Actividad con IA — Unidad 1: "Primero tú, luego la IA"

← Volver al inicio del curso

Nivel de uso de IA: N4 (actividad diseñada para usar IA) · Modalidad: individual · Tiempo estimado: 45 min

Objetivo

Aprender a usar la IA como tutor de errores — no como oráculo — y comprobar de primera mano que puede equivocarse con total seguridad.

Parte A — La escalera de depuración (30 min)

Los cuatro fragmentos de abajo fallan: unos lanzan un error o warning visible; otros corren sin avisar pero devuelven un resultado sospechoso (un NA inesperado, un cálculo que no cuadra). Aprender a notar el segundo caso —el fallo silencioso— es tan importante como leer un error. Para cada uno siga los tres escalones en orden (no salte al 3):

1. Usted solo: ejecute el fragmento. Si hay mensaje (error/warning), léalo completo; si no lo hay, mire el resultado y pregúntese si es el que esperaba. Escriba como comentario su hipótesis de qué pasó.
2. La documentación: consulte la ayuda (?mean, ?data.frame, ...) y ajuste su hipótesis si hace falta.
3. La IA como tutor: pregunte usando la plantilla de la Guía de uso de IA (sección 5), pidiendo explicación, no solución. Compare con su hipótesis.

## fragmento 1
ingresos <- c(1200000, 950000, NA, 800000)
promedio <- mean(ingresos)
promedio * 12

## fragmento 2
mean(ingresos, narm = TRUE)

## fragmento 3
personas <- data.frame(nombre = c("Ana", "Luis", "Sara"),
                       edad = c(28, 45))

## fragmento 4
Ingresos_2024 <- 1500000
ingresos_2024 + 100000

Entregable: un script actividad_ia1_SuCodigo.R con los cuatro fragmentos y, para cada uno, tres comentarios:

## mi hipotesis: ...
## que decia la ayuda/documentacion: ...
## que dijo la IA y en que coincidio (o no) conmigo: ...

Parte B — Caza de alucinaciones (15 min)

1. Pregúntele a su chat de IA: "¿Qué paquete de R me recomiendas para [elija: leer archivos de Stata / hacer mapas de Colombia / limpiar nombres de columnas]? Dame el nombre del paquete y una función concreta con sus argumentos."
2. Verifique cada afirmación: ¿el paquete existe en CRAN? ¿la función existe (?funcion tras instalarlo, o búsquela en la documentación web)? ¿los argumentos que citó son reales?
3. Anote el resultado en su script como comentarios: qué verificó, qué era cierto y qué no.

En estudios recientes, ~20% de los paquetes que los LLMs citan en código generado no existen. Si nunca lo ha visto pasar, hoy es el día.

Qué se evalúa

Regla de oro que deja esta actividad: la IA explica bien la mayoría de los errores de R — y aún así usted debe poder distinguir cuándo no. Eso solo se logra intentando primero.