{"id":85,"date":"2024-02-28T21:41:09","date_gmt":"2024-02-28T21:41:09","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/spanishwithchatgpt\/chapter\/ai-speak-data-based-systems-part-1\/"},"modified":"2025-06-25T13:29:22","modified_gmt":"2025-06-25T13:29:22","slug":"ai-speak-data-based-systems-part-1","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/chapter\/ai-speak-data-based-systems-part-1\/","title":{"raw":"Habla de IA: sistemas basados en datos -Parte 1","rendered":"Habla de IA: sistemas basados en datos -Parte 1"},"content":{"raw":"
\r\n

Decisiones en el aula<\/strong><\/h3>\r\n<\/header>\r\n
\r\n\r\nComo profesor, tienes acceso a muchos tipos de datos. Ya sean datos tangibles como registros de asistencia y rendimiento, o intangibles como el lenguaje corporal de los estudiantes. Considera algunas de las decisiones que tomas en tu vida profesional, \u00bfCu\u00e1les son los datos que te ayudan a tomar estas decisiones?<\/em>\r\n\r\nHay aplicaciones tecnol\u00f3gicas que pueden ayudarte a visualizar o procesar datos. Los sistemas de IA usan datos para personalizar al estudiante, hacer predicciones y tomar decisiones que podr\u00edan ayudarte a ense\u00f1ar y gestionar el aula: \u00bfTienes necesidades que la tecnolog\u00eda pueda resolver? Si es as\u00ed, \u00bfcu\u00e1les ser\u00edan los datos que tal sistema requerir\u00eda para llevar a cabo la tarea?<\/em>\r\n\r\n<\/div>\r\n<\/div>\r\n\r\n[caption id=\"attachment_845\" align=\"alignleft\" width=\"228\"]\"\" Imagen tomada de AI for Teachers, basada en Data Science (Kelleher & Tierney, 2018) y Big Data, new epistemologies and paradigm shifts (Kitchin, 2014). Traducci\u00f3n al espa\u00f1ol de Rodr\u00edguez Enr\u00edquez. Licencia CC BY-NC 4.0. https:\/\/creativecommons.org\/licenses\/by-nc\/4.0\/<\/a>[\/caption]\r\n

Los sistemas educativos siempre han generado datos \u2013datos personales de los estudiantes, registros acad\u00e9micos, datos de asistencia y m\u00e1s. Con la digitalizaci\u00f3n y las aplicaciones de AIED, se registran y almacenan m\u00e1s datos: clics del rat\u00f3n, p\u00e1ginas abiertas, marcas de tiempo y pulsaciones de teclado1<\/sup>. Con el pensamiento centrado en los datos convirti\u00e9ndose en la norma en la sociedad, es natural preguntarse c\u00f3mo aprovechar todos estos datos para hacer algo pertinente. \u00bfPodr\u00edamos ofrecer retroalimentaci\u00f3n m\u00e1s personalizada al estudiante? \u00bfPodr\u00edamos dise\u00f1ar mejores herramientas de visualizaci\u00f3n y notificaci\u00f3n para el profesor?2<\/sup><\/p>\r\n

Cualquier tecnolog\u00eda utilizada debe satisfacer una necesidad real en el aula. Una vez identificada la necesidad, podemos mirar los datos disponibles y preguntarnos qu\u00e9 es relevante para un resultado deseado. Esto implica descubrir factores que permitan a los profesores tomar decisiones matizadas. \u00bfSe pueden capturar estos factores utilizando los datos disponibles? \u00bfSon los datos y los sistemas basados en datos la mejor manera de abordar la necesidad? \u00bfCu\u00e1les podr\u00edan ser las consecuencias no deseadas de usar los datos de esta manera3<\/sup>?<\/p>\r\n

El aprendizaje autom\u00e1tico nos permite delegar muchas de estas preguntas en los propios datos4<\/sup>. Las aplicaciones de ML se entrenan con datos. Funcionan operando con datos. Encuentran patrones, hacen generalizaciones y almacenan estos como modelos: datos que se pueden usar para responder preguntas futuras4<\/sup>. Sus decisiones y predicciones, y c\u00f3mo estas afectan el aprendizaje de los estudiantes, tambi\u00e9n son datos. Por lo tanto, saber c\u00f3mo los programadores, la m\u00e1quina y el usuario manejan los datos es una parte importante de entender c\u00f3mo funciona la IA.<\/p>\r\n\r\n

Acerca de los datos<\/h3>\r\n

Los datos<\/strong> generalmente se refieren a una entidad del mundo real: una persona, un objeto o un evento. Cada entidad puede ser descrita por una serie de atributos<\/strong> (caracter\u00edsticas<\/strong> o variables<\/strong>)5<\/sup>. Por ejemplo, nombre, edad y clase son algunos atributos de un estudiante. El conjunto de estos atributos son los datos que tenemos sobre el estudiante, que, aunque de ninguna manera se acercan a la entidad real, s\u00ed nos dicen algo sobre ellos. Los datos recopilados, utilizados y procesados en el sistema educativo se llaman datos educativos1<\/sup><\/strong>.<\/p>\r\n

Un conjunto de datos<\/strong> son los datos sobre una colecci\u00f3n de entidades organizados en filas y columnas. El registro de asistencia de una clase es un conjunto de datos. En este caso, cada fila es el registro de un estudiante. Las columnas podr\u00edan ser su presencia o ausencia durante un d\u00eda o sesi\u00f3n particular. As\u00ed, cada columna es un atributo.<\/p>\r\nhttps:\/\/youtu.be\/QAqiz2KyEls\r\n\r\n[caption id=\"attachment_847\" align=\"aligncenter\" width=\"295\"]\"\" Imagen tomada de AI for Teachers, basada en la Pir\u00e1mide DIKW. Data Science, (Kelleher & Tierney, 2018) y Big Data, new epistemologies and paradigm shifts (Kitchin, 2014). Traducci\u00f3n al espa\u00f1ol de Rodr\u00edguez Enr\u00edquez. Licencia CC BY-NC 4.0. https:\/\/creativecommons.org\/licenses\/by-nc\/4.0\/<\/a>[\/caption]\r\n

Los datos se crean eligiendo atributos y midiendo los mismos: cada pieza de datos es el resultado de decisiones y elecciones humanas. As\u00ed, la creaci\u00f3n de datos es un proceso subjetivo, parcial y a veces desordenado propenso a dificultades t\u00e9cnicas4,5<\/sup>. Adem\u00e1s, lo que elegimos medir, y lo que no, puede tener una gran influencia en los resultados esperados.<\/p>\r\n

Huellas de datos <\/strong>son registros de actividad estudiantil como clics del rat\u00f3n, datos sobre p\u00e1ginas abiertas, el momento de las interacciones o pulsaciones de teclas en un sistema digital1<\/sup>. Metadatos<\/strong> son datos que describen otros datos5<\/sup>. Datos derivados<\/strong> son datos calculados o inferidos de otros datos: las calificaciones individuales de cada estudiante son datos. El promedio de la clase es un dato derivado. A menudo, los datos derivados son m\u00e1s pertinentes para obtener perspectivas \u00fatiles, encontrar patrones y hacer predicciones. Las aplicaciones de Aprendizaje Autom\u00e1tico pueden crear datos derivados y vincularlos con huellas de datos y metadatos para crear detallados modelos de aprendizaje, que ayudan en la personalizaci\u00f3n del aprendizaje1<\/sup>.<\/p>\r\n

Para que cualquier aplicaci\u00f3n basada en datos sea exitosa, los atributos deben ser cuidadosamente elegidos y medidos correctamente. Los patrones descubiertos en ellos deben ser verificados para ver si tienen sentido en el contexto educativo. Cuando se dise\u00f1an y mantienen correctamente, los sistemas impulsados por datos pueden ser muy valiosos.<\/p>\r\nhttps:\/\/youtu.be\/PLa9AUfcOa0\r\n

Comprueba si eres (Gran) Data alfabetizado<\/a><\/div>\r\n

Este cap\u00edtulo tiene como objetivo introducir algunos conceptos b\u00e1sicos de datos y tecnolog\u00eda basada en datos pero la alfabetizaci\u00f3n de datos es una habilidad muy importante para poseer y merece una formaci\u00f3n dedicada y un apoyo y actualizaci\u00f3n continuos1<\/sup>.<\/p>\r\n\r\n

Legislaci\u00f3n que deber\u00edas conocer<\/h3>\r\n

Debido a la dr\u00e1stica reducci\u00f3n en los costos de almacenamiento de datos, se guardan y retienen m\u00e1s datos y metadatos durante m\u00e1s tiempo6<\/sup>. Esto puede llevar a violaciones de la privacidad y derechos. Leyes como el Reglamento General de Protecci\u00f3n de Datos (GDPR)<\/strong> desalientan tales pr\u00e1cticas y otorgan a los ciudadanos de la UE m\u00e1s control sobre sus datos personales. Proporcionan regulaciones de protecci\u00f3n de datos legalmente exigibles en todos los estados miembros de la UE.<\/p>\r\n\r\n\r\n[caption id=\"attachment_849\" align=\"alignleft\" width=\"225\"]\"\" Imagen tomada de AI for Teachers, basada en \u201cGDPR & ePrivacy Regulations\u201d por dennis_convert. Traducida a espa\u00f1ol por Rodriguez Enr\u00edquez. Licenciada CC BY 2.0 https:\/\/creativecommons.org\/licenses\/by\/2.0\/<\/a>[\/caption]\r\n

Seg\u00fan el GDPR, los datos personales son cualquier informaci\u00f3n relacionada con una persona identificada o identificable (sujeto de datos<\/strong>). Las escuelas, adem\u00e1s de interactuar con empresas que manejan sus datos, almacenan enormes cantidades de informaci\u00f3n personal sobre estudiantes, padres, personal, gesti\u00f3n y proveedores. Como controladores de datos, est\u00e1n obligados a almacenar los datos que procesan de manera confidencial como segura y tener procedimientos para la protecci\u00f3n y uso adecuado de todos los datos personales1<\/sup>.<\/p>\r\n \r\n\r\n \r\n\r\n \r\n

Los derechos establecidos por el GDPR incluyen:<\/p>\r\n\r\n