Regeneración para una retroalimentación más precisa

Resumen general

La función de regeneración de retroalimentación de TimelyGrader te ayuda a producir retroalimentación más precisa, clara y accionable para los estudiantes con tu guía. Está diseñada para refinar los comentarios cuando la retroalimentación original de la IA no refleja completamente las ideas o puntos que querías destacar.

Cómo funciona

1. Deja que la IA procese las entregas y genere una "primera versión" de retroalimentación

Una vez que TimelyGrader haya procesado las entregas de los estudiantes, se generará una retroalimentación inicial basada en tu rúbrica y en los ajustes que hayas realizado en la configuración avanzada.

2. Ajusta la retroalimentación en la sección “Agregar explicación de calificación para la IA”

Refina la retroalimentación proporcionando tu explicación sobre el cambio de nivel en la sección “Agregar explicación de calificación para la IA” dentro de la pestaña de Calificaciones. Esto te permite especificar qué puntos deben enfatizarse o aclararse.

‍

‍

3. Haz clic en “Regenerar”

Puedes encontrar el botón de regeneración en el menú de la esquina superior derecha “...”, y la regeneración reemplazará la retroalimentación actual según tus indicaciones.

Nota: La regeneración sobrescribe completamente la retroalimentación existente, así que asegúrate de estar listo para reemplazarla antes de continuar.

Preguntas frecuentes

• ¿Puedo regenerar la retroalimentación varias veces para el mismo comentario?
  • ¡Sí! Puedes iterar tantas veces como sea necesario hasta que la retroalimentación refleje lo que realmente quieres comunicar. Solo necesitas ingresar tus indicaciones en la sección “Agregar explicación de calificación para la IA”.
• ¿La IA entiende mis criterios de calificación?
  • Sí, TimelyGrader utiliza la rúbrica y la configuración de calificación que hayas definido para asegurar que la retroalimentación regenerada esté alineada con tu evaluación.
• ¿TimelyGrader aprende automáticamente para tareas futuras?
  • No. En TimelyGrader no consideramos que la IA generativa sea lo suficientemente confiable o válida para tomar decisiones críticas como la evaluación de estudiantes de forma automática. Esperamos que los docentes aprendan de este proceso de regeneración para mejorar el uso de TimelyGrader en futuras tareas.