A continuación, proporciono ejemplos de cómo puedes solicitar a ChatGPT que genere diferentes tipos de visualizaciones (gráficos) con lenguaje no técnico. Debes combinar ChatGPT4 con plugins como Diagr.am, Wolfram o Noteable para obtener los gráficos. Además, como estos modelos de lenguaje son verbosos, seguramente terminará el proceso con una explicación de los resultados visuales (aún no habiéndola pedido). Si usas un modelo de lenguage como ChatGPT3.5 no será capaz de generar el gráfico, pero sí de crear el código correspondiente que podrás ejecutar en local:
1. Gráficos de barras
- «Quiero comparar el número de estudiantes que participan en diferentes actividades extracurriculares. ¿Puedes crear un gráfico de barras que muestre la cantidad de alumnos para cada actividad?»
- Datos a proporcionar después del prompt: lista de actividades y sus estudiantes correspondientes
- «Tengo datos sobre las calificaciones de los estudiantes de diferentes grupos. Quiero comparar su rendimiento de manera visual. ¿Puedes ayudarme a crear una representación visual que muestre las diferencias en las calificaciones promedio de cada clase?»
- Datos a proporcionar después del prompt: grupo al que pertenecen los alumnos, calificaciones de cada asignatura y alumnos correspondientes.
2. Gráficos de líneas
- «Quiero seguir el progreso de las calificaciones de los estudiantes durante el curso de un semestre. ¿Puedes ayudarme a crear una representación visual que muestre cómo cambian sus calificaciones con el tiempo?»
- Datos a proporcionar después del prompt: fecha de la calificación, calificación, actividad y alumnos correspondientes.
- «Quiero analizar el rendimiento de los estudiantes en diferentes materias a lo largo de varios exámenes. ¿Puedes ayudarme a crear una representación visual que muestre las variaciones en sus calificaciones a lo largo del tiempo?»
- Datos a proporcionar después del prompt: fecha de la calificación, calificación, actividad, materia y alumnos correspondientes.
3. Gráficos de sectores
- «Quiero visualizar la distribución de las calificaciones entre los estudiantes. ¿Puedes ayudarme a crear una representación visual que muestre el porcentaje de estudiantes en cada categoría de calificación?»
- «Quiero analizar la composición demográfica de la población estudiantil. ¿Puedes ayudarme a crear una representación visual que muestre el porcentaje de estudiantes de diferentes grupos demográficos?»
4. Gráficos de radar
- «Quiero comparar el rendimiento de los estudiantes en diferentes materias a lo largo de varios exámenes. ¿Puedes ayudarme a crear una representación visual que muestre las fortalezas y debilidades de cada estudiante en un gráfico de múltiples ejes?»
- Datos a proporcionar después del prompt: asignaturas, notas de exámenes de cada asignatura y alumnos correspondientes.
- «He recopilado datos sobre las habilidades de los estudiantes en diversas áreas, como comunicación, resolución de problemas, trabajo en equipo, etc. ¿Puedes ayudarme a crear una representación visual que muestre los niveles de competencia de cada estudiante en un gráfico de múltiples ejes?»
- Datos a proporcionar después del prompt: áreas de habilidad, niveles de competencia para cada habilidad y los estudiantes correspondientes.
Recuerda siempre que aunque los LLM pueden facilitar el análisis de datos educativos, el juicio humano y el conocimiento pedagógico siguen siendo esenciales para interpretar y aplicar estos datos de manera efectiva. Los LLM son herramientas que, cuando se utilizan correctamente, pueden complementar y enriquecer nuestras prácticas educativas existentes. Usa los LLM como asistentes sin compartir datos personales cuando estos no se usen en local.
1 Donate, B., García-Peñalvo, F. J., & Amo, D. (2021, September). Learning Analytics in K-12 Spanish education: a systematic mapping study. In 2021 XI International Conference on Virtual Campus (JICV) (pp. 1-4). IEEE. https://ieeexplore.ieee.org/abstract/document/9600315/
2 Donate Beby, B., García-Peñalvo, F. J., & Amo-Filvà, D. (2023, May). Data Literacy for the Development of Learning Analytics in K-12 Environments. In Proceedings TEEM 2022: Tenth International Conference on Technological Ecosystems for Enhancing Multiculturality: Salamanca, Spain, October 19–21, 2022 (pp. 1370-1376). Singapore: Springer Nature Singapore. https://link.springer.com/chapter/10.1007/978-981-99-0942-1_146
3 Donate, B., García-Peñalvo, F. J., Amo, D., de Torres, E., & Herrero-Martín, J. (2022, June). An Instrument for Self-assessment of Data Literacy at the Micro, Meso, and Macro Educational Levels. In Learning and Collaboration Technologies. Designing the Learner and Teacher Experience: 9th International Conference, LCT 2022, Held as Part of the 24th HCI International Conference, HCII 2022, Virtual Event, June 26–July 1, 2022, Proceedings, Part I (pp. 228-237). Cham: Springer International Publishing. https://link.springer.com/chapter/10.1007/978-3-031-05657-4_16
Entrada con asistencia de ChatGPT4 (+plugin Noteable) y Open-Assistant