Ferramentas para a IA
Eva María Brañas Rodríguez
Docente coas especialidades de Tecnoloxía e Matemáticas
IES Campo de San Alberto (Noia - A Coruña)
ebranas [at] edu.xunta.gal (ebranas[at]edu[dot]xunta[dot]gal)
Contextualización
A irrupción da intelixencia artificial na sociedade actual está a transformar múltiples ámbitos, incluído o educativo. A aparición da materia Tecnoloxías Intelixentes en primeiro de bacharelato supuxo unha oportunidade e un reto únicos para introducila de forma estruturada e significativa. Nun contexto no que o alumnado xa fai uso habitual de ferramentas de IA na súa vida cotiá e nos procesos educativos —a miúdo sen coñecemento profundo do seu funcionamento—, xurdiu a necesidade de crear un recurso que permitise abordar esta realidade desde unha perspectiva crítica e formativa. Así naceu Ferramentas para a IA, un recurso interactivo que organiza e presenta librerías de intelixencia artificial de maneira accesible, visual e contextualizada para o ámbito educativo.
Elaborei este recurso para:
- Proporcionarlle ao alumnado de bacharelato unha visión práctica, crítica e desmitificada da intelixencia artificial. A miña intención foi que, sen necesidade de dominar previamente a programación, poidan comprender como funciona a IA, como se deseña e como se pode utilizar de forma consciente e eficaz.
- Ofrecer un recurso accesible, visual e práctico que lle permita ao profesorado introducir a IA na aula de xeito natural e contextualizado.
A proposta forma parte dunha secuencia de catro ODE que desenvolvín para a materia Tecnoloxías Intelixentes e pode utilizarse de forma autónoma ou integrada cos seguintes recursos complementarios:
Neste terceiro ODE, Ferramentas para a IA, o alumnado traballa con cadernos de programación e librerías especializadas, resolvendo retos progresivos que lle permiten aplicar os coñecementos adquiridos en situacións reais. A mensaxe que quero transmitir é clara: non hai que saber todo para comezar, pero si saber como preguntar, como analizar e como mellorar.
Obxectivos
Con este recurso quixen que o alumnado se achegue á intelixencia artificial desde unha perspectiva práctica, crítica e creativa. Non se trata só de aprender a programar, senón de comprender como funciona a IA, como se constrúe e como se pode utilizar de forma responsable.
O obxectivo principal é que o alumnado sexa capaz de:
- Utilizar cadernos de programación para experimentar con código.
- Empregar librerías especializadas para analizar datos, visualizar información e aplicar modelos de IA.
- Resolver retos contextualizados que simulan situacións reais.
- Aprender a preguntar, interpretar respostas e mellorar solucións coa axuda da IA.
Contidos
Ao longo do recurso trabállanse contidos vinculados ás seguintes áreas:
- Programación en Python: estruturas básicas, manipulación de datos, visualización.
- Intelixencia artificial aplicada: clasificación, regresión, segmentación, visión artificial.
- Uso de librerías especializadas: NumPy, Pandas, Matplotlib, Seaborn, OpenCV, Scikit-learn, Keras, Tensorflow, Pytorch.
- Competencias dixitais e pensamento computacional: análise, síntese, toma de decisións, resolución de problemas.
Gráficas con Seaborn e Matplotlib
Metodoloxía
Decidín estruturar o recurso en bloques progresivos, cada un centrado nunha ferramenta ou técnica concreta. Cada bloque inclúe:
- Unha explicación inicial da ferramenta.
OpenCV
- Actividades guiadas para experimentar co código.
Actividades de aprendizaxe con OpenCV
- Un reto final que permite aplicar o aprendido nun contexto real.
Retos con OpenCV
A metodoloxía é activa, baseada na resolución de problemas e na aprendizaxe por descubrimento. O alumnado pode traballar de forma autónoma ou colaborativa e conta con exemplos comentados que lle permiten avanzar ao seu ritmo.
Cadernos de programación
Avaliación
Para avaliar o traballo do alumnado, deseñei rúbricas específicas para cada reto, centradas en tres aspectos clave:
1. Dominio técnico: uso correcto das librerías, comprensión do código e capacidade para modificalo.
2. Resolución de problemas: aplicación das ferramentas a situacións reais, análise de resultados e toma de decisións.
3. Actitude e colaboración: implicación no proceso, autonomía, capacidade para preguntar e mellorar solucións.
As rúbricas inclúen criterios claros e graduados, que lle permiten ao alumnado saber que se espera en cada actividade e ao profesorado realizar unha avaliación formativa e compartida.
Rúbrica reto con OpenCV
Recursos complementarios
O recurso inclúe todos os materiais necesarios para realizar os retos:
- Imaxes para traballar con OpenCV.
- Datasets en formato CSV para a análise de datos, clasificación, regresión e segmentación.
- Cadernos de programación con código comentado e editable.
- Enlaces a documentación oficial das librerías empregadas.
- Solucións a todas as actividades e retos.
Recursos para profesorado
Tamén elaborei un apartado específico para o profesorado, con indicacións metodolóxicas, propostas de adaptación e licenza Creative Commons para facilitar a reutilización.
Implementación na aula e resultados
Decidín aplicar este recurso nun grupo de primeiro de bacharelato, dentro da materia Tecnoloxías Intelixentes. Estruturei a proposta en sesións de 50 minutos, combinando traballo individual e colaborativo tal e como se indica no recurso. Utilizamos cadernos jupyter en Google Colab como contorno de programación, o que lle permitiu ao alumnado experimentar directamente co código sen necesidade de instalacións previas.
Proposta de aplicación na aula
A secuenciación foi a seguinte:
1. Exploración inicial de cadernos de programación.
2. Manipulación de datos con NumPy e Pandas, aplicando operacións e filtros.
3. Visualización con Matplotlib e Seaborn, interpretando gráficas reais.
4. Procesamento de imaxes con OpenCV e detección de obxectos.
5. Aplicación de modelos de machine learning con Scikit-learn.
6. Redes neuronais con Keras, TensorFlow e Pytorch.
Resultado IA entrenada para recoñecemento de números
Cada sesión remataba cun reto práctico, que o alumnado resolvía en parellas ou de forma individual, segundo a súa autonomía. Os retos estaban deseñados para que puidesen modificar parámetros, interpretar resultados e mellorar solucións con axuda da IA.
Resultados da experiencia
Avaliando mediante rúbricas específicas, observei unha consecución media-alta dos obxectivos:
- Máis do 80 % do alumnado foi quen de empregar correctamente as librerías básicas e de interpretar os resultados das súas análises.
- O 75 % aplicou modelos de clasificación e regresión con autonomía, modificando variables e comprendendo o impacto dos datos.
- O 90 % participou activamente nos retos, mostrando curiosidade, capacidade de experimentación e espírito colaborativo.
- A maioría destacou que aprendeu a preguntarlle mellor á IA, a analizar respostas e a mellorar solucións, o que considero un dos logros clave do recurso.
A experiencia foi bastante satisfactoria, tanto polo nivel de implicación coma pola calidade dos produtos finais. O recurso demostrou ser versátil, motivador e bastante adaptable aos distintos niveis do alumnado.
Conclusións
Este recurso naceu da miña vontade de lle ofrecer ao alumnado unha porta de entrada á intelixencia artificial que fose accesible e á vez rigorosa. Quixen que cada reto fose unha oportunidade para experimentar, equivocarse, aprender e mellorar, sempre coa axuda das ferramentas que hoxe están ao alcance de calquera persoa curiosa.
A programación, lonxe de ser unha barreira, convértese aquí nun medio para comprender como pensa unha máquina, como interpreta os datos e como pode colaborar connosco para resolver problemas reais. E, sobre todo, quixen transmitir que a IA non é máxica nin infalible: é unha ferramenta poderosa, pero depende de nós usala con criterio, ética e sentido educativo.
Acceso aos recursos:
Fundamentos de programación en Python|ODE2
O meu primeiro proxecto de IA|ODE4
O recurso completo está dispoñible na plataforma da Consellería de Consellería de Educación, Ciencia, Universidades e Formación Profesional.