Glosario Conceptual

Versión 1.7 · Junio 2026 · Definiciones operacionales del protocolo
Actualizaciones recientes (v1.5–v1.7): Esta versión incorpora la convención AGENT_ para agentes automatizados (AGENT_ANALISTA_SFL, AGENT_SESION, AGENT_TRAYECTORIA), traducciones SFL para las entradas de cambio superficial/estructural, desplazamiento, contraste y transferencia, y el sinónimo "transferencia longitudinal" para Δ_inter. Ver PDF completo.

Términos del protocolo

Deuda cognitiva

Condición en la que un estudiante produce un output correcto sin haber construido el proceso cognitivo que normalmente lo genera. No es un problema de honestidad académica; es un problema de diseño instruccional. La IA generativa la hace posible a escala.

Rastro inicial

Producción escrita del estudiante (esquema, hipótesis, variables, decisión) generada antes de cualquier interacción con IA. Constituye la línea base del piloto. Su función es evidenciar el estado del razonamiento técnico sin mediación tecnológica.

Contraste cognitivo

Proceso mental que ocurre cuando el estudiante compara su pensamiento propio con una interpelación externa (chatbot socrático, datos nuevos, pares). Solo es posible si hay algo previo que contrastar. Sin rastro inicial, no hay contraste: hay delegación.

Desplazamiento cognitivo

Cambio medible en el nivel de razonamiento de un estudiante entre dos momentos (intra-sesión o inter-sesión). Se mide en las 4 dimensiones del protocolo (D1D4). Puede ser positivo (progresión), nulo (estancamiento) o negativo (regresión).

Chatbot socrático

Agente conversacional cuya función es hacer preguntas, no dar respuestas. Hace visible lo que el estudiante omite, obliga a justificar supuestos y exige evidencia donde el estudiante generaliza. No puede ser usado pasivamente. Ver los 4 prompts.

Modo adversarial

Variante del chatbot (Clase 4) que cuestiona la decisión del estudiante desde múltiples ángulos: evidencia, riesgo, alternativas y consecuencias. No valida ni corrige; presiona. Ver prompt de Clase 4.

AGENT_ANALISTA_SFL

Motor SFL compartido: recibe texto del estudiante y devuelve codificación D1-D4 con justificación basada en los 10 recursos lingüísticos del Anexo A de la Rúbrica (nexos causales, nominalizaciones, operadores modales, marcadores evidenciales, etc.). Es invocado por AGENT_SESION y AGENT_TRAYECTORIA; no opera autónomamente. Opera dentro de la plataforma (n8n + PostgreSQL).

AGENT_SESION

Agente post-sesión (disparado al cierre de C1-C5): invoca a AGENT_ANALISTA_SFL sobre los momentos M1-M4 de UNA clase. Calcula Δintra = M4 − M1. Genera: (a) feedback SFL de proceso al alumno vía WhatsApp, (b) informe analítico al profesor con niveles D1-D4 por momento. Es el agente que ejecuta DD_16.

Contenido del feedback al alumno: El feedback es SFL de proceso, nunca dimensional.

Lo permitido y lo prohibido en el feedback al alumno
Lo que SÍ dice (SFL de proceso)Lo que NO dice (dimensional, prohibido)
"Conectaste varias variables pero tus cadenas causales eran de un solo eslabón. La próxima vez intenta trazar el camino completo: ¿qué causó qué, y eso qué provocó después?""Estás en D1 nivel 2. Necesitas más nexos causales para llegar a nivel 3."
"Cuando el chatbot te mostró datos contradictorios, revisaste tu hipótesis. Ese hábito te va a servir en la torre de enfriamiento.""Tu D3 mejoró de nivel 1 a nivel 2. Sigue así."
"Tus variables estaban bien identificadas pero sin valores. En ingeniería, un dato sin número es una opinión.""D2 nivel 1: te faltan participantes con modificación numérica."

El primer tipo enseña a razonar. El segundo enseña a pasar un test. Esta distinción protege la validez interna del estudio. Ver Marco Metodológico v1.8 §5.1.

AGENT_TRAYECTORIA

Agente longitudinal (disparado post-C2, C3, C4, C5, acumulativo): invoca a AGENT_ANALISTA_SFL sobre los rastros M1 de sesiones consecutivas. Calcula Δinter = M1N − M1N−1 por dimensión. Detecta patrones: estancamientos (Δinter = 0 × 2 sesiones), regresiones (Δinter < 0), saltos (Δinter ≥ +2). Genera heatmap de trayectorias individuales. Compara transferencia M1C1 → C5. Alerta al profesor sobre techos cognitivos. No genera feedback al alumno — solo al profesor.

Transferencia

Capacidad del estudiante de aplicar el método de razonamiento aprendido a un caso técnico nuevo sin andamiaje. Es la evidencia de transferencia cercana: aprendizaje real vs. familiarización con un caso específico. Se evalúa en Clase 5 con el caso de la torre de enfriamiento.

Andamiaje

Cualquier soporte externo que facilita el razonamiento del estudiante: instrucciones paso a paso, chatbot socrático, pistas del docente, estructura de actividades. Se retira progresivamente a lo largo del piloto (máximo en Clase 1, ausente en Clase 5).

Línea base

Estado del razonamiento del estudiante antes de la intervención pedagógica. En el piloto opera a dos niveles:

Momentos de medición (M1-M4)

El protocolo captura hasta cuatro momentos de evidencia por clase. La distribución NO es uniforme:

Distribución de momentos M1-M4 por clase
ClaseM1 (Papel)M2 (Chat PLAN)M3 (Chat BUILD)M4 (Cierre DD_30)Total
C1✓ (PLAN básico)3 momentos
C2✓ (PLAN)✓ (BUILD)4 momentos
C3✓ (PLAN)✓ (BUILD)4 momentos
C4✓ (PLAN adversarial)✓ (BUILD)4 momentos
C5✓ (NEUTRO)3 momentos

Dimensiones de análisis

D1 — Complejidad causal

¿El estudiante identifica solo síntomas o construye cadenas de mecanismos? ¿Menciona causas de causas? ¿Conecta subsistemas? Ver rúbrica completa.

Operacionalización SFL: Se mide por la presencia y calidad de nexos causales explícitos entre cláusulas y de nominalizaciones técnicas como participantes de procesos causales. Ver Rúbrica Longitudinal v1.6, §2 y Anexo A.

D2 — Especificidad técnica

¿Las variables mencionadas son medibles? ¿Usa valores con unidades? ¿Aplica umbrales técnicos? ¿El lenguaje es operacional o vago? Ver rúbrica completa.

Operacionalización SFL: Se mide por la presencia de participantes técnicos con modificación numérica y unidades, y por el uso de umbrales de clasificación. Ver Rúbrica Longitudinal v1.6, §2 y Anexo A.

D3 — Consciencia epistémica

¿Distingue lo que sabe de lo que supone? ¿Reconoce vacíos en su información? ¿Puede evaluar la calidad de su propia evidencia? Ver rúbrica completa.

Operacionalización SFL: Se mide por la presencia de operadores modales epistémicos, marcadores evidenciales y cláusulas condicionales epistémicas. Ver Rúbrica Longitudinal v1.6, §2 y Anexo A.

D4 — Decisión bajo incertidumbre

¿Toma una posición explícita o evade? ¿Nombra el riesgo que asume? ¿Define criterio de escalamiento? ¿Tiene plan B? Ver rúbrica completa.

Operacionalización SFL: Se mide por la presencia de verbos de decisión en primera persona, cláusulas condicionales de consecuencia y actos de habla deónticos. Ver Rúbrica Longitudinal v1.6, §2 y Anexo A.


Términos técnicos del caso

ORP (Potencial de Óxido-Reducción)

Medida de la capacidad oxidante del agua en mV. Indica eficacia de la desinfección. Umbral crítico: < 650 mV.

pH

Medida de acidez/alcalinidad. En agua de piscina, valores > 7.8 reducen la eficiencia del cloro libre hasta 80%.

ΔP (Presión diferencial)

Diferencia de presión entre entrada y salida de un componente (filtro, intercambiador). Indica grado de obstrucción. Se mide en kPa.

Retrolavado

Inversión del flujo a través del filtro para desprender material retenido y restaurar capacidad de filtración.

Ciclos de concentración

En torres de enfriamiento: razón entre la concentración de sales en el agua recirculada y la del agua de reposición. Aumenta cuando la purga es insuficiente.

Biofilm

Película de microorganismos adherida a superficies. En sistemas hidráulicos industriales, protege a los microorganismos del biocida y reduce eficiencia de transferencia de calor.


Términos metodológicos

Cambio superficial

El estudiante modifica su respuesta (palabras, componente mencionado) pero la estructura lógica del argumento no cambia. Ejemplo: cambiar "es el pH" por "es el ORP" sin agregar mecanismo.

Traducción SFL: Variación léxica sin cambio en los recursos lógico-semánticos. El estudiante sustituye participantes o procesos pero no incorpora nuevos nexos causales, nominalizaciones, marcadores evidenciales ni cláusulas condicionales.

Cambio estructural

El estudiante modifica la lógica de su razonamiento: agrega eslabones causales, introduce criterios de descarte, distingue niveles de evidencia.

Traducción SFL: Incorporación de nuevos recursos de las metafunciones ideacional (nexos causales, nominalizaciones técnicas, participantes con modificación numérica) o interpersonal (operadores modales epistémicos, marcadores evidenciales, cláusulas condicionales). El cambio estructural es observable en el texto: el estudiante produce recursos lingüísticos que no estaban presentes en su rastro inicial.

Techo cognitivo

Punto en la trayectoria longitudinal donde el desplazamiento se detiene (Δinter = 0 durante dos sesiones consecutivas). Puede indicar que el andamiaje es insuficiente, que el estudiante alcanzó su máximo con la información disponible, o que hay factores externos.

Homogeneidad de cohorte (Hcohorte)

Métrica exploratoria de similitud entre estudiantes: similitud semántica media entre todos los pares de rastros iniciales (M1) de estudiantes distintos dentro de una misma clase, calculada mediante embeddings de texto. Su trayectoria C1 → C5 indica si la diversidad de razonamiento de la cohorte se preserva, se comprime (homogeneización) o se expande. No mide nivel de razonamiento (eso lo miden D1-D4); mide diversidad entre estudiantes.

Motivada por la evidencia experimental de que el uso directo de IA generativa homogeneiza las producciones y esa homogeneización persiste al retirar la herramienta (Liu et al., 2024, arXiv:2401.06816, preprint). Cumple doble función: réplica conceptual de ese hallazgo en dominio ingenieril y autocontrol del diseño — detectar si el propio andamiaje socrático comprime la diversidad de razonamiento. La calcula AGENT_TRAYECTORIA sobre los rastros ya digitalizados; se interpreta por su trayectoria relativa C1 → C5, nunca por su valor absoluto, porque la ficha M1 es un género cerrado que impone similitud estructural de base. No participa de Δintra ni Δinter y no genera feedback durante el piloto.

Señal vs. ruido

Cohen's Kappa (κ)

Estadístico de acuerdo inter-codificador que corrige por azar. Valores: < 0.40 pobre, 0.41–0.60 moderado, 0.61–0.80 sustancial, > 0.80 casi perfecto. Umbral mínimo del protocolo para reporte publicable: κ ≥ 0.80 (ponderado, lineal o cuadrático). κ ≥ 0.70 acepta solo análisis exploratorio.


Códigos del protocolo (P y D)

En toda la documentación del proyecto aparecen referencias como DD_24 o P6. Estos códigos apuntan a las Premisas de Diseño v1.0, el documento fuente de verdad que documenta cada decisión metodológica del protocolo.

Premisas (P1–P9)

Principios de alto nivel que no se negocian. Definen el marco completo del piloto.

CódigoPremisa
P1Una sola IA: el chatbot socrático del investigador. Sin herramientas externas.
P2Profesor y alumno usan el mismo sistema (plataforma/BD), pero agentes diferentes.
P3Coexistencia con IA, no prohibición. La clase enseña a usar IA con criterio.
P4~20 alumnos. 3er año de Ingeniería Industrial. Sesiones de 80 min (08:15–09:35, viernes).
P5Primero cerebro (papel/pensamiento), después chatbot.
P6Trabajo individual (no grupal).
P7El chatbot tiene modos PLAN (socrático, no genera) y BUILD (genera con errores deliberados, defiende).
P8Sistema escalable a otros profesores de la facultad.
P9La clase NO es de contenido. Es un laboratorio de criterio.

Decisiones de Diseño (DD_1–DD_39)

Cada decisión operativa del protocolo está numerada y trazada. Cuando un documento dice "DD_24", significa "Decisión de Diseño número 24" y se puede verificar en las Premisas de Diseño v1.0.

CódigoDecisión
DD_7Arquitectura dual PLAN/BUILD del chatbot.
DD_8Errores deliberados escalados: obvios (C2) → sutiles (C3) → profesionales (C4).
DD_9Toda interacción queda registrada en base de datos (PostgreSQL).
DD_11Feedback sobre proceso cognitivo, nunca sobre correcto/incorrecto.
DD_16Feedback automático al alumno vía WhatsApp (sin revisión humana).
DD_17C5 = transferencia a caso nuevo sin andamiaje.
DD_19Transiciones entre modos controladas por el profesor (no por el alumno).
DD_20Chatbot NEUTRO en C5: responde sin presionar.
DD_21C1 = solo PLAN. 80 min completos. Onboarding pre-curso vía WhatsApp.
DD_23Encuesta final de autopercepción en C5: 4 ejes (hábitos de estudio, relación con IA, evaluación de respuestas, pensar antes de preguntar).
DD_24Timeline C2-C4: 80 min en 6 fases (Encuadre → Papel → PLAN → Transición → BUILD → Cierre).
DD_25Evaluación del alumno en formato libre (sin checklist impuesto).
DD_26La evaluación ocurre dentro del chat, no en documento aparte.
DD_27El chatbot BUILD defiende sus errores cuando el alumno los señala.
DD_28El alumno NO sabe que el documento tiene errores deliberados.
DD_29Push profesional: "¿Lo firmarías con tu nombre?" si acepta sin cuestionar.
DD_30Reflexión de cierre: chatbot pregunta Δ_intra al final de cada sesión.
DD_31Sin límite de turnos en el chat (la cantidad es dato, no restricción).
DD_32Dashboard docente con 7 controles (selector, pausa, activar BUILD, activar cierre, etc.).
DD_33Pausa: congela chats y muestra "pon atención al frente."
DD_34El alumno puede ver su historial de clases anteriores.
DD_35Mensaje pre-clase con vocabulario técnico (día anterior, vía WhatsApp).
DD_36Ausencias se registran como dato (no se excluyen del análisis).
DD_37Doble consentimiento: firma física + confirmación digital.
DD_38Alumno sube foto de su rastro vía botón "Subir imagen" → n8n → AI Vision.
DD_39Datos técnicos actualizados al Centro Acuático Municipal v2.0.
Fuente: Todas las premisas y decisiones están documentadas en instrumentos/doc_inv_Premisas_Diseno_v1.1.md. Cuando un instrumento contradice una decisión D#, se corrige el instrumento. Si la decisión resulta inviable, se abre debate antes de modificar las Premisas.