Resumen Ejecutivo – Academia 24-04-2026
Fecha: 24 de abril de 2026
Expuesto por: Profesor Ángel Royo
Corresponde a: Plan Academia
Resumen General
La sesión del 24 de abril de 2026 continuó profundizando el trabajo del Plan Academia en torno al pensamiento lógico, la inteligencia artificial aplicada y el uso de Pictoblocks como puente entre ambos mundos. La clase no se limitó a entrenar un modelo de reconocimiento corporal, sino que mostró cómo ese modelo puede convertirse en una herramienta concreta de interacción dentro de un programa, un juego o una mini app.
El eje de la reunión fue muy claro: los estudiantes no deben quedarse en la admiración de la inteligencia artificial como concepto, sino aprender a usarla para construir algo funcional. A partir de un modelo entrenado para detectar posturas con 17 puntos del cuerpo, la clase explicó cómo exportarlo, integrarlo con bloques y desarrollar programas donde el cuerpo del usuario controla objetos, movimientos y reacciones dentro de la pantalla.
Repaso del Pensamiento Lógico Inicial
La sesión comenzó recordando que todo el trabajo con Pictoblocks forma parte de una formación más amplia en pensamiento lógico. No se trata solo de manipular bloques o de usar funciones llamativas, sino de aprender a pensar en secuencias, condiciones, modelos y aplicaciones.
La reunión se presentó como una continuidad del trabajo previo, especialmente del reconocimiento de imágenes, del reconocimiento corporal y del estudio de los 17 puntos clave del cuerpo. Esta insistencia en el repaso muestra una metodología deliberada: antes de avanzar, se consolida lo ya aprendido.
Los 17 Puntos del Cuerpo como Base del Modelo
Padres Educadores volvió a explicar que el modelo de postura de Pictoblocks trabaja a partir de 17 puntos clave del cuerpo humano. Entre ellos se encuentran nariz, hombros, codos, muñecas, caderas, rodillas y tobillos. Estos puntos son esenciales porque permiten que el sistema represente el cuerpo como una estructura matemática y no solo como una imagen vaga.
Esta explicación fue importante porque ayuda a comprender que el sistema no “ve” una persona como la vemos nosotros, sino una red de posiciones y relaciones entre partes del cuerpo.
De la Postura al Juego
Uno de los aportes más claros de la clase fue mostrar que entrenar un modelo para detectar postura no es un fin en sí mismo. El objetivo es usar esa capacidad como base para construir algo: un juego, una actividad interactiva, un sistema de movimiento o una aplicación sencilla que responda al cuerpo del usuario.
Ángel Royo puso ejemplos concretos como levantar el brazo derecho, agacharse o adoptar distintas posiciones corporales para activar acciones en la pantalla. De esta manera, la clase convirtió el reconocimiento de posturas en una puerta hacia la programación interactiva.
La Secuencia Fundamental: Datos, Modelo y Aplicación
La reunión reforzó una vez más una idea central del curso: la secuencia correcta del trabajo con IA es datos, modelo y aplicación. Primero hay que identificar el problema, luego recolectar o usar los datos necesarios, después aplicar o entrenar el modelo, y finalmente convertir ese resultado en una aplicación útil.
Esta secuencia tiene un enorme valor pedagógico porque evita que el estudiante vea la IA como una caja mágica. Lo obliga a pensar paso a paso y a entender que toda solución tecnológica tiene una arquitectura interna.
- Primero se detecta el problema.
- Luego se identifican los datos relevantes.
- Después se usa o entrena un modelo.
- Finalmente se construye una aplicación concreta.
Importancia de los Materiales de Refuerzo
La clase destacó la utilidad de los materiales de apoyo, especialmente las imágenes-resumen en alta resolución y los audios de refuerzo. Se explicó que estas herramientas no son decorativas, sino parte del proceso de consolidación del aprendizaje. Tener una imagen visible o escuchar un resumen por WhatsApp facilita que el contenido permanezca activo en la mente y se comente en el hogar.
Esta insistencia muestra que el curso no solo enseña herramientas tecnológicas, sino una disciplina de estudio más completa y repetible.
Configuración de la Cámara Web
La reunión dedicó un espacio a aclarar un aspecto muy práctico: para entrenar bien el modelo corporal, la cámara debe captar el cuerpo completo o al menos la parte necesaria para el movimiento que se quiere detectar. En notebooks con cámara integrada esto puede exigir que el estudiante se aleje más o ajuste mejor su posición.
Aunque parece un detalle técnico menor, en realidad es muy importante: si la cámara no captura bien el cuerpo, el modelo tendrá datos pobres y la aplicación se volverá inestable.
Exportación del Modelo Entrenado
Uno de los momentos más importantes de la clase fue la explicación de cómo exportar el modelo ya entrenado para usarlo dentro de Pictoblocks. El sistema había sido entrenado con cientos de imágenes, y el siguiente paso consistía en sacarlo del entorno de entrenamiento para transformarlo en una herramienta programable.
Ángel Royo aconsejó exportarlo en formato de bloques y no directamente en Python, porque el objetivo principal en esta etapa es fortalecer el razonamiento lógico visual y no saltar demasiado pronto a un código textual más complejo.
Por qué Trabajar con Bloques y no con Python
La preferencia por bloques fue presentada como una decisión pedagógica. Los bloques permiten ver con claridad la estructura del pensamiento: cuándo empieza un programa, qué condición se evalúa, qué acción se ejecuta y cómo se repite una secuencia.
En vez de ocultar la lógica detrás de una sintaxis más abstracta, el sistema la deja visible. Esto ayuda a los estudiantes a comprender con mayor profundidad lo que están haciendo.
Creación de un Programa Sencillo con el Cuerpo
La demostración práctica mostró cómo usar el modelo exportado para construir un programa simple donde Tobi reaccionaba a la postura del usuario. El programa se activaba con la tecla de espacio, encendía el reconocimiento de video y utilizaba un ciclo “por siempre” para analizar continuamente la imagen de la cámara.
A partir de esa detección, el programa podía cambiar el disfraz de Tobi o moverlo según si el usuario estaba recto o encorvado. Esta demostración fue especialmente potente porque conectó de forma visible el entrenamiento del modelo con la programación interactiva.
Del Reconocimiento a la Acción
La clase dejó claro que reconocer una postura no basta. Lo importante es usar ese reconocimiento para provocar una acción. Aquí aparece uno de los aprendizajes más valiosos del curso: la IA no tiene sentido si no se transforma en una herramienta operativa.
En el caso de la clase, el cuerpo del usuario se convirtió en una especie de control del programa. Este paso cambia la experiencia del estudiante, porque le muestra que el modelo no es solo un experimento, sino una interfaz real.
Posibilidades de Interacción Avanzada
La sesión sugirió varias formas de enriquecer estos programas: agregar sonidos, incorporar laberintos, usar sensores de color, hacer que un personaje reaccione con más fluidez o construir desafíos físicos. Esto mostró que el modelo de postura puede integrarse con muchas otras herramientas ya aprendidas en Pictoblocks.
Esta unión entre sensores, modelos y lógica condicional revela una dirección pedagógica muy interesante: no aprender herramientas por separado, sino conectarlas para crear sistemas más ricos.
Estrategia de Aprendizaje: Copiar, Probar, Modificar
Ángel Royo recomendó una estrategia concreta para quienes están comenzando: copiar primero el programa base, hacerlo funcionar y luego comenzar a modificar pequeñas cosas. Esta sugerencia es importante porque elimina el miedo a partir desde cero y enseña a aprender desde ejemplos funcionales.
Se explicó además que los estudiantes pueden tomar pantallazos de su código y enviárselos a la profesora Ada para recibir una explicación de lo que hace cada bloque. Esto convierte la interfaz visual en un material de estudio compartible y comentable.
El Aporte de Maxo Z
Uno de los momentos más valiosos de la clase fue la presentación del trabajo de Maxo Z. Él mostró un proyecto donde un objeto se movía hacia arriba, abajo, izquierda y derecha usando los movimientos de su cuerpo capturados por el modelo.
Esto fue especialmente importante porque mostró que los conceptos enseñados ya podían convertirse en proyectos personales con bastante sofisticación. Además, el uso del bloque “apuntar en la dirección” generó un efecto visual muy atractivo, lo que hizo evidente que la programación también puede cuidar la estética del movimiento.
Calidad de los Datos y Ajustes del Proyecto
Maxo Z también reconoció que sus datos para algunos movimientos laterales todavía necesitaban mejorar. Este detalle fue muy útil porque reforzó una verdad central de todo el curso: cuando algo no funciona bien, muchas veces el problema no está en el bloque, sino en la calidad del entrenamiento y de los datos que alimentan al modelo.
Así, la sesión volvió a dejar claro que el desempeño del sistema siempre está profundamente ligado a la calidad del insumo.
Disfraces, Esperas y Movimiento Más Fluido
Se discutieron varias ideas para mejorar el proyecto compartido, como cambiar el personaje por un pez o un murciélago, agregar disfraces sucesivos y usar pequeñas esperas para hacer el movimiento más natural. Estas decisiones, aunque parezcan visuales, tienen un gran valor didáctico: enseñan que un programa no solo debe funcionar, sino también comunicarse mejor con quien lo mira.
La clase mostró así que la programación puede integrar lógica, estética y experiencia de usuario dentro de un mismo ejercicio.
Pantallazos y Compartición de Código
Padres Educadores pidió que los estudiantes tomaran pantallazos de sus bloques para guardarlos y compartirlos. Esta práctica fue presentada como una forma concreta de conservar avances, revisar soluciones y ayudar a otros compañeros.
También se habló de subir esos materiales a la sección de charlas del portal, de manera que los trabajos de los estudiantes puedan convertirse en una biblioteca útil para todos.
Problemas en la Subida de Imágenes al Portal
La sesión detectó un problema técnico importante: algunos usuarios no veían correctamente la opción para subir imágenes o pantallazos en la sección de charlas. Padres Educadores confirmó que revisarían este fallo y que buscarían simplificar la forma en que los usuarios autenticados adjuntan archivos y explicaciones de sus programas.
Este momento fue significativo porque mostró que el curso no solo crea contenido, sino que también está construyendo una infraestructura comunitaria para compartir aprendizaje.
Mini Apps como Apoyo Didáctico
Una parte muy interesante de la sesión fue la exploración de las mini apps generadas por el sistema. Maxo Z compartió, por ejemplo, un simulador de energía cinética y una aplicación relacionada con las leyes de Newton. Estas mini apps fueron destacadas como herramientas muy útiles para visualizar conceptos abstractos y practicar de manera interactiva.
La clase explicó que estas aplicaciones pueden surgir cuando un estudiante pide ayuda para comprender un tema, y el sistema responde generando mapa mental, imagen didáctica y mini app. Esto muestra una integración muy potente entre explicación, visualización y práctica.
Una Biblioteca Compartida de Herramientas
Se explicó también que las mini apps compartidas pueden quedar disponibles en una biblioteca para que otros estudiantes las consulten, filtren por curso y utilicen como refuerzo. Esta idea es especialmente valiosa porque transforma el aprendizaje individual en un patrimonio común del grupo.
De esta manera, el trabajo de un estudiante puede inspirar y servir de apoyo concreto a otros.
El Valor de la Mini App en el Método
La sesión aclaró que las mini apps no son simples adornos interactivos. Cumplen una función metodológica: ayudan a practicar, a ver conceptos en acción y a conectar el aprendizaje con experiencias manipulables. Para estudiantes que aprenden mejor al ver y tocar virtualmente un concepto, estas herramientas pueden ser especialmente poderosas.
Esto encaja perfectamente con la lógica del curso, que busca pasar de lo abstracto a lo práctico y de la teoría a la experiencia.
Conclusión
En términos ejecutivos, la clase del 24 de abril de 2026 consolidó una etapa importante del Plan Academia: el paso desde entrenar modelos de postura hacia integrarlos en programas interactivos y herramientas compartibles. La sesión mostró que el valor de la IA no está en contemplarla como algo impresionante, sino en exportarla, programarla y convertirla en aplicaciones reales dentro de Pictoblocks.
El principal aporte de la reunión fue unir tres niveles de formación en una misma experiencia: el nivel lógico, al programar con bloques; el nivel técnico, al usar modelos de machine learning y reconocimiento corporal; y el nivel comunitario, al compartir pantallazos, mini apps y soluciones entre estudiantes. Así, la clase no solo enseñó a usar un clasificador de poses, sino a pensar como un creador que toma un modelo, lo traduce a una herramienta y lo pone al servicio de una idea útil.
