Tecnología · 8o Básico

Ideas de aprendizaje activo

Ética y Sesgos en los Datos y la IA

La ética y los sesgos en datos e IA son conceptos abstractos que requieren reflexión crítica y conexión con experiencias reales. Los estudiantes aprenden mejor cuando interactúan con problemas concretos, discuten casos reales y asumen roles que les permiten ver las consecuencias de sus decisiones técnicas.

• Objetivos de Aprendizaje (OA)
• OA TEC 8oB: Ética y Responsabilidad Tecnológica

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

Actividad 01

• Seminario Socrático
• 30 min · Parejas

Debate en Parejas: Sesgos Injustos

Parejas analizan un caso real de sesgo en IA, como recomendaciones sesgadas en redes sociales. Uno defiende el algoritmo, el otro argumenta impactos éticos. Rotan roles y concluyen con propuestas de mitigación.

¿Cómo pueden los sesgos en los datos de entrenamiento llevar a decisiones injustas por parte de una IA?

Consejo de Facilitación

Durante el debate en parejas, pide a los estudiantes que anoten por qué su postura inicial cambió o se mantuvo, usando ejemplos del caso asignado.

Qué observar

Presenta a los estudiantes un escenario hipotético: 'Una IA se usa para decidir quién recibe un préstamo bancario. Los datos históricos muestran que se otorgan menos préstamos a personas de ciertos barrios.' Pide a los estudiantes que discutan en grupos: ¿Qué sesgo podría estar presente en los datos? ¿Cómo podría afectar esto a los solicitantes? ¿Qué pasos debería seguir el banco para asegurar un proceso justo?

• Analizar
• Evaluar
• Crear
• Conciencia Social
• Habilidades de Relación

Actividad 02

• Seminario Socrático
• 45 min · Grupos pequeños

Análisis Grupal: Datasets Sesgados

Grupos pequeños revisan datasets ficticios con sesgos evidentes, identifican problemas y proponen correcciones. Comparten hallazgos en plenaria con votación clase.

¿Qué responsabilidades tienen los desarrolladores de IA para garantizar la equidad y transparencia?

Consejo de Facilitación

En el análisis grupal de datasets sesgados, modela cómo identificar patrones de exclusión en los datos antes de proponer soluciones.

Qué observar

Entrega a cada estudiante una tarjeta. Pídeles que escriban dos ejemplos de cómo los sesgos en los datos pueden afectar negativamente a las personas. Luego, deben proponer una acción que un desarrollador de IA podría tomar para intentar reducir uno de esos sesgos.

• Analizar
• Evaluar
• Crear
• Conciencia Social
• Habilidades de Relación

Actividad 03

• Seminario Socrático
• 40 min · Grupos pequeños

Role-Playing: Responsabilidades de Desarrolladores

En grupos, estudiantes actúan como equipo de IA: uno recolecta datos, otro programa, otro evalúa ética. Simulan una decisión injusta y discuten soluciones.

¿Cómo podemos mitigar los riesgos éticos asociados con el uso de la inteligencia artificial?

Consejo de Facilitación

En el role-playing, guía a los estudiantes para que usen argumentos basados en los derechos de las personas afectadas, no solo en la eficiencia técnica.

Qué observar

Muestra a los estudiantes dos descripciones breves de datasets utilizados para entrenar IA (uno representativo y otro sesgado). Pregunta: '¿Cuál de estos datasets es más probable que genere resultados justos y por qué?' Pide que justifiquen su elección basándose en la representatividad y la posible presencia de sesgos.

• Analizar
• Evaluar
• Crear
• Conciencia Social
• Habilidades de Relación

Actividad 04

• Mapa Conceptual
• 35 min · Toda la clase

Mapa Conceptual: Riesgos Éticos

Clase entera construye un mapa en pizarra digital, agregando ejemplos de sesgos y mitigaciones. Cada estudiante contribuye una idea basada en lecturas previas.

¿Cómo pueden los sesgos en los datos de entrenamiento llevar a decisiones injustas por parte de una IA?

Consejo de Facilitación

Al construir el mapa conceptual colectivo, asegúrate de que cada grupo incluya conexiones entre riesgos éticos, ejemplos reales y posibles acciones correctivas.

Qué observar

Presenta a los estudiantes un escenario hipotético: 'Una IA se usa para decidir quién recibe un préstamo bancario. Los datos históricos muestran que se otorgan menos préstamos a personas de ciertos barrios.' Pide a los estudiantes que discutan en grupos: ¿Qué sesgo podría estar presente en los datos? ¿Cómo podría afectar esto a los solicitantes? ¿Qué pasos debería seguir el banco para asegurar un proceso justo?

• Comprender
• Analizar
• Crear
• Autoconciencia
• Autogestión

Algunas notas para enseñar esta unidad

Este tema se enseña mejor desde la indagación guiada. Evita explicar los sesgos como conceptos teóricos; en cambio, proporciona ejemplos reales y pide a los estudiantes que los analicen en grupos pequeños. La clave está en conectar la tecnología con su impacto humano, usando casos cercanos a su contexto. La investigación en pedagogía de la tecnología sugiere que los estudiantes retienen mejor cuando discuten dilemmas éticos en lugar de recibir respuestas predeterminadas.

Los estudiantes demuestran comprensión cuando identifican sesgos en ejemplos cotidianos, proponen soluciones técnicas con fundamento ético y justifican sus argumentos usando evidencia de los debates y análisis grupales.

---

Cuidado con estas ideas erróneas

• Durante el Debate en Parejas: Sesgos Injustos, algunos estudiantes pueden asumir que 'la IA es siempre neutral y objetiva'.

  Usa el caso específico de la sesión para que comparen algoritmos con y sin datasets representativos. Pide que identifiquen en qué momento las decisiones humanas introdujeron sesgos y cómo eso afectó los resultados.

• Durante el Análisis Grupal: Datasets Sesgados, los estudiantes podrían pensar que 'los sesgos solo ocurren por errores técnicos'.

  Enfócate en los datasets proporcionados para que observen decisiones humanas en la recolección, como qué grupos se incluyeron o excluyeron y por qué. Usa preguntas como: ¿Quién decidió qué datos eran importantes? ¿Qué criterios se usaron?

• Durante el Role-Playing: Responsabilidades de Desarrolladores, algunos podrían creer que 'la ética en IA no afecta la vida cotidiana'.

  Pide a los estudiantes que identifiquen en sus roles cómo un algoritmo sesgado afectaría la vida de personas en su comunidad, usando ejemplos como préstamos, admisiones escolares o acceso a servicios públicos.

---

Metodologías usadas en este resumen

• Seminario Socrático
• Mapa Conceptual