Reúne los fundamentos conceptuales, guías prácticas, estudios empíricos y orientaciones institucionales sobre la incorporación de sistemas de inteligencia artificial en la docencia, el aprendizaje y la investigación universitaria. Los materiales distinguen entre el funcionamiento técnico de los modelos probabilísticos, las decisiones pedagógicas que mantienen la dirección intelectual en manos de las personas y las condiciones éticas e institucionales necesarias para un uso transparente y verificable.
Diseña un proyecto con alternativas, criterios y condiciones verificables; explica cómo se tomaron decisiones y qué falta comprobar antes de ejecutarlo.
Diseña una actividad de programación donde el estudiante explique requisitos, depure errores y pruebe cambios; evalúa comprensión y funcionamiento con apoyo crítico de IA.
Prepara una exposición que jerarquice un mensaje, justifique recortes y permita responder preguntas con evidencia; distingue el guion de las diapositivas.
Planos técnicos con IA: vistas y cortes estándar, detección de inconsistencias entre vistas y evaluación de la claridad para un fabricante externo. Progresión de prompts por nivel de la taxonomía de Bloom y rúbrica de proceso.
Redacta una nota informativa con datos comprobados, revisa omisiones y adapta su claridad a la audiencia sin añadir hechos ni valoraciones sin respaldo.
Modelado matemático con IA: identificación de variables, análisis de sensibilidad y crítica de supuestos. Progresión de prompts por nivel de la taxonomía de Bloom y rúbrica de proceso.
Metrología con IA: fuentes de incertidumbre según GUM, lectura de patrones de error sistemático/aleatorio y coherencia entre incertidumbre, trazabilidad y resolución. Progresión de prompts por nivel de la taxonomía de Bloom y rúbrica de proceso.