Inteligencia Artificial

1. Tema 1: Conceptos clave de IA — Descripción corta: Introducción a qué es IA, su evolución y conceptos fundamentales como datos, modelos, entrenamiento y evaluación de rendimiento.
2. Tema 2: Ramas de IA: aprendizaje automático y aprendizaje profundo — Descripción corta: Diferencias entre ML y DL, principios básicos, ejemplos de algoritmos comunes y cuándo se utilizan.
3. Tema 3: Aplicaciones reales de IA — Descripción corta: Ejemplos prácticos en educación, salud, industria y servicios para comprender impactos y límites.

• Actividad 1: Exploración conceptual de IA

  Descripción: Sesión guiada para definir términos clave (IA, ML, DL) y clasificar ejemplos. Se fomenta el aprendizaje activo mediante discusión en pequeños grupos y uso de ejemplos del entorno cercano.

  Puntos clave: diferencias entre IA y sus ramas; ejemplos cotidianos; vocabulario básico.

  Aprendizajes: comprensión de conceptos fundamentales y capacidad de explicarlos a terceros.

• Actividad 2: Clasificación de ejemplos de IA

  Descripción: Análisis de casos reales para distinguir si emplean IA, qué rama podría estar detrás y por qué. Trabajo en equipo con criterios de evaluación.

  Puntos clave: criterios de identificación de IA; reconocimiento de ML vs DL; límites prácticos.

  Aprendizajes: habilidad para analizar contextos y justificar elecciones técnicas.

• Actividad 3: Mapa de aplicaciones de IA en tu entorno

  Descripción: Creación de un mapa o diagrama que identifique posibles aplicaciones de IA en la comunidad educativa o local, considerando beneficios y posibles limitaciones.

  Puntos clave: lectura de contexto, selección de aplicaciones, reflexión ética básica.

  Aprendizajes: capacidad de identificar oportunidades de IA y considerar impactos reales.

• Evaluarán los conceptos: examen corto (definiciones de IA, ML, DL) y clasificación de ejemplos (30%).
• Evaluarán la capacidad de identificar ramas y aplicaciones: estudio de casos y participación en actividades (40%).
• Evaluarán el razonamiento crítico y la articulación de ideas: informe breve de una aplicación real y su impacto (30%).

4 semanas

1. Tema 1: Beneficios y riesgos de la IA — Descripción corta: Ventajas como eficiencia y personalización frente a riesgos como desempleo estructural y violaciones de privacidad.
2. Tema 2: Impacto en empleo, sociedad y datos — Descripción corta: Efectos en el trabajo, educación y equidad, además de consideraciones de datos y privacidad.
3. Tema 3: Gobernanza, límites y mitigación — Descripción corta: Principios de ética, regulación, transparencia y estrategias para mitigar sesgos y riesgos.

• Actividad 1: Estudio de casos sobre beneficios y riesgos

  Descripción: Análisis de casos reales para identificar beneficios, riesgos y impactos sociales en distintos sectores. Discusión en grupos y elaboración de conclusiones.

  Puntos clave: beneficios, riesgos, diferencias contextuales, priorización de medidas de mitigación.

  Aprendizajes: capacidad de evaluar impactos y justificar decisiones ante un dilema ético o social.

• Actividad 2: Evaluación de sesgos y límites

  Descripción: Detección de sesgos y limites en ejemplos de IA; análisis de cómo estos sesgos pueden afectar decisiones y resultados.

  Puntos clave: sesgos de datos, transparencia, interpretabilidad y límites de implementación.

  Aprendizajes: reconocimiento de sesgos y desarrollo de estrategias de mitigación.

• Actividad 3: Propuesta de mitigación y gobernanza

  Descripción: Elaboración de un plan de mitigación para una scenario real, incluyendo políticas, prácticas de gobernanza y criterios de monitorización.

  Puntos clave: medidas técnicas y organizativas, ética, cumplimiento normativo.

  Aprendizajes: capacidad de diseñar medidas concretas para una implementación responsable.

• Evaluación de conocimiento: cuestionario sobre beneficios, riesgos y límites (25%).
• Evaluación de análisis crítico: revisión de casos y reflexión ética (35%).
• Evaluación de propuesta: diseño de plan de mitigación y gobernanza (40%).

4 semanas

1. Tema 1: Ética y privacidad en IA — Descripción corta: Principios éticos, consentimiento, sesgos, transparencia y derechos de los usuarios.
2. Tema 2: Planificación de la integración de IA — Descripción corta: Requisitos técnicos, gobernanza de datos, privacidad por diseño y evaluación de riesgos.
3. Tema 3: Documentación y cumplimiento — Descripción corta: Elaboración de informes de cumplimiento, políticas de seguridad y planes de respuesta a incidentes.

• Actividad 1: Auditar una herramienta digital existente

  Descripción: Análisis crítico de una app o plataforma educativa para identificar aspectos éticos, de privacidad y posibles mejoras con IA.

  Puntos clave: evaluación de datos, consentimiento, transparencia, impacto en usuarios.

  Aprendizajes: capacidad de detectar dilemas éticos y proponer mejoras respetuosas con la privacidad.

• Actividad 2: Diseño de un plan de integración ética

  Descripción: Desarrollo de un plan de integración de IA en una herramienta digital, incluyendo flujos de datos, gobernanza y medidas de seguridad.

  Puntos clave: flujo de datos, minimización de datos, consentimiento, seguridad.

  Aprendizajes: capacidad de planificar la implementación de IA de forma responsable y segura.

• Actividad 3: Informe de cumplimiento y seguridad

  Descripción: Elaboración de un informe que documente políticas, requisitos de privacidad, controles de seguridad y procedimientos ante incidentes.

  Puntos clave: cumplimiento normativo, protección de datos, planes de mitigación y respuesta.

  Aprendizajes: producción de documentación clara que apoye la implementación ética y segura de IA.

• Evaluación de ética y privacidad: análisis de casos y reflexión crítica (30%).
• Evaluación de plan de integración: diseño y razonamiento técnico (40%).
• Evaluación de informe de cumplimiento: documento final y presentaciones (30%).

4 semanas