GRIAL resources
Permanent URI for this communityhttps://repositorio.grial.eu/handle/123456789/1
Browse
1420 results
Search Results
Item AI in the Research Lifecycle(GRIAL Research Group, 2025-10-21) García-Peñalvo, Francisco José; Vázquez-Ingelmo, AndreaThe Workshop on AI in the Research Lifecycle was held on October 21, 2025, at the 13th Technological Ecosystems for Enhancing Multiculturality (TEEM) conference, which took place at the Research Institute for Educational Sciences (IUCE) of the Universidad de Salamanca from October 21 to 24, 2025, and lasted one hour. AI in the Research Lifecycle offers a critical, practice-oriented tour of how generative AI (GenAI) can responsibly augment research from ideation to dissemination. The session begins by situating GenAI as the branch of AI driving today’s disruption and clarifies why its everyday integration represents a qualitative inflection point for knowledge work. It then sets a clear objective: to foster ethical, well-informed, and productive research practices when deploying GenAI. A unifying framework maps GenAI support to each stage of the research cycle (idea formation, proposal writing, state-of-the-art reviews, data collection, coding and analysis, reporting, publishing, and communication) while emphasizing that prompt quality and contextual grounding are decisive for output quality (illustrated by the prompt–context–response schema). Concrete exemplars show how to: 1) brainstorm and structure objectives and hypotheses; 2) interrogate papers with targeted questions; 3) run “deep research” workflows for evidence-bound drafts; 4) convert and manage references (APA/BibTeX); 5) analyze public datasets with transparent code; and 6) generate outreach artifacts such as spotlights, slides, and infographics. The deck also inventories current multimodal tools (text, audio, image, video) and introduces practical pipelines, for instance, transforming recorded interviews into analyzable text and word-cloud summaries with GenAI assistance. Ethics and transparency are treated as first-class concerns rather than afterthoughts. The talk operationalizes four principles for responsible use: Reliability, Honesty, Respect, and Accountability, and aligns them with actionable practices, such as, disclose tool use and methods; verify and reproduce claims; protect privacy and intellectual property; and maintain human agency and oversight. In literature workflows, the session recommends pairing general LLMs (for example, ChatGPT) with research-oriented tools (for example, Elicit, Consensus, SciSpace), while insisting on critical appraisal: do not accept outputs without checking consistency against the best available evidence, apply informal and formal logic, and verify compatibility with prior knowledge. The conclusions balance opportunity and caution. GenAI demonstrably increases efficiency and expands the researcher’s toolkit, yet current limitations, especially around data and provenance traceability, demand measured adoption, explicit acknowledgments, and rigorous review. Used wisely, GenAI automates the repetitive and accelerates exploration, freeing researchers to focus on creativity, judgment, and intellectual autonomy, without displacing the essential human capacities that make research scientific.Item From Ethics to Agency: Participatory Design of a Teacher Training Course for AI in Education(Grupo GRIAL, 2025-09-18) Mouta, AnaArtificial Intelligence is increasingly being integrated into educational settings, yet its ethical implications and impact on pedagogical agency remain underexplored. This thesis investigates the ethical challenges and agency-related concerns in education through an educational design research process, with the aim of developing a teacher training course for K-12 educators, designed through their own voices. The study begins with a systematic literature review (2011–2022), conducted using PRISMA guidelines, which maps the current state of research on AI in education. This phase identifies substantial gaps in ethical frameworks, teacher-specific guidance, and the preservation of educational agency. Building on this foundation, the research adopts a participatory futures methodology, using the Delphi Method to co-construct eight future scenarios. These scenarios explore the socio-technical imaginaries shaping AI's pedagogical implications, including issues of equity, assessment, student voice, and professional autonomy. Subsequent research phases engage teacher educators through iterative focus groups, exploring how AI alters agency dynamics, subjective, intersubjective, and collective, within educational contexts. Findings reveal a pressing need to move beyond dominant techno-solutionist narratives and instead support teachers in reclaiming their roles as ethical and relational agents. These insights inform the co-design of a professional development course, which integrates dialogic, experiential, and reflective learning practices. The course is hosted on a custom-designed Canva platform and structured around a three-layered framework of educational agency, offering educators conceptual and practical tools to critically engage with AI. By foregrounding the symbolic, relational, and ethical dimensions of education, this thesis argues that responsible AI integration must not only be technically sound but also aligned with the core purposes of education: subjectification, qualification, and socialisation. It proposes that sustaining teacher agency requires special attention to the preservation and care of the educational lexicon, one that sustains complexity, openness, ethical discernment, as well as desire and memory in the face of algorithmic pressures. For it is through desire that alternative imaginaries of socio-technical systems and comprehensive educational ecosystems are made possible. This dissertation contributes four main outcomes: (1) a comprehensive ethical mapping of AI in education, (2) a participatory ethical dilemma toolkit, (3) a conceptual framework of agency in AI-mediated education, and (4) a context-responsive, agency-centred professional 8 Ana Mouta. 2025 development course for K–12 educators. Together, these outcomes constitute a theoretically grounded and empirically informed contribution to ongoing scholarly and professional efforts aimed at cultivating educational environments in which decisions regarding the use of AI, and the conditions under which it is integrated, are co-constructed through dialogic, participatory processes that uphold educational purpose, human agency, and the democratic ethos of schooling. It counters the depoliticising and deprofessionalising tendencies of technocratic models by supporting teachers in critically engaging with AI, resisting unreflective automation, and challenging algorithmic normativisation.Item Alfabetización de datos y adopción inicial de IA en K-12: un análisis mixto comparativo entre Cataluña e Italia(GRIAL, 2025-09-24) Donate Beby, BelénLos grandes avances tecnológicos desarrollados en la sociedad no han pasado desapercibidos en ningún ámbito. Aunque el sistema educativo presenta aún resistencias, se encuentra cada vez más presionado hacia la digitalización y la adaptación a los cambios tecnológicos. Este proceso implica no solo la incorporación de herramientas digitales, sino también el desarrollo de competencias específicas como la alfabetización de datos, especialmente en las etapas educativas K-12, donde un uso estratégico de los datos podría contribuir significativamente a la mejora de los procesos de enseñanza y aprendizaje. La presente tesis doctoral se enmarca en un enfoque metodológico mixto y adopta un diseño secuencial explicativo (DEXPLIS), articulado mediante dos estudios de caso en contextos europeos: Cataluña e Italia. La investigación se sustenta en un enfoque no experimental, ex post facto, en el que no se manipulan variables, sino que se analizan relaciones existentes entre ellas. El objetivo principal es analizar el estado de la alfabetización de datos en el profesorado de educación primaria y secundaria, así como su relación con el conocimiento, uso y percepción sobre la Inteligencia Artificial (IA) en contextos educativos. En una primera fase, se realizó una revisión sistemática y un mapeo de literatura sobre las analíticas de aprendizaje y la alfabetización de datos en entornos K-12, lo que permitió establecer los marcos teóricos y conceptuales de referencia. En el contexto educativo internacional, el concepto K-12 designa el conjunto de etapas educativas obligatorias que se desarrollan antes del acceso a la educación superior, incluyendo tanto la educación infantil como la secundaria. Aunque su origen se encuentra en los sistemas anglosajones, su uso se ha extendido en la literatura académica como una herramienta útil para comparar enfoques pedagógicos, marcos normativos y competencias docentes en distintos países. A partir de esta base, se diseñó y validó un cuestionario centrado en la alfabetización de datos, que constituye el núcleo instrumental de esta tesis. De forma complementaria, se incorporó un segundo cuestionario sobre IA, seleccionado por tratarse de uno de los elementos tecnológicos que más está transformando los sistemas educativos contemporáneos y cuya integración resulta clave para una evaluación completa de la alfabetización de datos en contextos escolares. Este segundo instrumento fue también sometido a un proceso riguroso de validación mediante juicio de expertos, análisis factorial exploratorio y confirmatorio, así como pruebas de fiabilidad interna. Posteriormente, los instrumentos se administraron a dos muestras de docentes de ambos países, complementándose con entrevistas semiestructuradas y un grupo de discusión para integrar perspectivas cualitativas. El análisis multivariado incluyó la aplicación de modelos de ecuaciones estructurales (Partial Least Squares Structural Equation Modelling – PLS-SEM), que permitieron observar relaciones predictivas significativas entre el uso de la IA, el conocimiento de la IA y nivel de alfabetización de datos. En particular, se evidenció que la alfabetización general en el uso de datos presenta una relación predictiva significativa con el uso declarado de tecnologías basadas en IA en la práctica docente. Los resultados evidencian un nivel limitado de alfabetización de datos, especialmente en lo relativo a la transformación de datos en decisiones pedagógicas. Asimismo, se identificaron diferencias significativas entre contextos nacionales, aunque no en niveles educativos, observándose estas diferencias en la preocupación por el uso de IA entre el alumnado, Uso general de datos y Prácticas aplicadas de datos. Finalmente, la tesis propone un conjunto de pautas prácticas para la mejora de la alfabetización de datos docente, orientadas a la formación profesional, la toma de decisiones basada en evidencias y la integración estratégica de tecnologías emergentes. Este trabajo aporta no solo un marco empírico comparativo, sino también herramientas prácticas para fortalecer la cultura del dato en el ámbito escolar europeo.Item Diseño y validación de un modelo de mentoría interseccional para mujeres indígenas en STEM(Grupo GRIAL, 2025-09-17) García Silva, ErikaA pesar de los avances en igualdad de derechos y oportunidades, las brechas estructurales persisten en muchos sectores, especialmente en el ámbito educativo y científico. Las mujeres indígenas, afromexicanas y rurales enfrentan una doble o incluso triple exclusión en su acceso, permanencia y desarrollo en las áreas de ciencia, tecnología, ingeniería y matemáticas (STEM). Esta exclusión no se explica únicamente por razones de género, sino por la intersección con otros ejes de desigualdad como la etnicidad, el contexto territorial, la lengua y la situación socioeconómica. La brecha de género en STEM refleja no solo una distribución desigual en matrícula y empleo, sino también un entramado complejo de estereotipos, discriminación y barreras históricas. A pesar del incremento en el acceso a la educación superior en América Latina, la representación de mujeres indígenas en carreras STEM sigue siendo mínima. Estos campos, fuertemente masculinizados, excluyen no solo a través del currículo o la ausencia de referentes, sino también mediante prácticas institucionales que refuerzan el racismo estructural y los estereotipos de género. En este contexto, esta tesis doctoral se propone diseñar y validar un modelo de mentoría con perspectiva de género y enfoque interseccional que fomente la participación de mujeres indígenas, afromexicanas y rurales en STEM. La hipótesis plantea que una mentoría culturalmente situada y contextualmente adaptada puede convertirse en una estrategia transformadora para revertir desigualdades educativas y generar trayectorias sostenibles en estas disciplinas. La investigación se llevó a cabo entre noviembre de 2021 y julio de 2025, centrando su desarrollo empírico en México. Para su ejecución se han definido cuatro ciclos, de acuerdo con el marco metodológico de Investigación-Acción. En el primer ciclo de la Investigación-Acción se delimitó el problema desde una perspectiva interseccional de género y etnia, centrada en las desigualdades en el acceso a la educación superior STEM de personas indígenas. Para fundamentar los objetivos, se realizaron dos revisiones sistemáticas de literatura: una sobre programas e investigaciones dirigidas a estudiantes indígenas en STEM a nivel internacional y otra sobre brechas de género y etnicidad en la elección de estudios superiores en América Latina. Además, se aplicó un análisis de debilidades, amenazas, fortalezas, oportunidades (DAFO) de programas de mentoría implementados en el marco del proyecto europeo W-STEM y otras iniciativas internacionales. Los resultados de este ciclo muestran que las brechas de género y etnicidad se manifiestan no solo en el acceso, sino también en la permanencia, orientación vocacional, ausencia de referentes culturales y racismo institucional. Asimismo, se identificó que los programas existentes tienden a centrarse en el acceso, sin integrar mentoría con enfoque interseccional y culturalmente situado. El análisis DAFO permitió identificar los componentes clave de un modelo de mentoría y sentó las bases para diseñar un acompañamiento académico y personal contextualizado e interseccional. El segundo ciclo se centró en la adaptación, aplicación y validación del cuestionario de opinión sobre la interseccionalidad de género y etnia en los estudios superiores en ciencia, tecnología, ingeniería y matemáticas (QISHESTEM), una herramienta mixta adaptada al contexto mexicano, que recoge percepciones universitarias sobre género, etnia y STEM. Este instrumento se administró a una muestra de 379 estudiantes y permitió detectar sesgos, aspiraciones, barreras, motivaciones e iniciativas en relación con la elección de carreras STEM. Los resultados confirman la persistencia de estereotipos de género, la falta de referentes en STEM y percepciones negativas sobre las capacidades de mujeres indígenas. Estas evidencias refuerzan que la brecha de género y etnicidad en STEM es una manifestación estructural del sistema educativo, social y económico, que requiere estrategias integrales, inclusivas y contextualizadas, donde la mentoría culturalmente situada cumple un rol clave. El tercer ciclo se dedicó al diseño, implementación y evaluación del proyecto Retos Indigenius: Inspirando futuros STEM, una intervención para fomentar vocaciones científicas con dos componentes: (1) retos STEAM contextualizados para niñas y niños indígenas de primaria y (2) charlas motivacionales con profesionales STEM indígenas y no indígenas para estudiantes de bachillerato y universidad. En este ciclo se trabajó con una muestra de 230 estudiantes de sexto grado (111 niños y 119 niñas) pertenecientes a cuatro escuelas primarias: una en Cadereyta Jiménez, Nuevo León, y tres en San Cristóbal de las Casas, Chiapas. La puesta en práctica demostró que, en sexto de primaria, los retos STEAM contextualizados generan entusiasmo, participación activa y apropiación de saberes locales. En bachillerato y universidad, las charlas con profesionales STEM indígenas fortalecieron el sentido de pertenencia del alumnado al visibilizar trayectorias de éxito surgidas de sus propios contextos. Por último, en el cuarto ciclo se diseñó y validó el modelo de Mentoría Interseccional de Acompañamiento en STEM para mujeres indígenas, afromexicanas y rurales (MIA-STEAM) mediante 16 entrevistas semiestructuradas con mentoras, mentees y coordinadoras; los datos se analizaron mediante análisis temático y DAFO por roles. Las entrevistas revelaron una valoración positiva del modelo gracias a su enfoque de acción social y a cinco componentes clave: formación de mentoras, emparejamiento sensible al contexto y a las afinidades, actividades vinculadas a los ODS, retos STEAM y la sostenibilidad. El análisis DAFO identificó debilidades (limitación de recursos, sobrecarga emocional de mentoras), amenazas (resistencia institucional, riesgo de descontextualización), fortalezas (pertinencia cultural, flexibilidad, vínculo emocional) y oportunidades (escalabilidad, alianzas con universidades y ONG, redes de mentoras indígenas). El modelo se considera replicable y escalable, siempre que se ajuste a cada contexto y conserve su enfoque interseccional, participativo y comunitario. Los resultados confirman la pertinencia y flexibilidad de MIA-STEAM, así como su impacto positivo en el acompañamiento académico, el empoderamiento personal y el sentido de pertenencia en STEM. Como producto de esta tesis, se propone el modelo MIA-STEAM como una contribución original a los estudios sobre equidad en STEM. Este modelo abre nuevas líneas para investigar el impacto de la mentoría en comunidades diversas, promover políticas públicas inclusivas y transformar el acceso a la educación desde una perspectiva de justicia social.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 Transformando lo público: IA y gestión administrativa del siglo XXI(Grupo GRIAL, 2025-07-24) García-Peñalvo, Francisco JoséLa conferencia “Transformando lo público: IA y gestión administrativa del siglo XXI” se impartió en el 24 de julio de 2025 dentro del Curso de Verano “Aplicaciones y desafíos de la inteligencia artificial en el ámbito público” de la Universidad de Burgos, celebrado del 23 al 25 de julio de 2025. La inteligencia artificial (IA) está transformando de forma acelerada la manera en que se organiza y gestiona la Administración pública. Esta conferencia ofrece una panorámica sobre cómo la IA generativa, especialmente, está posicionándose en el centro de los procesos de transformación digital del sector público. En primer lugar, se contextualiza la evolución de la IA desde sus etapas pre-generativas, basadas en modelos estadísticos y algoritmos clásicos, hasta el auge de los modelos generativos actuales, capaces de razonar, generar texto, código o imágenes, y asistir en tareas complejas. Se destacan tres fases clave: el auge de los modelos de lenguaje (2022–2023), la incorporación de capacidades de razonamiento multimodal (2024), y la irrupción de los sistemas agénticos (2025), capaces de actuar de forma casi autónoma con mínima intervención humana. La charla pone el foco en cómo estas tecnologías afectan específicamente al sector público. La automatización de tareas burocráticas, como el procesamiento de expedientes o la redacción de documentos, ya es una realidad en ámbitos como la sanidad o la gestión administrativa, liberando tiempo para tareas de mayor valor humano como el diagnóstico clínico o la atención ciudadana personalizada. Sin embargo, el impacto de la IA no es neutral. Se señalan riesgos como la pérdida de autoría, el uso inadecuado, la dependencia tecnológica, los sesgos, o la inequidad en el acceso. Por ello, se subraya la necesidad de una gobernanza de la IA que equilibre la innovación con principios como la legalidad, la transparencia, la neutralidad y la promoción del interés público. Se presenta una matriz de gobernanza que cruza estos principios con las fases de generación del conocimiento (datos, algoritmos, usos), basada en normativas como el GDPR y el AI Act. La conferencia concluye con una llamada a la formación especializada del personal público. Aunque la IA generativa parece accesible, su aprovechamiento real requiere competencias éticas, dominio conceptual y conocimiento de herramientas. Sin una preparación adecuada, la tecnología puede convertirse en una fuente de errores, dependencia o frustración. En definitiva, se propone ver la IA no como una amenaza, sino como una herramienta estratégica para mejorar la eficiencia, la equidad y la calidad del servicio público en el siglo XXI, siempre que se utilice con inteligencia, responsabilidad y visión a largo plazo.Item AI-Assisted UML Learning: Toward Ethical Integration of Generative Artificial Intelligence in Software Engineering Education(Servicio de Publicaciones Universidad de Zaragoza, 2025-06-11) Vázquez-Ingelmo, Andrea; Castillo-Salguero, Cristian Alejandro; García-Peñalvo, Francisco José; Conde, Miguel Ángel; García-Holgado, Alicia; Therón, RobertoThis paper presents a web-based chatbot platform designed to support the teaching of UML domain modeling in software engineering education. Leveraging locally executed generative AI (DeepSeek-v2), the tool provides students with anonymized, interactive feedback and problem generation capabilities while preserving data privacy and promoting ethical AI use. The platform fosters autonomy, digital literacy, and critical reflection, offering a scalable and sustainable solution for integrating AI into higher education.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 Taller: Inteligencia Artificial Generativa en Investigación(Grupo GRIAL, 2025-06-12) García-Peñalvo, Francisco JoséEl Taller sobre Inteligencia Artificial Generativa en Investigación se celebró el 12 de junio de 2025 en la VIII Edición del Congreso Internacional sobre Innovación, Aprendizaje y Cooperación, CINAIC 2025, celebrado en la Escuela Técnica Superior de Ingenieros de Minas y Energía de la Universidad Politécnica de Madrid del 11 al 13 de junio de 2025, con una hora de duración. Se ofrece una visión crítica y aplicada del papel de la IA generativa (IAGen) en el ciclo completo de la investigación académica. Desde una perspectiva ética y práctica, se analiza cómo estas tecnologías están transformando cada etapa del proceso investigador, desde la generación de ideas hasta la difusión de resultados, fomentando un uso reflexivo y responsable. El. taller inicia con una contextualización del impacto disruptivo de la IAGen, destacando su capacidad para producir contenido sintético de calidad en múltiples formatos. Esta tecnología, ahora integrada en la vida cotidiana y profesional, plantea enormes oportunidades, pero también desafíos en cuanto a fiabilidad, transparencia y autoría. La sesión se articula en torno a un esquema visual del flujo de investigación, donde se identifican las fases clave, idea, objetivos, propuesta, revisión del estado de la cuestión, recolección y análisis de datos, escritura, publicación y comunicación, y se asocian a funciones que la IAGen puede desempeñar en cada una (por ejemplo, generador de ideas, selector de artículos, generador de código o redactor/editor). Cada fase se acompaña de actividades prácticas con herramientas como ChatGPT, Gemini, Elicit, Perplexity, Scholarcy o SCISpace, utilizadas para redactar hipótesis, generar líneas de investigación, sintetizar propuestas, resumir artículos y responder preguntas complejas. Las dinámicas fomentan tanto la eficiencia como el pensamiento crítico, mostrando cómo la IA puede asistir sin reemplazar al investigador. Una parte destacada se dedica a la ética y la transparencia. Se presentan principios propuestos por organismos europeos y ejemplos de buenas prácticas como los de la Universidad de Monash, subrayando la importancia de reconocer explícitamente el uso de IAGen, justificar su aplicación y asumir responsabilidad por los resultados. La sesión culmina con una reflexión sobre los peligros del uso acrítico de estas tecnologías. Se advierte contra el relato excesivamente optimista o engañoso y se propone un modelo de uso que potencie la autonomía, la creatividad y la calidad investigadora. La metáfora final de la cristalización del conocimiento colectivo simboliza cómo la IAGen, bien aplicada, puede convertirse en una herramienta para proyectar la investigación hacia el futuro.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.