Ensenyar IA va més enllà d’escriure prompts: una activitat amb dades i errors
Per entendre una part important de la IA, l’alumnat ha de veure com influeixen els exemples i on s’equivoca un model. Una activitat de classificació amb dades preparades permet treballar entrenament, prova i errors per grups sense començar per un xat generatiu.
En aquest article
La pregunta: una mitjana alta és suficient?
Presenta dos resultats ficticis d’un classificador. En el primer, encerta molts casos d’un grup i pocs de l’altre. En el segon, el percentatge global és igual però els errors estan més repartits. Demana quin informe voldrien veure abans de decidir si el sistema és adequat. Encara no cal parlar d’un model concret: primer han d’identificar què amaga el resum.
L’INTEF proposa treballar l’aprenentatge automàtic amb eines com Teachable Machine. La nostra activitat segueix una pregunta relacionada, amb dades preparades: què canvia quan el conjunt d’exemples representa millor els casos que després volem classificar? No tota la IA és aprenentatge automàtic, però aquest és un mecanisme útil per començar a investigar.
Un exemple numèric que pots projectar
Aquesta taula és inventada per a la discussió. No correspon a resultats d’alumnat ni a una avaluació externa de Buclea. En tots dos sistemes hi ha 100 casos de prova i 90 encerts globals.
| Sistema | Grup A: 80 casos | Grup B: 20 casos | Total |
|---|---|---|---|
| X | 80 encerts de 80 | 10 encerts de 20 | 90 de 100 |
| Y | 72 encerts de 80 | 18 encerts de 20 | 90 de 100 |
El sistema X encerta el 100 % del grup A i el 50 % del B. El Y encerta el 90 % de cada grup. Aquesta diferència no demostra que Y sigui sempre la millor opció: obliga a preguntar qui rep els errors, quines conseqüències tenen i si la prova representa la situació d’ús.
La sessió: entrenar, provar i comparar
Prepara una col·lecció d’exemples per entrenar i una altra de diferent per provar. Pots utilitzar un simulador amb dades incorporades, com la càpsula de Buclea, o preparar un projecte de classificació d’objectes amb una eina adequada. Per a una primera sessió, evita cares i informació personal: els objectes o les dades simulades permeten estudiar el mecanisme.
- 0–10 minuts: compta els exemples de cada grup i escriu una predicció sobre on podria fallar el model.
- 10–20 minuts: entrena amb el conjunt inicial i prova casos que no formaven part de l’entrenament.
- 20–30 minuts: registra encerts i errors per grup, a més del total.
- 30–40 minuts: modifica la representació dels grups en l’entrenament i torna a entrenar.
- 40–50 minuts: compara les proves i escriu una conclusió amb una limitació.
El temps és orientatiu. Si has de crear les dades i aprendre una eina nova el mateix dia, divideix la proposta en dues sessions. Un conjunt ja preparat permet dedicar més atenció a interpretar resultats.
La prova no ha de convertir-se en entrenament encobert
Mantén separat el conjunt amb què valores el model. Si l’alumnat copia tots els exemples de prova al conjunt d’entrenament, pot obtenir un resultat més alt sense demostrar que el sistema resolgui casos nous. Fes que marquin quins exemples han utilitzat per aprendre i quins per comprovar.
Si reajusten moltes vegades el model mirant sempre la mateixa prova, reserva un tercer conjunt final que encara no hagin vist. Per a una sessió introductòria n’hi ha prou amb explicar el motiu: necessitem una comprovació que no hagi guiat totes les decisions anteriors.
Què ha d’explicar l’alumnat?
Demana una conclusió de quatre parts: com eren les dades inicials, on s’han concentrat els errors, què s’ha modificat i què ha passat després. Han d’utilitzar recomptes concrets. «Ara és millor» és insuficient si no diuen amb quina prova i per a quin grup.
També han de poder dir què no han demostrat. Equilibrar dos grups en un exercici no resol tots els biaixos possibles. Pot haver-hi etiquetes incorrectes, variables que no s’han considerat o situacions noves molt diferents. Aquesta limitació és part de la conclusió, no una nota al marge.
Com connectar-ho amb l’ús de la IA
Després de treballar exemples i errors, pots reprendre els assistents generatius amb una pregunta més exigent: «Quines afirmacions podem contrastar i amb quines fonts?». Una bona instrucció pot ajudar a obtenir una resposta útil, però no substitueix la verificació.
El curs d’IA de Buclea combina simuladors de funcionament i activitats d’ús responsable. Pots explorar-lo des del catàleg. Per recollir aquesta sessió com a evidència, conserva la taula i la justificació, i relaciona-les amb els objectius que has definit a la programació.
Fonts consultades
Documentació consultada el 14 de setembre de 2026. Les propostes de classe i els exemples són elaboració de Buclea.