Hacia una metodología automatizada para identificar habilidades científicas en informes de laboratorio de Física
Se presenta una metodología automatizada para detectar habilidades científicas en informes de laboratorio de Física Experimental. La propuesta integra el análisis cualitativo para construir una guía de anotación, fundamentada en las áreas clave de la AAPT y en la Taxonomía Revisada de Bloom, con téc...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Artículo revista |
| Lenguaje: | Español |
| Publicado: |
Asociación de Profesores de Física de la Argentina
2026
|
| Materias: | |
| Acceso en línea: | https://revistas.unc.edu.ar/index.php/revistaEF/article/view/52388 |
| Aporte de: |
| Sumario: | Se presenta una metodología automatizada para detectar habilidades científicas en informes de laboratorio de Física Experimental. La propuesta integra el análisis cualitativo para construir una guía de anotación, fundamentada en las áreas clave de la AAPT y en la Taxonomía Revisada de Bloom, con técnicas de Inteligencia Artificial, en particular de Procesamiento del Lenguaje Natural. El corpus anotado estuvo conformado por 1594 enunciados extraídos de informes de estudiantes y se utilizó en el entrenamiento y validación de modelos de aprendizaje automático supervisado (Multi-layer Perceptron, Regresión Logística y k-Nearest Neighbors) y de grandes modelos de lenguaje (LLM) como Llama3-8B-Instruct y Gemini 2.5 Flash-Lite. Los resultados muestran que los LLM alcanzan un desempeño comparable al de los modelos supervisados en algunas clases, aunque persisten dificultades compartidas con los evaluadores humanos durante la anotación. La metodología propuesta constituye una herramienta para orientar la toma de decisiones pedagógicas fundamentadas en evidencia en los cursos de Física Experimental. |
|---|