MÓDULO 2. GENERAR TEXTO

2.1. Aplicaciones de la IA para generar contenido didáctico: introducción.

En el horizonte tecnológico actual, la IA se ha convertido en una herramienta omnipresente y versátil, brindando asistencia y mejoras en una variedad de campos que van desde la escritura hasta el diseño gráfico y más allá.

Entre las opciones que la IA ofrece para generar contenido didáctico se encuentra:

- Asistentes para el desarrollo, mejora y análisis de textos. Las IA especializadas en el lenguaje, como ChatGPT, ofrecen soporte inestimable en la redacción, edición y análisis de textos. Estos asistentes pueden sugerir mejoras, corregir errores gramaticales, ayudar en la elaboración de argumentos coherentes y proporcionar análisis sentimentales o de contenido.

- Asistentes para la creación de imágenes y contenidos gráficos. La IA también ha irrumpido en el mundo del arte digital y diseño gráfico. Herramientas de IA evolucionan la forma en que se crean imágenes y contenidos visuales, permitiendo a los usuarios generar ilustraciones y diseños gráficos a través de simples descripciones textuales. Esto abre un universo de posibilidades, democratizando y acelerando el proceso creativo. Además, estas IAs invitan a los estudiantes a explorar conceptos complejos de forma visual y contribuyen a la creación de materiales didácticos más atractivos y personalizados, facilitando así la comprensión y retención de información.

- Asistentes para la generación de presentaciones. El diseño de presentaciones es otra área enriquecida por la IA. Estos asistentes inteligentes pueden estructurar automáticamente la información en diapositivas cohesivas y visualmente atractivas, seleccionar esquemas de diseño y hasta recomendar el contenido más relevante para comunicar un mensaje de manera efectiva, simplificando la creación de material didáctico y profesional.

- Asistentes para la creación y modificación de videos. La edición de video, tradicionalmente una tarea que requería habilidades técnicas significativas y software complejo, está siendo transformada por la IA. Estos asistentes pueden automatizar la edición, mejorar la calidad de los videos, generar efectos visuales y hasta crear animaciones, facilitando la producción de contenido audiovisual de alta calidad a creadores de todos los niveles.

- Otras aplicaciones. Pero la versatilidad de la IA no termina aquí, también puede ayudar en la toma de decisiones y automatización de procesos; en la música permite componer piezas o generar acompañamientos; las IA de aprendizaje de idiomas facilitan la adquisición de nuevas lenguas; para los programadores, ofrecen asistencia en la escritura y depuración de código; y en el ámbito de la creatividad, abren las puertas a nuevas formas de expresión artística y solución de problemas.

En resumen, la IA está redefiniendo el paisaje de la generación de contenidos didácticos, y no solo haciendo las herramientas más accesibles, sino también ampliando los límites de lo que es posible crear y lograr.

2.2. Cómo hablar con una máquina Requisitos de finalización

1. Introducción

Los modelos generativos inteligencia artificial han revolucionado nuestra forma de interactuar con la tecnología.

Dos conceptos son fundamentales para entender y aprovechar estas herramientas: los "prompts" y las "alucinaciones".

Un prompt es, simplemente, la instrucción o pregunta que proporcionamos a un modelo de IA. Podría parecer un concepto sencillo, pero el diseño efectivo de prompts se ha convertido en una habilidad crucial.

Las alucinaciones ocurren cuando un modelo de IA genera información incorrecta, inexistente o no verificable, pero presentada con aparente confianza. Este fenómeno surge porque estos modelos no "saben" hechos como lo hacen los humanos, sino que producen texto basado en patrones estadísticos aprendidos durante su entrenamiento.

Comprender estos dos conceptos nos permite utilizar las herramientas de IA de manera más efectiva y responsable, aprovechando su potencial mientras reconocemos sus limitaciones.

2. Prompts

Un prompt, en el contexto de la inteligencia artificial y más específicamente en el contexto de modelos de lenguaje, se refiere a la entrada o estímulo que se le da al sistema para que genere una respuesta. Es básicamente la pregunta o afirmación que incita o provoca una respuesta por parte de la IA.

Por ejemplo, si estamos interesados en saber más sobre el arte románico, cuando escribes "¿qué es arte románico?" en un chat de IA, ese sería el prompt. En respuesta a este prompt, el modelo genera una salida o explicación.

Los prompts son fundamentales en la interacción con modelos de lenguaje, ya que determinan la dirección y el contexto de la respuesta del modelo. Si bien es cierto que ante cualquier entrada de texto los modelos de IA darán una respuesta, también lo es que no todas ellas serán igualmente válidas y optimizadas. Dependiendo de cómo se formule un prompt, se puede obtener respuestas diferentes o enfocadas en distintos aspectos de una cuestión.

Cuanto mejor conozcamos cómo "piensa" una máquina y la fórmula óptima de "hablar" con ella, mejores resultados vamos a obtener y más se van a adecuar a los contenidos que precisamos y a las ideas que tenemos en la cabeza.

Los prompts juegan un papel crítico en los sistemas de IA generativa por varias razones:

Control y dirección:
Permiten a los usuarios dirigir la salida del modelo hacia resultados específicos.
Funcionan como "palancas de control" para modelos que de otro modo generarían contenido impredecible.
Superación de limitaciones:
Ayudan a superar las limitaciones inherentes de los modelos, como la tendencia a la ambigüedad o la falta de foco.
Permiten extraer capacidades específicas que el modelo ha aprendido durante su entrenamiento.
Personalización sin reentrenamiento:
Ofrecen una forma de personalizar el comportamiento del modelo sin necesidad de reentrenarlo.
Permiten adaptar modelos generales a tareas específicas.
Interfaz accesible:
Proporcionan una interfaz intuitiva basada en lenguaje natural para personas sin conocimientos técnicos.
Democratizan el acceso a capacidades avanzadas de IA.

IMPORTANTE: aunque existen unos criterios globales, es importante tener en cuenta que los prompts deben adaptarse según el modelo específico con el que se trabaje, es decir según el recurso de IA que utilicemos y según el desarrollo que queramos conseguir. No es lo mismo un prompt para un modelo generativo de texto, que un prompt para imagen o uno para desarrollar código.

A nivel general, hay que tener presente que:

La especificidad y claridad son universalmente importantes.
La comprensión de las capacidades y limitaciones del modelo es crucial.
La iteración y refinamiento son necesarios independientemente del modelo.

2. Prompts
2.1. Prompts para la generación de textos.
Un prompt efectivo para el ámbito educativo es una instrucción clara y estructurada que permite obtener de los modelos de IA los recursos, actividades y contenidos pedagógicos más adecuados para cada situación de enseñanza-aprendizaje.

Esta guía explica cómo construir prompts docentes que maximicen la utilidad de las herramientas de IA en entornos educativos.

Un buen prompt se compone de una serie de indicaciones claves. En el ámbito educativo podría incluir:

Componentes esenciales (Nivel básico).
1. ROL DOCENTE.
Definición: Especificación clara del papel que el modelo de IA debe asumir al generar contenido.

Cómo aplicarlo:

Define con precisión la especialidad (matemáticas, literatura, ciencias, etc.)
Especifica el nivel educativo (primaria, secundaria, universidad)
Ejemplos:
"Actúa como docente experto en ciencias naturales para nivel primario"
"Asume el rol de profesor especialista en literatura contemporánea para bachillerato".
2. CONTENIDO.
Definición: información específica sobre el grupo de estudiantes y el contexto de aprendizaje.

Cómo aplicarlo:

Detalla las características del grupo (número de estudiantes, edad, nivel de conocimientos previos).
Especifica necesidades particulares o diversidad en el aula.
Menciona conocimientos previos relevantes.
Ejemplos:
"Grupo de 25 alumnos de 9-10 años con conocimientos básicos de multiplicación".
"Clase heterogénea de 20 estudiantes de 15-16 años con diferentes niveles de comprensión lectora".
3. OBJETIVO.
Definición: propósito educativo específico que se busca alcanzar con el recurso solicitado.

Cómo aplicarlo:

Utiliza verbos de acción específicos (diseñar, elaborar, crear, explicar)
Define resultados de aprendizaje concretos.
Vincula con competencias o estándares curriculares cuando sea posible.
Ejemplos:
"Diseñar un proyecto gamificado sobre sostenibilidad que desarrolle competencias de pensamiento crítico".
"Elaborar actividades para comprender el concepto de fracciones equivalentes".
4. INSTRUCCIONES.
Definición: Indicaciones específicas sobre el tipo de recurso o actividad que se necesita.

Cómo aplicarlo:

Especifica el formato del recurso (guía didáctica, actividad, evaluación, etc.)
Detalla requisitos específicos del recurso.
Incluye parámetros de diseño fundamentales.
Ejemplos:
"Crea un sistema de misiones y recompensas para un proyecto trimestral".
"Diseña 5 problemas matemáticos contextualizados con diferentes niveles de dificultad".

EJEMPLO 1:

EJEMPLO 2:

EJEMPLO 3

Elementos de Optimización (Nivel Avanzado).
El modelo de desarrollo de Prompts se puede optimar añadiendo otras informaciones como:

5. FORMATO.
Definición: Estructura en la que debe presentarse la información generada.

Cómo aplicarlo:

Especifica la organización visual o textual (lista, tabla, esquema, narrativa).
Indica si requiere elementos adicionales (diagramas, gráficos, tablas).
Ejemplos:
"Presenta la información en forma de lista con diagramas de progresión adjuntos".
"Estructura el contenido en secciones con títulos claros, incluyendo ejemplos prácticos".
6. TONO.
Definición: Estilo comunicativo y enfoque pedagógico a utilizar.

Cómo aplicarlo:

Define el estilo de comunicación (formal, informal, motivador, etc.)
Especifica enfoques pedagógicos preferidos.
Indica si debe incluir referencias culturales específicas.
Ejemplos:
"Usa un tono motivador y aventurero, con referencias a videojuegos populares".
"Emplea un enfoque socrático con preguntas que fomenten la reflexión".
7. LONGITUD.
Definición: extensión y nivel de detalle de la respuesta esperada.

Cómo aplicarlo:

Especifica la extensión aproximada (párrafos, páginas, tiempo de implementación).
Indica niveles de profundidad para diferentes secciones.
Ejemplos:
"Desarrolla los 3 conceptos principales con ejemplos concretos, con nivel de dificultad adaptado a cada uno".
"Crea una secuencia didáctica completa de 45 minutos con momentos de apertura, desarrollo y cierre".
8. CONTEXTO.
Definición: marco curricular, institucional o pedagógico específico.

Cómo aplicarlo:

Menciona el marco curricular aplicable (LOMLOE, currículos internacionales...).
Indica competencias clave o estándares específicos a trabajar.
Referencia metodologías institucionales relevantes.
Ejemplos:
"Alinea con ODS y competencias clave según LOMLOE de Andalucía".
"Considera el marco de aprendizaje basado en proyectos implementado en el centro".
9. RESTRICCIONES.
Definición: limitaciones, consideraciones especiales o aspectos a evitar.

Cómo aplicarlo:

Especifica limitaciones de recursos, tiempo o espacio.
Indica aspectos sensibles a evitar o abordar con cuidado.
Menciona requisitos de evaluación o seguimiento.
Ejemplos:
"Actividades adaptables a 50 min de clase con recursos tecnológicos limitados".
"Considera la necesidad de evaluación según criterios del centro educativo".
Estructura de un prompt completo.

Formulación paso a paso:
Comienza con el ROL DOCENTE

Actúa como docente experto en planificación y gamificación basada en proyectos.
Agrega el CONTENIDO

Para un grupo de 5° Primaria, 25 alumnos heterogéneos motivados por la tecnología.
Define el OBJETIVO

Diseña un proyecto gamificado sobre sostenibilidad y medio ambiente.
Especifica las INSTRUCCIONES

Crea un sistema de misiones y recompensas para el proyecto.
Añade elementos de optimización
FORMATO: Presenta la información en forma de lista con diagrama de progresión adjunto.
TONO: Usa un tono motivador y aventurero, con referencias a videojuegos populares.
LONGITUD: Actividades divididas en 3 niveles de dificultad cada una.
CONTEXTO: Alinea con ODS y competencias clave.
RESTRICCIONES: Actividades adaptables a 50 min y evaluación según rúbricas.

Ejemplo de prompt completo:

Actúa como docente experto en planificación y gamificación basada en proyectos. Diseña un proyecto gamificado sobre sostenibilidad para 5° Primaria (25 alumnos tech-friendly). Crea 6-8 misiones relacionadas con ODS, sistema de progresión y sistema de recompensas. Alinea con ODS, adapta a sesiones de 50 min y considera evaluación por rúbricas. Usa tablas ordenadas y recursos de bajo coste. Usa tono motivador con referencias a videojuegos populares.

Consejos para Optimizar Prompts Docentes.
Priorizar la información según relevancia.

Comienza siempre con rol, contenido, objetivo e instrucciones.
Añade elementos de optimización según necesidad específica.
Ser específico pero conciso

Utiliza lenguaje preciso evitando ambigüedades.
Elimina información redundante o excesivamente detallada.
Establecer expectativas claras.

Define el resultado esperado con ejemplos cuando sea posible.
Especifica criterios de éxito del recurso solicitado.
Iterar y refinar.

Evalúa los resultados obtenidos y ajusta el prompt.
Identifica qué componentes necesitan mayor claridad.
Adaptación al modelo específico.

Considera las capacidades particulares del modelo de IA utilizado.
Adapta la complejidad del prompt según la sofisticación del modelo.
Evaluación de efectividad del Prompt.
Un prompt docente efectivo debe producir recursos que:

Se alineen con el objetivo pedagógico especificado.
Resulten adecuados para el nivel y características del grupo.
Sean implementables en el contexto educativo descrito.
Promuevan aprendizajes significativos y competenciales.
Consideren las restricciones y particularidades mencionadas.

2. Prompts
2.2. Prompts para imágenes
Guía para la construcción de prompts efectivos para generación de imágenes.
Introducción.
Los prompts para generación de imágenes son instrucciones textuales que orientan a los modelos de IA sobre qué tipo de imagen crear y cómo debe verse. Un prompt bien estructurado puede marcar la diferencia entre obtener una imagen genérica o conseguir exactamente lo que tenemos en mente.

Componentes esenciales.

1. Estructura básica del prompt.

La estructura fundamental de un prompt para imágenes sigue una secuencia lógica que va de lo general a lo específico:

Qué queremos → Cómo lo queremos → Estilo → Detalles técnicos.

Esta estructura permite que el modelo comprenda primero el sujeto principal, luego su presentación, después el estilo artístico, y finalmente los aspectos técnicos de la imagen deseada.

Cómo aplicarlo:

Comienza con el sujeto u objeto principal.

Especifica características o acciones.

Define el estilo artístico o estético.

Termina con especificaciones técnicas.

Ejemplos:

"Un estudiante feliz estudiando en una biblioteca, arte digital, luz suave, detallado."

"Paisaje montañoso con lago al amanecer, estilo acuarela, colores vibrantes, alta resolución."

Nota: muchas herramientas de generación de imágenes funcionan mejor con prompts en inglés.

"A happy student studying in a library, digital art, soft lighting, detailed."

"Mountain landscape with lake at dawn, watercolor style, vibrant colors, high resolution."

2. Palabras clave útiles en inglés.

Para maximizar la efectividad de los prompts, especialmente en herramientas que funcionan mejor en inglés, es importante conocer las traducciones adecuadas de términos técnicos y artísticos.

Estilos artísticos y técnicas:

Dibujo → drawing, sketch.

Acuarela → watercolor.

Arte digital → digital art.

Ilustración → illustration.

Fotografía → photography.

Impresionismo → impressionism.

Minimalista → minimalist.

Estilo anime → anime style.

Pixel art → pixel art.

3D → 3D render.

Calidad y acabado:

Alta calidad → high quality.

Detallado → detailed.

Profesional → professional.

Alta resolución → high resolution.

Realista → realistic, photorealistic.

Nítido → sharp, crisp.

Textura → textured.

4K, 8K → 4K, 8K.

Hyperdetailed → hyperdetailed.

Iluminación:

Luz natural → natural light.

Luz suave → soft lighting.

Luz brillante → bright light.

Luz cálida → warm lighting.

Contraluz → backlight.

Luz dramática → dramatic lighting.

Luz de estudio → studio lighting.

3. Ejemplos para contexto educativo.

Los siguientes ejemplos están especialmente diseñados para crear imágenes útiles en entornos educativo.

Escenas de aprendizaje:

"Grupo diverso de estudiantes trabajando en un proyecto de ciencias."

"Diverse group of students working on a science project, digital art, bright colors, 4K."

Espacios educativos:

"Aula moderna con espacios de aprendizaje interactivos."

"Modern classroom with interactive learning spaces, architectural style, natural lighting."

Recursos visuales:

"Infografía educativa sobre el sistema solar."

"Educational infographic about solar system, minimalist design, clear layout, vibrant colors."

Situaciones de enseñanza:

"Profesor explicando matemáticas con pizarra interactiva."

"Teacher explaining mathematics with interactive whiteboard, professional photography style, soft colors, detailed."

4. Técnicas avanzadas.

Modificadores de peso.

En algunas herramientas de creación de imágenes puedes asignar peso a ciertas palabras para darles más importancia. Ejemplo:

"Mountain landscape, watercolor: 1.5, vibrant colors: 1.2"

Los números indican el "peso" o importancia (1 es normal, mayor que 1 aumenta la importancia).

Prompts negativos.

Especifica lo que NO quieres en la imagen:

"Paisaje de montaña --sin personas --sin texto"

Semillas (seeds).

Algunas herramientas permiten usar "semillas" para mantener consistencia entre generaciones. Eso implica que a partir de una imagen podremos crear otras nuevas. Para ello:

Guardar el número de "semillas" de una imagen que te guste.

Utilizar esa misma semilla para crear variaciones manteniendo aspectos fundamentales.

5. Consejos importantes.

Usar términos específicos: "elementary school students" en lugar de solo "students".

Separar con comas los diferentes elementos del prompt para ayudar al modelo a distinguir entre conceptos.

Incluir siempre aspectos técnicos al final: "4K", "high quality", "detailed".

Mantener una estructura clara: sujeto/objeto → estilo → técnica → detalles.

Experimentar con sinónimos: si "hermoso" no da el resultado esperado, probar con "gorgeous", "stunning" o "beautiful".

Ser preciso en las descripciones espaciales: "a cat sitting on a windowsill" es mejor que "a cat and a window".

Usar referencias culturales conocidas: "estilo Studio Ghibli" o "paleta de colores de Wes Anderson".

Evitar contradicciones: no pedir "ilustración minimalista con detalles complejos".

Ayuda para la creación de prompts.

Si resulta complicado crear un prompt efectivo para la generación de imágenes, se puede utilizar una IA conversacional (como ChatGPT o Gemini) para que ayude a formularlo.

Por ejemplo:

"¿Puedes ayudarme a crear un prompt para generar una imagen de [descripción básica]? Necesito que la imagen tenga [características específicas] y preferiblemente en estilo [estilo deseado]."

La IA puede entonces proporcionar un prompt bien estructurado que se puede copiar y pegar directamente en la herramienta de generación de imágenes.

Recordatorio sobre el idioma.

Aunque es posible crear prompts en español, la mayoría de las herramientas de generación de imágenes están optimizadas para funcionar mejor con prompts en inglés. Para obtener los mejores resultados, considera:

Escribir directamente tus prompts en inglés.

Solicitar a una IA que te dé el prompt directamente en inglés.

Si decides usar español, incorpora algunos términos técnicos clave en inglés (como "high quality", "detailed", "4K").

Este enfoque maximizará la calidad de las imágenes generadas y te permitirá aprovechar todo el potencial de estas herramientas.

2. Prompts

2.3. Optimizar y refinar promts

La optimización de prompts no es un proceso lineal sino iterativo. No siempre se consigue el resultado óptimo en el primer intento, de hecho, los mejores resultados se obtienen refinando la información inicial, por lo que la experimentación sistemática es fundamental.

Principios clave:

Enfoque incremental: comienza con un prompt básico y añade componentes progresivamente, evaluando así el impacto de cada adición.
Variación controlada: modifica un solo elemento del prompt cada vez para identificar claramente qué cambios producen mejoras.
Documentación de cambios: mantén un registro de cada versión del prompt y los resultados obtenidos para identificar patrones.
Proceso recomendado:
Crea un prompt inicial basado en tu objetivo.
Evalúa los resultados e identifica áreas de mejora específicas.
Realiza una modificación concreta (añadir contexto, cambiar instrucciones, ajustar el rol, etc.).
Evalúa nuevamente y compara con los resultados anteriores.
Repite el proceso hasta alcanzar un resultado satisfactorio.

Ejemplo práctico:

Prompt inicial: "Explica qué es la fotosíntesis."

Iteración 1: "Explica qué es la fotosíntesis para estudiantes de secundaria."

Iteración 2: "Actúa como profesor de biología y explica qué es la fotosíntesis para estudiantes de secundaria. Incluye los procesos químicos básicos."

Iteración 3: "Actúa como profesor de biología y explica qué es la fotosíntesis para estudiantes de secundaria. Incluye los procesos químicos básicos, un diagrama descriptivo y ejemplos de su importancia en el ecosistema."

Técnicas de depuración.
Cuando un prompt no produce los resultados esperados, existen técnicas específicas para identificar y resolver problemas.

Problemas comunes y soluciones:
Respuestas demasiado genéricas:
Diagnóstico: falta de especificidad en el prompt.
Solución: añadir detalles concretos, ejemplos o criterios específicos.
Respuestas incompletas:
Diagnóstico: instrucciones ambiguas o falta de estructura.
Solución: enumerar explícitamente los elementos requeridos o usar listas numeradas.
Respuestas incorrectas:
Diagnóstico: premisas erróneas o contexto insuficiente.
Solución: verificar la información de base y proporcionar contexto adicional.
Técnicas de depuración avanzadas:
Descomposición: divide prompts complejos en subprompts más simples para identificar qué componente falla.
Instrucciones de introspección: pide al modelo que explique su razonamiento o que critique su propia respuesta.
Restricciones de formato: especifica exactamente cómo debe estructurarse la respuesta para facilitar la detección de problemas.
Ejemplos negativos: muestra explícitamente lo que no quieres como resultado.

Ejemplo de depuración:
Prompt problemático: "Dame información sobre Marte."

Análisis: respuesta demasiado amplia y genérica.

Prompt depurado: "Proporciona 5 datos específicos sobre la atmósfera de Marte basados en los descubrimientos científicos más recientes. Para cada dato, menciona brevemente su importancia para futuros proyectos de exploración humana."


2. Prompts
2.4. Ejemplos de prompts

En los siguientes enlaces encontrarás ejemplos para prompts educativos.

Estos prompts son solo bases de ideas iniciales. Para un resultado óptimo habría que integrar en un modelo más complejo con indicaciones concretas, tal y como se ha visto en el módulo.

- Ejemplos de prompts educativos.

- Ejemplos de promts para infantil.

- Ejemplos de promts para primaria.

- Ejemplos de promts para secundaria.




3. Alucinaciones

Las alucinaciones representan uno de los desafíos más significativos en el campo de la inteligencia artificial generativa. Este fenómeno ocurre cuando un modelo de IA produce información que parece coherente y plausible, pero que es incorrecta, fabricada o simplemente no existe en el mundo real.

Comprender en profundidad este fenómeno es esencial para utilizar estas tecnologías de manera responsable y efectiva.

¿Qué son exactamente las alucinaciones en IA?

Las alucinaciones son respuestas generadas por modelos de IA que contienen información fabricada, inexacta o sin fundamento en la realidad, pero presentada con un nivel de confianza que hace difícil distinguirla de información factual.

A diferencia de los errores simples o las imprecisiones, las alucinaciones suelen ser elaboradas, coherentes y convincentes, lo que las hace particularmente problemáticas.

Causas fundamentales de las alucinaciones.

Las alucinaciones surgen por diversas razones inherentes a cómo funcionan los modelos de lenguaje:

Limitaciones del entrenamiento: Los modelos aprenden patrones estadísticos de enormes corpus de texto, pero no tienen una comprensión conceptual del mundo ni acceso a un repositorio verificado de hechos.

Presión por generar respuestas: Los modelos están diseñados para producir texto fluido y coherente incluso cuando se enfrentan a preguntas sobre temas desconocidos o ambiguos.

Sesgo de continuidad: Existe una tendencia algorítmica a mantener la coherencia narrativa, incluso si esto requiere "inventar" detalles para completar la información faltante.

Conocimiento desactualizado: La información con la que se entrenan tiene una fecha límite, creando discrepancias entre lo que "sabe" el modelo y la realidad actual.

Confusión entre ficción y realidad: Los datos de entrenamiento incluyen tanto hechos como ficción, sin etiquetas claras que diferencien estas categorías.


3. Alucinaciones

3.1. Tipos comunes de alucinaciones

Las alucinaciones pueden manifestarse de diversas formas:

1. Alucinaciones factuales.

Invención de estadísticas, fechas o datos numéricos precisos pero falsos.

Creación de eventos históricos que nunca ocurrieron.

Atribución incorrecta de descubrimientos o logros.

2. Alucinaciones de fuentes

Citación de artículos académicos, libros o estudios inexistentes.

Referencia a instituciones o expertos ficticios.

Atribución errónea de citas a personalidades reales.

3. Alucinaciones de contexto.

Interpretación incorrecta del contexto de la pregunta.

Mezcla de información de diferentes dominios o temas.

Extrapolación excesiva basada en información limitada.

4. Alucinaciones de capacidad

Afirmación de poseer habilidades que no tiene (como acceso a internet o bases de datos actualizadas).

Aseveraciones de funcionalidades imposibles para su arquitectura.

3. Alucinaciones

3.2. Consecuencias de las alucinaciones

Las implicaciones de este fenómeno son significativas:

Desinformación: Propagación de información incorrecta que puede ser tomada como verdadera

Pérdida de confianza: Erosión de la credibilidad en las herramientas de IA

Riesgos prácticos: Decisiones basadas en información incorrecta pueden tener consecuencias reales

Sobrecarga de verificación: Necesidad constante de comprobar la veracidad de la información generada

3. Alucinaciones

3.3. Estrategias para identificar y mitigar alucinaciones

Para mitigar la incidencia de las alucinaciones es recomendable:

Mantener un escepticismo saludable ante información precisa y detallada.

Verificar datos críticos con fuentes independientes confiables.

Solicitar explícitamente niveles de confianza o incertidumbre.

Formular prompts que reduzcan la ambigüedad.

Pedir a la IA que explique su razonamiento o cite fuentes específicas.

Utilizar la IA como herramienta complementaria, no como autoridad definitiva.

Comprender las alucinaciones no solo nos ayuda a utilizar mejor las herramientas de IA actuales, sino que también nos prepara para una relación más madura y realista con estas tecnologías, reconociendo tanto su extraordinario potencial como sus limitaciones inherentes.


4. Sesgos

En el uso educativo de la inteligencia artificial es fundamental reconocer una cuestión clave: los sesgos.

Los sesgos son patrones predefinidos en las respuestas, que provienen de los datos con los que se entrenó el modelo y que de por si, ya presentaban estos sesgos. Estos patrones pueden reflejar prejuicios sociales, culturales o históricos, y en consecuencia, afectar la objetividad y la equidad de la información generada.

Existen distintos tipos de sesgos que pueden aparecer al interactuar con sistemas de IA. Los sesgos culturales, por ejemplo, pueden manifestarse en el predominio de referencias occidentales o anglosajonas, interpretaciones marcadas por ciertas normas sociales, o la ausencia de diversidad cultural.

También están los sesgos de género, que se traducen en estereotipos profesionales, roles tradicionales, o un lenguaje que no siempre es inclusivo.

Y, por supuesto, los sesgos históricos, que pueden dar lugar a visiones parciales, interpretaciones sesgadas o simplificaciones basadas en datos incompletos.

Ante esta realidad, es esencial aplicar buenas prácticas al utilizar chatbots o herramientas conversacionales, por ejemplo:

- Verificar la información con múltiples fuentes.

- Considerar diversas perspectivas culturales.

- Solicitar el uso de lenguaje inclusivo en los prompts.

- Mantener siempre una actitud crítica ante posibles respuestas sesgadas.

Además, existen estrategias específicas para mitigar estos sesgos. Entre ellas, se recomienda diversificar las fuentes, repreguntar ante respuestas dudosas, contextualizar bien lo que se pide, evaluar críticamente los resultados, y ajustar los prompts para buscar respuestas más equilibradas.

Los docentes tienen entre sus responsabilidades el formar a ciudadanos críticos, también en el uso de la inteligencia artificial. Comprender y abordar los sesgos no solo mejora la calidad de las respuestas, sino que refuerza nuestro compromiso con una educación más justa, inclusiva y plural.

5. Tokens

Los tokens son las unidades básicas de procesamiento en los modelos generativo de lenguaje natural. Funcionan como "átomos" de información que el modelo puede entender y manipular.

Un token puede representar una palabra completa, parte de una palabra, un carácter individual, un signo de puntuación o incluso espacios en blanco.

Tokenización: el proceso de fragmentación.

La tokenización es el proceso mediante el cual el texto se divide en estas unidades fundamentales. Este procedimiento sigue reglas específicas que varían según el modelo y el idioma:

En idiomas como el inglés, muchas palabras comunes constituyen un solo token.

Palabras menos frecuentes pueden dividirse en múltiples tokens.

Los números, símbolos, acentos y puntuación suelen procesarse como tokens individuales.

Algunos espacios en blanco y caracteres especiales también se consideran tokens.

Por ejemplo, la frase "I love artificial intelligence" podría tokenizarse como: ["I", " love", " artificial", " intel", "ligence"].

En general, el español suele requerir aproximadamente un 15-30% más de tokens que el inglés para expresar el mismo contenido debido a:

Mayor longitud media de las palabras.

Estructura gramatical más compleja.

Mayor uso de artículos y preposiciones.

Formas verbales más variadas.

Por ejemplo, la frase en inglés "I will go" (3 tokens) se convierte en español en "Yo iré" (aproximadamente 3-4 tokens) o "Voy a ir" (aproximadamente 4-5 tokens).

Importancia de los tokens en IA.

Los tokens son cruciales por varias razones:

1. Limitaciones de contexto.

Los modelos de lenguaje tienen una capacidad máxima de procesamiento medida en tokens (la "ventana de contexto"). Según la IA, esta ventana puede contener más o menos decenas de miles de tokens, permitiendo conversaciones diversas en función de la extensión.

2. Precisión y costes.

La tokenización afecta tanto a la precisión de la comprensión como a los costos operativos. Los modelos de IA a menudo ofrecen versiones gratuitas ratas una cantidad X de tokens procesados.

3. Optimización de prompts.

Comprender la tokenización permite crear prompts más eficientes que maximizan el uso del contexto disponible.

4. Procesamiento multilingüe.

La tokenización varía significativamente entre idiomas. Mientras que el inglés puede representar ideas con relativamente pocos tokens, otros idiomas pueden requerir más.

Conteo aproximado de tokens.

Como referencia general:

1 token ≈ 4 caracteres en inglés

1 token ≈ 0.75 palabras en inglés

100 tokens ≈ 75 palabras ≈ 1-2 párrafos cortos

1,000 tokens ≈ 750 palabras ≈ 1-2 páginas

10,000 tokens ≈ 7,500 palabras ≈ un ensayo extenso

Como referencia aproximada para textos en español:

1 token ≈ 3-4 caracteres

1 token ≈ 0.6-0.7 palabras

100 tokens ≈ 60-70 palabras ≈ 1 párrafo corto

1,000 tokens ≈ 600-700 palabras ≈ 1-2 páginas

10,000 tokens ≈ 6,000-7,000 palabras ≈ un ensayo medio

Sin embargo, estas son aproximaciones gruesas que varían según el contenido específico.

Optimización del uso de tokens.

Para maximizar la eficiencia en el uso de tokens es recomendable:

Ser claro en las instrucciones.

Eliminar redundancias y texto decorativo innecesario.

Utilizar formatos estructurados cuando sea apropiado.

Considerar el impacto de código y contenido técnico, que puede consumir tokens rápidamente.

Ser consciente de las diferencias entre idiomas en términos de eficiencia de tokens.

Comprender cómo funcionan los tokens permite aprovechar al máximo las capacidades de los modelos de lenguaje, optimizando tanto el rendimiento como la eficiencia de las interacciones.

6. Enseñando a la IA

Aunque las inteligencias artificiales generativas no se pueden "entrenar" técnicamente hablando, al no poder agregar datos a su modelo, sí es posible "enseñarles" mediante ejemplos a generar contenido que se ajuste a nuestras expectativas o estilo. Esta técnica, conocida como aprendizaje por demostración o few-shot learning, permite orientar las respuestas de la IA sin necesidad de modificar sus parámetros internos.

¿Cómo funciona el aprendizaje por demostración?

Los modelos de lenguaje tienen una notable capacidad para identificar patrones y adaptarse a ellos dentro de una misma conversación. Si le proporcionamos ejemplos concretos, la IA:

Analiza los patrones de estilo, estructura y contenido en tus ejemplos.

Identifica elementos recurrentes (vocabulario, tono, formato...).

Genera nuevo contenido siguiendo esos mismos patrones.

Esta capacidad permite "moldear" las respuestas sin necesidad de instrucciones explícitas y detalladas.

Por tanto para optimizar las respuestas a nuestro gusto y estilo podemos realizar:

- Un Few-shot prompting básico, es decir, proporcionarle algunos ejemplos sencillo, del estilo que nos gusta o del modelo que queramos que siga, y pedirle que simplemente los lea, antes de solicitar contenido nuevo (al que ya le indicaremos que genere en función de lo anterior).

- Un tuning de estilo de escritura, consistente en proporcionar textos escritos por nosotros mismos que ejemplifiquen nuestro estilo de escritura.

- Ejemplos técnicos, añadiendo documentación, artículos o descripciones en campos especializados que muestren ejemplos de la estructura, terminología y formato específicos de la disciplina a trabajar.

Este tipo de aproximaciones no sólo ahorran tiempo en instrucciones detalladas, sino que a menudo producen resultados más precisos y humanizados que las instrucciones verbales, ya que muestran directamente lo que se quiere conseguir.2.3. Asistentes para la creación de contenido textual.
1. Introducción.

En el ecosistema actual de la educación, las IAs generativas representan herramientas con enorme potencial para transformar tanto la enseñanza como el aprendizaje. Más allá de los fundamentos teóricos que hemos explorado sobre prompting y optimización de instrucciones, es momento de conocer las principales plataformas disponibles para los docentes.

Cada una de estas inteligencias artificiales posee características distintivas que las hacen adecuadas para diferentes contextos educativos. En esta sección, exploraremos cuatro de las principales herramientas: ChatGPT, con su interfaz intuitiva y amplia adopción en entornos educativos; Gemini, con sus capacidades multimodales avanzadas; Deepseek, especializada en razonamiento profundo y contenido técnico; y Perplexity, que destaca por su capacidad de búsqueda integrada y citación de fuentes.

Analizaremos sus fortalezas, casos de uso específicos para el aula, y cómo adaptar nuestras estrategias de prompting para obtener los mejores resultados de cada plataforma, permitiéndote seleccionar la herramienta más apropiada según objetivos pedagógicos concretos.

1. Introducción.

1.1. Usos
Las inteligencias artificiales de desarrollo textual, también conocidas como modelos generativos de lenguaje, permiten crear textos de manera automática a partir de una instrucción o entrada escrita, conocida como prompt (ver apartado anteriorl). Estas herramientas son capaces de redactar, resumir, reformular, traducir o analizar textos con un nivel de coherencia y estructura sorprendente.

Su aplicación en el ámbito educativo es cada vez más amplia. Pueden utilizarse para generar materiales didácticos, proponer actividades personalizadas, diseñar rúbricas de evaluación, corregir o reescribir textos, e incluso simular debates o entrevistas. Además, ofrecen apoyo en tareas administrativas, como la redacción de informes, comunicaciones o planificaciones.


El potencial de estas herramientas no solo reside en su capacidad técnica, sino en cómo las integramos pedagógicamente. Comprender sus posibilidades —y también sus límites— nos permite aprovecharlas de forma crítica y creativa en el aula, siempre al servicio del aprendizaje y del desarrollo del pensamiento.

2. ChatGPT
ChatGPT es una familia de modelos de lenguaje desarrollados por OpenAI que han transformado la manera en que interactuamos con la inteligencia artificial. Desde su lanzamiento público en noviembre de 2022, se ha convertido en una de las herramientas de IA más utilizadas globalmente, destacándose por:

Versatilidad en la generación de texto: capaz de producir diversos tipos de contenido, desde explicaciones educativas hasta material creativo.
Interfaz conversacional intuitiva: permite interacciones naturales similar a una conversación humana.
Actualizaciones constantes: evolución desde GPT-3.5 hasta GPT-4o con mejoras en razonamiento, conocimiento y capacidades multimodales.
Capacidad multimodal: puede analizar y responder a imágenes, gráficos y documentos visuales (en versiones avanzadas).
Integración con plugins: extensiones que amplían sus funcionalidades para tareas específicas.
Memoria de conversación: capacidad para mantener contexto a lo largo de intercambios prolongados.

2. ChatGPT
2.1. Cómo usar ChatGPT
Para utilizar ChatGPT, simplemente hay que escribir la información o la solicitud en la caja de texto que aparece en la parte inferior de la pantalla. Es importante formular bien lo que se quiere obtener, utilizando un prompt adecuado (ya se ha trabajado este aspecto en el apartado correspondiente). El importante usar prompts adecuados para optimizar los resultados, obtener textos más personalizados y mejorar la funcionalidad de la herramienta.
Una vez redactado el mensaje, se pulsa el botón de envío (ícono de voz o enter), y el modelo generará una respuesta basada en lo que se le ha pedido

Según el tipo de resultado que se desee, será más recomendable utilizar un modelo u otro. Esta elección debe hacerse teniendo en cuenta lo explicado en el apartado siguiente (2.2 de modelos disponibles).

En algunos casos, puede ser útil activar las funciones adicionales de la caja de texto, como:

"Buscar", para obtener información actualizada desde internet.

"Razona", para que el modelo utilice un modo de razonamiento más profundo (ver información en el apartado siguiente 2.2.)
Estas funciones deben activarse sólo cuando sean necesarias, dependiendo del tipo de tarea que se quiera realizar.

2. ChatGPT
2.2. Modelos disponibles

ChatGPT no se trata de un único modelo, sino de una familia de modelos que ofrecen distintas capacidades y que han ido evolucionando en el tiempo.

En estos momentos (marzo de 2025), están en uso estos modelos:

GPT-3.5.

Es el modelo gratuito disponible para todos los usuarios en la versión lenta de la herramienta.
Ofrece rapidez y eficiencia en tareas simples.
Está optimizado para respuestas naturales y conversación fluida.
Útil para tareas rutinarias, consultas generales y redacción básica.

GPT-4 / GPT-4turbo.

Modelo más avanzado, accesible mediante suscripción (ChatGPT Plus).

Capaz de razonamientos más complejos y mayor precisión. Se emplea ampliamente en tareas que requieren redacción de calidad, análisis profundo y asistencia profesional.

GPT-4turbo es una versión optimizada para mayor velocidad y menor coste.

Permite el uso de herramientas adicionales como análisis de imágenes, carga de archivos, navegación web y ejecución de código (dependiendo de la plataforma).

Serie O (o1, o3-mini, o3-mini-high).
Conjunto de modelos experimentales y forman parte de una nueva línea de OpenAI, la compañía tras ChatGPT. Son accesibles mediante suscripción (ChatGPT Plus).

o1 destaca por su razonamiento avanzado general.

o3-mini ofrece un equilibrio entre velocidad y capacidad lógica, especialmente útil en tareas rápidas.

o3-mini-high está orientado a programación, lógica formal y resolución de problemas estructurados.

Aunque no forman parte de GPT-4 de manera directa, comparten con GPT-4-turbo la filosofía de optimización para tareas específicas.

Su uso está enfocado a entornos que requieren eficiencia y precisión en razonamiento, sin necesidad de capacidades multimedia.

¿Qué función tiene cada modelo en relación a las tres grandes categorías ya vistas: chatbots, razonadores e investigadores profundos?

En la esquina superior izquierda de ChatGPT, podremos decidir el tipo de modelo a utilizar. Y cada modelo tendrá el tipo de funcionalidad que se puede ver en el cuadro anterior.

La versión gratuita de ChatGPT utiliza principalmente el modelo GPT-4o, pero tiene limitación en la cantidad de mensajes, que pueden variar dependiendo del uso y la demanda. Cuando se alcanza el límite de mensajes con GPT-4o, ChatGPT cambiará automáticamente al modelo GPT-3.5 para que los usuarios puedan continuar sus conversaciones.

Los usuarios gratuitos tienen también la opción de hacer un uso limitado del modelo de razonador o3-mini, activando para ello el botón "Razona", que aparece en la parte baja de la caja de introducción de texto. También en esta caja se puede activar la función "Buscar", si se quiere que en nuestra consulta el modelo haga uso de información web.

En el caso de suscripción (ChatGPT Plus), los usuarios tendrán acceso a otros modelos disponibles.

Así como a la opción de activar la investigación profunda en la parte baja de la caja de texto.

2. ChatGPT

2.3. Personalizar ChatGPT

ChatGPT permite adaptar su comportamiento a las necesidades concretas del usuario mediante una función de personalización. Esta herramienta es especialmente útil en el ámbito educativo, ya que facilita respuestas más coherentes con el perfil profesional, los intereses pedagógicos y el estilo de comunicación deseado.

¿Cómo acceder a la personalización?

Para personalizar ChatGPT, es necesario hacer clic en el icono del perfil de usuario, situado en la esquina superior derecha de la pantalla. En el menú desplegable que aparece, se debe seleccionar la opción “Personalizar ChatGPT”.

A continuación, se abrirá un panel con varios campos editables. Cada uno de ellos permite introducir información que el modelo tendrá en cuenta de forma persistente en sus respuestas, sin necesidad de repetirla en cada conversación.

Campos disponibles y ejemplo para el sector educativo:

¿Cómo debería llamarte ChatGPT?

Permite definir un nombre personalizado para el asistente (opcional).

Ejemplo: “Asistente de aula”

(Permite una interacción más cercana y contextualizada).

¿A qué te dedicas?

Se indica la ocupación principal del usuario, lo que facilita respuestas más contextualizadas.

Ejemplo: “Docente de Secundaria especializado en Ciencias Sociales”

(Esto permite al modelo adaptar el lenguaje y los ejemplos al nivel educativo y área de conocimiento)

¿Qué cualidades debería tener ChatGPT?

Se pueden seleccionar o describir atributos deseables, bien seleccionando entre las opciones de referencia o escribiendo nuestras propias ideas (por ejemplo, tradicional, visionario, poético, etc.).

Ejemplo: “Tradicional, claro, respetuoso, con un toque de humor inteligente”

(Define el tono y estilo en que se desea recibir las respuestas)

¿Algo más que ChatGPT deba saber sobre ti?

Campo abierto para añadir intereses, valores o cualquier otro aspecto relevante.

Ejemplo: “Trabajo con adolescentes, valoro las referencias culturales y la conexión con contenidos humanísticos; me interesa el diseño de experiencias didácticas creativas, pero con un enfoque estructurado. En el aula hay un alumno con TEA (Asperger) y precisaré siempre de adaptaciones curriculares. Utiliza lenguaje inclusivo en tus respuestas-. El marco curricular a usar en los contenidos es LOMLOE Andalucía”

(Este campo ayuda a afinar aún más las propuestas del modelo)

Ventajas de la personalización

Este sistema permite evitar la repetición de prompts genéricos como “actúa como un experto en educación” o “escribe como si fueras un docente”, ya que toda esa información queda integrada directamente en el comportamiento de ChatGPT. De este modo, las respuestas serán más pertinentes desde el primer momento.

Activar o desactivar la personalización

En la parte inferior del panel de personalización se encuentra una pestaña para activar o desactivar esta configuración(“Habilitar para nuevos chats”). Esto es útil si, por ejemplo, se personaliza ChatGPT para un contexto educativo pero luego se quiere utilizar en otros ámbitos, como intereses personales, temas técnicos o proyectos distintos. Basta con activar o desactivar esta opción para que el modelo tenga (o no) en cuenta la personalización aplicada.

2. ChatGPT

2.4. Creación de GPTs propios

Los usuarios de la versión de pago de ChatGPT (ChatGPT Plus) tienen acceso a una funcionalidad avanzada que permite crear versiones personalizadas del modelo, denominadas GPTs personalizados.

Para acceder a esta opción, es necesario hacer clic en el icono de perfil del usuario (esquina superior derecha) y seleccionar la opción “Mis GPT”. Desde ahí, puede iniciarse el proceso haciendo clic en “Crear un GPT”.

Esta herramienta permite configurar un ChatGPT con un propósito específico, integrando instrucciones, tono, personalidad, conocimientos concretos y hasta herramientas personalizadas. Por ejemplo, puede crearse un GPT orientado exclusivamente a:

Diseño de situaciones de aprendizaje.

Corrección de textos académicos.

Tutoría en una materia concreta.

Elaboración de materiales educativos adaptados a un nivel o currículo.

La creación de estos GPT no requiere conocimientos de programación. La interfaz guía al usuario paso a paso, permitiendo definir qué debe saber, cómo debe comportarse y qué tareas debe priorizar ese modelo personalizado. Cuanto más se trabaje en la personalización del modelo, más óptimos serán los resultados.

Una vez creado, el GPT personalizado estará disponible en el menú general y podrá usarse como una herramienta educativa diseñada a medida.

Para descubrir distintas aplicaciones que usan GPT, se puede acceder a GPTS Store.

2. ChatGPT

2.5. Asistente GPT EDU IA

A continuación tenéis un ejemplo de un GPT personalizado, adaptado a ser utilizado para dar apoyo a los docentes en el uso de la IA: IA Educativa PRO.

Este asistente cuenta con todo el contenido de este curso, así como diversa información complementaria que incluye artículos académicos, marcos teóricos consensuados sobre el uso de IA en educación y enfoques éticos pertinentes. Está actualizado con las últimas novedades y orientado al ámbito español. Se ha aleccionado para minimizar sesgos y para tratar de que sus respuestas sean lo más pertinentes posibles para un ámbito educativo.

Puedes usar este GPT como complemento al curso o, a nivel general, para todos aquellos trabajos o información que integren IA y educación.

ABRIR IA EDUCATIVA PRO.

3. Gemini

Gemini representa la apuesta más ambiciosa de Google en el campo de la inteligencia artificial generativa. Desarrollado por Google DeepMind, este modelo multimodal nativo está diseñado para comprender, operar y combinar diferentes tipos de información (texto, código, audio, imagen y video) de forma fluida y natural, lo que lo distingue en el ecosistema de herramientas de IA educativas.

Sus principales características incluyen:

Capacidades multimodales avanzadas: puede analizar imágenes, videos y audio de forma nativa, no como una adaptación posterior.

Integración con el ecosistema Google: funciona junto con herramientas como Gmail, Docs, Drive y YouTube.

Diferentes niveles de potencia y acceso: desde versiones gratuitas hasta modelos avanzados por suscripción.

Razonamiento multipasos: capacidad para desglosar problemas complejos en componentes más manejables.

Actualización constante: acceso a información reciente a través de la búsqueda de Google.

Para docentes, Gemini resulta especialmente útil en:

Planificación didáctica y creación de recursos educativos.

Evaluación y generación de pruebas.

Investigación y síntesis de información.

Adaptación de materiales para necesidades específicas.

Su integración con Google Classroom y Workspace facilita el análisis de documentos desde Drive, la generación de contenido para Docs o Slides, y la revisión de trabajos de los estudiantes.

3. Gemini

3.1. Cómo usar Gemini

Para utilizar Gemini, la interacción se realiza de manera sencilla escribiendo la información o la solicitud directamente en la caja de texto que se encuentra en la parte inferior de la pantalla. Es fundamental formular claramente lo que se desea obtener, utilizando un prompt adecuado. En el curso, se ha dedicado un apartado específico a la elaboración de prompts efectivos, por lo que te animamos a consultar esa sección para optimizar tus consultas y obtener resultados más precisos y personalizados.

https://gemini.google.com/

Una vez redactado tu mensaje, simplemente pulsa el botón de envío (que puede tener el icono de un avión de papel o la tecla "Enter"), y Gemini generará una respuesta basada en la información que has proporcionado.

3. Gemini

3.2. Modelos de Gemini

En la interfaz actual de Gemini (marzo de 2025), la elección del "modelo" o la funcionalidad se realiza seleccionando directamente la opción que mejor se adapte a tu necesidad en el menú desplegable que se encuentra en la parte superior (identificado con el nombre "Gemini" y una flecha hacia abajo "▾").

Gemini ofrece las siguientes opciones principales:

2.0 Flash: esta opción está diseñada para "Obtener ayuda en tu día a día" y está optimizado para respuestas rápidas y eficientes.

2.0 Flash Thinking (experimental): esta opción usa razonamiento avanzado y representa una funcionalidad centrada en la capacidad de razonamiento de Gemini.

Deep Research: esta modalidad permite obtener informes de investigación detallados, aportando la funcionalidad de investigación profunda.

Gemini Advanced: opción avanzada con mayores capacidades que requiere una suscripción..

Funciones adicionales:

En la interfaz de Gemini se pueden encontrar funcionalidades adicionales que se activan de manera directa o implícita al seleccionar una de las opciones mencionadas. Por ejemplo, al elegir "Deep Research", se activa la capacidad de realizar una investigación más profunda.

Relación con las categorías de chatbots, razonadores e investigadores profundos:

Chatbot: la interfaz principal de Gemini funciona como un chatbot, permitiendo mantener conversaciones y obtener respuestas a preguntas directas con"2.0 Flash".

Razonador: la opción "2.0 Flash Thinking (experimental)" está específicamente diseñada para utilizar un modo de razonamiento avanzado, permitiendo consultas que requieren un análisis más profundo.

Deep research: La opción "Deep Research" habilita la funcionalidad de investigación exhaustiva, actuando como una herramienta para obtener información detallada y realizar análisis profundos.

Modelos en la versión gratuita:

En la versión gratuita de Gemini, tendrás acceso a las opciones Gemini, 2.0 Flash, y 2.0 Flash Thinking (experimental). La disponibilidad y las capacidades específicas de los modelos subyacentes pueden variar, pero estas opciones te permiten interactuar con diferentes niveles de capacidad de respuesta y razonamiento.

Acceso a funcionalidades avanzadas.

La opción Gemini Advanced es accesible mediante suscripción y ofrece acceso a modelos más avanzados y posiblemente a funcionalidades adicionales.

3. Gemini

3.3. Compartir en Documentos

Una vez obtenida una respuesta o texto generado en Gemini, se dispone de la opción de compartir y exportar dicha información para su posterior uso o almacenamiento.

Para ello, se localiza el botón o icono que indica la opción de "Compartir y Exportar", ubicado en la parte inferior de la respuesta generada.

Al pulsar en esta opción, se presentan diversas alternativas, entre ellas la de de "Exportar a Documentos".

Al seleccionar la opción, Gemini genera un documento de Google Docs que se guarda automáticamente en la cuenta de Google Drive del usuario. Esto permite acceder a él, editarlo, compartirlo y utilizar todas las funcionalidades de Google Docs para la edición y gestión de documentos.

Beneficios:

Almacenamiento: permite guardar la información generada para su posterior consulta.

Edición: facilita la edición y personalización del texto.

Colaboración: posibilita compartir el contenido con otros usuarios a través de Google Drive.

Integración: se integra directamente con la cuenta de Google, facilitando el acceso y la gestión de los documentos.

3. Gemini

3.4. Verificar respuesta

Tras obtener una contestación, Gemini dispone de la opción de verificar la respuesta. Esta opción se encuentra ubicada en la parte inferior del texto, dentro del menú de los tres puntos (…). Al pulsar en esta opción, se analizan las afirmaciones clave presentes en la respuesta generada.

Las afirmaciones se destacan con diferentes colores, indicando el nivel de concordancia con la información encontrada por la Búsqueda de Google:

Texto destacado en verde: la Búsqueda de Google encontró contenido que es similar a la afirmación. Se proporciona un enlace para consultar fuentes similares. Esto no indica que la IA haya cogido exactamente esa información, ya que ha generar contenido nuevo, sino que información parecido se puede verificar en otros espacios de la web.

Texto destacado en naranja: la Búsqueda de Google encontró contenido que puede diferir de la afirmación, o bien no encontró información relevante. También se proporciona un enlace, sí está disponible, que permita al usuario comparar y avaluar.

Texto sin destacar: no hay suficiente información para evaluar estas afirmaciones o no pretenden transmitir información fáctica.

Al hacer clic en una afirmación destacada, se obtiene más información sobre lo que la Búsqueda de Google ha encontrado en relación con esa afirmación específica. Se puede así acceder directamente a la web en la que está presente contenido similar.

Importancia de la verificación en el ámbito educativo.

La inclusión de una opción para verificar la veracidad de las respuestas en Gemini es de suma importancia en el ámbito educativo por varias razones fundamentales:

Fomento del pensamiento crítico: permite a los docentes y estudiantes desarrollar y fortalecer su capacidad de análisis crítico. Al tener acceso a la verificación de la información, se les anima a cuestionar y evaluar la fiabilidad de las respuestas generadas por la IA, en lugar de aceptarlas de forma pasiva.

Promoción de la veracidad y la precisión: en el entorno educativo, la exactitud de la información es crucial. La opción de verificación ayuda a asegurar que los datos utilizados en el aprendizaje sean correctos y confiables, minimizando la propagación de información errónea o desactualizada.

Aprendizaje basado en la evidencia: facilita el aprendizaje basado en la evidencia. Al poder contrastar las respuestas de Gemini con fuentes externas, se fomenta la comprensión de que el conocimiento se basa en datos verificables y no en meras afirmaciones.

Desarrollo de habilidades de investigación: introduce y refuerza habilidades de investigación y búsqueda de información. Los estudiantes aprenden a evaluar la credibilidad de las fuentes y a comprender cómo la IA procesa y presenta la información.

Concienciación sobre las limitaciones de la IA: ayuda a entender que, si bien la IA es una herramienta poderosa, no es infalible. La opción de verificación resalta que las respuestas generadas deben ser contrastadas y que la IA puede cometer errores o basarse en información incorrecta.

Apoyo a la evaluación y la retroalimentación: para los docentes, esta función puede ser útil para evaluar la precisión de la información que los estudiantes obtienen a través de la IA y para proporcionar retroalimentación más efectiva sobre la fiabilidad de las fuentes.

Adaptación a un mundo digital: prepara a los estudiantes para un mundo cada vez más digitalizado, donde la capacidad de discernir información veraz de información falsa es una habilidad esencial.

4. Deepseek

DeepSeek representa una alternativa distintiva en el panorama de las inteligencias artificiales conversacionales, destacándose por su enfoque en modelos de código abierto y su especialización en tareas técnicas y de razonamiento profundo. Desarrollado por DeepSeek AI, una startup fundada por ex investigadores de ByteDance y Google, este modelo ha ganado reconocimiento por su rendimiento competitivo frente a opciones comerciales más establecidas.

Sus características principales incluyen:

Arquitectura de código abierto: permite mayor transparencia y posibilidades de personalización.

Especialización técnica: particularmente potente en programación, matemáticas y razonamiento lógico.

Rendimiento competitivo: capacidades comparables a modelos comerciales de primer nivel.

Acceso gratuito: versión básica disponible sin coste, democratizando el acceso a IA avanzada.

Enfoque en investigación: continua evolución basada en publicaciones científicas abiertas.

Fortalezas distintivas para educadores.

DeepSeek sobresale en dominios técnicos como programación, matemáticas, física y razonamiento lógico. Su naturaleza de código abierto ofrece mayor transparencia, posibilidades de personalización, y continuidad a largo plazo. Además, su modelo freemium con opciones gratuitas y de bajo costo lo hace particularmente accesible para instituciones educativas con presupuestos limitados.

Casos de uso educativos.

Es especialmente valioso para:

Enseñanza de programación y ciencias de la computación (generación de ejemplos, explicación de conceptos, revisión de código)

Apoyo en asignaturas STEM (resolución detallada de problemas, generac.ión de ejercicios)

Investigación y trabajos académicos (asistencia bibliográfica, revisión estructural)

Limitaciones y consideraciones.

Entre sus limitaciones destacan una menor capacidad multimodal (enfoque principalmente en texto), posibles restricciones en la ventana de contexto, y conocimientos menos actualizados que modelos vinculados a motores de búsqueda. Se recomienda verificar la información generada y considerar que su enfoque técnico puede hacerlo más adecuado para asignaturas STEM que para humanidades.

Al compararlo con ChatGPT y Gemini, DeepSeek se distingue por su modelo de código abierto, especialización técnica, menor coste, posibilidad de implementación local, y mayor independencia de ecosistemas cerrados.

4. Deepseek

4.1. Cómo usar Deepseek

DeepSeek Chat está disponible a través de su plataforma web.

https://www.deepseek.com

La interfaz es igual de sencilla que la de los modelos vistos hasta ahora, y consiste en un campo de texto para introducir consultas y un botón de envío. Opcionalmente, permite la carga de archivos en formatos como PDF, Word y Excel para su análisis.

Para usar la herramienta:

Introducir la consulta en el campo de texto.

Si es necesario, adjuntar un archivo para su análisis.

Activar la búsqueda en internet en caso de requerir información reciente.

Pulsar el botón de envío para recibir la respuesta.

Recomendaciones:

Para optimizar los resultados, consultar el apartado correspondiente a la formulación de prompts de este curso.

Emplear la carga de archivos cuando se necesite trabajar con documentos específicos.

Utilizar la función de búsqueda en línea para consultas que requieran datos actualizados.

4. Deepseek

4.2. Opciones y funcionalidades

Funcionalidades en DeepSeek Chat

1. Modo Chatbot (respuesta estándar).

Función: genera respuestas inmediatas basadas en el conocimiento del modelo.

Uso: ideal para consultas generales, generación de textos o preguntas que no requieren análisis profundo.

Ejemplo:

"Explica el concepto de fotosíntesis en términos simples."

2. DeepThink (R1) - Modo Razonador.

Función: Activa un razonamiento más estructurado y detallado, útil para problemas complejos o descomposiciones paso a paso.

Uso:

Análisis lógico (ej.: matemáticas, filosofía).

Solución de problemas metodológicos.

Comparaciones detalladas.

Ejemplo:

"Compara críticamente las teorías educativas de Piaget y Vygotsky."

Para activarlo se debe marcha la opción de DeepThink (R1) en la caja de texto.

3. Search - Búsqueda en Internet

Función: si se habilita, la herramienta consulta información actualizada en la web.

Uso:

Datos recientes (estadísticas, noticias...).

Verificación de información en tiempo real.

Ejemplo:

"¿Cuáles son las últimas tendencias en pedagogía en 2025?"

Para activarlo se debe marcha la opción de Search en la caja de texto.

Otras opciones disponibles.

Carga de archivos (📎): analiza documentos (PDF, Word, etc.) para extraer o sintetizar información específica.

Recomendaciones.

Utilizar Chatbot para respuestas rápidas.

Activar DeepThink (R1) cuando se requiera profundidad analítica.

Emplear Search solo para consultas que necesiten actualización.

5. Perplexity

Perplexity representa un enfoque innovador en el panorama de las inteligencias artificiales conversacionales, diferenciándose por su capacidad para buscar, sintetizar y citar información en tiempo real. A diferencia de otros modelos de IA que operan principalmente desde su conocimiento preentrenado, Perplexity utiliza inteligencia artificial avanzada para buscar en internet en tiempo real, recopilando información de fuentes de primera categoría. Luego usa esta información en un resumen claro y conciso, entregando exactamente lo que se necesita en un tono conversacional y fácil de entender.

Esto hace que Perplexity sea una herramienta muy adecuada para investigaciones o para trabajar con fuentes.

Sus características principales incluyen:

Búsqueda en tiempo real: accede a información actualizada de internet en el momento de la consulta.

Citación de fuentes: proporciona referencias verificables para la información presentada.

Interfaces múltiples: disponible como aplicación web, aplicaciones móviles y extensiones de navegador.

Opciones gratuitas y premium: funcionalidades básicas accesibles sin coste, con capacidades avanzadas por suscripción.

Creación de colecciones: permite guardar y organizar investigaciones por temas.

Valor diferencial para educadores.

Perplexity destaca por su transparencia informativa al respaldar cada afirmación con fuentes identificables, acceso a información reciente, menor tendencia a inventar datos (alucinaciones), y capacidad para sintetizar información de múltiples fuentes.

Contribuye significativamente a la alfabetización informacional al modelar estrategias efectivas de investigación, visibilizar la importancia de contrastar información, enseñar la relevancia de citar correctamente, y facilitar la comparación entre diferentes perspectivas.

Su versatilidad temática lo hace adaptable a diversas disciplinas, desde humanidades y ciencias hasta temas de actualidad y debates contemporáneos.

Casos de uso educativos.

Perplexity resulta particularmente valioso para:

Apoyo a la investigación académica (identificación de fuentes, verificación de datos, contextualización)

Desarrollo de materiales didácticos actualizados y basados en fuentes verificables

Fomento del pensamiento crítico mediante la exposición a diferentes perspectivas sobre temas controvertidos

5. Perplexity

5.1. Cómo usar Perplexity

Para trabajar con Perplexity solo se ha de introducir la información requerida en la caja de texto.

Hay dos formas de buscar

Búsqueda rápida: diseñada para respuestas rápidas y directas. Proporciona respuestas inmediatas resumiendo rápidamente la información relevante de fuentes indexadas.

Búsqueda Pro: profundiza en los detalles de tu pregunta. Puede hacer preguntas de seguimiento para refinar la búsqueda y ofrecer respuestas más personalizadas. Este modo es particularmente útil para consultas complejas que requieren respuestas detalladas.

Los usuarios gratuitos pueden disfrutar de hasta tres búsquedas Pro por día, mientras que los suscriptores tienen acceso a hasta 600 búsquedas Pro diarias.

5. Perplexity

5.2. Modelos

En la versión por defecto de Perplexity AI (auto) se utiliza principalmente el modo de búsqueda rápida, que funciona como un chatbot con capacidades de búsqueda en internet. Sin embargo, Perplexity ofrece otras opciones más avanzadas.

Resumen de opciones:

1. Búsqueda rápida (por defecto): este modo proporciona respuestas inmediatas y directas, combinando las capacidades de un chatbot con búsqueda en internet.

2. Búsqueda Pro: diseñada para consultas más complejas que requieren respuestas detalladas.

3. Razonamiento: razonador para realizar tareas más complejas.

4. Deep Research: esta es la opción más avanzada, lanzada en febrero de 2025. Funciona como un razonador y realiza investigaciones exhaustivas. Características:

Realiza docenas de búsquedas y lee cientos de fuentes.

Utiliza razonamiento autónomo para sintetizar la información.

Genera informes completos en 2-4 minutos.

Disponible gratuitamente, aunque con límites para usuarios no suscrito

Desplegando el botón de la caja de texto, podremos optar por una u otra de las opciones disponibles.

Perplexity nos permite además establecer las fuentes en las que queremos realizar las búsquedas, seleccionando el icono del "globo" y eligiendo si optamos por solo búsquedas en Web o si también activamos la opción de búsqueda en documentos académicos, y en medios sociales.

La herramienta da también la opción de adjuntar hasta 10 archivos al día para realizar nuestros trabajos en función de las fuentes concretas que establezcamos.

5. Perplexity

5.3. Espacios de Perplexity

Los Espacios (Spaces) en Perplexity son centros de colaboración impulsados por IA que permiten a los usuarios organizar y gestionar su investigación de manera eficiente.

Estas son las principales características de los Espacios:

Organización personalizada: organizar hilos (threads) y archivos por temas o proyectos específicos.

Colaboración: Los usuarios pueden invitar a colegas o amigos para trabajar juntos en un Espacio, facilitando la investigación en equipo2.

Personalización de IA: Es posible elegir un modelo de IA preferido y configurar instrucciones específicas sobre cómo debe responder el asistente dentro del Espacio2.

Seguridad y privacidad: los Espacios ofrecen controles de acceso completos, permitiendo a los usuarios decidir quién puede acceder a la investigación y los archivos.

Se puede acceder a los espacios desde la barra lateral izquierda de Perplexity.

Desde ahí es posible crear y personalizar nuestro espacio.

Una vez que completemos todos los campo, podremos añadir información web y subir nuestros propios archivos, que se usarán como base para realizar nuestras trabajos personalizados.

Esto hace de Perplexity una herramienta muy útil para realizar investigaciones académicas, como apoyo para escribir artículos o realizar trabajos.

6. Conclusiones

A lo largo de este apartado se han analizado cuatro herramientas de Inteligencia Artificial que representan opciones valiosas para el entorno educativo.

A continuación, se sintetizan las principales características y utilidades de cada una de ellas:

ChatGPT.

Esta herramienta se caracteriza por su versatilidad y facilidad de uso. Permite generar contenidos educativos, crear actividades personalizadas y resolver dudas específicas sobre materias diversas. Su capacidad para adaptar el nivel de complejidad del lenguaje la convierte en un recurso idóneo para la atención a la diversidad en el aula. Asimismo, destaca por la posibilidad de mantener conversaciones extensas y contextualizadas, lo que facilita el desarrollo de proyectos educativos completos

Gemini.
Se distingue por su capacidad multimodal, permitiendo procesar y generar contenido que combina texto e imágenes. Esta funcionalidad resulta particularmente útil para asignaturas que requieren análisis visual, como ciencias, arte o geografía. Su integración con el ecosistema de Google facilita la incorporación de información actualizada y precisa. Adicionalmente, ofrece herramientas específicas para el desarrollo de pensamiento crítico mediante la generación de preguntas de alto nivel cognitivo.

Deepseek.
Orientada especialmente a la investigación y el desarrollo de proyectos complejos, esta herramienta sobresale por su capacidad de análisis profundo de información. Resulta especialmente valiosa para niveles educativos superiores donde se requiere el manejo de conceptos avanzados. Su capacidad para elaborar documentación técnica y explicaciones detalladas la convierte en un aliado para docentes que buscan desarrollar materiales formativos especializados y para guiar proyectos de investigación.


Perplexity.
Se presenta como un buscador potenciado por IA que enfatiza la verificabilidad de la información mediante citas y referencias. Esta característica resulta fundamental para fomentar la alfabetización informacional y el desarrollo de habilidades de investigación en el alumnado. Facilita la creación de materiales didácticos basados en fuentes actualizadas y fiables, así como la elaboración de proyectos de investigación guiada donde los estudiantes pueden contrastar múltiples fuentes.

Consideraciones finales.

Estas cuatro herramientas de IA representan un abanico de posibilidades para transformar la práctica docente. Su implementación en el aula no debe considerarse como una sustitución de la labor del profesorado, sino como un complemento que permite optimizar el tiempo dedicado a tareas rutinarias para centrarse en aspectos cruciales como la atención personalizada, el diseño de experiencias de aprendizaje significativas y la evaluación formativa.

La selección de la herramienta más adecuada dependerá de los objetivos pedagógicos, el contexto educativo específico y las necesidades particulares del alumnado. En muchos casos, la combinación de varias de estas tecnologías puede resultar la estrategia más efectiva para enriquecer los procesos de creación de contenido didáctico.

Cuadro comparativo: