Taller: Aprende sobre Inteligencia Artificial junto a Kodea (Experiencia IA - Experience AI) - 2026
Este taller, compuesto por cuatro sesiones, tiene como propósito fortalecer los conocimientos y habilidades de los/as docentes en Inteligencia Artificial (IA) y aprendizaje automático (Machine Learning). Entrega herramientas conceptuales y didácticas para comprender su impacto y diseñar experiencias de aprendizaje para estudiantes de 6° básico a 4° medio. Está dirigida a docentes de cualquier asignatura, incluidos/as los/as docentes de educación diferencial, y no requiere experiencia previa en la enseñanza de IA.
La formación se basa en la Unidad de Nociones Básicas de la IA del programa Experience AI, implementado en Chile por Fundación Kodea. Todas las sesiones estarán a cargo de facilitadores/as con experiencia en innovación educativa y formación docente y se realizarán a través de Zoom. Cada sesión combina la exposición de contenidos con actividades prácticas y espacios de participación para resolver dudas y adaptar lo aprendido a la realidad de cada establecimiento.
Asimismo, este taller busca promover un uso pedagógico, crítico y responsable de la IA. Entrega herramientas para guiar la reflexión de los/as estudiantes sobre el sesgo en los datos, la ética y las implicancias sociales de estas tecnologías.
Cada sesión abordará contenidos específicos de la unidad y se realizará en las siguientes fechas:
- JUEVES 15 DE OCTUBRE: Sesión 1 – ¿Qué es la IA? Enfoques basados en reglas y basados en datos, y aplicaciones de IA en la vida cotidiana.
- JUEVES 22 DE OCTUBRE: Sesión 2 – Aprendizaje de los sistemas informáticos a partir de los datos: aprendizaje automático y clasificación mediante aprendizaje supervisado.
- JUEVES 29 DE OCTUBRE: Sesión 3 – Sesgo y árboles de decisión: datos de entrenamiento y de prueba, sesgo en las predicciones de un modelo y uso de la herramienta Aprendizaje Automático para Niños/as (Machine Learning for Kids).
- JUEVES 5 DE NOVIEMBRE: Sesión 4 – Tarjetas de modelo y carreras: evaluación y explicación de un modelo, y opciones de carrera vinculadas a la IA.
Horarios: 15:00 a 17:00 horas o 18:00 a 20:00 horas. (La elección del horario se podrá hacer al momento de responder el mail de confirmación).
(*) Esta actividad formativa no forma parte del Ciclo de Profundización.
- Describir la diferencia entre los enfoques de desarrollo de aplicaciones "basados en reglas" y "basados en datos", y nombrar ejemplos de aplicaciones de IA, reconociendo sus ventajas y problemas asociados.
- Definir la relación entre el aprendizaje automático y la inteligencia artificial, enumerar sus tres enfoques comunes, y describir cómo se resuelve un problema de clasificación mediante aprendizaje supervisado.
- Explicar el impacto de los datos de entrenamiento y de prueba en la precisión de un modelo, y cómo el sesgo en un conjunto de datos puede generar predicciones sesgadas.
- Reconocer cómo se utilizan los árboles de decisión para crear un modelo de aprendizaje automático de clasificación, y explicar por qué el aprendizaje automático resulta útil para su construcción (escala y adaptabilidad).
- Describir las etapas del ciclo de vida de un proyecto de IA, utilizar una herramienta de aprendizaje automático (Machine Learning for Kids) para entrenar un modelo, y evaluar su precisión.
- Producir una tarjeta de modelo para explicar un modelo de aprendizaje automático, y reconocer la diversidad de oportunidades de carrera relacionadas con la IA.
Este taller está dirigido a docentes (de cualquier asignatura, incluyendo docentes de educación diferencial que impartan clases de 6to a 4to medio) sin experiencia previa en la enseñanza de contenidos de Inteligencia Artificial y Aprendizaje Automático, y tiene como propósito fortalecer sus competencias en las nociones básicas de la IA. La metodología combina la exposición de conceptos clave —con apoyo de presentaciones y videos de especialistas internacionales— con actividades prácticas progresivas: análisis de aplicaciones de IA, construcción de modelos de clasificación de imágenes, elaboración de árboles de decisión y gestión de un proyecto de IA de principio a fin utilizando la herramienta gratuita Machine Learning for Kids.
El diseño de la unidad respeta una progresión de aprendizaje explícita (gráficos de conceptos y habilidades, marco SEAME y Taxonomía de Bloom), que permite a los/las docentes planificar una secuencia didáctica según los prerrequisitos de cada concepto.
La acción formativa se vincula al Dominio A del Marco para la Buena Enseñanza (MBE), Preparación de la enseñanza, particularmente al dominio de contenidos disciplinares actualizados y su organización en una progresión pedagógica coherente, y al Dominio B, Creación de un ambiente propicio para el aprendizaje, al proveer a los/las docentes herramientas para gestionar proyectos prácticos y guiar la reflexión crítica del alumnado sobre el sesgo, la ética y las implicancias sociales de la IA.
Esta acción formativa responde a la necesidad, identificada a nivel nacional, de actualizar al profesorado en competencias de IA y aprendizaje automático ante su creciente presencia en la vida escolar y social, entregando conocimientos disciplinares y recursos didácticos para su implementación segura y pedagógicamente pertinente en el aula.
Asimismo, este taller se alinea con los principios de la Ley N.° 20.903, que crea el Sistema de Desarrollo Profesional Docente, al contribuir al fortalecimiento de las competencias profesionales de las y los docentes mediante procesos de formación continua orientados a la mejora de la práctica pedagógica, la innovación educativa y el desarrollo de capacidades que favorezcan aprendizajes de calidad para todas y todos los estudiantes.
Detalles del curso
Sesión 1: Introducción a la Inteligencia Artificial
Diferencia entre sistemas basados en reglas vs. basados en datos. Ejemplos reales de uso cotidiano, beneficios, riesgos y prevención del antropomorfismo en la IA.
Sesión 2: Aprendizaje Automático y Sesgo en la IA
Aprendizaje de los sistemas informáticos a partir de datos (Machine Learning) y clasificación. Análisis de sesgos: impacto de los datos de entrenamiento ("lo que con sesgo empieza, con sesgo acaba").
Sesión 3: Árboles de Decisión y Aplicación Práctica
Estructura y uso de árboles de decisión en la IA. Espacio de práctica guiada y tiempo para resolver dudas pedagógicas/técnicas.
Sesión 4: Tarjetas de Modelo, Seguridad y Carreras en IA
Evaluación de modelos de IA, uso de tarjetas de modelo (model cards), seguridad y privacidad en la IA, y exploración de carreras profesionales relacionadas.
Para aprobar el curso, el/la docente debe asistir al 75% de las sesiones (3 de 4).