FUTURIAEl nuevo nombre de la universidad del presente y del futuro Logotipo oficial aprobado de Al-Jazari Digital (DJAIRI)Institución matrizAl-Jazari Digital (DJAIRI)

Laboratorio de IA y futuro humano

Aplicaciones de la inteligencia artificial, pensamiento crítico y colaboración humana en la investigación, el aprendizaje y el trabajo. Un espacio de experimentación abierto donde el miembro toma la iniciativa, corrige sus errores y elige a sus socios; el laboratorio no dirige su proyecto por él.

Objetivo: Aprender a construir un pequeño proyecto con un problema real, fuentes de evidencia, verificación de resultados y una reflexión ética. El miembro elige su propio contexto y registra sus fuentes y los cambios que realizó; no se otorgan rangos ni puntos por la mera participación.

Cómo trabajar en este laboratorio

cuaderno de experimentación local — te permite exportar tu trabajo sin enviárnoslo.

Unidades de aprendizaje

1. De una pregunta a una hipótesis comprobable

Identifique un problema en el aprendizaje o en los servicios y exprese una pregunta específica que nombre a los beneficiarios, el marco de tiempo y un resultado que se puede comprobar. Evite convertir las suposiciones en hechos y defina lo que puede medir sin recopilar datos personales.

Extensión aplicada — Hipótesis de prueba: elija tres reclamos independientes y escriba una respuesta verificable para cada una. Establezca dos criterios de comparación explícitos (precisión de información y límites de confianza) y compare los resultados con las fuentes primarias fechadas. No ingrese los nombres de las personas ni los datos privados, y registre las diferencias entre los resultados.

actividad aplicada

Crear una tarjeta de problema: el contexto, la pregunta, tres hipótesis alternativas y dos indicadores medibles.

Evidencia esperada

Una tarjeta de problema anticuada con fuentes públicas rastreables.

Preguntas de autocomprobación

¿Cuál es la diferencia entre una pregunta general y una comprobable?

Respuesta: Una pregunta comprobable nombra a los beneficiarios, el marco de tiempo y un resultado que se puede comprobar; Una pregunta general no ofrece manera de juzgar su resultado.

¿Por qué escribir tres hipótesis alternativas en lugar de una?

Respuesta: Las alternativas nos impiden tratar nuestra primera suposición como un hecho y nos empujan a buscar evidencia que distingue entre ellas.

¿Cómo se puede medir el resultado sin recopilar datos personales?

Respuesta: Use indicadores generales, agregados o publicados y evite nombres o cualquier cosa que identifique a las personas.

2. Comprobación de resultados y sesgo

Reformule la misma solicitud de tres maneras y compare las respuestas. Verifique las referencias citadas en sus fuentes originales y distinga entre hechos, inferencias y afirmaciones indocumentadas. Discuta cómo el lenguaje y el contexto afectan el resultado.

Extensión aplicada: una matriz de riesgo y sesgo: pruebe la respuesta en diferentes contextos e idiomas e identifique quién podría verse perjudicado si un usuario confía en ella sin escrutinio. Separe la probabilidad de la evidencia y mantenga a un ser humano como el tomador de decisiones; Registre las acciones correctivas y los límites que quedan desconocidos.

actividad aplicada

Construya una tabla que compare una respuesta respaldada por evidencia, una respuesta contradictoria y una afirmación que aún necesita verificación.

Evidencia esperada

Una tabla de evidencia, advertencias y acciones correctivas.

Preguntas de autocomprobación

¿Cuál es el beneficio de reformular la misma solicitud de tres maneras?

Respuesta: Muestra si la respuesta se mantiene estable o cambia con la redacción, lo que indica cuán confiable es.

¿Qué distingue un hecho, una inferencia y una afirmación indocumentada?

Respuesta: Un hecho está respaldado por una fuente verificable, una inferencia es una interpretación basada en la evidencia y una afirmación indocumentada no tiene fuente.

¿Quién toma la decisión final cuando se utiliza una herramienta de IA?

Respuesta: El humano: la herramienta sugiere, mientras el usuario verifica, decide y asume la responsabilidad.

3. El pequeño prototipo y el humano en el bucle

Diseñe un procedimiento simple que ayude a un alumno a elegir fuentes de estudio u organizar una ruta de aprendizaje, dejando la aprobación final a una persona y documentando los límites del modelo.

Extensión aplicada: diseño centrado en el ser humano: construya un pequeño prototipo que ayude a los usuarios a elegir sin decidir por ellos. Compare una opción sin IA con una opción compatible con IA y pruebe si los usuarios pueden impugnar el resultado, comprenderlo y excluirse del servicio.

actividad aplicada

Diseñe un modelo de interacción de tres pasos y pruébelo con dos escenarios hipotéticos, sin datos reales.

Evidencia esperada

Un diagrama de flujo de trabajo, resultados de pruebas y una nota sobre los límites de uso.

Preguntas de autocomprobación

¿Qué significa "humano en el bucle"?

Respuesta: Una persona mantiene un papel en la revisión de los resultados del sistema y aprobando o rechazándolos antes de que tenga algún efecto.

¿Por qué comparar una solución compatible con IA con una opción sin IA?

Respuesta: Para averiguar si la IA agrega valor real o si una alternativa más simple es suficiente.

Nombra tres propiedades para probar en el prototipo.

Respuesta: si se pueden impugnar los productos, si se pueden explicar y si los usuarios pueden optar por no participar en el servicio.

4. Presentar resultados en el foro

Escriba una presentación que cubra la pregunta, el método, la evidencia y lo que no funcionó. Pregunte por la crítica de otra disciplina e incluya los cambios en la próxima versión.

Extensión aplicada: resultados de auditoría después de un cambio: repita el experimento después de cambiar solo un elemento y muestre su efecto sobre el resultado. Documente la versión del modelo utilizada, la fecha de prueba, cualquier falla y las condiciones necesarias para reproducir el trabajo. No reclame exactitud o impacto que no haya medido.

actividad aplicada

Publicar un breve informe con una pregunta abierta para la discusión multilingüe.

Evidencia esperada

Una versión documentada del informe y un registro de cambios.

Preguntas de autocomprobación

¿Cuáles son los elementos esenciales de una presentación de resultados?

Respuesta: La pregunta, el método, la evidencia, lo que no funcionó y los cambios posteriores.

¿Por qué cambiar solo un elemento al repetir un experimento?

Respuesta: de modo que cualquier cambio en el resultado se puede atribuir solo a ese elemento.

¿Qué información se necesita para reproducir el experimento?

Respuesta: La versión del modelo o herramienta, la fecha de prueba y las condiciones y configuraciones utilizadas.

Lectura adicional de la biblioteca

Alcance de este laboratorio

Un laboratorio educativo y de investigación: no otorga calificaciones académicas ni licencias profesionales, y no reemplaza la supervisión de especialistas para trabajos peligrosos o regulados. Los miembros toman sus propias decisiones y cumplen con la ley y los derechos de los demás; Un ejercicio no debe convertirse en un procedimiento profesional de alto riesgo sin supervisión especializada.