Alfabetización en Inteligencia Artificial PDF

Alfabetización en Inteligencia Artificial Tendencias actuales en la investigación/innovación educativa en Didáctica de las Ciencias Sociales, Experimentales y Matemáticas  Objectives Después de este tema, deberías ser capaz de: 1. Conocer la historia de la inteligencia ar...

Alfabetización en Inteligencia Artificial Tendencias actuales en la investigación/innovación educativa en Didáctica de las Ciencias Sociales, Experimentales y Matemáticas  Objectives Después de este tema, deberías ser capaz de: 1. Conocer la historia de la inteligencia artificial (IA). 2. Comprender los fundamentos y principios básicos de la IA. 3. Identificar sus principales tipos y modalidades. 4. Planificar formas de enseñar a los estudiantes sobre la IA, sus usos potenciales y sus retos. 2 Historia de la IA  El primer chatbot de IA ELIZA ELIZA utiliza el reconocimiento de patrones para identificar palabras y frases específicas en las entradas del usuario. A continuación, el programa utiliza la sustitución, es decir, reemplaza esas palabras y frases por otras para crear respuestas. Por ejemplo, si un usuario dice: “I feel sad”, ELIZA podría sustituir “I” por “you” y responder con algo como: “Why do you feel sad?”. Esto permitía a ELIZA participar en conversaciones y crear la ilusión de comprensión, a pesar de que el programa no entendía en absoluto lo que se decía. El script más famoso de ELIZA se llamaba DOCTOR y funcionaba como un psicoterapeuta ficticio que contestaba constantemente con simples contrapreguntas. Pruébalo 5  Una nueva revolución industrial La cuarta revolución industrial En los tres últimos siglos hemos vivido cuatro revoluciones industriales: 6 Figura: Horváth (2018)  Disrupciones tecnológicas en educación La tecnología en la educación: ¿Aliado o amenaza? 1966: Profesores de matemáticas de Estados Unidos protestan contra el uso de calculadoras en las escuelas. “Los profesores creen que, si los alumnos utilizan las calculadoras demasiado temprano, no aprenderán los conceptos matemáticos.”  Disrupciones tecnológicas en educación Pero, ¿qué es la tecnología? Alan Kay. Pionero de la informática e Cuestiones sobre las que reflexionar inventor de la interfaz gráfica ¿Qué quiere decir Alan Kay? ¿Se le ocurre algún ejemplo de algo que antes se consideraba tecnología disruptiva y ahora se considera esencial? ¿Cómo deben los educadores prepararse y preparar a sus alumnos para los retos que plantean las tecnologías disruptivas? 8  ¿Qué es la inteligencia artificial? Definición Acuñado en 1956 por John McCarthy, el término inteligencia artificial (IA) se refiere a la capacidad de las máquinas para imitar y realizar tareas que normalmente requerirían inteligencia humana. Puede incluir tareas como el reconocimiento del habla, la toma de decisiones, la resolución de problemas y la comprensión del lenguaje natural. Figura: The role of Artificial Intelligence in future technology (Kayid, 2020)  ¿Cómo identificar una IA? Test de empatía Voight-Kampff [Blade Runner] El test de Voight-Kampff, que aparece en Blade Runner, es un test de empatía ficticio que se utiliza para distinguir a los humanos de los replicantes (seres humanos artificiales) midiendo las respuestas fisiológicas a preguntas con carga emocional. icono video.png 10  ¿Cómo identificar una IA? Test de Turing Alan Turing, el padre de la IA, propuso un experimento para determinar si una máquina con inteligencia artificial puede imitar las respuestas humanas. Así, el humano hace preguntas tanto a la otra persona como a la máquina, y si no puede identificar si alguno de los dos sujetos es o no una máquina, la máquina supera con éxito el test de Turing. Película sobre su vida y el 11 desciframiento del código Enigma.  Historia de la IA Cronología de la IA 12 Fuente: Microsiervos  Historia de la IA Los inviernos de la IA... ? 13 Figura: Is the Next Winter Coming for AI? (Harguess & Ward, 2022) Fundamentos y principios básicos de la IA  Funcionando a partir de datos Big data Los macrodatos o big data es un término que hace referencia a conjuntos de datos que, por su gran volumen, requieren técnicas especiales de procesamiento. Cada día se crea en el mundo una cantidad de datos casi inimaginable. El big data y la IA están íntimamente relacionados, ya que el big data proporciona la enorme cantidad de datos necesarios para entrenar y mejorar los modelos de IA, facilitándoles la búsqueda de patrones y la toma de decisiones más precisas. La IA, a su vez, ayuda a analizar y extraer información significativa de conjuntos masivos de datos. 15  Ramas de la IA Pregunta ¿Cuál de las siguientes no es una rama de la IA? a) Análisis de datos (Data Analysis) b) Aprendizaje profundo (Deep Learning) c) Aprendizaje automático (Machine Learning) d) Redes neuronales (Neural Networks) 16  Machine learning o aprendizaje automático ¿Qué es el Machine learning y cómo funciona? El machine learning o aprendizaje automático es una rama de la inteligencia artificial que permite a los sistemas aprender y mejorar a partir de la experiencia sin necesidad de ser programados explícitamente. Utiliza algoritmos para analizar datos, aprender de ellos y hacer predicciones o tomar decisiones basadas en la información. Hoy en día, el machine learning es prácticamente sinónimo de inteligencia artificial, ya que la mayoría de las IA se basan en el aprendizaje a partir de datos. 17 Figura: Simplilearn  Machine learning o aprendizaje automático Tipos de aprendizaje automático El aprendizaje supervisado utiliza datos etiquetados para hacer predicciones o clasificaciones. El aprendizaje no supervisado emplea datos no etiquetados para encontrar patrones o estructuras a partir de los datos de forma autónoma. El aprendizaje por refuerzo aprende acciones óptimas a través de un sistema de recompensas y penalizaciones. Figuras: Simplilearn 18  Deep learning o aprendizaje profundo ¿Qué es el Deep learning y cómo funciona? Deep learning es una subcategoría del machine learning que utiliza redes neuronales artificiales con múltiples capas “ocultas” (de ahí el término “Deep”) para extraer y aprender automáticamente patrones y características complejas a partir de grandes volúmenes de datos, ya sean estructurados o no estructurados. Se inspira en los procesos y la estructura del cerebro humano, transmitiendo información a través de neuronas interconectadas. Las capas ocultas se consideran una “caja negra” porque su funcionamiento interno es altamente matemático y difícil de interpretar para los humanos. Extra: The mathematics of artificial intelligence [BBN Times] Imagen 19  Machine learning vs. Deep learning Una comparación Machine learning Deep learning En general, los algoritmos de ML pueden Requieren una cantidad significativa de potencia de Requisitos entrenarse en hardware estándar sin excesivas cálculo, especialmente durante la fase de entrenamiento, necesidades computacionales, especialmente y a menudo hacen uso de GPU (unidades de para las tareas menos complejas. procesamiento gráfico) para acelerar el proceso. Muchos algoritmos de ML (especialmente los Interpretabilidad Las redes neuronales profundas suelen considerarse modelos lineales y los árboles de decisión) son “cajas negras” debido a su complejidad y a la dificultad de más interpretables, lo que significa que los comprender exactamente cómo se realizan las usuarios pueden entender más fácilmente predicciones o se toman las decisiones en cada capa de la cómo se toman las decisiones o se hacen las red. predicciones. Reconocimiento facial Recomendaciones personalizadas (por Asistentes virtuales (e.g., Siri o Alexa) ejemplo, Netflix, Spotify o Amazon) Usos Traducción automática (e.g., Google Translate) Filtros de spam Coches autónomos Previsiones meteorológicas IA generativa (e.g., ChatGPT, Copilot, Stable Diffusion) 20  IA generativa Una IA “casi” general Aunque todavía no se ha desarrollado una IA general tan completa y flexible como la humana, la IA generativa es una rama de la inteligencia artificial capaz de hacer muy bien muchas cosas diferentes. A diferencia de los sistemas de IA anteriores, diseñados para reconocer patrones y hacer predicciones a partir de un conjunto de datos existente, la IA generativa permite, además, utilizar ese conocimiento para generar nuevos contenidos en forma de imágenes, texto, audio, vídeo,... que sigan la misma distribución de esos datos. Ejemplo Un ejemplo de generación de imágenes es el software StyleGAN, desarrollado por Nvidia, que se ha utilizado en diferentes proyectos: Imagen This person does not exist Imagen Which face is real? 21  Tipos de IA generativa Imagen Imagen DALL-E Imagen Midjourney Imagen Stable Diffusion Vídeo icono video.png EMO Lip-Sync icono video.png Sora Música y voz Imagen Suno AI Imagen FakeYou 22  Tipos de IA generativa Chatbots Un chatbot es un tipo de asistente virtual especializado en mantener conversaciones escritas (chats). La IA que hay detrás de los chatbots se conoce como modelo de lenguaje. Estos modelos se entrenan utilizando cantidades masivas de texto para aprender cómo se relacionan entre sí las palabras de un idioma, cuáles suelen ir juntas o cuáles suelen estar acompañadas de las mismas palabras. A partir de ahí, estos modelos son capaces de predecir, dada una palabra, qué palabra es más probable que venga a continuación, lo que les permite generar frases e incluso textos largos. Ejemplos de chatbots son Gemini, ChatGPT, LLaMA o Microsoft Copilot. 23 Fuente: Aula IA  Tipos de IA generativa ¿Cómo funciona ChatGPT? Fuente: Wolfram (2023)  Ramas de la IA Árbol genealógico de la IA y resumen La Inteligencia Artificial es una disciplina amplia que incluye Inteligencia diversos métodos y estrategias para construir sistemas capaces de Artificial (IA) comportarse de forma inteligente. Machine El machine learning, un subconjunto Learning (ML) de la IA, consiste en crear algoritmos que mejoran su rendimiento aprendiendo de los datos y generando Deep predicciones o tomando decisiones. Learning (DL) El deep learning, un área más especializada dentro del ML, utiliza redes neuronales artificiales con muchas capas para el reconocimiento avanzado de patrones. IA generativa La IA generativa, un dominio avanzado (IAGen) dentro del DL, se especializa en la producción de nuevos contenidos, principalmente utilizando arquitecturas basadas en Transformers como GPT (para texto) o DALL-E (para imagen). Cada uno de estos campos se basa en los fundamentos del anterior, con la IA generativa ampliando las posibilidades de creación autónoma. 25  Ramas de la IA Pregunta ¿Cuál de las siguientes no es una rama de la IA? a) Análisis de datos (Data Analysis) b) Aprendizaje profundo (Deep Learning) c) Aprendizaje automático (Machine Learning) d) Redes neuronales (Neural Networks) El análisis de datos (Data Analysis) consiste en examinar, depurar e interpretar los datos para extraer información significativa, lo que puede contribuir al desarrollo de la IA, pero no forma parte de la IA propiamente dicha. Las otras opciones son componentes integrales o subcampos de la IA. 26  Tipos de IA Evolución de la IA IA débil o estrecha IA general IA superinteligente (ANI - Artificial Narrow (AGI - Artificial General (ASI - Artificial Super Intelligence) Intelligence) Intelligence) Ejecuta tareas específicas Se acerca a la capacidad Supera la inteligencia humana dentro de un área concreta, cognitiva humana, realizando en prácticamente todos los sin capacidad de expandir su tareas amplias, razonando y ámbitos. funcionalidad por sí misma. mejorando sus propias Puede contribuir al logro de Ejemplos: conducción, capacidades. objetivos sociales o diagnóstico médico, Ejemplos: obtener títulos representar una amenaza asesoramiento financiero. universitarios, convencer a los para la humanidad. humanos de que es un ser humano. 100% de la IA actual Hipotética Hipotética 27 Fuente: Reddy (2022)  Probando la IA débil La IA débil en acción Quickdraw, de Google, es un sistema que ha aprendido de los dibujos a mano de muchísimas personas. Cuando dibujas algo nuevo, intenta decirte qué estás intentando dibujar. También aprende de los nuevos dibujos que hace la gente para ser cada vez más y más inteligente. Imagen Pero... ¿cómo aprende la IA? Teachable Machine, también de Google, te permite entrenar tu propio sistema de aprendizaje automático o machine learning. Imagen 28  Ética de la IA Sesgos ¿Por qué la IA no siempre se comporta como debería? ¿Son los datos con los que se entrena lo suficientemente correctos y variados como para no discriminar a nadie? Transparencia ¿Es transparente el sistema de IA en cuanto a cómo se ha entrenado o qué datos ha utilizado? ¿Puede explicarse el modelo a usuarios no expertos o es una “caja negra”? Privacidad y seguridad de los datos ¿Respeta la privacidad, garantiza la calidad e integridad de los datos y permite un acceso adecuado a los mismos? Bienestar social y medioambiental ¿Tiene en cuenta la sostenibilidad, el respeto al medio ambiente y el impacto social, laboral y democrático? icono video.png [Programamos] El impacto social de la IA 29 Enseñando IA a la próxima generación  Enseñando IA a la próxima generación Las 5 grandes ideas de la IA según AI4K12 31  Enseñando IA a la próxima generación Aplicando las 5 grandes ideas de la IA según AI4K12 1. Percepción: Explorar cómo las máquinas procesan información del mundo a través de datos sensoriales, como imágenes y sonidos. Actividad: Utilizar aplicaciones de reconocimiento de imágenes (p.ej., Google Lens) para que los niños carguen fotos y vean cómo la IA identifica y clasifica objetos en ellas, interactuar con agentes inteligentes como Alexa o Siri, o mostrar lo que el piloto automático de Tesla ve en la carretera icono video.png 32  Enseñando IA a la próxima generación Aplicando las 5 grandes ideas de la IA según AI4K12 2. Representación y razonamiento: Comprender cómo las IA utilizan la información para tomar decisiones o resolver problemas. Actividad: Crear árboles de decisión que muestren cómo una IA toma decisiones en juegos simples. Por ejemplo, Akinator es un sistema capaz de “adivinar” el personaje o animal en el que estás pensando haciéndote una serie de preguntas. Imaginemos que queremos construir un mini Akinator, pero sólo con tres animales: una morsa, una oveja y una jirafa. 33 Fuente: Programamos  Enseñando IA a la próxima generación Aplicando las 5 grandes ideas de la IA según AI4K12 3. Aprendizaje: Introducir la idea de que las máquinas pueden mejorar y aprender de experiencias pasadas. Actividad: Interacción con robots educativos o simulaciones que cambian su comportamiento basado en las acciones de los niños, demostrando el aprendizaje a través de la práctica. Por ejemplo, además de Teachable Machine, los niños pueden usar LearningML o Machine Learning for Kids para recopilar ejemplos de cosas que quieren que la IA sea capaz de reconocer. A continuación, pueden utilizar los ejemplos para entrenar a un ordenador para que sea capaz de reconocerlos. Por último, pueden incluso crear un juego en Scratch que utilice la capacidad del ordenador para reconocerlos. Otro ejemplo es IA para océanos, de Code.org. Este juego es un primer paso hacia la enseñanza del funcionamiento de la IA en las escuelas y puede utilizarse desde la educación infantil. 34  Enseñando IA a la próxima generación Aplicando las 5 grandes ideas de la IA según AI4K12 4. Interacción Natural: Mostrar cómo las personas pueden comunicarse con las máquinas de manera natural y fácil. Actividad: Conversaciones con chatbots diseñados para educación, donde los niños pueden hacer preguntas y recibir respuestas coherentes, experimentando la interacción humano-máquina. Por ejemplo, Duolingo Bots o Microsoft Copilot. 35  Enseñando IA a la próxima generación Aplicando las 5 grandes ideas de la IA según AI4K12 5. Impacto Social: Reflexionar sobre las formas en que la IA impacta en nuestra sociedad, incluyendo los aspectos positivos y los desafíos éticos. Actividad: Organizar debates o discusiones en clase sobre escenarios hipotéticos, como el uso de IA en la toma de decisiones o en la creación de música y arte, fomentando la reflexión crítica sobre los beneficios y riesgos de la IA. icono video.png [rtve] Documental: Alter Ego. La inteligencia invisible 36  Enseñando IA a la próxima generación Proyecto Aula IA Desarrollado en la Universidad de Alicante y financiado por el Ministerio de Ciencia en Innovación a través de FECYT. Este proyecto tiene como objetivo el desarrollo de materiales didácticos para formar a alumnos y profesores de tercer ciclo de educación primaria (edades entre 10 y 12 años) en aspectos relacionados con la IA, sus fundamentos técnicos, su impacto en la sociedad actual, así como sus implicaciones éticas y morales. Siguiendo la guía del Real Decreto 157/2022, se alinea con los saberes Imagen básicos que incluyen el pensamiento computacional. Se materializa en 10 lecciones de autoaprendizaje y 5 vídeos introductorios sobre IA, disponibles en la web del proyecto, y la guía ofrece consejos y sugerencias para integrar estos materiales en el aula. 37  Enseñando IA a la próxima generación Proyecto AI Unplugged Desarrollado por Annabel Lindner y Stefan Seegerer y editado por la Cátedra de Enseñanza de la Informática de la Universidad Friedrich-Alexander. El documento presenta cinco actividades “unplugged” que se pueden utilizar para enseñar ideas y conceptos de IA a alumnos de todas las edades, sin necesidad de utilizar un ordenador. Aborda conceptos como la clasificación con árboles de decisión, el reconocimiento de imágenes con redes neuronales, el aprendizaje por refuerzo o el famoso Test de Turing. Imagen  Actividad Proyecto de aprendizaje automático con Machine Learning for Kids y Scratch En este proyecto, harás un personaje que reacciona a lo que dice. Si lo felicitas, se verá feliz. Si lo insultas, se verá triste. Al principio, programarás una lista de reglas para lo que es bueno y lo que es malo, y aprenderás por qué ese enfoque no es muy bueno. A continuación, enseñarás al ordenador a reconocer los mensajes buenos y los mensajes malos, dándole ejemplos de cada uno de ellos. Accede a la web de Machine Learning for Kids y haz clic en “Ejercicios”. Busca el proyecto “Hazme feliz” y descarga la hoja de trabajo del proyecto (versión completa). Sigue los pasos y entrena tu propio modelo de Machine Learning, personalizándolo a tu gusto. Entregable Guarda tu proyecto de Scratch (extensión.sb3) y súbelo a la tarea en Moodle. icono video.png ¡Puedes explorar muchos más proyectos! IA y educación matemática  IA y educación matemática ¿Qué es la tecnología? 1966: Profesores estadounidenses de matemáticas protestan contra el uso de calculadoras en las escuelas. "Los profesores creen que si los alumnos utilizan las calculadoras demasiado pronto, no aprenderán los conceptos matemáticos."  IA y educación matemática ¿Qué es la tecnología? Alan Kay. Pionero en computación e inventor de la interfaz gráfica. 42  IA y educación matemática El principio de la tecnología, según el National Council of Teachers of Mathematics “La tecnología es esencial en la enseñanza y el aprendizaje de las matemáticas; ésta influye en las matemáticas que se enseñan y mejora el aprendizaje de los alumnos” (NCTM, 2000).  IA y educación matemática Diferentes posibilidades ❑ Aprendizaje adaptativo basado en IA. ❑ Calculadoras basadas en IA. ❑ Sistemas tutoriales inteligentes. ❑ Grandes modelos de lenguaje. 44 Aprendizaje adaptativo basado en IA  Aprendizaje adaptativo basado en IA Primeros sistemas de aprendizaje adaptativo ❑ El aprendizaje adaptado al alumno, un imperativo pedagógico. ❑ Primeros intentos en los años 60. ❑ Primera patente en 1956 (SAKI). Tarjeta perforada Self-adaptive keyboard instructor (SAKI) Imágenes: Gordon Pask, "SAKI: Twenty-five years of adaptive training into the microprocessor era"  Aprendizaje adaptativo basado en IA ALEKS 47  Aprendizaje adaptativo basado en IA Squirrel AI 48  Aprendizaje adaptativo basado en IA Khan Academy 49  Aprendizaje adaptativo basado en IA Aplicaciones en el aula como herramienta para los docentes ❑ Evaluación diagnóstica inicial. ❑ Personalización del contenido. ❑ Retroalimentación inmediata. 50 Imagen: DALL·E 3 Calculadoras basadas en IA  Calculadoras basadas en IA Photomath ❑ Lanzamiento en 2014. ❑ Foto a la ecuación y solución instantánea, paso a paso. ❑ Incluso escritura a mano. icono video.png ❑ Resta de números decimales. icono video.png ❑ Resta de números mixtos.  Calculadoras basadas en IA Gauthmath, ahora Gauth ❑ Lanzamiento en 2021. ❑ Foto al problema y resolución paso a paso. ❑ Posibilidad de tutoría en vivo con expertos. icono video.png  Calculadoras basadas en IA Mathway  Calculadoras basadas en IA Symbolab 55  Calculadoras basadas en IA Math Solver 56  Calculadoras basadas en IA Socratic 57  Calculadoras basadas en IA La tecnología detrás ❑ Algoritmos de reconocimiento óptico de caracteres (OCR). ❑ Funcionamiento (Van Vaerenbergh y Pérez-Suay, 2021): Extractor de Motor de Explicador información razonamiento 58  Calculadoras basadas en IA WolframAlpha: Un caso particular Imagen: El Confidencial (Noticia de 2009)  Calculadoras basadas en IA WolframAlpha: Un caso particular ❑ Consultas en lenguaje natural. ❑ Motor computacional. Sistemas tutoriales inteligentes Imagen: DALL·E 3  Sistemas tutoriales inteligentes La tecnología detrás ❑ 70s: Primeros esfuerzos por “replicar” a los profesores. ❑ 80s: Estudios muestran las ventajas de la tutoría individual. ❑ Necesidad de recrear atención individual en una máquina: nacen los Sistemas de Tutoría Inteligente (STI). ❑ Posibilidades que los STI incorporan siempre: ▪ Aprendizaje activo del alumno ▪ Interactividad (respondiendo sistemáticamente a las acciones del alumno) ▪ Adaptabilidad (presentando información personalizada) ▪ Retroalimentación (sobre el rendimiento del alumno) 62  Sistemas tutoriales inteligentes Arquitectura de un STI Fuente: Rodríguez Chávez (2021) 63  Sistemas tutoriales inteligentes HINTS (Hypergraph Intelligent Tutoring System) (Arnau et al., 2013, 2014) Versión algebraica: 64  Sistemas tutoriales inteligentes HINTS (Hypergraph Intelligent Tutoring System) (Arnau et al., 2013, 2014) Versión aritmética: 65 Grandes modelos de lenguaje Imagen: scribbleData  Grandes modelos de lenguaje ChatGPT para resolver problemas verbales  Grandes modelos de lenguaje ChatGPT + WolframAlpha para resolver problemas verbales 68 Stephen Wolfram (2023)  Grandes modelos de lenguaje ChatGPT + WolframAlpha para resolver problemas verbales 69  Actividad Comparativa de herramientas de IA para la enseñanza de las matemáticas En esta actividad, exploraremos y evaluaremos el uso de diferentes herramientas tecnológicas de IA (Photomath, Gauth, Gemini, ChatGPT 3.5 y Microsoft Copilot) para resolver y explicar problemas matemáticos de educación primaria. Elige una herramienta y utilízala para resolver los siguientes problemas propuestos de varias categorías matemáticas: aritmética básica, geometría, medida, estadística y probabilidad. El objetivo es analizar la corrección de las soluciones proporcionadas por las herramientas y evaluar su idoneidad didáctica. Entregable Registra en un documento de texto un informe con las respuestas obtenidas de la herramienta de IA. En dicho documento deberás incluir también unas reflexiones sobre la discusión comparativa que realizaremos después acerca de los puntos fuertes y débiles de cada herramienta. 70  Actividad Comparativa de herramientas de IA para la enseñanza de las matemáticas Problemas (Aritmética básica) Laura hornea galletas y decide repartirlas entre sus 4 amigos. Si tiene 3/4 de una docena de galletas, ¿cuántas galletas recibe cada amigo si las reparte de manera equitativa? (Geometría) Un parque tiene forma rectangular y mide 30 metros de largo y 20 metros de ancho. ¿Cuál es el perímetro del parque? (Medida) Si un litro de pintura puede cubrir una superficie de 5 metros cuadrados, ¿cuántos litros de pintura se necesitan para pintar una pared de 3 metros de alto y 10 metros de ancho? (Estadística) En una clase de 20 estudiantes, 5 sacaron una A en el examen, 10 sacaron una B, 4 sacaron una C, y 1 sacó una D. Calcula la moda, la media y la mediana. (Probabilidad) En una bolsa hay 10 bolas: 4 rojas, 3 azules y 3 verdes. Sin mirar, María saca una bola al azar y anota su color. Después, saca otra bola al azar. ¿Cuál es la probabilidad de que María saque una bola roja la primera vez? ¿Cuál es la probabilidad de que María saque una bola azul la segunda vez? 71 Alfabetización en Inteligencia Artificial Tendencias actuales en la investigación/innovación educativa en Didáctica de las Ciencias Sociales, Experimentales y Matemáticas