Skip to main content

Informe de IA

Logo FisioFind

FISIO FIND - INFORME DE IA

Ficha del documento

  • Nombre del Proyecto: FISIO FIND

  • Número de Grupo: Grupo 6

  • Entregable: #SPRINT 1

  • Miembros del grupo:
    Alberto Carmona Sicre, Antonio Macías Ferrera, Benjamín Ignacio Maureira Flores, Francisco Capote García,
    Daniel Alors Romero, Daniel Fernández Caballero, Daniel Ruiz López, Daniel Tortorici Bartús,
    Daniel Vela Camacho, Delfín Santana Rubio, Guadalupe Ridruejo Pineda, Julen Redondo Pacheco,
    Miguel Encina Martínez, Francisco Mateos Villarejo, Pablo Fernández Pérez, Ramón Gavira Sánchez,
    Rafael Pulido Cifuentes.

  • Contribuidores: Daniel Fernández Caballero (autor)

  • Fecha de Creación: 12/03/2025

  • Versión: v1.0

Histórico de Modificaciones​

FechaVersiónRealizada porDescripción de los cambios
12/03/2025v1.0Daniel Fernández CaballeroElaboración de la primera versión del documento.
13/03/2025v1.1Antonio Macías FerreraRevisión y correcciones ortográficas

INTRODUCCIÓN​

Para el primer Sprint, tras la revisión intermedia del trabajo, se decidió implementar métricas cuantitativas para evaluar la efectividad de la IA en función de los prompts utilizados. Las métricas establecidas son las siguientes:

  • Calificación de conversaciones (escala de 1 a 5).
  • Cantidad de prompts empleados en cada conversación.
  • Análisis estadístico de estos datos, incluyendo promedio, desviación estándar y tendencias.

Además, debido a la rectificación del equipo respecto a las métricas, se realizará una diferenciación entre los prompts utilizados en la primera y la segunda semana.

En general, todos los integrantes se han ceñido al ia commitment, utilizando a la ia siempre con finalidades éticas y revisando sus resultados para siempre tener una última revisión humana.

PROMPTS UTILIZADOS EN LA PRIMERA SEMANA​

A continuación, se listan los diferentes prompts utilizados en esta primera fase del Sprint 1, organizados por categoría para una mejor comprensión.

General​

Desarrollo en Django​

Desarrollo Web y Frontend​

Infraestructura y Herramientas​

Documentación y Revisión​

Datos y Base de Datos​

Prompts Utilizados Tras la Revisión del Sprint 1​

A continuación se presentan los distintos prompts evaluados junto con sus respectivas puntuaciones:

  1. Prompt 1

    • Puntuación: 4
    • Prompts: 5

  2. Prompt 2

    • Puntuación: 2
    • Prompts: 4

  3. Prompt 3

    • Puntuación: 4
    • Prompts: 5

  4. Prompt 4

    • Puntuación: 5
    • Prompts: 4

  5. Prompt 5

    • Puntuación: 4
    • Prompts: 19

  6. Prompt 6

    • Puntuación: 5
    • Prompts: 23

  7. Prompt 7

    • Puntuación: 5
    • Prompts: 15

  8. Prompt 8

    • Puntuación: 5
    • Prompts: 3

  9. Prompt 9

    • Puntuación: 5
    • Prompts: 2

  10. Prompt 10

    • Puntuación: 5
    • Prompts: 10

  11. Prompt 11

    • Puntuación: 1
    • Prompts: 5

  12. Prompt 12

    • Puntuación: 2
    • Prompts: 2

  13. Prompt 13

    • Puntuación: 2
    • Prompts: 4

  14. Prompt 14

    • Puntuación: 1
    • Prompts: 2

  15. Prompt 15

    • Puntuación: 0
    • Prompts: 4

  16. Prompt 16

    • Puntuación: 5
    • Prompts: 7

  17. Prompt 17

    • Puntuación: 2
    • Prompts: 6

  18. Prompt 18

    • Puntuación: 3
    • Prompts: 13

  19. Prompt 19

    • Puntuación: 5
    • Prompts: 6

  20. Prompt 20

    • Puntuación: 5
    • Prompts: 4

Análisis estadístico​

Datos iniciales​

Los datos a analizar son los siguientes:

  • Puntuaciones: 4, 2, 4, 5, 4, 5, 5, 5, 5, 5, 1, 2, 2, 1, 0, 5, 2, 3, 5, 5
  • Número de prompts: 5, 4, 5, 4, 19, 23, 15, 3, 2, 10, 5, 2, 4, 2, 4, 7, 6, 13, 6, 4

Análisis de las puntuaciones​

1. Promedio (Media)​

Para calcular el promedio de las puntuaciones, sumamos todos los valores y los dividimos entre el número total de casos (20):

Promedio = 70 / 20 = 3.5

El promedio de las puntuaciones es 3.5, lo que indica que, en general, las puntuaciones están por encima del punto medio de la escala (2.5 en una escala de 0 a 5).

2. Desviación estándar​

Varianza = 54.5 / 20 = 2.725
Desviación estándar = √2.725 ≈ 1.65

La desviación estándar es aproximadamente 1.65, lo que significa que las puntuaciones tienden a variar en promedio 1.65 puntos respecto a la media.

3. Distribución de las puntuaciones​

  • 0: 1 vez (5%)
  • 1: 2 veces (10%)
  • 2: 5 veces (25%)
  • 3: 1 vez (5%)
  • 4: 4 veces (20%)
  • 5: 7 veces (35%)

Las puntuaciones altas (4 y 5) representan el 55% del total. Sin embargo, un 40% son bajas (0, 1, 2), lo que sugiere cierta polarización.

Análisis del número de prompts​

1. Promedio (Media)​

Promedio = 143 / 20 = 7.15

El promedio es 7.15, indicando que las interacciones tienden a ser de extensión moderada.

2. Desviación estándar​

Varianza = 669.55 / 20 = 33.4775
Desviación estándar = √33.4775 ≈ 5.79

La desviación estándar es 5.79, lo que indica una alta dispersión en la longitud de las conversaciones.

3. Rango​

Rango = 23 - 2 = 21

Desde 2 hasta 23 prompts, lo que muestra interacciones de muy distinta longitud.

Relación entre puntuaciones y número de prompts​

Queremos saber si existe relación entre ambos valores. Se usa el coeficiente de correlación de Pearson.

Suma de puntuaciones (∑x) = 70
Suma de prompts (∑y) = 143
Suma del producto ∑xy = 564
Suma de x² = 304
Suma de y² = 1417
n = 20

Fórmula:
r = [n * ∑xy - (∑x * ∑y)] / sqrt[(n * ∑x² - (∑x)²) * (n * ∑y² - (∑y)²)]

Sustituyendo:
r = [20 * 564 - 70 * 143] / sqrt[(20 * 304 - 70²) * (20 * 1417 - 143²)]
r = [11280 - 10010] / sqrt[(6080 - 4900) * (28340 - 20449)]
r = 1270 / sqrt[1180 * 7891]
r ≈ 1270 / 3051.45 ≈ 0.42

El coeficiente de correlación es aproximadamente 0.42, lo que indica una correlación positiva moderada.

Conclusiones​

  1. Desempeño positivo pero polarizado: predominan las puntuaciones altas, pero hay una parte significativa de resultados bajos.
  2. Correlación moderada: más prompts pueden llevar a mejores resultados, pero no es una regla.
  3. Diversidad en interacciones: mucha variabilidad en la longitud de las conversaciones.
  4. Dispersión importante: tanto en puntuaciones como en número de prompts, reflejando un uso muy heterogéneo.

Recomendaciones​

  1. Optimizar la calidad de los prompts: Focalizarse en la claridad y efectividad de cada prompt más que en su cantidad.
  2. Ajustar el número de prompts: Personalizar la cantidad de prompts según el caso, evitando interacciones innecesarias o excesivamente largas.
  3. Investigar excepciones: Estudiar los casos en los que pocos prompts obtienen puntuaciones altas para identificar factores clave.