Autores:
Eduardo Pinto. Médico, EdM. Educación. Ledys Ma. Izquierdo. Pediatra Intensivista, MSc Ing. Biomédica. Esp. Docencia en Universitaria(c). Andrés Rico*. Médico internista, CEO AIpocrates.
*Miembros de la línea: Educación médica e Inteligencia Artificial de AIpocrates.
En la columna titulada “Muerte por PowerPoint-6 hallazgos para reflexionar” concluimos que en educación médica el problema no es PowerPoint sino el diseño subóptimo de diapositivas, que ignora sistemáticamente los principios de cómo funciona la mente humana.
Las diapositivas que sobrecargan distraen y confunden son un síntoma de una falta de alineación entre nuestras prácticas de enseñanza y la evidencia científica. También advertimos que la solución no es la automatización ciega, sino combinar la inteligencia educativa con la Inteligencia Artificial (IA).
El cerebro es un procesador de información con capacidad limitada. Los psicólogos cognitivos comparan nuestra memoria de trabajo donde procesamos la información al instante con una maleta muy pequeña. Cuando llenamos una diapositiva con texto excesivo, imágenes irrelevantes o colores distractores, provocamos una Sobrecarga Cognitiva Extraña (CCE). Es como llenar la maleta con adornos y ropa innecesaria, en la que no puedes cerrarla y pierdes el espacio para lo esencial.
Nuestra misión es usar principios de neurodidáctica para minimizar esa carga extraña y maximizar la Carga Cognitiva Germana (CCG), que es el esfuerzo mental dedicado a construir nuevos esquemas de conocimiento. Es decir, es hacer que el esfuerzo se centre en comprender, no en descifrar un mal diseño. Nuestro objetivo hoy es brindar puntos claves de diseño de diapositivas y estrategias para que la IA nos apalanque en esta tarea.
- Síntesis y planificación previa (reducción de contenido base)
La prevención de la sobrecarga comienza antes de la etapa de diseño, asegurando que el contenido esencial esté bien organizado:
● Definición de objetivos claros: Toda presentación debe tener un objetivo pedagógico esencial que defina la estructura cognitiva (qué se espera que el auditorio logre, idealmente con la taxonomía de Bloom). Se debe eliminar cualquier contenido que no se alinee con estos objetivos.
● Pre-entrenamiento: antes de desarrollar los contenidos identifique:- Conceptos fundamentales: Las bases esenciales sobre las cuales se edificará el nuevo conocimiento y la comprensión.
- Conceptos umbral: Aquellos conceptos cuya comprensión inicial es desafiante, pero que, una vez dominados, provocan una transformación y aceleración significativas en el aprendizaje.
- Prejuicios: Remedie cualquier mito o malentendido preexistente antes de que interfiera con el entendimiento de su presentación.
- Conceptos clave o mensajes centrales: El «marco conceptual» que enlaza hechos y detalles, facilitando el modelado mental y la memoria. Es el tema central o enunciado nuclear de la presentación, alrededor del cual giran los detalles de apoyo.
● Preparación de un buen resumen: Antes de diseñar una Presentación con Diapositivas (PD), prepare un buen resumen; los ineficaces causan diapositivas sobrecargadas. Un resumen efectivo, académico o técnico, requiere identificar la idea principal, conectar y sintetizar detalles clave/evidencias. Debe ser parafraseado, objetivo (sin opiniones), preciso, fiel al significado del autor, coherente y muy breve, incluyendo solo lo esencial.
● Estructura narrativa coherente: Se debe presentar el mensaje central, seguido de tres ideas secundarias y, por cada una de estas, tres ideas de apoyo. Esta estructura se traduce en una narrativa coherente.
● Ritmo y extensión: Es bueno limitar la cantidad de información. Se recomienda planificar 1 diapositiva por cada 1 a 2 minutos de exposición, ya que exceder esta proporción (por ejemplo, más de 15-20 diapositivas para una charla de 20 minutos) tiende a generar sobrecarga cognitiva y pérdida de atención.
- Principios de diseño cognitivo para eliminación de la CCE
Los principios de la Teoría Cognitiva del Aprendizaje Multimedia y la Teoría de la Carga Cognitiva se aplican directamente para filtrar y estructurar la información en el material final:
Principios de eliminación de CCE
El manejo proactivo de la CCE es fundamental, ya que esta es perjudicial e interfiere con la construcción de esquemas de conocimiento.
● Segmentación: Para temas con alta carga cognitiva intrínseca (material inherentemente complejo), es crucial dividir el material en fragmentos pequeños e intelectualmente digeribles («chunks»). Esto permite al estudiante completar el procesamiento de una parte antes de avanzar a la siguiente, mitigando la sobrecarga.
● Principio multimedia: Minimizar texto y evitar que las diapositivas únicamente contengan texto. A su vez, las personas aprenden mejor de imágenes y narración, que de imágenes y textos.
● Principio de coherencia: Este principio exige la eliminación de cualquier de lo que no contribuya directamente al objetivo de aprendizaje. La inclusión de detalles superfluos, como música de fondo o clips de vídeo irrelevantes, obliga a los estudiantes a procesar información no esencial, consumiendo la limitada capacidad de la memoria de trabajo.
● Principio de redundancia: Se debe evitar narrar en voz alta el texto idéntico que ya está escrito en la pantalla. Si el texto escrito y la narración son idénticos, se sobrecarga el canal visual-verbal, lo que interfiere con los procesos de selección y organización.
Reglas de síntesis visual y estructural
Estos principios aseguran que la información se presente en dosis manejables:
- Una sola idea por diapositiva: Cada diapositiva debe comunicar una sola idea principal.
- Regla 6×6: Una aplicación práctica para controlar la carga cognitiva es la regla 6×6, que sugiere un máximo de 6 líneas y 6 palabras por línea.
- Estructura afirmación-evidencia: Este enfoque facilita la comprensión al presentar primero el punto principal (aserción) claro, seguido inmediatamente por la evidencia, gráfico o dato que lo respalda.
- Principios de organización y enfoque (Reducción de CCE por búsqueda)
Estos principios se centran en la disposición de los elementos para asegurar que la atención del estudiante se dirija inmediatamente a lo importante, sin gastar esfuerzo en buscar o conectar información separada:
● Principio de señalización (Cueing): Se utilizan señales visuales explícitas (negritas, flechas, subrayados o rótulos) para dirigir la atención del estudiante a la información central y al material esencial. Esto reduce la CCE asociada al esfuerzo de discernir qué elementos de la diapositiva son cruciales.
● Principio de contigüidad espacial: Las palabras y las imágenes deben presentarse juntas y cercanas en la pantalla para maximizar el aprendizaje. La distancia física aumenta el esfuerzo mental requerido para integrar ambos datos.
● Principio de contigüidad temporal: Presentar material verbal y visual sucesivamente sobrecarga la memoria de trabajo del estudiante, agotando su capacidad cognitiva. La narración debe sincronizarse con la aparición de la imagen correspondiente de forma simultánea, no secuencial.
Lo que la Inteligencia Artificial Generativa (IAG) aporta y lo que no al diseño de PD educativas efectivas
Aunque existen diversas herramientas para diseñar diapositivas, por el momento ninguna generará una presentación completamente pulida y requerirán edición humana. No obstante, el ahorro de tiempo que proporcionan es considerable.
En cuanto al desarrollo de presentaciones, los modelos de lenguaje extenso (LLM) son especialmente útiles en las etapas previas al diseño, facilitan la edición pedagógica del contenido, sugieren ideas visuales para acompañar las diapositivas e incrementan la calidad de las notas del expositor y los guiones orales.
- Planificación inicial: Condensan información, reorganizan ideas y proponen estructuras narrativas y objetivos de aprendizaje en minutos, reduciendo la fricción cognitiva.
- Curaduría de contenido: Convierten párrafos densos en mensajes concisos, bullets y glosarios, eliminando redundancias y ajustando el tono (edición pedagógica).
- Producción de apoyos: Generan notas del expositor, guiones orales con transiciones y actividades breves, complementando diapositivas minimalistas.
Las decisiones de juicio experto, pertinencia curricular y sensibilidad didáctica siguen siendo humanas (ej. selección de visualizaciones críticas o ejemplos clínicos). La IA no garantiza exactitud sin validación.
Estructurando el prompt para la PD
Para garantizar un uso efectivo, preciso y seguro de los LLM en la generación automática de PD, es crucial comprender y aplicar la anatomía fundamental de un prompt. Por ello, el prompt que utilizaremos está estructurado siguiendo el acrónimo R-COSTAR, que define las partes esenciales para maximizar la calidad del resultado.
Al diseñar el prompt, se deben llenar los espacios entre corchetes con la información requerida y tener a la mano dos archivos: una guía neurodidáctica para PD (como esta!) y el documento base o resumen para la PD. A continuación mostramos un ejemplo de prompt para este ejercicio. Puedes ejecutarlo en cualquier LLM. Como sabemos, con un mismo LLM las respuestas pueden ser diferentes según el conocimiento diferenciado del diseñador.
El instructor humano debe actuar como un «auditor cognitivo» para asegurar que el contenido generado automáticamente, a pesar de su eficiencia y estética, cumpla con la adherencia estricta a los principios neurodidácticos, evitando la automatización del mal diseño.
Aunque los modelos de IAG no siempre producen directamente los elementos visuales ideales para una presentación o los que generan no cumplen el objetivo didáctico, las sugerencias de ideas visuales de los LLM son una herramienta muy útil.
Evaluando PD
También es crucial que enseñemos a nuestros estudiantes cómo hacer buenas PD pero ¿Qué es una buena PD? ¿Cómo evaluar las PD de nuestros estudiantes de una manera justa y formativa? y ¿Cómo pueden los LLM ayudar a generar la mejor rúbrica evaluativa? Estos serán temas de una entrega en otro momento.
Declaración de uso de IA:
La figura 1 fue generada por Gemini 2.5 Flash. La estructura de la columna y la edición del texto se realizaron con la ayuda de Chat GPT. Los autores asumen la responsabilidad total del contenido de esta publicación.
Lecturas recomendadas
● Paivio A. Mental representations: a dual coding approach. New York: Oxford University Press; 1986.
● Mayer RE, editor. The Cambridge handbook of multimedia learning. 2nd ed. Cambridge: Cambridge University Press; 2014.
● Issa N, Schuller M, Santacaterina S, Shapiro M, Wang E, Mayer RE, et al. Teaching for understanding in medical classrooms using multimedia design principles. Med Educ. 2013;47(4):388–96. doi:10.1111/medu.12127
● Naegle, Kristen M. “Ten simple rules for effective presentation slides.” PLoS computational biology vol. 17,12 e1009554. 2 Dec. 2021, doi:10.1371/journal.pcbi.1009554
● Ge, Jiaxin et al. “AutoPresent: Designing Structured Visuals from Scratch.” 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2025): 2902-2911.
aipocrates.blog 