Este estudio, basado en la teoría de respuesta al ítem, compara la validez de la prueba de lectura con opción múltiple en inglés bajo tres modos de formulación de ítems: liderado por expertos, generado por IA y colaboración humano-máquina, para evaluar los límites de la capacidad de formulación de IA y el potencial de la colaboración humano-máquina. Los resultados muestran: 1) en validez de contenido, el examen de expertos tuvo el mejor desempeño y el de colaboración humano-máquina el menos favorable; 2) en validez estructural, el examen de expertos mostró la mayor confiabilidad y la adecuación del constructo fue significativamente mejor que la del examen colaborativo y el generado por IA; 3) en validez correlacionada con criterios, solo el examen de expertos estuvo significativamente correlacionado con los resultados del CET-4, mientras que los exámenes colaborativo e IA no mostraron poder predictivo efectivo. El estudio encontró que el modo colaborativo “diseño experto de ítems + generación de opciones por IA” no mejoró la calidad de la formulación, sino que llevó a una tendencia a la baja, por lo que es urgente reconstruir el paradigma de colaboración humano-máquina y explorar nuevos mecanismos de cooperación, como “preselección por IA – optimización por expertos”.

formulación colaborativa humano-máquina;validez;prueba de lectura en inglés;opción múltiple