Descripción

Este curso introduce al alumnado de doctorado en el uso responsable de la Inteligencia Artificial en entornos académicos y científicos. Se abordan los fundamentos técnicos de los sistemas de IA, los riesgos éticos asociados, el marco normativo vigente en la Unión Europea (AI Act, GDPR), y las buenas prácticas a la hora de usar IA generativa en investigación. Incluye módulos aplicados sobre detección de fraude académico, análisis mediante perplejidad y otras métricas, así como talleres prácticos orientados a incorporar la IA de forma ética, segura y transparente en la tesis doctoral.

Objetivos

Al finalizar el curso, el estudiantado será capaz de:

1. Comprender los fundamentos esenciales del funcionamiento de la IA actual.

2. Identificar riesgos, sesgos y limitaciones de los modelos de IA generativa.

3. Conocer las obligaciones legales y éticas aplicables a la investigación con IA.

4. Integrar herramientas de IA en su trabajo doctoral de forma responsable.

5. Detectar fraude académico generado con IA y comprender las limitaciones de los detectores.

6. Analizar textos generados por IA utilizando métricas como la perplejidad.

7. Elaborar un informe crítico que evalúe el uso adecuado de IA en su investigación.

Programa

Módulo 1 — Fundamentos de la IA (2 h síncrona) • Qué es la IA y cómo funciona.

Módulo 2 — Ética y sesgos en IA (1.5 h síncrona) • Sesgos algorítmicos. • Transparencia y responsabilidad científica. • Marcos internacionales de ética en IA.

Módulo 3 — Normativa y obligaciones legales (1 h síncrona) • Diferencias internacionales

Módulo 4 — Herramientas de IA para investigación (2 h síncronas) • LLMs para redacción y análisis. • IA para búsqueda bibliográfica. • Taller práctico: redacción y revisión crítica usando IA.

Módulo 5 — Fraude académico y detección (1 h síncrona) • Tipos de fraude con IA. • Herramientas y límites de la detección.

Módulo 6 — Perplejidad y métricas de análisis (1.5 h síncrona) • Qué es la perplejidad y cómo interpretarla. • Herramientas basadas en perplejidad. • Ejemplos comparativos.

Módulo 7 — Taller aplicado: IA en la tesis doctoral (1 h síncrona) • Cómo documentar y justificar el uso de IA. • Elaboración del informe final.

Módulo 8 — Asíncrono (2 h) • Ejercicios, herramientas avanzadas, agentes…

Metodología

• Sesiones online síncronas con exposición, demostraciones y debate.

• Material asíncrono en vídeo.

• Actividades prácticas durante las sesiones.

• Elaboración de un informe aplicado al contexto doctoral de cada estudiante.

Evaluación

• 50% Informe individual.

• 20% Participación y actividades.

• 30% Cuestionario sobre fundamentos técnicos, normativos y éticos.

Observaciones

Observaciones (horarios síncronos): Sesiones síncronas online de 10:00 a 12:00 los días: - 1 de junio - 2 de junio Y de 10:00 a 14:00 el día: - 3 de junio