Un modelo de IA aprende como un alumno, observando ejemplos (como fotos del aula) para reconocer patrones y hacer predicciones. Es fundamental que esos datos sean diversos —distintos ángulos, objetos, iluminación— para mejorar su precisión y evitar sesgos. Si el modelo solo ve ejemplos limitados, puede cometer errores o excluir realidades importantes. En el aula, hay que cuidar la privacidad al usar datos del alumnado. Para trabajar estos temas en STEAM, se pueden usar proyectos reales con datos cercanos, que inviten a reflexionar sobre justicia, ética e inclusión en el uso de la tecnología.