Propuesta Curricular
Ejes
Ciencia de datos, inteligencia artificial y aprendizaje automático
Prácticas
- Estás en:
- Área: Datos e inteligencia artificial
- Eje: Ciencia de datos, inteligencia artificial y aprendizaje automático
Eje: Ciencia de datos, inteligencia artificial y aprendizaje automático
Por un lado, la abundancia de datos registrados y el poder de cómputo ha convertido a las aplicaciones basadas en datos en actores cada vez más importantes para la ciudadanía. Por otro lado, los registros de datos son imperfectos y sesgados, ya que dependen de los valores, creencias, contextos sociohistóricos e ideas de quienes desarrollan las herramientas para recolectarlos.
En un mundo donde la injerencia de las ciencias de datos es cada vez más amplia, cobra relevancia dotar a las y los estudiantes de herramientas que les permitan analizar y procesar datos para así poder sacar sus propias conclusiones y evaluar de forma crítica las conclusiones que otros publican. En este mismo escenario, resulta clave comprender cómo se generan las aplicaciones desarrolladas con IA, prestando especial atención a sus limitaciones, la subjetividad de las personas y los datos involucrados en su desarrollo y las consecuencias de su uso.
Este eje involucra el abordaje de los siguientes contenidos:
- Aplicaciones de inteligencia artificial. Mecanismos generales.
- Preparación, análisis y visualización de datos.
- Modelos de aprendizaje automático.
- Subjetividad expresada en los modelos. Sesgo algorítmico.
NIVEL INICIAL
El conocimiento de que el comportamiento de algunas aplicaciones basadas en inteligencia artificial (recomendadores, clasificadores) reproducen ejemplos que les dieron previamente las personas.
PRIMARIA, primer ciclo
El conocimiento de que el comportamiento de algunas aplicaciones basadas en inteligencia artificial (recomendadores, clasificadores) reproducen ejemplos que les dieron previamente las personas.
PRIMARIA, segundo ciclo
El reconocimiento de la utilización de los datos para sacar conclusiones (a través de su visualización) y para entrenar modelos de aprendizaje automático que resuelven problemas de clasificación.
SECUNDARIA , ciclo básico
La aproximación a la noción de inteligencia artificial como un conjunto de técnicas para desarrollar artefactos computacionales que no son inteligentes, sino que reproducen comportamientos humanos.
El desarrollo crítico de modelos de aprendizaje automático que les permita profundizar los conceptos importantes en el proceso de desarrollo (conjunto de entrenamiento, entrenamiento, conjunto y métricas de evaluación, representatividad de los datos) y reflexionar sobre su impacto, teniendo en cuenta que estos artefactos reflejan subjetividades que pueden reproducir y profundizar desigualdades y prejuicios.
La aplicación de herramientas de procesamiento automático de datos (filtros, transformaciones y totalizaciones) para generar visualizaciones y analizar un conjunto de datos.
SECUNDARIA , ciclo orientado
La aplicación de herramientas de procesamiento y análisis automático de datos tanto para la preparación de conjuntos de datos como para la evaluación de su representatividad antes de usarlos para extraer conclusiones o entrenar y evaluar modelos de aprendizaje automático.
El reconocimiento de las aplicaciones de inteligencia artificial como artefactos computacionales falibles, para los que en general no es posible explicitar el criterio que define y guía su funcionamiento.