Herramientas de IA para la docencia y la investigación

• Adquirir conocimientos fundamentales sobre la inteligencia artificial y su aplicación
  en el ámbito académico:
  a. Comprender los conceptos básicos de la IA generativa y su evolución reciente.
  b. Identificar los usos, alcances, ventajas y limitaciones de las herramientas de IA
  en contextos educativos y científicos.
  c. Reconocer los aspectos éticos implicados en el uso académico de la IA.
• Desarrollar habilidades para el uso de herramientas de IA aplicadas a la docencia
  universitaria:
  d. Utilizar herramientas de IA para generar materiales educativos
  (presentaciones, mapas mentales, imágenes, quizzes y rúbricas).
  e. Diseñar casos clínicos y actividades para el aprendizaje basado en problemas
  (ABP) con asistencia de IA.
  f. Aplicar técnicas de prompting para interactuar de manera precisa y eficaz con
  herramientas de generación de contenido.
•  Desarrollar competencias para aplicar herramientas de IA en el proceso de
  investigación científica:
  g. Emplear IA para apoyar la formulación de preguntas de investigación,
  objetivos y estructuras de proyectos.

El curso está dirigido a docentes universitarios e investigadores/as de carreras vinculadas a las Ciencias de la Salud que busquen incorporar herramientas de inteligencia artificial para fortalecer y agilizar su labor académica. Está especialmente orientado a quienes deseen aplicar estas tecnologías en la creación de materiales didácticos, actividades de enseñanza, diseño de clases, desarrollo de proyectos de investigación y redacción de textos científicos, sin necesidad de contar con conocimientos técnicos avanzados.

Dirección: Dra. Larisa Carrera
Coordinación: Med. Esp. Liza Carrera y Bioing. Lucas Costa
Equipo docente:
Dra. Larisa Carrera
Med. Esp. Liza Carrera
Bioing. Lucas Costa
Med. Esp. Luciano Battioni
Mag. Veronica Levental

MÓDULO 1: Introducción a la inteligencia artificial (IA) en contextos académicos y fundamentos del prompting
 Definición de inteligencia artificial generativa: evolución y estado actual.
 Aplicaciones concretas de la IA en educación e investigación en Ciencias de la Salud.
 Usos, beneficios, riesgos y límites del uso de herramientas de IA en entornos académicos.
 Consideraciones éticas: sesgos algorítmicos, autoría, privacidad, transparencia.
 Introducción al prompting académico: qué es, cómo se formula, tipos de prompts.
 Principios para redactar prompts efectivos según finalidad (generar, resumir, estructurar, reformular).
 Prácticas iniciales con herramientas de lenguaje como ChatGPT, Claude o Perplexity.

MÓDULO 2: Herramientas de IA para la docencia universitaria en Ciencias de la Salud
 Creación asistida de materiales didácticos: esquemas, mapas mentales, presentaciones y quizzes.
 Diseño de clases, guías de estudio y recursos personalizados según nivel y objetivo pedagógico.
 Uso de IA para generar imágenes educativas, casos clínicos y escenarios de aprendizaje.
 Elaboración de exámenes, rúbricas y consignas para el aprendizaje basado en problemas (ABP).
 Curación de contenidos: adaptar, simplificar o enriquecer textos para distintos niveles de formación.
 Aplicación práctica de herramientas como Canva, Gamma, MagicSchool, Diffit, Quizizz y SlidesAI.

MÓDULO 3: IA como herramienta para la investigación científica en salud
 Formulación de preguntas de investigación, objetivos y estructura general del
proyecto.
 Exploración bibliográfica con IA: búsqueda de artículos, identificación de líneas de
investigación, organización de la evidencia.
 Asistencia en la redacción de resúmenes, justificaciones, antecedentes y marcos teóricos.
 Evaluación crítica del contenido generado por IA: confiabilidad, calidad, sesgos y pertinencia científica.
 Herramientas útiles para investigación: Elicit, Consensus, ResearchRabbit, Writefull, Trinka, Connected Papers.

MÓDULO 4: Taller de aplicación práctica e integración crítica del uso de IA
 Diseño de un trabajo final aplicable al perfil del participante: clase, unidad didáctica, protocolo, resumen o presentación.
 Integración de herramientas múltiples de IA en una secuencia académica completa.
 Criterios para evaluar la calidad de un producto académico generado con asistencia de IA.
 Reflexión crítica sobre el rol de la IA en la educación y la investigación científica.
 Discusión de casos reales y experiencias de los participantes.

El sistema de evaluación del curso se basa en la presentación y aprobación de un Trabajo Integrador Final (TIF). Este trabajo consistirá en la elaboración de un producto aplicable a la labor docente o investigadora del participante (por ejemplo, una clase asistida por IA, un esquema de proyecto, un caso para ABP o un resumen académico), acompañado por una reflexión crítica sobre el proceso de aplicación de herramientas de IA y las decisiones tomadas durante su construcción.
El TIF deberá enviarse dentro de los 30 días posteriores a la finalización del cursado, a través del aula virtual o por correo electrónico, según indique el equipo docente. Los y las participantes contarán con tutoría permanente para consultas y orientación durante el proceso de elaboración.
Para aprobar el curso, será requisito obtener una calificación mínima de 75/100 en el Trabajo Integrador Final y haber completado al menos el 80% de las actividades y cuestionarios propuestos a lo largo de los módulos del curso.