🌱 Agricultura 4.0 · IA aplicada · Universidad de Caldas

Informática Básica con Enfoque en Inteligencia Artificial para el Agro

Objeto Virtual de Aprendizaje diseñado para fortalecer competencias digitales, análisis de datos, uso ético de IA y productividad ofimática en estudiantes de Administración de Empresas Agropecuarias.

Duración
24 horas

Estructura
4 bloques de 6 horas

Modalidad
Autogestionada y práctica

Evaluación
Formativa por bloque

Ruta de aprendizaje

Progreso

0% completado

Propósito formativo

Este recurso integra alfabetización digital, pensamiento crítico y herramientas de IA para que el estudiante pueda formular, analizar y comunicar soluciones aplicables a contextos agropecuarios reales.

Competencia central
Usar herramientas digitales e IA de manera crítica, ética y verificable.

Producto esperado
Mini proyecto aplicado con datos, análisis, evidencia documental y declaración de uso de IA.

Enfoque metodológico

Aprendizaje basado en proyectosIA como apoyo, no sustitutoModo evidenciaDatos abiertosPrivacidad y soberanía tecnológica

Completa las evaluaciones para visualizar tu avance.

Bloque 1. Fundamentos de informática e IA en el agro

Se estudian los componentes físicos, lógicos y de conectividad que permiten operar soluciones digitales en entornos rurales: computadores, sensores, estaciones meteorológicas, redes, almacenamiento y software de apoyo.

Aplicación al sector agropecuario

• Mapeo tecnológico de una finca o unidad productiva.
• Diferenciación entre hardware, software, redes, datos e IA.
• Uso de IA local con modelos abiertos cuando la conectividad es limitada.

Idea clave: la IA local favorece autonomía, privacidad y continuidad operativa en zonas rurales, aunque requiere validación humana permanente.

Actividad práctica

1. Diseña un mapa básico de infraestructura digital para una finca.
2. Identifica qué datos se pueden recoger con sensores y cuáles deben registrarse manualmente.
3. Redacta un protocolo técnico con apoyo de IA local u offline.

Acceso al Contenido del Bloque 1:
[https://informatica-basica-con-e-wxe3egh.gamma.site/](https://informatica-basica-con-e-wxe3egh.gamma.site/)

Actúa como ingeniero agrónomo experto en bioseguridad. Diseña un protocolo económico y aplicable para el ingreso de personal a una granja porcina rural en Colombia. Presenta pasos claros, responsables, insumos mínimos y criterios de verificación.

Bloque 2. Ofimática inteligente y productividad

La productividad digital no depende solo de escribir rápido, sino de organizar contexto, evidencia, fuentes y reglas de trabajo. Se introducen documentos vivos, asistentes personalizados y entornos documentales como NotebookLM.

Herramientas sugeridas

• Documentos y hojas de cálculo para informes técnicos y financieros.
• NotebookLM para consulta basada en documentos propios.
• Gems, GPTs o asistentes personalizados para tareas repetitivas.

Criterio de calidad: una respuesta de IA solo es aceptable si puede trazarse a una fuente, dato o documento verificable.

Actividad práctica

1. Carga una norma, manual o guía técnica en un entorno documental.
2. Construye un asistente auditor con restricciones explícitas.
3. Genera una tabla de hallazgos con evidencia y recomendaciones.

Acceso al Contenido del Bloque 2:
[https://informatica-basica-con-e-q03ivow.gamma.site/](https://informatica-basica-con-e-q03ivow.gamma.site/)

ASPECT: Acción: actúa como auditor agroempresarial. Sujeto: revisa la viabilidad de un plan de negocio de cultivo. Propósito: detectar costos omitidos, supuestos débiles y riesgos financieros. Ejemplos: si falta transporte de insumos, marca ALERTA. Restricciones: no inventes precios ni datos. Tono: formal, objetivo y analítico.

Bloque 3. Gestión y análisis de datos con IA

El administrador agropecuario puede analizar información sin ser programador, siempre que comprenda la estructura de los datos, las limitaciones de la IA y la necesidad de validar resultados.

Contenidos clave

• Limpieza de datos: duplicados, nulos, formatos y consistencia.
• Uso de CSV/XLSX y datos abiertos como Agronet o FAOSTAT.
• Construcción de indicadores, gráficos y tableros de control.
• Narrativa de datos: contexto, problema, hallazgo y recomendación.

Advertencia: correlación no implica causalidad. La IA detecta patrones; el profesional interpreta su pertinencia técnica.

Acceso al Contenido del Bloque 3:
[https://informatica-basica-con-e-cv04e2j.gamma.site/](https://informatica-basica-con-e-cv04e2j.gamma.site/)

Analiza un dataset de rendimiento de cultivos. Identifica datos faltantes, propone limpieza, calcula indicadores básicos, detecta valores atípicos mediante IQR y plantea tres recomendaciones gerenciales verificables.

Bloque 4. Ética, verificación y proyecto integrador

La IA debe utilizarse como apoyo metodológico y no como reemplazo del juicio profesional. Este bloque aborda transparencia, sesgos, privacidad, impacto ambiental y validación documental.

Proyecto integrador

1. Selecciona un problema agropecuario concreto.
2. Define datos, fuentes y criterios de análisis.
3. Usa IA para apoyar diagnóstico, propuesta y comunicación.
4. Incluye declaración de uso de IA y matriz de evidencia.

Modo evidencia: si una afirmación no aparece en los documentos base, debe marcarse como “NO CONSTA”.

Acceso al Contenido del Bloque 4:
[https://informatica-basica-con-e-oo42k5a.gamma.site/](https://informatica-basica-con-e-oo42k5a.gamma.site/)

MODO EVIDENCIA: ON Usa solo los documentos aportados. Para cada afirmación entrega: ESTADO: VERDE, AMARILLO o ROJO. CITA LITERAL: fragmento exacto. UBICACIÓN: página, sección o archivo. JUSTIFICACIÓN: una línea. Si no existe soporte, responde: NO CONSTA EN EL DOCUMENTO.

Desarrollado por Rubén Darío Cárdenas Espinosa, PhD, DSc.
Recurso educativo para formación digital, IA aplicada e investigación formativa.