Blog sobre educación

Categoría: GPTs personalizados

Adaptación de actividades a la LOMLOE

He creado un conjunto de tres prompts para adaptar en muy poco tiempo una actividad educativa, que ya teníamos elaborada con antelación, a la LOMLOE. Estas actividades pueden ser ejercicios de clase, prácticas de laboratorio, actividades colaborativas, exámenes, etc.

Partiendo de esta actividad preexistente, estos prompts le asociarán:

  • Las competencias específicas que mejor se adaptan a la actividad.
  • Los criterios de evaluación de las competencias específicas anteriores que mejor encajan.
  • Los saberes que se trabajan en la actividad.

Además, hay un par de prompts adicionales para elaborar:

  • Los objetivos de aprendizaje de nuestra actividad.
  • Una rúbrica para evaluar las competencias específicas de la actividad en cuestión.

Los datos que necesitaremos para utilizar estos prompts son:

  1. Actividad que queremos adaptar, preferentemente en un documento que podamos subir a ChatGPT.
  2. Lista de competencias específicas con sus criterios de evaluación. Pueden ser todas o una selección.
  3. Lista de saberes. Todos o solo los que nos interesen.

Recomendaciones

  • Aconsejamos numerar las competencias, criterios y saberes para que el resultado sea más breve y comprensible.
  • Es casi obligado el uso de ChatGPT-4o (o superior) porque es el único que maneja tanta información con habilidad para producir buenos resultados. Incluso Claude 3.5 Sonnet, que en muchos aspectos iguala a esta versión de ChatGPT, no produce resultados de buena calidad.

La elaboración de estos prompts ha sido un proyecto colaborativo en el que han intervenido el GPT Úrsula, especializada en la creación de prompts educativos, y el GPT Bruno, especialista en LOMLOE.

Úrsula ha seguido mis instrucciones y correcciones para garantizar la calidad y relevancia del resultado final y Bruno ha revisado el resultado final y aconsejado la forma de adaptar plenamente los prompts al espíritu de la LOMLOE.

Los prompts están disponibles en: Adaptación de actividades a la LOMLOE.

Prompts educativos creados con el modelo R-I-T-A

Últimamente, circula por las redes relacionadas con la inteligencia artificial, esta imagen donde nos indica cómo construir varios tipos de prompts según diversos esquemas. Recordemos que un prompt es la instrucción escrita que se le proporciona a la inteligencia artificial generativa para producir un resultado, por ejemplo, que prepare una actividad divertida sobre la simplificación de fracciones.

Si hacemos una búsqueda clásica por Internet (es decir, Google sin IA) encontraremos la misma imagen o algunas muy parecidas con más o menos tipos de prompts, según su origen. Sin embargo, estos prompts no provienen del mundo educativo, sino de la empresa, cuyos medios y fines no guardan relación con la educación. Por este motivo creemos que es necesario disponer de un modelo propio para la educación (un metaprompt).

Un metaprompt para crear eduprompts

El GPT Úrsula contiene todos los prompts educativos de la web Biblioteca Avanzada de Prompts Educativos, por lo que dispone de una base de datos muy valiosa para su análisis. Por este motivo le pedí que los analizase y después de una breve conversación y bastantes rectificaciones, con numerosas pruebas en chats independientes, produjo el modelo R-I-T-A: Rol – Información – Tarea – Adaptabilidad. Detallamos el modelo R-I-T-A a continuación:

  • Rol y contexto de la IA: Se define el contexto educativo y el rol específico que la IA debe asumir. Esto incluye las características y habilidades del personaje que la IA representará, así como su titulación académica y experiencia relevante. Cuando sea necesario, el contexto incluirá el curso o edad de los estudiantes y la materia, estos datos deberán ser preguntados al usuario por parte de la IA.
  • Información: La IA debe iniciar la conversación presentándose y haciendo preguntas específicas para obtener información necesaria del usuario antes de proceder con la tarea principal. Estas preguntas suelen estar numeradas y la IA deberá esperar la respuesta del usuario a cada una de estas preguntas antes de continuar, por lo que pondrá después de cada pregunta: «NO digas nada más y espera mi respuesta». Hay dos motivos por los que se actúa de esta forma:
    • La primera es que evita la edición del prompt (borrar y poner lo que queramos en su lugar) por lo que es más sencillo, cómodo y natural, según nuestro punto de vista.
    • Y la segunda es que sirve de punto de control. Gracias a este método se sabe si la IA nos entiende o no. Más de una vez se ha fragmentado un prompt al ver que empezaba bien, pero la IA se saltaba preguntas, eso indica que esa parte ya no la tenía en cuenta. Si se obliga a preguntar todo, y realmente lo hace, entonces sabemos que nos está entendiendo al 100 %. Si no se hace así, dará una repuesta convincente, pero no se sabrá si ha tenido en cuenta toda la información.
    • En secuencias de prompts muy largas, como los de las situaciones de aprendizaje, hacia la mitad se pide un resumen, también como punto de control, para saber si la información que está manejando está completa.
  • Tarea: Con la información obtenida, la IA realiza la tarea específica asignada, como desarrollar actividades, planificar un proyecto, analizar un texto, etc.
  • Adaptabilidad: La IA debe siempre comprobar y decidir si son necesarias preguntas adicionales según la naturaleza de la tarea que deba realizar.

En realidad, esto es un metaprompt, es decir, un prompt para crear prompts. De forma que la IA puede generar prompts de naturaleza educativa siguiendo este modelo que se ha incorporado a las instrucciones del GPT Úrsula. Realmente los prompts que generaba Úrsula ya eran de este tipo, ya que de forma inconsciente era la estructura seguida en la mayoría de los prompts que hay en la Biblioteca Avanzada de Prompts Educativos. No obstante, ahora estas normas están expresamente detalladas, por lo que los prompts generados son más eficientes.

Ejemplo: Prompt sobre evaluación formativa

Rol y contexto de la IA:
Eres un experto en evaluación educativa con un doctorado en Pedagogía. Ayudarás a un docente a crear una evaluación formativa para sus alumnos de secundaria en la asignatura de Ciencias Sociales.

Información:
1. Pregúntame cuál es el objetivo de aprendizaje que se quiere evaluar. NO digas nada más y espera mi respuesta.
2. Pregúntame qué tipo de actividades prefieres para evaluar ese objetivo (p. ej., pruebas escritas, proyectos, presentaciones). NO digas nada más y espera mi respuesta.
3. Pregúntame cuántos alumnos hay en la clase. NO digas nada más y espera mi respuesta.

Adaptabilidad:
4. Pregúntame cualquier otro aspecto que consideres relevante.

Tarea:
Con la información proporcionada, desarrolla una propuesta de evaluación formativa que incluya:
1. Un breve resumen del objetivo de aprendizaje.
2. Las actividades específicas que se utilizarán para la evaluación.
3. Los criterios de evaluación para cada actividad.
4. Una rúbrica para calificar las actividades.

Pregúntame si la propuesta es adecuada o si necesito algún ajuste adicional.

Conclusión

El modelo R-I-T-A, desarrollado para crear prompts educativos, establece una estructura clara y eficiente: Rol, Información, Tarea y Adaptabilidad. Este enfoque permite a la IA, específicamente al GPT Úrsula, generar instrucciones concretas para actividades educativas. Al definir el contexto y rol de la IA, recopilar información relevante del usuario, adaptar las preguntas según la tarea, y finalmente realizar la tarea asignada, se garantiza una interacción eficiente y personalizada. Este metaprompt proporciona un marco para que los prompts educativos sean más coherentes y útiles, asegurando así un mejor aprovechamiento de las capacidades de la IA en el ámbito educativo.

Conclusión redactada con la ayuda de ChatGPT-4o.

Creación de GPT educativos

Después de realizar más de una docena de GPT he aprendido algunas cosas que pienso que pueden ser de utilidad para el que quiera enfrascarse en esta actividad apasionante. Ver cómo ChatGPT hace exactamente lo que uno quería que hiciese es motivo de una gran satisfacción personal, especialmente si la meta que uno se propuso tenía cierta complejidad.

Cuando iniciamos un nuevo GPT encontramos dos secciones, la primera, «Crear», permite que el propio GPT rellene las instrucciones y otros apartados simplemente con la descripción que le damos sobre lo que queremos hacer. Esta opción es recomendable para saber de qué forma quiere recibir las instrucciones, posteriormente lo podremos adaptar a nuestras necesidades.

Las dos pestañas principales durante la edición de un GPT.

Una segunda pestaña, «Configurar», es la que nos da acceso a todos los aspectos configurables del GPT. Describimos brevemente su función a continuación:

Pestaña «Configuracion»

Imagen del GPT. Un círculo con un símbolo + está en primera posición. Podemos subir una imagen o hace que nos la cree él mismo. Esto es mejor dejarlo para el final, cuando el GPT sepa de qué trata el tema.

Nombre (Name). El nombre que tendrá, con un máximo de 40 caracteres.

Descripción (Description). La descripción del GPT que aparecerá bajo el título. Máximo 100 caracteres.

Instrucciones (Instructions). También se le llama contexto. Es la parte más importante, ya que define el comportamiento y lo que hará el GPT. Aquí pondremos el rol del GPT, instrucciones generales de funcionamiento y para casos más completos, los archivos que deberá usar y bajo qué circunstancias. Admite 8000 caracteres.

Iniciadores de la conversación (Conversation starters). Son los botones que aparecen sobre el chat al entrar en un GPT y son ejemplos de inicio de diálogo. Podemos poner hasta cuatro iniciadores, cada uno de menos de 100 caracteres, en los móviles solo suelen aparecer los dos primeros.

Conocimiento. Subir archivos (Knowledge. Upload files). Es la base de datos de nuestro GPT y el que le proporciona conocimientos extra con los que no ha sido entrenado. Por lo tanto, con esta sección definimos la sabiduría concreta de DEL GPT. Podemos subir hasta 10 archivos, entre los que están los tipos más usuales como PDF, DOCX, TXT, CSV, etc.

Restricciones en los archivos

Uno puede sentirse tentado a subir un PDF de 200 páginas para que el GPT lo utilice como fuente de conocimiento, sin embargo, las cosas no son tan simples y con toda probabilidad no consiga extraer toda la información que esperábamos.

Los PDF, si tienen pocas páginas, no tienen problemas, pero si el número de páginas es elevado, ChatGPT no llega a leerlos por completo y se queda solo con el principio. Para solucionar esto es conveniente pasarlos a texto puro. Este formato es el único con el que estaremos seguros de que es leído y si deseamos una buena comprensión del mismo debemos mantenerlo por debajo de los 3 MB de tamaño. En el artículo GPT ignorantes ya se comentó con más detalle otros formatos que también funcionan bien en los GPT, aparte del TXT, como el CSV, MD y en menor medida DOCX.

Restricciones en las instrucciones

Aunque admite la nada despreciable cantidad de 8000 caracteres, si escribimos demasiadas instrucciones nos podemos encontrar con que ignora algunas de ellas y, en unas ocasiones, las tiene en cuenta y en otras no.

Para evitar esto podemos numerar las instrucciones y decirle que las ejecute de forma secuencial, también podemos destacar en mayúsculas opciones que tiene tendencia a obviar. Estas son técnicas que funcionan en el chat de ChatGPT, pero que aquí, debido a la extensión de las instrucciones, pueden no funcionar por sí solas, por lo que habrá que añadir alguna técnica más.

Para evitar estos problemas referentes a las instrucciones demasiado largas o complejas, podemos hacer archivos de instrucciones, de forma que en el espacio para las instrucciones generales le indicamos que cuando tenga que hacer «X» (por ejemplo, una situación de aprendizaje o un problema de estadística) vaya al archivo de instrucciones «Y» (un archivo con los prompts necesarios para llevar a cabo esa acción).

En los archivos de instrucciones, además de las tareas que debe realizar el GPT, podremos añadir los archivos que debe consultar. De este modo el GPT se vuelve más eficiente, ya que tiene muy claro en todo momento lo que debe hacer.

Podremos tener instrucciones muy complejas, aunque solo las leerá bajo determinadas condiciones, cuando lo requiera la situación. Este es el sistema usado en los GPT realizados sobre situaciones de aprendizaje, donde las instrucciones están en archivos de texto aparte. Veamos un ejemplo concreto.

Un GPT por dentro: Nicolau

Nicolau es el GPT de matemáticas de bachillerato de humanidades. En primer lugar, al principio de la sección Instrucciones, se le asigna el rol que desempeñará (originariamente escrito en catalán):

También, en las instrucciones generales, se indica que debe siempre consultar los archivos de datos de los saberes y las competencias específicas del nivel en el que se está trabajando. Después, dependiendo de la tarea, se le indica un archivo con más instrucciones o un archivo de datos.

Un fragmento de las instrucciones generales (sección: Instrucciones):

Por ejemplo, si se trata de un problema o ejercicio, se le indica que consulte el archivo de instrucciones para hacer problemas, donde hay toda una serie de pasos que debe seguir.

A continuación mostramos un fragmento del principio del archivo de instrucciones para resolver problemas (instrucciones_para_resolver_problemas.txt):

Si se trata de un problema de probabilidad y estadística (nuevos este año 2024) se le pide que consulte el archivo con los modelos que han publicado de ejemplo, para que los tome como referencia. En este caso se trata de un archivo PDF.

Si se trata de una situación de aprendizaje, se le dice que siga fielmente los pasos del archivo de instrucciones, donde además en cada paso se le indica en qué archivo puede encontrar los datos necesarios (competencias clave, competencias específicas, criterios, saberes, etc.). Ya que se ha intentado separar toda la normativa en varios archivos de texto puro para que el GPT sepa lo que hay en cada uno y lo pueda leer de una forma más eficiente.

El principio del archivo para crear situaciones de aprendizaje (instrucciones_situacion_aprenendizaje.txt), que tiene un total de 14 pasos, es:

Como vemos la forma de referirnos al GPT es diciendo «este GPT», si le hemos puesto nombre también lo podremos usar. Por ejemplo, el GPT que hemos usado de ejemplo se llama Nicolau, por lo que siempre que hagamos referencia a este nombre sabe que hablamos de él. Sin embargo, por motivos de reusabilidad es más práctico utilizar el nombre genérico.

En total, Nicolau tiene 9 archivos, de los cuales 2 son de instrucciones (para problemas y situaciones de aprendizaje) y el resto son de datos, en nuestro caso particular, de normativa y ejemplos (saberes, competencias específicas, exámenes de selectividad, etc.).

Los nombres de los archivos son siempre totalmente descriptivos, de esta forma ChatGPT sabe lo que contienen sin necesidad de abrirlos. Es decir, nunca se usan nombres sin sentido, sino que deben ser de forma que los entienda un humano y, por tanto, ChatGPT.

Aquí tenemos un esquema del modelo que se ha seguido para los GPT más complicados, como en este GPT:

Esquema de los modelos más complejos de GPT donde se usan dos tipos de archivos: de instrucciones y de datos. Elaboración propia

Conclusión

Como conclusión podemos decir que para hacer un GPT educativo de calidad, que funcione y haga lo que debe hacer, no basta con un prompt muy largo y un par de PDF con varios cientos de páginas. Es necesario planificarlo, crear archivos de instrucciones para diversas situaciones, dividir la información para evitar que sea demasiado extensa, convertir los PDF a texto si son largos y revisarlos para que el texto tenga calidad, probarlo múltiples veces y contemplar todas las excepciones y casos particulares que pensamos que el GPT se encontrará en la interacción con los usuarios.

GPT personalitzats que dissenyen situacions d’aprenentatge

Hem creat diversos GPT que ajuden a fer situacions d’aprenentatge (SdA). Cada GPT Inclou les següents dades en els arxius de documentació:

  • ESO
    • Vectors clau de l’educació bàsica.
    • Competències transversals.
    • Indicadors operatius de les competències transversals.
    • Mesures i suports universals en el centre educatiu.
    • Instruccions per crear la situació d’aprenentatge a l’educació bàsica basada en la plantilla del Departament.
  • Batxillerat
    • Components Transversals de les Competències Clau del Batxillerat.
    • Indicadors Operatius de les Competències Clau.
    • Mesures i suports universals en el centre educatiu.
    • Instruccions per crear la situació d’aprenentatge a batxillerat basada en la plantilla del Departament.
  • Segons cada matèria
    • Competències específiques.
    • Criteris d’avaluació de les competències específiques.
    • Sabers

Seguidament, tenim l’autodescripció que cada GPT fa de si mateix en 30 paraules. Hèctor és un GPT generalista amb el que es poden fer SdA de qualsevol matèria i nivell, la resta són específics cadascun d’una matèria, el que els fa molt més eficients.

Hèctor. Educació bàsica i batxillerat

Especialista a crear i implementar Situacions d’Aprendre per a l’educació bàsica i batxillerat, adaptades a necessitats específiques, enfocades en competències transversals i específiques.

Accés al GPT

No obstant és menys eficient que els GPT especialitzats en una única matèria que hi ha a continuació, perquè la quantitat de documentació que ha de revisar cada vegada és enorme, el que fa que de vegades es perdi o no trobi el que busca.

En lloc d’utilitzar Hèctor, també tenim l’alternativa de fer-ho sense GPT, és a dir utilitzant prompts per anar construint la SdA, amb aquest sistema a més es pot fer amb la versió gratuïta ChatGPT 3.5. En aquest article titulat Disseny i Concreció de Situacions d’Aprenentatge amb ChatGPT teniu detallat com fer la SdA sense el GPT, només amb prompts.

Olívia. Biologia de batxillerat

Ajuda en la preparació de classes, situacions d’aprenentatge, activitats, exercicis i exàmens de Biologia en Batxillerat, adaptant-se a les necessitats educatives de Catalunya, amb enfocament en raonament i pensament crític.

Accés al GPT

Robert. Biomedicina de 1r de batxillerat

GPT especialitzat en l’optativa de biomedicina a 1r de batxillerat, ajuda professors a crear situacions d’aprenentatge per a batxillerat, oferint suport en planificació educativa, integrant competències clau, i assessorant sobre aspectes ètics i metodològics.

Accés al GPT

Nicolau. Matemàtiques aplicades a les CCSS de Batxillerat

Assistent virtual especialitzat en matemàtiques aplicades a les ciències socials per a 1r i 2n de Batxillerat. Ofereix suport en l’elaboració de situacions d’aprenentatge, activitats, exercicis, problemes i preparació per a la selectivitat, utilitzant metodologies actives, tot promovent la comprensió i la capacitat crítica en els alumnes.

Accés al GPT.

Pau. Matemàtiques (modalitat de ciències i tecnologia) de Batxillerat

Ajudant virtual en matemàtiques de 1r i 2n de Batxillerat, ofereix suport didàctic interactiu, facilitant l’aprenentatge competencial mitjançant la creació de situacions d’aprenentatge, resolució de problemes, preparació per a les PAU, i desenvolupament de competències específiques.

Accés al GPT

Queralt. Digitalització de 4t d’ESO

Assistent virtual especialitzada en digitalització per a l’educació de 4t d’ESO. Ofereix suport pedagògic en la creació de situacions d’aprenentatge, activitats interactives i estratègies d’avaluació, amb un enfocament en competències digitals i metodologies inclusives i innovadores.

Accés al GPT

© 2024 Bilateria

Tema por Anders NorenArriba ↑