Una xifra té una força especial quan apareix en una pantalla: sembla exacta, comparable i lliure de discussió. Un centre educatiu veu un 82 % de risc d'abandonament; una família rep un informe de sis hores d'ús; una plataforma anuncia que un text té un 91 % de probabilitat d'haver estat generat per intel·ligència artificial. Cada número pot aportar un senyal, però cap no conté per si sol la història que pretén resumir. En l'adolescència, quan canvien ràpidament la identitat, les relacions, la manera d'aprendre i la necessitat d'intimitat, convertir un senyal en un veredicte pot produir més dany que coneixement. Mesurar millor no significa reunir dades infinites ni construir un panell més vistós. Significa decidir quina pregunta importa, combinar fonts diferents, observar qui queda fora de la mitjana i mantenir una porta oberta per explicar, impugnar i corregir. La intel·ligència artificial pot ajudar a trobar patrons, però la responsabilitat d'interpretar-ne els resultats continua sent humana i institucional.

Una xifra només respon a la pregunta que la va produir#

Tot indicador neix d'una elecció. Algú decideix què compta com a participació, benestar, originalitat, progrés o ús excessiu; tria una font, un període i un llindar. Aquesta decisió pot ser raonable, però mai no és neutral. Comptar missatges enviats no mesura la qualitat d'una amistat. Registrar temps davant d'una aplicació no distingeix entre crear una pel·lícula, parlar amb una àvia i avançar sense rumb per recomanacions. Una nota mitjana no mostra si l'alumnat va entendre un concepte, va memoritzar una resposta o va rebre una ajuda que altres no tenien. Abans d'interpretar una xifra convé reconstruir la pregunta, el mètode i allò que no es va poder observar.

Tot indicador neix d'una elecció. Algú decideix què compta com a participació, benestar, originalitat, progrés o ús excessiu; tria una font, un període i un llindar.

Els sistemes d'intel·ligència artificial hi afegeixen una altra capa. Una puntuació sol ser la sortida d'un model entrenat amb casos anteriors. Pot expressar similitud estadística, no pas una certesa sobre aquella persona. Si les dades històriques contenen desigualtats, el patró pot aprendre-les i presentar-les com una predicció. Si el context canvia, la precisió publicada deixa de descriure l'ús actual. Fins i tot una taxa global elevada amaga errors distribuïts de manera desigual. Per això una institució ha de preguntar què significa exactament el valor, contra quina referència es va validar, quants falsos positius produeix i en quins grups funciona pitjor.

També importa l'efecte de mesurar. Quan una adolescent sap que cada pausa, paraula o connexió alimenta una puntuació, pot adaptar la conducta per semblar correcta en lloc de demanar ajuda. Quan un professor és avaluat pel percentatge de tasques completades, pot prioritzar activitats fàcils. Quan una empresa celebra minuts d'interacció, el disseny aprèn a retenir, encara que el benestar aconselli acabar la conversa. Un bon indicador orienta una pregunta; un indicador convertit en objectiu pot deformar la realitat que pretenia millorar.

Mesurar per cuidar, aprendre i retre comptes#

La primera disciplina consisteix a declarar la finalitat. No es recullen les mateixes dades per adaptar una explicació que per detectar una urgència, avaluar una política pública o investigar. Cada propòsit exigeix una proporcionalitat diferent i una persona responsable distinta. Si l'objectiu és ajudar a estudiar, potser n'hi ha prou amb mostres de treball i una conversa. Si hi ha una preocupació clínica, cal un professional i procediments de salut. Una aplicació generalista no ha de transformar una conversa en diagnòstic, ni una escola acumular informació íntima per si algun dia resulta útil.

Mesurar per cuidar implica reduir incertesa sense reduir la persona. S'observa una combinació de senyals: canvis sostinguts, context, paraules pròpies, relacions, barreres i recursos disponibles. Mesurar per aprendre compara el procés amb objectius explícits i retorna comentaris que permeten actuar. Mesurar per retre comptes examina també l'organització: quants errors va corregir, quant va trigar a respondre, quins grups van patir més incidències i quines decisions va canviar. Si tots els indicadors descriuen l'adolescent i cap no avalua la plataforma, el repartiment de responsabilitat està desequilibrat.

Un quadre útil pot reunir quatre dimensions. La primera és el resultat: què va passar. La segona és el procés: com s'hi va arribar i quina ajuda hi va intervenir. La tercera és l'experiència: com ho van viure les persones afectades. La quarta és l'equitat: qui va guanyar, qui va perdre i qui no va poder participar. Cap dimensió no s'ha de convertir en una xifra total que torni a esborrar diferències. Es llegeixen juntes i s'acompanyen d'exemples, límits i una data de revisió. La finalitat no és fabricar certesa, sinó prendre una decisió prudent amb evidències suficients.

Tres casos en què la mitjana enganya#

Cas 1: el detector d'autoria. Una professora rep un 94 % de probabilitat d'ús d'IA en la redacció d'en Leo. La xifra sembla concloent, però no identifica quin fragment genera el senyal ni demostra qui va escriure. En Leo és bilingüe, va utilitzar un corrector i va reescriure diverses frases després d'una tutoria. El centre no sanciona automàticament. Compara esborranys, fonts i treballs anteriors; hi conversa i li demana explicar dues decisions. Descobreix un procés propi i una assistència permesa. La puntuació queda registrada com a indici no fiable, no com a antecedent de l'estudiant. A més, l'escola revisa la política: cap detector serà prova única, la càrrega no recaurà en el menor i tota sospita tindrà una via de contradicció.

Cas 2: les hores de pantalla. L'informe familiar mostra que la Nur ha passat set hores connectada dissabte. La reacció inicial és retirar-li el mòbil una setmana. En preguntar, la família descobreix que dues hores corresponien a una videotrucada amb cosines que viuen lluny, dues més a editar un projecte escolar, una a escoltar música mentre dibuixava i la resta a vídeos curts que ella mateixa considera esgotadors. La intervenció canvia: es mantenen les activitats valuoses, es desactiven notificacions nocturnes i s'acorda una pausa concreta per al contingut que desplaça el son. Una revisió posterior atén descans, estat d'ànim, autonomia i vincles, no sols minuts. El mateix total contenia experiències amb significats oposats.

Cas 3: l'alerta de risc acadèmic. Un model escolar situa la Salma en risc alt perquè va faltar diversos dies i va lliurar menys exercicis. L'orientadora podria assignar-li un itinerari simplificat. Abans de fer-ho, consulta l'alumna, el tutor i la família. Les absències es devien a una mudança temporal i a la cura d'un germà; les avaluacions mostren comprensió i ella vol mantenir expectatives altes. El centre ofereix flexibilitat de terminis, transport i suport, sense rebaixar el currículum. Després audita si l'eina confon pobresa o responsabilitats familiars amb falta de capacitat. L'alerta resulta útil perquè obre una conversa; hauria estat injusta si hagués tancat una oportunitat.

Com construir una avaluació amb diverses evidències#

El procés comença amb una pregunta concreta i una decisió possible. “Està aprenent?” és massa ampli; “pot justificar la tria de fonts en aquest projecte i millorar-la després de rebre comentaris?” permet observar. A continuació es trien evidències independents: producte final, esborranys, explicació oral, autoavaluació i observació docent. La independència importa perquè cinc mètriques derivades del mateix registre no són cinc perspectives. També s'estableix quina informació no es recopilarà, durant quant de temps es conservarà i qui la podrà veure.

Abans d'usar un model es fixa una línia de base. Què passa amb el mètode actual? Quants casos detecta, quins errors comet i quanta feina exigeix? Sense comparació, qualsevol panell nou sembla un avenç. El pilot ha de ser petit, reversible i limitat en el temps. S'anoten encerts, falsos positius, falsos negatius, recursos consumits i conseqüències. Una alerta correcta però tardana pot no ajudar; una recomanació encertada que estigmatitza tampoc. La qualitat inclou utilitat, oportunitat, comprensió i possibilitat de reparació.

Els resultats es desagreguen amb prudència per edat, gènere, discapacitat, idioma, situació socioeconòmica o altres factors pertinents, evitant grups tan petits que identifiquin persones. La pregunta no és només si la mitjana millora, sinó si apareix una bretxa. La participació adolescent ha de ser real: conèixer què es mesura, aportar interpretacions i assenyalar efectes que els adults no veuen. Participar no equival a consentir qualsevol tractament ni a assumir responsabilitat jurídica. La institució conserva el deure de protecció i ofereix una alternativa digna quan una eina no és imprescindible.

Tota decisió d'impacte necessita revisió humana competent. Això no significa prémer “acceptar” en una pantalla. La persona revisora ha de disposar de context, temps, autoritat per apartar-se del sistema i una explicació comprensible. Ha de documentar per què confirma o modifica la proposta i comunicar-ho sense convertir una correlació en identitat. “El sistema va observar aquests senyals” és diferent de “ets un alumne de risc”. El llenguatge protegeix la possibilitat de canviar i evita que una predicció segueixi l'adolescent com una etiqueta permanent.

Quatre fonts institucionals i les preguntes que permeten fer#

La guia d'UNICEF sobre intel·ligència artificial i infants situa drets, inclusió, privacitat, seguretat i benestar al centre del disseny. Ajuda a preguntar si el benefici està demostrat per a infàncies diverses i si hi ha una reparació accessible. La guia de la UNESCO sobre IA generativa en educació i recerca defensa l'agència humana, la protecció de dades i els usos apropiats per a l'edat; convida a examinar el propòsit pedagògic abans d'adoptar una eina.

L'Organització Mundial de la Salut, en la seva orientació sobre ètica i governança de la IA per a la salut, recorda que la transparència, la responsabilitat i la protecció de l'autonomia són imprescindibles quan una recomanació afecta el benestar. La Comissió Europea, en explicar el marc regulador europeu d'IA, presenta un enfocament basat en el risc i obligacions més exigents per a usos de més impacte. Aquestes quatre fonts no certifiquen productes ni substitueixen la legislació aplicable. Ofereixen criteris perquè escoles, famílies i administracions documentin finalitat, necessitat, supervisió, desigualtat i recurs.

Una institució responsable registra la versió i la data de consulta de cada document, contrasta normes locals i publica les seves decisions en llenguatge accessible. Citar una guia no demostra compliment. Cal mostrar com va canviar la pràctica: quina dada es va deixar de recollir, quin llindar es va revisar, quin grup hi va participar, quin contracte es va modificar o quina eina es va retirar. L'evidència institucional serveix quan obliga a retre comptes, no quan decora una política.

Un pacte per mirar més enllà del número#

Famílies i escoles poden acordar un protocol breu. Davant d'una puntuació important, es pregunta què mesura, amb quin marge d'error, quin context falta, quina altra evidència hi ha, qui la pot impugnar i quan s'esborrarà. Si afecta salut, seguretat, disciplina, accés educatiu o reputació, no s'actua només amb el resultat automàtic. S'escolta l'adolescent abans de concloure i s'ofereix suport immediat quan esperar pugui agreujar el dany. La rapidesa tècnica no obliga a una precipitació humana.

Les plataformes, per la seva banda, han de presentar els límits amb la mateixa claredat que presenten els beneficis. Han d'informar sobre població de validació, errors per grups, canvis de versió, ús de dades i canals de reclamació. També han de permetre apagar la personalització, exportar informació i eliminar-la. Una mètrica d'èxit empresarial, com permanència o freqüència de conversa, no es pot confondre amb benestar. Dissenyar per a joves exigeix mesurar també sortides voluntàries, pauses saludables, peticions d'ajuda ateses i danys evitats.

Mirar diverses evidències no equival a relativitzar-ho tot. Alguns senyals exigeixen una acció ferma: una amenaça concreta, una exposició de dades o un deteriorament persistent no s'han de perdre entre mitjanes. Precisament per això cal context i responsabilitat identificable. Mesurar bé permet distingir exploració de perill, un entrebanc d'una tendència i una necessitat d'una etiqueta. La millor decisió no és la que exhibeix més decimals, sinó la que pot explicar les seves raons, reconèixer els límits i rectificar sense abandonar qui n'ha resultat afectat.

Una generació que conversa amb màquines també aprendrà de la manera com els adults utilitzen les seves xifres. Si observa que una puntuació mana sense preguntes, entendrà que mesurar és vigilar. Si veu que les dades obren converses, distribueixen recursos i obliguen les institucions a corregir-se, entendrà que mesurar pot ser una forma de cura democràtica. L'objectiu no és desconfiar de tots els números, sinó retornar-los la seva mida: són representacions parcials al servei de decisions humanes. Mesurar millor comença quan una sola xifra deixa de tenir l'última paraula.