Un problema de descripción de consulta SQL con asistencia de IA para un sistema de aprendizaje de programación SQL
Autores: Wardani, Ni Wayan; Funabiki, Nobuo; Kyaw, Htoo Htoo Sandi; Zhu, Zihao; Kotama, I Nyoman Darma; Sugiartawan, Putu; Putra, I Nyoman Agus Suarya
Idioma: Inglés
Editor: MDPI
Año: 2026
Acceso abierto
Artículo científico
2026
Un problema de descripción de consulta SQL con asistencia de IA para un sistema de aprendizaje de programación SQL
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Bases de datos relacionales
SQL
Lenguaje de programación
Descripción del problema de consulta SQL
Generador de consultas SQL asistido por IA
Instancias SDP
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Hoy en día, las bases de datos relacionales se utilizan ampliamente en los sistemas de información. SQL (lenguaje de consulta estructurado) se enseña extensamente en universidades y escuelas profesionales de todo el mundo como un lenguaje de programación para la gestión y acceso de datos. Anteriormente, hemos estudiado un sistema asistente de aprendizaje de programación basado en la web (PLAS) para ayudar a los estudiantes novatos a aprender lenguajes de programación populares por sí mismos a través de la resolución de varios tipos de ejercicios. Para la programación en SQL, hemos implementado el problema de comprensión de gramática y conceptos (GUP) y el problema de inserción de comentarios (CIP) para sus estudios iniciales. En este artículo, proponemos un Problema de Descripción de Consulta SQL (SDP) como un nuevo tipo de ejercicio para describir la consulta SQL a una solicitud específica en un sistema de base de datos MySQL. Para reducir la carga de preparación de los profesores, integramos un generador de consultas SQL asistido por IA generativa para generar automáticamente una nueva instancia de SDP con un conjunto de datos dado. Una instancia de SDP consiste en una tabla, un conjunto de preguntas y consultas correspondientes. La corrección de las respuestas se determina mediante una coincidencia de cadenas mejorada contra un módulo de respuestas que incluye múltiples consultas canónicas semánticamente equivalentes. Para la evaluación, generamos 11 instancias de SDP sobre temas básicos utilizando el generador, donde encontramos que Gemini 3.0 Pro mostró una mayor consistencia pedagógica en comparación con ChatGPT-5.0, logrando puntajes perfectos en las métricas de Sensatez, Temática y Preparación. Luego, asignamos las instancias generadas a 32 estudiantes de pregrado en el Instituto Indonesio de Negocios y Tecnología (INSTIKI). Los resultados mostraron una tasa promedio de respuestas correctas del 95.2% y una puntuación media de SUS de 78, lo que demuestra un fuerte rendimiento inicial de los estudiantes y aceptación del sistema.
Descripción
Hoy en día, las bases de datos relacionales se utilizan ampliamente en los sistemas de información. SQL (lenguaje de consulta estructurado) se enseña extensamente en universidades y escuelas profesionales de todo el mundo como un lenguaje de programación para la gestión y acceso de datos. Anteriormente, hemos estudiado un sistema asistente de aprendizaje de programación basado en la web (PLAS) para ayudar a los estudiantes novatos a aprender lenguajes de programación populares por sí mismos a través de la resolución de varios tipos de ejercicios. Para la programación en SQL, hemos implementado el problema de comprensión de gramática y conceptos (GUP) y el problema de inserción de comentarios (CIP) para sus estudios iniciales. En este artículo, proponemos un Problema de Descripción de Consulta SQL (SDP) como un nuevo tipo de ejercicio para describir la consulta SQL a una solicitud específica en un sistema de base de datos MySQL. Para reducir la carga de preparación de los profesores, integramos un generador de consultas SQL asistido por IA generativa para generar automáticamente una nueva instancia de SDP con un conjunto de datos dado. Una instancia de SDP consiste en una tabla, un conjunto de preguntas y consultas correspondientes. La corrección de las respuestas se determina mediante una coincidencia de cadenas mejorada contra un módulo de respuestas que incluye múltiples consultas canónicas semánticamente equivalentes. Para la evaluación, generamos 11 instancias de SDP sobre temas básicos utilizando el generador, donde encontramos que Gemini 3.0 Pro mostró una mayor consistencia pedagógica en comparación con ChatGPT-5.0, logrando puntajes perfectos en las métricas de Sensatez, Temática y Preparación. Luego, asignamos las instancias generadas a 32 estudiantes de pregrado en el Instituto Indonesio de Negocios y Tecnología (INSTIKI). Los resultados mostraron una tasa promedio de respuestas correctas del 95.2% y una puntuación media de SUS de 78, lo que demuestra un fuerte rendimiento inicial de los estudiantes y aceptación del sistema.