Por qué las instrucciones genéricas no sirven para educación

La diferencia entre pedir texto y diseñar una tarea pedagógica. De las recetas descontextualizadas al proceso de pensamiento que es DIOPA.

~20 min lecturaTeóricoVisualización interactiva

La ilusión de la instrucción simple

Existe una creencia muy extendida entre quienes comienzan a trabajar con modelos de lenguaje: basta con escribir una petición clara para obtener un resultado útil. En contextos genéricos, esta suposición funciona razonablemente bien. El problema aparece cuando trasladamos esta lógica al ámbito educativo, donde «útil» no significa «correcto gramaticalmente» sino «pedagógicamente alineado con los resultados de aprendizaje de una asignatura concreta, dirigido a un perfil de estudiante específico y coherente con los criterios de evaluación que el docente ha definido».

¿Qué ocurre cuando un docente de Metodología de la Investigación escribe «Hazme un examen de metodología»? La IA produce algo. Preguntas que suenan académicas, vocabulario del campo, un resultado que podría pasar un vistazo superficial. Sin embargo, esas preguntas mezclan niveles de complejidad sin criterio, ignoran las lecturas del programa, no se alinean con la taxonomía de Bloom que el docente utiliza en su rúbrica. El resultado es texto que parece educativo pero que no lo es.

Concepto clave

La IA generativa produce, por defecto, el texto promedio del internet sobre un tema. No produce el texto que tu asignatura necesita. La diferencia no es un matiz: es la diferencia entre material genérico y material pedagógicamente válido.

El problema de la «media estadística»

Los modelos de lenguaje generan texto calculando la probabilidad de cada palabra dada la secuencia anterior. Ante una instrucción genérica, el modelo converge hacia la respuesta más estadísticamente probable: el texto promedio que internet produciría sobre ese tema. Zamfirescu-Pereira et al. (2023) documentaron que los usuarios no expertos tienden a formular instrucciones vagas y obtienen resultados igualmente vagos, sin entender por qué la salida no cumple sus expectativas.

Consideremos las implicaciones para la docencia universitaria. Cada asignatura tiene un marco epistemológico, unas lecturas de referencia, un nivel de complejidad esperado, un público con conocimientos previos específicos y unos resultados de aprendizaje declarados. Nada de esto aparece en la instrucción «Hazme un examen». La IA no adivina el contexto. No infiere que queremos preguntas de nivel 4-6 de Bloom porque así lo establece nuestra rúbrica. Toda esa información pedagógicamente esencial queda fuera de la ecuación.

La comparativa que lo cambia todo

La mejor forma de entender la diferencia es verla lado a lado. No se trata de extensión: se trata de que cada fragmento de la instrucción cumpla una función pedagógica reconocible.

✗ Instrucción genérica

«Hazme un examen de metodología de investigación para un máster. Que tenga 10 preguntas, algunas de opción múltiple y otras abiertas. Nivel avanzado.»

✓ Instrucción con criterio DIOPA

«Necesito un examen parcial que permita evaluar si mis estudiantes de Diseño de Investigación (Máster en CC.SS.) pueden aplicar y evaluar diseños metodológicos. Han estudiado paradigmas, diseño cualitativo, cuantitativo y mixto. Genera 3 preguntas de aplicación (Bloom 3) y 2 de evaluación (Bloom 5), todas con escenarios de investigación concretos. Formato: tabla con columna de nivel Bloom y criterios de corrección. No incluyas preguntas respondibles con memorización.»

La instrucción de la derecha no es mejor por ser más larga. Es mejor porque cada fragmento responde a una de las cinco decisiones que DIOPA sistematiza: ha definido una intención pedagógica (evaluar aplicación y evaluación de diseños), ha identificado operaciones cognitivas (Bloom 3 y 5), ha orientado el contexto (máster, temas estudiados), ha planificado restricciones (formato tabla, no memorización) y ha previsto la iteración (criterios de corrección permiten verificar calidad).

De la receta al proceso de pensamiento

Aquí reside el giro conceptual que fundamenta este curso. Diseñar una instrucción pedagógica para IA no es «escribir un buen mensaje». Es diseño instruccional. Biggs y Tang (2011) propusieron el concepto de alineamiento constructivo: los resultados de aprendizaje, las actividades de enseñanza y la evaluación deben estar alineados. La misma lógica se aplica al diseño de instrucciones. Si la instrucción no está alineada con los resultados de aprendizaje, el material que la IA genera será estructuralmente desalineado, por mucho que sea gramaticalmente impecable.

Esto explica por qué las listas de «los 50 mejores mensajes para educación» resultan insuficientes. No necesitamos más recetas descontextualizadas. Necesitamos un proceso de pensamiento que traduzca los principios del diseño instruccional al lenguaje que los modelos de IA procesan con eficacia. Ese proceso es DIOPA.

Definición

DIOPA es un marco heurístico de cinco fases para diseñar instrucciones dirigidas a modelos de lenguaje desde un criterio pedagógico explícito. Las cinco fases son: Definir la intención pedagógica, Identificar las operaciones cognitivas, Orientar el contexto, Planificar restricciones productivas y Ajustar mediante iteración deliberada. No propone una fórmula universal: organiza las decisiones docentes que conviene tomar antes, durante y después de interactuar con la IA.

Las cinco fases de DIOPA

El marco organiza cinco decisiones pedagógicas que, cuando están presentes en la instrucción, transforman una petición genérica en una instrucción pedagógicamente orientada. Cada fase responde a una pregunta que el docente debería recorrer antes de escribir una sola palabra dirigida a la máquina.

Marco DIOPA · 5 fasesHaz clic en cada fase

Selecciona una fase

Haz clic en cualquiera de las cinco fases para ver su descripción, la pregunta que responde y qué ocurre cuando se omite.

Observemos cómo las cinco fases funcionan como un proceso secuencial con retroalimentación. La D establece la dirección. La I define la profundidad cognitiva. La O ancla el resultado en un contexto real. La P acota el espacio de respuestas posibles. La A cierra el ciclo y lo conecta con el principio: los resultados de la iteración refinan la intención para la próxima instrucción.

La lógica del curso: de la teoría a tu biblioteca

Este curso produce resultados tangibles desde el primer módulo. En los módulos 1 y 2 construimos la base teórica de DIOPA. Desde el módulo 3 hasta el 9, cada sesión produce entre 15 y 30 plantillas de instrucciones listas para usar, todas estructuradas con las cinco fases del marco. El módulo 10 cierra con un sistema de gestión: cómo catalogar, versionar, evaluar y compartir las instrucciones que vayas creando.

Al finalizar dispondrás de más de 120 plantillas, cada una diseñada con D-I-O-P-A, con ejemplo de entrada y resultado esperado. No es una colección aleatoria: es una biblioteca estructurada que cubre las seis áreas funcionales de la docencia universitaria.

Conexión con la práctica

Antes de avanzar al Módulo 2, intenta redactar una instrucción para una tarea docente que realices con frecuencia. Escríbela como lo harías normalmente. Guárdala. Al terminar el Módulo 2, la rediseñarás con las cinco fases DIOPA. La comparación será reveladora.

Referencias

Biggs, J. y Tang, C. (2011). Teaching for quality learning at university (4.ª ed.). Open University Press.

Mollick, E. R. y Mollick, L. (2023). Assigning AI: Seven approaches for students, using AI. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4475995

White, J. et al. (2023). A prompt pattern catalog to enhance prompt engineering with ChatGPT. arXiv preprint arXiv:2302.11382.

Zamfirescu-Pereira, J. D. et al. (2023). Why Johnny can't prompt. Proceedings of CHI 2023, 1-21.

← Índice Módulo 2 →