Vivo/ No vivo 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 Image Project → Standard Image Model 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) Cada equipo trae un  objeto sorpresa . Lo muestran a la cámara y observan predicción 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: 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: ¿La máquina acertó mucho o poco? Cuando se equivocó, ¿qué creéis que miró? “Color” / “Forma” / “Fondo” / “Luz” ¿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)