Generación de prompts en Ciencias de la Salud

Abstract

Material de la sesión impartida el 22/01/2026 en Bibliosalud. El material incluye: - Una introducción estructurada a la generación de prompts para sistemas de inteligencia artificial generativa, especialmente modelos de lenguaje (LLM), en contextos académicos y de investigación. El contenido aborda los fundamentos teóricos del funcionamiento de los LLM (tokenización, embeddings, predicción probabilística), así como sus limitaciones en términos de razonamiento y verificación de la información. - Se presentan y comparan distintos enfoques de generación aumentada —LLM, RAG (Retrieval-Augmented Generation) y CAG (Context-Augmented Generation)—, explicando su funcionamiento, ventajas y casos de uso. El documento desarrolla principios y buenas prácticas para la elaboración de prompts eficaces, incluyendo claridad, contextualización, estructuración, ejemplificación, control de calidad y trabajo por capas. -Se analizan aplicaciones prácticas en herramientas de apoyo a la investigación (como WoS Research Assistant, Elicit o Undermind) y se establece una comparación crítica entre la búsqueda bibliográfica tradicional en bases de datos y el uso de herramientas de IA, destacando implicaciones en control, reproducibilidad, precisión y eficiencia. El material está orientado a profesionales de la información, investigación y docencia interesados en el uso responsable y eficaz de la IA generativa.

Ähnliche Arbeiten