An Ethical Framework for Mathematics Instructors' Use of AI in Assessment

Artículo conceptual que propone un marco ético para que docentes de matemáticas decidan sobre el uso de inteligencia artificial en evaluación del aprendizaje. A diferencia de marcos dirigidos a desarrolladores y formuladores de política, este se diseña para la toma de decisiones a nivel de aula. El autor desarrolla una matriz 3×4 que cruza las tres funciones de la IA en evaluación de Molenaar (detección, diagnóstico, acción) con los cuatro principios de Beauchamp y Childress (autonomía, beneficencia, no maleficencia y justicia), generando doce celdas con preguntas específicas que especifican obligaciones profesionales. El marco subraya que la carga ética principal reside en la función de diagnóstico, donde la validez matemática es determinante pero requiere pericia interpretativa que las herramientas actuales carecen. Un análisis de sensibilidad muestra que las mayores presiones éticas coinciden con las motivaciones más fuertes para adoptar IA, lo que convierte el diseño de supervisión estructural en un requisito ético.

Puntos clave

• El marco ético propuesto cruza funciones de IA (detección, diagnóstico, acción) con principios bioéticos (autonomía, beneficencia, no maleficencia, justicia) para especificar obligaciones profesionales de instructores.
• La función de diagnóstico representa el punto de mayor carga ética porque la validez matemática es determinate pero requiere interpretación experta que herramientas de IA actuales no poseen.
• La configuración que genera mayor presión ética coincide con la que más motiva la adopción de IA, por lo que el diseño de supervisión estructural se convierte en obligación ética cuando se adopta la tecnología.
• El marco se enfoca en decisiones a nivel de aula de docentes individuales, rechazando tanto prescripciones a favor como en contra de la adopción de IA.

Para quién: Docentes de matemáticas en educación postsecundaria que necesitan un procedimiento sistemático para razonar sobre obligaciones éticas al evaluar si usar herramientas de IA en calificación y retroalimentación a estudiantes.