Deep Research

As capacidades de Deep Research (Investigación Profunda), integradas en modelos como os de OpenAI e Gemini, representan un salto cualitativo respecto á busca web tradicional en chatbots.

Mentres que unha busca web normal fai unha consulta e resume os primeiros resultados, un axente de Deep Research funciona de forma autónoma e iterativa:

1. Planifica unha estratexia de investigación.
2. Executa múltiples buscas e le ducias de páxinas.
3. Itera buscando información adicional se atopa baleiros na súa investigación inicial.
4. Sintetiza toda a información nun informe final, rigorosamente referenciado.

Esta ferramenta é excepcional para docentes cando necesitan preparar temarios novos, investigar metodoloxías ou analizar marcos normativos complexos.

Exemplo de uso

A continuación móstrase unha estrutura de prompt que aproveita estas capacidades para investigación educativa:

Asistente IA

👤

Elabora un informe actualizado, integral e baseado en evidencias que explore as estratexias para implantar a Intelixencia Artificial (IA) na educación secundaria e a formación profesional. A audiencia principal serán docentes de formación profesional en márketing e comercio, estendéndose tamén a áreas como acondicionamento físico e inglés. O informe deberá abordar os seguintes puntos:

1. Aplicacións da IA na Docencia:

   • Explorar todas as ferramentas de IA dispoñibles que poidan facilitar o labor docente, dende modelos de linguaxe ata outras solucións tecnolóxicas.
   • Presentar unha lista de posibles usos e aplicacións para mellorar as tarefas dos profesores, incluíndo exemplos prácticos e aplicables. Non é necesario incluír tutoriais paso a paso, senón indicacións xerais e prompts que sirvan como punto de partida para futuras consultas e posta en práctica.

2. Integración Tecnolóxica e Moodle:

   • Describir de forma concreta como se poden xerar materiais importables e compatibles con Moodle, ofrecendo exemplos específicos de estratexias e métodos para aproveitar ao máximo esta plataforma no contexto educativo.

3. Casos Prácticos e Exemplos Aplicables:

   • Incluír estudos de caso ou exemplos prácticos que ilustren como a IA se implementou con éxito en institucións similares, resaltando o impacto nas tarefas e procesos docentes.
   • Enfocarse en exemplos concretos para as áreas de márketing e comercio, pero tamén contemplar escenarios para acondicionamento físico e inglés.

4. Aspectos Adicionais e Recomendacións:

   • Ofrecer unha breve referencia a outros aspectos a ter en conta, como desafíos éticos, formación continua de docentes e a adaptación de metodoloxías pedagóxicas ante a incorporación da IA.
   • Incluír recomendacións para a capacitación de educadores no uso destas tecnoloxías e suxerir fontes actualizadas e relevantes para profundar no tema.

O obxectivo é proporcionar un material de referencia que non só informe, senón que tamén sirva de guía práctica para que os docentes poidan identificar, avaliar e aplicar de maneira efectiva as ferramentas de IA no seu labor educativo.

🤖

Proposta de entrega (modo “deep research”)

Nota de rigor: para un informe “baseado en evidencias” necesito consultar fontes (ou que me achegues documentos). Se non hai acceso a web ou non se adxuntan fontes, podo:

• elaborar un marco de traballo práctico,
• propoñer un protocolo de busca e verificación,
• e listar que evidencias recompilar.

A) Preguntas de aclaración (para adaptar o informe)

1. O obxectivo é formar o profesorado (metodoloxía) ou implementar ferramentas (operativa)?
2. Que restricións de centro aplican (privacidade, contas institucionais, idade do alumnado)?
3. Que plataforma usaredes (Moodle/H5P/Google Workspace/M365) e con que recursos?
4. Preferides un enfoque transversal (válido para calquera materia) ou por familias profesionais?

B) Estrutura recomendada do informe (lista de seccións)

1. Principios de uso responsable (privacidade, sesgos, transparencia, trazabilidade)
2. Casos de uso docentes (preparación, aula, avaliación, atención á diversidade)
3. Deseño de prompts para materiais educativos (modelos reutilizables)
4. Moodle: formatos importables (GIFT, bancos de preguntas, rúbricas) e fluxo de traballo
5. Verificación de calidade (rúbricas, exemplos de fallos, checklist)
6. Plan de formación docente por fases + mínimos de seguridade

C) Evidencias a recompilar (para que o informe sexa verificable)

• Guías oficiais dos provedores (prompting, avaliación, outputs estruturados, seguridade)
• Organismos educativos (p. ex., marcos de competencia dixital docente) e recomendacións sobre IA
• Estudos/revisións (p. ex., enquisas e revisións sistemáticas) sobre IA en educación
• Políticas do centro: uso de datos, idade mínima, consentimento e trazabilidade

D) Entregables prácticos incluídos

• 5–8 “mega-prompts” reutilizables para: fichas de actividade, rúbricas, feedback, GIFT, e adaptación a niveis
• 2 checklists: (1) antes de usar IA, (2) revisión de calidade/seguridade do material
• 1 modelo de avaliación rápida para detectar alucinacións e sesgos

Se respondes ás preguntas da sección A, xérouche o índice final e unha primeira versión transversal (válida para calquera materia), con exemplos específicos adaptables a márketing/comercio, acondicionamento físico e inglés.

Por que funciona:

• Empeza declarando límites de rigor: se non hai fontes, propón un marco e un protocolo.
• Fai preguntas de aclaración (para evitar “informes xenéricos”).
• Pide evidencias e define entregables prácticos (modelos, checklist, rúbricas).
• Aproveita a capacidade do axente de navegar múltiples fontes antes de dar unha resposta final.