LearningML y el AILit Framework: una oportunidad para llevar la alfabetización en IA al aula
En los últimos meses ha aparecido un marco de referencia clave para la educación en inteligencia artificial: el AILit Framework (AI Literacy Framework), impulsado por la Comisión Europea y la OCDE. Su objetivo es claro: ayudar a que el alumnado no solo use la IA, sino que la entienda, la evalúe y la utilice de forma crítica y responsable.
Este framework propone que la alfabetización en IA se construye sobre tres pilares:
- Conocimientos (cómo funciona la IA)
- Habilidades (cómo interactuar con ella)
- Actitudes (cómo usarla de forma ética y responsable)
Y organiza todo esto en cuatro grandes formas de interacción con la IA:
- Interactuar con la IA (Engaging)
- Crear con la IA (Creating)
- Gestionar la IA (Managing)
- Diseñar IA (Designing)
En definitiva, AILit es una guía práctica para integrar la IA en el aula de forma estructurada.
Imagen tomada del borrador del marco AILit: AILitFramework_ReviewDraft.pdf.
¿Dónde encaja LearningML?
Aquí es donde LearningML aporta un valor especialmente interesante.
Mientras muchas herramientas actuales se centran en usar IA (por ejemplo, generar textos o imágenes), LearningML permite dar un paso más allá:
enseñar cómo funciona la IA desde dentro, construyéndola.
Y esto encaja de forma directa con el enfoque del AILit Framework.
1. Entender la IA (Engaging with AI)
El framework insiste en que el alumnado debe aprender a:
- reconocer cuándo hay IA
- cuestionar sus resultados
- entender sus limitaciones
Con LearningML, el alumnado:
- entrena modelos sencillos
- ve cuándo fallan
- comprende que la IA no “sabe”, sino que predice
Esto ayuda a romper la idea de la IA como “caja mágica”.
2. Crear con IA (Creating with AI)
AILit propone que los estudiantes colaboren con la IA de forma creativa.
Con LearningML:
- los estudiantes crean sus propios modelos
- los integran en proyectos (por ejemplo, con Scratch)
- experimentan con resultados y mejoras
Es decir; no solo usan IA para crear… crean la IA que luego usan.
3. Gestionar la IA (Managing AI)
Otro aspecto clave es aprender a decidir:
- cuándo usar IA
- cuándo no usarla
- qué tareas delegar
LearningML facilita esto porque:
- obliga a pensar qué problema resolver
- hace evidente cuándo un modelo no funciona bien
- muestra que la IA no siempre es la mejor opción
Aquí se introduce una idea fundamental: usar IA también implica saber cuándo no usarla.
4. Diseñar IA (Designing AI) — el punto fuerte
Aquí es donde LearningML encaja de forma casi perfecta con el framework.
El AILit plantea que el alumnado debe:
- trabajar con datos
- entender el entrenamiento
- detectar sesgos
- evaluar modelos
LearningML permite hacer exactamente eso:
- recopilar y etiquetar datos
- entrenar modelos de machine learning
- probarlos y mejorarlos
- analizar errores y sesgos
Vamos, que es aprendizaje activo, no teórico.
Mucho más que una herramienta
El AILit Framework deja claro un reto actual:
el alumnado ya usa IA, pero no siempre la entiende.
LearningML responde directamente a este reto:
- convierte la IA en algo manipulable
- hace visible su funcionamiento
- fomenta pensamiento crítico y computacional
En resumen
El AILit Framework define qué debemos enseñar sobre IA.
LearningML ofrece una forma clara y accesible de llevarlo al aula.
Si queremos que el alumnado no solo consuma IA, sino que la comprenda y la cuestione, seguramente LearningML sea de gran ayuda.
Si eres docente y quieres empezar a trabajar la alfabetización en IA en tu aula, LearningML puede ser un excelente punto de partida.