Desarrollo de Habilidades Tecnológicas en Machine Learning para Secundaria Alta
Experiencia Gimnasio Campestre
Resumen
Esta experiencia de aula es una muestra de un proceso de profunda transformación en el modelo educativo del Gimnasio Campestre en Bogotá producto un proceso de revisión curricular y operativa en procesos de integración interdisciplinar y transdisciplinar que propendan por las mejores prácticas en la enseñanza y aprendizaje de habilidades de pensamiento complejo, dicho proceso de cambio modifica los paradigmas de trabajo por áreas de conocimiento disciplinar y orienta el énfasis de planeación, clases y evaluación hacia procesos de integración entre las disciplinar o áreas académicas, lo que implicó dejar de lado los esquemas tradicionales de trabajo por áreas como matemáticas, ciencias, español, sociales, etc. y pasar a operar en solo 3 redes de conocimiento: Red de Perspectivas sistémicas, Red de Plasticidad, Estética y Movimiento y Red de diseño y desarrollo, esta última es en la cual se desarrolla la experiencia descrita en este documento y en la cual pertenecen todos los docentes involucrados en procesos de pensamiento lógico, sistémico, matemático y científico, contexto en el cual se desarrollan asignaturas optativas para los estudiantes de grado 10° y 11° acorde con sus intereses académicos, entre los cuales se propone en su primera versión, la optativa “Big Data e inteligencia Artificial” en la cual se diseñó por completo un plan curricular que permitiera la exploración de técnicas emergentes en la ciencia de datos y su aplicación en múltiples entornos productivos, artísticos, administrativos, sociales, etc. este artículo experiencia de aula muestra un esquema general de abordaje, soportado en experiencias de externos y su adaptación al entorno escolar, así como las impresiones preliminares del trabajo de co-teaching liderado por el departamento de Medios Información y Tecnología del Gimnasio Campestre.
Citas
Bacharach, N., Heck, T. W., & Dahlberg, K. (2010). Changing the face of student teaching through co-teaching. Action in Teacher Education, 32(1), 3–14. https://doi.org/10.1080/01626620.2010.10463538
CSTA. (s/f). Csteachers.Org. Recuperado el 14 de marzo de 2022, de https://csteachers.org/Page/standards
DAVENPORT. T.H. (2016). 7 ways to introduce AI into your organization. Harvard Business Review. Disponible en: https://hbr.org/2016/10/7-ways-to-introduce-ai-into-your-organization
Gately, S. E., & Gately, F. J., Jr. (2001). Understanding co-teaching components. Teaching Exceptional Children, 33(4), 40–47. https://doi.org/10.1177/004005990103300406
Lane, D. (2021). Machine learning for kids: A playful introduction to artificial intelligence. No Starch Press.
Montero Mesa, Lourdes (2010). El trabajo colaborativo del profesorado como oportunidad formativa. Universidad Santiago de Compostela. Disponible en: https://redined.educacion.gob.es/xmlui/bitstream/handle/11162/81502/00820113012766.pdf?sequence=1&isAllowed=y
O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown Publishing Group.
Rose, C. P., Martinez-Maldonado, R., Hoppe, H. U., Luckin, R., Mavrikis, M., Porayska-Pomsta, K., McLaren, B., & du Boulay, B. (Eds.). (2018). Artificial intelligence in education: 19Th international conference, AIED 2018, London, UK, June 27-30, 2018, proceedings, part I (1a ed.). Springer International Publishing.
Redman, T. C. (2018). If Your Data Is Bad, Your Machine Learning Tools Are Useless. Harvard Business School. Disponible en: https://hbr.org/2018/04/if-your-data-is-bad-your-machine- learning-tools-are-useless
Teachable Machine. (s/f). Withgoogle.com. Recuperado el 14 de marzo de 2022, de https://teachablemachine.withgoogle.com/
