícitos e
inauditables
2. Generación asistida
Operador con propósito
definido
Registro de instrucción y
versión del sistema
Salidas no trazables
3. Curaduría docente
Curador del juicio
evaluativo
Proporción de observaciones
modificadas o suprimidas
Supervisión nominal sin
decisión
pág. 1721
4. Devolución
dialógica
Interlocutor pedagógico
Existencia de instancia de
reelaboración con efecto
Devolución sin uso
posterior
5. Metaevaluación
Auditor del dispositivo
Registro de ajustes al
encuadre por ciclo
Perpetuación de errores
sistemáticos
Nota. Elaboración propia. Los indicadores de calidad fueron formulados con criterio de verificabilidad institucional, de modo
que su cumplimiento pueda auditarse mediante evidencias documentales del propio proceso.
Un rasgo transversal del modelo merece destacarse. La secuencia sitúa la intervención docente en los
extremos del ciclo —encuadre inicial y metaevaluación final— y en su punto medio —curaduría—,
reservando para el sistema únicamente el segmento de generación. Esta arquitectura invierte la
configuración implícita en la mayoría de las adopciones espontáneas observadas en la literatura, donde
la herramienta se incorpora al inicio del proceso y la intervención humana se reduce a una revisión final
de las salidas producidas (Albarrán Martínez, 2026). La inversión no es un detalle de secuencia:
determina si el docente gobierna el dispositivo o si el dispositivo gobierna la evaluación.
DISCUSIÓN
Los resultados permiten sostener una tesis central: la contribución pedagógica de la herramienta
tecnológica en el ciclo de retroalimentación no reside en su capacidad generativa sino en la arquitectura
de decisión que el profesional de la educación impone sobre ella. Esta formulación desplaza el eje del
debate desde la pregunta por la calidad del sistema hacia la pregunta por la calidad del diseño didáctico
que lo incorpora, y encuentra sustento convergente en tres líneas de evidencia analizadas.
La primera línea proviene de los estudios comparativos entre generación automatizada y validación
humana. El hallazgo de que los marcos de razonamiento mixto producen instrumentos de evaluación
superiores a los obtenidos por cualquiera de los procedimientos aislados admite una interpretación que
excede la constatación de complementariedad (Mendonça et al., 2026). Lo que el diseño mixto aporta
no es la suma de dos capacidades sino la introducción de un momento de deliberación sobre criterios
que el procedimiento puramente automatizado elude y que el procedimiento puramente manual tiende a
naturalizar. El sistema, al producir una propuesta explícita, obliga al docente a posicionarse frente a
criterios que en la práctica habitual permanecen tácitos. En esta lectura, el valor didáctico de la
herramienta es en parte mayéutico: fuerza la explicitación del juicio profesional antes que reemplazarlo.
pág. 1722
La segunda línea proviene de la evidencia sobre legitimidad y compromiso estudiantil. La constatación
de que la disposición del estudiante a utilizar una devolución depende de la visibilidad de la mediación
docente resulta difícil de explicar desde una concepción informacional de la retroalimentación (Jin et
al., 2025). Si la devolución fuera únicamente transferencia de información correctiva, su origen sería
irrelevante mientras su contenido fuera preciso. El hecho de que no lo sea confirma la concepción
relacional consolidada por la literatura sobre alfabetización en retroalimentación, según la cual la
devolución opera dentro de un vínculo pedagógico que le confiere autoridad y que orienta la disposición
del receptor a modificar su desempeño (Carless y Boud, 2018; Tam, 2024; Woitt et al., 2025). Este
resultado tiene una consecuencia práctica de primer orden para el diseño institucional: la mediación
docente no solo debe existir, debe ser visible para el estudiante, lo que sugiere la conveniencia de
explicitar el procedimiento seguido antes que ocultar la participación del sistema.
La tercera línea proviene de la evidencia sobre apropiación selectiva y amplificación de desigualdades.
Los hallazgos que documentan que el aprovechamiento de la retroalimentación automatizada se
concentra en los estudiantes con mayor alfabetización previa introducen una advertencia decisiva para
contextos de alta heterogeneidad de ingreso, característicos de la expansión del acceso a la educación
superior latinoamericana (Yeung, 2025; Zhan y Yan, 2026). Un dispositivo que incrementa el volumen
de devolución disponible sin intervenir sobre las condiciones de su apropiación no es neutral respecto
de la equidad: produce beneficios diferenciales que agravan la brecha inicial. El cuarto momento del
modelo propuesto —devolución dialógica con oportunidad estructurada de reelaboración— responde
directamente a este riesgo y constituye, desde una perspectiva de justicia curricular, el componente
menos prescindible del ciclo.
La confrontación del modelo con la literatura previa sobre human in the loop permite precisar su aporte.
La revisión del campo había identificado que la intervención humana en sistemas educativos inteligentes
se concentra en fases de desarrollo y entrenamiento, con presencia marginal en la operación pedagógica
cotidiana, y había señalado la imprecisión conceptual de la noción de intervención (Memarian y Doleck,
2024). El modelo HITL-DU responde a esa imprecisión mediante la diferenciación de cinco tipos de
intervención cualitativamente distintos, cada uno con su propio indicador de verificación. Esta
diferenciación permite distinguir entre configuraciones que satisfacen nominalmente el principio de
pág. 1723
supervisión humana y configuraciones que lo satisfacen efectivamente, distinción que la formulación
genérica del principio no permite establecer. El indicador propuesto para el tercer momento —
proporción de observaciones modificadas o suprimidas por el docente— opera como prueba de
existencia de decisión profesional: una tasa de intervención nula no indica un sistema excelente sino,
con alta probabilidad, una supervisión que no ocurrió.
Los hallazgos dialogan también con la discusión sobre competencia digital docente. El señalamiento de
que este constructo ha sido operacionalizado predominantemente como dominio instrumental encuentra
en este trabajo un argumento adicional (Kroff Trujillo y Bellemans Fagalde, 2026). Las competencias
que el modelo demanda no son de manejo de herramientas sino de gobierno del juicio evaluativo:
capacidad de explicitar criterios, de discriminar relevancia formativa, de detectar error conceptual bajo
formulación fluida y de diseñar oportunidades de reelaboración. Se trata de competencias pedagógicas
de alto nivel cuya adquisición no se resuelve con capacitación instrumental. Esta conclusión converge
con los análisis sobre las competencias requeridas al docente investigador en el nuevo escenario
tecnológico y con la evidencia sobre percepciones docentes ambivalentes, que combinan expectativa de
alivio de carga con temor a la pérdida de control sobre los criterios (Cribilleros-Shigihara et al., 2025;
Valenzuela-Velasco, 2026). El modelo ofrece a esa ambivalencia una respuesta operativa: el control no
se preserva mediante la abstención, sino mediante la ocupación deliberada de posiciones específicas del
ciclo.
La proyección del modelo sobre la evaluación híbrida requiere una precisión. Los estudios sobre
modalidades mixtas coinciden en que la integración didáctica no resulta de la disponibilidad de canales
sino de decisiones de diseño sobre la articulación de las evidencias producidas en cada uno (Pattier y
Ferreira, 2023; Ruiz Domínguez y Maggio, 2025). El modelo HITL-DU es aplicable a escenarios
híbridos precisamente porque su primer momento —encuadre— obliga a definir qué evidencia se recoge
en qué canal y bajo qué criterios se valora, decisión que en la práctica habitual queda diferida hasta el
momento de la calificación. La hibridación, en este sentido, no agrega un problema nuevo al dispositivo
sino que vuelve intolerable la ausencia de encuadre que la presencialidad permitía compensar mediante
la observación directa.
pág. 1724
Desde la perspectiva de la política institucional, los resultados sugieren tres implicaciones. La primera
concierne a la regulación: las normativas universitarias sobre uso de inteligencia artificial han tendido a
concentrarse en la conducta estudiantil y han desatendido la regulación del uso docente en procesos
evaluativos, vacío que deja sin cobertura el escenario de mayor consecuencia para los derechos del
estudiante. La segunda concierne a la formación: el desarrollo profesional docente requiere desplazarse
desde la alfabetización instrumental hacia el entrenamiento del juicio en condiciones de asistencia
algorítmica, lo que supone dispositivos formativos basados en casos y en análisis de salidas defectuosas
antes que en tutoriales de uso. La tercera concierne a la carga docente: el modelo no reduce el tiempo
de evaluación de manera proporcional al volumen automatizado, porque transfiere tiempo desde la
redacción hacia la curaduría y el diseño; las instituciones que adopten sistemas generativos esperando
reducciones lineales de carga obtendrán, previsiblemente, degradación de calidad antes que ahorro.
Las limitaciones del estudio condicionan el alcance de estas afirmaciones. El modelo posee estatuto
teórico y su formulación deriva de literatura, no de observación directa de prácticas. Los indicadores
propuestos requieren operacionalización métrica y verificación de su sensibilidad antes de ser utilizados
con fines de auditoría institucional. La ausencia de doble codificación independiente en el análisis limita
las garantías de confiabilidad del procedimiento categorial. Finalmente, la velocidad de evolución de las
capacidades de los sistemas generativos implica que las delimitaciones establecidas en la Tabla 2
constituyen un estado de situación y no una frontera estable; la actualización periódica de esa matriz es
condición de vigencia del modelo. La agenda derivada incluye la validación del modelo mediante
estudios cuasiexperimentales que comparen ciclos evaluativos con y sin curaduría estructurada, la
construcción de un instrumento de medición de la calidad de la curaduría docente y la exploración de la
percepción estudiantil respecto de la transparencia procedimental en devoluciones asistidas.
CONCLUSIONES
El objetivo de construir un modelo conceptual de evaluación híbrida con retroalimentación formativa
bajo el principio huma in the loop, que explicitara las funciones delegables a sistemas automatizados y
aquellas irreductibles a la intervención del profesional de la educación, fue alcanzado mediante la
formulación del modelo HITL-DU. El modelo distribuye el ciclo evaluativo en cinco momentos —
encuadre, generación asistida, curaduría docente, devolución dialógica y metaevaluación— y asigna a
pág. 1725
cada uno un rol profesional específico, un indicador de calidad verificable y un riesgo asociado a la
delegación total.
El análisis del corpus permitió establecer que la retroalimentación constituye un punto de
estrangulamiento estructural de la evaluación universitaria, determinado por condiciones materiales de
ejercicio antes que por concepciones pedagógicas del profesorado, y que la hibridación de las
modalidades de enseñanza intensifica esa restricción al distribuir las evidencias de aprendizaje entre
canales de distinta capacidad de captura. Se estableció, asimismo, que los sistemas generativos presentan
un perfil de desempeño asimétrico, con ventajas consistentes en cobertura, velocidad y extensión, y
limitaciones persistentes en diagnóstico conceptual, calibración de la exigencia y pertinencia contextual,
junto con sesgos documentados en la valoración de producción escrita.
La conclusión de mayor alcance concierne a la naturaleza de la contribución docente. La evidencia
analizada indica que el valor pedagógico de la herramienta no es una propiedad de la herramienta sino
un efecto de la arquitectura de decisión que el docente construye alrededor de ella. Dos instituciones
que utilicen el mismo sistema con el mismo grupo de estudiantes obtendrán resultados formativos
divergentes según ocupen o no las posiciones de encuadre, curaduría y metaevaluación. Esta
constatación reposiciona la competencia digital docente: no se trata de una destreza instrumental
adicional al repertorio profesional, sino de una competencia de gobierno del juicio evaluativo que
moviliza los saberes pedagógicos de mayor complejidad.
Se derivan de lo anterior recomendaciones en tres planos. En el plano de la práctica docente, se
recomienda no incorporar sistemas generativos al ciclo evaluativo sin rúbrica validada previa y sin
previsión explícita de una instancia de reelaboración estudiantil con efecto sobre la valoración final. En
el plano institucional, se recomienda extender las normativas sobre uso de inteligencia artificial al
ámbito de las prácticas evaluativas docentes y adoptar indicadores de verificación de la curaduría antes
que declaraciones genéricas de supervisión humana. En el plano de la formación del profesorado, se
recomienda reorientar los dispositivos de desarrollo profesional desde la capacitación instrumental hacia
el entrenamiento del juicio evaluativo en condiciones de asistencia algorítmica, mediante análisis de
casos y examen crítico de salidas defectuosas.
pág. 1726
El modelo propuesto requiere validación empírica. Su formulación teórica constituye un punto de
partida para la investigación en didáctica universitaria latinoamericana, campo en el que la adopción
tecnológica ha precedido sistemáticamente a la formulación de criterios pedagógicos. Invertir esa
secuencia —establecer primero qué decisiones son irrenunciablemente humanas y luego determinar qué
puede asistirse— constituye, más allá del dispositivo particular aquí propuesto, la orientación estratégica
que la evidencia disponible respalda.
REFERENCIAS BIBLIOGRÁFICAS
Albarrán Martínez, A. A. (2026). Inteligencia artificial generativa y planeación didáctica: implicaciones
en la práctica docente. Revista de Estudios en Práctica Docente e Innovación Educativa, 1(1),
57-76. https://doi.org/10.24844/en1t/2604
Bennasar-García, M. I., y Estrada, J. M. (2021). La evaluación de los aprendizajes, en la dicotomía
educativa presencial-virtual. Horizontes. Revista de Investigación en Ciencias de la Educación,
5(18), 434-446. https://doi.org/10.33996/revistahorizontes.v5i18.186
Black, P., y Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education:
Principles, Policy & Practice, 5(1), 7-74. https://doi.org/10.1080/0969595980050102
Bonnefoy Valdés, N. (2021). Evaluación de competencias en educación superior: conceptos, principios
y agentes. Revista Educación, 45(1), 578-592. https://doi.org/10.15517/revedu.v45i1.43444
Boud, D., y Molloy, E. (2013). Rethinking models of feedback for learning: the challenge of design.
Assessment & Evaluation in Higher Education, 38(6), 698-712.
https://doi.org/10.1080/02602938.2012.691462
Carless, D., y Boud, D. (2018). The development of student feedback literacy: enabling uptake of
feedback. Assessment & Evaluation in Higher Education, 43(8), 1315-1325.
https://doi.org/10.1080/02602938.2018.1463354
Cordón García, O. (2023). Inteligencia artificial en educación superior: oportunidades y riesgos. RiiTE
Revista Interuniversitaria de Investigación en Tecnología Educativa, 16-27.
https://doi.org/10.6018/riite.591581
pág. 1727
Cribilleros-Shigihara, O. A., Gamarra-Chirinos, O. P., Vergara-Vasquez, A. T., y Villanueva-Javes, J.
A. (2025). Competencias del docente investigador en la era de la inteligencia artificial: retos y
oportunidades en educación superior. Revista de Ciencias Sociales, 31(4), 517-528.
https://doi.org/10.31876/rcs.v31i4.44878
Cui, Y. (2026). Artificial intelligence and human assessment consistency and bias in higher education
academic writing evaluation. Discover Artificial Intelligence, 6(1).
https://doi.org/10.1007/s44163-026-01286-0
Dávila Ramírez, J. R., y Huertas Martínez, J. A. (2024). Evaluación formativa y calidad de la
retroalimentación: diseño y validación de escalas para profesores escolares. Educación XX1,
27(2), 167-194. https://doi.org/10.5944/educxx1.38283
Del Valle, E. (2025). La inteligencia artificial en la educación: potencial transformador, riesgos de sesgo
y desafíos éticos. Revista Iberoamericana de Educación, 99(1), 79-93.
https://doi.org/10.35362/rie9916838
Gómez Reyes, A. (2023). Intervenciones de retroalimentación formativa. PARADIGMA, 16-35.
https://doi.org/10.37618/paradigma.1011-2251.2023.p16-35.id1465
Hattie, J., y Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81-
112. https://doi.org/10.3102/003465430298487
Huerta Rosales, M., y Vigoa Escobedo, Y. (2024). La evaluación formativa desde el enfoque de la
evaluación auténtica en la educación superior universitaria. Revista de Investigación Científica
Huamachuco, 2(2), 91-105. https://doi.org/10.61709/4akj9s23
Jacobs, J., Scornavacco, K., Harty, C., Suresh, A., Lai, V., y Sumner, T. (2022). Promoting rich
discussions in mathematics classrooms: using personalized, automated feedback to support
reflection and instructional change. Teaching and Teacher Education, 112, 103631.
https://doi.org/10.1016/j.tate.2022.103631
Jin, F. J.-Y., Maheshi, B., Lai, W., Li, Y., Gasevic, D., Chen, G., Charwat, N., Chan, P. W. K., Martinez-
Maldonado, R., Gasevic, D., y Tsai, Y.-S. (2025). Students' perceptions of generative AI-
powered learning analytics in the feedback process. Journal of Learning Analytics, 12(1), 152-
168. https://doi.org/10.18608/jla.2025.8609
pág. 1728
Kroff Trujillo, F. J., y Bellemans Fagalde, P. J. (2026). La competencia digital docente en educación
superior: tensiones, enfoques y desafíos contemporáneos. Revista TSup (Transformación
Superior), 2(1), 68-84. https://doi.org/10.53382/issn.2810-7977.41
Lee, S. S., y Moore, R. L. (2024). Harnessing generative AI (GenAI) for automated feedback in higher
education: a systematic review. Online Learning, 28(3). https://doi.org/10.24059/olj.v28i3.4593
Leiva-Guerrero, M. V., Araya Zamorano, I., Escobar Collins, R., y Silva Castro, F. (2026).
Retroalimentación de aprendizajes con inteligencia artificial generativa en estudiantes
universitarios. RIED-Revista Iberoamericana de Educación a Distancia, 29(1), 241-267.
https://doi.org/10.5944/ried.45547
Memarian, B., y Doleck, T. (2024). Human-in-the-loop in artificial intelligence in education: a review
and entity-relationship (ER) analysis. Computers in Human Behavior: Artificial Humans, 2(1),
100053. https://doi.org/10.1016/j.chbah.2024.100053
Mendonça, P. C., Quintal, F., Figueiredo, M., Baras, K., y Mendonça, F. (2026). A hybrid reasoning
framework for artificial intelligence assessment rubric generation in human and automated
contexts: evidence from an undergraduate programming course. Computers and Education:
Artificial Intelligence, 11, 100663. https://doi.org/10.1016/j.caeai.2026.100663
Muñoz Cortés, P., Henríquez D'Aquino, E., y Kunakov Pérez, N. (2023). Retroalimentación como
evaluación formativa desde la perspectiva docente en odontología: estudio de caso. Educación
Médica, 24(2), 100785. https://doi.org/10.1016/j.edumed.2022.100785
Ninaus, M., y Sailer, M. (2022). Closing the loop - the human role in artificial intelligence for education.
Frontiers in Psychology, 13. https://doi.org/10.3389/fpsyg.2022.956798
Parra Martínez, B. D., Orejarena Silva, H. A., y Acosta Salazar, H. U. (2022). Retroalimentación docente
universitaria. Inclusión y Desarrollo, 9(1), 24-36.
https://doi.org/10.26620/uniminuto.inclusion.9.1.2022.24-36
Pattier, D., y Ferreira, P. D. (2023). ¿Presencial, online o híbrida?: percepciones y preferencias por parte
de docentes y estudiantes de educación superior. Revista Complutense de Educación, 34(1), 69-
79. https://doi.org/10.5209/rced.76766
pág. 1729
Ruiz Domínguez, M. Á., y Maggio, M. (2025). Evaluación de una didáctica en vivo híbrida en educación
superior: un estudio de caso. REDU. Revista de Docencia Universitaria, 23(1), 77-92.
https://doi.org/10.4995/redu.2025.22702
Santana-Soriano, E. (2025). Ética e inteligencia artificial en educación: un análisis bibliométrico de
tendencias emergentes y desafíos. Ciencia y Educación, 9(1), 95-111.
https://doi.org/10.22206/cyed.2025.v9i1.3255
Tam, A. C. F. (2024). Evolution of feedback ecology: reshaping students' conceptions and practices in
feedback literacy. Assessment & Evaluation in Higher Education, 49(3), 376-391.
https://doi.org/10.1080/02602938.2023.2246701
Valdez Valdez, L. S., Sánchez Uscamayta, J. O., y Lescano López, G. S. (2023). Evaluación formativa:
retroalimentación, estrategias e instrumentos. Revista Educación, 47(2), 1-24.
https://doi.org/10.15517/revedu.v47i2.53987
Valenzuela-Velasco, C. A. (2026). Percepción docente sobre el uso de la inteligencia artificial en la
educación superior. Prohominum, 8(2), 473-482. https://doi.org/10.47606/acven/ph0503
Viberg, O., Poquet, O., Kovanovic, V., y Khosravi, H. (2025). Fostering human agency in age of AI.
Journal of Learning Analytics, 12(3), 1-7. https://doi.org/10.18608/jla.2025.9485
Woitt, S., Weidlich, J., Jivet, I., Orhan Göksün, D., Drachsler, H., y Kalz, M. (2025). Students' feedback
literacy in higher education: an initial scale validation study. Teaching in Higher Education,
30(1), 257-276. https://doi.org/10.1080/13562517.2023.2263838
Yeung, S. (2025). University students' engagement with generative AI-supported automated writing
evaluation (AWE) feedback. Journal of Second Language Writing, 68, 101203.
https://doi.org/10.1016/j.jslw.2025.101203
Zhan, Y., y Yan, Z. (2026). Students' engagement with ChatGPT feedback: implications for student
feedback literacy in the context of generative artificial intelligence. Assessment & Evaluation
in Higher Education, 51(5), 821-834. https://doi.org/10.1080/02602938.2025.2471821
