Todo proceso de análisis de datos tiene ese momento incómodo. Tienes tu conjunto de datos abierto. Entiendes más o menos la pregunta. Y entonces... no pasa nada. No porque las estadísticas sean demasiado difíciles, sino porque los pasos entre "tengo datos" y "estoy haciendo un análisis" parecen innecesariamente complicados. ¿Qué menú debo usar? ¿Qué variables van dónde? ¿Cómo se llama este análisis?
JMP Assistant no resuelve ese dilema pensando por el estudiante. Lo resuelve agilizando el proceso para que podamos dedicar el tiempo de clase a lo que realmente importa: discernir el significado del resultado, si responde a la pregunta correcta y qué hacer a continuación.
Dos herramientas, una distinción clara
Antes de continuar, conviene aclarar en qué se diferencia Assistant de LearnBot, que presentamos en el Episodio 2. La distinción es simple e importante:
- LearnBot [4] es un tutor tanto para JMP como para estadística en general. Responde preguntas generales («¿Qué significa VIF?», «¿Qué análisis debo usar?») en lenguaje sencillo. Es solo texto y se encuentra en el menú Ayuda. No interactúa con tus datos ni ejecuta nada en JMP.
- El Asistente [3] se diferencia de forma fundamental: actúa . Conoce tus conjuntos de datos y análisis abiertos, comprende tu pregunta en contexto, genera código JSL (JMP Scripting Language) en segundo plano y ejecuta el análisis directamente en JMP, produciendo resultados reales que puedes inspeccionar, modificar y ampliar. LearnBot te guía paso a paso. El Asistente lo hace contigo.
¿Qué hace el Asistente?: No hay misterio
El Asistente [3] está disponible de forma gratuita en JMP Marketplace. Una vez instalado, aparece en Complementos en el menú de JMP. El flujo de trabajo básico en el modo Ejecutar, que es el predeterminado, es sencillo:
- Abra su tabla de datos en JMP Student Edition e inicie Assistant.
- En el panel Contexto de la ventana , seleccione el conjunto de datos y los análisis abiertos con los que desee trabajar.
- Escriba su pregunta analítica en lenguaje sencillo o elija entre los puntos de partida sugeridos.
- Haz clic en Enviar . El asistente genera código JSL, lo ejecuta inmediatamente y devuelve los resultados con una explicación de lo que se hizo, qué buscar en la salida y los pasos siguientes sugeridos.
El Asistente guarda un historial de chat de tus conversaciones analíticas. Puedes acceder a los chats anteriores desde el panel izquierdo, aunque para volver a abrir un chat antiguo puede que tengas que tener abiertas las ventanas de JMP correspondientes para recuperar el contexto completo.
Para preguntas de interpretación sobre los resultados que ya ha generado, cambie al modo Preguntar . El modo Preguntar no ejecuta código nuevo; responde a lo que usted describe, con la ventaja de conocer su contexto de análisis actual. Ambos modos están disponibles en la misma ventana, que debe seleccionar antes de hacer clic en Enviar.
Personalzvivir la experiencia
La configuración del Asistente permite a los usuarios configurar su rol (ingeniero o científico), su especialidad (de una larga lista que incluye aeroespacial, biomédica, química, medioambiental y muchas más) y su nivel de experiencia en JMP (del 1 al 5). Esta configuración determina cómo el Asistente formula sus respuestas: el lenguaje, los ejemplos y el nivel de detalle.
Para la enseñanza, estas opciones son importantes. Un instructor puede pedir a los estudiantes que definan su rama de investigación de acuerdo con el contexto del curso y su nivel de experiencia. Un estudiante de nivel 1 y un investigador de nivel 5 obtendrán respuestas apropiadamente diferentes a la misma pregunta. Esa diferencia, por sí sola, merece un debate en clase.
Cómo se ve en la práctica
El siguiente ejemplo utiliza el conjunto de datos Palmer Penguins, un recurso didáctico muy conocido disponible a través de JMP, para mostrar cómo es un flujo de trabajo real del Asistente, desde la pregunta hasta la obtención de información relevante.
Una estudiante quiere explorar la relación entre las dimensiones del pico en diferentes especies de pingüinos, así que escribe: "¿ Existe una relación entre la longitud del culmen y la profundidad del culmen por especie de pingüino? Preferiría un solo gráfico que muestre todas las especies juntas".
Step 1: Assistant recognizes the open data set and open analyses; it explains its analytical approach before running anything.Paso 1: El asistente reconoce el conjunto de datos abiertos y los análisis abiertos; explica su enfoque analítico antes de ejecutar cualquier operación.
El asistente responde primero con una propuesta, explicando que Graph Builder es la plataforma adecuada para un diagrama de dispersión superpuesto multiespecie. También advierte sobre el riesgo de la paradoja de Simpson: una tendencia negativa agregada puede enmascarar tendencias positivas dentro de cada especie. El estudiante ve el razonamiento antes del resultado.
Luego se ejecuta. El diagrama de dispersión aparece en JMP Student Edition con líneas de regresión y bandas de confianza para cada especie.
Step 2: Assistant executes the analysis in JMP: Graph Builder output with species-colored scatter plot and JSL code available for inspection.Paso 2: El asistente ejecuta el análisis en JMP: la salida del Generador de gráficos incluye un diagrama de dispersión con colores según la especie y el código JSL, que están disponibles para su inspección.
El código JSL que generó el gráfico es visible y se puede inspeccionar, lo que puede ser una observación secundaria para la mayoría de los estudiantes principiantes, pero un recurso de aprendizaje genuino para cursos más avanzados.
En cada respuesta del modo Ejecutar, el Asistente siempre genera dos secciones de seguimiento estructuradas: ¿Qué buscar en los resultados de JMP? y ¿Qué análisis se deben realizar a continuación? Cada una es concreta, numerada y formulada como posibles sugerencias para el futuro.
Step 3: Suggested next steps keep the analytical conversation moving and update as the Window Context changes.Paso 3: Los pasos siguientes sugeridos mantienen la conversación analítica en marcha y se actualizan a medida que cambia el contexto de la ventana.
Sin tener que navegar por menús. Sin cambiar de pestaña. Solo una pregunta, un análisis y un camino claro a seguir.
La cuestión es la habilidad
Esto es lo que se hace evidente rápidamente cuando los estudiantes usan Assistant: la calidad del resultado depende por completo de la calidad de la información de entrada. Formular una pregunta analítica precisa y significativa ya no es un paso preliminar; es la habilidad fundamental.
Compara estas dos indicaciones:
- ✘ La opción "Analizar mis datos de pingüinos" produce resultados vagos y una comprensión limitada.
- ✔ “¿Existe una relación entre la longitud del culmen y la profundidad del culmen por especie de pingüino, mostrada en un solo gráfico?” produce exactamente el análisis que se muestra en la captura de pantalla anterior.
La segunda pregunta es la que el estudiante escribió en el Paso 1. Un estudiante que no puede formularla aún no ha comprendido el problema, y ninguna herramienta de IA la formulará por él.
| "Un buen análisis comienza con una buena pregunta."Ninguna herramienta de IA te lo preguntará por ti. |
Una importante dosis de realidad.
JMP Assistant no es un científico de datos. No comprende el contexto de tu investigación. Simplemente traduce tu pregunta en un análisis, nada más. Si tu pregunta es incorrecta, la respuesta también lo será. Trátala como un punto de partida, no como un veredicto. El aviso legal sobre el contenido generado por IA, visible en cada sesión de Assistant, recuerda que el criterio del estudiante sigue siendo el paso final en todo flujo de trabajo analítico.
¿Qué significa esto para los instructores?
El beneficio más inmediato es el ahorro de tiempo. Los estudiantes ya no dedican 20 minutos a buscar el menú adecuado. Como pueden empezar a analizar en segundos, disponen de tiempo para centrarse en lo que realmente importa: comprender los resultados.
Cuando los estudiantes llegan a clase con los análisis ya realizados, la discusión pasa de "¿Cómo lo hago?" a "¿Hicimos la pregunta correcta?". ¿Qué significan realmente estos resultados? ¿Un enfoque diferente cambiaría la conclusión?
El episodio 4 aborda la otra cara de la moneda: dónde la IA en el aula crea riesgos reales y qué pueden hacer los instructores para establecer salvaguardas que mantengan intacto el razonamiento.
Prueba esto
Instala JMP Assistant [3] gratis desde JMP Marketplace. Abre un conjunto de datos que ya uses en tu curso. Hazle a Assistant la pregunta con la que tus alumnos suelen tener más dificultades. Luego, en lugar de centrarte en la respuesta, pregúntate: ¿Cómo podría convertir este resultado en un debate? Ese cambio de perspectiva es donde se hace evidente el valor pedagógico de la herramienta.
Referencias
[1] Programa Académico JMP , jmp.com/academic
[2] Edición para estudiantes de JMP , jmp.com/student
[3] Asistente JMP (Mercado JMP) , marketplace.jmp.com
[4]LearnBot (Mercado de JMP) , marketplace.jmp.com
[5] Cómo la interfaz visual de JMP se ve reforzada por flujos de trabajo analíticos potenciados por el lenguaje natural , D. Valente, Blog de la comunidad de JMP
[6]Revisión del informe universitario GAISE (en curso, 2025)
Acerca del autor
Volker Kraft es Embajador Académico Principal (EMEA) en JMP Statistical Discovery (una empresa de SAS), y forma parte del Equipo Académico Global de JMP. Desde 2011, ha apoyado a universidades de toda Europa en la integración de JMP en la docencia y la investigación. Su trayectoria profesional se centra en la investigación de la tecnología del habla, un campo donde el rigor estadístico y el pragmatismo de la ingeniería coexistieron mucho antes de que la IA se popularizara. Puede contactarse con él a través de la Comunidad JMP o en LinkedIn .
Episodio 3 de 5 • Siguiente: Enseñar de forma responsable con IA:Riesgos, medidas de seguridad y lo que he aprendido a las malas.
