iaPWeb. Análisis de las Inteligencias Artificiales Generativas de código para programación web

Abstract

Este trabajo aborda un estudio exploratorio y evaluativo sobre la aplicación de modelos de Inteligencia Artificial Generativa (IAG) para la generación automática de código, aplicándolos específicamente al desarrollo de una aplicación web en el entorno de la asignatura Programación Web del Grado en Ingeniería en Tecnologías de la Telecomunicación. Dentro de esta asignatura se utilizan tecnologías fundamentales para el desarrollo de aplicaciones web, como son: HTML, CSS, PHP, SQL y JavaScript. El objetivo principal es analizar y evaluar modelos de IA para la generación automática de código, buscando no solo construir una aplicación funcional, sino también explorar cómo los modelos de IA pueden optimizar el flujo de trabajo de los estudiantes y fomentar el aprendizaje práctico de técnicas modernas de desarrollo web. Se investigan, evalúan y documentan las capacidades de diferentes modelos de IA, identificando conductas y mejores prácticas en el diseño de prompts para maximizar su efectividad en este contexto, sin perder de vista el proceso enseñanza-aprendizaje. Los resultados, del análisis y evaluación de los modelos de IA, mostraron contrastes en su rendimiento. ChatGPT o3-mini-high destacó como la opción más confiable al completar con éxito todas las fases analizadas, aunque Claude y Qwen resultaron ser alternativas útiles. En términos de velocidad y consistencia, Claude fue el más rápido, aunque presentó una alta tasa de errores, mientras que CGPTo3mh ofreció un mejor equilibrio. Se identificaron áreas comunes donde los modelos presentaron dificultades para la implementación de funcionalidades JavaScript, seguridad, consultas SQL y optimización front-end. Un aspecto central del trabajo fue la identificación de estrategias efectivas para la elaboración de prompts, como la estructura jerárquica, la contextualización, la especificidad técnica, la separación de responsabilidades y el enfoque en buenas prácticas. Este trabajo también estudia el impacto del uso de la IA en el proceso educativo de la asignatura, señalando cómo puede afectar los objetivos docentes, resultados de aprendizaje y competencias del alumno. También se plantean diferentes escenarios para la inclusión de la IA en la metodología docente, tanto desde un uso limitado como apoyo, hasta una integración completa que requeriría redefinir los objetivos para formar a los estudiantes en la gestión y supervisión de herramientas de IA.

This paper addresses an exploratory and evaluative study on the application of Generative Artificial Intelligence (GAI) models for automatic code generation, specifically applying them to the development of a web application within the Web Programming course of the Bachelor's Degree in Telecommunications Technology Engineering. Thiscourse utilizes fundamental technologies for web application development, such as HTML, CSS, PHP, SQL, and JavaScript. The main objective is to analyze and evaluate AI models for automatic code generation, seeking not only to build a functional application but also to explore how AI models can optimize students' workflow and foster practical learning of modern web development techniques. The capabilities of different AI models are investigated, evaluated, and documented, identifying behaviors and best practices in prompt design to maximize their effectiveness in this context, while keeping in mind the teaching-learning process. The results of the analysis and evaluation of the AI models showed contrasting performance. ChatGPT o3-mini-high emerged as the most reliable option, successfully completing all the phases analyzed, although Claude and Qwen proved to be useful alternatives. In terms of speed and consistency, Claude was the fastest, although it had a high error rate, while CGPTo3mh offered a better balance. Common areas where the models presented difficulties in implementing JavaScript functionality, security, SQL queries, and front-end optimization were identified. A central aspect of the work was the identification of effective strategies for creating prompts, such as ierarchical structure, contextualization, technical specificity, separation of responsibilities, and a focus on best practices. This work also studies the impact of the use of AI on the educational process of the subject, highlighting how it can affect teaching objectives, learning outcomes, and student competencies. Different scenarios for the inclusion of AI in teaching methodology are also proposed, ranging from limited use as support to full integration, which would require redefining objectives to train students in the management and supervision of AI tools.