Microsecuencia de análisis y clasificación ética de aplicaciones de IA
CLASIFICA LA IA SEGUN SUS APLICACIONES EN LA EDUCACION REGULAR
Cómo fue en el aula
Todavía nadie ha contado cómo le fue con este recurso.
Microsecuencia de análisis y clasificación ética de aplicaciones de IA
Meta de aprendizaje
Al finalizar las tres sesiones, el estudiante clasificará correctamente al menos 8 de 10 casos de IA educativa según su función principal —enseñar, aprender, evaluar, personalizar o gestionar— y justificará sus decisiones considerando un beneficio, un riesgo y un criterio ético.
Actividad clave: “Detectives de IA en el aula”
Trabajo cooperativo tipo ABP breve: los equipos analizan casos habituales de Tecnología y educación, los ubican en una matriz de clasificación y elaboran una recomendación de uso responsable.
Materiales y recursos
- Computador o dispositivo por estudiante.
- Presentación o ficha digital con 10 casos de IA educativa.
- Matriz de análisis con estas columnas: caso, función principal, evidencia, beneficio, riesgo, criterio ético y recomendación.
- Proyector o pizarra.
- Tarjetas impresas de los casos como contingencia.
Secuencia de implementación: 3 sesiones de 60 minutos
-
Sesión 1 — Diferenciar las funciones de la IA (60 min)
Docente: presenta el reto y recuerda las cinco categorías. Modela un caso: “Un sistema genera ejercicios de Matemáticas según los errores del estudiante”. Piensa en voz alta y muestra que la función principal es personalizar, aunque también apoya el aprendizaje.
Estudiantes: analizan en equipos cinco casos y los clasifican en la matriz. Deben escribir una evidencia que demuestre la función elegida.
Tiempo: 10 min reto y criterios; 15 min modelado; 25 min clasificación cooperativa; 10 min puesta en común.
-
Sesión 2 — Comparar beneficios, riesgos y ética (60 min)
Docente: entrega cinco casos nuevos y recuerda los criterios éticos: privacidad, sesgo, transparencia, supervisión humana, equidad y honestidad académica. Formula preguntas: “¿Qué datos necesita?”, “¿Quién revisa la decisión?” y “¿Podría perjudicar injustamente a alguien?”.
Estudiantes: clasifican los casos, comparan dos aplicaciones y completan beneficios, riesgos y una recomendación de uso responsable. Pueden consultar una fuente digital previamente seleccionada por el docente o las fichas impresas.
Tiempo: 10 min criterios éticos; 25 min análisis de casos; 15 min comparación entre equipos; 10 min retroalimentación formativa.
-
Sesión 3 — Defender y mejorar la clasificación (60 min)
Docente: organiza una revisión cruzada. Cada equipo presenta dos casos discutibles y solicita evidencias. Corrige confusiones entre “aprender”, “personalizar” y “evaluar”, destacando que se clasifica por la función principal.
Estudiantes: defienden sus decisiones, revisan la clasificación de otro equipo y ajustan su matriz. Como producto final, redactan una recomendación: “Esta IA puede utilizarse para..., siempre que...”.
Tiempo: 10 min preparación; 25 min presentaciones breves; 15 min revisión entre pares; 10 min síntesis y salida evaluativa.
Casos base para analizar
- Chatbot que explica un concepto de programación mediante ejemplos: enseñar.
- Asistente que ayuda a un estudiante a practicar consultas SQL y da pistas: aprender.
- Sistema que revisa respuestas de una prueba y genera resultados: evaluar.
- Plataforma que cambia la dificultad de ejercicios según el desempeño: personalizar.
- Herramienta que organiza horarios, asistencia y distribución de aulas: gestionar.
- Generador de retroalimentación para un informe, sujeto a revisión docente: puede enseñar o evaluar; se exige justificar la función principal.
Rúbrica analítica
| Criterio | 4 — Destacado | 3 — Logrado | 2 — En proceso | 1 — Inicial |
|---|---|---|---|---|
| Clasificación funcional | Clasifica 9-10 casos correctamente y distingue funciones combinadas. | Clasifica 8 casos correctamente. | Clasifica 6-7 casos; confunde algunas funciones. | Clasifica 5 o menos; no identifica la función principal. |
| Justificación con evidencias | Relaciona cada decisión con acciones concretas de la IA. | Justifica la mayoría con evidencias pertinentes. | Presenta razones generales o incompletas. | Da respuestas sin evidencia. |
| Análisis de beneficios y riesgos | Compara beneficios y riesgos específicos del caso. | Identifica al menos un beneficio y un riesgo pertinente. | Menciona beneficios o riesgos poco relacionados. | No identifica consecuencias relevantes. |
| Criterios éticos y recomendación | Aplica dos o más criterios éticos y propone una recomendación viable. | Aplica un criterio ético y propone una recomendación clara. | Menciona ética sin explicar su relación con el caso. | No considera privacidad, sesgo, supervisión o equidad. |
Evaluación formativa: observación de la matriz, preguntas durante la defensa, revisión entre pares y ticket de salida: “Clasifica este caso, explica por qué y menciona una condición ética para usarlo”.
Posibles obstáculos y manejo
- Confusión entre aprender y personalizar: preguntar si la IA acompaña la práctica del estudiante o adapta el contenido a sus necesidades.
- Confusión entre enseñar y evaluar: preguntar si la IA explica o califica el desempeño.
- Un caso pertenece a varias categorías: solicitar que el equipo elija la función principal y justifique la decisión.
- Uso acrítico de la IA: exigir siempre un riesgo, un criterio ético y supervisión humana.
- Falla de conectividad: trabajar con las tarjetas impresas y completar la matriz en papel; los dispositivos se utilizan después para digitalizar el producto.
- Participación desigual: asignar roles rotativos: lector del caso, analista ético, secretario y portavoz.
Micro-plan de implementación
Preparación docente
- Crear una carpeta o presentación con los 10 casos y preparar una copia impresa por equipo.
- Dejar lista una matriz digital o impresa con las siete columnas de análisis.
- Formar equipos de cuatro estudiantes y asignar roles rotativos.
- Como clase invertida opcional, compartir antes de la primera sesión un video breve o ficha sobre las cinco funciones de la IA educativa. La actividad no depende de que todos lo hayan revisado.
Arranque
Escribir en la pizarra: “¿Una IA que genera ejercicios está enseñando, ayudando a aprender o personalizando?” Escuchar dos respuestas distintas y anunciar el reto: clasificar no consiste solo en nombrar una categoría, sino en demostrar cuál es la función principal y si su uso es responsable.
Implementación y seguimiento
- Modelar un caso completo, diferenciando función, evidencia, beneficio, riesgo y criterio ético.
- Durante el trabajo, circular por los equipos y preguntar: “¿Qué hace exactamente la IA?”, “¿Qué dato utiliza?” y “Qué decisión debe seguir bajo control humano?”.
- Registrar en una lista de cotejo si cada estudiante identifica la función principal, aporta evidencia y considera un riesgo.
- En la revisión cruzada, pedir que los compañeros señalen una fortaleza y una clasificación que requiera mayor justificación.
- Recoger la matriz final y el ticket de salida para valorar el progreso individual.
Cierre y evaluación formativa
Solicitar tres conclusiones: una diferencia entre aprender y personalizar, una diferencia entre enseñar y evaluar, y una condición ética indispensable para usar IA en la educación regular. Si persisten confusiones, retomar un caso en la siguiente clase y pedir que lo clasifiquen usando la pregunta: “¿Cuál es el propósito principal de esta herramienta?”
Contingencia y gestión
Si falla internet, no sustituir la actividad: usar las fichas impresas, la pizarra y la matriz en papel. Si el tiempo se reduce, priorizar cuatro casos contrastantes —enseñar, aprender, evaluar y personalizar— y conservar la defensa ética de un caso por equipo. Mantener visible la regla: toda clasificación necesita una evidencia y toda recomendación necesita un criterio ético.