DSpace 9

DSpace is the world leading open source repository platform that enables organisations to:

  • easily ingest documents, audio, video, datasets and their corresponding Dublin Core metadata
  • open up this content to local and global audiences, thanks to the OAI-PMH interface and Google Scholar optimizations
  • issue permanent urls and trustworthy identifiers, including optional integrations with handle.net and DataCite DOI

Join an international community of leading institutions using DSpace.

The test user accounts below have their password set to the name of this software in lowercase.

  • Demo Site Administrator = dspacedemo+admin@gmail.com
  • Demo Community Administrator = dspacedemo+commadmin@gmail.com
  • Demo Collection Administrator = dspacedemo+colladmin@gmail.com
  • Demo Submitter = dspacedemo+submit@gmail.com
Photo by @inspiredimages
 

Communities in DSpace

Select a community to browse its collections.

Now showing 1 - 5 of 26

Recent Submissions

Thumbnail Image
Item
Alfabetización en IA y su impacto en el empleo
(Grupo GRIAL, 2026-05-11) García-Peñalvo, Francisco José
Participación en el curso “La IA en la búsqueda de empleo”, organizado por el Servicio de Empleo y Emprendimiento (SIPPE) de la Universidad de Salamanca, con el tema “Alfabetización en IA y su impacto en el empleo”, de 4 horas de duración, impartido el 11 de mayo de 2026. El material de la sesión “Alfabetización en IA y su impacto en el empleo” se estructura como un recorrido que abarca desde la activación inicial del grupo hasta una comprensión básica (pero rigurosa) de la IA y, finalmente, a su aterrizaje en el mercado laboral y en la búsqueda de empleo. Empieza con una dinámica de “romper el hielo” para diagnosticar el punto de partida del alumnado: un semáforo de familiaridad con la IA (de “no he usado IA” a “la uso a menudo y sé comparar resultados”), un sondeo rápido sobre las herramientas utilizadas (ChatGPT, Gemini, Claude) y un mapa de usos reales (estudio, trabajo y búsqueda de empleo). También incorpora una “línea de posición” para debatir mitos y miedos: desde “la IA me ayuda y me da ventaja” hasta “la IA pone en riesgo mi empleo”, conectando con el contexto social del cambio tecnológico y con el “shock del futuro”. A partir de ahí, se define qué es la Inteligencia Artificial desde distintas perspectivas: se reconoce la dificultad de definirla debido a la coexistencia de paradigmas, se introduce la definición de McCarthy y se incluye la de la Comisión Europea, que enfatiza sistemas capaces de analizar su entorno y actuar con cierto grado de autonomía. Se distingue entre IA fuerte y débil, y se presentan tipologías (ANI, AGI, ASI) y ámbitos de aplicación (derecho, medicina, industria, educación, etc.), para evidenciar que la IA ya opera en múltiples dominios. El bloque “cómo funciona una IA” utiliza una analogía pedagógica (un bebé que aprende) para explicar conceptos como modelo, datos, entrenamiento y evaluación, y para diferenciar entre el aprendizaje supervisado, el no supervisado y el por refuerzo. Se introduce el ajuste fino (fine-tuning) como una especialización, lo que refuerza la idea de que no existe un modelo universalmente excelente para todo: la especialización y el contexto importan. En la parte de Inteligencia Artificial Generativa se enmarca la disrupción asociada a los grandes modelos de lenguaje (LLM) y a la popularización de las interfaces conversacionales. Se explican, de forma accesible, conceptos como token, probabilidad de la siguiente palabra, parámetros y ventana de contexto. Se ofrece un panorama de técnicas (GAN, GPT, modelos de difusión, etc.), beneficios (productividad, creatividad, aprendizaje informal) y riesgos (alucinaciones, sesgos, privacidad, dependencia, impacto ambiental), con especial atención a las alucinaciones y sus tipos: contradicciones, errores factuales o matemáticos y citas inventadas. El tramo de mercado laboral aterriza en el ATS (Applicant Tracking System): un software que recibe, parsea y organiza las candidaturas, permite filtrar por palabras clave y prioriza una lista para su revisión humana. De ahí se derivan reglas prácticas: CV legible para el sistema y convincente para la persona, secciones estándar, texto real (evitar imágenes para datos clave), ítems claros con logros medibles y palabras clave coherentes sin “relleno”. Se enseña a identificar keywords en la oferta (técnicas, transversales, tareas y “knockout”) y dónde ubicarlas en el CV. Finalmente, se presenta cómo “traduce” la IA un perfil (experiencia → competencias inferidas → evidencias/logros → keywords) y se propone un proceso guiado con herramientas: crear cuentas, probar prompts y realizar un caso completo de oferta → requisitos → viñetas STAR y versión ATS. Como cierre, se subraya que el chat parece fácil, pero la calidad depende del prompt y del contexto; y que hay que verificar, medir y mantener la autenticidad.
Thumbnail Image
Item
Una experiencia de integración segura de inteligencia artificial generativa en educación superior mediante asistentes de aprendizaje
(Observatorio de Innovación Educativa y Cultura Digital (ODITE) y Asociación Espiral, Educación y Tecnología, 2026-04-26) Alier, Marc; Casañ, María José; Llorens, Ariadna; Pereira, Juanan; García-Peñalvo, Francisco José
Este artículo presenta LAMB (Learning Assistant Manager and Builder), framework de código abierto que permite al profesorado crear asistentes de aprendizaje basados en inteligencia artificial Generativa (IAGen) sin necesidad de programación. A diferencia de chatbots genéricos como ChatGPT, estos asistentes están controlados por el docente, se basan en fuentes de información seleccionadas y se integran de forma segura en plataformas como Moodle. La experiencia se desarrolló con 47 estudiantes de Ingeniería Informática en la FIB y EPSEVG (UPC). Utilizaron un asistente de aprendizaje para realizar un análisis PESTLE sobre el robot Optimus de Tesla. Los resultados muestran una valoración muy positiva por parte del alumnado, destacando la utilidad para encontrar información relevante, la calidad de las respuestas y el valor añadido del acceso a fuentes verificables. Este trabajo demuestra cómo la IA puede ponerse al servicio del aprendizaje centrado en el estudiante, respetando principios de privacidad, seguridad y soberanía pedagógica.
Thumbnail Image
Item
CONSTRUCCIÓN METODOLÓGICA E INTERPRETACIÓN DE LA INVESTIGACIÓN SOBRE LA IGUALDAD Y LA EQUIDAD DE GÉNERO EN EDUCACIÓN A TRAVÉS DE LAS EVALUACIONES A GRAN ESCALA
(Programa de Doctorado Formación en la Sociedad del Conocimiento, 2026-04-15) Sáez González, Elena
CONSTRUCCIÓN METODOLÓGICA E INTERPRETACIÓN DE LA INVESTIGACIÓN SOBRE LA IGUALDAD Y LA EQUIDAD DE GÉNERO EN EDUCACIÓN A TRAVÉS DE LAS EVALUACIONES A GRAN ESCALA ELENA SÁEZ GONZÁLEZ DIRECTORAS: SUSANA OLMOS MIGUELÁÑEZ ADRIANA GAMAZO GARCÍA PLAN DE INVESTIGACIÓN PROGRAMA DE DOCTORADO FORMACIÓN EN LA SOCIEDAD DEL CONOCIMIENTO UNIVERSIDAD DE SALAMANCA 15 de abril de 2026
Thumbnail Image
Item
La evaluación de los trabajos fin de estudios
(Grupo GRIAL, 2026-04-08) García-Peñalvo, Francisco José
Participación en la mesa redonda “La evaluación de los Trabajos fin de Estudios en Psicología”, de 1,5 horas de duración, en la “Jornada para la reflexión sobre la innovación docente en Trabajos fin de Estudios en tiempos de la Inteligencia Artificial”, celebrada el 8 de abril de 2026 en el Salón de Actos de la Facultad de Psicología de la Universidad de Sevilla. La irrupción de la inteligencia artificial (IA), y en particular de la IA generativa, obliga a replantear la evaluación de los trabajos de fin de estudios (TFE). Se parte de una idea general: la universidad debe reflexionar sobre cómo cambian los conocimientos, habilidades, competencias y valores en la era de la IA, porque ya no basta con evaluar únicamente el producto final, sino que también es necesario considerar cómo se ha construido. Tras introducir la diferencia entre inteligencia artificial e IA generativa, se subraya que esta última no posee conocimiento real ni criterio propio; puede inventar información, depende del contexto que se le proporciona y siempre requiere supervisión humana. Estas limitaciones hacen inviable la aceptación acrítica de sus resultados en contextos académicos de alto impacto, como los TFE. La presentación organiza el uso de la IA en educación en tres escenarios: apoyo responsable, colaboración guiada y cocreación con una declaración de uso reforzada. En el caso de los TFE, se defiende claramente este tercer escenario, ya que se trata de productos de alto impacto, para los cuales deben exigirse evidencias de autoría, comprensión y rigor. De ahí se derivan controles concretos: declaración de uso de IA, registro de prompts y de versiones del trabajo, verificación de fuentes, revisión humana previa a la calificación y atención a sesgos e inequidades. La idea central es que, cuando aumenta el impacto, también debe aumentar el rigor documental. Se proponen cinco criterios de evaluación de un TFE: autoría y trazabilidad, comprensión real del trabajo, rigor metodológico, capacidad crítica ante la IA y transparencia académica. Con ello, la evaluación deja de centrarse exclusivamente en el documento final y pasa a incorporar el proceso, la capacidad de justificación y la visibilidad del uso de herramientas de IA. Este planteamiento se apoya, además, en principios de alfabetización crítica y en marcos éticos y regulatorios, como los de la UNESCO, SAFE, el AI Act y el manifiesto Safe AI in Education. A nivel práctico, se concretan seis reglas de uso responsable: minimizar el uso de datos personales, respetar la propiedad intelectual, verificar la información, explicitar cuándo se admite la IA, revisar sesgos y mantener siempre el control humano. Finalmente, se propone avanzar hacia una inteligencia híbrida en educación, entendida como la colaboración entre la inteligencia natural y la inteligencia artificial, siempre bajo control humano, con supervisión experta, diálogo permanente y transparencia. En ese marco, la IA no sustituye el juicio académico, sino que obliga a hacerlo más explícito, más riguroso y más formativo.
Thumbnail Image
Item
EL DESARROLLO DE LA COOPERACIÓN BIBLIOTECARIA EN COLOMBIA
(Programa de Doctorado Formación en la Sociedad del Conocimiento, 2026-04-09) Quintero Peña, Julieth Andrea
EL DESARROLLO DE LA COOPERACIÓN BIBLIOTECARIA EN COLOMBIA JULIETH ANDREA QUINTERO PEÑA DIRECTORES: NATALIA ARROYO VAZQUEZ MARIA TERESA MÚNERA TORRES PLAN DE INVESTIGACIÓN PROGRAMA DE DOCTORADO FORMACIÓN EN LA SOCIEDAD DEL CONOCIMIENTO UNIVERSIDAD DE SALAMANCA 24 DE MARZO DE 2026