Una profesora de caracterización de materiales entrega a cada equipo una probeta de acero al carbono que pasó por un tratamiento térmico que ellos desconocen. La tarea: con un ensayo de tracción y una micrografía, decir qué tratamiento recibió y si fue el adecuado para la pieza que va a fabricar el taller. Lo que ella revisa es cómo leyeron la curva y la imagen, no el número que arrojó la máquina: la IA puede proponer hipótesis sobre un patrón (por ejemplo, «la estricción corta sugiere un revenido incompleto»); comprobarlas contra los datos propios y contra la teoría, y decidir qué se reporta, es trabajo de la estudiante.
Qué es y para qué sirve#
El análisis de materiales caracteriza propiedades físicas, químicas o estructurales mediante técnicas estándar (SEM, DRX, ensayos mecánicos, espectroscopias). Lo que el estudiante aprende: a dominar la técnica (saber qué velocidad de carga usar y por qué), a leer los resultados con crítica y a explicar lo que ve con la teoría que ya conoce.
Dónde entra la IA en este tipo de trabajo: verifica que los parámetros del ensayo sean los adecuados (por ejemplo, que la velocidad de carga cumpla la norma para acero), sugiere hipótesis a verificar a partir de los datos («la zona de estricción corta podría indicar un revenido incompleto») y contrasta la interpretación con la teoría establecida. La adquisición y la conclusión son del estudiante.
Taxonomía de Bloom y progresión de prompts#
Nivel dominante 4 — Analizar (la lectura de patrones y anomalías en los resultados). Para ti, la tabla es un banco de prompts: copia el de la fase en la que tu grupo se atasca (casi siempre la lectura de resultados, cuando aceptan la primera explicación que les dan) y sustituye los corchetes por tu material y tu técnica.
Desliza horizontalmente para consultar todas las columnas.
| Nivel de la taxonomía de Bloom | Movimiento del análisis | Qué hace el estudiante | Prompt sugerido |
|---|---|---|---|
| 3 — Aplicar | Parámetros de la técnica | Conoce los parámetros estándar y críticos | “Voy a analizar [material/probeta] mediante [técnica: SEM, DRX, ensayo de tracción, etc.]. ¿Qué parámetros operativos son estándar y cuáles condicionan los resultados?” |
| 4 — Analizar (dominante) | Patrones e hipótesis | Recibe hipótesis para verificar sobre los datos | “Tengo estos resultados: [datos o gráficas descritas]. ¿Qué patrones o anomalías ves y a qué fenómenos podrían atribuirse? No concluyas; sólo señala hipótesis a verificar.” |
| 5 — Evaluar | Consistencia con teoría | Contrasta su interpretación con el marco teórico | “He concluido que el material tiene [propiedad/comportamiento]. ¿Mi interpretación es consistente con la teoría [referencia] o hay tensiones que tendría que discutir?” |
Competencias que desarrolla#
- Ingeniería — operación informada de técnicas de caracterización, interpretación cuantitativa.
- Investigación — formulación de hipótesis a partir de lo que muestran los datos (una curva, una micrografía) y contraste con la teoría establecida.
Secuencia de la actividad (proceso → producto)#
Fase 1 — Técnica y parámetros
Antes del ensayo
Selección de la técnica y verificación con IA de parámetros operativos críticos.Fase 2 — Adquisición
Sin IA
Ejecución del análisis en laboratorio con protocolos y registro fiel. La IA no participa en la adquisición.Fase 3 — Lectura de resultados
Patrones e hipótesis
La IA sugiere hipótesis sobre patrones; el estudiante las verifica con sus datos.Fase 4 — Contraste con teoría
Discusión
Confrontación de la interpretación con el marco teórico y discusión de tensiones si las hay.
Qué entrega el estudiante además del reporte#
Riesgo bajo de sustitución de autoría: los datos crudos del instrumento son difíciles de fabricar. Lo que más te dice es si cada frase de la interpretación se puede rastrear a un dato propio (la curva, la imagen) o a una referencia:
Desliza horizontalmente para consultar todas las columnas.
| Evidencia | Estado | Forma concreta |
|---|---|---|
| Bitácora del diálogo con IA | recomendada | Registro breve por fase: qué se pidió, qué se aceptó o descartó y qué se comprobó; no la conversación completa |
| Datos crudos del instrumento | obligatoria | Archivos nativos con metadatos |
| Protocolo de ensayo seguido | obligatoria | Versión propia documentada |
| Anotaciones de validación | obligatoria | Qué hipótesis se confirmaron y cuáles se descartaron con argumento |
| Justificación teórica de la interpretación | obligatoria | Referencias citadas verificadas |
| Bitácora metacognitiva | recomendada | Qué aprendió sobre leer la técnica |
| Declaración de uso de IA | obligatoria | Modelo, contexto y propósito |
Cómo se evalúa (rúbrica de proceso)#
Con esta rúbrica revisas la bitácora y las anotaciones de validación, no sólo el reporte; ajusta los pesos a tu curso (por ejemplo, más peso a «uso crítico de la respuesta» si tu grupo tiende a reportar la hipótesis de la IA como conclusión):
Desliza horizontalmente para consultar todas las columnas.
| Criterio | N1 Inicial | N2 En desarrollo | N3 Competente | N4 Avanzado | Peso |
|---|---|---|---|---|---|
| Pertinencia del prompt | Vago | Relación parcial | Claro y adecuado | Pertinente y estratégico | 10% |
| Nivel cognitivo del prompt | Pide la conclusión | Algo de análisis | Análisis de patrones | Pensamiento crítico — IA como sugerente de hipótesis | 15% |
| Uso crítico de la respuesta | Acepta sin cuestionar | Cuestiona poco | Contrasta y analiza | Evalúa y reformula | 20% |
| Integración en el trabajo | Copia | Uso limitado | Integra y adapta | Transforma; la interpretación es propia | 20% |
| Iteración del prompt | No ajusta | Ajustes mínimos | Mejora prompts | Itera estratégicamente | 10% |
| Metacognición | No reflexiona | Reflexión superficial | Explica su aprendizaje | Analiza decisiones interpretativas | 15% |
| Uso ético | Inadecuado | Básico | Adecuado | Crítico y consciente | 10% |
Riesgos y salvaguardas#
- Conclusión sin verificación. El estudiante acepta la hipótesis de IA como conclusión. Salvaguarda: el prompt pide hipótesis “a verificar”.
- Parámetros operativos incorrectos. Salvaguarda: revisión cruzada contra protocolo del laboratorio.
- Interpretación inconsistente con la teoría. Salvaguarda: el prompt nivel 5 obliga a contrastar con teoría establecida.
- Datos manipulados. Salvaguarda: archivos nativos del instrumento obligatorios.
Asignatura de ejemplo#
Ingeniería de materiales, química, metalurgia, caracterización de materiales, ciencia de materiales.
Ejemplos y enlaces#
- Trabajo cercano: Reporte técnico con IA — comunicación del análisis.
- Trabajo cercano: Metrología con IA — manejo de incertidumbre análogo.
- Trabajo cercano: Investigación aplicada con IA — marco mayor.