Kunstig intelligens ved UNED: studier, prosjekter og ansvarlig bruk

Kunstig intelligens ved UNED har blitt en av de strategiske pilarene både innen undervisning og forskning og pedagogisk innovasjon. Fra mastergraden i kunstig intelligensforskning til videreutdanningskurs og generative AI-prosjekter, skaper Spanias største fjernundervisningsuniversitet et svært kraftig økosystem rundt denne disiplinen.

Hvis du leter etter informasjon om «UNED kunstig intelligens» fordi du vurderer opplæring, forskning eller bare å ta igjen det tapte Når det gjelder hvordan AI (spesielt generativ AI) brukes på universiteter, finner du her en svært omfattende guide. Vi dekker offisielle studieprogrammer, universitetsspesifikke kvalifikasjoner, kursinnhold, opptakskrav, fjernundervisningsmetoder, institusjonelle prosjekter som involverer AI, og de etiske og juridiske implikasjonene som UNED selv tar opp.

Hva menes med kunstig intelligens i UNED-sammenheng?

Ved UNED blir kunstig intelligens (KI) behandlet fra et bredt og svært grundig perspektiv.Den dekker alt fra teoretiske grunnlag til de nyeste applikasjonene, inkludert generativ AI. Den fokuserer ikke på "trendy verktøy" som ChatGPT, men starter heller med klassiske konsepter for å fullt ut forstå hva som ligger bak disse systemene.

Introduksjonen til AI som dekkes i masterprogrammet og kursene Den dekker historisk bakgrunn, formelle definisjoner og det klassiske skillet mellom sterk AI og svak AI. Sterk AI refererer til systemer som i teorien kan ha kognitive evner som kan sammenlignes med mennesker, mens svak AI fokuserer på programmer som er i stand til å løse spesifikke oppgaver svært effektivt, men uten bevissthet eller dyp forståelse.

De ulike nivåene av databehandling og den grunnleggende strukturen til et intelligent system blir også gjennomgått.Kunnskapsrepresentasjon, slutningsmotor, læringsmekanismer, interaksjonsgrensesnitt, osv. Derfra forklares hva AI omhandler (persepsjon, resonnement, planlegging, læring, interaksjon med mennesker…) og brytes ned de mest aktive bruksområdene: medisin, utdanning, ingeniørfag, sikkerhetssystemer, smarte byer, overvåking, dataanalyse eller sosial robotikk, blant annet.

UNED understreker viktigheten av en god forståelse av inferens (hvordan en maskin går fra data og regler til konklusjoner) og forskjellen mellom symbolske, konneksjonistiske og probabilistiske tilnærminger, samt bioinspirerte og hybride metoder som kombinerer flere paradigmer. Alt dette tjener som et grunnlag for å forstå hvordan store språkmodeller og generative systemer for tekst, bilde eller video fungerer i dag.

Mastergrad i forskning innen kunstig intelligens fra UNED

Mastergraden i forskning innen kunstig intelligens fra UNED er en offisiell kvalifikasjon, tydelig fokusert på forskning. og ikke bare faglig spesialisering. Det vil si at hovedmålet er å forberede studentene til å starte en vitenskapelig karriere, vanligvis kulminerende i en doktoravhandling, selv om kunnskapen som tilegnes også er svært verdifull i teknologibaserte selskaper.

Denne mastergraden knytter den grunnleggende AI-kunnskapen som er tilegnet på bachelorgraden, sammen med dagens forskningsfronter.Designet er modulært (grunnleggende, metoder, anvendelser og prosjekter), og alle emner er valgfrie bortsett fra ett emne i forskningsmetodikk. Dette lar studentene tilpasse læringsløpet sitt basert på tidligere opplæring, metodene som interesserer dem (symbolsk, konneksjonistisk, probabilistisk, bioinspirert eller hybrid), og anvendelsesområdene de ønsker å utforske.

Undervisningen foregår helt eksternt via UNED-plattformen.Derfra skjer det kontinuerlig overvåking gjennom aktiviteter, øvelser, forum, innlevering av oppgaver og andre nettbaserte verktøy. Lærerpersonalet tilbyr støtte på spansk eller engelsk, avhengig av studentens preferanser, men dette betyr ikke at alt materiale er tilgjengelig på begge språk.

Denne mastergraden er verifisert av ANECA og underlagt den offisielle verifiserings-, overvåkings- og akkrediteringsprosessen. Kreves av spansk lovgivning. Universitetsrådet og Kunnskapsdepartementet bekrefter dens offisielle status, og graden er oppført i registeret over universiteter, sentre og grader (RUCT). Akkrediteringen fornyes med jevne mellomrom, og bekrefter at resultatene er tilstrekkelige for å fortsette å tilby programmet.

Når det gjelder karriereveier, er hovedalternativet å fortsette med doktorgradsprogrammet i intelligente systemer ved ETSI Computer Science School of UNED (National University of Distance Education).Det åpner imidlertid også dører for andre relaterte doktorgradsprogrammer ved spanske og internasjonale universiteter. Til tross for forskningsfokuset, anvender mange kandidater kunnskapen sin i selskaper som spesialiserer seg innen IT, datavitenskap, cybersikkerhet, digital helse eller sektorer der AI er nøkkelen til innovasjon.

Mål og kompetanser for mastergradsutdanning

Etter fullført mastergrad i kunstig intelligens-forskning skal studenten være i stand til å håndtere det grunnleggende og den nyeste teknologien innen kunstig intelligens med selvtillit.Dette inkluderer både det teoretiske grunnlaget og moderne modeller og teknikker, med særlig vekt på symbolske, konneksjonistiske og sannsynlighetsbaserte metoder, samt de nyeste hybride tilnærmingene.

Nøkkelkompetanser inkluderer å mestre et bredt sett med AI-metoder og vite når man skal bruke hver enkelt.kunnskapsbaserte systemer, regler og begrensninger, bayesianske nettverk, beslutningstrær, nevrale nettverk (inkludert dyp læring), evolusjonær databehandling, datautvinning, informasjonsoppdagelse i tekster, datasyn, adaptive systemer i utdanning, etc.

En annen viktig evne er å anvende disse metodene på spesifikke, svært relevante domener.som medisin, utdanning, ingeniørfag, sikkerhet, overvåking eller smarte byer. Det handler ikke bare om «programmeringsmodeller», men om å forstå problemets kontekst, oversette kunnskap fra naturlig språk til en beregningsbar representasjon og designe effektive, virkningsfulle og vitenskapelig validerte systemer.

Masterprogrammet legger også sterk vekt på vitenskapelige forskningsferdigheter.bibliografisøk og -håndtering, kritisk analyse av det nåværende fagområdet, formulering av hypoteser og mål, eksperimentell design, datainnsamling og -behandling, tolkning av resultater, skriving av artikler eller oppgaver og offentlig forsvar av arbeidet.

Gitt den høye graden av valgfrihet i programmet, er det vanskelig å definere svært spesifikke kompetanser for alle.Derfor anbefales det å nøye gjennomgå veiledningene for hvert emne, og fremfor alt å bli enig med lederen for masterprogrammet (og senere med lederen for masteroppgaven) om hvilke emner og tilnærminger som passer best til hver students interesser.

Pensum, studieløp og masteroppgave

Mastergraden består av 60 studiepoeng, som tilsvarer omtrent 1.500 timer studentarbeid.Av disse 60 studiepoengene er 30 delt inn i valgfrie emner, og de andre 30 er dedikert til et obligatorisk emne i forskningsmetodikk (3 studiepoeng) og til masteroppgaven (27 studiepoeng).

Det obligatoriske emnet er «Forskningsmetodikk i intelligente systemer» (3 studiepoeng)Dette kurset er best å ta i begynnelsen, da det gir grunnlaget for å takle masteroppgaven og enhver forskningslinje innen feltet. Det er en nøkkelkomponent for å lære hvordan man designer prosjekter, planlegger faser, håndterer bibliografiske kilder og skriver vitenskapelige tekster.

De valgfrie emnene (alle verdt 6 studiepoeng) dekker et svært bredt spekter av metoder og anvendelser:

• Anvendelser av kunstig intelligens for menneskelig og bærekraftig utvikling
• Deep Learning
• Evolusjonær databehandling
• Informasjonsoppdagelse i tekster
• Maskinlæringsmetoder
• Probabilistiske metoder
• Symbolske metoder
• Datautvinning
• Grunnleggende om språklig prosessering
• Adaptive systemer i utdanning
• Kunstig syn
• Semantisk web og datakobling

Som veiledning foreslår masterprogrammet flere mulige reiseruter basert på erfaringer fra tidligere år.:

1. KunnskapsteknikkDen kombinerer emner som symbolske metoder, semantisk web og datalinking, grunnleggende språklig prosessering og AI-applikasjoner for menneskelig og bærekraftig utvikling.

2. Beslutningsteori og dataanalyseDet dreier seg om sannsynlighetsmetoder, datautvinning, maskinlæringsmetoder, evolusjonær beregning, informasjonsoppdagelse i tekster, grunnleggende språklig prosessering og AI-applikasjoner for menneskelig og bærekraftig utvikling.

3. Intelligente systemerDen er avhengig av maskinlæringsmetoder, kunstig syn, dyp læring, evolusjonær databehandling og AI-applikasjoner for menneskelig og bærekraftig utvikling.

4. Undervisning og læringDet fokuserer på adaptive systemer i utdanning, datautvinning, grunnleggende språklig prosessering og AI-applikasjoner for menneskelig og bærekraftig utvikling.

Masteroppgaven (27 studiepoeng) er en skikkelig introduksjon til forskningDen må dekke alle faser: problemdefinisjon, gjennomgang av det nåværende tekniske nivået, fastsettelse av mål, metodisk utforming, implementering av prototyper eller eksperimenter, analyse av resultater og skriving av en vitenskapelig tekst, ideelt sett publiserbar.

Gitt den enorme vekten masteroppgaven har i de totale studiepoengene, er veilederens rolle avgjørende.Utvalget av opptatte studenter tar ikke bare hensyn til akademisk bakgrunn, men også den individuelle veiledningskapasiteten til hver professor og tilknytningen mellom kandidatens interesser og tilgjengelige forskningslinjer.

Adgang, forhåndsregistrering og opptakskriterier til masterprogrammet

For å melde deg på mastergraden i kunstig intelligensforskning ved UNED, er det viktig å først gå gjennom en forhåndsregistrerings- og opptaksprosess.Det er ikke nok å ha en tidligere grad, ettersom programmet har et begrenset antall plasser avhengig av fakultetets evne til å veilede masteroppgaver.

Offisielt uteksaminerte universitetsstudenter fra det spanske systemet eller Det europeiske høyere utdanningsområdet (EHEA) er kvalifisert til å søke. som gir tilgang til mastergradsprogrammer. Grader fra utdanningssystemer utenfor Det europeiske området for høyere utdanning (EHEA) aksepteres også, forutsatt at universitetet bekrefter likeverdig utdanningsnivå. Denne tilgangen innebærer ikke full anerkjennelse av graden; den kvalifiserer bare innehaveren til å forfølge denne mastergraden ved UNED.

Forhåndsregistreringen åpner vanligvis i andre halvdel av maiSelv om det er obligatorisk å sjekke den offisielle kalenderen på UNEDs nettsted hvert år (EHEA Masters-seksjonen), fungerer kursguiden for 2025–26 som en referanse, men innholdet og datoene oppdateres for hver ny utgave.

I tillegg til den offisielle søknaden i UNED-søknaden, må søkeren fylle ut et spesifikt skjema. (Lenke til Google Forms finnes i veiledningen) der du oppgir din akademiske informasjon, erfaring, forskningsinteresser og samsvar med masterprogrammet. Dette skjemaet må forhåndsutfyles.

Utvalgsprosessen følger flere trinnMasterprogramkoordinatoren utarbeider et «sammendrag» av hver søknad og distribuerer det til fakultetet, slik at de kan vurdere søkernes egnethet basert på emnene for masteroppgaven. Noen professorer kan kontakte søkere for telefon- eller videokonferanseintervjuer. Hver professor angir til slutt om de støtter bestemte kandidater eller ikke.

Listen over godkjente kandidater fungerer som en slags «kortliste».Det garanterer ikke opptak, men det er en veldig sterk indikator: hvis ingen professor støtter en søker, er det ekstremt usannsynlig at vedkommende blir tatt opp. De med én eller flere støtteordninger får nummeret og navnene på de støttende professorene.

Studenten må deretter velge den mest passende regissøren og kontakte vedkommende. For å fullføre aksepten, når den er avtalt, varsle koordinatoren slik at søknadsstatusen din endres til "Opptatt" og du kan melde deg på når den tilsvarende perioden åpner. Hvis den opprinnelig valgte professoren ikke kan påta seg rollen (på grunn av full påmelding eller andre årsaker), kan studenten kontakte andre professorer som også kan anbefale dem.

Når det gjelder kvantitative kriterier, veier opptak to blokkerAkademiske kvalifikasjoner (inkludert karaktergjennomsnitt) opptil 30 %, og andre meritter knyttet til masterprogrammet, forskningserfaring, tematisk tilhørighet og forventet dedikasjon opptil 70 %. Karaktergjennomsnittet må uttrykkes på en skala fra 1–4. Hvis den akademiske bakgrunnen er på en annen skala, må den konverteres i henhold til instruksjonene og malene for erklæringer under ed fra UNED.

Varighet, arbeidsmengde og planlegging av påmelding

Selv om masterprogrammet er utformet for å fullføres på heltid på ett år, er realiteten at den gjennomsnittlige varigheten vanligvis er mellom 2 og 3 år.fordi de fleste studenter kombinerer studiene med jobb eller andre oppgaver.

Hvert ECTS-poeng tilsvarer 25 timer arbeid; de 60 studiepoengene i mastergraden representerer omtrent 1.500 timer.For å gi deg en idé, er standard årlig arbeidstid rundt 1.776. Det er derfor veiledningen selv insisterer på at studentene nøye vurderer sin faktiske tilgjengelighet før de forplikter seg til alle 60 studiepoeng samtidig.

UNED-forskriftene fastsetter et maksimalt opphold på 4 sammenhengende år for å fullføre mastergradenDenne tidsbegrensningen, sammen med studieavgiften (som bør sjekkes på UNEDs side med generelle offentlige priser for mastergrader), gjør det tilrådelig å planlegge studietempoet godt.

Det første året er det obligatorisk å melde seg opp i minst 12 studiepoeng.Det anbefales å alltid inkludere emnet «Forskningsmetodikk i intelligente systemer» (3 studiepoeng) og minst to valgfag. Derfra kan antall studiepoeng justeres i henhold til den daglige tilgjengelige tiden (8 timer/dag i ett år, 4 timer/dag i omtrent to år, og så videre).

Når det gjelder masteroppgaven, er det mulighet for å melde seg på i veiledningsmodus.Dette innebærer ikke å betale for alle 27 studiepoengene ennå, men snarere å sikre en kontakt med programlederen og komme videre i defineringen av prosjektet. Når beslutningen er tatt om å formalisere masteroppgaven med et forsvar, vil det være nødvendig med påmelding til de tilsvarende 27 studiepoengene. Hvis forsvaret ikke avholdes i løpet av det studieåret betalingen er foretatt, vil det være nødvendig med ny påmelding.

Historiske frafallstall viser hvor krevende dette programmet er.med varierende verdier avhengig av kurset (rundt 20–50 % i de evaluerte årene). Antall opptatte studenter tilpasser seg også ledelseskapasiteten: de siste årene har det variert fra rundt 30–48 studenter per kurs.

Fjernundervisningsmetodikk, evaluering og kvalitet på masterprogrammet

Masterprogrammet undervises utelukkende på nett, og utnytter UNEDs erfaring innen fjernundervisning.Hvert emne støttes av den virtuelle plattformen: forum, innlevering av praktiske oppgaver, materiell, videoseminarer osv. Det er ingen obligatoriske eksterne praksisplasser, men programmets eksperimentelle natur gjenspeiles i vekten av de praktiske oppgavene og prosjektene i evalueringen.

Vurderingen er vanligvis basert på fullføring og innlevering av aktiviteter, prosjekter eller praktiske øvelser. med definerte frister. Hvis studenten leverer etter hovedfristen i juni, men innen fristen i september, vil det fremgå av referatet fra den økten. August regnes som en frimåned.

Når det gjelder kvalitetssikringssystemet, har UNED et SGIC (internt kvalitetssikringssystem) Sertifisert av ANECA, som dekker bachelor-, master- og doktorgrader. Dette systemet overvåker kvaliteten på undervisningspersonalet, ressurser, studenttjenester, opptak, veiledning, jobbformidling, resultatsporing, håndtering av forslag og klager, og egnetheten til støttepersonell.

Ansvaret for kvaliteten i masterprogrammet ligger hos flere instanserKoordineringskomiteen for graden, senterets kvalitetssikringskomité, skolens ledergruppe og UNEDs kvalitetssikringskomité. Videre tilbyr universitetets statistikkportal resultat- og tilfredshetsindikatorer for hvert studieprogram, inkludert data for dette masterprogrammet (under nåværende navn eller tidligere navn, mastergrad i avansert AI).

Denne graden gir ikke direkte tilgang til regulerte yrker.Det gir imidlertid tilgang til doktorgradsstudier (som oppfyller de andre totale studiepoengkravene) og bygger en svært attraktiv profil for selskaper som søker spesialister innen intelligente systemer, avansert dataanalyse eller anvendte AI-løsninger.

Andre mastergrader og opplæring i AI ved ETSI Computer Science School of the UNED

I tillegg til mastergraden i kunstig intelligensforskning tilbyr ETSI informatikk ved UNED tre andre offisielle mastergrader som er mer orientert mot det profesjonelle feltet.som kan være av interesse for de som søker en mer anvendt tilnærming til datateknikk og teknologiledelse.

Disse mastergradene erMastergraden i datateknikk, mastergraden i ingeniørfag og datavitenskap, og Mastergrad i nettsikkerhetI alle disse spiller AI og dataanalyse en relevant rolle, selv om tilnærmingen ikke er like strengt forskningsorientert som i masterprogrammet i AI.

En klar forskjell ligger i vekten som gis til masteroppgaven.I disse tre profesjonsprogrammene tilsvarer masteroppgaven vanligvis 12 studiepoeng (omtrent 300 timer), mens masteroppgaven i masterstudiet i forskning innen kunstig intelligens har 27 studiepoeng (675 timer), praktisk talt halvparten av den totale årlige innsatsen.

ETSI Computer Science School har også et eget virtuelt område der stipend- og jobbtilbud relatert til AI publiseres.Disse programmene er spesielt rettet mot masterstudenter. Dette forenkler kontakten med forskningsgrupper, teknologiselskaper og institusjoner som er interessert i avanserte profiler innen kunstig intelligens.

Videreutdanning, høyere utdanning og kurs om AI ved UNED

Utover offisielle mastergrader tilbyr UNED et videreutdanningsprogram med egne grader (Mastergrader i videreutdanning, spesialiseringsdiplomer, ekspertdiplomer og lærerutdanningsbevis) som også inkluderer opplæringskurs knyttet til kunstig intelligens og digitale ferdigheter.

For å få tilgang til disse spesialiserte gradene kreves det vanligvis en universitetsgrad, bachelorgrad, diplom, ingeniørgrad eller arkitekturgrad.Rektoratet kan imidlertid unntaksvis, og med en positiv rapport fra emneansvarlig, frita personer med en akkreditert yrkeskarriere som viser evnen til å fullføre opplæringen, fra gradkravet, forutsatt at de har tilgang til universitetet i henhold til gjeldende regelverk.

I disse kursene jobber UNED med ferdigheter som å søke etter og håndtere digital informasjon, lage innhold og løse problemer med teknologi., i samsvar med rammeverk for digital kompetanse (f.eks. nivåer av navigasjon, filtrering og evaluering av informasjon; utvikling av digitalt innhold; grunnleggende programmering; kreativ bruk av teknologi, osv.).

Et representativt eksempel er innføringsopplæring i kunstig intelligens Det overordnede målet er å gi en klar forståelse av hva AI er og hvordan det brukes i praksis, fra tekstgenerering til bildeproduksjon. Studentene forventes å forstå det grunnleggende om hvordan disse systemene fungerer, deres fordeler, begrensninger og tilhørende risikoer.

Denne opplæringen kombinerer vanligvis skriftlig materiale (notater, presentasjoner), klasseopptak, diskusjonsfora og praktiske aktiviteter.Nettbaserte verktøy som ChatGPT, Bing Chat eller ChatSonic brukes til å vise virkelige bruksområder innen innholdsgenerering, og har alltid en kritisk og etisk tilnærming til bruken i akademiske og profesjonelle sammenhenger.

Introduksjon til, bruk av og risikoer ved kunstig intelligens i spesifikke kurs

I korte kurs rettet mot allmennheten strukturerer UNED AI-innholdet i svært tydelige blokker.som lar folk uten tidligere teknisk opplæring forstå hva som ligger bak disse verktøyene.

Den første blokken er vanligvis en introduksjonsmodul der grunnleggende spørsmål besvares.Hva er kunstig intelligens, hvilke mål forfølger den, hvordan har den utviklet seg historisk, og hvilke hovedtyper av kunstig intelligens skilles ut (f.eks. tradisjonelle ekspertsystemer, overvåkede læringsmodeller, dype nevrale nettverk, innholdsgeneratorer osv.).

Den andre delen fokuserer på den praktiske bruken av AIKurset identifiserer de hverdagsoppgavene der vi allerede bruker denne teknologien (anbefalingsverktøy, virtuelle assistenter, spamfiltre, oversettelsessystemer osv.) og fordyper seg i generering av tekster og samtaler med verktøy som ChatGPT, Bing og ChatSonic. Det legges også stor vekt på å generere bilder ved hjelp av generative modeller, og analysere deres muligheter og begrensninger.

En tredje del fokuserer på risikoer og dårlig praksis.Desinformasjon, plagiering, identitetstyveri, generering av diskriminerende eller partisk innhold, misbruk i akademiske oppgaver, osv. Ekte eksempler gjennomgås, og det diskuteres hvordan man kan oppdage tegn på at innhold kan ha blitt generert av AI, samt viktigheten av alltid å verifisere informasjon.

Metodikken kombinerer teori, demonstrasjoner og åpne diskusjonerStudentene oppfordres til å dele hvordan de bruker disse verktøyene i sitt miljø, science fiction-eksempler diskuteres i forhold til reelle anvendelser, og en kritisk ånd fremmes for å unngå både naiv entusiasme og blank avvisning.

Generativ AI, forskning og institusjonell strategi ved UNED

Fremveksten av generativ kunstig intelligens (Generativ AI eller GenAI) har markert et vendepunkt ved UNEDDette gjelder spesielt etter den enorme innvirkningen verktøy som ChatGPT har hatt, som nådde titalls millioner brukere på bare noen få måneder. Denne typen modeller, basert på transformatorarkitekturer og store språkmodeller (LLM-er), er i stand til å produsere tekst, bilder, videoer og annet innhold fra enkle instruksjoner i naturlig språk.

Innen vitenskapelig forskning brukes generativ AI allerede til å akselerere en rekke stadier i forskningsprosessen.Litteratursøk og syntese, generering av sammendrag, assistanse i eksperimentell design, støtte til utforskende dataanalyse, manuskriptutkast, gjennomgang av skrivestil, opprettelse av figurer eller diagrammer, osv. Verktøy som ChatGPT, SciSpace, Elicit, Perplexity, Epsilon, Consensus, Scite, NotebookLM, Jenni eller Microsoft Copilot er en del av repertoaret til mange forskere.

Samtidig understreker UNED sterkt begrensningene og risikoene ved denne typen system.De manipulerer data, kan reprodusere skjevheter som finnes i treningssett, håndterer personvernspørsmål på en sensitiv måte, og deres avhengighet av potensielt opphavsrettsbeskyttet materiale reiser viktige juridiske og etiske debatter.

Derfor har viserektoratet for utdanningsinnovasjon definert en spesifikk strategi for bruk av generativ kunstig intelligens i undervisning og læring.Målet er todelt: på den ene siden å utnytte mulighetene som disse verktøyene gir for å forbedre opplevelsen til studenter og lærere, og på den andre siden å bevare integritet og akademisk dyktighet ved å forhindre uærlig eller ugjennomsiktig bruk.

Denne strategien implementeres gjennom flere handlingslinjerUtarbeidelse av veiledninger om generativ KI rettet mot lærere og studenter, organisering av opplæringskurs og workshops (mange av dem undervist av University Institute of Distance Education, IUED), og utvikling av pedagogiske innovasjonsprosjekter som integrerer KI i UNED-plattformer og -tjenester.

Utdanningsinnovasjonsprosjekter med AI ved UNED

UNED snakker ikke bare om AI, men integrerer det aktivt i spesifikke prosjekter. som søker å forbedre undervisning, akademisk veiledning og studentopplevelsen, alltid innenfor et ansvarlig rammeverk.

Blant prosjektene som promoteres av viserektoratet for utdanningsinnovasjon, skiller følgende seg ut::

1. Sentrum for utdanningsinnovasjonEn plattform som bruker generativ AI til å foreslå undervisningsinnovasjoner i spesifikke fag. Den hjelper lærere med å identifisere nye metoder, aktiviteter eller ressurser de kan introdusere i kursene sine for å forbedre læringen.

2. Laboratorium for nye utdanningsteknologierIntegrert i selve Huben eksperimenterer dette laboratoriet med avanserte generative AI-funksjoner for å støtte fakultetet og tilby bedre tjenester til studentene. Det utnytter Edubots-plattformen, opprettet ved UNED, for å utvikle samtaleassistenter og andre intelligente verktøy.

3. VerifiseringDette prosjektet fokuserer på å oppdage plagiering i kontinuerlige vurderingstester (CAT-er) ved hjelp av naturlige språkbehandlingsteknikker. Det går utover å bare sammenligne tekster; det analyserer skrivemønstre og sammenheng.

4. Akademisk anbefalingEt intelligent anbefalingssystem som analyserer komplekse akademiske data for å gi forslag til både studenter og fakultet. Det kan for eksempel brukes til å veilede valg av emner, optimalisere akademisk planlegging eller identifisere problematiske akademiske veier.

5. ARCDU: prosjekt fokusert på utforming av en ontologi som forenkler avansert søk etter utdanningsressurser i UNED-søkemotoren, og forbedrer gjenfinning av materiale gjennom semantiske deskriptorer.

6. GEONAet initiativ som bruker generativ kunstig intelligens for å forbedre kommunikasjonen i UNED Abierta-kurs, og genererer tydeligere tekster tilpasset ulike målgrupper.

7. UNED Åpenplass til MOOC-er og massive kurs der personlige anbefalinger for grader, mastergrad og videreutdanning testes basert på deltakernes interesse og atferd i et spesifikt kurs.

8. SPRÅK: prosjekt som utvikler generative AI-verktøy for språkundervisning og -læring, som for eksempel samtaleassistenter, adaptive øvelsesgeneratorer eller automatiserte tilbakemeldingssystemer for skriftlig og muntlig produksjon.

Alle disse initiativene bidrar til å skape en institusjonell kultur for kritisk, informert og kreativ bruk av AIunngå å falle inn i det enkle forbruket av eksterne verktøy og velge våre egne løsninger i tråd med verdiene til det offentlige universitetet.

Etikk, regelverk og ansvarlig bruk av AI i forskning

UNED understreker gjentatte ganger at bruken av kunstig intelligens, og spesielt generativ AI, må være kritisk, informert og ansvarlig.Det er ikke nok å vite «hvilken knapp man skal trykke på»; det er viktig å forstå modellens begrensninger, bruksvilkårene for verktøyet og de etiske og juridiske implikasjonene av det den genererer.

Innen forskningsfeltet anbefales det også å være kjent med regler og retningslinjer fra forlag, vitenskapelige tidsskrifter og tilsynsorganer. knyttet til bruk av AI i skriving, dataanalyse eller manuskriptgjennomgang. Mange etiske bulletiner for publisering inneholder allerede spesifikke avsnitt om generativ AI.

UNED-retningslinjene vektlegger problemstillinger som behovet for åpenhet (å deklarere om kunstig intelligens har blitt brukt og til hvilket formål), og forfatternes endelige ansvar. Når det gjelder innholdet i arbeidet, beskyttelse av sensitive data som legges inn i tredjepartsverktøy, unngåelse av plagiering og viktigheten av å manuelt verifisere kritiske data innhentet gjennom en generativ modell.

Du inviteres også til å reflektere over balansen mellom innsats og nytte.Bruk av AI for å spare tid på repeterende eller lavverdiskapende oppgaver kan være positivt, men å fullstendig delegere resonnement, forskningsdesign eller tolkning av resultater til et automatisert system går imot dyp læring og akademisk etikk.

I mellomtiden fremhever EU-kommisjonen og andre internasjonale institusjoner viktigheten av å øke antallet spesialister innen kunstig intelligens.Det snakkes om å styrke opplæringen i tekniske ferdigheter, kritisk tenkning og etiske kriterier blant de som designer, bruker eller blir berørt av disse systemene. UNED, med sin vekt på fjernundervisning og kontinuerlig faglig utvikling, innretter seg etter disse retningslinjene ved å tilby fleksible læringsløp og varierte opplæringsressurser.

Med tanke på alle disse offisielle studiene, egne grader, prosjekter og etiske retningslinjer, er kunstig intelligens ved UNED konfigurert som et svært komplett økosystem.: et rom hvor du kan utdanne deg fra bunnen av, spesialisere deg på forskningsnivå, delta i pedagogiske innovasjonsprosjekter med generativ AI og samtidig utvikle et kritisk perspektiv som er i stand til å utnytte potensialet i disse teknologiene uten å miste faglig integritet, vitenskapelig kvalitet og den sosiale effekten av hver teknisk beslutning av syne.