2.7 Informática / Ciencias da natureza: IA para un problema real do centro
Pode a IA axudarnos a separar os residuos no centro?
Materia: Informática/Ciencias da natureza · Curso: 7.º (13–14 anos) · Duración: 1 sesión dobre · IA: Aprender COA IA
| Competencias relacionadas coa IA (marco DUAL.AI.TEACHer) – nivel docente | Obxectivos de aprendizaxe específicos da materia – nivel do alumnado |
|
AF-TL-2b (Fundamentos e aplicacións da IA × Ensino e aprendizaxe, nivel 2 – Implementación reflexiva):
«Os docentes comprenden os principios básicos da IA e da aprendizaxe automática e poden demostralos mediante exemplos prácticos.»
AF-FC-2b (Fundamentos e aplicacións da IA × Fomento da competencia dixital (en IA) do alumnado, nivel 2 – Implementación reflexiva):
«Os docentes poden guiar o alumnado na experimentación con ferramentas de IA, na comprobación dos seus resultados e na reflexión crítica sobre a súa fiabilidade.» |
Ao final da sesión, o alumnado é capaz de:
|
Mensaxe clave: A IA pode axudar con problemas da vida real, pero non entende automaticamente o que ve. Aprende a partir de exemplos achegados por persoas e, polo tanto, os seus resultados deben probarse e avaliarse.
Fig. 1: «Pode a IA axudarnos a separar os residuos no centro?» (imaxe xerada con IA, ChatGPT GPT Image 2)
Contido
A separación de residuos é unha cuestión cotiá en moitos centros. O alumnado usa a diario papel, botellas de plástico, envases de alimentos e outros materiais, pero estes obxectos non sempre acaban no colector de reciclaxe correcto.
Esta situación coñecida ofrece un xeito sinxelo de explorar como funciona a intelixencia artificial. O alumnado investiga se un sistema de IA podería recoñecer un obxecto e recomendar a que colector de reciclaxe corresponde.
Durante a actividade, o alumnado crea un modelo básico de clasificación de imaxes con categorías como papel, plástico e outros residuos. Proporciónalle á IA varios exemplos, adestra o modelo e despois próbao con obxectos novos.
A actividade mostra un principio importante da aprendizaxe automática: a IA aprende patróns a partir dos exemplos que recibe. Se os exemplos son demasiado parecidos, incompletos ou están mal escollidos, o modelo pode producir resultados inesperados.
Polo tanto, o alumnado non se limita a crear un modelo que funcione. Próbao deliberadamente con exemplos difíciles, investiga os seus erros e tenta melloralo. Por exemplo, pode descubrir que unha botella de plástico esmagada se clasifica de forma distinta ca unha botella normal, ou que o fondo dunha imaxe inflúe no resultado.
A sesión relaciona un concepto básico de IA cunha situación escolar real. Ao mesmo tempo, anima o alumnado a pensar de forma crítica sobre a fiabilidade e a responsabilidade humana: aínda que un sistema de IA dea unha recomendación, son as persoas as que teñen que decidir se o resultado ten sentido.
Programación da sesión
| Fase | Tempo | Actividade |
| Gancho | 10 min | O docente mostra varios obxectos de refugallo cotiáns e pregúntalle ao alumnado onde van. A clase comenta se a IA podería tomar a mesma decisión automaticamente. |
| Presentación | 10 min | O docente presenta a clasificación de imaxes e explica que a IA aprende a partir de exemplos. Faise unha breve demostración da ferramenta de IA escollida. |
| Exploración | 20 min | En pequenos grupos, o alumnado crea categorías como papel, plástico e outros residuos, prepara exemplos e adestra o seu primeiro modelo. |
| Adaptación 1 | 20 min | O alumnado proba o modelo con obxectos novos e rexistra onde acerta e onde se equivoca. |
| Adaptación 2 | 20 min | O alumnado mellora os exemplos de adestramento, volve adestrar o modelo e compara os novos resultados cos da primeira versión. |
| Reflexión | 10 min | O alumnado comenta se o seu sistema de IA sería o bastante fiable para un uso real no centro e cales son as súas limitacións. |
Preguntas guía: do experimento con IA á aplicación na vida real
-
-
Gancho – Podería a IA decidir onde van os nosos residuos?
-
O docente mostra varios obxectos comúns, por exemplo:
- unha folla de papel,
- unha botella de plástico,
- unha caixa de cartón,
- un vaso de iogur,
- un lapis.
Primeiro, o alumnado decide por si mesmo onde debería ir cada obxecto.
Despois, pregunte:
- Podería un ordenador tomar a mesma decisión a partir da imaxe dunha cámara?
- Como sabería que algo é papel ou plástico?
- Que información necesitaría?
- Podería equivocarse algunha vez?
Presente o reto:
Crear un modelo de IA que axude o alumnado a decidir que colector de reciclaxe usar.
-
-
Presentación – Como aprende un clasificador de IA?
-
O docente mostra unha ferramenta sinxela de clasificación de imaxes.
Pódense crear tres categorías:
Papel – Plástico – Outros
Explique que o modelo non recibe unha definición como:
«O plástico é un material feito de polímeros.»
En cambio, recibe exemplos e tenta identificar patróns.
Pregúntelle ao alumnado:
- Se só lle mostramos á IA botellas de plástico, entenderá todos os tipos de plástico?
- Cantos exemplos podería necesitar?
- Deberían parecerse todas as fotos?
- Que podería pasar se todos os obxectos de papel se fotografan sobre unha mesa branca?
Idea clave: Os exemplos que proporcionamos inflúen no que aprende a IA.
-
-
Exploración - Construír o primeiro modelo
O alumnado traballa en pequenos grupos.
Cada grupo recolle exemplos para as tres categorías ou usa exemplos preparados.
Por exemplo:
Papel
- ficha de traballo
- xornal
- cartón
- bolsa de papel
Plástico
- botella de plástico
- vaso de plástico
- envase
Outros
- lapis
- obxecto metálico
- envase de alimentos doutro tipo
- tecido
O alumnado adestra o seu primeiro modelo.
A continuación, proba varios exemplos sinxelos.
En cada proba rexistra:
Obxecto → Resultado esperado → Resultado da IA → Correcto / Incorrecto
Nesta fase, o obxectivo non é acadar unha precisión perfecta. Primeiro, o alumnado debe comprender como se comporta o sistema.
-
Adaptación 1 – Tentar que a IA falle
Agora o alumnado proba o sistema con exemplos máis difíciles.
Por exemplo:
- unha botella de plástico esmagada;
- papel de cores;
- cartón cun revestimento de plástico;
- un obxecto visto desde outro ángulo;
- un obxecto máis afastado da cámara;
- o mesmo obxecto sobre un fondo distinto.
Pregunte:
- Que exemplos recoñeceu correctamente a IA?
- Onde se equivocou?
- Que tiñan de diferente estes exemplos?
- Podería a IA estar reaccionando á cor ou ao fondo en lugar de ao propio obxecto?
- Que información pode faltar nos exemplos de adestramento?
O alumnado identifica unha debilidade do seu modelo.
-
-
Adaptación 2 – Mellorar o modelo
Cada grupo fai un ou máis cambios.
Por exemplo:
- engadir máis exemplos;
- usar distintos tipos de papel ou de plástico;
- fotografar os obxectos desde varios ángulos;
- usar fondos distintos;
- equilibrar o número de exemplos de cada categoría.
O alumnado volve adestrar o modelo e repite algunhas das probas anteriores.
Compara:
Versión 1 → Versión 2
Pregunte:
- Mellorou o modelo?
- Que cambio axudou?
- Segue habendo exemplos que non pode clasificar de forma fiable?
- Engadir máis datos resolvería sempre o problema?
- Cantas probas farían falta antes de usar o sistema na realidade?
-
Reflexión - Usariamos de verdade esta IA no centro?
Presente unha situación hipotética:
O centro quere instalar unha cámara xunto aos colectores de reciclaxe. O alumnado mostra un obxecto á cámara e a IA recomenda que colector usar.
O alumnado decide se recomendaría a idea.
Comenten:
- Confiarías no modelo actual?
- Que podería pasar se dá unha resposta incorrecta?
- Debería o alumnado poder ignorar sempre a súa recomendación?
- Que probas adicionais farían falta?
- Podería a cámara crear problemas de privacidade?
- Onde podería ser útil un sistema de IA semellante fóra do centro?
O alumnado completa:
- A nosa IA funcionou ben cando…
- A nosa IA tivo problemas cando…
- Antes de usar este sistema na vida real, teriamos que…
Pregunta final de reflexión:
Cando un sistema de IA dá unha recomendación, quen debería decidir se esa recomendación é o bastante boa para usala?
Materiais
-
- Un ordenador ou unha tableta por grupo
- Conexión a internet
- Acceso a unha ferramenta sinxela de IA para a clasificación de imaxes
- Cámara web ou cámara do dispositivo
- Exemplos limpos de papel, plástico e outros obxectos cotiáns
- Como alternativa, fotografías preparadas dos obxectos
- Ficha sinxela para rexistrar os resultados das probas
- Proxector / encerado dixital interactivo para o docente
- Táboa opcional preparada para comparar a versión 1 e a versión 2 do modelo

No comments to display
No comments to display