Drama

Finalizamos esta semana con el genero dramático, que no es otro que el teatro, el cual puede ser escrito o representado.  Espero que la información sea de utilidad.

Drama:

Lirica

En esta ocasión hablaremos sobre el genero de la lírica que no es otro que la poesía, la cual tiene musicalidad y estética. Espero que la información sea de su utilidad.

Lírica;

La narrativa

Hoy hablaremos sobre la narrativa, un genero muy concurrido y el que se utiliza para relatar una historia. Espero que la información sea de su interés.

Narrativa

Libros adquiridos por medio de la Feria de Libros

 A través de la feria del libro se adquirieron los siguientes títulos:

• Edgard Allan Poe: Cuentos Macabros I
• Edgard Allan Poe: Cuentos macabros II
• El Comic: Una Historia de Imágenes
• Anime and Manga Mega Handbook
• Shang-Chi and the Quest of Immortality
• Aprende a dibujar Comic
• Marvel Encyclopedia
• ¡Hazte con todos! Pokemon Enciclopedia

Los mismos, estarán disponibles para su uso, tan pronto se reabra la Biblioteca.  Gracias infinitas por la ayuda directa e indirecta que le brindan a las actividad.

Generos literarios

En esta semana concorde al mes de la lectura seguiremos brindando información relacionada sobre la misma. Es por tal motivo, que tocaremos el tema de los géneros literarios, espero que la información sea de su interés.  

Géneros Literarios:

¿Qué es un género literario?

https://concepto.de/genero-literario/

Los géneros literarios son categorías específicas en las que se pueden clasificar los textos literarios, de acuerdo a las características de su contenido y el tipo de lectura que ofrecen. Es decir, representan el paradigma de las obras literarias que se manejan en una época determinada.

Los géneros literarios son horizontes de expectativas de lectura, es decir, etiquetas conceptuales que sirven para darle al lector una idea de lo que contiene un libro o de qué clase de obra literaria se trata. De allí que los géneros sirvan también a la hora de organizar el material literario de una biblioteca o librería.

Feria del Libro

Le agradezco a todas las personas que visitaron la Feria, porque a pesar de los escollos, la misma fue productiva y fructífera, gracias a su apoyo y respaldo se pudieron adquirir varios libros con el 15 por ciento de las ventas generadas.  Luego les indicare que libros se adquirieron, los mismos  estarán en circulación y para el uso de los usuarios tan pronto arreglen la situación de infraestructura y planta física que posee la biblioteca y se reabra nuevamente.

Feria de Libros 2024

Tipos de redaccion

Finalizamos esta semana mencionando y hablando sobre algunos de los tipos de redacción y de texto que usualmente vemos y creamos.  Por tal razon, es necesario conocerlos y comprenderlos.  Espero que la información sea de su interés.

Tipos de Redacción:

Tipos de Texto:

Redacción digital

Se les provee seis consejos para mejorar la redacción de contenidos digitales.  Espero que la información sea de interés.

Consejos para redactar una buena redacción

Se le provee varios tips o consejos que le ayudaran al momento de redactar un escrito.  Espero que la información sea de su interés.

Proceso de redaccion

Se le provee información que le permitirá aclarar dudas sobre el proceso que debe realizar para redactar un escrito en propiedad.  Espero que la información sea de interés.

Proceso de escritura:

Redacción

Continuando con el tema de la lectura y los libros tocaremos esta semana el tema de la redacción, que es tan importante a la hora de expresarse de manera escrita.  Espero que la información sea de su interés.

Redacción:

Beneficios de la Lectura

Se le provee los beneficios que aporta la lectura al ser humano a la vida y a su emprendimiento laboral.  Espero que la información sea de su interés.

Los desafios de la Inteligencia Artificial

Se les provee varios desafíos que debe afrontar la Inteligencia Artificial, espero que la información sea de utilidad.

Diez retos

https://theconversation.com/los-diez-retos-de-la-inteligencia-artificial-en-la-ensenanza-210760

Los diez desafíos dentro del debate educativo actual para una inteligencia artificial educativa (IAE) son los siguientes:

1. Servir de apoyo educativo, y mejorar la enseñanza y el aprendizaje tanto en aspectos administrativos como en tareas educativas.

2. Contribuir a una enseñanza reflexiva y con coherencia pedagógica. Al transformar el rol docente y automatizar algunas tareas, va a dejar más tiempo para un trato personalizado. Se va a potenciar la reflexión sobre la práctica. Se podrán sacar mayor partido a propuestas como el aprendizaje internacional colaborativo en línea (COIL) o el aprendizaje basado en retos.

3. Lograr un aprendizaje crítico y creativo. Identificar mentiras y bulos; analizar información y sus fuentes; y considerar diferentes perspectivas para formarse opiniones fundamentadas serán las habilidades a desarrollar. Esto fomentará la imaginación y originalidad para el pensamiento creativo.

4. Integración y perspectiva de género. Podría servir para combatir discriminaciones y sesgos de género mediante el análisis de imágenes o de textos. Sin embargo, hay una tarea previa pendiente: disminuir la brecha digital y evitar el sesgo de género en las aplicaciones de IA.

5. Para y con todos y todas –equidad educativa–. La IA puede ofrecer oportunidades y respuestas ajustadas a todo el estudiantado, potenciar la accesibilidad universal, la supresión de barreras y la participación en el aprendizaje.

6. La promoción de las competencias transversales –comunicativa oral, investigadora, reflexiva, emocional y ética– se vuelve aún más esencial para contribuir a la formación de una ciudadanía comprometida con los desafíos ambientales, sociales y económicos actuales. Y para promover la toma decisiones.

7. Formación permanente del profesorado. La redefinición del acceso, uso y seguridad en el marco de las competencias digitales. La formación debe promover un uso consciente y de mejora, alineado con los resultados de aprendizaje.

8. Comunicación, formación y participación de las familias. Potenciar nuevas formas de colaboración y participación de las familias en la educación.

9. La promoción de un aprendizaje ético; evitar comportamientos deshonestos como el plagio o la atribución de autoría falsas, y un uso con intenciones de hacer daño.

10. Evaluación formativa y compartida. Se puede orientar la evaluación con muchos datos, de forma valida y fiable. De esta manera, hace más consciente al estudiantado de qué y cómo aprende.

La importancia de leer

 Se le provee las razones por las cuales es tan importante leer.

Equidad en la inteligencia Artificial

Es necesario saber que la inteligencia artificial no esta desligada del tema de equidad, al contrario la equidad debe incluirse en la IA.  Es por tal motivo que hablaremos sobre dicho tema, espero que le sea de utilidad.

Etica en la IA

https://www.capgemini.com/co-es/insights/expert-perspectives/equidad-en-ai-una-introduccion-imparcial/

La IA ética se centra en el impacto social de los sistemas de IA y su equidad percibida. Hay una multitud de definiciones superpuestas, pero el denominador común siempre está ahí: ¿Este sistema de IA afectará a nuestra sociedad de manera positiva o negativa? Al igual que con todos los demás avances técnicos transformadores, las implicaciones de la integración de sistemas de IA en nuestra sociedad son de gran alcance y, a menudo, no son obvias. Casi todas las organizaciones internacionales importantes han publicado documentos de trabajo o informes sobre IA ética o IA para siempre;  IEEE, ITU, OECD, European Commission, UK government, Google, Microsoft, IBM ¡la lista es lo suficientemente larga como para ser una publicación de blog en sí misma! Esto demuestra que las personas se preocupan por el impacto de los sistemas de IA en su vida diaria. En una publicación anterior de AI Guild ya se ha mencionado esta necesidad de generar confianza en los sistemas de inteligencia artificial. Para lograr esta tarea, la investigación actual de ML ha (re) introducido términos relacionados con la imparcialidad, la rendición de cuentas, la transparencia, las razones y la causalidad. Aquí está sucintamente a lo que se refiere cada uno de ellos:

• Imparcialidad / Equidad: ¿Los resultados de los algoritmos de IA son independientes de ciertas características sensibles / protegidas? (por ejemplo, etnia)
• Responsabilidad: ¿Quién es responsable (es decir, responsable) del diseño de un sistema de IA y, lo que es más importante, de sus decisiones?
• Transparencia y explicabilidad: ¿Qué hace el sistema de IA? ¿Cómo se toma esta decisión?
• Causalidad: ¿Por qué sucedió algo en la vida real?

Observamos que, aunque están interrelacionados, estos términos no son equivalentes.

Un sistema justo puede resultar opaco; no necesariamente apreciamos cómo funciona un desfibrilador inteligente, pero todos estamos de acuerdo en que tiene un impacto que salva vidas en todas las personas. Un sistema perfectamente explicable puede ser completamente arbitrario; se podría utilizar un método simple de estimación de riesgos (por ejemplo, regresión logística) para una tarea de clasificación sin una razón aparente de por qué se eligió un umbral determinado. Un vínculo causal puede ser completamente injusto; una campaña de marketing validada A / B puede tener éxito porque aprovecha las vulnerabilidades de las personas (por ejemplo, adicciones a las compras). Al emplear un sistema de inteligencia artificial, todos estos puntos deben comentarse de manera informada. Durante el resto de la entrada del blog, nos centraremos en una simple exposición de equidad y las métricas asociadas a ella.

La actividad de investigación en equidad en IA se ha disparado en los últimos años; Google Scholar sugiere 6 resultados para el término “IA Equidad” entre 2010 y 2015, pero  444 resultados  desde 2016 hasta mediados de octubre de 2020. Esto ha llevado, correctamente, a varias definiciones diferentes de equidad. Hacemos hincapié en que el hecho de que existan múltiples definiciones de equidad de la IA es correcto y esperado. En diferentes escenarios, la definición de equidad no es sencilla. Si bien todos estamos de acuerdo en que la discriminación injusta y los prejuicios son incorrectos, tampoco están claramente definidos en todos los casos e incluso si lo están, su remedio tampoco es obvio. Exploraremos tres criterios simples de equidad: paridad demográfica, igualdad de oportunidades e igualdad de precisión. Nos centraremos en su aplicación en cuanto a tareas de clasificación. Cada uno de ellos se puede interpretar de la siguiente manera:

• Paridad demográfica: las predicciones de nuestro algoritmo de inteligencia artificial son independientes de la característica sensible A, es decir, la misma proporción de cada subgrupo se clasifica como positiva. Formalmente, verificamos si el valor positivo predictivo entre los subgrupos es igual.
• Igualdad de oportunidades: las predicciones positivas de nuestro algoritmo de IA aparecen a tasas iguales entre los subgrupos de la característica sensible A, es decir, la misma proporción de cada subgrupo de candidatos verdaderamente positivos se clasifica como positiva. Formalmente, verificamos si la Tasa de Verdaderos Positivos (o Recuperación) entre los subgrupos es igual.
• Igual precisión: las predicciones correctas de nuestro algoritmo de inteligencia artificial (positivas y negativas tomadas juntas) aparecen a tasas iguales entre los subgrupos de la característica sensible A, es decir, somos igualmente buenos para clasificar cada subgrupo. Formalmente, verificamos si la Precisión entre los subgrupos es igual.

Usaremos un ejemplo simplificado de un sistema de inteligencia artificial que clasifica a los solicitantes de empleo como “contratables” o no. En esa medida, asumimos que no queremos utilizar información de género al tomar una decisión de contratación, es decir, no queremos que el sexo de un solicitante sea un factor en nuestra toma de decisiones. Empecemos:

Reconocemos de inmediato que simplemente excluir el sexo de un candidato es una solución inadecuada. En pocas palabras, debido a las variables proxy (por ejemplo, escuelas de asistencia, membresías de clubes sociales, etc.) podríamos inferir eso fácilmente.

Es posible que deseemos asegurarnos de satisfacer la paridad demográfica. Si el 20% de nuestros candidatos son mujeres, entonces el 20% de las nuevas contrataciones deberían ser mujeres. Pero uno puede objetar, ya que podemos elegir candidatos al azar y ¡seguiremos satisfaciendo la paridad demográfica!

Es posible que deseemos asegurarnos de satisfacer la igualdad de oportunidades. Si el 30% de nuestros candidatos contratantes son mujeres, entonces el 30% de las nuevas contrataciones deberían ser mujeres. ¡Pero uno puede objetar ya que todavía podemos rechazar a la mayoría de las mujeres candidatas y aún así satisfacer la igualdad de oportunidades!

Es posible que deseemos asegurarnos de que cumplimos con la misma precisión. Si nuestra precisión de clasificación para las mujeres candidatas es del 70%, entonces debería ser la misma con otros géneros de candidatos. Pero uno puede objetar, ya que todavía podemos rechazar a la mayoría de las mujeres candidatas (tanto en términos de paridad demográfica como de igualdad de oportunidades) y seguir cumpliendo con la misma precisión.

¡Y todos estos resultados ni siquiera tocan los posibles sesgos reflejados en los datos de capacitación, donde las mujeres pueden parecer menos “enfocadas en la carrera” que los hombres!

Entonces, ¿existe alguna solución universal de equidad de IA? No. El veredicto sobre esta cuestión ya está aquí (ver Kleinberg et al. (2016) para este importante resultado que muestra que “las nociones clave de justicia son incompatibles entre sí”) pero eso no significa que los sistemas de IA justos sean inalcanzables. Significa que la IA, al igual que sus creadores, es un marco imperfecto que debe sintonizarse y entrenarse para una tarea en particular. La equidad en las admisiones universitarias y en la identificación facial no se refiere al mismo concepto. Debemos aceptar que necesitamos hacer concesiones informadas entre diferentes métricas de equidad y ser responsables de ellas.

Para concluir, es igualmente fácil dejarse llevar por una falsa sensación de seguridad o entrar en pánico por el impacto social de un sistema de inteligencia artificial. No debería ser así y no tiene por qué ser así. Para obtener un enfoque informado, experimentado y actual de su solución de IA y sus implicaciones de equidad, comuníquese conmigo aquí.

A través de nuestro gremio de inteligencia artificial ética de Capgemini, brindas orientación sobre cuestiones y prácticas éticas. El gremio, formado por practicantes de IA con experiencia, busca acelerar los viajes de nuestros clientes hacia aplicaciones éticas de IA que beneficien a todos.

Divulgación de la Feria

 

Divulgación del mes de la lectura

 

Partes del libro

Continuando con la celebración del libro y la lectura le proveemos información sobre las partes y elementos del libros.  Espero que la información sea de utilidad.

Libro: partes y estructura:

Inteligencia Artificial

Durante esta semana hablaremos sobre algunos factores que robustecen a la inteligencia artificial o simplemente ayudan a fortalecer sus cimientos.  Espero que la infomacion sea de su agrado.

¿Qué es la ética de la IA?

https://www.ibm.com/mx-es/topics/ai-ethics

La ética es un conjunto de principios morales que nos ayudan a discernir entre el bien y el mal. La ética de la IA es un campo multidisciplinario que estudia cómo optimizar el impacto beneficioso de la IA al tiempo que se reducen los riesgos y los resultados adversos

Algunos ejemplos de problemas de ética de la IA incluyen la responsabilidad y privacidad de los datos, la imparcialidad, la explicabilidad, la solidez, la transparencia, la sustentabilidad ambiental, la inclusión, la agencia moral, la alineación de valores, la responsabilidad, la confianza y el uso indebido de la tecnología. Este artículo tiene como objetivo proporcionar una visión integral del mercado de la ética de la IA en la industria actual. Para obtener más información sobre el punto de vista de IBM, consulte nuestra página de ética de IA aquí.

 

Con la aparición de big data, las compañías aumentaron su enfoque para impulsar la automatización y la toma de decisiones basada en datos en todas sus organizaciones. Si bien la intención suele ser, si no siempre, mejorar los resultados comerciales, las compañías están experimentando consecuencias imprevistas en algunas de sus aplicaciones de IA, particularmente debido a un diseño de investigación inicial deficiente y conjuntos de datos sesgados.

 

A medida que salieron a la luz casos de resultados injustos, surgieron nuevas directrices, principalmente de las comunidades de investigación y ciencia de datos, para abordar las preocupaciones en torno a la ética de la IA. Las compañías líderes en el campo de la IA también mostraron un interés personal en dar forma a estas directrices, ya que ellas mismas comenzaron a experimentar algunas de las consecuencias de no mantener los estándares éticos en sus productos. La falta de diligencia en esta área puede generar exposición reputacional, regulatoria y legal, lo que se deriva en sanciones costosas. Como ocurre con todos los avances tecnológicos, la innovación tiende a superar la regulación gubernamental en campos nuevos y emergentes. A medida que se desarrolle la experiencia adecuada dentro de la industria gubernamental, podemos esperar que las compañías sigan más protocolos de IA, lo que les permitirá evitar cualquier violación de los derechos humanos y las libertades civiles.

Celebración de la lectura y los libros en Puerto Rico

Esta semana se celebran los libros y la lectura, conceptos y destrezas que nos ayudan a pensar, enriquecer nuestro vocabulario a viajar a diferentes lugares.

Algunos libros que encontraras en la feria del libro

Se les provee, una muestra de algunos de los libros que pueden encontrar en la Feria del libro coordinada por la Bibliotecaria escolar y concorde a la celebración del mes de la lectura y el libro.

Talleres realizados sobre Ciudadania Digital

Les proveo algunas fotos sobre los talleres que he realizado para alfabetizar a los estudiantes en temas relacionados a la Ciudadanía Digital.

Que hacer con las noticias falsas

Finalizamos esta semana brindándole consejos de lo que deben hacer cuando encuentren una noticia falsa, sean cuidadosos con ellas, no las compartan y no sean parte de ellas.  Espero que la información sea de su utilidad.