Visualización de Datos y StorytellingActividades y estrategias docentes
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.
Objetivos de aprendizaje
- 1Analizar conjuntos de datos para identificar tendencias y patrones relevantes para una historia.
- 2Evaluar la efectividad de diferentes tipos de gráficos (barras, líneas, circulares) para comunicar información específica.
- 3Crear una visualización de datos interactiva que presente hallazgos de manera clara y atractiva.
- 4Explicar cómo la elección de elementos visuales (colores, formas, tamaño) influye en la interpretación de los datos por parte de una audiencia.
- 5Diseñar un 'storyboard' que estructure una narrativa basada en datos, definiendo el mensaje clave y los puntos de apoyo visuales.
¿Quieres un plan de clase completo con estos objetivos? Generar una misión →
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.
Preparación y detalles
¿De qué manera la visualización de datos puede ayudar a simplificar conceptos complejos?
Consejo de facilitación: Durante 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.
Setup: Trabajo por grupos en mesas con el material del caso
Materials: Dossier del caso (3-5 páginas), Guía o rúbrica de análisis, Plantilla para la presentación de conclusiones
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.
Preparación y detalles
¿Qué tipo de gráfico sería el más adecuado para mostrar la evolución de una variable en el tiempo?
Consejo de facilitación: En el debate ético, asigna roles específicos (ej. abogado del algoritmo, afectado por discriminación) para evitar respuestas genéricas y fomentar la empatía.
Setup: Paredes libres o mesas dispuestas por el perímetro del aula
Materials: Papel continuo o cartulinas grandes, Rotuladores, Notas adhesivas (post-its) para el feedback
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.
Preparación y detalles
¿Cómo podéis usar la visualización de datos para persuadir o informar a una audiencia?
Consejo de facilitación: Para 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.
Setup: Paredes libres o mesas dispuestas por el perímetro del aula
Materials: Papel continuo o cartulinas grandes, Rotuladores, Notas adhesivas (post-its) para el feedback
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.
Preparación y detalles
¿De qué manera la visualización de datos puede ayudar a simplificar conceptos complejos?
Consejo de facilitación: En 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.
Setup: Disposición habitual del aula; los alumnos se giran hacia el compañero de al lado
Materials: Pregunta o enunciado del debate (proyectado o impreso), Opcional: ficha de registro para las parejas
Enseñando este tema
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.
Qué esperar
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.
Estas actividades son un punto de partida. La misión completa es la experiencia.
- Guion completo de facilitación con diálogos del docente
- Materiales imprimibles para el alumno, listos para el aula
- Estrategias de diferenciación para cada tipo de estudiante
Atención a estas ideas erróneas
Idea errónea comúnDurante la actividad 'Estudio de caso: El algoritmo que discrimina', watch for...
Qué enseñar en su lugar
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.
Idea errónea comúnDurante la actividad 'Debate ético: ¿Quién decide lo que es justo?', watch for...
Qué enseñar en su lugar
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.
Idea errónea comúnDurante la actividad 'Investigación: Cartografía del impacto laboral', watch for...
Qué enseñar en su lugar
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.
Ideas de Evaluación
Después de la actividad 'Estudio de caso: El algoritmo que discrimina', pide a cada alumno que escriba una frase respondiendo: ¿Qué decisión humana en el diseño del algoritmo podría haber evitado el sesgo? Evalúa si identifican al menos un paso concreto en el proceso de creación del modelo.
Durante la actividad 'Debate ético: ¿Quién decide lo que es justo?', usa las intervenciones de los alumnos para evaluar si reconocen que la regulación algorítmica es una responsabilidad colectiva y no solo técnica. Toma notas de argumentos que mencionen participación ciudadana o marcos legales.
Después de la actividad 'Think-Pair-Share: ¿Confías en el algoritmo?', recoge las preguntas escritas por las parejas. Evalúa si sus dudas muestran comprensión de que la confianza en un algoritmo depende de su transparencia y de quién lo diseñó y supervisa.
Extensiones y apoyo
- Challenge: Pide a los alumnos que diseñen una visualización alternativa más justa para el caso estudiado y expliquen por qué su propuesta reduce sesgos.
- Scaffolding: Para alumnos con dificultades, proporciona un guión con preguntas clave para analizar el caso (ej. ¿Qué datos se usaron? ¿Quién los recolectó? ¿Qué grupos pueden quedar excluidos?).
- Deeper exploration: Invita a los alumnos a investigar cómo se regula la IA en su comunidad autónoma y qué iniciativas ciudadanas existen para supervisar algoritmos públicos.
Vocabulario Clave
| Visualización de datos | Representación gráfica de información y datos. Se utiliza para identificar tendencias, valores atípicos y patrones en grandes cantidades de datos. |
| Storytelling con datos | El proceso de usar datos para contar una historia convincente, haciendo que la información sea más accesible, memorable y persuasiva. |
| Gráfico de líneas | Un tipo de gráfico que muestra información como una serie de puntos de datos llamados 'marcadores' conectados por segmentos de línea recta. Es ideal para mostrar tendencias a lo largo del tiempo. |
| Gráfico de barras | Representa datos categóricos con barras rectangulares, cuyas longitudes o alturas son proporcionales a los valores que representan. Útil para comparar cantidades entre diferentes grupos. |
| Dashboard | Una interfaz visual que proporciona información de un vistazo, a menudo utilizando múltiples gráficos y métricas para monitorear el rendimiento o el estado. |
Metodologías sugeridas
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
¿Preparado para enseñar Visualización de Datos y Storytelling?
Genera una misión completa con todo lo que necesitas
Generar una misión