Fundamentos de IA para docentes en entornos educativos

1. Conceptos básicos de IA: datos, modelos y entrenamiento – Descripción corta: Analizar qué son los datos que alimentan los modelos, qué es un modelo y cómo se entrena, destacando la importancia de la calidad de datos y de la evaluación de rendimiento.
2. Sesgo y representatividad – Descripción corta: Examinar cómo la calidad y la representatividad de los datos pueden generar sesgos y afectar a estudiantes de distintos contextos.
3. IA en educación y diseño del aprendizaje – Descripción corta: Reflexionar sobre cómo estos conceptos informan decisiones de enseñanza, personalización y evaluación responsable.

• Actividad 1: Mapa conceptual colaborativo – Tema: conceptos clave de IA. Descripción breve: Construir un mapa que relacione datos, modelos, entrenamiento y sesgo. Puntos clave: entendimiento de cada concepto, relaciones entre ellos y su impacto en el aprendizaje. Aprendizajes: claridad conceptual y capacidad de comunicar ideas básicas de IA en un contexto educativo.
• Actividad 2: Análisis de sesgos simples – Tema: sesgo y representatividad. Descripción breve: Revisar ejemplos educativos simples y discutir posibles sesgos. Puntos clave: identificar sesgos, reconocer consecuencias para diferentes grupos de estudiantes. Aprendizajes: habilidad para detectar sesgos y proponer medidas correctivas.
• Actividad 3: Debate guiado sobre diseño responsable – Tema: IA en educación y ética básica. Descripción breve: Discusión en grupo sobre cuándo y cómo usar IA en el aula, considerando responsabilidad y equidad. Puntos clave: criterios de uso, límites, roles docentes. Aprendizajes: toma de decisiones informada y reflexión crítica.
• Actividad 4: Mini taller de diseño de experiencia de aprendizaje con IA – Tema: diseño instruccional. Descripción breve: Prototipar una experiencia de aprendizaje que incorpore IA con salvaguardas de datos y sesgos. Puntos clave: objetivos pedagógicos, entradas de datos, controles de calidad. Aprendizajes: aplicación práctica de conceptos en un plan de clase.

Evaluación formativa; se valorará la participación en debates y actividades, la calidad de los mapas conceptuales y el razonamiento crítico ante sesgos. Criterios: claridad conceptual, capacidad de identificar sesgos, y habilidad para relacionar conceptos con el diseño de experiencias de aprendizaje. Se puede incluir un breve resumen escrito (rúbrica simple) sobre el aprendizaje de conceptos clave.

2 semanas

1. Aplicaciones de IA en educación – Descripción corta: Tutoría inteligente, evaluación automática, generación de contenidos y analítica de aprendizaje.
2. Beneficios para el aprendizaje y la enseñanza – Descripción corta: Personalización, mejora de la eficiencia, apoyo a la accesibilidad.
3. Limitaciones, riesgos y consideraciones éticas – Descripción corta: Sesgos, dependencia, calidad de feedback y privacidad.
4. Selección y diseño de uso responsables – Descripción corta: Criterios para decidir cuándo y cómo aplicar IA en el aula.

• Actividad 1: Estudio de casos de IA en escuelas – Tema: aplicaciones y contextos reales. Descripción breve: analizar tres casos, identificar beneficios y límites. Puntos clave: impacto en aprendizaje, recursos requeridos, equidad. Aprendizajes: capacidad de evaluar casos de uso concretos.
• Actividad 2: Debate sobre beneficios y limitaciones – Tema: impacto para docentes y estudiantes. Descripción breve: discusión estructurada en equipos. Puntos clave: criterios de decisión, riesgos, mitigaciones. Aprendizajes: argumentación basada en evidencia.
• Actividad 3: Propuesta de implementación en el aula – Tema: planificación. Descripción breve: diseñar una propuesta de uso de IA en una unidad didáctica. Puntos clave: objetivo pedagógico, herramientas, supervisión, evaluación. Aprendizajes: diseño pedagógico con IA en contexto real.
• Actividad 4: Análisis crítico de una herramienta de IA educativa – Tema: evaluación de herramientas. Descripción breve: revisión de una herramienta con checklist de criterios de calidad y seguridad. Puntos clave: fiabilidad, privacidad, sesgo. Aprendizajes: capacidad de evaluación crítica.

Evaluación formativa y sumativa mediante: (a) informe de análisis de casos (identificación de beneficios y limitaciones), (b) propuesta de uso en un plan de clase con criterios de evaluación y (c) breve ensayo crítico sobre consideraciones éticas y de privacidad. Criterios: claridad de análisis, plausibilidad pedagógica y reflexión crítica.

2 semanas

1. Ética en IA educativa – Descripción corta: principios y dilemas, responsabilidad y equidad.
2. Privacidad y protección de datos – Descripción corta: consentimiento, retención de datos, anonimización y cumplimiento legal básico.
3. Seguridad y fiabilidad – Descripción corta: seguridad de sistemas, verificación de resultados y manejo de errores.
4. Prácticas responsables en el aula – Descripción corta: políticas de uso, supervisión y evaluación de riesgos.

• Actividad 1: Debate sobre dilemas éticos – Tema: ética en IA educativa. Descripción breve: discutir escenarios y posibles respuestas responsables. Puntos clave: límites, derechos de estudiantes, responsabilidad docente. Aprendizajes: razonamiento ético aplicado a la toma de decisiones.
• Actividad 2: Revisión de políticas de privacidad – Tema: privacidad de datos. Descripción breve: analizar políticas ficticias o de herramientas y extraer buenas prácticas. Puntos clave: consentimiento, retención, uso compartido. Aprendizajes: comprensión de acuerdos y señales de alerta.
• Actividad 3: Simulación de consentimiento informado – Tema: consentimiento y transparencia. Descripción breve: diseñar un consentimiento para familias y estudiantes cuando se use IA. Puntos clave: claridad, alcance, derechos. Aprendizajes: capacidad de comunicar y obtener consentimiento informado.
• Actividad 4: Diseño de código de conducta para IA en la clase – Tema: prácticas responsables. Descripción breve: crear un guion de normas para uso de IA en tareas y evaluaciones. Puntos clave: normas de uso, seguridad, supervisión. Aprendizajes: consolidación de prácticas responsables.

Evaluación mediante un proyecto de políticas y prácticas: (a) análisis crítico de una política de IA en educación, (b) propuesta de consentimiento y normas para la clase, (c) breve reflexión sobre ética, privacidad y seguridad. Criterios: claridad, aplicabilidad y responsabilidad.

2 semanas

1. Herramientas básicas para docentes – Descripción corta: generación de contenidos, creación de preguntas, resúmenes y apoyo a la planificación.
2. Evaluación automática y retroalimentación – Descripción corta: criterios de calidad, revisión humana y control de calidad de los resultados.
3. Reflexión crítica y supervisión – Descripción corta: identificar sesgos, límites y mejoras necesarias en la práctica.
4. Diseño de una unidad integrada con IA – Descripción corta: plan de clase que incorpore IA con puntos de control y evaluación.

• Actividad 1: Taller de creación de contenidos con IA – Tema: generación de cuestionarios y resúmenes. Descripción breve: diseñar un recurso didáctico con IA y validar su calidad. Puntos clave: claridad, validez, adecuación curricular. Aprendizajes: capacidad de usar IA para enriquecer materiales.
• Actividad 2: Evaluación automática con revisión – Tema: evaluación y feedback. Descripción breve: aplicar una herramienta de evaluación automática y revisar los resultados para corrección humana. Puntos clave: concordancia con criterios, revisión de errores. Aprendizajes: combinación de IA y juicio docente.
• Actividad 3: Sesión de retroalimentación inteligente – Tema: feedback para estudiantes. Descripción breve: diseñar y analizar retroalimentación generada por IA, comparándola con retroalimentación humana. Puntos clave: claridad, acciónable, tono. Aprendizajes: distinguir fortalezas y áreas de mejora de la IA.
• Actividad 4: Plan de clase con IA – Tema: diseño didáctico. Descripción breve: crear una unidad didáctica que integre IA con controles de supervisión y evaluación. Puntos clave: objetivos, herramientas, roles, criterios de éxito. Aprendizajes: implementación práctica y evaluación del impacto.

Evaluación basada en un portafolio de actividades: (a) plan de unidad con IA, (b) evidencia de evaluación automática y revisión crítica, (c) reflexión individual sobre aprendizaje y mejoras. Criterios: calidad pedagógica, adecuación técnica y reflexión crítica.

3 semanas

1. Métricas simples para medir impacto – Descripción corta: indicadores de rendimiento, participación, equidad y accesibilidad.
2. Observación y recolección de evidencia – Descripción corta: métodos cualitativos y cuantitativos simples, registros de clase y registros de IA.
3. Interpretación de datos y toma de decisiones – Descripción corta: traducir evidencia en acciones pedagógicas.
4. Mejora continua – Descripción corta: planificar, ejecutar y revisar mejoras en prácticas de IA para favorecer la equidad.

• Actividad 1: Registro de observaciones de IA en el aula – Tema: observación de participación y rendimiento. Descripción breve: registrar indicadores simples durante una unidad que use IA. Puntos clave: consistencia, contexto, limitaciones. Aprendizajes: capacidad de recolectar evidencia observable.
• Actividad 2: Análisis de datos simulados – Tema: interpretación de evidencia. Descripción breve: analizar datos simulados para identificar patrones de rendimiento y posibles disparidades. Puntos clave: detectar desigualdades, valorar efectos de intervención IA. Aprendizajes: lectura de datos y toma de decisiones.
• Actividad 3: Propuesta de mejoras – Tema: acción pedagógica. Descripción breve: plantear estrategias para mejorar rendimiento y equidad usando IA de forma responsable. Puntos clave: viabilidad, escalabilidad, indicadores de éxito. Aprendizajes: diseño de acciones concretas y medibles.

Evaluación mediante un informe final que incluya: (a) un conjunto de métricas simples utilizadas, (b) evidencia recopilada, (c) interpretación de resultados y (d) plan de mejora para mayor equidad. Criterios: claridad de datos, razonamiento y factibilidad de las mejoras.

3 semanas