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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Pagella, Lorena, Stari, Cecilia, Rosá, Aiala
Formato: Artículo revista
Lenguaje:Español
Publicado: Asociación de Profesores de Física de la Argentina 2026
Materias:
Physics laboratory
Laboratory reports
Scientific skills
Natural language processing
Artificial Intelligence
Física Experimental
Informes de laboratorio
Habilidades científicas
Procesamiento del lenguaje natural
Inteligencia Artificial
Acceso en línea:https://revistas.unc.edu.ar/index.php/revistaEF/article/view/52388
Aporte de:
Revista de Enseñanza de la Física de Universidad Nacional de Córdoba
id I10-R316-article-52388
record_format ojs
spelling I10-R316-article-523882026-04-21T23:58:50Z Hacia una metodología automatizada para identificar habilidades científicas en informes de laboratorio de Física Towards an automated methodology for identifying scientific skills in physics laboratory reports Pagella, Lorena Stari, Cecilia Rosá, Aiala Physics laboratory Laboratory reports Scientific skills Natural language processing Artificial Intelligence Física Experimental Informes de laboratorio Habilidades científicas Procesamiento del lenguaje natural Inteligencia Artificial 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. An automated methodology is presented for detecting scientific skills in Experimental Physics lab reports. The proposal integrates qualitative analysis to construct an annotation guide, grounded in key areas of AAPT and Bloom’s Revised Taxonomy, with Artificial Intelligence techniques, particularly Natural Language Processing. The annotated corpus consisted of 1,594 statements extracted from student reports and was used in the training and validation of supervised machine learning models (Multi-layer Perceptron, Logistic Regression, and k-Nearest Neighbors) as well as large language models (LLMs) such as Llama-3-8B-Instruct and Gemini 2.5 Flash-Lite. The results show that LLMs achieve performance comparable to supervised models in some categories, although shared difficulties with human annotators persist during the annotation process. The proposed methodology constitutes a tool to guide evidence-based pedagogical decision-making in Experimental Physics courses. Asociación de Profesores de Física de la Argentina 2026-04-21 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf text/html https://revistas.unc.edu.ar/index.php/revistaEF/article/view/52388 10.55767/2451.6007.v38.n1.52388 Revista de Enseñanza de la Física; Vol. 38 Núm. 1 (2026); 229-235 Revista de Enseñanza de la Física; v. 38 n. 1 (2026); 229-235 2250-6101 0326-7091 10.55767/2451.6007.v38.n1 spa https://revistas.unc.edu.ar/index.php/revistaEF/article/view/52388/53035 https://revistas.unc.edu.ar/index.php/revistaEF/article/view/52388/53100 http://creativecommons.org/licenses/by-nc-nd/4.0
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-316
container_title_str Revista de Enseñanza de la Física
language Español
format Artículo revista
topic Physics laboratory
Laboratory reports
Scientific skills
Natural language processing
Artificial Intelligence
Física Experimental
Informes de laboratorio
Habilidades científicas
Procesamiento del lenguaje natural
Inteligencia Artificial
spellingShingle Physics laboratory
Laboratory reports
Scientific skills
Natural language processing
Artificial Intelligence
Física Experimental
Informes de laboratorio
Habilidades científicas
Procesamiento del lenguaje natural
Inteligencia Artificial
Pagella, Lorena
Stari, Cecilia
Rosá, Aiala
Hacia una metodología automatizada para identificar habilidades científicas en informes de laboratorio de Física
topic_facet Physics laboratory
Laboratory reports
Scientific skills
Natural language processing
Artificial Intelligence
Física Experimental
Informes de laboratorio
Habilidades científicas
Procesamiento del lenguaje natural
Inteligencia Artificial
author Pagella, Lorena
Stari, Cecilia
Rosá, Aiala
author_facet Pagella, Lorena
Stari, Cecilia
Rosá, Aiala
author_sort Pagella, Lorena
title Hacia una metodología automatizada para identificar habilidades científicas en informes de laboratorio de Física
title_short Hacia una metodología automatizada para identificar habilidades científicas en informes de laboratorio de Física
title_full Hacia una metodología automatizada para identificar habilidades científicas en informes de laboratorio de Física
title_fullStr Hacia una metodología automatizada para identificar habilidades científicas en informes de laboratorio de Física
title_full_unstemmed Hacia una metodología automatizada para identificar habilidades científicas en informes de laboratorio de Física
title_sort hacia una metodología automatizada para identificar habilidades científicas en informes de laboratorio de física
description 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.
publisher Asociación de Profesores de Física de la Argentina
publishDate 2026
url https://revistas.unc.edu.ar/index.php/revistaEF/article/view/52388
work_keys_str_mv AT pagellalorena haciaunametodologiaautomatizadaparaidentificarhabilidadescientificaseninformesdelaboratoriodefisica
AT staricecilia haciaunametodologiaautomatizadaparaidentificarhabilidadescientificaseninformesdelaboratoriodefisica
AT rosaaiala haciaunametodologiaautomatizadaparaidentificarhabilidadescientificaseninformesdelaboratoriodefisica
AT pagellalorena towardsanautomatedmethodologyforidentifyingscientificskillsinphysicslaboratoryreports
AT staricecilia towardsanautomatedmethodologyforidentifyingscientificskillsinphysicslaboratoryreports
AT rosaaiala towardsanautomatedmethodologyforidentifyingscientificskillsinphysicslaboratoryreports
first_indexed 2026-04-27T05:29:32Z
last_indexed 2026-04-27T05:29:32Z
_version_ 1863600331795988480

Ejemplares similares