Secuencia didáctica cooperativa para clasificar la IA

Área: Ingeniería

Asignatura: Ingeniería de sistemas

Nivel: Educación técnica/tecnológica

Duración total: 6 horas en una semana

Metodología: Aprendizaje cooperativo, análisis de casos y argumentación técnica

1. Propósito de aprendizaje

Al finalizar la secuencia, los estudiantes clasificarán correctamente al menos ocho de diez aplicaciones o situaciones educativas según su funcionamiento y capacidades: sistemas basados en reglas, aprendizaje automático, aprendizaje profundo e inteligencia artificial generativa. Además, diferenciarán la inteligencia artificial de la automatización, la analítica de datos y las herramientas digitales, justificando cada clasificación con evidencias técnicas relacionadas con los datos, el entrenamiento, el tipo de salida y el nivel de autonomía del sistema.

2. Competencia y producto final

Competencia: analizar y clasificar componentes y soluciones de ingeniería de sistemas a partir de sus características técnicas y su aplicación en contextos reales.

Producto final: mapa de clasificación cooperativo y ficha técnica de diez casos de uso educativo. Cada ficha deberá indicar:

• Nombre y propósito de la aplicación.
• Si corresponde o no a inteligencia artificial.
• Categoría principal: reglas, aprendizaje automático, aprendizaje profundo o IA generativa.
• Datos de entrada y tipo de salida.
• Justificación técnica de la clasificación.
• Posible beneficio y riesgo en educación.

3. Conceptos técnicos de referencia

Precisión conceptual: las categorías no siempre son excluyentes. La IA generativa suele utilizar aprendizaje profundo; sin embargo, para esta secuencia se clasificará la aplicación según su función principal y se anotará la relación con otras categorías cuando sea pertinente.

4. Secuencia de actividades

Actividad 1. Diagnóstico y construcción del lenguaje común

Tiempo: 60 minutos

Objetivo parcial: reconocer las diferencias iniciales entre inteligencia artificial, automatización, analítica de datos y herramienta digital.

Materiales y recursos

• Computadores de la sala, uno por pareja o equipo.
• Proyector.
• Tablero físico o digital.
• Hoja de diagnóstico individual.
• Tarjetas con situaciones educativas.

Pasos

1. Activación individual, 10 minutos.

   Docente: presenta la pregunta: “¿Qué tendría que hacer un sistema para que podamos decir que utiliza inteligencia artificial?”. Solicita tres respuestas individuales y un ejemplo educativo conocido.

   Estudiantes: escriben sus ideas sin consultar fuentes y señalan qué consideran IA, automatización, analítica de datos o herramienta digital.

2. Discusión cooperativa, 15 minutos.

   Docente: organiza equipos de cuatro integrantes y asigna roles: coordinador, relator, verificador técnico y gestor del tiempo. Entrega cuatro situaciones:

   • Una plataforma envía automáticamente un correo cada lunes.
   • Un tablero muestra el promedio de calificaciones por curso.
   • Un sistema predice qué estudiantes podrían abandonar el programa.
   • Un asistente genera una explicación diferente para cada estudiante.

   Estudiantes: clasifican provisionalmente las situaciones y anotan qué información necesitarían para estar seguros.

3. Construcción conceptual, 25 minutos.

   Docente: explica las diferencias entre los cuatro conceptos:

   • Herramienta digital: recurso tecnológico que puede almacenar, comunicar o procesar información, pero no necesariamente aprende ni toma decisiones.
   • Automatización: ejecución automática de un procedimiento definido; puede funcionar sin IA.
   • Analítica de datos: recopilación, organización, descripción o interpretación de datos; no toda analítica utiliza IA.
   • Inteligencia artificial: sistema que realiza tareas asociadas con capacidades como reconocer patrones, predecir, clasificar, recomendar, comprender lenguaje o generar contenido.

   Estudiantes: corrigen sus clasificaciones y formulan una pregunta técnica sobre algún concepto que continúe siendo confuso.

4. Verificación rápida, 10 minutos.

   Docente: presenta cuatro afirmaciones y solicita que los equipos levanten una tarjeta con “IA”, “no necesariamente IA” o “requiere más información”.

   Estudiantes: responden y justifican una elección. El docente registra los errores comunes para retomarlos durante la siguiente actividad.

Transición: antes de pasar a la siguiente actividad, verifica que cada equipo pueda explicar por qué una automatización o un tablero descriptivo no se convierte automáticamente en IA. Solicita como evidencia una diferencia escrita entre “ejecutar una regla fija” y “aprender patrones a partir de datos”.

Actividad 2. De lo concreto a la clasificación técnica

Tiempo: 90 minutos

Objetivo parcial: identificar las características de los sistemas basados en reglas, el aprendizaje automático, el aprendizaje profundo y la IA generativa.

Materiales y recursos

• Computadores con acceso a una presentación o documento preparado por el docente.
• Cuadro comparativo impreso o digital.
• Cuatro fichas conceptuales, una por categoría.
• Ejemplos de entradas, procesos y salidas de sistemas educativos.

Pasos

1. Demostración técnica, 20 minutos.

   Docente: muestra cuatro flujos de sistema:

   • “Si el estudiante obtiene menos de 60 %, mostrar el tema de repaso”.
   • “Usar calificaciones anteriores para predecir riesgo académico”.
   • “Analizar la pronunciación de un audio y detectar errores”.
   • “Generar cinco preguntas nuevas sobre estructuras de datos”.

   Explica en cada caso la entrada, el procesamiento y la salida.

   Estudiantes: identifican si el sistema utiliza reglas explícitas, aprende de datos, procesa señales complejas o genera contenido.

2. Rompecabezas de expertos, 35 minutos.

   Docente: forma grupos de expertos. Cada grupo estudia una categoría y completa una ficha con definición, funcionamiento, datos requeridos, tipo de salida, ejemplo educativo, ventaja y limitación.

   Estudiantes: se convierten en expertos de una categoría y preparan una explicación de tres minutos para sus compañeros.

3. Reagrupación y enseñanza entre pares, 25 minutos.

   Docente: reorganiza los equipos para que cada nuevo equipo tenga un experto de cada categoría. Supervisa las explicaciones y pregunta: “¿Qué evidencia permitiría distinguir una regla fija de un modelo que aprendió con datos?”.

   Estudiantes: enseñan su categoría, completan el cuadro comparativo y formulan una pregunta de comprobación para cada tipo de IA.

4. Contraste técnico, 10 minutos.

   Docente: aclara que el aprendizaje profundo es una forma de aprendizaje automático y que la IA generativa describe principalmente la capacidad de producir contenido, no una arquitectura completamente separada.

   Estudiantes: agregan al cuadro una nota que relacione aprendizaje profundo e IA generativa.

Transición: antes de pasar al análisis de casos, verifica que cada equipo use al menos tres evidencias para clasificar: origen de los datos o reglas, forma de aprendizaje, tipo de entrada y tipo de salida. Si solo nombran la herramienta sin explicar su funcionamiento, solicita que reformulen la respuesta.

Actividad 3. Laboratorio cooperativo de casos educativos

Tiempo: 130 minutos

Objetivo parcial: clasificar aplicaciones concretas de educación y justificar técnicamente la decisión, diferenciando los casos de IA de los que corresponden a automatización, analítica o herramientas digitales.

Materiales y recursos

• Computadores para consultar las fichas digitales preparadas por el docente y elaborar el producto.
• Diez tarjetas de casos educativos.
• Plantilla de ficha técnica.
• Hoja de criterios de clasificación.
• Acceso opcional a una herramienta de IA generativa institucional para observar ejemplos; no es indispensable para resolver la actividad.

Casos para analizar

1. Un formulario calcula automáticamente la nota final aplicando porcentajes definidos por el docente.
2. Un sistema recomienda ejercicios de álgebra según los errores y aciertos acumulados de cada estudiante.
3. Un asistente responde preguntas frecuentes con un conjunto fijo de reglas y rutas de decisión.
4. Un modelo estima la probabilidad de deserción usando asistencia, calificaciones y entregas anteriores.
5. Un sistema convierte en texto una exposición oral y detecta palabras o segmentos de audio.
6. Una plataforma agrupa respuestas de estudiantes según patrones de similitud.
7. Un tablero presenta el promedio de notas por grupo y periodo, sin realizar predicciones.
8. Una herramienta genera una rúbrica inicial para evaluar un proyecto de programación.
9. Una aplicación produce una explicación de recursividad adaptada al nivel de dominio indicado por el estudiante.
10. Un calendario institucional envía recordatorios automáticos sobre fechas de entrega.

Pasos

1. Asignación de roles y lectura, 10 minutos.

   Docente: recuerda los roles cooperativos y entrega los casos.

   Estudiantes: leen los casos, subrayan palabras clave y acuerdan un procedimiento para analizarlos.

2. Análisis de entradas, procesos y salidas, 30 minutos.

   Docente: orienta con preguntas: “¿Qué datos recibe?”, “¿Quién definió el procedimiento?”, “¿El sistema aprende?”, “¿Predice, clasifica, recomienda o genera?”.

   Estudiantes: completan para cada caso la entrada, el proceso, la salida y la evidencia técnica disponible.

3. Clasificación cooperativa, 35 minutos.

   Docente: solicita que clasifiquen cada caso como regla, aprendizaje automático, aprendizaje profundo, IA generativa, no necesariamente IA o caso que requiere más información.

   Estudiantes: construyen una matriz de clasificación y registran cuando una aplicación pertenece a más de una categoría. Por ejemplo, una herramienta generativa puede utilizar aprendizaje profundo.

4. Elaboración de fichas técnicas, 35 minutos.

   Docente: revisa dos fichas por equipo y formula retroalimentación antes de que continúen.

   Estudiantes: elaboran diez fichas con clasificación, justificación, beneficio y riesgo. En los casos no clasificables como IA, explican por qué son automatización, analítica o herramienta digital.

5. Revisión cruzada, 20 minutos.

   Docente: intercambia los productos entre equipos y entrega una lista de cotejo.

   Estudiantes: revisan dos fichas de otro equipo, señalan una clasificación sólida, una justificación insuficiente y una pregunta técnica pendiente.

Transición: antes de pasar a la clasificación final, verifica que cada equipo haya justificado los diez casos y que no haya confundido “usar una computadora” con “usar IA”. También verifica que los casos generativos estén relacionados con la producción de contenido y que el aprendizaje automático esté relacionado con patrones aprendidos de datos.

Actividad 4. Clasificación final, defensa técnica y metacognición

Tiempo: 80 minutos

Objetivo parcial: comunicar y defender una clasificación de aplicaciones de IA educativa utilizando criterios técnicos y reconociendo los límites de la evidencia disponible.

Materiales y recursos

• Mapa de clasificación elaborado por cada equipo.
• Fichas técnicas revisadas.
• Proyector o pantalla para mostrar los productos.
• Rúbrica de evaluación.
• Ticket de salida individual.

Pasos

1. Construcción del mapa final, 20 minutos.

   Docente: solicita organizar los casos en un mapa con dos ejes: funcionamiento del sistema y capacidad principal.

   Estudiantes: ubican los casos y conectan las relaciones entre categorías. Deben marcar con una nota los casos que combinan aprendizaje profundo e IA generativa.

2. Defensa técnica, 35 minutos.

   Docente: asigna a cada equipo dos casos para defender. Formula preguntas de profundización y registra evidencias de desempeño.

   Estudiantes: presentan la clasificación en cinco minutos y responden preguntas como: “¿Qué cambiaría si el sistema dejara de aprender con datos?”, “¿Por qué este tablero no es necesariamente IA?” y “¿Qué evidencia permitiría confirmar que se usa aprendizaje profundo?”.

3. Corrección colectiva, 10 minutos.

   Docente: presenta una clasificación de referencia y resuelve discrepancias. Destaca que una clasificación técnicamente responsable puede indicar “requiere más información” cuando el caso no aporta datos suficientes.

   Estudiantes: corrigen sus mapas y explican un cambio realizado después de la discusión.

4. Ticket de salida individual, 15 minutos.

   Docente: solicita responder:

   • ¿Cuál es la diferencia entre automatización e IA?
   • ¿Cómo distinguirías aprendizaje automático de un sistema basado en reglas?
   • ¿Por qué una IA generativa puede estar construida con aprendizaje profundo?
   • Clasifica una aplicación que genere retroalimentación para un informe y justifica tu decisión.

   Estudiantes: responden individualmente y señalan qué concepto necesitan seguir practicando.

5. Evaluación formativa y rúbrica

Ponderación sugerida: precisión de la clasificación, 30 %; justificación técnica, 30 %; diferenciación conceptual, 20 %; aplicación educativa y riesgos, 10 %; trabajo cooperativo y comunicación, 10 %. El ticket de salida se utiliza como evidencia individual y para ajustar la enseñanza posterior.

6. Recursos TIC y contingencia

La sala de computadores se utilizará para consultar las fichas digitales, elaborar el mapa y organizar las fichas técnicas. No es necesario que los estudiantes utilicen una herramienta de IA generativa para clasificar los casos. Si se dispone de una herramienta institucional, puede emplearse únicamente para observar una salida generada y analizar sus características, sin tomar la respuesta automática como evidencia suficiente.

Si falla la conectividad, el docente utilizará las fichas impresas, el tablero y plantillas en papel. La clasificación, el análisis de entradas-procesos-salidas y la defensa técnica pueden realizarse sin internet ni dispositivos, manteniendo los mismos productos y criterios de evaluación.