1. Introducción
Las pruebas escritas son un instrumento de evaluación usado en Educación Secundaria. Tienen la dificultad asociada a los contenidos, pero también pueden presentar para el alumnado dificultades relacionadas con la forma de presentación. La dificultad de una prueba escrita no está solo en lo que se pregunta. Cómo se pregunta también puede ser determinante para el correcto desempeño del alumnado. En ocasiones, puede suponer una auténtica barrera de acceso. La aparición de instrucciones muy largas y complejas, apartados poco separados, alta densidad textual o falta de espacio claro y suficiente para responder son aspectos que pueden dificultar que el alumnado identifique con claridad qué debe hacer.
Para el alumnado con trastorno por déficit de atención e hiperactividad (TDAH), las citadas barreras de acceso pueden tener una especial importancia. El TDAH se ha relacionado con dificultades en la comprensión lectora por los escollos que pueden aparecer en aspectos como el mantenimiento del foco de atención, la comprensión de consignas, la organización de la información y la planificación de respuestas, por lo que el acceso a la prueba escrita de este alumnado puede verse condicionado por determinadas variables de presentación. Estas variables pueden influir en la adecuada ejecución de tareas de lectura y comprensión (Parks et al., 2022; Stern & Shalev, 2013).
Adaptar una prueba escrita en estos casos no debe entenderse como “hacerla más fácil”. No se trata de modificar las expectativas de aprendizaje en términos curriculares. El objetivo de una adaptación de este tipo es mejorar las condiciones de accesibilidad de la prueba creando las condiciones necesarias para que el formato no sea obstáculo para la demostración de aprendizajes. Esta es una forma de atender la diversidad.
Una dificultad en la práctica docente a la hora de adaptar materiales es el tiempo. Impartir clases no es la única obligación del profesorado. No siempre resulta sencillo encontrar tiempo para preparar las clases, corregir, coordinarse y, además de todo ello, adaptar las pruebas de una forma rigurosa. Surge la necesidad de contar con apoyos que sean ágiles, pero también revisables y explicables.
2. Una oportunidad para usar la IA con criterio
Los sistemas de inteligencia artificial generativa ponen al alcance del profesorado, sin necesidad de conocimientos técnicos especializados, herramientas para apoyar las tareas docentes relacionadas con la creación y adaptación de materiales. El potencial de la IA para ayudar en la personalización del aprendizaje ha sido señalado por investigaciones recientes, si bien las mismas también advierten de importantes riesgos de la IA si se recurre a ella sin supervisión y si su uso no va acompañado de un marco conformado por criterios pedagógicos y éticos consistentes (Garzón et al., 2025).
Estos riesgos son muy variados. Algunos de los señalados por la UNESCO (2023) son la falta de privacidad y los sesgos discriminatorios en las respuestas. También se ha señalado la opacidad, es decir, la falta de explicabilidad de las decisiones tomadas por la IA. Los riesgos y el carácter tan sensible de este campo convierten en una exigencia la necesidad de que cualquier integración de la IA generativa en contextos educativos tenga como centro las necesidades humanas. Además, su actividad debe quedar sometida a supervisión docente bajo estrictos criterios de responsabilidad pedagógica.
La IA no se plantea en este artículo como una tecnología autónoma que decide en lugar del docente. Su función es ayudar a generar una propuesta de adaptación con una finalidad educativa precisa y unos criterios claros. Esta propuesta de adaptación debe ser después revisada y validada. Esto evita convertir la IA en un sustituto del criterio docente y recurrir a esta tecnología simplemente porque es novedosa. La IA puede aportar un valor real en el contexto educativo cuando su uso se integra en un marco pedagógico bajo supervisión docente.
El trabajo que se expondrá a continuación consiste en el diseño y desarrollo, con la ayuda de la IA generativa, de una herramienta capaz de adaptar pruebas escritas de Secundaria destinadas a alumnado con TDAH, mediante criterios seleccionables, con la generación de una salida revisable en forma de prueba adaptada.
3. De los criterios pedagógicos a una herramienta funcional
El punto de partida fue seleccionar un conjunto de criterios de adaptación a partir de la revisión teórica y normativa. Estos se organizaron en dos planos: el plano lingüístico y el plano paratextual.
El plano lingüístico se orientó a mejorar la claridad de las consignas y se incluyeron cinco criterios:
- Simplificación sintáctica de instrucciones extensas o densas.
- División de instrucciones múltiples en pasos diferenciados.
- Explicitación de acciones a realizar en cada parte de la prueba.
- Reducción de estructuras subordinadas innecesarias.
- Aclaración de vocabulario en el caso de ser considerado especialmente complejo.
El plano paratextual abordó la presentación formal con la incorporación de cuatro criterios:
- Separación clara de cada apartado de la prueba.
- Aumento del espacio en blanco en interlineado y márgenes.
- Alineación a la izquierda del texto (texto no justificado).
- Resaltado de palabras clave, como verbos de tarea.
Todos los criterios elegidos se relacionan con principios de accesibilidad y muchos aparecen recogidos como fundamentos del Diseño Universal para el Aprendizaje. Las pautas DUA hacen hincapié en la importancia de reducir barreras personalizando la presentación de la información para apoyar la legibilidad y comprensión del texto por todo el alumnado (CAST, 2024). Las recomendaciones de los estudios sobre accesibilidad cognitiva y legibilidad, en la misma línea, insisten en la necesidad de claridad lingüística, bloques breves de texto, ausencia de justificación completa y uso suficiente de espacio en blanco en la prueba escrita (CAST, 2024; Seeman-Horwitz et al., 2021; Stern & Shalev, 2013; W3C, 2025).
La finalidad común de estos criterios es hacer más accesible la prueba escrita sin alterar su sentido académico. Las modificaciones siguen los criterios que haya seleccionado la persona usuaria. Se aplican en cuestiones como la forma de ser presentadas las instrucciones, la separación de los apartados, el destacado de determinados elementos o la organización del espacio de respuesta.
A partir de nueve criterios lingüísticos y paratextuales se diseñó un prototipo funcional. La herramienta permite tanto introducir un enunciado independiente como subir una prueba en formato DOCX. Se seleccionan los criterios de adaptación que se desea aplicar y se obtiene una versión adaptada revisable en pantalla. La salida generada puede ser descargada en DOCX editable o PDF. Además, puede ir acompañada de un informe de cambios que explica las modificaciones realizadas.
Este informe es una parte esencial del diseño. Permite conocer los cambios y su justificación antes de aplicar la prueba. La explicabilidad no se entiende aquí como una explicación técnica completa del funcionamiento interno de esta herramienta basada en IA. Es una explicabilidad funcional para el profesorado. La persona docente debe poder comprobar qué se ha cambiado en la prueba, con qué finalidad y bajo qué criterio.
4. Una arquitectura híbrida: IA generativa y reglas programadas
El prototipo se ha diseñado con una arquitectura híbrida. La IA generativa no se emplea de manera indiscriminada. Tampoco afecta a todo el proceso de adaptación. La IA interviene en ciertas tareas propias de la adaptación establecidas previamente: reformulación de consignas para hacerlas más comprensibles, determinación de palabras clave para su resaltado y aclaración puntual de vocabulario complejo. El código, por su parte, controla a través de reglas los aspectos en los que se requiere mayor estabilidad: estructura del documento, formato, separación de bloques, espacios de respuesta, exportación y generación del informe.
Una herramienta basada solo en IA generativa puede ofrecer una respuesta sin que sea posible averiguar cómo se ha llegado a ella. El modelo híbrido permite que no se delegue todo el proceso de adaptación en la IA generativa. Se establecen unos límites para las modificaciones que la IA puede realizar y, de esta manera, cada cambio en la adaptación es más fácil de explicar. Esto conecta con la necesidad de que las herramientas basadas en IA sean comprensibles en un campo tan sensible como el educativo, que afecta al desarrollo de las personas y es determinante para su bienestar presente y futuro (Türkmen, 2025; UNESCO, 2023).
La herramienta se desarrolló como una aplicación web local. Se utilizó el marco de trabajo Streamlit y, para recurrir a la IA en las adaptaciones, la integración de la API de OpenAI. El código quedó conformado por más de 3.500 líneas en lenguaje Python, pese a no contar el docente-investigador con conocimientos en programación en el momento de desarrollar la herramienta. Ello fue posible gracias al apoyo de Codex, herramienta del entorno de ChatGPT, como asistente de programación. El docente estableció las bases del diseño y los principios pedagógicos. También elaboró con lenguaje natural las instrucciones para el asistente de programación, realizó una supervisión constante, hizo una revisión crítica de cada salida generada y depuró errores hasta obtener resultados válidos.
5. Aplicación en pruebas reales de Secundaria
El prototipo se aplicó a siete pruebas escritas reales de distintas materias de 1.º y 2.º de ESO: Lengua Castellana y Literatura, Historia, Biología y Matemáticas. Seis de esas pruebas llegaron a utilizarse en el aula con alumnado con TDAH.
Las adaptaciones fueron más significativas en las pruebas escritas con mayor carga verbal, las de Lengua e Historia. En estas hubo un margen claro de mejora. En Matemáticas y Biología, cuyas pruebas escritas contaban con menor densidad verbal y bastantes apoyos gráficos, el margen de intervención fue menor.
Este resultado ayuda a delimitar el uso de la herramienta. No toda adaptación aporta el mismo valor. Tampoco es siempre necesario adaptar una prueba. El uso de la herramienta expuesta en este artículo tiene sentido cuando se puede justificar que realmente mejora el acceso a la prueba escrita.
6. Valoración preliminar: utilidad, revisión y prudencia
La valoración del prototipo se realizó a partir de la revisión docente de las pruebas adaptadas y de sus informes de cambios. Además, en seis de los siete casos también se valoró la aplicación efectiva de dichas adaptaciones en el aula con alumnado con TDAH. Predominaron las valoraciones altas o muy altas en las mejoras concretas de las pruebas adaptadas, en la conveniencia del informe de cambios y, de manera general, en la utilidad de la herramienta y de las propias adaptaciones.
En seis de los siete casos, la versión adaptada fue considerada mucho mejor que la original. En el caso restante, correspondiente a Matemáticas, fue valorada como muy similar, aunque también se reconocieron mejoras en la presentación visual. Además, el retoque final necesario antes del uso real fue mínimo o nulo en todos los casos.
En las seis pruebas aplicadas en aula, predominó una percepción positiva sobre el formato adaptado. En las dos pruebas de Lengua, además, se recogió la valoración directa del alumnado. Un alumno indicó que entendía mucho mejor la prueba gracias, entre otros aspectos, al interlineado y a la disposición de las líneas de respuesta. Una alumna expresó que la prueba le había resultado más cómoda que las habituales.
Los resultados obtenidos no constituyen por sí solos una validación definitiva. Tampoco deben llevar a pensar que la aplicación de la herramienta conduce de manera automática a una mejora en el rendimiento del alumnado diagnosticado con TDAH. En cambio, los resultados sí pueden entenderse como una primera evidencia de la utilidad y de la viabilidad del prototipo.
7. Qué aporta esta experiencia a la competencia digital docente
Esta experiencia puede situarse dentro del Marco de Referencia de la Competencia Digital Docente, que contempla las tecnologías digitales como objeto de aprendizaje, pero también como herramientas para desarrollar otros aprendizajes (Resolución de 4 de mayo de 2022).
La relación con el MRCDD puede apreciarse en varias áreas. Conecta con la creación y modificación de contenidos digitales. El prototipo desarrollado parte de pruebas reales y genera adaptaciones en un formato digital. También se vincula con la evaluación, porque utiliza tecnología digital para mejorar el formato de un instrumento evaluativo para hacerlo más accesible. Además, existe una conexión directa con el área de empoderamiento del alumnado, de manera especial con la competencia 5.1, accesibilidad e inclusión.
La figura docente no aparece como alguien que usa pasivamente una tecnología ya creada. Un docente identifica un problema real. Ante esto, selecciona criterios pedagógicos y diseña una solución digital explicable con ayuda de la IA generativa. Las personas usuarias, también docentes, aplican la herramienta digital en pruebas reales y supervisan su comportamiento. Se muestra así una concepción amplia de la competencia digital docente. Las herramientas digitales son empleadas con criterio, supervisadas e incluso diseñadas y desarrolladas por personas docentes, todo ello para aumentar la accesibilidad y, de esta forma, mejorar la inclusión y la equidad en la evaluación.
8. Límites de la experiencia y líneas futuras
La experiencia presenta limitaciones que deben ser reconocidas. El conjunto que sirvió para obtener una evidencia preliminar del funcionamiento de la herramienta estuvo formado por siete pruebas. De cada una se obtuvo una versión adaptada y seis llegaron de manera efectiva al aula. Es un conjunto reducido que resulta insuficiente para alcanzar una valoración concluyente de la efectividad de la herramienta.
Otra limitación se relaciona con los ajustes manuales. Los ajustes no fueron necesarios en cinco de las siete pruebas adaptadas. En las dos restantes fueron mínimos. No obstante, incluso si la adaptación no requiere ningún ajuste, siempre es necesaria la revisión docente previa a su uso. Esta revisión no es un defecto del sistema. La supervisión docente debe entenderse como una condición imprescindible para su correcto uso como herramienta educativa basada en IA.
La herramienta ha mostrado mejores resultados en pruebas basadas fundamentalmente en texto (Historia y Lengua). Se han presentado mayores dificultades cuando los documentos originales han incluido tablas complejas o varios elementos gráficos (Biología y Matemáticas). Mejorar este aspecto relativo a la maquetación sería una línea de desarrollo necesaria.
Partiendo de estas limitaciones, pueden plantearse varias líneas futuras. Una sería ampliar la validación de la herramienta con un número mayor de pruebas y docentes. Otra consistiría en perfeccionar el tratamiento de materiales cuya maquetación sea más compleja. Una tercera sería el despliegue de la herramienta en una web en línea.
9. Conclusión
La inteligencia artificial generativa puede contribuir al desarrollo en Educación Secundaria de prácticas de evaluación que sean más accesibles y, de esta manera, más inclusivas y equitativas. La herramienta expuesta en este artículo contó con apoyo de la IA en su desarrollo y en su funcionamiento. Con ella se pudo adaptar un conjunto de pruebas escritas de diferentes materias. Se generaron versiones adaptadas revisables y descargables junto a un informe de cambios.
Las valoraciones del profesorado sobre la utilidad de la herramienta fueron favorables. Algunos puntos positivos que se destacaron en las pruebas adaptadas que la herramienta generó fueron la mejor organización visual de los distintos apartados, las consignas más fáciles de comprender y la delimitación clara de un espacio suficiente para escribir la respuesta. También se señaló el mantenimiento del nivel académico respecto a la prueba original.
La aportación principal de la experiencia que se ha expuesto en relación con la IA está en el modelo de uso que propone. La IA generativa puede ayudar al profesorado a transformar materiales. Incluso puede servir para crear herramientas. Pero la competencia digital docente no consiste solo en usar o crear herramientas digitales. Estas deben estar al servicio de finalidades educativas y utilizarse de forma responsable. Sus resultados deben poder explicarse y ser revisados antes de su aplicación. Con estas condiciones, la IA generativa puede convertirse en un apoyo útil para la labor docente.
Referencias bibliográficas
CAST. (2024). Pautas de diseño universal para el aprendizaje, v. 3.0 [organizador gráfico]. https://udlguidelines.cast.org/static/udlg3-graphicorganizer_spanish_update_8142024.pdf
Garzón, J., Patiño, E., & Marulanda, C. (2025). Systematic review of artificial intelligence in education: Trends, benefits, and challenges. Multimodal Technologies and Interaction, 9(8), 84. https://doi.org/10.3390/mti9080084
Parks, K. M. A., Moreau, C. N., Hannah, K. E., Brainin, L., & Joanisse, M. F. (2022). The task matters: A scoping review on reading comprehension abilities in ADHD. Journal of Attention Disorders, 26(10), 1304-1324. https://doi.org/10.1177/10870547211068047
Resolución de 4 de mayo de 2022, de la Dirección General de Evaluación y Cooperación Territorial, por la que se publica el Acuerdo de la Conferencia Sectorial de Educación sobre la actualización del marco de referencia de la competencia digital docente. Boletín Oficial del Estado, núm. 116, de 16 de mayo de 2022, pp. 67979-68026. https://www.boe.es/diario_boe/txt.php?id=BOE-A-2022-8042
Seeman-Horwitz, L., Bradley Montgomery, R., Lee, S., & Ran, R. (2021). Making content usable for people with cognitive and learning disabilities. W3C Working Group Note. https://www.w3.org/TR/coga-usable/
Stern, P., & Shalev, L. (2013). The role of sustained attention and display medium in reading comprehension among adolescents with ADHD and without it. Research in Developmental Disabilities, 34(1), 431-439. https://doi.org/10.1016/j.ridd.2012.08.021
Türkmen, G. (2025). The review of studies on explainable artificial intelligence in educational research. Journal of Educational Computing Research, 63(2), 277-310. https://doi.org/10.1177/07356331241310915
UNESCO. (2023). Guía para el uso de IA generativa en educación e investigación. https://unesdoc.unesco.org/ark:/48223/pf0000389227
W3C. (2025, 6 de mayo). Web Content Accessibility Guidelines (WCAG) 2.1. https://www.w3.org/TR/WCAG21/
Imágenes de elaboración propia del autor
Enrique García Martín
