ICyT — Bloque 2: Investigación, modelos y tecnología

Introducción ✿

Este bloque agrupa los temas de la unidad 3 y 4 de la materia que son: Investigación, modelos y tecnología, Lenguaje del método científico, Hipótesis y predicción,Modelos científicos, Modelos atómicos, Tecnología, algoritmos e inteligencia artificial, Ácidos y bases, pH de soluciones y Proyecto científico-tecnológico. Para ver los contenidos de la materia y parciales, entren al drive del cpu y vayan a la carpeta de icyt ✮ ⋆ ˚｡𖦹 ⋆｡°✩

---

Desarrollo breve de los temas ⋆˚✿˖°

1. Lenguaje del método científico

El método científico es una forma ordenada de estudiar un problema. No es una receta rígida, pero sí una guía para transformar una observación en una investigación.

En ICyT, esto aparece mucho en los parciales, te dan un caso, por ejemplo contaminación de agua, repelentes, crecimiento celular o toxicidad, y te piden identificar problema, objetivo, hipótesis, ensayo y conclusión. En los parciales anteriores se pidió describir un problema, explicar su relevancia, plantear una pregunta de investigación, definir un objetivo, proponer una hipótesis y diseñar un ensayo para validarla o refutarla.

Concepto	Explicación
Observación	Algo que se detecta en la realidad
Problema	Situación que genera una duda o dificultad
Pregunta científica	Pregunta investigable mediante datos
Objetivo	Lo que se busca estudiar o comprobar
Hipótesis	Explicación provisoria del fenómeno
Experimento	Ensayo diseñado para obtener datos
Variable	Factor que se mide o modifica
Resultado	Datos obtenidos
Conclusión	Interpretación de los resultados

Ejemplo:

Observación:
En un río aparecen peces muertos.

Problema:
Podría haber contaminación del agua.

Pregunta científica:
¿La presencia de un contaminante en el agua afecta la supervivencia de organismos acuáticos?

Objetivo:
Evaluar si el agua del río afecta la supervivencia de organismos acuáticos.

Hipótesis:
El agua del río contiene contaminantes que disminuyen la supervivencia de organismos acuáticos.

Experimento:
Comparar organismos expuestos a agua limpia con organismos expuestos a agua del río.

Conclusión:
Se interpreta según los resultados obtenidos.

Problema científico ⋆˚꩜｡

Un problema científico no es solo “algo malo que pasa”. Tiene que poder investigarse.

Mal planteado	Mejor planteado
El río está feo	Se observa muerte de peces y baja claridad del agua en un río local
Los repelentes son caros	Aumentó la demanda y el costo de repelentes comerciales
Las células se mueren	Disminuye la viabilidad celular al exponerlas a cierta sustancia

Un problema científico tiene que poder transformarse en una pregunta investigable.

Pregunta científica (╹ -╹)?

Una buena pregunta científica tiene que poder responderse con datos.

Ejemplo:

¿La concentración de un antibiótico afecta la viabilidad de células humanas?

No es buena pregunta científica:

¿El antibiótico es malo?

Porque “malo” es muy general. No dice qué se mide ni cómo.

Objetivo

El objetivo indica qué se va a hacer.

Verbos útiles:

Verbo	Uso
Analizar	Estudiar partes de un fenómeno
Evaluar	Medir efecto o impacto
Comparar	Ver diferencias entre grupos
Determinar	Obtener un dato o resultado
Identificar	Reconocer presencia o tipo de algo

Ejemplo:

Evaluar el efecto de distintas concentraciones de antibiótico A sobre la viabilidad de células humanas.

---

2. Hipótesis y predicción

La hipótesis y la predicción están relacionadas, pero no son lo mismo.

Una hipótesis es una explicación provisoria y comprobable. Una predicción es lo que se espera observar si esa hipótesis es verdadera. El apunte de ICyT marca que una hipótesis es una suposición fundamentada y comprobable, mientras que una predicción usa observaciones para proyectar qué podría ocurrir.

Concepto	Qué es	Cómo se escribe
Hipótesis	Explicación posible de un fenómeno	“La variable X afecta a la variable Y”
Predicción	Resultado esperado si la hipótesis es correcta	“Si ocurre X, entonces pasará Y”

Ejemplo:

Hipótesis:
La falta de nutrientes disminuye el crecimiento de levaduras.

Predicción:
Si las levaduras crecen en un medio con pocos nutrientes, entonces habrá menos colonias que en un medio rico.

Variable independiente y dependiente

Variable	Explicación	Ejemplo
Independiente	Factor que se modifica	Concentración de una sustancia
Dependiente	Factor que se mide	Cantidad de células vivas
Controlada	Factor que se mantiene igual	Temperatura, tiempo, volumen

Ejemplo:

Experimento:
Probar distintas concentraciones de una sustancia sobre células.

Variable independiente:
Concentración de la sustancia.

Variable dependiente:
Cantidad de células vivas.

Variables controladas:
Tiempo de exposición, temperatura, tipo de célula, volumen de cultivo.

Grupo control y grupo experimental

Grupo	Qué tiene	Para qué sirve
Control	No recibe el tratamiento experimental	Sirve como comparación
Experimental	Recibe el tratamiento que se quiere estudiar	Sirve para medir el efecto

Ejemplo:

Grupo control:
Células sin antibiótico.

Grupo experimental:
Células con antibiótico.

Si el grupo experimental tiene menos células vivas que el control,
puede inferirse que el antibiótico tuvo efecto tóxico.

Hipótesis = explicación.
Predicción = resultado esperado.
Experimento = forma de ponerlo a prueba.

---

3. Modelos científicos

Un modelo científico es una representación simplificada de un fenómeno, objeto, proceso, idea o sistema. Sirve para estudiar algo que puede ser complejo, invisible, muy grande, muy pequeño o difícil de analizar directamente.

El apunte de modelos científicos explica que un modelo puede representar objetos, fenómenos, procesos, ideas o sistemas, y que sirve como puente entre teoría y fenómeno. También señala que los modelos permiten describir, explicar y predecir fenómenos naturales.

Tipo de modelo	Ejemplo
Conceptual	Explicación con palabras
Gráfico	Dibujo, esquema, diagrama
Físico	Maqueta, simulación material
Matemático	Fórmula o ecuación
Computacional	Simulación por computadora
Predictivo	Modelo que estima resultados futuros

Ejemplo:

Un dibujo del átomo no es el átomo real.
Es un modelo que ayuda a imaginar su estructura.

Para qué sirven los modelos

Función	Explicación
Describir	Mostrar cómo es un sistema
Explicar	Decir por qué ocurre algo
Predecir	Anticipar qué podría pasar
Comunicar	Hacer entendible una idea científica
Simular	Probar situaciones sin hacerlas directamente en la realidad

Ejemplo:

Un modelo de crecimiento bacteriano puede predecir cuántas bacterias habrá después de cierto tiempo.

Limitaciones de los modelos

Un modelo no es la realidad completa. Es una representación parcial.

Ejemplo:

El modelo de Bohr ayuda a entender niveles de energía,
pero no describe perfectamente todos los átomos.

Todo modelo simplifica.
Si los datos nuevos no coinciden con el modelo, el modelo se revisa o se reemplaza.

Error entre predicción y observación

Si un modelo predice una cosa y la observación muestra otra, no significa automáticamente que “todo está mal”. Significa que hay que analizar el error.

Ejemplo:

Modelo:
Predice que un cultivo tendrá 1000 células después de 4 horas.

Observación:
El cultivo tiene 600 células.

Interpretación:
Puede haber faltado nutriente, cambiado la temperatura, existido contaminación o el modelo puede no servir para esas condiciones.

---

4. Modelos atómicos

Los modelos atómicos son un ejemplo perfecto de cómo cambia el conocimiento científico. Nadie ve un átomo directamente como si fuera una pelota. Se lo estudia mediante experimentos, datos y modelos.

El apunte de estructura atómica muestra la evolución desde Dalton hasta Thomson, Rutherford y Bohr, y explica que en ciencia los modelos deben validarse experimentalmente; si no explican la evidencia, se refutan o se reemplazan.

Modelo	Idea principal	Qué aportó
Dalton	Átomos como esferas indivisibles	Materia formada por átomos
Thomson	“Budín con pasas”	Descubre electrones
Rutherford	Núcleo positivo y espacio vacío	Propone núcleo atómico
Bohr	Electrones en órbitas/niveles	Relaciona electrones con energía
Modelo actual	Orbitales y probabilidad	No hay órbitas fijas, hay regiones probables

Dalton

Dalton propuso que la materia estaba formada por átomos, pensados como partículas rígidas e indivisibles.

Materia → átomos

Limitación:

Después se descubrió que el átomo sí tiene partes internas.

Thomson

Thomson descubrió el electrón y propuso que el átomo tenía carga positiva con electrones incrustados.

Modelo de Thomson = esfera positiva con electrones negativos.

Rutherford

Rutherford hizo pasar partículas alfa por una lámina de oro. La mayoría atravesaba la lámina, pero algunas se desviaban mucho. Eso permitió proponer que el átomo tiene mucho espacio vacío y un núcleo pequeño y positivo.

Átomo = núcleo positivo + electrones alrededor + mucho espacio vacío.

Bohr

Bohr propuso que los electrones se movían en órbitas o niveles de energía definidos.

Electrones más cerca del núcleo = menor energía.
Electrones más lejos del núcleo = mayor energía.

Modelo atómico actual

El modelo actual usa orbitales, no órbitas fijas. Un orbital es una región donde hay mayor probabilidad de encontrar electrones. El apunte de configuración electrónica explica que el modelo actual incorpora la cuantización de la energía y la probabilidad, y que Schrödinger propuso funciones matemáticas que describen regiones probables llamadas orbitales.

Los modelos atómicos muestran que la ciencia cambia cuando aparecen nuevos datos.

---

5. Tecnología, algoritmos e inteligencia artificial

La tecnología usa conocimiento científico para crear soluciones. En este bloque, la tecnología se conecta con modelos, algoritmos, datos e inteligencia artificial.

El apunte de modelos y aprendizaje automático explica que los modelos científicos pueden elaborarse a partir de datos de entrada, llamados input, y resultados de salida, llamados output. También define machine learning como una rama de la inteligencia artificial donde las máquinas aprenden a predecir resultados a partir de datos y algoritmos.

Algoritmo

Un algoritmo es una serie ordenada de pasos para resolver un problema.

Ejemplo cotidiano:

Problema:
La lámpara no prende.

Algoritmo:
1. Revisar si está enchufada.
2. Revisar si la lamparita está quemada.
3. Cambiar la lamparita.
4. Probar de nuevo.

Concepto	Explicación
Input	Datos de entrada
Proceso	Pasos o cálculo
Output	Resultado de salida

Ejemplo:

Input:
Temperatura, humedad, presión.

Proceso:
Modelo meteorológico.

Output:
Predicción de lluvia.

Inteligencia artificial

La inteligencia artificial busca que una máquina realice tareas que normalmente asociamos con inteligencia humana: clasificar, predecir, responder, reconocer patrones o tomar decisiones.

Machine learning

Machine learning significa aprendizaje automático. No se programa cada respuesta de forma manual, sino que el sistema aprende patrones a partir de datos.

Datos de entrenamiento → algoritmo → modelo entrenado → predicción

Ejemplo:

Datos:
Fotos de células sanas y células dañadas.

Modelo:
Aprende patrones visuales.

Predicción:
Clasifica una nueva imagen como célula sana o dañada.

Regresión

La regresión sirve para analizar la relación entre variables y hacer predicciones.

Tipo de relación	Qué significa
Directa	Si X aumenta, Y también aumenta
Inversa	Si X aumenta, Y disminuye
Sin relación clara	No hay patrón evidente

Ejemplo:

Si al aumentar la concentración de una sustancia disminuye la cantidad de células vivas,
hay una relación inversa entre concentración y viabilidad celular.

Un modelo predictivo no adivina.
Predice a partir de datos, patrones y supuestos.

---

6. Ácidos y bases

Los ácidos y las bases son sustancias que se comportan de forma distinta cuando están disueltas en agua. En ICyT se trabaja especialmente el modelo de Arrhenius.

Según el material de ácido-base, un ácido se ioniza en agua liberando protones H+, mientras que una base se ioniza en agua liberando iones hidróxido OH-. También se trabajan reacciones de neutralización entre ácido y base.

Sustancia	Según Arrhenius
Ácido	Libera H+ en agua
Base	Libera OH- en agua
Sal	Compuesto iónico que puede formarse en una neutralización

Ejemplo de ácido:

HCl → H+ + Cl-

Ejemplo de base:

NaOH → Na+ + OH-

Modelo de Arrhenius

El modelo de Arrhenius permite explicar ácidos y bases en solución acuosa.

Sustancia	Ejemplo	Qué libera
Ácido	HCl, HNO3, H2SO4	H+
Base	NaOH, KOH	OH-
Sal	NaCl, LiCl, MgSO4	Iones, pero no H+ ni OH- como característica principal

Ion hidronio

En agua, el H+ no suele estar “solo”. Se asocia con agua y forma hidronio.

H+ + H2O → H3O+

Por eso muchas veces se habla de H+ o H3O+ para representar acidez.

Neutralización

Una neutralización ocurre cuando reaccionan un ácido y una base.

Ejemplo:

HCl + NaOH → NaCl + H2O

Interpretación:

H+ + OH- → H2O
Na+ + Cl- → NaCl

Si hay misma cantidad de ácido y base, se neutralizan. Si sobra ácido, la solución queda ácida. Si sobra base, queda básica. El material trabajado en ICyT plantea justamente comparar mezclas de ácido 1 M y base 1 M para decidir si la solución final queda ácida, básica o neutra.

Ácido aporta H+.
Base aporta OH-.
H+ + OH- forman agua.

---

7. pH de soluciones

El pH mide qué tan ácida o básica es una solución. Está relacionado con la concentración de H+ o H3O+.

pH	Tipo de solución
Menor que 7	Ácida
Igual a 7	Neutra
Mayor que 7	Básica

Fórmula:

pH = -log[H+]

Si se trabaja con OH-, primero puede calcularse pOH:

pOH = -log[OH-]

Y a 25 °C se usa:

pH + pOH = 14

Entonces:

pH = 14 - pOH

Ejemplo con H+

Dato:
[H+] = 0,01 M

Como 0,01 = 10^-2

pH = -log(10^-2)
pH = 2

Resultado:

pH = 2 → solución ácida

Ejemplo con OH-

Dato:
[OH-] = 10^-3 M

pOH = -log(10^-3)
pOH = 3

pH = 14 - 3
pH = 11

Resultado:

pH = 11 → solución básica

Escala rápida

Sustancia aproximada	pH esperado
Jugo gástrico	Muy ácido
Limón	Ácido
Agua pura	Neutro
Agua de mar	Básico leve
Lavandina	Básico

En el material de ICyT se practican ejercicios donde se calcula pH a partir de [H+] o [OH-], y se clasifica la solución como ácida, básica o neutra. También se remarca que los logaritmos son útiles porque el pH se calcula con logaritmos.

Más H+ → menor pH → más ácido.
Más OH- → mayor pH → más básico.

---

8. Proyecto científico-tecnológico

Un proyecto científico-tecnológico busca resolver un problema real usando conocimiento científico, tecnología, planificación y validación.

En la parte de gestión de proyectos se trabajan conceptos como diagrama de Gantt, prueba de concepto, producto mínimo viable, prototipo, planificación estructurada, validación de ideas e iteración constante.

Concepto	Explicación
Problema	Necesidad o situación que se quiere resolver
Solución propuesta	Idea tecnológica o científica para resolverlo
Prueba de concepto	Ensayo pequeño para demostrar que la idea puede funcionar
Prototipo	Versión inicial para probar funcionamiento
MVP	Producto mínimo viable, versión básica testeable
Roadmap	Plan general de pasos
Diagrama de Gantt	Organización de tareas en el tiempo
Validación	Prueba de que la solución funciona

Ejemplo de proyecto

Problema:
Muchos estudiantes no entienden diluciones y pH.

Solución:
Crear una web interactiva con teoría, ejercicios y simuladores.

Prueba de concepto:
Hacer una página con 5 ejercicios de diluciones y probarla con 10 estudiantes.

MVP:
Una web simple con temas, ejemplos, calculadora y autoevaluación.

Validación:
Comparar resultados antes y después de usar la web.

Roadmap

Un roadmap es el camino general del proyecto.

Idea → investigación → diseño → prototipo → prueba → corrección → versión final

Diagrama de Gantt

Un diagrama de Gantt sirve para organizar tareas en el tiempo.

Semana	Actividad
1	Definir problema y objetivo
2	Buscar información
3	Diseñar solución
4	Crear prototipo
5	Probar con usuarios
6	Analizar resultados y mejorar

Validación del desarrollo tecnológico

Validar significa comprobar que la solución realmente funciona.

Ejemplo:

Si el proyecto es una app para estudiar pH,
no alcanza con decir “la app está linda”.

Hay que probar:
- si los estudiantes la entienden;
- si resuelven mejor los ejercicios;
- si cometen menos errores;
- si pueden explicar el concepto después de usarla.

Un proyecto tecnológico no termina cuando se crea algo.
Termina cuando se demuestra que funciona para resolver el problema.

---

9. Relación entre ciencia, modelos, tecnología y química

Este bloque mezcla método científico, modelos, IA y química ácido-base porque todos usan el mismo razonamiento representar un fenómeno, medir variables, analizar datos y sacar conclusiones.

Tema	Qué aporta
Método científico	Ordena la investigación
Hipótesis	Propone una explicación
Predicción	Anticipa resultados
Modelos científicos	Representan y explican fenómenos
Modelos atómicos	Muestran cómo evoluciona la ciencia
IA y algoritmos	Usan datos para predecir
Ácidos, bases y pH	Aplican modelos químicos y matemáticos
Proyecto tecnológico	Convierte conocimiento en solución

Ejemplo integrado:

Problema:
Un lago tiene mortandad de peces.

Método científico:
Se plantea una pregunta y una hipótesis.

Química:
Se mide pH, concentración de sustancias y presencia de contaminantes.

Modelo:
Se relacionan los datos con el daño observado.

Tecnología:
Se propone un sistema de monitoreo o filtrado.

Validación:
Se prueba si mejora la calidad del agua.

---