Ética y Moralidad en el Siglo XXI · IV Bimestre

Ética Deontológica: Kant y el Deber Moral

Los estudiantes estudian la ética kantiana, el imperativo categórico y la importancia del deber y la buena voluntad.

Acerca de este tema

Big Data e Inteligencia de Negocios (BI) exploran cómo el procesamiento de volúmenes masivos de datos transforma la industria, la ciencia y la vida cotidiana. Los estudiantes analizan las 'V' del Big Data (Volumen, Velocidad, Variedad, Veracidad y Valor) y cómo las organizaciones usan esta información para predecir comportamientos y optimizar procesos.

El currículo de la SEP integra este tema para que los jóvenes comprendan el poder de la información en la economía digital. Se abordan desafíos éticos como la privacidad y los sesgos algorítmicos. Este contenido cobra relevancia cuando los estudiantes investigan cómo el análisis de datos impacta sectores mexicanos como el comercio minorista, la agricultura de precisión o la salud pública, utilizando debates para explorar las implicaciones sociales.

Ideas de aprendizaje activo

Debate Formal: ¿Predicción o Manipulación?

Los estudiantes debaten sobre los algoritmos de recomendación en redes sociales. Un equipo defiende la personalización como un beneficio para el usuario, mientras otro argumenta sobre la creación de burbujas de información y la pérdida de privacidad.

⏱ 45 min·Toda la clase

Generar misión

Juego de Simulación: El Panel de Decisiones de una Empresa

En grupos, los alumnos actúan como analistas de una tienda mexicana. Reciben 'resúmenes' de Big Data sobre hábitos de consumo y deben proponer una estrategia de negocio (ej. qué productos poner en oferta) basada en esos datos.

⏱ 50 min·Grupos pequeños

Generar misión

Investigación Colaborativa: Sesgos en los Datos

Equipos buscan ejemplos de cómo un conjunto de datos mal recolectado puede llevar a decisiones injustas (ej. algoritmos de contratación que discriminan). Presentan sus hallazgos y proponen formas de auditar estos sistemas.

⏱ 40 min·Grupos pequeños

Generar misión

Cuidado con estas ideas erróneas

Idea errónea común

Creer que Big Data es solo tener 'muchos datos' en un Excel.

Qué enseñar en su lugar

El Big Data implica datos que superan la capacidad de procesamiento tradicional y que a menudo no están estructurados (como videos o tweets). Las comparaciones de casos ayudan a entender la escala y complejidad real.

Idea errónea común

Pensar que los datos son objetivos y nunca mienten.

Qué enseñar en su lugar

Los datos reflejan los sesgos de quienes los recolectan. Las actividades de análisis crítico permiten a los estudiantes ver que una decisión 'basada en datos' puede ser tan prejuiciosa como una humana si no se analiza el origen.

Preguntas frecuentes

¿Qué diferencia al Big Data del análisis de datos tradicional?

La principal diferencia es la escala y la naturaleza de los datos. El análisis tradicional usa datos estructurados y limpios. El Big Data maneja flujos constantes de información desordenada (sensores, redes sociales, GPS) que requieren herramientas especiales para ser procesados.

¿Cómo se usa el Big Data en México?

Se usa en muchos sectores: desde bancos que detectan fraudes en tiempo real, hasta empresas de logística que optimizan rutas de entrega en ciudades congestionadas como la CDMX, o en la agricultura para predecir cosechas según el clima.

¿Qué es un sesgo algorítmico?

Es cuando un programa toma decisiones injustas porque fue entrenado con datos que contienen prejuicios humanos. Por ejemplo, si un algoritmo de crédito solo ha visto datos de hombres exitosos, podría rechazar injustamente a mujeres con el mismo perfil.

¿Cómo ayuda el aprendizaje activo a entender conceptos masivos como Big Data?

Dado que el Big Data es difícil de visualizar, las simulaciones de toma de decisiones y los debates éticos ayudan a aterrizar el concepto. Los estudiantes pasan de ver los datos como números abstractos a verlos como herramientas que afectan vidas reales, fomentando un pensamiento crítico más profundo.

Explorar currículo por país

• Américas
• US
• CA
• MX
• CL
• CO
• BR

• Europa
• UK
• IE
• FR
• DE
• ES
• IT
• NL
• PT
• SE

• Asia y Pacífico
• IN
• SG
• AU