Diseño didáctico de prompts para evaluar el aprendizaje: integración de inteligencia artificial en formación pregrado

Didactic design of prompts to assess learning: Integration of artificial intelligence in undergraduate training

Autores/as

Palabras clave:

diseño, evaluación del estudiante, inteligencia artificial, formación de docentes

Resumen

En el complejo contexto educativo-tecnológico actual, el lenguaje juega un papel crucial para la interacción entre personas y máquinas, especialmente en el uso de la inteligencia artificial. Sin embargo, existe imprecisión y divergencias sobre el empleo de esta tecnología digital y los diseños de prompts para la evaluación del aprendizaje en pregrado. Esta investigación se centró en determinar si el uso de la inteligencia artificial mediante el diseño didáctico de prompts genera diferencias estadísticamente significativas en los puntajes, obtenidos a través de una lista de cotejo, entre un grupo control y uno experimental. Los resultados muestran una marcada diferencia en los puntajes, con calificaciones aprobatorias superiores en el grupo experimental, donde se implementó el diseño didáctico de prompts. La prueba U de Mann-Whitney confirma estas diferencias estadísticamente significativas, permitiendo concluir que la integración de la inteligencia artificial con metodologías activas que involucran al estudiantado en el diseño y evaluación de prompts para el aprendizaje basado en problemas mejora sustancialmente los resultados académicos. Esto sugiere que la combinación de esta tecnología puede ser una herramienta efectiva para potenciar el aprendizaje en entornos educativos de nivel superior.

Abstract:

In today's complex educational-technological context, language plays a crucial role in the interaction between people and machines, especially in the use of artificial intelligence. However, there is uncertainty and disagreement regarding the use of this digital technology and prompt designs for undergraduate learning assessment. This research focused on determining whether the use of artificial intelligence through the didactic design of prompts generates statistically significant differences in scores, obtained through a checklist, between a control and an experimental group. The results show a marked difference in scores, with higher passing grades in the experimental group, where the didactic design of prompts was implemented. The Mann-Whitney U test confirms these statistically significant differences, allowing us to conclude that the integration of artificial intelligence with active methodologies that involve students in the design and evaluation of prompts for problem-based learning substantially improves academic outcomes. This suggests that the combination of this technology can be an effective tool to enhance learning in higher education environments.

Keywords: design; student assessment; artificial intelligence; teacher training.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Armas Velasco, C. B. & Iglesias Marrero, J. (2024). La evaluación del aprendizaje asistida por IA en el proceso pedagógico del posgrado. Referencia Pedagógica, 12(3): 506–518. https://rrp.cujae.edu.cu/index.php/rrp/article/view/427

Heston, T. F. & Khun, C. (2023). Prompt Engineering in Medical Education. International Medical Education, 2(3), 198–205. https://doi.org/10.3390/ime2030019

Korzynski, P., Mazurek, G., Krzypkowska, P. & Kurasniski, A. (2023). Artificial intelligence prompt engineering as a new digital competence: Analysis of generative AI technologies such as ChatGPT. Entrepreneurial Business and Economics Review, 11(3), 25–37. https://doi.org/10.15678/EBER.2023.110302

Lo, L. S. (2023). The CLEAR path: A framework for enhancing information literacy through prompt engineering. The Journal of Academic Librarianship, 49(4), 102720. https://doi.org/10.1016/j.acalib.2023.102720

Lopezosa, C. (2023). La Inteligencia artificial generativa en la comunicación científica: retos y oportunidades. Revista de Investigación e Innovación en Ciencias de la Salud, 5(1), 1–5. https://doi.org/10.46634/riics.211

Lopezosa, C. & Codina, L. (2023, 27-28 abril). Inteligencia Artificial y métodos cualitativos de investigación: ChatGPT para revisiones de la literatura y análisis de entrevistas semiestructuradas. [Ponencia]. Jornada “IA Para Principiantes”, Universidad Pompeu Fabra, Barcelona. http://hdl.handle.net/10230/56505

Morales-Chan, M. A. (2023). Explorando el potencial de Chat GPT: Una clasificación de Prompts efectivos para la enseñanza. Galileo Dspace, Departamento De Investigación Y Desarrollo GES [Internet], 1-8. http://biblioteca.galileo.edu/tesario/handle/123456789/1348

Ramos-Galarza, C. (2021). Editorial: Diseños de investigación experimental. CienciAmérica, 10(1), 1–7. https://cienciamerica.edu.ec/index.php/uti/article/view/356

Reynolds, L. & McDonell, K. (2021, 8-13 mayo). Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm [Ponencia]. En Extended Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems, Yokohama. https://doi.org/10.1145/3411763.3451760

Sánchez-Prieto, J. C., Izquierdo-Álvarez, V., del Moral-Marcos, M. T. & Martínez-Abad, F. (2025). Inteligencia artificial generativa para autoaprendizaje en educación superior: Diseño y validación de una máquina de ejemplos. RIED-Revista Iberoamericana de Educación a Distancia, 28(1), 59-81. Disponible en: https://doi.org/10.5944/ried.28.1.41548

Spasić, A. J. & Janković, D. S. (2023, 29 junio-1 julio). Using ChatGPT Standard Prompt Engineering Techniques in Lesson Preparation: Role, Instructions and Seed-Word Prompts [Ponencia]. 58th International Scientific Conference on Information, Communication and Energy Systems and Technologies (ICEST), Serbia. https://doi.org/10.1109/ICEST58410.2023.10187269

Velásquez-Henao, J. D., Franco-Cardona, C. J. & Cadavid-Higuita, L. (2023). Prompt Engineering: a methodology for optimizing interactions with

AI-Language Models in the field of engineering. Revista DYNA, 90(230), 9–17. https://doi.org/10.15446/dyna.v90n230.111700

Villa Sánchez, A. & Pizarro Fuentes, E. (2024). Liderazgo de Servicio: Un liderazgo altruista y transformador. Revista de Educación y Derecho, (30), 1–25. https://doi.org/10.1344/REYD2024.30.46622

Yao, S., Yu, D., Zhao, J., Shafran, I., Griffiths, T. L., Cao, Y. & Narasimhan, K. (2023). Tree of Thoughts: Deliberate Problem Solving with Large Language Models. Computation and Language, (2), 1–14. https://doi.org/10.48550/arXiv.2305.10601

Yong, G., Jeon, K., Gil, D. & Lee, G. (2023). Prompt engineering for zero‐shot and few‐shot defect detection and classification using a visual‐language pretrained model. Computer-Aided Civil and Infrastructure Engineering, 38(11), 1536–1554. https://onlinelibrary.wiley.com/doi/abs/10.1111/mice.12954?msockid=06c40c336121694f193e191a6086680c

Publicado

2025-06-17

Cómo citar

Iglesias Marrero, J., & Armas Velasco, C. B. (2025). Diseño didáctico de prompts para evaluar el aprendizaje: integración de inteligencia artificial en formación pregrado: Didactic design of prompts to assess learning: Integration of artificial intelligence in undergraduate training. Horizonte Pedagógico, 14. Recuperado a partir de //horizontepedagogico.cu/index.php/hop/article/view/463

Número

Sección

Aula Abierta