1
00:00:00,000 --> 00:00:06,000
Buenas tardes, soy Javier Fernández Sanz, soy profesor de IES El Lago, de la especialidad Procesos Comerciales

2
00:00:06,000 --> 00:00:10,380
y soy profesor de la Asignatura de Transporte Internacional de Mercancías,

3
00:00:10,539 --> 00:00:14,000
donde he querido implementar una actividad con inteligencia artificial,

4
00:00:14,759 --> 00:00:20,480
ya que nuestro alumnado suele utilizarla de manera habitual para muchos de sus trabajos,

5
00:00:20,559 --> 00:00:23,059
aunque sabemos que están limitadas, pero para muchas búsquedas

6
00:00:23,059 --> 00:00:26,500
y queríamos que entendiese cómo se funcionaba la IAC,

7
00:00:26,500 --> 00:00:34,479
tanto a nivel de creación como a nivel de preguntas y que la utilizaban como una herramienta y no como un fin.

8
00:00:35,759 --> 00:00:41,759
El objetivo de la actividad, lógicamente, era comprender la IA, pero teníamos que darle un poco de dinamismo.

9
00:00:41,759 --> 00:00:51,659
Estamos hablando de un alumnado de unos 20 alumnos de 18 a 24 años, donde tenemos que no simplemente con un RNML,

10
00:00:51,659 --> 00:00:56,700
que es muy interesante, pero que solo con reconocimiento de fotografías se podía quedar corto.

11
00:00:57,119 --> 00:01:01,579
Entonces, lo que quisimos hacer es que crearan un RNML donde al introducir un producto,

12
00:01:02,140 --> 00:01:07,200
el resultado que les diese fuera qué medio de transporte era el más adecuado para ese producto.

13
00:01:07,859 --> 00:01:12,540
Pero para crear esos listados, porque lógicamente explicamos cómo funcionaba el RNML,

14
00:01:12,879 --> 00:01:19,140
cómo se le alimentaba con textos, y lo que se buscó es también ayudarles a hacer

15
00:01:19,140 --> 00:01:22,780
programas de calidad con Gemini, darle otra vuelta de tuerca a la IA

16
00:01:22,780 --> 00:01:28,400
para que sepan cómo utilizar esas IAs de uso más habitual.

17
00:01:29,120 --> 00:01:32,459
También se buscó el trabajo cooperativo, lógicamente, para que vieran

18
00:01:32,459 --> 00:01:35,780
que es muy importante que el grupo de personas que hace la necesidad

19
00:01:35,780 --> 00:01:40,060
de las actividades tenga que trabajar duro y hacerlo con los datos

20
00:01:40,060 --> 00:01:42,700
más correctos posible, pero que también el resto de grupos,

21
00:01:43,260 --> 00:01:45,719
porque siempre imagina una IA grande, no lo hace una sola persona,

22
00:01:45,719 --> 00:01:49,019
o lo hacen muchas, tienen que ser de un trabajo muy eficiente

23
00:01:49,019 --> 00:01:52,079
para que los resultados sean lo más potentes posible.

24
00:01:52,239 --> 00:01:55,200
En este caso, como podemos ver con el ARNML.

25
00:01:56,760 --> 00:01:58,140
El enunciado fue muy claro.

26
00:01:58,340 --> 00:02:01,680
Se hizo cinco grupos de cuatro personas máximo,

27
00:02:02,079 --> 00:02:03,879
donde cada uno era responsable de un medio de transporte.

28
00:02:04,099 --> 00:02:07,060
Uno llevaba el transporte marítimo, otro llevaba el transporte fluvial,

29
00:02:07,620 --> 00:02:08,900
carretera, ferrocarril y aéreo.

30
00:02:09,360 --> 00:02:13,539
Debían listar de 100 a 200 productos con la ayuda de sus conocimientos

31
00:02:13,539 --> 00:02:19,740
y de Gemini con un PROC que enseñamos a hacerlo, optimizar el R&ML de la manera más oportuna

32
00:02:19,740 --> 00:02:26,199
para conseguir que el R&ML devolviera los resultados lo más correctos posible

33
00:02:26,199 --> 00:02:35,180
y luego autocorregir y autovaluar a los distintos grupos de una manera que se integren de manera más natural.

34
00:02:35,960 --> 00:02:42,479
Y al final ellos mismos analizar esa IA final que habíamos conseguido, una actividad de seis horas lectivas.

35
00:02:42,479 --> 00:03:06,659
En la primera sesión explicamos la actividad de LearnML, que podéis ver aquí le explicamos cómo funcionaba, hicimos bastantes ejemplos, también lo que intentamos darles, nos metimos en Gemini, donde les explicamos cómo hacer un buen prompt y cómo conseguir que le diera de manera interesante los prompts.

36
00:03:06,659 --> 00:03:29,979
Todo esto se hizo dándoles un pequeño curso de cómo escribir prompts en Gemini, ¿vale? Para que tuvieran una idea y así aprender de manera adecuada cómo hacerlos. Y la verdad que conseguimos, si os dais cuenta, algunos grupos hicieron unos listados muy interesantes. Otros no tanto, ya veremos luego, que también os ayudo para que se entendiera mucho mejor cómo funcionaba la IA.

37
00:03:29,979 --> 00:03:34,379
en segunda sesión

38
00:03:34,379 --> 00:03:36,280
hicimos lo que os he comentado

39
00:03:36,280 --> 00:03:38,860
e intentamos

40
00:03:38,860 --> 00:03:40,280
ver el uso del RNML

41
00:03:40,280 --> 00:03:42,680
con la base

42
00:03:42,680 --> 00:03:44,539
individual que creaban, ellos creaban una base de datos

43
00:03:44,539 --> 00:03:45,500
individual donde

44
00:03:45,500 --> 00:03:48,719
no dividían por marítimo

45
00:03:48,719 --> 00:03:50,539
o por aéreo, sino dentro de marítimo, aéreo

46
00:03:50,539 --> 00:03:52,759
ferrocarril, dividían por tipo de productos

47
00:03:52,759 --> 00:03:54,419
es muy interesante

48
00:03:54,419 --> 00:03:56,620
este aspecto porque

49
00:03:56,620 --> 00:03:58,599
si os enseño

50
00:03:58,599 --> 00:03:59,800
como hicimos

51
00:03:59,800 --> 00:04:12,699
Aquí podéis ver cómo se hizo dentro de nuestro grupo. Se les hizo una actividad en donde se les pedía que buscaran cómo hacer los listados.

52
00:04:12,939 --> 00:04:24,639
Que venía también con una pequeña rúbrica para que entre grupos se pudieran autoevaluar y autocorregir los errores y llegaran a mejores soluciones.

53
00:04:24,639 --> 00:04:27,819
después de esto pasamos

54
00:04:27,819 --> 00:04:29,899
al análisis de la SIA

55
00:04:29,899 --> 00:04:31,800
de los otros grupos y debates de mejoras

56
00:04:31,800 --> 00:04:33,399
con la rúbrica, que es la sesión 4

57
00:04:33,399 --> 00:04:34,839
esto se consiguió

58
00:04:34,839 --> 00:04:37,699
para cada uno usando el RML

59
00:04:37,699 --> 00:04:40,019
que aquí podéis ver una de la gente de Aéreo

60
00:04:40,019 --> 00:04:41,819
que hizo una, y podemos ver

61
00:04:41,819 --> 00:04:43,680
como ellos metieron

62
00:04:43,680 --> 00:04:45,959
productos diferentes y aquí podemos ver

63
00:04:45,959 --> 00:04:47,779
la pantalla, pues ellos les daba

64
00:04:47,779 --> 00:04:49,000
que era un producto precero

65
00:04:49,000 --> 00:04:51,860
si buscamos paneles solares

66
00:04:51,860 --> 00:04:56,579
no podía decir que eran mercancías industriales,

67
00:04:56,720 --> 00:04:58,600
consiguieron que la IA les devolviera

68
00:04:58,600 --> 00:05:00,300
de manera fácil

69
00:05:00,300 --> 00:05:02,100
lo que estaban pidiendo.

70
00:05:02,300 --> 00:05:04,579
Ojo, con esto

71
00:05:04,579 --> 00:05:06,480
y con las rubricas, en el aula

72
00:05:06,480 --> 00:05:08,300
virtual, lo que decidimos hacer

73
00:05:08,300 --> 00:05:10,779
es generar una carpeta

74
00:05:10,779 --> 00:05:12,579
para que cada uno se pudiera descargar

75
00:05:12,579 --> 00:05:14,519
las distintas IA de los otros

76
00:05:14,519 --> 00:05:16,540
grupos y trabajar con ellas, ver en lo que había

77
00:05:16,540 --> 00:05:18,360
un error. Y al final, aquí tenéis,

78
00:05:18,819 --> 00:05:20,660
creamos una general, una

79
00:05:20,660 --> 00:05:25,120
IA Global. La IA Global ya no está dividida por grupos, sino está dividida por medios

80
00:05:25,120 --> 00:05:30,600
de transporte. En esta IA Global, que se unificaba, se hizo una sesión para que cada uno de ellos

81
00:05:30,600 --> 00:05:37,079
pudiera trabajar y conocer cómo funcionaba. Si lo vemos aquí, en la IA Global, ya hablamos

82
00:05:37,079 --> 00:05:42,680
de lo mismo. Hemos dicho, si os dais cuenta, papaya, que la hemos visto en el aéreo. Lógicamente

83
00:05:42,680 --> 00:05:47,339
fueron los únicos que impusieron este producto, si hubiera habido más. Pero cuando hablamos

84
00:05:47,339 --> 00:05:56,139
de paneles sonales, un producto más interesante, ya veis que hay marítimo, hay aéreo, hay

85
00:05:56,139 --> 00:05:59,939
fluvial, se puede transportar porque cada uno se dieron cuenta que había que poner

86
00:05:59,939 --> 00:06:03,300
los productos de manera más adecuada. También tuvimos un grupo que no funcionó muy bien,

87
00:06:03,560 --> 00:06:07,959
que era el transporte por carretera, que hizo casi una lista de la compra, pero nos ayudó

88
00:06:07,959 --> 00:06:13,000
mucho para entender, Taquis Fuego, que es un producto que toman los niños para, ¿veis?,

89
00:06:13,000 --> 00:06:17,500
para un snack, pues salía en carretera exclusivamente un producto.

90
00:06:18,139 --> 00:06:21,800
Así vieron también los sesgos, o sea, que al final vieron que es muy importante

91
00:06:21,800 --> 00:06:25,339
el trabajo en equipo, vieron que puede tener un montón de sesgos

92
00:06:25,339 --> 00:06:30,060
y ahí es donde fueron aprendiendo todo el tema de lo importante que es la IA

93
00:06:30,060 --> 00:06:35,639
y de qué manera hay que tener cuidado a la hora de trabajar con ella.

94
00:06:36,420 --> 00:06:38,399
Bueno, esta sería la sesión 6, ¿vale?

95
00:06:38,540 --> 00:06:41,699
En ese último hicimos un análisis de resultados donde vimos un debate

96
00:06:41,699 --> 00:06:42,579
y unas conclusiones.

97
00:06:43,000 --> 00:07:07,920
Aquí os he hecho una captura de pantalla donde podéis ver cómo hacía el MNL los distintos pensamientos para llegar al conocimiento de máquina. Aquí tenéis un poco cómo es un resumen de cómo hemos llegado a la IA para que vean el resumen tal. Y estas son las preguntas que hicimos, ¿no? ¿Qué pasa con la IA si clasifica mal un producto? ¿Qué ocurre si introducimos datos incorrectos? ¿Puede el trabajo de un grupo perjudicar al resto?

98
00:07:07,920 --> 00:07:14,879
y de esta manera creo que el alumnado consiguió una experiencia en la aula muy interesante

99
00:07:14,879 --> 00:07:19,420
porque por un lado descubrieron lo importante que es la calidad de datos,

100
00:07:20,019 --> 00:07:25,439
trabajan de manera habitual con Excel, Word, PDF, han entendido el Learning ML

101
00:07:25,439 --> 00:07:32,839
y cómo se crea una... y sobre todo hemos conseguido que la vean como una herramienta.

102
00:07:33,519 --> 00:07:37,639
Conclusión, es una actividad que creo que voy a seguir mejorando e instaurando en el aula

103
00:07:37,639 --> 00:07:46,699
porque el alumnado descubre que la IA es una herramienta muy potente pero que hay que estar muy atento a las respuestas

104
00:07:46,699 --> 00:07:53,660
y debemos conocer de qué hablamos para que no utilizar respuestas que nos da la IA como verdad absoluta

105
00:07:53,660 --> 00:07:59,480
y hemos conseguido que el grupo se una un poquito más y han disfrutado mucho trabajando con el IML

106
00:07:59,480 --> 00:08:04,259
que muchos han seguido utilizándolo y ya ven la IA de otra manera, también utilizan los PRO mejor

107
00:08:04,259 --> 00:08:24,279
Así que creo que es una actividad muy útil y que puede ser buena para instalar en el seguro en el futuro. Así que nada, muchísimas gracias y espero poder compartir sin ir de cualquier cosa. Sabéis que estoy aquí en Ligues del Lago y una actividad que ha sido enriquecedora tanto para el alumnado como para mí y que espero poder seguir haciendo en el futuro. Muchas gracias y nos vemos pronto.