Intel·ligència artificial a la UNED: estudis, projectes i ús responsable

La intel·ligència artificial a la UNED s'ha convertit en un dels eixos estratègics tant en la docència com en la investigació i la innovació educativa. Des del Màster Universitari en Investigació en Intel·ligència Artificial fins a cursos de formació permanent i projectes d'IA generativa, la universitat a distància més gran d'Espanya està creant un ecosistema molt potent al voltant d'aquesta disciplina.

Si estàs buscant informació sobre “intel·ligència artificial UNED” perquè et planteges formar-te, investigar o simplement posar-te al dia sobre com es fa servir la IA (especialment la IA generativa) a la universitat, aquí trobaràs una guia molt completa. Recorrerem els estudis oficials, els títols propis, els continguts de les assignatures, els criteris d'accés, la metodologia a distància, els projectes institucionals amb IA i les implicacions ètiques i legals que la mateixa UNED està posant sobre la taula.

Què s'entén per intel·ligència artificial al context UNED

A la UNED, la intel·ligència artificial (IA) s'aborda des d'una perspectiva àmplia i molt rigorosa, que va des dels fonaments teòrics fins a les aplicacions més recents, inclosa la IA generativa. No es limita a “eines de moda” com ChatGPT, sinó que es parteix dels conceptes clàssics per entendre bé què hi ha darrere d'aquests sistemes.

La introducció a la IA que es treballa a l'àmbit del màster i dels cursos abasta antecedents històrics, definicions formals i la clàssica distinció entre IA forta i IA feble. La IA forta fa referència a sistemes que, en teoria, podrien tenir capacitats cognitives comparables a les humanes, mentre que la IA feble se centra en programes capaços de resoldre tasques concretes de manera molt eficaç, però sense consciència ni comprensió profunda.

També es revisen els diferents nivells de computació i l'estructura bàsica d'un sistema intel·ligent: representació del coneixement, motor d'inferència, mecanismes d'aprenentatge, interfícies d'interacció, etc. Des d´aquí s´explica de què s´ocupa la IA (percepció, raonament, planificació, aprenentatge, interacció amb persones…) i es desgranen les àrees d´aplicació més actives: medicina, educació, enginyeria, sistemes de seguretat, ciutats intel·ligents, vigilància, anàlisi de dades o robòtica social, entre d´altres.

La UNED insisteix en la importància d'entendre bé la inferència (com una màquina passa d'unes dades i regles a conclusions) i diferencia entre enfocaments simbòlics, connexionistes i probabilistes, a més dels mètodes bioinspirats i híbrids que combinen diversos paradigmes. Tot això serveix de base per comprendre com funcionen avui els grans models de llenguatge i els sistemes generatius de text, imatge o vídeo.

Màster Universitari en Investigació en Intel·ligència Artificial de la UNED

El Màster Universitari en Investigació en Intel·ligència Artificial de la UNED és un títol oficial, orientat clarament a la investigació i no a la mera especialització professional. És a dir, el seu objectiu principal és preparar l'alumnat per iniciar una carrera científica, normalment culminant en una tesi doctoral, encara que els coneixements adquirits també són molt valuosos en empreses de base tecnològica.

Aquest màster enllaça els coneixements bàsics d'IA adquirits al grau amb les fronteres actuals de la investigació. El disseny és modular (fonaments, mètodes, aplicacions i projectes) i totes les assignatures són optatives excepte una de metodologia de la investigació. Gràcies a això, l'estudiant pot personalitzar el seu recorregut en funció de la seva formació prèvia, dels mètodes que us interessen (simbòlics, connexionistes, probabilistes, bioinspirats o híbrids) i de les àrees d'aplicació que vulgueu explorar.

La docència s'imparteix íntegrament a distància mitjançant la plataforma de la UNED. Des d'aquí es fa el seguiment continu mitjançant activitats, pràctiques, fòrums, entrega de treballs i altres eines en línia. El professorat atén en castellà o en anglès segons les preferències de l'alumne, encara que això no implica que tots els materials estiguin duplicats en tots dos idiomes.

Aquest màster està verificat per ANECA i sotmès al procés oficial de verificació, seguiment i acreditació exigit per la legislació espanyola. El Consell d'Universitats i el Ministeri d'Educació en certifiquen el caràcter oficial, i el títol figura al Registre d'Universitats, Centres i Títols (RUCT). Cada cert temps es renova l'acreditació i es comprova que els resultats són adequats per continuar impartint-lo.

Pel que fa a sortides, l'orientació principal és continuar amb el Programa de Doctorat en Sistemes Intel·ligents de l'ETSI Informàtica de la UNED, encara que també obre portes en altres doctorats afins a universitats espanyoles i estrangeres. Tot i el seu perfil investigador, molts egressats fan servir el que han après en empreses d'informàtica, ciència de dades, ciberseguretat, salut digital o sectors on la IA és clau per innovar.

Objectius formatius i competències del màster

En concloure el Màster en Investigació en Intel·ligència Artificial, l'estudiant ha de manejar amb facilitat els fonaments i l'estat de l'art de la IA. Això inclou tant la base teòrica com els models i les tècniques modernes, amb especial atenció als mètodes simbòlics, connexionistes i probabilistes, així com als enfocaments híbrids més recents.

Entre les competències clau està dominar un conjunt ampli de mètodes d'IA i saber quan convé fer servir cadascun: sistemes basats en coneixement, regles i restriccions, xarxes bayesianes, arbres de decisió, xarxes neuronals (inclòs l'aprenentatge profund), computació evolutiva, mineria de dades, descobriment d'informació en textos, visió artificial, sistemes adaptatius en educació, etc.

Una altra capacitat essencial és aplicar aquests mètodes a dominis concrets d'alta rellevància, com la medicina, l'educació, l'enginyeria, la seguretat, la vigilància o les ciutats intel·ligents. No es tracta només de programar models, sinó d'entendre el context del problema, traduir el coneixement en llenguatge natural a una representació computable i dissenyar sistemes eficaços, eficients i científicament validats.

El màster també posa molt de pes en les competències de recerca científica: cerca i gestió de bibliografia, anàlisi crítica de l'estat de l'art, plantejament d'hipòtesis i objectius, disseny d'experiments, recopilació i tractament de dades, interpretació de resultats, redacció d'articles o ponències i defensa pública de treballs.

Atesa l'alta optativitat del programa, és difícil concretar competències ultraespecífiques per a tothom, per això es recomana revisar amb cura les guies de cada assignatura i, sobretot, consensuar amb la persona directora del màster (i posteriorment amb la persona directora del TFM) quines assignatures i enfocament encaixen millor amb els interessos de cada estudiant.

Pla d'estudis, itineraris i Treball de Fi de Màster

El màster consta de 60 crèdits ECTS, que equivalen a unes 1.500 hores de feina de l'estudiant. D'aquests 60 crèdits, 30 es reparteixen en assignatures optatives i els altres 30 es dediquen a una assignatura obligatòria de metodologia de recerca (3 crèdits) i al Treball de Fi de Màster (27 crèdits).

L'assignatura obligatòria és “Metodologia de Recerca en Sistemes Intel·ligents” (3 ECTS), que convé cursar al principi, ja que proporciona les bases per afrontar el TFM i qualsevol línia de recerca a l'àrea. És una peça clau per aprendre a dissenyar projectes, planificar etapes, manejar fonts bibliogràfiques i redactar textos científics.

Les assignatures optatives (totes de 6 crèdits) cobreixen una gamma molt àmplia de mètodes i aplicacions:

• Aplicacions de la Intel·ligència Artificial per al Desenvolupament Humà i Sostenible
• Aprenentatge Profund
• Computació Evolutiva
• Descobriment d'informació en texts
• Mètodes d'aprenentatge automàtic
• Mètodes Probabilistes
• Mètodes Simbòlics
• Mineria de Dades
• Fonaments del Processament Lingüístic
• Sistemes Adaptatius en Educació
• visió Artificial
• Web Semàntica i Enllaçat de Dades

Com a orientació, el màster suggereix diversos possibles itineraris basats en l'experiència d'anys anteriors:

1. Enginyeria del Coneixement: combina assignatures com Mètodes Simbòlics, Web Semàntica i Enllaçat de Dades, Fonaments del Processament Lingüístic i Aplicacions de la IA per al Desenvolupament Humà i Sostenible.

2. Teoria de la Decisió i Anàlisi de Dades: gira al voltant de Mètodes Probabilistes, Mineria de Dades, Mètodes d'Aprenentatge Automàtic, Computació Evolutiva, Descobriment d'Informació en Textos, Fonaments del Processament Lingüístic i Aplicacions de la IA per al Desenvolupament Humà i Sostenible.

3. Sistemes Intel·ligents: es recolza en Mètodes d'Aprenentatge Automàtic, Visió Artificial, Aprenentatge Profund, Computació Evolutiva i Aplicacions de la IA per al Desenvolupament Humà i Sostenible.

4. Ensenyament-Aprenentatge: se centra en Sistemes Adaptatius en Educació, Mineria de Dades, Fonaments del Processament Lingüístic i Aplicacions de la IA per al Desenvolupament Humà i Sostenible.

El Treball Fi de Màster (27 crèdits) és una autèntica iniciació a la investigació. Heu de cobrir totes les fases: definició del problema, revisió de l'estat de l'art, plantejament d'objectius, disseny metodològic, implementació de prototips o experiments, anàlisi de resultats i redacció d'un text científic, idealment publicable.

Donat l'enorme pes del TFM al total de crèdits, la figura del director o directora de treball és crucial. La selecció d'estudiants admesos no només té en compte l'expedient, sinó també la capacitat de tutorització individual de cada professor i l'afinitat entre els interessos del candidat i les línies de recerca disponibles.

Accés, preinscripció i criteris d'admissió al màster

Per matricular-se al Màster en Investigació en Intel·ligència Artificial de la UNED és imprescindible passar primer per un procés de preinscripció i admissió. No n'hi ha prou de tenir un títol previ, ja que el programa té places limitades en funció de la capacitat de direcció de TFM del professorat.

Podeu accedir a titulats universitaris oficials del sistema espanyol o de l'Espai Europeu d'Educació Superior (EEES) que permetin laccés a ensenyaments de màster. També s'admeten titulacions de sistemes educatius aliens a l'EEES, sempre que la universitat comprovi l'equivalència a nivell formatiu. Aquest accés no suposa homologació plena del títol, només habilita per cursar aquest màster a la UNED.

La preinscripció sol obrir-se a la segona quinzena de maig, encara que és obligatori revisar cada any el calendari oficial a la web de la UNED (apartat de Màsters EEES). La guia del curs 2025-26 serveix com a referència, però els continguts i les dates s'actualitzen de cara a cada nova edició.

A més de la sol·licitud oficial a l'aplicació de la UNED, l'aspirant ha d'emplenar un formulari específic (enllaç Google Forms facilitat a la guia) on es recullen les seves dades acadèmiques, experiència, interessos de recerca i afinitat amb les línies del màster. Aquest formulari és imprescindible per poder ser preseleccionat.

El procés de selecció segueix diversos passos: la coordinació del màster elabora un “resum executiu” de cada candidatura i el reparteix entre el claustre perquè valorin la idoneïtat dels sol·licitants segons les línies de TFM. Alguns professors poden contactar per a entrevistes telefòniques o per videoconferència. Cada docent indica finalment si avala o no determinats candidats.

El llistat de candidatures avalades funciona com una mena de “short list”. No garanteix l'admissió, però és un indicador molt fort: si cap professor no avala un sol·licitant, és extremadament improbable que sigui admès. Als qui tenen un o diversos avals se'ls indica el número i el nom dels professors interessats.

L'estudiant ha de triar llavors la persona directora més afí i contactar-hi per tancar l´acceptació definitiva. Un cop acordat, comunica a la coordinació l'acord perquè la sol·licitud passi a estat «Admesa» i es pugui matricular quan s'obri el període corresponent. Si el professor elegit inicialment no pot assumir la direcció (per contingent esgotat o altres motius), l'estudiant pot contactar amb altres professors que també l'avalin.

Pel que fa a criteris quantitatius, l'admissió pondera dos blocs: la formació acadèmica (incloent-hi nota mitjana de l'expedient) fins a un 30%, i altres mèrits relacionats amb el màster, experiència investigadora, afinitat temàtica i dedicació prevista fins a un 70%. La nota mitjana s'ha d'expressar a l'escala 1-4; si lexpedient està en una altra escala, sha de convertir seguint les indicacions i models de declaració jurada que facilita la UNED.

Durada, càrrega de treball i planificació de matrícula

Tot i que el disseny del màster permet cursar-lo en un any a temps complet, la realitat és que la durada mitjana se sol situar entre 2 i 3 anys, perquè la majoria de l'alumnat compagina els estudis amb una feina o altres responsabilitats.

Cada crèdit ECTS equival a 25 hores de feina; els 60 crèdits del màster suposen unes 1.500 hores. Per fer-se'n una idea, la jornada laboral anual estàndard ronda les 1.776 hores. Per això la mateixa guia insisteix que l'estudiant valori amb calma la seva disponibilitat real abans de llançar-se pels 60 crèdits de cop.

La normativa de la UNED estableix un termini màxim de permanència de 4 anys consecutius per completar el màster. Aquest límit temporal, unit al cost de la matrícula (que cal consultar a la pàgina general de preus públics de màsters UNED), fa recomanable planificar bé el ritme d'estudis.

El primer any és obligatori matricular-se d'almenys 12 crèdits. S'aconsella incloure sempre l'assignatura “Metodologia de recerca en sistemes intel·ligents” (3 crèdits) i almenys dues optatives. A partir d'aquí, es pot ajustar el nombre de crèdits segons la dedicació diària disponible (8 hores/dia per a un any, 4 hores/dia per a aproximadament dos anys i així successivament).

Pel que fa al Treball Final de Màster, hi ha l'opció de matricular-se en mode Tutela, que no implica pagar encara els 27 crèdits complets, sinó assegurar la vinculació amb la direcció i avançar en la definició del projecte. Quan es decideixi formalitzar el TFM amb defensa, sí que caldrà matricular-se dels 27 crèdits corresponents. Si no es defensa al curs en què s'ha pagat, caldrà tornar a matricular-se.

Les taxes d'abandó històriques mostren com n'és d'exigent aquest programa, amb valors variables segons el curs (entorn del 20-50% en anys avaluats). El nombre d'admesos també s'adapta a la capacitat de direcció: els darrers anys ha oscil·lat al voltant de 30-48 estudiants per curs.

Metodologia a distància, avaluació i qualitat del màster

La docència del màster es desenvolupa completament en línia, aprofitant l'experiència de la UNED en ensenyament a distància. Cada assignatura es recolza a la plataforma virtual: fòrums, lliurament de pràctiques, materials, seminaris en vídeo, etc. No hi ha pràctiques externes obligatòries, però el caràcter experimental del programa es reflecteix en el pes de les pràctiques i els treballs en l'avaluació.

L'avaluació sol basar-se en la realització i el lliurament d'activitats, projectes o exercicis pràctics amb terminis definits. Si l'estudiant lliura després de la data principal de juny però dins del límit fixat per al setembre, apareix a l'acta d'aquesta convocatòria. Agost es considera mes no lectiu.

Pel que fa al sistema de garantia de qualitat, la UNED compta amb un SGIC (Sistema de Garantia Interna de Qualitat) certificat per ANECA, que abasta graus, màsters i doctorats. Aquest sistema supervisa la qualitat del professorat, els recursos, els serveis a l'estudiant, l'admissió, l'orientació, la inserció laboral, el seguiment de resultats, l'atenció a suggeriments i les reclamacions, i l'adequació del personal de suport.

La responsabilitat de la qualitat al màster recau en diversos òrgans: la Comissió Coordinadora del Títol, la Comissió de Garantia de Qualitat del Centre, l'equip directiu de l'Escola i la Comissió de Garantia de Qualitat de la UNED. A més, el portal estadístic de la universitat ofereix indicadors de rendiment i satisfacció per titulació, incloent-hi dades d'aquest màster (sota la denominació actual o l'anterior, Màster Universitari a IA Avançada).

Aquest títol no dóna accés directe a professions regulades, però sí que habilita per accedir al doctorat (complint la resta de requisits de crèdits totals) i construeix un perfil molt atractiu per a empreses que busquen especialistes en sistemes intel·ligents, anàlisi avançada de dades o solucions d'IA aplicades.

Altres màsters i formació a IA a l'ETSI Informàtica de la UNED

A més del Màster en Investigació en Intel·ligència Artificial, l'ETSI Informàtica de la UNED ofereix tres màsters oficials més orientats a l'àmbit professional, que poden interessar qui busqui una aproximació més aplicada a l'enginyeria informàtica ia la gestió tecnològica.

Aquests màsters són: el Màster Universitari en Enginyeria Informàtica, el Màster Universitari en Enginyeria i Ciència de Dades, i el Màster Universitari en Ciberseguretat. A tots ells la IA i l'anàlisi de dades tenen un paper rellevant, encara que l'enfocament no és tan estrictament investigador com al màster d'IA.

Una diferència clara està en el pes del Treball Fi de Màster: en aquests tres programes professionals el TFM sol equivaler a 12 crèdits ECTS (unes 300 hores), mentre que al Màster en Investigació en Intel·ligència Artificial el TFM té 27 crèdits (675 hores), pràcticament la meitat de l'esforç total anual.

L'ETSI Informàtica també manté un espai virtual específic on es publiquen ofertes de beques i treballs relacionats amb la IA, especialment adreçats a estudiants del màster. Això facilita el contacte amb grups de recerca, empreses tecnològiques i institucions interessades en perfils avançats en intel·ligència artificial.

Formació permanent, títols propis i cursos sobre IA a la UNED

Més enllà dels màsters oficials, la UNED disposa d´un Programa de Postgrau amb títols propis (Màster de Formació Permanent, Diplomes d'Especialització, Diplomes d'Expert/ai Certificats de Formació del Professorat) on també s'hi inclou oferta formativa vinculada a la intel·ligència artificial i les competències digitals.

Per accedir a aquests títols propis, en general, s'exigeix ​​estar en possessió d'un títol universitari de grau, llicenciatura, diplomatura, enginyeria o arquitectura. No obstant això, de manera excepcional, i amb informe favorable de la direcció del curs, el Rectorat pot eximir del requisit de titulació persones amb una trajectòria professional acreditada que demostri capacitat per seguir la formació amb aprofitament, sempre que tinguin accés a la universitat segons la normativa vigent.

En aquests cursos, la UNED treballa competències com cerca i gestió d'informació digital, creació de continguts i resolució de problemes amb tecnologia, alineades amb marcs de competència digital (per exemple nivells de navegació, filtratge i avaluació d'informació; desenvolupament de continguts digitals; programació bàsica; ús creatiu de la tecnologia, etc.).

Un exemple representatiu és la formació introductòria a Intel·ligència Artificial l'objectiu general del qual és proporcionar una visió clara de què és una IA i com s'aplica a la pràctica, des de la generació de textos fins a la creació d'imatges. Es pretén que lalumnat entengui els fonaments de funcionament daquests sistemes, els seus beneficis, les seves limitacions i els riscos associats.

Aquesta formació sol combinar materials escrits (apunts, presentacions), enregistraments de classes, fòrums de discussió i activitats pràctiques. S'utilitzen eines en línia com ChatGPT, Bing Chat o ChatSonic per mostrar casos reals d'ús en generació de contingut, plantejant sempre un enfocament crític i ètic sobre la seva utilització en contextos acadèmics i professionals.

Introducció, usos i riscos de la IA en cursos específics

Als cursos breus orientats al gran públic, la UNED estructura el contingut d'IA en blocs molt clars, que permeten a persones sense formació tècnica prèvia entendre què hi ha darrere daquestes eines.

El primer bloc sol ser un mòdul introductori on es respon a preguntes bàsiques: què és una intel·ligència artificial, quins objectius persegueix, com ha evolucionat històricament i quins tipus principals d'IA es distingeixen (per exemple, sistemes experts tradicionals, models d'aprenentatge supervisat, xarxes neuronals profundes, generadors de contingut, etc.).

En un segon bloc es passa a l'ús pràctic de la IA. S'identifica en quines tasques quotidianes ja l'estem emprant (recomanadors, assistents virtuals, filtres de correu brossa, sistemes de traducció, etc.) i s'entra de ple en la generació de textos i converses amb eines com ChatGPT, Bing o ChatSonic. També es dedica un espai important a la generació d'imatges mitjançant models generatius, analitzant-ne possibilitats i límits.

Un tercer bloc se centra en els riscos i les males pràctiques: desinformació, plagi, suplantació d'identitat, generació de continguts discriminatoris o esbiaixats, ús indegut en tasques acadèmiques, etc. Es revisen exemples reals i es discuteix com detectar senyals que un contingut podria haver estat generat per una IA, així com la importància de contrastar sempre la informació.

La metodologia combina teoria, demostracions en directe i debats oberts. Es fomenta que l'alumnat comparteixi com utilitza aquestes eines al seu entorn, es comenten casos de ciència ficció davant d'aplicacions reals i s'alimenta un esperit crític per no caure ni en l'entusiasme ingenu ni en el rebuig absolut.

IA generativa, investigació i estratègia institucional a la UNED

La irrupció de la Intel·ligència Artificial Generativa (IA Generativa o GenAI) ha suposat un punt d'inflexió a la UNED, especialment arran de l'impacte massiu d'eines com ChatGPT, que va assolir desenes de milions d'usuaris en pocs mesos. Aquest tipus de models, basats en arquitectures de transformadors i grans models de llenguatge (LLM), són capaços de produir texts, imatges, vídeos i altres continguts a partir de simples instruccions en llenguatge natural.

Al camp de la investigació científica, la IA generativa ja s'està utilitzant per accelerar nombroses etapes del procés investigador: cerca i síntesi de literatura, generació de resums, ajuda en el disseny d'experiments, suport per a anàlisis exploradores de dades, esborranys de manuscrits, revisió de l'estil de redacció, elaboració de figures o esquemes, etc. Eines com ChatGPT, SciSpace, Elicit, Perplexity, Epsilon, Consensus, Scite, NotebookLM, Jenni o Microsoft Copilot formen part del repertori de molts investigadors.

Alhora, la UNED subratlla amb fermesa les limitacions i els riscos d'aquest tipus de sistemes: al·lucinen dades, poden reproduir biaixos presents en els conjunts d'entrenament, manegen de forma sensible qüestions de privadesa, i la seva dependència de materials potencialment protegits per drets d'autor suscita debats legals i ètics importants.

Per això, el Vicerectorat d'Innovació Educativa ha definit una estratègia específica per a l'ús de la IA generativa en docència i aprenentatge. L´objectiu és doble: d´una banda, aprofitar les oportunitats d´aquestes eines per millorar l´experiència d´estudiants i docents, i de l´altra preservar la integritat il´excel·lència acadèmica, evitant usos deshonestos o poc transparents.

Aquesta estratègia es concreta en diverses línies dactuació: elaboració de guies sobre IA generativa dirigides a professorat i alumnat, organització de cursos i tallers de formació (molts impartits per l'Institut Universitari d'Educació a Distància, IUED), i desenvolupament de projectes d'innovació educativa que integren IA en plataformes i serveis de la UNED.

Projectes d'innovació educativa amb IA a la UNED

La UNED no es limita a parlar de IA, sinó que la incorpora activament a projectes concrets que busquen millorar la docència, orientació acadèmica i experiència de l'estudiant, sempre sota un marc responsable.

Entre els projectes impulsats pel Vicerectorat dInnovació Educativa destaquen:

1. Hub d'Innovació Educativa: un espai que utilitza IA generativa per suggerir innovacions docents en assignatures concretes. Ajuda els professors a identificar noves metodologies, activitats o recursos que podrien introduir a les seves matèries per millorar l'aprenentatge.

2. Laboratori de Tecnologies Educatives Emergents: integrat al mateix Hub, aquest laboratori experimenta amb funcionalitats avançades de IA generativa per donar suport al professorat i oferir millors serveis a l'estudiantat. Es recolza a la plataforma Edubots, creada a la UNED, per desenvolupar assistents conversacionals i altres eines intel·ligents.

3. Verificati: projecte dedicat a la detecció de plagi a Proves d'Avaluació Contínua (PEC) mitjançant tècniques de processament de llenguatge natural. No només es tracta de comparar textos, sinó d'analitzar patrons d'escriptura i coherència.

4. Recomanador acadèmic: sistema intel·ligent de recomanació que analitza dades acadèmiques complexes per proporcionar suggeriments tant a l'alumnat com al professorat. Serveix, per exemple, per orientar l'elecció d'assignatures, optimitzar la planificació acadèmica o detectar trajectòries problemàtiques.

5. ARCDU: projecte centrat en el disseny d'una ontologia que faciliti la cerca avançada de recursos educatius al cercador de la UNED, millorant la recuperació de materials mitjançant descriptors semàntics.

6. GEONES: iniciativa que aprofita la IA generativa per millorar la comunicació dels cursos d'UNED Oberta, generant textos més clars i adaptats a diferents públics objectius.

7. UNED Oberta: espai de MOOCs i cursos massius on s'experimenta amb recomanacions personalitzades de graus, màsters i formació permanent en funció de l'interès i el comportament dels participants en un curs concret.

8. IDIOMAI: projecte que desenvolupa eines de IA generativa per a l'ensenyament i aprenentatge d'idiomes, com a assistents conversacionals, generadors d'exercicis adaptatius o sistemes de feedback automatitzat sobre la producció escrita i oral.

Totes aquestes iniciatives contribueixen a crear una cultura institucional dús crític, informat i creatiu de la IAevitant caure en el simple consum d'eines externes i apostant per solucions pròpies alineades amb els valors de la universitat pública.

Ètica, normativa i ús responsable de la IA a la investigació

La UNED insisteix de manera recurrent que l'ús de la intel·ligència artificial, i especialment de la IA generativa, ha de ser crític, informat i responsable. No n'hi ha prou de saber “quin botó prémer”; és imprescindible comprendre les limitacions del model, les condicions d‟ús de l‟eina i les implicacions ètiques i legals del que genera.

A l'àmbit de la investigació, es recomana conèixer també les normes i orientacions d'editorials, revistes científiques i organismes reguladors relatives a l'ús d'IA a la redacció, anàlisi de dades o revisió de manuscrits. Molts butlletins d'ètica en publicació ja estan incorporant seccions específiques sobre IA generativa.

Les guies de la UNED subratllen qüestions com ara la necessitat de transparència (declarar si s'ha utilitzat IA i per a què), la responsabilitat última de les persones autores sobre el contingut dels treballs, la protecció de dades sensibles introduïdes en eines de tercers, l'evitació del plagi i la rellevància de verificar manualment qualsevol dada crítica obtinguda a través d'un model generatiu.

També es convida a reflexionar sobre l'equilibri esforç-benefici: utilitzar la IA per estalviar temps en tasques repetitives o de baix valor afegit pot ser positiu, però delegar completament el raonament, el disseny de la investigació o la interpretació de resultats en un sistema automàtic va en contra de l'aprenentatge profund i de l'ètica acadèmica.

Paral·lelament, la Comissió Europea i altres institucions internacionals destaquen la importància d'incrementar el talent especialitzat en IA. Es parla de reforçar la formació en competències tècniques, pensament crític i criteris ètics entre els qui dissenyen, utilitzen o es veuen afectats per aquests sistemes. La UNED, amb el seu èmfasi en la formació a distància i l'actualització permanent, s'alinea amb aquestes directrius i ofereix itineraris flexibles i recursos formatius variats.

Prenent tot aquest conjunt d'estudis oficials, títols propis, projectes i orientacions ètiques, la intel·ligència artificial a la UNED es configura com un ecosistema molt complet: un espai on et pots formar des de zero, especialitzar-te a nivell investigador, participar en projectes d'innovació educativa amb IA generativa i, alhora, desenvolupar una mirada crítica capaç d'aprofitar el potencial d'aquestes tecnologies sense perdre de vista la integritat acadèmica, la qualitat científica i l'impacte social de cada decisió tècnica.