Guia pràctica per dissenyar projectes d’IA interdisciplinaris

Punt de partida clar i compartit

Competències i criteris d’èxit

Un projecte interdisciplinari amb IA neix d’un objectiu precís i compartit. Abans de pensar en eines, cal definir resultats d’aprenentatge observables i connectar-los amb les competències del currículum. L’IA no és la finalitat, és el pont que uneix coneixements de diferents matèries per resoldre un repte amb sentit.

Plantegeu criteris d’èxit que l’alumnat pugui entendre i autoavaluar. Parlem de qualitat de la dada, claredat en la comunicació, justificació de decisions, creativitat i impacte social. Aquests criteris guiaran el treball i faran que l’equip docent s’alineï des del minut zero. Quan tot el claustre té el mateix mapa, navegar és més fàcil.

Proposeu un escenari proper. Per exemple, mesurar el soroll del pati i dissenyar solucions de benestar, analitzar el consum d’energia del centre i proposar millores o estudiar els hàbits alimentaris per promoure una cantina saludable. El repte ha de ser autèntic i resoluble amb els recursos disponibles.

Preguntes guia i context real

Una bona pregunta guia mou el pensament i estructura el procés. Com podem reduir el soroll sense perdre espais de joc. Quina és la petjada energètica del centre i com la podem fer més baixa. Quins patrons trobem als nostres hàbits alimentaris i com n’afecten la salut. La pregunta marca el camí i ajuda a decidir quines dades recollir, quins models d’IA provar i quin producte final crear.

El context ha d’incloure restriccions i oportunitats reals. Temps limitat, pressupost concret i agents del centre que poden col·laborar. Quan la situació és versemblant, l’alumnat pren decisions més responsables i valora millor l’ús de la tecnologia. Acotar el camp de joc no redueix la creativitat, la fa més enfocada.

Co-disseny i rols interdisciplinaris

Mapa de disciplines i connexions

Comenceu amb un mapa visual de les contribucions de cada matèria. Matemàtiques per al tractament de dades. Ciències per al disseny d’experiments. Tecnologia per a sensors i prototips. Llengua per a la comunicació. Ciències socials per entendre l’impacte al barri. Arts per fer el producte atractiu i persuasiu. El mapa evita solapaments i visibilitza el valor de cada disciplina.

Assigneu moments de lideratge segons la fase del projecte. Recollida i neteja de dades. Anàlisi i visualització. Hipòtesis i contrastos. Disseny de solucions. Presentació i argumentació. Cada fase té una matèria referent però totes hi aporten. L’alumnat veu que el coneixement és un sistema connectat que resol problemes reals.

Equip docent i logística

La coordinació és clau. Reserveu un calendari compartit amb fites clares i punts de control setmanals. Definiu un canal intern per consensuar canvis ràpids i registreu decisions bàsiques en un document viu. Un lideratge clar no impedeix la participació; al contrari, dóna estructura perquè tothom pugui contribuir amb confiança.

Establiu rols a l’aula que ajudin la gestió. Portaveu de l’equip, responsable de dades, verificadora de fonts, dissenyador de prototips, redactora del dossier i supervisora d’ètica. Rotar rols promou equitat i versatilitat. L’IA s’integra millor quan cadascú sap què fa i per què ho fa.

• Rols d’alumnat que funcionen. Coordinació i tasques, Responsable de dades i neteja, Verificació i control de qualitat, Documentació i evidències, Disseny i prototipat, Portaveu i comunicació.
• Fites recomanades. Definició de la pregunta i planificació, Recollida i validació de dades, Anàlisi i ideació de solucions, Prototipat i proves amb usuaris, Presentació pública i reflexió final.
• Reunions breus de seguiment. Estat del treball, bloquejos i ajudes, decisions acordades i pròxims passos amb responsable assignat.

Flux de treball amb IA al servei de l’aprenentatge

Selecció d’eines i usos pedagògics

Penseu en funcionalitats, no en noms d’eines. Generació de text per esbossar documents i guions. Anàlisi de dades per descobrir patrons. Visió artificial per etiquetar imatges recollides a l’entorn. Assistents de codificació per automatitzar càlculs. Síntesi de veu per crear peces audio. El docent decideix quan i com usar-les per ajudar a pensar millor, no per evitar pensar.

Un flux senzill pot tenir tres moments. Explorar. L’alumnat demana pistes, exemples i marcs d’idees. Desenvolupar. L’alumnat construeix, prova, rectifica i documenta. Verificar. L’alumnat contrasta resultats, mesura risc d’error i aplica criteris d’ètica. Aquest cicle iteratiu acosta la manera de treballar a la pràctica professional.

Tasca de descobriment

Feu pluja d’idees assistida. L’alumnat demana variacions de preguntes, llistes d’indicadors i idees de recollida de dades. Tot seguit filtra i prioriza en equip. La màquina obre camins, l’equip decideix el rumb.

Anàlisi i creació

Per a la part analítica, l’IA pot ajudar a netejar datasets, fer resums i suggerir visualitzacions. Per a la part creativa, pot proposar esbossos de textos, storyboards o estructures de presentacions. L’alumnat ha d’editar i justificar cada peça produïda. Les decisions han de ser traçables i argumentades.

Verificació i reflexió

Introduïu una etapa de control de qualitat. Contrast de fonts, proves amb dades de validació, revisió de biaixos i riscos. Documenteu què s’ha acceptat, què s’ha descartat i per quin motiu. L’objectiu és convertir l’error en aprenentatge.

Qualitat del prompting i pensament crític

Un bon enunciat a l’IA és com un bon encàrrec a un equip. Clar, gradual i amb criteris d’avaluació. Practiqueu amb guies que incloguin context, rol, dades d’entrada, format desitjat i limitacions. Feu que l’alumnat compari dues sortides i argumenti quina és millor i per què. Això reforça el judici crític i la capacitat de revisió.

Incorporeu petits reptes. Recuperar una font d’on s’inspira una resposta. Trobar un contraexemple que obligui a reformular. Explicar amb paraules pròpies l’algorisme que s’ha utilitzat. Quan l’IA s’explica i l’alumnat pot traduir-la a llenguatge pla, l’aprenentatge es consolida.

Avaluació eficient i transparent

Rúbriques i evidències

Les rúbriques donen seguretat. Construïu-les a partir dels criteris d’èxit acordats i compartiu-les des del primer dia. Hi ha criteris transversals que funcionen en qualsevol projecte amb IA. Fiabilitat de la dada, justificació de decisions, claredat de comunicació, treball en equip i consideracions ètiques. Valoreu també el procés, no només el producte final.

Recolliu evidències en un portafoli de projecte. Diari de decisions, captures de versions, protocols de recollida de dades, proves de validació i reflexions personals. Un portafoli ordenat facilita l’avaluació i enseña a l’alumnat a documentar com a professionals. El docent pot revisar de manera més àgil i fer un feedback més precís.

Feedback amb IA i metacognició

Combineu retroacció humana i suport automatitzat. L’IA pot generar llistes de verificació, detectar incoherències i suggerir millores de llenguatge. El docent aporta criteri didàctic i coneix el grup. El millor feedback és oportun, específic i accionable. Per això convé establir moments breus de revisió en cada fase.

La metacognició dona profunditat. Demaneu mini informes de dos paràgrafs al final de cada setmana. Què hem après i com ho hem aplicat. Què repetiríem i què canviaríem. Com hem utilitzat l’IA i quins límits hem detectat. Aquesta rutina millora la qualitat del treball i prepara l’alumnat per aprendre a aprendre.

• Criteris útils en la rúbrica. Qualitat i traçabilitat de dades, Justificació d’hipòtesis i proves, Claredat i impacte de la comunicació, Col·laboració i gestió del temps, Ús responsable i consciència de biaixos.
• Evidències clau al portafoli. Protocols i instruments, Dades brutes i netes, Versions de producte i prototips, Validacions i resultats, Reflexions i decisions argumentades.

Inclusió, privacitat i gestió del risc

Adaptacions i accessibilitat

Un projecte és inclusiu quan tothom pot participar i brillar. Prepareu materials en formats diversos i permeteu diferents formes de presentació. Text, infografia, vídeo o àudio. Oferiu suports com resums, esquemes i plantilles de prompts. Distribuïu rols variats perquè les fortaleses de cadascú trobin espai. Si cal, reduïu la complexitat de dades o allargueu terminis de certes tasques.

Integreu l’IA per personalitzar. Resums adaptats, glossaris visuals i feedback oral per qui ho necessiti. Treballar amb parelles cooperatives ajuda a equilibrar ritmes i a crear una cultura d’ajuda mútua. La diversitat és una oportunitat per aprendre a explicar, escoltar i ajustar.

Seguretat i privacitat

Treballar amb dades implica responsabilitat. Eviteu compartir informació sensible i feu servir dades anonimitzades. Expliqueu els riscos de publicar continguts i la importància de citar fonts d’inspiració. Si una eina guarda informació, consensueu criteris d’ús i desinfeu dades personals. La seguretat es planifica i es recorda sovint.

Calendari i pla B

Un projecte viu necessita flexibilitat. Prepareu alternatives si una eina falla. Teniu versions offline de dades i materials. Establiu límits de temps per a la cerca d’informació i moments clars per decidir. Un bon pla B no és pessimisme, és professionalitat. Permet mantenir el ritme i cuidar el clima del grup.

• Checklist ràpid de riscos. Dades personals retirades, Fonts contrastades, Permisos per a imatges i veus, Alternatives si la connexió cau, Temps d’ús de pantalles equilibrat amb activitats analògiques.

Exemples i plantilles per començar demà

Projecte qualitat de l’aire al centre

Pregunta guia. Com podem millorar la qualitat de l’aire a les aules en hores punta. Ciències defineix una hipòtesi i un protocol de mesura. Matemàtiques prepara fulls de càlcul amb fórmules i gràfics. Tecnologia proposa un prototip de ventilació. Llengua elabora un dossier i una presentació per a la direcció. L’IA ajuda a crear esquemes de protocols, netejar dades i generar propostes de disseny que l’alumnat ajusta i justifica.

Producte final. Informe amb dades i recomanacions, infografia per al passadís i un prototip de baixa fidelitat. Avaluació basada en fiabilitat de mesures, coherència de conclusions i claredat de comunicació. Impacte real quan es prova una pauta de ventilació durant una setmana i es comparen resultats.

Projecte alimentació i benestar

Pregunta guia. Com podem fer una cantina més saludable sense pujar costos. Ciències socials analitza hàbits i preferències. Matemàtiques estudia la relació entre costos i combinacions de menús. Llengua i arts treballen campanyes persuasives. L’IA dóna suport a l’anàlisi de respostes, genera esbossos de missatges i simula escenaris que l’alumnat revisa i justifica.

Producte final. Proposta de menú setmanal, cartells informatius i una presentació a l’equip de menjador. La rúbrica valora l’ús responsable de dades, l’argumentació i la creativitat. L’experiment real es fa amb una prova pilot d’un dia i una enquesta de retorn.

Plantilla de planificació ràpida

Useu una plantilla de quatre blocs. Repte i criteris d’èxit, Dades i evidències, Fases i fites, Producte i difusió. Ompliu-la en una reunió de trenta minuts amb l’equip docent. Després compartiu-la amb l’alumnat i convideu-los a afegir preguntes i millores. Quan el projecte és transparent, la implicació puja de manera natural.

Tanqueu cada sessió amb tres minuts d’autoavaluació. Què hem avançat, què ens falta, qui pot ajudar. Petits hàbits sostenen els projectes complexos i reforcen la responsabilitat compartida.

Trieu un repte proper, definiu una pregunta clara i planifiqueu un sprint de dues setmanes. Comenceu petit, mesureu bé i celebreu cada millora. La millor guia és la que es posa en marxa i es perfecciona amb l’experiència.