🦉Gemini como tutor personal, optimizador de prompts y cálculos matemáticos precisos con la IA

Te doy la bienvenida a TotemAI, tu guía semanal para navegar la revolución de la IA en educación. Combina tu inteligencia pedagógica potenciada por la artificial.

En esta edición:

• Gemini como tutor personal: Guía paso a paso para acceder al sistema inteligente de tutoría (STI) de Google

• Prompt Cowboy: Herramienta gratuita que optimiza tus instrucciones para ChatGPT, Claude o Copiloto en segundos

• Cálculos matemáticos con IA: Técnicas probadas para mejorar el cálculo en modelos de lenguaje con 116% más precisión

• 5 aplicaciones de IA diseñadas específicamente para matemáticas y STEM

Gemini integra un tutor personal de IA

Aunque ChatGPT sigue siendo la aplicación de IA generativa más utilizada, Gemini de Google está ganando terreno en el campo de la educación integrando un tutor inteligente impulsado por la tecnología LearnLM.

Investigaciones recientes demuestran que los Sistemas de Tutoría Inteligente (STI) incorporados en tus clases, pueden mejorar significativamente los resultados del aprendizaje.

Gemini puede transformarse en un compañero de aprendizaje dinámico e interactivo en clase. Está diseñado no solo para dar respuestas, sino para hacer reflexionar y guiar hacia una comprensión más profunda, haciendo que el aprendizaje sea más efectivo.

Prueba el tutor de IA en Gemini desde Chrome:

• Abre el navegador Google Chrome y entra en gemini.google.com.

• Una vez en la interfaz, entra en la sección "Descubrir Gems"

  • Escoge "Tutor Personal" diseñado específicamente para la educación y el estudio

• Sube documentos, un tema que esté dando problemas o lecturas relevantes. Gemini puede usar estos materiales como base para sus explicaciones y orientación.

• Haz preguntas, pide aclaraciones y resuelve problemas paso a paso. Gemini se adapta al estilo y ritmo de aprendizaje de los alumnos.

🧠 Comprensión profunda, no sólo respuestas: Verás que a lo largo de la tutoría proporciona explicaciones paso a paso, ayuda a identificar errores y guía a través del proceso de resolución de problemas, asegurando que realmente se entiendan los conceptos clave.

¿Te da pereza pensar y escribir “instrucciones” detalladas? Tengo la solución

Como ya sabrás, la manera en qué preguntas o instruyes a ChatGPT, Copiloto o Claude, tiene un impacto directo en la calidad de sus resultados.

Mejores instrucciones (“prompts”) = Mejores resultados

Pero no siempre conoces la estructura óptima de una buena petición, ni sabes los detalles a incluir o simplemente lleva demasiado tiempo.

Pero existe un generador gratuito de instrucciones que te permite crear prompts optimizados sin esfuerzo, llamado Prompt Cowboy.

Simplemente describes tu petición básica, como por ejemplo, verificar si un artículo es real o no.

La herramienta automáticamente estructura y refina tu petición para obtener los mejores resultados de cualquier modelo IA. Fíjate en la gran diferencia.

Si el prompt generado no se ajusta exactamente a tus necesidades, Prompt Cowboy te permite editarlo directamente antes de usarlo.

Además la herramienta perfecciona los resultados mediante preguntas adicionales que te ayudan a personalizar la petición para tu contexto educativo específico.

Una vez satisfecho, solo debes copiar el resultado final y pegarlo en ChatGPT u otro asistente.

La única desventaja es que a veces las preguntas de refinamiento aparecen en inglés, lo que puede ser un obstáculo si no dominas el idioma.

Para optimizar tus prompts con Prompt Cowboy, verás que también existe la opción:

• Deep Research Prompt cuando necesitas un prompt para realizar análisis profundos con datos actualizados. Por ejemplo: "Necesito un debate sobre el efecto de las redes sociales en la salud mental de los adolescentes con múltiples perspectivas")

• Reasoning Prompt cuando necesitas un prompt para realizar una tarea de razonamiento (ejemplo: "Crea un problema de álgebra que desarrolle el pensamiento lógico en estudiantes de Bachillerato.")

🧐 Curiosidad: Los prompts revisados siempre finalizan con la frase “Tu vida depende de…”. Esto se debe a un estudio revisado por pares, que demostró que frases como "tu vida depende de ello" mejoraron el rendimiento de los modelos en un 115% en tareas de razonamiento complejo. El estudio explica que los modelos prestan más atención y cometen menos errores inventados cuando las instrucciones mencionan consecuencias importantes.

Mejorando el cálculo matemático en los LLMs

¿Te ha pasado que pides a ChatGPT o Gemini un cálculo matemático y obtienes un resultado erróneo? Todavía uno de los puntos débiles reconocidos de los modelos de lenguaje es precisamente el cálculo matemático. Sin embargo, con la petición adecuada, puedes mejorar significativamente sus resultados.

Petición habitual

Petición mejorado según estudios 2025

❓️ Por qué funciona mejor según las investigaciones recientes:

• Reformulación múltiple del problema: La técnica Self-Consistency-over-Paraphrases (SCoP) ha demostrado que generar múltiples reformulaciones de un problema matemático ayuda a los LLMs a encontrar diferentes caminos de razonamiento, lo que mejora significativamente el rendimiento, especialmente en problemas complejos.

• División en sub-problemas: El método MathDivide, desarrollado recientemente, demuestra que descomponer problemas complejos en sub-problemas más simples y resolver cada uno individualmente mejora considerablemente la precisión de los LLMs en cálculos matemáticos.

• Verificación mediante código: Los estudios de 2025 confirman que el uso de snippets de código Python para verificar los cálculos intermedios reduce drásticamente los errores de computación, ya que el modelo delega los cálculos precisos a un entorno determinista.

• Verificación por métodos alternativos: La investigación de la Dra. Jagreet Kaur Gill demuestra que implementar múltiples caminos de verificación, mejora la robustez en la resolución de problemas al explorar múltiples vías.

• Proceso de corrección de errores: El enfoque OmegaPRM ha demostrado que proporcionar supervisión durante el proceso de razonamiento, identificando y corrigiendo errores intermedios, mejora significativamente las tasas de éxito en benchmarks matemáticos como MATH500 y GSM8K.

💻️ ¿Qué modelo LLM es el mejor para matemáticas y STEM?

Para obtener los mejores resultados en cálculos matemáticos, es aconsejable usar la petición anterior junto con los modelos de razonamiento especializado:

• GPT-o3 y o4-mini: Estos modelos destacan como los líderes absolutos en razonamiento matemático. Estos modelos ya incluyen el razonamiento paso a paso, verificación con código Python y reformulación de problemas, que he incluido en la petición.

• Gemini 2.5 Pro: Mantiene buenos resultados en visualización de problemas geométricos y estadísticos, siendo una alternativa viable si no tienes acceso a los modelos de OpenAI.

🛠️ Herramientas IA especializadas para matemáticas y STEM

Para cualquier tarea que implique cálculos, las herramientas de IA especializadas son una buena opción tanto para profesores como para alumnos.

Estas herramientas siguen reglas matemáticas definidas, mientras que los LLMs como GPT-4o y Gemini 2.5 Pro, funcionan como "cajas negras" que pueden dar respuestas plausibles pero incorrectas matemáticamente.

• Wolfram Alpha: Resuelve ecuaciones, visualiza datos e integra las matemáticas con la ciencia y la ingeniería para explorar aplicaciones en el mundo real. Ofrece una amplia variedad de problemas de práctica.

• Mathos AI: Proporciona tanto soluciones como tutoría IA paso a paso. Admite subida de fotos y PDFs, así como entradas con la voz.

• Julius AI: Analiza datos e interactúa con ellos. Permite a los profesores formular preguntas sobre conjuntos de datos directamente mediante lenguaje natural.

• Gauthmath: Combina la IA para resolver problemas matemáticos y STEM mediante fotos de ejercicios. Pero también ofrece tutorías en vivo en donde docentes humanos se conectan en tiempo real si es necesario.

❓️Cadena de pensamiento (Chain of Thought en inglés)

La cadena de pensamiento es una técnica donde pedimos a la IA que muestre su proceso de razonamiento paso a paso, en lugar de dar solo la respuesta final.

¿Para qué te puede servir? Te permite modelar el pensamiento crítico para los estudiantes y crear materiales donde se visualiza el proceso completo de resolución de problemas.

Porqué usar esta técnica: Ayuda a minimizar errores producidos por los LLMs, ya que al exponer su línea de razonamiento completa, podemos identificar dónde ocurren los fallos lógicos o las confusiones conceptuales, facilitando la corrección del proceso y mejorando la fiabilidad de los resultados.

Ejemplo práctico en análisis literario: "Analiza los temas principales de [libro concreto] mostrando tu razonamiento paso a paso, identificando primero los elementos narrativos clave, luego las relaciones entre personajes y finalmente explicando cómo estos construyen los temas centrales de la obra".