Material formativo interactivo

Contexto claro y técnicas de preguntas estructuradas

El prompting en la práctica docente

Autor: Zsolt LengyeliTStudy Hungary Training and Research Centre
Revisora: Mária HartyányiiTStudy Hungary Training and Research Centre

Los componentes de la petición llegan al modelo de IA, que los utiliza para elaborar una respuesta organizada. — Una petición clara ayuda a obtener una respuesta aprovechable.

Objetivo de aprendizaje

La calidad de una respuesta de la IA depende, en una medida sorprendente, de la calidad de la petición. Este material ayuda a los docentes a proporcionar a las herramientas de IA un contexto claro y preguntas bien estructuradas.

Al finalizar, será capaz de

Nombrar los siete componentes de un prompt educativo eficaz.
Convertir una petición ambigua en un prompt estructurado.
Precisar una tarea mediante ejemplos, restricciones y peticiones de razonamiento paso a paso.
Mejorar los resultados mediante una iteración deliberada y adaptar el resultado al nivel del alumnado.

Un buen prompt empieza por pensar con claridad

Un prompt es el mensaje que enviamos a un sistema de inteligencia artificial; en la práctica, es el único canal a través del cual podemos decirle al modelo qué necesitamos. Hoy en día, un prompt no es solo texto: podemos adjuntar imágenes, archivos de audio, PDF, hojas de cálculo u otros documentos, y todos ellos pasan a formar parte de la información de entrada que el modelo “lee” antes de responder.

Redactar buenos prompts no consiste en memorizar frases mágicas, sino en pensar con claridad y transmitir ese pensamiento claro al modelo. Un buen prompt no tiene por qué ser largo, pero sí inequívoco: indica el objetivo, aporta la información de fondo necesaria, describe el resultado esperado y, cuando conviene, muestra un ejemplo. El docente sigue siendo quien “dirige” el proceso: el modelo puede acelerar enormemente el trabajo, pero no puede decidir por nosotros los objetivos, las prioridades ni los estándares de calidad.

Tres tipos de prompts

Conviene ser conscientes de qué tipo de petición estamos enviando, porque el modelo aborda cada tipo de forma distinta:

01

Pregunta

Esperamos una respuesta o una explicación.

“¿Cómo funciona un interruptor diferencial?”

02

Instrucción

Pedimos al modelo que elabore o modifique algo.

“Escribe cinco preguntas de opción múltiple sobre…”

03

Planificación

Planteamos una tarea abierta que requiere una estructura, un plan o una estrategia.

“Planifica una unidad de cuatro sesiones sobre…”

Exprese directamente lo que espera

Confundirlos empeora el resultado. “¿Podrías escribir un correo electrónico a las familias?” está formulado como pregunta, aunque lo que queremos es una acción. “Escribe un correo electrónico a las familias sobre…” es más claro, y cuanto más clara es la expectativa, mejor es la respuesta.

Los siete componentes de un prompt educativo

Cuando los docentes utilizan la IA para preparar materiales didácticos, los siguientes elementos son los que más influyen en la pertinencia, la precisión y la utilidad pedagógica de la respuesta. No todos los prompts necesitan todos estos elementos, pero cada uno que falte es algo que el modelo tendrá que adivinar.

El rol, la tarea, el nivel y el objetivo de aprendizaje, el contexto, el formato y los criterios de evaluación aportan información estructurada para la respuesta de la IA. — Los componentes de un prompt estructurado: rol, tarea, nivel del alumnado y objetivo de aprendizaje, contexto, formato de salida y criterios de evaluación

Ejemplo de prompt estructurado

La misma tarea del aula en siete frases breves: cada frase aclara uno de los componentes.

Rol: Actúa como un docente de FP con experiencia en instalaciones eléctricas.
Descripción de la tarea: Crea una ficha de trabajo sobre los interruptores diferenciales.
Nivel del alumnado: El alumnado está formado por aprendices de primer curso, de 15 a 16 años, con conocimientos básicos de circuitos.
Objetivo de aprendizaje: Después de la clase deben ser capaces de explicar por qué salta un diferencial y cómo comprobarlo de forma segura.
Contexto: Disponemos de 20 minutos y de un panel de demostración en el taller.
Formato de salida: Plantea 6 preguntas breves y 2 supuestos prácticos, con solucionario, en una tabla.
Criterios de evaluación: Comprueba que todas las afirmaciones son técnicamente correctas y que se incluyen las normas de seguridad.

De una petición ambigua a un prompt estructurado

“¿Qué debería enseñar sobre los interruptores diferenciales?”: el modelo responderá, pero tendrá que inventarse casi todo: el público, la profundidad, el formato y la finalidad. El resultado suele ser genérico. Cuando añadimos el rol, la tarea y el contexto en frases breves y claras, el modelo tiene mucho menos que adivinar y la respuesta pasa a ser directamente utilizable.

¿Qué debería enseñar sobre los interruptores diferenciales?

¿A quién va dirigido? ¿Con qué profundidad? ¿En qué formato? ¿Con qué objetivo de aprendizaje? El modelo tiene que adivinar todo esto.

A la izquierda, una petición ambigua produce un resultado disperso. A la derecha, un prompt estructurado produce una respuesta centrada. — Una petición ambigua da lugar a una respuesta genérica y dispersa; un prompt estructurado, a un resultado centrado y utilizable

Más largo no significa automáticamente mejor

Más largo no significa automáticamente mejor. No merece la pena “soltarle un rollo” a la IA: varias frases breves y concretas, o una tarea dividida en subtareas, funcionan mejor que un único párrafo largo y enrevesado. Compare estas dos instrucciones para la misma tarea:

Petición enrevesada

Enrevesada: “Revisa a fondo el documento y selecciona los datos y la información más importantes que puedan ser relevantes para un resumen, luego transfórmalos en una forma más fácil de entender, después crea gráficos a partir de ellos para que los datos resulten aún más ilustrativos y, por último, resúmelo todo en viñetas claras.”

Petición clara

Resume los datos clave del documento.
Crea gráficos a partir de los datos resumidos.
Enumera en viñetas la información más importante.

Una tarea, una frase clara

Las frases breves y concretas y las subtareas reducen la posibilidad de malentendidos.

Preguntar, mostrar ejemplos y añadir restricciones

Empezar con preguntas

Un prompt eficaz suele empezar antes de la propia instrucción. ¿Cuál es el objetivo? ¿Qué información de fondo falta? ¿Cómo decidiré si la respuesta es buena? Una técnica sencilla y potente es pedir al modelo que nos pregunte a nosotros: “Antes de empezar, hazme las preguntas que necesites para crear una buena ficha de trabajo.” Así el prompt se convierte en un diálogo y salen a la luz las lagunas de nuestra propia petición.

Mostrar ejemplos

Un buen ejemplo suele valer más que una larga explicación. Si tenemos una ficha de trabajo, un formato de cuestionario o un estilo que nos gusta, podemos adjuntarlo y pedir “algo parecido”. Un ejemplo bueno y otro malo pueden aumentar enormemente la precisión, porque el modelo ve dónde está el límite de lo que queremos.

Añadir restricciones

Las restricciones acotan el abanico de respuestas posibles: límites de palabras, número de elementos, nivel de lectura, terminología obligatoria, “no uses abreviaturas técnicas sin explicarlas” o “utiliza como fuente únicamente el capítulo del libro de texto adjunto”.

Pedir razonamiento y una valoración neutra

Pedir el razonamiento, no solo el resultado

Los modelos de lenguaje necesitan tokens para “pensar”. Si obligamos a que un cálculo o una decisión de varios pasos quepa en una respuesta de una sola palabra, los errores se vuelven mucho más probables. Para este tipo de tareas, pida al modelo que trabaje paso a paso y que dé la respuesta final al terminar. Cuando la precisión es importante (cálculos, tablas, datos), pídale que utilice sus herramientas, por ejemplo: “usa código para calcularlo” o “busca en internet y cita tus fuentes”.

Formular preguntas neutras

La forma en que se plantea una pregunta orienta la respuesta. “¿Cuáles son las ventajas y los inconvenientes de los coches eléctricos frente a los convencionales?” lleva a una respuesta equilibrada. “¿Por qué los coches eléctricos son mucho mejores que los convencionales?” lleva a una lista parcial. Los sistemas de IA tienden a darnos la razón con mucha facilidad: reflejan y amplifican los supuestos implícitos en nuestras preguntas. Cuando queremos una valoración honesta, debemos formular la pregunta de manera neutra.

Dejar que la IA escriba el prompt (metaprompting)

También podemos pedir al modelo que nos ayude a formular un prompt mejor: “Escribe un prompt breve e inequívoco para ChatGPT que ayude a un principiante a aprender los fundamentos de TypeScript. El prompt debe pedir 1) cinco temas principales, 2) un miniejercicio para cada uno y 3) un plan de estudio semanal.” Revisar el prompt que genera el modelo es, en sí mismo, una buena lección de pensamiento estructurado.

Iteración: el prompting es un diálogo

Rara vez se acierta a la primera. Una rutina útil de cinco pasos, popularizada, entre otros, por el curso Prompting Essentials de Google, es: tarea → contexto → referencias → evaluación → iteración. Defina la tarea, aporte el contexto, añada referencias o ejemplos, evalúe la respuesta según sus criterios y perfeccione el prompt.

Tarea → Contexto → Referencias → Evaluación → Iteración

El ciclo repetido de escribir, generar, evaluar y perfeccionar. — Escribir, generar, evaluar, perfeccionar: el ciclo de iteración del prompting

La elección del modelo y el idioma del prompt

Dos consideraciones prácticas más. En primer lugar, la elección del modelo importa: un modelo rápido basta para las preguntas cotidianas, mientras que la planificación compleja, el análisis o los cálculos merecen un modelo de “razonamiento” más potente. En segundo lugar, el idioma del prompt importa menos que su claridad: los modelos actuales también funcionan bien en otros idiomas (p. ej., en español), y un prompt confuso en cuanto al significado es un problema mucho mayor que unas cuantas erratas.

Adaptar el resultado al alumnado

Uno de los usos más valiosos del prompting estructurado en la formación profesional es la atención a la diversidad. Cambiando únicamente el nivel del alumnado y el objetivo en un prompt por lo demás idéntico, el mismo tema puede prepararse para grupos distintos: una explicación simplificada con analogías cotidianas, una ficha de trabajo estándar y una tarea de ampliación para el alumnado más avanzado.

Para el mismo tema, modifique el nivel del alumnado y el objetivo de aprendizaje.

Un docente utiliza la IA para preparar materiales sobre el mismo tema a distintos niveles para tres grupos de estudiantes. — El mismo prompt estructurado, variando solo el nivel del alumnado, genera materiales diferenciados

Alumnado que necesita apoyo

Una explicación simplificada con analogías cotidianas.

Alumnado de nivel estándar

Una ficha de trabajo estándar adaptada a los conocimientos previos del grupo.

Alumnado avanzado

Una tarea de ampliación con mayor autonomía y un objetivo más complejo.

De una petición de una línea a un prompt estructurado

Ejercicio para docentes · 20–25 minutos · Trabajo individual

Experimente cómo los componentes de un prompt modifican la pertinencia y la utilidad de una respuesta de la IA. Utilice una herramienta de IA generativa.

Pasos del ejercicio

Elija un tema que vaya a impartir en las próximas semanas. Escriba un prompt de una línea, por ejemplo: “Haz una ficha de trabajo sobre seguridad en soldadura.” Guarde la respuesta.
Abra un chat nuevo. Reescriba la petición utilizando los siete componentes y guarde la nueva respuesta.
Compare ambas respuestas: pertinencia para su alumnado, nivel, exactitud técnica y correcciones pendientes.
Itere una vez: añada una restricción o una ficha anterior que le guste como ejemplo.
Pregunte: “¿Qué información tuviste que adivinar en mi primer prompt?” Compare su lista con los componentes.

Detectives de prompts

Trabajo en el aula · 30–35 minutos · Trabajo en parejas y puesta en común

El alumnado formula preguntas claras y contextualizadas y evalúa críticamente las respuestas de la IA. Herramientas: una herramienta de IA autorizada por el centro y un proyector.

Proyecte un prompt ambiguo sobre el oficio del alumnado y la respuesta de la IA, por ejemplo: “¿Cómo arreglo un coche?”
En parejas, los estudiantes anotan lo que falta: quién pregunta, cuál es exactamente la tarea, cuál es la situación y qué tipo de respuesta se necesita.
Cada pareja reescribe el prompt utilizando al menos cuatro componentes: rol, tarea, contexto y formato.
Prueben los prompts mejorados. Añadan: “Hazme preguntas aclaratorias antes de responder.”
Comenten qué prompt funcionó mejor y por qué. Busquen errores o información de seguridad omitida en las respuestas.

¿Qué aprenderá el alumnado?

Preguntar con precisión es una competencia profesional. Si no preguntamos por los equipos de protección, la IA puede que no los mencione. Un texto coherente no equivale a un texto correcto.

Preparación del docente

Respete las normas del centro y la edad mínima de los proveedores. Si no se permiten cuentas del alumnado, haga la demostración desde su propia cuenta.

Recuerde al alumnado que nunca introduzca datos personales en los prompts: nombres, direcciones o fotos de compañeros.

Ideas clave para docentes

Tenga claro lo que quiere antes de escribir: objetivo, destinatarios, formato, criterios.
Utilice los componentes como lista de comprobación: cada elemento que falta es algo que el modelo tiene que adivinar.
Prefiera frases breves y claras y subtareas a párrafos largos y enrevesados.
Muestre ejemplos y añada restricciones; pida al modelo que le haga preguntas aclaratorias.
Formule preguntas neutras cuando quiera una valoración honesta.
Itere: evalúe la respuesta según sus criterios y perfeccione el prompt.
Mantenga el control: compruebe los datos, las normas de seguridad y la adecuación pedagógica antes de usar el material en el aula.

El uso eficaz de la IA depende de un diseño cuidadoso de las tareas, no solo del conocimiento de herramientas concretas. El usuario pasivo escribe, acepta y pasa a otra cosa; el usuario activo pregunta, comprueba, completa e itera, y obtiene de la misma herramienta un valor exponencialmente mayor.

¡Compruebe sus conocimientos!

Responda a todas las preguntas y después revise el resultado y las explicaciones.

1¿Qué es un prompt?Solo una pregunta escrita, sin archivos adjuntos.El mensaje enviado a la IA, que puede incluir imágenes y documentos adjuntos.Todos los datos utilizados para entrenar el modelo.

2¿Qué componente indica lo que el alumnado debe ser capaz de hacer después de la clase?El rol.El formato de salida.El objetivo de aprendizaje.

3¿Qué petición ayuda más a elaborar una ficha de trabajo aprovechable?“Crea 6 preguntas breves y 2 supuestos prácticos con solucionario para alumnado de primer curso, para completar en 20 minutos.”“Escribe algo sobre los interruptores diferenciales.”“Crea un material muy detallado, muy largo y muy bueno.”

4¿Qué pregunta pide una valoración neutra?“¿Por qué los coches eléctricos son mucho mejores?”“¿Cuáles son las ventajas y los inconvenientes de los coches eléctricos frente a los convencionales?”“Un coche eléctrico siempre es la mejor opción, ¿verdad?”

5¿Qué conviene hacer si la primera respuesta no es adecuada?Enviar de nuevo el mismo prompt sin cambios.Elegir un tema completamente distinto cada vez.Indicar qué debe corregirse y precisar un componente, una restricción o un ejemplo que falte.

6¿Cómo ayuda un prompt estructurado a atender a la diversidad?Cambiar el nivel del alumnado y el objetivo permite adaptar el mismo tema a grupos distintos.Todos los grupos deben recibir la misma respuesta.Dejamos la verificación técnica totalmente en manos de la IA.

Referencias y práctica adicional

Referencias

Google (2024–2026): Google Prompting Essentials. Curso en línea, Coursera.
OpenAI: Prompt engineering guide. Documentación de OpenAI Platform.
Anthropic: Prompt engineering overview. Documentación de Claude.
Lengyel, Zs. (2026): Introduction to the concepts of artificial intelligence; Concrete applications for content generation. Presentaciones de la formación VITA.

Enlaces

Créditos y derechos de autor

Autor: Zsolt LengyeliTStudy Hungary Training and Research Centre
Revisora: Mária HartyányiiTStudy Hungary Training and Research Centre
Proyecto: 2025-1-LT01-KA220-VET-000362456
Material didáctico: M1-T1-MLC4

Archivos adjuntos

Descargar el material didáctico en españolm1-t1-mlc4-text-es.pdf Descargar los ejercicios prácticosm1-t1-mlc4-exc-es.pdf

Logotipo Creative Commons Atribución/Reconocimiento-CompartirIgual

Esta obra puede compartirse y adaptarse bajo los términos de la Licencia Internacional Creative Commons Atribución/Reconocimiento-CompartirIgual 4.0 (CC BY-SA 4.0).

Financiado por la Unión Europea. Las opiniones expresadas son únicamente las de los autores y no reflejan necesariamente las de la Unión Europea ni las de la Agencia Nacional.