Primaria

Desarrollo del sentido algebraico. Relaciones y funciones. Ecuación explícita y=mx+n (con deslizadores) Polypad · Mathigon

En esta entrada comparto una funcionalidad que puede ser de utilidad para el trabajo en el aula, favoreciendo la comprensión e interpretación de los parámetros presentes en la ecuación explícita de una recta, a través de su representación. 

y = mx + n

m: valor de la pendiente de la recta

n: valor de la ordenada en el origen. Esto es, el valor de la ordenada correspondiente al valor de abscisa x=0 –> (0, n)

Para facilitar este proceso se puede ir activando y desactivando uno y otro deslizador e ir dejando tiempo para la reflexión y la intervención del alumnado. 

Os dejo el lienzo que he elaborado con la herramienta Polypad · Mathigon, y un pequeño vídeo, donde muestro el proceso.

Espero sea de utilidad para vuestro trabajo a pie de aula y para acompañar a vuestros aprendices en el desarrollo del sentido algebraico.

Vídeo. Uso de deslizadores en gráfica vinculada a la ecuación de la recta.

Canva Polypad · Mathigon

 

Polypad · Mathigon – Ec. explícita y = mx+n deslizadores

Conexión curricular LOMLOE (RD 217/2022)

Sentido algebraico. Relaciones y funciones

Más contenido matemático en redes sociales

 

Desarrollo plano de los 5 poliedros regulares. Vídeos, fichas imprimibles y tableros interactivos en Polypad · Mathigon

En esta entrada comparto:

  1. Vídeo

  2. Ficha imprimible

  3. Tablero interactivoo en Polypad · Mathigon

de cada uno de los desarrollos planos de los 5 poliedros regulares existentes, por separado, y uno con todos. 

Matemáticas LOMLOE · ESO · Saberes Básicos (de 1º a 3º)

Espero sea de utilidad para vuestro trabajo a pie de aula y para acompañar a vuestros aprendices en el desarrollo del Sentido Espacial. 

Tetraedro

Hexaedro o cubo

Octaedro

 

Dodecaedro

Icosaedro

5 poliedros regulares. Desarrollo plano.

Más contenido matemático en redes sociales

Suma de números enteros de distinto signo con el cubo de ceros de Polypad · Mathigon

Tras una larga e intensa jornada de final de trimestre, al llegar a casa a última hora de la tarde, he acompañado a mi pequeña (12 años) en su estudio abordando el primer acercamiento a los enteros.

Tras la comprensión de situaciones de la vida cotidiana expresadas con enteros, representación en la recta real, orden y suma de números enteros del mismo signo, ha estado practicando la suma de enteros de distinto signo.

Para aterrizar en este tipo de sumas, le he mostrado algunas ejemplificaciones que he elaborado para ella usando la funcionalidad «cubo o cubeta de ceros» de Polypad · Mathigon.

Os dejo el lienzo que he elaborado, con un ejemplo resuelto y otro por hacer, y una animación, de unos dos minutos, donde muestro el proceso seguido.

Espero sea de utilidad para vuestro trabajo a pie de aula y para acompañar a vuestros aprendices en el desarrollo del sentido numérico.

Animación. Ejemplo resuelto paso a paso usando el cubo de ceros

Canva Polypad · Mathigon

Polypad · Mathigon – Suma enteros de distinto signo

Más contenido matemático en redes sociales

Ciencia de datos + Inteligencia Artificial. Generando fórmulas de hoja de cálculo (Excel, Google,…) con un bot (IA) mediante lenguaje natural

¿Qué pensarías si te hubieran dicho hace unos años que con instrucciones en lenguaje natural podríamos generar fórmulas para trabajar con datos en hojas de cálculo?
Pues bien, lo que parecería ciencia ficción hace algún tiempo, gracias al avance imparable de la Inteligencia Artificial, es ya una realidad al alcance de todos.
Gracias a bots (Inteligencia Artificial) como el que os muestro en el siguiente vídeo, podemos generar, a partir de instrucciones sencillas, las fórmulas que debemos introducir en una hoja de cálculo para realizar determinadas funciones. Todo ello, sin necesidad de buscar en la ayuda de la herramienta que estemos usando (Excel, Spreadsheet de Google,…).

 

  • ¿Qué te ha parecido?

Alucinante, ¿verdad?

  • ¿Llegará el día en que a través de nuestra voz o describiendo con nuestras palabras lo que queremos hacer, podamos trabajar con la hoja de cálculo sin necesidad de introducir ni tan siquiera la fórmula generada?

En mi opinión, sería genial y un gran avance en la convergencia entre dos mundos que me apasionan; la Ciencia de Datos y la Inteligencia Artificial. Concretamente, dentro de unos días tendré la oportunidad de impartir formación para docentes sobre esta temática en el CaixaForum Sevilla en el marco del Programa HelloMath! Atrévete con la creatividad matemática. El taller formativo lleva por título: Integración de la Ciencia de Datos y la IA en la escuela y, en el mismo, trabajaremos este y otros aspectos relacionados con el Pensamiento Computacional en el aula de Matemáticas, el Aprendizaje Automático,… ¡Ya lo estoy disfrutando! 🙂

Más información:

Más contenido matemático en redes sociales

Instrumento para la evaluación competencial. Diana de evaluación y metacognición con Geogebra

A estas alturas, como docentes de matemáticas, es de sobra conocido el potencial didáctico de la herramienta Geogebra. El límite a lo que podamos hacer con ella depende, no de la herramienta en sí, sino más bien de nuestra creatividad y de nuestra capacidad técnica.

En esta entrada os presento un uso de Geogebra un tanto diferente al habitual. En este caso la he usado para elaborar un instrumento de evaluación, concretamente una diana de aprendizaje o diana de evaluación y metacognición. La misma la elaboré en el marco del Proyecto REA/DUA Andalucía, proyecto bellísimo y superpotente de creación de Recursos Educativos Abiertos (REA) según los principios del Diseño Universal de Aprendizaje (DUA), en el que tengo la fortuna de participar desde el rol de Coordinador Técnico, junto a más de 200 compañeros y compañeras docentes de Andalucía. Si aún no lo conoces te animo a visitarlo, explorar y compartir las más de 250 situaciones de aprendizaje disponibles, adaptadas al nuevo marco curricular derivado de la implantación de la LOMLOE, con licencia Creative Commons.

Vídeo: Diana de evaluación y metacognición con Geogebra

Diana de aprendizaje de evaluación y metacognición

A continuación os dejo un fragmento de un excelente post publicado por Ingrid Mosquera en el sitio web del Máster Universitario en Formación del Profesorado de Secundaria de la UNIR (https://www.unir.net/educacion/revista/dianas-de-aprendizaje-que-son-y-para-que-sirven/). Recomiendo su lectura completa, además de otros posts de la serie relacionados con las dianas digitales.

¿Qué es una diana de evaluación?

Se puede decir que es un sistema visual, rápido y sencillo de llevar a cabo un aprendizaje participativo. Una participación que puede darse en todos los estadios de su empleo, desde la propia elaboración de la misma hasta el debate sobre los resultados obtenidos. Suele definirse como una posible representación gráfica de una evaluación que nos conducirá a la reflexión a partir de una única imagen que aglutina diferentes informaciones. Es el visual thinking de las evaluaciones, por usar terminología actual.

El dibujo o la plantilla de una diana consiste en círculos concéntricos que, de dentro hacia fuera, indican el nivel de cumplimiento o de adaptación a cada uno de los ítems incluidos. Alrededor del círculo más amplio tendremos los nombres de los ítems y para cubrir la diana iremos indicando el número que corresponde en cada uno de ellos. Así, al final, uniendo los puntos, obtendremos lo que se viene denominando como mapa de evaluación.

Aquí podemos ver un ejemplo sencillo en el que únicamente una persona participa, reflexionando sobre sus propias capacidades lingüísticas:

autoevaluacion

Dianas de evaluación y metacognición

La diana puede servir para autoevaluarse, para coevaluar a otros compañeros, para valorar el trabajo en grupo o para que los estudiantes puedan calificarnos como docentes. A menudo suelen emplearse para evaluar las actitudes y la participación del alumnado. Dependiendo del objetivo último para la que se elabore, muchos de los puntos presentados en la enumeración anterior vendrán determinados de antemano.

 

Como elemento de autoevaluación, las dianas contribuirán al desarrollo de la metacognición de nuestros alumnos. Igualmente, una autoevaluación, como la presentada en la imagen previa, puede ser comparada con la coevaluación y autoevaluación de otros compañeros, o con la propia evaluación del docente. De esta manera, de un solo vistazo, se podrá abrir un interesante debate en el que los alumnos podrán reflexionar acerca de las percepciones que tienen sobre su propio aprendizaje.

 Diana de evaluación y metacognición en Geogebra.org


Acceso a la diana de evaluación en Geogebra.org

 

Espero que sea de utilidad para ti y para tus estudiantes y le saquéis mucho partido en el aula.

Más contenido matemático en redes sociales

Participación en el FAIaS | Happy Hour #4. Situaciones de aprendizaje para introducir para introducir el Machine Learning – Inteligencia Artificial en el aula

El pasado 14 de junio tuvo lugar el HAPPY HOUR #4 del Proyecto FAIaS (Fomentando la Inteligencia Artificial en las Escuelas).

Moderado de manera magistral por Gregorio Robles (profesor de la Universidad Rey Juan Carlos y coordinador del proyecto), acompañado por René Fabián Zuñiga (compañero docente del proyecto y miembro del equipo directivo de una institución de Colombia) en calidad de experto invitado.
Como es habitual en este tipo de eventos organizados por FAIaS, se desarrolló en un formato muy dinámico y ameno reflexionando en torno a la introducción de la IA en las escuelas, analizando prácticas y modelos para su integración en las diferentes asignaturas y también se presentó las últimas funcionalidades que se incorporarán a la herramienta LearningML,  con el apoyo en la parte técnica de Antonio José Romero y Meritxell Díaz.

Gracias a la invitación de la organización del proyecto, participé en este evento presentando algunas situaciones de aprendizaje para intoducir la Inteligencia Artificial en el aula, mediante el trabajo con modelos numéricos con la herramienta LearningML, junto a Jesús Moreno (codirector de @programamos), reconocido especialista en el ámbito del Pensamiento Computacional y la IA, y a Juan David Rodríguez @juandalibaba padre de la herramienta LearningML quien nos adelantó las últimas novedades de esta potente herramienta. 

https://twitter.com/fosteringai/status/1575007478714023936?s=20&t=OmR_v1rglR3i0FCNFVFoyg

Si no tuviste la ocasión de verlo y tienes interés puedes volver a disfrutar el directo a través del siguiente enlace.

Vídeo con la grabación FAIaS | Happy Hour #4

SITIO WEB DEL PROYECTO
Toda la información sobre el proyecto, eventos y resultados están accesibles en el sitio web http://fosteringai.net
Recomiento seguir las diferentes publicaciones y evolución del proyecto.

Más contenido matemático en redes sociales

Programa HelloMath! de EduCaixa. Atrévete con la creatividad matemática. Pensamiento computacional en el aula de Matemáticas

En esta entrada comparto información sobre un nuevo programa para trabajar el pensamiento computacional en el aula de Matemáticas. Se trata de HelloMath! Tendré la suerte de ser uno de los 18 miembros del equipo de formadores, distribuidos en 4 equipos, correspondientes a otras tantas sedes: Barcelona, Madrid, Sevilla y Zaragoza.

Con el programa HelloMath! trabajarás el pensamiento computacional en clase de matemáticas y podrás compartir con tu alumnado el gusto por resolver problemas. El 22 de septiembre, a las 18.30 h, te invitamos al acto de presentación del programa. ¡Apúntate a la cuarta edición!

El equipo completo de formadores es el siguiente:

  • Nodo Barcelona: Anton Aubanell, Raül Fernández, Belén Garrido, Guido Ramellini, Arnau Sánchez y Eulàlia Tramuns
  • Nodo Zaragoza: Mónica Arnal, Pablo Beltrán-Pellicer, Núria Begué y Sergio Martínez-Juste
  • Nodo Madrid: Fernando Blasco, Jorge Calvo, Jose Ángel Murcia y Belén Palop
  • Nodo Sevillla: Francisco Javier Álvarez, Juan Manuel Dodero, Luis Miguel Iglesias y Álvaro Molina

¿Cuál es la propuesta?

Con el desarrollo tecnológico de la sociedad, las habilidades de pensamiento lógico, abstracto, creativo y computacional son cada vez más transversales y necesarias. Sin embargo, las pruebas diagnósticas indican una clara necesidad de mejora en los resultados de matemáticas. Es por eso que necesitamos explorar caminos de mejora en la manera de entender, enseñar y aprender las matemáticas mediante una integración más amplia y profunda con la informática.

El programa HelloMath! propone realizar esta mejora con la ayuda de la investigación de los docentes, que trabajan identificando los elementos clave del pensamiento computacional en su práctica diaria de matemáticas. Propone un método repleto de actividades ricas y estimulantes para desarrollar las competencias matemáticas e informáticas del alumnado.

El resultado es un conjunto de actividades ricas y estimulantes que fortalece las competencias matemáticas e informáticas del alumnado y su confianza, creatividad y capacidad para desarrollarse en un mundo construido sobre las tecnologías de la información. Está reconocido por el Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (INTEF) del Ministerio de Educación y formación profesional.

¿En qué consiste el programa?

Se trata de un ciclo formativo anual para docentes de matemáticas de 5º y 6º de Primaria y 1º y 2º de ESO. Sigue una modalidad híbrida: con sesiones presenciales en nuestros centros CaixaForum y en el Museo de la Ciencia CosmoCaixa; y acompañamiento online durante la fase de implementación. Empezaremos el curso con un acto de presentación abierto a todos los interesados, que se celebrará el día 22, a las 18.30 h, en streaming.

El grupo de formadores de HelloMath! Atrévete con la creatividad matemática es un grupo de expertos en matemáticas, didáctica de las matemáticas y didáctica de la informática.

Ponentes y sedes de la formación

  • Sede de Barcelona. Museo de la Ciencia CosmoCaixa 

Si tu centro es de Barcelona y alrededores, puedes consultar aquí el equipo de formadores que te acompañará y el calendario que seguirás en la formación de HelloMath! 

  • Sede de Zaragoza. CaixaForum Zaragoza

Si tu centro es de Zaragoza, puedes consultar aquí el equipo de formadores que te acompañará y el calendario que seguirás en la formación de HelloMath! 

  • Sede de Madrid. CaixaForum Madrid

Si tu centro es de Madrid, puedes consultar aquí el equipo de formadores que te acompañará y el calendario que seguirás en la formación de HelloMath! 

  • Sede de Sevilla. CaixaForum Sevillla
Si tu centro es de Sevilla, puedes consultar aquí el equipo de formadores que te acompañará y el calendario que seguirás en la formación de HelloMath!

Si tienes cualquier duda o consulta, puedes escribirnos a hellomath@educaixa.org.

Materiales y descargas y toda la información sobre HelloMath0

Aquí encontrarás materiales de interés sobre el programa.

Inscripción

Si quieres asistir a las sesiones, rellena el siguiente formulario:

Más contenido matemático en redes sociales

Propuesta didáctica: Inteligencia artificial con LearningML. Modelo numérico. Botánicos en la escuela; clasificación de iris

En esta entrada comparto una nueva propuesta didáctica para introducir la Inteligencia Artificial (IA) en el aula. En ella planteo un escenario de aprendizaje automático basado en un modelo numérico implementado con la herramienta LearningML. Se trata de una propuesta con enfoque STEM, que desarrolla Competencias Específicas de las materias Matemáticas y Biología y en el trabajo por ámbitos, entre ellos el ámbito científico y tecnológico de los programas de diversificación curricular.

Propuesta didáctica: Especies de iris.

Lo que he querido movilizar con esta propuesta es la capacidad de la herramienta para aprender únicamente a partir de los datos, sin ser programada de manera explícita, a clasificar iris, a partir de algunas medidas de sus sépalos y pétalos, con la especie que mejor se identifique.
Para ello, he seguido la siguiente secuencia:
  • En LearningML creo un modelo numérico basado en datos de 4 columnas.
  • A continuación creo 3 categorías, correspondientes a los tres tipos de especies.
  • Alimento el modelo con datos, en este caso concreto he usado cincuenta para cada una de las categorías.
  • Entreno el modelo para que aprenda a reconocer los números y busque patrones.
  • Una vez que finaliza el entrenamiento pasamos a ponerlo a prueba.

Captura de pantalla. Apariencia del modelo numérico implementado en LearningML

  • Además de ello, una vez que he considerado que el funcionamiento es óptimo, he elaborado un programa en Scratch asociado al modelo que nos permita trabajar en un entorno más visual.

Captura de pantalla. Aspecto del programa implementado en Scratch asociado al modelo numérico implementado en LearningML

Vídeo con explicación paso a paso y simulación de la propuesta didáctica: Especies de iris.

Si te resultó interesante la propuesta, me alegraría leer tu comentario, opinión, sugerencia, así como si quieres compartir  la entrada para que la conozcan otros colegas a los que creas les puede ser útil.

El proyecto «Fostering Artificial Intelligence at School« (FAIaS)

Esta propuesta didáctica se enmarca en el ámbito del proyecto FAIaS. El aprendizaje automático es una de las ramas de la IA que permite que una máquina aprenda mecánicamente a partir del procesamiento de datos.
El vínculo entre la IA y la educación comprende tres ámbitos:
  • aprender con la IA, utilizando las herramientas de IA en las aulas
  • aprender sobre la IA, sus tecnologías y sus técnicas), y,
  • prepararse para la IA, permitiendo que todos los ciudadanos comprendan la repercusión potencial de la IA en nuestras vidas
Estos vínculos establecidos por la UNESCO se ponen de manifiesto y son concretados a través de la puesta en marcha de proyectos específicos.Se cree que la inteligencia artificial (IA) es un factor clave de la cuarta revolución industrial que transformará la economía y reinventará la naturaleza de nuestro trabajo. Estaremos cada vez más apoyados e interactuaremos con tecnología impulsada por Inteligencia Artificial. Esto exige una educación que nos prepare para este futuro.
Uno de los proyectos pioneros y más relevantes en el panorama educativo español y europeo es «Fostering Artificial Intelligence at School» (FAIaS). FAIaS tiene la intención de perfeccionar las habilidades, tanto cognitivas como blandas, necesarias para comprender, construir o interactuar con la Inteligencia Artificial. Por lo tanto, consideramos la IA, no en el sentido estricto y puramente tecnológico, sino en el sentido amplio, ya que afecta muchas partes diferentes de nuestras vidas. Por lo tanto, optamos decididamente por un enfoque interdisciplinario e inclusivo que se centre no solo en las actividades STEM, sino que involucre todas las materias escolares y cubra una amplia gama de aspectos, incluidos los éticos, filosóficos, económicos, legales e históricos. Creemos que abordar un tema desde diferentes perspectivas profundiza la comprensión y crea cohesión entre los alumnos en un campo intrínsecamente interdisciplinario como la Inteligencia Artificial.

Más contenido matemático en redes sociales

Resolución de problemas (RESPRO) en el nuevo currículo de Matemáticas LOMLOE. Una mirada a la investigación educativa: buenos resolutores y alumnos con dificultades en resolución de problemas

El nuevo currículo de Matemáticas de la LOMLOE, tiene como líneas principales en la definición de las competencias específicas de matemáticas: la resolución de problemas y las destrezas socioafectivas.

En la introducción de la materia se recoge literalmente:

La investigación en didáctica ha demostrado que el rendimiento en matemáticas puede mejorar si se cuestionan los prejuicios y se desarrollan emociones positivas hacia las matemáticas. Por ello, el dominio de destrezas socioafectivas como identificar y manejar emociones, afrontar los desafíos, mantener la motivación y la perseverancia y desarrollar el autoconcepto, entre otras, permitirá al alumnado aumentar su bienestar general, construir resiliencia y prosperar como estudiante de matemáticas.

Por otro lado, resolver problemas no es solo un objetivo del aprendizaje de las matemáticas, sino que también es una de las principales formas de aprender matemáticas. En la resolución de problemas destacan procesos como su interpretación, la traducción al lenguaje matemático, la aplicación de estrategias matemáticas, la evaluación del proceso y la comprobación de la validez de las soluciones. Relacionado con la resolución de problemas se encuentra el pensamiento computacional. Este incluye el análisis de datos, la organización lógica de los mismos, la búsqueda de soluciones en secuencias de pasos ordenados y la obtención de soluciones con instrucciones que puedan ser ejecutadas por una herramienta tecnológica programable, una persona o una combinación de ambas, lo cual amplía la capacidad de resolver problemas y promueve el uso eficiente de recursos digitales.

En este nuevo paradigma curricular se hace necesario poner la mirada en lo que la investigación educativa ha caracterizado como buenos resolutores de problemas, así como aquellos alumnos que presentan dificultades a la hora para resolver problemas matemáticos.

Características de los buenos resolutores de problemas

Al elaborar recomendaciones para la enseñanza de la resolución de problemas en matemáticas, muchos investigadores se han fijado en las características de los excelentes solucionadores de problemas (véase, por ejemplo, Erbas & Okur (2012); Jitendra et al. (2015); Lucangeli, Coi, & Bosco (1997); Scheid (1993); Schoenfeld (1992) (2013); Stillman & Galbraith (1998)).

De estos trabajos se deduce que los buenos resolutores de problemas en matemáticas:

  • Tienen conocimientos bien conectados y estructurados (no aislados).
  • Tienden a centrarse en las características estructurales de los problemas y perciben esas estructuras con rapidez y con precisión.
  • Reconocen patrones al dar sentido a los problemas.
  • Tienen éxito a la hora de controlar y regular sus esfuerzos.
  • Muestran flexibilidad durante la resolución de problemas.
  • Tienen una buena capacidad de estimación (predicción).
  • Tienden a utilizar procesos potentes relacionados con el contenido (en lugar de los generales).
  • Muestran actitudes beneficiosas como la persistencia y la curiosidad.
  • Utilizan una serie de estrategias de forma eficaz y son capaces de cambiar de estrategia según sea necesario.
  • Utilizan la verificación metacognitiva para asegurarse de que responden a la(s) pregunta(s).
  • Son capaces de generar descripciones completas de su trabajo en los problemas.
  • Aprenden de cada experiencia de resolución de problemas.
Características de los alumnos que presentan dificultades a la hora para resolver problemas matemáticos.

Por otro lado, trabajos como los de Fuchs et al. (2010), Gersten et al. (2009) y Shin & Bryant (2013);van Garderen, Scheurermann y Jackson (2012); Andersson (2008); Swanson, Jerman y Zheng (2008); Montague & Applegate (1993); Cook & Riser (2005), también nos permiten conocer algunas de las características comunes que presentan los alumnos que tienen dificultades para resolver problemas matemáticos.

  • Suelen malinterpretar el lenguaje de los problemas.
  • No son capaces de distinguir la información importante de la irrelevante.
  • Tienen dificultades para seleccionar los algoritmos adecuados.
  • No son capaces de generalizar estrategias entre tipos de problemas.
  • Los solucionadores de problemas deficientes tienen problemas para representar la información de los problemas en diagramas u otros modelos, y a menudo se basan en la historia superficial del problema o en estrategias de solución menos sofisticadas como ensayo y error.
  • Estos estudiantes pueden tener déficits en la memoria de trabajo y la atención, lo que afecta a su concentración en los aspectos importantes de un problema y seguimiento de la selección de operaciones y la realización de cálculos de varios pasos.
  • Los alumnos que resuelven mal los problemas suelen tener lagunas en la comprensión de los conceptos matemáticos, un déficit que les impide establecer conexiones y reconocer patrones. Utilizan menos estrategias metacognitivas para planificar, ejecutar y supervisar su trabajo.
  • Los malos resolutores de problemas dedican menos tiempo a comprender el problema y a traducirlo en representaciones útiles. Tienden a «coger los números» y a realizar las operaciones operaciones familiares sin dar sentido al problema y a sus resultados.

El conocimiento obtenido durante los últimos años es de gran valor para los profesores de matemáticas. Disponer de estos catálogos nos permitirán diagnosticar y redirigir la acción didáctica en el aula, para una mejor atención educativa a nuestro alumnado. Espero que sea de utilidad y le saques partido en el aula.

Más contenido matemático en redes sociales

Vídeo del FAIaS | Happy Hour #3 · Fomentando la Inteligencia Artificial en las Escuelas

El pasado 16 de junio tuvo lugar el HAPPY HOUR #3 del Proyecto FAIaS (Fomentando la Inteligencia Artificial en las Escuelas).

Moderado de manera magistral por Gregorio Robles, profesor de la Universidad Rey Juan Carlos y coordinador del proyecto, tuve la suerte de participar, gracias a su invitación, junto a Ainhoa Erize Mota, asesora TIC del Berritzegune de Lasarte, en calidad de expertos invitados. En un formato muy dinámico y ameno estuvimos reflexionando en torno a la introducción de la IA en las escuelas, analizando prácticas, investigación educativa,… con el apoyo en la parte técnica de Antonio José Romero y Meritxell Díaz.

Vídeo con la grabación FAIaS | Happy Hour #3

 

SITIO WEB DEL PROYECTO
Toda la información sobre el proyecto, eventos y resultados están accesibles en el sitio web http://fosteringai.net
Recomiento seguir las diferentes publicaciones y evolución del proyecto.

Más contenido matemático en redes sociales

WP2Social Auto Publish Powered By : XYZScripts.com
A %d blogueros les gusta esto: