Este curso en línea dota a los estudiantes de educación superior de los conocimientos básicos esenciales sobre IA y de habilidades prácticas para utilizar de forma eficaz y responsable las herramientas de IA generativa (GenAI) en sus estudios académicos. Explora los fundamentos de la IA, las consideraciones éticas y las aplicaciones prácticas, como la asistencia en la investigación y el análisis de datos, y desarrolla estrategias para orientarte en el panorama en constante evolución de la IA en el ámbito académico y en tus futuras carreras profesionales.
«Alfabetización en IA para la educación superior: cómo aplicar la IA generativa de forma responsable en tus estudios» es un curso asíncrono totalmente en línea, de 2 ECTS, diseñado para capacitar a los estudiantes de todas las disciplinas a afrontar las oportunidades y los retos que plantea la inteligencia artificial, en particular la IA generativa (GenAI), en el contexto académico.
– Módulo 0. Bienvenida y orientación
– Módulo 1: Introducción a la IA: conceptos básicos y fundamentos de la tecnología para personas sin conocimientos técnicos
– Módulo 2: El impacto de la IA en la sociedad y sus consecuencias en el mercado laboral
– Módulo 3: Uso responsable de la IA y consideraciones éticas; retos asociados al uso de la GenAI (desde las alucinaciones hasta los «yes-bots»)
– Módulo 4: Uso eficaz de los grandes modelos de lenguaje: ingeniería de prompts
– Módulo 5: Uso de la IA generativa para apoyar tu proceso de aprendizaje; estrategias metacognitivas
– Módulo 6: IA generativa para la investigación y la revisión bibliográfica
– Módulo 7: IA generativa para el análisis de datos y otras aplicaciones
– Módulo 8: Síntesis y reflexión: reto final (desarrolla tu propio prompt para apoyar los estudios de educación superior)
El curso va más allá de la teoría para adentrarse en la aplicación práctica. Los estudiantes abordan directamente retos académicos del mundo real (por ejemplo: «¿Cómo puede la IA generativa ayudarme de forma responsable en mi revisión bibliográfica?», «¿Cómo puedo utilizar la IA generativa de forma ética para la exploración preliminar de datos?»). Los módulos incluyen tareas prácticas diseñadas en torno a estos retos, que exigen a los estudiantes investigar, aplicar herramientas y reflexionar sobre las soluciones. Comenzamos explorando el amplio impacto social de la IA, animando específicamente a los estudiantes, en el Módulo 2, a investigar y debatir el efecto de la IA en sus propios campos de futuro, relacionando los conceptos de la IA directamente con diversos contextos disciplinarios. Las consideraciones éticas (Módulo 3) y las aplicaciones de las herramientas (Módulos 4-7) se enmarcan en el contexto general del trabajo académico, aplicable a diversas disciplinas. Al tratarse de un curso en línea totalmente asíncrono impartido a través de Canvas, ofrece la máxima flexibilidad, lo que permite a los alumnos interactuar con los materiales y las actividades a su propio ritmo.
Definir los conceptos fundamentales de la IA y la IA generativa, y explicar sus fundamentos tecnológicos básicos.
Analizar el impacto potencial de la IA en el mercado laboral y en las futuras trayectorias profesionales relacionadas con su campo de estudio.
Identificar los componentes clave de la alfabetización en IA y evaluar diferentes modelos para comprender las capacidades y limitaciones de la IA.
Aplicar marcos de referencia consolidados para evaluar las implicaciones éticas y el uso responsable de las herramientas de IA generativa en contextos académicos.
Reconocer los riesgos y peligros potenciales asociados a la IA generativa, incluidos los sesgos, la desinformación, la privacidad y el impacto medioambiental.
Utilizar técnicas eficaces de ingeniería de prompts para interactuar de forma productiva con los modelos de lenguaje a gran escala (LLM) en diversas tareas académicas.
Emplear de forma responsable herramientas y técnicas específicas de IA generativa para apoyar actividades académicas como la lluvia de ideas, la redacción de borradores, la búsqueda bibliográfica y la exploración básica de datos.
Evaluar de forma crítica los resultados generados por las herramientas de IA, reconociendo la necesidad de la supervisión humana, la verificación y la contribución intelectual original.
Desarrollar directrices personales para el uso ético y transparente de la IA en su propio trabajo académico, adhiriéndose a los principios de integridad académica.
Participar en una revisión por pares constructiva de las tareas académicas asistidas por IA, aportando comentarios tanto sobre el proceso como sobre el producto.
Requisitos previos: conocimientos básicos de informática.
Bozkurt, A., y Sharma, R. C. (2023). IA generativa e ingeniería de prompts: el arte de susurrar para liberar al genio del mundo algorítmico. Asian Journal of Distance Education, 18(2), i-vii. https://doi.org/10.5281/zenodo.8174941
Deloitte AI Institute (2023). La IA generativa y el futuro del trabajo. https://www2.deloitte.com/content/dam/Deloitte/de/Documents/human-capital/Deloitte_GenAI-Future-of-Work.pdf
Furze, L. (10 de noviembre de 2024). «Aduladores sintéticos: por qué los “bots del sí” son un problema para la educación». Leon Furze. https://leonfurze.com/2024/11/11/synthetic-sycophants-why-yes-bots-are-a-problem-for-education/
Hannigan, T. R., McCarthy, I. P., y Spicer, A. (2024). Cuidado con la «mierda de los bots»: cómo gestionar los riesgos epistémicos de los chatbots generativos. Business Horizons, 67(5), 471–486. https://doi.org/10.1016/j.bushor.2024.03.001
Grupo de Expertos de Alto Nivel sobre Inteligencia Artificial (AI HLEG) (2019). Una definición de IA: principales capacidades y disciplinas. https://ec.europa.eu/futurium/en/system/files/ged/ai_hleg_definition_of_ai_18_december_1.pdf
Guía de ingeniería de prompts: https://www.promptingguide.ai/
Russell, S. J. y Norvig, P. (2020). Inteligencia artificial: un enfoque moderno (4.ª ed.). Pearson.
Spatola, N. (2024). La disyuntiva entre eficiencia y responsabilidad en la integración de la IA: efectos sobre el rendimiento humano y la dependencia excesiva. Computers in Human Behavior: Artificial Humans, 2(2), 100099. https://doi.org/10.1016/j.chbah.2024.100099
Stricker, J. K. (25 de febrero de 2025). La crisis del conocimiento sintético [boletín de Substack]. El futuro de la educación superior. https://jeppestricker.substack.com/p/the-synthetic-knowledge-crisis
UNESCO. (2019). Consenso de Pekín sobre la inteligencia artificial y la educación. Documento final de la Conferencia Internacional sobre Inteligencia Artificial y Educación «Planificar la educación en la era de la IA: liderar el salto». UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000368303
Foro Económico Mundial (2025). Informe sobre el futuro del empleo 2025. https://reports.weforum.org/docs/WEF_Futu
– Impartición modular de contenidos (microclases, lecturas seleccionadas, elementos interactivos, demostraciones/grabaciones de pantalla)
– Debates asíncronos: foros estructurados que fomentan la reflexión, el debate crítico sobre dilemas éticos y el intercambio de experiencias con las herramientas.
– Ejercicios de aplicación práctica: tareas prácticas en las que se abordan tareas académicas definidas utilizando herramientas de IA general (GenAI), que requieren documentación y reflexión.
– Actividades de revisión por pares: uso de Canvas Peer Review para obtener comentarios constructivos sobre las tareas prácticas, guiadas por rúbricas.
– Diario de reflexión: tareas breves que fomentan la reflexión sobre el aprendizaje, la evolución de las perspectivas y las posturas éticas personales.
– Prueba de conocimientos básicos (cuestionario)
Extracto académico