La inteligencia artificial en el IES Alcántara
Formamos creadores, no solo usuarios: acompañamos a cada estudiante y docente en un viaje progresivo, ético y medible.
Formamos creadores, no solo usuarios: acompañamos a cada estudiante y docente en un viaje progresivo, ético y medible.
Ámbito: alumnado y profesorado del IES Alcántara.
Activamos un ecosistema donde la IA se experimenta de manera guiada, se documentan los hallazgos y se comparten plantillas listas para usar en cualquier materia.
Este documento explica cómo integramos la IA en el IES Alcántara para aprender mejor, incluir a todo el alumnado y optimizar la docencia. Reúne la visión DGMakers y las prácticas del profesorado en un plan accionable con principios, flujos, métricas y plantillas.
Sirve como guía de referencia rápida para mentorías, proyectos de aula, formación del claustro y comunicación con familias.
Seis principios alinean decisiones técnicas, didácticas y éticas. Cada evidencia incluye referencias a estos checks.
La IA no hace el trabajo; guía, sugiere y comprueba. El alumno razona, crea y cita.
Materiales en lectura fácil cuando proceda; pictogramas, subtítulos, ALT-text y contraste mínimo AA.
Sin datos personales sensibles de alumnado o familias; datos siempre anonimizados.
Toda entrega incluye Declaración de uso de IA (plantilla al final).
Medimos antes/después; guardamos muestras, rúbricas y diarios de aprendizaje.
Por defecto CC BY / CC BY-SA para facilitar la reutilización.
Formamos estudiantes con competencia digital crítica y creativa. Estructuramos el aprendizaje en tres niveles progresivos.
Objetivo: aprender con la IA (no de la IA) usando diálogo socrático y verificación.
Evidencias: plan de estudio, ejercicios hechos a mano, capturas del diálogo, rúbrica y reflexión final.
Riesgos: dependencia, errores, sesgos -> Mitigación: verificación cruzada, preguntas socráticas, trabajo con fuentes.
Objetivo: comprender datos → modelo → pérdida → entrenamiento → validación, sesgo y sobreajuste; programar ejemplos.
Evidencias: cuaderno de laboratorio, curvas de pérdida/accuracy y conclusiones.
Objetivo: diseñar y entrenar modelos con TensorFlow/Keras, aplicándolos a problemas reales del centro y del entorno.
Evidencias: matriz de confusión, métricas (accuracy, precisión, recall), cartas del modelo (qué acierta/falla) y README con limitaciones.
Para que el alumnado innove, el profesorado lidera la transformación. Usamos IA en cuatro áreas clave (más extensiones).
Adiós a tareas repetitivas: borradores de correos, resúmenes, rúbricas iniciales, bancos de ítems, guiones de clase, listas de verificación y organización de grupos/turnos.
Adaptación a lectura fácil, glosarios y versiones por nivel; pictogramas, audiodescripciones y subtítulos cuando proceda; principios UDL.
Compañero de ideas para brainstorming, diseño backward (competencias → evidencias), andamiaje (mini-retos, checklist por fases) y contextualización local.
Rúbricas con descriptores claros, ejemplos de evidencias, feedback formativo; bancos de preguntas (abiertas y estructuradas); análisis de patrones de respuesta.
Comunicación con familias; análisis de datos del centro (tendencias anónimas); convivencia y orientación (bienestar digital, gestión del tiempo).
Guías operativas listas para imprimir o incorporar en el aula virtual.
Equipo promotor:
Catálogo de acciones rápidas para activar la IA en aula, claustro y comunidad.
Cada entrega incorpora esta nota firmada por el equipo o estudiante:
Firmo que comprendo los límites de la IA y soy responsable del resultado.
La IA no es un fin en sí mismo. Es una palanca para aprender mejor, incluir más y crear con propósito. En el IES Alcántara formamos creadores, no solo usuarios: estudiantes que comprenden, cuestionan y construyen tecnología con sentido crítico, ético y creativo.