Tecnología · II Medio

Ideas de aprendizaje activo

Introducción a la Inteligencia Artificial

Aprender sobre inteligencia artificial en Segundo Medio exige más que teoría abstracta. Los estudiantes necesitan experimentar con datos reales para entender que el Machine Learning procesa patrones, no pensamientos. La combinación de simulaciones prácticas, investigación colaborativa y debates críticos hace tangible lo que podría parecer lejano o mágico.

• Objetivos de Aprendizaje (OA)
• OA TEC 2oM: Inteligencia Artificial y Automatización
• OA TEC 2oM: Pensamiento Computacional

• 25–50 min
• Parejas → Toda la clase
• 3 actividades

Actividad 01

• Juego de Simulación
• 40 min · Grupos pequeños

Juego de Simulación: Entrenando a la Máquina

Los estudiantes actúan como un algoritmo de clasificación. Reciben tarjetas con fotos de frutas y deben crear 'reglas' para distinguirlas. Luego, el profesor introduce fotos ambiguas para ver cómo fallan sus reglas y cómo necesitan más datos para mejorar.

¿Cómo podemos diferenciar entre la inteligencia humana y la inteligencia artificial?

Consejo de Facilitación

En la simulación Entrenando a la Máquina, circula entre los grupos para asegurar que todos registren sus predicciones antes y después de ajustar los datos.

Qué observar

Presenta a los estudiantes un titular de noticia sobre un avance reciente en IA. Pide que discutan en grupos pequeños: ¿A qué rama de la IA creen que pertenece? ¿Es un ejemplo de IA fuerte o débil? ¿Qué impacto podría tener en la sociedad?

• Aplicar
• Analizar
• Evaluar
• Crear
• Conciencia Social
• Toma de Decisiones

Actividad 02

• Círculo de Investigación
• 50 min · Grupos pequeños

Círculo de Investigación: IA en mi Entorno

En grupos, los estudiantes investigan tres aplicaciones de IA que se usen actualmente en Chile (ej. optimización de rutas de buses, detección de plagas). Deben identificar qué datos usa esa IA para aprender y qué predicción realiza.

¿De qué manera la IA ha evolucionado desde sus inicios hasta la actualidad?

Consejo de Facilitación

Durante la investigación colaborativa IA en mi Entorno, asigna roles específicos (buscador, organizador, presentador) para evitar que algunos estudiantes acaparen el trabajo.

Qué observar

Entrega a cada estudiante una tarjeta con el nombre de una aplicación o tecnología (ej. GPS, filtro de spam, diagnóstico médico por imagen, robot industrial). Pide que escriban brevemente por qué consideran que es IA y si es un ejemplo de IA fuerte o débil.

• Analizar
• Evaluar
• Crear
• Autogestión
• Autoconciencia

Actividad 03

• Pensar-Emparejar-Compartir
• 25 min · Parejas

Pensar-Emparejar-Compartir: ¿Es Inteligente o es Estadística?

Se presenta un video de una IA jugando un videojuego. Los estudiantes reflexionan individualmente si eso es 'inteligencia' real, discuten sus criterios en parejas y luego debaten con el curso sobre las diferencias entre el aprendizaje humano y el de máquina.

¿Cómo podemos evaluar el impacto de la IA en nuestra vida cotidiana?

Consejo de Facilitación

En el Think-Pair-Share ¿Es Inteligente o es Estadística?, escucha las respuestas de las parejas antes de guiar la discusión grupal para detectar malentendidos tempranos.

Qué observar

Solicita a los estudiantes que respondan en un papel: 1) Una diferencia clave entre la inteligencia humana y la IA. 2) Un ejemplo de cómo la IA ha evolucionado en los últimos 20 años. 3) Una pregunta que aún tengan sobre la IA.

• Comprender
• Aplicar
• Analizar
• Autoconciencia
• Habilidades de Relación

Algunas notas para enseñar esta unidad

Enseñar IA requiere enfatizar que los algoritmos no son cajas negras inescrutables. Usa analogías cotidianas, como comparar el entrenamiento de un modelo con enseñarle a un niño a reconocer frutas: necesita muchos ejemplos, algunos incorrectos, antes de mejorar. Evita explicar la IA solo como 'tecnología avanzada'; conecta cada concepto con su impacto social y ético. La evidencia sugiere que integrar debates sobre sesgos en los datos aumenta la comprensión conceptual más que enfocarse únicamente en el funcionamiento técnico.

Al finalizar las actividades, los estudiantes explicarán con ejemplos concretos que la IA no 'piensa' sino que identifica correlaciones en datos. Usarán vocabulario preciso para distinguir entre IA fuerte y débil, y analizarán críticamente cómo los datos influyen en los resultados de un sistema de IA.

---

Cuidado con estas ideas erróneas

• Durante la simulación Entrenando a la Máquina, watch for students assuming that the AI 'learns' like a human would after being shown the same data multiple times.

  Usa la etapa de ajuste manual de datos para mostrar que la IA no acumula 'conocimiento' acumulativo, sino que recalcula patrones cada vez. Pide a los estudiantes que anoten cómo cambian las predicciones al eliminar o modificar un solo dato.

• Durante la actividad IA en mi Entorno, escucha comentarios que atribuyan agencia o intencionalidad a las aplicaciones de IA que investigan.

  En la presentación grupal, pide que cada equipo explique con ejemplos concretos cómo la IA solo sigue reglas matemáticas ocultas en los datos, usando casos como filtros de redes sociales o recomendaciones de música.

---

Metodologías usadas en este resumen

• Juego de Simulación
• Círculo de Investigación
• Pensar-Emparejar-Compartir