Aplicaciones de la IA en la vida cotidiana

1. Tema 1: ¿Qué es la IA en la vida diaria y por qué importa?
2. Tema 2: Asistentes virtuales y reconocimiento de voz (ejemplos y funciones).
3. Tema 3: Recomendaciones de contenido y personalización (cómo se sugieren cosas que nos gustan).
4. Tema 4: Reconocimiento de imágenes y filtros en dispositivos (fotos, correos, seguridad).

• Actividad 1: Inventario de IA en casa. Los estudiantes listan al menos 5 aplicaciones de IA que usan en su día a día y describen su función en una o dos frases cada una. Puntos clave: identificar aplicaciones, explicar la función, reflejar en un cuadro simple.
• Actividad 2: Comparación rápida de asistentes. En parejas, comparan dos asistentes (p. ej., voz en el teléfono y un altavoz) y describen qué tareas pueden hacer y qué datos podrían necesitar. Puntos clave: funciones, datos usados, límites de cada uno.
• Actividad 3: Debate breve sobre beneficios y riesgos. Cada grupo argumenta un beneficio y un riesgo de una aplicación de IA elegida. Puntos clave: razonamiento crítico, lenguaje respetuoso, ejemplos concretos.

Se evalúa el logro del Objetivo General 1 a través de:

• Producto: listado de al menos 5 aplicaciones con descripciones de función (criterio de precisión y claridad).
• Participación en el debate y en la actividad de inventario (criterios de análisis y reflexión).
• Mini-quiz rápido al final de la unidad sobre ejemplos y funciones identificadas.

Duración: 2 semanas

1. Tema 1: Conceptos básicos: datos, modelo y entrenamiento (con analogía simple).
2. Tema 2: Ejemplos simples de ML (clasificación básica, por ejemplo, distinguir imágenes de gatos vs perros).
3. Tema 3: Cómo mejora con el tiempo: retroalimentación y retraining (entrenamiento continuo).
4. Tema 4: Conceptos de precisión, sesgo y límites del ML (de manera básica).

• Actividad 1: Detectives de datos. Se les presenta un conjunto de datos muy simple (p. ej., una lista de imágenes etiquetadas) y deben describir qué sería la “entrada”, la “salida” y qué podría considerarse un error. Puntos clave: comprender datos, salida esperada, error de predicción.
• Actividad 2: Construye tu mini modelo. A partir de reglas simples (si la imagen tiene más de X píxeles, etc.), los estudiantes diseñan un modelo ficticio que clasifique objetos simples. Puntos clave: relación entrada-salida, ajuste de reglas.
• Actividad 3: Entrenamiento mental. Mediante ejemplos cotidianos (por ejemplo, clasificar tarjetas por color), simulan el proceso de entrenamiento y mejoran la clasificación tras varios intentos. Puntos clave: mejora con ejemplos, iteración.
• Actividad 4: Debate sobre límites. Discusión en clase sobre cuándo es razonable entrenar más y cuándo podría haber riesgos éticos (datos, privacidad, sesgo). Puntos clave: límites y responsabilidad.

Se evalúa el Objetivo General 2 mediante:

• Actividad explicativa: explicación de datos, modelo y entrenamiento (claridad conceptual).
• Mini-proyecto de ML conceptual (sin código) con un diagrama simple que muestre el flujo Datos ? Modelo ? Predicción.
• Participación en la discusión sobre límites y responsabilidades.

Duración: 2 semanas

1. Tema 1: Sesgo y equidad en IA (cómo se puede sesgar una IA y por qué importa).
2. Tema 2: Privacidad y seguridad de datos personales en IA (qué datos se comparten).
3. Tema 3: Medidas de mitigación y gemas éticas (consentimiento, minimización, transparencia, control de datos).

• Actividad 1: Estudio de caso: reconocimiento facial en tiendas. Los estudiantes analizan beneficios y riesgos y proponen limitaciones. Puntos clave: seguridad, derechos, alternativas menos invasivas.
• Actividad 2: Mapa de riesgos. Cada grupo identifica al menos 4 riesgos y propone una acción mitigante para cada uno.
• Actividad 3: Propuesta de mitigación. Diseñar un conjunto de políticas simples para un escenario cotidiano (por ejemplo, uso de IA en fotos de redes sociales).

Se evalúa el Objetivo General 3 mediante:

• Proyecto de mitigación: propuestas claras y razonadas con ejemplos de vida real.
• Participación y reflexión crítica en el debate de casos.
• Cuestionario corto sobre conceptos de ética y privacidad tratados en la unidad.

Duración: 2 semanas

1. Tema 1: Qué hace que una noticia sea fiable (fuentes, fecha, evidencia verificable).
2. Tema 2: Señales de sesgo y desinformación en IA.
3. Tema 3: Herramientas y prácticas simples de verificación (comprobación de fuentes, fechas, consistencia).

• Actividad 1: Análisis de una noticia o anuncio sobre IA. Identificar afirmaciones, evidencia y posibles sesgos, y responder preguntas de verificación.
• Actividad 2: Aplicar un checklist de verificación a un texto corto sobre IA y explicar posibles limitaciones.
• Actividad 3: Crear un cartel o ficha de verificación para compañeros.

Se evalúa el Objetivo General 4 mediante:

• Producto: análisis escrito de una noticia/anuncio con identificación de afirmaciones, evidencia y sesgos.
• Participación en actividades de verificación y discusión en clase.

Duración: 2 semanas

1. Tema 1: Recomendaciones de música y gustos personales (privacidad y consentimiento).
2. Tema 2: Filtros de cámara y seguridad de imágenes (control de datos y uso de imágenes).
3. Tema 3: Equidad y acceso (asegurar que las recomendaciones no reproduzcan sesgos).

• Actividad 1: Diseño de una propuesta de uso responsable para recomendaciones musicales. Incluye medidas de privacidad y consentimiento.
• Actividad 2: Evaluación de un filtro de cámara desde la perspectiva de seguridad y equidad (qué datos se usan, quién tiene acceso).
• Actividad 3: Presentación corta en grupo de la propuesta, destacando privacidad, seguridad y equidad.

Se evalúa el Objetivo General 5 mediante:

• Producto: propuesta escrita o presentación breve que explique el uso responsable y las medidas de privacidad y equidad.
• Retroalimentación entre pares sobre la claridad y viabilidad de la propuesta.

Duración: 2 semanas

1. Tema 1: ¿Qué son datos, modelo y predicción?
2. Tema 2: Ejemplo concreto: predicción de música a partir de preferencias (datos) y una regla simple (modelo).
3. Tema 3: Interpretación básica del diagrama y posibles mejoras (retroalimentación).

• Actividad 1: Construcción de un diagrama de flujo. Los estudiantes dibujan un flujo sencillo para una IA que recomienda una canción basada en gustos anteriores, identificando datos, modelo y predicción.
• Actividad 2: Interacción verbal sobre el flujo. Explicar en voz alta cada paso y su función, con ejemplos simples.
• Actividad 3: Mini mapa mental de mejoras. Proponer una forma de adaptar el flujo para mejorar precisión o minimizar sesgos.

Se evalúa el Objetivo General 6 mediante:

• Diagrama correcto y claro que muestre datos ? modelo ? predicción con una explicación breve.
• Participación y precisión al explicar cada paso del flujo.

Duración: 2 semanas

1. Tema 1: Elección de dos aplicaciones para comparar.
2. Tema 2: Beneficios y riesgos en bienestar y seguridad.
3. Tema 3: Justicia, equidad y responsabilidad en la elección.

• Actividad 1: Elección de dos aplicaciones y recopilación de información básica sobre cada una.
• Actividad 2: Análisis de beneficios y riesgos en una matriz simple (bienestar, seguridad, igualdad).
• Actividad 3: Debate y decisión: ¿cuál opción es más responsable y por qué?

Se evalúa el Objetivo General 7 mediante:

• Documento de comparación con criterios y evidencia.
• Justificación razonada de la opción más responsable, con ejemplos.

Duración: 2 semanas

1. Tema 1: Estructura de una breve exposición (qué es, qué problema resuelve, cómo funciona, impacto).
2. Tema 2: Técnicas de comunicación claras y ejemplos simples para público general.
3. Tema 3: Practica de exposición y feedback entre pares.

• Actividad 1: Preparar un guion corto (3–5 minutos) sobre una IA de uso cotidiano, con ejemplos simples y lenguaje accesible.
• Actividad 2: Ensayo oral o escrito en parejas con retroalimentación de compañeros y profesor.
• Actividad 3: Presentación final ante la clase o registro escrito para evaluación.

Se evalúa el Objetivo General 8 mediante:

• Claridad y estructura de la exposición (título, problema, funcionamiento, impacto).
• Uso de ejemplos y lenguaje adecuado para la audiencia.
• Presentación oral o escrita y capacidad de respuesta a preguntas simples.

Duración: 2 semanas