100 Días de Código en Python — Sección 102: Clase extra — Tener éxito en la era de la IA (con pensamiento crítico)

🎯 Objetivo de aprendizaje#

Distinguir, en un texto promocional, qué es una afirmación verificable, qué es una promesa y qué es un recurso emocional.

📖 Explicación conceptual#

Un anuncio no es "malo" por ser un anuncio: su objetivo es persuadir. Leerlo con ojo crítico significa reconocer cómo lo hace.

💡 Esto no es un juicio sobre la instructora ni sobre su curso, que puede ser muy útil. Es una habilidad para cualquier mensaje: publicidad, redes sociales, respuestas de una IA o incluso tu propio portafolio.

📝 Actividad#

Clasifica cada oración de 604 - Bonus.md en una de las cinco categorías. Luego haz lo mismo con la página de inicio de tu portafolio: ¿hay promesas sin evidencia? ¿Cada habilidad que afirmas tiene un proyecto que la demuestre?

Problema#

Leer con ojo crítico lleva tiempo. Un programa puede señalar (no juzgar) las partes de un texto que usan recursos persuasivos, para que tú las revises.

Objetivo#

Un programa que reciba un texto y marque: oraciones dirigidas al lector, expresiones persuasivas de una lista, y cifras (que se podrían verificar).

Requisitos funcionales#

1. Dividir el texto en oraciones.
2. Contar las oraciones que se dirigen al lector ("tú", "te", "tienes", "eres", "sabes"…).
3. Buscar expresiones de una lista configurable.
4. Extraer las cifras.
5. Mostrar un informe con los hallazgos y la oración donde aparece cada uno.

Restricciones técnicas#

• La lista de expresiones en un archivo aparte (JSON o texto), no en el código.
• Funciones probadas con textos cortos.
• El programa señala; la conclusión la escribe una persona.

Construcción paso a paso#

Versión 1 — Oraciones

import re

def dividir_oraciones(texto):
    return [o.strip() for o in re.split(r"(?<=[.?!])\s+", texto) if o.strip()]

(?<=[.?!])\s+ corta en los espacios que van después de un punto, ? o !, sin eliminar el signo. Verificado: 19 oraciones en 604 - Bonus.md.

Versión 2 — Dirigidas al lector

PALABRAS_LECTOR = r"\b(tú|te|tu|tienes|eres|sabes)\b"

def dirigidas_al_lector(oraciones):
    return [o for o in oraciones if re.search(PALABRAS_LECTOR, o.lower())]

\b marca los límites de palabra: así "te" no coincide dentro de "este". Verificado: 7 oraciones.

Versión 3 — Expresiones persuasivas (tu turno): escribe buscar_expresiones(texto, lista) que devuelva un diccionario {expresión: veces} solo con las que aparecen. Lista de ejemplo usada en la verificación (las 9 aparecen): "imparable", "máximo potencial", "triplicar", "mejores", "desbloque", "éxito", "próspera", "más de", "ya tienes".

Versión 4 — Cifras (tu turno): extrae números como "3,2 millones", "40 %", "10 veces". Pista: re.findall(r"\d[\d,.]*\s*(?:millones|veces|%)?", texto). Verificado: en el texto solo aparece "3,2 millones".

Versión final — Informe en Markdown con las cuatro partes y una columna vacía "¿Verificable? ¿Cómo?" para que la completes tú.

Pruebas#

assert dividir_oraciones("Hola. ¿Cómo estás? Bien!") == ["Hola.", "¿Cómo estás?", "Bien!"]
assert dirigidas_al_lector(["Este curso es largo.", "Tú puedes lograrlo."]) == ["Tú puedes lograrlo."]

La primera prueba incluye "Este" a propósito: sin \b, la búsqueda de "te" daría un falso positivo.

🧪 Prueba y depuración#

persuasivas = ["éxito", "potencial"]
for palabra in persuasivas:
    if palabra in texto:
        print("Encontrada:", palabra)

Encuentra dos problemas: no distingue mayúsculas ("Éxito" al inicio de una oración no se encuentra; usa .lower() en ambos lados) y solo dice si aparece, no cuántas veces ni dónde, que es lo que necesitas para revisar.

⭐ Extensión del proyecto#

• 🟢 Reto 1 — Aplicación: aplícalo a 3 anuncios de productos tecnológicos y compara los resultados en una tabla.
• 🟡 Reto 2 — Ampliación: detecta superlativos terminados en "-ísimo" y palabras absolutas ("siempre", "nunca", "todos").
• 🟠 Reto 3 — Desafío: interfaz Tkinter o Flask donde se pega un texto y las expresiones aparecen resaltadas.
• 🔴 Reto 4 — Pensamiento computacional: ¿puede un programa decidir si un texto "engaña"? Diseña un experimento: 10 textos clasificados a mano por 3 compañeros, compara con lo que marca tu programa y explica los aciertos, los errores y los límites de automatizar un juicio así.

Situación#

El video afirma que la IA puede triplicar la productividad. En lugar de creerlo o descartarlo, mídelo en tu caso: durante 4 semanas, registra cada uso de IA en tus estudios o proyectos.

Requisitos#

1. Un programa de consola (o una pequeña app Flask o Tkinter) que registre: fecha, propósito ("explicar un error", "ideas de proyecto"…), minutos y si verificaste la respuesta.
2. Los registros se guardan en JSON y sobreviven al cerrar el programa.
3. Un resumen: número de usos, minutos totales, porcentaje verificado y los 3 propósitos más frecuentes.
4. Al final de las 4 semanas, un gráfico (Días 73–76) y una reflexión: ¿en qué te ayudó de verdad? ¿cuándo te hizo perder tiempo?

Decisiones que debes tomar (y justificar)#

• ¿Qué cuenta como "verificar"? (¿Ejecutar el código? ¿Consultar la documentación? ¿Ambas?)
• ¿Cómo medirías si la IA te hizo aprender y no solo terminar más rápido?

Casos de prueba#

• Sin archivo de registros, el resumen muestra ceros sin error.
• Tres registros de prueba producen el resumen esperado (sección 7).

Conceptuales#

1. ¿Qué diferencia hay entre un dato verificable y una promesa? Da un ejemplo de cada uno del texto original.
2. ¿Por qué la experiencia en un área (por ejemplo, la medicina) no garantiza resultados en otra?
3. Menciona dos usos razonables y dos usos riesgosos de la IA para programar.
4. ¿Por qué medir un hábito ayuda a mejorarlo?

Análisis de código#

re.search(r"\b(te)\b", "este curso".lower())

¿Devuelve una coincidencia? ¿Y sin los \b?

Predicción#

¿Cuántas oraciones devuelve dividir_oraciones("Uno. Dos? Tres! Cuatro")?

Depuración#

"Mi bitácora se borra cada vez que registro algo nuevo y solo queda el último registro." ¿Qué error es probable? (Pista: ¿se cargan los registros anteriores antes de agregar?)

Modificación#

Agrega a la bitácora un campo herramienta y muestra en el resumen cuál usas más.

Creación#

Escribe promedio_semanal(registros) que devuelva los minutos de uso de IA por semana (pista: date.fromisoformat(...).isocalendar().week).