Área de desarrollo de cursos de capacitación para que las comunidades educativas desarrollen habilidades y competencias en el manejo de la tecnología educativa aplicable con modelos de inteligencia artificial

Programa de Profesionalización Docente CID

Espacio de evaluaciones del 

Programa de Profesionalización Docente CID

 

Módulo A: Literacidad Algorítmica

Desarrollo de competencias fundacionales para interactuar críticamente con Inteligencia Artificial Generativa, evitando la dependencia tecnológica pasiva.

Contenido temático

  • Arquitectura LLM: Cómo predicen texto los modelos y por qué "alucinan" información bibliográfica.
  • Ingeniería de prompts Científicos: Diseño de instrucciones estructuradas para análisis de literatura documental masiva.
  • Detección de sesgos: Evaluación crítica de la sobrerrepresentación epistemológica en algoritmos comerciales.

Módulo B: Metodología de Investigación Aumentada

Estrategia algorítmica diseñada en el CID para acelerar la revisión del estado del arte manteniendo el rigor metodológico universitario.

El protocolo de 4 Fases (CID FES Acatlán)

FASE 1
Mapeo semántico

Uso de Research Rabbit / Litmaps para identificar redes de coautoría y visualizar "Seed Papers" fundamentales.

FASE 2
Extracción estructurada

Uso de Elicit / SciSpace para tabular hallazgos, metodologías y limitaciones de decenas de artículos simultáneamente.

FASE 3
Validación BiDi-UNAM

Cruce obligatorio de los metadatos obtenidos contra los acervos suscritos (LIBRUNAM, Scopus, WoS) para descartar alucinaciones.

Citación y síntesis

Integración en gestores bibliográficos (Zotero/Mendeley) y redacción del estado del arte asistido (Claude/ChatGPT).

Módulo C: Ética e Integridad

Alineación de las prácticas de investigación y docencia con los lineamientos de la DGTIC, CUAED y el marco ético global de la UNESCO.

Ejes de acción

  • 1. Prevención del Fraude Académico Más allá de los "detectores de IA" (los cuales son ineficaces), el módulo enseña cómo rediseñar las consignas de evaluación para hacerlas "resistentes" al plagio algorítmico, enfocándose en la evaluación de procesos y reflexión local.
  • 2. Declaración de Herramientas (Transparencia) Capacitación en la redacción de anexos metodológicos. Los docentes aprenden a instruir a sus alumnos sobre cómo declarar éticamente en qué porcentaje y para qué propósito utilizaron la IA en sus tesis o trabajos finales.