Conferences
Permanent URI for this collectionhttps://repositorio.grial.eu/handle/123456789/13
Browse
20 results
Search Results
Item Inteligencia Artificial Generativa y su influencia en los procesos educativos(Grupo GRIAL, 2025-12-03) García-Peñalvo, Francisco JoséClase magistral y taller de inteligencia artificial generativa (IAGen) impartidos en el contexto de la Unidad I: Gestión de la Tecnología y del Conocimiento, de la asignatura Diseño y Evaluación de Recursos Informáticos del Máster Universitario en las TIC en la Educación: Análisis y Diseño de Procesos, Recursos y Prácticas Formativas, el día 3 de diciembre de 2025 en la Facultad de Educación, Universidad de Salamanca. La inteligencia artificial generativa, con ChatGPT como emblema, está transformando la educación y, en particular, los procesos de enseñanza, aprendizaje e investigación en la universidad. A la hora de construir un relato sobre su uso en la academia, es importante no limitarse a describir herramientas, sino que se debe construir un marco conceptual, ético y normativo para decidir cómo usarlas, con qué fines y en qué condiciones, proponiendo una hoja de ruta razonada para el profesorado. El punto de partida es la constatación de que la inteligencia artificial (IA) ya forma parte del ecosistema educativo. Hoy la IA puede ser simultáneamente objeto de estudio, herramienta de aprendizaje y entorno en el que se aprende. Se diferencia entre aprender sobre la IA (comprender sus fundamentos, límites y sesgos), aprender con la IA (usar sistemas de recomendación, analítica de aprendizaje o tutores inteligentes para mejorar la docencia) y aprender a través de la IA, cuando esta se convierte en medio principal de acceso al conocimiento, como ocurre con los tutores adaptativos o los asistentes personales avanzados. Este contexto se enmarca en iniciativas internacionales como el Consenso de Beijing sobre IA y educación, que insiste en planificar la IA en las políticas educativas, apoyar a la docencia, favorecer el aprendizaje a lo largo de la vida y promover un uso equitativo, ético y transparente de los datos y algoritmos. La idea clave es que la IA no es un añadido accesorio, sino un factor estructural que condiciona la manera de aprender, trabajar y participar en la sociedad. A partir de ahí, el material introduce de forma accesible la irrupción de la IAGen. subraya que ya es posible generar automáticamente contenido educativo en múltiples formatos (texto, imagen, vídeo, audio, presentaciones) con calidad suficiente para ser usado como material docente o como producto de tareas académicas, muchas veces sin que sea viable detectar con certeza su origen. Esto abre oportunidades, pero también tensiona los modelos de evaluación, la autoría y la integridad académica. Se alerta además frente a los mitos y exageraciones asociados a la IA, tanto los catastrofistas como los excesivamente optimistas, que alimentan un solucionismo tecnológico ajeno a los matices de la práctica educativa real. Uno de los hilos conductores es el dilema de Prometeo. Ante una tecnología poderosa, opaca y propensa a alucinaciones, ¿la respuesta educativa debe ser prohibir su uso o aprender a integrarla críticamente? El recurso insiste en que la prohibición es una falsa solución, porque el estudiantado ya utiliza estas herramientas en todos los niveles educativos. La cuestión relevante no es tanto si se usarán, sino cómo lograr que su uso contribuya a un aprendizaje más profundo y honesto. En este marco se analizan las oportunidades y retos de la IAGen en la universidad. Para el profesorado, los beneficios potenciales incluyen el enriquecimiento del contenido educativo, el apoyo a la creatividad y la productividad, la mejora de la evaluación y la posibilidad de personalizar el aprendizaje del alumnado, además de favorecer su propia competencia digital. El reverso de la moneda son riesgos como el recelo ante el uso estudiantil de la IA, la sobrevaloración de sus capacidades, su utilización inadecuada, la dependencia tecnológica, la pérdida de autoría, la despersonalización de la relación pedagógica y las amenazas a la privacidad. En el caso del estudiantado, se señalan potenciales impactos positivos en el pensamiento crítico y la creatividad, el prototipado de ideas, el aprendizaje personalizado, la productividad y el desarrollo de competencias digitales. Pero también se advierte del peligro de un aprendizaje superficial, el uso deshonesto, la falta de capacidad para curar la información, la pérdida de pensamiento crítico, la despersonalización y las brechas de acceso entre quienes pueden usar estas herramientas en buenas condiciones y quienes no. Algo similar ocurre con la investigación: la IAGen puede acelerar procesos, automatizar tareas rutinarias y abrir vías de innovación, pero también plantear problemas de alucinaciones no detectadas, debates éticos, falta de curación del contenido, sesgos y vulneraciones de privacidad. Para ordenar esta discusión, el recurso dedica una parte importante a los marcos normativos y éticos que orientan el uso responsable de la IA. Se presentan las orientaciones de la UNESCO sobre IA y educación, que priorizan los derechos humanos, la inclusión y el desarrollo sostenible, y la necesidad de alfabetizar en IA tanto a profesorado como a estudiantes, diseñar experiencias centradas en la persona y fortalecer la capacidad institucional. Se resume el AI Act de la Unión Europea, una regulación basada en el riesgo que establece categorías de sistemas, obligaciones de transparencia y seguridad y, muy especialmente, el artículo 50 sobre el marcado del contenido generado por IA, que obliga a identificar los materiales sintéticos. Junto a ello se describe el marco SAFE, que organiza la reflexión en torno a cuatro principios: seguridad (Safety), responsabilidad (Accountability), justicia (Fairness) y eficacia (Efficacy), con especial atención a la coherencia con los principios éticos en educación y al diseño de actividades que garanticen estos criterios. Finalmente se presenta el Safe AI in Education Manifesto, que defiende que la IA en educación debe estar siempre al servicio de las personas y de los fines formativos, subrayando principios como la agencia del estudiantado, la verificación de la información, la inclusión, la transparencia, el derecho de apelación y la necesidad de explicitar cómo se usan los datos y las fuentes. Un apartado especialmente relevante es el dedicado a las tres grandes formas de integrar la IA en educación, formuladas como escenarios graduados por autonomía, agencia y riesgo. En el primero, el profesorado usa herramientas de IA como apoyo a su trabajo (por ejemplo, para preparar materiales, diseñar rúbricas o generar ejemplos). En el segundo, el profesorado incorpora esas herramientas en actividades con el estudiantado, lo que exige una alfabetización elevada en ambos colectivos y una definición clara de qué herramientas son aceptables, con qué usos y cómo debe declararse su empleo. En el tercero, el estudiantado utiliza por su cuenta herramientas de IA para aprender, lo que aumenta el riesgo y hace aún más necesaria la competencia digital y la capacidad de mantener la agencia sobre el propio aprendizaje. En todos los escenarios se enfatizan principios comunes: transparencia (declarar en qué procesos se usa la IA), evaluación auténtica centrada en el proceso y apoyada en evidencias (trabajo en clase, entregas incrementales, diarios o cuadernos de laboratorio) en lugar de confiar ciegamente en detectores de texto generado, equidad (garantizar que todo el estudiantado pueda realizar las tareas aunque no disponga de las mismas herramientas) y protección de la privacidad, especialmente en lo relativo a datos clínicos u otros datos sensibles. La presentación aterriza estos principios en una serie de roles y aplicaciones concretas de la IAGen en educación. Se describen, por ejemplo, funciones como la de “compañero de estudios” que ayuda al alumnado a reflexionar y preparar tareas; la de “motivador” que propone retos y actividades para ampliar el aprendizaje; o la de “evaluador dinámico” capaz de perfilar el conocimiento actual de cada estudiante y generar herramientas de autoevaluación, siempre que se mantenga el control humano y se diseñen estrategias claras de uso. Otras aplicaciones incluyen la generación de cuestionarios, rúbricas, explicaciones adaptadas al nivel del estudiante, guías de estudio, ejemplos de buena práctica o estímulos para el debate crítico. Todo esto lleva a la idea de alfabetización crítica en IA generativa. No basta con saber usar herramientas, sino que hay que usarlas con juicio, integrándolas en valores y prácticas académicas sólidas. Se ofrecen pautas para el reconocimiento explícito del uso de IAGen en trabajos académicos: explicar qué herramientas se han utilizado y con qué objetivos, indicar el número de iteraciones, describir los resultados incorporados, detallar las instrucciones empleadas y explicar cómo se ha integrado el output en el producto final. Esta práctica enlaza con las exigencias del AI Act y con la cultura de transparencia que promueven las universidades. Se presentan casos de uso detallados, donde se muestran flujos de trabajo que integran IAGen para ampliar contenidos, sintetizar bibliografía, analizar transcripciones de audio con herramientas como otter.ai, elaborar nubes de palabras o realizar investigación en profundidad mediante agentes que combinan razonamiento y búsqueda en múltiples fuentes. Estos casos están pensados para ilustrar cómo se pueden diseñar actividades que aprovechen las capacidades de la IA sin delegar en ella el juicio académico ni la responsabilidad última sobre el aprendizaje. Se reconoce que la IA amplifica problemas ya existentes en el sistema educativo, como la la superficialidad del aprendizaje, las desigualdades de acceso o la presión por la productividad, pero también que abre oportunidades sin precedentes para experimentar con nuevas formas de enseñar y aprender. Lejos de la retórica apocalíptica o ingenuamente entusiasta, se propone evitar que la ilusión eclipse la preocupación, pero también que la preocupación neutralice la ilusión. El salto vivido con ChatGPT y otras herramientas exige estudiar, diseñar, experimentar y evaluar sin descanso, con prudencia, pero con audacia, descartando la idea de que la tecnología vaya a arruinar por sí misma la educación. Se trata de ofrecer una visión panorámica y crítica de la IA generativa en educación. Se sitúan las herramientas en su contexto tecnológico e histórico, se exponen sus beneficios y riesgos para los distintos actores, se introducen los principales marcos éticos y normativos, se proponen escenarios operativos para su integración en la práctica docente y se ofrecen ejemplos concretos de uso responsable. Todo ello converge en un mensaje central, la IAGen no es un fin en sí mismo, sino un conjunto de instrumentos que, gestionados con criterio pedagógico, sentido ético y conocimiento del marco regulatorio, pueden contribuir a una educación más personalizada, inclusiva y orientada al desarrollo de competencias para la vida en la era de la IA.Item IA en Educación: Tres escenarios clave para aplicar la IA en la práctica docente(Grupo GRIAL, 2025-11-19) García-Peñalvo, Francisco JoséConferencia plenaria invitada de 1 hora de duración impartida en las XII Jornadas Iberoamericanas de Innovación Educativa en el ámbito de las TIC y las TAC - InnoEducaTIC 2025, celebradas del 19 al 21 de noviembre de 2025 en el Edificio de Electrónica y Telecomunicación de la Universidad de Las Palmas de Gran Canaria, ubicado en el Campus Universitario de Tafira. Esta conferencia se impartió en modo online el 19 de noviembre. Se presenta un recorrido estructurado sobre cómo integrar la inteligencia artificial generativa (IAGen) en la educación desde una perspectiva crítica, apoyándose en marcos internacionales y desembocando en tres escenarios de uso para la práctica docente. Se inicia recordando qué es la IA y, en concreto, la IAGen: sistemas capaces de generar contenido sintético original (texto, imágenes, audio, vídeo, código…) con calidad suficiente como para convertirse en material docente o en productos entregables de los estudiantes, difíciles de detectar como generados por máquinas. Tras una breve aclaración de conceptos (IA, modelos de lenguaje masivos, parámetros, ventana de contexto), se plantea el cambio de escala que suponen los LLM y su rápida cronología reciente. A partir de ahí, se introduce el impacto específico en educación: generación automática de contenidos en múltiples formatos, que abre oportunidades, pero también refuerza el problema de la detección y la autoría real de los trabajos. Se señala que la educación no ha quedado al margen del ruido mediático: abundan visiones catastrofistas (la IA destruirá la escuela o anulará la originalidad) y visiones ingenuamente entusiastas (la IA como solución mágica a todos los problemas). Se menciona el “dilema de Prometeo”: ¿tiene sentido prohibir la IAGen como medida de protección, dado su carácter de caja negra y su tendencia a alucinar, o debemos aprender a convivir con ella? Esta tensión está en el fondo del debate educativo actual. Uno de los mensajes centrales es que el estudiantado ya usa estas herramientas en todos los niveles educativos. Los datos recientes sobre educación superior muestran un aumento constante del uso por parte de estudiantes, docentes y administradores, así como un cambio en la carga de trabajo del profesorado: disminuye el tiempo dedicado a diseñar materiales o responder correos, pero aumenta la vigilancia del fraude y la necesidad de rediseñar la evaluación. La pregunta ya no es “si las usarán”, sino “cómo las estamos integrando”. A continuación, se abordan los riesgos específicos, especialmente las alucinaciones: respuestas plausibles pero falsas, contradicciones internas, errores lógicos, invención de citas bibliográficas, etc. Estas limitaciones se conectan con el “mito de la muerte de la originalidad”: la IA permite trabajos formalmente originales que no proceden del esfuerzo del estudiante, facilitando un aprendizaje superficial y amenazando la autoría genuina si se emplea de modo acrítico. Ante esta realidad, muchas instituciones consideran el texto generado íntegramente por IA sin reconocimiento como una forma de plagio. Se está transitando hacia modelos en los que se aceptan ciertos usos, pero con regulación ética y exigencia de transparencia. Se propone, como mínimo, una declaración explícita del uso de IA que describa herramientas empleadas, propósitos, instrucciones clave y cómo se ha adaptado el resultado. Se muestran ejemplos concretos de la Universidad de Monash, que ilustran buenas prácticas para incluir este reconocimiento en los trabajos académicos. Sobre esta base se introduce la alfabetización crítica en IA: no basta con saber manejar herramientas, sino con situar su uso dentro de valores y prácticas académicas. Se resumen cuatro ideas operativas: verificar antes de adoptar; garantizar equidad e inclusión; mantener la agencia humana explícita en la toma de decisiones; y asegurar transparencia y rendición de cuentas documentando el uso de IA. Estos principios se articulan con varios marcos de referencia: las orientaciones de la UNESCO, el Reglamento Europeo de IA (AI Act), el marco SAFE (Safe, Accountable, Fair, Explainable) y el Manifiesto Safe AI in Education, que insiste en la supervisión humana, la confidencialidad, la precisión y la explicabilidad. Se pasa después a una dimensión más práctica: la “caja de herramientas” de IA en educación (transcripción, generación de texto, imagen, audio, vídeo, infografías, presentaciones, chatbots multimodales…). Se insiste en que la calidad de la respuesta depende del prompt y del contexto que se aporta al modelo; un mejor contexto permite respuestas más útiles y ajustadas. Esto es pedagógicamente relevante, porque el proceso de diálogo con el sistema y la calidad de las preguntas tienen valor formativo en sí mismos. El núcleo de la conferencia es la propuesta de tres escenarios de uso de la IA en educación. El primero, apoyo responsable, se centra en el uso de la IA por parte del profesorado como herramienta de preparación y apoyo (generar materiales, reformular explicaciones, diseñar actividades) con bajo riesgo si se mantiene la agencia docente, se respeta la privacidad y se declara el uso. El segundo, colaboración guiada, incorpora la IA como parte de las actividades del estudiantado, pero con una fuerte guía del profesorado, énfasis en la evaluación auténtica y prioridad al proceso (versiones, iteraciones, trabajo en clase) frente al producto final. El tercero, cocreación con declaración de uso reforzada, contempla un uso más autónomo de la IA por parte del estudiantado en productos de alto impacto (TFG/TFM, recursos abiertos), con riesgos mayores que se compensan exigiendo trazabilidad completa, transparencia, equidad en el acceso y revisión rigurosa. En las conclusiones, se destaca que, tres años después de la irrupción de ChatGPT, el profesorado sigue polarizado entre la tecnofobia y la tecnofilia. Muchos problemas que hoy se achacan a la IA (desigualdades, evaluación basada en la memorización, desajuste entre tareas y competencias) ya existían antes, pero la IA los amplifica y visibiliza. Prohibir sin más no resuelve estas tensiones; el reto es comprender qué aporta realmente a la enseñanza, al aprendizaje y a la investigación, y ponerla al servicio de un aprendizaje más profundo. Finalmente, se subraya la importancia de formar tanto al profesorado como al estudiantado en el uso crítico de la IA, promover comunidades de práctica y compartir buenas experiencias. La IA no es buena ni mala, ni neutral: su impacto dependerá de cómo la diseñemos, la gobernemos y la usemos en los contextos educativos reales.Item Enseñanza con IA Generativa: Desafíos en Salud e Ingeniería(Grupo GRIAL, 2025-09-05) García-Peñalvo, Francisco JoséSeminario de 2 horas de duración impartido en el Salón de Actos de la Facultad de Ciencias de la Salud de la Universidad de Burgos el viernes 5 de septiembre de 2025, organizado por el GIR DATAHES, UIC JCYL N.º 348 y GID B-LCS. Los objetivos específicos del seminario son: 1. Concienciar sobre el uso ético y responsable de la IA generativa en contextos educativos, especialmente en áreas sensibles como la salud y la ingeniería. 2. Presentar el marco del AI Safe in Education Manifesto y otros referentes internacionales como base de buenas prácticas en la docencia. 3. Explorar herramientas de IA generativa actuales y mapear actividades docentes donde profesores y estudiantes puedan integrarlas de manera segura y productiva. 4. Fomentar el debate crítico y reflexivo entre docentes y estudiantes para identificar riesgos, oportunidades y estrategias de implementación responsable. Se propone una hoja de ruta práctica para un uso responsable y eficaz de la IAGen en educación superior. Parte de una alfabetización crítica: qué es la IAGen, cómo funciona (modelos, datos y límites), cuáles son sus riesgos (sesgos, alucinaciones, dependencia) y qué significa evaluar calidad y trazar responsabilidad humana. Introduce técnicas de prompting y el patrón de “deep research” para fundamentar contenidos y decisiones docentes. En el eje normativo-ético, se sintetizan las directrices de la UNESCO (visión humanocéntrica, capacidad institucional y desarrollo docente), el marco regulatorio europeo (EU AI Act, enfoque basado en riesgos y obligaciones de transparencia y documentación) y el marco SAFE de EDSAFE AI (Seguridad, Accountability, Equidad, Eficacia), además del Safe AI in Education Manifesto como guía de principios operativos y compromiso institucional. Estas referencias sirven para alinear políticas de centro, prácticas de aula y diseño de materiales con estándares internacionales y obligaciones legales. El “mapa de actividades” organiza usos de IAGen por fases del ciclo docente: 1) planificación (análisis de resultados de aprendizaje, detección de riesgos y datos necesarios); 2) creación de materiales (guiones de clase, casos, cuestionarios, visualizaciones con trazabilidad y citación de fuentes); 3) apoyo al aprendizaje (tutoría guiada por rúbricas, andamiaje y metacognición); 4) evaluación auténtica (diseños que preservan agencia humana, criterios de divulgación y registro del uso de IA). Se acompañan catálogos de herramientas actuales (LLM generalistas, verificadores y buscadores académicos, copilotos de código, generadores de imágenes con C2PA, gestores de referencias) y pautas de adopción segura.Item IA Generativas aplicadas a la investigación(Grupo GRIAL, 2025-06-30) García-Peñalvo, Francisco José; Conde, Miguel ÁngelEl curso “IA Generativas aplicadas a la investigación” (FPU1576) se impartió de forma presencial el 30 de junio de 2025 en la Universidad de León, dentro de su Programa de Formación del Profesorado para el curso 2024-2025, de 4 horas de duración. La presentación aborda el impacto y las aplicaciones prácticas de la inteligencia artificial generativa (IAGen) en los procesos de investigación académica. Comienza contextualizando el papel de la IAGen en la sociedad del conocimiento y su inclusión en el marco europeo de competencias digitales para la ciudadanía (DigComp). Se destaca cómo estas herramientas están transformando tanto la docencia como la producción científica. A continuación, se introducen diferentes herramientas de IA generativa, diferenciando entre modelos de lenguaje de propósito general, como ChatGPT, Claude o Gemini, y herramientas especializadas en escritura académica, traducción, programación, minería de textos o generación de imágenes. Se enfatiza la importancia de elegir la herramienta adecuada según el contexto y el tipo de tarea. Una parte central del taller se dedica a explicar cómo aprovechar la IAGen en las distintas fases del proceso investigador: desde la ideación y el diseño del proyecto, pasando por la búsqueda y organización de información, hasta la redacción, revisión y publicación de resultados. Se proponen actividades prácticas con prompts orientados a generar ideas de investigación, sintetizar bibliografía, mejorar la redacción científica o transformar textos en varios estilos. También se exploran casos de uso con herramientas específicas como Scite, Elicit, Perplexity o Research Rabbit, que permiten navegar la literatura científica de forma más eficiente, automatizar tareas repetitivas y fomentar nuevas formas de análisis bibliográfico. Asimismo, se aborda el uso de la IAGen en la escritura científica y la evaluación de la calidad de textos académicos, incluyendo recomendaciones sobre ética, transparencia y citación de herramientas IA. En este sentido, se hace hincapié en la necesidad de uso crítico y reflexivo de la tecnología. Por último, se presentan retos y oportunidades derivados de la integración de la IAGen en la investigación, entre ellos la redefinición de la autoría, la reproducibilidad científica y la capacitación del personal investigador. El taller finaliza con una invitación al debate sobre el papel transformador de estas tecnologías en la academia.Item Inteligencia artificial generativa en docencia y la investigación: impacto, estrategias y ética en la práctica(Grupo GRIAL, 2025-06-05) García-Peñalvo, Francisco JoséCurso impartido en el ICE de la Universidad Politécnica de Madrid (ETSI Caminos) el 5 y 6 de junio de 2025 dentro del Plan de Formación del Profesorado del Curso 2024-2025. La inteligencia artificial generativa (IAGen) está transformando la educación superior, impactando tanto en la docencia como en la investigación. Herramientas como ChatGPT, DALL·E, Deepseek, Gemini, Claude y otros modelos de generación de contenido abren nuevas posibilidades para la enseñanza, el aprendizaje y la producción académica, pero también plantean desafíos éticos, metodológicos y estratégicos que docentes e investigadores deben conocer y gestionar. Este curso presencial de 8 horas ofrece una perspectiva práctica sobre la integración de la IAGen en el ámbito académico. A través de talleres interactivos y debates, exploraremos el impacto de estas tecnologías en la enseñanza y la investigación, proporcionando herramientas y estrategias para su uso responsable y efectivo. En el ámbito de la docencia, la IAGen puede actuar como un asistente para la creación de materiales educativos, el diseño de actividades personalizadas y la evaluación del aprendizaje. Sin embargo, también plantea cuestiones sobre la originalidad del trabajo de los estudiantes, la necesidad de nuevas competencias digitales en el profesorado y los riesgos asociados al uso indiscriminado de estas herramientas. Este curso abordará cómo los docentes pueden aprovechar la IA sin comprometer la calidad y la ética en la enseñanza. En el campo de la investigación, la IAGen está facilitando la redacción de textos científicos, la síntesis de información y la exploración de nuevos enfoques en distintas disciplinas. No obstante, su uso también suscita preocupaciones sobre la veracidad de los datos, la integridad académica y los posibles sesgos en los modelos de IA. A lo largo del curso, analizaremos cómo los investigadores pueden incorporar estas tecnologías sin comprometer la rigurosidad y el pensamiento crítico en sus trabajos. Además del impacto técnico y práctico, este curso pondrá un fuerte énfasis en la ética y la regulación de la IAGen. Discutiremos los límites de su uso en el ámbito académico, las normativas emergentes y las mejores prácticas para garantizar un empleo transparente y responsable de estas herramientas. A través de una combinación de sesiones teóricas, actividades prácticas y discusiones en grupo, este curso proporcionará a los participantes una comprensión profunda y aplicable de la IAGen en la academia. Al finalizar, los docentes e investigadores no solo habrán adquirido conocimientos práctica, sino que, lo más importante, también contarán con estrategias para integrar estas tecnologías de manera ética y efectiva en su labor académica. Los objetivos específicos del curso son: 1. Comprender el impacto de la IA generativa en la educación superior Analizar cómo la inteligencia artificial generativa está transformando la docencia y la investigación, identificando tanto sus oportunidades como sus desafíos en el ámbito académico. 2. Explorar aplicaciones prácticas de la IA generativa en la docencia Identificar y experimentar con herramientas de IA generativa para la creación de materiales educativos, el diseño de actividades interactivas y la evaluación del aprendizaje, garantizando su uso pedagógico adecuado. 3. Desarrollar estrategias para el uso responsable de la IA en la investigación Examinar cómo la IA generativa puede facilitar la redacción académica, la síntesis de información y el análisis de datos, asegurando la integridad científica y el rigor metodológico en los procesos de investigación. 4. Fomentar el pensamiento crítico y la ética en el uso de la IA generativa Reflexionar sobre las implicaciones éticas del uso de la IA generativa en la academia, abordando temas como la seguridad, el plagio, la originalidad, la transparencia y los sesgos en los modelos de IA. 5. Conocer el marco normativo y las mejores prácticas en el uso de IA generativa Explorar regulaciones, recomendaciones y guías institucionales emergentes sobre el uso de la IA en la educación superior, con el fin de promover un uso alineado con estándares académicos y éticos. 6. Diseñar estrategias personalizadas para la integración de la IA en la labor académica Facilitar la creación de planes de acción individuales para que los participantes puedan implementar la IA generativa en su enseñanza o investigación de manera efectiva y adaptada a sus necesidades específicas. Los contenidos del seminario son: 1. Bloque I: Expectativas, ética y marco normativo. 2. Bloque II: Fundamentos de la IAGen. 3. Bloque III. Docencia universitaria con IAGen. 4. Bloque IV: Investigación académica con IAGen 5. Bloque V: Estrategias y conclusiones.Item ¿Cómo realizar una revisión sistemática de literatura?(Grupo GRIAL, 2025-06-05) García-Peñalvo, Francisco JoséCurso impartido en el ICE de la Universidad Politécnica de Madrid (ETSI Caminos) el 5 de junio de 2025 dentro del Plan de Formación del Profesorado del Curso 2024-2025. El sentido principal de esta acción formativa es introducir a los investigadores en la realización de revisiones sistemáticas de literatura o SLR (Systematic Literature Review). Se parte de la necesidad de realizar revisiones de literatura para conocer el estado de la cuestión, distinguiendo el concepto de revisión del de revisión sistemática. Hay varios tipos de revisiones sistemáticas que se presentan y se inciden en los dos tipos más utilizados, la revisión sistemática y los mapeos de literatura. Una vez que se tienen los conceptos básicos se introducen los marcos metodológicos de referencia para realizar las revisiones sistemáticas. Se describen en detalle las tres grandes fases de una revisión sistemática (planificación, realización e informe). Se termina con un sencillo caso de estudio de un mapeo sistemática de literatura. Los objetivos específicos del curso son: 1. Conocer qué se entiende por revisión sistemática de literatura. 2. Evaluar el esfuerzo necesario para realizar una revisión sistemática de literatura. 3. Planificar una revisión sistemática de literatura. 4. Realizar una revisión sistemática de literatura. 5. Plasmar el trabajo realizado en un informe o artículo de investigación. Los contenidos del seminario son: 1. Introducción a las revisiones sistemáticas 2. Revisiones sistemáticas de literatura vs. Revisiones de mapeo de literatura y Revisiones de alcance 3. Marcos metodológicos de referencia para la realización de revisiones sistemáticas de literatura 4. Fase de planificación 5. Fase de realización 6. Fase de informe 7. Caso de estudio 8. Bibliometrix 9. Colección de flujos de trabajo y herramientas para realizar revisiones de literatura 10. ConclusionesItem 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.Item Uso seguro de la IA en la Educación. Perspectivas tras dos años de ChatGPT(Grupo GRIAL, 2024-12-12) García-Peñalvo, Francisco JoséLa conferencia magistral invitada “Uso seguro de la IA en la Educación. Perspectivas tras dos años de ChatGPT” se impartió el 12 de diciembre de 2024 de forma virtual dentro del 5º Congreso Internacional de Tendencias en Innovación Educativa (CITIE 2024), celebrado del 11 al 13 de diciembre de 2024 en el Centro Universitario de los Valles de la Universidad de Guadalajara (México). Se aborda cómo la inteligencia artificial generativa (IAGen), ejemplificada por ChatGPT, ha transformado el panorama educativo desde su lanzamiento el 30 de noviembre de 2022. Este análisis destaca tanto el impacto positivo como los desafíos asociados con la integración de estas tecnologías en el ámbito académico. El contenido explora los conceptos básicos de los modelos de lenguaje grande (LLM), incluyendo su arquitectura, tamaño, y costos económicos y energéticos de entrenamiento. Se discuten las capacidades de generación de contenido, como texto, imágenes y audio, y se subraya el papel crítico del diseño de prompts y del contexto en la calidad de las respuestas generadas. En el ámbito educativo, la presentación evalúa cómo la IA ha potenciado la creatividad, productividad y personalización del aprendizaje, beneficiando tanto al profesorado como al estudiantado. Sin embargo, se identifican riesgos como la despersonalización, el uso deshonesto y la dependencia tecnológica. Para mitigar estos problemas, se proponen buenas prácticas que incluyen formación continua, integración equilibrada y fomento de un uso ético. Se introduce el Manifiesto para una IA Segura en la Educación, que propone principios clave como la supervisión humana, la confidencialidad, y la alineación con estrategias educativas y prácticas didácticas. Se concluye reflexionando sobre el impacto disruptivo de la IAGen y subrayando la necesidad de un enfoque ético, inclusivo y colaborativo para garantizar que esta tecnología sea una herramienta beneficiosa en el futuro de la educación. Finalmente, se resalta la importancia de preparar a profesores y estudiantes para un uso crítico y responsable, alineando estas tecnologías con los valores educativos y sociales.Item Escenarios de innovación educativa con Inteligencia Artificial Generativa(Grupo GRIAL, 2024-03-13) García-Peñalvo, F. J.Conferencia magistral impartida en las XIII Jornadas de Innovación Docente de la UNED “Tejiendo conexiones: innovación docente y la respuesta a los desafíos de la modernidad”, celebradas para los días 12 y 13 de marzo de 2024, en la Facultad de Educación de la UNED en Madrid. Estas jornadas son resultado de una iniciativa conjunta del Instituto Universitario de Educación a Distancia (IUED) y el Vicerrectorado de Innovación Educativa. Se ofrece un análisis profundo y prospectivo sobre la evolución y el impacto de la Inteligencia Artificial Generativa (IAGen) en el ámbito educativo, comparando su estado en enero de 2023 con el de enero de 2024. La IAGen se define como la capacidad de crear contenidos sintéticos inéditos en diversas formas para apoyar cualquier tarea, mediante el uso de modelos generativos. Este concepto se sitúa en el centro de un debate sobre la interacción entre seres humanos e inteligencias artificiales, abordando cómo estudiantes, profesores, tomadores de decisiones en la academia y desarrolladores de aplicaciones perciben y se relacionan con esta tecnología. La conferencia destaca la rápida adopción de herramientas de IAGen, como ChatGPT, por parte del estudiantado de todos los niveles educativos, marcando un hito en la historia educativa. Por primera vez, una generación de profesores se enfrenta a estudiantes equipados con dispositivos tecnológicos avanzados y acceso inmediato a la inteligencia artificial, lo que supone nuevos desafíos y oportunidades pedagógicas. Se subraya la capacidad disruptiva de la Inteligencia Artificial, especialmente aquella que puede generar contenidos indistinguibles de los producidos por humanos y que interactúa con los usuarios mediante el lenguaje natural. Esta característica la posiciona como una de las herramientas tecnológicas con mayor potencial de transformación social en nuestra era. La conferencia invita a reflexionar sobre las vastas posibilidades, riesgos y desafíos que esta tecnología plantea, enfatizando que aún estamos en las etapas iniciales de comprender su alcance completo. Finalmente, se argumenta que el desarrollo futuro de la IAGen no debe quedar exclusivamente en manos de los tecnólogos. Es crucial fomentar espacios de co-creación inter y transdisciplinaria que aseguren un desarrollo ético, seguro e inclusivo de la tecnología. Esta perspectiva aboga por una aproximación holística al avance de la IA, considerándola no solo como una herramienta técnica, sino como un fenómeno socio-tecnológico que, hasta hace poco, pertenecía al ámbito de la ciencia ficción. La conferencia concluye destacando la importancia de una colaboración amplia y diversa para navegar el futuro de la educación en la era de la IAGen.