Únete gratis

Distinguir hechos, inferencias y opiniones en el material de origen

Autor: AILesson6 min de preparaciónProbado con:ChatGPTRevisado el: 2026-08-28

Respuesta rápida

Clasifica enunciados atómicos según lo que la fuente observa, concluye, valora, recomienda o deja incierto. Proporciona: Material de origen, Contexto y propósito, Reglas de clasificación. Resultado esperado: Un mapa rastreable de enunciados con fundamento probatorio, cadena de inferencias y reformulación neutral.

1

Añade tu contexto

Tu texto permanece en este navegador. AILesson Prompts no lo envía a un modelo ni a un servidor.

2

Tu prompt

Los campos sin rellenar permanecen visibles como marcadores de posición, para que puedas copiar y editar el prompt

Clasifica los enunciados de la fuente como hechos, afirmaciones referidas, inferencias, predicciones, opiniones, juicios de valor, recomendaciones o incertidumbre usando las reglas proporcionadas.

Material de origen:
[material]

Género, papel de quien lo escribió, público y propósito:
[context]

Definiciones de clasificación:
[rules]

Divide las oraciones mixtas en enunciados atómicos. La etiqueta de hecho significa que la fuente presenta un enunciado verificable, no que tú lo hayas comprobado de forma independiente; distingue entre un hecho referido por la fuente y un hecho verificado externamente. Identifica las señales lingüísticas, la evidencia o premisa, los pasos de inferencia que faltan, la modalidad, la atribución y qué permitiría verificar cada enunciado. No etiquetes un enunciado como opinión solo porque sea controvertido ni como hecho solo porque contenga una cifra. Devuelve una tabla de enunciados, cadenas de inferencias, casos mixtos o ambiguos, lugares donde la gramática oculta al agente o el grado de certeza y una reformulación neutral que conserve la atribución y el estatus epistémico.
Probar en Playground
Privado de forma predeterminadaLa preparación del prompt se realiza localmente en tu navegador. Evita introducir información confidencial en cualquier servicio de IA, a menos que tu organización lo permita.

De la entrada al resultado

Un ejemplo completo

Mira cómo un contexto concreto convierte esta receta en un resultado que puedes usar

Entrada real

Material de origen
[Memorando de la dirección, §2] Las quejas de clientes aumentaron de 42 en abril a 57 en mayo. El aumento demuestra claramente que el nuevo sistema de enrutamiento confunde a los clientes. Dado que el sistema presenta defectos fundamentales, deberíamos restablecer de inmediato el proceso anterior. Operaciones afirma que el aumento de mayo puede reflejar en parte una campaña que generó un 18 % más de pedidos, pero su análisis no está completo. Si continúa el patrón actual, las quejas superarán las 70 en junio.
Contexto y propósito
Memorando interno para la toma de decisiones escrito por la persona que dirige el servicio y destinado al equipo ejecutivo. Debemos preparar un informe neutral sobre la evidencia antes de decidir si se revierte el cambio. No se ha realizado ninguna verificación externa.
Reglas de clasificación
Hecho: enunciado verificable sobre el pasado o el presente que presenta la fuente. Afirmación referida: enunciado verificable atribuido a alguien, pero no comprobado de forma independiente. Inferencia: conclusión derivada de premisas expresas o implícitas. Predicción: afirmación sobre el futuro. Opinión/juicio de valor: enunciado basado en un criterio evaluativo. Recomendación: acción propuesta. Incertidumbre: limitación o modalidad explícita. Un enunciado puede recibir una etiqueta principal y otra secundaria únicamente cuando sean inseparables.

Ejemplo de salida

E1 Hubo 42 quejas en abril y 57 en mayo | hecho presentado por la fuente, no verificado de forma independiente | señal: recuentos pasados | verificar con las extracciones del sistema de quejas, las definiciones y los denominadores mensuales. E2 El sistema de enrutamiento confundió a los clientes | inferencia presentada con certeza alta («claramente») | premisa: aumento del recuento; faltan: motivos de las quejas, exposición, volumen de pedidos, comparación y cronología. E3 El sistema presenta defectos fundamentales | juicio de valor más inferencia | «fundamentales» carece de un criterio explícito. E4 Restablecer de inmediato el proceso anterior | recomendación | depende de E2/E3 y de los costes y riesgos de reversión no proporcionados. E5 Operaciones afirma que los pedidos aumentaron un 18 % debido a una campaña | afirmación referida; la atribución causal sigue sin verificarse | verificar los datos de pedidos y el diseño de la campaña. E6 El análisis de Operaciones no está completo | hecho referido/incertidumbre. E7 Las quejas superarán las 70 en junio | predicción condicional | depende de un «patrón actual» sin definir; no se muestra el método de cálculo.

Cadena de inferencias: 42→57 quejas → se presupone que el enrutamiento provocó confusión → se juzga que existe un defecto fundamental → reversión inmediata. Las observaciones no aportan los pasos causales intermedios.

Reformulación neutral: «El memorando informa de 42 quejas en abril y 57 en mayo; estos recuentos no se han verificado aquí de forma independiente. La dirección del servicio atribuye el aumento a la confusión de los clientes causada por el nuevo sistema de enrutamiento y recomienda revertirlo de inmediato, pero el memorando no aporta un análisis de los motivos de las quejas ni de la exposición. Operaciones informa de un 18 % más de pedidos en mayo asociados a una campaña y señala que su análisis no está completo. Un recuento superior a 70 en junio es una previsión condicional cuyo método no se indica».

Por qué funciona

  1. 1

    La clasificación atómica revela cuándo una oración combina observación, explicación y recomendación.

  2. 2

    Separar los hechos referidos por la fuente de los verificados de forma independiente impide que el análisis presente afirmaciones como hechos comprobados.

Comprueba el resultado

  • ¿Se dividieron las oraciones mixtas antes de clasificarlas?

  • ¿Explica cada etiqueta su evidencia, señal lingüística, atribución y vía de verificación?

  • ¿Se mantienen conceptualmente separados las cifras, la controversia, la confianza y la veracidad?

Úsalo con confianza

Preguntas frecuentes

Respuestas prácticas sobre cuándo usar esta receta, qué debes proporcionar y en qué casos la revisión humana sigue siendo importante

¿Qué debo preparar antes de usar «Distinguir hechos, inferencias y opiniones en el material de origen»?

Para «Distinguir hechos, inferencias y opiniones en el material de origen», prepara el material de origen, el contexto y el propósito, y las reglas de clasificación. Sustituye los marcadores de posición únicamente con información que puedas verificar. Si se desconoce algún detalle, expresa esa incertidumbre de forma explícita en vez de pedir al modelo que lo deduzca.

¿Cuándo no está listo para usarse el resultado de «Distinguir hechos, inferencias y opiniones en el material de origen»?

El resultado no está listo si aún no permite obtener, a partir de la evidencia proporcionada, el resultado indicado —un mapa rastreable de enunciados con fundamento probatorio, cadena de inferencias y reformulación neutral— o si depende de supuestos sin resolver, aprobaciones pendientes o detalles inventados. Usa las comprobaciones como criterios de autorización para publicarlo; corrige los datos de origen o asigna la revisión a una persona identificada y autorizada, en lugar de pulir un resultado sin respaldo.

¿Qué herramientas de IA tienen pruebas registradas para «Distinguir hechos, inferencias y opiniones en el material de origen»?

El registro de pruebas publicado para «Distinguir hechos, inferencias y opiniones en el material de origen» incluye ChatGPT a fecha de 2026-08-28. Esto confirma que se realizaron ejecuciones registradas, no garantiza la compatibilidad ni resultados idénticos en versiones posteriores del producto. Si usas otra herramienta o versión, mantén visibles todas las restricciones y repite las comprobaciones del resultado antes de usarlo.

Más formas de explorar

Dónde encaja esta receta

Indicaciones de textoAnálisis de documentosInvestigación y análisisAprendizaje y estudioPara quienes aprenden y educan

Mantén el trabajo en marcha

AILesson · Cursos recomendados

Tu próximo paso: pon la IA a trabajar

Pasa de entender la IA a poner manos a la obra. Practica cómo dar instrucciones, revisar y mejorar resultados con lecciones interactivas para el trabajo y la vida cotidiana.

Explora todos los cursos
Portada de IA para principiantes

15 lecciones interactivas

IA para principiantes

Inicia una conversación útil con la IA, mejora la respuesta, comprueba lo importante y reconoce cuándo te corresponde dar el siguiente paso.

Explora este curso
Portada de Fundamentos de ChatGPT

10 lecciones interactivas

Fundamentos de ChatGPT

Aprende a usar ChatGPT mediante tres flujos de trabajo prácticos: completa una primera conversación, trabaja con un archivo y usa Projects para llevar un plan comprobado a una nueva conversación.

Explora este curso
Portada de Cómo funciona la IA generativa

7 lecciones interactivas

Cómo funciona la IA generativa

Comprende cómo los chats de IA habituales aprenden patrones del lenguaje, usan los mensajes actuales, construyen respuestas e incorporan fuentes y herramientas.

Explora este curso