Investigar con IA sin copiar-pegar: Guía práctica de uso de Deep Research en el aula

Así empezó todo ...

Era miércoles, tercera hora, y en mi taller de Cultura Digital cada estudiante debía elegir un problema cercano y proponer una producción digital usando IA generativa. Le cedí la palabra a Mario, que habló sin rodeos:

“Profe, mi tía vive en otro distrito. Cada noche, los vecinos dejan la basura en la esquina y luego la queman. El humo entra a sus cuartos y les provoca tos. Quiero escribir un artículo de opinión en mi blog para denunciar esta mala conducta  y, con suerte, llamar la atención de la municipalidad. Pero necesito pruebas sólidas, no solo quejas.”

Sentí ese clic que anuncia una buena historia.

—“Perfecto —le dije—. Hoy serás periodista científico. Tu primer aliado será Gemini en modo Deep Research.”

Varias cejas se levantaron: “¿Gemini? ¿No era el LLM 2.0 Flash, profe?”. Sonreí: comenzaba nuestro viaje al nivel experto de investigación digital.

1. ¿Qué es Deep Research y por qué debería importarnos?

Imagina que tuvieras a un bibliotecario ultrarrápido que, en lugar de correr entre estanterías, navega por toda la web en segundos. Eso es Deep Research: el agente IA de los chatbots (Gemini, ChatGPT, Grok, Perplexity) que busca, filtra y resume información en tiempo real, mientras tú te tomas un café y esperas.

1.1. No es Google 2.0

• Google te da una lista de enlaces para que tú explores.

• Deep Research lee por ti, conecta los puntos y te devuelve párrafos listos para citar (¡y a veces hasta tablas comparativas!).

1.2. ¿Cómo lo hace?

1. Consulta múltiples bases de datos, sitios oficiales y hasta papers recién publicados.

2. Clasifica la información según la relevancia que “cree” que necesitas.

3. Resume y te entrega una versión condensada.

(Dato curioso: en segundo plano, compila resúmenes parciales llamados “chunks”. Si un chunk está mal, la cadena entera puede torcerse. De ahí la importancia de verificar.)

1.3. Ventajas que enamoran

• Velocidad brutal: horas de búsqueda en cuestión de segundos.

• Síntesis clara: ideal para estudiantes que se pierden entre 20 pestañas.

• Contexto ampliado: sugiere ángulos que quizá no habías considerado.

1.4. Los “peros” que hay que domar

• Alucinaciones: la IA rellena huecos con datos ficticios si no encuentra suficiente evidencia.

• Sesgos: depende de las fuentes más accesibles, no siempre las más diversas.

• Opacidad: a veces cita de forma genérica (“según un estudio reciente…”) sin link directo.

Mario lo descubrió de golpe: su primer resultado venía con un porcentaje de asma infantil “espectacular”, pero sin referencia real. Por eso, Deep Research solo brilla de verdad cuando la mente humana filtra cada cifra con lupa crítica.

1.5. ¿Por qué debería importarte (y a tu aula)?

• Porque transforma la búsqueda pasiva en curaduría activa: los estudiantes pasan de “copiar y pegar” a “analizar y decidir”.

• Porque enseña que la velocidad de acceso no reemplaza la calidad de la fuente.

• Porque, bien guiado, se convierte en un entrenador de pensamiento crítico: obliga a preguntar quién, cuándo y por qué antes de aceptar cualquier dato.

2. Comparativa de chatbots con función Deep Research

Chatbot / Plataforma	Alcance de búsqueda (fuentes y actualización)	Ventajas principales	Precauciones / Límites
ChatGPT + Browsing / Advanced Data Analysis	Rastrea webs de acceso libre, repositorios académicos y, con plugins, bases especializadas (CrossRef, PubMed, arXiv). Actualización casi en tiempo real.	• Síntesis detallada y bien redactada. • Plugins específicos para filtrar datos científicos. • Exporta tablas en CSV/Excel.	• Alucinaciones si el prompt es vago. • Puede citar fuentes secundarias en lugar de las primarias. • Navegación limitada en sitios con paywall.
Gemini (Deep Research activado)	Integra la indexación de Google Scholar, bases de datos gubernamentales y páginas actualizadas a minutos.	• Alta cobertura y velocidad. • Devuelve enlaces directos y previsualiza contenido. • Buena detección de noticias recientes.	• Resultados muy “google‑céntricos”: prioriza páginas bien posicionadas, no siempre las de mayor rigor. • Riesgo de redundancia si no se acota geográficamente.
Grok (xAI)	Tira de fuentes con énfasis en actualidad (red X, medios online) y API públicas; despliegue rápido de breaking news.	• Capta titulares al instante. • Buen resumen de debates sociales y legislativos recientes. • Tono conversacional atractivo.	• Cobertura académica limitada. • Estilo informal que puede desviar el foco. • Mayor probabilidad de sesgos basados en trending topics.
Perplexity AI (modo Copilot)	Navega la web abierta y bases académicas; cada afirmación viene acompañada de cita directa y enlace.	• Transparencia en la fuente (citas al pie estilo DOI). • Buen equilibrio entre artículos científicos y notas de prensa. • Permite hilo de indagación temático.	• Puede repetir referencias si la pregunta no es específica. • Menor capacidad de síntesis narrativa (más fragmentado).

Desde la experiencia para investigaciones escolares o universitarias, ChatGPT (con plugins) y Gemini ofrecen la mejor combinación de cobertura académica y síntesis textual. Perplexity es ideal para citar con trazabilidad inmediata, mientras que Grok resulta útil para rastrear reacciones sociales o noticias de última hora, aunque requiere una validación más rigurosa.

3. El poder del prompt: cuando la pregunta manda

Mario ya sabía qué chatbot usar; ahora debía enseñarle a la IA a leer su mente. En Deep Research la regla de oro es simple: la calidad de la respuesta nunca supera la claridad de la pregunta. Para demostrarlo, compartí con la clase el siguiente ejemplo —casi un “prompt gourmet”— y lo desarmamos pieza por pieza:

Prompt modelo:

Realiza una investigación comparativa y actualizada sobre las políticas y planes de implementación en materia de contaminación ambiental a nivel mundial, organizadas por continentes: América del Norte, América del Sur, Europa, África, Asia, Oceanía y, si corresponde, Antártida. El análisis debe considerar las políticas vigentes desde 2020 y los planes proyectados hacia 2030, enfocándose en los siguientes aspectos:

1. Marcos regulatorios y normativas.

2. Planes e incentivos para energías renovables.

3. Estrategias de gestión de residuos (sólidos, líquidos, tóxicos, reciclaje, etc.).

4. Iniciativas para investigación y desarrollo de tecnologías limpias.

   Utiliza fuentes oficiales (ONU, OCDE, Banco Mundial, gobiernos nacionales, agencias ambientales).

   Presenta los resultados en español, con subtítulos por continente, ejemplos concretos y una tabla comparativa final.

   
   

3.1. ¿Por qué este prompt funciona?

Elemento	Buenas prácticas que incluye
Tema central claro	“Contaminación ambiental” + “políticas y planes de implementación”.
Alcance geográfico	Lista exhaustiva de continentes → evita resultados dispersos.
Marco temporal	Periodo 2020‑2030 → descarta estudios obsoletos.
Dimensiones concretas	Cuatro ejes que guían la búsqueda; la IA no divaga.
Fuentes acotadas	ONU, OCDE, etc. → refuerza confiabilidad.
Formato deseado	Subtítulos + tabla comparativa → salida lista para publicar.
Idioma	Español → evita traducciones automáticas confusas.

3.2. De prompt genérico a prompt quirúrgico

Prompt flojo	Resultado	Prompt afinado	Resultado
“Háblame de contaminación.”	3 párrafos generales, sin citas, datos de 2015.	(Modelo de arriba)	Informe de 1 800 palabras, 12 enlaces oficiales, tabla final.

Mario lo comprobó: cuanto más preciso fue su prompt, menos infoxicación digital tuvo que filtrar, pero aún hay más...

3.3. Estrategia RCTF para estudiantes

En clase ya les había compartido los elementos de un prompt y usamos el acrónimo RCTF (Rol, Contexto, Tarea, Formato) para que cada alumno construya prompts de calidad:

Cuando hablamos de un prompt «de investigación a fondo», la precisión lo es todo. Por eso recomiendo estructurarlo con la matriz RCTF:

1. Rol – Asignar un papel claro («actúa como investigador ambiental especializado…») orienta al chatbot sobre el tono y la profundidad deseados: esperas análisis técnico, no simples definiciones de diccionario.

2. Contexto – Aquí se fijan las coordenadas de la búsqueda: tema central, alcance geográfico (siete continentes), marco temporal (2020-2030) y fuentes prioritarias (ONU, OCDE, Banco Mundial, ministerios). Cuanto más delimitado, menos “ruido” devolverá la IA.

3. Tarea – Enumerar las acciones específicas (analizar marcos regulatorios, energías renovables, gestión de residuos, iniciativas de I+D) impide que el agente divague y garantiza que compare manzanas con manzanas.

4. Formato – Pedir resultados en español, con subtítulos por continente, ejemplos de políticas y una tabla comparativa final significa recibir un texto prácticamente listo para publicar; ahorra tiempo de edición y, sobre todo, evita bloques densos sin estructura.

✅ Invita a tus estudiantes a completar cada casilla antes de pulsar “Enter”. Se sorprenderán del salto cualitativo.

ATENTOS CON LOS SIGUIENTES TRUCOS PARA PULIR EL PROMPT

• Acotar fechas y vigencia: fuerza al modelo a descartar estudios caducos.

• Nombrar fuentes específicas: empuja la búsqueda hacia repositorios de alta fiabilidad.

• Definir salidas concretas: asegura un entregable usable (tabla, glosario).

• Pedir idioma y estilo: evita traducciones automáticas que pierdan matiz.

• Solicitar ejemplos: convierte la teoría en algo tangible para el lector.

• Exigir enlaces activos y APA 7ª: fomenta la trazabilidad y la ética de citación.

  
  

El resultado es un prompt quirúrgico: la IA ofrece información fresca, citas verificables y un formato coherente con las necesidades del aula o del blog. En otras palabras, pasamos de un “hazme un resumen” a una consulta profesional que respeta el rigor académico y simplifica la publicación final.

Con todas estas ideas, Mario escribió su "prompt quirúrgico",

Realiza una investigación comparativa y actualizada sobre las políticas y planes de implementación en materia de contaminación ambiental a nivel mundial, organizadas por continentes: América del Norte, América del Sur, Europa, África, Asia, Oceanía y, si corresponde, Antártida.

El análisis debe considerar las políticas vigentes desde 2020 y los planes proyectados hacia 2030, enfocándose en los siguientes aspectos:

1.Marcos regulatorios y normativas nacionales o regionales que aborden la contaminación ambiental.

2.Planes e incentivos para promover el uso de energías renovables.

3.Estrategias para la gestión de residuos (sólidos, líquidos, tóxicos, reciclaje, etc.).

4.Iniciativas para fomentar la investigación y el desarrollo de tecnologías limpias.

Utiliza fuentes oficiales y confiables como documentos de la ONU, OCDE, Banco Mundial, gobiernos nacionales, agencias ambientales internacionales, entre otros.

Presenta los resultados en español, con una estructura clara que incluya subtítulos por continente, ejemplos concretos de políticas destacadas y una tabla comparativa final que resuma las principales acciones y metas por región.

• Marcos regulatorios y normativas por continente.

• Análisis comparativo.

• Glosario de términos

• Referencias con enlaces a la OMS, Ministerio del Ambiente, Banco Mundial entre otras fuentes.

Los resultados obtenidos en ChatGPT, Gemini y Perplexity fueron sorprendentes:

Haz clic en la imagen para acceder a los documentos

“Profe, ¡esto sí son pruebas!»—dijo. Ahora su artículo no solo iba a oler a evidencia, sino a llamar la atención de cualquier municipalidad que se precie de seria.

4. Deep Research con responsabilidad pedagógica

Como advirtió el tío Ben al joven Spider‑Man: «Un gran poder conlleva una gran responsabilidad». En nuestro caso, un gran poder de síntesis implica una gran responsabilidad docente.

La función Deep Research puede leer en segundos lo que a nosotros nos tomaría horas. Pero si un estudiante copia y pega sin filtrar, el aula corre el riesgo de llenarse de pseudo‑conocimiento: datos descontextualizados, citas dudosas o conclusiones sin sustento. Nuestro papel es convertir esa potencia en un catalizador de pensamiento crítico, de modo que cada cifra sea examinada, contrastada y debatida antes de volverse evidencia.

¿Por qué insistir tanto?

1. Evitar el “efecto autopista”: la información llega tan rápido que los alumnos olvidan mirar las señales —autor, sesgo, vigencia— y terminan en la salida equivocada.

2. Forjar criterio propio: la "IA propone; el estudiante decide" qué queda y qué se descarta.

3. Cultivar ética académica: citar la fuente, declarar el uso de IA y proteger la privacidad de los involucrados.

   
   

Actividad de aprendizaje: “Investigamos sin humo: Deep Research ético en acción”

Duración total	Grado / Nivel	Área	Recursos
120 min (2 horas)	Secundaria alta / Formación docente	Comunicación – Cultura Digital	Dispositivos con acceso a Gemini o ChatGPT (Deep Research), rúbrica “Detective Digital”, hoja de Semáforo, Diario ético (Docs), cronómetro, proyector

1. MOMENTO INICIO (20 min)

Paso	Actividad	Propósito
1.1	Ice‑breaker “¿Dónde está la fuente?” – El docente proyecta un dato impactante sin citar fuente (por ejemplo “80 % de asma infantil por quema de plástico”). Pregunta quién confía en él y por qué.	Sensibilizar sobre la necesidad de verificar.
1.2	Prompt genérico y fallos – Se muestra en pantalla el prompt vago: “Investiga contaminación del aire en el mundo”. Se ejecuta Deep Research y se evidencian problemas: datos obsoletos, falta de autores, cifras mezcladas.	Identificar límites de una búsqueda mal planteada.
1.3	Se introduce el reto: redactar un artículo de opinión sobre la quema de basura (caso de Mario) usando IA, pero con pruebas sólidas y ética académica.	Conectar con el contexto real y motivar la tarea.

2. MOMENTO DESARROLLO (80 min)

Paso	Actividad (estrategia)	Detalle de ejecución	Evidencia producida
2.1	Re‑Prompt iterativo (en parejas)	Cada dupla mejora el prompt añadiendo lugar, fechas (2020‑2024), fuentes (OMS, MINAM) y formato (tabla).	Prompt afinado guardado en un Docs compartido.
2.2	Extracción guiada (10 min cronometrados)	Ejecutan Deep Research, copian en una hoja de cálculo: título, autor, año, enlace, frase clave (máx. 5 fuentes).	Tabla preliminar de resultados.
2.3	Semáforo de confiabilidad + Doble verificación 3‑2‑1	Etiquetan cada fuente 🟢🟡🔴; conservan 3 verdes, 2 amarillas verificadas y 1 contraejemplo.	Hoja de semáforo completada.
2.4	Paráfrasis con voz propia	Cada estudiante reescribe en 80‑90 palabras un párrafo de la IA, citando la fuente; compañero revisa plagio.	Texto paráfrasis con cita APA.
2.5	Diario de decisiones éticas (colaborativo)	Registran por qué aceptan/rechazan fuentes, posibles sesgos detectados y cómo cuidan la privacidad.	Documento “Diario ético” actualizado.
2.6	Minidebate “IA vs. Humano”	Equipo A defiende la rapidez de Deep Research; Equipo B presenta hallazgos manuales de Google Scholar. Se discuten vacíos y fortalezas.	Cuadro comparativo de argumentos; acta de debate.

3. MOMENTO CIERRE (20 min)

Paso	Actividad	Producto / Reflexión
3.1	Declaración de IA y transparencia – Cada grupo inserta al final de su artículo la nota: “La síntesis inicial se generó con Gemini (Deep Research) y fue verificada con fuentes OMS (2023) y MINAM (2022)”.	Producto final listo para publicar.
3.2	Rúbrica “Detective Digital” (auto‑evaluación + coevaluación) – Criterios: calidad del prompt, diversidad de fuentes, citas correctas, reflexión ética.	Puntuación y feedback inmediato.
3.3	Metacognición rápida (post‑it digital) – Responden: “¿Qué parte dependió 100 % de mi criterio humano?” y “¿Cómo mejoraría mi próxima búsqueda?”	Mural de reflexiones compartidas.
3.4	Cierre con la frase del tío Ben proyectada: “Un gran poder conlleva una gran responsabilidad” y recordatorio: la IA potencia, pero el pensamiento crítico valida.	Compromiso ético colectivo.

Evaluación

• Proceso: rúbrica “Detective Digital”, hoja de Semáforo, participación en debate.

• Producto: artículo de opinión con citas APA, declaración de IA y tabla comparativa.

• Reflexión: Diario ético + post‑it metacognitivo.

Recurso 1. Rúbrica “Detective Digital”

Para evaluar el uso ético y crítico de Deep Research en la investigación.

Criterio	Excepcional (4)	Bueno (3)	Básico (2)	Insuficiente (1)
Claridad del prompt (RCTF)	Incluye Rol, Contexto, Tarea y Formato precisos; delimita fechas, lugar y fuentes.	Incluye 3 elementos RCTF; delimita al menos fechas o lugar.	Prompt genérico, sin marco temporal claro.	Prompt ambiguo; IA devuelve resultados irrelevantes.
Diversidad y calidad de fuentes	3 🟢 + 2 🟡 + 1 contraejemplo; todas verificadas y actuales (<3 años).	2 🟢 + 2 🟡; vigencia comprobada.	1 🟢 + 2 fuentes sin verificar; mezcla de fechas.	Predominio de 🔴 o sin validar.
Citas y referencias (APA 7.ª)	Todas las fuentes citadas correctamente con DOI/URL activo.	1‑2 errores menores de formato, enlaces activos.	Varias omisiones de datos o enlaces rotos.	Pocas o nulas citas; plagio evidente.
Reflexión ética y sesgos (Diario)	Analiza sesgos, privacidad y vacíos; justifica cada decisión.	Identifica al menos un sesgo y documenta acciones.	Reflexión breve o incompleta.	Sin reflexión ni registro de decisiones.
Paráfrasis y voz propia	Reescribe con estilo propio; mantiene rigor y coherencia.	Paráfrasis clara; escasos fragmentos muy cercanos al texto IA.	Dependencia evidente de wording IA; poca elaboración.	Copia y pega texto de la IA sin cambios.

Puedes usar los siguientes criterios de puntos: Puntaje máximo: 20. Sugerencia: 17‑20 = Excelente, 13‑16 = Bueno, 9‑12 = Suficiente, ≤ 8 = Revisión necesaria.

Recurso 2. Semáforo Digital: Tu checklist de fuentes confiables

Instrucciones para usar el Checklist de Fuentes Confiables (para estudiantes)

Instrucciones para usar el Checklist de Fuentes Confiables

Estimados(as) estudiantes:

En esta actividad, evaluaremos si la fuente que has encontrado para tu Proyecto de investigación es realmente confiable. Para ello, utilizarán el “Checklist de Fuentes Confiables”, que te permitirá analizar con criterio cada fuente que estás usando (artículos, noticias, videos, blogs, etc.).

Sigue estos pasos:

1. Pega o escribe el enlace o nombre del artículo en la columna “Fuente (enlace)”.

2. Lee con atención el contenido de esa fuente y responde las preguntas de la columna “¿Qué debo revisar?” para cada criterio.

3. Según lo que observes:

   Marca 🟢 (Verde) si cumple con todo lo que se pide en la columna “¿Qué debo revisar?”

   Marca 🟡 (Amarillo) si cumple parcialmente o si hay dudas

   Marca 🔴 (Rojo) si no cumple con el criterio y no puedes confiar del todo

4. En la columna “Comentario”, puedes anotar por qué tomaste esa decisión o dejar una observación (por ejemplo: “No encontré al autor”, “La información es muy antigua”, “El lenguaje es muy confiable y claro”, etc.).

5. Repite este proceso para al menos cinco fuentes que estés usando en tu proyecto.

📌 Importante:

• Este checklist te ayudará a tomar decisiones responsables sobre qué información puedes usar en tu producto final.

Puedes hacer una copia del checklist haciendo [clic aquí]

En el Semáforo de Confiabilidad, cada color representa el nivel de confianza que puedes tener en una fuente consultada durante tu investigación. Esta estrategia visual ayuda a los estudiantes a tomar decisiones informadas sobre qué fuentes conservar, complementar o descartar. Aquí te explico el significado de cada color:

Color del semáforo	Significado	Qué hacer con la fuente	Ejemplo
🟢 Verde	Fuente muy confiable. Es oficial, académica o de alta autoridad. Tiene autor, fecha reciente y referencias claras.	Mantener: puedes usarla como base para tu trabajo.	Artículo de la ONU, informe del MINSA o una revista científica indexada.
🟡 Amarillo	Fuente medianamente confiable. Tiene buena información, pero hay algún punto débil (autor poco conocido, fecha antigua, lenguaje poco técnico).	Complementar: puede ser útil, pero necesitas contrastarla con otra fuente más sólida.	Blog de una ONG ambiental con buena reputación, pero sin referencias claras.
🔴 Rojo	Fuente poco confiable o dudosa. No tiene autor, ni fecha, ni referencias claras. Presenta información muy general o sensacionalista.	Descartar: no la uses en tu trabajo, ya que puede llevarte a errores.	Página anónima con opiniones sin sustento o videos sin fuente en redes sociales.

Con esta rúbrica y la hoja de semáforo, tus estudiantes tendrán un camino claro para transformar el poder de síntesis de Deep Research en una investigación rigurosa y ética.

¿y qué tal si probamos esta aplicación interactiva?

Accedea la versión interactiva creada con Gemini: 👉[CLIC AQUÍ]

Como hemos leido hasta aquí, Deep Research puede convertir minutos de curiosidad en horas de investigación condensada, pero solo cuando enseñamos a nuestros estudiantes a formular preguntas precisas, contrastar fuentes con rigor y declarar con transparencia el papel de la IA en su trabajo; de lo contrario, corremos el riesgo de llenar el aula de datos huecos y citas dudosas, perdiendo la oportunidad de transformar la velocidad tecnológica en auténtico pensamiento crítico.

¿Te animas a probar esta estrategia en el aula?

Vamos con la segunda parte: https://proyectopleapp.wixsite.com/luisdavila/post/ia-con-propósito-estudiantes-que-investigan-filtran-y-crean-para-transformar