212
Revista Científica Multidisciplinar
https://revistasaga.org/
e-ISSN
3073-1151
Abril-Junio
, 2026
Vol.
3
, Núm.
2
,
212-217
https://doi.org/10.63415/saga.v3i2.373
Ensayo
.
Semillas de Algoritmos: La Alfabetización en Datos desde la Educación
Primaria
Seeds of Algorithms: Data Literacy from Primary Education
Sementes de Algoritmos: Alfabetização em Dados desde a Educação Primária
Maria Fernanda Bonacia Reyes
1
1
Universidad Politécnica Territorial del Estado Mérida Kléber Ramírez, Venezuela
Recibido
: 2026-02-15 /
Aceptado
: 2026-03-20 /
Publicado
: 2026-04-01
RESUMEN
Este ensayo aborda la necesidad de transitar desde una informática tradicional hacia una alfabetización en datos en la
educación primaria para desmitificar la Inteligencia Artificial (IA), a menudo percibida por los estudiantes como una
entidad infalible o mágica. Su objetivo central consiste en exponer la urgencia de incorporar el aprendizaje sobre el
entrenamiento de algoritmos desde temprana edad para cultivar ciudadanos soberanos y críticos. El enfoque de análisis
se apoya bajo un marco metodológico constructivista y la "pedagogía del error", se propone el uso de herramientas no-
code y tecnologías tangibles como Teachable Machine, Lobe y el robot Photon para que los alumnos experimenten el
ciclo de vida del dato mediante la recolección y clasificación de información. Los argumentos principales destacan que,
al entrenar modelos y observar sus fallos, los estudiantes comprenden la causalidad entre los datos de entrada y las
respuestas de la máquina, lo que permite abordar temas éticos cruciales como el sesgo algorítmico y la privacidad de la
huella digital. Se concluye que la alfabetización en datos es un pilar fundamental e inaplazable que empodera al estudiante,
transformándolo de un usuario pasivo en un sujeto capaz de auditar, humanizar y dominar la tecnología que define su
entorno.
Palabras clave:
inteligencia artificial, alfabetización en datos, educación primaria, constructivismo, pensamiento crítico,
sesgo algorítmico, pedagogía del error
ABSTRACT
This essay addresses the need to move from traditional computer science toward data literacy in primary education in
order to demystify Artificial Intelligence (AI), which is often perceived by students as an infallible or magical entity. Its
central objective is to highlight the urgency of incorporating learning about algorithm training from an early age to
cultivate sovereign and critical citizens. The analytical approach is grounded in a constructivist methodological
framework and the “pedagogy of error.” It proposes the use of no
-code tools and tangible technologies such as Teachable
Machine, Lobe, and the Photon robot so students can experience the data lifecycle through the collection and classification
of information. The main arguments emphasize that, by training models and observing their failures, students understand
the causal relationship between input data and machine responses, which allows them to address crucial ethical issues
such as algorithmic bias and digital footprint privacy. It concludes that data literacy is a fundamental and urgent pillar
that empowers students, transforming them from passive users into individuals capable of auditing, humanizing, and
mastering the technology that defines their environment.
Keywords
: artificial intelligence, data literacy, primary education, constructivism, critical thinking, algorithmic bias,
pedagogy of error
RESUMO
Este ensaio aborda a necessidade de migrar da informática tradicional para a alfabetização em dados na educação primária,
a fim de desmistificar a Inteligência Artificial (IA), frequentemente percebida pelos estudantes como uma entidade
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Abril-Junio, 2026 | vol. 3 | núm. 2 | pág. 212-217
213
infalível ou mágica. Seu objetivo central é expor a urgência de incorporar o aprendizado sobre o treinamento de algoritmos
desde cedo para cultivar cidadãos soberanos e críticos. A abordagem de análise baseia-se em um marco metodológico
construtivista e na
“pedagogia do erro”. Propõe
-se o uso de ferramentas no-code e tecnologias tangíveis como Teachable
Machine, Lobe e o robô Photon para que os alunos experimentem o ciclo de vida dos dados por meio da coleta e
classificação de informações. Os principais argumentos destacam que, ao treinar modelos e observar suas falhas, os
estudantes compreendem a causalidade entre os dados de entrada e as respostas da máquina, o que permite abordar
questões éticas cruciais como o viés algorítmico e a privacidade da pegada digital. Conclui-se que a alfabetização em
dados é um pilar fundamental e inadiável que empodera o estudante, transformando-o de usuário passivo em um sujeito
capaz de auditar, humanizar e dominar a tecnologia que define seu ambiente.
Palavras-chave
: inteligência artificial, alfabetização em dados, educação primária, construtivismo, pensamento crítico,
viés algorítmico, pedagogia do erro
Forma sugerida de citar (APA):
Bonacia Reyes, M. F. (2026). Semillas de Algoritmos: La Alfabetización en Datos desde la Educación Primaria. SAGA: Revista Científica
Multidisciplinar, 3(2), 212-217.
https://doi.org/10.63415/saga.v3i2.373
Esta obra está bajo una licencia internacional
Creative Commons de Atribución No Comercial 4.0
INTRODUCCIÓN
La tecnología ha acompañado el progreso
humano configurando nuevas formas de
pensamiento y comunicación; sin embargo, en
la era contemporánea, la Inteligencia Artificial
(IA) ha dejado de ser un concepto de ciencia
ficción para constituirse como la
infraestructura invisible que moldea nuestra
realidad cotidiana. A pesar de su ubicuidad, se
percibe un fenómeno preocupante en la
educación primaria: los estudiantes suelen
procesar estos sistemas bajo una mística de
"magia digital" o infalibilidad.
Esta concepción errónea representa el
problema central, pues genera una confianza
ciega en las respuestas de la máquina y debilita
la capacidad de los niños para cuestionar e
interpretar la información que reciben. El
problema se acentúa cuando la informática
educativa se reduce a actividades mecánicas,
como el dominio de herramientas de ofimática
o la memorización de sintaxis básica, dejando
de lado la dimensión crítica del ciclo de vida
del dato.
Esta limitación pedagógica obstaculiza la
formación de una ciudadanía plena y debilita
la conexión del alumno con una realidad
tecnológica que le resulta ajena. Por
consiguiente, es indispensable que los niños
comprendan que la Inteligencia Artificial
carece de inteligencia propia o intuitiva,
operando exclusivamente mediante el análisis
de datos suministrados por personas.
Ante este escenario, se impone la necesidad
de redefinir la alfabetización digital siguiendo
los marcos internacionales de la UNESCO,
justificando de procesos de entrenamiento
algorítmico en el currículo de primaria. Solo
mediante la comprensión de la relación directa
entre los insumos de información y los
resultados del sistema, el estudiante podrá
desarrollar una verdadera autonomía,
evolucionando de un rol de usuario pasivo a un
ciudadano con capacidad para auditar y dotar
de sentido humano a las tecnologías del
mañana.
DESARROLLO
En la era contemporánea, la Inteligencia
Artificial (IA) ha dejado de ser un concepto de
ciencia ficción para constituirse como la
infraestructura invisible que moldea nuestra
realidad cotidiana. Sin embargo, para la
mayoría de los estudiantes en etapa primaria,
estos sistemas operan bajo una mística de
"infalibilidad" o "magia digital". El problema
central radica en que, si los niños perciben la
IA como una entidad mágica que "sabe" por
instinto, tienden a confiar ciegamente en sus
respuestas. Como señala (Buckingham, 2019)
en su manifiesto sobre la educación en medios,
es vital que los estudiantes no solo sean
consumidores, sino que comprendan las
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Abril-Junio, 2026 | vol. 3 | núm. 2 | pág. 212-217
214
estructuras económicas y tecnológicas que
subyacen a las plataformas digitales para no ser
manipulados por ellas.
Es por ello fundamental que los niños
comprendan que la Inteligencia Artificial no
posee un conocimiento innato, sino que
funciona estrictamente como un sistema que
procesa y aprende de la información que
nosotros le proporcionamos. Esta distinción
representa uno de los pilares más críticos de la
alfabetización digital; al respecto la (UNESCO
2021) enfatiza que la educación debe
evolucionar para que los ciudadanos
comprendan cómo los datos alimentan los
algoritmos, permitiéndoles navegar el entorno
tecnológico con mayor seguridad y sentido
crítico. No basta con saber usar las
herramientas; para ser ciudadanos integrales
debemos descifrar el vínculo causal que existe
entre la información suministrada y las
respuestas del sistema.
Históricamente, la informática en primaria
se limitó a la ofimática o la programación
básica. No obstante, el paradigma actual exige
trascender el uso recreativo para centrarse en el
ciclo de vida del dato. Luckin (2018) sostiene
que el verdadero futuro de la educación en el
siglo XXI no está en competir con la máquina,
sino en potenciar la inteligencia humana
mediante el entendimiento de cómo el machine
learning puede complementar nuestras
capacidades cognitivas. En este sentido,
herramientas como CODE, Teachable
Machine o el robot Photon permiten que el
niño pase de ser un usuario pasivo a un creador.
Este enfoque se alinea con la filosofía de
Resnick (2017), quien propone que el
aprendizaje debe ser un "jardín de infancia
permanente", donde se cultive la creatividad a
través de proyectos y el juego, permitiendo que
el niño sea el arquitecto de su propia
tecnología.
Para alcanzar una autonomía tecnológica
real, es imperativo que la educación primaria
enseñe el funcionamiento interno de la IA, y no
solo su manejo superficial. Es por ello que se
destaca la necesidad de que el alumno
comprenda la relación entre datos y procesos
algorítmicos. Solo así pasaremos de ver la
tecnología como un misterio a entenderla
como una herramienta auditable, garantizando
una ciudadanía preparada para los desafíos
actuales.
Al entrenar modelos y observar sus fallos,
los estudiantes cultivan una "pedagogía del
error". (Touretzky y Gardner-McCune 2020)
han delineado que uno de los grandes retos de
la enseñanza de la IA en el nivel de primaria
es, precisamente, ayudar a los estudiantes a
identificar los límites de estas herramientas. Al
enfrentar a los niños con el sesgo algorítmico
(entendido como una falta de diversidad en los
datos de entrenamiento), se transforma la
curiosidad técnica en una lección de justicia
social.
De igual manera, estas experiencias
pedagógicas se trasladan a la resolución de
problemas espaciales, donde el robot emplea
su entrenamiento para identificar rutas de
desplazamiento seguras dentro de un entorno
que ha sido mapeado y programado con
anterioridad. Al enfrentarse a estos retos
prácticos, los estudiantes no solo obtienen
habilidades técnicas, sino que cultivan un
pensamiento crítico y una "pedagogía del
error". De esta forma, aprenden a refinar y
optimizar sus conjuntos de datos cuando los
resultados de la máquina no coinciden con lo
esperado, entendiendo que la precisión del
sistema depende directamente de la
información que ellos mismos le proporcionan.
Este cambio pedagógico integra una
dimensión ética esencial al abordar el sesgo
algorítmico como una falta de diversidad en los
ejemplos de entrenamiento. Al enfrentarse a
los errores de la IA, los estudiantes desarrollan
una "duda metódica" y una mayor
responsabilidad sobre su propia huella digital y
privacidad. En última instancia, el docente
actúa como un mediador que transforma la
curiosidad técnica en una lección de justicia
social, garantizando que las futuras
generaciones posean la soberanía necesaria
para auditar y humanizar la tecnología que
define su entorno.
Al analizar la literatura y las prácticas
actuales, se identifican relaciones críticas entre
el marco constructivista y la formación ética:
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Abril-Junio, 2026 | vol. 3 | núm. 2 | pág. 212-217
215
-
La IA como Espejo de Datos: En lugar de
presentar la IA como un "cerebro
electrónico" o una entidad mágica con
conciencia propia, el enfoque pedagógico
debe proponerla como un espejo de datos.
Al entender que la máquina no posee
criterio, sino que es un reflejo de la
información que recibe, el niño puede
trasladar con éxito su capacidad de
clasificar objetos físicos (como colores,
formas o especies) hacia el entorno digital.
Bajo este planteamiento, el estudiante
asimila que la "visión" del mundo de una IA
es, en realidad, una construcción colectiva
basada en etiquetas y categorías que nosotros
le proporcionamos. Esta desmitificación
transforma el aprendizaje en un proceso
tangible: si el niño entrena un modelo solo con
manzanas rojas, el sistema fallará ante una
manzana verde, demostrando que la
inteligencia del algoritmo no es más que el
resultado de sus propios ejercicios de
clasificación.
-
Contradicciones en la Percepción de la
Tecnología: Existe una gran diferencia
entre lo que los estudiantes creen sobre la
tecnología y cómo funciona realmente la
Inteligencia Artificial. Mientras que las
aplicaciones comerciales suelen parecer
perfectas e "infalibles", la pedagogía del
error les enseña a los niños que estas
herramientas son, en realidad, sistemas
limitados que dependen totalmente de la
información que reciben. Al permitir que
los alumnos vean cómo la IA se equivoca
cuando se le dan datos incompletos, ellos
descubren de forma práctica que la
"inteligencia" de la máquina no es magia,
sino el resultado directo de su
entrenamiento.
-
Lagunas en la Formación Ciudadana:
Muchos currículos ignoran el sesgo
algorítmico. Si una IA se entrena con datos
sesgados, los resultados reflejarán
prejuicios humanos (como estereotipos de
género o etnia). Es decir, se detecta una
marcada inconsistencia entre la apariencia
de "infalibilidad" que los niños asocian con
las aplicaciones digitales y el
funcionamiento estadístico real de los
algoritmos. Mientras que las interfaces
comerciales suelen presentarse como
herramientas perfectas, la pedagogía del
error permite evidenciar que la Inteligencia
Artificial posee límites muy definidos. En
la práctica, esto demuestra que la
"inteligencia" de la máquina no tiene un
origen mágico, sino que está condicionada
por la calidad y el volumen de la
información utilizada en su adiestramiento;
si los datos de entrada son deficientes o
incompletos, el resultado final reflejará
inevitablemente esas mismas carencias.
-
Relación Dato-Privacidad: Existe una
conexión vital entre entender cómo
"aprende" la máquina y la conciencia sobre
la huella digital. Hay una relación
fundamental entre comprender el
funcionamiento de la Inteligencia Artificial
y ser conscientes de nuestro rastro en
internet. Cuando los estudiantes entienden
que la información es el "combustible" que
alimenta a estas máquinas, empiezan a ver
sus interacciones digitales de otra manera.
Al darse cuenta de que cada búsqueda o
"me gusta" es en realidad un dato valioso
para entrenar algoritmos, pueden valorar
mejor su privacidad y ser más cuidadosos
con lo que comparten en las plataformas
que parecen gratuitas.
-
Intervención mediadora: Bajo el enfoque
de Vygotsky, el docente actúa en la Zona
de Desarrollo Próximo al proporcionar los
andamios (como metáforas y herramientas
visuales) necesarios para que el niño
alcance una comprensión profunda que no
lograría mediante el simple uso recreativo
de la tecnología. La implementación de
este modelo empodera a los educadores,
quienes, al no requerir conocimientos
avanzados de ingeniería, pierden el miedo
a la IA y se enfocan en su verdadera labor:
formar el juicio crítico y los valores de sus
alumnos. El resultado es una comunidad
educativa donde la tecnología se humaniza
a través del diálogo y la experimentación
guiada, transformando al maestro en un
facilitador de experiencias críticas.
Al comprender la relación directa entre el
insumo (dato) y el resultado (predicción), los
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Abril-Junio, 2026 | vol. 3 | núm. 2 | pág. 212-217
216
estudiantes adquieren una ventaja cognitiva
que les permite desmitificar el poder
algorítmico y actuar con pensamiento crítico
ante una realidad gobernada por sistemas
automatizados.
CONCLUSIONES
En definitiva, la alfabetización en datos
debe consolidarse como el nuevo pilar
fundamental de la educación básica en la era
digital. Esta transición pedagógica no es un
simple ajuste curricular, sino una necesidad
urgente para garantizar que las infancias dejen
de ser usuarios dóciles de interfaces y se
transformen en ciudadanos soberanos.
Al comprender la relación directa entre el
insumo de datos y el resultado algorítmico, los
estudiantes adquieren una ventaja cognitiva
que les permite desmitificar el poder de la
Inteligencia Artificial, transformando una
percepción de "magia tecnológica" en una
comprensión de herramientas auditables y
maleables.
Para llevar esta visión al aula, se sugiere un
marco didáctico basado en el aprendizaje
activo y la experimentación. Al integrar
herramientas visuales de IA que eliminan la
barrera del código, el foco se desplaza hacia el
desarrollo del pensamiento crítico. En este
proceso, la función docente es actuar como un
facilitador de interrogantes, guiando al
estudiante para que aprenda a auditar las
respuestas de la máquina y a reconocer la falta
de objetividad en los datos estadísticos.
Se propone un marco didáctico basado en el
constructivismo y la pedagogía del error. Los
niños deben alimentar modelos con datos
insuficientes para observar, de forma tangible,
cómo se originan los sesgos. El docente debe
actuar como un "provocador" de dudas y
mediador en la Zona de Desarrollo Próximo,
utilizando herramientas visuales que actúen
como andamios cognitivos
Sin embargo, la ejecución efectiva de este
modelo enfrenta desafíos estructurales que no
pueden ignorarse. La viabilidad de una
educación tecnológica equitativa está
estrechamente ligada a la superación de las
brechas de infraestructura y,
fundamentalmente, a una capacitación docente
continua y profunda. Solo mediante un
profesorado preparado para guiar más allá de
lo instrumental, se podrá mitigar la
dependencia de plataformas externas y
garantizar que la tecnología sea un vehículo de
inclusión y no de exclusión.
Aunque queda mucho camino por recorrer
en términos de implementación, la integración
de estas 'semillas de algoritmos' desde los
primeros años escolares tiene un alcance que
trasciende el aula. Esta formación temprana se
traduce en una ventaja cognitiva y ética que
acompañará al individuo de por vida,
permitiéndole navegar la realidad digital con
una mirada crítica y auditable. Al entender la
IA como una creación humana dependiente de
nuestra supervisión, logramos desplazar el
temor social al reemplazo por un enfoque de
empoderamiento creativo. El horizonte que se
traza es el de una sociedad capaz de humanizar
la tecnología, donde la verdadera soberanía no
reside en la posesión del dispositivo más
avanzado, sino en la capacidad crítica para
discernir y actuar con libertad en un mundo
gobernado por datos. De este modo, la
educación técnica recupera su sentido más
profundo: convertirse en un auténtico ejercicio
de emancipación humana.
REFERENCIAS BIBLIOGRÁFICAS
Buckingham, D. (2019). The media education
manifesto. Polity Press.
Luckin, R. (2018). Machine learning and human
intelligence: The future of education in the
21st century. UCL Press.
Resnick, M. (2017). Lifelong kindergarten:
Cultivating creativity through projects,
passion, peers, and play. MIT Press.
Touretzky, D. S., & Gardner-McCune, C. (2020).
Envisioning AI for K-12. Association for
the Advancement of Artificial Intelligence.
UNESCO. (2021). AI and education: Guidance for
policy-makers.
https://unesdoc.unesco.org/ark:/48223/pf0
000376709
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Abril-Junio, 2026 | vol. 3 | núm. 2 | pág. 212-217
217
DECLARACIÓN DE CONFLICTO DE INTERESES
La autora declara no tener conflictos de intereses.
DERECHOS DE AUTOR
Bonacia Reyes, M. F. (2026)
Este es un artículo de acceso abierto distribuido bajo la licencia Creative Commons de Atribución No
Comercial 4.0, que permite su uso sin restricciones, su distribución y reproducción por cualquier
medio, siempre que no se haga con fines comerciales y el trabajo original sea fielmente citado.
El texto final, datos, expresiones, opiniones y apreciaciones contenidas en esta publicación es de
exclusiva responsabilidad de los autores y no necesariamente reflejan el pensamiento de la revista.