Introducción a la Inteligencia Artificial Generativa en el aula

1. Tema 1: Conceptos clave de IA generativa. Descripción de modelos, datos de entrenamiento, prompts y salidas, y su relación con el aprendizaje.
2. Tema 2: Usos educativos de la IA generativa. Exploración de ejemplos prácticos y límites en el aula.
3. Tema 3: Consideraciones éticas iniciales. Privacidad, transparencia y responsabilidad en su uso en clase.

• Actividad 1: Exploración conceptual en parejas Breve lectura sobre conceptos clave y discusión guiada para identificar cómo cada elemento (modelo, datos, prompts, salidas) se manifiesta en un ejemplo educativo. Puntos clave: identificar componentes, discutir relevancia y registrar observaciones. Aprendizajes: comprensión de la estructura de la IA generativa y su potencial educativo.
• Actividad 2: Mapa mental de usos en clase En grupo, crear un mapa mental de posibles aplicaciones en materias específicas (lengua, ciencias, historia). Puntos clave: variedad de usos seguros, límites, roles docentes. Aprendizajes: habilidades de transferencia y diseño inicial de actividades con IA.
• Actividad 3: Debate guiado sobre ética básica Discusión estructurada sobre cuándo es adecuado usar IA en tareas y qué limitaciones deben considerarse. Puntos clave: derechos de autor, transparencia y responsabilidad. Aprendizajes: pensamiento crítico y ética aplicada.

• Comprensión de conceptos clave y capacidad para identificar componentes en ejemplos reales (criterios de logro: precisión conceptual, uso correcto de terminología).
• Calidad de las propuestas de uso educativo y evaluación de límites y riesgos (criterios de logro: pertinencia, viabilidad, observaciones éticas).
• Participación y argumentación en debates y actividades de reflexión (criterios de logro: claridad, evidencia y pensamiento crítico).

2 semanas

1. Tema 1: Modelos de IA generativa: fundamentos, arquitecturas básicas y ejemplos en educación.
2. Tema 2: Datos de entrenamiento: conjuntos de datos, calidad, tamaño y sesgos.
3. Tema 3: Entrenamiento y ajuste fino: proceso, dinámica y efectos en las salidas.
4. Tema 4: Sesgos y gobernanza ética de los datos: impacto en el aula y mitigaciones.

• Actividad 1: Análisis de diagrama de entrenamiento Lectura de un diagrama de flujo de entrenamiento y explicación en grupo de cada etapa (datos, modelo, optimización). Aprendizajes: identificar etapas clave y su relación con la calidad de salidas.
• Actividad 2: Evaluación de conjuntos de datos Revisión de ejemplos de datasets y discusión de sesgos potenciales; proponer mejoras. Aprendizajes: conciencia de sesgos y criterio de selección de datos.
• Actividad 3: Simulación de ajuste fino conceptual En equipos, describir cómo cambiaría una salida si se ajustara un parámetro de entrenamiento; debate sobre efectos y riesgos. Aprendizajes: entendimiento del ajuste fino y sus implicaciones éticas.
• Actividad 4: Debate sobre sesgos y calidad de datos Análisis de casos y propuestas de gobernanza para la escuela. Aprendizajes: pensamiento crítico y ética de datos.

• Capacidad para identificar componentes de un modelo y explicar su función (criterios: precisión conceptual y claridad).
• Capacidad para analizar datos de entrenamiento y reconocer sesgos (criterios: identificación de sesgos y propuestas de mitigación).
• Participación y aportaciones en debates y actividades de revisión de datos (criterios: argumentación, evidencia y colaboración).

2 semanas

1. Tema 1: Estructuras de prompts: instrucciones, ejemplos y restricciones.
2. Tema 2: Seguridad y límites: evitar contenidos inapropiados y sesgados; filtros y límites de uso.
3. Tema 3: Evaluación de resultados: criterios de calidad y utilidad pedagógica.

• Actividad 1: Taller de prompts en parejas Diseñar prompts para una tarea específica, probar salidas y ajustar la redacción para mejorar claridad y seguridad. Aprendizajes: precisión de instrucciones y relación entre prompts y resultados.
• Actividad 2: Análisis de salidas generadas Evaluar ejemplos de salidas, identificar errores, sesgos y planes de mejora. Aprendizajes: pensamiento crítico y evaluación de calidad.
• Actividad 3: Revisión de seguridad Verificar que los prompts cumplen normas éticas y de seguridad; proponer salvaguardas. Aprendizajes: responsabilidad y prevención de riesgos.

• Capacidad para diseñar prompts funcionales y seguros (criterios: claridad de instrucciones y seguridad).
• Calidad de la evaluación de salidas y de la iteración de prompts (criterios: mejora en precisión y utilidad).
• Participación en discusiones y demostraciones prácticas (criterios: argumentación y colaboración).

2 semanas

1. Tema 1: Enfoques de IA: reglas, supervisado y generativo; fundamentos y ejemplos.
2. Tema 2: Ventajas y limitaciones en educación: precisión, creatividad, eficiencia y control.
3. Tema 3: Ética y gobernanza: transparencia, sesgos y responsabilidad en la elección de enfoques.

• Actividad 1: Matriz de comparación Construir una matriz comparando enfoques en base a criterios pedagógicos (seguridad, control, creatividad). Aprendizajes: visión analítica, toma de decisiones informadas.
• Actividad 2: Caso práctico Escoger el enfoque adecuado para una tarea educativa y justificar su elección, identificando posibles riesgos y mitigaciones. Aprendizajes: razonamiento crítico y justificación.
• Actividad 3: Debate ético Discusión guiada sobre dilemas éticos al usar IA generativa frente a otros enfoques. Aprendizajes: ética aplicada y responsabilidad profesional.

• Capacidad para identificar diferencias entre enfoques y justificar la elección en un contexto educativo (criterios: claridad, rigor y argumentos).
• Calidad de las propuestas de mitigación de riesgos y consideraciones éticas (criterios: originalidad y viabilidad).
• Participación y calidad del debate y del razonamiento crítico (criterios: evidencia y colaboración).

2 semanas

1. Tema 1: Riesgos y sesgos en IA generativa y su impacto en el aprendizaje.
2. Tema 2: Usos indebidos, plagio y desinformación; herramientas de detección y verificación.
3. Tema 3: Medidas de mitigación: guías de uso, ética, derechos de autor y gobernanza en aula.

• Actividad 1: Análisis de escenarios Evaluar casos hipotéticos de uso indebido y proponer respuestas correctivas. Aprendizajes: detección de riesgos y toma de decisiones responsables.
• Actividad 2: Diseño de guía de uso seguro Elaborar una guía de uso para un proyecto escolar que incluya permisos, límites y criterios de citación. Aprendizajes: gobernanza y convivencia educativa.
• Actividad 3: Rol playing de ética Representación de un debate entre docente y alumno sobre un dilema ético relacionado con IA en tareas escolares. Aprendizajes: pensamiento crítico y comunicación profesional.

• Capacidad para identificar riesgos y proponer mitigaciones concretas (criterios: claridad, viabilidad y coherencia).
• Calidad de la guía de uso y de las prácticas de citación (criterios: exactitud y responsabilidad).
• Participación y argumentos en análisis de escenarios y debates (criterios: evidencia y razonamiento).

2 semanas

1. Tema 1: Verificación de hechos y evaluación de evidencias.
2. Tema 2: Herramientas y métodos para verificar contenido generado.
3. Tema 3: Citación, trazabilidad y responsabilidad en el uso de IA.

• Actividad 1: Análisis de texto generado vs fuente humana Comparar un texto generado por IA con una fuente original, identificar diferencias y evidencias. Aprendizajes: verificación y criterios de autenticidad.
• Actividad 2: Verificación de hechos Investigar información citada en un texto y contraste con fuentes externas confiables. Aprendizajes: habilidades de verificación.
• Actividad 3: Práctica de citación Elaborar referencias y citas en formato APA/MLA, respetando atribución de ideas. Aprendizajes: buenas prácticas de citación y trazabilidad.

• Capacidad para identificar contenido fiable frente a sintético (criterios: criterios de verificación y uso correcto de fuentes).
• Precisión en verificación y citación (criterios: precisión, coherencia y formato de citación).
• Contribución en actividades de verificación y discusión crítica (criterios: participación y argumentación).

2 semanas

1. Tema 1: Diseño y planificación de un proyecto corto en equipo.
2. Tema 2: Plan de Uso de IA y criterios éticos para el proyecto.
3. Tema 3: Evaluación, presentación y reflexión ética.

• Actividad 1: Planificación del proyecto Trabajo en equipo para definir objetivos, roles, entregables y calendario. Aprendizajes: organización, cooperación y claridad de objetivos.
• Actividad 2: Revisión ética por pares Evaluación y comentarios sobre el plan de uso y consideraciones éticas. Aprendizajes: pensamiento crítico y colaboración.
• Actividad 3: Presentación y defensa Presentación del prototipo y exposición de decisiones éticas, con preguntas y respuestas. Aprendizajes: comunicación y defensa de decisiones responsables.

• Calidad del plan, claridad de objetivos y coherencia entre uso de IA y criterios éticos (criterios: coherencia, viabilidad y ética).
• Resultados del proyecto y evidencia de reflexión ética (criterios: evidencia, impacto educativo y calidad de la presentación).
• Participación y contribución en el equipo (criterios: colaboración y responsabilidad).

3 semanas

• Actividad 1: Debate ético Discusión de casos prácticos sobre derechos de autor y responsabilidad. Aprendizajes: razonamiento ético y toma de decisiones informadas.
• Actividad 2: Código de buenas prácticas Elaboración de un código personal y grupal para el uso responsable de IA en tareas escolares. Aprendizajes: organización y compromiso con la ética.
• Actividad 3: Portafolio ético Construcción de un portafolio que incluya reflexiones, guías y planes de uso responsable para el futuro académico. Aprendizajes: autoevaluación y ética profesional.

• Calidad de la reflexión ética y comprensión de dilemas (criterios: profundidad, evidencia y razonamiento).
• Concreción y aplicabilidad de las guías de prácticas responsables (criterios: claridad y utilidad).
• Coherencia entre portafolio, código de conducta y presentaciones (criterios: integridad y transparencia).

2 semanas