Vista preliminar da

Vista preliminar da programación na que poderá consultar todos os apartados da programación.

1. Introdución (Elaborado)


A intelixencia artificial (en diante IA), entendida como un conxunto de técnicas, tecnoloxías e ferramentas que teñen como fin emular ou simular a intelixencia humana, ten e vai ter un gran impacto en tódalas esferas das nosas vidas, tanto no lecer, como na nosa vida laboral e na nosa relación coa comunidade ou coa contorna. Esta influencia poderá ser beneficiosa ou prexudicial segundo como permitamos que esta entre nas nosas vidas, por iso é necesario que o alumnado coñeza os pros e contras das técnicas e ferramentas no eido das tecnoloxías baseadas na IA.
A educación en IA implica competencias para que o alumnado se relacione con confianza, de forma crítica e segura cos sistemas de IA, a fin de proporcionarlles os coñecementos, habilidades e actitudes necesarias para vivir nun mundo rodeado e moldeado pola IA, preparándoos para afrontar os desafíos do futuro. Aquí, un obxectivo importante é axudar ao alumnado no emprego ético da grande cantidade de ferramentas dixitais de uso cotiá con autonomía e madurez, sen perder de vista os referentes legais relativos á protección de datos persoais e á privacidade.
A alfabetización en IA e a cidadanía dixital son temas esenciais que deben incluír exemplos de uso responsable da IA e as tecnoloxías baseadas en datos, cunha mentalidade analítica e reflexiva para ser coñecedores dos seus fundamentos e conscientes dos posibles rumbos e limitacións destes sistemas.
O ensino para a IA inclúe exemplos sobre aplicacións de IA en ferramentas e servizos, tales como ferramentas impulsadas por IA para a produtividade, a comunicación e o entretemento, a integración de servizos de IA en aplicacións personalizadas mediante API (Interfaz de programación de aplicacións) e a avaliación dos servizos de IA en relación coa privacidade e a seguridade dos datos.
Tamén inclúe aspectos como a comprensión da natureza dos diferentes tipos de datos (estruturados, non estruturados e semiestructurados), formatos de datos (texto, imaxes, audio e vídeo) e fontes de datos (conxuntos de datos públicos, API e web scraping), así como conceptos básicos máis técnicos de IA como a aprendizaxe automática.
Esta programación recolle o reto do currículo publicado para que a partir da análise e a comprensión de aplicacións reais, o alumnado adquira habilidades e coñecementos básicos a nivel de usuario que lle permitan un emprego responsable da IA e os seus sistemas na sociedade actual e do futuro.
Respecto ao contido, esta programación respecta o espírito do currículo, contribuíndo a desenvolver as competencias do alumnado e provocando que se enfronte a situacións prácticas onde o erro é unha das guías para a aprendizaxe efectiva.
O enfoque metodolóxico é eminentemente práctico e orientado ao desenvolvemento de situacións de aprendizaxe que faciliten a comprensión dos rudimentos da IA e a adquisición de competencias a través da resolución de retos e supostos prácticos.

O IES Marco do Camballón está situado no concello Vila de Crucesna provincia de Pontevedra. O centro ofrece ensinanzas de ESO,Bacharelato, Formación Profesional Básica na modalidade deservizos administrativos, Ciclo Medio de soldadura e caldeiraría eCiclo Medio de atención a persoas en situación de dependencia.A procedencia do alumnado é moi variada, en particular norelativo aos ciclos medios, xa que ao alumnado do Concello haique engadirlle un gran número de rapaces e rapazas dosconcellos circundantes.En canto ao nivel económico, a zona non presenta grandesdesigualdades, cuestión que se transmite ao funcionamento docentro, xa que esta característica actúa como elementohomoxeneizador do alumnado.O curso de 4º da ESO consta de 27 alumnas e alumnos,distribuídos en dous grupos con 14 e 13 alumnas e alumnos cada un. Dos 27 alumnos do grupo, na materia de Intelixencia Artificial hai 10 matriculados, todos eles rapaces.

Tanto  as  características  e  contorna  do  centro  como  ascaracterísticas do alumnado se tiveron en conta á hora de crearos principios metodolóxicos.


2. Obxectivos e súa contribución ao desenvolvemento das competencias (Elaborado)


Currículo CCL CP STEM CD CPSAA CC CE CCEC
OBX1 Coñecer as áreas que constitúen as bases da intelixencia artificial, comprendendo o concepto de axente intelixente, identificando as áreas básicas nel, así como as tecnoloxías que lles dan soporte, favorecendo un emprego seguro, responsable e consciente das ferramentas dixitais, avaliando ao mesmo tempo a súa potencialidade e operatividade.
OBX2 Comprender as repercusións éticas na sociedade e no medio ambiente do emprego cotián da intelixencia artificial, reflexionando sobre as ameazas que supoñen e tamén sobre as oportunidades que xeneran as novas tecnoloxías, facendo uso dos coñecementos e das habilidades dixitais e aplicando o pensamento crítico no proceso de aprendizaxe.
OBX3 Manexar e representar conxuntos de datos de forma lóxica e razoada analizando criticamente os resultados obtidos polos modelos e algoritmos, e realizando unha reflexión continua sobre a pegada humana, os nesgos e o control dos sistemas intelixentes.
OBX4 Aplicar ferramentas dixitais das tecnoloxías intelixentes que son transversais a diferentes campos de aplicación da intelixencia artificial na sociedade, resolvendo de xeito automático problemas concretos do mundo real que implican todas as áreas básicas da intelixencia artificial, comprendendo o proceso de pensamento computacional aplicado e as limitacións das solucións acadadas.
Non se rexistrou texto

3.1. Relación de unidades didácticas (Elaborado)


Secuencia * Título da UD Descrición *% Peso na materia


*Nº de sesións
1º trim. 2º trim. 3º trim.
1 Que é a Intelixencia Artificial (IA)? Introdución á IA: Definicións, evolución histórica e campos de aplicación. 20 20
2 O impacto da IA. Emprego ético, responsable e sostible da IA. Riscos e oportunidades. 10 10
3 Fundamentos da IA: percepción, actuación e representación. Percepción e actuación. Representación simbólica e numérica. 20 22
4 Fundamentos da IA: razoamento e aprendizaxe automática. Algoritmos e resolución de problemas. Aprendizaxe automática. 20 23
5 Tecnoloxías transversais na IA. Robots autónomos. Mundos virtuais. IA xenerativa, preditiva e creativa. 30 30

3.2. Distribución currículo nas unidades didácticas (Elaborado)


Bloque B1. Que é a intelixencia artificial
Criterios de avaliación
UD 1 UD 2 UD 3 UD 4 UD 5
CA1.1 - Diferenciar entre intelixencia natural e artificial comprendendo que significa simular a intelixencia nun sistema computacional.
CA1.2 - Coñecer as principais áreas da intelixencia artificial no contexto dun axente intelixente que interactúa coa súa contorna.
CA1.3 - Coñecer a historia da intelixencia artificial e como evolucionou ao longo do tempo, tendo en conta as diferentes liñas de investigación, os fitos e as razóns da intelixencia artificial.
CA1.4 - Identificar as áreas da intelixencia artificial en exemplos reais en diferentes campos de aplicación da intelixencia artificial na sociedade.
CA1.5 - Comunicar eficazmente as conclusións e recomendacións derivadas da análise crítica da intelixencia artificial utilizando ferramentas dixitais para a presentación da información.
Contidos
C1.1 - A intelixencia natural e a intelixencia artificial.
C1.2 - A intelixencia artificial e a contorna: o axente intelixente.
C1.3 - A intelixencia artificial ao longo da historia.
C1.4 - A intelixencia artificial feble e a intelixencia artificial forte.
C1.5 - Campos de aplicación na sociedade.
Bloque B2. O impacto da intelixencia artificial
Criterios de avaliación
UD 1 UD 2 UD 3 UD 4 UD 5
CA2.1 - Identificar e analizar as oportunidades e ameazas éticas e medioambientais que xorden do uso cotián da intelixencia artificial.
CA2.2 - Investigar os casos nos que a intelixencia artificial xerou impactos positivos e negativos na sociedade e no medio ambiente, avaliando a súa relevancia ética e medioambiental.
CA2.3 - Analizar en profundidade o impacto da intelixencia artificial no emprego, na economía e no medio ambiente natural, propoñendo solucións viables para mitigar as súas posibles consecuencias negativas.
CA2.4 - Identificar e avaliar as implicacións éticas e políticas do deseño e uso de sistemas de intelixencia artificial, incluíndo a equidade, o nesgo, a discriminación e a responsabilidade.
CA2.5 - Recoñecer a relevancia da lexislación en materia da intelixencia artificial e o seu fundamento, aplicando principios éticos e legais durante a análise de sistemas intelixentes.
CA2.6 - Comunicar eficazmente as conclusións e recomendacións derivadas da análise crítica da intelixencia artificial utilizando ferramentas dixitais para a presentación da información.
Contidos
C2.1 - O emprego ético e responsable da intelixencia artificial. Riscos e oportunidades.
C2.2 - A intelixencia artificial e as súas regras. Actualidade lexislativa.
C2.3 - A intelixencia artificial para un futuro verde e sostible.
Bloque B3. Fundamentos da intelixencia artificial
Criterios de avaliación
UD 1 UD 2 UD 3 UD 4 UD 5
CA3.1 - Coñecer os tipos básicos de sensores utilizados na intelixencia artificial e a diferencia entre sensorización e percepción.
CA3.2 - Coñecer e identificar os tipos básicos de actuadores utilizados na intelixencia artificial.
CA3.3 - Comprender as formas básicas de representación interna dos datos nos sistemas computacionais, e a problemática de representar o coñecemento do mundo real.
CA3.4 - Comprender o concepto de algoritmo para resolver problemas e diferencialo do concepto de algoritmo para aprender un modelo a partir de datos.
CA3.5 - Recoller, representar e analizar conxuntos de datos, utilizando ferramentas e software para visualizalos de forma lóxica e coherente.
CA3.6 - Avaliar de maneira crítica os resultados obtidos das análises de datos, reflexionando sobre a súa precisión e fiabilidade.
Contidos
C3.1 - A percepción: sensores e obtención dos datos.
C3.2 - A actuación: movemento, visualización e comunicación.
C3.3 - A representación: simbólica e numérica.
C3.4 - O razoamento: algoritmos e resolución de problemas.
C3.5 - A aprendizaxe automática: ciencia dos datos.
C3.6 - A aprendizaxe automática: axuste de modelos e análise dos resultados.
Bloque B4. Tecnoloxías transversais na intelixencia artificial
Criterios de avaliación
UD 1 UD 2 UD 3 UD 4 UD 5
CA4.1 - Recoñecer as áreas básicas da intelixencia artificial nas diferentes tecnoloxías transversais mediante a resolución de problemas específicos a nivel de persoa usuaria.
CA4.2 - Resolver problemas específicos coas diferentes tecnoloxías transversais utilizando as áreas da intelixencia artificial.
CA4.3 - Saber utilizar e comprender os fundamentos das principais ferramentas dixitais utilizadas na creación de solucións de intelixencia artificial.
CA4.4 - Comunicar de maneira clara e efectiva os resultados e as conclusións das solucións de intelixencia artificial deseñadas.
Contidos
CA4.1 - A interacción natural coa intelixencia artificial.
CA4.2 - Os robots autónomos.
CA4.3 - Os mundos virtuais.
CA4.4 - A intelixencia artificial xenerativa e preditiva.
CA4.5 - Os recomendadores intelixentes.
CA4.6 - A intelixencia artificial creativa: arte, música e cultura.

3.3. Avaliación das unidades didácticas (Elaborado)



1 Que é a Intelixencia Artificial (IA)?
Criterios de avaliación * Tipo de instrumento * Grao mínimo de consecución * % peso
CA1.1 Diferenciar entre intelixencia natural e artificial comprendendo que significa simular a intelixencia nun sistema computacional.
Táboa de indicadores
Diferenciar entre intelixencia natural e IA. 20
CA1.2 Coñecer as principais áreas da intelixencia artificial no contexto dun axente intelixente que interactúa coa súa contorna.
Táboa de indicadores
Coñecer as principais áreas da IA. 20
CA1.3 Coñecer a historia da intelixencia artificial e como evolucionou ao longo do tempo, tendo en conta as diferentes liñas de investigación, os fitos e as razóns da intelixencia artificial.
Táboa de indicadores
Coñecer os fitos básicos na historia da IA e como evolucionou ao longo do tempo. 20
CA1.4 Identificar as áreas da intelixencia artificial en exemplos reais en diferentes campos de aplicación da intelixencia artificial na sociedade.
Táboa de indicadores
Identificar as principais áreas da IA en exemplos reais. 20
CA1.5 Comunicar eficazmente as conclusións e recomendacións derivadas da análise crítica da intelixencia artificial utilizando ferramentas dixitais para a presentación da información.
Táboa de indicadores
Comunicar conclusións básicas derivadas da análise crítica da IA, empregando ferramentas dixitais. 20

2 O impacto da IA.
Criterios de avaliación * Tipo de instrumento * Grao mínimo de consecución * % peso
CA2.1 Identificar e analizar as oportunidades e ameazas éticas e medioambientais que xorden do uso cotián da intelixencia artificial.
Táboa de indicadores
Identificar as oportunidades e ameazas que xorden do uso cotián da IA. 15
CA2.2 Investigar os casos nos que a intelixencia artificial xerou impactos positivos e negativos na sociedade e no medio ambiente, avaliando a súa relevancia ética e medioambiental.
Táboa de indicadores
Investigar casos nos que a IA xerou impactos positivos e negativos na sociedade e no medio ambiente. 15
CA2.3 Analizar en profundidade o impacto da intelixencia artificial no emprego, na economía e no medio ambiente natural, propoñendo solucións viables para mitigar as súas posibles consecuencias negativas.
Táboa de indicadores
Analizar o impacto da IA no emprego, na economía e medio ambiente natural, identificando as súas posibles consecuencias negativas. 20
CA2.4 Identificar e avaliar as implicacións éticas e políticas do deseño e uso de sistemas de intelixencia artificial, incluíndo a equidade, o nesgo, a discriminación e a responsabilidade.
Táboa de indicadores
Identificar as implicacións éticas e políticas do deseño e uso de sistemas de IA. 15
CA2.5 Recoñecer a relevancia da lexislación en materia da intelixencia artificial e o seu fundamento, aplicando principios éticos e legais durante a análise de sistemas intelixentes.
Táboa de indicadores
Recoñecer a relevancia da lexislación en materia da IA. 15
CA2.6 Comunicar eficazmente as conclusións e recomendacións derivadas da análise crítica da intelixencia artificial utilizando ferramentas dixitais para a presentación da información.
Táboa de indicadores
Comunicar conclusións básicas derivadas da análise crítica da IA, empregando ferramentas dixitais. 20

3 Fundamentos da IA: percepción, actuación e representación.
Criterios de avaliación * Tipo de instrumento * Grao mínimo de consecución * % peso
CA3.1 Coñecer os tipos básicos de sensores utilizados na intelixencia artificial e a diferencia entre sensorización e percepción.
Táboa de indicadores
Coñecer os tipos básicos de sensores utilizados na IA. 30
CA3.2 Coñecer e identificar os tipos básicos de actuadores utilizados na intelixencia artificial.
Táboa de indicadores
Coñecer os tipos básicos de actuadores utilizados na IA. 30
CA3.3 Comprender as formas básicas de representación interna dos datos nos sistemas computacionais, e a problemática de representar o coñecemento do mundo real.
Táboa de indicadores
Comprender as formas básicas de representación interna dos datos nos sistemas computacionais. 40

4 Fundamentos da IA: razoamento e aprendizaxe automática.
Criterios de avaliación * Tipo de instrumento * Grao mínimo de consecución * % peso
CA3.4 Comprender o concepto de algoritmo para resolver problemas e diferencialo do concepto de algoritmo para aprender un modelo a partir de datos.
Táboa de indicadores
Comprender o concepto de algoritmo para resolver problemas. 30
CA3.5 Recoller, representar e analizar conxuntos de datos, utilizando ferramentas e software para visualizalos de forma lóxica e coherente.
Táboa de indicadores
Recoller e representar conxuntos de datos, utilizando software para visualizalos de forma lóxica e coherente. 50
CA3.6 Avaliar de maneira crítica os resultados obtidos das análises de datos, reflexionando sobre a súa precisión e fiabilidade.
Táboa de indicadores
Avaliar de maneira crítica os resultados obtidos das análises de datos. 20

5 Tecnoloxías transversais na IA.
Criterios de avaliación * Tipo de instrumento * Grao mínimo de consecución * % peso
CA4.1 Recoñecer as áreas básicas da intelixencia artificial nas diferentes tecnoloxías transversais mediante a resolución de problemas específicos a nivel de persoa usuaria.
Táboa de indicadores
Recoñecer as áreas básicas da IA nas diferentes tecnoloxías transversais. 30
CA4.2 Resolver problemas específicos coas diferentes tecnoloxías transversais utilizando as áreas da intelixencia artificial.
Táboa de indicadores
Resolver problemas específicos utilizando as áreas da IA. 20
CA4.3 Saber utilizar e comprender os fundamentos das principais ferramentas dixitais utilizadas na creación de solucións de intelixencia artificial.
Táboa de indicadores
Comprender os fundamentos das principais ferramentas dixitais utilizadas na creación de solucións de IA. 30
CA4.4 Comunicar de maneira clara e efectiva os resultados e as conclusións das solucións de intelixencia artificial deseñadas.
Táboa de indicadores
Comunicar os resultados e conclusións das solucións de IA deseñadas. 20

4.1. Concrecións metodolóxicas (Elaborado)


Nesta materia adoptarase unha metodoloxía proactiva que permitirá ao alumnado iniciarse de maneira dinámica e experimental no mundo da IA a través dunha combinación de teoría, exercicios prácticos e proxectos aplicados.
O enfoque metodolóxico é eminentemente práctico e orientado ao desenvolvemento de situacións de aprendizaxe que faciliten a comprensión dos rudimentos da IA e a adquisición de competencias a través da resolución de retos e supostos prácticos. Para lograr isto, pódese empregar un amplo abano de estratexias pedagóxicas, tales como estudos de caso, debates, investigacións guiadas e proxectos colaborativos. Estes métodos permitirán aos estudantes explorar diferentes aplicacións da IA e analizar casos reais nos que a tecnoloxía foi implementada con éxito.
Outro aspecto importante na metodoloxía proposta é a reflexión crítica sobre o impacto da IA na sociedade. Analizaranse os desafíos éticos, sociais e legais asociados con estas tecnoloxías, e fomentarase a discusión informada sobre como abordalos de maneira responsable. Anímarase ao alumnado a considerar o impacto da IA a través de debates e análises de casos, promovendo unha comprensión crítica dos aspectos éticos e sociais da IA.
Fomentarase a creatividade e a orixinalidade nos proxectos aplicados, así como a capacidade de comunicar os resultados de maneira clara e efectiva.
Finalmente, promoverase a colaboración e o traballo en equipo como parte integral da metodoloxía. O alumnado terá a oportunidade de participar en proxectos grupais, onde poderá combinar as súas habilidades e coñecementos para resolver problemas e aplicar a IA de maneira innovadora. Isto non só fomentará a colaboración, senón tamén o intercambio de ideas e a aprendizaxe conxunta.


4.2. Materiais e recursos didácticos (Elaborado)


Denominación
Ordenador persoal - dispositivos dixitais.
Acceso a Internet na aula.
Aula virtual do centro. Edixgal
Recursos educativos abertos e sitios web de interese relacionados co tema.
Materiais e recursos de creación propia.
Software de uso xeral (sistema operativo, ofimática....) e de uso específico (editores de arquivos audiovisuais, simuladores, entornos de programación...). En todo caso, e salvo que non sexa posible, utilizarase software libre.
Acceso a unha IA conversacional, preferiblemente mediante o uso dunha conta anonimizada (por exemplo con contas creadas ao efecto polo docente e entregadas ao alumnado).
Ferramentas online para traballar a IA.

Cada alumno/a terá acceso en todas as clases a un ordenador con conexión a Internet no que se atopen instalados os programas informáticos necesarios. Tamén terán acceso aos dispositivos dixitais necesarios para o seguimento de cada unidade didáctica proposta.

Crearase un curso específico da materia na Entorno Virtual de Aprendizaxe de Edixgal, que facilite a recompilación dos recursos, ligazóns a sitios web de interese, ferramentas online e as tarefas propostas para traballar os contidos da materia.


5.1. Procedemento para a avaliación inicial (Elaborado)


Realizarase unha pequena proba ao comezo do curso, para avaliar os coñecementos básicos relacionados coa materia.

A proba será un conxunto de preguntas de opción múltiple, onde se valorará o nivel de coñecemento e uso de diferentes tecnoloxías dixitais por parte do alumnado, incluíndo aquelas relacionadas coa intelixencia artificial.

Sempre que sexa posible, empregarase a primeira sesión da materia para realizar a proba de avaliación.

En caso de novas incorporacións de alumnado ao longo do curso tamén se lle realizará a proba de avaliación.

A avaliación inicial non suporá unha cualificación para o alumnado.


5.2. Criterios de cualificación e recuperación (Elaborado)


Pesos na materia 
Instrumentos de avaliación UD 1 UD 2 UD 3 UD 4 UD 5 Total programación
Pesos das unidades didácticas (%) 20.0 10.0 20.0 20.0 30.0 100.0
Proba escrita 0.0 0.0 0.0 0.0 0.0 0.0
Táboa de indicadores 100.0 100.0 100.0 100.0 100.0 100.0

Os instrumentos de avaliación utilizados serán as táboas de indicadores, como se indica no punto 3.2, aplicadas ao traballo realizado polo alumnado durante o curso.  O profesorado indicará ao alumnado que traballos ou tarefas son susceptibles de avaliación.  En cada avaliación realizarase unha proba escrita, 40 preguntas de opción múltiple, sobre os contidos impartidos. O peso das preguntas na proba escrita será acordes aos pesos de cada criterio definido no punto 3.2.

A cualificación parcial de cada unha das 3 avaliacións do curso virá dada pola media ponderada das cualificacións das unidades didácticas desenvolvidas en cada unha (total ou parcialmente). A ponderación establecerase en base aos pesos asignados a cada unidade didáctica na programación e dependendo do grao de desenvolvemento da mesma. Para o cálculo da nota de cada unidade, o peso da proba escrita será dun 40%, e os traballos e tarefas suceptibles de avaliación dun 60%.

A cualificación final da avaliación ordinaria do curso virá dada pola media ponderada das cualificacións de todas as unidades didácticas impartidas ao longo do curso. A ponderación establecerase en base aos pesos de cada unidade didáctica.

Con carácter xeral, a nota do aprobado será o 5. Os redondeos de números decimais realizarase por aproximación ao enteiro máis próximo.

Ao longo do curso, o profesorado concretará aqueles traballos e tarefas que o alumnado poderá entregar de novo dentro dun prazo establecido para recuperalos.

A recuperación realizarase por cada unidade didáctica. A nota final calcularase tendo en conta as novas cualificacións obtidas e seguindo o procedemento establecido.

O alumnado que non acade unha cualificación final de 5 ou máis de 5 na avaliación continua do curso, terá que realizar unha proba obxectiva final.

5.3. Procedemento de seguimento, recuperación e avaliación das materias pendentes (Elaborado)


Non resulta de aplicación neste curso

5.4. Procedemento para acreditar os coñecementos necesarios en determinadas materias (Elaborado)


Non resulta de aplicación nesta etapa

6. Medidas de atención á diversidade (Elaborado)


Para a atención á diversidade, aplicaranse:

  • As medidas ordinarias de atención á diversidade recollidas na orde do 8 de setembro de 2021 que desenvolve o Decreto 229/2011. 
  • De ser o caso, levaranse a cabo as medidas extraordinarias precisas recollidas tamén nas referencias lexislativas mencionadas anteriormente. 
  • As medidas recollidas nos protocolos educativos específicos da Xunta (TEA, TDAH, alumnado con discapacidade auditiva...) ao alumnado que o requira, previa comunicación co departamento de orientación.
  • A materia dispoñerá dun curso na aula virtual do centro onde se poñerán ao dispor do alumnado os contidos e tarefas que se van impartindo, facilitando así o seguimento do alumnado que non puidese seguir presencialmente toda a formación.

7.1. Concreción dos elementos transversais (Elaborado)


Concreción dos elementos transversais que se traballarán no curso 
Secuencia Elementos transversais UD 1 UD 2 UD 3 UD 4 UD 5
1 Comprensión lectora.
2 Expresión oral e escrita.
3 Comunicación audiovisual.
4 Competencia dixital.
5 Emprendemento social e empresarial.
6 Fomento do espírito crítico e científico.
7 Educación emocional e en valores.
8 Creatividade.
9 Educación para a sostibilidade e o consumo responsable.
10 Respecto mútuo e cooperación entre iguais.
11 Igualdade de xénero.

  • Comprensión lectora: tarefas de clase nas que o alumnado terá que comprender os distintos enunciados e procurar información para investigar e resolver os problemas propostos.
  • Expresión oral e escrita: resolución das tarefas de clase e elaboración de documentación. Farase maior fincapé no uso do vocabulario e a linguaxe técnica relacionada coa IA.
  • Comunicación audiovisual: presentación de resultados de tarefas mediante creacións audiovisuais. Creación de contidos para a radio escolar. Creación de contidos para exposición pública (web, cartazos, etc..)
  • Competencia dixital: tarefas que permitan traballar os contidos propios da materia mediante recursos dixitais.
  • Emprendemento social e empresarial: tarefas que permitan o desenvolvemento de proxectos.
  • Fomento do espírito crítico e científico: procura de información e a investigación nas tarefas e proxectos.
  • Educación emocional e en valores: contidos sobre os riscos e beneficios das IAs. O desenvolvemento de proxectos fomentará o traballo en equipo.
  • A igualdade de xénero: reparto axeitado de roles no traballo colaborativo en grupos á hora de desenvolver proxectos e aplicación de criterios de igualdade.
  • Creatividade: desenvolvemento de tarefas e proxectos orixinais. Traballo nun proxecto de domotización.
  • Educación para a sostibilidade e o consumo responsable: contidos sobre tecnoloxía sostible, respecto pola propiedade intelectual na elaboración de contidos e aplicación de criterios de sostibilidade.
  • Respecto e cooperación entre iguais: contidos relacionados coa etiqueta dixital e coa cooperación entre iguais, fundamentais no traballo en equipo e no desenvolvemento de proxectos.

7.2. Actividades complementarias (Elaborado)


Actividade Descrición 1º trim. 2º trim. 3º trim.
Saídas didácticas relacionadas coa materia. Saídas a centros tecnolóxicos galegos pioneiros no desenvolvemento da IA (CITIUS en Santiago de Compostela e AESIA na Coruña)

Calquera actividade complementaria proposta deberá axudar a reforzar os contidos desenvolvidos nas distintas unidades didácticas do curso.

Para cada actividade complementaria indicaranse as seguintes características:

  • Obxectivos: Coñecemento do funcionamento dun centro de investigación en I.A.
  • Profesorado responsable: Docente da materia.
  • Alumnado participante : Os 10 alumnos matriculados
  • Datas e lugar de celebración: Por determinar
  • Repercusións económicas: Custe do traslado a Santiago de Compostela.

8.1. Procedemento para avaliar o proceso do ensino e a practica docente cos seus indicadores de logro (Elaborado)


Categoría indicador de logro Indicadores de logro
Adecuación da programación didáctica e da súa propia planificación ao longo do curso académico Realizouse unha avaliación inicial para coñecer o punto de partida do alumnado.
Adecuación da programación didáctica e da súa propia planificación ao longo do curso académico A selección e temporalización de contidos foi axeitada.
Clima de traballo na aula O ambiente da clase foi axeitado e produtivo.
Organización xeral da aula e o aproveitamento dos recursos Os recursos e materiais utilizados foron axeitados.
Metodoloxía empregada As actividades propostas foron variadas e axeitadas para favorecer o desenvolvemento dos contidos.
Organización xeral da aula e o aproveitamento dos recursos Facilitáronse ao alumnado estratexias de aprendizaxe: lectura comprensiva, búsqueda de información crítica, redacción de documentación técnica, etc.
Metodoloxía empregada A utilización das distintas estratexias metodolóxicas en función das unidades didácticas foi a axeitada.
Medidas de atención á diversidade As medidas de atención á diversidade foron axeitadas para atender ás necesidades de todo o alumnado.
Organización xeral da aula e o aproveitamento dos recursos As actividades complementarias cumpliron os obxectivos cos que foron propostas.
Adecuación da programación didáctica e da súa propia planificación ao longo do curso académico Os criterios de avaliación e calificación foron claros e rigurosos e permitiron un seguemento do progreso do alumnado.
Coordinación co resto do equipo docente e coas familias ou as persoas titoras legais Facilitouse ao alumnado e as familias o coñecemento dos criterios de avaliación e calificación de cada unidade didáctica, ao comezo da mesma.
Adecuación da programación didáctica e da súa propia planificación ao longo do curso académico O uso e deseño dos instrumentos de avaliación resultou axeitado.
Organización xeral da aula e o aproveitamento dos recursos Proporcionouse ao alumnado información sobre o seu progreso e calificacións.
Outros Proporcionáronse actividades e procedementos para que o alumnado fose recuperando as partes non superadas da materia.
Coordinación co resto do equipo docente e coas familias ou as persoas titoras legais Existiu coordinación entre os distintos profesores/as.

Farase un seguimento da relación de elementos de avaliación do proceso de ensino e a práctica docente que se indican.

O grao de consecución será:

  • Sempre.
  • Case sempre.
  • Ás veces.
  • Nunca.

8.2. Procedemento de seguimento, avaliación e propostas de mellora (Elaborado)


O seguimento da programación realizarase periodicamente nas distintas reunións de departamento, e a través do apartado de "Seguimento" da aplicación Proens. Para cada UD comprobaranse as datas de inicio e final, a correspondencia entre sesións previstas e realizadas e o grado de cumprimento do programado para a unidade, realizándose as correccións necesarias.

A avaliación, en base aos indicadores de logro previstos, permitirá recoller propostas de mellora concretas e orientar a elaboración da mesma programación didáctica no futuro.


9. Outros apartados (Elaborado)


Outros apartados
Non se atoparon elementos.

Volver