Conferences
Permanent URI for this collectionhttps://repositorio.grial.eu/handle/123456789/13
Browse
5 results
Search Results
Item Introducción a la IA de forma práctica(Grupo GRIAL, 2026-03-24) García-Peñalvo, Francisco JoséSeminario “Introducción a la IA de forma práctica” orientado al personal del Servicio de Empleo y Emprendimiento (SIPPE) de la Universidad de Salamanca, de 4 horas de duración, impartido el 24 de marzo de 2026. El seminario está diseñado como un espacio de actualización, reflexión y capacitación práctica, orientado al personal del Servicio de Empleo y Emprendimiento (SIPPE) de la Universidad de Salamanca, con el objetivo de explorar el impacto de la inteligencia artificial generativa en los servicios universitarios de orientación profesional, de empleabilidad y de apoyo al emprendimiento. La sesión combina una aproximación conceptual con una orientación claramente aplicada. En una primera parte, se introduce el contexto actual de transformación digital impulsado por la inteligencia artificial, prestando especial atención a cómo estas tecnologías están redefiniendo los procesos de búsqueda de empleo, selección de talento, desarrollo profesional y creación de proyectos emprendedores. Se abordan las principales herramientas de inteligencia artificial generativa, sus capacidades y limitaciones, así como los cambios que estas están generando en el mercado laboral y en las competencias demandadas. Posteriormente, el seminario se centra en el análisis de casos de uso específicos en el ámbito de los servicios universitarios. Se exploran aplicaciones concretas como la mejora de la orientación profesional personalizada, la optimización de la elaboración de currículos y cartas de presentación, la simulación de entrevistas de trabajo, el análisis de ofertas laborales y el apoyo a la ideación y al desarrollo de proyectos emprendedores. Este enfoque permite identificar oportunidades reales para integrar la inteligencia artificial en las actividades del SIPPE. Un eje fundamental del seminario es la dimensión ética y crítica del uso de estas tecnologías. Se reflexiona sobre cuestiones como la fiabilidad de los sistemas, los sesgos algorítmicos, la privacidad de los datos y el papel del profesional como mediador experto en un entorno cada vez más automatizado. Finalmente, la sesión adopta un enfoque práctico mediante dinámicas participativas y demostraciones en directo, en las que los asistentes experimentan con distintas herramientas y diseñan posibles aplicaciones adaptadas a su contexto de trabajo. El seminario concluye con la identificación de estrategias de implementación progresiva, orientadas a mejorar la calidad y eficiencia de los servicios ofrecidos, reforzando al mismo tiempo el papel del SIPPE como agente clave en la empleabilidad y el emprendimiento universitario.Item Automatización con IA(Grupo GRIAL, 2026-03-13) García-Peñalvo, Francisco JoséImpartición del taller “Automatización con IA”, en la III Jornada de Innovación Docente Interuniversitaria (JIDUCYL) - De la experiencia a la evidencia: hacia la universidad del futuro, organizada por las cuatro universidades públicas de Castilla y León y celebrada en la Escuela Politécnica Superior de la Universidad de Burgos el 13 de marzo de 2026. Se ofrece una guía práctica para que el profesorado incorpore inteligencia artificial generativa en su rutina con un enfoque de “delegar–controlar–decidir”. El material parte de un marco común de conceptos (IA generativa, LLM, prompting y asistentes) y plantea tres objetivos: aplicar patrones de automatización a tareas habituales, mejorar la calidad del resultado mediante prompting y contexto, y operar con criterios éticos y de privacidad. Tras la introducción, el taller propone un recorrido por las automatizaciones. En “tareas cotidianas”, se muestra cómo usar un asistente para revisar y priorizar el correo, preparar borradores de respuesta, extraer compromisos, proponer acciones y convertirlas en recordatorios o eventos, manteniendo la validación humana antes de ejecutar. Se enfatizan los prompts estructurados (rol, objetivo, restricciones, formato) y el uso de ejemplos para lograr la consistencia. La sección de “preparación de materiales” se aborda mediante dos enfoques complementarios. Con Deep Research se ilustra un flujo para planificar una búsqueda, recopilar y contrastar fuentes externas, sintetizar hallazgos y producir materiales docentes trazables (esquemas, actividades, preguntas de evaluación) con recomendaciones de verificación. Con NotebookLM se trabaja con recursos propios (PDF, guías, artículos, transparencias) para convertir una misma base documental en múltiples salidas: resúmenes, guiones de clase, FAQs, bancos de preguntas, listas de lectura y variantes por nivel, destacando la reutilización y la coherencia interna. La parte de “creación de asistentes” explica el ciclo de vida: definir el propósito y la audiencia, fijar límites y políticas, aportar conocimiento (documentos), diseñar acciones, probar con casos extremos, evaluar y revisar periódicamente. En “integración en herramientas ofimáticas” se presentan escenarios de apoyo en documentos, hojas de cálculo y presentaciones (borradores, reformulación, tablas, gráficos, estructuras de diapositivas) y criterios para decidir cuándo conviene automatizar dentro de la suite y cuándo fuera de ella. Como hilo conductor, se introduce un marco de uso responsable (privacidad del estudiantado, minimización de datos, propiedad intelectual, transparencia y trazabilidad), junto con “puntos de control” para evitar errores: revisión humana, muestreo, contraste con fuentes y recomendación final (“listo para imprimir” vs. “requiere ajustes”).Item Alfabetización en IA y su impacto en el empleo(Grupo GRIAL, 2026-02-16) García-Peñalvo, Francisco JoséParticipación 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 16 de febrero 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 definición 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): software que recibe, parsea y organiza 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.Item Inteligencia Artificial en el aula. De los mitos a la realidad(Grupo GRIAL, 2025-04-11) García-Peñalvo, Francisco JoséInvestigación Educativa, celebrado del 9 al 12 de abril de 2025 en Punta Cana (República Dominicana). La conferencia aborda de manera crítica y documentada cómo la irrupción de la inteligencia artificial generativa (IAGen) está transformando la educación, especialmente en el aula universitaria, separando realidades de mitos que distorsionan la comprensión de su impacto. En primer lugar, se indica cada época ha tenido sus propios mitos tecnológicos y la IA no es una excepción: desde visiones apocalípticas al estilo Skynet o HAL 9000, hasta las utopías hipertecnológicas como Multivac de Asimov. Uno de los focos clave es la generación automática de contenidos educativos por parte de la IAGen, una tecnología que ha demostrado capacidad suficiente para producir materiales de alta calidad pero que también plantea dilemas sobre la autoría, la ética y la integridad académica. La presentación desmonta tres mitos principales que afectan especialmente al ámbito educativo. El primero es el mito de la sustitución del profesorado. Aunque se ha promovido la idea de que la IA puede reemplazar a los docentes, la conferencia demuestra que esta visión es reduccionista. La educación no se limita a la transmisión de conocimientos, sino que involucra una dimensión relacional, emocional y ética que la tecnología por sí sola no puede suplir. La IA debe entenderse como un complemento al profesorado, no como un sustituto. El segundo mito tratado es el de la autonomía del aprendizaje. Se analiza la promesa de la personalización radical mediante IA, que pretende empoderar al estudiante para que controle completamente su proceso de aprendizaje. Sin embargo, la automatización excesiva puede paradójicamente erosionar la autonomía del estudiante, fomentando la dependencia de las soluciones automáticas y restando oportunidades para el desarrollo de competencias como el pensamiento crítico y la autorregulación. Además, se advierte de los riesgos de que estos sistemas centren la interacción en el binomio individuo-máquina, limitando las oportunidades para la colaboración y el aprendizaje social. El tercer mito es el de la “muerte de la originalidad” en los trabajos académicos. Si bien la IA facilita la producción de textos originales desde el punto de vista formal, no siempre garantiza una aportación genuina del estudiante. Las herramientas de detección de IA son limitadas y pueden generar falsos positivos, por lo que no deben convertirse en el eje central del control académico. La clave está en fomentar la reflexión crítica y valorar el proceso de aprendizaje, más que únicamente el producto final. La conferencia concluye enfatizando la necesidad de pasar del “modo pánico” al “modo diseño”. Se apuesta por un enfoque basado en la creatividad, la responsabilidad compartida y la construcción de comunidades de práctica que promuevan una integración equilibrada de la IA. Además, se presenta el “Manifiesto para una IA segura en la educación”, que propone principios como la supervisión humana, la confidencialidad, la explicabilidad y la alineación con las estrategias pedagógicas. En definitiva, la IA no es ni una amenaza absoluta ni una solución mágica. Su impacto dependerá de cómo se diseñen las prácticas educativas y de la capacidad de las comunidades académicas para aprovechar sus ventajas sin renunciar a los valores esenciales de la educación: pensamiento crítico, ética, agencia y aprendizaje auténtico.Item Desarrollo de un GPT personalizado para la orientación universitaria(Grupo GRIAL, 2025-03-06) García-Peñalvo, Francisco José; Vázquez-Ingelmo, AndreaEl taller “Desarrollo de un GPT personalizado para la orientación universitaria” se impartió el 6 de marzo de 2025 en las I Jornadas de Orientación Profesional y Competencias CRUE España, celebradas en la Universidad de Salamanca. En el taller se explora cómo las tecnologías de Inteligencia Artificial Generativa (IAGen) y, en particular, los modelos GPT personalizados, pueden transformar la orientación académica en las universidades. La presentación arranca contextualizando la revolución tecnológica que ha supuesto la IAGen, destacando cómo los modelos de lenguaje a gran escala (LLM) han cambiado la producción de contenidos y la interacción con la información. Los LLM funcionan prediciendo la siguiente palabra en un contexto dado, lo que les permite generar texto coherente. Su efectividad depende de la cantidad de parámetros (pueden superar los 10.000 millones) y de la amplitud de la ventana de contexto, que define cuánta información puede considerar el modelo a la vez. Una mayor ventana permite mantener el contexto en conversaciones largas o analizar documentos extensos. El taller también presenta el “Manifiesto para una IA segura en la educación”, un conjunto de principios que garantizan el uso ético y seguro de la IA en el entorno educativo. Entre estos principios destacan la supervisión humana, la protección de la confidencialidad, la alineación con las estrategias educativas, la precisión y explicabilidad de las respuestas, y la transparencia en el comportamiento del asistente. El taller subraya la necesidad de desarrollar asistentes virtuales inteligentes adaptados a necesidades específicas, como la orientación universitaria. Un GPT personalizado no es simplemente una versión adaptada de ChatGPT, sino un asistente ajustado a un propósito concreto, que sigue instrucciones específicas, accede a información relevante y ofrece respuestas alineadas con las políticas y el contexto institucional. La diferencia clave es que ChatGPT es un generalista, mientras que un GPT personalizado es un especialista entrenado con manuales, procedimientos y documentación concreta. La personalización de un GPT implica definir su propósito, el tono de sus respuestas y el nivel de detalle. Es crucial proporcionar al modelo un conjunto de instrucciones claras y ejemplos de respuestas esperadas, además de establecer restricciones para evitar respuestas ambiguas o erróneas. Un aspecto clave es la personalización del conocimiento, cargando documentos específicos (normativas, reglamentos o guías de la universidad) que el GPT puede consultar para generar respuestas precisas. El proceso técnico de creación de un GPT personalizado en la plataforma ChatGPT de OpenAI es descrito paso a paso. OpenAI ofrece una interfaz de configuración intuitiva, donde es posible definir el comportamiento del asistente, subir documentos de conocimiento, habilitar la consulta de información en la web, e incluso conectar el GPT con API externas para realizar tareas avanzadas. Además, OpenAI recomienda redactar instrucciones de forma clara, granular y estructurada, dividiendo procesos complejos en pasos simples, utilizando ejemplos concretos y promoviendo la revisión cuidadosa de las respuestas generadas. En resumen, el taller muestra cómo los GPT personalizados pueden convertirse en herramientas clave para mejorar la orientación universitaria, ofreciendo a estudiantes y personal académico un asistente conversacional inteligente, fiable y adaptado a las necesidades de cada institución. Este enfoque combina la potencia de la IA Gen con las buenas prácticas de personalización y un fuerte compromiso con la ética y la transparencia en el uso de la IA en la educación superior.