Guía de uso de Inteligencia Artificial — Curso Nivelatorio de R

← Volver al inicio del curso

CIENFI · Universidad Icesi · Prof. Eduard F. Martínez-González

La IA generativa (ChatGPT, Claude, Gemini, GitHub Copilot) ya hace parte del trabajo real con datos: los economistas la usan para escribir código, depurar errores y redactar. Este curso no la prohíbe: enseña a usarla bien. Pero la evidencia es clara — usarla como muleta desde el día uno daña el aprendizaje (quien practica con la respuesta servida rinde peor cuando la IA no está), y usarla con reglas lo acelera. Estas son las reglas.

---

1. Las tres reglas del curso

Regla 1 — Primero su cerebro, luego la IA. Antes de consultar cualquier IA, intente resolver el problema usted: lea el mensaje de error completo, consulte ?funcion, revise la teoría de la unidad. Solo después pregunte — y pregunte bien: describa lo que intentó. Su cerebro sigue siendo la herramienta más poderosa que tiene; la IA es una versión interactiva de buscar en Google, no un sustituto de pensar.

Regla 2 — Todo lo que la IA produzca se verifica. La IA responde con la misma seguridad cuando acierta y cuando inventa. Usted es responsable del 100% de lo que entrega. La sección 4 da la lista de verificación mínima.

Regla 3 — Todo uso se declara. Cada tarea y el proyecto final incluyen una declaración de uso de IA (aunque sea "no usé"). Declarar el uso permitido no baja la nota; ocultarlo es fraude académico.

2. Qué se permite en cada entrega (niveles de uso)

Adaptamos la escala internacional AIAS a cinco niveles. Cada entregable del curso está etiquetado con su nivel:

Nivel	Qué permite	Entregables del curso
N0 — Sin IA	Nada de IA	Quiz de cierre y sustentación oral del proyecto
N1 — IA para entender	Explicar conceptos y errores; NO escribir código por usted	Tarea 1
N2 — IA colaboradora	Depurar su código, sugerir mejoras a algo que usted ya escribió	Tareas 2, 3 y 4
N3 — IA integrada	Generar borradores de código que usted revisa, corrige y explica	Proyecto final
N4 — Exploración	Actividades diseñadas PARA usar IA	Actividades de IA de cada unidad

La condición del nivel 3: en la sustentación usted debe poder explicar línea por línea cualquier código de su proyecto. "Lo hizo la IA" no es una explicación; es una confesión.

3. La declaración de uso de IA

Al final de cada script (las tareas ya traen el espacio):

## DECLARACION DE USO DE IA
## Herramienta usada: [ChatGPT / Claude / Copilot / ninguna]
## ¿Para que la uso?: [ej. "explicar el error de filter() en P3"]
## ¿Que verifico?: [ej. "compare nrow() antes y despues; consulte ?na_if"]

En el proyecto final, la declaración es un apéndice del README con los prompts más importantes y qué se verificó de cada respuesta.

4. Lista de verificación: qué revisar SIEMPRE de una respuesta de IA

Si le sugirió un paquete o función:

• ¿Existe? Búsquelo en CRAN (https://cran.r-project.org) o corra ?funcion. Los LLMs inventan paquetes y argumentos con total confianza (en estudios recientes, ~1 de cada 5 paquetes sugeridos en código generado no existía). Nunca install.packages() de algo que no verificó.

Si le escribió o corrigió código:

• ¿Corre? (eso es lo de menos)
• ¿Hace lo correcto? Compare N antes y después (nrow()), revise summary() de las variables creadas, cuente categorías con table(). El código que corre pero está mal es el error más caro: un join que duplica filas, un filter() que bota los NA sin avisar, un na.rm = TRUE que esconde un problema de datos.
• ¿Cambió la muestra? Si el N cambió y usted no lo decidió, la IA decidió por usted.

Si le interpretó un resultado estadístico:

• ¿Usó lenguaje causal ("el efecto de", "causa", "aumenta") sin un diseño causal? Córtelo: aquí decimos "está asociado a".
• ¿Las unidades son correctas? (¿pesos o puntos log? ¿la dependiente estaba en logaritmo?)
• ¿Confundió significancia (las estrellas) con magnitud/importancia?

5. Cómo preguntar bien (plantillas de prompts)

Para entender un error (nivel 1):

Estoy aprendiendo R. Ejecuté este código: [código] y obtuve este error: [mensaje completo]. Ya intenté [lo que intentó]. No me des el código corregido: explícame qué significa el error y dame una pista de dónde mirar.

Para depurar (nivel 2):

Este código corre pero el resultado no cuadra: espero ~500 filas y obtengo 7.000. [código]. ¿Qué hipótesis revisarías, en orden? Dame verificaciones en R para cada una, no la solución directa.

Para revisar estilo (nivel 2/3):

Revisa este script según estas reglas: [pegar la sección 4 de la Guía de estilo del curso]. Señala incumplimientos, no reescribas todo.

El anti-prompt (prohibido en N1/N2):

"Hazme la tarea 2" / "Escribe el código que limpia esta base" — pedir la solución completa le roba a usted la práctica que vino a buscar (y se nota en el quiz sin IA).

6. Herramientas recomendadas

Herramienta	Para qué	Costo
Chat (Claude / ChatGPT / Gemini)	Explicar errores, revisar código, criticar interpretaciones	Capa gratuita suficiente
GitHub Copilot en RStudio	Autocompletado mientras escribe (Tools → Global Options → Copilot)	Gratis para estudiantes (GitHub Education)
statlingua (paquete R)	explain(modelo): interpreta salidas de lm() — la usamos para criticarla en la Unidad 4	Requiere API key
ellmer / chattr / gander	Chat y asistentes dentro de RStudio (opcional, para curiosos)	Requiere API key

Si el chat ofrece un "modo aprendizaje/estudio" (p. ej. Claude Learning Mode), actívelo: guía con preguntas en vez de entregar la respuesta.

7. Por qué estas reglas (la evidencia, en corto)

• En un experimento aleatorizado con ~1.000 estudiantes, practicar con GPT libre mejoró la tarea un 48%… y al quitarles el acceso rindieron 17% peor que quienes nunca lo usaron. Con un tutor IA con reglas (no da la respuesta, exige intentar), el daño desapareció (Bastani et al., 2024).
• Los novatos que más dependen de la IA desarrollan una ilusión de competencia: creen que avanzan, hasta que hay que programar sin ayuda (Prather et al., 2024).
• Los LLMs interpretan regresiones con exceso de confianza: lenguaje causal injustificado y confusión entre significancia y magnitud (DeLuca y Brown, 2025). Por eso la Unidad 4 los pone a corregir a la IA.

Referencias completas y más recursos: investigacion_ia_recursos.md.

8. Las actividades con IA del curso

Unidad	Actividad	Habilidad que entrena
1	Primero tú, luego la IA	Leer errores; usar la IA como tutor, no como oráculo
2	El código corre… pero está mal	Detectar bugs silenciosos; verificar código ajeno
3	Mejora esta figura	Iterar con IA sin que cambie los datos
4	Crítica al econometrista artificial	Auditar interpretaciones estadísticas de la IA