Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Artículos

Vol. 1 Núm. 1 (2026)

Hacia un Sistema de Retroalimentación con Inteligencia Artificial en Dibujo Tecnológico bajo Estándares IRAM

DOI
https://doi.org/10.30972/conf.19474
Enviado
julho 1, 2026
Publicado
2026-07-01

Resumen

Este artículo plantea las bases teóricas y metodológicas para el desarrollo de un sistema de retroalimentación automatizada en planos de ingeniería mecánica, centrado en la normativa IRAM y en el uso de inteligencia artificial generativa (IAG). A partir de una revisión de literatura sobre retroalimentación en contextos educativos y herramientas basadas en IA aplicadas al dibujo tecnológico, se argumenta la necesidad de establecer criterios normativos de verificación específicos que guíen el análisis automatizado. Se propone una clasificación inicial de criterios basada en categorías clave para la representación gráfica (proyecciones ortogonales, acotación, rótulo y axonometría) y se fundamenta su selección en documentación oficial IRAM y en estudios previos sobre errores comunes en prácticas educativas. Adicionalmente se discute la importancia de superar el sesgo de los modelos internacionales para garantizar respuestas técnicas situadas. Esta investigación constituye un primer paso hacia la creación de un marco computacional que permita entrenar modelos generativos para brindar retroalimentación pertinente, coherente y adaptada a los estándares regionales en entornos técnicos argentinos.

Citas

  1. Hattie, J.; Timperley, H. (2007). The Power of Feedback. Review of Educational Research, 77(1), 81-112. doi:10.3102/003465430298487
  2. Hernández Sampieri, R.; Fernández Collado, C.; Baptista Lucio, P. (2014). Metodología de la investigación. McGraw-Hill; 6ta Edición. México.
  3. Instituto Argentino de Normalización y Certificación (IRAM) (s.f.). IRAM Colección. https://iramcoleccion. org.ar/
  4. Jianwu, L. W.; Yew, L. S.; On, L. K.; et al. (2023). AI-enabled evaluating for computer-aided drawings (AMCAD). International Journal of Mechanical Engineering Education, 52(1), 3-31. doi:10.1177/03064190231175231
  5. Lee, S. S.; Moore, R. L. (2024). Harnessing Generative AI (GenAI) for Automated Feedback in Higher Education: A Systematic Review. Online Learning, 28(3), 82-106.
  6. Razak, A. N. A.; Lim, M.; TomeoReyes, I.; Li, D. D. (2024). Exploring the Capabilities and Limitations of Generative AI in Providing Feedback on Engineering Drawings: A Case Study. In 2024 World Engineering Education Forum-Global Engineering Deans Council (WEEF-GEDC) (pp. 1-9).
  7. IEEE. Wan, T., & Chen, Z. (2024). Exploring generative AI assisted feedback writing for students’ written responses to a physics conceptual question with prompt engineering and few-shot learning. Physical Review Physics Education Research, 20(1), 010152.