Curso
Fundamentos de Inteligencia Artificial Generativa y su detección en trabajos académicos
Modalidad: en línea
Imparten: Mtro. Ricardo Tavira Sánchez, Lic. Nidia Zúñiga Murrieta y Lic. Carolina Herrera Salinas

Duración: 10 horas (5 sesiones)
Fechas: del 31 de mayo al 28 de junio de 2025
(31 de mayo; 7, 14, 21, 28 de junio)
Horario: sábados de 10 a 12 horas

INFORMES:
Facebook: División de Educación Continua FFyL
educacioncontinua@filos.unam.mx
55-5622-2903; 55 5622-8222 Ext. 41899 y Ext. 41900
de lunes a viernes de 10 a 14 y de 18 a 20 horas

Público al que va dirigido

Profesores y Técnicos Académicos de la FFyL

Requisitos

De ingreso

  • Perfil académico: Ser profesor(a) o miembro del personal académico de la Facultad de Filosofía y Letras (FFyL) de la UNAM.
  • Conocimientos básicos de computación: Conocimiento funcional en el uso de herramientas digitales básicas (navegación web, uso de procesadores de texto, correo electrónico, nube).
  • Interés en el tema: Motivación por comprender la inteligencia artificial generativa y su impacto en el ámbito académico, así como en la detección de su uso en trabajos académicos.
  • Disponibilidad de tiempo: Compromiso de dedicar al menos 10 horas al curso y de realizar las actividades prácticas y de evaluación.

De permanencia

  • Asistencia: Asistir al menos al 80% de las sesiones en línea.
  • Participación activa: Participar en discusiones, actividades en grupo y tareas asignadas.
  • Entrega de actividades: Completar las actividades prácticas y entregables, como ejercicios de detección de IA generativa y sistemas de detección de coincidencias en textos académicos.
  • Cumplimiento ético: Mantener un compromiso ético en el uso de la IA generativa y el uso de sistemas “anti-plagio”, considerando las modificaciones a los lineamientos y reglamentos de la UNAM.

De egreso

Evaluación Final: Obtener una calificación aprobatoria en la evaluación final.

Presentación

La incorporación de la inteligencia artificial generativa en el ámbito académico presenta tanto oportunidades como desafíos, particularmente en la producción de contenidos y en la detección de su uso en trabajos académicos. Este curso, dirigido a profesores y personal académico de la Facultad de Filosofía y Letras (FFyL) de la UNAM, busca ofrecer una comprensión de los modelos de IA generativa, como los modelos de lenguaje extenso (LLMs) y los chatbots, abordando sus aplicaciones y limitaciones en el entorno educativo.

La actividad responde a la necesidad urgente de dotar al personal docente de habilidades críticas para identificar y manejar contenidos generados por IA, reforzando así la integridad académica y previniendo el uso inadecuado de estas tecnologías en trabajos estudiantiles. En los últimos dos años, la UNAM ha trabajado en construir una cultura de honestidad académica mediante normativas rigurosas y ajustes en su legislación universitaria, incluyendo el Estatuto General y a algunos reglamentos de la normativa universitaria, para garantizar y fomentar la integridad académica. Este curso se alinea con estos esfuerzos, fortaleciendo la originalidad y el respeto a los derechos de autor, al tiempo que apoya la misión de la UNAM de mantener altos estándares éticos y académicos en la producción y difusión de conocimiento.

Objetivos

Objetivo General

Al finalizar el curso, el/la participante estará en capacidad de aplicar herramientas sobre Inteligencia Artificial Generativa, con el fin de detectar y emplear éticamente estos recursos en el ámbito educativo, promoviendo la integridad académica y el respeto a los derechos de autor.

– Reconocer los fundamentos de la Inteligencia Artificial Generativa

– Desarrollar habilidades de detección de Inteligencia Artificial Generativa

– Promover el uso ético y responsable de la Inteligencia Artificial Generativa

– Fortalecer la integridad académica y el respeto a la propiedad intelectual

– Alinear prácticas con las normativas institucionales para la cultura de integridad académica

Metodología

La metodología del curso se basará en sesiones teóricas y prácticas con el objetivo de proporcionar un aprendizaje activo y aplicable al contexto académico. A continuación, se detalla el enfoque metodológico que se utilizará:

  1. Presentaciones teóricas: cada sesión iniciará con una presentación preparada por el instructor, quien abordará los conceptos clave de la inteligencia artificial generativa, su funcionamiento y sus aplicaciones en el ámbito educativo. Estas presentaciones ofrecerán explicaciones detalladas de los modelos de IA, herramientas de detección y normativas éticas y académicas. El instructor fomentará la participación a través de preguntas y ejemplos prácticos.
  2. Ejercicios prácticos de citación y referencia: durante las sesiones prácticas, los participantes trabajarán en la elaboración de citas y referencias de contenido generado por IA en diferentes estilos de citación. Estas actividades permitirán a los participantes aplicar los conocimientos teóricos en contextos reales, reforzando su habilidad para citar y dar crédito correctamente a los contenidos generados por IA.
  3. Exploración y práctica en sistemas de detección: Se asignarán sesiones específicas para que los participantes exploren y practiquen con sistemas de detección de coincidencias y similitudes, analizando su uso para identificar contenido generado por IA, obteniendo un entendimiento práctico de su funcionamiento y utilidad en el ámbito académico.

Contenido

Módulo 1: Fundamentos de Inteligencia Artificial y modelos generativos (1.5 horas) (responsable: Lic. Carolina Herrera Salinas y Mtro. Ricardo Tavira Sánchez)

  • 1 ¿Qué es la inteligencia artificial? -Lic. Carolina Herrera Salinas
    • Tiempo: 20 minutos
  • 2 Historia de la inteligencia artificial-Lic. Carolina Herrera Salinas
    • Tiempo: 20 minutos
  • 3 La inteligencia artificial en la vida cotidiana-Lic. Carolina Herrera Salinas
    • Tiempo: 20 minutos
  • 4 IA Generativa y los Modelos de Lenguaje Extensos (Large Language Models) -Mtro. Ricardo Tavira Sánchez
    • Tiempo: 30 minutos

Módulo 2: Chatbots y recursos sobre IA Generativa (2.5 horas) (responsable: Mtro. Ricardo Tavira Sánchez)

  • 1 Exploración de los chatbots y sus aplicaciones
    • Tiempo: 30 minutos
  • 2 Relación entre chatbots e IA Generativa en procesamiento de lenguaje natural
    • Tiempo: 30 minutos
  • 3 Principales chatbots basados en IA
    • Tiempo: 30 minutos
  • 4 Una mirada detallada a ChatGPT: su corpus, usos y limitaciones
    • Tiempo: 30 minutos
  • 5 Recursos adicionales sobre IA Generativa
    • Tiempo: 30 minutos

Módulo 3: Impacto y riesgos de la IA Generativa en la educación (1 hora) (responsable: Mtro. Ricardo Tavira Sánchez)

  • 1 Riesgos y daños asociados con modelos de lenguaje generativo
    • Tiempo: 30 minutos
  • 2 Impacto de la IA generativa en la educación
    • Tiempo: 30 minutos

Módulo 4: Integridad académica y citación de IA Generativa (2 horas) (responsable: Lic. Carolina Herrera Salinas y Lic. Nidia Zúñiga Murrieta)

  • 1 DECIDE -Lic. Nidia Zuñiga
  • Tiempo: 30 minutos
  • 2 Estilos bibliográficos e IA Generativa -Lic. Carolina Herrera Salinas
    • Tiempo: 45 minutos
  • 3 Citas y referencias en el uso de IA Generativa-Lic. Carolina Herrera Salinas
    • Tiempo: 45 minutos

Módulo 5: Ética y detección de IA Generativa en la producción académica (3 horas) (responsable: Lic. Nidia Zúñiga Murrieta)

  • 1 Ética y capacidades informativas en el uso de IA Generativa
    • Tiempo: 30 minutos
  • 2 Sistemas de detección de IA en trabajos académicos
    • Tiempo: 45 minutos
  • 3 Anti-plagio: lineamientos y cumplimiento institucional
    • Tiempo: 45 minutos
  • 4 Herramientas tecnológicas para detección de coincidencias y similitudes
    • Tiempo: 1 hora

Criterios y formas de evaluación

  • Ejercicios: 20%
  • Trabajo final: 80%

Requisitos de aprobación

  • Haber cumplido con la asistencia mínima
  • Entregar trabajo final

Bibliografía obligatoria

Berbey-Alvarez, A., Caballero, R. y Henriquez, F. (2022). Propuesta de Índice de similitud de textos para documentos académicos para universidades latinoamericanas. https://laccei.org/LACCEI2022-BocaRaton/full_papers/FP669.pdf

Cantekin, K. (2023). Regulation of Artificial Intelligence Around the World. https://tile.loc.gov/storage-services/service/ll/llglrd/2023555920/2023555920.pdf

Farrelly, T., & Baker, N. (2023). Generative Artificial Intelligence: Implications and Considerations for Higher Education Practice. Education Sciences, 13(11), Article 11. https://doi.org/10.3390/educsci13111109

Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: Una mirada desde la ética y la integridad académica. RELIEVE. Revista Electrónica de Investigación y Evaluación Educativa, 29(2). https://www.redalyc.org/journal/916/91676028011/html/

How do I cite generative AI in MLA style? (2023, marzo 17). MLA Style Center. https://style.mla.org/citing-generative-ai/

How to cite ChatGPT. (s/f). https://apastyle.apa.org. Recuperado el 7 de junio de 2024, de https://apastyle.apa.org/blog/how-to-cite-chatgpt

IBERO. (2023). Lineamientos para el Uso de la Inteligencia Artificial. https://ibero.mx/sites/all/themes/ibero/descargables/corpus/co610.pdf

Misseri, L. E. (2023). Autoría e inteligencia artificial generativa: Presupuestos filosóficos de la función del autor. Isonomía – Revista de teoría y filosofía del derecho, 59, Article 59. https://doi.org/10.5347/isonomia.59/2023.692

Odri, G.-A., & Ji Yun Yoon, D. (2023). Detecting generative artificial intelligence in scientific articles: Evasion techniques and implications for scientific integrity. Orthopaedics & Traumatology: Surgery & Research, 109(8), 103706. https://doi.org/10.1016/j.otsr.2023.103706

Park, P. S., Goldstein, S., O’Gara, A., Chen, M., & Hendrycks, D. (2024). AI deception: A survey of examples, risks, and potential solutions. Patterns, 5(5), 100988. https://doi.org/10.1016/j.patter.2024.100988

UNAM. Recomendaciones para el uso de Inteligencia Artificial Generativa en la docencia. https://iagenedu.unam.mx/docs/recomendaciones_uso_iagen_docencia_unam_2023.pdf

Tec de Monterrey. (2024). Lineamientos para el uso ético de inteligencia artificial. https://tec.mx/sites/default/files/repositorio/integridad-academica/lineamientos-eticos-alumnos-tec-de-monterrey.pdf

UNESCO. (2021). Recomendaciones sobre la ética de la inteligencia artificial. UNESCO. https://www.unesco.org/es/articles/recomendacion-sobre-la-etica-de-la-inteligencia-artificial

Vallecillo, J. A. Á. (2021). Inteligencia artificial: Discusiones e implicaciones actuales en materia de Derechos de Autor. Revista de la Facultad de Derecho de México, 71(281–1), Article 281–1. https://doi.org/10.22201/fder.24488933e.2021.281-1.80288

Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., & Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19(1), 26. https://doi.org/10.1007/s40979-023-00146-z

Weidinger, L., Mellor, J., Rauh, M., Griffin, C., Uesato, J., Huang, P.-S., Cheng, M., Glaese, M., Balle, B., Kasirzadeh, A., Kenton, Z., Brown, S., Hawkins, W., Stepleton, T., Biles, C., Birhane, A., Haas, J., Rimell, L., Hendricks, L. A., … Gabriel, I. (2021). Ethical and social risks of harm from Language Models (No. arXiv:2112.04359). arXiv. http://arxiv.org/abs/2112.04359