2025-26 Intel·ligència artificial generativa avançada

• Aprenentatge actiu i basat en problemes, amb èmfasi en el principi d'aprendre fent. 
• Alineació constructiva: cada activitat pràctica es vincula a un resultat d'aprenentatge i a una evidència avaluable. 
• Cicles ràpids de prototipat i reflexió: demostrar, practicar, iterar, documentar i revisar amb retroacció immediata. 
• Rigor i traçabilitat: registre d’indicacions (prompts), paràmetres i fonts per assegurar la reproductibilitat, la comparació entre models i la presa de decisions informades. 
• Ús responsable de la IA: verificació humana, control de biaixos, privacitat i transparència en l’ús d’eines. 

Treball a la plataforma i tutories en línia 

• Microtasques asincròniques: repositori d’indicacions comentades, comparatives de resultats, bitàcola de decisions i llista de verificació de biaixos. 
• Tutoria síncrona breu per resoldre bloquejos, afinar agents i ajustar fluxos de treball. 
• Repositori compartit: biblioteca viva d’indicacions, plantilles, agents i fluxos de treball exportables. 

Aquest curs s'impartirà en castellà.

Aquest curs va adreçat a Personal Docent i Investigador de la UIB.

Conèixer què és la IA generativa i estar familiaritzat amb les principals IA generatives del mercat. 

• De quina manera puc organitzar millor la meva recerca i evitar perdre temps buscant referències o repetint tasques que podria delegar a eines digitals?
• Quina és la millor manera de detectar quan un alumne està fent servir IA de manera indeguda en els seus treballs?
• Com puc automatitzar respostes recurrents als correus dels estudiants sense perdre el tracte personal?

Aprendrem a dominar tècniques avançades d'indicacions per a tasques acadèmiques i docents: selecció informada de models raonadors i generals segons la tasca, ajust de paràmetres (temperature, top-k, top-p), disseny de contextos amb rols i instruccions precises, i aplicació d'estratègies de raonament com cadena de pensament, tècniques step-back i tree of thoughts, també en escenaris multimodals. 

Practicarem metaprompting amb bucles d’autorevisió i compararem resultats entre plataformes (ChatGPT, Gemini i Anthropic), tot incorporant tècniques de mitigació d’al·lucinacions mitjançant indicacions robustes. 

Dissenyarem agents i eixams simples basats en principis d’orquestració i memòria per automatitzar comunicacions, tutories i avaluacions recurrents, i crearem un GPT/GEM personalitzat per a una assignatura o projecte. 

Integrarem Notion amb IA per construir un CRM d’alumnes, un sistema de control de recerca i automatitzacions bàsiques mitjançant botons, plantilles i connectors externs. 

Desenvoluparem fluxos de treball complets per a la recerca i la docència: revisió de literatura assistida amb Research Rabbit, Zotero, Perplexity i NotebookLM; identificació de buits i hipòtesis; redacció i revisió de textos científics. 

En l’àmbit docent, generarem material didàctic, variants d’exercicis i recursos multimèdia; integrarem agents i models de llenguatge grans (LLM) en sistemes de gestió de l’aprenentatge (LMS) institucionals; i aplicarem eines per a l’avaluació i la detecció d’ús indegut de la IA. 

Tot això es durà a terme amb una actitud crítica i ètica, valorant els riscos de biaix, privacitat i fiabilitat. El curs conclourà amb el lliurament de microtasques i la creació d’una biblioteca viva d’indicacions, connectors i fluxos de treball transferibles a la pràctica universitària. 

Disseny d'aprenentatge i planificació de cursos. 

Elaboració de recursos didàctics.

Publicació de recerca i estratègies per augmentar l'impacte de les publicacions. 

Ús d'eines digitals de la UIB i externes. 

Gestió de la informació i habilitats de cerca avançada. 

BLOC 1 (2 hores): tècniques  avançades d'IA d'indicacions (metaprompting) 

Objectiu: capacitar els professors en les tècniques més eficaces d’indicacions, mostrant diferències entre models, la parametrització i les estratègies avançades per maximitzar resultats en tasques acadèmiques i docents. 

Continguts: 

1. Panorama actual de models d’IA generativa (IAG) 

• Comparació dels principals models. 
• Diferències entre models raonadors i models generals: quan i per a quin tipus de tasques es pot utilitzar cada un? 
• Paràmetres clau: temperature, top-k, top-p. Exemples pràctics i recomanacions de configuració. 
•  

2. Tècniques avançades d’indicacions 

• Tipus d’indicacions: sense exemples previs (zero-shot), amb un exemple (one-shot), amb pocs exemples (few-shot). 
• Enginyeria de context: instruccions clares, definició de rols, control de format i sortida. 
• Cadena de pensament (chain of thought), tècniques step-back i tree of thoughts: raonament estructurat en indicacions complexes. 
• Indicacions multimodals. 
• Tècniques per maximitzar l’extensió i profunditat del resultat (paràmetres i estructura de la indicació). 
• Metaprompting avançat: tècniques d’autoverificació i bucles de millora (lazy prompts). 

3. Pràctica guiada 

• Disseny d’indicacions per a tasques docents (resums, preguntes d’autoavaluació) i per a recerca (cerca i síntesi de literatura). 
• Introducció a plataformes d’experimentació (ChatGPT, Gemini, Anthropic) i avaluació comparada de resultats. 
• Com mitigar les al·lucinacions amb indicacions robustes. 

4. Connectors i trucs per facilitar el contacte amb la IA 
 
BLOC 2 (2 hores): Agents (bots), automatització i GEM (eixams de bots) 

Objectiu: Comprendre el funcionament, disseny i aplicació d’agents conversacionals (bots), el seu ús per automatitzar tasques recurrents i la seva personalització (GEM/GPT personalitzats) en contextos acadèmics. 

Continguts: 

1. Concepte i tipologia d’agents d’IA 

• Diferències entre automatitzacions simples i agents intel·ligents (tasques específiques i eixams multiagent). 
• Orquestració i supervisió d’agents. 
• Exemples d’agents: AutoGPT, LangChain, n8n, Swarm Agents, GEM. 

2. Creació i personalització d’agents 

• Principis de disseny: instruccions, memòria, jerarquies d’agents, fluxos. 
• Exemple: creació d’un GEM/GPT personalitzat per a una assignatura o projecte de recerca. 

3. Aplicacions pràctiques 

• Automatització de correus, avisos als alumnes, generació de respostes recurrents. 
• Simulació d’agents per a pràctiques docents: tutor intel·ligent, avaluador automàtic, etc.

BLOC 3 (2 hores): Fluxos de treball per a recerca 

Objectiu: dotar els professors de metodologies i eines basades en IA per gestionar eficaçment la informació, la col·laboració i la productivitat en projectes de recerca. 

Continguts: 

1. Optimització de la gestió d’informació 

• Introducció a la generació augmentada per recuperació (RAG, per les seves sigles en anglès) per dotar de context actualitzat els models de llenguatge grans (MLG) (LLM, per les seves sigles en anglès). 
• Eines: Research Rabbit, Zotero, Perplexity AI, NotebookLM. 
• Fluxos de revisió de literatura assistida per IA: cerca, organització, síntesi, contraargumentació.

 
2. Fluxos de treball (workflows) per a recerca profunda 

• Disseny i ús d’un CRM acadèmic per organitzar tasques, terminis i recursos. 
• Automatització de fluxos de treball: integració de la IA per al seguiment de tasques, alertes i coordinació de l’equip investigador. 
• Recerca profunda. 

3. Aplicacions pràctiques 

• Automatització de la redacció i revisió de textos científics. 
• Identificació automàtica de buits, hipòtesis i referències rellevants.

BLOC 4 (2 hores): Fluxos de treball per a docència 

Objectiu: proporcionar estratègies i eines per integrar la IA en la docència, des de la creació automatitzada de material visual fins a la gestió personalitzada dels alumnes. 

Continguts: 

1. Generació automàtica de material didàctic 

• Creació de variants d’exercicis, solucions explicades i recursos multimèdia (infografies, mapes mentals, podcasts, vídeos). 
• Exemple: generar una infografia animada amb Gemini Studio o eines equivalents. 

2. Automatització i personalització en l’atenció als alumnes 

• Respostes automàtiques a dubtes freqüents, tutor personalitzat per a programari acadèmic, generació de guies i exàmens. 
• Integració de ChatGPT/GEM en plataformes educatives (Moodle, Teams, Google Classroom).

3. Gestió intel·ligent de l’aprenentatge 

• Eines per a una avaluació diversificada i detecció de plagi / ús indegut de la IA.  

BLOC 5 (2 hores): Notion amb suport de la IA 

Objectiu general: capacitar els professors en l’ús de Notion potenciat per IA per a: 

Dissenyar un CRM personalitzat dels alumnes. 
Controlar, organitzar i analitzar fluxos de recerca. 

Continguts: 

1. Introducció i context (15 min) 

• Justificació breu de l’ús de Notion + IA en l’entorn acadèmic: productivitat, traçabilitat, personalització i escalabilitat. 
• Revisió d’avantatges davant d’eines tradicionals (Excel, gestors bibliogràfics): integració de text, bases de dades, fluxos de treball (workflows) i automatització. 

Els participants han de tenir comptes (encara que siguin de franc) d'OpenAI i de Gemini. Han de donar-se d'alta a Notion amb el compte de la UIB.