Introducción a la Inteligencia Artificial y su impacto en la sociedad

1. Tema 1: ¿Qué es la Inteligencia Artificial? Descripción general, objetivos y alcance.
2. Tema 2: Aprendizaje Automático (Machine Learning) y Aprendizaje Profundo (Deep Learning): diferencias y ejemplos.
3. Tema 3: Diferencias entre IA, ML y DL y ejemplos prácticos en la vida diaria.
4. Tema 4: Limitaciones básicas y consideraciones éticas iniciales (qué preguntas hacer, qué no saber).

• Actividad 1: Exploración de ejemplos de IA – Los estudiantes identificarán y clasificarán ejemplos de IA en dispositivos cotidianos (asistentes de voz, recomendaciones, filtros de contenido). Puntos clave: identificar qué tipo de IA está presente, distinguir entre ML y DL cuando sea posible, reflexionar sobre impactos. Aprendizajes: reconocer la presencia de IA y distinguir conceptos básicos.
• Actividad 2: Clasificación de conceptos – Ejercicio guiado para clasificar situaciones o productos como IA, ML o DL y justificar la clasificación. Puntos clave: criterios de clasificación, ejemplos prácticos. Aprendizajes: aplicar definiciones y justificar decisiones.
• Actividad 3: Micro-proyecto comparativo – En grupos, comparar dos casos: uno que use ML y otro que use DL, describiendo cuál podría ser su elección según el problema. Puntos clave: diferencias de complejidad, datos necesarios, resultados esperados. Aprendizajes: analizar contextos y elegir enfoques adecuados.
• Actividad 4: Reflexión ética breve – Redacción de una breve reflexión sobre un uso de IA en la vida cotidiana y las consideraciones éticas básicas (privacidad, sesgo). Puntos clave: consecuencias, límites y responsabilidades. Aprendizajes: pensar críticamente sobre impactos y responsabilidades.

Evaluación formativa a lo largo de las actividades: participación en debates y actividades prácticas; evaluación de un breve cuestionario de conceptos clave; evaluación de un mini-proyecto comparativo. Criterios: precisión conceptual, claridad en la clasificación (IA/ML/DL), evidencia de comprensión en ejemplos y reflexiones éticas básicas.

4 semanas

1. Tema 1: Empleo y economía en la era de la IA: automatización, productividad y reentrenamiento.
2. Tema 2: Salud y educación: diagnóstico, acceso, personalización y brechas de desigualdad.
3. Tema 3: Seguridad, privacidad y sesgo: protección de datos, confianza y riesgos de vigilancia.
4. Tema 4: Mitigaciones y gobernanza: políticas públicas, ética, alfabetización digital y participación ciudadana.

• Actividad 1: Análisis de caso en empleo – Estudio de un caso real donde la IA afectó un sector laboral y propuesta de mitigaciones. Puntos clave: efectos en empleo, habilidades necesarias, plan de transición. Aprendizajes: entender impactos laborales y diseñar respuestas adecuadas.
• Actividad 2: Revisión de casos en salud y educación – Lectura de artículos y discusión sobre beneficios y límites (diagnóstico asistido, personalización). Puntos clave: equidad de acceso, seguridad de datos, confianza. Aprendizajes: evaluar beneficios frente a riesgos y sesgos.
• Actividad 3: Taller de políticas de IA – En grupos, diseñar una política escolar/comunitaria que promueva IA responsable, privacidad y alfabetización digital. Puntos clave: principios éticos, derechos de los ciudadanos, mecanismos de supervisión. Aprendizajes: aplicar principios de gobernanza a un caso real.
• Actividad 4: Debate sobre seguridad y privacidad – Discusión estructurada sobre límites de vigilancia y protección de datos, con roles de ciudadanía y reguladores. Puntos clave: derechos, límites, proporcionalidad. Aprendizajes: comunicar argumentos éticos y comprender marcos regulatorios.

Evaluación formativa mediante participación en debates y actividades, y una evaluación sumativa que combine un informe corto de análisis de caso y una propuesta de mitigación (rúbrica que valore comprensión de efectos, evidencias, razonamiento y viabilidad de mitigaciones). Criterios: precisión en identificar efectos, profundidad de análisis, calidad de las propuestas de mitigación y claridad de la argumentación.

4 semanas

1. Tema 1: Limitaciones técnicas actuales de la IA: datos, sesgo, interpretabilidad y robustez.
2. Tema 2: Desarrollos futuros y tendencias: IA explicable, IA general, gobernanza y seguridad.
3. Tema 3: Alfabetización digital y ética: ciudadanía tecnológica, derechos y responsabilidades.
4. Tema 4: Casos de estudio y dilemas éticos en implementación real.

• Actividad 1: Análisis de sesgo y robustness – Análisis de un sistema de IA y diseño de estrategias para mitigar sesgos y mejorar la robustez. Puntos clave: identificación de sesgos, interpretación de resultados, soluciones técnicas y sociales. Aprendizajes: reconocer límites y proponer mejoras concretas.
• Actividad 2: Debate sobre IA explicable vs. caja negra – Discusión estructurada sobre cuándo es aceptable usar sistemas de IA de caja negra y cuándo se requiere explicabilidad. Puntos clave: transparencia, responsabilidad, trazabilidad. Aprendizajes: valorar la explicabilidad en decisiones críticas.
• Actividad 3: Código de conducta para uso responsable de IA – Elaboración de un código de conducta para el uso de IA en la escuela o comunidad: principios, derechos de las personas, mecanismos de supervisión. Aprendizajes: aplicar principios éticos a prácticas reales.
• Actividad 4: Proyecto de ciudadanía digital – Elaboración de un proyecto corto sobre cómo educar a la comunidad en alfabetización digital y ética tecnológica. Aprendizajes: diseñar estrategias de educación cívica en tecnología.

Evaluación formativa a través de participaciones y entregas de actividades, y una evaluación sumativa basada en un proyecto final: un breve informe que explique limitaciones, posibles desarrollos futuros y propuestas de alfabetización digital/ética. Criterios: comprensión de limitaciones, claridad de proyecciones futuras, calidad de las propuestas de educación ética y participación en el debate.

4 semanas