Creación digital y

pensamiento computacional
U7. Ciencia de datos e
inteligencia artificial
Blanca Azucena Luque Jarava
 Metodología
01 Introducción
04 Planificación, actividades
Justificación y recursos

Atención a la
02 Contexto 05 diversidad

03 Objetivos 06 Evaluación
 1. INTRODUCCIÓN
Ciencia de datos e inteligencia artificial: una
visión crítica
Pensamiento crítico
siones
1 2 s e
- Comprender el impacto en
la sociedad

Inteligencia artificial
- Conocer los principios
Ciencia de datos - Construcción de un
- Aspectos agente inteligente
fundamentales
 2. CONTEXTO: I.E.S Padre Luis Coloma

Clase Profesorado
- Alumnado de otros países -> favorecer la integración
- 91 profesores (56 plaza definitiva) -> relativa estabilidad
(trabajos grupales)
- Claustro viejo -> Reticencia a la innovación y jubilaciones
- Asignatura optativa 1º bachillerato -> probablemente anuales -> favorecer la innovación en la asignatura
tengan conocimientos y motivación (no asumir) Centro
- Avenida Álvaro Domecq, Jerez de la Fra.
- Zona importante social, cultural y
económicamente
- Aulas TIC equipadas con ordenadores (algunas
un poco pequeñas -> limita el número de
alumnado)
Marco legislativo - Tiene una biblioteca con ordenadores (se puede Nivel socio-cultural
acceder por la tarde)
- BOE Real Decreto 243/2022 - Diversidad económica y social
- BOJA Instrucción 13/2022, de 23 de junio - 40 % familias con estudios universitarios
- Proyecto educativo del centro del I.E.S - 35% familias de estudios de nivel medio
Padre Luis Coloma - 25% familias de obreros no cualificados
 Objetivos: Indicadores O1
Indicadores

1. Conocer los aspectos

30 % fundamentales de la Ciencia de
Datos y su impacto 1.1 Conocer qué es el Big Data
1.2 Entender las diferentes características del Big Data: velocidad,
2. Comprender los principios variabilidad y volumen
básicos de funcionamiento de
la IA y su impacto
1.3 Clasificar los datos cuantitativos, cualitativos y metadatos
1.4 Utilizar herramientas de visualización para recoger, analizar y
3. Ser capaz de construir un generar datos
agente inteligente que emplee
técnicas de aprendizaje 1.5 Analizar los datos y ser capaz de inferir la veracidad de los
automático mismo
1.6 Evaluar el impacto del big data en la sociedad actual
4. Trabajar el pensamiento
crítico y la ciudadanía digital
 Objetivos: Indicadores O2
Indicadores

1. Conocer los aspectos

fundamentales de la Ciencia de
Datos y su impacto

2.1 Conocer qué es la IA

2. Comprender los principios
30 % básicos de funcionamiento de
la IA y su impacto
3. Ser capaz de construir un
agente inteligente que emplee
técnicas de aprendizaje
automático
2.2 Conocer la historia de la IA
2.3 Resumir en qué consiste el Test de Turing
2.4 Identificar los diferentes usos de la IA
2.5 Analizar cuestiones éticas vinculadas a la IA
2.6 Evaluar el impacto de la IA en la sociedad

4. Trabajar el pensamiento
crítico y la ciudadanía digital
 Objetivos: Indicadores 03
Indicadores

1. Conocer los aspectos

fundamentales de la Ciencia de
Datos y su impacto
3.1 Conocer qué es el aprendizaje automático
3.2 Identificar distintos tipos de agente inteligentes
2. Comprender los principios
básicos de funcionamiento de 3.3 Conoce distintos tipos de técnicas de aprendizaje
la IA y su impacto automático
3. Ser capaz de construir un
3.4 Aplicar técnicas de aprendizaje automático en la
20 % agente inteligente que emplee construcción de un agente inteligente
técnicas de aprendizaje 3.4 Diseñar un agente inteligente para la resolución de un
automático
problema
4. Trabajar el pensamiento
crítico y la ciudadanía digital
 Objetivos: Indicadores O4
Indicadores

1. Conocer los aspectos

fundamentales de la Ciencia de
Datos y su impacto
4.1 Conocer distintas técnicas de análisis
4.2 Saber buscar información en internet de manera fiable
2. Comprender los principios
básicos de funcionamiento de 4.3 Explicar los enunciados o la información que recibe
la IA y su impacto desde un punto de vista crítico
3. Ser capaz de construir un
4.4 Interpretar la información mediante el análisis y
agente inteligente que emplee contraste de datos
técnicas de aprendizaje 4.5 Ser capaz de crear una opinión propia sobre diferentes
automático
temáticas
20 % 4. Trabajar el pensamiento
crítico y la ciudadanía digital
 Objetivos: niveles de logro
Ogro de piedra Ogro de las cavernas
- Conoce las características y los -
tipos de datos del Big Data.
- Conoce la historia de la IA, sus
- Conoce qué es el Big
distintos usos y cuestiones
Data y la inteligencia
éticas
artificial - Conoce qué es el aprendizaje
automático
1 2
Ogro erectus Ogro manitas
Busca de manera crítica en
internet y evalúa el impacto de la IA
- Identifica tipos de agentes
y la ciencia de datos en la
inteligentes y técnicas de
sociedad (basado en su
aprendizaje automático
conocimiento teórico)
- Es capaz de usar herramientas de
visualización de datos y operar con
ellos.
- Analiza, contrasta e infiere la
veracidad de los datos
3 4
 Objetivos: niveles de logro
Ogro con septum 1.1 -> 20 %
2.1 -> 20 %
Nivel de logro I 4.1 -> 10 % 14 %

1.1, 1.2, 1.3 -> 45%

2.1, 2.2, 2.3 -> 50 %
3.1 -> 10 %
Nivel de logro II 4.1 -> 10 % 32.5 %

1.1, 1.2, 1.3, 1.6 -> 70 %

2.1, 2.2, 2.3, 2.4, 2.5 -> 80 %
3.1 -> 10 %
Nivel de logro III 4.1 -> 10 % 49 %

1.1, 1.2, 1.3, 1.4, 1.5, 1.6 -> 100 %

2.1, 2.2, 2.3, 2.4, 2.5 -> 100 %
- Es capaz de diseñar un agente para la resolución de un 3.1, 3.2, 3.3 -> 35 %

problema concreto mediante el uso de técnicas de Nivel de logro IV 4.1, 4.2, 4.3 -> 50 % 77 %
- automático
aprendizaje 1.1, 1.2, 1.3, 1.4, 1.6 -> 100 %

Es capaz de argumentar consistentemente en debates

2.1, 2.2, 2.3, 2.4, 2.5 -> 100 %
- 3.1, 3.2, 3.3, 3.4, 3.5 -> 100%
relacionados con la ciencia de datos o IA Nivel de logro V 4.1, 4.2, 4.3, 4.4 -> 100 % 100 %

5
 Metodología: contenidos y estructura
T1. Ciencia de datos T2. IA T3. Agentes inteligentes T4. Pensamiento crítico

1.1 Qué es la ciencia de datos 2.1 Qué es la 3.1 Qué es el aprendizaje 4.1 Qué es la
1.2 Características de la ciencia inteligencia artificial automático desinformación y sus
de datos 2.2 Repaso histórico 3.2 Tipos de agentes características
1.3 Tipos de datos 2.3 Utilidades de la IA inteligentes 4.2 Técnicas de
1.4 Herramientas de 2.4 Cuestiones éticas 3.3 Diseño de un agente análisis de la
visualización de datos e impacto en la inteligente información
1.5 Desinformación digital: sociedad 4.3 Recursos para
veracidad de los datos defenderse
1.6 Impacto de la ciencia de digitalmente
datos en la sociedad

(Recordatorio de Puesta en práctica de los

Introducción de contenido nuevo
contenidos) contenidos
Preguntas, debates, Clase magistral*, lluvia de Ejercicios, elaboración de proyectos,
resolución de dudas ideas, diálogo socrático debates, prácticas de laboratorios,
trabajos en grupos, exposiciones
Metodología A1: érase una vez la ia
Conocer

Elabora una línea del tiempo por grupos en la que

queden plasmados los acontecimientos más relevantes
en la historia de la inteligencia artificial.

Objetivo Indicadores Temporización Contenidos

2 2.1, 2.2, 2.3 40 - 50 mins T2 (2.1, 2.2)

 Metodología A2: ojo al dato
Comprender
Dado los siguientes datos, diferenciar entre
cualitativos y cuantitativos y argumentar por qué.

Datos
cualitativos Datos
cuantitativos

Objetivo Indicadores Temporización Contenidos

1 1.1, 1.2, 1.3 20 - 30 mins T1 (1.3)

 Metodología A3: enrédate Aplicar

Utiliza una herramienta de visualización de datos

(proponer Gephi) para representar las interacciones en
twitter con respecto a una palabra de tu elección.

Objetivo Indicadores Temporización Contenidos

1 1.2, 1.4 1h T1 (1.4)

 Analizar

Metodología A4: emosido engañadxs

Dado el siguiente texto X (que contiene desinformación,
el alumnado no lo sabe), investigue en internet.
En caso de que sea desinformación, identificar las
características propias de este fenómeno

Variante: textos más complejos. Pensar el por qué de la

desinformación

Objetivo Indicadores Temporización Contenidos

4 4.1, 4.2, 4.3, 4.4 1h T4 (4.1, 4.2, 4.3)

 Evaluar

Metodología A5: alexamente

Cuando le pides a Alexa que ponga la última canción
de Shakira, ¿Qué técnica relacionada con el
aprendizaje automático crees que se está utilizando
para que Alexa sea capaz de reproducirla? ¿Cómo lo
hace?

Individual -> Grupos de 2 -> Grupos de 5 -> Debate grupal

Objetivo Indicadores Temporización Contenidos

3 3.1, 3.2, 3.3 40 - 50 min T3 (3.1, 3.2, 3.3)

 Crear

Metodología A6: capibara en apuros

Se ha perdido el capibara Bob en el desierto y queremos encontrarlo
(evidentemente).
Para eso hay que diseñar un agente inteligente equipado con varios
sensores.
En el desierto puede haber:
- Cactus que pinchan
- Piedras que obstaculizan
Recibimos como input nuestro alrededor y podemos detectar con los
sensores donde hay obstáculos.
Ayuda a Bob, solo tiene una mandarina y el tiempo se le agota !!

Objetivo Indicadores Temporización Contenidos

3 3.1, 3.2, 3.3, 3.4, 3.5 2h T3 (3.1, 3.2, 3.3)

Metodología: planificación

12 sesiones:

Del 21 de febrero al 31
de marzo
Miércoles y viernes
 Metodología: planificación
1 2 3 4 5 6
20’ Ev. inicial Recordatorio Recordatorio
T4 (4.1, 4.2, 4.3) A4 (entrega ensayo)
A3 (entrega
20’ T1 (1.1, 1.2, 1.3) T1 (1.4)
práctica)
T1 (1.5, 1.6)

20’ A2 A3 A4 Debate (feedback)

7 8 9 10 11 12
Feedback entregas
20’ / Parte extra
Recordatorio Recordatorio
A.5 A.6
20’ T.3.3 A.6
T2 (2.2, 2.2, 2.3) A.1 T.3 (3.1, 3.2)
20’ T2 (2.4) Presentaciones
 Metodología: recursos

- Aulas TIC con ordenadores

- Software análisis de datos
 Atención a la diversidad
Medidas

Más supervisión
Trabajo colaborativo
Correcciones y feedback en clase
Proponer muchos ejemplos
Guión de prácticas disponible (A3)
Resolución de problemas en clase
Altas capacidades: plantear operaciones más
complejas con los datos.
Textos más complejos para analizar la
veracidad/desinformación
Propuesta de problemas / apartados
(adicionales) con mayor complejidad

Grupos heterogéneos para los trabajos en equipos (especialmente en el de la A6)

Todo el material disponible por escrito

Cada tema con referencias a videos y material adicional (otro soportes)
Optimizar la elección individual (especialmente A3 y A6)
Poner ejemplos actuales y llamativos de las temáticas
 Evaluación
A10
A3 Enrédate A8 Resolución E1 E2
A2 Ojo al (entrega A7 Clase Recordat A9 de Preguntas Participac E3 Ensayo
Objetivos Indicadores dato práctica) teórica orios Debates problemas al inicio ión (opcional)
1. Conocer los
aspectos
fundamentales de
30% la Ciencia de datos 20 % 1. Conocer que es el Big data x x x 50% 50%
2. Entender las diferentes características
del Big data: velocidad, variabilidad y
15 % volumen 60% x x 20% 20%

3. Clasificar los datos cuantitativos,

10 % cualitativos y metadatos 80% x x 20%
4. Utilizar herramientas de visualización
15 % para recoger, analizar y generar datos 100%
5. Analizar los datos y ser capaz de inferir
30 % la veracidad de los mismos 20% x x x 30% 50%
6. Evaluar el impacto del big data en la
10 % sociedad actual x x 50% 50% 20%
 Evaluación
A1 Érase una vez la E1 Preguntas al
Objetivos Indicadores IA A9 Debates A7 Clase teórica inicio E2 Participación E3 Ensayo

2. Comprender los principios básicos de

funcionamiento de la IA y su impacto en 1. Conocer diferentes definiciones de la
30 % la sociedad 20 % Inteligencia artificial y su historia 80% x 20%

10 % 2. Resumir en que consiste el test de Turing 50% 25% 25%

3. Identificar los distintos usos de la Inteligencia
20 % Artificial 20% x x 50% 25% 25%

20 % 4. Analizar cuestiones éticas vinculadas a la IA x x 20% 80%

30 % 5. Evaluar el impacto de la IA en la sociedad x 20% 80%

A5
Objetivos Indicadores Alexamente A6 Capibara en apuros A7 Clase teórica E1 Preguntas al inicio E2 Participación
3. Ser capaz de construir un agente
inteligente que emplee técnicas de
20 % aprendizaje automático 5% 1. Conocer qué es el aprendizaje automático 50% x x 25% 25%

10 % 2. Identificar distintos tipos de agentes inteligentes 100% x

20 % 3. Conoce distintos tipos de técnicas de aprendizaje automático 75% 25% x

30 % 4. Aplicar técnicas de aprendizaje automático en la construcción de un agente inteligente 80% 20%

35 % 5. Diseñar un agente inteligente para la resolución de un problema 100%

 Evaluación
Objetivos Indicadores A4 Emosido engañados A7 Clase teórica A9 Debates E2 Participación
4. Trabajar el espíritu crítico
20 % y la capacidad reflexiva 10% 1. Conocer distintas técnicas de análisis 90% x 10%
2. Explicar los enunciados o la información que se recibe desde un punto
20 % de vista crítico 90% x 10%

20 % 3. Interpretar la información mediante el análisis y contraste da datos 90% x 10%

50 % 4. Ser capaz de crear una opinión propia sobre diferentes temáticas 90% x 10%

Evaluación: docente
Herramientas / Medidas Dimensiones:

- Sesión 5: parte dedicada al feedback

- Grado de aprendizaje (conocimientos)
- Cuestionario anónimo
- Nivel de interés generado
- Observación
- Análisis de las entregas - Adecuación a los ritmos de aprendizaje
- Debates - Integración y trabajo colaborativo
- Tutorías
THE END
GRACIAS!