La intel·ligència artificial generativa pot ajudar el professorat a crear activitats, adaptar materials, resumir informació, generar preguntes, preparar rúbriques, dissenyar situacions d’aprenentatge o explorar noves maneres d’explicar un contingut. Però hi ha una qüestió que marca profundament la qualitat dels resultats: amb quina informació treballa la IA?
Sovint parlem de la importància de “donar context” a un model d’IA. I és cert: explicar el nivell educatiu, l’objectiu de la tasca, el perfil de l’alumnat o el format esperat pot millorar molt una resposta. Però en molts casos, el context més valuós no és només el que escrivim al prompt. També és la documentació que aportem.
Un currículum oficial, una programació didàctica, una rúbrica pròpia, un document de centre, uns criteris d’avaluació, un dossier de continguts, una guia metodològica o uns apunts revisats poden canviar completament la qualitat d’una resposta generada per IA.
Perquè la IA no només necessita instruccions. Necessita bones fonts.
Donar context també vol dir aportar documentació fiable
Quan fem servir IA generativa en educació, no hauríem de limitar-nos a demanar respostes a partir d’una instrucció breu. Si volem resultats rigorosos, ajustats i transferibles a l’aula, hem de proporcionar al model informació de qualitat.
Això pot fer-se de dues maneres complementàries.
La primera és redactar un prompt ben contextualitzat: explicar què volem, per a qui, amb quin objectiu, sota quins criteris i en quin format.
La segona és aportar documentació de referència: documents fiables que ajudin la IA a treballar sobre una base més sòlida.
Aquesta segona dimensió és cada vegada més important. La IA generativa pot produir textos molt convincents, però si no sap quins criteris curriculars ha de seguir, quin enfocament metodològic utilitza el centre o quins materials ja s’han treballat amb l’alumnat, pot acabar generant propostes genèriques o poc alineades.
El context documental redueix aquest risc. No elimina la necessitat de revisió humana, però ajuda a orientar millor la resposta.
La qualitat de les fonts condiciona la qualitat de les respostes
En educació, no totes les fonts tenen el mateix valor. No és el mateix treballar amb un document oficial actualitzat que amb un resum incomplet. No és el mateix adjuntar una rúbrica ben definida que una llista vaga d’idees. No és el mateix proporcionar uns criteris d’avaluació clars que demanar simplement “fes-ho competencial”.
La IA pot treballar millor quan rep informació que compleix tres condicions: és rellevant, rigorosa i ben estructurada.
És rellevant quan té relació directa amb la tasca. Si volem crear una activitat d’aula, poden ser útils els objectius d’aprenentatge, els criteris d’avaluació, la durada, el nivell educatiu o els materials disponibles.
És rigorosa quan prové de fonts fiables: normativa educativa, documents de centre, materials revisats, bibliografia contrastada, guies institucionals o recursos elaborats amb criteri pedagògic.
És ben estructurada quan el model pot interpretar-la amb facilitat: apartats clars, títols descriptius, criteris identificables, taules netes i informació no redundant.
Adjuntar documentació no consisteix a abocar arxius sense filtre. Consisteix a seleccionar allò que realment ajudarà la IA a respondre millor.
Del prompt a l’ecosistema de fonts
Un bon ús de la IA generativa no es limita a escriure una bona instrucció. Cada vegada més, implica construir un petit ecosistema de fonts al voltant de la tasca.
Per exemple, un docent que vol dissenyar una situació d’aprenentatge pot aportar:
- el currículum o extracte curricular corresponent;
- els objectius didàctics de la unitat;
- els criteris d’avaluació;
- una rúbrica de centre;
- exemples d’activitats anteriors;
- una guia metodològica;
- materials que l’alumnat ja ha treballat;
- restriccions de temps, espai o recursos;
- orientacions d’atenció a la diversitat;
- el format final que necessita.
Amb aquesta base documental, la IA no treballa en el buit. Treballa sobre una realitat educativa més concreta.
Aquesta és una diferència important: el prompt dona la direcció; les fonts donen fonament.
Models genèrics i eines específiques: dues maneres d’aportar context documental
Podem aportar documentació de qualitat tant a models genèrics com a eines específiques.
En un model genèric, com ChatGPT, Gemini, Claude o Copilot, podem adjuntar documents, enganxar fragments rellevants o resumir fonts de referència dins del prompt. Això permet demanar tasques com ara adaptar una activitat als criteris d’avaluació, revisar una rúbrica segons una guia, generar preguntes a partir d’un text o sintetitzar idees d’un document.
En eines específiques, el treball documental pot tenir encara més protagonisme. Algunes plataformes estan pensades precisament per treballar amb fonts proporcionades per l’usuari i generar respostes, resums o materials a partir d’aquest corpus documental.
La diferència no és menor. Quan una eina dona més pes a les fonts aportades, el procés es pot orientar millor cap a la verificabilitat, la traçabilitat i la coherència amb els documents de referència.
Això no significa que la resposta sigui infal·lible. Significa que disposem d’un punt de partida més controlat i més fàcil de revisar.
NotebookLM: quan les fonts passen al centre
NotebookLM és un bon exemple d’eina específica per treballar amb IA generativa a partir de documentació. La seva lògica no parteix només d’un xat obert, sinó d’un conjunt de fonts que l’usuari incorpora a un quadern de treball.
Aquesta característica és especialment interessant en educació, perquè permet crear espais de treball basats en materials concrets: apunts, dossiers, articles, documents curriculars, guies, transcripcions, presentacions o altres recursos de referència.
El valor principal de NotebookLM és que dona un pes especial a les fonts documentals que li proporcionem. Això permet fer preguntes sobre els documents, demanar resums, generar guies d’estudi, comparar idees o extreure punts clau amb una relació més directa amb el material original.
Per a un docent, això pot tenir aplicacions molt pràctiques:
- preparar una síntesi d’un conjunt de documents;
- transformar apunts en una guia d’estudi;
- generar preguntes de comprensió a partir d’un dossier;
- extreure idees clau d’una normativa o document curricular;
- contrastar diferents fonts sobre un mateix tema;
- crear materials de suport a partir de documentació pròpia;
- ajudar l’alumnat a estudiar fonts seleccionades pel professorat.
La idea clau no és que NotebookLM “pensi millor” que altres eines, sinó que canvia el centre de gravetat: el treball no gira només al voltant del prompt, sinó al voltant de les fonts.
Això el converteix en una eina especialment útil quan volem que la IA treballi sobre documentació específica i no només sobre coneixement general del model.
Fonts, cites i verificació: una oportunitat per al pensament crític
Treballar amb fonts documentals també té un valor educatiu important: facilita la verificació.
Quan una eina permet consultar les fonts utilitzades o localitzar d’on surt una afirmació, el docent pot revisar millor la resposta. També pot convertir el procés en una oportunitat per treballar pensament crític amb l’alumnat.
La pregunta ja no és només “què ha respost la IA?”, sinó:
- d’on surt aquesta informació?
- està ben interpretada?
- hi ha alguna simplificació excessiva?
- falta alguna perspectiva?
- la resposta respecta els criteris del document?
- podem contrastar-la amb una altra font?
- és aplicable al nostre context d’aula?
Aquest canvi és fonamental. L’objectiu no és que la IA generi una resposta tancada, sinó que ajudi a treballar millor amb informació, criteris i evidències.
En aquest sentit, la IA educativa pot contribuir a desenvolupar competència digital docent i competència informacional, sempre que s’utilitzi amb una mirada crítica.
El risc de treballar amb males fonts
Aportar documentació no garanteix automàticament una bona resposta. Si les fonts són pobres, errònies, antigues, incompletes o esbiaixades, la IA pot amplificar aquests problemes.
Una mala font pot generar una resposta aparentment coherent, però conceptualment feble. Un document desactualitzat pot fer que la IA proposi criteris ja superats. Una informació parcial pot provocar conclusions desequilibrades. Una font poc rigorosa pot introduir errors que després apareixen reformulats amb un llenguatge molt convincent.
Aquest és un dels grans reptes de la IA generativa: pot donar forma elegant a informació deficient.
Per això, abans d’adjuntar documents, convé fer una selecció crítica. No tot el que tenim és útil. No tot el que és llarg és rigorós. No tot el que sembla ben redactat és fiable.
El professorat ha de continuar exercint una funció essencial: triar fonts, revisar-les, ordenar-les i decidir quines són adequades per a la tasca.
Privacitat: documentar millor no vol dir exposar més dades
Quan parlem d’adjuntar documentació, també cal parlar de privacitat. En contextos educatius, molts documents poden contenir dades personals, informació sensible, identificadors d’alumnat, observacions individuals, informes interns o evidències d’aprenentatge.
Aportar context documental no ha de significar exposar dades.
Abans de pujar o enganxar documents en una eina d’IA, és recomanable revisar-los i eliminar informació identificable quan no sigui imprescindible. Sovint podem substituir dades personals per descripcions agregades o criteris pedagògics generals.
Per exemple, en lloc d’adjuntar un informe individual complet, podem sintetitzar necessitats educatives de manera anònima. En lloc de pujar produccions reals amb noms, podem anonimitzar-les. En lloc de compartir documents interns sencers, podem seleccionar fragments rellevants i eliminar informació sensible.
La qualitat del context no depèn de la quantitat de dades personals, sinó de la qualitat pedagògica de la informació compartida.
Aquesta és una idea clau per a l’ús responsable de la IA a l’aula.
Criteris pràctics per seleccionar documentació abans d’utilitzar IA
Abans d’adjuntar documents a una eina d’IA generativa, pot ser útil aplicar una petita revisió prèvia.
Primer, comprova la finalitat. Quin resultat vols obtenir? No és el mateix resumir, generar activitats, comparar fonts, crear una rúbrica o preparar una guia d’estudi.
Segon, selecciona només les fonts necessàries. Més documents no sempre vol dir millor resposta.
Tercer, prioritza fonts fiables i actualitzades. En educació, això pot incloure normativa vigent, currículums, documents de centre, materials propis revisats, articles contrastats o guies institucionals.
Quart, estructura la informació. Si el document és molt llarg o desordenat, pot ser útil preparar-ne un extracte, destacar els apartats clau o indicar al model quines parts ha de prioritzar.
Cinquè, protegeix la privacitat. Elimina dades personals, anonimitza exemples i evita compartir informació sensible si no és necessari.
Sisè, demana sempre traçabilitat. És recomanable demanar a la IA que indiqui en quina font o apartat basa les seves afirmacions, especialment quan treballem amb decisions educatives rellevants.
Setè, revisa la resposta amb criteri docent. La IA pot ajudar a llegir, sintetitzar i generar, però la validació final continua sent humana.
El docent com a curador de context
En aquest nou escenari, el paper del docent no és només escriure bones instruccions. També és seleccionar bones fonts.
Això converteix el professorat en curador de context. És a dir, en professional capaç de decidir quina informació necessita la IA per ajudar millor, quins documents són fiables, quines dades no s’han de compartir, quins criteris cal respectar i com s’ha de revisar el resultat.
Aquesta mirada és especialment important perquè evita una visió superficial de la IA generativa. No es tracta de fer servir eines per anar més ràpid sense pensar. Es tracta de construir processos més informats, més verificables i més coherents amb la realitat educativa.
El criteri docent no desapareix. Es desplaça cap a noves decisions: què aporto, què excloc, què demano, què verifico i què adapto.
Cap a una IA educativa basada en fonts, criteri i responsabilitat
La IA generativa pot ser una eina molt potent per al món educatiu, però la seva utilitat depèn en gran part de la qualitat del context que li proporcionem. I aquest context no és només una frase ben escrita dins d’un prompt. Sovint és una base documental rigorosa, seleccionada i ben interpretada.
Treballar amb IA a partir de fonts de qualitat permet obtenir respostes més ajustades, més coherents i més fàcils de revisar. També ajuda a reduir respostes genèriques, errors, simplificacions i usos poc responsables.
Però la tecnologia no resol sola el problema de la qualitat. Cal criteri docent per seleccionar les fonts, protegir la privacitat, formular bones demandes, revisar les respostes i adaptar-les a l’aula.
A XÈRPIA defensem una idea clara: la IA no va només d’eines. Va de criteri.
I avui, una part essencial d’aquest criteri és saber alimentar la IA amb informació fiable, documentació rigorosa i finalitats educatives ben definides.
