Tecnología · 2o de Preparatoria

Ideas de aprendizaje activo

Lenguaje SQL para Consulta de Datos

El lenguaje SQL para consulta de datos exige práctica concreta porque la abstracción de consultas complejas se domina mejor cuando los estudiantes trabajan con datos reales. Transitar de la teoría a la ejecución reduce la ansiedad y construye confianza en habilidades técnicas esenciales para el análisis de Big Data.

• Aprendizajes Esperados SEP
• SEP EMS: Sistemas de Gestión de Bases de Datos

• 40–50 min
• Parejas → Toda la clase
• 3 actividades

Actividad 01

• Debate Formal
• 45 min · Toda la clase

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.

¿Cómo se construyen consultas SQL eficientes para extraer información específica?

Consejo de Facilitación

Durante el debate 'Predicción o Manipulación', pide a los estudiantes que sostengan su postura con ejemplos de datos específicos que hayan manipulado en la simulación previa.

Qué observar

Proporciona a cada estudiante una tabla simple de ejemplo (ej. 'Clientes' con columnas: ID, Nombre, Ciudad). Pide que escriban una consulta SQL para: 1) Seleccionar todos los clientes de 'Guadalajara'. 2) Insertar un nuevo cliente con datos ficticios. 3) Actualizar la ciudad de un cliente existente.

• Analizar
• Evaluar
• Crear
• Autogestión
• Toma de Decisiones

Actividad 02

• Juego de Simulación
• 50 min · Grupos pequeños

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.

¿Qué impacto tiene el diseño de la base de datos en la complejidad de las consultas SQL?

Consejo de Facilitación

En la simulación del Panel de Decisiones, asigna roles claros (ej. analista, gerente, cliente) para que cada participante experimente cómo las consultas SQL impactan decisiones reales.

Qué observar

Presenta un escenario: 'Se necesita encontrar todos los productos con un precio mayor a $500 y ordenarlos por nombre.' Pide a los estudiantes que levanten la mano o usen un sistema de respuesta rápida para indicar qué cláusulas SQL (SELECT, FROM, WHERE, ORDER BY) necesitarían y cuál sería el orden lógico de estas.

• Aplicar
• Analizar
• Evaluar
• Crear
• Conciencia Social
• Toma de Decisiones

Actividad 03

• Sesión de Exploración al Aire Libre
• 40 min · Grupos pequeños

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.

¿Cómo podemos asegurar la integridad de los datos al realizar operaciones de modificación con SQL?

Consejo de Facilitación

Durante la investigación colaborativa sobre sesgos, exige que cada grupo cite al menos dos fuentes de datos públicas y explique cómo podrían estar sesgadas esas fuentes.

Qué observar

Plantea la siguiente pregunta para debate: 'Si se elimina un registro de cliente que tiene pedidos asociados, ¿qué podría pasar si no existen restricciones de integridad en la base de datos? ¿Cómo se podría prevenir este problema usando SQL?'

• Recordar
• Comprender
• Analizar
• Conciencia Social
• Autoconciencia
• Toma de Decisiones

Algunas notas para enseñar esta unidad

Enseñar SQL para Big Data requiere equilibrar rigor técnico con pensamiento crítico. Evita centrarte únicamente en sintaxis; conecta cada cláusula con casos de negocio reales. Usa ejemplos con datos abiertos de gobiernos o empresas latinoamericanas para mostrar la relevancia local. Prioriza actividades que obliguen a los estudiantes a justificar sus consultas con datos, no solo a escribirlas.

Los estudiantes demuestran comprensión cuando aplican consultas SQL en contextos reales, identifican sesgos en datos estructurados y debaten críticamente las implicaciones éticas de su uso. La evidencia de aprendizaje incluye consultas funcionales, argumentos fundamentados en datos y propuestas de solución a problemas de negocio.

---

Cuidado con estas ideas erróneas

• Durante el debate 'Predicción o Manipulación', algunos estudiantes podrían pensar que 'Big Data es solo tener muchos datos en un Excel'.

  En la simulación 'El Panel de Decisiones', proporciona una tabla de clientes con 500 registros y otra con 5 millones de registros de tweets, y pide comparar el rendimiento de consultas básicas en ambas para mostrar la diferencia entre datos estructurados y no estructurados.

• Durante la simulación 'El Panel de Decisiones', algunos estudiantes podrían creer que 'los datos son objetivos y nunca mienten'.

  En la investigación colaborativa 'Sesgos en los Datos', entrega a cada grupo un dataset de encuestas con preguntas sesgadas (ej. '¿Por qué le gustan nuestros productos?' vs. '¿Qué opina de nuestros productos?') y pide que identifiquen cómo el diseño de la pregunta afecta los resultados.

---

Metodologías usadas en este resumen

• Debate Formal
• Juego de Simulación
• Sesión de Exploración al Aire Libre