Taxonomía de prompts para optimizar la accesibilidad académica en sistemas de Inteligencia Artificial conversacional

Autores/as

  • María Andrea Guisen Universidad Abierta Interamericana. CONICET/CAETI, Argentina. Autor/a https://orcid.org/0000-0001-8704-0897
  • Luciano Nahuel Giorgi Universidad Abierta Interamericana. Facultad de Tecnología Informática, Argentina. Autor/a
  • Lisandro López Serra Universidad Abierta Interamericana. Facultad de Tecnología Informática, Argentina. Autor/a
  • Pamela Estefanía Acosta Universidad Abierta Interamericana. Facultad de Tecnología Informática, Argentina. Autor/a

DOI:

https://doi.org/10.59471/raia2025216

Palabras clave:

inteligencia artificial conversacional, educación superior, transformers, prompting, accesibilidad, taxonomía

Resumen

La creciente integración de la Inteligencia Artificial conversacional en la educación superior está generando demandas emergentes de alfabetización digital, entre ellas el desarrollo de competencias para formular prompts eficaces en lenguaje natural. Este trabajo aborda la accesibilidad como una necesidad sociotécnica derivada de la falta de competencias socialmente distribuidas para interactuar con tecnologías emergentes. En este sentido, mejorar la accesibilidad implica fortalecer capacidades que permitan al usuario común aprovechar plenamente el potencial de la IA conversacional. El objetivo central de la investigación es construir una taxonomía de prompt que clasifique las propiedades estructurales, funcionales, contextuales y expresivas de estas unidades textuales. Desde un enfoque aplicado, el estudio toma como caso de referencia las interacciones con ChatGPT en la Universidad Abierta Interamericana, con el fin de proporcionar una base conceptual que permita luego derivar estrategias de prompting orientadas a la práctica académica. Los resultados preliminares incluyen una matriz de dimensiones, variables e indicadores elaborada a partir de revisión bibliográfica reciente y discusiones en el equipo de investigación. Estos avances constituyen un fundamento para fortalecer la alfabetización digital universitaria y promover un uso más significativo y equitativo de la IA conversacional.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Luciano Nahuel Giorgi, Universidad Abierta Interamericana. Facultad de Tecnología Informática, Argentina.

     

     

Referencias

Anderson, L. W., & Krathwohl, D. R. (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. Longman.

Ashok, D., & Poczos, B. (2024). Controllable text generation in the instruction-tuning era. arXiv. https://arxiv.org/abs/2405.01490

Ayala, S. (2023). ChatGPT as a universal design for learning tool: Supporting college students with disabilities. Educational (Re)naissance, 12(1), 23–41. https://doi.org/10.33499/edren.v12i1.3866

Edutopia. (2025, May 7). 5 teacher-tested AI tools for beginners. https://www.edutopia.org/article/ai-tools-teachers-try/

Google for Education. (2025). AI resources in education. https://edu.google.com/ai-resources-in-education/

Google. (2025). NotebookLM [AI research and summarization tool]. https://notebooklm.google.com/

Gouveia, T., Raposo, R., & Morais, N. S. (2023). Artificial intelligence and academic research: An exploratory study with master's students. IEEE. https://doi.org/10.1109/SIIE59826.2023.10423679

Hedlin, E., Estling, L., & Wong, J. (2025). Got it! Prompting readability using ChatGPT to enhance academic texts for diverse learning needs. ACM Digital Library. https://doi.org/10.1145/3706468.3706483

Knoth, N., Tolzin, A., Janson, A., & Leimeister, J. M. (2024). AI literacy and its implications for prompt engineering strategies. Computers and Education: Artificial Intelligence, 5, 100225. https://doi.org/10.1016/j.caeai.2024.100225

Lo, L. S. (2023). The CLEAR Path: A framework for enhancing information literacy through prompt engineering. The Journal of Academic Librarianship, 49(4), 102720. https://doi.org/10.1016/j.acalib.2023.102720

Michaeli, T., Romeike, R., & Seegerer, S. (2023). What students can learn about artificial intelligence: Recommendations for K–12 computing education. In Proceedings of the World Conference on Computers in Education (WCCE 2022). https://arxiv.org/abs/2305.06450

Naciones Unidas. (2006). Convención sobre los Derechos de las Personas con Discapacidad (CDPD). https://www.un.org/disabilities/documents/convention/convoptprot-s.pdf

Ng, D. T. K., Leung, J. K. L., Su, J., Ng, R. C. W., & Chu, S. K. W. (2023). Teachers’ AI digital competencies and twenty-first century skills in the post-pandemic world. Educational Technology Research and Development, 71, 137–161. https://doi.org/10.1007/s11423-023-10203-6

OpenAI. (2025). ChatGPT (GPT-5) [Large language model]. https://chat.openai.com/

Perplexity AI. (2025). Perplexity [Conversational AI search engine]. https://www.perplexity.ai/

Purdue Libraries. (2025). AI tools for teaching and learning. Purdue University. https://guides.lib.purdue.edu/AItools

Schulhoff, S., Dettmers, T., Wojcik, S., Schoelkopf, H., Sawhney, R., Sahu, A., Velicheti, R., & Biderman, S. (2024). The Prompt Report: A systematic survey of prompt engineering techniques. arXiv. https://arxiv.org/abs/2406.06608

Torres Molina, K., & Blanco Pérez, I. (2023). Arquitectura de prompts académicos para el uso de inteligencias artificiales (AI) en Areandina: Desafíos, experiencias y obstáculos. Revista Investigaciones Andina, 25(46), 62–81. https://doi.org/10.15765/pnrm.v17i32.3681

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30. https://arxiv.org/pdf/1706.03762

Wang (王梦倩), M., & Guo (郭文革), W. (2023). The Potential Impact of ChatGPT on Education: Using History as a Rearview Mirror. ECNU Review of Education, 8(1), 41-48. https://doi.org/10.1177/20965311231189826 (Original work published 2025)

Wang, M., Wang, M., Xu, X., Yang, L., Cai, D., & Yin, M. (2023). Unleashing ChatGPT's power: A case study on optimizing information retrieval in flipped classrooms via prompt engineering. IEEE Transactions on Learning Technologies, 17, 629-641. https://ieeexplore.ieee.org/document/10285884

White, J., et al. (2023). A prompt pattern catalog to enhance prompt engineering with ChatGPT. arXiv. https://arxiv.org/abs/2302.11382

Willamette University. (2025). AI tools & Google Education: Analysis of AI tools. https://libguides.willamette.edu/ai

Zhong, R., Xu, Y., Zhang, C., & Yu, J. (2024). Leveraging large language model to generate a novel metaheuristic algorithm with CRISPE framework. Cluster Computing, 27(10), 13835–13869. https://doi.org/10.1007/s10586-024-04654-6

Descargas

Publicado

2025-12-29

Cómo citar

1.
Guisen MA, Giorgi LN, López Serra L, Acosta PE. Taxonomía de prompts para optimizar la accesibilidad académica en sistemas de Inteligencia Artificial conversacional. Revista Abierta de Informática Aplicada [Internet]. 2025 Dec. 29 [cited 2026 Jan. 14];9(1):36-51. Available from: https://raia.revistasuai.ar/index.php/raia/article/view/216