Una tasa de finalización parece una cifra clara: muestra cuántas personas llegaron al último paso de un curso, un formulario o una secuencia digital. También puede orientar una decisión equivocada si se usa como sustituto del aprendizaje. Llegar al final no demuestra comprensión, transferencia, criterio ni posibilidad de corregir un error.

La excepción no es un ruido que deba ocultarse para que un panel parezca ordenado. Una persona que no puede iniciar sesión, una respuesta que no encaja en opciones cerradas, un trabajo excelente entregado fuera de plazo o una recomendación que perjudica a un grupo minoritario ponen a prueba el diseño real. Si el sistema solo funciona para la trayectoria prevista, su tasa de finalización describe comodidad administrativa, no calidad educativa.

Un sistema de aprendizaje digital robusto trata los casos fuera de norma como evidencia. Pregunta qué supuesto falló, quién quedó sin apoyo, qué decisión automática puede revisarse y qué alternativa equivalente preserva el objetivo de aprendizaje. La equidad no consiste en rebajar el criterio ante una dificultad; consiste en distinguir el criterio de las barreras accidentales que impiden demostrarlo. Por eso la excepción debe dejar rastro, recibir respuesta humana y mejorar el proceso común.

Los sistemas de progreso convierten acciones visibles en porcentajes, rachas, insignias y posiciones. Esos datos pueden advertir de una dificultad o de una barrera, pero no explican por sí mismos qué ocurrió. Una cifra responsable abre una pregunta; no cierra una evaluación sobre esfuerzo, capacidad o compromiso.

El riesgo aumenta cuando una métrica es fácil de comparar y una conversación sobre el trabajo requiere tiempo. Entonces se premia la actividad que deja huella en la plataforma y se vuelve invisible la lectura pausada, la ayuda entre pares, el trabajo sin conexión o la revisión que llevó a cambiar de idea.

Interpretar progreso exige separar medida y significado. Un porcentaje puede registrar que se abrió una unidad o se acertó tras varios intentos. No registra automáticamente la calidad de la pregunta, la fuente usada, el razonamiento o las condiciones materiales en que se estudió.

La alternativa no es dejar de medir. Es usar indicadores limitados, explicables y acompañados de evidencias del proceso. Cuando aprender importa más que completar, el dato sirve para orientar apoyo y revisión, nunca para convertir una trayectoria diversa en un veredicto automático.

La excepción muestra lo que una métrica deja fuera#

Una decisión tecnológica responsable comienza por describir la capacidad que se quiere desarrollar. Si el objetivo es interpretar una fuente histórica, el indicador no puede ser solo un documento con aspecto convincente. Hará falta saber si se distinguieron autoría, fecha, contexto, intención y ausencia de información. Si el objetivo es modelar un fenómeno, convendrá comprobar qué supuestos se hicieron, qué variables se dejaron fuera y qué cambia al modificar un dato. En ambos casos, una herramienta útil es la que hace visible el razonamiento, no la que lo tapa con una presentación impecable.

Una decisión tecnológica responsable comienza por describir la capacidad que se quiere desarrollar.

La pregunta inicial también delimita la información que una actividad necesita recoger. Pedir registros detallados de cada clic porque una plataforma los ofrece puede normalizar una vigilancia innecesaria. Bastan, en muchas situaciones, muestras de trabajo, explicaciones breves, versiones revisadas y una conversación sobre decisiones. La privacidad y la evaluación no son asuntos separados: si se mide solo lo que una plataforma puede capturar, se empobrece la idea misma de aprender. La UNESCO propone una alfabetización mediática e informacional que incluye comprender cómo circula la información y evaluarla de manera crítica.

Conviene además anticipar las condiciones materiales. Un recurso que exige una cuenta, un dispositivo reciente, mucha conexión o datos personales puede ampliar diferencias existentes. El diseño debe ofrecer alternativas equivalentes, instrucciones claras y tiempo de familiarización. No se trata de rechazar lo digital, sino de evitar que la destreza con una interfaz se confunda con el conocimiento que se desea construir. La accesibilidad debe estar presente en la pregunta inicial: quién podrá participar, con qué apoyos y cómo se comprobará que la actividad no excluye.

Caso uno: una respuesta fuera de la plantilla revela una evaluación insuficiente#

En una clase de ciencias sociales se encargó investigar las causas de una subida reciente de alquileres. La instrucción inicial parecía eficiente: reunir artículos, usar una herramienta de resumen y entregar una infografía. En pocas horas aparecieron piezas visualmente ordenadas, con gráficos y frases seguras. Al leerlas, el equipo docente encontró explicaciones incompatibles presentadas como hechos, porcentajes sin fuente y una confusión repetida entre precios anunciados y contratos firmados. La actividad había producido documentos completos antes de acordar qué pregunta podía responderse con las fuentes disponibles.

La revisión no consistió en prohibir el generador ni en castigar el uso de tecnología. Se detuvo la entrega y se propuso una pregunta más precisa: ¿qué indicadores permiten describir el cambio de precio en este municipio, durante qué periodo y para qué tipo de vivienda? Cada grupo elaboró una ficha de evidencia con autor, fecha, método, alcance y posibles intereses de la fuente. Después comparó una estadística pública, un informe sectorial y testimonios de prensa. El resumen automático pasó a ser un objeto de análisis: se marcaban afirmaciones verificables, omisiones y palabras que aparentaban causalidad sin demostrarla.

Al final, las infografías incluyeron una sección titulada “lo que no permite concluirse”. Algunos grupos descubrieron que sus datos no distinguían barrios; otros que una cifra nacional no describía la ciudad. Esa limitación no redujo el valor del trabajo: hizo más honesta la explicación. La OCDE advierte que la educación digital debe fortalecer capacidad de juicio y participación, no solo acceso a dispositivos. El caso mostró que una herramienta puede servir para formular comparaciones, siempre que la pregunta y las fuentes conserven prioridad sobre la apariencia de una respuesta acabada.

Caso dos: quien trabaja fuera de línea queda fuera del veredicto#

Un centro incorporó una plataforma con paneles que mostraban tiempo de conexión, ejercicios completados, respuestas correctas al primer intento y posición en una clasificación. Las reuniones comenzaron a girar alrededor de esos números porque eran inmediatos y fáciles de comparar. Un grupo aparecía como poco constante, aunque varias personas descargaban materiales para trabajar sin conexión. Otras figuraban como avanzadas porque repetían ejercicios hasta acertar, pero no podían explicar el procedimiento en una conversación. El panel ofrecía señales útiles, aunque se estaba usando como veredicto sobre capacidades que no podía observar.

El equipo definió entonces tres preguntas de evaluación: qué conceptos se comprenden, cómo se aplican ante una situación nueva y qué estrategias se usan al detectar un error. Los datos de la plataforma quedaron como una fuente secundaria. Para responder a las otras preguntas se añadieron problemas con variantes, notas de razonamiento y revisiones entre pares guiadas por criterios públicos. Cada estudiante podía adjuntar una breve explicación de una decisión que el sistema no había registrado. Las clasificaciones dejaron de proyectarse; en su lugar se mostraban progresos individuales y oportunidades de revisión.

La modificación cambió las conversaciones. Un tiempo de conexión bajo dejó de interpretarse automáticamente como falta de esfuerzo y se investigaron barreras de acceso, trabajo de cuidados y preferencias de estudio. Una respuesta incorrecta dejó de ser un punto perdido para convertirse en material de diagnóstico. El Marco Europeo para la Competencia Digital de Educadores insiste en usar la tecnología para mejorar evaluación e inclusión. Medir no es comprender: los indicadores adquieren sentido cuando una pregunta pedagógica define qué pueden decir y, sobre todo, qué no pueden decir.

Caso tres: el dato ausente prueba la robustez del proyecto#

En un taller de programación se propuso crear una aplicación para informar de la calidad del aire. Los modelos de código y asistentes automáticos permitieron obtener una pantalla funcional durante la primera sesión. Había botones, mapas y colores que cambiaban con los valores. Pero nadie había decidido de dónde vendrían los datos, cada cuánto se actualizarían, qué significaba un índice alto o qué debía ocurrir si el servicio fallaba. Algunos equipos copiaron claves de acceso en archivos públicos y otros mostraban cifras antiguas como si fueran lecturas actuales. Completar la interfaz había desplazado el problema que daba sentido a la aplicación.

La siguiente sesión comenzó sin ordenador durante media hora. Se dibujó el recorrido de una persona que consulta la información antes de salir de casa y se formularon preguntas: ¿qué dato necesita?, ¿qué fuente tiene autoridad para publicarlo?, ¿qué aviso sería claro sin causar alarma?, ¿cómo se indica una medición ausente? Después cada grupo escribió criterios de aceptación y una lista de riesgos. Solo entonces eligió servicios, bibliotecas y componentes. El asistente de código siguió disponible, pero cada fragmento añadido debía explicarse en una nota: función, dependencia, dato de entrada y prueba realizada.

Las aplicaciones finales tenían menos funciones decorativas y más mensajes comprensibles. Incluían fecha de actualización, enlace a la fuente, aviso de dato no disponible y una prueba que evitaba mostrar un valor anterior como actual. El Instituto Nacional de Ciberseguridad destaca que la seguridad debe incorporarse desde el diseño y no al final de un proyecto. En este caso, aprender programación significó relacionar una decisión técnica con una consecuencia para quien recibe información. La rapidez para generar código se volvió valiosa cuando estuvo al servicio de un criterio previamente discutido.

Evaluar procesos que dejan espacio para corregir#

Cuando el aprendizaje importa más que completar, la evaluación necesita rastros del proceso. No hace falta convertir cada gesto en una métrica. Una selección razonable puede incluir la pregunta inicial, fuentes consultadas, una primera hipótesis, cambios realizados, una explicación de los errores y una versión final. Esa secuencia permite valorar la mejora sin exigir que todo intento sea correcto. También reduce la tentación de presentar como propio un resultado que no se comprende, porque invita a explicar decisiones concretas en lugar de defender una apariencia perfecta.

Las rúbricas pueden ayudar si describen acciones observables: delimitar una cuestión, contrastar evidencias, reconocer límites, elegir un método adecuado y comunicar con claridad. Son menos útiles cuando premian obediencia mecánica a una plantilla. Una buena rúbrica deja margen para que dos caminos razonables lleguen a conclusiones diferentes. El Consejo de Europa vincula la educación para la ciudadanía digital con la participación crítica, responsable y segura. Esa participación requiere poder disentir de una sugerencia automática y argumentar por qué una fuente, una regla o un resultado merece revisión.

La retroalimentación debe llegar mientras todavía puede cambiar algo. Un comentario al final de una tarea cerrada informa poco; una pregunta durante el proceso abre una posibilidad de aprender. “¿Qué evidencia sostendría esta afirmación?”, “¿qué ocurriría si este dato fuese incompleto?” o “¿quién no queda representado?” son intervenciones que devuelven la atención al razonamiento. Las herramientas pueden organizar borradores, facilitar comentarios y ofrecer accesos alternativos, pero no deberían sustituir la conversación que permite interpretar una duda.

Una tecnología que ayuda a aprender a seguir preguntando#

La primera pregunta no es un trámite que se archiva al iniciar un proyecto. Debe volver cuando aparecen resultados inesperados, cuando una fuente contradice una hipótesis o cuando una herramienta recomienda una opción opaca. Preguntar de nuevo permite cambiar de método sin abandonar el objetivo. También protege contra una idea pobre de eficiencia: el tiempo ahorrado solo es valioso si se invierte en comprender mejor, atender a quien necesita apoyo, verificar una afirmación o revisar un daño posible.

Una organización educativa puede convertir este enfoque en práctica habitual con decisiones sencillas: declarar el propósito antes de adoptar una plataforma, probar el recurso con grupos diversos, publicar qué datos se recogen y durante cuánto tiempo, ofrecer alternativa no digital cuando corresponda y revisar la herramienta después de usarla. Las decisiones no deben basarse únicamente en promesas comerciales ni en la novedad. Deben observar qué aprendizaje se hizo posible, qué obstáculos aparecieron y qué se perdió al automatizar una parte de la actividad.

Completar sigue siendo necesario: los proyectos requieren entregas, los servicios deben funcionar y las personas necesitan respuestas. Pero el resultado gana valor cuando conserva la posibilidad de ser explicado, cuestionado y corregido. Una herramienta bien elegida no acalla la primera pregunta. La vuelve más fértil, porque permite investigarla con mejores recursos sin confundir la disponibilidad de una respuesta con la comprensión de un problema.

Fuentes institucionales: UNESCO, alfabetización mediática e informacional; OCDE, educación digital; Comisión Europea, DigCompEdu; INCIBE, seguridad y ciudadanía digital; Consejo de Europa, educación para la ciudadanía digital.