2025-26 Inteligencia artificial generativa avanzada

• Aprendizaje activo y basado en problemas, con énfasis en el principio learning by doing. 
• Alineación constructiva: cada actividad práctica mapea con un resultado de aprendizaje y con una evidencia evaluable. 
• Ciclos rápidos de prototipado y reflexión: demostrar, practicar, iterar, documentar y revisar con feedback inmediato. 
• Rigor y trazabilidad: registro de prompts, parámetros y fuentes para asegurar reproducibilidad, comparación entre modelos y toma de decisiones informadas. 
• Uso responsable de IA: verificación humana, control de sesgos, privacidad y transparencia en el uso de herramientas. 

Trabajo en plataforma y tutorías on-line 

• Microtareas asincrónicas: repositorio de prompts comentados, comparativas de outputs, bitácora de decisiones y checklist de sesgos. 
• Tutoría síncrona breve para resolver bloqueos, afinar agentes y ajustar workflows. 
• Repositorio compartido: biblioteca viva de prompts, plantillas, agentes y flujos exportables. 

Este curso se impartirá en castellano.

Este curso va dirigido a Personal Docente e investigador de la UIB.

Conocer qué es la IA generativa y estar familiarizado con las principales IAs generativas del mercado.  

• ¿De qué manera puedo organizar mejor mi investigación y evitar perder tiempo buscando referencias o repitiendo tareas que podría delegar a herramientas digitales?
• ¿Cuál es la mejor manera de detectar cuando un alumno está utilizando IA de forma indebida en sus trabajos?
• ¿Cómo puedo automatizar respuestas recurrentes a los correos de los estudiantes sin perder el trato personal?

Aprenderemos a dominar técnicas avanzadas de prompting para tareas académicas y docentes: selección informada de modelos razonadores y generales según la tarea, ajuste de parámetros como temperatura, top-k y top-p, diseño de contextos con roles e instrucciones precisas, y uso de estrategias de razonamiento como cadena de pensamiento, step-back y tree of thoughts, también en escenarios multimodales.

Practicaremos metaprompting con bucles de autorrevisión y compararemos resultados entre plataformas como ChatGPT, Gemini y Anthropic, incorporando técnicas de mitigación de alucinaciones con prompts robustos.  

Diseñaremos agentes y enjambres simples con principios de orquestación y memoria para automatizar comunicaciones, tutorías y evaluaciones recurrentes, y crearemos un GPT/GEM personalizado para una asignatura o un proyecto.  

Integraremos Notion con IA para construir un CRM de alumnado, un sistema de control de investigación y automatizaciones básicas mediante botones, plantillas y conectores externos. 

Desarrollaremos flujos de trabajo completos para investigación y docencia: revisión de literatura asistida con Research Rabbit, Zotero, Perplexity y NotebookLM, identificación de lagunas e hipótesis, redacción y revisión de textos científicos. 

En el ámbito docente, generaremos materiales didácticos, variantes de ejercicios y recursos multimedia, integraremos agentes y LLMs en LMS institucionales, y aplicaremos herramientas para evaluación, detección de uso indebido de IA.  

Todo ello se realizará con una actitud crítica y ética, valorando riesgos de sesgo, privacidad y fiabilidad, y concluirá con la entrega de microtareas y la construcción de una biblioteca viva de prompts, plugins y workflows transferibles a la práctica universitaria. 

Diseño del aprendizaje y planificación de cursos.

Elaboración de recursos didácticos.

Publicación de investigaciones y estrategias para aumentar el impacto de las publicaciones.

Uso de herramientas digitales de la UIB y externas.

Gestión de la información y habilidades de búsqueda avanzada.

BLOQUE 1 (2h): Técnicas IA avanzadas de Prompting (metaprompting) 

Objetivo: Capacitar al profesorado en las técnicas más eficaces de prompting, mostrando diferencias entre modelos, parametrización y estrategias avanzadas para maximizar resultados en tareas académicas y docentes. 

Contenidos: 

1. Panorama actual de modelos de IAG 

• Comparación de los principales modelos. 
• Diferencias entre modelos razonadores vs. modelos generales: ¿cuándo y para qué tipo de tareas usar cada uno? 
• Parámetros clave: temperatura, top-k, top-p. Ejemplos prácticos y recomendaciones de configuración. 

2. Técnicas avanzadas de prompting 

• Tipos de prompts: zero-shot, one-shot, few-shot. 
• Ingeniería de contexto: instrucciones claras, definición de roles, control de formato y salida. 
• Cadena de pensamiento (CoT), step-back prompting y tree of thoughts: razonamiento estructurado en prompts complejos. 
• Multimodal Prompting 
• Técnicas para maximizar la extensión y profundidad del output (parámetros y estructura del prompt). 
• Metaprompting avanzado: Técnicas de autorverificación y bucles de mejora (lazy prompts) 

3. Práctica guiada 

• Diseño de prompts para tareas docentes (resúmenes, preguntas de autoevaluación) y para investigación (búsqueda y síntesis de literatura). 
• Introducción a plataformas de experimentación (ChatGPT, Gemini, Anthropic) y evaluación comparada de resultados. 
• Cómo mitigar las alucinaciones con prompt robustos. 

4. Plugins y facilitar el contacto con IA (trucos) 
 
BLOQUE 2 (2h): Agentes (Bots), Automatización y GEMs (enjambre de bots) 

Objetivo: Comprender el funcionamiento, diseño y aplicación de agentes conversacionales (bots), su uso para automatizar tareas recurrentes y su personalización (GEMs/GPTs customizados) en contextos académicos. 

Contenidos: 

1. Concepto y tipología de agentes de IA 

• Diferencias entre automatizaciones simples y agentes inteligentes (tareas específicas y enjambres multiagente). 
• Orquestación y supervisión de agentes. 
• Ejemplos de agentes: AutoGPT, LangChain, n8n, Swarm Agents, GEMs. 

2. Creación y personalización de agentes 

• Principios de diseño: instrucciones, memoria, jerarquías de agentes, flujos. 
• Ejemplo: creación de un GEM/GPT personalizado para una asignatura o proyecto de investigación. 

3. Aplicaciones prácticas 

• Automatización de emails, avisos al alumnado, generación de respuestas recurrentes. 
• Simulación de agentes para prácticas docentes: "tutor inteligente", “evaluador automático”, etc. 

BLOQUE 3 (2h): Flujos de trabajo para investigación  

Objetivo: Dotar al profesorado de metodologías y herramientas basadas en IA para gestionar eficazmente la información, la colaboración y la productividad en proyectos de investigación. 

Contenidos: 

1. Optimización de la gestión de información 

• Introducción a los RAGs para dotar de contexto actualizado a los LLMs. 
• Herramientas: Research Rabbit, Zotero, Perplexity AI, NotebookLM. 
• Flujos de revisión de literatura asistida por IA: búsqueda, organización, síntesis, contraargumentación. 

2. Workflows para investigación profunda 

• Diseño y uso de un CRM académico para organizar tareas, deadlines y recursos. 
• Automatización de workflows: integración de IA para seguimiento de tareas, alertas y coordinación del equipo investigador. 
• Investigación profunda 

3. Aplicaciones prácticas 

• Automatización de la redacción y revisión de textos científicos. 
• Identificación automática de lagunas, hipótesis y referencias relevantes.

 
BLOQUE 4 (2h): Flujos de trabajo para docencia  

Objetivo: Proporcionar estrategias y herramientas para integrar la IA en la docencia, desde la creación automatizada de materiales visuales hasta la gestión personalizada del alumnado. 

Contenidos: 

1. Generación automática de materiales didácticos 

• Creación de variantes de ejercicios, soluciones explicadas y recursos multimedia (infografías, mapas mentales, podcasts, vídeos). 
• Ejemplo: generación de infografía animada con Gemini Studio o herramientas equivalentes. 

2. Automatización y personalización en la atención al alumnado 

• Respuestas automáticas a dudas frecuentes, tutor personalizado para software académico, generación de guías y exámenes. 
• Integración de ChatGPT/GEMs en plataformas educativas (Moodle, Teams, Google Classroom). 

3. Gestión inteligente del aprendizaje 

• Herramientas para evaluación diversificada y detección de plagio/uso indebido de IA.

Bloque 5 (2h): Notion apoyado por IA 
 
Objetivo general: Capacitar al profesorado en el uso de Notion potenciado por IA para: 

Diseñar un CRM personalizado del alumnado. 
Controlar, organizar y analizar flujos de investigación. 

1. Introducción y contexto (15 min) 

• Breve justificación del uso de Notion + IA en el entorno académico: productividad, trazabilidad, personalización y escalabilidad. 
• Revisión de ventajas frente a herramientas tradicionales (Excel, gestores bibliográficos): integración de texto, bases de datos, workflows y automatización

 Los participantes deben tener acceso a cuentas (aunque sean gratuitas) OpenAI y Gémini. Han de darse de alta en Notion con la cuenta UIB.