Tecnología · 3o de Preparatoria

Ideas de aprendizaje activo

Introducción a la Inteligencia Artificial y Machine Learning

La IA, ML y DL pueden resultar abstractas para estudiantes de preparatoria. El aprendizaje activo con ejemplos concretos y herramientas interactivas facilita la comprensión de conceptos complejos al vincularlos con experiencias tangibles y relevantes del mundo real.

• Aprendizajes Esperados SEP
• SEP EMS: Fundamentos de Inteligencia Artificial
• SEP EMS: Aprendizaje Automatizado

• 30–45 min
• Parejas → Toda la clase
• 4 actividades

Actividad 01

• Planear-Hacer-Recordar
• 30 min · Grupos pequeños

Clasificación Grupal: Ejemplos de IA/ML/DL

Divide la clase en grupos pequeños. Proporciona tarjetas con ejemplos cotidianos como Siri o Netflix. Cada grupo clasifica en IA general, ML o DL, justifica y presenta. Discute como clase para refinar criterios.

¿Cómo la IA busca simular la inteligencia humana en máquinas?

Consejo de Facilitación

Para la Clasificación Grupal, prepare tarjetas con ejemplos variados y guíe a los equipos para que justifiquen sus decisiones en una tabla comparativa visible en el salón.

Qué observar

Entregue a cada estudiante una tarjeta con el nombre de una aplicación (ej. asistente de voz, filtro de spam, diagnóstico médico por imagen). Pida que escriban una frase explicando si es un ejemplo de IA general, ML o DL, y justifiquen brevemente su elección.

• Recordar
• Aplicar
• Analizar
• Autogestión
• Toma de Decisiones
• Autoconciencia

Actividad 02

• Planear-Hacer-Recordar
• 45 min · Parejas

Entrenamiento Simple: Teachable Machine

Usa Google Teachable Machine en computadoras. Los estudiantes recolectan imágenes de gestos manuales, entrenan un modelo de ML y lo prueban en tiempo real. Registra precisión y ajusta datos para mejorar.

¿De qué manera el Machine Learning permite a las computadoras aprender de los datos sin ser programadas explícitamente?

Consejo de Facilitación

En el Entrenamiento Simple con Teachable Machine, asegúrese de que cada estudiante o par realice al menos un entrenamiento para experimentar directamente el proceso de aprendizaje del modelo.

Qué observar

Plantee la siguiente pregunta al grupo: 'Si un algoritmo de contratación basado en IA muestra preferencia por candidatos de ciertos perfiles, ¿cuál es la causa más probable y cómo podríamos mitigarla?'. Guíe la discusión hacia el concepto de sesgo de datos y posibles soluciones.

• Recordar
• Aplicar
• Analizar
• Autogestión
• Toma de Decisiones
• Autoconciencia

Actividad 03

• Planear-Hacer-Recordar
• 40 min · Grupos pequeños

Debate Ético: Limitaciones de la IA

Asigna roles a favor y en contra de temas como sesgos en ML. Grupos preparan argumentos con ejemplos reales, debaten en círculo y votan soluciones. Resume consensos en pizarra.

¿Por qué el Deep Learning ha revolucionado campos como el reconocimiento de imágenes y el procesamiento del lenguaje natural?

Consejo de Facilitación

Durante el Debate Ético, asigne roles específicos (defensor, crítico, mediador) para mantener la estructura y profundizar en argumentos basados en el contenido trabajado.

Qué observar

Presente tres escenarios breves: 1) un programa que sigue instrucciones exactas, 2) un sistema que mejora su precisión al analizar miles de correos electrónicos, 3) un software que identifica gatos en fotos. Pida a los estudiantes que identifiquen qué escenario representa mejor ML y por qué.

• Recordar
• Aplicar
• Analizar
• Autogestión
• Toma de Decisiones
• Autoconciencia

Actividad 04

• Mapa Conceptual
• 35 min · Grupos pequeños

Mapa Conceptual: Jerarquía IA-ML-DL

En papelógrafo o herramienta digital como Jamboard, grupos construyen un mapa conectando definiciones, aplicaciones y limitaciones. Rota grupos para agregar y compartir retroalimentación.

¿Cómo la IA busca simular la inteligencia humana en máquinas?

Qué observar

Entregue a cada estudiante una tarjeta con el nombre de una aplicación (ej. asistente de voz, filtro de spam, diagnóstico médico por imagen). Pida que escriban una frase explicando si es un ejemplo de IA general, ML o DL, y justifiquen brevemente su elección.

• Comprender
• Analizar
• Crear
• Autoconciencia
• Autogestión

Algunas notas para enseñar esta unidad

Este tema requiere un enfoque constructivista que evite tecnicismos innecesarios. Priorice la comparación de ejemplos cotidianos con definiciones simples y use analogías accesibles, como comparar el aprendizaje humano con el de las máquinas. Evite profundizar en matemáticas o código, enfocándose en el proceso y las implicaciones éticas. La repetición de ejemplos en distintas actividades refuerza la diferenciación entre los tres conceptos.

Los estudiantes distinguirán con claridad los alcances y límites de IA, ML y DL mediante la clasificación de casos prácticos, la experimentación con modelos simples y la discusión crítica de sus aplicaciones. Lograrán articular ejemplos cotidianos con los fundamentos técnicos aprendidos.

---

Cuidado con estas ideas erróneas

• Durante la Clasificación Grupal, watch for students who associate inteligencia artificial con robots humanoides o personajes de ciencia ficción.

  Utilice la actividad para comparar ejemplos reales como asistentes de voz o filtros de spam con representaciones ficticias. Pida a los estudiantes que identifiquen qué características tienen en común los ejemplos reales y cuáles son exclusivas de la ficción.

• Durante el Entrenamiento Simple con Teachable Machine, watch for students who believe que el modelo aprende sin ninguna guía humana una vez que se inicia el entrenamiento.

  Guíe una reflexión grupal después del entrenamiento: pregunte qué decisiones tomaron antes de iniciar el proceso (selección de datos, ajustes de parámetros) y cómo afectaron los resultados observados en la precisión del modelo.

• Durante el Mapa Conceptual Colaborativo, watch for students who perciben que el Deep Learning es inaccesible para personas sin formación avanzada.

  En esta actividad, incluya ejemplos de herramientas gratuitas como TensorFlow Playground y pida a los estudiantes que exploren capas neuronales simples en clase. Luego, relacione estas observaciones con la complejidad perceptual del DL.

---

Metodologías usadas en este resumen

• Planear-Hacer-Recordar
• Mapa Conceptual