Nori zuzendua

UPV/EHUko doktoregaiak

Datak

Gipuzkoako campusa: 2025eko otsaila

Iraupena (ordutan) / Ordutegia

20 ordu (5 saio, bakoitza 4 ordukoa)

Ordutegia: 9:00 – 13:00

Asistentzia

% 80 bertaratzea derrigorrezkoa (Ikus Doktorego Eskolak antolatutako zeharkako prestakuntza-jardueretan parte hartzeko oinarrizko araudiaren 3. eta 5. puntuak)

Arrazoi justifikatua duten absentziak

Hizkuntza

Gaztelania

Modalitatea

Presentziala

Aldez aurreko betekizunak

Ahal dela, programazioari buruzko oinarrizko ezagutzekin – ez dio axola hizkuntzak.

Lekua eta egunak

Hizlaria, irakaslea eta profila

Juanan Pereira Web Sistemetako eta Software Ingeniaritzako irakaslea da UPV/EHUko Informatika Fakultatean. Horrez gain, ONEKIN ikerketa taldeko kidea da. UEUk eta Asmoz elkarteak antolatutako bi MOOCetako ('HTML5 estandarra ikasten' eta 'HTML5 Aurreratua') irakaslea izan da. 'HTML5 lengoaia eta JavaScript APIak' (HTML5 lengoaia eta JavaScripten APIak) liburuaren egilea, UEUren eskutik. Gaur egun, Software Ingeniaritzaren eta Hezkuntzaren arloetan LLMak (Large Language Models) nola erabil daitezkeen ikertzen ari da. Software-proiektuak https://github.com/juananpe helbidean ikus ditzakezu, egindako post-ak twitter.com/juanan helbidean irakur ditzakezu eta ikerketa lanak ezagutu https://orcid.org/0000-0002-7935-3612 helbidean. 

Juan-Miguel López-Gil irakaslea da UPV/EHUko Informatika Fakultatean. Horrez gain, ONEKIN ikerketa taldeko kidea da. Aurretik, irakasle bisitaria eta doktore laguntzailea izan zen Lleidako Unibertsitatean 2007 eta 2010 artean, eta Pertsonen eta Ordenagailuaren arteko Interakzioko Masterreko zuzendari akademikoa izan zen. 2010etik UPV/EHUn eskolak ematen ditu Lengoaia eta Sistema Informatikoen Sailean. Pertsona eta Ordenagailuaren arteko interakzioaren arloan egiten du ikerketa. Adimen artifizialeko teknikekin lan egin du, batez ere konputazio afektiboaren arloko sailkapen gainbegiratuan oinarritutakoekin. Ezagutza irudikatzeko eta arrazoitzeko ontologiekin ere lan egin du. Gaur egun, ikertzen ari da nola erabil daitezkeen LLMak (Large Language Models) Pertsona eta Ordenagailuen arteko Interakzioa, Software Ingeniaritza eta Hezkuntza arloetan. Bere ikerketa lanak honako hauetan ikus daitezke: https://orcid.org/0000-0001-7730-0472.

Parte hartzaileen kopurua

15

Izen-ematea

Helburuak

• Comprender los fundamentos de la IA Generativa y su potencial impacto en la investigación académica.
• Identificar las diversas aplicaciones de la IA Generativa en diferentes etapas del proceso de investigación.
• Utilizar herramientas de IA Generativa de forma ética y responsable, respetando los principios de integridad académica.
• Elaborar prompts efectivos para obtener resultados precisos y relevantes de las herramientas de IA Generativa.
• Evaluar críticamente la información generada por la IA, verificando su validez y fiabilidad.
• Integrar la IA Generativa con metodologías de investigación tradicionales

Doktoregaiak eskuratuko dituen gaitasunak

Competencias relacionadas con la IA Generativa:

• Comprensión de la IA Generativa: Sus fundamentos, tipos de modelos (como LLMs), funcionamiento, aplicaciones y limitaciones.
• Manejo de herramientas de IA Generativa: Habilidad para utilizar herramientas como GPT, Gemini, Claude, DALL-E, Groq, Perplexity, Consensus.
• Diseño de "prompts" efectivos: Capacidad para elaborar instrucciones precisas para obtener resultados óptimos de las herramientas de IA.
• Evaluación crítica de resultados: Habilidad para analizar la información generada por la IA, verificando su precisión, fiabilidad y relevancia.
• Integración con metodologías tradicionales: Capacidad para combinar la IA Generativa con métodos de investigación tradicionales.
• Uso ético y responsable: Conocimiento de las implicaciones éticas, la privacidad de datos, la seguridad y los sesgos potenciales al usar la IA Generativa en la investigación.

Competencias de investigación:

• Comprensión sistemática de un ámbito de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho ámbito.
  Esta competencia se cumplirá ya que el curso proporciona una comprensión sistemática de la IA Generativa y sus aplicaciones en la investigación académica.
• Capacidad de concebir, diseñar o crear, poner en práctica y adoptar un proceso sustancial de investigación o creación.
  Los estudiantes desarrollarán esta capacidad al aprender a utilizar herramientas de IA Generativa en diferentes etapas del proceso de investigación.
• Capacidad de realizar un análisis crítico y de evaluación y síntesis de ideas nuevas y complejas.
  El curso fomenta la evaluación crítica de la información generada por la IA y la integración de estas herramientas con metodologías de investigación tradicionales.
• Capacidad de fomentar, en contextos académicos y profesionales, el avance científico, tecnológico, social, artístico o cultural dentro de una sociedad basada en el conocimiento.
  Al aprender sobre IA Generativa, los estudiantes estarán mejor preparados para fomentar el avance científico y tecnológico en sus respectivos campos.

Ikastaroaren edukia

Este curso explorará las oportunidades y desafíos que presenta la Inteligencia Artificial Generativa (IA Generativa) para los estudiantes de doctorado, proporcionándoles las herramientas necesarias para utilizar estas tecnologías de forma ética y eficaz en su investigación.

El contenido del curso se dividirá en los siguientes módulos:

MÓDULO 1: Introducción a la IA Generativa:

• Conceptos básicos de IA Generativa: Se abordarán los fundamentos de la IA Generativa, incluyendo los diferentes tipos de modelos (ej. LLMs) y cómo funcionan. Se explorarán herramientas de uso habitual como ChatGPT, Gemini, DALL-E, Groq, etc.
• Aplicaciones en investigación: Se analizarán las diversas aplicaciones de la IA Generativa en la investigación académica, incluyendo la revisión de literatura, generación de hipótesis, análisis de datos, creación de contenido y visualización de información.
• Beneficios y limitaciones: Se discutirán las ventajas de usar la IA Generativa en la investigación, como la eficiencia, la exploración de nuevas ideas y la mejora de la productividad. También se abordarán las limitaciones, incluyendo la posibilidad de sesgos, la generación de información errónea ("alucinaciones") y la necesidad de evaluar críticamente los resultados.

MÓDULO 2: Estrategias para Integrar la IA Generativa en la Investigación:

• Diseño de "prompts" efectivos: Se enseñarán las mejores prácticas para elaborar "prompts" (instrucciones) precisos y efectivos para obtener los resultados deseados de las herramientas de IA Generativa.
• Evaluación crítica de resultados: Se desarrollarán habilidades para evaluar críticamente la información generada por la IA, verificando su precisión, fiabilidad y relevancia para la investigación.
• Integración con metodologías tradicionales: Se explorarán estrategias para integrar la IA Generativa con metodologías de investigación tradicionales, combinando las fortalezas de ambas para obtener resultados más sólidos y completos.

MÓDULO 3: Aplicaciones Prácticas y Herramientas:

• Ejercicios prácticos: Se realizarán ejercicios prácticos con herramientas de IA Generativa, permitiendo a los estudiantes experimentar con diferentes aplicaciones y desarrollar habilidades para utilizarlas en su propia investigación.
• Presentación de ejemplos concretos: Se presentarán ejemplos concretos usados por investigadores que han integrado exitosamente la IA Generativa en sus proyectos.
• Recursos y herramientas: Se proporcionará una lista de recursos y herramientas útiles para seguir explorando la IA Generativa y su aplicación en la investigación académica.

MÓDULO 4: Uso Ético y Responsable de la IA Generativa:

• Integridad académica: Se analizarán las implicaciones éticas del uso de la IA Generativa en la investigación académica, incluyendo el plagio, la autoría y la transparencia en la divulgación de la utilización de estas herramientas.
• Privacidad y seguridad de datos: Se discutirán los aspectos relacionados con la privacidad y la seguridad de los datos al utilizar herramientas de IA Generativa.

Nota: La formación con respecto al contenido de los módulos se llevará a cabo de forma práctica, a través de un conjunto de actividades, en orden de complejidad creciente, que permitan adquirir competencias y cumplir los objetivos de forma agradable y ajustada a la velocidad de aprendizaje de cada alumno.