Conferences
Permanent URI for this collectionhttps://repositorio.grial.eu/handle/123456789/13
Browse
364 results
Search Results
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.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 Research conversation with CLEHN Lab(GRIAL reserarch group, 2025-05-16) García-Peñalvo, Francisco José; Rodríguez-Conde, María JoséResearch coversation with Le Laboratoire Communication, Linguistique, Éducation et Humanités (CLEHN) of the Mohamed Premiere University at Oujda.Item From Vision to Reality: AI at the Heart of University Digital Transformation(Grupo GRIAL, 2025-05-17) García-Peñalvo, Francisco JoséKeynote at the 2ème Edition du Colloque International Communication et Transformation Numérique: Enjeux, Dynamiques Pratiques Innovantes, held 15-17 May 2025 in Oujda and Berkane, Maroc. The digital transformation of higher education has evolved from a technical aspiration into an institutional imperative. Catalysed by the COVID-19 pandemic, universities worldwide were forced into a rapid digital shift, revealing profound structural, pedagogical, and social vulnerabilities. While technology was essential to continuity, the most critical insight from this experience is that digital transformation is not just about tools or platforms—it is, fundamentally, about people, culture, and mindset. This keynote explores how artificial intelligence (AI), and more specifically, generative AI (GenAI), has become both a catalyst and a challenge in the evolving landscape of higher education. The arrival of tools like ChatGPT and other GenAI models has created an inflection point between vision and reality. No longer confined to specialized research domains, AI has entered the everyday fabric of teaching, learning, and governance. It generates new possibilities for personalization, creativity, and operational efficiency, but also introduces complex ethical, social, and strategic dilemmas. A central thesis of this keynote is that AI adoption must be governed by a values-driven, participatory, and strategic approach. Drawing on international frameworks, including the EU Artificial Intelligence Act, UNESCO recommendations, and the Safe AI in Education Manifesto, the presentation outlines how universities can move from fragmented experimentation to coherent AI governance. This involves aligning institutional strategies with legal and ethical standards, promoting human oversight, and ensuring transparency, inclusivity, and innovation. The presentation also examines the perceptions, concerns, and aspirations of key university stakeholders (teachers, students, researchers, and decision-makers) in relation to AI. For teachers, GenAI offers support in creating content, diversifying assessments, and facilitating personalized learning. Yet it also raises concerns about authorship, evaluation integrity, and overdependence on technology. Students benefit from AI-enhanced creativity, productivity, and language support, but face risks related to superficial learning, equity, and ethical boundaries. Researchers gain efficiency through automation and synthetic data, but must contend with challenges around source reliability, academic honesty, and privacy. Meanwhile, university leadership is tasked with balancing innovation and competitiveness with accountability and sustainability. To address these complexities, the keynote proposes a structured governance framework for AI in universities, built on four core principles: 1. Legality: AI must comply with existing regulations such as the GDPR and the EU AI Act. 2. Neutrality: Systems must be designed to mitigate algorithmic and data biases. 3. Transparency: All processes involving AI should be explainable and open to scrutiny. 4. Innovation: Responsible experimentation must be encouraged to foster institutional growth. These principles translate into practical governance structures, including the creation or reinforcement of: • An AI Commission for strategic direction and institutional coordination. • An Ethics Committee to oversee fairness and human dignity in AI use. • A Data Protection Officer with AI-specific responsibilities. • A Technical Services Unit to ensure operational alignment. • An Expert Advisory Group with interdisciplinary insight to assess evolving challenges. This ecosystemic approach enables universities to integrate AI into their digital transformation strategies while protecting their academic mission and institutional integrity. Finally, the keynote emphasizes that universities must not merely react to AI but lead its ethical integration and pedagogical reimagination. The goal is not to build AI-powered systems, but to cultivate an AI-augmented academic culture, a culture in which critical thinking, collaboration, and human-centred innovation remain at the core of educational practice. In conclusion, this keynote is a call to action for universities to move from vision to reality by embracing AI not only as a technological opportunity but as a profound responsibility. By investing in governance structures, training programs, and ethical foresight, universities can position themselves as stewards of the digital era, ensuring that the rise of AI strengthens, rather than disrupts, the foundational values of education.Item Aspectos claves para publicar en revistas de alto impacto(Grupo GRIAL, 2025-05-07) García-Peñalvo, Francisco JoséEl webinar “Aspectos claves para publicar en revistas de alto impacto” se impartió el 7 de mayo de 2025 en el contexto de las IFE Talks del Tecnológico de Monterrey. El webinar tiene como finalidad ofrecer una guía práctica y estratégica para la publicación en revistas científicas de alto impacto, no solo como meta académica, sino como una herramienta para lograr visibilidad, reconocimiento y posicionamiento dentro de la comunidad científica global. La sesión se organiza en torno a cuatro objetivos fundamentales: comprender el ecosistema editorial internacional, identificar los elementos diferenciadores de un manuscrito, adoptar una visión estratégica de la publicación y evitar errores comunes. Se inicia con un análisis del ecosistema editorial, explicando qué caracteriza a una revista de alto impacto: alta visibilidad, frecuencia de citación y su inclusión en bases de datos como Web of Science o Scopus. Se introducen indicadores como el Journal Impact Factor (JIF), Journal Citation Indicator (JCI), el SJR y CiteScore. A su vez, se advierte sobre el uso excesivo de estos indicadores, destacando las críticas de iniciativas como CoARA, que abogan por una evaluación más justa de la calidad científica. Antes de escribir, se subraya la importancia de haber desarrollado adecuadamente el método científico, formulado preguntas relevantes, y seleccionado el tipo de artículo a redactar. Se hace énfasis en los acuerdos éticos de autoría, utilizando el sistema CRediT para describir la contribución de cada autor, y se presenta un ecosistema tecnológico para la escritura eficiente. Herramientas como Overleaf, Google Docs y ScienHub son recomendadas para la redacción colaborativa. Además, se destaca el uso ético de IA generativa y la integración de gestores de bibliografía como Zotero o EndNote. La redacción del manuscrito se organiza en torno a la estructura IMRaD (Introducción, Métodos, Resultados y Discusión). Cada sección se detalla con recomendaciones prácticas sobre contenido, estilo, claridad y rigor metodológico. Se ofrecen consejos sobre cómo redactar un título eficaz, construir un resumen comprensivo y definir palabras clave relevantes. Se insiste en cuidar aspectos formales como la coherencia, las referencias actualizadas y el cumplimiento estricto de las normas de estilo de cada revista. En cuanto a la estrategia de envío, se abordan los criterios para seleccionar la revista adecuada, cómo adaptar el manuscrito a sus directrices, y el envío correcto incluyendo la preparación de metadatos, imágenes y carta al editor. Esta última debe ser clara, concisa, profesional y personalizada. Ante la respuesta de la revista, se dan pautas para responder a los revisores de forma respetuosa y argumentada, facilitando la revisión con formatos claros y documentación precisa. Si el artículo es rechazado, se recomienda analizar los comentarios, reflexionar sobre mejoras, y considerar otras revistas candidatas. Finalmente, se ofrece una estrategia post-publicación que incluye la difusión en redes académicas y sociales, archivo en repositorios, seguimiento del impacto (citas y altmetrics), y participación en eventos académicos. Se cierra con una lista de errores frecuentes y consejos clave para una publicación científica exitosa, basada en el método, la claridad, la ética y una estrategia editorial bien definida.Item Inteligencia Artificial en el aula. De los mitos a la realidad(Grupo GRIAL, 2025-04-11) García-Peñalvo, Francisco JoséInvestigación Educativa, celebrado del 9 al 12 de abril de 2025 en Punta Cana (República Dominicana). La conferencia aborda de manera crítica y documentada cómo la irrupción de la inteligencia artificial generativa (IAGen) está transformando la educación, especialmente en el aula universitaria, separando realidades de mitos que distorsionan la comprensión de su impacto. En primer lugar, se indica cada época ha tenido sus propios mitos tecnológicos y la IA no es una excepción: desde visiones apocalípticas al estilo Skynet o HAL 9000, hasta las utopías hipertecnológicas como Multivac de Asimov. Uno de los focos clave es la generación automática de contenidos educativos por parte de la IAGen, una tecnología que ha demostrado capacidad suficiente para producir materiales de alta calidad pero que también plantea dilemas sobre la autoría, la ética y la integridad académica. La presentación desmonta tres mitos principales que afectan especialmente al ámbito educativo. El primero es el mito de la sustitución del profesorado. Aunque se ha promovido la idea de que la IA puede reemplazar a los docentes, la conferencia demuestra que esta visión es reduccionista. La educación no se limita a la transmisión de conocimientos, sino que involucra una dimensión relacional, emocional y ética que la tecnología por sí sola no puede suplir. La IA debe entenderse como un complemento al profesorado, no como un sustituto. El segundo mito tratado es el de la autonomía del aprendizaje. Se analiza la promesa de la personalización radical mediante IA, que pretende empoderar al estudiante para que controle completamente su proceso de aprendizaje. Sin embargo, la automatización excesiva puede paradójicamente erosionar la autonomía del estudiante, fomentando la dependencia de las soluciones automáticas y restando oportunidades para el desarrollo de competencias como el pensamiento crítico y la autorregulación. Además, se advierte de los riesgos de que estos sistemas centren la interacción en el binomio individuo-máquina, limitando las oportunidades para la colaboración y el aprendizaje social. El tercer mito es el de la “muerte de la originalidad” en los trabajos académicos. Si bien la IA facilita la producción de textos originales desde el punto de vista formal, no siempre garantiza una aportación genuina del estudiante. Las herramientas de detección de IA son limitadas y pueden generar falsos positivos, por lo que no deben convertirse en el eje central del control académico. La clave está en fomentar la reflexión crítica y valorar el proceso de aprendizaje, más que únicamente el producto final. La conferencia concluye enfatizando la necesidad de pasar del “modo pánico” al “modo diseño”. Se apuesta por un enfoque basado en la creatividad, la responsabilidad compartida y la construcción de comunidades de práctica que promuevan una integración equilibrada de la IA. Además, se presenta el “Manifiesto para una IA segura en la educación”, que propone principios como la supervisión humana, la confidencialidad, la explicabilidad y la alineación con las estrategias pedagógicas. En definitiva, la IA no es ni una amenaza absoluta ni una solución mágica. Su impacto dependerá de cómo se diseñen las prácticas educativas y de la capacidad de las comunidades académicas para aprovechar sus ventajas sin renunciar a los valores esenciales de la educación: pensamiento crítico, ética, agencia y aprendizaje auténtico.Item Desarrollo de un GPT personalizado para la orientación universitaria(Grupo GRIAL, 2025-03-06) García-Peñalvo, Francisco José; Vázquez-Ingelmo, AndreaEl taller “Desarrollo de un GPT personalizado para la orientación universitaria” se impartió el 6 de marzo de 2025 en las I Jornadas de Orientación Profesional y Competencias CRUE España, celebradas en la Universidad de Salamanca. En el taller se explora cómo las tecnologías de Inteligencia Artificial Generativa (IAGen) y, en particular, los modelos GPT personalizados, pueden transformar la orientación académica en las universidades. La presentación arranca contextualizando la revolución tecnológica que ha supuesto la IAGen, destacando cómo los modelos de lenguaje a gran escala (LLM) han cambiado la producción de contenidos y la interacción con la información. Los LLM funcionan prediciendo la siguiente palabra en un contexto dado, lo que les permite generar texto coherente. Su efectividad depende de la cantidad de parámetros (pueden superar los 10.000 millones) y de la amplitud de la ventana de contexto, que define cuánta información puede considerar el modelo a la vez. Una mayor ventana permite mantener el contexto en conversaciones largas o analizar documentos extensos. El taller también presenta el “Manifiesto para una IA segura en la educación”, un conjunto de principios que garantizan el uso ético y seguro de la IA en el entorno educativo. Entre estos principios destacan la supervisión humana, la protección de la confidencialidad, la alineación con las estrategias educativas, la precisión y explicabilidad de las respuestas, y la transparencia en el comportamiento del asistente. El taller subraya la necesidad de desarrollar asistentes virtuales inteligentes adaptados a necesidades específicas, como la orientación universitaria. Un GPT personalizado no es simplemente una versión adaptada de ChatGPT, sino un asistente ajustado a un propósito concreto, que sigue instrucciones específicas, accede a información relevante y ofrece respuestas alineadas con las políticas y el contexto institucional. La diferencia clave es que ChatGPT es un generalista, mientras que un GPT personalizado es un especialista entrenado con manuales, procedimientos y documentación concreta. La personalización de un GPT implica definir su propósito, el tono de sus respuestas y el nivel de detalle. Es crucial proporcionar al modelo un conjunto de instrucciones claras y ejemplos de respuestas esperadas, además de establecer restricciones para evitar respuestas ambiguas o erróneas. Un aspecto clave es la personalización del conocimiento, cargando documentos específicos (normativas, reglamentos o guías de la universidad) que el GPT puede consultar para generar respuestas precisas. El proceso técnico de creación de un GPT personalizado en la plataforma ChatGPT de OpenAI es descrito paso a paso. OpenAI ofrece una interfaz de configuración intuitiva, donde es posible definir el comportamiento del asistente, subir documentos de conocimiento, habilitar la consulta de información en la web, e incluso conectar el GPT con API externas para realizar tareas avanzadas. Además, OpenAI recomienda redactar instrucciones de forma clara, granular y estructurada, dividiendo procesos complejos en pasos simples, utilizando ejemplos concretos y promoviendo la revisión cuidadosa de las respuestas generadas. En resumen, el taller muestra cómo los GPT personalizados pueden convertirse en herramientas clave para mejorar la orientación universitaria, ofreciendo a estudiantes y personal académico un asistente conversacional inteligente, fiable y adaptado a las necesidades de cada institución. Este enfoque combina la potencia de la IA Gen con las buenas prácticas de personalización y un fuerte compromiso con la ética y la transparencia en el uso de la IA en la educación superior.Item Elaboración de políticas de apoyo de Educación y Ciencia y Abierta(Grupo GRIAL, 2025-01-21) García-Peñalvo, Francisco JoséConferencia impartida el 21 de enero de 2025 en la Estancia Internacional organizada por la Cátedra UNESCO Movimiento Educativo Abierto para América Latina 2025 y que se desarrolla entre el 20 y el 31 de enero de 2025 en el Tecnológico de Monterrey (México). El objetivo de esta conferencia es presentar la importancia de las políticas de conocimiento abierto orientadas al apoyo y desarrollo, fundamentalmente, de la Educación Abierta y de la Ciencia Abierta.