> 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-d2l/assignments/refining-ai-accuracy.md).

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

Cambios pequeños y específicos que hacen que las sugerencias de IA sean más claras, más precisas y más cercanas 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 tu forma de calificar.

## 1. Empieza con una línea base

Sube la tarea y la rúbrica con cambios mínimos y ejecuta 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 vive en documentos separados que la IA no ha visto.

La línea base es lo que te permite detectar malinterpretaciones. 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 las 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 agrega 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 aplicables, 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>

### Añadir instrucciones de Configuración de calificación

Escribe las decisiones subjetivas en **Configuración de calificación**: instrucciones generales para toda la rúbrica, y para cada criterio, indicadores de buen desempeño (lo que muestra un trabajo de calidad), infracciones y omisiones (lo que contradice o falta), e instrucciones personalizadas para excepciones, como cuándo dar crédito parcial o qué cuenta como una fuente aceptable. Mantenlo claro y directo, y no reveles respuestas que los estudiantes no deban ver. Consulta [Avanzado: Calibración de la precisión de la calificación](/es/articulos-de-ayuda-de-d2l/assignments/customizing-grading.md).

{% hint style="info" %}
**Ejemplo:** «Si el estudiante no hace esta recomendación concreta al caso de estudio, no otorgues la máxima puntuación independientemente de la recomendación». La máxima puntuación se otorga entonces solo cuando el estudiante haga esa recomendación.
{% endhint %}

## 3. Itera y vuelve a generar

Cambia una cosa a la vez. Los cambios de configuración se aplican al trabajo procesado después del cambio, así que [restablece los envíos](/es/articulos-de-ayuda-de-d2l/assignments/reset-grades.md) y procésalos de nuevo para medir la mejora, comprobando las nuevas sugerencias en algunos envíos 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 aplicables, abundantes fuentes sobre beneficios y riesgos) de las buenas (convincente, bien fundamentada 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 calificas

La refinación funciona mejor con tu experiencia en la materia. Usa la IA para detectar patrones e incoherencias, y luego determina si la causa es un lenguaje vago de la rúbrica o un contexto faltante. Un instructor de redacción que considere que la IA es demasiado indulgente con la gramática, por ejemplo, puede ajustar las descripciones de los niveles para que sea más difícil obtener calificaciones altas.

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

## Artículos relacionados

* [Avanzado: Calibración de la precisión de la calificación](/es/articulos-de-ayuda-de-d2l/assignments/customizing-grading.md)
* [Regeneración para comentarios más precisos](/es/articulos-de-ayuda-de-d2l/assignments/regeneration.md)
* [Cómo restablecer calificaciones y retroalimentación](/es/articulos-de-ayuda-de-d2l/assignments/reset-grades.md)