Descubre cómo el alumnado del IES Monterroso monitoriza la cicatriz y la regeneración vegetal de Sierra Bermeja (2021-2026) a través de imágenes del satélite Sentinel-2. Una propuesta pedagógica del proyecto MonteSTEAM y la red AIDARAC que utiliza la teledetección y los índices NDVI y NBR para enseñar a medir la salud de nuestros bosques desde el espacio.
Descubre cómo la Línea Kay Davies integra inteligencia artificial (RAG) y genética molecular para divulgar sobre la Distrofia Muscular de Duchenne. Una iniciativa educativa desarrollada en el IES Monterroso que conecta el legado científico de la utrofina con el desarrollo de asistentes virtuales seguros, adaptados por niveles pedagógicos y protegidos con guardrails de salud.
Descubre cómo la técnica ‘Piensa paso a paso’ (Chain-of-Thought) altera la precisión real de un LLM en problemas de lógica y matemáticas. Incluye la guía didáctica de la Línea Péter del Proyecto PINSAPIA y la aplicación completa en Python con FastAPI y LM Studio en el puerto 8094.
Descubre si los modelos de lenguaje son neutros o reproducen estereotipos con la Línea Gebru de PINSAPIA. Incluye una guía de auditoría algorítmica para el alumnado basada en plantillas parametrizadas y análisis léxico determinista en Python en el puerto 8091.
Descubre cómo influyen la temperatura y el muestreo de aleatoriedad en las respuestas de un LLM con la Línea von Neumann de PINSAPIA. Incluye una guía de retos prácticos para el alumnado basada en simulaciones Monte Carlo y la aplicación completa en Python con FastAPI y LM Studio en el puerto 8089.
Descubre cómo solucionar el “falso 200 OK” de LM Studio implementando la tokenización nativa de Qwen 2.5 en Python. Incluye la aplicación interactiva completa de la Línea Booth de PINSAPIA y una guía didáctica con retos prácticos para explorar cómo “leen” las IA con el alumnado en el aula
Demostración interactiva de la técnica de ingeniería de prompts Few-Shot Prompting (aprendizaje con pocos ejemplos) comparada con Zero-Shot Prompting (sin ejemplos) utilizando un LLM local. Enmarcado en el modelo AIDARAC del IES Monterroso y MonteSTEAM, el alumnado evalúa en paralelo cómo la estructura de un prompt altera drásticamente la precisión, el formato y la fiabilidad de las respuestas de un modelo de lenguaje sin alterar sus parámetros ni reentrenarlo.
Experimento de evaluación de robustez semántica y pérdida de significado mediante traducción encadenada (ida y vuelta) con LLM local (Qwen en LM Studio). Enmarcado en la iniciativa MonteSTEAM y el modelo AIDARAC del IES Monterroso, el alumnado somete oraciones literales, refranes y frases con doble sentido a viajes de traducción directa y en cascada (Español → Inglés → Francés → Español) para auditar dónde y por qué se roment las metáforas o el lenguaje figurado.
Adaptación interactiva del Test de Turing para juego individual en el aula, dentro de los marcos MonteSTEAM y AIDARAC del IES Monterroso. Cada estudiante interactúa desde su propia pantalla evaluando textos humanos reales (cargados mediante archivo .txt o catálogo base) frente a textos redactados por un LLM local (Qwen en LM Studio). La aplicación ofrece retroalimentación inmediata respuesta a respuesta, calcula el porcentaje individual de acierto y determina al final de la partida si el alumno ha ganado al modelo o si ha sido engañado por la IA.
Explora cómo generan texto los modelos de lenguaje en «El adivino de la siguiente palabra», una aplicación interactiva del Proyecto PINSAPIA (Línea Lamarr) desarrollada en el IES Monterroso dentro de los marcos MonteSTEAM y AIDARAC. Mediante peticiones autorregresivas (max_tokens=1 y logprobs) sobre FastAPI en el puerto 8084, el alumnado visualiza paso a paso el ranking de probabilidad de las palabras candidatas, comprendiendo en directo el origen real de la temperatura, la creatividad y las alucinaciones en los LLM.