Planificaciones de Clases
Permanent URI for this collection
Browse
Browsing Planificaciones de Clases by Author "Centro de Innovación Mineduc"
Para concluir el ciclo de actividades basadas en el algoritmo de YouTube, los y las estudiantes leen el artículo titulado “YouTube evalúa traspasar los vídeos infantiles a su aplicación para niños”, basado en una publicación de The Wall Street Journal. Con esa información, participan en un seminario socrático para dialogar sobre los aspectos éticos en conflicto, el rol de las partes interesadas y la propuesta de la empresa tecnológica.
La actividad introduce elementos centrales de los sistemas de inteligencia artificial (IA), a partir de conocimientos previos, conceptos básicos y casos de uso diario. Las y los estudiantes indagan en el rol que juegan los datos que entregamos a diferentes plataformas y dispositivos, finalizando con un juego grupal, en el cual deben establecer cuáles son las predicciones y conjuntos de datos que utilizan diferentes sistemas de IA.
En esta actividad, las y los estudiantes experimentan el entrenamiento de sistemas de inteligencia artificial, comprendiendo la importancia de la selección de los datos de entrenamiento y su implicancia. El curso utiliza la herramienta Teachable Machine para enseñar a un modelo a distinguir perros de gatos, a partir de un set de fotos dado, observando que el conjunto de datos de entrenamiento está sesgado para identificar con mayor precisión a los gatos. Para finalizar, las y los estudiantes tienen la oportunidad de re-entrenar el modelo y reflexionar en torno a un caso real de discriminación en el contexto de tecnologías de reconocimiento facial.
Luego de conocer y experimentar diferentes aplicaciones del aprendizaje supervisado (actividades 4, 5 y 6), las y los estudiantes se enfrentan al dilema ético de la inteligencia artificial aplicada a la conducción de automóviles autónomos. El curso reflexiona sobre las implicancias de diferentes criterios de respuesta frente a accidentes de tránsito, identificando las partes interesadas (stakeholders) en el diseño e implementación de los algoritmos que los sustentan y comprendiendo el fenómeno como un problema sociotécnico en el que debe verse reflejada la visión de la sociedad en su conjunto.
Este programa busca entregar herramientas básicas para que docentes y estudiantes comprendan el funcionamiento básico de las aplicaciones basadas en inteligencia artificial y las implicancias éticas y ciudadanas que tienen las decisiones de diseño e implementación de estas tecnologías, porque involucran competencias fundamentales para las y los futuros ciudadanos, no sólo como desarrolladores de tecnología sino como profesionales y técnicos de las más diversas áreas del conocimiento.
Las y los estudiantes debaten en torno al dilema entre la protección de datos personales y su uso para fines investigativos y de salud pública, a partir de la contraposición de las estrategias de Corea del Sur y Chile en el abordaje del primer año de la crisis sanitaria del COVID-19. Se entregan nociones para entender el rol que juega la ciencia de datos —una aplicación de la inteligencia artificial que permite encontrar patrones útiles en datos masivos— en la toma de decisiones de relevancia pública y el dilema que genera con respecto a la privacidad de la información personal.
Esta actividad introduce el concepto de “optimización” de algoritmos y su relación con los intereses y preferencias de quienes los desarrollan. Para ello, se pide a las y los estudiantes elaborar un algoritmo “convencional” para hacer “el mejor completo”, lo que da pie a una reflexión en torno al componente subjetivo de todo sistema informático que opera con lenguajes de programación y/o inteligencia artificial.
En esta actividad, las y los estudiantes conocen y reflexionan en torno a sistemas de inteligencia artificial que pueden imitar la realidad o simular actividades humanas con un alto nivel de verosimilitud, comprendiendo sus implicancias en la generación de información falsa (por ejemplo, mediante la suplantación de identidad o la generación de textos noticiosos). Se presentan sistemas como Flow Machines de Sony, Deepfake y GPT para representar los resultados de este tipo de tecnologías.
En esta actividad, las y los estudiantes profundizan los conocimientos adquiridos en las primeras cuatro lecciones (conjuntos de datos, predicción y optimización), a través de un ejercicio en equipo en el que deben identificar y describir los diferentes algoritmos que usa YouTube (despliegue de publicidad, recomendación de videos, clasificador de comentarios y reproducción automática, entre otros).
Retomando el caso de los automóviles sin chofer (actividad N°7), las y los estudiantes son confrontados/as a las consecuencias sociales de la automatización y, en particular, a la pérdida masiva de puestos laborales. Utilizando como contexto el modelo de adopción tecnológica de la comunidad Amish en Estados Unidos —quienes eligen cuidadosamente los medios que reportan beneficios a su estilo de vida— el curso problematiza la conveniencia y las desventajas de adoptar sistemas basados en inteligencia artificial. La segunda parte de la actividad se realiza en Twitter, de manera asíncrona y distribuida en tres días (se proponen alternativas sin conexión, en caso de que no se cuente con los medios). Esto permite simular una discusión pública, donde todas y todos las y los estudiantes puedan manifestar sus puntos de vista, apoyar y complementar los de sus compañeros y compañeras. A diferencia de los ejercicios anteriores, esta dinámica busca la deliberación y desarrollo de puntos de vista individuales.
En esta actividad, las y los estudiantes identifican las “partes interesadas" en el algoritmo del completo desarrollado en la actividad anterior, junto con los intereses que éstas tienen en el mismo. A través de este ejercicio, comprenderán los algoritmos como soluciones a problemas socio técnicos. Para ello, construyen una matriz ética que evidencia los conflictos de interés y la superposición de intereses en la construcción del algoritmo.
En esta actividad, las y los estudiantes experimentan una adaptación del test de Turing, teniendo que diferenciar contenidos reales de los elaborados por sistemas de inteligencia artificial. Después de revisar un caso cotidiano aplicado a redes sociales, utilizan la plataforma Detect Fakes para identificar videos que han sido manipulados a través de IA para distorsionar caras o intercambiar rasgos faciales. Finalmente, conocen y reflexionan en torno a un caso real de fraude, para volver a responder las preguntas de la guía de la actividad anterior.
Las y los estudiantes continúan el trabajo realizado en la actividad N°8, donde identificaron y analizaron algunos de los algoritmos que usa YouTube para orientar el consumo de contenidos en la plataforma. En grupos, construyen una matriz ética sobre el sistema de recomendaciones de YouTube, identificando las partes interesadas y estableciendo un nuevo objetivo para el algoritmo. Finalmente, crean un prototipo en papel de su nueva versión de la plataforma, incorporando características que respondan a los intereses de las partes.