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.
Una adaptación de ASCCC y McMaster/eCampusOntario para hacer preguntas, documentar respuestas y separar una revisión preliminar de una autorización institucional.
La personalización con IA mejora algunos indicadores y empeora otros. Distinguir cuáles importa para no comprar la promesa entera ni descartarla por completo.
Revisa una herramienta antes de autorizarla o documenta una práctica para que otra persona pueda repetirla; antes, sigue publicaciones, herramientas emergentes y redes.
Orientaciones, ejemplos de políticas de curso, un informe comparativo y una revisión secundaria para redactar reglas claras sin copiar modelos extranjeros.
Plantilla, criterios de calidad y errores frecuentes al capturar una intervención docente con IA. Pensado para coordinaciones que reciben envíos de docentes.
Una relectura de Gilbert Simondon y del concepto de mundoambiente de Flavia Costa para mover el debate educativo desde «¿cómo usamos la IA?» hacia «¿en qué entorno técnico estamos enseñando?».
De la denuncia del sesgo a la auditoría pedagógica: cómo convertir los sesgos de los modelos generativos en objeto de aprendizaje y no en error reproducido.
