Sara Embid | matesconsara 📊🔢🔍

Matemática | Didacta | Tesista en el uso de inteligencia artificial para la formulación de problemas en la formación inicial docente 🤗📝🧮

[Sara Embid | matesconsara 📊🔢🔍 @matesconsara]

Cosas que he descubierto al tener que investigar mínimamente sobre funciones para 4º de ESO Aplicadas (y tener que enseñarlas en un aula) 🤔 (1/10)

[INE España @es_INE]

🆕Ya está disponible el nuevo portal de Datos Abiertos del @es_INE más accesible, más visual y con servicios para desarrolladores.

📊 Conjuntos de datos
⚙️ Servicios API
📰Microdatos
🗺️Cartografía
... y mucho más🚀

Consúltalo aquí
➡️ https://t.co/94Qg7IWZHm
#INE

[Alan Daitch @AlanDaitch]

Algo que muy poca gente sabe es que la Inteligencia Artificial es solo matemática. Pero, ¿cómo puede la matemática entender una foto o completarte una frase?

El truco es que la IA no ve ni lee como nosotros. Lo que hace es convertir todo —imágenes, palabras, sonidos— en números. Y después hace las cuentas.

Pensá en una foto. Para una IA, una imagen es una grilla gigante de números. Cada píxel tiene tres valores: rojo, verde y azul. Y esos tres combinados forman cualquier color que puedas ver. La IA analiza millones de estos números buscando patrones matemáticos: patrones que definen qué es un perro, qué es un rostro, qué es una montaña.

¿Y con el lenguaje? En modelos como ChatGPT, cada palabra se convierte en un número llamado token. Y acá todo se vuelve surrealista. Ese token después se mapea a algo llamado embedding: una lista larga de números que captura lo que la palabra realmente significa, qué tan parecida es a otras palabras y en qué contexto se usa.

Y esto funciona tan bien que si tomás los números de "rey", le restás "hombre" y le sumás "mujer"… te da "reina". La matemática descubrió sola las relaciones de género en el lenguaje.

El modelo usa esas listas de números para predecir la siguiente palabra. Eso es todo lo que hace ChatGPT: predecir, de a una palabra a la vez.

Y la misma lógica aplica a las recomendaciones de series, a tu feed de redes sociales, a las playlists que te arma Spotify… Tu comportamiento se convierte en números, y la matemática encuentra patrones para predecir qué vas a querer después.

La IA es la máquina de reconocimiento de patrones más sofisticada que se haya construido jamás.

[Rosana Ferrero 📈📊🙌 @RosanaFerrero]

Si alguna vez has luchado con crear visualizaciones de datos profesionales, presta atención.
El complemento (addin) esquisse de R te permite crear gráficos personalizados escribiendo el código por ti.

https://t.co/adXTyJahu6

#rstats #dataviz #stats #DataScience

[Cell Press @CellPressNews]

#AI chatbots are homogenizing human expression and risk reducing humanity’s collective wisdom, computer scientists and psychologists say. https://t.co/5AYxOsDmuP

Zhivar Sourati, Alireza S. Ziabari, & Morteza Dehghani
#TrendsInCognitiveScience

[Virginio Gallardo @virginiog]

La IA no aligera las cargas de trabajo, las intensifica.

La tecnología está aumentando la velocidad, la densidad y la complejidad del trabajo en lugar de reducirlas, según muestra un nuevo análisis

https://t.co/xBdwnc4I0b

[Alexis @alexis_rebdo]

👉 Errores frecuentes al diseñar investigaciones (y cómo evitarlos) https://t.co/dWzmTowqrP Esta es una mini-guía práctica en PDF gratis para descargar.

[Scholarship for PhD @ScholarshipfPhd]

Artifcial intelligence-assisted academic writing: recommendations for ethical use

[arc. @arceyul]

🚨ÚLTIMA HORA: Ya puedes integrar Claude en Excel y PowerPoint y ahorrarte trabajo, MUCHO trabajo.

Te enseño como configurarlo.⬇️

[Jesús Lagos @Vdot_Spain]

Una de las cosas que más me gusta del tema de las IAs es poder hacer de manera muy fácil recursos educativos para mis hijas.
La mayor tiene examen trimestral de mates, pues tengo un html al que voy añadiendo funcionalidades para que además del trabajo a mano pueda practicar jugando.
https://t.co/f5znu1ehN8
Operaciones:
1. Divisiones. Ya divide por varias cifras, decimales y números periódicos.
2. Multiplicaciones varias cifras
3. Restas con llevadas (esta la metí para la pequeña y metodo EGB)
4. Trabajo con fracciones
5. Problemas donde aplicar todas las operaciones
Geometria:
1. Identificación de polígonos
2. Tipos de triángulos
3. Elementos de la circ. (Radio, diamétro, cuerda, etc)
4. Cálculo de Perímetro
5. Áreas a partir de cuadrados
6. Identificación de tipos de rectas
7. Idem con ángulos
8. Transportador de ángulos (imagen 2)
9. Traslación y simetria (imagen 3)

[Alan Daitch @AlanDaitch]

Un tipo en Londres le tiró 100 estupideces disfrazadas de preguntas técnicas a las IAs más inteligentes del planeta para descubrir si realmente son brillantes o se hacen. Me encanta porque agarró conceptos que no existen, los vistió con jerga técnica convincente, como la 'tasa metabólica cognitiva' de alumnos de secundaria, el 'índice de acoplamiento gravitacional' entre microservicios… Basura, digamos.

Lo que encontró es un delirio: los modelos con razonamiento extendido, los que supuestamente piensan paso a paso antes de responder, no rinden igual. Rinden MUCHO peor. El problema está en el entrenamiento, porque los evaluaron toda la vida por producir respuestas, no por cuestionar preguntas.

 Es como un alumno que aprendió que siempre hay que responder algo en el examen: nunca le enseñaron que a veces la respuesta correcta es 'esta pregunta está mal planteada' y, cuanto más razona, más elaborada es la justificación que inventa para una premisa simplemente absurda.

Cuando a un humano le tiran una premisa dudosa, la cuestiona más o menos el 40% de las veces. Cuando a una IA le tiran lo mismo, solo el 10%, y esto no está mejorando mucho. GPT-5.4, el modelo más nuevo de OpenAI, queda número 16 en el ranking y su versión con más razonamiento puntúa todavía peor. La única IA que viene mejorando consistentemente es Claude, de Anthropic.

No siempre necesitamos modelos más inteligentes. Yo me conformo con que saquen uno con la valentía de decirme que mi pregunta es muy estúpida.

[Ilya Shabanov @Artifexx]

Most researchers still use Google Scholar like it’s 2015.

But something big just changed.

Google quietly released Scholar Labs: an AI interface that answers research questions directly from papers.

Instead of keywords → ask a question.
Instead of paper lists → see how each paper answers it.

Simple workflow:
1️⃣ Ask your research question
2️⃣ Review ranked papers (by relevance, not citations)
3️⃣ Read AI explanations under each paper
4️⃣ Read relevant papers in detail

My first take:
🟢 Useful for quick triage
🟡 Extremely light-weight compared to other AI tools

Try it out, and tell me what you think!

Full review:
👉 https://t.co/GXxfMwFKSM

[Alexis @alexis_rebdo]

📄 POST | "Variables, niveles de medición y decisiones estadísticas" https://t.co/uzDurJM8wk Incluye guía en PDF para descargar: https://t.co/fhsd2DxWdG

[Carlos Arturo Álvarez Moreno @AlvarezMorenoC]

Un ensayo aleatorizado publicado en NaturePortfolio muestra que médicos entrenados en uso de LLM mejoran su razonamiento diagnóstico 71% vs 43%. La lección clave: la IA no reemplaza al médico, pero un médico que la usa podría superar a uno que no la usa https://t.co/1JThI3JqcS

[CopyRebeldia @CopyRebeldia]

Anthropic acaba de hacer algo que nadie esperaba.

Claude Sonnet 4.6 es ahora el modelo GRATUITO por defecto.

Y viene con funciones que antes costaban $20/mes.

Guardalo antes de que lo limiten.

[Vicent Gadea | IA @vicentgadea]

En los próximos años va a pasar algo interesante.

Saber trabajar con inteligencia artificial va a ser una habilidad profesional básica. No muy distinta de lo que fue aprender a usar internet, Excel o el correo electrónico hace años.

@AnthropicAI parece tenerlo bastante claro. Acaban de lanzar una plataforma de formación con cursos para aprender a trabajar mejor con Claude y, en general, con modelos de IA.

Lo interesante no es solo la formación.
Es lo que refleja.

Durante un tiempo pareció que todo se resolvía aprendiendo prompts o probando herramientas nuevas. Pero en la práctica, cuando trabajo con colegios, universidades o equipos profesionales, la diferencia aparece en otro sitio.

En cómo se formulan los problemas.
En cómo se construye el contexto que recibe el modelo.
En cómo se revisa críticamente lo que devuelve la IA.
Es decir, en el criterio con el que se utiliza la tecnología.

Por eso tiene sentido que empiecen a aparecer programas de formación más estructurados desde las propias empresas que desarrollan estos sistemas.

Dicho esto, también hay un reto claro. Muchas de estas formaciones siguen pensadas desde la lógica de quienes construyen la tecnología.

El siguiente paso será traducir ese conocimiento a contextos profesionales reales.
Cómo integrarlo en la práctica docente.
Cómo entrenar a equipos completos dentro de una organización.
Cómo pasar del uso individual a la adopción institucional.

Ahí es donde creo que está ahora el verdadero trabajo.

En el primer comentario dejo el enlace para quien quiera explorar los cursos.

#edtech #anthropic #IA #AI

[Joan Jareño (Calaix +ie) @JJCalaix]

Blog del Calaix +ie: Descàrregues. Tots els articles del Blog en set documents agrupats més o menys temàticament. 161 articles. Unes 1300 pàgines. Tocava fer recull! https://t.co/Atzg404ZsN

[Montse Duro @mo_duro]

Sólo deberíamos usar la IA en temas de los cuales nosotros ya somos expertos para que nuestro propio criterio nos permita inferir si lo que nos cuenta la IA es una invención o tiene visos de realidad.
A vueltas con la IA en la ciencIA - Gen-Ética https://t.co/bQjEwcymO6

[Sebastián Giraldo Jiménez @maestro_seb]

He vibe codeado una WebApp para evaluar con rúbricas al estilo iDoceo. Simplemente copiar-pegar la tabla de una rúbrica generada por IA (Gemini, ChatGPT, Claude...) y directamente a evaluar en segundos!

https://t.co/uHOtncYEo7

[Oscar Arias @OACerebro]

🔍 Buscar en Bases de Datos puede ser un desafío, pero este Review te enseña a formular las preguntas correctas y aprovechar al máximo cada herramienta.

#Ciencia #Investigación

https://t.co/PEHnqH3GIy

[Ｌａｕｒａ Ｃｕｅｓｔａ Ｃａｎｏ @LauraCuestaCano]

https://t.co/dMRMVXu0Lx