Preguntas de comprensión lectora con IA por niveles

Para generar preguntas de comprensión lectora con IA por niveles, pega el texto completo y pide explícitamente un número de preguntas literales (datos que están en el texto), inferenciales (relacionar información no dicha directamente) y críticas (valorar, cuestionar, opinar con argumentos). Sin esa petición explícita por nivel, la IA genera casi todo literal. La revisión manual sigue siendo imprescindible: 2-3 minutos por batería.

¿Por qué la IA genera casi siempre preguntas literales si no se lo pides?

Porque una pregunta literal es la más fácil de generar y de verificar: el modelo localiza una frase del texto y la convierte en pregunta. Es una operación de patrón, no de razonamiento. Las inferenciales y críticas exigen que el modelo simule un paso de lectura activa —relacionar dos partes del texto, o tomar postura— y eso solo ocurre si el prompt lo pide con esa palabra exacta.

Esto no es un defecto oculto de la IA: es previsible una vez lo sabes, y se corrige con una instrucción de una línea. El problema aparece cuando un docente pide “10 preguntas de comprensión” sin especificar nivel y las reparte tal cual: el resultado mide localización de datos, no comprensión lectora, aunque lleve ese nombre en el encabezado.

El prompt que reparte los tres niveles

Un prompt que funciona de forma consistente, con el texto pegado justo debajo:

“A partir de este texto [pega el texto completo], genera 8 preguntas de comprensión lectora repartidas así: 3 literales (la respuesta está escrita en el texto), 3 inferenciales (hay que relacionar dos partes del texto o deducir algo no dicho explícitamente) y 2 críticas (piden valorar, comparar con la realidad del alumno o cuestionar una idea, con espacio para argumentar). Marca cada pregunta con su nivel entre corchetes. Curso: [X]. No repitas la misma estructura de pregunta dos veces.”

La clave está en “marca cada pregunta con su nivel entre corchetes”: obliga al modelo a declarar qué operación mental cree que ha diseñado, lo que facilita la revisión. Si una pregunta marcada como “inferencial” se responde con una frase literal del texto, lo detectas en dos segundos.

Ejemplo: mismo texto, tres niveles de pregunta

Texto base (fragmento adaptado, 4º ESO): “La deforestación del Amazonas se aceleró un 30% entre 2019 y 2021. Aunque la mayoría de la madera talada se destina a pasto para ganado, una parte significativa alimenta industrias que después se anuncian como sostenibles.”

Nivel	Pregunta generada	Qué exige al alumno
Literal	¿En qué porcentaje se aceleró la deforestación entre 2019 y 2021?	Localizar un dato explícito en el texto
Inferencial	Si la mayoría de la madera se destina a pasto y una parte “significativa” a industrias que se anuncian como sostenibles, ¿qué contradicción sugiere el texto sin nombrarla directamente?	Relacionar dos frases y deducir una idea no formulada
Crítica	El texto no da la fuente del dato del 30%. ¿Cambiaría tu confianza en la información si supieras que viene de una ONG frente a un gobierno? Argumenta.	Valorar la fiabilidad de la fuente y tomar postura con argumentos

Fíjate en que la pregunta crítica no tiene una respuesta “correcta” cerrada: evalúa la calidad del argumento, no si el alumno acierta una opción. Es la pregunta que más cuesta corregir a mano y la que más rápido se queda fuera cuando falta tiempo, precisamente la que más mide comprensión real.

¿Cómo adaptar las preguntas al curso sin rehacer el prompt entero?

No hace falta reescribir el prompt de cero para cada curso: basta con tocar tres variables y pedirle a la IA que ajuste el resultado anterior en vez de generar otro desde cero.

• Primaria (3º-6º): sube el peso literal (4-3-1) y simplifica el vocabulario de las preguntas críticas: en vez de “argumenta con datos”, pide “explica por qué piensas eso con tus palabras”.
• ESO (1º-2º): proporción equilibrada (3-3-2) y preguntas críticas ancladas a algo cercano al alumno (“¿te ha pasado algo parecido?”) antes de pedir juicio abstracto.
• ESO (3º-4º) y Bachillerato: invierte el peso hacia inferencial y crítico (2-3-3), pide que la pregunta crítica exija citar una frase concreta del texto como evidencia, no solo opinar.

Este ajuste por curso es el mismo principio que aplicamos al diseñar adaptaciones curriculares con IA: no cambias el objetivo de comprensión, cambias el andamiaje con el que se llega a él. MIA, el asistente de IA para docentes de noobe, ya trabaja sobre la LOMLOE y los currículos autonómicos, así que al indicarle el curso ajusta el registro de las preguntas sin reescribir el prompt cada vez.

Errores comunes al pedir preguntas de comprensión con IA

• No marcar el reparto por nivel. “Hazme preguntas de comprensión” sin más da, casi siempre, una batería mayoritariamente literal aunque el docente pensaba que había pedido de todo.
• Aceptar una “inferencial” que en realidad es literal. Ocurre cuando el texto explica la relación de forma directa dos frases más abajo. Se detecta releyendo con el texto delante. Preguntas de comprensión lectora con IA sin esta revisión pierden el nivel que más vale. Este es también el motivo por el que conviene aplicar el mismo criterio de revisión humana que usamos al generar exámenes con IA: la IA propone la estructura, el docente valida que cada ítem mide lo que dice medir.
• Preguntas críticas sin espacio para argumentar. Si la pregunta crítica admite un “sí” o “no” sin más, no está midiendo pensamiento crítico, está midiendo opinión sin desarrollo. Pide siempre “argumenta” o “compara con…” en el propio enunciado.
• Reutilizar la misma estructura de pregunta. Si las tres preguntas literales empiezan todas por “¿Qué…?”, el alumno aprende el patrón, no el texto. El prompt de arriba ya incluye la instrucción para evitarlo, pero conviene comprobarlo al leer el resultado.

¿Sirve esto también para trabajar la comprensión lectora con el alumno directamente?

Generar la batería es trabajo del docente; acompañar al alumno mientras la responde es otra tarea, y ahí conviene distinguir herramientas. Un generador de preguntas da el instrumento de evaluación; un tutor que dialoga con el alumno sobre el texto, pregunta por qué ha respondido eso y no da la respuesta hecha, trabaja la comprensión mientras ocurre. ZOE, el tutor de IA de noobe, guía sin dar las respuestas y trata los datos en la UE, así que sirve para que el alumno razone en voz alta sobre una pregunta inferencial antes de escribir la respuesta final.

Para la programación del trimestre, este tipo de batería de preguntas encaja bien dentro de una situación de aprendizaje diseñada con IA: la comprensión lectora rara vez se evalúa sola, suele ir dentro de una tarea más amplia con un producto final.

---

¿Quieres ver cómo MIA genera una batería de preguntas de comprensión lectora por niveles a partir de tu propio texto? Pide una clase en vivo y pruébalo con el texto que tengas entre manos ahora mismo.