🤖 AI

AI-Generated Slides: Are They Good? Can Students Tell?

Este estudio evalúa diversas herramientas de IA generativa para crear diapositivas educativas, hallando que los asistentes de código producen el contenido pedagógicamente más sólido y que los estudiantes perciben las diapositivas generadas por IA como comparables en calidad a las creadas por humanos, asociando a menudo la calidad percibida como inferior con la fuente de IA.

Autores originales: Juho Leinonen, Lisa Zhang, Arto Hellas

Publicado 2026-05-14

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Juho Leinonen, Lisa Zhang, Arto Hellas

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un profesor que ha escrito un libro de texto fantástico y grueso para tu clase. Ahora, necesitas convertir esas páginas en diapositivas coloridas para tus conferencias. Es mucho trabajo, como intentar construir una casa ladrillo a ladrillo cuando preferirías simplemente ensamblar un kit prefabricado.

Este artículo es como un boletín de calificaciones sobre el uso de herramientas de IA para realizar ese trabajo pesado. Los investigadores se plantearon dos preguntas sencillas:

¿Son realmente buenas las diapositivas creadas por IA?
¿Pueden los estudiantes distinguir entre las diapositivas hechas por IA y las hechas por humanos?

Aquí está la historia de lo que descubrieron, explicada de forma sencilla.

La prueba de la "caja de herramientas"

Los investigadores no solo eligieron una IA. Probaron cinco tipos diferentes de herramientas, como probar cinco marcas diferentes de taladros eléctricos para ver cuál construye mejor una estantería:

Las herramientas "generalistas": Son como navajas suizas (por ejemplo, NotebookLM, M365 Copilot, Claude). Son buenas en muchas cosas, pero a veces fallan en detalles específicos.
Los "asistentes de programación": Son como herramientas eléctricas especializadas de alta gama diseñadas para programadores (por ejemplo, Cursor, Claude Code). Aunque crear diapositivas no es estrictamente "programación", estas herramientas resultaron ser las mejores para el trabajo.

El veredicto sobre la calidad:
Las herramientas "generalistas" fueron un poco como un aprendiz torpe. Crearon diapositivas que parecían bien a primera vista, pero les faltaban hechos clave, tenían diagramas confusos o incluían imágenes irrelevantes (como una diapositiva sobre código HTML que mostraba una foto de un pájaro).

Los "asistentes de programación", sin embargo, fueron como maestros artesanos. Produjeron diapositivas precisas, completas y que seguían un flujo lógico de enseñanza. No solo copiaron y pegaron; entendieron cómo estructurar la información para un aula.

La "prueba de cata a ciegas"

Una vez que los investigadores seleccionaron las mejores diapositivas de IA (de los asistentes de programación), hicieron algo complicado. Tomaron esas diapositivas de IA, ajustaron las fuentes y los colores para que coincidieran con el estilo habitual del profesor, y las mezclaron en las conferencias reales junto con las diapositivas que el profesor había hecho a mano.

Se les dijo a los estudiantes: "Oigan, algunas de estas diapositivas podrían estar hechas por IA", pero no se les dijo cuáles. Después de cada segmento de la conferencia, los estudiantes debían:

Calificar qué tan buenas eran las diapositivas.
Adivinar: "¿Esto lo hizo un humano o un robot?"

Los resultados:

La prueba de cata: Los estudiantes calificaron las diapositivas de IA y las humanas como igualmente buenas. No podían distinguir la diferencia. La puntuación promedio para ambas fue un sólido "5 sobre 7".
El juego de adivinanzas: Los estudiantes fueron terribles adivinando. Adivinaron "IA" casi con la misma frecuencia que "Humano", lo cual es básicamente adivinar al azar.
El giro del "sesgo": Aquí está la parte interesante. Los investigadores encontraron un patrón curioso: Cuando los estudiantes pensaban que una diapositiva estaba hecha por IA, tendían a calificarla más baja. Incluso si la diapositiva era realmente excelente, si sospechaban que un robot la había hecho, le daban una puntuación más baja. Es como un crítico gastronómico que dice: "Esta sopa sabe genial, pero como creo que la cocinó una máquina, le daré una puntuación más baja por si acaso".

Las conclusiones principales

Ganan las herramientas de programación: Si quieres que la IA cree materiales educativos, las herramientas diseñadas para programadores (asistentes de programación) funcionan mejor que los chatbots generales, incluso para tareas que no son de programación, como crear diapositivas.
Los humanos aún son necesarios: La IA aún no es perfecta. Necesita que un humano revise el trabajo, corrija el formato y asegure que el estilo coincida. Piensa en la IA como un becario muy rápido y muy conocedor que necesita un gerente para revisar su trabajo antes de que llegue al cliente.
A los estudiantes no les importa (o no pueden distinguir): Mientras el profesor humano corrija los pequeños errores y haga que se vea profesional, los estudiantes no pueden distinguir la diferencia y califican la calidad igual que si el profesor la hubiera hecho él mismo.

En resumen: La IA puede ser un ayudante poderoso para que los profesores ahorren tiempo, pero funciona mejor cuando el profesor actúa como "editor jefe" en lugar de simplemente pulsar un botón de "generar" y marcharse. Y no te preocupes, los estudiantes no notarán la diferencia si lo haces bien.

Resumen Técnico: Diapositivas Generadas por IA: ¿Son Buenas? ¿Pueden los Estudiantes Distinguir?

Declaración del Problema

A medida que la IA Generativa (GenAI) y los Modelos de Lenguaje Grande (LLM) se vuelven cada vez más accesibles, los instructores de informática enfrentan tanto oportunidades como incertidumbres respecto a su integración en flujos de trabajo pedagógicos. Si bien las herramientas GenAI muestran promesas para aumentar la productividad en tareas de programación y redacción, a menudo generan salidas incorrectas o alucinadas. Existe una brecha específica en la evaluación de la capacidad de la GenAI para transformar notas de curso escritas por instructores (específicamente capítulos de libros de texto en línea) en diapositivas de clase de alta calidad. Esta transformación es desafiante porque requiere coordinar texto, código y diagramas manteniendo la solidez pedagógica. Además, hay un entendimiento limitado sobre cómo los estudiantes perciben los materiales educativos generados por IA en comparación con los creados por humanos, y si los estudiantes pueden distinguir de manera confiable entre ambas fuentes.

Metodología

El estudio empleó un enfoque de estudio de caso de métodos mixtos dentro de un curso de desarrollo de software web de último año de pregrado en la Universidad Aalto. La investigación se dividió en dos fases principales:

Fase 1: Evaluación del Instructo de la Calidad de la Herramienta

Los investigadores evaluaron cinco herramientas GenAI distintas a través de un espectro de accesibilidad e integración en el flujo de trabajo:

Herramientas educativas de extremo a extremo: NotebookLM.
LLM de propósito general: M365 Copilot y Claude (Sonnet 4.5).
Asistentes de codificación: Cursor y Claude Code.

Proceso:

Entrada: Se utilizaron cuatro capítulos de libros de texto que cubrían HTML/Svelte básico, compartir estado, operaciones CRUD y la API Fetch como material fuente.
Prompting: Los investigadores utilizaron prompts iterativos y directos sin ingeniería de prompts avanzada, pidiendo a las herramientas que generaran diapositivas para segmentos de clase de 10 a 15 minutos que incluyeran ejercicios de instrucción entre pares.
Criterios de Evaluación: Dos investigadores (ambos educadores en informática) y el instructor del curso realizaron una evaluación narrativa cualitativa basada en tres factores:
1. Precisión Factual: Verificación contra los materiales fuente e identificación de alucinaciones.
2. Completitud: Evaluación de si se omitieron conceptos clave y ejemplos.
3. Solidez Pedagógica: Evaluación de la gestión de la carga cognitiva, la codificación dual (equilibrio visual/texto) y el andamiaje de conceptos.

Fase 2: Estudio de Percepción Estudiantil

Basándose en la Fase 1, los investigadores seleccionaron las herramientas de mejor rendimiento (Cursor y Claude Code) para un experimento en el aula.

Diseño Experimental: Durante cinco semanas, el curso utilizó una mezcla de diapositivas generadas por humanos y diapositivas generadas por IA (modificadas para coincidir con el estilo visual y el formato del instructor).
Cegamiento: Se informó a los estudiantes que las clases podrían contener contenido de GenAI, pero no se les dijo qué segmentos específicos fueron generados por IA.
Recopilación de Datos: Después de cada segmento de clase, los estudiantes completaron una encuesta calificando la calidad de las diapositivas en una escala Likert de 7 puntos (1 = Muy mala, 7 = Excelente) y adivinando la fuente (1 = Definitivamente Humano, 7 = Definitivamente IA).
Análisis: El estudio analizó las calificaciones medias, medianas y las correlaciones entre las calificaciones de calidad y las suposiciones de la fuente utilizando pruebas U de Mann-Whitney y coeficientes de correlación de Spearman.

Contribuciones Clave

Evaluación Comparativa de Herramientas: El artículo proporciona una evaluación narrativa práctica de cinco categorías diferentes de herramientas GenAI para la generación de diapositivas educativas, yendo más allá del desarrollo teórico de sistemas hacia la experiencia real de los instructores.
Identificación de Tipos de Herramientas Óptimas: El estudio identifica que los asistentes de codificación (específicamente Cursor y Claude Code) superan a los LLM de propósito general y a las herramientas centradas en la educación para esta tarea específica, produciendo diapositivas que son más precisas, completas y pedagógicamente sólidas.
Datos de Percepción Estudiantil: El estudio ofrece datos empíricos sobre las percepciones de los estudiantes, demostrando que los estudiantes no pueden distinguir de manera confiable entre diapositivas generadas por IA de alta calidad y diapositivas creadas por humanos.
Perspectivas del Flujo de Trabajo: El artículo documenta el flujo de trabajo con "el instructor en el bucle", destacando que, aunque los borradores de IA requieren iteración (particularmente para el estilo y el formato), pueden integrarse efectivamente en las prácticas de enseñanza existentes.

Resultados

Evaluación del Instructor (Fase 1)

Asistentes de Codificación (Cursor, Claude Code): Produjeron los resultados más convincentes. Fueron calificados como Precisos, Completos y Fuertes en solidez pedagógica. Generaron con éxito ejemplos de código, mantuvieron una progresión lógica y aprovecharon el paralelismo en la presentación del contenido. Los problemas menores incluían errores de renderizado ocasionales y contenido que a veces era "demasiado completo", requiriendo curaduría por parte del instructor.
LLM de Propósito General (Claude, M365 Copilot): Produjeron diapositivas que eran generalmente precisas pero a menudo Incompletas y Problemáticas pedagógicamente. Los problemas incluían ejemplos de código faltantes, contenido superficial, imágenes grandes irrelevantes y un mal equilibrio texto-imagen.
Herramientas Educativas (NotebookLM): Aunque visualmente atractivas, la salida fue considerada Muy Incompleta y Muy Problemática pedagógicamente. El contenido a menudo era superficial, carecía de ejemplos de código necesarios y el formato "Resumen en Video" era demasiado extenso para los segmentos de clase.

Percepción Estudiantil (Fase 2)

Calificaciones de Calidad: No hubo diferencia estadísticamente significativa en las calificaciones de calidad entre las diapositivas generadas por IA (Mediana = 5.0) y las diapositivas generadas por humanos (Mediana = 5.0). La prueba U de Mann-Whitney confirmó que los estudiantes percibieron la calidad de ambas fuentes como equivalente ( $p = 0.84$ ).
Identificación de la Fuente: Los estudiantes no pudieron identificar de manera confiable la fuente de las diapositivas. La suposición mediana tanto para las diapositivas de IA como para las humanas fue 4.0 (neutral), y la prueba U de Mann-Whitney no mostró una diferencia significativa en la precisión de las suposiciones ( $p = 0.1$ ).
Correlación: Se encontró una correlación negativa significativa ( $\rho = -0.28, p < 0.01$ ) entre las calificaciones de calidad y la suposición de que las diapositivas fueron generadas por IA. Esto sugiere que cuando los estudiantes percibían las diapositivas como de menor calidad, eran más propensos a atribuirlas a la IA, indicando un sesgo que asocia la mala calidad con la generación por IA.

Significado y Afirmaciones

El artículo afirma que integrar la GenAI en los flujos de trabajo de diseño instruccional es prometedor, particularmente cuando se utilizan asistentes de codificación en lugar de chatbots de propósito general o herramientas educativas dedicadas. Los autores enfatizan que:

Ahorro de Tiempo: El uso de estas herramientas puede ahorrar un tiempo significativo al instructor, siempre que el instructor permanezca en el bucle para iterar sobre el estilo y verificar el contenido.
Experiencia del Estudiante: Cuando los materiales generados por IA son de alta calidad y estilísticamente consistentes con los materiales humanos, no impactan negativamente la percepción o la experiencia del estudiante.
Enfoque Pedagógico: Los instructores deben abordar el uso de la GenAI de manera similar a como los programadores utilizan los asistentes de codificación: mediante prompting iterativo, refinamiento y aprovechando la documentación existente, en lugar de esperar un borrador perfecto en el primer intento.

Los autores enmarcan modestamente este trabajo como una "instantánea" de las capacidades de finales de 2025 y un estudio de caso, en lugar de una conclusión de investigación definitiva y generalizable. Reconocen limitaciones, incluido el contexto de una sola institución, la naturaleza específica del curso (programación web) y la falta de medición de los resultados de aprendizaje reales. Piden más investigación sobre cómo los educadores pueden aprovechar responsable y efectivamente estas herramientas en evolución.