Tecnología · 7o Básico

Ideas de aprendizaje activo

Big Data y su Impacto Social

Big Data no es solo un concepto abstracto, sino un fenómeno que los estudiantes viven cada vez que usan redes sociales o reciben recomendaciones personalizadas. Aprenderlo mediante actividades prácticas les ayuda a conectar los datos que generan con su impacto real, haciendo visible lo que suele pasar desapercibido en su vida digital.

• Objetivos de Aprendizaje (OA)
• OA TEC 7oB: Impacto Social de las Tecnologías Digitales

• 30–45 min
• Parejas → Toda la clase
• 4 actividades

Actividad 01

• Pecera de Discusión
• 40 min · Parejas

Debate en Parejas: Beneficios y Riesgos de Algoritmos

Asigna a cada pareja un rol: defensores o críticos de algoritmos en selección de personal. Proporciona datos reales de casos chilenos para preparar argumentos en 10 minutos. Cada pareja presenta 2 minutos y responde preguntas del grupo.

¿Cómo utilizan las redes sociales nuestros datos para predecir conductas?

Consejo de Facilitación

En el debate en parejas sobre algoritmos, asigna roles claros (defensor de beneficios vs. defensor de riesgos) para asegurar que todos participen activamente y escuchen perspectivas opuestas.

Qué observar

Presenta a los estudiantes el siguiente escenario: 'Una empresa de contratación usa un algoritmo para filtrar currículums. ¿Qué información debería priorizar el algoritmo para ser justo? ¿Qué riesgos existen si el algoritmo está sesgado?'. Guía la discusión para que identifiquen beneficios (eficiencia) y peligros (discriminación).

• Analizar
• Evaluar
• Conciencia Social
• Autoconciencia

Actividad 02

• Pecera de Discusión
• 45 min · Grupos pequeños

Análisis Grupal: Publicidad Personalizada

En grupos pequeños, revisen capturas de anuncios en redes sociales de los estudiantes. Identifiquen patrones de datos usados (ubicación, intereses). Discutan en plenaria cómo predecir conductas y creen un póster con hallazgos.

¿Qué beneficios y peligros trae el uso de algoritmos en la selección de personal?

Consejo de Facilitación

Durante el análisis grupal de publicidad personalizada, proporciona ejemplos reales de redes sociales y pide a los estudiantes que identifiquen qué datos se están usando para segmentar anuncios.

Qué observar

Pide a los estudiantes que respondan en una tarjeta: 'Nombra una forma en que las redes sociales usan tus datos. Luego, escribe una pregunta que te gustaría hacerle a un experto en Big Data sobre la privacidad de tus datos.'

• Analizar
• Evaluar
• Conciencia Social
• Autoconciencia

Actividad 03

• Pecera de Discusión
• 30 min · Individual

Simulación Individual: Anonimato en Big Data

Cada estudiante ingresa datos ficticios en una herramienta en línea segura (como generadores de perfiles). Analicen cómo se reconstruye identidad con cruces de datos. Compartan reflexiones en círculo.

¿Es posible mantener el anonimato en la era del Big Data?

Consejo de Facilitación

En la simulación individual de anonimato, usa un software sencillo como Google Sheets con fórmulas básicas para que los estudiantes vean cómo se pueden combinar datos aparentemente inocuos y revelar identidades.

Qué observar

Muestra a los estudiantes dos ejemplos de uso de datos (ej. un mapa de calor de tráfico y una recomendación de película). Pregunta: '¿Cuál de estos ejemplos utiliza Big Data para predecir algo? Explica brevemente por qué.'

• Analizar
• Evaluar
• Conciencia Social
• Autoconciencia

Actividad 04

• Mapa Conceptual
• 35 min · Toda la clase

Mapa Conceptual: Flujo de Big Data

En clase completa, construyan un mapa en pizarra digital mostrando recolección, procesamiento y usos. Agreguen ejemplos locales como datos de movilidad en Santiago. Voten impactos positivos y negativos.

¿Cómo utilizan las redes sociales nuestros datos para predecir conductas?

Consejo de Facilitación

Para el mapa conceptual colectivo sobre el flujo de Big Data, usa una pizarra grande o papelógrafo donde cada grupo aporte una parte del proceso, asegurando que todos visualicen la secuencia completa.

Qué observar

Presenta a los estudiantes el siguiente escenario: 'Una empresa de contratación usa un algoritmo para filtrar currículums. ¿Qué información debería priorizar el algoritmo para ser justo? ¿Qué riesgos existen si el algoritmo está sesgado?'. Guía la discusión para que identifiquen beneficios (eficiencia) y peligros (discriminación).

• Comprender
• Analizar
• Crear
• Autoconciencia
• Autogestión

Algunas notas para enseñar esta unidad

Este tema se enseña mejor cuando los estudiantes trabajan con datos reales o simulados, en lugar de solo con teoría. Evita empezar con definiciones técnicas; en su lugar, parte de situaciones cotidianas que ellos reconozcan. La investigación muestra que los estudiantes retienen mejor los conceptos cuando pueden manipular datos y ver resultados inmediatos, por lo que actividades prácticas son clave.

Los estudiantes demuestran comprensión al identificar cómo Big Data afecta su privacidad y decisiones, argumentando con ejemplos concretos y reconociendo tanto sus beneficios como riesgos. Usan vocabulario técnico con precisión y participan activamente en debates colaborativos con evidencia.

---

Cuidado con estas ideas erróneas

• Durante la Simulación Individual: Anonimato en Big Data, watch for students assuming que los datos en internet son privados porque no incluyen nombres.

  Usa ejemplos de datos combinados (ej. ubicación + horarios de trabajo + compras en línea) para mostrar cómo se puede reconstruir la identidad de una persona. Pide a los estudiantes que identifiquen qué datos, por sí solos, parecen inocentes pero al combinarlos revelan información sensible.

• Durante el Debate en Parejas: Beneficios y Riesgos de Algoritmos, watch for students believing que los algoritmos son neutrales y objetivos.

  Proporciona datos sesgados reales (ej. currículums con nombres que sugieren género o origen) y pide a los estudiantes que analicen cómo estos datos entrenan a los algoritmos. Usa la estructura del debate para que confronten sus ideas iniciales con evidencia.

• Durante el Análisis Grupal: Publicidad Personalizada, watch for students thinking que la personalización de anuncios es siempre beneficiosa o inofensiva.

  Muestra ejemplos de publicidad problemática (ej. préstamos con intereses altos dirigidos a comunidades vulnerables) y pide a los grupos que identifiquen qué sesgos podrían existir en los datos usados. Usa esta evidencia para guiar la discusión hacia preguntas éticas.

---

Metodologías usadas en este resumen

• Pecera de Discusión
• Mapa Conceptual