Una abeja de cartón para descubrir cómo aprende la inteligencia artificial

Una abeja de cartón puede ser el punto de partida de una actividad sobre inteligencia artificial. La propuesta consiste en preparar dibujos de flores y hojas, enseñar ejemplos a un modelo de reconocimiento de imágenes y comprobar cómo responde ante dibujos que no ha visto antes.

Abeja de cartón y flor de papel junto a una tableta y dibujos de flores y hojas sobre una mesa verde.
Imagen generada con IA para ilustrar la actividad.

El proyecto se puede desarrollar por etapas. La construcción y la programación tienen sentido por sí mismas; la parte de IA añade una oportunidad para observar qué aprende el modelo y por qué se equivoca.

De dónde nace la propuesta

EU Code Week reunió el 10 de noviembre de 2026 recursos que relacionan creatividad, sostenibilidad e inteligencia artificial. Entre ellos hay una actividad sobre polinizadores que combina cartón, robótica y aprendizaje automático, procedente de una colaboración anterior con la Fundación Vodafone. A partir de esa idea, planteamos esta adaptación para casa o el aula.

Preparar la abeja y las tarjetas

Para empezar hacen falta cartón, papel, rotuladores y varios dibujos de flores y hojas. Conviene que las tarjetas sean distintas entre sí: flores de varios colores, hojas con formas diferentes y dibujos realizados por más de una persona.

Antes de utilizar el ordenador, podemos observarlas en grupo. Una flor y una hoja pueden compartir color, pero tener formas diferentes. Explicar cómo las distinguimos ayuda a plantear el problema que después intentaremos resolver con la herramienta.

Programar una primera respuesta

En Scratch podemos crear una abeja que se acerque a una flor al pulsar una tecla y cambie de dirección al pulsar otra. Es una forma sencilla de relacionar una instrucción con un resultado visible.

Con un kit de robótica compatible, la respuesta puede representarse mediante una luz o un movimiento. Esta primera versión sigue reglas programadas: todavía no reconoce imágenes ni utiliza IA. Separar las dos fases evita confundir cualquier reacción del robot con un sistema que aprende de ejemplos.

Entrenar y probar el reconocimiento de imágenes

El docente puede preparar una demostración con Teachable Machine, una herramienta que permite entrenar modelos de imágenes sin escribir código. Se crean dos clases, «flores» y «hojas», y se muestran varios ejemplos de cada una. Basta con fotografiar las tarjetas, sin incluir caras ni información personal.

Es importante reservar algunos dibujos para la prueba. Si utilizamos exactamente las mismas imágenes para enseñar y evaluar el modelo, no sabremos cómo responde ante un ejemplo nuevo.

Esta demostración puede hacerse por separado. Conectarla a Scratch o a un robot requiere una integración compatible y una preparación adicional; el modelo no controla la abeja de cartón por sí solo.

Una prueba para descubrir errores

Si fotografiamos todas las flores sobre blanco y todas las hojas sobre azul, el modelo podría utilizar el fondo para distinguirlas. Podemos investigarlo cambiando los fondos y anotando sus respuestas.

Después añadimos ejemplos más variados y repetimos la prueba con los dibujos reservados. El resultado no tiene por qué mejorar en todos los casos. Comparar los fallos ayuda a decidir qué imágenes faltan o qué parte del procedimiento conviene revisar.

Es una propuesta que conecta las manualidades y la robótica de Astrobots con una pregunta concreta sobre IA. Al terminar, cada participante puede explicar qué ejemplos utilizó, qué error encontró y qué cambiaría. Esa explicación permite valorar el aprendizaje, además del aspecto de la construcción.

Fuentes y recursos

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *