¿Más detalles, menos variabilidad? Un estudio de diseño cruzado sobre el impacto de la granularidad de la información...

Área de la Ciencia:

• Deporte y Ciencias del Ejercicio Ciencias del Ejercicio.
• La Inteligencia Artificial en el Coaching
• Interacción hombre-computadora Interacción hombre-computadora.

Sus antecedentes:

• Las herramientas de IA como ChatGPT se utilizan cada vez más para generar contenido, incluidos los programas de capacitación.
• No se comprende bien el impacto de los detalles rápidos de entrada en la calidad y consistencia del contenido de ciencia del ejercicio generado por IA.
• Comprender estos factores es crucial para optimizar las aplicaciones de IA en deportes y acondicionamiento físico.

Objetivo del estudio:

• Evaluar cómo la granularidad de la información en las instrucciones afecta la variabilidad de salida y la calidad multidimensional de los programas de capacitación generados por ChatGPT.
• Para comparar la efectividad de las instrucciones de entrada simples frente a las detalladas para la creación de programas de capacitación impulsados por IA.
• Evaluar las percepciones de los expertos sobre la personalidad, la efectividad, la seguridad y la viabilidad de los programas generados por IA.

Principales métodos:

• Un diseño cruzado comparó las instrucciones de entrada simples y detalladas para GPT-4 (a través de ChatGPT).
• Se generaron ocho programas de entrenamiento (cuatro prompts cada uno, repetidos), anonimizados y evaluados a ciegas por 11 expertos en ciencias del deporte y el ejercicio.
• La variabilidad de la producción se midió utilizando el coeficiente de variación (CV%); la calidad se calificó en una escala de 15 ítems. Medidas repetidas ANOVA y las pruebas de Friedman analizaron las diferencias.

Principales resultados:

• Los programas de capacitación a partir de indicaciones detalladas recibieron calificaciones de expertos consistentemente más altas en todas las dimensiones de calidad (Personalidad, Eficacia, Seguridad, Factibilidad).
• Las indicaciones detalladas dieron como resultado una menor variabilidad de salida (CV%), lo que indica programas de capacitación generados por IA más estables.
• Se observaron efectos principales significativos de la granularidad de la información para la personalidad, la seguridad, la viabilidad y las puntuaciones generales (p <0.05), pero no para la efectividad.

Conclusiones:

• La granularidad de la información es un factor crítico que influye en la calidad y estabilidad de los programas de capacitación generados por IA.
• Las instrucciones detalladas y estructuradas mejoran la personalización, reducen las fluctuaciones de salida y mejoran la alineación de los programas generados por IA con los principios de la ciencia del ejercicio.
• A pesar de las entradas controladas, las salidas de la IA muestran una variabilidad residual, lo que subraya la necesidad de una supervisión experta.