1. Introducción y problema

En el tramo de 3 a 6 años —jardín, preescolar, CENDI, escuela infantil— se ha instalado un paquete de tres artefactos que pretenden valer por evaluación formativa. El primero es un dashboard de “progreso”: un tablero que pinta barras, semáforos o percentiles y exhibe que el centro “sigue” a cada niña o niño. El segundo es un score continuo: un número que se actualiza con clics, tiempos de respuesta o ítems y se presenta como evidencia de que hay evaluación “en tiempo real”. El tercero es un modelo que “diagnostica”: un clasificador o un sistema cognitivamente diagnóstico que asigna al infante un perfil, un nivel o un conjunto de atributos y declara, con esa etiqueta, que ya se sabe qué necesita. Los tres son visibles y baratos en tiempo de coordinación. Permiten exhibir que el centro “ya hace evaluación formativa con inteligencia artificial”. El salto enunciativo es enorme: se pasa de tabular, puntuar o diagnosticar a afirmar que hay evaluación formativa. Ese salto no está autorizado ni por la teoría del proceso formativo ni por la evidencia de aulas de inicial.

La tesis de este artículo es restrictiva. Un dashboard de progreso, un score continuo o un modelo que diagnostica al niño no constituyen evaluación formativa. La evaluación formativa en inicial es juicio situado del adulto en el proceso: feedback que el infante puede usar, ajuste de la actividad en curso y mirada al grupo, no un tablero que clasifica. Heritage formula el oficio como un proceso en el que docentes y estudiantes mantienen el aprendizaje en movimiento, y lo organiza en tres preguntas que no son un reporte: hacia dónde van quienes aprenden, dónde están ahora y cómo se cierra la brecha entre ambos estados (Heritage, 2022). Esas preguntas se responden en la actividad, no en un panel. NAEYC exige que la observación, la documentación y la evaluación sean continuas, estratégicas, reflexivas y con propósito, y advierte que usar evaluaciones de modos que no apoyen la educación del niño no es práctica apropiada al desarrollo (NAEYC, 2022). Un algoritmo que primero clasifica y después entrega un color no está evaluando de manera formativa. Está administrando una diferencia que el adulto no interpretó.

El problema se agrava por una razón de oficio que las fichas de producto no mencionan. La evaluación formativa no es un test, ni un veredicto de madurez, ni un portafolio que se archiva, ni un tutor que dosifica ítems. Lo formativo no es una propiedad del instrumento, sino del uso de la evidencia para modificar la enseñanza y el aprendizaje en los que se está (Heritage, 2022). Confundir el producto —tablero, score, diagnóstico— con el proceso es el error de categoría que este trabajo nombra. Yan, Li, Panadero, Yang, Yang y Lao (2021), al revisar 52 estudios, muestran que la evaluación formativa depende de factores personales y contextuales del adulto que evalúa, no de la disponibilidad de un panel. Inferencia, marcada como tal: el mercado de “IA para la evaluación formativa” hereda el error y lo automatiza. Convierte el juicio —hecho del oficio— en un rasgo del niño que hay que detectar.

Este trabajo no recicla los ejes ya tratados en esta serie. La pregunta es de categoría pedagógica: qué cuenta como evaluación formativa cuando un centro de educación inicial “hace IA”. Las contribuciones son tres: reconstruir el estado del arte que separa el juicio situado en el proceso de la clasificación por tablero, score o modelo diagnóstico; examinar tres familias de casos; y ofrecer cuatro pruebas para decidir cuándo un jardín puede afirmar que evalúa de manera formativa, y no solo que tabula, puntúa o diagnostica.

2. Estado del arte: del proceso formativo al tablero que clasifica

Conviene separar cuatro estratos que el mercado de “IA para la evaluación formativa” suele mezclar. El primero es la evaluación formativa como proceso: elicitar evidencia mientras se enseña, interpretarla y actuar —feedback, ajuste, implicación de quien aprende— (Heritage, 2022). El segundo es la evidencia de efectos, todavía desigual y, de modo decisivo para este artículo, poco anclada en el tramo 3–6: un metaanálisis de 118 estudios y 258 tamaños de efecto reporta un g de Hedges de 0,25 en K–12 (Yao, Amos, Snider y Brown, 2024); un metaanálisis en Turquía encuentra que el feedback iniciado por computadora tiene un efecto pequeño (d = 0,42) frente al iniciado por el estudiante (d = 1,16) (Karaman, 2021); y una revisión paraguas de trece metaanálisis excluye explícitamente el preescolar de su población (Sortwell, Trimble, Ferraz, Geelan, Hine, Ramirez-Campillo, Carter-Thuiller, Gkintoni y Xuan, 2024). El tercero es la IA en educación inicial: revisiones que mapean predicción y clasificación del niño como affordance distinta de otras (Chen, 2024; Su y Yang, 2022; Ljungcrantz, 2026). El cuarto es el marco de derechos y de alto riesgo, que trata al niño de 3–6 años como sujeto de supervisión humana y, en territorio europeo, de sistemas de alto riesgo cuando la IA evalúa resultados de aprendizaje o determina el nivel educativo.

En el estrato del proceso, Heritage (2022) insiste en que la evaluación formativa no es un tipo de prueba ni un evento. Es un proceso usado por docentes y estudiantes para mantener el aprendizaje en movimiento: metas y criterios de éxito, evidencia recogida durante el curso de la actividad, feedback accionable e implicación de quien aprende. Yan y Pastore (2022) distinguen, en una escala validada con 449 docentes de Hong Kong y 309 de Italia, dos polos de práctica: evaluación formativa dirigida por el docente y evaluación formativa dirigida por el estudiante. Estatus: hallazgo psicométrico en primaria y secundaria, no en jardín. Inferencia, marcada como tal: ambos polos presuponen un adulto que interpreta y un uso de la evidencia en la actividad. Un tablero que pinta un score no es ninguno de los dos polos. Es un tercer objeto: una representación que puede no entrar jamás en el juicio.

En el estrato de la evidencia de efectos, Yao et al. (2024) ofrecen el estimador combinado más reciente: g = 0,25 para 118 estudios, g = 0,22 en Estados Unidos, con efectos mayores en secundaria. El rango incluye K–12, pero no aísla 3–6. Karaman (2021), con 32 estudios y 47 tamaños de efecto, reporta d = 0,72 global y, en el subgrupo que más importa a la tesis, d = 0,42 para el feedback iniciado por computadora frente a d = 1,16 para el iniciado por el estudiante y d = 0,69 para el iniciado por un adulto. Sortwell et al. (2024) revisan trece metaanálisis: efectos de triviales a grandes, certeza GRADE muy baja en nueve de trece, y exclusión explícita del preescolar. Inferencia: la evidencia de que “la evaluación formativa funciona” no autoriza a tratar cualquier tablero, score o diagnóstico como evaluación formativa en un jardín. Autoriza, con cautela, a tratar el uso de evidencia por un adulto para ajustar la actividad como hipótesis de instrucción. No autoriza a automatizar un perfil. Y deja un hueco empírico en 3–6 años que el mercado rellena con producto.

En el estrato de la IA en inicial, Su y Yang (2022) revisan 17 estudios de 1995 a 2021. Chen (2024) mapea 18 artículos de 11 países y 16 revistas (2005–2023; 14 de ellos en 2020–2023) que cubren 15 081 niñas y niños de 2 a 8 años, y extrae cuatro affordances; la segunda es la IA como tecnología para predecir o clasificar condiciones del niño. Ljungcrantz (2026) actualiza 2020–2024: 39 estudios, 20 de ellos de 2024, con predominio de 4 a 6 años. Estatus: hallazgo de campo, no de evaluación formativa. Inferencia: predecir o clasificar al niño es exactamente lo que el mercado vende como “evaluación formativa”. El marco de Heritage no lo autoriza como equivalente. La evaluación formativa no empieza por un diagnóstico. Empieza por una evidencia usada en el proceso.

En el estrato de derechos, la Recomendación sobre la ética de la IA exige supervisión humana y atención particular cuando hay niñas y niños (UNESCO, 2021). Miao y Holmes (2023) fijan un umbral de 13 años para conversaciones independientes con plataformas generativas y exigen validación pedagógica. UNICEF (2021) prioriza el interés superior. El Reglamento (UE) 2024/1689 trata como de alto riesgo, en el anexo III, los sistemas destinados a evaluar resultados de aprendizaje o a determinar el nivel educativo (Unión Europea, 2024). La Comisión Europea (2022) y el Departamento de Educación de Estados Unidos (2023) coinciden en no sustituir el juicio profesional. OECD (2021) ancla la calidad de inicial en las interacciones de proceso; OECD (2023) documenta digitalización en ECEC en 30 países y jurisdicciones; TALIS Starting Strong 2024 sitúa la observación conjunta como práctica semanal del personal, no como tablero del infante (OECD, 2025). Inferencia: un niño de cinco años no es el usuario de un dashboard. Es el sujeto de un juicio que un adulto ejerce en la actividad, con el grupo a la vista.

3. Método de revisión

Se realizó una revisión narrativa crítica, no un metaanálisis. El propósito no fue estimar un tamaño de efecto homogéneo entre un clasificador de IA, un kindergarten de Ontario y un instrumento de matemáticas usado por educadoras, sino articular un argumento de categoría pedagógica con fuentes verificadas. Criterios de inclusión: (a) 2021–2026, con el marco de Heritage (2022) y la posición de NAEYC (2022) cuando actualizan el oficio; (b) evaluación formativa como proceso de juicio situado, o IA en educación inicial 3–6 años; (c) relevancia para jardín, preescolar, CENDI o 3–6 años; (d) revista con pares, DOI o informe de NAEYC, UNESCO, OECD, UNICEF, Unión Europea, Comisión Europea o departamento de educación; (e) DOI o página editorial verificable. Se excluyeron como objeto central los ejes ya usados en esta serie, aunque algunos aparecen como límite. La evaluación adaptativa se cita solo como límite, no como eje de tutores.

La búsqueda se ejecutó el 26 de agosto de 2026 en páginas DOI, Springer, Elsevier, Wiley, SAGE, MDPI, Frontiers, OECD iLibrary, UNESDOC, UNICEF, EUR-Lex, ERIC, NAEYC y sitios editoriales. Cada fuente se verificó contra al menos una de esas páginas. El análisis distinguió tres estatus enunciativos. Hallazgo empírico: lo observado o medido en la muestra. Marco conceptual o normativo: lo que un marco o un reglamento prescribe. Inferencia pedagógica: la traducción a jardines y CENDI, marcada como tal.

4. Caso 1. Tabular, puntuar o diagnosticar no es evaluar de manera formativa

Chen (2024) publica en el Journal of Artificial Intelligence Research el scoping que mejor ilustra el salto que la tesis rechaza. Con 18 artículos de 11 países y 16 revistas, cubre 15 081 niñas y niños de 2 a 8 años entre 2005 y 2023; 14 de los 18 textos son de 2020–2023. El análisis temático extrae cuatro affordances de la IA para su uso en ECE. La segunda es la IA como tecnología para predecir o clasificar condiciones del niño. Estatus de la evidencia. Hallazgo empírico de campo: la literatura de “IA para la primera infancia” ya distingue clasificar al niño como una affordance propia. No es hallazgo de evaluación formativa. Chen no afirma que predecir o clasificar sea evaluar de manera formativa. Inferencia pedagógica, marcada como tal: el gesto que un jardín copia cuando “hace evaluación formativa con un dashboard” es exactamente este. Se toma una señal —clic, error, tiempo, ítem, video—, se le asigna un perfil y se entrega un color, un score o una ruta. Lo que hay es un veredicto. La evaluación formativa, en Heritage (2022) y en NAEYC (2022), pide que la evidencia se use para modificar la actividad en curso. Un clasificador no la modifica. La condensa.

Clements, Sarama, Tatsuoka, Banse y Tatsuoka (2022) publican en el Journal of Research in Childhood Education el caso que mejor nombra el tercer artefacto cuando se lo presenta como apoyo formativo. Reportan CREMAT, un modelo de evaluaciones adaptativas cognitivamente diagnósticas, ilustrado con la medición de longitud en primero y segundo grado: identificar el nivel de pensamiento y componentes cognitivos con un número razonable de ítems. Los autores concluyen que el enfoque importa para evaluar de manera formativa y documentar el progreso. Estatus: hallazgo de un modelo diagnóstico adaptativo en 1.º y 2.º, no de un jardín de 3–6 y no de que un CAT constituya evaluación formativa. Inferencia, marcada como tal: este es el límite que el artículo admite citar. Un test adaptativo que diagnostica atributos puede ser un instrumento de medición. No es, por ser adaptativo o “diagnóstico”, evaluación formativa. Heritage (2022) sitúa lo formativo en el uso de la evidencia para cerrar una brecha en la actividad. Un perfil de atributos no cierra esa brecha. La describe.

Liao, Zhang, Wang y Luo (2024) saturan el retrato del dashboard como objeto empírico. En un aula de biología de noveno grado, con 125 estudiantes (63 de tratamiento, 62 de control), un reporte visual habilitado por IA —PNL, diagnóstico cognitivo y visualización— se alimenta de exámenes mensuales. Hay interacción de la intervención y el tiempo sobre el logro; el grupo de tratamiento aumenta la ansiedad (d = 0,203) y la autoeficacia (d = 1,793). Frente al feedback docente, no hay diferencias significativas salvo autoeficacia. Estatus: hallazgo de secundaria, no de 3–6. Inferencia, marcada como tal: el artefacto que el mercado vende al jardín se ha ensayado donde hay exámenes mensuales y estudiantes que leen un tablero. Un niño de cuatro años no es ese usuario. Karademir, Di Mitri, Schneider, Jivet, Allmang, Gombert, Kubsch, Neumann y Drachsler (2024) derivan dieciséis requisitos para un cockpit de analíticas en secundaria: el tablero debe apoyar el feedback del docente, no sustituirlo; las y los docentes declaran falta de tiempo y dificultad para dar sentido a lo que el dashboard muestra. Inferencia: si en secundaria el tablero no es la evaluación formativa sino, en el mejor caso, un apoyo al adulto, en el jardín el salto es mayor. Un CENDI no tiene exámenes mensuales. Tiene un grupo a la vista. Karaman (2021) mide el techo: el feedback de la máquina es el de menor efecto. Yao et al. (2024) hallan más efecto en secundaria. Sortwell et al. (2024) excluyen el preescolar. Inferencia: una ficha que dice “dashboard + score + diagnóstico = evaluación formativa en inicial” no pasa esa prueba.

Su y Yang (2022) y Ljungcrantz (2026) saturan el crecimiento del campo de IA en ECE sin equivalerlo a evaluación formativa. Diecisiete estudios hasta 2021 y treinta y nueve en 2020–2024, con pico en 2024 y foco en 4–6 años, describen herramientas, robots, clasificación y personalización. Estatus: hallazgo de crecimiento, no de equivalencia. Inferencia: el auge de 2024 no autoriza a traducir “más IA en el jardín” como “más evaluación formativa”. Autoriza a preguntar qué hace la IA: si sirve al juicio del adulto en el proceso o si clasifica al niño para exhibir un tablero.

5. Caso 2. Lo que el jardín sí hace cuando hay evaluación formativa: el adulto juzga en el proceso

Braund, DeLuca, Panadero y Cheng (2021) publican en Frontiers in Education el estudio que mejor nombra, en este corpus, una evaluación formativa empírica en kindergarten. En Ontario observan ocho aulas. Ocho maestras y cuatro educadoras de la primera infancia completan entrevistas semiestructuradas en dos momentos de 2019; se suman 56 horas de observación por aula, 448 horas en total. El análisis temático produce cuatro temas: prácticas auténticas de evaluación; el feedback como fundamento; propósitos compartidos entre evaluación formativa y co-regulación; y la necesidad de ampliar las conceptualizaciones de la evaluación en kindergarten. Las y los participantes describen la evaluación de aula como auténtica y natural, y el feedback —incluido el de pares— como fundamento. El último tema exige no reducir la evaluación de kindergarten a un producto. Estatus de la evidencia. Hallazgo empírico de proceso en un N densamente observado: la evaluación formativa es feedback y ajuste en la actividad, con el grupo a la vista. No es hallazgo de IA ni de que un tablero reproduzca ese oficio. Este artículo no lo convierte en un estudio de SEL: el objeto que se retiene es el feedback y el ajuste, no un programa de competencias socioemocionales. El contexto es el kindergarten público de Ontario, con dupla maestra–educadora; no se generaliza a un CENDI latinoamericano. Inferencia pedagógica, marcada como tal: este es el objeto que un centro de inicial puede llamar, con propiedad, evaluación formativa. Es juicio situado del adulto en el proceso. Un dashboard no da feedback a un niño de cuatro años. Un score no ajusta la actividad del grupo. Un modelo diagnóstico no mira al grupo.

Pyle, DeLuca, Wickstrom y Danniels (2022) saturan el retrato con dieciocho aulas de kindergarten. Observación y entrevistas agrupan a las maestras en tres perfiles de evaluación: informal, formal y mixto; el grupo mixto refleja las políticas contemporáneas. Estatus: hallazgo de perfiles de práctica, no de ensayo y no de IA. Inferencia: el perfil “formal” se acerca al gesto que el mercado automatiza —recoger evidencia para un producto o un score—. El perfil mixto se acerca al oficio que la tesis defiende: la evaluación entra en la actividad y el adulto decide qué hacer con lo que ve. Apostolache (2024) añade doce maestras de jardín, con entre cinco y dieciocho años de experiencia, en un grupo focal. Definen la evaluación formativa como proceso que optimiza las acciones instruccionales: observación constante para suministrar información útil y planear el desarrollo en curso. Estatus: hallazgo de percepciones, N = 12, no de observación de aula y no de IA. Inferencia: cuando las maestras de jardín nombran la evaluación formativa, nombran observación, feedback y ajuste. No nombran un tablero. NAEYC (2022) exige continuidad, estrategia, reflexión y propósito. OECD (2021, 2025) sitúa el motor en las interacciones de proceso y la observación conjunta como práctica semanal. Yan et al. (2021), en 52 estudios, muestran que la implementación depende de actitud, autoeficacia, formación y apoyo interno, no de un panel. Inferencia: un jardín no implementa evaluación formativa comprando un dashboard. La evidencia se verifica en el uso, no en el artefacto.

6. Caso 3. Un instrumento que sirve al juicio del adulto no es un tablero que clasifica al niño

Grimmond, Neilsen-Hewett y Howard (2022) publican en el Australasian Journal of Early Childhood el caso que mejor ilustra el tercer gesto cuando se lo coloca del lado correcto del oficio. Examinan el componente cualitativo de un estudio de métodos mixtos sobre el Numeracy and Mathematics Block-Based Assessment (NUMBBA), un instrumento diseñado para incrustar la evaluación formativa en pedagogías naturalistas. Dieciséis educadoras usaron la herramienta validada. El análisis temático de entrevistas semiestructuradas reveló desplazamientos en el conocimiento de las matemáticas, en la percepción de las capacidades infantiles, en las actitudes hacia las matemáticas y la evaluación, y en los enfoques de pedagogía intencional. Estatus de la evidencia. Hallazgo empírico de uso por adultas, no de un ensayo con dashboard, no de IA y no de que el instrumento “haga” la evaluación formativa por sí solo. Las autoras no afirman que NUMBBA clasifique al niño en un tablero. Afirman que un instrumento usable en el entorno naturalista puede catalizar el juicio de la educadora. Inferencia pedagógica, marcada como tal: este es el único lugar en el que un artefacto puede acercarse a lo formativo en inicial sin contradecir el marco. El adulto es quien juzga. La herramienta, si entra, entra como apoyo a ese juicio —qué ve, qué nombra, qué ajusta—, no como veredicto. Este artículo no lo convierte en un estudio de juego: el bloque es el medio; el objeto que se retiene es el desplazamiento del juicio adulto. Un dashboard que pinta un score sin pasar por ese saber no es el mismo objeto.

La distribución de papeles se confirma por contraste. Karademir et al. (2024) diseñan un cockpit para que el docente dé feedback, no para que el tablero evalúe. Liao et al. (2024) no hallan superioridad clara del reporte visual frente al feedback oral y sí más ansiedad. Clements et al. (2022) entregan un diagnóstico de atributos. Chen (2024) mapea la clasificación del niño. Inferencia: la IA y el instrumento entran en la evaluación formativa de inicial, si acaso, del lado del adulto que observa, interpreta y ajusta. No entran como interlocutor del infante ni como juez que lo etiqueta. Miao y Holmes (2023) excluyen al menor de 13 años. OECD (2023, 2025) sitúa la digitalización en el personal y la protección, no en un perfil adaptativo del infante. UNESCO (2021) exige supervisión humana; UNICEF (2021), interés superior; la Comisión Europea (2022), no sustituir el juicio profesional. El anexo III del Reglamento (UE) 2024/1689 incluye la evaluación automatizada y la determinación del nivel educativo (Unión Europea, 2024). Inferencia: un sistema que, en un CENDI, diagnostica al niño y le asigna un “nivel de progreso” no es una innovación formativa. Es, en ese territorio, una práctica de alto riesgo si determina nivel o evaluación.

7. Marco inferencial: cuatro pruebas para afirmar que hay evaluación formativa, no un tablero

El marco que sigue es inferencia pedagógica de este artículo, anclada en los casos y en los instrumentos verificados. No es un nuevo estándar internacional. Distingue cuatro pruebas. Si un jardín, preescolar, CENDI o escuela infantil no las pasa, no puede declarar que un dashboard de progreso, un score continuo o un modelo que diagnostica al niño constituyen evaluación formativa.

7.1. Prueba del proceso, no del producto. Heritage (2022) sitúa la evaluación formativa en tres preguntas que se responden durante la instrucción: hacia dónde se va, dónde se está, cómo se cierra la brecha. NAEYC (2022) exige continuidad, estrategia, reflexión y propósito. Braund et al. (2021) observan feedback y ajuste en 448 horas de kindergarten. Apostolache (2024) oye a maestras que nombran observación constante para optimizar la acción. Chen (2024) muestra que la literatura de IA predice y clasifica. Clements et al. (2022) entregan un perfil de atributos. Liao et al. (2024) pintan un reporte a partir de exámenes. Inferencia: la evidencia de evaluación formativa se verifica en el uso de la evidencia para modificar la actividad en curso. Si la “evidencia” de que el centro evalúa de manera formativa es un log de progreso, un semáforo o un diagnóstico, el centro ha hecho producto, no proceso.

7.2. Prueba del juicio del adulto, no de la clasificación del niño. Yan et al. (2021) muestran que la implementación depende del adulto y de su entorno. Yan y Pastore (2022) miden prácticas dirigidas por el docente y por el estudiante, no por un panel. Grimmond et al. (2022) muestran un instrumento que desplaza el saber y la pedagogía de dieciséis educadoras. Karademir et al. (2024) diseñan el tablero para que el docente dé feedback. Miao y Holmes (2023) excluyen al menor de 13 años como interlocutor independiente. Inferencia: el niño de 3–6 años no es el usuario de un modelo que “le evalúa de forma formativa”. Es el sujeto de un juicio que un adulto ejerce. Si la IA o el instrumento entran, entran como taller o como apoyo a ese juicio, sometidos a validación pedagógica. No entran como tutor, clasificador o puntuador del infante.

7.3. Prueba del feedback que ajusta la actividad y de la mirada al grupo, no del score individual. Braund et al. (2021) hallan el feedback como fundamento y una evaluación que no se reduce al individuo aislado. Pyle et al. (2022) muestran que el perfil mixto integra la evaluación en la actividad del aula. OECD (2021, 2025) sitúa la calidad en interacciones y en la observación conjunta como práctica semanal. Karaman (2021) mide el menor efecto en el feedback iniciado por computadora. Yao et al. (2024) hallan más efecto en secundaria. Inferencia: un score continuo del niño no es mirada al grupo. Un dashboard que ordena percentiles no ajusta la asamblea. En 3–6 años, lo formativo se juega en el siguiente movimiento de la actividad —cambiar el material, reagrupar, devolver una consigna, sostener una observación compartida—, no en un número que se actualiza.

7.4. Prueba de los derechos y del alto riesgo, no del tablero de producto. UNESCO (2021) exige supervisión humana. UNICEF (2021) exige interés superior. El anexo III del Reglamento (UE) 2024/1689 incluye acceso, admisión, asignación, evaluación de aprendizajes y nivel educativo (Unión Europea, 2024). La Comisión Europea (2022) y el Departamento de Educación de Estados Unidos (2023) exigen no sustituir al docente. Inferencia: un centro de inicial no puede tratar al niño como objeto de un veredicto automatizado de “progreso”. En territorio europeo, un sistema que asigne nivel o evalúe con IA es, salvo las salvaguardas del reglamento, una práctica de alto riesgo. Fuera de ese territorio, sigue siendo un error de categoría: la evaluación formativa no se cumple clasificando mejor. Se cumple juzgando en el proceso, con feedback, ajuste y mirada al grupo.

El marco admite el instrumento que sirve al juicio del adulto (Grimmond et al., 2022); el feedback y el ajuste observados en kindergarten (Braund et al., 2021; Pyle et al., 2022; Apostolache, 2024); las tres preguntas de Heritage (2022) y la posición de NAEYC (2022); y el g = 0,25 de Yao et al. (2024) como techo cauteloso de prácticas formativas en K–12, no de tableros. Rechaza declarar evaluación formativa por un dashboard de progreso, por un score continuo o por un modelo que diagnostica al niño (Chen, 2024; Clements et al., 2022; Liao et al., 2024; Karaman, 2021; Miao y Holmes, 2023).

8. Discusión

Tres tensiones organizan la discusión. La primera es entre clasificar y juzgar. Es hallazgo que la literatura de IA en ECE incluye, como affordance distinta, predecir o clasificar condiciones del niño (Chen, 2024); que el campo creció hasta 39 estudios en 2020–2024, con pico en 2024 y foco en 4–6 años (Ljungcrantz, 2026); y que 17 estudios anteriores ya reportaban herramientas e impactos (Su y Yang, 2022). Es marco que la evaluación formativa es un proceso de uso de evidencia (Heritage, 2022; NAEYC, 2022). No es hallazgo que un dashboard, un score o un diagnóstico produzcan el oficio que Braund et al. (2021), Pyle et al. (2022) y Apostolache (2024) observan o escuchan. La política de los tres artefactos —tablero, score, modelo— mide lo que la ingeniería sabe medir y declara lo que solo el juicio situado autorizaría.

La segunda es entre el niño como perfil y el grupo como proceso. Clements et al. (2022) entregan atributos cognitivos. Liao et al. (2024) entregan un reporte visual a estudiantes que rinden exámenes mensuales y, además, aumentan la ansiedad. Karademir et al. (2024) recogen docentes que no tienen tiempo y no siempre saben qué hacer con el tablero. Sortwell et al. (2024) dejan el preescolar fuera de la síntesis de metaanálisis. Yao et al. (2024) hallan más efecto en secundaria. Inferencia: insistir en que el niño “tenga su curva de progreso” mientras el adulto deja de mirar al grupo es una pedagogía invertida. El perfil culpa al infante de lo que el proceso no interpretó. OECD (2021) había anclado la calidad en las interacciones. El modelo de diagnóstico hace la operación inversa: extrae al niño del grupo y lo devuelve como itinerario.

La tercera es entre el instrumento del adulto y el interlocutor infantil. Grimmond et al. (2022) muestran educadoras cuyo juicio se desplaza cuando usan un instrumento en el entorno naturalista. Karaman (2021) muestra que el feedback de la máquina es el de menor efecto. Miao y Holmes (2023) excluyen al menor de 13 años. OECD (2023, 2025) sitúa la digitalización en el personal y en la protección. Inferencia: el único uso de IA o de instrumento digital que no contradice la evaluación formativa en 3–6 años es el que permanece del lado del adulto que observa, interpreta y ajusta, y se somete a validación pedagógica. Un instrumento que ayuda a la educadora a ver y a decidir puede servir a lo formativo. Un modelo que diagnostica al niño porque el sistema necesita un score no lo es.

9. Límites

Esta revisión es narrativa. No aplica PRISMA ni estima efectos combinados. Chen (2024) mapea affordances de IA en ECE 2–8 años, no implementaciones de evaluación formativa; la transferencia a la tesis es inferencia. Su y Yang (2022) cubren 1995–2021; Ljungcrantz (2026), 2020–2024. Clements et al. (2022) son de 1.º y 2.º y de un modelo diagnóstico adaptativo; se usan como límite, no como eje de tutores. Liao et al. (2024) y Karademir et al. (2024) son de secundaria. Karaman (2021) no aísla 3–6. Yao et al. (2024) cubren K–12; Sortwell et al. (2024) excluyen preescolar. Yan et al. (2021) y Yan y Pastore (2022) cubren sobre todo primaria y secundaria. Braund et al. (2021) son ocho aulas de Ontario; no se usan como artículo de SEL. Pyle et al. (2022) son perfiles, no un ensayo. Apostolache (2024) es un N = 12 de percepciones. Grimmond et al. (2022) son dieciséis educadoras; no se usan como artículo de juego. Heritage, NAEYC, UNESCO, UNICEF, la OECD, la Unión Europea y las guías de 2021–2023 son de marco. No se localizaron ensayos latinoamericanos de evaluación formativa e IA en jardín que midan juicio situado frente a dashboard. Las inferencias de la sección 7 son hipótesis de categoría pedagógica, no evidencia de implementación.

10. Conclusiones

Un dashboard de progreso, un score continuo o un modelo que diagnostica al niño no constituyen evaluación formativa en un centro de educación inicial. La evidencia verificada no autoriza esa declaración. Dieciocho estudios que cubren 15 081 niñas y niños de 2 a 8 años distinguen, como affordance de la IA, predecir o clasificar al niño; eso es el campo de la IA en ECE, no evaluación formativa (Chen, 2024). Diecisiete y treinta y nueve revisiones saturan el crecimiento del campo sin equivalerlo a juicio situado (Su y Yang, 2022; Ljungcrantz, 2026). Un modelo cognitivamente diagnóstico y adaptativo informa atributos; no por ello evalúa de manera formativa (Clements et al., 2022). Un reporte visual de IA en noveno grado aumenta la ansiedad y no supera de modo claro el feedback docente (Liao et al., 2024). El feedback iniciado por computadora es el de menor efecto (Karaman, 2021). El g = 0,25 de K–12 no se aísla a 3–6 y es mayor en secundaria (Yao et al., 2024); la síntesis de metaanálisis deja el preescolar fuera (Sortwell et al., 2024). En cambio, cuando hay evaluación formativa en inicial, hay un adulto que juzga en el proceso: 448 horas de kindergarten con el feedback como fundamento (Braund et al., 2021), perfiles de práctica en dieciocho aulas (Pyle et al., 2022), doce maestras que nombran observación para optimizar la acción (Apostolache, 2024), y dieciséis educadoras cuyo juicio se desplaza con un instrumento que no clasifica al niño en un tablero (Grimmond et al., 2022). El derecho vigente exige supervisión humana, interés superior, umbral de edad para conversaciones independientes con plataformas generativas y, en la Unión Europea, tratar como de alto riesgo la IA que determina acceso, admisión, asignación, evaluación o nivel educativo (UNESCO, 2021; UNICEF, 2021; Miao y Holmes, 2023; Unión Europea, 2024; European Commission, 2022).

Donde las fuentes no miden un jardín, este artículo no lo afirma. Donde miden un tablero, un score o un diagnóstico, no las traduce en evaluación formativa. Acompañar a niñas y niños de tres a seis años con evaluación formativa es ejercer un juicio situado en el proceso —feedback, ajuste de la actividad, mirada al grupo— con el adulto como intérprete. Lo demás es un tablero que clasifica. No es evaluación formativa, y no debe presentarse como lo que no es.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Referencias

  1. Apostolache, R. (2024). Kindergarten teachers’ perception on preschoolers’ formative assessment. Educatia 21, (27), Article 14. https://doi.org/10.24193/ed21.2024.27.14
  2. Braund, H., DeLuca, C., Panadero, E., y Cheng, L. (2021). Exploring formative assessment and co-regulation in kindergarten through interviews and direct observation. Frontiers in Education, 6, 732373. https://doi.org/10.3389/feduc.2021.732373
  3. Chen, J. J. (2024). A scoping study on AI affordances in early childhood education: Mapping the global landscape, identifying research gaps, and charting future research directions. Journal of Artificial Intelligence Research, 81, 701–740. https://doi.org/10.1613/jair.1.16882
  4. Clements, D. H., Sarama, J., Tatsuoka, C., Banse, H. W., y Tatsuoka, K. K. (2022). Evaluating a model for developing cognitively diagnostic adaptive assessments: The case of young children’s length measurement. Journal of Research in Childhood Education, 36(1), 143–158. https://doi.org/10.1080/02568543.2021.1895921
  5. European Commission. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union. https://doi.org/10.2766/153756
  6. Grimmond, J., Neilsen-Hewett, C., y Howard, S. J. (2022). The effectiveness of a formative play-based mathematics assessment in supporting the early childhood intentional pedagogue. Australasian Journal of Early Childhood, 47(4), 304–319. https://doi.org/10.1177/18369391221130787
  7. Heritage, M. (2022). Formative assessment: Making it happen in the classroom (2.ª ed.). Corwin. https://doi.org/10.4135/9781071813706
  8. Karademir, O., Di Mitri, D., Schneider, J., Jivet, I., Allmang, J., Gombert, S., Kubsch, M., Neumann, K., y Drachsler, H. (2024). I don’t have time! But keep me in the loop: Co-designing requirements for a learning analytics cockpit with teachers. Journal of Computer Assisted Learning, 40(6), 2681–2699. https://doi.org/10.1111/jcal.12997
  9. Karaman, P. (2021). The effect of formative assessment practices on student learning: A meta-analysis study. International Journal of Assessment Tools in Education, 8(4), 801–817. https://doi.org/10.21449/ijate.870300
  10. Liao, X., Zhang, X., Wang, Z., y Luo, H. (2024). Design and implementation of an AI-enabled visual report tool as formative assessment to promote learning achievement and self-regulated learning: An experimental study. British Journal of Educational Technology, 55(3), 1253–1276. https://doi.org/10.1111/bjet.13424
  11. Ljungcrantz, L. (2026). The interaction of AI and early childhood education. A state-of-the-art review 2020–2024. Early Childhood Education Journal, 54, 3565–3581. https://doi.org/10.1007/s10643-025-02079-3
  12. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  13. NAEYC. (2022). Developmentally appropriate practice in early childhood programs serving children from birth through age 8 (4.ª ed.). NAEYC. https://www.naeyc.org/resources/pubs/books/dap-fourth-edition
  14. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  15. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  16. OECD. (2025). Results from TALIS Starting Strong 2024: Strengthening early childhood education and care. OECD Publishing. https://doi.org/10.1787/20af08c0-en
  17. Pyle, A., DeLuca, C., Wickstrom, H., y Danniels, E. (2022). Connecting kindergarten teachers’ play-based learning profiles and their classroom assessment practices. Teaching and Teacher Education, 119, 103855. https://doi.org/10.1016/j.tate.2022.103855
  18. Sortwell, A., Trimble, K., Ferraz, R., Geelan, D. R., Hine, G., Ramirez-Campillo, R., Carter-Thuiller, B., Gkintoni, E., y Xuan, Q. (2024). A systematic review of meta-analyses on the impact of formative assessment on K-12 students’ learning: Toward sustainable quality education. Sustainability, 16(17), 7826. https://doi.org/10.3390/su16177826
  19. Su, J., y Yang, W. (2022). Artificial intelligence in early childhood education: A scoping review. Computers and Education: Artificial Intelligence, 3, 100049. https://doi.org/10.1016/j.caeai.2022.100049
  20. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  21. UNICEF. (2021). Policy guidance on AI for children 2.0. UNICEF Innocenti. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children
  22. Unión Europea. (2024). Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial. Diario Oficial de la Unión Europea, L 1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
  23. U.S. Department of Education, Office of Educational Technology. (2023). Artificial intelligence and the future of teaching and learning: Insights and recommendations. U.S. Department of Education. https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf
  24. Yan, Z., Li, Z., Panadero, E., Yang, M., Yang, L., y Lao, H. (2021). A systematic review on factors influencing teachers’ intentions and implementations regarding formative assessment. Assessment in Education: Principles, Policy & Practice, 28(3), 228–260. https://doi.org/10.1080/0969594X.2021.1884042
  25. Yan, Z., y Pastore, S. (2022). Assessing teachers’ strategies in formative assessment: The Teacher Formative Assessment Practice Scale. Journal of Psychoeducational Assessment, 40(5), 592–604. https://doi.org/10.1177/07342829221075121
  26. Yao, Y., Amos, M., Snider, K., y Brown, T. (2024). The impact of formative assessment on K-12 learning: A meta-analysis. Educational Research and Evaluation, 29(7-8), 452–475. https://doi.org/10.1080/13803611.2024.2363831