Memoria final de curso con IA: guía sin corta-pega
Cómo redactar la memoria final de curso con IA: qué datos recopilar antes, cómo estructurarla y qué propuestas de mejora valora la inspección educativa.
Redactar la memoria final de curso con IA sirve para acelerar el borrador, no para sustituir el análisis. Antes de escribir hay que recopilar datos concretos del centro (resultados, convivencia, PGA, encuestas); la IA ayuda a estructurarlos y a redactar propuestas de mejora con indicadores de seguimiento, pero el diagnóstico y la decisión siguen siendo del equipo docente y directivo.
¿Qué datos hay que recopilar antes de escribir la memoria?
El error más habitual es abrir un documento en blanco y empezar a redactar de memoria (nunca mejor dicho). Sin datos delante, hasta la mejor IA rellena con generalidades (“se ha trabajado la convivencia de forma satisfactoria”) que no aportan nada a la inspección ni sirven de verdad para planificar el curso siguiente.
Antes de escribir, reúne:
| Bloque | Fuente | Qué extraer |
|---|---|---|
| Resultados académicos | Actas de evaluación, boletines | % aprobados/suspensos por curso y área, comparativa con el curso anterior |
| Cumplimiento de la PGA | Programación General Anual | Objetivos logrados, parcialmente logrados y no logrados, con causa |
| Convivencia | Registro de incidencias, Jefatura de Estudios | Nº de partes, tipo de incidencia, evolución por trimestre |
| Atención a la diversidad | Departamento de Orientación | Alumnado con ACS/ACNEAE atendido, medidas aplicadas, resultado |
| Coordinación docente | Actas de claustro, CCP, equipos docentes | Reuniones realizadas, temas tratados, acuerdos pendientes |
| Participación de familias | AMPA, encuestas, asistencia a tutorías | Nivel de participación, canales usados, incidencias de comunicación |
Con esta tabla rellena (aunque sea a bolígrafo, en bruto), la IA tiene con qué trabajar. Sin ella, tiene que inventar, y ahí es donde empieza el corta-pega.
¿Cómo se estructura la memoria final de curso?
La estructura varía por comunidad autónoma, pero casi todas las órdenes de inspección piden bloques equivalentes: introducción y contexto del centro, grado de consecución de los objetivos de la PGA, resultados académicos, convivencia, atención a la diversidad e inclusión, coordinación (interna y con familias), y propuestas de mejora para el curso siguiente. Si tu programación didáctica ya está bien alineada con la LOMLOE, la memoria es en gran parte contrastar lo previsto con lo conseguido; conviene revisar cómo quedó planteada en la programación didáctica con IA antes de evaluarla.
Un fallo típico es tratar cada apartado como un compartimento estanco. Los mejores documentos conectan bloques: si la convivencia empeoró en 2º ESO en el segundo trimestre, y ese mismo grupo tiene resultados académicos más bajos, la memoria debería decirlo explícitamente, no dejar que el inspector lo deduzca cruzando dos tablas.
Prompt para redactar la memoria con IA
Con los datos recopilados, el prompt debe pedir estructura y honestidad, no relleno. Este funciona bien como punto de partida:
“Redacta el apartado de [resultados académicos / convivencia / atención a la diversidad] de la memoria final de curso de un centro de [etapa], con estos datos: [pega tabla o cifras]. Compara con el curso anterior si hay dato. No uses expresiones vacías tipo ‘se ha trabajado satisfactoriamente’; si un dato no mejora, dilo y apunta una causa probable. Cierra con 2-3 propuestas de mejora concretas y medibles para el curso siguiente.”
MIA, el asistente de IA para docentes de noobe, ya trabaja sobre la LOMLOE y los currículos autonómicos, así que al pedirle este apartado no hace falta explicarle qué son los criterios de evaluación o cómo se llama la PGA en tu comunidad: parte con ese contexto. Eso ahorra las dos o tres vueltas de “no, me refiero a…” que sí hay que dar con una IA genérica.
¿Qué hace que una propuesta de mejora valga para la inspección?
Aquí es donde se nota más el corta-pega, y donde más se paga. Una propuesta de mejora débil dice “mejorar la coordinación entre departamentos”. Una que la inspección valora tiene tres elementos: qué se va a hacer, quién es responsable y cómo se va a medir si funcionó.
| Propuesta débil | Propuesta con indicador |
|---|---|
| Mejorar la convivencia en 2º ESO | Reducir un 20% los partes de 2º ESO en el 1er trimestre mediante tutorías entre iguales; responsable: Jefatura de Estudios; medición: comparativa de registro de incidencias trimestral |
| Reforzar la atención a la diversidad | Revisar las ACS de matemáticas de 1º ESO cada 6 semanas con el Departamento de Orientación; responsable: tutor + orientador; medición: acta de seguimiento |
| Mejorar la comunicación con familias | Enviar resumen quincelar por comentarios de boletín generados con IA a familias de alumnado con seguimiento activo; responsable: tutores; medición: nº de respuestas/interacciones |
Pide siempre a la IA que convierta cada propuesta genérica en una fila de esta tabla. Es el ejercicio que más diferencia una memoria de trámite de una que de verdad orienta el curso siguiente.
¿Por qué no debe ser un corta-pega del año anterior?
Reciclar la memoria de 2024-25 cambiando el año en la cabecera es tentador y detectable a la vez: si las propuestas de mejora son idénticas a las del curso anterior y el problema que las motivó sigue sin resolverse, la inspección lee eso como ausencia de seguimiento real, no como continuidad. La IA no arregla esto por sí sola; lo que sí hace es bajar el coste de escribir la versión honesta, la que dice “esta propuesta no se cumplió porque X, se reformula así para el curso que viene”. Ese matiz —el porqué del fracaso— es lo que un corta-pega nunca incluye porque nadie se para a pensarlo. Es la misma lógica que aplicamos a la reducción de carga administrativa docente con IA: la IA quita el tiempo de mecanografiar, no el de decidir qué contar.
Cuánto ahorra, en números honestos
Con los datos ya recopilados en la tabla del primer apartado, pasar de la hoja en blanco a un borrador completo de memoria (6-8 apartados) baja de las 6-8 horas habituales a 2-3: una la dedica la IA a estructurar y redactar, el resto la dedica el equipo directivo a corregir cifras, matizar causas y decidir las propuestas de mejora finales. Lo que no cambia —y no debería— es quién firma el diagnóstico: la memoria refleja el criterio del centro, la IA solo quita la fricción de empezar.
¿Quieres ver cómo MIA estructura una memoria final de curso a partir de tus propios datos en una clase real? Pide una clase en vivo y trae los resultados de tu centro: esa es la mejor prueba.
Preguntas frecuentes
¿Puede la inspección detectar que la memoria final de curso está hecha con IA?
No por el hecho de usar IA, sino por lo que delata un corta-pega: cifras genéricas, propuestas de mejora sin indicador de seguimiento o texto idéntico al de otro centro. Una memoria con datos propios del centro y un plan de seguimiento concreto no se distingue de una redactada a mano, y suele quedar mejor estructurada.
¿Qué apartados no puede faltar en una memoria final de curso?
Como mínimo: resultados académicos por curso y área, grado de cumplimiento de la PGA, convivencia e incidencias, atención a la diversidad e inclusión, coordinación docente y con familias, y propuestas de mejora para el curso siguiente. La estructura exacta varía por comunidad autónoma, pero estos bloques son comunes a casi todas las órdenes.
¿Cuánto tiempo ahorra usar IA para la memoria final de curso?
El ahorro está en el primer borrador y en cruzar datos dispersos (actas, boletines, PGA), no en la reflexión final. Un equipo directivo que suele dedicar 6-8 horas a montar el documento puede bajar a 2-3 si llega con los datos ya recopilados y usa la IA para estructurar, no para inventar.
¿Sirve la misma propuesta de mejora de un curso para el siguiente si no se ha resuelto?
Solo si se reformula con lo aprendido de por qué no funcionó. Copiar literal la propuesta del año anterior es la señal más clara de memoria de trámite para un inspector: indica que no hubo seguimiento real durante el curso, aunque el problema siga sin resolver.