GRIAL resources
Permanent URI for this communityhttps://repositorio.grial.eu/handle/123456789/1
Browse
27 results
Search Results
Item Inteligencia Artificial Generativa en Investigación(Servicio de Publicaciones Universidad de Zaragoza, 2025-06-11) García-Peñalvo, Francisco José; Fonseca, DavidTaller impartido en la VIII Edición del Congreso Internacional sobre Innovación, Aprendizaje y Cooperación, CINAIC 2025. La Inteligencia Artificial Generativa se ha consolidado como una herramienta de uso extendido en múltiples ámbitos, incluyendo el académico, y tiene impacto en todas las funciones universitarias. En el contexto de la investigación, su presencia puede abarcar todas las fases del proceso: desde la formulación de propuestas y la revisión del estado de la cuestión, hasta la redacción de artículos científicos y la difusión de resultados a la comunidad académica y a la sociedad. La prohibición de estas herramientas no resulta una estrategia realista ni eficaz. Por tanto, se hace imprescindible comprender su potencial, sus limitaciones y los principios éticos que deben guiar su integración responsable en la práctica investigadora. Este taller ofrece una reflexión crítica y práctica sobre el uso de la IA generativa en investigación, promoviendo un enfoque ético, informado y productivo.Item La Inteligencia Artificial Generativa como facilitadora de la atención a la Diversidad en Educación(Servicio de Publicaciones Universidad de Zaragoza, 2025-06-11) Fonseca, David; García-Peñalvo, Francisco JoséTaller impartido en la VIII Edición del Congreso Internacional sobre Innovación, Aprendizaje y Cooperación, CINAIC 2025. Gracias a los actuales procesos diagnósticos, cada vez en más cantidad, y más pronto, se identifican a los estudiantes afectados por todo tipo de trastornos mentales y situaciones que afectan a su aprendizaje, lo que conocemos como trastornos del aprendizaje. En este sentido, las instituciones educativas han desarrollado e implementado, en mayor o menor medida, políticas que ayudan a atender y mejorar la inclusión de estos perfiles. No obstante, la implementación de dichas políticas suele ser compleja o controvertida en determinadas materias, siendo un nicho de oportunidad para el uso de la Inteligencia Artificial Generativa como método de soporte en la creación, adaptación e incluso evaluación de materiales y estudiantes. En este sentido, la IA generativa brinda una oportunidad para mejorar la inclusión en nuestras aulas a partir de mejorar los actuales formatos educativos y evaluativos en ejecución.Item Integración de herramientas de IA generativa en el Diseño Centrado en el Usuario(Universidad de Salamanca. Instituto Universitario de Ciencias de la Educación, 2025-10-31) Therón-Sánchez, Roberto; García-Holgado, Alicia; Silva, Luis AugustoDurante los cursos académicos 2023-2024 y 2024-2025 se ha desarrollado una experiencia docente en la asignatura Interacción Persona-Ordenador del Grado en Ingeniería Informática de la Universidad de Salamanca, centrada en la integración de herramientas de inteligencia artificial generativa (IAGen) en el proceso de Diseño Centrado en el Usuario (DCU). Esta práctica surge ante la necesidad de evitar un uso inadecuado o poco crítico de estas herramientas por parte del alumnado, promoviendo en su lugar una integración fundamentada, ética y coherente con los principios del DCU. La experiencia se estructura en torno a seis prácticas de evaluación continua que abarcan las distintas fases del diseño, desde la identificación de necesidades hasta la elaboración y evaluación de prototipos, incorporando ejemplos de uso de IAGen y pautas específicas para orientar al estudiantado. A lo largo del proceso, el alumnado debía documentar el uso de estas herramientas y reflexionar sobre las decisiones tomadas. Los resultados han sido moderadamente positivos: si bien se ha constatado un uso funcional de la IAGen como apoyo en tareas concretas, también se ha identificado una preocupante falta de pensamiento crítico y escasa capacidad para documentar adecuadamente su aplicación. La propuesta demuestra que ignorar o prohibir el uso de estas herramientas no resulta realista ni formativo; en cambio, su incorporación guiada puede contribuir al desarrollo de competencias clave como la toma de decisiones fundamentadas, la reflexión sobre el proceso de diseño y el uso responsable de la tecnología.Item Análisis PESTLE potenciado por IA Generativa: Una experiencia innovadora en la asignatura Gobierno de Tecnologías de la Información del Máster Universitario en Ingeniería Informática(Universidad de Salamanca. Instituto Universitario de Ciencias de la Educación, 2025-10-31) García-Peñalvo, Francisco JoséEste trabajo describe una experiencia docente en la que se empleó inteligencia artificial generativa para ayudar a estudiantes del Máster Universitario en Ingeniería Informática de la Universidad de Salamanca a analizar el impacto de nuevas tecnologías usando el modelo PESTLE, que evalúa factores políticos, económicos, sociales, tecnológicos, legales y ambientales. Ante la dificultad de contar con expertos reales en temas emergentes, se diseñó un asistente virtual personalizado, configurado y utilizado por los propios estudiantes para “entrevistar” a un experto simulado. Esta metodología fomentó el trabajo en equipo, el pensamiento crítico y el uso ético y transparente de la inteligencia artificial. Los resultados fueron muy positivos: la mayoría del alumnado obtuvo calificaciones excelentes y valoró muy bien la experiencia. Además, la práctica es fácilmente adaptable a otras asignaturas y destaca la importancia de reflexionar sobre el uso seguro y responsable de la inteligencias artificial en la universidad.Item Chatbot ético y supervisado para la enseñanza de UML: Una experiencia en Ingeniería del Software(Universidad de Salamanca. Instituto Universitario de Ciencias de la Educación, 2025-10-31) Vázquez-Ingelmo, Andrea; García-Holgado, Alicia; García-Peñalvo, Francisco José; Therón-Sánchez, Roberto; Conde-González, Miguel ÁngelEsta buena práctica presenta el diseño, implementación y evaluación de un sistema basado en inteligencia artificial para apoyar el aprendizaje del modelado conceptual con diagramas de clases UML. Desarrollado en dos asignaturas del Grado en Ingeniería Informática de la Universidad de Salamanca (curso 2024-2025), el sistema funciona de forma local, ética y segura, mediante un chatbot especializado supervisado por el profesorado. Su objetivo es ofrecer un entorno interactivo que facilite la comprensión del modelado UML, promoviendo el razonamiento autónomo y la reflexión crítica sobre el uso de la IA. La herramienta permite generar enunciados, subir soluciones en imagen y recibir retroalimentación asíncrona, todo de forma anónima y en servidores institucionales. Durante la fase piloto, se registraron 110 mensajes de 13 estudiantes, con resultados positivos en facilidad de uso y potencial de adopción según la escala SUS. Sin embargo, se identificaron desafíos técnicos (sobrecarga, errores en español) y una baja adhesión a los requisitos de trazabilidad en el uso de IA. La experiencia evidencia la importancia de reforzar la alfabetización digital crítica, aclarar el alcance funcional y acompañar pedagógicamente el uso de estas herramientas.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.
- «
- 1 (current)
- 2
- 3
- »