Tecnología y Digitalización · 3° ESO

Ideas de aprendizaje activo

Visualización de Datos y Storytelling

La visualización de datos y el storytelling permiten a los alumnos ver cómo las decisiones algorítmicas afectan a sus vidas de forma concreta. Trabajar con casos reales y materiales tangibles transforma un tema abstracto en una experiencia que conecta con sus preocupaciones inmediatas sobre justicia y oportunidades.

Competencias Clave LOMLOELOMLOE: ESO - Gestión de datos e informaciónLOMLOE: ESO - Comunicación y colaboración

35–60 minParejas → Toda la clase4 actividades

Actividad 01

Estudio de caso60 min · Grupos pequeños

Estudio de caso: El algoritmo que discrimina

Los grupos analizan casos documentados de sesgos algoritmicos, como el sistema COMPAS de evaluacion de riesgo de reincidencia en EEUU. Deben identificar el sesgo, su origen en los datos de entrenamiento y proponer mecanismos de supervision y correccion para el contexto espanol.

¿De qué manera la visualización de datos puede ayudar a simplificar conceptos complejos?

Consejo de facilitaciónDurante el estudio de caso, pide a los alumnos que subrayen en el texto del caso qué decisiones humanas se incorporaron al algoritmo antes de discutir su impacto.

Qué observarEntrega a cada alumno una hoja con dos gráficos simples (uno de barras y uno de líneas) y un breve conjunto de datos asociado. Pide que identifiquen qué gráfico representa mejor la evolución temporal de los datos y que expliquen por qué en una frase.

AnalizarEvaluarCrearToma de DecisionesAutogestión

Generar clase completa

Actividad 02

Paseo por la galería50 min · Grupos pequeños

Debate etico: ¿Quien decide lo que es justo?

Se presenta un escenario de un algoritmo de seleccion de personal. Los alumnos asumen roles de candidatos de diferentes perfiles, del departamento de RRHH y de la empresa de IA. Deben negociar que criterios son aceptables y como deberian auditarse los resultados.

¿Qué tipo de gráfico sería el más adecuado para mostrar la evolución de una variable en el tiempo?

Consejo de facilitaciónEn el debate ético, asigna roles específicos (ej. abogado del algoritmo, afectado por discriminación) para evitar respuestas genéricas y fomentar la empatía.

Qué observarPresenta un gráfico complejo o potencialmente engañoso (ej. ejes mal etiquetados, escala distorsionada). Pregunta a los alumnos: ¿Qué historia intenta contar este gráfico? ¿Es una representación justa de los datos? ¿Cómo podríamos mejorarla para que sea más clara y honesta?

ComprenderAplicarAnalizarCrearHabilidades RelacionalesConciencia Social

Generar clase completa

Actividad 03

Paseo por la galería55 min · Grupos pequeños

Investigacion: Cartografia del impacto laboral

Usando informes publicos de organismos como la OCDE o el Banco de Espana, los grupos investigan que tipos de empleos tienen mayor riesgo de automatizacion en Espana. Deben evaluar la fiabilidad de las predicciones y proponer politicas de formacion para la transicion.

¿Cómo podéis usar la visualización de datos para persuadir o informar a una audiencia?

Consejo de facilitaciónPara la cartografía del impacto laboral, usa datos locales o cercanos a la experiencia de los alumnos (ej. empleos en su barrio) para aumentar la relevancia emocional.

Qué observarDivide la clase en grupos pequeños y asigna a cada grupo un tipo de gráfico (ej. circular, dispersión). Dales un tema general (ej. 'hábitos de estudio', 'uso de redes sociales') y pídeles que propongan un dato específico que ese gráfico podría visualizar eficazmente y una breve frase que lo describa.

ComprenderAplicarAnalizarCrearHabilidades RelacionalesConciencia Social

Generar clase completa

Actividad 04

Piensa-pareja-comparte35 min · Parejas

Piensa-pareja-comparte: ¿Confias en el algoritmo?

Se presentan tres escenarios en los que un algoritmo toma una decision importante, sobre salud, educacion y finanzas. Los alumnos deciden individualmente si confiarian en cada decision, lo discuten en parejas y el grupo extrae criterios sobre cuando y bajo que condiciones es razonable delegar decisiones en algoritmos.

¿De qué manera la visualización de datos puede ayudar a simplificar conceptos complejos?

Consejo de facilitaciónEn la actividad Think-Pair-Share sobre confianza algorítmica, pide que cada pareja escriba una pregunta concreta que les gustaría hacer a un experto en IA para evaluar su comprensión.

ComprenderAplicarAnalizarAutoconcienciaHabilidades Relacionales

Generar clase completa

Algunas notas para enseñar esta unidad

Este tema funciona mejor cuando los alumnos confrontan sus ideas previas con evidencia tangible. Evita comenzar con definiciones técnicas; en su lugar, usa ejemplos cotidianos que revelen sesgos ocultos. La investigación muestra que los debates éticos son más productivos cuando se basan en casos específicos y locales en lugar de en abstracciones. También es clave modelar la duda: reconoce con los alumnos que no hay respuestas simples, pero que la pregunta misma es un primer paso hacia la responsabilidad.

Al finalizar las actividades, los alumnos reconocerán que los algoritmos no son neutrales y podrán argumentar con ejemplos concretos por qué la transparencia y la rendición de cuentas son esenciales. También serán capaces de identificar sesgos en representaciones visuales básicas y proponer alternativas más justas.

Atención a estas ideas erróneas

Durante la actividad 'Estudio de caso: El algoritmo que discrimina', watch for...
la tendencia a asumir que el algoritmo es el único responsable. Dirige la discusión hacia el proceso de diseño: pide a los alumnos que identifiquen qué decisiones humanas (ej. selección de datos, elección del modelo) introdujeron el sesgo y cómo podrían haberse evitado.
Durante la actividad 'Debate ético: ¿Quién decide lo que es justo?', watch for...
la idea de que la justicia algorítmica es un problema técnico. Usa el debate para mostrar que es una cuestión política: pide a los alumnos que relacionen sus argumentos con el AI Act europeo y con ejemplos de participación ciudadana real en regulación.
Durante la actividad 'Investigación: Cartografía del impacto laboral', watch for...
la simplificación de que la automatización siempre elimina empleos. Durante el análisis de datos, pide a los alumnos que busquen tanto pérdidas como creación de puestos en sectores cercanos a su entorno para cuestionar esta suposición.

Metodologías usadas en este resumen

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

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

Aplicaciones de la IA en la Vida Cotidiana

Los alumnos identifican y analizan diversas aplicaciones de la Inteligencia Artificial en entornos cotidianos, como asistentes de voz o sistemas de recomendación.

2 methodologies