Al probar el modelo, deberíamos ver en primer lugar, que al enfrentarnos a la cámara sin mostrar ninguna figura, suele indicar la clase circular, debido a la forma de nuestra cabeza.
Luego, podemos comenzar a probar con distintas figuras de las que usamos para entrenar u otras que no hayan sido utilizadas en la etapa del entrenamiento.
En general podremos ver que el funcionamiento del modelo es bastante bueno cuando lo enfrentamos a figuras conocidas y las mostramos correctamente a la cámara.
En esta última etapa está bueno también analizar qué sucede con otro tipo de objetos, que no fueron usados para la etapa de entrenamiento, pero que por su forma el modelo también debería poder identificarlos.
Ejemplos de ello podrían ser una pelota, una tablet o teléfono celular, hasta incluso hacer distintas formas con las manos.
En cada caso es interesante analizar por qué la máquina puede o no resolver la clasificación de forma correcta.
Por último podemos probar también con formas que no se usaron en el modelo, como puede ser un paralelogramo y ver qué respuesta da en ese caso y pensar las razones para que eso ocurra.
Es interesante para cerrar la actividad, reflexionar con los estudiantes cómo es el proceso de “aprendizaje” de una computadora.
¿Qué es lo que le permite efectivamente reconocer las formas a partir de los ejemplos que le mostramos?
También notar que nunca será capaz de reconocer cosas que nunca le mostramos.
Por último, tener en cuenta que si bien de alguna manera la máquina “aprende” sola, a través de los ejemplos que le damos, hay una etapa previa donde aún seguimos siendo los humanos quienes la programamos.
Esta etapa corresponde justamente a la definición del modelo, es decir las clases que especificamos, en este caso los tres tipos de formas geométricas.
Luego, la otra forma como influimos en lo que aprende es justamente seleccionando las muestras, o sea los ejemplos de cada clase que se usan para preparar el modelo.
Aprendizajes esperados:
- Analizar la presencia de las formas geométricas en distintos aspectos de nuestra vida cotidiana, desde la construcción a las artes y los deportes.
- Construcción de un proyecto de Teachable Machine con imágenes.
- Definición de las clases del modelo y generación de muestras a través de la cámara de la computadora.
- Evaluación del modelo generado mediante ensayo y error, ya sea con muestras similares a las de entrenamiento o con otros objetos.
- Reflexión sobre las diferentes formas geométricas y cómo la computadora logra aprender a clasificarlas a partir de los ejemplos que le damos.