Herramientas digitales (IAG) Inteligencia Artificial Generativa en ambientes educativos

Es tos meses recientes serán recordados por la espectacular irrupción y rápido desarrollo de la inteligencia artificial (IA) generativa, capaz de crear contenidos de todo tipo: textos, imágenes, ilustraciones, vídeos… El lanzamiento de  ChatGPT  a finales del pasado año por parte de la compañía OpenAI marcó un punto de inflexión en este campo, al permitir a cualquier usuario, de manera muy sencilla, utilizar esta tecnología para generar textos a partir de conversaciones en cualquier idioma. Esa facilidad de acceso lo cambió todo: en pocos días, más de un millón de personas habían usado ChatGPT; y, desde entonces, la cifra de usuarios ha ido aumentado de manera espectacular. En enero de este año, solo dos meses después del lanzamiento, la cifra de usuarios activos llegó a los 100 millones, lo que convirtió a esta aplicación en la de  más rápido crecimiento de la historia . Posteriormente, la introducción por parte de los buscadores de soluciones de IA generativa en las bús...

  Inteligencia artificial generativa: qué es, cómo funciona y cuáles son sus riesgos Seguro que a estas alturas ya has oído hablar de ChatGPT. O de DALL-E. Estas nuevas tecnologías que están acaparando conversaciones y debates entre profesionales y público en general no son ni más ni menos que una  inteligencia artificial (IA) .  Concretamente, estamos ante dos ejemplos de  inteligencia artificial generativa . Una evolución más dentro del ámbito de las IA con un futuro muy prometedor.  La  inteligencia artificial generativa (IAG)  se basa en métodos de aprendizaje automático profundo   o  deep learning . Básicamente, se trata de una modalidad de inteligencia artificial que lleva el  machine learning   un paso más allá. Su funcionamiento pasa por recopilar información sobre determinados elementos que después servirán a la máquina para generar otras ideas. Básicamente, los algoritmos propios de una inteligencia artificial generativa...

  Diferencias entre Inteligencia Artificial (IA) vs Inteligencia Artificial Generativa (IAG) Inteligencia Artificial (IA): La IA es un campo de la informática que se enfoca en desarrollar sistemas y programas que pueden simular procesos cognitivos humanos, como el razonamiento, la resolución de problemas, el aprendizaje y la toma de decisiones. En esencia, busca imitar la inteligencia humana en máquinas. La IA se basa en la programación de algoritmos y en el uso de modelos matemáticos para resolver problemas y realizar tareas específicas. Supongamos que tienes un asistente virtual en tu teléfono móvil que puede responder a preguntas en lenguaje natural. Cuando le preguntas sobre el clima, la IA en el asistente utiliza algoritmos de procesamiento de lenguaje natural para analizar tu pregunta y recuperar datos en tiempo real sobre el clima de una fuente en línea. Acto seguido te presenta una respuesta coherente y relevante basada en esa información. Esto es un ejemplo de IA, ya...

    ideogram.ia 2024. Historia y evolución de la inteligencia artificial El primer programa de IA En 1842, la matemática y pionera de la informática, Ada Lovelace, programó el primer algoritmo destinado a ser procesado por una máquina. Adelantada a su época, Ada especuló que la máquina “podría actuar sobre otras cosas además de los números... el motor (la máquina) podría componer piezas musicales elaboradas y científicas de cualquier grado de complejidad o extensión”. Décadas más tarde, la visión de Ada es una realidad gracias a la Inteligencia Artifcial (IA). Sin embargo, un hito considerado como el momento fundacional de la “inteligencia artificial”, tanto del término como del campo de estudio, es una conferencia en Darmouth el año 1956 organizada por John McCarthy, Marvin Minsky, Claude Shannon y Nathaniel Rochester [1]. En ella, los organizadores invitaron a unos diez investigadores para formalizar el concepto de inteligencia artificial como un nuevo campo de estudio...

   Actividad final. "Integración de Inteligencias Artificiales en Bioanálisis para la Creación de Materiales Educativos e Informes de Investigación"   1. Introducción En el campo del bioanálisis, el uso de herramientas de inteligencia artificial (IA) abre oportunidades significativas para la innovación educativa y académica, transformando tanto la manera en que se generan los conocimientos como la forma en que se enseñan y comunican los hallazgos científicos. La integración de diversas plataformas de IA permite optimizar procesos complejos, facilitando el acceso a información actualizada, la organización eficiente de datos y la elaboración de materiales pedagógicos que potencian el aprendizaje activo y colaborativo. Esta actividad está diseñada para que estudiantes y profesionales del ámbito del bioanálisis desarrollen competencias prácticas en el manejo de tecnologías avanzadas como ChatGPT, Perplexity, Gamma, Napkin, Consensus, entre otras. A través de estas ...

  Taxonomía de Bloom y su Relación con la Elaboración de Prompts en Inteligencia Artificial Generativa                                                                                              Dr. Jorge Alejandro León Sánchez                                                                                                         Perplexity enero de 2025                                         ...

 

  La Taxonomía de Bloom y   su uso en bioanálisis Dr. Jorge Alejandro León Sánchez Agosto de 2025. Perplaxity.ia Chatgpt.ia La Taxonomía de Bloom es una herramienta educativa que organiza los procesos cognitivos en niveles jerárquicos, desde los más simples hasta los más complejos, facilitando así la estructuración del aprendizaje y la evaluación del mismo. Esta taxonomía apoya el desarrollo de ideas en el estudio y trabajo de bioanálisis al proporcionar un marco claro para que los estudiantes avancen progresivamente en su comprensión y manejo de conceptos bioquímicos y técnicos. En bioanálisis, la aplicación de la Taxonomía de Bloom fomenta que los estudiantes no solo memoricen información, sino que la comprendan, apliquen en situaciones prácticas, analicen datos, evalúen resultados y finalmente puedan crear protocolos o modelos nuevos. Este enfoque escalonado no solo mejora la retención del conocimiento sino que también fortalece habilidades críticas y creativas ...