# Vivo/ No vivo
[](https://libros.catedu.es/uploads/images/gallery/2026-01/vivono-vivo.png)
## **Vivo / No vivo con objetos del aula**
#### **1) Justificación**
Esta actividad acerca la IA al aula de forma manipulativa: el alumnado “enseña” a una máquina con fotos de objetos reales. Comprenden que la IA **aprende con ejemplos (datos)** y que puede equivocarse si los datos son pocos o poco variados. Además, refuerza la clasificación científica básica y el pensamiento crítico (“¿por qué falla?”).
#### **2) Datos de la actividad**
- **Curso:** 1.º Primaria (6 años)
- **Área:** Ciencias
- **Tipo TM:** Image Project (clasificación)
- **Tiempo:** 35–50 min
- **Agrupación:** Equipos + asamblea final
- **Producto:** Clasificador **VIVO vs NO VIVO**
#### **3) Objetivo general**
Entrenar y probar un modelo de IA que clasifique objetos como **VIVO** o **NO VIVO**, entendiendo que el acierto depende de **las fotos usadas para aprender**, detectando errores y mejorándolo con nuevos ejemplos.
#### **4) Materiales**
- Objetos “vivos o relacionados”: hoja, flor, fruta, ramita, planta…
- Objetos “no vivos”: piedra, goma, lápiz, clip, borrador…
- Carteles o cajas: **VIVO / NO VIVO**
- Dispositivo con webcam + Teachable Machine (y monitor/proyector si se usa en gran grupo)
- Tabla/registro infantil (con ✅/❌ y % si lo anota el docente)
#### **5) Desarrollo de la actividad**
##### **A) Pregunta detonante**
**“¿Creéis que una máquina puede aprender a decir si algo está VIVO o NO VIVO solo mirando fotos? ¿Qué necesita para aprender?”**
(Alternativa corta) **“Si le enseño muchas fotos, ¿acertará?”**
**DUA:** ofrece dos opciones de respuesta inicial:
- **Con gesto** (pulgar arriba/abajo) o
- **Con tarjetas** VIVO/NO VIVO.
---
##### **B) Organización**
**Roles sencillos (elegibles):**
- **Fotógrafo/a:** acerca el objeto a la cámara
- **Ayudante de orden:** coloca objetos en VIVO/NO VIVO
- **Portavoz:** dice el resultado (“ha dicho VIVO”)
- **Observador/a:** detecta errores (“se ha confundido”)
**DUA (participación):** permitir elegir rol según fortalezas (hablar, mover objetos, mirar, ordenar).
---
##### **C) Pasos en Teachable Machine**
**1) Crear proyecto y clases**
1. Image Project → Standard Image Model
2. Clases: **VIVO** y **NO VIVO**
**2) Recoger datos (fotos)**
3\. Tomar **20-30 ejemplos por clase**
4\. Variar **objetos, ángulos, distancia y fondo** (para que aprenda mejor)
**3) Entrenar y probar**
5\. Train Model
6\. Probar con objetos nuevos (no usados en fotos)
**4) Mejorar**
7\. Cuando falle, añadir fotos de “lo difícil” (hoja seca, piedra distinta, fruta cortada…)
8\. Re-entrenar y volver a probar.
**DUA (representación):**
- Apoyos visuales: pictogramas “VIVO/NO VIVO”, ejemplo real en mano, carteles grandes.
- Lenguaje claro y repetido: “La máquina aprende con muchas fotos”.
---
##### **D) Reto de comprobación (objeto sorpresa)**
1. Cada equipo trae un **objeto sorpresa**.
2. Lo muestran a la cámara y observan predicción
3. El portavoz dice: **“La máquina ha dicho…”** y el grupo decide: **“¿Estamos de acuerdo?”**
**DUA (acción y expresión):** Se puede explicar de 3 formas:
- Oral: “se ha confundido porque…”
- Señalando: “por el color / por la forma / por la luz” (tarjetas)
- Con dibujo rápido: “nuestro objeto” + carita (acierta/falla)
---
##### **E) Opciones de mejora propuestas por el alumnado**
Se pueden pedir **2 ideas** por equipo (pueden elegir con tarjetas):
- “Más fotos”
- “Fotos desde otros lados”
- “Cambiar el fondo”
- “Cambiar la luz”
- “Meter objetos nuevos parecidos” (casos límite)
Luego eligen **1** para aplicar.
**DUA:** dar un “menú de mejoras” visual para que todos puedan elegir.
---
##### **F) Comprobar mejoras (segunda ronda)**
- Re-entrenar y repetir 3 pruebas:
1. objeto fácil, 2) objeto difícil, 3) objeto sorpresa
- Comparar en voz alta: **“Antes fallaba / ahora acierta más”**.
---
##### **G) Debate final (asamblea breve)**
Con respuestas de una palabra, gestos o tarjetas:
1. **¿La máquina acertó mucho o poco?**
2. **Cuando se equivocó, ¿qué creéis que miró?**
- “Color” / “Forma” / “Fondo” / “Luz”
4. **¿Qué le ayudó a mejorar?**
- “Más fotos” / “Fotos diferentes” / “Objetos nuevos”
##### **Cierre para el aula:**
**“La IA no entiende ‘vida’ como nosotros: aprende patrones con las fotos que le damos.”**
---
#### **6) Evaluación final por grupos: Semáforo**
**Semáforo del equipo (con tarjeta o dibujo)**
Cada grupo elige un color y completa una frase (con apoyo del docente):
- 🟢 **VERDE**: “Nuestro modelo **acertó muchas veces**.”
- 🟡 **AMARILLO**: “Nuestro modelo **a veces acierta, a veces falla**.”
- 🔴 **ROJO**: “Nuestro modelo **falló bastante**.”
**Justificación infantil (elige 1 opción)**
El grupo marca o dice una causa (con pictos):
- “Necesitábamos **más fotos**”
- “Necesitábamos **fotos diferentes**”
- “El **fondo** engañó”
- La **luz** era mala
- “Nuestro objeto era **nuevo/diferente**”
**Evidencia rápida (para el docente)**
Checklist (sí/no) mientras escuchas el semáforo:
- El grupo aportó fotos a ambas clases
- Probó al menos 2 objetos nuevos
- Propuso 1 mejora y la aplicó (añadió fotos / cambió fondo / etc.)
- Explicó un error con una idea simple (color, forma, luz, fondo)