Por Carlos Bravo Reyes y Mercedes Leticia Sánchez Ambriz
En colaboración con Mercedes Leticia Sánchez Ambriz
Recuerdas la serie "Gambito de damas", ahora la relacionamos con la IA, escucha el pódcast
Aprendí a jugar ajedrez cuando tenía doce años, le enseñé a mi padre y ambos fuimos contendientes por más de una década. Leía libros de este juego maravilloso y participé en alguna competencia con resultados aceptables. Días atrás, haciendo zapping en un servicio de streaming, vi el título de la popular serie de televisión: Gambito de dama. La protagonista en la época en que estuvo internada en un orfanato, miraba al techo y las piezas se movían con absoluta precisión. Recordando esa escena pensé que, en el tablero educativo contemporáneo, los docentes estamos frente a una nueva apertura: incorporar la inteligencia artificial en nuestra práctica pedagógica.
El gambito de dama es una apertura fundamental para el estudio y la práctica del ajedrez, ya que su teoría abarca un espectro muy amplio de posiciones, desde las extremadamente estratégicas y sutiles hasta las altamente tácticas y combativas. En palabras, menos técnicas es ofrecer un peón a cambio de una ventaja estratégica. Trasladado al campo de la enseñanza, el profesor que decide dialogar con ChatGPT u otros LLM asume un riesgo calculado. Cede parte del control, es decir, su antigua forma de enseñar o de evaluar, para ganar comprensión, creatividad y nuevas formas de interacción con el conocimiento.
Sin embargo, no todos están dispuestos a realizar ese movimiento inicial. La tecnofobia, entendida como el miedo o la aversión hacia las nuevas tecnologías, sigue presente en muchos espacios educativos. Según El Zailah-Bernal y González Durán (2024), este temor no se origina en la tecnología misma, sino en la incertidumbre sobre sus alcances y límites. En el caso docente, la inquietud no radica en el uso del algoritmo, sino en la percepción de que la máquina puede pensar “más rápido” que el ser humano. En el blog hemos comentado sobre la idea de girar 180 grados, pasar del miedo y la sospecha al empleo de la IA.
Frente a este escenario, la relación con la inteligencia artificial se convierte en un juego de estrategia. El reto no es dominar a ChatGPT, sino aprender a jugar con él, como se hace con un oponente que, al mismo tiempo, enseña. La IA no sustituye al docente, pero sí le exige un pensamiento más táctico, reflexivo y consciente de cada movimiento pedagógico.
El gambito de dama no es una apertura agresiva; es una invitación al diálogo. Quien la juega busca provocar una respuesta, abrir el centro del tablero y analizar las intenciones del rival. De modo similar, interactuar con ChatGPT supone ofrecer información, contexto, objetivos y preguntas para recibir una respuesta que amplía la comprensión del tema. Cada “jugada” en el diálogo con la IA es una pregunta, y la calidad del aprendizaje depende de la precisión con que se formule.
El estudiante que pregunta sin pensar entrega piezas al azar; el que pregunta con intención construye sentido. Por eso, la clave del trabajo con ChatGPT no está en la cantidad de respuestas que genera, sino en la calidad del pensamiento que provoca en el estudiante. La pregunta es más importante que la propia respuesta, aprender a preguntar es una competencia que estamos obligados a desarrollar.
El control del centro del tablero en el ajedrez representa el dominio del conocimiento. El jugador experimentado no busca mover muchas piezas, sino mover bien. Así también, el docente innovador no busca usar todas las herramientas digitales, sino emplearlas con propósito, alineadas a los niveles cognitivos que propone la Taxonomía de Bloom: comprender, aplicar, analizar, evaluar y crear. Desde esta perspectiva, la inteligencia artificial puede ser una aliada en el tránsito de los estudiantes hacia los niveles superiores de pensamiento, siempre que profesores y estudiantes asuman el papel de mediador crítico y no de simple usuario.
No obstante, superar la tecnofobia requiere una transformación conceptual. Follari (2022) advierte que la relación con la tecnología oscila entre dos extremos: la tecnofilia acrítica y la tecnofobia paralizante. Entre ambos se encuentra el espacio pedagógico donde se construye la comprensión: aceptar la tecnología, pero también interpretarla, cuestionarla y dirigirla hacia fines humanistas. Así, el docente que emplea ChatGPT con sentido didáctico actúa como un estratega que entiende que la máquina no sustituye la inteligencia humana, sino que la expande. Preguntar, analizar y reinterpretar las respuestas de la IA son movimientos que fortalecen el pensamiento crítico, tal como lo haría un jugador que analiza cada jugada antes de avanzar.
Una pequeña conclusión
El gambito de dama enseña que para ganar hay que atreverse a ceder. Con la inteligencia artificial ocurre lo mismo: debemos ceder el miedo, el control total y la idea de que enseñar consiste únicamente en transmitir. A cambio, ganamos comprensión, flexibilidad y una nueva mirada sobre la construcción del conocimiento en la era digital.
Cada conversación con ChatGPT es una partida distinta. Algunas terminan en tablas; otras, en descubrimientos. Pero el valor no está en el resultado, sino en el proceso: cómo pensamos, cómo preguntamos y cómo interpretamos las respuestas. La verdadera maestría no consiste en vencer a la IA, sino en aprender con ella, transformando el diálogo en una herramienta para cultivar la reflexión y la creatividad.
En definitiva, el tablero educativo de nuestro siglo no está hecho de casillas negras y blancas, sino de ideas, datos y emociones. Quien logre combinar estrategia y humanidad, razón y empatía, hallará en ChatGPT no un rival, sino un compañero de aprendizaje en el juego más antiguo de todos: el de pensar.
Referencias
El Zailah-Bernal, D., & González Durán, E. (2024). Miradas plurales de la tecnofobia. Revista Politécnica, 20(39), 148-156. En https://www.redalyc.org/journal/6078/607877254011/ Follari, R. (2022). Por fuera de la tecnofilia y la tecnofobia. Universidad Nacional de Cuyo. En https://doi.org/10.29166/csociales.v1i44.4087 Bravo Reyes, C. (2025). IA sin miedo: guía práctica para docentes del siglo XXI. (en preparación).
Este módulo 6 ha examinado cómo la dimensión inteligente (inteligencia artificial (IA), analítica del aprendizaje (AA) y realidades extendidas), densifica y hace visible el Diálogo Didáctico Mediado (DDM) en la Educación a Distancia (EaD). La tesis central es clara, la tecnología solo añade valor cuando potencia la intencionalidad pedagógica, la calidad del vínculo y la equidad del acceso y los resultados. El Módulo explora, de forma secuenciada y aplicada, cinco focos que se entrecruzan:
IA generativa (IAG) como nuevo mediador del DDM;
Sistemas Tutores Inteligentes (STI) como realización robusta de la personalización instruccional;
Analítica del Aprendizaje (AA) como infraestructura de evidencias para la acción pedagógica;
Aprendizaje adaptativo y personalización como puente del dato a la decisión didáctica; y
Escenarios inmersivos y recursos multimedia (XR + generación asistida por IA) donde presencia, agencia y feedback se subordinan a objetivos y transferencia.
El hilo conductor que los coserá a lo largo de la entrada es la tríada diseño–evidencia–cuidado.
IA GENERATIVA: UN NUEVO MEDIADOR DEL DDM
La IA generativa (IAG) deja de ser mero canal para operar como actor educativo capaz de hablar, escuchar, adaptar y proponer. En clave DDM, la IAG puede producir y adaptar discurso didáctico, responder dudas, proponer secuencias, ayudar a corregir y cocrear materiales (guiones, mapas visuales, microvídeos), siempre bajo intencionalidad pedagógica explícita. Pueden ser usos fértiles en EaD:
Tutoría conversacional asincrónica con explicaciones graduadas y ejemplos accesibles.
Cocreación de materiales con prompts reproducibles (transparencia de proceso).
Retroalimentación inmediata sobre borradores y ejercicios.
Multimodalidad (texto, imagen, audio, vídeo) para diversificar vías de comprensión y expresión.
Exigencias y riesgos
Autoría responsable (qué parte es humana y cuál de IA).
Equidad de acceso (dispositivos, conectividad, competencia digital).
Alfabetización crítica para interactuar con sistemas que simulan comprender.
La consigna operativa no es “IA sí o no”, sino para qué, cómo y bajo qué reglas, con supervisión e intervención humana preceptiva en tareas de alto impacto y transparencia hacia el estudiantado.
Pautas operativas
Propósito claro anclado en resultados de aprendizaje y rúbricas;
criterios de calidad y accesibilidad desde el diseño; y
documentación de modelos, versiones y decisiones para educar en prácticas académicas responsables.
SISTEMAS TUTORES INTELIGENTES (STI)
A diferencia de chatbots generalistas, los STI se apoyan en una arquitectura tripartita:
modelo de dominio (qué se aprende),
modelo del estudiante (qué sabe y cómo progresa) y
modelo pedagógico (qué hacer a continuación).
Esta tríada permite diagnosticar continuamente, decidir la siguiente mejor acción y adaptar tareas y andamiajes con coherencia curricular.
Valor para la EaD.
Atender la diversidad a escala con rutas adaptativas y feedback
Escalabilidad tutorial en cohortes grandes sin perder consistencia didáctica.
Regulación en tiempo real apoyada en datos de proceso (estimación de dominio, errores típicos, graduación de ayudas).
Cautelas y límites
Un STI puede simular conversación sin calidad si sobrerrepresenta lo fácilmente medible y deja fuera lo reflexivo. Condiciones de legitimidad:
propósito pedagógico claro,
explicabilidad útil (para alumnado y profesorado),
agencia docente para aceptar/ajustar recomendaciones,
integración institucional (contenidos, LMS, soporte) y
evaluación de impacto (aprendizaje, equidad, coste-efectividad).
Encuadre práctico (antes–durante–después)
Antes: mapear resultados, prerrequisitos y errores típicos; decidir qué se adapta (secuencia, dificultad, tipo de pista/feedback).
Durante: fijar umbrales que disparen la intervención humana (tutoría, feedback cualitativo).
Después: revisar evidencias y mejorar el diseño (iteraciones breves).
ANALÍTICA DEL APRENDIZAJE (AA)
Distinguir la AA formativa (cercana a asignaturas, grupos y estudiantes) de la analítica institucional (programa, facultad, universidad) es clave. En DDM, los datos operan como mediadores metainformacionales que densifican la conversación educativa cuando preguntas pedagógicas, métricas y modelos se alinean con resultados y criterios de equidad. La AA no sustituye el juicio experto, lo ilumina con patrones para andamiajes finos y ajustes oportunos.
Ciclo de mejora sugerido
Formular el problema pedagógico (p. ej., abandono temprano en la semana 2).
Diseñar el ecosistema de datos con minimización y calidad (si un dato no conduce a una acción, no se usa).
Modelar con validez y explicabilidad (qué señal significa qué y por qué).
Devolver hallazgos adecuados a cada actor:
estudiantes: progreso y próximos pasos;
docentes: patrones/alertas con guiones de intervención;
coordinación: vistas agregadas con foco en la equidad).
Actuar y evaluar el impacto (seguimiento, ajuste de umbrales y aprendizaje organizativo).
Indicadores con sentido pedagógico
Regularidad de estudio;
consulta de rúbricas antes de entregar;
reciprocidad en foros;
hitos intermedios (borradores, microentregas);
acceso con intención a recursos clave.
Umbrales por combinación de señales disparan micro-intervenciones (mensajes, tutorías, ajustes). Se deben evitar sesgos: si una métrica penaliza a quien estudia de noche o con mala conectividad, debe sustituirse.
Interoperabilidad
Estándares como xAPI y Caliper (1EdTech) facilitan semánticas portables y trazabilidad explicable en un LRS (Learning Record Store) o en paneles del LMS.
Gobierno y confianza
Políticas de uso pedagógico del dato,
protocolos “quién hace qué, cuándo y con qué guion”,
derechos del estudiante (acceso, corrección, objeción), y
transparencia legible sobre qué recomienda el modelo y por qué.
APRENDIZAJE ADAPTATIVO Y PERSONALIZACIÓN
Aquí se resuelve una confusión frecuente: personalizar no equivale a adaptar.
Personalizacióna es abrir opciones (rutas, ritmos, recursos, formatos de evidencia) con acompañamiento docente.
Aprendizaje adaptativo se trata de un ajuste dinámico de la experiencia a partir de evidencias (progreso, errores típicos, dominio parcial, señales de participación), con reglas explicables y alineadas con los objetivos.
La distinción delimita qué decide el sistema, qué exige juicio docente y cómo se comunican las reglas a los estudiantes. En clave DDM, la adaptatividad aporta ajuste fino es decir, refuerzo donde hace falta y reto cuando procede, sin diluir la coherencia del diseño ni la presencia formativa del profesor.
El DUA (Diseño Universal para el Aprendizaje / Universal Design for Learning, UDL) nos señala que variar no es bajar expectativas, sino ofrecer vías equivalentes para alcanzar los mismos resultados. Directrices de uso responsable, serían la explicabilidad, la protección de datos, la formación del profesorado y los criterios adecuados a edades y contextos.
Puentes con AA y STI.
Diseño ex ante: declarar qué se ajusta (secuencia, dificultad, tipo de ayuda/feedback) y por qué; comunicar reglas legibles al alumnado.
Evidencias con sentido: combinar señales de proceso y de producto, evitando actuar por clics.
Supervisión docente: fijar umbrales para disparar acciones humanas (tutorías, feedback cualitativo) y documentar decisiones para aprender del diseño.
ESCENARIOS INMERSIVOS (XR) Y RECURSOS MULTIMEDIA ASISTIDOS POR IA
El foco aquí es el cómo, es decir, el diseño y evaluación de experiencias RX (realidad virtual, aumentada y mixta) y de recursos multimedia creados o enriquecidos con IAG. El criterio no es la espectacularidad, sino alinearpresencia (“estar allí”), agencia (decidir y actuar) y feedback con objetivos y transferencia.
Flujo para producir/cocrear materiales generativos con una rúbrica de validación rápida:
Accesibilidad desde el diseño (WCAG) y principios DUA.
Citas/licencias y seguridad/ética (supervisión e intervención humana preceptiva).
Evaluación en RX
Desempeño: rutas de decisión justificadas, seguridad, transferencia.
Trazas estandarizadas: xAPI/Caliper para recoger interacción significativa.
Experiencia: presencia, carga, ciber-mareo.
Siempre con rutas equivalentes no-RX por equidad e integración plena en el LMS (fichas didácticas, puntos de control). Para rigor, considerar validez, fiabilidad y equidad del instrumento RX, en línea con marcos de evaluación educativa.
DEL “DATO Y EL MODELO” AL “DISEÑO Y EL CUIDADO”
Un holo conductor de lo expuesto, puede ser el siguiente:
El diálogo se expande (IAG, STI), pero sigue siendo humano e intencional.
La evidencia se vuelve útil (AA) cuando hay protocolos de intervención y foco en la equidad.
La experiencia se sitúa (RX/multimedia) si presencia, agencia y feedback sirven al aprendizaje y la transferencia.
La confianza se construye con transparencia, explicabilidad y salvaguardas en todo el ciclo (AA, adaptativo, IAG, RX).
IMPLICACIONES PARA EQUIPOS DOCENTES E INSTITUCIONES
Redefinir el rol docente: como diseñador–curador–facilitador que encarga tareas ricas, dialoga con y a través de sistemas inteligentes, valida y humaniza la experiencia.
Alfabetización crítica en IA/AA: leer señales con semántica pedagógica, configurar umbrales, decidir cuándo intervenir y cómo.
Protocolos claros de calidad/ética: qué datos, para qué, cómo se explican; derechos del estudiante (criterios conocidos, rutas no-RX, apelación) y accesibilidad mínima garantizada.
Evaluación defendible: desempeño + experiencia + trazas estándar, con impacto en aprendizaje y equidad, no en novedad tecnológica.
CONCLUSIONES
La dimensión inteligente de la EaD no consiste en apilar algoritmos, sino en recentrar la pedagogía mediante nuevas mediaciones que amplían la capacidad de comprender, acompañar y desafiar a nuestros estudiantes. La IA generativa aporta un mediador conversacional-productivo que, anclado en propósitos claros y transparencia, puede ensanchar la tutoría y la expresión; pero exige curaduría crítica, autoría responsable y vigilancia de la equidad para evitar dependencias acríticas o desplazamientos de la presencia docente.
Los Sistemas Tutores Inteligentes recuerdan que personalizar no es atomizar, sino secuenciar con sentido y apoyar a tiempo: poner delante de cada estudiante la siguiente mejor tarea en coherencia con lo ya aprendido y lo que está por aprender. Su promesa depende de modelos de conocimiento bien construidos, explicabilidad útil y agencia docente, sostenidas por condiciones institucionales realistas (contenidos etiquetados, integración tecnológica, soporte, formación y mantenimiento). No son máquinas que enseñan, sino soportes cognitivos que extienden la presencia formativa cuando se gobiernan con fines educativos explícitos y se evalúan por su impacto y su justicia distributiva.
La Analítica del Aprendizaje desplaza el foco del dato por el dato hacia la decisión didáctica: pocos indicadores con sentido, umbrales definidos por combinación de señales y micro-intervenciones evaluadas. Genera valor cuando construye confianza, en concreto, políticas claras, minimización de datos, explicabilidad, estándares de interoperabilidad y equipos capaces de leer y actuar prudencialmente sobre lo observado. En este puente, la adaptatividad y la personalización comunican la evidencia con la acción, es decir, explicar reglas, alinearlas con metas, y respetar la autonomía y la dignidad del estudiante. Desde el DUA, variar es inclusión, nunca rebaja de expectativas.
Los escenarios inmersivos y la producción multimedia con IA tienen sentido cuando presencia, agencia y feedback se subordinan a objetivos y transferencia. El diseño instruccional (coherencia, señalización, modalidad, contigüidad) y la evaluación defendible (desempeño + experiencia + trazas) marcan la diferencia entre impacto y efecto sorpresa. La accesibilidad desde el origen y rutas equivalentes garantizan que nadie quede fuera; los ciclos cortos de prototipos y mejora convierten la innovación en aprendizaje organizativo, no en moda.
En síntesis, este módulo propone una tríada inseparable: diseño, evidencia y cuidado. Diseño para orientar el sentido; evidencia para regular a tiempo; cuidado para sostener trayectorias diversas con dignidad. El reto principal no es tecnológico, sino institucional y pedagógico, mediante acuerdos operativos y protocolos legibles que permitan avanzar paso a paso, con explicabilidad, midiendo el éxito por aprendizaje y equidad, no por deslumbramiento técnico.
OpenEdition le sugiere que cite este post de la siguiente manera: García Aretio (20 de octubre de 2025). Resumen Módulo 6. La dimensión inteligente: IA, analítica y realidades extendidas (C.EaD-80). Contextos universitarios mediados. Recuperado 26 de octubre de 2025 de https://doi.org/10.58079/14zl4
En este artículo hablaremos de lo que son los agentes educativos, de los diferentes tipos que podemos crear con distintas plataformas y de cómo pueden ayudarnos en el trabajo docente. También veremos ejemplos prácticos centrados en los Gems de Gemini y en los cuadernos de NotebookLM, que permiten configurar asistentes especializados sin necesidad de grandes conocimientos.
Primero definiremos qué es un agente educativo y sus funciones, luego compararemos algunas plataformas que permiten crearlos y, finalmente, veremos cómo hacerlo con Gemini y NotebookLM.
Pódcast del artículo generado con NotebookLM
Qué es un agente educativo
Un agente de IA es un asistente digital personalizado que utiliza inteligencia artificial para realizar tareas, responder preguntas, generar materiales o acompañar procesos de aprendizaje y enseñanza de forma autónoma y adaptada a un propósito concreto.
Qué hace un agente de IA
El agente es un sistema que recibe instrucciones (prompts), interpreta información (por ejemplo, lo que escribe el usuario, documentos o datos) y actúa en consecuencia para cumplir una función específica. No es simplemente un chatbot:
Tiene un rol definido (por ejemplo: “agente para crear situaciones de aprendizaje”).
Mantiene un contexto de trabajo (recuerda instrucciones, documentos, estilo, tono).
Puede producir acciones o productos concretos (por ejemplo: elaborar una rúbrica, proponer actividades, resumir documentos, preparar un examen).
En educación, un agente de IA es una herramienta diseñada para apoyar tareas pedagógicas o de gestión educativa. Se configura con un conjunto de instrucciones, llamadas prompt base, que le permiten desempeñar un rol específico. No se trata solo de responder preguntas, sino de actuar con una finalidad definida y mantener coherencia con la normativa y la práctica docente.
Un ejemplo de prompt base podría ser:
Eres un agente llamado Héctor. Ayudas al profesorado de ESO a diseñar situaciones de aprendizaje siguiendo la LOMLOE. Siempre propones objetivos, competencias específicas, criterios de evaluación y tareas concretas. Respondes en tono formal y claro. Dispones de toda la información en la documentación y fuentes que tienes.
Este prompt puede ser mucho más largo y detallado si la tarea a realizar es compleja. En ocasiones, por ejemplo, en NotebookLM donde el prompt está limitado a 500 caracteres, lo podemos redactar en un documento que suministremos como una fuente más y en el prompt base podemos poner simplemente que su rol y función los debe obtener del archivo prompt.txt (o el nombre que le demos).
Dependiendo de su propósito, un agente puede apoyar distintas fases del trabajo docente. A continuación se muestran algunos ejemplos habituales.
Tipo de agente
Función educativa
Ejemplo práctico
Agente planificador
Ayuda a diseñar situaciones de aprendizaje, secuencias didácticas o proyectos de ABP.
Propone tareas, objetivos y criterios alineados con la LOMLOE.
Agente corrector
Revisa trabajos del alumnado según criterios establecidos.
Evalúa redacciones con rúbricas y ofrece retroalimentación formativa.
Agente documental
Consulta, resume o explica normativa y documentos oficiales.
Explica artículos de decretos curriculares o leyes educativas.
Agente creador de recursos
Genera materiales y actividades didácticas adaptadas a distintos niveles.
Produce fichas, guiones de laboratorio o pódcast educativos.
Agente tutor
Acompaña al alumnado en su proceso de aprendizaje.
Resuelve dudas, propone estrategias de estudio y sugiere ejercicios de refuerzo.
Agentes educativos
Hasta hace poco tiempo no podíamos crear agentes con las versiones gratuitas de las IA, pero en estos momentos podemos crear agentes y compartirlos con cualquier persona con Gemini, Grok y Perplexity. Si son para uso personal, podemos añadir NotebookLM y Le Chat.
La siguiente tabla muestra algunas opciones que nos pueden interesar a la hora de crear nuestro propio agente:
El chat está limitado a 2000 caracteres. Cuando se comparte no se pueden subir archivos. En la versión gratuita no se puede compartir con todos
Bajo número de archivos fuente
No se puede compartir. Razonamiento inferior al resto de modelos
De pago. Con documentación extensa pierde el hilo fácilmente
Bajo número de archivos fuente. Otras posibles limitaciones de uso en las versiones gratuitas
Fortalezas
Se puede compartir con todos. Creatividad
Capaz de mucha información de forma muy eficiente
Se puede compartir con todos. Creatividad
Admite muchas fuentes
Se puede compartir con todos. Creatividad
Se puede compartir con todos
*NotebookLM: cuando hay dos opciones, la primera se refiere a la versión gratuita y la segunda a la versión PRO de pago.
El proceso de creación de un agente es similar en todos los servicios. Básicamente, se necesitan dos tipos de datos, al menos uno de los dos:
Un prompt base que guíe la conducta y el rol del agente.
Uno o más archivos para dotar de información al agente.
Gems de Gemini
En el menú izquierdo seleccionamos la opción Descubrir Gems y pulsamos Nuevo Gem.
En la ventana que saldrá debemos rellenar los diferentes apartados. Los obligatorios son el nombre y las instrucciones.
Gem vacío
En las instrucciones podemos escribir una descripción general de lo que queremos y, después pulsando el botón de la varita mágica, será convertido en un prompt más elaborado con el que obtendremos mejores resultados.
Los conocimientos son archivos que tengamos en el ordenador o bien documentos de Google que podemos enlazar.
Gem listo para su uso
El prompt inicial fue:
Eres un experto de laboratorio que sabes preparar prácticas de biología para primero de ESO didácticas, divertidas y atractivas para los alumnos
Después de usar el botón para mejorar el prompt:
Actúa como un experto de laboratorio especializado en la preparación de prácticas de biología para estudiantes de primero de ESO. Tu objetivo es crear prácticas que sean didácticas, divertidas y atractivas para los alumnos.
Propósito y Metas:
Diseñar y detallar experimentos de biología que cumplan con el currículo de primero de ESO (aproximadamente 12-13 años).
Asegurar que las prácticas sean seguras, de bajo coste y que utilicen materiales fácilmente accesibles.
Fomentar el interés de los estudiantes por la biología mediante actividades interactivas y estimulantes.
Proporcionar instrucciones claras sobre el procedimiento, los objetivos de aprendizaje y los resultados esperados.
Comportamientos y Reglas:
1) Interacción Inicial:
a) Saluda al usuario y preséntate como el ‘Experto en Prácticas de Laboratorio’ para Biología de ESO.
b) Pregunta al usuario sobre el tema específico de biología que desea cubrir (ej. ‘células’, ‘reinos’, ‘plantas’, ‘animales’).
c) Si el usuario no tiene un tema, ofrece una lista de tres posibles temas relevantes para primero de ESO.
2) Diseño de la Práctica:
a) Para cada práctica, especifica: el Título de la Práctica, el Objetivo Didáctico, la Lista de Materiales (con énfasis en lo cotidiano/barato), el Procedimiento Detallado (paso a paso), y las Preguntas de Reflexión/Resultados Esperados.
b) El tono de las instrucciones debe ser motivador y enfocado en la participación activa del estudiante.
c) Asegúrate de incluir consejos de seguridad específicos para cada experimento.
3) Estilo de Comunicación:
a) Utiliza un lenguaje técnico preciso pero adaptado a un contexto educativo, manteniendo un tono entusiasta y accesible.
b) La respuesta debe ser estructurada, utilizando listas y negritas para facilitar la lectura del procedimiento.
c) Concluye cada propuesta con una breve sugerencia sobre cómo evaluar el aprendizaje de los alumnos.
Tono General:
Usa un lenguaje claro, educativo y muy motivador.
Sé experto, meticuloso y creativo en el diseño experimental.
Transmite pasión por la enseñanza de la biología práctica.
Hay que destacar que muchas veces el prompt aparece en inglés, lo cual no interfiere con la funcionalidad del Gem.
Si lo deseamos, podemos incluir hasta 10 documentos en la sección Conocimientos para que el Gem pueda tomar como base de conocimiento.
Una vez es de nuestro gusto, pulsamos Guardar y ya lo podemos probar.
Podremos editar o borrarlo pulsando en los 3 puntos que aparecen a su lado en el menú lateral.
Podemos fijar, editar o eliminar cualquir Gem
Compartir un Gem
Para compartirlo con todos, pulsamos sobre Descubrir Gems y allí encontraremos un botón para compartir. En las cuentas corporativas no se pueden compartir fuera del propio dominio, por lo que si deseamos un Gem accesible por cualquiera, deberemos hacerlo con una cuenta personal.
Para compartir el cuaderno con todos, seleccionamos: Cualquier persona con el enlace (Lector) y copiamos el enlace que podremos proporcionar a otros. Si no lo queremos compartir con todos únicamente pondremos las personas en el cuadro de texto superior.
NotebookLM
NotebookLM de Google es en sí un agente, ya que su misión es consultar los documentos (fuentes) que le añadamos. Estas fuentes pueden ser del propio ordenador o de Google Drive.
NotebookLM destaca por su rigor en la consulta de documentos, siendo capaz de obtener información correcta de documentos extensos allí donde otros fallan.
Además, podemos asignar un prompt que guíe a la IA y lo convierta en un auténtico agente.
Las fuentes se introducen nada más crear el NotebookLM y el prompt lo podemos introducir a través del botón: Configurar cuaderno.
A continuación, pulsamos sobre Personalizado y escribimos el prompt base que, como mucho, podrá tener 500 caracteres.
Con frecuencia este prompt será superior a 500 caracteres. En ese caso creamos una nota con el prompt completo, le damos un nombre descriptivo, la convertimos en fuente (botón en la parte inferior de la nota) y en el prompt base ponemos algo así:
Sigue estrictamente las instrucciones contenidas en la fuente nombre_de_la_fuente_que_contiene_el_prompt. Allí tienes tu rol y las directrices que debes respetar en todo momento. No inventes instrucciones adicionales ni modifiques las indicaciones de la fuente.
Otro de los problemas de NotebookLM es que, si usamos una versión compartida y solo tenemos permiso de lectura (que será lo más habitual), no podemos subir archivos y el texto del chat no puede superar los 2000 caracteres. Esto normalmente no es un problema si hacemos una pregunta o mantenemos una conversación sin añadir más datos. Pero si queremos, por ejemplo, pegar una actividad, un texto largo, etc., nos encontraremos con que no es posible hacerlo. Por este motivo, hemos creado la utilidad Divisor de prompts para NotebookLM, con la que podemos fragmentar textos largos en secuencias de 2000 caracteres y pegarlos en varias tandas. El programa añade instrucciones específicas para que no procese el texto que introducimos hasta llegar al final.
Compartir un cuaderno
Las cuentas corporativas (como las de educación) no permiten compartir fuera del dominio. Para compartir un cuaderno con cualquiera necesitaremos una cuenta personal.
Pulsamos el botón compartir y seleccionamos las opciones que queramos
Si deseamos que todos tengan acceso, hay que seleccionar la opción «Cualquiera con el enlace».
Podemos activar las notas de bienvenida, que es el texto que aparecerá al usuario cuando entre en nuestro cuaderno. En este texto podemos utilizar el formato Markdown para hacer la letra más grande y poner énfasis. Por ejemplo:
#, ##, ###,… Podemos añadir hasta 6 niveles de título, el primero (#) es el más grande. Con esto se puede controlar el tamaño del texto.
**negrita**
*cursiva*
También podemos hacer listas poniendo un guion delante de cada línea o un número para listas numeradas.
Podremos elegir si el usuario tiene acceso al todo el cuaderno o solo al chat (esto último es lo habitual si queremos que actúe como un asistente).
Como dueños del recurso, la URL que nos proporciona el botón «Copiar enlace» no funciona (nos muestra siempre el cuaderno completo con permiso de edición), por lo que deberemos probarlo desde otra cuenta o bien con el botón «Vista previa».
Una cosa que debemos tener en cuenta es que la versión compartida es una versión en vivo, eso quiere decir que cualquier cambio que hagamos se transmite al instante a cualquier usuario que en ese momento utilice nuestro cuaderno.
Los agentes educativos ofrecen a los docentes una nueva forma de automatizar tareas, personalizar apoyos y organizar el trabajo pedagógico. No sustituyen la labor docente, pero amplían nuestras posibilidades. Al poder configurarlos sin conocimientos técnicos, se convierten en una herramienta accesible para cualquier profesor o profesora que quiera incorporar la inteligencia artificial a su práctica diaria.
