Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertida

Autores
Scacciaferro Wyss, Santiago Vicente; Tascon, Gustavo Alejandro; Piana, Paola Edith
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
En este artículo se presenta la evaluación realizada de NotebookLM (IA con recuperación aumentada como soporte al análisis cualitativo de observaciones en clases con aula invertida. Sobre un corpus de 10 instrumentos aplicados en 7 asignaturas de ingeniería, se comparó la categorización asistida por IA con la codificación humana, utilizando un único instrumento por momentos (antes/durante/después), escala 0–5 y ponderación 20– 60–20. Se diseñaron prompts normalizados (PRON) para detección de indicadores (participación, autonomía, atención, retroalimentación, uso de TIC, clima) y síntesis con citas exactas. La revisión experta aseguró trazabilidad y validez. La IA reprodujo categorías predefinidas e identificó emergentes útiles, con concordancia cualitativa respecto de la codificación humana. Como observación (no métrica), el flujo asistido redujo tareas operativas tras estandarizar PRON, desplazando el esfuerzo hacia la interpretación. Limitaciones: tamaño muestral (n=10), ausencia de métricas formales de confiabilidad y sensibilidad a la segmentación/pedidos (prompting). Se concluye que NotebookLM amplía la capacidad analítica sin sustituir el juicio experto, bajo protocolos de trazabilidad, validación y reproducibilidad.
Fil: Scacciaferro Wyss, Santiago Vicente. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo de Investigación Educativa sobre Ingeniería; Argentina.
Fil: Tascon, Gustavo Alejandro. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo de Investigación Educativa sobre Ingeniería; Argentina.
Fil: Piana, Paola Edith. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo de Investigación Educativa sobre Ingeniería; Argentina.
Peer Reviewed
Materia
análisis cualitativo
aula invertida
inteligencia artificial
NotebookLM
observación educativa
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-ShareAlike 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/14620
Acceder
id RIAUTN_e3f28ec88d3c784ef7f2bd6f1155447e
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/14620
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertidaScacciaferro Wyss, Santiago VicenteTascon, Gustavo AlejandroPiana, Paola Edithanálisis cualitativoaula invertidainteligencia artificialNotebookLMobservación educativaEn este artículo se presenta la evaluación realizada de NotebookLM (IA con recuperación aumentada como soporte al análisis cualitativo de observaciones en clases con aula invertida. Sobre un corpus de 10 instrumentos aplicados en 7 asignaturas de ingeniería, se comparó la categorización asistida por IA con la codificación humana, utilizando un único instrumento por momentos (antes/durante/después), escala 0–5 y ponderación 20– 60–20. Se diseñaron prompts normalizados (PRON) para detección de indicadores (participación, autonomía, atención, retroalimentación, uso de TIC, clima) y síntesis con citas exactas. La revisión experta aseguró trazabilidad y validez. La IA reprodujo categorías predefinidas e identificó emergentes útiles, con concordancia cualitativa respecto de la codificación humana. Como observación (no métrica), el flujo asistido redujo tareas operativas tras estandarizar PRON, desplazando el esfuerzo hacia la interpretación. Limitaciones: tamaño muestral (n=10), ausencia de métricas formales de confiabilidad y sensibilidad a la segmentación/pedidos (prompting). Se concluye que NotebookLM amplía la capacidad analítica sin sustituir el juicio experto, bajo protocolos de trazabilidad, validación y reproducibilidad.Fil: Scacciaferro Wyss, Santiago Vicente. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo de Investigación Educativa sobre Ingeniería; Argentina.Fil: Tascon, Gustavo Alejandro. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo de Investigación Educativa sobre Ingeniería; Argentina.Fil: Piana, Paola Edith. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo de Investigación Educativa sobre Ingeniería; Argentina.Peer ReviewedRed de Ingeniería en Informática e Ingeniería en Sistemas de Información del CONFEDI (RIISIC)2026-03-02T19:59:51Z2025-10-20info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdf13° Congreso Nacional de Ingeniería Informática/Sistemas de Información (CONAIISI 2025)https://conaiisi2025.frc.utn.edu.ar/https://hdl.handle.net/20.500.12272/14620spaRepensar la práctica docente desde el modelo de aula invertida; en la enseñanza de la ingenieríaTETEMRE0008569info:eu-repo/semantics/openAccessAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Acceso abiertoreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:45:27Zoai:ria.utn.edu.ar:20.500.12272/14620instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:45:28.487Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertida
title Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertida
spellingShingle Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertida
Scacciaferro Wyss, Santiago Vicente
análisis cualitativo
aula invertida
inteligencia artificial
NotebookLM
observación educativa
title_short Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertida
title_full Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertida
title_fullStr Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertida
title_full_unstemmed Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertida
title_sort Del aula al dato : categorización y análisis de observaciones con NotebookLM en el modelo de aula invertida
dc.creator.none.fl_str_mv Scacciaferro Wyss, Santiago Vicente
Tascon, Gustavo Alejandro
Piana, Paola Edith
author Scacciaferro Wyss, Santiago Vicente
author_facet Scacciaferro Wyss, Santiago Vicente
Tascon, Gustavo Alejandro
Piana, Paola Edith
author_role author
author2 Tascon, Gustavo Alejandro
Piana, Paola Edith
author2_role author
author
dc.subject.none.fl_str_mv análisis cualitativo
aula invertida
inteligencia artificial
NotebookLM
observación educativa
topic análisis cualitativo
aula invertida
inteligencia artificial
NotebookLM
observación educativa
dc.description.none.fl_txt_mv En este artículo se presenta la evaluación realizada de NotebookLM (IA con recuperación aumentada como soporte al análisis cualitativo de observaciones en clases con aula invertida. Sobre un corpus de 10 instrumentos aplicados en 7 asignaturas de ingeniería, se comparó la categorización asistida por IA con la codificación humana, utilizando un único instrumento por momentos (antes/durante/después), escala 0–5 y ponderación 20– 60–20. Se diseñaron prompts normalizados (PRON) para detección de indicadores (participación, autonomía, atención, retroalimentación, uso de TIC, clima) y síntesis con citas exactas. La revisión experta aseguró trazabilidad y validez. La IA reprodujo categorías predefinidas e identificó emergentes útiles, con concordancia cualitativa respecto de la codificación humana. Como observación (no métrica), el flujo asistido redujo tareas operativas tras estandarizar PRON, desplazando el esfuerzo hacia la interpretación. Limitaciones: tamaño muestral (n=10), ausencia de métricas formales de confiabilidad y sensibilidad a la segmentación/pedidos (prompting). Se concluye que NotebookLM amplía la capacidad analítica sin sustituir el juicio experto, bajo protocolos de trazabilidad, validación y reproducibilidad.
Fil: Scacciaferro Wyss, Santiago Vicente. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo de Investigación Educativa sobre Ingeniería; Argentina.
Fil: Tascon, Gustavo Alejandro. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo de Investigación Educativa sobre Ingeniería; Argentina.
Fil: Piana, Paola Edith. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo de Investigación Educativa sobre Ingeniería; Argentina.
Peer Reviewed
description En este artículo se presenta la evaluación realizada de NotebookLM (IA con recuperación aumentada como soporte al análisis cualitativo de observaciones en clases con aula invertida. Sobre un corpus de 10 instrumentos aplicados en 7 asignaturas de ingeniería, se comparó la categorización asistida por IA con la codificación humana, utilizando un único instrumento por momentos (antes/durante/después), escala 0–5 y ponderación 20– 60–20. Se diseñaron prompts normalizados (PRON) para detección de indicadores (participación, autonomía, atención, retroalimentación, uso de TIC, clima) y síntesis con citas exactas. La revisión experta aseguró trazabilidad y validez. La IA reprodujo categorías predefinidas e identificó emergentes útiles, con concordancia cualitativa respecto de la codificación humana. Como observación (no métrica), el flujo asistido redujo tareas operativas tras estandarizar PRON, desplazando el esfuerzo hacia la interpretación. Limitaciones: tamaño muestral (n=10), ausencia de métricas formales de confiabilidad y sensibilidad a la segmentación/pedidos (prompting). Se concluye que NotebookLM amplía la capacidad analítica sin sustituir el juicio experto, bajo protocolos de trazabilidad, validación y reproducibilidad.
publishDate 2025
dc.date.none.fl_str_mv 2025-10-20
2026-03-02T19:59:51Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str acceptedVersion
dc.identifier.none.fl_str_mv 13° Congreso Nacional de Ingeniería Informática/Sistemas de Información (CONAIISI 2025)
https://conaiisi2025.frc.utn.edu.ar/
https://hdl.handle.net/20.500.12272/14620
identifier_str_mv 13° Congreso Nacional de Ingeniería Informática/Sistemas de Información (CONAIISI 2025)
url https://conaiisi2025.frc.utn.edu.ar/
https://hdl.handle.net/20.500.12272/14620
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv Repensar la práctica docente desde el modelo de aula invertida; en la enseñanza de la ingeniería
TETEMRE0008569
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Acceso abierto
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Acceso abierto
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv Red de Ingeniería en Informática e Ingeniería en Sistemas de Información del CONFEDI (RIISIC)
publisher.none.fl_str_mv Red de Ingeniería en Informática e Ingeniería en Sistemas de Información del CONFEDI (RIISIC)
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230898960662528
score 13.265058

Publicaciones similares