Asignaturas - Máster universitario en investigación en inteligencia artificial

Esta asignatura pretende formar a los estudiantes en el desarrollo de los sistemas adaptativos de educación (SAE), sus objetivos y fundamentos. En este sentido, su objetivo es ayudar a adquirir destrezas y capacidades relacionadas con los aspectos metodológicos y tecnológicos del desarrollo de dichos sistemas. Esta asignatura hará que los estudiantes investiguen y entiendan cómo funcionan los SAE y realicen experiencias prácticas que les permitan aprender cómo éstos se desarrollan. También se aplican, adaptan y extienden los conocimientos adquiridos en asignaturas relacionadas como puedan ser: Métodos Simbólicos, Minería de Datos, Métodos de Aprendizaje Automático y Aprendizaje Profundo, al dominio concreto de los sistemas inteligentes de aprendizaje. 

Desde el punto de vista práctico, estos sistemas usan técnicas de analítica del aprendizaje y minería de datos, con la perspectiva de modelar al estudiante y al proceso de enseñanza-aprendizaje; cubriendo así: la analítica del aprendizaje (o Learning Analitics (LA) en inglés), la minería de datos en la educación (o Educational Data Mining (EDM en inglés) y el modelado del estudiante (Modelado de Usuario en sistemas de aprendizaje (o User Modelling (UM) en inglés), englobándose todos ellos en el uso de la Inteligencia Artificial en la Educación (o Artificial Intelligence in Education (AIED) en inglés).

Por otro lado, dada la naturaleza de los procesos implicados, se atenderán igualmente cuestiones de ética, privacidad y diversidad funcional de las personas en su interacción con estos sistemas, que deben ser conocidas y aplicadas.

Los estudiantes de esta asignatura no requieren conocimientos previos adicionales más allá de los que surgen del seguimiento de los requeridos por el máster, permitiendo utilizar y desarrollar las competencias correspondientes.

Se recomienda leer en inglés con fluidez y conocimientos en lenguajes de programación, se incidirá especialmente en Python. 

Es imprescindible estar cursando (o haber cursado) la asignatura del máster "Metodología de Investigación en Sistemas Inteligentes".

La forma de interacción preferente será a través de los Foros del espacio virtual de la asignatura. Si el asunto a tratar fuera particular, se puede hacer a través del correo electrónico. También será posible realizar consultas telefónicamente, por videollamada y/o de forma presencial, previa solicitud de cita por correo electrónico para concretar la reunión en el horario que mejor cuadre al estudiante, dentro de la disponibilidad del equipo docente.

Los datos de contacto son los siguientes:

Email: ocsantos@dia.uned.es / mportaz@dia.uned.es
Dpto. de Inteligencia Artificial. Despacho 3.02
E.T.S.I. Informática - UNED. Calle Juan del Rosal, 16. Madrid 28040
Teléfono: +34 91 398-9388 (miércoles lectivos, de 09:00 a 18:00).

MÁSTER UNIVERSITARIO EN LENGUAJES Y SISTEMAS INFORMÁTICOS

Competencias Básicas:

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio

CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios

CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Generales:

CPG1 - Adquirir capacidad de abstracción, análisis, síntesis y relación de ideas.

CPG2 - Adquirir capacidad crítica y de decisión

CPG3 - Adquirir capacidad de estudio y autoaprendizaje

CPG4 - Adquirir capacidad creativa y de investigación

CPG5 - Adquirir habilidades sociales para el trabajo en equipo

Competencias Específicas:

CE2 - Adquirir capacidad de comprender y manejar de forma básica los aspectos más importantes relacionados con los lenguajes y sistemas informáticos en general y, de manera especial, en los siguientes ámbitos: Tecnologías de enseñanza, aprendizaje, colaboración y adaptación

CE3 - Adquirir capacidad de estudio de los sistemas y aproximaciones existentes y para distinguir las aproximaciones más efectivas.

CE4 - Adquirir capacidad para detectar carencias en el estado actual de la ciencia y la tecnología

CE5 - Adquirir capacidad para proponer nuevas aproximaciones que den solución a las carencias detectadas.

CE6 - Adquirir capacidad de especificar, diseñar, implementar y evaluar tanto cualitativa como cuantitativamente los modelos y sistemas propuestos.

CE7 - Adquirir capacidad para proponer y llevar a cabo experimentos con la metodología adecuada como para poder extraer conclusiones y determinar nuevas líneas de actuación e investigación.

MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL 

Competencias Básicas:

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio

CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios

CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Generales:

CG1 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

CG2 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.

CG3 - Que los estudiantes sepan comunicar sus conclusiones -y los conocimientos y razones últimas que las sustentan- a públicos especializados y no especializados de un modo claro y sin ambigüedades.

CG4 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Específicas:

CE1 - Conocer los fundamentos de la Inteligencia Artificial y las fronteras actuales en investigación.

CE2 - Conocer un conjunto de métodos y técnicas tanto simbólicas como conexionistas y probabilistas, para resolver problemas propios de la Inteligencia Artificial.

CE3 - Conocer los procedimientos específicos de aplicación de estos métodos a un conjunto relevante de dominio (educación, medicina, ingeniería, sistemas de seguridad y vigilancia, etc.), que representan las áreas más activas de investigación en IA.

• Conocer, entender y saber aplicar técnicas de obtención y preprocesado de información relevante para el desarrollo de los sistemas inteligentes en educación.
• Conocer, entender y saber aplicar el proceso de minería y analítica de datos en sistemas inteligentes en educación, cubriendo técnicas supervisadas y no supervisadas.
• Conocer, entender, saber aplicar y evaluar técnicas de analítica y minería de datos en educación que sustentan el modelado del estudiante y su aprendizaje social y colaborativo.
• Conocer, entender y saber aplicar técnicas básicas de modelado del apoyo a la instrucción y el acompañamiento del aprendizaje requeridas en sistemas inteligentes en educación.
• Conocer, entender y saber aplicar los principios éticos, de privacidad y diversidad funcional de las personas en su interacción que deben garantizarse en el tratamiento de los datos y análisis de las interacciones implicados en el modelado del estudiante en sistemas inteligentes en educación.
   

Esta asignatura se apoya en la siguiente metodología:

• Promover la participación del estudiante en un proceso de aprendizaje basado en la realización de tareas
• Fomentar el aprendizaje basado en la investigación y la experimentación
• Favorecer el seguimiento y la evaluación continua
• Fomentar el aprendizaje en colaboración: aunque el número de estudiantes del curso académico condicione este tipo de tareas, se fomentará compartir en el foro los avances de los estudiantes en cada tarea y serán objeto de evaluación, tanto los trabajos como los comentarios de otros estudiantes sobre los mismos, encaminados estos últimos a valorarlos y mejorarlos antes de ser enviados finalmente como informe al equipo docente de la asignatura.

La metodología del trabajo de la asignatura se basa en una planificación temporal de las actividades. Los tipos de actividades previstos pueden englobarse en las siguientes categorías:

• Lecturas de artículos científicos e informes.
• Casos prácticos: asociados al uso de aplicaciones.
• Desarrollo de componentes o prototipos de sistemas.
• Trabajos en proyectos colaborativos (cuando el número de estudiantes lo permita).
• Trabajos de investigación, en su caso y para los estudiantes interesados, enmarcados en su trabajo fin de máster.
• Realización de un trabajo final de mayor complejidad en el que se incluyan aspectos teóricos y aplicados.

Esta asignatura pretende ofrecer una perspectiva en la que los conceptos y técnicas estudiados proporcionen una visión crítica que sirva, tanto para comprender y utilizar los métodos y las herramientas más actuales del campo como para asentar una perspectiva de futuro, que permita adaptarse a los cambios continuos de esta área de conocimientos.

En el espacio de esta asignatura, en la plataforma de cursos virtuales de la UNED, se encuentra un Manual Didáctico específico donde se detalla el material de estudio para trabajar la asignatura, material al que pueden acceder los estudiantes de la asignatura de forma remota y que indica qué recursos didácticos corresponden a cada uno de los temas del curso.

Ver Manual Didáctico en el curso virtual.

Como apoyo para alcanzar los objetivos propuestos, la asignatura cuenta con un curso virtual, a través de una plataforma especialmente diseñada para facilitar el trabajo individual y colaborativo en Internet (basada en comunidades virtuales): ÁGORA, ubicada en https://agora.uned.es/. La plataforma proporcionará el soporte requerido para gestionar los procesos de enseñanza y aprendizaje, compartir documentos y enlaces de interés, y realizar el seguimiento de las actividades del curso, así como estar al tanto de cualquier información o documentación de interés relacionada con el mismo.

Una vez se ha ganado familiaridad con su uso, es importante tener en cuenta que todas las novedades, instrucciones y actividades se van a publicar utilizando este medio, por tanto, se debe consultar en el curso virtual la existencia de cualquier novedad en la asignatura. Si, además, tiene activados los correspondientes avisos, podrá recibir notificaciones en el correo electrónico utilizado para acceder a la plataforma de los mensajes republicados en los foros.