> For the complete documentation index, see [llms.txt](https://help.timelygrader.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://help.timelygrader.ai/es/articulos-de-ayuda-de-canvas/assignments/refining-ai-accuracy.md).

# Perfeccionando la precisión de la IA en TimelyGrader: una guía práctica

Pequeños cambios específicos que hacen que las sugerencias de IA sean más claras, precisas y se acerquen más a tus expectativas.

<figure><img src="https://1710816884-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FVTk0635Lo8R5owJx3bPK%2Fuploads%2F2fxvIUk6kO5NV6YbNqZ3%2Farticle-banner.png?alt=media" alt=""><figcaption></figcaption></figure>

Los primeros resultados rara vez son perfectos. Unos pocos ajustes específicos acercan mucho más las sugerencias de la IA a la forma en que calificas.

## 1. Comienza con una línea base

Carga la tarea y la rúbrica con cambios mínimos y realiza una primera pasada. Lee las explicaciones de calificación junto a las calificaciones sugeridas y busca:

* criterios vagos, como “buen análisis” o “argumento claro”,
* criterios que no indican su intención, y
* contexto que está en documentos separados que la IA no ha visto.

La línea base es la forma de detectar malas interpretaciones. Encontrar los errores es el primer paso.

{% hint style="info" %}
**Ejemplo:** Un informe de estrategia de marketing tiene un criterio de Recomendación con cuatro niveles de calificación y sin descripciones. La IA tiene que adivinar qué significa cada nivel, y esas suposiciones suelen ser inexactas.
{% endhint %}

## 2. Decide qué ajustar

### Actualiza la rúbrica

Añade descripciones claras del desempeño para cada nivel de calificación, sustituye la redacción vaga por indicadores medibles y añade criterios que reflejen lo que te importa ahora. Una rúbrica más concreta califica de forma más consistente.

* **Antes:** “Recomendación excelente: presenta una recomendación sólida con fuentes relevantes.”
* **Después:** “Recomendación excelente: presenta 3 recomendaciones claras, basadas en evidencia y accionables que usan fuentes relevantes para respaldar las afirmaciones clave.”

<figure><img src="https://cdn.prod.website-files.com/655ce9ef982243b960228317/699dfe9dc562619925ab279d_Screenshot-2B2025-10-17-2Bat-2B3_37_11-E2-80-AFPM.png" alt="The same rubric level after refinement" width="563"><figcaption></figcaption></figure>

### Añade instrucciones de configuración de calificación

Anota los criterios de juicio en **la Configuración de calificación**: instrucciones generales para toda la rúbrica y, para cada criterio, elementos a buscar (lo que muestra un buen trabajo), infracciones y omisiones (lo que entra en conflicto o falta), e instrucciones personalizadas para excepciones, como cuándo dar crédito parcial o qué cuenta como una fuente aceptable. Mantenlas claras y directas, y no reveles respuestas que los estudiantes no deberían ver. Ver [Avanzado: calibrar la precisión de la calificación](/es/articulos-de-ayuda-de-canvas/assignments/customizing-grading.md).

{% hint style="info" %}
**Ejemplo:** “Si el estudiante no hace esta recomendación específica al estudio de caso, no le otorgues la máxima calificación independientemente de la recomendación.” La máxima calificación solo se otorga cuando el estudiante hace esa recomendación.
{% endhint %}

## 3. Itera y regenera

Cambia una sola cosa a la vez. Los cambios de configuración se aplican al trabajo procesado después del cambio, así que [restablece las entregas](/es/articulos-de-ayuda-de-canvas/assignments/reset-grades.md) y procésalas de nuevo para medir la mejora, revisando las nuevas sugerencias en algunas entregas con distintos niveles de rendimiento. Repite en ciclos pequeños hasta que los resultados coincidan con tus estándares.

{% hint style="info" %}
**Ejemplo:** Con descriptores y reglas de calificación más claros, la IA distingue las recomendaciones excelentes (la recomendación correcta, más de cuatro pasos accionables, abundantes fuentes sobre beneficios y riesgos) de las buenas (atractivas, bien razonadas y con fuentes, pero no la recomendación que piden las instrucciones), y las calificaciones sugeridas se distribuyen en consecuencia.
{% endhint %}

<figure><img src="https://cdn.prod.website-files.com/655ce9ef982243b960228317/699dfe9dc562619925ab27a2_Group%2B39507.png" alt="Suggested grades after refinement" width="563"><figcaption></figcaption></figure>

## 4. Solo tú sabes cómo calificar

El refinamiento funciona mejor con tu experiencia en la materia. Usa la IA para detectar patrones e inconsistencias y luego determina si la causa es un lenguaje vago en la rúbrica o contexto faltante. Un instructor de escritura que considere que la IA es demasiado indulgente con la gramática, por ejemplo, puede ajustar las descripciones de calificación para que las notas más altas sean más difíciles de obtener.

TimelyGrader es un asistente docente que tú entrenas, no una automatización completa. Cada ronda de instrucciones más claras lo acerca más a tu criterio mientras te ahorra tiempo.

## Artículos relacionados

* [Avanzado: calibrar la precisión de la calificación](/es/articulos-de-ayuda-de-canvas/assignments/customizing-grading.md)
* [Regeneración para comentarios más precisos](/es/articulos-de-ayuda-de-canvas/assignments/regeneration.md)
* [Cómo restablecer calificaciones y comentarios](/es/articulos-de-ayuda-de-canvas/assignments/reset-grades.md)