https://www.dykinson.com/libros/transformando-la-educacion-una-formacion-docente-en-tic-para-un-aprendizaje-inclusivo-y-emocional/9791370061319/

Lectura crítica: ¿Cómo impulsarla?

 Promover la lectura crítica va más allá del simple acto de leer. Significa guiar, plantear interrogantes y estimular el interés por descubrir.

✨ Diversidad de textos
Presentar diferentes géneros, autores y temas amplía la perspectiva y ayuda a comprender distintas miradas sobre la realidad.
🏡 Un entorno agradable
Leer en lugares cómodos, silenciosos y con fácil acceso a los libros favorece la atención y el placer por la lectura.
💬 Diálogo sobre lo leído
Comentar personajes, ideas y situaciones permite desarrollar el pensamiento propio y fortalecer la capacidad de argumentar.
🎯 Plantear desafíos
Actividades como reseñas, debates o preguntas motivan el análisis, la reflexión y el pensamiento crítico.
👥 Espacios de lectura compartida
Los clubes de lectura fomentan la comprensión, la escucha activa y el intercambio de opiniones.
🎨 Más allá de leer
Escribir, dibujar, representar o investigar a partir de un texto enriquece y profundiza la experiencia lectora.
🔍 Fomentar la búsqueda de información
Indagar en otras fuentes permite ampliar, contrastar y profundizar los conocimientos.
⚠️ Desarrollar el pensamiento crítico
Aprender a analizar, detectar prejuicios y comprobar la veracidad de la información es fundamental para una lectura consciente.

Analisis del libro: "Piaget, Vigotski y Maturana: Constructivismo a Tres Voces"

 En el libro se analiza el sentido en el que las teorías de J. Piaget, L. S. Vigotski y H. Maturana pueden ser consideradas como constructivistas. La tesis defendida es que existen dos formas distintas de constructivismo, a saber el cognitivo (Piaget, Vigotski) y el radical (Maturana), que contrasta con la idea de un único constructivismo en psicología (Rosas & Sebastián, 2001).

⛔ La pregunta más común: “¿Qué prueba estadística uso?”

  😉 Respuesta rápida: depende de tu escala (nominal/ordinal/numérica) y de tu objetivo (describir, comparar o relacionar). Con esto ya evitas el error #1 en tesis: usar pruebas que no corresponden.

🤔 ¿Hacemos la Parte 3 con normalidad en SPSS?

🤖 Inteligencia Artificial y Machine Learning

 Qué son, cómo se relacionan y por qué importan

En un contexto donde la IA está transformando negocios, gobiernos y profesiones, entender sus conceptos básicos ya no es opcional: es una competencia clave.
Este documento explica de forma clara la relación entre Inteligencia Artificial (IA), Machine Learning (ML) y Deep Learning (DL).
🧠 1. ¿Qué es la Inteligencia Artificial?
La IA es el campo amplio cuyo objetivo es crear sistemas capaces de imitar habilidades humanas, como:
Razonar
Aprender
Tomar decisiones
Reconocer patrones
👉 No toda IA aprende automáticamente: algunas siguen reglas predefinidas.
📊 2. ¿Qué es Machine Learning?
El Machine Learning es un subcampo de la IA que permite a los sistemas aprender a partir de datos, sin ser programados explícitamente para cada decisión.
Tipos principales:
Aprendizaje supervisado: aprende con datos etiquetados (ej. crédito, fraude).
No supervisado: descubre patrones ocultos (ej. segmentación).
Aprendizaje por refuerzo: aprende por prueba y error (ej. robots, juegos).
🧬 3. ¿Y el Deep Learning?
El Deep Learning es una forma avanzada de ML basada en redes neuronales profundas, capaz de procesar:
Imágenes
Voz
Texto
Video
👉 Es la tecnología detrás del reconocimiento facial, asistentes de voz y modelos como GPT.
🔗 4. Cómo se relacionan
La relación es jerárquica:
IA → el concepto general
ML → aprende de datos
DL → aprende de grandes volúmenes de datos no estructurados
Cada nivel aumenta la capacidad, pero también el costo, la complejidad y los riesgos.
🚀 5. Impacto en el mundo real
Hoy estas tecnologías impulsan:
Automatización inteligente
Predicción y analítica avanzada
Personalización de servicios
Detección de fraude y riesgos
Asistentes y agentes inteligentes
Las organizaciones que entienden estas diferencias toman mejores decisiones tecnológicas y estratégicas.
📌 Mensaje final
La pregunta ya no es si usar IA, sino:
👉 qué tipo de IA usar, para qué problema y con qué nivel de control y gobernanza.
Entender IA y ML no es solo técnico:
es una ventaja competitiva para líderes, analistas y tomadores de decisión.

Un mapa simbólico de cómo me percibe por lo que sabe de mí

1️⃣ Subí una foto mía (la de arriba).

2️⃣ Le di un prompt con mi contexto.
3️⃣ Le pedí una caricatura con símbolos + significados + preguntas para sesión.

Lo interesante NO es el estilo. Es lo que activa.

En mi caricatura aparecen cosas que encajan demasiado bien con mi forma de trabajar:
- Traje + chaleco → rigor + profundidad (sin postureo)
- Gafas rojas → mirada crítica / no convencional
- Robot a un lado → IA como copiloto, no protagonista
- Astronauta + cohete → exploración / salto de nivel
- Bombilla → insight disponible
- Portapapeles con checks (“IDEAS”) → método aplicable
- Libros + café + dados/puzzle → oficio, constancia, incertidumbre y complejidad