KNN Explorer

Explorá cómo opera una Inteligencia Artificial usando el algoritmo de Vecino Más Cercano (KNN)

⏱️
TIEMPO
00:00
🏅
PUNTAJE
100 pts
☀️ KNN Explorer · Radiación solarJADICC 2026

KNN Explorer

Experiencia interactiva para descubrir cómo una Inteligencia Artificial construye una predicción.

Investigá un problema de radiación solar, formulá hipótesis y construí progresivamente una explicación sobre cómo una IA llega a una predicción.

Caso activo: Radiación solar
SolBot, robot asistente de KNN Explorer
Nuevo caso
10:00 hs
Radiación medida
500 W/m²
Registros históricos
5
Estado del análisis
Inicio
Tiempo del ejercicio
00:00
1. Datos históricos
2. Representación
3. Similitudes
4. Vecinos
5. Predicción

❓ Preguntas para comenzar

¿Qué necesitaría observar una IA antes de intentar anticipar un nuevo caso?
¿Puede una IA “saber” algo sin contar con ejemplos anteriores?
¿Qué diferencias imaginás entre adivinar y predecir usando datos?

🧠 1. Participante e Inteligencia Artificial

🤖 SolBot dice: Antes de comenzar, cargá tu nombre, elegí un avatar y explicá con tus propias palabras qué pensás que es la Inteligencia Artificial.
🧑‍💻
Participante
Tu identidad para esta misión

Consigna: Escribí qué es la IA y cómo podría ayudar a realizar una predicción usando datos anteriores.

🧩 Construcción preliminar · Paso 1

Escribí una primera idea, todavía provisoria: ¿cómo creés que una IA podría aprender de ejemplos anteriores?

✓ Construcción guardada

❓ Antes de continuar, pensá

¿Qué patrones encontrás en los registros?
¿Qué datos podrían ser útiles para comparar el nuevo caso con los anteriores?
¿Qué registro elegirías intuitivamente como referencia? ¿Por qué?

🔹 2. Datos históricos de radiación solar

SolBot aprendió de 5 registros anteriores. Cada registro tiene hora, radiación medida y nivel de radiación.

RegistroHoraRadiaciónNivel
17180 W/m²Baja
29420 W/m²Media
311760 W/m²Alta
414580 W/m²Media
517250 W/m²Baja
Nuevo caso: Hora = 10 | Radiación = 500 W/m². Tenemos que estimar si la radiación será baja, media o alta.
Dato nuevo10:00 hs
Radiación500 W/m²
ObjetivoClasificar nivel

🧩 Construcción preliminar · Paso 2

Registrá tu hipótesis: ¿qué datos parecen influir en el nivel observado y qué registro se parece más al nuevo caso?

✓ Construcción guardada

❓ Construí una estrategia

¿Cómo podríamos transformar la idea de “parecido” en un cálculo?
¿Una distancia menor representa mayor o menor similitud?
¿Qué efecto tiene comparar variables expresadas en unidades diferentes?

🔢 3. Cálculo manual de distancia

Para saber cuál registro se parece más al nuevo caso, usamos una medida de distancia.

🧠 ¿Por qué usamos una fórmula simplificada?

En esta actividad sumamos diferencias entre las variables para comprender cómo funciona KNN.

En aplicaciones reales, los datos suelen normalizarse antes de calcular distancias porque utilizan unidades diferentes.

Distancia educativa = |Hora - 10| + |Radiación - 500|
⚡ Modo guiado: SolBot completa las diferencias y vos calculás solo la distancia total.
📌 Tabla de ayuda rápida
Reg.HoraVariableNivel
17180Baja
29420Media
311760Alta
414580Media
517250Baja
Ejemplo guiado: Registro 2 → |10 - 9| = 1 y |500 - 420| = 80. Entonces la distancia total es 1 + 80 = 81.
Reg.HoraRadiación|10 - Hora||500 - Radiación|Distancia total
17180
29420
311760
414580
517250

🧩 Construcción preliminar · Paso 3

Después de calcular, explicá con tus palabras qué relación encontrás entre distancia y similitud.

✓ Construcción guardada

❓ Interpretá los resultados

¿Qué registro quedó más cerca del nuevo caso?
¿Qué significa que un registro sea el “vecino” más cercano?
¿Alcanza con un solo vecino para tomar una decisión confiable?

🎯 4. ¿Cuál es el vecino más cercano?

El vecino más cercano es el registro histórico que tiene la menor distancia con el nuevo caso. Es decir, el caso que más se parece.

Si el registro se parece mucho al nuevo caso, el asistente lo usa como referencia para tomar una decisión.

🧩 Construcción preliminar · Paso 4

Construí una explicación provisoria: ¿por qué una IA podría usar los casos más parecidos para anticipar un nuevo resultado?

✓ Construcción guardada

❓ Tomá una decisión y justificála

¿Qué nivel elegirías con K = 1? ¿En qué evidencia te apoyás?
¿Qué cambia cuando consideramos tres vecinos?
¿Cómo explicarías la predicción final a otra persona?

📊 5. Predicción final

Primero resolvemos con K = 1 para entender el vecino más cercano. Después, si querés profundizar, completás K = 3 por mayoría.

Nivel 1 · K = 1

Usá el vecino más cercano para clasificar el nuevo caso.

Nivel 2 · K = 3

El asistente puede completar los 3 vecinos más cercanos para que te concentres en la decisión final.

VecinoRegistroDistanciaNivel
1
2
3

🧩 Síntesis en construcción · Paso 5

Antes de verificar, explicá cómo pensás que la IA llegó a su predicción. Usá las ideas de datos, similitud, vecinos y decisión.

✓ Síntesis guardada

Decisión de la Inteligencia Artificial

MEDIA

La predicción se fundamenta en los registros históricos más similares al nuevo caso.

Vecino 1Registro 2 · Media
Vecino 2Registro 4 · Media
Vecino 3Registro 5 · Baja
Participante
—
Tiempo
00:00
Puntaje
100
Intentos
0
Ayudas utilizadas
0
Nivel alcanzado
Predicción explicada

✅ ¿Qué explicación construiste?

☑ Una IA necesita datos anteriores para comparar.
☑ La similitud puede expresarse mediante una distancia.
☑ Los vecinos más cercanos funcionan como referencias.
☑ La predicción surge de una regla aplicada a esos vecinos.
KNN Explorer · Comprender antes de utilizar.
El algoritmo KNN fue utilizado como recurso didáctico para que cada participante construya, contraste y revise su propia explicación sobre el proceso de decisión de una Inteligencia Artificial.

Demostración de herramientas · JADICC 2026
🧑‍💻
Participante
KNN Explorer · JADICC 2026
⏱️ Cronómetro
00:00
En progreso