Una nueva forma de aprender en ChatGPT que ofrece orientación paso a paso en lugar de respuestas rápidas.
Hoy presentamos el modo de estudio en ChatGPT: una experiencia de aprendizaje que te ayuda a resolver problemas paso a paso en lugar de simplemente obtener una respuesta. A partir de hoy, está disponible para usuarios registrados en los planes Free, Plus, Pro y Team, y estará disponible en ChatGPT Edu en las próximas semanas.
ChatGPT se está convirtiendo en una de las herramientas de aprendizaje más utilizadas en todo el mundo. Los estudiantes recurren a él para resolver tareas complejas, prepararse para exámenes y explorar nuevos conceptos. Sin embargo, su uso en la educación también ha planteado una pregunta importante: ¿cómo podemos garantizar que se utilice para apoyar el aprendizaje real y que no se limite a ofrecer soluciones sin ayudar a los estudiantes a comprenderlas?
Hemos creado el modo de estudio para ayudar a responder esta pregunta. Cuando los estudiantes participan en el modo de estudio, se les presentan preguntas orientadoras que adaptan las respuestas a su objetivo y nivel de habilidad para ayudarles a profundizar su comprensión. El modo de estudio está diseñado para ser atractivo e interactivo, y para ayudar a los estudiantes a aprender algo, no solo a terminarlo.
Cómo se creó el modo de estudio
En esencia, el modo de estudio se basa en instrucciones de sistema personalizadas, creadas en colaboración con docentes, científicos y expertos en pedagogía, para reflejar un conjunto básico de comportamientos que promueven un aprendizaje más profundo, incluyendo: fomentar la participación activa, gestionar la carga cognitiva, desarrollar proactivamente la metacognición y la autorreflexión, fomentar la curiosidad y ofrecer retroalimentación práctica y de apoyo. Estos comportamientos se basan en investigaciones de larga data sobre ciencias del aprendizaje y definen la respuesta del modo de estudio a los estudiantes.
En lugar de hacer el trabajo por ellos, el modo de estudio anima a los estudiantes a pensar críticamente sobre su aprendizaje. Características como estas son un paso positivo hacia el uso eficaz de la IA para el aprendizaje. Incluso en la era de la IA, el mejor aprendizaje se produce cuando los estudiantes se entusiasman con el material de la lección y participan activamente en él. —Robbie Torney, director sénior de Programas de IA en Common Sense Media.
Características principales
Indicaciones interactivas: combina preguntas socráticas, pistas e indicaciones de autorreflexión para guiar la comprensión y promover el aprendizaje activo, en lugar de proporcionar respuestas directas.
Respuestas estructuradas: la información está organizada en secciones fáciles de seguir que resaltan las conexiones clave entre los temas, manteniendo la información interesante con la cantidad justa de contexto y reduciendo la sobrecarga para temas complejos.
Soporte personalizado: las lecciones se adaptan al nivel adecuado para el usuario, según preguntas que evalúan el nivel de habilidad y la memoria de chats anteriores.
Verificación de conocimientos: exámenes y preguntas abiertas, junto con comentarios personalizados para seguir el progreso, respaldar la retención de conocimientos y la capacidad de aplicar esos conocimientos en nuevos contextos.
Flexibilidad: active y desactive fácilmente el modo de estudio durante una conversación, lo que le brinda la flexibilidad de adaptarse a sus objetivos de aprendizaje en cada conversación.
Cómo utilizan los estudiantes el modo de estudio
El modo de estudio se diseñó pensando en los estudiantes universitarios. Algunos comentarios que recibimos de los estudiantes durante las primeras pruebas:
“La mejor manera de describirlo es como un “horario de oficina” en vivo, 24 horas al día, 7 días a la semana, que todo lo sabe”. —Noah Campbell, estudiante universitario
“ El modo de estudio hizo un gran trabajo al descomponer el material denso en explicaciones claras y con buen ritmo”. —Caleb Masi, estudiante universitario
Puse a prueba el modo de estudio para que me enseñara un concepto que ya había intentado aprender muchas veces: las codificaciones posicionales sinusoidales. Fue como un tutor que no se cansa de mis preguntas. Después de una sesión de trabajo de tres horas, finalmente lo comprendí lo suficientemente bien como para sentirme segura. —Maggie Wang, estudiante universitaria
Formas de utilizar el modo de estudio inspiradas por estudiantes universitarios del laboratorio ChatGPT
Parker Jones (Teoría de juegos)Praja Tickoo (Contabilidad)Nolan Windham (Teorema de Bayes)Cecily Chung (Matemáticas discretas)
Quiero aprender sobre la teoría de juegos, en concreto sobre el amplio espectro que abarca este campo, y también sobre cómo crees que me sería útil comprenderla en mi vida diaria. Quiero que, por supuesto, sigas mi curiosidad, pero sobre todo, me la enseñarás y mantendrás un plan general para iterarla y así poder cubrir todo el alcance. Haré preguntas cuando tenga curiosidad, pero asegúrate de explicarme rápidamente.
Perfecto. Aquí está el plan general que les presentaré: considérelo una hoja de ruta en capas, desde las ideas fundamentales hasta la intuición práctica:
🔹 Fase 1: Fundamentos básicos
1. ¿Qué es realmente la teoría de juegos?
- Interacción estratégica, agentes racionales, supuestos.
2. Tipos de juegos
- Cooperativo vs. no cooperativo
- Simultáneo vs. secuencial
- Suma cero vs. suma no cero
3. Conceptos básicos
- Jugadores, estrategias, recompensas, información
- Estrategias dominantes
- Equilibrio de Nash (el núcleo de casi todo)
🔸 Fase 2: Juegos y conceptos clásicos
4. Juegos famosos
- El dilema del prisionero
- Pollo
- La batalla de los sexos
- Caza del ciervo
- Monedas a juego
5. Equilibrios de estrategias mixtas
- Cuando ninguna estrategia pura funciona
- Aleatorización y pagos esperados
🔹 Fase 3: Profundización del Modelo
6. Juegos repetidos y teoremas populares
- La cooperación surge con el tiempo
- Ojo por ojo, Grim Trigger, etc.
7. Juegos de formato extensivo
- Árboles de juego, inducción hacia atrás
- Equilibrios perfectos en subjuegos
8. Juegos bayesianos
- Juegos con información incompleta
- Creencias, tipos y utilidad esperada
🔸 Fase 4: Relevancia en la vida real
9. Diseño de mecanismos / Teoría de juegos inversa
- Sistemas de votación, subastas, contratos
10. Teoría de juegos conductuales
- Racionalidad limitada, equidad y heurística
11. Aplicaciones de la vida diaria
- Negociación, citas, política, sistemas de IA, etc.
🔹 Phase 5: Advanced & Optional
12. Evolutionary Game Theory
- Strategies that reproduce over time
13. Algorithmic Game Theory
- Network effects, internet auctions
14. Your world: How it matters to Parker
- Systems design, incentives, power structures
Throughout this, I’ll mix in:
- 🔄 Guided examples
- 🧠 Thought experiments
- 🎭 Real-life situations to map theory onto
- 🧩 Quick checks to make sure ideas are sticking
Let’s kick off Phase 1.
First quick one: In your own words, what do you think Game Theory is about? No need to be polished—just get it out.
I think Game Theory is sort of this meta aspect framing of modern society in life where we look at people in situations and complex systems and we try to analyze how people in them make decisions, sometimes why they make it, and how this affects the situation/system
Nice—you’re already circling the core.
Let’s sharpen it a bit together. Game Theory is fundamentally about strategic decision-making—situations where the outcome for each person depends not just on what they do, but on what others do too.
So real quick:
If you’re making a decision and it depends entirely on nature or chance—like a dice roll—is that Game Theory?
And then:
If you’re making a decision and it depends on what someone else does—like whether they cooperate or betray you—is that Game Theory?
Walk me through your thinking on both.
No random chance isn’t game theory, though agents in game theory may end up having things depend on random chance. But if youre decision matters then of course it is. Also please remember you should be teaching this to me, via paragraphs of information and moving through a high level plan. If I want to do interactions and questions, I will ask. Continue
Got it—I’ll stay in teaching mode and drive forward through the roadmap unless you tap in.
📍Phase 1: Core Foundations — What Game Theory Is
At its heart, Game Theory studies strategic interactions: any situation where the outcome for each agent (person, company, nation, etc.) depends on the actions of others. It’s not about games in the traditional sense, but rather any “game” where decisions must be made in the presence of others who are also making decisions.
Key Assumptions (Classical Game Theory):
1. Rational agents – Everyone acts to maximize their own utility (whatever that means to them).
2. Strategic thinking – Agents consider what others might do before acting.
3. Common knowledge – Everyone knows the rules, the payoffs, and that everyone is rational (though later variants relax this).
🧩 Core Building Blocks
Here are the elements every formal game model needs:
- Players – The decision-makers.
- Strategies – The complete set of actions each player could take.
- Pagos : Los resultados (generalmente representados numéricamente) que recibe cada jugador dependiendo de la combinación de estrategias elegidas.
- Reglas del juego : si los jugadores se mueven simultáneamente o por turnos, si ven los movimientos de los demás, si juegan una vez o repetidamente.
Estos se enmarcan en una “forma de juego” y, a partir de allí, se buscan soluciones, la más famosa de las cuales es el equilibrio de Nash (hablaremos más sobre esto pronto).
🎲 Aclaración rápida: Teoría de juegos vs. probabilidad
Tienes toda la razón: el azar puro (como los dados) no es teoría de juegos. Eso es teoría de la probabilidad. Pero si eliges una estrategia sabiendo que otros pueden aleatorizar sus movimientos, eso es teoría de juegos.
Por ejemplo: en piedra, papel o tijera , la estrategia «óptima» no es determinista , sino mixta , lo que implica aleatorizar las elecciones. Pero se hace estratégicamente , en respuesta a un oponente.
🧠 ¿A dónde vamos a continuación?
A continuación, analizaré los tipos de juegos (Fase 1 continuación), luego pasaré a las estrategias dominantes y al equilibrio de Nash para configurar el primer análisis de juego real.
Avísame si deseas hacer una pausa, profundizar o cambiar de tema; de lo contrario, seguiré avanzando.
Me gusta el ejemplo de piedra, papel o tijera. Sigo adelante, conectando con mi vida siempre que sea posible. Quiero internalizar esto para ser mejor persona y tomar mejores decisiones.
Empezando
El modo de estudio es especialmente útil para ayudar con las tareas, prepararse para exámenes y aprender nuevos temas. Para probarlo, selecciona «Estudiar y aprender» en las herramientas de ChatGPT y haz una pregunta. Trabajando en un problema de tareaPreparándose para un examen
Limitaciones y qué sigue
Este es el primer paso de un proceso más largo para mejorar el aprendizaje en ChatGPT. Actualmente, el modo de estudio se basa en instrucciones personalizadas del sistema. Elegimos este enfoque porque nos permite aprender rápidamente de los comentarios reales de los estudiantes y mejorar la experiencia, incluso si esto genera comportamientos inconsistentes y errores en las conversaciones. Planeamos entrenar este comportamiento directamente en nuestros modelos principales una vez que hayamos aprendido qué funciona mejor mediante la iteración y los comentarios de los estudiantes.
También estamos explorando funcionalidades para hacer que el modo de estudio sea más atractivo y útil para los estudiantes, incluyendo:
- Visualizaciones más claras para conceptos complejos o con mucho texto
- Establecimiento de objetivos y seguimiento del progreso en las conversaciones
- Personalización más profunda adaptada al nivel de habilidad y los objetivos de cada estudiante.
El panorama de la investigación sobre las mejores maneras de aplicar la IA a la educación aún está en desarrollo. OpenAI impulsa la investigación sobre aprendizaje e IA a través de diversos socios en su iniciativa NextGenAI y colaborando con expertos de la Iniciativa SCALE en el Acelerador para el Aprendizaje de la Universidad de Stanford .(se abre en una nueva ventana)Estudiar y compartir cómo las herramientas de IA influyen en los resultados de aprendizaje en áreas como la educación K-12.
A medida que realizamos estudios a más largo plazo sobre cómo los estudiantes aprenden mejor con IA, tenemos la intención de publicar un análisis más profundo de lo que hemos aprendido sobre los vínculos entre el diseño de modelos y la cognición, dar forma a futuras experiencias de productos basadas en estos conocimientos y trabajar codo a codo con el ecosistema educativo más amplio para garantizar que la IA beneficie a los estudiantes de todo el mundo.
OpenAI News. Traducido al español
