Ficha del alumnado — ¿Cómo se siente Pip?

Trabajad por parejas durante 45–55 minutos. Usad frases inventadas, sin nombres ni datos personales. Necesitáis la plantilla «¿Cómo se siente Pip?» o su equivalente en Archivo → Plantillas…, y la extensión Aprendizaje automático: texto.

1. Preparad los datos

1. Descargad los datos de entrenamiento desde la tarjeta de la plantilla.
2. Abrid Aprende con datos… en la categoría de la extensión y cargad el JSON una sola vez. La importación añade ejemplos; no sustituye los existentes. Si ya hay datos, revisadlos antes.
3. Identificad las clases (alegría, tristeza, enfado y miedo) y contad cuántos ejemplos hay en cada una. Revisad etiquetas y frases repetidas.
4. Escribe cuatro frases inventadas que no estén en el dataset, una por emoción. Incluye una negación, como «No estoy contento». Decide las etiquetas antes de probar.

2. Entrenad y evaluad

1. Pulsad Entrenar el modelo y Evaluar los ejemplos.
2. Leed la tabla: las filas indican la clase esperada y las columnas la predicha. La diagonal son los aciertos.
3. Elegid dos errores y explicad qué palabra o qué falta de ejemplos podría causarlos. Si no hay errores, probad frases nuevas.
4. Probad las frases reservadas en Frase nueva para probar. Anotad también las que fallan con confianza alta.

3. Mejorad y comparad

Añadid ejemplos variados que corrijan una carencia, sin copiar las frases reservadas. Volved a entrenar y evaluar. Usad las mismas frases de prueba antes y después. No es seguro que el resultado mejore: explicad también si empeora.

4. Programad y compartid

Usad clase del texto para decidir una acción y confianza para mostrar una respuesta de duda. Guardad el proyecto .sb3, abridlo otra vez y comprobad una frase.

Las plantillas vuelven a cargar sus listas al pulsar la bandera. Para conservar mejoras al ejecutar la plantilla, añadidlas también a sus listas de entrenamiento. El panel modifica los datos del modelo, no las listas de Scratch. Detened el programa antes de trabajar en el panel.

¿Qué emociones confunde? ¿Clasifica bien las negaciones? Las emociones pueden ser ambiguas: debatid la etiqueta sin usar experiencias personales.

Entregad el proyecto, la tabla y una explicación breve de una mejora y una limitación. Estos bloques de IA requieren Blocs; no funcionan en Scratch oficial. Los datos quedan dentro del .sb3.

Créditos

Actividad de EduTicTac Blocs, inspirada en el recorrido didáctico de LearningML. Datos sintéticos propios: Samuel Soriano, 2026, CC BY-SA 4.0; procedencia en templates/data/README.md. Esta ficha: CC BY-SA 4.0.

Ampliación: dos modelos con los mismos datos

1. Activad Modo avanzado: compara modelos y pulsad Comparar los dos modelos.
2. Anotad el acierto y los errores del Modelo lineal y de Naive Bayes. Ambos usan las mismas particiones de entrenamiento y prueba. Comparar no cambia el modelo que utilizan los bloques.
3. Cambiad Modelo que usan los bloques para ver la tabla de confusiones y los errores del otro modelo. Entrenad de nuevo antes de probar frases o ejecutar el programa.
4. Probad las mismas frases reservadas con cada modelo. ¿El que tiene más acierto estimado también funciona mejor con esas frases? ¿Qué clase y qué tipo de error os importan más?
5. Guardad el .sb3, abridlo de nuevo y comprobad que conserva el modelo seleccionado.

Naive Bayes utiliza la presencia y la ausencia de palabras; el modelo lineal ajusta pesos para distinguir clases. Ninguno comprende las frases. Sus porcentajes de confianza no son una garantía ni sirven, por sí solos, para decidir cuál es mejor. Elegid un modelo y justificad la decisión con errores concretos; también es válido que la prueba no permita elegir.