Este artículo presenta un método para generar problemas de física isomórfica en masa mediante ChatGPT. Mediante el encadenamiento de indicaciones y otras herramientas, se controlan con precisión las variaciones estructurales, como valores numéricos y relaciones espaciales, a la vez que se admiten diversas variaciones contextuales en el cuerpo del problema. Se abordan las principales limitaciones de los métodos existentes basados en LLM mediante el uso de un intérprete de código Python para la verificación automática de soluciones y la generación de diagramas simples. Al generar dos bancos de problemas isomórficos y compararlos con métodos simples basados en indicaciones, se demuestra que el encadenamiento de indicaciones produce resultados significativamente más consistentes y de mayor calidad. Este estudio demuestra un método eficiente de generación de problemas, accesible incluso para el instructor promedio, y abre nuevas posibilidades para las pruebas adaptativas personalizadas y el desarrollo automatizado de contenido.
