Asistentes IA Personalizados
Os asistentes personalizados permítenche gardar prompts específicos para tarefas repetibles (por exemplo, xerar bancos de preguntas, rúbricas ou fichas de actividade). O usuario ve un chat normal, pero as instrucións base aplícanse en cada conversa.
Que é un asistente personalizado (idea xeral)
Un asistente é basicamente un prompt fixo + contexto opcional que se reutiliza en múltiples conversas.
A maioría de plataformas principais (ChatGPT, Gemini, Claude) ofrecen formas de crear asistentes ou "proxectos" con nomes diferentes:
- GPTs (ChatGPT): asistentes compartibles con instrucións, documentos e capacidades opcionais.
- Gems (Gemini): instrucións gardadas que podes activar en cada chat. Especialmente útiles para crear titores socráticos ou guiados.
- Spaces (Perplexity): espazos con instrucións base e arquivos, que destacan porque ao compartilos con alumnos non requiren que se rexistren ou inicien sesión, cumprindo de forma robusta coa normativa de privacidade.
- Projects (Claude): contexto compartido entre conversas con instrucións base e documentos adxuntos.
Os nomes, interfaces e requisitos de plan cambian con frecuencia. O importante é o concepto: gardar un prompt reutilizable para non ter que reescribilo cada vez.
Como crear un asistente (fluxo xeral)
Aínda que cada plataforma ten a súa interface, o fluxo básico é:
- Define instrucións base (o prompt que sempre se aplicará)
- Opcional: Engade documentos de contexto (p. ej., un currículo, unha rúbrica, un glosario)
- Opcional: Activa capacidades extra (busca web, xeración de imaxes, análise de código)
- Garda e reutiliza
NON escribas "Crea un asistente que xere preguntas...".
Escribe directamente o prompt que a IA verá en cada conversa:
❌ Incorrecto: "Crea un xerador de preguntas de test que..." ✅ Correcto: "Es un experto en avaliación educativa. Cando o usuario proporcione un tema, xera 10 preguntas tipo test en formato GIFT..."
Estrutura típica dun asistente docente
Rol e obxectivo:
Es un asistente de deseño didáctico para secundaria e FP.
O teu obxectivo é [tarefa concreta].
Contexto fixo:
- Nivel: [especificar se aplica]
- Restriccións: non uses datos persoais; non inventes normativa.
Formato de saída:
- [Encabezados fixos / táboa / JSON / GIFT]
Fluxo:
1. Fai preguntas de aclaración (só as necesarias).
2. Xera a proposta.
3. Inclúe criterios de éxito observables.
Conceptos clave (agnósticos de plataforma)
| Concepto | Que significa na docencia |
|---|---|
| Instrucións base | O prompt que se aplicará sempre (o teu "modelo") |
| Contexto / Documentos | Arquivos que o asistente pode consultar (p. ej., currículo, exemplos de actividades, rúbricas) |
| Compartir | Poder dar acceso ao asistente a outros docentes do centro |
| Proxecto / Sesión | Manter contexto entre varias conversas sobre o mesmo tema |
Casos de uso educativo
Escenarios onde un asistente ten sentido
- Xerador de bancos de preguntas: instrucións fixas para formato GIFT + rúbrica de calidade
- Adaptador de materiais: converte un texto a distintos niveis (apoio/ampliación) mantendo obxectivos
- Revisor de actividades: valida que unha proposta inclúa obxectivos observables, avaliación e atención á diversidade
- Titor de materia: prompt con temario, estilo e restriccións (p. ej., "usa analoxías cotiás")
- Tradutor especializado: traduce con terminoloxía específica da área e formato consistente
Cando NON usar un asistente
- Para tarefas únicas ou exploratorias (usa un chat normal).
- Cando necesitas cambiar as instrucións constantemente (non ten sentido "fixalo").
Exemplo: asistente para tests Moodle
Crea preguntas de test en formato GIFT importable a Moodle, seguindo as seguintes regras.
- Sempre serán preguntas de resposta múltiple con 4 respostas e unha única correcta.
- As respostas incorrectas restarán media pregunta a non ser que se indique o contrario.
- Todas as respostas deben ter unha lonxitude similar.
- Debe priorizarse o rigor. A resposta correcta debe ser a única que o é. As outras deben ser manifestamente incorrectas.
- Deben evitarse preguntas con respostas incorrectas por non ser "a mellor definición" das que se dan, "a principal desvantaxe" ou outras formas de graduación. As respostas incorrectas deben ser manifestamente incorrectas para evitar ambigüidades e as preguntas deben ser claras.
- Ningunha das respostas debe ser trivialmente descartable. Evita o habitual sesgo de que a resposta correcta sempre sexa unha de 3 similares e haxa outra máis absurda.
- O nivel de dificultade esperado é para alumnos de máster universitario salvo que se indique o contrario.
- Non inclúas un número antes das preguntas, serán baralladas.
- Normalmente pasarase material co que xerar as preguntas, evita facer referencias directas como "segundo os apuntamentos". As preguntas deben conter por si soas toda a información necesaria para respondelas. Os alumnos non poderán consultar os apuntamentos durante a proba.
- Sé coidadoso evitando sesgos como que a resposta correcta sexa a máis detallada ou a que ten máis lonxitude.
Un exemplo do formato desexado de pregunta sería o seguinte:
// question: 91483439 name: Que é a mostraxe estratificada? ::Que é a mostraxe estratificada?::[html]Que é a mostraxe estratificada?{ ~%-50%Dividir o dataset en grupos e garantir que todas as mostras dun grupo o están no mesmo conxunto (test, validación ou adestramento). =Dividir o dataset en grupos e tomar unha porcentaxe de cada estrato mantendo a proporción orixinal das clases ~%-50%Dividir o dataset en grupos e aumentar a presenza das clases minoritarias mediante a duplicación ou xeración de novas mostras, o que pode levar a unha representación máis equilibrada das clases no conxunto de proba. ~%-50%Dividir o dataset en grupos e aumentar a complexidade do modelo, o que pode resultar nun modelo máis robusto pero tamén máis difícil de interpretar e axustar. }
// question: 67895124 name: Que é un modelo xerativo en intelixencia artificial? ::Que é un modelo xerativo en intelixencia artificial?::[html]Que é un modelo xerativo en intelixencia artificial?{ ~%-50%Un algoritmo que clasifica datos existentes en categorías predefinidas baseándose en características aprendidas durante o adestramento. ~%-50%Un sistema que optimiza decisións secuenciais mediante a interacción cun contorno para maximizar unha recompensa acumulativa. =Un tipo de modelo que aprende a distribución dos datos de adestramento e pode xerar novas mostras similares a estes. ~%-50%Un enfoque que reduce a dimensionalidade de datos complexos transformándoos en representacións máis simples mentres preserva información esencial. }
// question: 38215907 name: Cal é a principal diferenza entre aprendizaxe supervisada e non supervisada? ::Cal é a principal diferenza entre aprendizaxe supervisada e non supervisada?::[html]Cal é a principal diferenza entre aprendizaxe supervisada e non supervisada?{ ~%-50%A aprendizaxe supervisada utiliza redes neuronais mentres que a non supervisada emprega algoritmos estatísticos tradicionais. =A aprendizaxe supervisada utiliza datos etiquetados como exemplos correctos mentres que a non supervisada traballa con datos sen etiquetar. ~%-50%A aprendizaxe supervisada require menos poder computacional mentres que a non supervisada necesita ordenadores máis potentes. ~%-50%A aprendizaxe supervisada foi desenvolvida na década de 2010 mentres que a non supervisada existe desde os anos 1980. }
// question: 29463187 name: Que é a validación cruzada (cross-validation)? ::Que é a validación cruzada (cross-validation)?::[html]Que é a validación cruzada (cross-validation)?{ ~%-50%Unha técnica para reducir a complexidade do modelo eliminando características redundantes do conxunto de datos. ~%-50%Un método para avaliar o rendemento de varios modelos simultaneamente nun único conxunto de adestramento. ~%-50%Un procedemento que combina as predicións de varios modelos para mellorar a precisión xeral do sistema. =Unha técnica que divide os datos en múltiples subconxuntos para adestrar e validar o modelo, usando cada subconxunto como datos de proba unha vez. }
Este exemplo amosa como un prompt ben deseñado pode converterse nun asistente reutilizable para xerar tests. Máis detalles en Tests para Moodle.
Checklist para crear un bo asistente
Antes de "gardar" un asistente, revisa:
- Obxectivo claro: que produto final debe xerar?
- Formato definido: táboa / lista / JSON / GIFT / Markdown con encabezados?
- Restriccións de calidade: criterios de éxito? verificabilidade?
- Privacidade: evita pedir datos persoais do alumnado?
- Preguntas de aclaración: pide o que necesita antes de responder?
- Reutilizable: serve para múltiples temas/situacións similares?