Objetivo de tu propuesta:

La propuesta es la elaboración de una aplicación de identificación de ciberbullying. Esta aplicación, desarrollada en AppInventor, integra la comunicación con un modelo de clasificación y aprendizaje automático construido en la plataforma MachineLearning4Kids (ML4K).

A continuación se muestra el prototipo de partida:

Desarrollo de las sesiones

Para abordar la implementación (y dado lo complejo de este curso por la asistencia al centro en días alternos, el absentismo por temas COVID y las pocas horas de la asignatura de Informática en 3º ESO) se desarrolló un guion que permitiese al alumnado avanzar de forma autónoma los que no asistiesen al centro de forma presencial.

El guion describía el aspecto visual que debían tener las diferentes pantallas de la aplicación (establecido a partir del prototipo inicial) y el comportamiento esperado en cada una de ellas, suministrando un ejemplo de bloques para cada pantalla. También se proporcionó al alumnado una plantilla base con las seis pantallas vacías para que partiesen todos de una base y nombres comunes.

En sesiones previas al desarrollo, el alumnado ya había tomado contacto con AppInventor y se había familiarizado de forma breve con el entorno, por lo que se dividió la implementación del proyecto en tres partes claramente diferenciadas:

Desarrollo de la interfaz visual (cuatro sesiones)

En estas sesiones hemos analizado la estructura de cada pantalla, la funcionalidad que pretendemos implementar con ella y qué elementos debe tener la misma para que el usuario pueda llevar a cabo su propósito. También hemos comentado el cometido de ciertos elementos no visibles, como el reloj , la base de datos TinyDB o el componente de ML4K.

Durante las sesiones, los alumnos y alumnas han ido creando cada pantalla a su propio ritmo, consultando dudas y aclarándolas para toda la clase.

Respecto al componente TinyDB. durante una de las sesiones se ha incidido en su utilidad para el paso de parámetros entre pantallas, haciendo reflexionar al alumnado sobre el problema existente en caso de no usar un elemento de este tipo.

Comprensión, desarrollo y pruebas de modelos de clasificación en ML4K y su integración en AppInventor (dos sesiones)

Durante estas sesiones hemos practicado creando modelos de clasificación de texto en ML4K. El alumnado ha creado sus propios modelos, conteniendo tres categorías distintas, los han entrenado y posteriomente los han probado desde la plataforma, comprobando así la potencia de aprendizaje y dando pie a comentar conceptos como la inferencia, el sobreaprendizaje, el grado de confianza, etc.

También hemos trabajado la forma de enlazar estos modelos de ML4K con AppInventor a través del componente ML4KComponent y la forma de agregarlo a AppInventor desde la URL generada para el modelo en cuestión.

Desarrollo de los bloques de comportamiento de la aplicación (cuatro sesiones)

En estas sesiones hemos trabajado la respuesta esperada por parte de la aplicación en cada ventana y la forma de obtenerla, razonando sobre la utilidad y la necesidad de los bloques que debíamos utilizar.

Nuevamente el alumnado ha ido modelando el comportamiento mediante la construcción incremental de los bloques de cada ventana, preguntando las dudas y clarificando aspectos de los bloques más complejos (especialmente los relativos a TinyDB y a ML4KComponent)

Evaluación

Durante el desarrollo, el alumnado hizo entregas parciales de sus proyectos para poder valorar el avance y corregir cualquier cuestión que pudiese ser fuente de problemas futuros. Al final del proyecto dispusieron de una entrega final, tras la cual se llevó a cabo la evaluación.

Durante las sesiones se fueron tomando notas de los aspectos intangibles relativos a la actitud (forma de relacionarse, motivación respecto al desarrollo de aplicaciones, actitud general en el aula y, de forma transversal, la actitud respecto a los problemas de género).

Como instrumento de evaluación para el proyecto se utilizó una rúbrica de evaluación:

Reflexión sobre las dificultades encontradas y logros obtenidos

Como reflexión final, entre las principales dificultades para llevar a cabo la implementación de la propuesta en el aula he encontrado las siguientes:

Falta de constancia en el trabajo en casa (posiblemente influido por asistir en días alternos y por temas de madurez), lo que ha generado asincronías en el ritmo de la clase.
Necesidad de un grado de abstracción elevado para alcanzar la plena comprensión del pensamiento computacional. No todos los alumnos y alumnas han sido capaces de alcanzar a entender la forma de razonar sobre la implementación del apartado de comportamiento, requiriendo bastante ayuda por parte del profesor y apoyándose mucho en el guion.
Desconocimiento absoluto de la IA y su aplicación en la vida diaria, si bien este aspecto ha sido más fácil de trabajar a partir de ejemplos que les resultan cercanos (propuestas de películas y series en Netflix o HBO, capacidades autónomas de ciertos vehículos, etc.).

Como aspectos positivos, ha funcionado muy bien el uso de ejemplos de la vida real y de entornos empresariales diversos (sector pesquero, fabricación cerámica, etc.) para entender con claridad cómo la IA y la informática están transformando todos los sectores y su importancia en los tiempos que vivimos. Por otro lado, la mayoría del grupo ha acabado por desarrollar una aplicación funcional, ha creado modelos de clasificación de diversa índole y ha trabajado conceptos complejos para un curso como 3º ESO sin demasiadas dificultades.

Para el futuro, creo que la propuesta podría mejorarse haciendo que cada alumno/a hiciese un proyecto diferente, proporcionando el de la actual implementación como ejemplo. En el proyecto deberían crear su propio modelo de clasificación y vincularlo con la aplicación que desarrollasen. Esta mayor libertad puede proporcionar un grado de motivación extra, si bien se les debería guiar y orientar durante todo el proceso de definición y desarrollo.

Para profundizar

Crea una Inteligencia Artificial con AppInventor 2

https://www.youtube.com/watch?v=3jawCVt6dcA

Programamos: Aprende Machine Learning con LearningML

https://programamos.es/aprende-machine-learning-con-learningml/