Este texto no es una lección de pedagogía: es lo que daría un colega antes de una primera clase sobre el tema. El curso ya sigue el orden correcto, cada capítulo se apoya en el anterior. Lo que le falta a quien lo descubre es saber qué se proyecta, qué se dice de viva voz, cómo agrupar los nueve capítulos en sesiones, y cuáles son las trampas del tema.

En qué orden abordar las nociones

Nueve capítulos, cuatro sesiones. Cada línea dice qué se proyecta y qué se trata de viva voz, y por qué.

1. Sesión 1: las palabras en trozos, proyectado. Una frase propuesta por la clase antes que un ejemplo preparado: el troceado de una palabra familiar convence más que un ejemplo abstracto. Cinco minutos bastan.
2. Sesión 1: la próxima palabra, proyectado. La continuación directa de la noción anterior, no una sesión aparte: variar el ajuste delante de la clase y leer en voz alta las palabras propuestas en cada valor.
3. Sesión 1: por qué inventa, de viva voz. Ninguna proyección más: la mecánica vista justo antes basta para explicar una respuesta falsa dicha con aplomo. Preguntar quién ha recibido ya alguna.
4. Sesión 2: de dónde vienen los sesgos, proyectado. La demostración sobre un conjunto de datos muestra el sesgo antes de nombrarlo, lo que evita el efecto sermón moral.
5. Sesión 2: lo que se le da, de viva voz. La noción más útil para la vida de clase se discute mejor de lo que se demuestra. Pregunta concreta: ¿qué pasa con un trabajo escrito en una herramienta gratuita?
6. Sesión 3: una imagen fabricada, proyectado. La demostración de los artefactos se mira entre varios: una clase entera detecta más detalles que una sola persona.
7. Sesión 3: una voz fabricada, de viva voz. La duda se instala en el oído, no en un gráfico: hacer escuchar antes que proyectar.
8. Sesión 3: las marcas de agua, proyectado. La respuesta directa a la pregunta que hacen nacer las dos nociones anteriores: «¿y entonces cómo se sabe?». Para mostrarlo como una pista parcial, nunca como una solución.
9. Sesión 4: cuándo no usarla, de viva voz. Cierre del curso, en debate antes que en lista leída: tres preguntas bastan para zanjar un caso, el coste de un error, la verificabilidad, la legitimidad.

El índice completo del curso, en ese orden, está en la página entender.

Una sesión tipo

La primera sesión de arriba cabe en una clase corriente y se puede usar tal cual.

Las dos demostraciones funcionan sin conexión y sin cuenta: se abren el día antes en un equipo, una sola vez, y siguen funcionando después incluso si la red del centro se cae durante la clase. En un aula sin red fiable, eso suele decidir si la sesión se hace o no.

Lo que puede hacer con este contenido

El curso se publica bajo licencia CC BY 4.0: proyectarlo en clase, imprimirlo, traducirlo, integrarlo en un material o en un manual ya existente están autorizados por adelantado, sin petición previa y sin avisar a la asociación. La mención exacta que hay que incluir está en la página licencia y reutilización, y no se copia desde aquí.

Las trampas de este tema

Dos trampas vuelven a menudo, y conviene evitarlas antes de que se instalen.

Prometer detectar un texto fabricado es una de ellas. Ningún detector de texto generado por IA es a la vez fiable y preciso, y el error no se reparte al azar: varios detectores muy usados clasifican por error como generados por una máquina la mayoría de los textos escritos por alumnos cuya lengua materna no es el inglés, mientras identifican correctamente los textos de hablantes nativos de inglés. Acusar a un alumno a partir de un porcentaje equivale por tanto a sancionar primero a quien tiene el inglés como segunda lengua. El capítulo cuándo no usarla detalla este expediente, y hay una lectura más larga publicada en el blog: los detectores de IA en la escuela.

• Testing of detection tools for AI-generated text Debora Weber-Wulff, Alla Anohina-Naumeca, Sonja Bjelobaba, Tomas Foltynek, Jean Guerrero-Dib, Olumide Popoola, Petr Sigut, Lorna Waddington, 2023. Establece que una evaluación independiente de catorce herramientas de detección, entre ellas herramientas comerciales vendidas a la enseñanza, no muestra ninguna excepción fiable y precisa a la vez.
• GPT detectors are biased against non-native English writers Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu, James Zou, 2023. Establece que varios detectores muy usados clasifican por error como generada por una IA la mayoría de los textos de hablantes no nativos de inglés.

La segunda trampa es presentar como establecido lo que sigue en discusión. El capítulo por qué inventa marca explícitamente la parte que hay consenso y la que no. Retomar esa distinción en clase, en lugar de allanarla, no cuesta nada y evita tener que corregirse más adelante.

Los marcos que encuadran este trabajo

Tres marcos públicos sirven para preparar una clase, cada uno en un momento distinto.

• AI Competency Framework for Teachers UNESCO, 2024. Sirve para situar las propias competencias antes de preparar una clase, en cinco dimensiones y tres niveles de progresión.
• AI Competency Framework for Students UNESCO, 2024. Sirve para fijar qué debe saber hacer el alumnado al salir del curso, por nivel de progresión.
• Empowering Learners for the Age of AI («AILit Framework») OCDE y Comisión Europea, 2026. Sirve para dividir una secuencia en competencias precisas: implicarse con la IA, crear con ella, gestionarla, darle forma.

El detalle de cada uno, con lo que permite afirmar, está en la página los marcos oficiales.

Lo que este sitio no aporta

Tres cosas, y este itinerario lo dice antes de que se busquen en vano.

• Una progresión oficial, año por año.
• Una evaluación con nota y con baremo.
• Una conformidad con un currículo nacional.

Si alguna de esas piezas llega a existir en este sitio, será un módulo al lado del curso, nunca dentro de su base común.