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: explicar en termos sinxelos como aprende un modelo de IA a partir de exemplos; adestrar e probar un modelo sinxelo de clasificación de imaxes; identificar casos nos que o modelo produce resultados incorrectos; explicar como inflúe a calidade dos exemplos no rendemento da IA; mellorar o modelo a partir das probas; valorar se a solución de IA sería útil e fiable nunha situación escolar real. 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