Inteligencia Artificial Generativa en los Procesos de Diseño Curricular

1. Introducción a la Inteligencia Artificial Generativa (IAG)

• Definición de inteligencia artificial generativa: explicación clara del concepto y su diferencia con otros tipos de IA.
• Historia y evolución de la IAG: breve recorrido desde sus orígenes hasta la actualidad.
• Importancia de la IAG en la educación y el diseño curricular.

2. Tipos y características principales de la Inteligencia Artificial Generativa

• Modelos basados en redes generativas adversariales (GANs): estructura y aplicaciones básicas.
• Modelos de difusión y autoencoders variacionales (VAE): fundamentos y diferencias.
• Modelos de lenguaje generativo (ejemplo: GPT, BERT): características y funcionalidad.
• Principales características de cada tipo: capacidad creativa, calidad de output, requerimientos computacionales.

3. Funcionamiento de los modelos de Inteligencia Artificial Generativa

• Arquitectura general de un modelo generativo: componentes y flujo de datos.
• Proceso de entrenamiento: recopilación de datos, aprendizaje supervisado y no supervisado.
• Generación de contenido: cómo el modelo produce resultados nuevos y originales.
• Evaluación y ajuste de modelos generativos: métricas de calidad y retroalimentación.

4. Aplicaciones de la Inteligencia Artificial Generativa en el ámbito educativo

• Ejemplos prácticos en diseño curricular: generación automática de materiales, personalización de contenidos, simulaciones y actividades interactivas.
• Casos de estudio relevantes: análisis de experiencias concretas en universidades y centros educativos.
• Impacto en el diseño curricular: ventajas, retos y consideraciones éticas.

5. Comparación de diferentes tipos de Inteligencia Artificial Generativa en contextos educativos

• Ventajas y limitaciones de cada tipo de modelo en la educación.
• Factores para seleccionar un modelo adecuado según el objetivo educativo.
• Implicaciones para el futuro del diseño curricular y la integración tecnológica.

Actividad 1: Mapa conceptual de los conceptos básicos y tipos de IAG

Objetivo: Definir conceptos básicos y tipos de IAG, identificando sus características principales.

Descripción:

• Los estudiantes investigan brevemente los principales tipos de IAG.
• En grupos de tres, elaboran un mapa conceptual que integre definiciones, tipos y características.
• Presentan el mapa y explican las relaciones entre conceptos.

Organización: Grupos de tres.

Producto esperado: Mapa conceptual digital o en papel.

Duración estimada: 90 minutos.

Actividad 2: Análisis guiado del funcionamiento de un modelo generativo

Objetivo: Describir el funcionamiento de los modelos de IAG, explicando sus procesos fundamentales.

Descripción:

• Se proporciona a los estudiantes un diagrama simplificado de un modelo GAN o GPT.
• Individualmente, analizan y describen paso a paso cómo funciona el modelo.
• En sesión plenaria, discuten las respuestas para consolidar el conocimiento.

Organización: Individual y plenaria.

Producto esperado: Resumen escrito del proceso de funcionamiento.

Duración estimada: 60 minutos.

Actividad 3: Estudio de casos sobre IAG en el diseño curricular

Objetivo: Analizar ejemplos y casos relevantes de aplicación de IAG en educación evaluando su impacto.

Descripción:

• Se asignan diversos casos reales de aplicación de IAG en entornos educativos.
• En parejas, los estudiantes leen y analizan el caso, identificando ventajas, desafíos y resultados.
• Preparan un informe breve que incluya una evaluación crítica del impacto en el diseño curricular.

Organización: Parejas.

Producto esperado: Informe escrito y presentación oral breve.

Duración estimada: 120 minutos.

Actividad 4: Debate comparativo sobre tipos de IAG en educación

Objetivo: Comparar diferentes tipos de IAG, determinando ventajas y limitaciones en contextos educativos.

Descripción:

• Se divide a la clase en grupos; cada grupo defiende un tipo específico de IAG.
• Preparan argumentos sobre ventajas y limitaciones de su tipo de modelo.
• Realizan un debate moderado donde confrontan sus posturas.
• Concluyen con una reflexión conjunta sobre la selección de modelos en educación.

Organización: Grupos pequeños y plenaria.

Producto esperado: Argumentos escritos y síntesis final grupal.

Duración estimada: 90 minutos.

Evaluación diagnóstica

Qué se evalúa: Conocimientos previos sobre inteligencia artificial y comprensión básica de conceptos relacionados.

Cómo se evalúa: Cuestionario breve en línea con preguntas de opción múltiple y verdadero/falso.

Instrumento sugerido: Plataforma de evaluación digital o formulario Google Forms.

Evaluación formativa

Qué se evalúa: Progreso en la comprensión de conceptos, capacidad analítica y aplicación práctica durante las actividades.

Cómo se evalúa: Revisión de mapas conceptuales, resúmenes analíticos y participación en debates y discusiones.

Instrumento sugerido: Rúbricas de evaluación para mapas conceptuales, informes escritos y participación verbal.

Evaluación sumativa

Qué se evalúa: Dominio integral de los conceptos, funcionamiento de modelos, análisis crítico de casos y comparación fundamentada de tipos de IAG.

Cómo se evalúa: Examen escrito con preguntas abiertas y análisis de caso; presentación oral individual o grupal.

Instrumento sugerido: Examen diseñado por el docente y rúbrica para evaluación de presentaciones.

La unidad "Fundamentos de la Inteligencia Artificial Generativa" se sugiere desarrollar en un total de 12 horas distribuidas en 4 sesiones de 3 horas cada una. La primera sesión estará dedicada a la introducción y tipos de IAG, la segunda al funcionamiento de los modelos, la tercera al análisis de aplicaciones y casos educativos, y la cuarta a la comparación de tipos y actividades de debate y síntesis.

1. Introducción a la IA Generativa en el Diseño Curricular

• Concepto y fundamentos de la inteligencia artificial generativa aplicada al diseño curricular: definición, principios básicos y tecnologías involucradas.
• Panorama actual y tendencias emergentes en el uso de IA generativa en educación y diseño curricular.

2. Beneficios y Desafíos de la IA Generativa en el Diseño Curricular

• Identificación y análisis de beneficios: personalización del aprendizaje, eficiencia en la creación curricular, actualización continua de contenidos, entre otros.
• Desafíos y limitaciones: sesgos algorítmicos, dependencia tecnológica, calidad y validez pedagógica, aspectos éticos y de privacidad.
• Estudios de casos reales que ejemplifican los beneficios y desafíos en contextos educativos diversos.

3. Herramientas de IA Generativa Aplicadas al Diseño Curricular

• Revisión y análisis de herramientas específicas: características, funcionalidades y aplicaciones prácticas en el diseño curricular (por ejemplo, ChatGPT, herramientas de generación automática de contenidos, plataformas de análisis de datos educativos).
• Criterios para la selección y evaluación crítica de herramientas de IA generativa en función de necesidades institucionales y curriculares.

4. Diseño de Propuestas Curriculares Integrando IA Generativa

• Metodologías para incorporar soluciones de IA generativa en el diseño curricular con enfoque innovador.
• Aspectos éticos y de responsabilidad institucional en el uso de IA en educación: gestión de datos, transparencia, equidad y accesibilidad.
• Elaboración de propuestas curriculares que integren IA generativa, considerando objetivos de aprendizaje, competencias y evaluación formativa.

5. Modelos y Enfoques de Uso de IA Generativa en la Educación

• Comparación de diferentes modelos de implementación de IA generativa en contextos educativos (centralizado, descentralizado, híbrido).
• Impacto en la mejora curricular: análisis de resultados y evidencias en diferentes niveles y modalidades educativas.
• Reflexiones y perspectivas futuras sobre el rol de la IA generativa en el diseño curricular.

Actividad 1: Análisis de Estudios de Caso sobre Beneficios y Desafíos de la IA Generativa

Objetivo: Analizar los beneficios y desafíos de la inteligencia artificial generativa en los procesos de diseño curricular mediante estudios de casos reales.

Descripción:

• Se proporcionará a los estudiantes varios estudios de caso reales sobre la aplicación de IA generativa en diseño curricular.
• En equipos, analizarán cada caso identificando los beneficios alcanzados y los desafíos enfrentados.
• Prepararán una presentación que sintetice sus hallazgos, proponiendo posibles soluciones a los desafíos detectados.

Organización: Grupos pequeños (3-4 integrantes)

Producto esperado: Presentación grupal con análisis crítico y propuestas de mejora.

Duración estimada: 2 horas

Actividad 2: Evaluación Comparativa de Herramientas de IA Generativa

Objetivo: Evaluar herramientas de IA generativa aplicadas al diseño curricular, identificando sus características y funcionalidades específicas.

Descripción:

• Los estudiantes seleccionarán dos o tres herramientas de IA generativa disponibles para el diseño curricular.
• Realizarán una investigación guiada sobre las características, funcionalidades, ventajas y limitaciones de cada herramienta.
• Elaborarán un cuadro comparativo y un informe breve recomendando la herramienta más adecuada para un contexto educativo definido.

Organización: Individual o parejas

Producto esperado: Cuadro comparativo e informe escrito.

Duración estimada: 3 horas

Actividad 3: Diseño de Propuesta Curricular con Integración de IA Generativa

Objetivo: Diseñar propuestas curriculares que integren soluciones de IA generativa, aplicando criterios de innovación y responsabilidad ética institucional.

Descripción:

• En grupos, los estudiantes seleccionarán un área o nivel educativo para desarrollar una propuesta curricular.
• Incorporarán herramientas y estrategias de IA generativa que potencien los objetivos de aprendizaje y la evaluación formativa.
• Considerarán aspectos éticos como privacidad, equidad y transparencia en su diseño.
• Presentarán la propuesta con justificación pedagógica y tecnológica.

Organización: Grupos de 4-5 estudiantes

Producto esperado: Documento de propuesta curricular y presentación oral o multimedia.

Duración estimada: 4 horas

Actividad 4: Debate y Reflexión sobre Modelos y Enfoques de Uso de IA Generativa

Objetivo: Comparar diferentes enfoques y modelos de uso de IA generativa en la educación para determinar su impacto en la mejora curricular.

Descripción:

• Se dividirá la clase en dos o más grupos, cada uno defendiendo un modelo o enfoque diferente de implementación de IA generativa.
• Prepararán argumentos basados en evidencias y ejemplos para sustentar su posición.
• Realizarán un debate estructurado seguido de una reflexión escrita individual sobre las conclusiones y perspectivas futuras.

Organización: Grupos y trabajo individual

Producto esperado: Participación en debate y reflexión escrita individual.

Duración estimada: 2 horas

Evaluación Diagnóstica

Qué se evalúa: Conocimientos previos sobre IA generativa y diseño curricular, así como percepciones iniciales sobre sus aplicaciones y desafíos.

Cómo se evalúa: Cuestionario en línea o en papel con preguntas abiertas y de opción múltiple que indagan conceptos básicos y opiniones.

Instrumento sugerido: Test diagnóstico inicial con 10 preguntas.

Evaluación Formativa

Qué se evalúa: Progreso en el análisis crítico, evaluación de herramientas, diseño de propuestas y capacidad argumentativa en debates.

Cómo se evalúa: Revisión continua de productos parciales (análisis de casos, cuadros comparativos, borradores de propuestas), observación y retroalimentación en actividades grupales y debates.

Instrumento sugerido: Rúbricas de evaluación para presentaciones, informes escritos y participación en debate.

Evaluación Sumativa

Qué se evalúa: Integración y aplicación de conocimientos en el diseño de propuestas curriculares con IA generativa, análisis crítico y comparación de modelos.

Cómo se evalúa: Entrega final de propuesta curricular completa con justificación, presentación oral y reflexión escrita individual.

Instrumento sugerido: Rúbrica detallada que contemple innovación, ética, coherencia pedagógica y calidad argumentativa.

La unidad tiene una duración sugerida de 2 semanas, con una dedicación total aproximada de 13 horas distribuidas de la siguiente manera:

• Semana 1: 6 horas para introducción, análisis de casos y evaluación de herramientas (incluye actividades 1 y 2).
• Semana 2: 7 horas para diseño de propuestas, debate y evaluación sumativa (incluye actividades 3 y 4, y entrega final).

Se recomienda combinar sesiones presenciales o síncronas con trabajo autónomo y colaborativo en línea para optimizar el aprendizaje.

1. Introducción a la ética en el uso de la inteligencia artificial en educación

• Concepto de ética y su importancia en la tecnología educativa: Se abordarán los fundamentos éticos básicos y su relevancia en el contexto de la IA aplicada a la educación.
• Principios éticos fundamentales aplicados a la IA: justicia, transparencia, responsabilidad, privacidad, autonomía y no maleficencia.
• Panorama general sobre la inteligencia artificial generativa y sus implicaciones en el diseño curricular: definición, características y ámbitos de aplicación.

2. Normativas y políticas institucionales relacionadas con el uso de IA en contextos educativos

• Revisión de marcos regulatorios nacionales e internacionales sobre IA en educación: análisis de leyes, directrices y recomendaciones relevantes.
• Políticas institucionales y códigos de conducta: estudio de ejemplos concretos en universidades y centros educativos.
• Implicaciones legales y éticas en la implementación de IA generativa: protección de datos, derechos de autor, sesgos algorítmicos y responsabilidad institucional.

3. Análisis y evaluación ética de casos prácticos en la aplicación de IA generativa en educación

• Metodologías para la evaluación ética de tecnologías educativas: modelos de análisis de riesgos y beneficios.
• Estudio de casos reales y simulados: identificación de dilemas éticos en el uso de IA generativa para diseño curricular.
• Identificación y mitigación de riesgos éticos: discriminación, pérdida de autonomía, desinformación y dependencia tecnológica.

4. Diseño de estrategias para el uso crítico y responsable de la IA en procesos curriculares

• Aplicación de principios éticos y lineamientos institucionales para la elaboración de estrategias educativas.
• Herramientas y recursos para promover un uso responsable de la IA en el diseño curricular.
• Desarrollo de criterios para la selección y evaluación de tecnologías de IA generativa en educación.

5. Elaboración de un código de buenas prácticas para el uso de IA generativa en el diseño curricular

• Elementos clave de un código de buenas prácticas: transparencia, equidad, privacidad, inclusión y responsabilidad.
• Proceso de construcción colaborativa de un código institucional: roles, participación y validación.
• Integración del código en la gestión curricular y seguimiento de su cumplimiento.

Actividad 1: Debate sobre principios éticos en IA educativa

Objetivo: Analizar las normativas y políticas institucionales relacionadas con el uso de IA en educación identificando sus implicaciones éticas.

Descripción:

• Dividir la clase en grupos pequeños.
• Asignar a cada grupo un principio ético (transparencia, justicia, privacidad, etc.).
• Investigar brevemente normativas y ejemplos relacionados con ese principio en IA educativa.
• Preparar argumentos a favor y en contra de ciertos usos de IA desde la perspectiva ética asignada.
• Realizar un debate guiado donde cada grupo exponga y defienda su posición.

Organización: Grupos de 4-5 estudiantes.

Producto esperado: Informe breve con conclusiones y reflexiones éticas.

Duración estimada: 2 horas.

Actividad 2: Análisis de casos prácticos de IA generativa en educación

Objetivo: Evaluar casos prácticos de aplicación de IA generativa en educación, determinando riesgos éticos y proponiendo soluciones responsables.

Descripción:

• Presentar a los estudiantes varios casos reales o simulados donde se utilice IA generativa en procesos educativos.
• En grupos, identificar los riesgos éticos presentes en cada caso (por ejemplo, sesgo, falta de consentimiento, impacto en la autonomía).
• Proponer soluciones o recomendaciones para mitigar dichos riesgos respetando las normativas vigentes.
• Compartir y discutir las propuestas con toda la clase.

Organización: Grupos de 3-4 estudiantes.

Producto esperado: Presentación grupal y reporte escrito con análisis y propuestas.

Duración estimada: 3 horas.

Actividad 3: Diseño de estrategias para un uso crítico y responsable de la IA en diseño curricular

Objetivo: Aplicar principios éticos y lineamientos institucionales para diseñar estrategias de uso crítico y responsable de la IA en procesos curriculares.

Descripción:

• Individualmente o en parejas, desarrollar una propuesta de estrategia para incorporar IA generativa en el diseño curricular de una asignatura o programa educativo.
• La estrategia debe incluir principios éticos, medidas de control y criterios para uso responsable.
• Exponer la propuesta al grupo para retroalimentación y discusión.

Organización: Individual o parejas.

Producto esperado: Documento de estrategia y exposición oral.

Duración estimada: 2 horas.

Actividad 4: Elaboración colaborativa de un código de buenas prácticas para el uso de IA generativa en diseño curricular

Objetivo: Elaborar un código de buenas prácticas sustentado en normativas éticas y políticas educativas vigentes para el uso de IA generativa en diseño curricular.

Descripción:

• Dividir a los estudiantes en grupos, asignando a cada uno la responsabilidad de redactar una sección del código (transparencia, privacidad, equidad, responsabilidad, etc.).
• Cada grupo investiga, discute y redacta su sección basándose en normativas y principios éticos estudiados.
• Reunir todas las secciones, revisar en plenaria y consensuar el documento final.
• Presentar el código y discutir su implementación en contextos reales.

Organización: Grupos de 4-5 estudiantes.

Producto esperado: Código de buenas prácticas completo y consensuado.

Duración estimada: 4 horas (incluyendo revisión y presentación).

Evaluación Diagnóstica

Qué se evalúa: Conocimientos previos sobre ética, normativas y uso de IA en educación.

Cómo se evalúa: Cuestionario de opción múltiple y preguntas abiertas rápidas para identificar comprensión inicial.

Instrumento sugerido: Test digital o en papel con 10-15 preguntas breves.

Evaluación Formativa

Qué se evalúa: Progreso en el análisis ético, participación en actividades colaborativas y capacidad para aplicar principios éticos.

Cómo se evalúa: Observación directa, revisión de informes de actividades, retroalimentación en debates y propuestas de estrategias.

Instrumento sugerido: Rúbricas para análisis de casos, participación y calidad de propuestas escritas y orales.

Evaluación Sumativa

Qué se evalúa: Integración y aplicación de conocimientos para elaborar el código de buenas prácticas y estrategias responsables.

Cómo se evalúa: Evaluación del código de buenas prácticas final, presentación oral y defensa de propuestas.

Instrumento sugerido: Rúbrica de evaluación que incluya criterios de contenido, coherencia ética, fundamentación normativa, claridad y aplicabilidad.

La unidad está diseñada para ser desarrollada en aproximadamente 13 horas distribuidas en 4 semanas. Se recomienda la siguiente distribución:

• Semana 1: Introducción a la ética en IA y normativas (3 horas).
• Semana 2: Análisis de casos prácticos y debate (3 horas).
• Semana 3: Diseño de estrategias para uso responsable (2 horas).
• Semana 4: Elaboración y presentación del código de buenas prácticas (5 horas).

Esta distribución permite un aprendizaje progresivo con actividades prácticas y espacios para reflexión y discusión.

1. Introducción a la Integración de IA Generativa en el Diseño Curricular

• Definición y características de la IA generativa en el contexto educativo.
• Importancia de la IA generativa para la innovación en procesos curriculares.
• Panorama actual y tendencias en el uso de IA generativa en educación superior.

2. Diseño de Propuestas Curriculares con IA Generativa

• Identificación de necesidades educativas susceptibles de mejora con IA generativa.
• Integración de herramientas de IA generativa en objetivos y contenidos curriculares.
• Incorporación de criterios de innovación educativa y pensamiento crítico en el diseño curricular.
• Ejemplos prácticos de propuestas curriculares que utilizan IA generativa.

3. Estrategias Éticas y Responsables para la Integración de IA Generativa

• Principios éticos en el uso de IA generativa en educación.
• Lineamientos institucionales y normativas para la integración de IA en el diseño curricular.
• Prevención de sesgos y promoción de la equidad mediante IA generativa.
• Consideraciones sobre privacidad, seguridad y propiedad intelectual.

4. Evaluación de Herramientas de IA Generativa para Diseño Curricular

• Características y funcionalidades de diversas herramientas de IA generativa aplicadas a la educación.
• Análisis comparativo de ventajas y limitaciones de cada herramienta.
• Criterios para la selección adecuada de herramientas en función de objetivos curriculares.
• Justificación académica y pedagógica para la elección de herramientas específicas.

5. Elaboración de Planes de Implementación con IA Generativa

• Diseño de planes estratégicos para la incorporación de IA generativa en la práctica educativa.
• Consideración del impacto en el aprendizaje y la participación estudiantil.
• Medición y evaluación de resultados de la implementación.
• Gestión del cambio y capacitación docente para el uso efectivo de IA generativa.

1. Análisis y Diseño de Propuesta Curricular con IA Generativa

Objetivo: Diseñar propuestas curriculares que incorporen herramientas de IA generativa, integrando criterios de innovación educativa y pensamiento crítico.

Descripción:

• Los estudiantes eligen un área temática o asignatura de su interés.
• Realizan un diagnóstico de necesidades educativas específicas.
• Diseñan una propuesta curricular que incluya al menos una herramienta de IA generativa, describiendo cómo se integran los criterios de innovación y pensamiento crítico.
• Presentan su propuesta con un esquema detallado y justificado.

Organización: Individual o en parejas.

Producto esperado: Documento con la propuesta curricular y presentación breve.

Duración estimada: 3 horas.

2. Debate Ético sobre la Integración de IA Generativa en Educación

Objetivo: Analizar estrategias para la integración ética y responsable de la IA generativa en procesos de diseño curricular.

Descripción:

• Se divide la clase en grupos y se asignan distintos escenarios o dilemas éticos relacionados con IA generativa.
• Cada grupo analiza su caso, identifica riesgos y propone estrategias éticas y responsables.
• Realizan un debate abierto para confrontar ideas y llegar a conclusiones comunes.
• Se elabora un resumen grupal con recomendaciones basadas en lineamientos institucionales.

Organización: Grupos de 4-5 estudiantes.

Producto esperado: Informe con estrategias éticas y resumen del debate.

Duración estimada: 2.5 horas.

3. Evaluación Comparativa de Herramientas de IA Generativa

Objetivo: Evaluar ventajas y limitaciones de distintas herramientas de IA generativa en el contexto del diseño curricular.

Descripción:

• Se asignan varias herramientas de IA generativa (ej. ChatGPT, DALL·E, herramientas de generación de contenidos, simuladores).
• Los estudiantes investigan funcionalidades, usos, ventajas y limitaciones de cada herramienta.
• Elaboran una matriz comparativa que incluya criterios pedagógicos, técnicos y éticos.
• Justifican la elección de la herramienta más adecuada para un caso específico de diseño curricular.

Organización: Individual o en parejas.

Producto esperado: Matriz comparativa y justificación escrita.

Duración estimada: 3 horas.

4. Planificación de Implementación de IA Generativa en una Propuesta Educativa

Objetivo: Elaborar planes de implementación que fomenten la innovación educativa mediante el uso de IA generativa, considerando el impacto en el aprendizaje y la participación estudiantil.

Descripción:

• Partiendo de una propuesta curricular, los estudiantes diseñan un plan de implementación detallado.
• Incluyen objetivos, actividades, recursos, cronograma, indicadores de impacto y estrategias de evaluación.
• Consideran factores de capacitación docente, adaptación tecnológica y gestión del cambio.
• Presentan el plan con énfasis en la innovación y el impacto esperado.

Organización: Grupos de 3-4 estudiantes.

Producto esperado: Plan de implementación por escrito y presentación oral.

Duración estimada: 4 horas.

Evaluación Diagnóstica

Qué se evalúa: Conocimientos previos sobre IA generativa, diseño curricular, ética y herramientas tecnológicas.

Cómo se evalúa: Cuestionario de opción múltiple y preguntas abiertas sobre conceptos básicos y percepciones.

Instrumento sugerido: Test en línea o en papel con retroalimentación inmediata.

Evaluación Formativa

Qué se evalúa: Progreso en el diseño de propuestas curriculares, análisis ético, evaluación de herramientas y planificación de implementación.

Cómo se evalúa: Revisión y retroalimentación continua de actividades prácticas, participación en debates y entregas parciales.

Instrumento sugerido: Rúbricas para propuestas, informes y presentaciones; observación y registro de participación.

Evaluación Sumativa

Qué se evalúa: Competencia para diseñar propuestas integrales con IA generativa, aplicar criterios éticos, seleccionar herramientas justificadamente y elaborar planes de implementación efectivos.

Cómo se evalúa: Evaluación final que integra un proyecto de diseño curricular completo con presentación oral y defensa ante el grupo.

Instrumento sugerido: Rúbrica de evaluación integral que considere contenido, justificación, innovación, ética y viabilidad del plan.

La unidad se sugiere impartir en un periodo total de 3 semanas, con una dedicación estimada de 12 horas distribuidas de la siguiente manera:

• Semana 1 (4 horas): Introducción a la IA generativa y diseño de propuestas curriculares (temas 1 y 2), con la actividad 1.
• Semana 2 (4 horas): Estrategias éticas y evaluación de herramientas (temas 3 y 4), con actividades 2 y 3.
• Semana 3 (4 horas): Elaboración y presentación de planes de implementación (tema 5), con actividad 4 y evaluación sumativa.

Este cronograma permite combinar sesiones teóricas, análisis crítico y trabajo práctico para lograr los objetivos de aprendizaje.