Proyecto de Modelación Matemática Integral · Integración de Saberes

Ética en el Modelado y Uso de Datos

Reflexión sobre la responsabilidad del matemático en la interpretación de la realidad social.

Acerca de este tema

La ética en el modelado y uso de datos es una reflexión necesaria sobre el poder de las matemáticas en la sociedad. En este tema, los estudiantes de tercer año de preparatoria analizan cómo los algoritmos y modelos pueden perpetuar prejuicios, discriminar grupos o ser usados para manipular la opinión pública. Es una lección sobre la responsabilidad social del científico.

Los alumnos exploran casos donde modelos mal diseñados tuvieron consecuencias reales en la política o la economía. El currículo de la SEP fomenta el pensamiento crítico frente a la 'objetividad' de los números. El aprendizaje activo mediante debates sobre privacidad, sesgos algorítmicos y el impacto de la inteligencia artificial permite que los estudiantes desarrollen una conciencia ética que guíe su futuro uso de la tecnología.

Ideas de aprendizaje activo

Debate Formal: El Sesgo del Algoritmo

Se presenta un caso de un algoritmo de selección de personal que discrimina por código postal o género. Los estudiantes deben debatir quién es responsable del error y cómo las matemáticas pueden usarse para corregir o profundizar las desigualdades sociales.

⏱ 50 min·Toda la clase

Generar misión

Círculo de Investigación: Privacidad vs. Datos Públicos

Los equipos investigan cómo se protegen los datos personales en México (Ley de Transparencia). Deben debatir en qué casos es ético usar datos privados para el 'bien común' (como en una pandemia) y dónde termina ese derecho.

⏱ 45 min·Grupos pequeños

Generar misión

Pensar-Emparejar-Compartir: ¿Los números mienten?

Los estudiantes discuten en parejas la frase 'las cifras no mienten, pero los mentirosos también cifran'. Deben proponer ejemplos de cómo se puede decir la verdad matemáticamente pero engañar al público con el contexto.

⏱ 30 min·Parejas

Generar misión

Cuidado con estas ideas erróneas

Idea errónea común

Creer que porque un modelo es matemático, es automáticamente neutral y justo.

Qué enseñar en su lugar

Los modelos reflejan los sesgos de quienes los crean y de los datos que usan. Es vital enseñar a cuestionar la procedencia de los datos y los supuestos del modelo para identificar posibles injusticias ocultas tras la apariencia de objetividad.

Idea errónea común

Pensar que la ética es solo para filósofos y no para matemáticos.

Qué enseñar en su lugar

En el mundo moderno, las decisiones matemáticas afectan a millones. Las actividades de análisis de impacto social ayudan a los estudiantes a ver que cada línea de código o ecuación tiene una dimensión ética ineludible.

Preguntas frecuentes

¿Qué es el sesgo algorítmico?

Es cuando un modelo matemático produce resultados sistemáticamente injustos o discriminatorios hacia ciertos grupos. Esto suele ocurrir porque los datos usados para entrenar el modelo ya contenían prejuicios humanos históricos.

¿Por qué es importante la transparencia en el modelado?

Porque permite que otros revisen los supuestos y métodos del modelo. La transparencia es la única forma de detectar errores, sesgos o manipulaciones, garantizando que los resultados sean confiables y éticos.

¿Cómo ayuda el aprendizaje activo en la ética de datos?

Al participar en debates y análisis de casos reales de discriminación algorítmica, los estudiantes dejan de ver a las matemáticas como algo puramente técnico. Desarrollan una sensibilidad social que les permite cuestionar el uso de la tecnología en su entorno.

¿Cuál es la responsabilidad de un analista de datos?

Su responsabilidad es asegurar la calidad de los datos, ser honesto sobre las limitaciones de sus modelos y considerar siempre el impacto humano de sus conclusiones antes de presentarlas como verdades absolutas.

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