Módulo 4 · ECEP · Ciencias para la Ciudadanía

Tecnología y Sociedad

Este módulo evalúa lo más ciudadano de la asignatura: entender cómo se construye el conocimiento científico (y cómo distinguirlo de la pseudociencia), analizar controversias sociocientíficas como los transgénicos, la inteligencia artificial o el uso de datos personales con una estructura clara de beneficios, riesgos, incertidumbres y valores, defenderse de la desinformación (verificación de fuentes, lectura lateral, trampas estadísticas y gráficos engañosos) y conocer el ecosistema de ciencia e innovación en Chile. Cierra con la didáctica del módulo: juicios simulados, análisis de noticias reales, proyectos de innovación escolar y evaluación de la argumentación con evidencia.

Módulo 4 del temario oficial Controversias sociocientíficas y desinformación Casos tipo ECEP resueltos
Naturaleza de la ciencia y la tecnología

Cómo se construye (y se corrige) el conocimiento científico

Antes de debatir sobre transgénicos o inteligencia artificial hay que entender qué hace confiable a la ciencia: no la autoridad de quien habla, sino un proceso público de evidencia, revisión por pares y consenso que se corrige a sí mismo. Y hay que distinguir ciencia de tecnología: la primera busca explicar el mundo; la segunda, resolver problemas transformándolo, cada una alimentando a la otra.

4

Evidencia, revisión por pares y consenso: por qué la ciencia es confiable

Desde cero

El conocimiento científico no nace de una ocurrencia genial que se acepta de inmediato. Sigue un ciclo con etapas reconocibles:

  • Preguntas e hipótesis: frente a un fenómeno, se proponen explicaciones tentativas que deben poder ponerse a prueba con observaciones o experimentos.
  • Evidencia: los datos se obtienen con procedimientos controlados y reproducibles: otro equipo, con el mismo método, debería llegar a resultados compatibles.
  • Revisión por pares: antes de publicarse en una revista científica, el trabajo es examinado por otros especialistas independientes que buscan errores de método, de análisis o de interpretación. No garantiza verdad, pero filtra trabajos mal hechos.
  • Consenso científico: cuando muchos estudios independientes, con métodos distintos, apuntan en la misma dirección, la comunidad converge en una conclusión compartida. El consenso no es una votación de opiniones: es la convergencia de la evidencia.

La consecuencia clave: el conocimiento científico es provisorio pero confiable. Puede corregirse cuando aparece evidencia mejor, y justamente esa capacidad de corregirse es su fortaleza, no su debilidad.

Ciencia y tecnología se distinguen por su propósito: la ciencia busca explicar (por qué llueve, cómo muta un virus); la tecnología busca resolver problemas diseñando artefactos, procesos o sistemas (un panel solar, una vacuna, una app). Se retroalimentan: la ciencia habilita nuevas tecnologías y la tecnología (telescopios, secuenciadores) habilita nueva ciencia. Y ninguna es neutra: ambas se desarrollan en una sociedad que decide qué se investiga, qué se financia y qué se regula.

El error típico

Concluir que "como la ciencia cambia, no se puede confiar en ella". Es al revés: cambia con reglas (nueva evidencia, revisada por pares), no por moda ni por opinión. Otro error frecuente es tratar "el método científico" como una receta única de cinco pasos: en la práctica hay muchas maneras válidas de investigar (experimentos, observación de campo, modelos, comparaciones), unidas por el mismo estándar: someter las ideas a la evidencia y al escrutinio público.

En la ECEP

Los ítems presentan una situación (un estudio nuevo que contradice a otro, un científico famoso que opina fuera de su área, un hallazgo sin publicar) y piden evaluarla con criterios de naturaleza de la ciencia. Estrategia: pregúntate qué respalda la afirmación (evidencia revisada y reproducida, o solo prestigio, antigüedad o difusión) y recuerda que un estudio aislado no derriba un consenso construido por muchos estudios independientes.

Pregunta tipo ECEP
Un canal de televisión anuncia: "Un estudio demuestra que el café cura la hipertensión, contradiciendo todo lo que se sabía". Se trata de un único estudio, con pocos participantes y aún sin revisión por pares. Un docente quiere usar la noticia para enseñar naturaleza de la ciencia. ¿Cuál es la lectura más adecuada del caso?
  1. A) El estudio nuevo reemplaza de inmediato al consenso anterior, porque en ciencia siempre vale el resultado más reciente.
  2. B) Es un aporte por evaluar: un estudio único, pequeño y sin revisión por pares no basta para modificar un consenso construido con muchas investigaciones independientes.
  3. C) La noticia prueba que la ciencia no es confiable, ya que los científicos se contradicen entre sí todo el tiempo.
  4. D) Si el investigador es de una universidad prestigiosa, el resultado debe aceptarse sin esperar la revisión por pares.
Correcta: B. Un resultado aislado, con muestra pequeña y sin pasar por revisión por pares, es una hipótesis en evaluación, no un nuevo consenso: recién cuando otros equipos lo repliquen y la evidencia converja podría cambiar la conclusión aceptada. A confunde novedad con validez: lo último publicado no "gana" automáticamente. C malinterpreta la autocorrección: que existan estudios discrepantes es parte normal del proceso, no una falla. D apela a la autoridad: el prestigio institucional no sustituye la evidencia ni el escrutinio de pares.
4

Ciencia vs. pseudociencia: criterios de demarcación prácticos

Desde cero

La pseudociencia imita el lenguaje y la apariencia de la ciencia ("cuántico", "energía", "clínicamente probado") pero no su método. Para distinguirlas en la práctica, conviene revisar una lista de criterios:

  • ¿Es falsable? Una afirmación científica dice qué evidencia podría demostrar que es falsa. La pseudociencia se formula de modo que nada pueda refutarla: si funciona, lo confirma; si no funciona, "es que no creíste lo suficiente".
  • ¿Qué evidencia ofrece? La ciencia presenta estudios controlados y reproducibles; la pseudociencia ofrece testimonios y anécdotas ("a mi vecina le funcionó") que no separan el efecto real del azar o del efecto placebo.
  • ¿Se somete a revisión? La ciencia publica en revistas con revisión por pares y acepta la crítica; la pseudociencia se difunde directo al público y responde a la crítica con teorías conspirativas ("la industria oculta la verdad").
  • ¿Se corrige? Las disciplinas científicas cambian sus conclusiones con evidencia nueva; las pseudociencias permanecen idénticas por décadas, inmunes a cualquier resultado en contra.
  • ¿Promete demasiado? Curas para todo, resultados garantizados y cero efectos adversos son señales de alerta: las intervenciones reales tienen alcances y limitaciones medibles.

Ningún criterio aislado basta; la demarcación se hace sumando señales. Y ojo: que algo sea pseudociencia no significa que quien lo cree sea tonto; significa que la afirmación no ha pasado los filtros que hacen confiable al conocimiento.

El error típico

El falso equilibrio: presentar "las dos posturas" como si pesaran lo mismo cuando una tiene el respaldo de la evidencia acumulada y la otra no. Dar el mismo espacio a un consenso científico y a una creencia refutada no es neutralidad: es distorsionar el estado real del conocimiento. En el aula esto importa: un debate sobre vacunas no se organiza como "a favor vs. en contra de que funcionen", sino sobre dimensiones genuinamente abiertas (políticas de acceso, obligatoriedad, prioridades).

Pregunta tipo ECEP
Una publicidad ofrece una pulsera que "equilibra la energía cuántica del cuerpo" y muestra testimonios de deportistas satisfechos. Ante los cuestionamientos, el fabricante responde que "la ciencia oficial no puede medir esta energía porque opera en otro plano". ¿Qué característica del caso lo identifica mejor como pseudociencia?
  1. A) Usa la palabra "cuántica", y todo uso de vocabulario físico fuera de un laboratorio es automáticamente pseudocientífico.
  2. B) Recurre a deportistas en vez de médicos; con testimonios de profesionales de la salud la afirmación sería científica.
  3. C) Formula su afirmación de modo infalsable (una energía que por definición no se puede medir) y la respalda solo con testimonios, blindándose de toda refutación.
  4. D) Vende un producto: cualquier afirmación asociada a un interés comercial queda fuera de la ciencia.
Correcta: C. El corazón del problema es la infalsabilidad: si la "energía" no puede medirse por definición, ningún resultado podría refutar la afirmación, y el respaldo se reduce a anécdotas que no descartan placebo ni azar. A exagera: usar vocabulario físico no es el problema; usarlo sin contenido comprobable, sí. B confunde el criterio: cambiar el tipo de testimonio no lo convierte en evidencia controlada. D es insostenible: los laboratorios farmacéuticos y las empresas tecnológicas también venden, y eso no invalida por sí solo sus estudios; lo decisivo es el método, no la existencia de un interés comercial.
Controversias sociocientíficas

Analizar una controversia: beneficios, riesgos, incertidumbres y valores

Una controversia sociocientífica es un problema abierto donde la ciencia es necesaria pero no suficiente para decidir: transgénicos, edición genética, inteligencia artificial, datos personales, automatización. La evidencia acota el debate (qué efectos están demostrados, cuáles no), pero la decisión final involucra valores: qué riesgos estamos dispuestos a correr, quién gana y quién pierde, qué mundo queremos. Este es el corazón del Módulo 4 y de su didáctica.

4

La estructura de análisis: el mapa de una controversia

Desde cero

Para no reducir el debate a "estoy a favor / en contra", toda controversia se analiza con cuatro dimensiones:

  • Beneficios: qué problemas resuelve la tecnología y para quién. Se enuncian con la evidencia que los respalda.
  • Riesgos: qué daños puede causar, con qué probabilidad y a quiénes afectaría. También exigen evidencia, no solo temor.
  • Incertidumbres: qué todavía no se sabe: efectos de largo plazo, comportamientos en contextos nuevos, preguntas abiertas. Reconocerlas honestamente distingue un análisis serio de la propaganda (que las oculta) y del alarmismo (que las infla).
  • Valores en juego: qué principios entran en tensión: salud, autonomía, equidad, privacidad, empleo, medioambiente, identidad cultural. Aquí la evidencia no decide sola: personas con los mismos datos pueden ponderar los valores distinto y llegar a posturas diferentes, ambas legítimas.

A esas cuatro dimensiones se agrega identificar a los actores (empresas, Estado, comunidades, científicos, consumidores) y sus intereses: no para descalificar sus argumentos, sino para leerlos en contexto.

El mapa de una controversia sociocientífica Pregunta central ¿Debe permitirse / regularse? Beneficios qué resuelve y para quién (con evidencia) Riesgos qué daño, con qué probabilidad, a quién Incertidumbres qué no se sabe todavía (largo plazo) Valores en juego salud, equidad, privacidad, empleo... Y siempre: ¿qué actores participan (empresas, Estado, comunidades) y qué intereses tiene cada uno?
Figura 1. Toda controversia se mapea en cuatro dimensiones alrededor de la pregunta central. La evidencia alimenta beneficios, riesgos e incertidumbres; los valores explican por qué personas informadas pueden discrepar.
En la ECEP

Los ítems entregan un caso (una comunidad dividida por una tecnología) y piden identificar qué dimensión está en juego en cada argumento, o por qué la evidencia sola no cierra el debate. Estrategia: clasifica cada argumento del enunciado como beneficio, riesgo, incertidumbre o valor. Si dos actores aceptan los mismos datos pero concluyen distinto, el desacuerdo está en los valores, y eso no se resuelve con más datos.

Pregunta tipo ECEP
En un debate sobre instalar reconocimiento facial en el transporte público, dos estudiantes aceptan la misma evidencia: el sistema reduce ciertos delitos y a la vez registra los desplazamientos de todas las personas. Uno concluye que debe instalarse ("la seguridad es lo primero") y la otra que no ("la privacidad no se negocia"). ¿Cómo se interpreta este desacuerdo según la estructura de análisis de controversias?
  1. A) Uno de los dos maneja datos falsos: si ambos tuvieran la misma evidencia, llegarían por obligación a la misma conclusión.
  2. B) El desacuerdo está en la ponderación de valores (seguridad vs. privacidad): con la misma evidencia, ambas posturas son racionalmente defendibles.
  3. C) Es un empate técnico que solo puede resolverse encargando más estudios sobre la eficacia del sistema.
  4. D) El debate carece de sentido, porque las controversias tecnológicas las deben decidir únicamente los expertos.
Correcta: B. Ambos parten de la misma evidencia y discrepan en cómo ponderar dos valores en tensión: es exactamente la dimensión valórica de una controversia, donde puede haber desacuerdo legítimo entre personas informadas. A es falsa: la evidencia acota el debate pero no dicta una única conclusión cuando hay valores en conflicto. C confunde la naturaleza del desacuerdo: más estudios afinarían los datos, pero la tensión seguridad-privacidad seguiría abierta. D contradice el propósito ciudadano de la asignatura: los expertos aportan la evidencia, pero la decisión sobre qué valores priorizar es de la sociedad completa.
4

Controversia 1: transgénicos y edición genética

Desde cero

Un organismo transgénico es aquel al que se le incorporó material genético de otra especie mediante ingeniería genética (por ejemplo, un maíz con un gen bacteriano que lo hace resistente a insectos). La edición genética (con herramientas como CRISPR) va más lejos: permite modificar con precisión genes del propio organismo, incluso sin insertar ADN externo. Aplicado el mapa de la controversia:

  • Beneficios: cultivos más resistentes a plagas y sequía, alimentos con mejor valor nutricional, menos uso de algunos plaguicidas, y en salud, terapias para enfermedades de origen genético.
  • Riesgos: flujo de genes hacia especies silvestres o cultivos vecinos, aparición de resistencia en las plagas, dependencia de los agricultores respecto de semillas patentadas por pocas empresas, y en edición de seres humanos, efectos no deseados en otras partes del genoma.
  • Incertidumbres: efectos ecológicos y sanitarios de muy largo plazo, comportamiento de genes editados a través de generaciones.
  • Valores: soberanía alimentaria y equidad (quién controla las semillas y quién accede a las terapias), relación con lo "natural", y el límite ético central en salud humana: la diferencia entre editar células somáticas (afecta solo al paciente tratado) y editar la línea germinal (los cambios se heredan a la descendencia, que no pudo consentir), frontera que la comunidad internacional trata con máxima cautela.
Pregunta tipo ECEP
En un juicio simulado sobre un maíz transgénico, un grupo argumenta: "el problema es que los agricultores quedan obligados a comprar cada temporada la semilla a una sola empresa que la patentó". ¿Qué tipo de argumento están usando los estudiantes?
  1. A) Un riesgo sanitario: comer ese maíz dañaría la salud de los consumidores.
  2. B) Un riesgo socioeconómico: la dependencia comercial y la concentración del control de las semillas, que no se refiere a la seguridad del alimento.
  3. C) Una incertidumbre científica: aún no se sabe si el maíz transgénico es genéticamente estable.
  4. D) Un beneficio encubierto: comprar semilla certificada cada temporada mejora la calidad del cultivo.
Correcta: B. El argumento apunta a la dependencia comercial y a la concentración del mercado de semillas: es un riesgo socioeconómico, perfectamente discutible, pero distinto de afirmar que el alimento daña la salud. A confunde la dimensión: el enunciado no menciona efectos sanitarios. C tampoco corresponde: no se alega falta de conocimiento, sino una relación de poder ya conocida. D invierte el argumento: los estudiantes lo presentan como problema, y reinterpretarlo como beneficio no responde a lo planteado. Saber clasificar el tipo de argumento es justo lo que el módulo pide enseñar.
4

Controversia 2: inteligencia artificial, datos personales y automatización

Desde cero: la IA y sus sesgos

Los sistemas de inteligencia artificial actuales aprenden patrones a partir de datos de entrenamiento. De ahí viene su punto débil más citado: si los datos reflejan desigualdades o prejuicios del pasado, el sistema los aprende y los repite a escala. Es el sesgo algorítmico: un sistema entrenado con decisiones históricamente discriminatorias reproducirá esa discriminación, ahora con apariencia de objetividad matemática. Se suma la opacidad: muchos modelos no pueden explicar por qué decidieron lo que decidieron, lo que complica reclamar ante una decisión injusta.

Datos personales y privacidad

Cada búsqueda, compra, "me gusta" y trayecto deja una huella digital. Con suficientes datos se puede inferir de una persona mucho más de lo que ella entregó conscientemente: hábitos, salud, ideas políticas. Las preguntas ciudadanas clave: ¿hubo consentimiento informado real (o un "acepto" sin leer)?, ¿para qué fin se recolectaron los datos y para cuál se están usando?, ¿quién responde si se filtran? En Chile existe legislación de protección de datos personales y una discusión permanente por fortalecerla; el punto evaluable no es el detalle legal, sino saber qué principios están en juego: finalidad, consentimiento, seguridad y derecho a saber qué se hace con la información propia.

Automatización y trabajo

La automatización tiende a reemplazar tareas rutinarias y predecibles (físicas o cognitivas), transforma otras y crea ocupaciones nuevas. El efecto neto sobre el empleo es una incertidumbre genuina: depende de decisiones de política pública, educación y reconversión laboral. Los valores en juego: eficiencia y productividad frente a estabilidad laboral, distribución de las ganancias de la tecnología y quién asume el costo de la transición. De nuevo: la evidencia informa, pero la decisión sobre cómo repartir costos y beneficios es social.

El error típico

Creer que un algoritmo es neutral por ser matemático. El sesgo no está en la aritmética: entra por los datos con que se entrena, por las variables que se eligen y por el objetivo que se le fija al sistema. La conclusión didáctica no es "la IA es mala", sino que toda tecnología incorpora decisiones humanas que pueden auditarse, corregirse y regularse.

Pregunta tipo ECEP
Una empresa entrena un sistema de IA para preseleccionar currículums usando como datos las contrataciones de sus últimos veinte años, período en que contrató casi exclusivamente hombres para cargos técnicos. Al usarlo, el sistema descarta sistemáticamente currículums de mujeres calificadas. ¿Cuál es la mejor explicación del resultado?
  1. A) El computador desarrolló por sí mismo una opinión negativa sobre las mujeres, algo inevitable en las máquinas inteligentes.
  2. B) Es una falla aleatoria del software que se corrige reinstalando el sistema con más capacidad de cómputo.
  3. C) El sistema aprendió el patrón discriminatorio presente en los datos históricos de entrenamiento y lo reproduce como si fuera un criterio de mérito.
  4. D) El resultado demuestra objetivamente que esos currículums eran peores, porque los algoritmos no pueden tener sesgos.
Correcta: C. El sistema no "opina": generaliza los patrones de sus datos. Como los datos históricos registraban una práctica discriminatoria, el modelo la aprendió y la aplica a escala, con apariencia de objetividad: es el caso clásico de sesgo algorítmico. A antropomorfiza: no hay opinión ni intención, hay estadística sobre datos viciados. B yerra el diagnóstico: no es un bug aleatorio ni se arregla con más cómputo, sino con mejores datos, auditoría y criterios corregidos. D invierte la lógica: precisamente porque los algoritmos heredan los sesgos de sus datos, su resultado no puede tomarse como prueba neutral de mérito.
Desinformación

Fake news científicas: cómo se detectan y cómo se enseña a detectarlas

La desinformación científica circula más rápido que su corrección, apela a la emoción (miedo, indignación, esperanza) y suele disfrazarse de ciencia. El módulo pide dos herramientas: verificar fuentes con lectura lateral y leer críticamente números y gráficos, donde viven las trampas más comunes.

4

Verificación de fuentes y lectura lateral

Desde cero

Señales de alerta de una noticia científica falsa o exagerada:

  • Titular milagro o catástrofe: "cura definitiva", "los médicos lo ocultan", "esto lo cambia todo". La ciencia real avanza con matices.
  • Sin fuente primaria: no enlaza el estudio original, no dice quién lo hizo ni dónde se publicó; cita a "científicos" o "expertos" sin nombre.
  • Emoción antes que datos: el texto busca indignar o asustar y pide compartir de inmediato.
  • Salto de evidencia: convierte un estudio en ratones, o una correlación, en una recomendación tajante para humanos.
  • Fecha y contexto perdidos: noticias viejas recirculadas como nuevas, imágenes reales pero de otro suceso.

La herramienta central es la lectura lateral, tomada de cómo verifican los verificadores profesionales: en lugar de quedarse dentro del sitio evaluando su diseño ("se ve serio, tiene logo"), se abren otras pestañas y se busca qué dicen otras fuentes independientes sobre ese sitio, ese autor y esa afirmación. Preguntas guía: ¿quién está detrás de esta página?, ¿qué dice de ella el resto de la web?, ¿alguna agencia de verificación o medio confiable cubrió esta afirmación?, ¿cuál es la fuente original del dato? La evaluación "vertical" (mirar el diseño del sitio) engaña fácil; la lateral, no.

En la ECEP

Los ítems muestran una cadena de WhatsApp, un titular o un sitio dudoso y preguntan por el primer paso de verificación más adecuado o por la señal de alerta presente. Estrategia: la respuesta correcta casi siempre implica buscar la fuente primaria o contrastar en fuentes independientes (lateral); los distractores proponen quedarse en rasgos superficiales del mensaje (diseño, cantidad de compartidos, tono seguro).

4

Trampas estadísticas: correlación, causalidad y gráficos engañosos

Desde cero: correlación no es causalidad

Que dos variables se muevan juntas (correlación) no prueba que una cause a la otra. Frente a toda correlación hay que considerar tres explicaciones posibles:

  • A causa B (la relación causal directa que el titular sugiere).
  • B causa A (causalidad inversa: quizás dormir mal causa el estrés, y no al revés).
  • Una tercera variable causa ambas: el ejemplo clásico: el consumo de helados y los accidentes en piscinas suben juntos, pero no porque el helado cause accidentes: el calor del verano aumenta los dos.

Para acercarse a la causalidad se necesitan estudios controlados (comparar grupos que solo difieren en la variable de interés) o evidencia convergente de muchos diseños distintos. Otras trampas numéricas frecuentes: muestras pequeñas o autoseleccionadas (una encuesta que contestan solo los enojados), porcentajes sin base ("el riesgo sube 100%": ¿de cuánto a cuánto?, ¿de 1 en un millón a 2 en un millón?) y promedios que esconden extremos.

Gráficos engañosos

Un gráfico puede decir la verdad con los números y mentir con la forma. Las maniobras más comunes:

  • Eje Y truncado: partir el eje en un valor alto hace que una diferencia pequeña se vea gigante. Es la trampa más frecuente en publicidad y propaganda.
  • Escalas y proporciones alteradas: usar áreas o dibujos 3D que crecen en dos dimensiones para representar un dato que creció en una.
  • Selección del período: mostrar solo el tramo de la serie que favorece la conclusión ("desde 2019" en vez de la serie completa).
  • Doble eje sin aviso: superponer dos escalas distintas para insinuar que dos curvas se mueven igual.
Mismos datos, dos historias: el eje Y truncado Engañoso: eje parte en 90 90 95 100 94 96 Marca A Marca B "¡B duplica a A!" (falsa impresión) Honesto: eje parte en 0 0 50 100 94 96 Marca A Marca B La diferencia real: 2 puntos en 100
Figura 2. Los dos paneles grafican exactamente los mismos valores (94 y 96). Con el eje Y truncado (izquierda), la barra de B parece superar por lejos a la de A; con el eje desde cero (derecha), se ve la diferencia real: mínima. Primer reflejo ante cualquier gráfico: mirar dónde parte el eje.
En la ECEP

Los ítems presentan un titular ("estudio vincula X con Y") o un gráfico de campaña y piden la lectura crítica correcta. Estrategia: ante una correlación, busca de inmediato la tercera variable plausible y recuerda que solo un diseño controlado acerca a la causalidad; ante un gráfico, revisa en orden: origen del eje, escala, período mostrado. El distractor típico acepta el titular tal cual o lo rechaza todo sin criterio; la respuesta correcta siempre pasa por el método.

Pregunta tipo ECEP
Un portal titula: "Estudio revela que los estudiantes que desayunan obtienen mejores notas: el desayuno mejora el rendimiento escolar". El estudio citado solo midió que ambas variables aparecen asociadas. Un docente quiere trabajar la noticia en clases. ¿Cuál es la observación crítica más pertinente?
  1. A) El titular es válido: si dos variables están asociadas en un estudio, queda demostrada la relación de causa y efecto.
  2. B) La asociación podría explicarse por terceras variables (por ejemplo, condiciones socioeconómicas del hogar que influyen en ambas), así que el salto de correlación a causa no está justificado.
  3. C) La noticia es falsa con seguridad, porque las correlaciones nunca reflejan relaciones causales reales.
  4. D) Basta con que el estudio tenga muchos participantes para que la correlación se transforme en causalidad.
Correcta: B. El estudio encontró una correlación, y el titular la vende como causa. Una tercera variable (condiciones del hogar, rutinas familiares) podría producir a la vez mejores desayunos y mejores notas; para hablar de causa se requieren diseños controlados o evidencia convergente. A comete exactamente el salto que se critica. C se pasa al otro extremo: algunas correlaciones sí reflejan causas; lo incorrecto es afirmarlo sin el diseño adecuado. D confunde tamaño con diseño: una muestra enorme afina la correlación, pero no descarta a las terceras variables.
Ciencia, tecnología e innovación en Chile

Astronomía, litio y agtech: el mapa local

El módulo pide conectar la reflexión sobre tecnología con el territorio: qué ciencia y qué innovación se hacen en Chile, qué oportunidades abren y qué controversias traen consigo. Tres ejemplos rendidores para el aula y para la prueba.

4

Tres casos chilenos para llevar al aula

Astronomía: los cielos del norte

La combinación de altura, sequedad y noches despejadas hace del norte de Chile uno de los mejores lugares del planeta para observar el universo. Por eso consorcios internacionales han instalado allí observatorios de primera línea (en cerros del desierto de Atacama y sus alrededores), y una parte muy importante de la capacidad astronómica mundial opera desde territorio chileno. Para el aula rinde doble: como ejemplo de ciencia básica hecha en Chile (con acuerdos que reservan tiempo de observación para investigadores locales) y como controversia emergente: la contaminación lumínica de ciudades y proyectos industriales amenaza la calidad de esos cielos, lo que ha motivado normas para protegerlos.

Litio: recurso estratégico y controversia real

Los salares del norte chileno concentran una de las mayores reservas de litio del mundo, mineral clave para las baterías de autos eléctricos y el almacenamiento de energías renovables. Es una controversia sociocientífica completa y cercana: beneficios (ingresos para el país, rol en la transición energética global), riesgos (impacto de la extracción sobre el equilibrio hídrico de los salares y sus ecosistemas), incertidumbres (efectos de largo plazo en sistemas frágiles y poco estudiados) y valores (derechos de las comunidades del entorno de los salares, discusión sobre si exportar materia prima o desarrollar industria con valor agregado). Ideal para el mapa de la Figura 1 con actores reales.

Agtech: tecnología en el agro

Chile exporta fruta a todo el mundo y enfrenta una sequía prolongada: el escenario perfecto para la tecnología agrícola. Ejemplos concretos y verificables en el aula: riego tecnificado guiado por sensores de humedad del suelo, monitoreo de cultivos con drones e imágenes satelitales, estaciones meteorológicas que anticipan heladas, y mejoramiento de variedades para resistir sequía. Conecta ciencia (fisiología vegetal, datos), tecnología (sensores, software) y sociedad (uso eficiente del agua, empleo rural, adaptación al cambio climático), y es fuente natural de proyectos escolares de innovación: un huerto con riego automatizado es agtech a escala de colegio.

Didáctica del módulo

Cómo se enseña Tecnología y Sociedad

Este módulo no se enseña dictando contenidos: se enseña haciendo deliberar. Las cuatro estrategias que la ECEP espera ver en las decisiones didácticas: juicios simulados de controversias, análisis de noticias reales, proyectos de innovación escolar y evaluación centrada en la calidad de la argumentación con evidencia.

4

Juicios simulados, noticias reales, proyectos y evaluación de la argumentación

Juicios simulados y debates con roles

En un juicio simulado el curso analiza una controversia asumiendo roles con intereses distintos (empresa, comunidad afectada, científicos, Estado, consumidores) frente a un "tribunal" que delibera. Las claves de diseño que la prueba evalúa: los roles se asignan (idealmente contrarios a la opinión inicial del estudiante, para forzar el cambio de perspectiva), cada rol debe fundar su postura en evidencia preparada previamente (no en pura retórica), y el cierre incluye una salida de rol con metacognición: qué argumentos pesaron, qué dimensión (beneficio, riesgo, incertidumbre, valor) resultó decisiva. El docente modera sin imponer su postura: su rol es exigir evidencia y hacer visible la estructura del desacuerdo, no dictar la conclusión.

Análisis de noticias reales

Trabajar con noticias científicas reales y recientes (elegidas por el docente o traídas por los estudiantes) aplicando una pauta estable: ¿quién publica?, ¿cuál es la fuente primaria?, ¿qué evidencia presenta y de qué tipo?, ¿qué dice la lectura lateral?, ¿hay saltos de correlación a causa o gráficos tramposos? La progresión bien diseñada va de casos resueltos en conjunto hacia la verificación autónoma, y termina con producción: los estudiantes escriben la corrección de una noticia falsa o el análisis crítico de un titular exagerado.

Proyectos de innovación escolar

El ciclo completo que se espera: detectar un problema real del entorno (agua, energía, residuos, accesibilidad en el colegio), idear y prototipar una solución tecnológica simple, probarla y medirla, iterar y comunicar resultados a una audiencia auténtica. Lo evaluable no es que el artefacto "funcione bonito", sino el proceso: definición del problema con datos, decisiones justificadas, análisis del propio impacto (¿qué beneficio aporta?, ¿qué riesgos o costos trae?) y la comunicación con evidencia. Un proyecto de innovación es, bien mirado, una controversia sociocientífica en miniatura donde los estudiantes son los actores.

Evaluar la argumentación con evidencia

La herramienta estándar es la estructura afirmación, evidencia y razonamiento: una postura clara, datos pertinentes que la respaldan y el vínculo explícito entre ambos. Una rúbrica coherente con el módulo califica la calidad del argumento y no la postura elegida: dos estudiantes con conclusiones opuestas pueden obtener nota máxima si ambos argumentan con evidencia, consideran el contrapunto y reconocen las incertidumbres. Niveles típicos: opinión sin respaldo; opinión con datos sueltos; argumento completo (afirmación, evidencia, razonamiento); argumento completo que además refuta el contraargumento y explicita los valores en juego.

El error típico

Dos deformaciones simétricas del debate escolar: el "opinatón" (todos opinan, nadie aporta evidencia, gana el más elocuente y se cierra con "todas las opiniones valen") y el adoctrinamiento (el docente revela su postura como la correcta y el debate es una escenografía). Ambas destruyen el objetivo del módulo. La señal de un diseño correcto: exigencia de evidencia en cada intervención y neutralidad del moderador en la conclusión valórica.

Pregunta tipo ECEP
Tras un juicio simulado sobre la extracción de litio, una docente debe calificar los argumentos finales. Un grupo concluyó a favor de la extracción y otro en contra; ambos presentaron datos pertinentes, refutaron al contrario y reconocieron lo que aún se desconoce. Un tercer grupo coincidió con la postura personal de la docente, pero solo dio opiniones sin respaldo. ¿Qué decisión evaluativa es coherente con la didáctica del módulo?
  1. A) Calificar mejor al tercer grupo, porque llegó a la conclusión correcta según el criterio experto de la docente.
  2. B) Calificar igual de bien a los dos primeros grupos y más bajo al tercero: la rúbrica evalúa la calidad de la argumentación con evidencia, no la postura adoptada.
  3. C) Promediar las tres posturas y dar la misma nota a todos, ya que en temas valóricos toda opinión vale lo mismo.
  4. D) Anular la actividad, porque si dos grupos concluyen cosas opuestas con los mismos datos, el debate estuvo mal diseñado.
Correcta: B. En una controversia sociocientífica se evalúa el argumento (afirmación, evidencia, razonamiento, tratamiento del contraargumento y de la incertidumbre), no la conclusión: los dos primeros grupos cumplen el estándar con posturas opuestas, y el tercero no lo cumple aunque "acierte" con la opinión de la docente. A es adoctrinamiento: convierte la postura del docente en clave de corrección de un asunto valórico abierto. C es el "opinatón": igualar todo borra la diferencia entre opinar y argumentar, que es justo lo que el módulo enseña. D malinterpreta el resultado: que haya conclusiones opuestas bien fundadas no es una falla, es la naturaleza esperable de una controversia con valores en tensión.

Autoevaluación del módulo

Comprueba lo aprendido

Responde de memoria y contrasta. Si dudas en alguna, vuelve a la tarjeta correspondiente antes de cerrar el dossier.

Autoevaluación 1 Explica qué es la revisión por pares y qué es el consenso científico, y por qué un estudio aislado no basta para derribar un consenso.
La revisión por pares es el examen del trabajo por especialistas independientes antes de publicarse: filtra errores de método y análisis. El consenso es la convergencia de muchos estudios independientes con métodos distintos hacia una misma conclusión: no es una votación de opiniones, es evidencia acumulada. Por eso un estudio único (menos aún si es pequeño o no revisado) es una hipótesis en evaluación: recién si se replica y la evidencia converge puede mover el consenso.
Autoevaluación 2 Nombra al menos cuatro criterios prácticos para distinguir ciencia de pseudociencia y aplica el más importante a un ejemplo.
Falsabilidad (qué evidencia aceptaría como refutación), tipo de evidencia (estudios controlados vs. testimonios), sometimiento a revisión por pares vs. difusión directa más conspiración ante la crítica, capacidad de corregirse vs. inmutabilidad, y promesas totales sin efectos adversos. El decisivo es la falsabilidad: si ninguna observación posible podría demostrar que la afirmación es falsa (la "energía" que no se puede medir por definición), no es ciencia.
Autoevaluación 3 Dibuja de memoria el mapa de análisis de una controversia sociocientífica y explica en qué dimensión está el desacuerdo cuando dos personas informadas concluyen distinto con los mismos datos.
Pregunta central rodeada de cuatro dimensiones: beneficios (qué resuelve y para quién), riesgos (qué daño, con qué probabilidad, a quién), incertidumbres (qué no se sabe aún) y valores en juego, más los actores y sus intereses. Si dos personas aceptan la misma evidencia y concluyen distinto, el desacuerdo está en la ponderación de valores (por ejemplo, seguridad vs. privacidad), y más datos no lo resuelven: es un desacuerdo legítimo que se delibera, no se calcula.
Autoevaluación 4 Explica qué es el sesgo algorítmico, por dónde entra a un sistema de IA y por qué "es matemático" no implica "es neutral".
El sesgo algorítmico es la reproducción, por un sistema de IA, de los prejuicios o desigualdades presentes en sus datos de entrenamiento, en las variables elegidas o en el objetivo que se le fijó. El sistema generaliza los patrones de sus datos: si estos registran decisiones discriminatorias, las repite a escala y con apariencia de objetividad. La aritmética no tiene opiniones, pero los datos y las decisiones de diseño son humanos: por eso los sistemas se pueden y deben auditar, corregir y regular.
Autoevaluación 5 Define lectura lateral, enuncia las tres explicaciones posibles de toda correlación y nombra las dos trampas de gráficos más comunes.
Lectura lateral: verificar una fuente saliendo de ella: abrir otras pestañas y ver qué dicen fuentes independientes del sitio, del autor y de la afirmación, en vez de evaluar su apariencia. Toda correlación admite tres lecturas: A causa B, B causa A (causalidad inversa) o una tercera variable causa ambas (helados y accidentes en piscinas: el calor). Trampas de gráficos: el eje Y truncado, que agiganta diferencias pequeñas, y las escalas o períodos seleccionados a conveniencia (incluidos los dobles ejes y las áreas desproporcionadas).
Autoevaluación 6 Describe las claves de diseño de un juicio simulado y el criterio central para evaluar la argumentación en una controversia.
Juicio simulado: roles asignados con intereses distintos (idealmente contrarios a la opinión inicial), posturas fundadas en evidencia preparada, docente que modera sin imponer su postura, y cierre con salida de rol y metacognición sobre qué dimensión pesó. Evaluación: se califica la calidad del argumento (afirmación, evidencia, razonamiento, refutación del contraargumento, reconocimiento de incertidumbres) y nunca la postura elegida: conclusiones opuestas bien fundadas merecen la misma nota. Los dos vicios a evitar: el opinatón sin evidencia y el adoctrinamiento del moderador.