No sé si alguna vez les ha pasado a ustedes, pero es lindísimo imaginar qué dicen los profesores en la cafetería universitaria. Hablan, por lo común, de temas importantes como la investigación, los papers o la vida universitaria. Pero en la cafetería universitaria siempre ha existido una agradable propensión a hablar de los estudiantes. Lo que se dice a veces en el jardín botánico en el que se convierte a veces la cafetería de la facultad cuando los alumnos existen tranquilamente lejos es: “los estudiantes de grado son peores que los de la licenciatura”, “no saben derivar” o “no tienen interés”.
No sé si alguna vez les ha pasado a ustedes, pero puede ocurrir que, en realidad, la conversación sea algo más desolada: “he suspendido al 30% de la clase” o “Jordi quiere aprobar a todo el mundo” (especialmente después de leer este post). A veces se habla también del Trabajo Fin de Grado, como un peaje burocrático: “no sirve de nada”, “son un desastre”, “no saben redactar ni hacer una regresión (antes de la IA)” o “todos utilizan la IA para todo (tras la IA)”. Lo curioso no es que exista frustración —la hay, y con razón—, sino lo poco que escuchamos preguntas como las siguientes:
¿Por qué percibimos que los alumnos son peores ahora?
El cambio de Bolonia tuvo dos consecuencias silenciosas. La primera es una consecuencia del teorema central del límite: cuando pasamos de evaluar con una gran prueba a hacerlo con muchas (parciales, prácticas, trabajos, quizzes), la nota final se parece cada vez más a un promedio de muchas realizaciones. Y los promedios, por pura estadística, tienen menos dispersión que una sola observación: la varianza cae con el tamaño muestral y, por tanto, desaparecen los extremos. Resultado: menos dieces… y también menos suspensos. Así que, cuando alguien sentencia que “las notas del grado son peores”, a menudo está comparando peras con manzanas: es mecánicamente mucho más difícil sacar un 10 perfecto en diez pruebas que en un único examen, por muy bueno que seas.
¿Tan mal hemos enseñado en cuatro años de grado?
La segunda consecuencia de Bolonia es menos estadística y más institucional. La traslación a ciencias sociales del PFC de ingeniería no ha funcionado del todo. Rebautizamos ese formato como TFG/TFM, pero sin trasladar el ecosistema que lo hacía viable. Mi propia experiencia al realizar un PFC en ingeniería fue pasar seis meses a tiempo completo en un laboratorio, supervisado por un equipo de profesores e investigadores. En cambio, hemos dado por hecho que un graduado en economía llega al final con las herramientas necesarias para iniciar una investigación aplicada: formular una pregunta, buscar datos, estimar, escribir y defender resultados. Sin embargo, en muchas titulaciones no existe una asignatura —o un itinerario— que enseñe explícitamente ese oficio. Así, el TFG acaba pareciéndose más a una prueba de madurez que a un aprendizaje guiado. Y, en ese contexto, la IA no solo es una herramienta: es también un nuevo test de diseño docente.
¿Para qué sirve el TFG?
El TFG sí importa. No porque todos vayan a ser investigadores, sino porque es uno de los pocos espacios del grado (o del máster) donde se ve algo que los exámenes estándar no capturan: talento, vocación y oficio. Talento, porque permite identificar quién tiene potencial investigador. Vocación, porque puede despertar interés por la investigación y formación post-grado. Y oficio, porque obliga a trabajar con disciplina, método y paciencia. Si lo diseñamos bien, el TFG deja de ser un trámite para convertirse en una ventana.
¿Cómo se evalúa (un TFG)?
Aquí entra mi obsesión docente: aprueba más, corrige menos y enseña mejor. No es un eslogan buenista; es una estrategia de eficiencia. La ventaja comparativa del tutor (y del profesor en general) es investigar para enseñar y la del estudiante investigar para aprender. Si aceptamos eso, la pregunta cambia: no es “cómo detecto fallos para penalizarlos”, sino cómo hago que la evaluación juegue a favor del aprendizaje, y no en su contra. Es un fracaso colectivo que menos del 50% de alumnos se gradúen en el tiempo estipulado (ver aquí). Aumentar la tasa de aprobados y graduaciones en los grados no implica rebajar el listón académico; al contrario: habría que subirlo para que quienes puedan alcancen su mayor potencial y ayudar al resto a que no sucumba. Si el suspenso y la repetición pasa a ser anecdóticos, ganan en eficiencia tanto profesores como estudiantes (además del contribuyente): se dedica más tiempo a enseñar, aprender y discriminar bien. Y no por ello se pierde señalización; simplemente deja de descansar en el mero hecho de tener un título y se desplaza hacia donde probablemente debería estar siempre: la nota media y otras formas más finas de distinguir el mérito, como las menciones especiales.
Eso se concreta en tres ideas muy prácticas: que el tutor provea ejemplos, datos y código para reducir fricción (ver, por ejemplo, aquí); que el proceso tenga hitos claros a lo largo del semestre; que parte de la corrección la efectúen los estudiantes, y midamos su capacidad aprender de los errores y no solo los aciertos. En el paradigma de la IA, además, conviene usarla de forma inteligente y verificable: como apoyo para depurar, estructurar y mejorar, no para sustituir el razonamiento. Por eso puede ser razonable incorporar una pequeña defensa oral en algunos casos: la transmisión de la investigación —explicar qué has hecho, por qué y qué significan tus resultados— pasa a ser una parte aún más esencial de la evaluación. Si escribir y “producir texto” es cada vez más barato, pensar, verificar y explicar será cada vez más valioso.
No deja de haber cierta ironía muy universitaria en todo esto. Nosotros (los profesores) que dedicamos media vida a exigir eficiencia y que las políticas públicas se diseñen con evidencia empírica, mostramos a veces una resistencia casi numantina a aplicar esa misma lógica cuando la evidencia nos señala con el dedo. Sabemos, por ejemplo, que penalizar errores en un tipo test puede empeorar la medición si lo que queremos evaluar es conocimiento y no aversión al riesgo; sabemos que hay formas de evaluación continua, auto-corrección o incluso asignaturas sin examen final que pueden mejorar el aprendizaje y reducir costes de corrección (por ejemplo, aquí y aquí); sabemos, en fin, que hay diseños más eficientes que la liturgia tradicional del examen y el sufrimiento corrector (ver, por ejemplo, aquí o aquí). Pero una cosa es recomendar evidencia para reformar el mercado de trabajo, el sistema de pensiones o la política industrial, y otra bastante distinta aceptar que quizá también deberíamos rediseñar la docencia y sistema de evaluación más eficiente, acorde a la evidencia. No sea que parezca que la identificación causal nos entusiasma mucho más cuando el tratamiento se lo aplicamos a los demás.
¿Qué se puede hacer para mejorarlo?
A largo plazo, habría que replantear el propio instrumento: o bien sustituirlo por una evaluación por competencias, más continua y más protocolizada; o bien integrarlo en una asignatura específica de iniciación a la investigación, idealmente con recorrido bi-anual, donde se enseñe de forma sistemática a plantear preguntas, trabajar con datos y escribir resultados (ver aquí, aquí o aquí).
Quizá el TFG obligatorio para todos no sea la mejor respuesta; quizá una mención de investigación para algunos y una acreditación seria de competencias para el resto tenga más sentido. Concretamente, que el TFG pase a ser una opción reservada para quien quiera señalizar vocación, aprender el oficio y dedicarle el tiempo (como un senior thesis, ver aquí). A corto plazo, mientras nada de eso llega, lo más eficaz es reducir fricción y aumentar guía: ofrecer una guía clara, buenos ejemplos y conectar el TFG con otras asignaturas para que el estudiante no empiece de cero (ver ejemplos aquí, aquí o aquí).
Y volvemos a la cafetería, que toca pagar la cuenta. No estaría mal que, entre comentario y comentario sobre lo mal que escriben o lo poco que saben nuestros alumnos, dedicáramos unos minutos a pensar si el problema está también en cómo les enseñamos y cómo diseñamos la evolución, para no perecer corrigiendo. Porque, al final, el objetivo no debería ser producir más páginas (porque bastaría una báscula para evaluar), sino mejores preguntas, mejores datos y mejores estudiantes.