Sesgos Algorítmicos y Discriminación
Los alumnos reflexionan sobre cómo los sesgos humanos pueden introducirse en los algoritmos de IA y generar discriminación.
Preguntas clave
- ¿Cómo pueden los prejuicios humanos acabar integrados en el código de una IA?
- ¿Qué ejemplos de sesgos algorítmicos podéis identificar en la sociedad actual?
- ¿Cómo podríamos diseñar algoritmos más justos y equitativos?
Competencias Clave LOMLOE
Metodologías sugeridas
¿Estáis listos para enseñar este tema?
Generad una misión de aprendizaje activo completa y lista para el aula en segundos.
Más en Datos, Inteligencia Artificial y Ética
Recogida de Datos y Encuestas Digitales
Los alumnos exploran diferentes métodos de recogida de datos, centrándose en la creación y análisis básico de encuestas digitales para proyectos sencillos.
2 methodologies
Organización y Filtrado Básico de Datos
Los alumnos aprenden a organizar datos en tablas o hojas de cálculo y a aplicar filtros básicos para encontrar información relevante y detectar posibles errores simples.
2 methodologies
Visualización de Datos y Storytelling
Los alumnos utilizan herramientas de visualización para representar datos de forma clara y efectiva, comunicando hallazgos a través de historias.
2 methodologies
La IA en Nuestro Día a Día: Ejemplos y Usos
Los alumnos identifican y analizan diversas aplicaciones de la Inteligencia Artificial en entornos cotidianos, como asistentes de voz, sistemas de recomendación o filtros de spam, sin profundizar en su funcionamiento interno.
2 methodologies
Cómo 'Aprende' una IA: Reconocimiento de Patrones
Los alumnos exploran de forma conceptual cómo la Inteligencia Artificial puede 'aprender' a reconocer patrones en datos (imágenes, texto) para realizar tareas sencillas, utilizando ejemplos intuitivos.
2 methodologies