curriculum de IA para la enseñanza.pdf

Currículos de IA para la enseñanza preescolar, primaria y secundaria Un mapeo de los currículos de IA aprobados por los gobiernos La UNESCO: líder mundial en educación La Agenda Mundial de Educación 2030 La educación es la máxima prioridad de la UNESCO...

Currículos de IA para la enseñanza preescolar, primaria y secundaria Un mapeo de los currículos de IA aprobados por los gobiernos La UNESCO: líder mundial en educación La Agenda Mundial de Educación 2030 La educación es la máxima prioridad de la UNESCO En calidad de organización de las Naciones Unidas porque es un derecho humano esencial y la base especializada en educación, la UNESCO ha recibido el para consolidar la paz y el desarrollo sostenible. La encargo de dirigir y coordinar la Agenda de Educación UNESCO es la agencia de las Naciones Unidas 2030. Este programa forma parte de un movimiento especializada en educación. Proporciona un mundial encaminado a erradicar la pobreza mediante la liderazgo a nivel mundial y regional para reforzar el consecución, de aquí a 2030, de 17 Objetivos de desarrollo, la resiliencia y la capacidad de los Desarrollo Sostenible. La educación, fundamental para sistemas educativos nacionales al servicio de todos alcanzar todos estos objetivos, cuenta con su propio los estudiantes. La UNESCO lidera los esfuerzos para objetivo específico, el ODS 4, que se ha propuesto responder a los desafíos mundiales actuales “garantizar una educación inclusiva, equitativa y de mediante un aprendizaje transformador, con un calidad y promover oportunidades de aprendizaje enfoque especial en la igualdad de género y África durante toda la vida para todos”. El Marco de Acción de a través de todas sus acciones. Educación 2030 ofrece orientación para la aplicación de este ambicioso objetivo y sus compromisos. Publicado en 2023 por la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura, 7, place de Fontenoy, 75352 París 07 SP, Francia © UNESCO 2023 Este documento está disponible en acceso abierto bajo la licencia Attribution-ShareAlike 3.0 IGO (CC-BY-SA 3.0 IGO) licence (http://creativecommons.org/licenses/by-sa/3.0/igo). Al utilizar el contenido de este documento, los usuarios aceptan las condiciones de utilización del Repositorio UNESCO de acceso abierto (www.unesco.org/open-access/terms-use-ccbysa-sp). Título original: K-12 AI curricula: a mapping of government-endorsed AI curricula Publicado en 2022 por la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura Los términos empleados en este documento y la presentación de los datos que en ella aparecen no implican toma alguna de posición de parte de la UNESCO en cuanto al estatuto jurídico de los países, territorios, ciudades o regiones ni respecto de sus autoridades, fronteras o límites. Las ideas y opiniones expresadas en esta obra son las de los autores y no reflejan necesariamente el punto de vista de la UNESCO ni comprometen a la Organización. La traducción de la Guía al español incluyó una revisión técnica por parte del Centro Regional de Estudios para el Desarrollo de la Sociedad de la Información bajo los auspicios de la UNESCO (Cetic.br), del Núcleo de Información y Coordinación del Ponto BR (NIC.br). La traducción fue ED-2022/FLI-ICT/K-12 REV. CLD: 351_23 ES realizada por Prioridade Consultoria Ltda. La revisión técnica de la traducción al español estuvo a cargo de Ana Laura Martínez Tessore (Cetic.br). Diseño de la portada: Marie Moncet Crédito de la portada: Ryzhi/Ryzhi/Shutterstock.com Icono interior (pp. 56-59): Marie Moncet Coordinador: Fengchun Miao Impreso por UNESCO Impreso en Francia  Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Currículos de IA para la enseñanza preescolar, primaria y secundaria Un mapeo de los currículos de IA aprobados por los gobiernos 1 Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Agradecimientos El informe ha sido elaborado por la Unidad de Tecnología e Inteligencia Artificial en la Educación de la UNESCO, del Equipo para el Futuro del Aprendizaje y la Innovación. Fengchun Miao, jefe de esta Unidad, conceptualizó y ejecutó la metodología de recolección de datos, diseñó y gestionó las encuestas, y lideró la autoría del informe. Kelly Shiohira, de JET Education Services, colaboró en la recolección de datos, analizó los datos de las encuestas, realizó el mapeo del currículo y redactó el informe. Se extiende particular agradecimiento a Juan David Plaza Osses y a Iaroslava Kharkova, miembros de esta Unidad, que organizaron la aplicación de las encuestas y las entrevistas con los expertos focales designados por los Estados Miembros, y a sus colegas Glen Hertelendy y Samuel Grimonprez por coordinar la producción del informe. La UNESCO agradece a los siguientes representantes gubernamentales por sus contribuciones y por el tiempo dedicado a las entrevistas para ofrecer la información más detallada sobre los currículos de IA de sus respectivos países: Noha Alomari, Especialista en TIC en Educación del Departamento de Recursos de Aprendizaje y Currículo del Ministerio de Educación y Educación Superior de Qatar, Peter Bauer, Jefe del Departamento de Informática y Tecnología de Medios de Comunicación de HTBLA Leonding en Austria, Marie-Thérèse Delhoune Inspectora de Educación Secundaria del Servicio de Inspección General de la Federación Valona-Bruselas en Bélgica, Helder Pais, Jefe del Departamento de Desarrollo de Currículos de la Dirección General de Educación del Ministerio de Educación de Portugal, y Zhang Xiong, Profesor de la Escuela de Ciencias e Ingeniería Informática de la Universidad de Beihang en China. El informe también se ha beneficiado a partir de la información recibida en las entrevistas con las siguientes personas: Shalini Kapoor, Bettina Culter, Anne Forbes Joyeeta Das y Lucy Qu, de IBM; Anshul Sonak y Shweta Khurana, de Intel; Ki- Sang Song, de la Universidad Nacional de Educación de Corea, República de Corea; Alexa Joyce y Simran Jha, de Microsoft; Irene Lee y Cynthia Breazeal, del MIT; Muna Al Ansari, de Kuwait; Laila Mohammend Al Atawy, de Jordania; Mohammed Jumah F. Al-Enazi, de Arabia Saudita; Stefan Badza, de Serbia; Kyungsuk Chang, de la República de Corea; Saffin Mathew, de la India; Marília Neres, de Portugal; Ashutosh Raina, de la India; Ralitsa Voynova, de la República de Bulgaria; Isabelle Sieh, de Alemania; Paula Thompson, de Canadá; Artashes Torosyan, de Armenia; Ralitsa Voynova, de la República de Bulgaria; y Stephan Waba, de Austria. Se agradece a Patrick Molokwane, de JET Education Services, por el soporte técnico brindado a la investigación. También corresponde hacer llegar un agradecimiento a Jenny Webster por la corrección de estilo y de pruebas del texto, y a Marie Moncet por el diseño de edición. Finalmente, la UNESCO desea agradecer al TAL Education Group por el apoyo financiero brindado para poner en marcha el proyecto sobre la IA y los Futuros del Aprendizaje, gracias al cual también ha sido posible elaborar este informe. 2  Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Tabla de Contenidos Agradecimientos................................................................................................................................. 2 Objetivo y alcance del informe......................................................................................................... 6 Alcance del mapeo.......................................................................................................................................................... 6 Introducción......................................................................................................................................... 7 Una introducción a los términos y tecnologías de IA......................................................................................... 9 Inteligencia artificial...........................................................................................................................................................................9 Técnicas de IA.......................................................................................................................................................................................9 Tecnologías de IA.............................................................................................................................................................................. 10 IA ética.................................................................................................................................................................................................. 10 Alfabetización en IA......................................................................................................................................................................... 11 Conceptos y terminología pedagógicos...............................................................................................................12 Marcos de referencia existentes sobre currículos de IA...................................................................................13 Alfabetización en IA: competencias y consideraciones de diseño.................................................................................. 13 AI4K12: cinco ideas principales y directrices del currículo de IA para la enseñanza preescolar, primaria y secundaria..................................................................................................................................................................... 15 Marco Educativo del Aprendizaje Automático...................................................................................................................... 17 Metodología...................................................................................................................................... 20 Recolección de datos....................................................................................................................................................20 Criterios de selección de los currículos de IA aprobados por los gobiernos............................................20 Lista de currículos de IA aprobados por los Gobiernos...................................................................................21 Limitaciones para el análisis de la encuesta.........................................................................................................23 Conclusiones clave del análisis de los currículos de IA aprobados por los gobiernos........ 24 Desarrollo y aprobación de currículos....................................................................................................................24 Desarrollo de currículos de IA y mecanismos de aprobación........................................................................................... 24 Visión y motivaciones para desarrollar currículos de IA...................................................................................................... 25 Pruebas piloto y evaluación de currículos de IA................................................................................................................... 25 Ejemplo: fundamentos y principios del desarrollo curricular en Qatar........................................................................ 26 Integración y gestión de currículos.........................................................................................................................28 Asignación de horas de currículo................................................................................................................................................ 29 Condiciones esenciales para apoyar los currículos de IA.................................................................................................... 30 Ejemplo: introducción de la IA por parte del CBSE en la India.......................................................................................... 31 Contenido del currículo de IA....................................................................................................................................33 Principales categorías de contenidos del currículo de IA................................................................................................... 33 Asignaciones de tiempo para categorías del currículo de IA............................................................................................ 34 Cobertura de categorías curriculares de IA.............................................................................................................................. 34 Ejemplo: contenido curricular de IA en Austria...................................................................................................................... 39 Resultados de aprendizaje de los currículos de IA.............................................................................................41 Metodología para analizar los resultados de aprendizaje.................................................................................................. 41 Marco de referencia para la categorización de resultados de aprendizaje.................................................................. 41 3 Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Mapeo de resultados de aprendizaje por categorías de IA................................................................................................ 42 Ejemplo: progresión de los resultados de aprendizaje de IA en la República de Corea.......................................... 50 Implementación de currículos..................................................................................................................................51 Formación y apoyo a docentes.................................................................................................................................................... 51 Herramientas y entornos de aprendizaje................................................................................................................................. 51 Pedagogías sugeridas...................................................................................................................................................................... 53 Ejemplo: implementación del currículo de Ciencias y Tecnologías de la Información en los institutos secundarios superiores, de China............................................................................................................................................... 55 Conclusiones clave y recomendaciones....................................................................................... 56 Desarrollo y aprobación de currículos...................................................................................................................56 Integración y gestión de currículos.........................................................................................................................57 Contenido curricular y resultados de aprendizaje.............................................................................................57 Implementación de currículos.................................................................................................................................58 Consideraciones finales.................................................................................................................... 60 Referencias......................................................................................................................................... 61 Apéndice............................................................................................................................................. 64 Encuesta enviada a los representantes de los Estados Miembros...............................................................64 Mapeo de la UNESCO sobre currículos de IA aprobados por los gobiernos............................................................... 64 Información general......................................................................................................................................................................... 64 Currículo de IA 1................................................................................................................................................................................. 64 4  Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Lista de figuras Figura 1. Cantidad de currículos de IA por tipo de integración................................................................28 Figura 2. Asignación de tiempo por año de los currículos de IA..............................................................29 Figura 3. Porcentaje de currículos involucrando a cada nivel educativo...............................................30 Figura 4. Apoyo a la implementación realizada..............................................................................................31 Figura 5. Abordaje temático para la integración interdisciplinaria de la IA en el currículo............32 Figura 6. Actores y procedimientos de implementación de la IA.............................................................32 Figura 7. Diagrama de caja de las áreas focales por porcentaje de horas del currículo...................34 Figura 8. Asignación del tiempo curricular por área temática...................................................................35 Figura 9. Asignaciones porcentuales para Fundamentos de IA................................................................36 Figura 10. Asignaciones porcentuales para Ética e impacto social............................................................37 Figura 11. Asignaciones porcentuales para Comprensión, uso y desarrollo de IA...............................38 Figura 12. Asignación porcentual por área temática.......................................................................................40 Figura 13. Estándares curriculares, República de Corea.................................................................................50 Figura 14. Perfil promedio de participación pedagógica..............................................................................54 Lista de tablas Tabla 1. Marco de competencias de alfabetización en IA..........................................................................14 Tabla 2. Conceptos y resultados de aprendizaje de la ‘Idea Principal 1: Percepción’.......................16 Tabla 3. Marco Educativo del Aprendizaje Automático con resultados de aprendizaje y definiciones............................................................................................................................................18 Tabla 4. Currículos de IA para la enseñanza básica aprobados e implementados por los gobiernos.....................................................................................................................................21 Tabla 5. Currículos de IA para la enseñanza básica en desarrollo por los gobiernos......................22 Tabla 6. Currículos no gubernamentales de IA incluidos en el estudio como referencia..............22 Tabla 7. Condiciones esenciales para apoyar los currículos de IA..........................................................30 Tabla 8. Áreas del currículo de IA........................................................................................................................33 Tabla 9. Participación curricular por área temática......................................................................................35 Tabla 10. Participación curricular para la categoría Fundamentos de IA por área temática...........36 Tabla 11. Participación curricular para la categoría Ética e impacto social por área temática.......37 Tabla 12. Participación curricular para la categoría Comprensión, uso y desarrollo de la IA, por área temática.....................................................................................................................................39 Tabla 13. Mapeo de resultados del conocimiento..........................................................................................42 Tabla 14. Mapeo de resultados de habilidades................................................................................................46 Tabla 15. Mapeo de resultados de valores y actitudes..................................................................................49 Tabla 16. Abordajes y especificaciones pedagógicas sugeridas...............................................................53 5 Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Objetivo y alcance del informe Teniendo en cuenta que la tecnología de la IA representa Alcance del mapeo un nuevo campo para las escuelas de enseñanza primaria La UNESCO está investigando las prácticas actuales de y secundaria de todo el mundo, debe considerarse que los desarrollo e implementación de currículos de IA en la gobiernos, escuelas y docentes carecen de conocimientos enseñanza primaria y secundaria desde una perspectiva y experiencias en los cuales basarse para definir las global. En este estudio, los ‘currículos de IA’ hacen competencias de IA y elaborar sus currículos de IA. Este referencia a programas estructurados de aprendizaje ejercicio de mapeo analiza los currículos de IA existentes en torno a temas relacionados con la IA que 1) están con un enfoque específico en los contenidos curriculares aprobados por gobiernos nacionales o regionales; y 2) y los resultados del aprendizaje esperados, delinea los están orientados a estudiantes de educación escolar mecanismos de desarrollo y validación, la adecuación del general desde la enseñanza preescolar hasta el último currículo, la preparación de herramientas de aprendizaje año de la enseñanza secundaria. Este estudio no abarca y los entornos requeridos, las pedagogías sugeridas y la los currículos de IA elaborados para instituciones formación docente. Del mencionado análisis se extraen especializadas en educación y formación técnica y consideraciones clave para orientar el futuro planeamiento profesional (EFTP), instituciones de educación superior u de políticas adecuadas, la elaboración de los currículos oportunidades de aprendizaje informal. nacionales o los programas de estudio institucionales y las estrategias de implementación para el desarrollo de competencias de IA. 6  Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Introducción En los tiempos actuales, una amplia gama de tecnologías Las directrices de política a nivel internacional sugieren de IA se utiliza a nivel internacional, y cada vez se reconoce que las áreas comunes deben abordarse a través de más su importancia en el ámbito laboral y en lo que diferentes enfoques contextualizados, como la promoción respecta a su impacto en la vida cotidiana. Existe un del uso inclusivo y equitativo de la IA en la educación, el “amplio consenso” en que la IA “afectará a ocupaciones aprovechamiento de esta en la mejora de la educación de todos los niveles de remuneración y educación” (Royal y el aprendizaje, el impulso al desarrollo de habilidades Society UK, 2018, citado en el Marco de Ciencias de la laborales y del día a día con presencia de la IA y la Computación de Microsoft, 2021). Un análisis de 2018 protección de datos educativos a efectos de que su uso realizado por McKinsey concluyó en que, hacia 2030, se sea ético, transparente y audiTableau (UNESCO, 2019a). espera que el 70% de las empresas a escala mundial haya Sin embargo, en los tiempos actuales, son relativamente adoptado al menos un tipo de tecnología de IA. Cabe pocas las iniciativas que abordan la temática de la IA señalar que su adopción ampliará las brechas existentes en el contexto de la enseñanza preescolar, primaria entre los países (Bughin et al., 2018a). Actualmente, en y secundaria, lo cual ha conducido a una reciente Estados Unidos, las máquinas realizan hasta el 30% de recomendación sugiriendo que las personas a cargo de las tareas de la fuerza de trabajo (Kelly, 2020). Además de formular políticas deben “ofrecer un entorno de política y ello, se prevén crecientes desajustes entre las habilidades espacios curriculares propicios para la exploración de la IA” impartidas en las escuelas e instituciones de EFTP y las que (Miao et al., 2021, p. 34). reclama el mercado laboral, todo ello en correlación con Como integrante destacada de la comunidad internacional las mayores tasas de automatización y de integración de la y del debate sobre tecnología en la educación, la UNESCO IA (Bughin et al., 2018b). La pandemia de COVID-19 no ha ha liderado un conjunto de importantes iniciativas en el hecho más que aumentar el ritmo de la automatización, lo ámbito de la IA en y para la Educación. que puede provocar que hasta 1 de cada 16 trabajadores1 requiera de una nueva capacitación hacia el año 2030 y En 2015, la Declaración de Qingdao (UNESCO, 2015) incluyó que exista una mayor disminución de la disponibilidad de un punto en torno a la exploración del potencial del big puestos de trabajo de mediana y baja cualificación (Lund data (datos masivos o macrodatos) para potenciar el et al., 2021). aprendizaje a distancia, informar sobre la comprensión del comportamiento de los estudiantes y mejorar El impacto de la tecnología de IA no se limita a la fuerza la elaboración y la prestación de cursos en línea. La de trabajo, ya que tiene profundas implicaciones en declaración también exhortó a los gobiernos a “desarrollar la cultura, la diversidad, la educación, el conocimiento políticas y sistemas que garanticen un uso seguro, científico y la comunicación e información, especialmente apropiado y ético de los datos, incluyendo la protección en lo que respecta a la paz, la sostenibilidad, la igualdad de la privacidad y la confidencialidad de la información de género y los desafíos específicos de África (COMEST, personal identificable de los estudiantes”. 2019). Todas estas son áreas de particular interés para los organismos internacionales y nacionales cuyo foco y El Consenso de Beijing sobre la Inteligencia Artificial y se centra en el desarrollo y la política. Las personas están la Educación (UNESCO, 2019b) incluye un conjunto aumentando sus interacciones con la IA, a sabiendas de recomendaciones y consideraciones para la o ignorándolo. La IA se ha desarrollado al punto de ser aplicación de la IA en la educación. Demostrando capaz de conducir automóviles, automatizar los servicios una gran atención a la equidad y la inclusión, una de las recomendaciones del Consenso hace foco en de atención al cliente, identificar objetivos para las garantizar que la IA promueva una educación de alta bombas militares, examinar a las personas que pretenden calidad, así como oportunidades de aprendizaje para ingresar por los puertos de entrada nacionales, controlar todos, independientemente del género, discapacidad, operativos policiales, calificar a los estudiantes, seleccionar condición social o económica, origen étnico o cultural o ingresantes universitarios y beneficiarios de becas, y localización geográfica. tomar decisiones sobre finanzas personales (Engler, 2021; Frantzman y Atherton, 2019; Shiohira, 2021). 1 En este análisis fueron incluidos ocho países: Alemania, China, España, Estados Unidos, Francia, India, Japón y Reino Unido, que representan casi la mitad de la población y el 62% del PIB mundiales. 7 Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos y Como parte de la Estrategia de la UNESCO sobre la necesarias para una colaboración eficaz entre el ser Innovación Tecnológica en la Educación (2022-2025), humano y la máquina, sin perder de vista la necesidad de además de un observatorio y del desarrollo de competencias fundamentales como la alfabetización y la capacidades, la Organización pretende elaborar aritmética”. El Consenso reafirma un “enfoque humanista” instrumentos de estandarización y herramientas con miras a “proporcionar a todas las personas los valores y normativas, que incluyan directrices y marcos, “para las competencias necesarios para una colaboración eficaz reforzar las competencias digitales (comprensión, entre el ser humano y la máquina en la vida, el aprendizaje habilidades y valores) de docentes y estudiantes, y y el trabajo, y para el desarrollo sostenible”. Para apoyar la velar por un uso de las tecnologías basado en los implementación del Consenso de Beijing, los días 7 y 8 de derechos humanos, seguro, ético y significativo en una perspectiva de aprendizaje a lo largo de toda la vida” diciembre de 2020 la UNESCO albergó al Foro Internacional (UNESCO, 2021a). Los campos de acción transversales sobre la IA y los Futuros de la Educación: Desarrollo de son aquellos relacionados con la ampliación del Competencias para la Era de la IA. Los participantes en este acceso a la educación, en particular para los grupos e evento consideraron las competencias requeridas por los individuos marginados, y la calidad de la enseñanza y el ciudadanos: aprendizaje. “ y La UNESCO publicó Inteligencia artificial y educación: Los ciudadanos del mundo tienen que entender guía para las personas a cargo de formular políticas en cuál puede ser el impacto de la IA, qué puede abril de 2021, con la meta de impulsar la capacitación en hacer y qué no, cuándo es útil y cuándo debe cuestionarse IA entre dicho público (Miao et al., 2021). Este informe su uso, y cómo podría orientársela en pro del bien público.” brinda orientaciones a sus lectores acerca de la IA, (Fuente: Miao y Holmes (2021, p. 6). haciendo particular mención de las oportunidades, riesgos, definiciones clave, tendencias, implicaciones El Foro destacó la importancia de las competencias para la enseñanza y el aprendizaje, y explicando de qué orientadas al ser humano, como la comprensión de la modo puede la educación preparar a los estudiantes ética de la IA y sus repercusiones sociales, así como de las para la era de la IA. Concluye exponiendo un conjunto competencias que hacen foco en la tecnología, como las de recomendaciones para el planeamiento de políticas habilidades y los conocimientos necesarios para utilizar, locales. interpretar y desarrollar la IA. Fueron recomendados y En octubre de 2021, la UNESCO puso en marcha “La abordajes específicos e interdisciplinarios para la IA IA y los futuros del aprendizaje”2 un proyecto integrado en educación, incluyendo el aprovechamiento de los por tres partes independientes entre sí, pero que currículos de TIC existentes y la integración de los análisis se complementan: (1) un informe que propone recomendaciones sobre el aprendizaje del mañana de oportunidades e impactos de la IA en las carreras de basado en la IA; (2) una guía sobre los principios éticos Humanidades, Ciencias y Arte (Miao y Holmes, 2021). de la utilización de la IA en la educación; y (3) un marco Este informe contribuye a la comprensión de la IA en la de orientaciones sobre las competencias en materia de enseñanza preescolar, primaria y secundaria, haciendo IA por parte de los estudiantes. foco en la forma en la cual los estudiantes están siendo Las realidades en el día a día de los usos presentes preparados para la vida y el trabajo en la era de la IA, de la IA y su impacto en el ámbito laboral impulsan brindando un análisis del panorama mundial de los la urgencia de crear un consenso internacional sobre currículos de IA aprobados por los gobiernos para aquellas de sus funciones que han recibido aceptación la educación escolar y su elaboración, contenido e por parte de la sociedad, las consideraciones humanistas implementación. Asimismo, el trabajo pretende informar esperadas sus etapas de desarrollo e implementación, acerca de la creación de herramientas de apoyo y marcos así como la forma de capacitar a los niños y niñas con las de referencia, a efectos de hacer posible el desarrollo de competencias necesarias para desempeñarse con éxito un marco orientativo sobre competencias de IA. También en el mundo actual -no el futuro, sino en el presente-. constituye una parte del trabajo contemplado en la El Consenso de Beijing sobre la Inteligencia Artificial y la Estrategia de la UNESCO sobre la Innovación Tecnológica en la Educación (UNESCO, 2019b) solicita a todos los Estados Educación (2022-2025) (UNESCO, 2021a). Miembros “tener en cuenta la aparición de un conjunto de competencias básicas sobre inteligencia artificial 2 Véase https://es.unesco.org/themes/tic-educacion/ia-futuros-aprendizaje 8  Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Una introducción a los términos y “técnicas de IA” y “tecnologías de IA”. La primera hace tecnologías de IA referencia a los métodos utilizados para construir diferentes tipos de IA, en tanto que la segunda está Este informe utiliza una serie de conceptos y términos propios vinculada a los campos de estudio y los productos creados de los campos de especialización en IA y en educación. A por dichas técnicas. pesar de la presencia ubicua de la IA en sectores como la comercialización, las finanzas y, de manera creciente, la Técnicas de IA educación, es posible que algunas personas a cargo de la A continuación se describen brevemente las técnicas de toma de decisiones y determinados profesionales no estén IA incluidas en los currículos analizados en el presente familiarizados con varios de los términos utilizados en el informe: 3 presente análisis. Del mismo modo, tampoco es seguro que todos los profesionales y personas a cargo de la toma de y La IA clásica está basada en reglas y utiliza sentencias decisiones relacionadas con la IA conozcan las principales condicionales “if-then” (si-entonces) para generar tendencias pedagógicas a las que se hace referencia en los resultados. El razonamiento basado en reglas puede utilizarse en tecnologías como los chatbots (por ejemplo, currículos. Por las mencionadas razones, esta sección ofrece “Si la entrada contiene las palabras ‘qué’, ‘precio’ y ‘?’, una breve introducción a algunas de las tecnologías, términos entonces devolver el valor del precio del producto y pedagogías analizadas a lo largo del texto, con la intención indicado”). de que los lectores cuenten con una comprensión general y El aprendizaje automático (AA) hace referencia a de cada concepto principal. En primer lugar, se explican cualquier tipo de programa informático que puede sucesivamente cinco términos correspondientes al ámbito “aprender” sin programación preesTableaucida, propio de la IA y, a continuación, una sección dedicada a los accediendo y procesando grandes cantidades de datos. conceptos pedagógicos examina varios de ellos, tales como la Lo que se pretende expresar con “aprender” es que el “evaluación basada en competencias”, el “constructivismo”, el programa puede generar nuevos resultados sin que se “construccionismo” y el “pensamiento de diseño”. le “diga” de una manera esTableaucida cuáles deben ser tales resultados, así como sí sucede en el caso de Casi todos estos conceptos y términos han suscitado al la IA clásica. El resto de la lista incluye algunas de las menos un determinado grado de debate académico, y numerosas subcategorías del AA. cuentan tanto con defensores como con detractores, pero y El aprendizaje supervisado es un tipo de AA que cuenta el propósito de este informe no reside en profundizar con la capacidad de autoentrenarse a partir de datos en puntos de vista controversiales. Esta exploración de conocidos y etiquetados para generar resultados. Por conceptos, por otra parte, no debe ser considerada como ejemplo, un clasificador es un algoritmo diseñado para exhaustiva. asignar una categoría a ciertas cosas (como, “spam” o “no spam”) utilizando datos etiquetados. Los árboles Inteligencia artificial de decisión son un tipo de algoritmo de clasificación en el que una serie de “nodos” (puntos de decisión, El término “inteligencia artificial” fue acuñado en 1956, representados como preguntas) conducen a “ramas”, cuando Marvin Minsky y John McCarthy organizaron el donde se los resultados son separados en función Proyecto de Investigación de Verano de Dartmouth sobre de las distintas opciones de respuesta. Por ejemplo, Inteligencia Artificial (COMEST, 2019; Haenlein y Kaplan, en el currículo DAILy del Instituto Tecnológico de 2019). La IA ha ganado popularidad debido al auge del Massachusetts (MIT), que se analizará en profundidad big data y al crecimiento exponencial de la potencia más adelante, los estudiantes crean un árbol de decisión computacional (Haenlein y Kaplan, 2019). La definición para clasificar diferentes tipos de pasta. Un nodo podría de IA ha ido ampliándose y evolucionando a lo largo del preguntar: “¿Su largo es mayor a diez centímetros?”, con tiempo (Miao et al., 2021), y actualmente hace referencia a espaguetis, tallarines y otras pastas largas en una rama máquinas que replican determinadas características de la hasta el siguiente nodo, y macarrones, moñas y otras inteligencia humana, como la percepción, el aprendizaje, pastas cortas en otra rama. el razonamiento, la resolución de problemas, la interacción y En el aprendizaje no supervisado, el aprendizaje lingüística y el trabajo creativo (COMEST, 2019). automático genera resultados en función de la agrupación de similitudes sobre conjuntos de datos El análisis de este informe divide la IA en dos categorías, desconocidos y no etiquetados. 3 Las explicaciones que aquí se ofrecen corresponden al estudio de Miao et al. (2021), complementadas con ejemplos y definiciones de los currículos incluidos en este informe, en particular el Currículo DAILy del MIT, el marco curricular AI4K12 y el Desafío de la Juventud de IBM. 9 Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos y El aprendizaje por refuerzo es un tipo de AA continuo estudio del lenguaje humano, concebido con el fin de capaz de autoentrenarse para maximizar una crear modelos basados en reglas del habla o del texto recompensa (por ejemplo, para entregar como resultado que puedan ser utilizados por las computadoras. Esto la máxima cantidad de dinero que puede ser generada a permite que las computadoras procesen y respondan partir de una inversión). adecuadamente al lenguaje humano. La tecnología y Las redes neuronales son algoritmos de AA que replican impulsa la traducción informática de un idioma a otro el modelo cerebral de los animales. Están integradas y la capacidad que demuestran tecnologías tales como por capas de entrada, capas ocultas y capas de salida. los navegadores satelitales o los asistentes digitales para En las capas ocultas, los datos se procesan en los nodos responder a órdenes de voz. en función de su valor y de un peso asignado, y solo y Los sensores son dispositivos o sistemas que miden se permite el paso de aquellos datos que superen un propiedades físicas, como la temperatura o la presión, y umbral previamente determinado. Los datos filtrados transmiten dichos datos a otros dispositivos electrónicos llegan a la capa de salida a través de una o varias capas (como el procesador de una computadora). Conforman ocultas. El “aprendizaje” en las redes neuronales se uno de los métodos de recolección de datos utilizados produce a través de la “retropropagación”, un algoritmo por la IA. Constituyen una parte fundamental del que busca minimizar el error practicando un reajuste Internet de las Cosas (IdC), sistemas en los que se llevan de los pesos en la o las capas ocultas de los diferentes a cabo acciones sin intervención humana a partir de los nodos en función de la corrección e influencia de datos obtenidos en función del accionar de diferentes entrada de cada nodo. sensores (Mahdavinejad et al., 2018). Un ejemplo simple y El aprendizaje profundo (AP) hace referencia a redes de ello es un sistema de riego de IdC que recolecta neuronales con múltiples capas ocultas. Mientras que información de sensores enterrados en el suelo y activa el AA, en general, se basa en datos estructurados (por un dispositivo de riego a partir de la información que ejemplo, seleccionados, etiquetados y organizados en obtiene.7 tablas), el AP puede procesar datos no estructurados, como texto e imágenes. Las redes neuronales y/o el IA ética aprendizaje profundo se utilizan en el reconocimiento de imágenes y del habla. Como se ha señalado, la IA posee una vasta gama de y Las redes generativas antagónicas (RGA) son un tipo aplicaciones y numerosos beneficios demostrables. Por de AA diseñado para generar nuevos contenidos, ejemplo, brindó información de importancia y emitió por ejemplo, imágenes.4 Una RGA incluye dos redes alertas tempranas en la pandemia de COVID-19. Sin neuronales profundas. Una de ellas genera contenido, embargo, el uso de la IA también plantea una serie de mientras que la otra lo evalúa. Las RGA no funcionan aun consideraciones éticas. Los conjuntos de datos utilizados particularmente bien con textos. y las decisiones de los desarrolladores pueden inducir sesgos, lo cual puede dar lugar a actos de carácter Tecnologías de IA discriminatorio. En razón de la existencia de elementos A continuación se describen brevemente las tecnologías como las capas ocultas de algunos tipos de IA, sus de IA incluidas en los currículos analizados en este informe: procesos y factores para la toma de decisiones no pueden y Los chatbots son programas informáticos diseñados ser observados, comprobados o corregidos por los para simular conversaciones orales y/o escritas. 5 humanos, planteando ello problemas de explicabilidad y La visión artificial es el campo de la IA que se ocupa y transparencia. Otros desafíos residen en el equilibrio de derivar y utilizar la información obtenida a partir de entre el uso de datos personales y el derecho individual imágenes y datos visuales. Impulsa productos como a la privacidad; la seguridad de los datos y la potencial colecciones personalizadas de imágenes, automóviles exposición al cibercrimen; y el fortalecimiento de las con conducción autónoma y herramientas de control concepciones previas por parte de los algoritmos de IA en de calidad (para la identificación de defectos) en la función de los intereses del usuario, lo cual podría limitar manufactura.6 la exposición de las personas a las ideas y la información y, y El Procesamiento Natural del Lenguaje (PNL) consiste según algunos, infringir el derecho individual a la libertad en una combinación entre la informática y la lingüística de expresión (UNDESA et al., 2021). computacional, un campo interdisciplinario para el 4 Por ejemplo, la tecnología de RGA puede utilizarse para generar imágenes de personas que no existen (véase https://www.thispersondoesnotexist.com) 5 Véase, por ejemplo, https://towardsdatascience.com/building-a-chatbot-with-rasa-3f03ecc5b324 6 Para más información, ver https://www.ibm.com/cl-es/topics/computer-vision 7 Ver, por ejemplo, https://www.digiteum.com/iot-solutions-agricultural-irrigation-system 10  Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos La Primera Versión del Proyecto de Recomendación sobre IA, y que los individuos y las entidades sociales deben la Ética de la Inteligencia Artificial (UNESCO, 2020) hace poder solicitar y recibir explicaciones sobre tales notar algunos de los principales desafíos éticos de la IA, decisiones, incluyendo la comprensión de los factores destacando sus repercusiones en la toma de decisiones, y las tendencias de las decisiones. La explicabilidad el empleo y el trabajo, la interacción social, la atención se extiende aún más: “los resultados y los subprocesos que conducen a ellos deberían ser comprensibles y sanitaria, la educación, los medios de comunicación, trazables, apropiados al contexto de utilización”. la libertad de expresión, el acceso a la información, la 8. Responsabilidad y rendición de cuentas: Este privacidad, la democracia, la discriminación y la carrera principio refuerza el de la supervisión y decisión armamentista. La Recomendación sugiere que la IA humanas, y sugiere la existencia de mecanismos de debería estar supervisada por terceros para garantizar que evaluación del impacto, de monitoreo y de debida sea digna de confianza y trabaje en función del bien de diligencia que aseguren la rendición de cuentas de la humanidad, los individuos, las sociedades, el entorno los sistemas de IA. Asimismo, debe garantizarse la natural y sus ecosistemas. EsTableaució diez principios auditabilidad.8 para una IA ética: 9. Sensibilización y alfabetización: Hace referencia a 1. Proporcionalidad e inocuidad: Este principio sugiere las responsabilidades de los gobiernos, así como del que la IA debe tener objetivos y metas legítimos, sector público, el plano académico y la sociedad civil adecuados al contexto y basados en fundamentos para promover una educación abierta y accesible y científicos rigurosos. otras iniciativas centradas en las intersecciones entre 2. Seguridad y protección: El principio indica que la la IA y los derechos humanos, con el fin de garantizar IA no debe causar daños y debe brindar protección que “todos los miembros de la sociedad puedan contra los riesgos de seguridad a lo largo de todo su adoptar decisiones informadas sobre su utilización de ciclo vital. los sistemas de IA y estén protegidos de influencias indebidas”. 3. Equidad y no discriminación: El ítem hace mención a que los sistemas de IA deben evitar los prejuicios, 10. Gobernanza y colaboración adaptativas y de y que el acceso a ella y a sus beneficios debe múltiples partes interesadas: Se explica aquí que compartirse a escala nacional, local e internacional, así los Estados deben regular los datos generados como distribuirse de forma equitativa sin preferencia dentro de sus territorios o que pasan por ellos; que de “sexo; género; idioma; religión; opinión política o las partes interesadas de un amplio abanico de de otro tipo; origen nacional, étnico, indígena o social; organizaciones civiles y de los sectores público y orientación sexual; identidad de género; patrimonio; privado deben participar en todo el ciclo de vida de la cuna; discapacidad; edad; u otra condición”. IA; y que es necesario adoptar medidas que permitan una intervención significativa de los grupos, las 4. Sostenibilidad: Se hace referencia a que el impacto comunidades y las personas marginados. social, cultural, económico y medioambiental de las tecnologías de IA debe evaluarse continuamente en un marco en el cual los objetivos pueden ser variables. Alfabetización en IA 5. Privacidad: Se expresa aquí que los datos para El Synthesis Report of the UNESCO International Forum la IA sean recolectados, utilizados, compartidos, on AI and the Futures of Education under the theme of almacenados y eliminados de forma tal que se proteja Developing Competencies for the AI Era (Informe de síntesis la entidad individual de los titulares de los datos, así del Foro Internacional de la UNESCO sobre la Inteligencia como al hecho de que existan “metas legítimas” y una Artificial y el Futuro de la Educación, dedicado al tema “base legal válida” para el procesamiento de datos Desarrollo de Competencias para la Era de la IA) (Miao y personales. Holmes, 2020) señalaba que los ciudadanos de todo el 6. Supervisión y decisión humanas: El principio versa mundo necesitan comprender cuál podría ser el impacto en torno a que los seres humanos u otras entidades de la IA, qué puede y qué no puede hacer, cuándo es legales son responsables de la IA desde el punto de útil, cuándo debería cuestionarse su uso y cómo podría vista ético y legal. orientarse hacia el bien público. Esto requiere que todas 7. Transparencia y explicabilidad: Este principio indica que las personas deben ser conscientes de cuándo las personas alcancen un cierto nivel de competencia las decisiones tienen origen a partir de algoritmos de en relación a la IA, lo cual incluye conocimientos, comprensión, habilidades y orientación de valores. Todo 8 Aunque la auditabilidad no se define explícitamente en la recomendación, este término se refiere a la capacidad de terceros para acceder, revisar, supervisar y criticar algoritmos (Jobin et al., 2019). 11 Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos lo anterior podría denominarse “alfabetización en IA”. La y las evaluaciones de los estudiantes demuestran su alfabetización en IA comprende tanto la alfabetización en consecución de tales resultados a través de la aplicación de datos, es decir, la capacidad de entender de qué manera conocimientos, habilidades y actitudes/valores dentro del la IA recolecta, depura, manipula y analiza los datos, como dominio o disciplina de estudio e, idealmente, en nuevos la alfabetización en algoritmos; o sea, la capacidad de dominios, lo cual la taxonomía SOLO9 de Biggs y Collis entender de qué modo los algoritmos de IA encuentran (1982) denomina “capacidad abstracta extendida”. patrones y conexiones entre los datos, los cuales podrían Los marcos y currículos analizados para este informe ser utilizados para las interacciones hombre-máquina. también hacen referencia al constructivismo, al Esto es apenas un intento de dar un marco al alcance, la construccionismo, al pensamiento computacional y al estructura y las principales categorías del área emergente pensamiento de diseño. de la alfabetización en IA. La expresión se ha utilizado para orientar el estudio presentado en el presente informe. El “constructivismo” es un vasto conjunto de conceptos pertenecientes al ámbito académico que se aplican a las Conceptos y terminología formas en que el conocimiento es creado o construido pedagógicos (inclusive, algunas veces, construido en conjunto) por los individuos mediante interacciones entre ellos y sus entornos La “educación basada en competencias” (EBC) es un físicos, culturales e institucionales o sistémicos (Taber, 2016). modelo que suele aplicarse en la enseñanza superior Los tipos de constructivismo empleados con habitualidad y la EFTP, que se está empleando de manera creciente en la educación están fundamentados en gran medida en en diversas formas a la enseñanza preescolar, primaria la obra de Piaget (1972), que esboza una teoría en torno a y secundaria. El objetivo de la EBC reside en que la los tipos y formas de aprendizaje que resultan y no resultan educación realice una transición desde los modelos de accesibles a los niños y niñas en las distintas etapas de tiempo fijo y aprendizaje flexible hacia otros de tiempo desarrollo: por ejemplo, la aplicación concreta precedería a flexible y aprendizaje fijo. En los modelos de EBC se espera la abstracción. que los estudiantes demuestren conocimientos aplicados, habilidades y valores contextualizados a través de Un concepto relacionado es el “construccionismo”, la evaluaciones, y reciban a tal efecto todo el apoyo adicional filosofía según la cual los estudiantes aprenden mejor necesario para que alcancen las metas requeridas aplicando los conocimientos a proyectos que despiertan (NCLSorg, 2017). un interés personal en ellos (Papert y Harel, 1991). El construccionismo es especialmente aplicable a los En el núcleo de la EBC se encuentra el concepto de currículos digitales debido a sus orígenes en los ámbitos “competencia”, un término que ha evolucionado para de las TIC y las Matemáticas y su preocupación por las describir “la movilización de conocimientos, habilidades, formas en que se genera significado a través del proceso actitudes y valores para la satisfacción de demandas de interacción, manipulación y variación de los artefactos complejas” (OCDE, 2019, p. 5). Las competencias previstas digitales (Kynigos, 2015). Aunque los constructivistas y los en un currículo suelen expresarse a través de los resultados construccionistas tienen una base común, estos últimos del aprendizaje, o bien por lo que se espera que los desafían las jerarquías del conocimiento esTableaucidas estudiantes sepan, comprendan y sean capaces de hacer al por Piaget (1972), generando un debate en torno a la finalizar un curso de estudio (Biggs y Collis, 1982; Cedefop, posibilidad de que los estudiantes pueden comprometerse 2017; Kinta, 2013). La expresión “resultado de aprendizaje” productivamente con conceptos más complejos a es una modificación del término anterior “objetivo de edades más tempranas a través del uso de medios aprendizaje” que garantiza que el foco de la afirmación esté digitales y métodos como la programación por bloques centrado en las acciones o logros de los estudiantes y no (Papert, 1996). en los de los docentes, y que además se definan utilizando aplicaciones mensurables (López et al., 2015; Sinha, 2020). El pensamiento computacional, o el conjunto de procesos La relación entre los currículos, los resultados de aprendizaje mentales y físicos realizados para construir una solución y la competencia resulta de compleja actualización, pero digital a un problema (identificarlo, descomponerlo es teóricamente bastante directa: un currículo describe en partes, construir e integrar soluciones, y probarlas un conjunto de resultados de aprendizaje previstos, y refinarlas), fue concebido para aplicarse a una 9 SOLO son las siglas en inglés de ‘structure of observed learning outcome’, o estructura del resultado de aprendizaje observado. 12  Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos serie de disciplinas más allá de la informática (Lodi y Directrices de IA para la Enseñanza Preescolar, Primaria Martini, 2021). Las cuatro “partes” esTableaucidas del y Secundaria,10 y el Marco Educativo sobre Aprendizaje pensamiento computacional son llamadas habitualmente: Automático. No se trata de una lista exhaustiva, dado descomposición, reconocimiento de patrones, abstracción que varias ONG, organizaciones del sector industrial y y algoritmos (Kush, 2019). Lee et al. (2011) estudiaron del mundo académico y/o particulares, han desarrollado una serie de iniciativas de pensamiento computacional marcos curriculares de IA para apoyar sus propios para la enseñanza preescolar, primaria y secundaria, y programas y emprendimientos. Algunos de estos marcos determinaron que, en efecto, sus procesos podían ser son utilizados por gobiernos, como el Marco de Ciencias aplicados por estudiantes de orígenes demográficos de la Computación de Microsoft, y se incluyen en el mapeo diversos. Además, propusieron un modelo progresivo de de resultados de aprendizaje que se revisa más adelante aprendizaje consistente en “uso-modificación-creación” en el informe. Los tres marcos tratados en esta sección para abordar el pensamiento computacional, y destacaron fueron elaborados con el objetivo principal de informar que los docentes con las habilidades, las cuestiones sobre el desarrollo de currículos de IA por parte de un de desarrollo y la tecnología adecuada, constituían conjunto de asociados y no están vinculados a productos mecanismos de apoyo fundamentales. o cursos en particular. Una última herramienta presente en el marco de Alfabetización en IA: competencias y algunos de los currículos incluidos en este estudio es el consideraciones de diseño “pensamiento de diseño”. Se lo define como “un proceso Long y Magerko (2020) presentan una serie de analítico y creativo que compromete a una persona competencias y consideraciones de diseño para la en oportunidades de experimentar, crear y concebir alfabetización en IA basadas en un estudio de revisión de prototipos de modelos, recabar opiniones y rediseñar” la literatura sobre la investigación existente que buscaba (Razzouk y Shute, 2012). Desarrollado originalmente determinar los temas emergentes en 1) aquello que los para áreas tales como la arqueología, la mercadotecnia expertos en IA consideran que el público en general debería y la economía (Buchanan, 1992), el pensamiento de saber, y 2) las percepciones comunes y los conceptos diseño comenzó a surgir en el ámbito informático a erróneos habituales entre los estudiantes. principios de la década de 1990, cuando se lo aplicó como metodología orientada al consumidor, con el objeto de El estudio reveló 17 competencias y 13 consideraciones de diseñar productos o modelos de negocio innovadores, diseño. Las descripciones indican que, para esta propuesta, en particular aquellos que involucraran tecnología las competencias se sitúan universalmente en los niveles (Hobcraft, 2017). El proceso del pensamiento de diseño inferiores de una taxonomía del conocimiento, limitándose incluye esTableaucer empatía (por ejemplo, con los en gran medida a comprender, describir e identificar. Las consumidores), definir el planteamiento de un problema, competencias propuestas por Long y Magerko se resumen generar ideas para solucionarlos y, a continuación, crear en la Tabla 1. prototipos y realizar pruebas en un ciclo de diseño iterativo hasta lograr una innovación deseable (Instituto de Diseño Hasso Plattner, 2010). En las escuelas, el pensamiento de diseño puede ofrecer un procedimiento claro para responder a la necesidad de actividades y competencias digitales e interdisciplinarias. Marcos de referencia existentes sobre currículos de IA Existen algunas iniciativas recientes para mapear o crear marcos curriculares de IA para la enseñanza preescolar, primaria y secundaria. Entre ellas pueden destacarse tres que se detallan en la presente sección: Alfabetización en IA: Competencias y Consideraciones de Diseño, el AI4K12: 10 Véase https://ai4k12.org 13 Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Tabla 1. Marco de competencias de alfabetización en IA Competencia Descripción / resultados del aprendizaje 1. Reconocer la IA Distinguir entre artefactos tecnológicos que utilizan o no utilizan IA. 2. Comprender la Analizar y debatir de forma crítica las características que hacen a un ente “inteligente”. Debatir inteligencia sobre diferencias entre la inteligencia humana, animal y de las máquinas. 3. Interdisciplinariedad Reconocer que existen varias formas de concebir y desarrollar máquinas “inteligentes”. Identificar una variedad de tecnologías que utilizan IA, incluida la tecnología que comprende los sistemas cognitivos, la robótica y el AA. 4. IA general versus IA débil Distinguir entre IA general y débil. 5. Debilidades y fortalezas Identificar los tipos de problemas en los que destaca o no la IA. Determinar cuándo es apropiado de la IA utilizar IA y cuándo aprovechar las habilidades humanas. 6. Imaginar la IA del futuro Imaginar posibles aplicaciones futuras de la IA y considerar los efectos de dichas aplicaciones para con el mundo. 7. Representaciones Comprender qué es una representación del conocimiento y describir algunos ejemplos. 8. Toma de decisiones Reconocer y describir ejemplos de cómo razonan y toman decisiones las computadoras. 9. Pasos del AA Comprender los pasos involucrados en el aprendizaje automático y las prácticas y desafíos que conlleva cada paso. 10. El rol humano en la IA Reconocer que los humanos desempeñan un papel importante en la programación, la elección de modelos y el ajuste preciso de los sistemas de IA. 11. Alfabetización en datos Comprender los conceptos básicos de la alfabetización en datos. 12. Aprender de los datos Reconocer que las computadoras frecuentemente aprenden de los datos (incluidos los datos propios). 13. Interpretación crítica de Comprender que los datos requieren de interpretación. Describir de qué modo los ejemplos de los datos instrucción incluidos en un conjunto inicial pueden afectar los resultados de un algoritmo. 14. Acción y reacción Comprender que algunos sistemas de IA cuentan con la capacidad de actuar físicamente en el mundo. Esta acción puede estar orientada por un razonamiento de alto nivel (como caminar a lo largo de una ruta planificada) o por impulsos reactivos (como saltar hacia atrás para evitar un obstáculo detectado). 15. Sensores Comprender qué son los sensores, entendiendo que las computadoras perciben el mundo a través de ellos. Identificar sensores en diversos dispositivos. Reconocer que diferentes sensores soportan distintos tipos de representación y razonamiento respecto del mundo. 16. Ética Identificar y describir diferentes perspectivas sobre las cuestiones éticas clave en torno a la IA: privacidad, empleo, desinformación, “singularidad”,11 toma de decisiones, diversidad, parcialidad, transparencia y responsabilidad. 17. Programabilidad Comprender que los agentes son programables. Fuente: Long y Magerko, 2020 Las consideraciones de diseño propuestas por Long y o seguir su accionar, como forma de darle sentido Magerko (2020) se enfocan en métodos pedagógicos al proceso racional del agente. Esto puede implicar y de aprendizaje, pero también en elementos sociales simulaciones personificadas de algoritmos y/o e interpersonales. En general, destacan el aprendizaje experimentación física práctica con tecnología de IA. experiencial y el material relevante, la apreciación de las 3. Contextualización de los datos: Animar a los exigencias cognitivas y la teoría del desarrollo infantil, estudiantes a investigar quién creó el conjunto de datos, cómo fueron recolectados y cuáles son sus así como el posicionamiento de la IA en los contextos limitaciones. Esto puede implicar elegir conjuntos estudiantiles. Las 15 consideraciones de diseño específicas de datos relevantes para los estudiantes, de baja que presentan los investigadores son: dimensionalidad y “desordenados” (es decir, que no 1. Explicabilidad: Incluir visualizaciones gráficas, estén depurados ni ordenados por categorías). simulaciones, explicaciones de los procesos decisorios 4. Promover la transparencia: Promover la transparencia de los agentes o demostraciones interactivas para en todos los aspectos del diseño de la IA (es decir, ayudar a los estudiantes a comprender la IA. eliminar las “funciones de caja negra”, compartir 2. Interacciones personificadas: Diseñar intervenciones las intenciones del creador y sus fuentes de en las que las personas puedan actuar como el agente financiamiento/datos, etc.). 11 D  escribe el punto en el que la IA se vuelve más inteligente que los humanos, y puede ir acompañada de la preocupación de que la misma dañe intencionadamente a los humanos. 14  Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos 5. Revelar gradualmente: Para evitar la sobrecarga 15. Baja vara de entrada: Considerar la forma de cognitiva, dar a los usuarios la opción de investigar y comunicar conceptos de IA a los estudiantes que no aprender acerca de los diferentes componentes del cuentan con una amplia formación en Matemáticas sistema; explicar apenas unos pocos componentes o Informática (por ejemplo, reduciendo los por vez; o hacer uso de una estructura que se disipe conocimientos/habilidades previos, relacionando la a medida que el usuario aprende más sobre las IA con los conocimientos existentes y abordando las operaciones del sistema. inseguridades de los estudiantes respecto de su propia 6. Oportunidades para programar: Ofrecer a los capacidad). usuarios la posibilidad de programar y/o enseñar a los agentes de IA. Mantener al mínimo los prerrequisitos AI4K12: Cinco ideas principales y directrices de codificación centrándose en elementos visuales/ del currículo de IA para la enseñanza auditivos y/o incorporando estrategias como los preescolar, primaria y secundaria problemas de Parsons y códigos del tipo “completar los La Iniciativa AI4K12 fue lanzada por la Association for espacios en blanco”. the Advancement of Artificial Intelligence (AAAI, o 7. Hitos: Considerar de qué modo se ven afectadas las Asociación para el Avance de la Inteligencia Artificial), percepciones de la IA por los hitos del desarrollo (tal la Computer Science Teachers Association (CSTA, o como ocurre con el progreso de la teoría de la mente), Asociación de Docentes de Ciencias de la Computación) la edad y la experiencia previa con la tecnología. y AI4All en 2018 como un grupo de trabajo conjunto 8. Pensamiento crítico: Estimular a los estudiantes a procurando desarrollar directrices nacionales para enseñar que se conviertan en consumidores críticos de las IA a los estudiantes de enseñanza preescolar, primaria y tecnologías de IA cuestionando la inteligencia y la confiabilidad de sus aplicaciones. secundaria (AAAI, 2018). 9. Identidades, valores y antecedentes: Considerar Este grupo reunió a académicos, investigadores y docentes de qué modo las identidades, los valores y los para trabajar en la consecución de un marco integral de IA antecedentes de los estudiantes afectan su interés e basado en “cinco ideas principales en inteligencia”: 1) Las ideas preconcebidas acerca de la IA. Las intervenciones computadoras perciben el mundo a través de sensores; 2) de aprendizaje que incorporan la identidad personal Los agentes crean representaciones del mundo y las utilizan o los valores culturales pueden impulsar su interés y para razonar; 3) Las computadoras pueden aprender de los motivación. datos; 4) Son muchos los tipos de conocimiento requeridos 10. Soporte parental: Al diseñar para las familias, se por los agentes inteligentes para interactuar naturalmente debe brindar soporte a los padres para organizar las con humanos; y de suma relevancia, 5) La inteligencia experiencias de aprendizaje de IA de sus hijos. arti¬ficial puede tener un impacto tanto positivo como 11. Interacción social: Diseñar experiencias de aprendizaje negativo para la sociedad. A la fecha, el póster de “Las Cinco de IA que impulsen la interacción social y la Ideas Principales en Inteligencia Artificial” se ha traducido colaboración. a 15 idiomas,12 y ha servido, al menos en parte, como base 12. Aprovechar los intereses de los estudiantes: Explorar para la elaboración de currículos en múltiples contextos, temas de actualidad, experiencias cotidianas o entre ellos, varios de los investigados para el presente pasatiempos comunes como juegos o música al diseñar intervenciones de alfabetización en IA. estudio. 13. Reconocer las ideas preconcebidas: Considerar el El grupo de trabajo se reunió para desglosar cada una de hecho de que los estudiantes pueden tener ideas estas ideas en un marco curricular dividido en cuatro partes, preconcebidas politizadas o sensacionalistas respecto para los niveles preescolar al 2º año (K-2), 3º al 5º año (3-5), de la IA difundidas por los medios de comunicación 6º al 8º año (6-8) y 9º al 12º año (9-12). A la fecha, se han populares, y evaluar de qué modo respetar, abordar redactado directrices curriculares para las tres primeras “ideas y profundizar en estas ideas en las intervenciones de principales”, que están disponibles para el público.13 aprendizaje. En las directrices, cada “idea principal” se subdivide en 14. Nuevas perspectivas: Presentar perspectivas que no estén en la consideración de los medios populares conceptos de aprendizaje, que a su vez se desdoblan en (como los subcampos de la IA menos difundidos, y componentes conceptuales. Por ejemplo, los conceptos debates imparciales sobre los peligros y beneficios de de aprendizaje, los componentes conceptuales y los la IA). resultados de aprendizaje asociados de la “Idea Principal 1: Percepción” se reproducen en la Tabla 2. 12 Véase https://ai4k12.org/wp-content/uploads/2021/01/AI4K12_Five_Big_Ideas_Poster_Spanish.pdf 13 Véase https://ai4k12.org/gradeband-progression-charts 15 Currículos de IA para la enseñanza preescolar, primaria y secundaria — Un mapeo de los currículos de IA aprobados por los gobiernos Tabla 2. Conceptos y resultados de aprendizaje de la “Idea Principal 1: Percepción” Conceptos de Componentes Progresión de los resultados de aprendizaje aprendizaje conceptuales Preescolar-2: Identificar los sentidos y los órganos sensoriales humanos. 3-5: Comparar la percepción humana con la animal. Seres vivos 6-8: Dar ejemplos sobre de qué modo los humanos combinan información a partir de múltiples modalidades. 9-12: N/A Preescolar-2: Ubicar e identificar sensores (cámara, micrófono) en computadoras, teléfonos, robots y otros dispositivos. 3-5: Explicar en qué se diferencian los sensores de las computadoras de los Sensores sensores humanos. Detección informáticos 6-8: Dar ejemplos sobre de qué modo los agentes inteligentes combinan la información de múltiples sensores. 9-12: Describir las limitaciones y ventajas de los distintos tipos de sensores informáticos. Preescolar-2: N/A 3-5: Explicar de qué modo se representan digitalmente las imágenes en una computadora. Codificación 6-8: Explicar de qué modo se representan digitalmente los sonidos en una digital computadora. 9-12: Explicar de qué modo se representan los datos de radar, lídar, GPS y acelerómetro. Preescolar-2: Dar ejemplos de máquinas inteligentes y no inteligentes y debatir qué hace que una máquina sea inteligente. 3-5: Utilizar una herramienta de software, como una transcripción de voz o una demostración de reconocimiento visual de objetos para mostrar la percepción Detección vs de una máquina, y explicar por qué se trata de percepción y no de mera percepción detección. 6-8: Dar ejemplos de distintos tipos de percepción informática que puedan extraer significado de señales sensoriales. 9-12: Explicar los algoritmos de percepción y de qué modo se utilizan en aplicaciones reales. Preescolar-2: Dar ejemplos de las características que uno buscaría si quisiera reconocer una determinada clase de objetos o entidades (por ejemplo, gatos) en una imagen. 3-5: Ilustrar de qué modo funciona la detección de caras mediante la extracción de Extracción de rasgos faciales. características 6-8: Ilustrar el concepto de extracción de características de imágenes simulando Procesamiento un detector de bordes. 9-12: Explicar de qué modo se extraen características de formas de onda e imágenes. Preescolar-2: Describir los diferentes sonidos que componen la lengua hablada y, para cada sonido vocálico, dar una palabra que contenga ese sonido. Flujo de 3-5: Ilustrar de qué modo pueden reconocerse secuencias de sonidos como procesamiento palabras candidatas, aunque algunos sonidos no sean claros. de abstracción: 6-8: Ilustrar de qué modo las secuencias de palabras pueden reconocerse como lenguaje frases, incluso si algunas de las palabras no son claras. 9-12: Ilustrar la jerarquía de abstracción para la comprensión del habla, desde las formas de onda hasta las frases. Preescolar-2: Demostrar la división figura/fondo identificando las figuras en primer plano y el fondo de una imagen. 3-5: Ilustrar de qué modo los contornos de objetos parcialmente ocluidos Flujo de (bloqueados) en una imagen difieren de las formas completas de los objetos. procesamiento 6-8: Describir de qué modo se pueden componer los detectores de bordes para de abstracción: formar detectores de características más complejos, por ejemplo, para letras o visión formas.