Sesión 3

Date

October 1, 2026

Estado

Publicado

Obligatoriedad

Semana

Semana 7

Tipo

Notas de clase

Last edited by

Miss Pili Piñones

Last edited time

Oct 2, 2026 1:53 AM

N

3.2

Concepto

El núcleo de la sesión se centra en la verificación crítica de respuestas de IA mediante un proceso de auditoría, la definición de criterios de participación académica y la revisión de los avances más recientes en modelos de lenguaje y agentes proactivos.

Lo que entendí

• Criterios de Participación y Calificación:
• Una participación válida debe aportar datos, reflexiones o argumentos que sumen información; las preguntas simples o administrativas no cuentan.
• Las entregas a tiempo reciben el punto completo automáticamente, pero se aplican penalizaciones (retiro del punto) si el contenido no cumple con el objetivo solicitado.
• Existe un "colchón" de 8 puntos extra totales para el semestre para compensar imprevistos.
• Metodología de Auditoría de IA para el ejercicio semanal:
• El objetivo es verificar la respuesta de la IA analizando cuatro elementos: lógica, originalidad de fuentes, verificabilidad y coherencia.
• Si la IA falla (ej. no da argumentos o inventa fuentes), el estudiante debe documentar el hallazgo; si es correcta, debe argumentar por qué lo es.
• Se permite ajustar el prompt para forzar una estructura mejor, ya que el ejercicio busca que el estudiante interiorice estrategias de verificación.
• Actualidades de IA:
• Lanzamientos: Google lanzó el modelo Gemini 4 (Argon), restringido inicialmente a expertos en ciberseguridad . OpenAI canceló la versión 6.1 por riesgos de alineación, pero liberó la versión 6.1 Sol.
• Agentes Proactivos: Se analizó Grok-bot, que a diferencia de los chatbots tradicionales, es proactivo, puede gestionar su propia computadora y crear presentaciones directamente en Google Drive basándose en plantillas.
• Regulación: Existe una tendencia hacia la autorregulación en EE. UU., mientras que la Unión Europea busca una regulación consensuada .

Must know

• Proceso de Auditoría:
• Diferencia entre validar una fuente (verificar que el DOI existe) y validar la lógica (verificar que el argumento es coherente).
• Importancia de la declaratoria de uso de IA para mantener la transparencia docente-estudiante.
• Conceptos Técnicos:
• Agentes proactivos: Capacidad de la IA para iniciar tareas sin un comando explícito y ejecutar acciones en entornos externos (ej. Drive).
• Alineación de modelos: El riesgo de que una IA oculte información o se desvíe de los objetivos del usuario.
• Impacto Educativo:
• El riesgo de la "apariencia de aprendizaje": usar IA para generar productos (mapas mentales, cuestionarios) sin lograr una comprensión real del tema.