La mayoría de las instrucciones que damos a los modelos de lenguaje en contextos académicos no funcionan bien —y no es por culpa del modelo. Son prompts genéricos, sin anclaje disciplinar, que delegan el pensamiento en lugar de andamiarlo. El resultado es output medio, sin rigor, que reproduce el promedio estadístico del corpus de entrenamiento en lugar de responder desde la especificidad de un campo, una tarea o una audiencia.
Esto no es una crítica moral al uso de la IA: es un diagnóstico técnico con evidencia empírica detrás. El marcado contextual tiene más impacto que el rol asignado. La granularidad excesiva en la tarea reduce la comprensión conceptual (β = −0.36, Chen et al., 2023). Y un prompt sin audiencia especificada produce tono por defecto —que casi nunca es el correcto.
Un laboratorio para diagnosticar, no solo para generar
Hemos desarrollado el Laboratorio de Prompts Académicos, una herramienta interactiva basada en el artículo «Anatomía de un prompt académico: un análisis detallado de componentes esenciales» (León & González-Patiño, en prensa). No es un generador de prompts más: es un sistema de diagnóstico crítico que analiza cualquier instrucción según el marco RCTF —Rol, Contexto, Tarea, Formato— y produce una versión mejorada con justificación pedagógica explícita.
El laboratorio detecta automáticamente el tipo de tarea y selecciona el framework óptimo entre tres: CLEAR para tareas reflexivas e iterativas, CREATE para diseño pedagógico complejo, y RTRI para tareas con criterios definidos. Cuando detecta dependencia pasiva del modelo —uno de los problemas más frecuentes y menos discutidos— propone patrones de aprendizaje activo con base en evidencia: auto-explicación (Chi, 1994), IA como crítico, IA como investigador y metacognición explícita (Mollick & Mollick, 2023; Van de Pol et al., 2010).
Además, cada análisis incorpora las cuatro dimensiones de la Competencia Mediática Crítica: funcional, crítica/ética, comunicativa y ciudadana. Porque usar bien la IA en el ámbito académico no es solo saber escribir instrucciones eficaces: es ser consciente de qué se delega, por qué y con qué implicaciones.
¿Para quién?
Para cualquier persona que trabaje o estudie en un contexto universitario y use —o quiera usar— modelos de lenguaje con más criterio: investigadores que preparan prompts para revisión bibliográfica o análisis de datos, docentes que diseñan actividades con IA, estudiantes de posgrado que buscan apoyo para tareas complejas, y profesionales de la educación que quieren entender mejor qué ocurre cuando sus alumnos interactúan con estos sistemas.
Solo necesitas una API Key de Anthropic (gratuita para uso personal desde console.anthropic.com) y un prompt que quieras mejorar. El resto lo hace el laboratorio.
Esta herramienta es parte del trabajo de >idlab en la intersección entre Cultura Mediática Crítica, Personalización Educativa y Aprendizaje Conectado. Si la pruebas, cuéntanos cómo te va: qué tipos de prompts llevas, qué diagnostica el sistema, qué ajustes te resultan útiles. Esa retroalimentación es la que hace crecer los recursos del laboratorio.
Y si estás pensando en unirte a >idlab —somos una comunidad de investigadores y profesionales con interés en la cultura digital crítica, la identidad de aprendiz y el diseño educativo— esta herramienta es una buena muestra del tipo de trabajo que hacemos: riguroso, aplicado y abierto.