Fundamentos de la inteligencia artificial en educación

1. Tema 1: Conceptos clave de IA, ML y DL

   Descripción corta: acquaintación conceptual para distinguir IA, ML y DL y entender sus diferencias y similitudes en contextos educativos.

   1. Definiciones básicas de IA, ML y DL
   2. Diferencias y relaciones entre los tres conceptos
   3. Ejemplos educativos representativos de cada enfoque
2. Tema 2: Aplicaciones educativas de IA

   Descripción corta: revisión de usos prácticos de IA en educación y su impacto en aprendizaje, enseñanza y analítica de datos.

   1. Tutoría adaptativa y personalización del aprendizaje
   2. Analítica de aprendizaje y retroalimentación automatizada
   3. Evaluación asistida por IA y generación de informes
3. Tema 3: Consideraciones básicas de IA responsable

   Descripción corta: introducción a la ética y la gobernanza de IA en educación, incluyendo privacidad, sesgo y transparencia.

   1. Privacidad de datos y protección
   2. Sosgos de sesgo y equidad
   3. Transparencia, explicabilidad y primeras prácticas de mitigación

• Actividad 1: Construcción de un glosario conceptual – Descripción: los estudiantes identifican y formulan definiciones clave de IA, ML y DL y las sitúan en un mapa conceptual. Tema: fundamentos conceptuales. Puntos clave: vocabulario preciso, diferencias claras, ejemplos educativos. Aprendizajes: capacidad de definir y distinguir conceptos y explicar su relación en educación.
• Actividad 2: Análisis de caso breve – Descripción: análisis guiado de un caso real o hipotético de IA en educación (p. ej., tutoría adaptativa). Tema: aplicaciones. Puntos clave: funciones, datos utilizados, beneficios y limitaciones. Aprendizajes: interpretación crítica de una solución de IA y reconocimiento de beneficios y riesgos.
• Actividad 3: Debate guiado sobre ética básica – Descripción: debate estructurado sobre privacidad, sesgo y transparencia en herramientas de IA educativa. Tema: consideraciones éticas. Puntos clave: argumentos a favor/en contra, recomendaciones responsables. Aprendizajes: habilidades argumentativas y valoración de impactos éticos.

La evaluación se alinea con el objetivo general y los objetivos específicos de la unidad, combinando comprensión conceptual, análisis crítico y reflexión ética.

• Cuestionario corto de conceptos para verificar la identificación y distinción entre IA, ML y DL.
• Informe breve de análisis de una aplicación educativa de IA (1500–2000 palabras o equivalente en formato de póster/infografía) que describa finalidad, datos, beneficios y riesgos.
• Rúbrica de participación y reflexión en debates sobre ética (privacidad, sesgo y transparencia).

4 semanas

1. Tema 1: Comunicación clara de conceptos complejos de IA educativa

   Descripción corta: optimizar el lenguaje, estructuras y apoyos visuales para hacer accesibles conceptos técnicos sin perder rigor.

   1. Principios de lenguaje claro y accesible
   2. Organización de mensajes y estructuras de explicaciones
   3. Selección de ejemplos y analogías adecuadas para audiencias diversas
2. Tema 2: Diseño de materiales didácticos y presentaciones

   Descripción corta: diseño de materiales (infografías, guiones, pósteres, micro-lecciones) y presentaciones que acompañen la explicación de IA educativa.

   1. Guionización de presentaciones y secuenciación de ideas
   2. Elementos visuales y didácticos (infografías, diagramas, ejemplos)
   3. Evaluación de comprensión y retroalimentación efectiva
3. Tema 3: Principios, riesgos y beneficios; gobernanza y ética

   Descripción corta: presentar de forma equilibrada los beneficios y riesgos de IA en educación, e incluir recomendaciones de uso responsable.

   1. Identificación de beneficios y posibles riesgos
   2. Marco de gobernanza y buenas prácticas
   3. Propuestas de implementación responsables en contextos escolares

• Actividad 1: Taller de lenguaje accesible – Descripción: adaptar un texto técnico sobre IA educativa a tres audiencias distintas (docentes, estudiantes, padres) y evaluar claridad y rigor. Tema: comunicación clara. Puntos clave: simplificación, precisión, tono. Aprendizajes: capacidad de adaptar mensajes y mantener rigor conceptual.
• Actividad 2: Diseño de material didáctico – Descripción: crear una infografía y un micro-curso (guion y diapositivas) que expliquen un principio de IA educativa y sus implicaciones. Tema: diseño didáctico. Puntos clave: visualización de datos, coherencia pedagógica, accesibilidad. Aprendizajes: producción de materiales didácticos útiles y atractivos.
• Actividad 3: Informe y presentación – Descripción: redactar un informe breve y preparar una presentación de 8–10 minutos para una audiencia simulada, abordando principios, riesgos y beneficios. Tema: comunicación formal. Puntos clave: estructura de informe, claridad oral, apoyo visual. Aprendizajes: habilidad de sintetizar información y comunicar de forma persuasiva y rigurosa.
• Actividad 4: Diagnóstico y recomendación – Descripción: analizar un caso real o hipotético de IA educativa y proponer recomendaciones de implementación responsable para una institución educativa. Tema: análisis aplicado. Puntos clave: evaluación de contexto, sesgos, privacidad. Aprendizajes: razonamiento crítico y formulación de recomendaciones claras.

La evaluación de la unidad se orienta a las capacidades de comunicación, diseño de materiales y análisis crítico.

• Evaluación formativa: revisión de borradores de informes, guiones y materiales didácticos con retroalimentación orientada a claridad y rigor.
• Evaluación sumativa: entrega de un informe escrito (3–4 páginas) + presentación oral (10 minutos) + un conjunto de materiales didácticos (infografía, glosario o micro-lección).
• Rúbulas de presentación y de materiales didácticos que consideren claridad, precisión conceptual, adecuación al público y uso ético de la IA.

4 semanas