MA06 OA 23 - Conjeturar acerca de la tendencia de resultados obtenidos en repeticiones de un mismo experimento con dados, monedas u otros, de manera manual y/o usando software educativo (Ministerio de Educación de Chile, 2024).

Software educativo permite:

• Experimento (aleatorio): Es cualquier experiencia que tiene más de un resultado posible y que, al ser realizada, no se sabe cuál de sus resultados va ocurrir pues ello es producto del azar (Ministerio de Educación de Chile, 2019b).
• Espacio Muestral: Conjunto de todos los resultados posibles de un experimento aleatorio (Ministerio de Educación de Chile, 2019b). \[\Omega = \{ ⚀, ⚁ ,⚂ ,⚃ ,⚄, ⚅ \}\]
• Evento elemental: Elemento del Espacio Muestral. Es uno de los resultados posibles de un experimento aleatorio.

• Datos: Resultados obtenidos al repetir un experimento aleatorio.
• Frecuencia absoluta: Es el número de veces que se repite cada dato (Ministerio de Educación de Chile, 2019a).
• Frecuencia relativa: Es el cociente de la frecuencia absoluta por el total de repeticiones del experimento aleatorio.

• Probabilidad de un evento elemental: Valor que varía de 0 a 1 que corresponde al valor hacia el cual se observa que la frecuencia relativa tiende a estabilizarse, cuando se realiza el experimento aleatorio una gran cantidad de veces (Ministerio de Educación de Chile, 2019b).
• Regla de Laplace: Si los eventos elementales tienen igual probabilidad, entonces la probabilidad de cada resultado posible es \[ \frac{1}{\text{Número total de casos posibles}} \]

La actividad fue diseñada, siguiendo el modelo COPISI (Bruner, 1966), en tres fases:

• Fase concreta: Los estudiantes recogen datos mediante experimentos físicos (lanzamiento de dados).
• Fase pictórica (Potenciada por IA): El docente usa IA para generar un gráfico de barras con los datos recolectados.
• Fase simbólica/abstracta: Con la IA se simulan miles de repeticiones del experimento y se presenta su gráfico correspondiente. Discusión guiada sobre: relación entre frecuencias experimental y teórica; frecuencias relativas ante muchísimas repeticiones.

• IA generativa 🤖
  Modelo de Inteligencia Artificial (IA) capaz de producir contenido nuevo —como texto, imágenes o código— (Harvard University Information Technology, s. f.).

• LLM (Large Language Model) 🧠
  Modelo de IA entrenado con enormes volúmenes de texto para predecir la siguiente unidad de texto (token) dentro de una secuencia. Gracias a su escala, datos y arquitectura —generalmente basada en transformers— los LLMs pueden responder preguntas, redactar textos, traducir, resumir y realizar muchas otras tareas lingüísticas gracias a patrones aprendidos durante su entrenamiento.

• Prompt ✍️
  Entrada que el usuario entrega al modelo para indicar qué desea obtener. Puede incluir instrucciones, contexto, formato esperado e incluso ejemplos. La forma en que se redacta influye directamente en la calidad del resultado (MIT Sloan Teaching & Learning Technologies, s. f.-a).

• Ingeniería de prompts (prompt engineering) 🛠️
  Conjunto de estrategias para diseñar prompts efectivos, con el fin de guiar al modelo hacia respuestas más útiles, precisas y consistentes (Stanford University, 2024; University of Texas at Austin, 2025).

• Alucinación ⚠️
  Situación en la que el modelo produce información incorrecta, inexistente o inventada, aunque suene plausible. Es un comportamiento esperado en modelos generativos y requiere supervisión crítica del usuario (MIT Sloan Teaching & Learning Technologies, s. f.-b; University of Illinois at Urbana-Champaign, 2025).

• Markdown 🧾
  Es un sistema sencillo para escribir texto que luego puede mostrarse con formato —títulos, listas, negritas o tablas— usando solo caracteres comunes. Muchos visores de chats de IA generativas interpretan Markdown para dar estilo y estructura a sus respuestas (Gruber, John, s. f.).

• Las herramientas de IA pueden dar resultados con errores
• Es crucial el uso ético de las herramientas de IA generativa (Miao & Holmes, 2024; Ministerio de Educación, Centro de Innovación, 2025)
  • Resguardando la privacidad
  • Evitando sesgos
  • Supervisión humana (man in the loop) para detectar alucinaciones

• Simulación computacional 💻
  Proceso de modelar y reproducir fenómenos del mundo real mediante algoritmos y programas de computadora (Purdue University, s. f.).

• Semilla (seed) 🎲
  Valor que permite “congelar” la aleatoriedad de una simulación, de modo que cada vez que se ejecute se obtengan los mismos resultados. En Python, el comando para fijar una semilla es numpy.random.seed(valor) (NumPy Development Team, s. f.).

Para comprobar la replicabilidad de las respuestas:

• Incluir en el prompt la especificación explícita de la semilla a utilizar.
• Verificar que las respuestas del modelo coincidan con las que deberían generarse usando esa semilla.
• Cuando sea necesario, ejecutar el código Python generado por la IA (de manera local o en Google Colab).

Simula 1000 lanzamientos de un dado justo de 6 caras. Usa Python con semilla 42. 
En tu respuesta incluye una tabla Markdown con columnas: Número | Frecuencia | Frecuencia relativa | Probabilidad teórica. 
Genera un gráfico de barras con la frecuencia relativa por número. Incrusta el gráfico en tu respuesta.

• El prompt incluye semilla 42 para verificar la reproductibilidad de los resultados.
• Se especifica que genere una tabla en formato Markdown para evitar alucinaciones.

1. Definición y repaso de conceptos claves
2. Actividad 1: Lanzamiento manual de un Dado
   • Cálculo y reflexión sobre la probabilidad teórica
3. Actividad 2: Simulación con Inteligencia Artificial
   • 100 lanzamientos
   • 1000 lanzamientos
   • 10000 lanzamientos
4. Análisis y conjetura con IA
5. Cierre de la actividad

📄 Material disponible en el repositorio GitHub /mauriciotorocea/ActividadSimulacionDados

• 📘 Guía para estudiantes (versión 26/11/2025):
  • descargar .docx.
• 👩‍🏫 Guía para el docente (versión 26/11/2025):
  • descargar .docx.
• 🛠️ Guía técnica (versión 01/12/2025):
  • ver versión html
  • descargar pdf.

¿Conclusión propia o frase cursi de la IA?

Variabilidad llevada al extremo…

¡Vamos a usar la IA para que nos ayude a aprender más!

¿Cómo ven la IA los estudiantes?

• ¡Les gusta mucho la IA! 🤖
• Usar IA en el colegio… era casi un pecado ☠️.
• ➔ 🙏 Tendencia a pedir permiso para escribir más prompts.

Computador versus teléfono: el tamaño de la pantalla sí importa

• 📱 Pantalla pequeña ➔ gráficos pequeños ➔ no todos pueden ver
• 💻 Pantalla grande ➔ mejor visión ➔ facilita el trabajo en equipo

Nunca nos habían hecho usar la IA en clases.

Promoción de la participación:

• 💡 Estudiantes familiarizados con la IA supieron pedir más gráficos sin ayuda.
• 📝 En clases normales alumnos hacen cualquier cosa en su cuaderno.
• ✅ En esta actividad, todos contestaron la guía completa.
• Aspecto negativo: algunos grupos se lo tomaron como un juego 🎮. No se centraron en la guía.