El aprendizaje automático permite que los modelos “aprendan” a partir de grandes volúmenes de datos, ajustando sus parámetros para reconocer patrones y hacer predicciones. Los datos de entrenamiento, al ser procesados, guían al modelo a identificar relaciones y generalizar a nuevas situaciones. La diversidad de datos es clave, ya que al incluir ejemplos variados, como diferentes ángulos o condiciones de luz, el modelo puede hacer predicciones más precisas y robustas. Sin embargo, si los datos no son diversos, el modelo puede estar sesgado, lo que afectaría la equidad de sus resultados. En el ámbito educativo, el uso ético de la IA debe ser fundamental, especialmente al manejar datos sensibles de estudiantes. Incorporar conceptos de ciencia de datos en la educación STEAM promovería el pensamiento crítico y el uso responsable de estas tecnologías, impulsando la participación cívica y la ética en la IA.