Villena Garrido, María VictoriaIllarramendi Martija, NikolasLuordo Tedesco, DavideMontesinos Monja, María DoloresMoro Pérez, LydiaDelgado Jiménez, Juan FranciscoDíez Lobato, RamiroGranda Orive, José Ignacio DeLagares Gómez-Abascal, AlfonsoPérez Carreras, MercedesSayas Catalán, JavierGarcía Sánchez, Francisco JavierRubio García, Rafael2025-06-032025-06-032025-05-31https://hdl.handle.net/20.500.14352/120797El examen clínico objetivo estructurado (ECOE) es una herramienta consolidada para la evaluación de competencias clínicas en el Grado de Medicina. En la Facultad de Medicina de la Universidad Complutense de Madrid, (Unidad Docente de los Hospitales Universitarios 12 de Octubre e Infanta Cristina), se realiza desde hace más de diez años al final de los cursos clínicos (3º, 4º y 5º). Su corrección consume una gran cantidad de recursos humanos, fundamentalmente tiempo de profesorado clínico. En este contexto surge el presente proyecto de innovación, cuyo propósito es explorar el uso de tecnologías de inteligencia artificial, en concreto el modelo ChatGPT de OpenAI®, como herramienta de apoyo para la corrección de los informes clínicos del ECOE. El objetivo general del proyecto es evaluar la eficacia de la inteligencia artificial (IA) en la corrección de informes clínicos redactados por estudiantes de medicina durante el ECOE. Se pretende comparar los resultados obtenidos por la IA con los de dos correctores humanos expertos y un corrector inexperto, todos aplicando los mismos ítems de corrección definidos previamente mediante rúbricas. Para abordar el objetivo general, se plantearon los siguientes objetivos específicos: 1. Diseño e implementación del sistema de corrección automatizada basado en IA: diseñar e implementar un sistema que pueda puntuar los informes clínicos de los estudiantes aplicando los ítems de las rúbricas de corrección de una forma comparable a la realizada por un evaluador humano. 2. Comparación entre IA y correctores humanos: evaluar el grado de acuerdo entre las puntuaciones otorgadas por la inteligencia artificial y los correctores humanos. 3. Evaluación de la variabilidad según el tipo de corrector: analizar la variabilidad en las puntuaciones en función de la experiencia del evaluador (IA, expertos, inexperto), con el fin de determinar si la IA puede contribuir a una mayor objetividad en la evaluación y reducir la subjetividad asociada al juicio humano. 4. Evaluar el impacto en términos de tiempo y recursos dedicados a la corrección de informes clínicos, comparando la eficiencia del sistema de IA con la de los correctores humanos.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/teaching innovation projectPIMC337/24-25open accessECOEInteligencia artificialCiencias Biomédicas32 Ciencias Médicas