Ensayo Paes competencia matematicas 2 Preuniversitario
Recursos didacticos
1. Universidad Nacional Autónoma de México.
Facultad de Estudios Superiores Acatlán.
Licenciatura en Pedagogía
Inteligencia Artificial, Robótica y
Machine Learning.
Negrete Sanchez Andrea Gabriela
Ramirez Sanchez Fernanda Magali
Urbina Malvaez Nancy
2. Inteligencia Artificial, Robótica y
Machine Learning.
A lo largo del transcurso de la historia hemos conocido los grandes avances en el
desarrollo de la vida humana, hemos sido parte de un proceso de creación e
innovación de realidades que nos han facilitado la mayoría de las cosas pero
también perjudicado, el hombre ha sido capaz de afrontar los retos y desafíos
pertenecientes a los nuevos cambios sociales, económicos, políticos y culturales
que conllevan los avances en la ciencia y tecnología inmersas en nuestra sociedad
que se han introducido poco a poco en el ambiente educativo.
INTELIGENCIA ARTIFICIAL
En la actualidad la inteligencia artificial forma parte fundamental de las vivencias diarias de
las personas, ha transformado nuestra vida por completo y evolucionará en medida que
pase el tiempo, vivimos en un mundo cambiante que día con día nos llena de avances
tecnológicos, por esta razón la inteligencia artificial proporciona programas novedosos que
realizan actividades en forma más rápida a lo que llevaría a un ser humano. Al día de hoy
se han desarrollado aplicaciones enfocadas en inteligencia artificial, si bien en su mayoría
han ido enfocadas a videojuegos.
La Inteligencia Artificial es el desarrollo de métodos y algoritmos que permiten que las
máquinas se comporten de modo inteligente.
La aplicación de la IA en la educación son los sistemas educativos inteligentes que
acabamos de revisar están basados en diversas técnicas de inteligencia artificial. Algunos
ejemplos son:
Sistemas Tutores Inteligentes. Los Sistemas Tutores Inteligentes son sistemas que
proporcionan aprendizaje y/o formación personalizada. Se basan en tres componentes
principales:
● Conocimiento de los contenidos
● Conocimiento del alumno
● Conocimiento de estrategias o metodologías de aprendizaje
Sistemas de Evaluación Automática. Los sistemas de evaluación automática de test tienen
como objetivo principal evaluar las fortalezas y debilidades de los estudiantes a través de
los test que realizan sobre una materia o actividad. De esta forma, estos sistemas no sólo
realizan la corrección automática de tests, sino que también pueden adquirir
automáticamente conocimiento sobre las habilidades y competencia que los estudiantes
poseen sobre la materia en cuestión.
Aprendizaje Colaborativo Soportado por Computador. Los entornos de aprendizaje
colaborativo basado en computador están pensados para facilitar el proceso del aprendizaje
dando a los estudiantes la oportunidad y las herramientas para interactuar y trabajar en
grupo.
3. ROBÓTICA
La robótica es una rama interdisciplinaria de la ingeniería, que se desprende de las
ingenierías mecánica, electrónica, eléctrica, teoría del control y de las ciencias de la
computación. Estudia el análisis, diseño, manufactura y aplicación de máquinas automáticas
con cierto grado de inteligencia, capaces de realizar tareas que pueden reemplazar las
actividades de un ser humano.
Y en conjunto con el campo académico surge la robótica educativa, donde se están
desarrollando robots para actuar como tutores en cursos virtuales o como un recurso
didáctico innovador, favoreciendo la construcción de conceptos y conocimientos de distintas
disciplinas.
Es imprescindible entender que la robótica como apoyo al aprendizaje puede ser utilizada como
objeto de aprendizaje, como medio de aprendizaje o como apoyo al aprendizaje.
Por lo que podemos decir que la robótica educativa no se trata exclusivamente de que el
docente enseñe robótica, sino de que utilice este recurso tecnológico en su asignatura como
factor de motivación para, a partir del interés, llevar al alumno a la construcción de su propio
conocimiento, y como indican diversos estudios al desarrollo de competencias como: la
autonomía, la iniciativa, la responsabilidad, la creatividad, el trabajo en equipo, la autoestima y el
interés por la investigación.
Por ejemplo:
El sistema Watson elaborado por IBM está siendo utilizado como
parte de un proyecto experimental de la compañía de educación
global Pearson. La combinación de las capacidades cognitivas de
Watson con los productos de aprendizaje digital esta empresa
pretende proporcionar a los estudiantes una experiencia de
aprendizaje más inmersivo, y una manera fácil de obtener ayuda y
conocimientos cuando lo necesiten al hacer preguntas en lenguaje
natural como lo harían con otro estudiante o con un profesor.
Finch Robot. Diseñado específicamente para ser utilizado en
entornos educativos, Finch es un robot con forma de animal y que
gracias a sus motores, sensores como luz, temperatura, tacto,
altavoces y la posibilidad de incorporar un rotulador a su carcasa,
nos permitirá realizar cientos de actividades en clase. Compatible con
diferentes lenguajes y entornos de programación, ha sido diseñado
para ser usado por niños a partir de los 5 años.
OWI 535. Específico e ideal para Secundaria, Bachillerato y para
los ciclos de Formación Profesional. Se llama OWI 535 y es un
brazo robótico y programable cuyos movimientos podemos
personalizar a nuestro gusto gracias, como no, a la
programación. Permite levantar objetos de hasta 100 gramos.
4. Funciona con pilas y sus 5 motores nos permitirán mover sus diferentes extremidades para
ofrecernos muchas posibilidades.
MACHINE LEARNING
El machine learning, conocido en español
como aprendizaje automático o
aprendizaje de máquina, nació como una
idea referente a la Inteligencia Artificial en
la década de los 60. Fue una subdisciplina
de la Inteligencia Artificial, producto de las
ciencias de la computación y las
neurociencias.
De acuerdo con Arthur Samuel en 1959, el
machine learning, le da a las
computadoras la habilidad de aprender sin
ser explícitamente programadas, cuyo propósito es que se logre que las las personas y las
máquinas trabajen de la mano, cumpliendo con el objetivo de abordar y resolver problemas
prácticos en donde se aplique cualquiera de las disciplinas numéricas tales como,
ingeniería, matemáticas, computación y otros campos relacionados con objetos físicos o
abstractos).
El machine learning estudia el reconocimiento de patrones y el aprendizaje por medio de
Pc, enfocándose en el razonamiento probabilístico, la investigación basada en la
estadística, recuperación de información y profundización en patrones que impliquen
asuntos aplicados a procesos numéricos, al grado de lograr que estas computadoras sean
capaces de aprender como un humano lo haría, realizando tareas generales y específicas,
sin error.
En un inicio el machine learning solo podía con tareas no tan complejas como filtrar emails,
sin embargo, debido a sus actualizaciones hoy en día este puede hasta mapear sitios para
generar proyectos de construcción en tiempo real, e incluso, definir la compatibilidad entre
dos personas. (Adext AI, s,f.)
El objetivo de este es hacer que una computadora se desempeñe con precisión y exactitud
en todas las tareas que se le requieran, ya sean faciles o complejas. Y esto solo es posible
haciendo que repliquen las facultades cognitivas del ser humano, formando modelos que
“generalicen” la información que se les presenta para realizar sus predicciones. (Adext AI,
s,f.).Y el punto focal para que este proceso se lleve a cabo son los datos, algoritmos que se
dividen en tres categorías:
● Supervised learning (aprendizaje supervisado)
● Unsupervised learning (aprendizaje no supervisado)
● Reinforcement learning (aprendizaje por refuerzo)
5. Supervised learning (aprendizaje supervisado)
Depende de datos ya grabados en la computadora, como el reconocimiento de símbolos
colocadas por seres humanos para asegurar la efectividad y calidad de los datos.
Unsupervised learning
En esta categoría lo que sucede es que al algoritmo se le despoja de cualquier etiqueta, de
modo que no cuenta con ninguna indicación previa. En cambio, se le provee de una enorme
cantidad de datos con las características propias de un objeto (aspectos o partes que
conforman a un avión o a un coche, por ejemplo.), para que pueda determinar qué es, a
partir de la información recopilada.(Adext AI, s,f.)
Reinforcement learning
En este caso particular, la base del aprendizaje es el refuerzo. La máquina es capaz de
aprender con base a pruebas y errores en un número de diversas situaciones.(Adext AI, s,f.)
ACTIVIDAD (CREAR LENTES DE REALIDAD VIRTUAL)
Materiales:
● Cartón
● Botella de plástico
● Silicón frío o caliente
● Plantillas con la forma de los lentes que se encuentran en internet de la
siguiente fuente:
https://www.hagaloustedmismo.cl/files/pdf/proyectos/ma-is37_como%20hacer
%20gafas%20de%20realidad%20virtual.pdf
● Papel adhesivo
● Tijeras o cúter
● Velcro
● Resorte
Procedimiento:
1. Descargar las plantillas e imprimirlas en papel adhesivo
6. 2. Con ayuda de las tijeras o el cúter ir cortando las plantillas de acuerdo a la
forma que tiene y respetando los bordes
3. En el cartón pegar las plantillas impresas y previamente recortadas
4. Cortar el sobrante de cartón
5. Con ayuda de algún objeto circular y un plumón ir marcando 4 círculos en la
botella y posteriormente cortarlos
6. Unir en pares los círculos para que sean nuestros lentes
7. Situar y pegar los lentes en el lugar correspondiente
8. Hacer los dobleces necesarios e ir pegando
9. Colocar el velcro y el resorte para sostener nuestros lentes de realidad virtual
Para mayor comprensión de su elaboración se recomienda ingresar a la página:
ThesurvivorSpanish. (14 de Abril del 2017). Cómo hacer unas gafas de realidad
virtual en casa. Recuperado de: https://youtu.be/2zEpC_YfzU4.
INFORMACIÓN PARA COMPARTIR (INFOGRAFÍA)
7.
8. FUENTES DE INFORMACIÓN:
Vila, E. M. S., & Penín, M. L. (2007). Monografía: Técnicas de la Inteligencia Artificial
aplicadas a la educación. Inteligencia Artificial. Revista Iberoamericana de Inteligencia
Artificial, 11(33), 7-12.
Builes, J. A. J., & Carranza, D. A. O. (2008). Uso de técnicas de Inteligencia Artificial en
ambientes distribuidos de enseñanza/aprendizaje. Revista Educación en Ingeniería, 3(5),
98-106.
Espeso Pablo. (2017). ROBOTS PARA LA EDUCACIÓN. Recuperado en:
https://www.educaciontrespuntocero.com/novedades2/hardware/los-mejores-robots-para-ed
ucacion/40158.html
AI, A. (s.f.). Blog Adext. Obtenido de ¿Qué es machine learning? [Guía completa para
principiantes]: https://blog.adext.com/machine-learning-guia-completa/