12 prompts para buscadores con inteligencia artificial en trabajos académicos y de curación de contenidos

En lo que sigue presentaremos 12 modelos de prompts para buscadores con inteligencia artificial generativa que pueden ser útiles para trabajos académicos o de curación de contenidos. Presentaremos cada prompt con este esquema:

  • Nombre
  • Ejemplo
  • Explicación
  • [Opcionalmente] Enlace a un ejemplo de ejecución del prompt con una IA

Antes de presentar los 12 prompts, necesitamos considerar tres cosas: qué tipos de buscadores de IA podemos utilizar, cuál es la estructura de la respuesta de un buscador con IA, y cómo podemos incorporaremos los posibles contenidos a un trabajo, en especial de tipo académico, aunque las recomendaciones se pueden extrapolar a la curación profesional.

Algunos trabajos académicos y las actividades de curación profesionales comparten requerimientos. En ambos casos necesitamos no solo sistemas eficaces, sino también muy fiables y sobre todo, que puedan proporcionar fuentes que hagan a los contenidos verificables.

Buscadores de IA recomendables

En el contexto académico o de una curación de contenidos profesional los buscadores con IA más recomendables son los que mantienen el estándar de calidad consistente en proporcionar fuentes.

Los mejores son aquellos que relacionan las fuentes con las afirmaciones o proposiciones particulares que forman la síntesis narrativa. Ver en la siguiente captura un ejemplo con Perplexity:

Un ejemplo de vinculación de afirmaciones con fuentes. Ejemplo tomado de Perplexity (prompt tipo 9)

Podemos usar, aunque son menos recomendables los que proporcionan fuentes como una lista final, sin vincularlas con el cuerpo de la síntesis narrativa.

No son recomendables en absoluto los que son incapaces de proporcionar alguna clase de fuentes o presentan fuentes sin enlaces, por tanto, no verificables.

En el momento de redactar esta entrada, los buscadores con IA que pueden ser útiles para trabajos académicos son los siguientes (en negrita los más destacados):

  • Perplexity
  • Phind
  • Komo AI
  • Microsoft Copilot

Los casos de ChatGPT y Google Gemini

Hay modelo de IA que no han desarrollado su faceta como buscadores. Es el caso notable de ChatGPT que en cambio es muy utilizado para un amplio rango de tareas académicas. Por otro lado, el hecho de que no usemos ChatGPT como buscador, no significa que no usemos el modelo GPT, ya que este forma parte de varios de los buscadores recomendados (Perplexity, Phind). Para entender esto es conveniente entender que el modelo de IA es GPT, y que ChatGPT es solamente una de las interfaces con la que podemos utilizarlo.

Por lo que hace a Google Gemini, lo cierto es que es una especie de híbrido entre un modelo de IA generativa y un buscador. Pero respecto a proporcionar fuentes, es el peor de todos, y no podemos recomendarlo, al menos por el momento.

Estructura de la página de resultados de un buscador con IA

La página de resultados de un buscador con IA tiene tres partes:

  • Síntesis narrativa. Un contenido textual en forma de explicaciones, argumentos, teorías, etc. que aportan una respuesta al prompt. Es una síntesis de informaciones tomadas de la lista de fuentes.
  • Lista de fuentes. Referencias, páginas web, etc. de las que la IA generativa ha construido su respuesta. Las mejores IA vinculan cada fuente a uno o más de los párrafos que forman la síntesis narrativa.
  • Conjunto de nuevos prompts. Conjunto de nuevos prompts para seguir explorando el tema con otros enfoques, perspectivas, etc.

Marco de utilización

  • Lectura atenta de la síntesis narrativa. Cada respuesta suele tener unos pocos centenares de palabras, por lo cual la lectura detallada y atenta es fácil. Esta lectura nos permite identificar ideas principales y las referencias o documentos asociados a cada idea. Seleccionaremos las ideas que nos resulten útiles y las relacionaremos con cada fuente.
  • Acceso a las fuentes. Del resultado de la lectura de la síntesis narrativa seleccionaremos uno o más contenidos junto con las fuentes correspondientes, a las que debemos acceder.
  • Verificación. Con el examen de las fuentes seleccionadas verificaremos la validez de los contenidos que hemos tomado.
  • Incorporación de contenidos. Cada uno de los contenidos que hayamos tomado los incorporaremos a nuestro trabajo bajo la condición que corresponda según su naturaleza: ideas, datos, argumentos, teorías, etc. Podemos incorporar esos contenidos de forma literal o mediante parafraseo.
  • Atribución y citación. En los dos casos, usaremos las buenas prácticas habituales de atribución, citación y referencia. Esto significa que, si incorporamos fragmentos literales, tendremos que identificarlos de modo adecuado mediante comillas (menos de 40 palabras) o mediante tipografía diferenciada si son más extensos, y atribuida a la fuente mediante el sistema parentético (autor, año) o similar. Si parafraseamos, tendremos que atribuir igualmente la idea parafraseada a la fuente correspondiente mediante el mismo sistema parentético o equivalente. Después, en las referencias deberán figurar todas las fuentes citadas en el cuerpo del trabajo. En el caso extremo de que no podamos atribuir alguno de los contenidos a ninguna de las fuentes, lo atribuiremos a la IA usando las normas de citación para estos casos (ver APA, p.e.)
  • Transparencia. Como parte del uso ético, si la IA ha acabado aportando resultados significativos, será conveniente explicar en la metodología el uso de la misma. Esto será imprescindible si en algún caso no hemos podido atribuir algún contenido a las fuentes, sino que hemos debido hacerlo a la IA. En este caso, este contenido, según su naturaleza, deberá haber sido previamente evaluado o verificado según corresponda.

12 TIPOS DE PROMPTS PARA BUSCADORES CON IA


El escenario temático elegido es el de la comunicación social, cosa que quedará de manifiesto en los ejemplos. El lector interesado podrá extrapolar cada tipo de prompt a su especialidad sin problemas (o eso esperamos).

Otra cuestión es una de las funcionalidades que adoptamos como paraguas. Se trata de acelerar procesos que ayuden a establecer el marco teórico o conceptual en trabajos académicos tales como un trabajo de final de máster o una tesis doctoral.

Otra, como ya hemos dicho es la curación de contenidos. En ambos casos, nos situamos en las fases iniciales, de modo que cualquier fórmula que ayude a agilizar procesos será especialmente bienvenida.

Fases posteriores, que podrá haberse clarificado gracias a la IA pueden requerir procesos convencionales de revisión de la literatura, ya sea sistematizada o tradicional, utilizando otros sistemas. p.e. bases de datos como Scopus y WoS, o incluso modelos de IA que se basan exclusivamente en artículos científicos, como Elicit, Scispace o Scite AI.

Prompt tipo 1: Pregunta Sí/NO + línea de desarrollo

Ejemplo ¿El periodismo de soluciones puede reducir la evitación de noticias? Desarrolla la respuesta.
Explicación Para sistemas de IA que evalúan si se cumple una relación o una hipótesis. Suelen añadir una línea de desarrollo o discusión de forma habitual, pero mejor si lo solicitamos expresamente. No siempre funciona. La IA puede interpretar mal el prompt. Por otro lado, hay preguntas que pueden carecer de una respuesta concluyente.

Prompt tipo 2: Conceptual

Ejemplo En el contexto de la lógica y la filosofía de la ciencia qué es la abducción. Clarifica la diferencia entre abducción, inducción y deducción. Presenta ejemplos que ayuden a discriminar los tres modos de inferencia.
Explicación Es uno de los usos más básicos y a la vez más útiles de las IA. Suelen resolver muy bien estas instrucciones.

Prompt tipo 3: Cadena de acciones

Ejemplo Primero explica el Objetivo de Desarrollo Sostenible (ODS) número 1 Fin de la pobreza. Segundo, explica de qué forma la comunicación audiovisual mediante producciones de cine, televisión o series puede colaborar con la consecución del ODS 1. Proporciona ejemplos de estos tipos de producciones.
Explicación Se trata de conducir la cadena de “pensamientos” de la IA. Puede dar muy buenos resultados.

Prompt tipo 4: Relacional

Ejemplo Describe de manera detallada y mediante razonamientos bien fundados las principales dimensiones de la relación entre el periodismo de investigación y el concepto de objetividad. Proporciona ejemplos.
Explicación Buscamos que la IA proporcione relaciones lógicas entre dos conceptos y las argumente de modo suficiente. Puede aportar mucha información y servir como un buen elemento de aceleración de los primeros pasos en un tema.

Prompt tipo 5: Estructural

Ejemplo Construye una tabla con los principales factores del denominado SEOTUBE, esto es cuáles son los factores de SEO y visibilidad de los vídeos en YouTube. Presenta una descripción de cada factor con ejemplos.
Explicación Incluye indicaciones sobre la estructura que queremos como respuesta, una tabla en este caso.

Prompt tipo 6: Estructural con escenario y rol explícito

Ejemplo Construye una tabla con los principales factores del denominado SEOTUBE, esto es cuáles son los factores de SEO y visibilidad de los vídeos en YouTube. Presenta una descripción de cada factor con ejemplos. Adopta el punto de vista de los responsables de SEO de un medio de comunicación que produce vídeos sobre temas relacionados con la crisis climática y el medio ambiente.
Explicación Hemos añadido un escenario o contexto explícito, algo que puede funcionar muy bien. También hemos añadido un rol (responsables de SEO) pero no hay tanta evidencia de que funcione bien.

Prompt tipo 7: Evaluativo

Ejemplo Evalúa la validez lógica de la siguiente proposición: “uno de los motivos de la evitación de noticias es la desconfianza del público hacia los medios de comunicación, por tanto, exhibir transparencia en todas las dimensiones importantes es un imperativo ético para los medios de comunicación”.
Explicación Puede llegar a funcionar sorprendentemente bien, pero no tiene el éxito asegurado. Es una prueba de estrés para una IA.

Prompt tipo 8: Clarificación conceptual

Ejemplo Cuál es el significado de la teoría denominada «espiral del silencio».
Explicación Podemos esperar en general muy buen rendimiento de esta clase de prompts. Podemos añadir más instrucciones, p.e., podemos añadir un contexto, etc.

Prompt tipo 9: Determinación de variables

Ejemplo Consideremos el fenómeno de evitación de noticias con el peligro que supone para conseguir sociedades inclusivas. Consideremos también el fenómeno de la desinformación, y por último consideremos el fenómeno de la creciente polarización social en muchas sociedades occidentales ¿Están relacionados los fenómenos de evitación de noticias, consumo de desinformación y polarización social? Si es así, ¿cuáles serían las variables independientes y cuáles las dependientes entre estas tres? ¿Podría haber una cuarta variable oculta que determina a las tres variables señaladas?
Explicación Otro tipo de prompt que actúa como un stress test para cualquier IA. Puede funcionar muy bien. Puede no funcionar o funcionar con errores conceptuales de bulto.
Enlace https://www.perplexity.ai/search/Consideremos-el-fenmeno-j..UADpUQoimNKUKLzIGag

Prompt tipo 10: Línea de confrontación

Ejemplo Los principios éticos del periodismo incluyen el respeto a la verdad, la precisión, la equidad, la independencia y la responsabilidad. Al mismo tiempo se dice que la objetividad en el periodismo es imposible debido a las preferencias y sesgos de los periodistas y a las políticas editoriales de los medios. Al mismo tiempo, las empresas periodísticas necesitan generar confianza en los ciudadanos para reducir la evitación de noticias. Argumentos y criterios para conciliar estas líneas confrontadas.
Explicación La descripción de líneas de confrontación es otro de los requerimientos que ponen a prueba la capacidad de una IA. Si lo resuelve bien, como en el caso que ilustramos con el enlace siguiente, puede aportar mucha utilidad.
Enlace > https://www.perplexity.ai/search/Enlazado-4Zx0QFizTPCMmRgjB.UvBg

Prompt tipo 11: Metodológico

Ejemplo Detalla los componentes y las fases para llevar a cabo con plenas garantías de validez científica una batería de entrevistas en profundidad para conocer la opinión de los expertos en un ámbito determinado.
Explicación Se trata de otro de los prompts más útiles que podemos pedir a una IA. Véase el ejemplo del enlace siguiente.
Enlace https://www.perplexity.ai/search/Detalla-los-componentes-PT4Qlr3XQeyzRqs1XAJU_A

Prompt tipo 12: Complejo, con cualquier combinación de los anteriores

Ejemplo Primero define las principales características del periodismo local. Segundo, define las principales características del periodismo de soluciones. Tercero, describe las cuatro principales formas en las cuales la aplicación del periodismo de soluciones puede ayudar a que un periódico local mejore su conexión con la audiencia (engagement). Presenta las respuestas de los dos primeros apartados mediante párrafos razonados. Presenta la respuesta del tercer apartado mediante una tabla y ofrece ejemplos de cada una de las cuatro formas de aplicación del periodismo de soluciones al periodismo local.
Explicación Como vemos, podemos combinar diferentes tipos de prompt en uno mismo. El enlace siguiente muestra su eficacia, al menos en algunos casos.
Enlace > https://www.perplexity.ai/search/Primero-define-las-dFsEqBRNQFOfLsHwDGNMuw

¿Qué buscador con IA ofrece mejor rendimiento?

La clase de prompts que hemos mostrado los hemos probado con las diferentes IA mencionadas. En concreto, Perplexity, Phind y Komo AI proporcionan buenos rendimientos, pero destaca casi siempre Perplexity.

Cabe señalar que en la búsqueda general, Perplexity incorpora fuentes académicas. Igualmente, es importante señalar que tanto Perplexity como Phind utilizan GPT.

Profundizar con los prompts sugeridos por la IA

El tercer elemento de la página de resultados de un buscador con IA es una lista de nuevos prompts. Es altamente recomendable examinar esta lista, porque casi con total seguridad añadirá alguna faceta adicional que puede ayudar a profundizar en el tema.

Aprobación de los supervisores y normativas en la academia

Usar contenidos procedentes de una IA es todavía un tema bajo examen y consideración en el mundo académico. La recomendación es que, en el caso de trabajos académicos como TFM o tesis doctorales, el autor debe contar con la autorización de sus supervisores a la hora de decidir el uso (o no) de modelos de IA para sus trabajos.

También es importante que los autores de tesis de máster o de doctorado, tengan en cuenta las posibles especificaciones y normativas de sus universidades al respecto.

Transparencia en medios de comunicación

Una observación similar, pero adaptada al caso, puede hacerse del uso modelos de IA en contenido publicados en medios de comunicación. Si el uso de la IA ha tenido un impacto significativo en el producto periodístico debe señalarse como parte de la metodología de producción de la noticia. Informar al público de la forma en la que un medio produce sus contenidos es una práctica cada vez mas observada, y la irrupción de la IA la justifica aún más.

Las redacciones de medios de comunicación, afortunadamente, están elaborado guías al respecto para sus periodistas. Un recurso especialmente útil es la guía que la experta Patricia Ventura mantiene en su blog sobre códigos éticos de medios de comunicación en relación con el uso de las IA.

Otros modelos de IA para usos científicos

Hay otros modelos de IA en el mundo de la investigación. Se trata de modelos de IA que utilizan exclusivamente artículos publicados por revistas científicas como su base para la evidencia. Se trata de:

Por un lado, ofrecen respuestas muy rigurosas, pues se basan exclusivamente en resultados de investigaciones. Pero debido a esto a veces resultan menos versátiles. En cambio, aportan otra clase de evidencia que puede ser más sólida. También son menos accesibles. No todos los académicos o curadores tienen acceso a las publicaciones científicas que usan como base. Dedicaremos una futura entrada a considerar las posibilidades detalladas de esta otra importante clase de sistemas.

Conclusiones

Hemos visto una serie de 12 prompts, pero como el lector supondrá fácilmente, no existe una lista cerrada de tipos de prompts. Estos tipos se ofrecen en la esperanza que sirvan de ayuda para trabajos académicos tales como trabajos de final de máster o tesis doctorales.

En esta clase de contextos, es importante que los supervisores aprueben el uso de la IA, por lo que debe hacerse de acuerdo con ellos. También es necesario recordar que el uso de la IA no modifica ni un milímetro las obligaciones éticas y de buena conducta académica, sino que en todo caso las acentúa, por lo que todo lo relativo a evitación de plagio está especialmente vigente.

En la academia es importante contar con la aprobación de los supervisores en el caso de trabajos como tesis de máster o de doctorado, así como atender a las normativas de cada universidad al respecto.

Como ya hemos señalado, la curación de contenidos profesional, muy en especial la que puede llevar a cabo un medio de comunicación, también puede beneficiarse de esta clase prompts con pocos o ningún cambio a los modelos propuestos. Y en relación a los usos éticos, cada vez mas medios de comunicación están produciendo guías al respecto.

Referencias

Aguilera-Cora, E., Lopezosa, C., & Codina, L. (2024). Scopus AI Beta. Functional analysis and cases. Barcelona: Universitat Pompeu Fabra. Departament de Comunicació. (Serie Editorial DigiDoc. DigiDoc Reports). https://repositori.upf.edu/handle/10230/58658

Apablaza-Campos, Alexis (2023): Comunicación y marketing con ChatGPT: experiencias y desafíos para la docencia universitaria. Universidad de Montevideo. https://doi.org/10.5281/zenodo.8212881

Codina, Lluís (2023): “Buscadores alternativos a Google con IA generativa: análisis de You.com, Perplexity AI y Bing Chat”. Infonomy, 2023, v.1. https://doi.org/10.3145/infonomy.23.002

Codina Lluís; Guallar, Javier; Lopezosa, Carlos (2020): Curación de contenidos para periodistas: conceptos, esquema de trabajo y fuentes abiertas. Barcelona: Universitat Pompeu Fabra. Departamento de Comunicación. 49 p. http://hdl.handle.net/10230/43458

Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: the state of the field. International Journal of Educational Technology in Higher Education, 20(1). https://doi.org/10.1186/s41239-023-00392-8

De La Torre-López, J., Ramírez, A., & Romero, J. R. (2023). Artificial intelligence to automate the systematic review of scientific literature. Computing, 105(10), 2171–2194. https://doi.org/10.1007/s00607-023-01181-x

Elsevier. (2023, August 1). Elsevier takes Scopus to the next level with generative AI. https://www.elsevier.com/about/press-releases/elsevier-takes-scopus-to-the-next-level-with-generative-ai

Elsevier. (2024, January, 16). Launch of Scopus AI to Help Researchers Navigate the World of Research. https://www.elsevier.com/about/press-releases/launch-of-scopus-ai-to-help-researchers-navigate-the-world-of-research

Guallar, Javier (2017): “Content curation in digital media: Between retrospective and real-time information”. In: Campos Freire, Francisco et al. Media and Metamedia Management, Springer International Publishing, p. 37-46. ISBN: 9783319460666.

Guallar, Javier; Hernández-Campillo, Thais Raquel; Codina, Lluis. (2022). Curación de contenidos en artículos científicos. Categorías y casos. Telos: Revista de Estudios Interdisciplinarios en Ciencias Sociales, 24 (3), Venezuela. (Pp. 469-490). DOI: www.doi.org/10.36390/telos243.02

High-Level Expert Group on Artificial Intelligence. (2019, April 8). Ethics guidelines for trustworthy AI. https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai

Kaebnick, G. E., Magnus, D., Kao, A., Hosseini, M., Resnik, D. B., Dubljević, V., Rentmeester, C. A., Gordijn, B., & Cherry, M. J. (2023). Editors’ statement on the responsible use of generative AI technologies in scholarly journal publishing. Medicine Health Care and Philosophy, 26(4), 499–503. https://doi.org/10.1007/s11019-023-10176-6

Lopezosa, C., Codina, L., & Ferran-Ferrer, N. (2023, February 1). Chat GPT como apoyo a las systematic scoping reviews: integrando la inteligencia artificial con el framework SALSA. http://hdl.handle.net/2445/193691

Lopezosa, C., Codina, L., & Boté-Vericad, JJ. (2023). Testeando ATLAS.ti con OpenAI: hacia un nuevo paradigma para el análisis cualitativo de entrevistas con inteligencia artificial. Barcelona: Universitat Pompeu Fabra. Departament de Comunicació. (Serie Editorial DigiDoc. DigiDoc Reports). https://repositori.upf.edu/handle/10230/56449

Lund, B., Wang, T., Mannuru, N. R., Nie, B., Shimray, S. R., & Wang, Z. (2023). ChatGPT and a new academic reality: Artificial Intelligence‐written research papers and the ethics of the large language models in scholarly publishing. Journal of the Association for Information Science and Technology, 74(5), 570–581. https://doi.org/10.1002/asi.24750

Marshall, I. J., & Wallace, B. C. (2019). Toward systematic review automation: a practical guide to using machine learning tools in research synthesis. Systematic Reviews, 8(1). https://doi.org/10.1186/s13643-019-1074-9

UNESCO. (2023, September 8). Guidance for generative AI in education and research. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

UNESCO. (2023, September 6). UNESCO survey: Less than 10% of schools and universities have formal guidance on AI. https://www.unesco.org/en/articles/unesco-survey-less-10-schools-and-universities-have-formal-guidance-ai

Ventura, Patricia (2021). Algoritmos en las redacciones: Retos y recomendaciones para dotar a la inteligencia artificial de los valores éticos del periodismo. Barcelona: Consell de la Informació de Catalunya. Acceso: sitio web de la autora para descargar el PDF


Para saber más