IA COBAEZ

Bienvenida y Presentación del Taller

Introducción y Problemas Técnicos

• El evento comienza con un agradecimiento a los participantes por su paciencia debido a problemas técnicos.

• Se confirma que el estudio está listo para continuar, se solicita dejar de compartir pantalla para dar paso al mensaje del director.

Mensaje del Director

• El director da la bienvenida y pide a los compañeros apagar cámaras y micrófonos para facilitar la comunicación.

• Se destaca la importancia de la capacitación en inteligencia policial, mencionando al Dr. José Manuel Gámez como un recurso valioso con amplia experiencia en el área.

Oportunidades de Aprendizaje

• Se menciona que esta capacitación sentará las bases para futuras jornadas de trabajo programadas para marzo, enfatizando el intercambio de experiencias entre docentes.

• La inteligencia artificial es vista como una herramienta complementaria en la educación, no como lo único que puede ayudar en el proceso docente.

Compromiso con la Educación

• Se reconoce el esfuerzo del Colegio de Bachilleres por atender a un gran número de alumnos en condiciones vulnerables debido a problemas sociales actuales.

• El director expresa su deseo de que las herramientas tecnológicas faciliten el proceso educativo y agradece al Dr. Gámez por su colaboración.

Presentación del Dr. José Manuel Gámez

Perfil Profesional

• El Dr. Gámez es presentado como docente e investigador con formación especializada en inteligencia artificial desde 2020, combinando liderazgo universitario con habilidades técnicas avanzadas.

Objetivos del Taller

• Se inicia el taller diseñado para actualizar y fortalecer académicamente a los docentes, destacando su relevancia ante los cambios futuros previstos hasta 2030 según informes económicos globales.

Competencias Clave hacia 2030

Cambios Previstos en Educación

• Se hace referencia al reporte del Foro Económico Mundial sobre competencias necesarias para 2030, incluyendo alfabetización tecnológica y pensamiento crítico.

Herramientas Tecnológicas en Docencia

• La discusión se centra en cómo las herramientas tecnológicas, especialmente la inteligencia artificial, pueden apoyar a los docentes en sus prácticas educativas.

La Tecnología como Potenciador del Docente

El Rol de la Tecnología en la Educación

• La tecnología no busca sustituir al docente, sino potenciar su labor y servir como herramienta útil, similar a una computadora o un celular.

• Se abordará cómo estas herramientas responden a la pedagogía y a la sobrecarga informativa que enfrentamos en nuestra vida cotidiana debido a los cambios tecnológicos.

Diseño de Actividades Didácticas

• Se discutirá la apropiación estratégica del diseño de actividades y materiales didácticos personalizados que los participantes podrán generar al final de la sesión.

• Se enfatizará en enriquecer la retroalimentación personalizada, utilizando herramientas de inteligencia artificial para ofrecer comentarios constructivos y oportunos.

Límites y Ética en el Uso de Herramientas Tecnológicas

• Se revisarán los límites de las herramientas generativas, así como los sesgos inherentes a estos modelos entrenados.

• Es crucial desarrollar pensamiento crítico frente a algoritmos, identificando sesgos y reflexionando sobre la información presentada.

La Sobrecarga Informativa

Concepto de Ruido Digital

• Se explorará el concepto de sobrecarga informativa, destacando cómo actualmente recibimos más notificaciones que en años anteriores.

• Este exceso genera cansancio mental y contribuye a la circulación de noticias falsas; un estudio indica que se reciben hasta 240 notificaciones diarias entre adolescentes.

Infodemia y Desinformación

• La infodemia se refiere al exceso tanto de información verdadera como falsa, especialmente evidente durante brotes epidémicos donde es difícil encontrar fuentes confiables.

• Ejemplos notorios incluyen teorías erróneas sobre las vacunas COVID-19, lo cual erosionó la confianza pública debido a dificultades para discernir entre hechos y rumores.

Identificación de Información en la Era Digital

El Rol del Docente como Filtro de Información

• Identificar información real y no verificada es complicado; el docente debe actuar como un filtro en un mundo saturado de datos.

• Los adolescentes pasan aproximadamente seis horas al día conectados a internet, lo que afecta su atención y concentración.

Distracciones y Atención del Estudiante

• Las notificaciones constantes interrumpen la concentración del alumno mientras trabaja en tareas académicas.

• La atención se degrada rápidamente debido a múltiples interrupciones, como mensajes de WhatsApp o videos recomendados en YouTube.

Prohibiciones y Estrategias para Mejorar la Atención

• Algunos países han prohibido el uso de teléfonos celulares en las aulas para mejorar la atención estudiantil.

• La psicología detrás de la desinformación muestra cómo el cerebro prioriza información según su relevancia, afectando nuestra capacidad para discernir entre hechos y falsedades.

Presupuesto Cognitivo y Consumo de Energía

• Al investigar información, los estudiantes gastan recursos cognitivos; compartir o ignorar información también requiere energía.

• Ignorar noticias puede ser una forma eficiente de conservar energía mental, mientras que investigar consume más recursos.

Sobrecarga Cognitiva y Fatiga Informativa

• La sobrecarga cognitiva puede llevar a dificultades para identificar información relevante; el cerebro ajusta su "presupuesto" energético según la tarea.

• Se presentan ejemplos de noticias engañosas para reflexionar sobre cómo los individuos deciden qué hacer con esa información (leer, compartir o ignorar).

Estrategias para Filtrar Información

• Investigadores sugieren controles digitales para ayudar a filtrar información adecuada frente a ruido informativo.

• Se propone una simulación donde los participantes deben decidir rápidamente si las notificaciones son útiles o simplemente ruido.

Ruido Digital y la Era de las No Cosas

La Utilidad de las Notificaciones

• Se discute cómo muchas notificaciones son consideradas ruido digital, siendo pocas realmente útiles. Es importante identificar cuáles son relevantes para evitar la sobrecarga informativa.

• Se menciona una simulación que ayuda a agrupar notificaciones y recomendaciones para manejar mejor la información recibida, sugiriendo que se evite tener el teléfono en espacios como el dormitorio.

Compromiso Personal con la Atención

• Se propone un "pacto de atención" donde los participantes se comprometen a reducir distracciones, como sacar el teléfono del dormitorio o agrupar notificaciones para mejorar su enfoque en tareas importantes.

• Los participantes pueden descargar este pacto en formato PDF como evidencia de su compromiso con actividades diarias.

Concepto de la Era de las No Cosas

• Introducción al concepto de "no cosas", relacionado con la alfabetización mediática. Shul Han argumenta que vivimos en un mundo saturado de información, donde los datos reemplazan experiencias tangibles.

• La teoría explica cómo memes y tendencias pueden influir más en nuestra percepción que hechos reales, lo cual es problemático para discernir información veraz.

Ejemplos de Desinformación

• Se presenta un caso sobre Nancy Pelosi donde un video manipulado fue viralizado, mostrando cómo desinformación puede ser aceptada como verdad sin verificación.

• Otro ejemplo involucra el dióxido de cloro promovido por influencers sin evidencia científica, resultando en investigaciones por daños a la salud.

Consecuencias Económicas y Sociales

• Un caso económico muestra cómo King Karashyan promocionó una criptomoneda sin revelar publicidad pagada, llevando a pérdidas significativas entre inversores debido a falta de verificación.

• También se menciona el uso incorrecto de imágenes antiguas relacionadas con conflictos bélicos actuales, resaltando problemas graves en la difusión errónea de información.

Manipulación Informativa

• Se discute cómo informes neutrales pueden ser manipulados mediante especulación o alteraciones textuales para cambiar su enfoque original.

• El gobierno chino exige títulos universitarios a influencers que generan contenido técnico, subrayando la importancia del conocimiento especializado al opinar sobre temas complejos.

La Manipulación de la Información y el Contexto

Cambios en el Contexto

• Alterar el contexto de una información puede desvirtuar su veracidad, haciendo que parezca falsa. Es crucial volver a conectar con la realidad para evitar malentendidos.

Análisis de la Información

• Se discute cómo se analizan los estudios y la información real, enfatizando el impacto negativo de la información distorsionada. La fabitización digital debe basarse en evidencia sólida.

Verificación y Evidencia

• La importancia de la verificación técnica y del análisis riguroso es fundamental. Se menciona que "la información corre, pero la verdad se demora", destacando que la verdad tiene una duración más prolongada.

Concepto de Posverdad

Definición de Posverdad

• Según el diccionario, la posverdad describe un escenario donde las emociones y creencias personales tienen más peso que los hechos objetivos comprobados, lo cual ha aumentado en nuestra sociedad actual.

Consecuencias de Ignorar Hechos Científicos

• Este fenómeno lleva a desinformación grave, como en el caso de las vacunas, cuya importancia histórica ha sido ignorada por creencias infundadas.

Identidad Grupal y Fragmentación

Influencia del Grupo

• Las personas tienden a aceptar información que refuerza su identidad grupal, ignorando hechos si estos contradicen sus creencias colectivas. Esto fomenta una fragmentación social.

Impacto en Redes Sociales

• Los estudiantes pasan mucho tiempo en redes sociales, amplificando sus creencias. Esto crea cámaras de eco donde verdades científicas pueden ser fácilmente desestimadas.

Simulador de Distorsión

Escenarios Políticos

• Se presenta un simulador donde se puede ajustar el nivel de verdad en discursos políticos. La posverdad utiliza emociones para manipular opiniones públicas efectivamente.

Uso Actual del Discurso Político

• Ejemplos actuales muestran cómo líderes utilizan rumores y patriotismo para influir emocionalmente sobre las personas, afectando sus creencias e ideas.

Datos vs Emociones

Efectos Emocionales vs Hechos Reales

• Cuando se priorizan emociones sobre hechos reales, los datos pierden relevancia; esto resalta cómo ciertos métodos buscan apelar directamente a sentimientos humanos para obtener resultados políticos.

Desafíos con Fuentes Digitales

• El uso creciente de redes sociales como fuentes académicas plantea problemas; muchos videos carecen de rigor científico pero son consumidos rápidamente debido a su formato atractivo.

Conclusión General

La discusión abarca temas críticos sobre cómo se manipula la información en nuestra era digital y los efectos perjudiciales que esto tiene sobre nuestras percepciones y decisiones informadas.

La Posverdad en la Educación

Desafíos de la Información en la Era Digital

• La revisión de información a través de dispositivos móviles es complicada, lo que lleva a postergar o ignorar el análisis crítico. Esto se relaciona con el concepto de posverdad en educación.

• Estudios indican que las emociones pueden tener más peso que la evidencia científica en decisiones educativas, afectando negativamente el aprendizaje y promoviendo información falsa.

Impacto del Pensamiento Crítico

• El pensamiento crítico debe ser enseñado adecuadamente para contrarrestar la posverdad; simplemente decir "sean críticos" no es suficiente sin una metodología clara.

• La alfabetización mediática es esencial; se requieren talleres para enseñar cómo validar fuentes confiables y evaluar información crítica.

Pánicos Escolares y Desinformación

• Cadenas de WhatsApp pueden generar pánicos escolares al difundir rumores infundados, llevando a suspensiones de clases sin evidencia concreta. Esto polariza discusiones pedagógicas.

• Ejemplos históricos como el autobús del Brexit muestran cómo mensajes simples e impactantes pueden influir en decisiones políticas, resaltando la importancia de entender los matices detrás de los datos presentados.

Efectividad Emocional vs Hechos Complejos

• En la era de la posverdad, prevalece una competencia entre lo emocional y lo factual; los mensajes emocionales tienden a ser más efectivos que aquellos basados en hechos complejos.

• La distorsión fundamental radica en que muchas veces se prefiere un mensaje simple y directo sobre uno detallado y matizado, lo cual afecta tanto a educadores como a estudiantes al comunicar ideas importantes.

Eficacia de la mentira y propagación de noticias falsas

La relación entre sorpresa, miedo y verdad

• Se menciona que la sorpresa y el miedo se comparten seis veces más rápido que la verdad, lo que sugiere una dinámica en la difusión de información.

• Un simulador muestra cómo los hechos reales se difunden más lentamente en comparación con las noticias falsas, indicando un área de propagación limitada para información verificada.

Estudio del MIT sobre noticias falsas

• Según un estudio del MIT, las noticias falsas provocan emociones intensas como sorpresa o miedo, lo que lleva a una mayor velocidad de compartición (hasta seis veces más rápido).

• Se plantea el desafío al que se enfrentan educadores y comunicadores al tratar de combatir la desinformación en un entorno donde las noticias falsas son predominantes.

Algoritmos y toma de decisiones

Influencia de los algoritmos en nuestra información

• Se investiga cómo los sistemas de recomendación influyen en nuestras decisiones, destacando sesgos de popularidad y opacidad en la gestión de datos.

• Las aplicaciones suelen solicitar información personal para ofrecer contenido personalizado basado en preferencias individuales.

Prioridades algorítmicas

• Los algoritmos priorizan contenido con alta probabilidad de interacción, lo cual puede limitar la diversidad informativa.

• Ejemplos muestran cómo diferentes perfiles reciben información adaptada a sus intereses específicos, lo que resalta el riesgo del aislamiento informativo.

Paradoja de la recomendación

Efectos negativos del enfoque algorítmico

• Los algoritmos tienden a mostrar solo contenido altamente compartido o impactante, ignorando titulares menos atractivos pero potencialmente importantes.

• Existe un riesgo documentado donde la optimización por engagement puede reducir visibilidad para contenidos menos populares o nichos.

Optimización por Popularidad en Aplicaciones

Efecto de Algoritmos en el Contenido Recomendado

• Se simula un efecto de optimización por popularidad, donde las aplicaciones recomiendan contenido basado en lo que es actualmente popular, sin considerar preferencias individuales.

• El algoritmo decide qué ver, afectando la experiencia del usuario al priorizar contenido viral como reggaetón o pop mainstream.

Toma de Decisiones Automatizada

• Estudios del Parlamento Europeo y ScienceDirect documentan cómo la toma de decisiones automatizada utiliza cálculos probabilísticos para generar resultados.

• Ejemplos incluyen solicitudes de crédito donde modelos matemáticos determinan la aprobación basándose en variables específicas, a menudo con falta de transparencia.

Autonomía y Arquitectura de Decisión

• Aunque nuestra autonomía no desaparece, se ejerce dentro de una estructura influenciada por métricas comerciales.

• Es crucial entender esta "guía invisible" para desarrollar pensamiento crítico digital y agencia personal.

Receso y Continuación

Acceso a Recursos Compartidos

• Se confirma que los participantes pueden acceder a recursos compartidos sin restricciones adicionales.

Introducción a Conceptos Tecnológicos

• Se inicia la discusión sobre "yagenerativa", evitando conceptos abstractos para centrarse en elementos prácticos relacionados con tecnologías emergentes.

Redes Neuronales: Un Sistema de Filtrado

Funcionamiento Básico

• Las redes neuronales son descritas como sistemas de filtrado en capas que procesan información mediante entradas y salidas.

Procesamiento y Resultados

• La red neuronal procesa datos asignando pesos a cada entrada; si el peso es adecuado, la información avanza a la siguiente capa.

• El resultado final es un valor basado en probabilidad, no una respuesta directa; esto implica un procesamiento complejo detrás del análisis.

¿Cómo funcionan los modelos de lenguaje y la inteligencia artificial?

Introducción a la probabilidad en redes neuronales

• La red neuronal trabaja con una probabilidad del 98% de confianza para identificar un gato, entregando datos probabilísticos. Esto es fundamental en la generación de ideas mediante modelos de lenguaje grandes (LLM) como ChatGPT.

• Los LLM no piensan ni generan como el cerebro humano; son calculadoras que procesan datos y computan probabilidades. Su función principal es predecir la siguiente palabra basándose en datos históricos.

Funcionamiento estadístico de los modelos

• Un modelo grande de lenguaje utiliza estadísticas y matemáticas para determinar cuál es la siguiente palabra más probable, evaluando las palabras anteriores. Se introduce un ejercicio práctico para ilustrar este concepto.

• La "temperatura" del modelo afecta su aleatoriedad: al bajar la temperatura, el modelo se vuelve más libre y creativo; al subirla, se ajusta estrictamente a lo solicitado por el usuario.

Concepto de tokenización

• Un "token" es un fragmento básico que puede ser una palabra, parte de una palabra o incluso un signo de puntuación. Los modelos leen secuencias completas y asignan valores a estos tokens utilizando probabilidades.

• Cada token se convierte en un identificador numérico único que el modelo procesa para detectar patrones y calcular probabilidades sobre las siguientes palabras en una frase.

Ejemplo práctico con tokens

• Al introducir texto como "Hola, ¿cómo están?", el sistema separa esta entrada en diferentes tokens o fragmentos codificados que permiten hacer predicciones sobre las palabras siguientes basadas en probabilidad.

• La temperatura también influye aquí: al modificarla, se altera cómo el modelo genera nuevas palabras basándose en los tokens procesados previamente. Esto demuestra cómo funciona realmente la parte estadística detrás del procesamiento del lenguaje natural.

Diferenciación entre tipos de inteligencia artificial

• Se presentan dos enfoques: la inteligencia artificial tradicional, centrada en predicciones (como clasificación automática de correos), y la inteligencia artificial generativa, que crea contenido basado en datos previos.

• Ejemplos prácticos incluyen sistemas que clasifican correos electrónicos como spam o no spam basándose en patrones aprendidos a partir de datos históricos y señales digitales (imágenes o videos).

Riesgos de la Inteligencia Artificial Predictiva y Generativa

Sensación Falsa de Objetividad

• La inteligencia artificial básica puede generar una falsa sensación de objetividad, llevando a las personas a confiar ciegamente en los resultados del sistema.

• Esta percepción errónea contribuye a la reproducción de sesgos históricos, como se evidenció en un caso donde un sistema seguía identificando productos antiguos pese a cambios en la línea de producción.

Actualización y Precisión de Datos

• Es crucial mantener actualizada la información que utilizan los sistemas predictivos para evitar decisiones basadas en datos obsoletos.

• La IA generativa crea contenido original al modificar datos existentes, combinando patrones aprendidos durante su entrenamiento.

Alucinaciones y Veracidad

• Un riesgo significativo es el fenómeno conocido como "alucinaciones", donde el modelo genera datos falsos que parecen verídicos.

• La falta de trazabilidad sobre las fuentes de información puede llevar a malentendidos y errores, lo que ha resultado en demandas contra algunas empresas por uso no autorizado de datos.

Uso Responsable y Oportunidades Educativas

• Se recomienda un uso responsable de herramientas AI en educación, destacando su potencial para ayudar a docentes con recursos como rúbricas y evaluaciones automáticas.

• Las herramientas deben ser vistas como auxiliares, no como reemplazos completos del trabajo docente; es esencial personalizar materiales según las necesidades educativas.

Precauciones ante Automatización

• Aunque hay oportunidades amplias para implementar IA, es vital ser críticos respecto a qué procesos automatizar.

• No se deben delegar decisiones sensibles a sistemas automáticos sin supervisión humana; esto incluye evaluaciones finales o clasificaciones críticas.

Interacción con herramientas de inteligencia artificial

Supervisión y verificación del docente

• Es fundamental que cualquier contenido generado por herramientas de inteligencia artificial sea supervisado por un docente capacitado, garantizando así la calidad y precisión de la información.

Cómo interactuar con el sistema

• La interacción básica se realiza a través de un chat, donde los usuarios deben escribir instrucciones claras para acceder al modelo matemático subyacente.

Estructura del prompt

• Para obtener resultados efectivos, es crucial seguir una estructura confiable en las preguntas formuladas. Esto incluye definir claramente quién, qué y para quién se está generando el contenido.

Definición del rol y contexto

• Se debe establecer el rol que asumirá la inteligencia artificial, lo cual influye en la naturaleza del contenido generado. Preguntas como "¿quién va a actuar?" son esenciales para contextualizar la interacción.

Ejemplo práctico de uso

• Un ejemplo sería pedirle a la IA que actúe como docente de biología para alumnos de 16 a 17 años, especificando una actividad concreta sobre mitosis.

Desarrollo del prompt

Detalle en las instrucciones

• Al formular el prompt, es importante ser específico sobre qué tarea debe realizar la IA. Por ejemplo: diseñar una actividad educativa detallada sobre mitosis.

Formato y presentación

• Se debe indicar cómo se espera que presente los resultados (en tablas, listas o códigos), asegurando claridad en la entrega final.

Criterios de calidad pedagógica

• Es esencial establecer condiciones claras sobre cómo se desarrollará la actividad, incluyendo lenguaje accesible y métodos interactivos para fomentar participación estudiantil.

Evaluación y revisión humana

Justificación de respuestas generadas

• Las respuestas proporcionadas por las herramientas suelen incluir justificaciones; es vital evaluar si estas son adecuadas según las instrucciones iniciales dadas al sistema.

Precauciones ante información errónea

• Las herramientas pueden generar información incorrecta ("alucinar"), por lo que siempre se debe verificar datos antes de utilizarlos en un contexto educativo.

Transparencia con los estudiantes

• Es importante informar a los alumnos cuando un recurso ha sido creado utilizando inteligencia artificial, enfatizando su propósito como apoyo administrativo más que como sustituto del profesor.

¿Cómo la inteligencia artificial está transformando nuestra forma de pensar y actuar?

La Revolución de la Inteligencia Artificial

• La revolución actual se centra en cambiar no solo cómo hacemos las cosas, sino también cómo pensamos. Las aplicaciones de inteligencia artificial están diseñadas para enfocarse en el ser humano, a diferencia de la revolución industrial que priorizó el desarrollo tecnológico.

• Esta teoría busca facilitar actividades humanas y proporcionar más tiempo libre, enfatizando la salud y bienestar de las personas. Se destaca que estas herramientas no reemplazan el juicio del profesor, sino que actúan como asistentes.

Proceso de Entrenamiento de Herramientas AI

• Es importante entender cómo estas herramientas obtienen su información: a través de un proceso largo y riguroso de entrenamiento que involucra datos disponibles mediante permisos o compras.

• Estas herramientas utilizan bibliotecas completas y repositorios diversos para entrenarse, procesando información en forma de tokens para conservar datos pulidos.

Diseño de Prompts Efectivos

• Para crear un prompt efectivo, es crucial definir roles, tareas, formatos y contextos específicos. Por ejemplo, asignar a una herramienta el rol de profesor en ética para diseñar ejercicios grupales.

• Al estructurar respuestas visuales (como tablas), se debe considerar quién es el público objetivo (estudiantes de bachillerato) y establecer criterios claros como calidad y tono pedagógico.

Ejemplos Prácticos y Recursos

• Se proporciona una guía básica sobre cómo generar prompts e instrucciones para usar en herramientas AI. Esto incluye ejemplos prácticos que los docentes pueden copiar y adaptar según sus necesidades.

• Se ofrecen varios prompts útiles para diferentes materias (historia, lengua, biología), destacando la importancia del juicio docente al evaluar los resultados generados por estas herramientas.

Consideraciones sobre Sesgos e Información Errónea

• Es fundamental reconocer que no toda la información proporcionada por las herramientas AI es precisa; se deben verificar los datos presentados debido a posibles sesgos inherentes en su programación.

• Los sesgos pueden influir en la información presentada por las herramientas AI; esto incluye sesgos relacionados con género, geografía y profesiones obtenidos a partir de investigaciones académicas relevantes.

Sesgos en Modelos de Lenguaje y Competencias Laborales

Sesgos de Género y Profesión

• La UNESCO señala que algunos modelos de lenguaje describen a las mujeres cuatro veces más en roles domésticos que a los hombres, reservando términos como "líder" para los hombres. Esto refleja un sesgo de género en la información utilizada para entrenar estos modelos.

Sesgos Geográficos

• Análisis muestran una asociación automática entre pobreza y regiones específicas, vinculando riqueza con el norte global. Esto implica que al investigar sobre zonas pobres, se tiende a mirar hacia Latinoamérica o África, ignorando la pobreza presente en otras partes del mundo.

Sesgos en Educación

• Algunos modelos describen a alumnos de minorías como "alumnos con problemas de comportamiento" o "bajo rendimiento", lo cual es un sesgo que se presenta con mayor frecuencia en comparación con otros grupos. Estos sesgos son resultado del entrenamiento previo del modelo.

Evitar Sesgos en el PROM

• Es fundamental evitar sesgos geográficos y de género dentro del PROM (Planificación y Organización de Recursos). Se sugiere incluir líneas directrices para mitigar estos sesgos durante el desarrollo educativo.

Competencias Críticas para 2030

• Según el Foro Económico Mundial, las competencias críticas requeridas incluyen habilidades como pensamiento crítico, creatividad e innovación, así como alfabetización digital e inteligencia artificial. Estas competencias son esenciales para adaptarse al futuro laboral.

Cambios en el Reclutamiento Laboral

• En el ámbito laboral actual, ya no se valora únicamente el título universitario; se priorizan habilidades prácticas como liderazgo, trabajo en equipo y capacidad de adaptación ante retroalimentación crítica. Esto refleja un cambio hacia competencias más aplicadas y menos teóricas.

Cierre sobre Competencias Educativas

• Se concluye enfatizando la importancia de identificar las competencias actuales que poseen los docentes y cuáles necesitan ser reforzadas según diagnósticos previos, alineándose con las tendencias laborales futuras hasta 2030.

Ejemplo Práctico: Laboratorio Didáctico

• Se presenta un ejemplo práctico sobre cómo utilizar inteligencia artificial en la planificación didáctica dentro del laboratorio de investigación, destacando su potencial como herramienta auxiliar para mejorar la práctica docente.

Introducción a la Investigación Social en Educación

Fase 1: Conceptos Fundamentales

• La fase 1 se centra en definir qué es la investigación social y su utilidad, así como en identificar los subtemas relevantes para el alumno al ingresar al laboratorio de investigación.

• Se menciona que se utilizará un documento PDF como base para desarrollar los temas, actuando como un sociólogo experto en educación media superior en México.

Identificación de Problemas Sociales

• En clase, se busca que los adolescentes identifiquen problemas reales de su entorno, generando una lista de cinco problemáticas sociales invisibilizadas que ocurren frecuentemente en las escuelas preparatorias.

• Se propone crear una tabla con tres columnas: problemáticas, urgencia de investigar el tema y posible impacto si no se aborda.

Uso de Herramientas Tecnológicas

• Se introduce Keminie como una herramienta versátil para trabajar con prompts; se enfatiza que aquellos con más experiencia pueden experimentar con diferentes modelos.

• Para quienes están comenzando, se recomienda dejar el modelo en "modo pensar" sin seleccionar herramientas adicionales.

Generación de Contenido a través de IA

• La interacción con herramientas tecnológicas ocurre mediante un chat donde se ingresan requerimientos; la herramienta genera contenido basado en estos inputs.

• El docente evaluará si las propuestas generadas son adecuadas y útiles para crear presentaciones efectivas.

Desarrollo Colaborativo del Contenido

• La presentación fue desarrollada íntegramente con inteligencia artificial y revisada por coordinadores del curso; esto demuestra cómo la tecnología puede facilitar el trabajo educativo.