Inteligencia artificial en proyectos experimentales

El curso “Inteligencia Artificial en Proyectos Experimentales” está diseñado para introducir a estudiantes y docentes en el uso de la IA como herramienta para potenciar la creatividad, el análisis de datos y la solución de problemas en proyectos STEM+. A través de un enfoque práctico, se integrarán conceptos básicos de machine learning, visión por computadora y procesamiento de datos con experimentos reales en física, biología, astronomía, electrónica y medio ambiente.

Los participantes aprenderán a aplicar algoritmos sencillos de clasificación, regresión y reconocimiento de patrones para interpretar datos de sensores, imágenes o simulaciones. El curso combina teoría accesible, trabajo colaborativo y el diseño de prototipos experimentales, con énfasis en la sostenibilidad y los Objetivos de Desarrollo Sostenible (ODS).

Al finalizar, los estudiantes serán capaces de:

• Comprender los fundamentos de la IA aplicada a proyectos experimentales.

• Diseñar y ejecutar experimentos que integren sensores, programación y algoritmos de IA.

• Analizar resultados y proponer soluciones innovadoras en contextos educativos y sociales.

• Presentar proyectos que vinculen ciencia, tecnología y creatividad para resolver problemas reales.

📚 Contenido sugerido

Módulo 1. Introducción a la IA en proyectos experimentales

• ¿Qué es la Inteligencia Artificial? Aplicaciones en ciencia y educación.

• IA y los ODS: sostenibilidad, inclusión y cambio climático.

• Casos de éxito en proyectos experimentales con IA.

Módulo 2. Fundamentos prácticos de IA

• Algoritmos básicos de aprendizaje automático (regresión, clasificación, clustering).

• Herramientas accesibles: Google Colab, Python, Scratch con IA, Teachable Machine.

• Ética y límites de la IA en el aula.

Módulo 3. Sensores, datos y experimentación

• Integración de Arduino y sensores (temperatura, calidad del aire, ultrasonido).

• Recolección de datos experimentales.

• Procesamiento de datos con IA (detección de anomalías, predicciones simples).

Módulo 4. Proyectos aplicados

• Física: IA para analizar trayectorias o movimientos captados en video.

• Astronomía: clasificación de imágenes de cráteres o estrellas.

• Medio ambiente: predicción de calidad del aire con sensores + IA.

• Biología: reconocimiento de patrones en hojas, plantas o microorganismos.

Módulo 5. Taller de creación de proyectos

• Design Thinking aplicado a la IA experimental.

• Planeación y prototipado de proyectos interdisciplinarios.

• Trabajo colaborativo en equipos.

Módulo 6. Presentación y difusión

• Elaboración de informes y pósters científicos.

• Presentación de proyectos en ferias escolares, redes académicas y plataformas digitales.

• Evaluación con rúbricas de innovación, sostenibilidad y colaboración.

🎯 Metodología

• Aprendizaje Basado en Proyectos (ABP).

• Uso de simuladores y entornos virtuales.

• Laboratorios híbridos: experimentación con sensores físicos y datos simulados.

• Trabajo colaborativo en clubes de ciencia.

🏆 Producto final del curso

Cada estudiante o equipo desarrollará un proyecto experimental con IA, como por ejemplo:

• Rover con IA que detecte condiciones ambientales.

• Reconocimiento de imágenes astronómicas (lunares o solares).

• Predicción de rendimiento energético en un modelo de ciudad sostenible en Minecraft.