Evaluación crítica de herramientas de IA para la planificación y evaluación

1. Herramientas de IA para generación de texto y apoyo a la planificación – Descripción de herramientas para diseñar planes de estudio, secuencias didácticas y rúbricas.
2. Herramientas de revisión y evaluación automatizada – Descripción de herramientas que asisten o automatizan la corrección, retroalimentación y diseño de pruebas.
3. Herramientas de colaboración y asistencia educativa – Descripción de herramientas que facilitan la comunicación, la organización de equipos docentes y el apoyo individualizado.

1. Exploración de herramientas de texto generativo – Los estudiantes investigan 2–3 herramientas (p. ej., ChatGPT, Google Bard y Microsoft Copilot) y realizan un breve informe comparando funciones para la planificación.
   Puntos clave: identificar funciones, alcance y límites; señalar posibles usos en un plan de clase o unidad didáctica. Aprendizaje: reconocer herramientas útiles y sus límites para la planificación.
2. Análisis de límites y sesgos – Análisis de un caso hipotético en el que una IA genera contenidos didácticos. Se discuten sesgos, precisión y posibles errores.
   Puntos clave: sesgo, precisión, verificación, responsabilidad. Aprendizaje: capacidad para detectar fallos y proponer mitigaciones.
3. Evaluación de accesibilidad y costos – Comparar costos, disponibilidad y soporte de 2 herramientas para un centro educativo.
   Puntos clave: costo total de propiedad, licencias, acceso para docentes y estudiantes. Aprendizaje: seleccionar herramientas basadas en criterios prácticos.

Se evaluará la comprensión de la unidad a través de: (a) un informe de 2–3 páginas donde se describan 5 herramientas identificadas con función, alcance y límites; (b) análisis crítico de límites y sesgos; (c) una breve propuesta de criterios de evaluación para herramientas en un contexto escolar específico.

2 semanas

1. IA generativa para planificación – Diseño de planes de estudio, recursos y tareas mediante generación de contenidos y estructuras.
2. IA para evaluación y retroalimentación – Rúbricas automáticas, calificación asistida y comentarios guiados por IA.
3. Analítica de aprendizaje y toma de decisiones – Modelos que analizan datos de progreso y apoyan decisiones institucionales.

1. Comparación de enfoques en un caso de estudio – En grupos, comparar un plan de unidad generado por IA con una versión tradicional, identificando fortalezas y debilidades. Puntos clave: coherencia curricular, adecuación a criterios de evaluación, transparencia. Aprendizaje: identificar qué enfoque es más adecuado según el objetivo.
2. Diseño de flujo de trabajo con IA – Diseñar un flujo de planificación o evaluación donde se integre una herramienta IA específica, estableciendo responsabilidades y controles de calidad. Puntos clave: responsabilidades, verificación, seguridad de datos. Aprendizaje: crear procesos claros y responsables.
3. Simulación de decisiones con enfoques diferentes – Simulación de una situación escolar (p. ej., ajuste de calendario, distribución de tareas) usando enfoques diferentes de IA; comparar resultados. Puntos clave: impactos en la equidad, carga de trabajo y calidad de la enseñanza. Aprendizaje: capacidad de seleccionar enfoques adecuados a contextos concretos.

Evaluación basada en: (a) análisis escrito comparando al menos dos enfoques para un escenario real; (b) un plan de implementación para un contexto específico; (c) una breve defensa oral de las elecciones de enfoques ante un público no experto.

2 semanas

1. Ética y derechos de datos en IA educativa – Transparencia, consentimiento, rendición de cuentas y derechos de los estudiantes.
2. Seguridad, privacidad y protección de datos – Prácticas de protección de información y minimización de datos.
3. Transparencia, sesgo y responsabilidad – Identificación de sesgos, explicabilidad y mecanismos de responsabilidad.

1. Análisis de caso ético – Analizar un caso hipotético de IA en una escuela y proponer respuestas éticas y de seguridad. Puntos clave: derechos de datos, consentimiento, mitigación de sesgos. Aprendizaje: aplicar principios éticos a decisiones reales.
2. Diseño de código de conducta para IA – Elaborar un código de conducta para docentes y directivos sobre el uso de herramientas de IA, con roles y responsabilidades. Puntos clave: normas, transparencia, control de calidad. Aprendizaje: traducir principios éticos en prácticas concretas.
3. Debate estructurado sobre límites y usos – Debate orientado a decidir límites razonables para ciertas herramientas en educación. Puntos clave: beneficios vs. riesgos, límites operativos. Aprendizaje: argumentación basada en evidencia y ética.

Evaluación mediante: (a) ensayo crítico sobre un tema ético de IA educativa; (b) presentación de un marco de políticas para un centro educativo; (c) participación y argumentación en el debate.

2 semanas

1. Criterios de selección para contextos educativos – Accesibilidad para docentes y estudiantes, interacción pedagógica, soporte y escalabilidad.
2. Criterios de selección para contextos administrativos – Integración con sistemas institucionales, seguridad de datos y costos operativos.
3. Criterios de selección para contextos de investigación – Reproducibilidad, capacidad de exportar datos, cumplimiento ético y facilidad de análisis.

1. Caso práctico de selección – En equipos, definir un escenario (p. ej., plan de evaluación institucional) y justificar la selección de una herramienta con base en criterios predeterminados. Puntos clave: criterios, evidencia, trade-offs. Aprendizaje: aplicar criterios de selección de manera razonada.
2. Evaluación comparativa de herramientas – Analizar 2 herramientas para un contexto específico (educativo, administrativo o de investigación) y presentar una matriz de evaluación. Puntos clave: puntuaciones, riesgos, costos. Aprendizaje: tomar decisiones fundamentadas.
3. Plan de implementación y sostenibilidad – Diseñar un plan de implementación con hitos, roles, formación y evaluación de impacto. Puntos clave: plazos, recursos y métricas. Aprendizaje: construir un plan práctico y escalable.

Evaluación mediante: (a) informe de selección con matriz de criterios y justificación; (b) breve plan de implementación; (c) defensa oral ante un panel de evaluación, enfocado en viabilidad y sostenibilidad.

2 semanas

1. Estructura de un informe para no expertos – Introducción, argumentos, evidencia, recomendaciones y lenguaje accesible.
2. Revisión de literatura y buenas prácticas – Síntesis de fuentes y lecciones aprendidas para comunicación clara.
3. Comunicación de resultados y recomendaciones – Estrategias de difusión, visualización y lectura crítica por distintos públicos.

1. Escritura de informe crítico – Redacción de un informe de 4–6 páginas dirigido a no expertos, con un glosario, ejemplos y recomendaciones. Puntos clave: claridad, evidencia, recomendaciones accionables. Aprendizaje: comunicar de forma efectiva temas complejos.
2. Diseño de material de divulgación – Crear una infografía o breve video explicativo que resuma los puntos clave del informe para un público general. Puntos clave: simplificación, visualización, accesibilidad. Aprendizaje: traducir texto técnico a formatos accesibles.
3. Presentación y defensa para público no experto – Presentar el informe ante un público diverso, responder preguntas y justificar decisiones. Puntos clave: claridad, ejemplos prácticos, lenguaje inclusivo. Aprendizaje: comunicar con confianza y adaptar el mensaje.

Evaluación final mediante: (a) informe crítico escrito (4–6 páginas) con un resumen para público no experto; (b) recurso de divulgación (infografía o video); (c) presentación y defensa ante un panel de público no experto, evaluando claridad, utilidad y aplicabilidad.

2 semanas