155/365 · IA para convertir un tema en preguntas

Para mí, es una de las funciones fundamentales en el contexto de competencia digital para docentes: crear cuestionarios gracias a la IA para importar en LMS como Moodle. En este caso, por ejemplo, si tú das las preguntas, la IA puede transformarlas en código que sea legible para Moodle y crearte un banco de preguntas maravilloso. Pero no te olvides de añadir categoría total, para que puedas tener organizado tu banco. Y esto no es un truco técnico menor — es un cambio brutal en cómo puedes trabajar la evaluación continua sin morir en el intento.

Porque resulta que crear preguntas de calidad lleva tiempo. Mucho tiempo. Y si además tienes que meterlas una a una en Moodle, clicando en formularios interminables, rellenando campos, configurando opciones... te llevas una tarde entera para crear un cuestionario de 20 preguntas. Y al final, o no lo haces (y sigues evaluando solo con exámenes finales), o lo haces una vez y luego reutilizas las mismas preguntas durante años (y el alumnado se las pasa de un curso a otro). Ninguna de las dos opciones es buena.

Pero cuando usas IA para convertir contenido en preguntas, y luego generas automáticamente el código GIFT para Moodle, el tiempo se reduce de horas a minutos. Y eso hace viable la realización de difere mediciones, evidencias y una vía formativa, de verdad. No como utopía, sino como práctica sostenible.

Qué significa convertir un tema en preguntas

Convertir un tema en preguntas no es simplemente coger frases del texto y ponerles un signo de interrogación. Eso genera preguntas malas, literales, que solo evalúan memoria. Y la memoria es el nivel más bajo de la taxonomía de Bloom (o de Anderson y Krathwohl, si usamos la versión revisada). Queremos preguntas que evalúen comprensión, aplicación, análisis... no solo recuerdo.

Entonces, cuando le pido a la IA que convierta un tema en preguntas, tengo que ser específico sobre QUÉ tipo de preguntas quiero. Por ejemplo: "Convierte este tema sobre el ciclo del agua en 15 preguntas: 5 de comprensión literal (recordar datos), 5 de comprensión inferencial (relacionar conceptos), y 5 de aplicación (usar el conocimiento en un contexto nuevo). Usa formato de opción múltiple con 4 alternativas, solo una correcta, y las incorrectas deben ser plausibles (no obviamente falsas)".

Y la IA genera preguntas de distinto nivel cognitivo. No todas iguales. No todas memorísticas. Preguntas que de verdad evalúan si el alumno HA ENTENDIDO, no solo si ha memorizado.

Aquí viene algo técnico pero importante: GIFT es un formato de texto plano para crear preguntas de Moodle. Y es MARAVILLOSO. Porque en lugar de tener que clicar cien veces en la interfaz de Moodle para crear una pregunta, la ia te puede gener el archivo gift, con las preguntas y categoría. Vas a Moodle, importas el archivo y ….voilá, preguntas creadas, categorizadas y listas. Con sus opciones, sus retroalimentaciones, sus categorías.

Un ejemplo de pregunta en formato GIFT:

::Pregunta1:: ¿Qué proceso convierte el agua líquida en vapor? {
~Condensación
~Solidificación
=Evaporación
~Precipitación
}

Eso es una pregunta completa. El :: :: marca el nombre (opcional), la pregunta va después, y las opciones van entre llaves: ~ para incorrectas, = para la correcta. Simple. Legible. Y la IA lo genera perfectamente.

Entonces, mi flujo es: doy el tema a la IA, le pido que genere preguntas, y le pido que las formatee en GIFT. Y en cinco minutos tengo 20 preguntas listas para importar en Moodle. Lo que antes me llevaba dos horas.

La categorización: el detalle que marca la diferencia

Aquí viene algo que aprendí a base de cagarla: si no categorizas bien las preguntas, el banco de preguntas de Moodle se convierte en un caos. Porque acabas con 300 preguntas mezcladas sin criterio, y cuando quieres crear un cuestionario sobre un tema concreto, no sabes cuáles son las relevantes.

Entonces, SIEMPRE pido a la IA que incluya la categoría en el formato GIFT. Por ejemplo:

$CATEGORY: Ciencias/Ciclo del agua/Comprensión

Eso le dice a Moodle que esas preguntas van en la categoría "Ciencias", subcategoría "Ciclo del agua", subsubcategoría "Comprensión". Y luego puedo filtrar, buscar, y crear cuestionarios usando solo las preguntas de esa categoría.

Y la estructura de categorías la decido yo. Puede ser por área y tema (Matemáticas/Fracciones/Aplicación). Puede ser por fecha (Trimestre1/Semana3/Evaluación). Puede ser por nivel cognitivo (Recordar/Comprender/Aplicar). O una mezcla. Lo importante es que sea CONSISTENTE. Porque si un día categorizo de una forma y al siguiente de otra, el caos vuelve.

Retroalimentación automática: no solo correcta o incorrecta

Una de las cosas que más me gusta del formato GIFT es que puedes incluir retroalimentación para cada opción. No solo "correcto" o "incorrecto", sino EXPLICAR por qué una opción es correcta y por qué las otras no lo son. Y eso convierte un cuestionario autocorregible en una herramienta de aprendizaje, no solo de evaluación.

Por ejemplo:

::Pregunta2:: ¿Qué proceso convierte el agua líquida en vapor? {
~Condensación #No, la condensación es el proceso contrario: vapor a líquido
=Evaporación #Correcto. La evaporación es el paso de líquido a vapor por calor
~Solidificación #No, la solidificación es el paso de líquido a sólido
}

Ahora, cuando un alumno elige "Condensación", no solo ve "Incorrecto". Ve "No, la condensación es el proceso contrario: vapor a líquido". Y ESO es feedback formativo. Le estás dando información útil para corregir su error conceptual, no solo diciéndole que se ha equivocado. O incluso, puedes dejar una pequeña propuesta para investigar y corroborar su respuesta.

Pedirle a la IA que genere retroalimentación para cada opción es trivial. Solo tienes que especificarlo en el prompt: "Incluye retroalimentación explicativa para cada opción, tanto correctas como incorrectas". Y la IA lo hace. Y el cuestionario pasa de ser una herramienta de calificación a ser una herramienta de aprendizaje. Sinceramente, es cómodo, pero esa parte puedes editarla o añadirla tú posteriormente si lo deseas dentro de cada pregunta en moodle.

Preguntas de diferentes tipos: no solo opción múltiple

Moodle (y el formato GIFT) soporta muchos tipos de preguntas: opción múltiple, verdadero/falso, respuesta corta, emparejamiento, numérica, ensayo... Y la IA puede generar todas. Pero hay que pedírselo de forma específica.

Por ejemplo, puedo pedirle: "Genera 10 preguntas sobre el ciclo del agua: 5 de opción múltiple, 3 de verdadero/falso con justificación, y 2 de respuesta corta". Y la IA mezcla tipos. Y eso hace el cuestionario más rico, menos predecible, y evalúa de formas distintas.

Porque las preguntas de opción múltiple evalúan reconocimiento (elegir entre opciones). Las de respuesta corta evalúan recuerdo activo (generar la respuesta sin pistas). Las de emparejamiento evalúan relaciones entre conceptos. Y mezclar tipos hace que el cuestionario sea más completo.

El peligro de las preguntas mal generadas (y cómo detectarlo)

Aquí hay que hacer una advertencia importante: la IA a veces genera preguntas MAL. Preguntas ambiguas, opciones incorrectas que son discutibles, retroalimentaciones que contienen errores conceptuales. Y si no revisas, esas preguntas llegan al alumnado. Y eso es un problema.

Entonces, SIEMPRE reviso las preguntas antes de importarlas a Moodle. Leo cada pregunta, cada opción, cada retroalimentación. Y me pregunto: ¿Esta pregunta es clara? ¿La respuesta correcta es inequívocamente correcta? ¿Las incorrectas son plausibles pero claramente incorrectas? ¿La retroalimentación explica bien el concepto?

Y si detecto algo raro (una pregunta ambigua, una opción dudosa, una retroalimentación confusa), lo corrijo. O lo descarto. Porque es mejor tener 15 preguntas buenas que 20 preguntas con 5 problemáticas.

Y aquí vuelvo a lo de siempre: el que piense que puede hacer lo que hace con IA, debe tener claro que sin ella debe poder hacerlo. Si no sabes detectar cuándo una pregunta está mal formulada, tampoco vas a detectarlo cuando la IA la genere. La IA acelera, pero el criterio de calidad es tuyo.

Bancos de preguntas que crecen

Una de las ventajas de tener preguntas en formato GIFT es que son portables. Puedes exportarlas, compartirlas con compañeros, importarlas en otros Moodle... Y eso hace que el banco de preguntas pueda crecer de forma colaborativa.

Por ejemplo, si tres docentes del mismo ciclo creamos cada uno 20 preguntas sobre el ciclo del agua en formato GIFT, luego podemos compartirlas y cada uno tiene 60 preguntas. Y con 60 preguntas categorizadas, puedes crear cuestionarios distintos cada trimestre, cada año, sin repetir. Y el alumnado no puede "estudiar las preguntas del año pasado" porque las preguntas cambian (aunque el contenido sea el mismo).

Y eso es construir conocimiento colectivo. No cada uno reinventando la rueda, sino compartiendo recursos que luego cada uno adapta a su contexto. Que es como debería funcionar la comunidad docente siempre.

De tema a preguntas en cinco pasos

Para cerrar, te dejo el flujo completo que uso:

1. Cojo el tema (puede ser un texto que he escrito, un PDF que he convertido a Markdown, o un contenido del libro de texto).
2. Le digo a la IA: "Convierte este tema en X preguntas [especifico tipo y nivel cognitivo]. Usa formato GIFT. Incluye categoría [especifico la estructura]. Incluye retroalimentación explicativa para cada opción".
3. La IA genera las preguntas en formato GIFT.
4. Reviso cada pregunta (claridad, corrección, retroalimentación).
5. Copio el bloque completo de preguntas GIFT y lo importo en Moodle.

Tiempo total: 10-15 minutos para 20 preguntas. Antes: 2-3 horas. Y no es que la calidad sea peor — es que ahora puedo dedicar más tiempo a revisar y menos a teclear opciones en formularios.

Al final, la IA para convertir temas en preguntas no sustituye tu criterio sobre QUÉ evaluar y CÓMO evaluarlo. Pero te libera del trabajo mecánico de formatear, estructurar, y meter datos en Moodle. Y ese tiempo liberado lo puedes dedicar a lo que de verdad importa: revisar que las preguntas sean buenas, que evalúen lo importante, y que den feedback formativo real. Que es lo que deberíamos estar haciendo siempre.

Nos vemos mañana.