Objetivo

Enseñar los conceptos de clasificación y reconocimiento en aprendizaje supervisado.

Los estudiantes utilizarán su conocimiento previo (los datos de entrada) para crear y reconocer figuras hechas por otros, simulando cómo los modelos de aprendizaje supervisado utilizan datos etiquetados para clasificar objetos nuevos.

 

Materiales

• Plasticina de varios colores (suficiente para que cada estudiante pueda hacer una figura).
• Caja o bandeja para colocar las figuras.
• Fichas o etiquetas para identificar las figuras de cada grupo después de adivinar.
• Una lista de objetos para crear: auto, perro, caballo, camioneta.

 

Desarrollo de la actividad

Introducción

• Dividir a los estudiantes en grupos de 4:
  • Cada estudiante en el grupo será responsable de hacer una figura (auto, perro, caballo, camioneta).
• Explicar que cada estudiante deberá usar el conocimiento previo que tienen sobre los objetos que van a representar (por ejemplo, cómo es un auto o un perro) para modelar la figura en plasticina.
  • Estos son los “datos de entrenamiento” o el conocimiento que ya tienen.

Desarrollo

• Cada grupo realizará su figura.
• Al finalizar el tiempo deberán colocar todas las figuras dentro de una bandeja o caja para entregarle al docente.
• El docente mostrará las figuras de cada grupo.
  • los grupos que no hayan creado la figura mostrada deberán clasificarlas, anotarán en un papel el nombre del grupo, un número que represente la figura y qué creen que es.
  • los estudiantes pueden basarse en las características (forma, tamaño, colores, etc.) para hacer su predicción, tal como lo haría un modelo de aprendizaje automático.

Cierre

• Una vez que todos hayan hecho sus predicciones, los grupos revelan cuál era su figura.
  • Si hubo errores (por ejemplo, si alguien confundió una camioneta con un auto), se discutirá por qué ocurrió.
  • Quizá las características que los estudiantes utilizaron no eran las más distintivas o claras.
• El docente explicará la relación con el aprendizaje supervisado;
  • el conocimiento previo de cómo son un auto, un perro, un caballo y una camioneta (datos de entrenamiento);
  • el clasificar cada figura (la predicción como lo haría un modelo entrenado con datos etiquetados)
  • y, por último, resaltará los errores de predicción, al igual que en un modelo de aprendizaje supervisado, a veces puede haber errores en la clasificación. Pero con retroalimentación (en este caso, viendo cuál figura era realmente cuál), se puede mejorar.