Aprender IA no exige empezar por el código

Enseñar inteligencia artificial en secundaria no significa convertir cada clase en una introducción a la programación. El alumnado puede empezar por identificar dónde intervienen sistemas de IA, describir qué tarea realizan y discutir cómo pueden equivocarse. Comprender el sistema y sus efectos es un objetivo educativo distinto de construir uno desde cero.

Una forma útil de organizar el tema es combinar tres preguntas: qué información recibe un sistema, qué resultado produce y qué consecuencias tiene ese resultado para las personas. Así se evita reducir la IA al aprendizaje automático o a una lista de aplicaciones llamativas. El marco AI4K12 agrupa ideas relacionadas con percepción, representación y razonamiento, aprendizaje, interacción natural e impacto social; puede servir de mapa, no de programa obligatorio.

Day of AI ofrece actualmente actividades de alfabetización en IA que, según su sitio, pueden realizarse sin utilizar herramientas de IA. Esto permite separar el aprendizaje sobre el funcionamiento y los efectos de la tecnología de la necesidad de abrir una cuenta, cargar datos o usar un chatbot. No hace falta que el alumnado interactúe con un servicio externo para analizar conceptos centrales.

Objetivos observables para un grupo sin experiencia previa

Antes de preparar materiales, conviene decidir qué podrá demostrar el alumnado al terminar. En una secuencia introductoria, los objetivos pueden ser sencillos pero verificables: distinguir una regla escrita por una persona de un patrón aprendido a partir de ejemplos; explicar por qué los datos de entrenamiento importan; y justificar una decisión sobre el uso de un sistema en un contexto concreto.

La propuesta se dirige a secundaria y no presupone matemáticas avanzadas ni experiencia de programación. Se puede trabajar con ejemplos cotidianos —clasificar imágenes, recomendar contenidos o reconocer voz— sin presentar el resultado como inteligencia humana. El aprendizaje esperado es explicar y cuestionar, no dominar el vocabulario técnico ni afirmar que toda herramienta digital incorpora IA.

Una evaluación inicial de cinco minutos ayuda a ajustar el punto de partida. Pide al grupo que anote una situación en la que crea que hay IA, qué cree que entra al sistema y qué sale. Después, conserva esas respuestas para compararlas con una reflexión final. No hay que calificarlas como correctas o incorrectas de inmediato: sirven para descubrir ideas previas y aclarar términos.

Una secuencia flexible de seis sesiones

Puede realizarse en seis clases de 40 a 60 minutos, o dividirse en bloques más breves. Day of AI ofrece opciones que van desde una lección de 30 a 60 minutos hasta unidades más extensas; AI4K12 organiza su marco para distintos tramos de edad. El ritmo debe ajustarse al grupo y al tiempo real de clase.

Sesión 1: localizar la IA. En equipos, el alumnado clasifica ejemplos —un filtro de correo no deseado, una calculadora, un sistema de recomendaciones— y explica qué indicios le hacen pensar que hay IA. Se cierra distinguiendo automatización basada en reglas de sistemas que identifican patrones o generan resultados. El propósito no es forzar una respuesta única para cada ejemplo, sino argumentar qué información haría falta para clasificarlo.

Sesión 2: datos y patrones. Sin ordenador, entrega tarjetas con ejemplos ficticios de objetos o animales descritos por dos o tres características. Un grupo propone una regla para clasificarlos y otro prueba casos nuevos, incluidos ejemplos ambiguos. Luego se conversa sobre qué ejemplos faltan y cómo una selección distinta podría cambiar la regla. La actividad permite introducir, con palabras corrientes, entrenamiento, características y generalización.

Sesión 3: percepción y representación. Presenta un dibujo sencillo o una descripción verbal de una escena y pide que distintas parejas indiquen qué rasgos usarían para reconocerla. Compara qué información se conserva y qué se pierde al convertir una escena en categorías. La idea conecta con percepción y representación sin sugerir que el ordenador ve o entiende del mismo modo que una persona.

Sesión 4: errores y pruebas. Los equipos reciben casos nuevos para probar la regla de la segunda sesión: ejemplos frecuentes, poco habituales y difíciles de clasificar. Registran aciertos, errores y dudas, y proponen qué ejemplos adicionales podrían ayudar. No hace falta calcular métricas complejas para aprender que probar con casos distintos a los de práctica revela límites.

Sesión 5: impacto y decisiones. Cada grupo analiza un caso ficticio, como un sistema que recomienda recursos educativos o ayuda a ordenar solicitudes. Debe identificar quién se beneficia, quién podría quedar perjudicado, qué datos sería razonable usar y quién debería revisar una decisión discutible. El marco de AI4K12 incluye el impacto social como una de sus cinco ideas centrales; aquí se convierte en una conversación vinculada a decisiones concretas.

Sesión 6: explicar y revisar. El alumnado prepara una ficha, exposición breve o cartel que describa la tarea del sistema, los datos que necesitaría, una forma de ponerlo a prueba y un límite importante. Al final, vuelve a la respuesta inicial de la primera sesión y añade qué ha cambiado. El cierre valora la explicación razonada y la capacidad de revisar una idea, no la familiaridad con herramientas comerciales.

Datos, sesgos y privacidad sin usar información personal

Una actividad sobre datos no necesita recurrir a perfiles del alumnado, fotografías de compañeros ni historiales personales. Usa ejemplos inventados, tarjetas preparadas por el docente o conjuntos de datos educativos cuyos términos de uso permitan expresamente la actividad prevista. Si se emplean casos ficticios, indícalo: ayuda a que nadie confunda una simulación con un diagnóstico o una predicción real.

Para mostrar cómo una selección incompleta altera resultados, prepara dos grupos de tarjetas con distribución distinta de ejemplos y aplica la misma regla a ambos. Pregunta qué categorías están mejor representadas, qué casos no aparecen y quién definió las etiquetas. Un resultado puede parecer coherente y aun así reflejar los límites de los ejemplos con los que se construyó.

La conversación sobre privacidad también puede mantenerse fuera de plataformas: pide que los estudiantes propongan qué datos serían necesarios para una tarea y cuáles serían excesivos. Como norma de aula, no introduzcas información identificable en servicios externos y no solicites al alumnado que cree cuentas para completar una actividad introductoria. Si una herramienta resulta imprescindible, revisa antes sus condiciones, los requisitos de edad y las reglas de protección de datos aplicables en el centro.

Datos, sesgos y privacidad sin usar información personal Una actividad sobre datos no necesita recurrir a perfiles del alumnado, fotografías de compañeros ni historiales personales...
Ilustración editorial de BytePreview

Accesibilidad y adaptación al contexto del aula

Las actividades con papel, discusión oral y alternativas de respuesta escrita permiten trabajar los conceptos sin depender de conexión o de un dispositivo por estudiante. Para facilitar la participación, ofrece instrucciones por escrito y oralmente, define términos técnicos cuando aparezcan y permite que el grupo responda mediante texto, dibujo o explicación verbal. La alternativa sin pantalla forma parte de la planificación, no debería presentarse como una versión inferior.

Ajusta la complejidad de los ejemplos al tramo de edad y a la experiencia del grupo. En cursos iniciales, basta con comparar ejemplos y explicar una regla; en cursos superiores, se pueden añadir preguntas sobre representatividad, criterios de evaluación o consecuencias de automatizar una decisión. AI4K12 organiza sus ideas para distintos niveles escolares, mientras que Day of AI presenta actividades y cursos de diferente duración; son referencias para adaptar, no garantías de adecuación automática a cada aula.

Si se utilizan materiales externos, comprueba la página concreta del recurso, su idioma, el registro requerido y las condiciones de reutilización antes de repartirlo o modificarlo. Que una colección se describa como gratuita no demuestra que cada archivo pueda copiarse, traducirse o redistribuirse sin restricciones. Cuando las condiciones no estén claras, se puede diseñar una actividad propia inspirada en el concepto y citar el marco como referencia sin reproducir sus materiales.

Evaluar comprensión y elegir recursos con criterio

Una rúbrica breve puede valorar cuatro aspectos: si el estudiante describe la tarea del sistema; si identifica la importancia de los datos; si propone una prueba con ejemplos no vistos; y si señala un efecto o límite relevante. La escala puede ser «aún no», «parcialmente» y «con explicación», acompañada de una frase de retroalimentación. No se evalúa que el estudiante adivine qué herramienta comercial se usó.

Para cerrar, pide una respuesta individual a estas preguntas: ¿qué afirmación sobre la IA puedes explicar ahora?, ¿qué dato o prueba te faltaría para confiar en un resultado?, ¿qué decisión debería seguir bajo revisión humana? La alfabetización en IA incluye entender usos e impactos, no solo producir código.

Como punto de partida, Day of AI presenta actividades y rutas para distintos tiempos de enseñanza; MIT RAISE describe su trabajo de apoyo a educación K-12; y AI4K12 ofrece las cinco grandes ideas y materiales de referencia. Comprueba la vigencia y el público de cada recurso antes de incorporarlo y no des por supuestas licencias o condiciones de acceso que no estén indicadas en la ficha concreta.