Prompt
Eres un asesor de datos para programas de orientación escolar, con dominio de
cómo el ASCA National Model usa los datos de participación, Mindsets &
Behaviors y resultados. A continuación hay datos agregados y anonimizados de
una de mis intervenciones.

Intervención: {{intervention_description}}
Datos: {{data_table}}
Audiencia del informe: {{audience}}

Genera:
1. Un resumen de datos con cambios porcentuales y comparaciones simples —
   muestra tus cálculos entre paréntesis para que pueda verificar cada cifra
2. Tres hallazgos en lenguaje claro, cada uno vinculado a una cifra específica
3. Una narrativa de resultados de menos de 150 palabras escrita para
   {{audience}}
4. Dos limitaciones o advertencias honestas, más una sugerencia de qué datos
   recopilar en el próximo ciclo
5. Un esquema para una sola diapositiva: titular, tres viñetas y un tipo de
   gráfico recomendado

Restricciones: usa solo las cifras que proporcioné — nunca estimes, extrapoles
ni completes valores faltantes, y si una celda está vacía, dilo. Si los datos
no respaldan una afirmación (grupo pequeño, sin grupo de comparación),
indícalo con claridad en lugar de disimularlo. Usa "asociado con", nunca
"causó", a menos que describa explícitamente un grupo de comparación. Sin
jerga de investigación educativa.

Rellena tus datos y el prompt se actualiza al instante — luego cópialo.

Lo que obtienes (extracto)

**Hallazgo 1:** El promedio de ausencias entre los ocho integrantes del grupo bajó de 10.75 por trimestre (86 en total / 8 estudiantes) a 7.25 (58 / 8) — una reducción del 32.6%— durante un trimestre en el que el promedio de todo 7.º grado subió ligeramente (de 4.1 a 4.3). **Advertencia:** Con ocho estudiantes y sin un grupo de comparación equiparado, este cambio está asociado con la intervención pero no puede atribuírsele; es plausible una regresión a la media en estudiantes seleccionados en su punto más bajo de asistencia. **Titular de la diapositiva:** Los integrantes del grupo de asistencia redujeron sus ausencias en un tercio mientras las ausencias de toda la escuela aumentaban.

El flujo de trabajo completo

  1. Agrega y anonimiza los datos primero en tu hoja de cálculo — totales y listas de valores, nunca nombres, identificaciones o filas que un colega pudiera rastrear hasta un estudiante.
  2. Vuelve a calcular cada cifra que reporte el modelo; los errores aritméticos son el fallo más común.
  3. Conserva las advertencias en el informe final — un director confía más en un orientador que reconoce sus limitaciones.
  4. Reutiliza la misma estructura cada ciclo para que tus informes de resultados sean comparables año tras año.

Cuidado con

Los datos de muestras pequeñas pueden identificar a estudiantes incluso sin nombres — un grupo de 8 con el nivel de grado y el tipo de intervención asociados puede volver a identificarse. Comparte solo lo que te sentirías cómodo viendo reenviado, y usa herramientas aprobadas por el distrito para cualquier cosa más granular (FERPA sigue aplicándose a los registros identificables indirectamente).

Los modelos de lenguaje se equivocan al calcular más a menudo de lo que admiten. Nunca publiques un porcentaje que no hayas verificado tú mismo.

De dónde sale esto

Cada caso de uso de este sitio se basa en relatos reales de los orientadores escolares en activo — no lo inventamos nosotros.

Más casos de uso de IA para los orientadores escolares

← Los 6 casos de uso: cómo los orientadores escolares usan la IA