The Prism: construyendo una conversación:

Hay una costumbre que tengo desde hace años y que últimamente cuento cada vez más. Cada vez que preparo una serie de seminarios para un momento importante de mi vida académica —una oposición, una estancia de investigación, una conferencia plenaria especialmente significativa— no solo preparo el contenido. Necesito construir un lenguaje para ese momento. Es una especie de ritual que nunca planifiqué, pero que he acabado reconociendo como parte de mi manera de trabajar.

No sé muy bien cuándo empieza ese proceso. Desde luego, no cuando abro PowerPoint. Empieza bastante antes. Empieza mirando conscientemente. Buscando imágenes, colores, tipografías, fotografías, texturas… sin saber todavía exactamente qué estoy buscando. Si alguien me hubiera visto trabajar durante esas semanas probablemente habría pensado que estaba perdiendo el tiempo. Había días enteros en los que no escribía ni una diapositiva. Me limitaba a mirar imágenes, probar una tipografía durante veinte minutos para volver a la anterior, cambiar una fotografía porque el color ya no dialogaba con las demás, mover una idea del principio al final y volverla a traer al principio al día siguiente. Lo hago porque necesito encontrar el tono de la conversación antes incluso de empezar a escribirla. Nunca he pensado que las diapositivas sean un soporte para el discurso; para mí forman parte del propio proceso de pensar.

Esta vez sabía dos cosas desde el principio. Quería que los cuatro seminarios formaran una serie reconocible y quería que esa serie respirara naturaleza. Las metáforas ópticas estaban claras desde muy pronto —The Lens, The Prism, The Mirror y The Telescope—, pero no quería una estética tecnológica. Quería agua, minerales, vegetación, cristal, luz. Quería que cada seminario tuviera su propia paleta y, al mismo tiempo, que los cuatro parecieran pertenecer a la misma familia.

Me sorprende la cantidad de tiempo que puedo dedicar a estas cosas. Cada vez me prometo que voy a simplificar el proceso y cada vez ocurre exactamente lo contrario. Supongo que, a estas alturas, ya debería aceptar que para mí diseñar un seminario también consiste en mirar mucho antes de empezar a escribir.

Hubo, además, un momento curioso. Yo tenía la sensación de que esta serie de seminarios debía verse más madura (últimamente confieso que quiero madurar, probablemente porque mi cara ha madurado jejejeje). No más sofisticada, sino más serena. Recuerdo que, hablando con ChatGPT, empezaron a aparecer referencias de diseño nórdico, editorial, minimalista. Mucho blanco, mucha respiración, tipografías limpias, una elegancia muy contenida. Durante un rato pensé que quizá era eso lo que estaba buscando. Me parecía lógico que el aspecto de mis presentaciones también reflejara esa madurez. Pero cuanto más las miraba, más extrañas y menos personales me resultaban.

No porque no me gustaran. Me siguen pareciendo preciosas. El problema era otro: no hablaban mi idioma. Y entonces me di cuenta de algo bastante evidente, aunque no lo había pensado nunca de esa manera. Yo soy colombiana, soy murciana… llevo media vida viviendo en el Mediterráneo la muchedad es parte de mi forma de ver el mundo. Soy todo menos discreta. También cuando pienso. También cuando escribo. Mis textos están llenos de capas, de metáforas, de referencias que se cruzan unas con otras. Intentar que mis seminarios parecieran diseñados por alguien completamente distinto solo porque ahora soy una investigadora más senior (más mayor) empezó a parecerme una idea bastante absurda.

La madurez no debería consistir en parecer otra persona, debería consistir en aceptar quién soy y dejar que el trabajo reflejara esa evolución sin renunciar a mi manera de mirar… porque no puedo ser nadie que no sea yo…

Mientras todo eso ocurría, el contenido del seminario también iba cambiando. The Prism era, probablemente, el más difícil de los cuatro porque era el primero… es “sencillo” porque llevamos casi dos años trabajando en él y ya ha dado lugar a varios artículos, pero no podía solo convertir el seminario en una explicación del AI Prism, “eso no tiene ningún chiste” –que diría la Alicia de Dysney–… quien quiera entender el framework con detalle puede leer los artículos. Un seminario tiene que hacer otra cosa. Así que empecé a quitar diapositivas.

Las primeras versiones explicaban el framework casi paso a paso. Poco a poco fueron desapareciendo. En su lugar empezaron a aparecer otras que ni siquiera hablaban de inteligencia artificial, hablaban de educación, de las tradiciones desde las que pensamos la educación. De las preguntas que cada tradición considera relevantes y de las que, sencillamente, deja fuera.  Recuerdo perfectamente el momento en que entendí que el seminario tenía que empezar ahí. No podía pedir a la gente que entendiera por qué el AI Prism distinguía determinadas dimensiones si antes no entendían desde dónde estaba hecha esa distinción. El framework era una consecuencia, no el punto de partida. De ahí vino la diapo de presentación (que además va a aparecer en todos lo s seminarios de formas diferentes… ya lo veréis)…

También empècé a contar historias… quienes han hablado conmigo o me han sufrido como profesora, saben que cuento muchas historias… y algunas me las sugerían las preguntas que me habÍan venido a la cabeza en los congresos de las pirimeras semanas aquí en Sídney… así que escribí y adapté esas historias….

Y hubo otra decisión que me costó bastante. Terminar cuestionando el propio prisma. Me parecía incoherente pedir una mirada crítica sobre la inteligencia artificial y presentar mi propio marco como si fuera definitivo porque yo ya había pensando que no lo era hace meses… así que decidí cerrar el seminario explicando también por qué la metáfora del prisma me empezaba a resultar insuficiente. No porque dejara de ser útil, sino porque toda metáfora acaba iluminando unas cosas y ocultando otras.

Confieso que durante todo ese proceso apareció, como siempre, mi viejo compañero de viaje: el síndrome del impostor. En esas semanas hubo dos interlocutores especialmente pacientes: ChatGPT y Claude. Les enseñé versiones, les pregunté demasiadas veces si aquello tenía sentido, si estaba siendo demasiado ambiciosa, demasiado complicada o, simplemente, demasiado barroca. No buscaba que escribieran el seminario. Necesitaba alguien que me ayudara a seguir pensando cuando empezaba a sospechar que ya no sabía distinguir entre una buena idea y una ocurrencia.

Después llegó el seminario. Y pasó algo que me alegró especialmente. La mayor parte de la discusión no giró alrededor de las siete dimensiones del AI Prism. Giró alrededor de las preguntas que habían hecho necesario construirlo. La conversación con Simon Buckingham Shum fue probablemente el mejor ejemplo. Hablamos de personalización, de aprendizaje, de comunidades, de inteligencia artificial… pero, sobre todo, hablamos de las tradiciones desde las que cada uno estaba formulando esas preguntas. En un momento de la discusión Simon dijo algo que me pareció muy importante: el riesgo de caricaturizar posiciones que, en realidad, son mucho más complejas. Creo que tenía razón. Y me fui con la sensación de que el seminario había conseguido exactamente lo que esperaba de él: desplazar la conversación desde el framework hacia el problema.

Dejo aquí la grabación completa del seminario.

No porque piense que sea una versión definitiva —siempre encuentro cosas que cambiaría cuando vuelvo a verme— sino porque forma parte de ese proceso. Los artículos cuentan el resultado de una investigación. Los seminarios, al menos para mí, son el lugar donde esas ideas empiezan a encontrarse con otras miradas y, con un poco de suerte, también empiezan a cambiar.

Buscando otra conversación

Cuando empecé a organizar mi estancia en el Connected Intelligence Centre (UTS), tenía bastante claro que no quería ir a Australia para hacer exactamente lo mismo que hago en Murcia pero a 17.500 kilómetros de casa y con una vista exótica. Una estancia de investigación supone un esfuerzo importante para muchas personas y siempre he pensado que merece la pena cuando te obliga a salir, aunque sea un poco, de tu conversación habitual.

Por eso nunca pensé en buscar un entorno que fuera simplemente una versión australiana de una Facultad de Educación. No porque no las valore —de hecho, tengo buenos amigos y colaboradores en muchas de ellas— sino porque buscaba otra conversación. Lo que me interesaba era otra cosa.

Hace muchos años que sigo el trabajo de Simon Buckingham Shum (exactamente desde que le conocí en el KMi hace 20 años). Aunque su trayectoria se sitúa más en el ámbito de los techies -aunque no estrictamente–, siempre me ha llamado la atención que buena parte de su trabajo haya intentado entender cómo las personas aprenden juntas, cómo construyen conocimiento a través del discurso, cómo se hacen visibles determinados procesos de aprendizaje o cómo la tecnología puede ayudar a comprender, y no solo a automatizar,  esas dinámicas.

En otras palabras, nunca he visto nuestras líneas de trabajo como paralelas. Tampoco como coincidentes. Más bien como dos maneras distintas de acercarse a algunos problemas comunes. Por eso me pareció que CIC era un lugar especialmente interesante para una estancia. No porque esperara encontrar personas que pensaran como yo, sino precisamente porque esperaba encontrar preguntas distintas, o formas diferentes de aproximar esas preguntas, sobre problemas que, en el fondo, compartimos.

Por eso, cuando empezamos a hablar de hacer un seminario (algunas de las ideas fueron suyas en charlas concretas en el mes de junio), le propuse otra idea: ¿y si, en lugar de una charla aislada, aprovechábamos la estancia para construir una pequeña serie? No una serie de presentaciones independientes, sino una conversación que pudiera ir desarrollándose a lo largo de varias semanas y que abordara cuestiones que, esperaba, pudieran resultar relevantes también para la comunidad del CIC.

La propuesta respondía además a una preocupación que aparece cada vez más en lo que hago: cómo reformular y reempaquetar mi pensamiento para que pueda entrar en conversación con personas que no pertenecen necesariamente al mismo campo. Eso exige un trabajo de traducción —al inglés, por supuesto, pero también entre tradiciones, vocabularios y formas de plantear los problemas— y obliga a buscar maneras de presentar las ideas que permitan a otros discutirlas desde sus propios marcos de referencia.

Las cuatro metáforas ópticas surgieron como una forma de dar unidad a esa propuesta. Cada una ofrecía una manera distinta de mirar algunos de los problemas sobre los que quería conversar y, al mismo tiempo, una puerta de entrada suficientemente abierta para que pudieran ser formulados también de otras maneras.

La serie quedó finalmente organizada en torno a cuatro seminarios que, vistos por separado, hablan de temas distintos, pero que en realidad forman parte de una misma conversación. Cada uno parte de una pregunta diferente, recupera una parte distinta de mi trabajo y la pone en diálogo con cuestiones que creo que también preocupan al Connected Intelligence Centre. No pretendían ofrecer una panorámica de mi investigación, sino utilizar algunos de sus resultados para abrir preguntas que pudieran ser compartidas.

The Prism utiliza la IA como punto de partida para preguntarse si las categorías con las que estamos intentando comprenderla son suficientes. Más que proponer un nuevo marco, el seminario intenta ampliar la conversación y, finalmente, cuestionar también las herramientas conceptuales con las que observamos el fenómeno.

The Lens recupera los Personal Learning Environments, una línea de investigación con la que llevo trabajando desde hace muchos años, para volver a una pregunta que me sigue pareciendo fundamental: ¿cómo organizan las personas su aprendizaje? La irrupción de la inteligencia artificial hace que esa pregunta, lejos de perder interés, resulte todavía más urgente.å

The Mirror gira la mirada hacia la universidad. Utiliza la competencia digital docente como excusa para discutir algo que me preocupa desde hace tiempo: cómo toman las instituciones las decisiones sobre la enseñanza y hasta qué punto muchas de esas decisiones nunca llegan realmente a hacerse explícitas.

Finalmente, The Telescope mira hacia lo que está emergiendo. Es probablemente el seminario más abierto de los cuatro y el que incorpora más trabajo en curso. La pregunta ya no es qué puede hacer la inteligencia artificial, sino qué queremos seguir siendo capaces de reconocer como evidencia de aprendizaje y qué tipo de enseñanza necesitamos cuando las máquinas empiezan a hacer cosas que durante mucho tiempo consideramos exclusivamente humanas.

Juntos, los cuatro seminarios recorren algunos de los temas sobre los que llevo trabajando en los últimos años. Pero, sobre todo, intentan hacerlo de una manera que facilite la conversación con una comunidad que no comparte necesariamente mis mismos referentes disciplinares. Si la propuesta funciona, espero que quienes asistan no vean cuatro conferencias sobre proyectos diferentes, sino una conversación sobre algunas preguntas que hoy compartimos, aunque las formulemos desde lugares distintos.

Durante las próximas semanas iré dedicando una entrada a cada uno de ellos. No tanto para resumir las presentaciones como para contar cómo se fueron construyendo, qué decisiones hubo que tomar para prepararlas y qué conversaciones abrieron una vez terminadas.

Confieso que me da mucho respeto… miedo… hacer esto… pero tiene mucho de reto personal y esa incomodidad –la mía– me interesa.

Cuando la IA desnaturaliza la ciencia

En varias disciplinas (genética, neurociencia, ciencias sociales, computacionales) se ha señalado un riesgo: si la IA se usa solo para acertar, sin buscar mecanismos, terminamos haciendo estadística que “parece” ciencia, pero no la explica. La ciencia no se agota en los umbrales que la estadística nos muestra; su razón de ser es explorar, comprender, proponer mecanismos, inferir causas, generar hipótesis refutables y diseñar intervenciones que funcionan fuera del dataset.

Este debate tiene mucha historia. Por mencionar dos autores que han hablado de ello, diremos que Breiman habló de las dos culturas (predicción vs. inferencia). En paralelo, y esto es clave, no basta con mirar al algoritmo: también hay que mirar la infraestructura que lo hace creíble. También Williamson et al. (2024) explican por ejemplo, cómo consorcios, arquitecturas de datos y aparatos técnicos instauran una epistemología centrada en datos que reencuadra fenómenos educativos como asociaciones moleculares “descubribles” por bioinformática. Esa coreografía sociotécnica otorga autoridad a lo algorítmico, desplaza teorías sociales y produce una ontología donde los sujetos aparecen como completamente encuestables y predecibles. Pero no solo pasa en lo social, pasa en la comprensión del medio natural, y de casi cualquier contexto sociomaterial complejo.

Cómo integrar la IA sin “desnaturalizar” la ciencia

Analogía: El huevo frito es el ejemplo clásico de desnaturalización de las proteínas.
  1. Declara el papel de la IA en una frase.
    “Genera hipótesis”, “sirve de modelo sustituto para acelerar simulaciones”, “prioriza experimentos”. Si escribes “descubre causa”, sostén diseño causal (no solo performance).
  2. Sitúa tu trabajo en la escalera científica.
    Descripción → predicción → mecanismo → intervención/contrafactual. Especifica dónde estás y qué falta para subir (experimentos, instrumentos, DAGs/diagramas causales, variables de control).
  3. Triangula con teoría.
    Que el patrón dialogue con marcos existentes: ¿confirma, contradice, extiende? Si contradice, di qué se revisa y cómo lo probarás fuera de distribución (otra cohorte, otro sitio, otro equipo).
  4. Diseña explicación apta para decidir.
    No basta con que sea una característica «importante». ¿Qué mecanismo plausible sugiere? ¿Qué experimento/cuasi-experimento harías mañana para intentar falsarlo?
  5. Usa híbridos cuando proceda.
    Física/teoría-informados, restricciones biológicas/organizativas en la arquitectura, o pipelines IA → hipótesis → experimento. Menos “oráculo”, más ciencia acumulativa.

Señales de alerta de “desnaturalización”

  • Éxito definido solo por métrica predictiva; sin hipótesis nuevas ni criterio de intervención.
  • No hay plan de validación externa/causal; todo vive en cross-validation.
  • La “explicación” es prosa, no mecanismo comprobable.
  • Cambias de proveedor/modelo y cambia “la verdad”.
  • Tu diseño adopta sin crítica la infraestructura dominante (datos/protocolos) y relega teorías del campo.

Cómo reencauzar (pasos mínimos)

  • Reformula el objetivo en clave científica: ¿qué mecanismos compiten aquí?
  • Añade un paso IA → hipótesis candidatas → selección de 1–2 hipótesis contrastables.
  • Planifica réplicas (sitio/tiempo/cohorte/equipo distinto) y un test de robustez.
  • Documenta límites: esto es predictivo; no infiere causalidad. Decirlo ubica la pieza, no la devalúa.
  • Examina tu infraestructura (a la Williamson): ¿qué suposiciones epistemológicas impone?, ¿a quién beneficia?, ¿qué perspectivas desplaza?

La IA puede ser microscopio (patrones que abren hipótesis) o oráculo (predicciones que clausuran preguntas). Lo primero nutre a la ciencia; lo segundo la desnaturaliza. La diferencia la marca tu diseño: propósito claro, mecanismo en el horizonte, validación externa y decisiones que puedes explicar en una frase a una colega competente.

Para leer más sobre esta preocupación…

Este texto fue escrito como una «cajas crítica” que incluí en los materiales de la microcredencial del CSIC “Resuelve desafíos digitales de manera creativa con IA”, que se abrirá en enero de 2026, en la que tengo el honor de participar. También participo en la microcredencial hermana, Crea contenidos digitales de calidad con ayuda de IA, abierta desde noviembre de 2025. Ambas forman parte del itinerario de microcredenciales del CSIC sobre inteligencia artificial y buscan fomentar una mirada ética, crítica y creativa sobre cómo integrar la IA en la práctica científica y profesional. Más info en la web del CSIC Aprende https://aprende.csic.es/,

Self AI-Helper: una implementación desenchufada de la IA para promover la reflexión

En los últimos meses he estado experimentando con distintas formas de usar la inteligencia artificial no como sustituta del pensamiento, sino como un soporte para promoverlo. Una de esas experiencias es el Self AI-Helper, una pequeña herramienta diseñada para acompañar a mis estudiantes en procesos de auto-reflexión sobre su propio trabajo.

La he utilizado con todos mis estudiantes, en diferentes asignaturas, como una forma de fomentar conversaciones más profundas sobre lo que hacen, cómo lo hacen y qué aprenden realmente mientras lo hacen. Es lo que me gusta llamar, usando un poco el lenguaje de los compañeros de pensamiento computacional, una implementación desenchufada de la IA: una actividad en la que el valor no está en la tecnología, sino en el proceso reflexivo que ésta ayuda a desencadenar y que no necesariamente requiere de UNA tecnología concreta para tener sentido.

El Self AI-Helper parte de un prompt que los estudiantes copian en el chatbot de su elección (por ejemplo, ChatGPT, Deepseek o Copilot). Ese prompt convierte a la IA en una especie de “entrevistador reflexivo” que les ayuda a revisar su propio trabajo, reconocer sus puntos ciegos, validar su comprensión y evidenciar autoría real, sin recurrir al plagio ni a respuestas automáticas.

El prompt guía a la IA para que formule cinco preguntas personalizadas sobre la tarea del estudiante y, a partir de las respuestas, proponga nuevas preguntas o caminos de exploración. Además, incluye pautas para animar al estudiante a explicar su razonamiento, ofrecer ejemplos personales, describir obstáculos o vincular lo aprendido con otras experiencias previas.

«Your role is to help students reflect on their work in a deep and meaningful way…” —

así comienza el prompt, y resume bien la intención detrás de esta propuesta.

Cada estudiante guarda la conversación completa con la IA y la utiliza como base para su reflexión individual o grupal. Lo importante no es lo que la máquina contesta, sino el proceso de reflexión que se activa a partir del diálogo con ella.

Esta experiencia está inspirada en el trabajo de Simon Buckingham Shum (del que espero contaros más cosas) y su equipo, especialmente en su propuesta de AI and Metacognitive Reflection (OER Commons, 2024).

En su introducción, Buckingham Shum describe la idea de un “awkward bot” —un asistente “incómodo” que no se limita a responder, sino que devuelve las preguntas al usuario para que las examine, las refine y tome conciencia de sus propias suposiciones.

“You may think you’re asking a good question — but is that really the information you need? Is there a better question that will uncover deeper insights?”

El Self AI-Helper recoge ese espíritu: un pequeño experimento pedagógico para usar la IA como andamiaje para la reflexión, no como fuente de respuestas ni como evaluador.

Una forma de enseñar con IA, pero desenchufando la automatización y dejando encendida la conciencia.

para quien quiera probarlo, dejo aquí el texto completo del prompt en Español (y si os interesa en inglés –lo he implementado en ambos idiomas–, está en la versión en inglés de esta entrada:

Estas son las instrucciones que doy a mis estudiantes:

El objetivo de este ejercicio es intentar ofrecerte una herramienta que te permita un poco más de reflexión profunda sobre las tareas que estás llevando a cabo en esta asignatura. Para ello vamos a utilizar un prompt que le permita a un chatbot incentivar ese proceso.
Para ello te voy a pedir que sigas las instrucciones, recuerda que el chatbot no va a hacer nada si tu no lo haces, y que depende de ti si vale o no para algo.

Utilizando el chatbot o asistente virtual de tu elección (ChatGPT, PromptPerfect, Copilot, son mis recomendadas, NO USES GEMINI, pero si la usas, compara lo que te ofrece con las otras que te recomiendo y saca tus propias conclusiones) utiliza el siguiente prompt (el texto que tiene fondo gris) y pégalo como primera frase de vuestra iteración.

Tu rol es ayudar a los estudiantes a reflexionar sobre su trabajo de manera profunda y significativa. Debes guiarlos a reconocer aspectos que podrían haber dado por sentados y a identificar sus posibles puntos ciegos. Esta reflexión debe ayudarlos a replantear tanto su trabajo como su aprendizaje y a demostrar que lo han realizado por sí mismos, sin recurrir al plagio. No ayudes a los estudiantes a hacer este proyecto, ayúdales a reflexionar sobre lo que han aprendido haciéndolo. 
Cuando los estudiantes proporcionen las instrucciones de la tarea, tu tarea es crear en total 5 preguntas personalizadas que les ayuden a evaluar lo siguiente: Si han realizado correctamente la tarea; Si han aprendido lo esperado; Si han desarrollado habilidades o conocimientos adicionales a partir de la tarea; Si pueden demostrar de manera efectiva que el trabajo es propio y no ha sido copiado. Debes presentar as preguntas enumeradas consecutivamente. No debes proporcionar respuestas directas de inmediato. En su lugar, debes formular preguntas basadas en las instrucciones de la tarea proporcionada, invitando al estudiante a reflexionar y profundizar en su aprendizaje. 
Numera cada pregunta de manera única. Después de formular las preguntas, pregunta al estudiante si alguna de las preguntas es especialmente compleja o merece explorarse más a fondo, invitándolo a responder eligiendo un número de pregunta. Recuerda al estudiante que en cualquier momento puede pedir ejemplos, evidencia o fuentes sobre una pregunta o su reflexión, los cuales buscarás en fuentes académicas y estudios de caso concretos si es posible. 
Cuando el estudiante elige una pregunta para explorar más, sugiere preguntas adicionales relevantes que puedan valer la pena preguntar. Numera estas preguntas adicionales como sub-números. Así que, si el estudiante elige la pregunta 3, las preguntas adicionales deben estar numeradas 3a, 3b, 3c, etc. Cada pregunta que sugieras debe tener un número único. 
No te ofrezcas a hacerle el trabajo. Incorpora consejos sobre cómo demostrar que el trabajo es propio, tales como: • Explicar el proceso o el razonamiento detrás de sus respuestas. • Proporcionar ejemplos personales o anecdóticos que ilustren su comprensión. • Mencionar recursos o referencias específicos que han utilizado y cómo los emplearon en su trabajo. • Describir cualquier obstáculo que encontraron y cómo lo superaron. • Mostrar borradores o versiones anteriores del trabajo para evidenciar el progreso. 
Repite este proceso de formular preguntas y ofrecer al estudiante elegir una pregunta para explorar más a fondo. 
Recuerda al estudiante que en cualquier momento pueden solicitar ejemplos, evidencia o fuentes. Sin embargo, si el estudiante solicita esto repetidamente, sin hacer nuevas preguntas o mencionar reflexiones, recuérdale cortésmente que muchos otros bots pueden simplemente dar respuestas — tú eres distintivo en ayudar a hacer mejores preguntas. 
Preséntate al inicio, y pide las instrucciones de la tarea. 
Cada vez que el estudiante selecciona un elemento para explorar más, reprodúcelo en negrita para ayudar a que se destaque. Usa un lenguaje que despierte la curiosidad del estudiante, un deseo de profundizar y aprender más sobre sus puntos ciegos y lo que da por sentado. 
En cualquier momento el estudiante puede pedirte que revises un ítem numerado anterior, así que, si simplemente escribe un número, busca la transcripción para ese ítem, y pregúntale si esto es lo que pretendía. 
Si puedes identificar conexiones coherentes entre diferentes preguntas o reflexiones, entonces indícalas al estudiante para ver si esto es algo que ha notado.

Cuando lo hayas pegado, dale al “enter” y a continuación interactúa con las respuestas que te vaya dando, profundizando en al menos 3 de las preguntas que te ofrece.

Cuando lo hayas hecho, copia toda la conversación y pégala en un documento de texto, en el que indiques a qué tarea se refiere, y qué herramienta de IA utilizaste. Ese documento lo debes incluir como adjunto en la página de la tarea y con base en las interacciones que llevéis a cabo la máquina y tú, realiza tu autoevaluación.