Glosario

AILit Framework

Algunos textos de esta página no están disponibles en español y se muestran en English.

41 de 41

Agente de IA: Sistemas de IA avanzados diseñados para razonar, planificar y ejecutar de forma autónoma tareas complejas basadas en objetivos de alto nivel.; Fuente: Generative AI Outlook Report (Abendroth-Dias et al., 2025); Types of AI Agents (Stryker, 2025)
Alfabetización de datos: Interactuar con los datos (p. ej., recopilarlos, analizarlos, visualizarlos, interpretarlos, etc.) con espíritu crítico, con incertidumbre y con curiosidad. Incluye aspectos como el contexto, la agregación, la variabilidad, la visualización y la inferencia.; Fuente: AI Literacy: A Framework to Use, Understand and Evaluate Emerging Technology (Mills et al., 2024); Learning to Reason with Data (Rubin, 2020)
Alfabetización digital: La capacidad de acceder a la información, gestionarla, comprenderla, integrarla, comunicarla, evaluarla, crearla y difundirla de forma segura y adecuada a través de las tecnologías digitales. Incluye competencias que se denominan de diversas formas: alfabetización en materia de información, alfabetización mediática y alfabetización en materia de informática y TIC.; Fuente: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
Alfabetización mediática: La capacidad de acceder a los medios de comunicación, comprenderlos, analizarlos y crearlos, al tiempo que se reflexiona sobre su impacto en las personas, las instituciones y la sociedad.; Fuente: Navigating an Evolving World: First Draft of the Media and Artificial Intelligence Literacy (MAIL) Assessment Framework (OECD, 2026b)
Algoritmo: Una fórmula o un conjunto de reglas (o un procedimiento, procesos o instrucciones) para resolver un problema o para realizar una tarea. Entre los ejemplos más habituales se encuentran los árboles de decisión, los algoritmos de agrupamiento, los algoritmos de clasificación o los algoritmos de regresión.; Fuente: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Alucinación: Fenómenos en los que los algoritmos de IA inventan información que parece plausible, pero que no se basa en hechos.; Fuente: Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Antropomorfismo: Una interpretación de lo que no es humano o personal en términos de características humanas o personales.; Fuente: Merriam-Webster Dictionary (Merriam-Webster, n.d.)
Aprendizaje automático: El estudio de los algoritmos y los modelos que utilizan las máquinas para realizar una tarea sin instrucciones explícitas. Los algoritmos de aprendizaje automático mejoran con la experiencia. Los algoritmos avanzados de aprendizaje automático utilizan redes neuronales para crear un modelo matemático basado en patrones presentes en muestras de datos de «entrenamiento». Los algoritmos de aprendizaje automático se utilizan sobre todo para tareas que no pueden realizarse mediante pasos discretos, como el procesamiento del lenguaje natural o el reconocimiento facial.; Fuente: Hands-On AI Projects for the Classroom (Blair Black & Brooks-Young, 2021a-c)
Aprendizaje por refuerzo (AR): Tipo de proceso de aprendizaje automático en el que agentes autónomos aprenden a tomar decisiones interactuando con su entorno.; Fuente: What is Reinforcement Learning? (Murel & Kavlakoglu, n.d.)
Aumento: El uso de una máquina en una tarea para aumentar la productividad en otras tareas.; Fuente: The EPOCH of AI: Human-Machine Complementarities at Work (Loaiza & Rigobon, 2024)
Automatización: Proceso de vincular sistemas y programas informáticos dispares para que actúen o se regulen por sí mismos.; Fuente: K-12 Standards (Computer Science Teachers Association, 2017)
Bot/chatbot: Programa informático diseñado para simular una conversación con una persona, normalmente a través de Internet; en particular, uno que se utiliza para proporcionar información o asistencia al usuario como parte de un servicio automatizado.; Fuente: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Burbuja de filtros: Cámara de eco (espacio mediático delimitado y cerrado que puede amplificar los mensajes que se difunden en su interior y, al mismo tiempo, protegerlos de cualquier refutación) generada principalmente por algoritmos de clasificación en plataformas digitales, como los motores de búsqueda y las redes sociales, que personalizan la información sin que la persona realice ninguna elección activa.; Fuente: DigComp 3.0 (Cosgrove & Cachia, 2025); Adapted from Echo chambers, Filter Bubbles and Polarisation: a Literature Review (Arguedas et al., 2022)
Ciberacoso: Acto agresivo e intencionado perpetrado por un grupo o una persona, mediante formas de contacto electrónicas, de forma reiterada y a lo largo del tiempo, contra una víctima que no puede defenderse fácilmente.; Fuente: DigComp 3.0 (Cosgrove & Cachia, 2025)
Ciencia de la Computación: Véase Informática .
Ciudadanía digital: La capacidad de participar de forma activa, continua y responsable en entornos digitales (locales, nacionales, mundiales o en línea) en todos los ámbitos (político, económico, social, cultural e intercultural).; Fuente: DigComp 3.0 (Cosgrove & Cachia, 2025)
Coding: The act of writing computer programs in a programming language.; Fuente: K-12 Standards (Computer Science Teachers Association, 2017)
Compañero de IA: Entidades de IA sofisticadas, diseñadas para apoyar y mejorar las experiencias humanas en las actividades cotidianas, como el aprendizaje o el trabajo, entre otras. Abarcan aspectos emocionales, sociales y prácticos de la vida cotidiana, al tiempo que fomentan las interacciones y las relaciones con los seres humanos.; Fuente: Defining AI Companions: A Research Agenda—from Artificial Companions for Learning to General Artificial Companions (Chou et al., 2025)
Competencia digital: El uso de las tecnologías digitales y la interacción con ellas de forma segura, crítica y responsable para el aprendizaje, en el trabajo y para la participación en la sociedad. Incluye la alfabetización en materia de información y datos, la comunicación y la colaboración, la alfabetización mediática, la creación de contenidos digitales (incluida la programación), la seguridad (incluidos el bienestar digital y las competencias relacionadas con la ciberseguridad), las cuestiones relacionadas con la propiedad intelectual, la resolución de problemas y el pensamiento crítico.; Fuente: Council Recommendation on Key Competences for Lifelong Learning 2018 (European Commission, 2018)
Datos: Cualquier representación digital de actos, hechos o información y cualquier recopilación de dichos actos, hechos o información, incluso en forma de grabación sonora, visual o audiovisual.; Fuente: DigComp 3.0 (Cosgrove & Cachia, 2025)
Deepfake: Contenido de imagen, audio o vídeo generado o manipulado que se asemeja a personas, objetos, lugares, entidades o acontecimientos reales y que, de forma engañosa, podría parecer auténtico o veraz para una persona.; Fuente: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Derechos de autor: Tipo de propiedad intelectual que protege las obras originales de autoría desde el momento en que el autor fija la obra en una forma de expresión tangible.; Fuente: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Descomposición: Desglosar un problema o un sistema en sus componentes.; Fuente: K-12 Standards (Computer Science Teachers Association, 2017)
Desinformación: Información verificablemente falsa o engañosa que se crea, presenta y difunde con fines de lucro o para engañar intencionadamente al público. Puede causar perjuicios al público.; Fuente: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
Fuente: El punto de partida o el origen de un elemento de información.; Fuente: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
IA generativa (GenIA): Sistemas de IA capaces de generar contenidos a partir de instrucciones generales (p. ej., texto, imágenes, audio, vídeo, código, etc.), procesar contenidos existentes (p. ej., traducir, corregir, etc.) o analizar datos (p. ej., clasificar, resumir, etc.) basándose en patrones aprendidos de datos existentes. Estos sistemas generan resultados en respuesta a las instrucciones del usuario, conocidas como «prompts», y se basan en modelos entrenados para predecir y generar información relevante.; Fuente: Guidelines on the Use of AI and Data in Teaching and Learning for Educators (European Commission, 2026b)
IA predictiva: IA entrenada para detectar patrones en los datos existentes y predecir lo que es probable que suceda a continuación. Esto existe en herramientas como motores de recomendación, filtros de correo no deseado y aplicaciones de aprendizaje personalizado.; Fuente: Generative AI vs. Other AI Types (Microsoft, n.d.)
Información errónea: Información verificablemente falsa que se difunde sin intención de engañar y que, a menudo, se comparte porque el usuario cree que es verdadera.; Fuente: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
Informática: Disciplina científica específica conocida en muchos países como «informática» o Ciencia de la Computación. Se caracteriza por contar con sus propios conceptos, métodos, corpus de conocimientos y cuestiones abiertas. La informática abarca los fundamentos de las estructuras, los procesos, los artefactos y los sistemas informáticos, el diseño de su «software», sus aplicaciones y su impacto en la sociedad.; Fuente: Informatics Education at School in Europe (European Commission, 2022)
Inteligencia artificial general (AGI): Sistemas de IA capaces de igualar o superar la versatilidad cognitiva y la competencia de un adulto con un buen nivel de educación. Actualmente no existen sistemas de este tipo.; Fuente: Adapted from What is Artificial General Intelligence (AGI)? (Bergmann & Stryker, n.d.)
Metacognición: Abarca tanto la capacidad de ser consciente de los propios procesos cognitivos (conocimiento metacognitivo) como la capacidad de regularlos (control metacognitivo). El conocimiento metacognitivo abarca el conocimiento de uno mismo como alumno (p. ej., los puntos fuertes, los puntos débiles, la hora del día preferida para estudiar o el lugar preferido para estudiar) y la forma en que el cerebro humano almacena, organiza y recupera la información, así como las estrategias eficaces para llevar a cabo las tareas.; Fuente: Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
Modelo de lenguaje grande (LLM): Una red neuronal entrenada con cantidades ingentes de texto que se puede utilizar en diversas tareas lingüísticas, como completar oraciones, responder a preguntas, traducción automática y funciones de chatbot. Los grandes modelos de lenguaje son una de las tecnologías que componen la IA generativa.; Fuente: AI Learning Priorities for All K-12 Students (CSTA & AI4K12, 2025)
Pensamiento computacional: Los procesos de pensamiento necesarios para formular un problema y expresar su(s) solución(es) de forma que un computador, ya sea un humano o una máquina, pueda llevarla(s) a cabo de manera eficaz.; Fuente: Computational Thinking’s Influence on Research and Education for All (Wing, 2017)
Pensamiento de diseño: Un enfoque para la resolución de problemas y la innovación enfocado en el diseño centrado en el ser humano que consta de cuatro fases (aclarar, idear, desarrollar e implementar).; Fuente: What is Design Thinking & Why is it Important? (Han, 2022)
Personalización: Servicios digitales adaptados a los intereses y preferencias de cada usuario, especialmente mediante la aplicación de algoritmos al comportamiento en línea de los usuarios.; Fuente: Generative AI Outlook Report (Abendroth-Dias et al., 2025)
Procesamiento del lenguaje natural (PLN): Tecnología de IA utilizada para comprender el lenguaje natural de los seres humanos e interactuar con él. El procesamiento del lenguaje natural es la base de tecnologías como las experiencias y los asistentes de voz, los predictores de texto, los correctores gramaticales, los analizadores de texto (p. ej., los filtros de correo no deseado) y los traductores de idiomas.; Fuente: Hands-On AI Projects for the Classroom (Blair Black & Brooks-Young, 2021a-c)
Programa informático: Una secuencia o un conjunto de instrucciones en un lenguaje de programación que puede ejecutar un ordenador.; Fuente: Adapted from Cambridge English Dictionary (Cambridge University Press, n.d.)
Programación: La habilidad de analizar problemas y de diseñar, escribir, probar y mantener programas para resolverlos.; Fuente: K-12 Standards (Computer Science Teachers Association, 2017)
Propiedad intelectual (PI): Una idea, invención, creación, etc., de alguien que puede protegerse por ley para que no la copie otra persona.; Fuente: Cambridge Dictionary (Cambridge University Press, n.d.)
Red neuronal: En la actualidad, las redes neuronales artificiales se basan en el modelo del cerebro humano. Mientras que el cerebro utiliza neuronas y sinapsis para procesar los datos, las redes neuronales utilizan capas de nodos con conexiones dirigidas. Algunas de estas conexiones son más importantes que otras, por lo que tienen más peso a la hora de determinar el resultado. Al igual que las personas, las máquinas con redes neuronales aprenden a través de la experiencia. Cuando una máquina procesa un conjunto de datos, reconoce patrones, asigna más peso a la información más importante, aprende a procesar las entradas para generar los resultados más precisos y crea un modelo a partir del cual realizar predicciones o tomar decisiones en el futuro. Existen numerosos tipos de redes neuronales, cada una con diseños, puntos fuertes y finalidades diferentes.; Fuente: Hands-On AI Projects for the Classroom (Blair Black & Brooks-Young, 2021a-c)
Sesgo: Una desviación sistemática con respecto a un estado real. Existen distintas formas de sesgo, como el sesgo subjetivo de las personas, el sesgo de los datos y los algoritmos, el sesgo de los desarrolladores y los sesgos institucionalizados, que están arraigados en el contexto social subyacente.; Fuente: DigComp 3.0 (Cosgrove & Cachia, 2025). Adapted from Generative AI Outlook Report (Abendroth-Dias et al., 2025)