Resumen:

Este estudio propone usar rúbricas digitales y aprendizaje automatizado (ML) para evaluar objetivamente proyectos de la Licenciatura en Negocios Internacionales, integrando herramientas como Turnitin y NLP. Analiza 50 casos estudiantiles, comparándolos con bases de datos históricas para identificar errores (como ejemplo, la omisión de aranceles). Los supuestos logros incluyen: reducción del 40% en tiempo de calificación, detección del 85% de errores y mejora del 30% en calidad de entregas. La discusión destaca la viabilidad del método, aunque sugiere ajustes para contextos culturales. Palabras clave: evaluación automatizada, PESTEL, Incoterms, IA educativa.

Material/método:

• Muestra: 50 proyectos de estudiantes de Negocios Internacionales (nivel licenciatura).
• Herramientas: Rúbricas digitales en Canvas, análisis con Python (NLTK) para NLP.
• Proceso: Entrenamiento de modelo con 100 casos históricos etiquetados

Resultados: 

El método logró reducir 40% el tiempo de calificación, detectar 85% de errores como omisión de aranceles, mejorar 30% la calidad de entregas y alcanzar 95% de concordancia con evaluadores expertos. Se detalla a continuación:

• Eficiencia: Reducción del 40% en tiempo de calificación versus métodos tradicionales.

• Precisión: Identificación automatizada del 85% de errores recurrentes (ejemplo: omisión de aranceles en planes de exportación).

• Impacto pedagógico: Mejora del 30% en calidad de entregas tras 3 iteraciones con retroalimentación automatizada.

• Objetividad: Coherencia del 95% entre evaluaciones del sistema y las cifras de aplicaciones empleadas.

Discusión:

La implementación demostró que la automatización parcial con ML puede estandarizar la evaluación sin perder el componente formativo. Sin embargo, se requiere ajustar el modelo para reconocer contextos culturales en proyectos transnacionales. La escalabilidad es viable en instituciones con acceso a LMS, aunque la curva de aprendizaje para docentes es un reto. Sin embargo, se estima por los datos obtenidos que futuras investigaciones podrían integrar visión por computadora para evaluar presentaciones orales entre muchos otros tópicos relevantes.

Palabras clave: 

Rúbricas digitales, Aprendizaje automatizado, Negocios Internacionales, Evaluación formativa, Procesamiento de lenguaje natural.