Maestría en Inteligencia Artificial en la Formación Docente

BLOQUE 1: APRENDIZAJE AUTOMÁTICO Y PLN APLICADOS A ENTORNOS EDUCATIVOS

1. APRENDIZAJE AUTOMÁTICO Y REDES NEURONALES

   ¿Cómo funciona el aprendizaje automático? ¿Qué es el machine learning? Diferencia entre el aprendizaje automático y el aprendizaje profundo. Tipos de aprendizaje automático: supervisado, no supervisado y por refuerzo. Redes neuronales, procesamiento de datos y detección de objetos.  Comparativa de funcionamiento entre redes neuronales y machine learning.  Aplicaciones prácticas de la inteligencia artificial en diversos campos. aprendizaje automático, aprendizaje profundo y procesamiento del lenguaje natural (PLN): automatización de tareas, agentes virtuales, Chatbots, IA conversacional. Diseño de experiencias de aprendizaje personalizadas. Adaptación de contenidos según las necesidades del estudiante.  Sistemas recomendadores.

2. PROCESAMIENTO DE LENGUAJE NATURAL

   Procesamiento del Lenguaje Natural (NLP). Modelos de lenguaje conversacional (LLM) Lenguaje natural y representación de contenidos. Análisis sintáctico y semántico. Creación y comprensión de textos. Aplicación de Sistemas de procesamiento del lenguaje natural en la enseñanza. Aprendizaje Automático, Lenguaje y Percepción: agentes Inteligentes e Interacción. Text Mining (minería de texto)

BLOQUE 2: INTELIGENCIA ARTIFICIAL PARA EL AULA INMERSIVA

1. DISEÑO DE ENTORNOS EDUCATIVOS CON INTELIGENCIA ARTIFICIAL

   Principios de la Inteligencia Artificial y su aplicación educativa; inteligencias generativas para coevolucionar y cocrear con la IA; análisis crítico de neuromitos y su impacto en la planificación y la instrucción; implementación efectiva de IA en entornos educativos y análisis de escenarios futuros; diseño neuroeducativo de programas, cursos y contenidos apoyados en IA; estrategias de aprendizaje en entornos disruptivos; desarrollo de itinerarios, prácticas y trayectorias personalizadas; creación de contenidos y actividades ajustadas a necesidades, ritmos y estilos de aprendizaje; integración curricular de la IA para promover autonomía y participación; evaluación y retroalimentación automatizada; y planificación tecnopedagógica de experiencias, lecciones y materiales con herramientas de IA.

2. APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN EL AULA PRESENCIAL Y VIRTUAL

   Tendencias en e-Learning (aprendizaje personalizado, microaprendizaje, gamificación y mobile learning); integración de la IA en el aula mediante plataformas adaptativas, tutoría inteligente y análisis de datos; metodologías activas apoyadas en tecnología (aula invertida, aprendizaje colaborativo, EAS y Visual Thinking); uso de tecnologías emergentes como realidad virtual y aumentada, videojuegos, simulaciones y metaverso; herramientas docentes para planificación, comunicación y creación de contenidos; programación y robótica educativa; e Inteligencia Artificial generativa para la producción de textos, imágenes, audio y el uso de chatbots y asistentes virtuales.

3. INTELIGENCIA ARTIFICIAL Y NEUROEDUCACIÓN

   Convergencia entre neurociencia, inteligencia artificial y realidad extendida: revisión crítica de marcos teóricos y hallazgos recientes. Aplicaciones de la IA para investigar procesos cognitivos (memoria, atención, toma de decisiones) y para el diseño de aprendizaje adaptativo. Análisis de algoritmos y plataformas de personalización educativa: potencial, limitaciones y debates éticos. Estrategias neuroeducativas apoyadas en realidad extendida: experiencias multisensoriales y su impacto en atención, memoria y motivación. Evaluación crítica de herramientas didácticas basadas en IA y RE (chatbots, learning analytics, entornos inmersivos). Diseño y análisis de experiencias educativas con IA y RE desde una perspectiva investigadora: líneas emergentes y retos. Tendencias emergentes en IA inmersiva.

BLOQUE 3: BIG DATA Y LEARNING ANALYTICS: PERSONALIZACIÓN Y EVALUACIÓN DE APRENDIZAJES

1. DEL DATO A LA INFORMACIÓN

   Cómo los datos educativos informan la enseñanza y la diferencia entre datos, información y conocimiento; estrategias de contextualización y análisis de datos; huella digital, privacidad y seguridad en el aprendizaje en línea; fundamentos de ciberseguridad y protección de datos en plataformas educativas; responsabilidad digital y derechos en entornos virtuales; Big Data y algoritmos de aprendizaje automático aplicados a la educación; minería de datos y predicción del rendimiento estudiantil; recolección, limpieza, procesamiento y visualización de datos para la toma de decisiones pedagógicas; herramientas de analítica educativa desde básicas hasta avanzadas; regulaciones sobre privacidad y seguridad (GDPR, FERPA y otras); consideraciones éticas en el uso de datos educativos; y desarrollo de políticas institucionales de privacidad y seguridad de la información.

2. EVALUACIÓN DEL APRENDIZAJE E INTELIGENCIA ARTIFICIAL

   Evaluación del aprendizaje en la era digital, desde la observación docente hasta el análisis automatizado; potencial, límites y desafíos de la evaluación con IA; modalidades diagnóstica, formativa, sumativa y de autoevaluación; analítica del aprendizaje para detectar necesidades, trayectorias y riesgo de abandono; personalización de itinerarios y retroalimentación mediante IA; métodos adaptativos y algoritmos que ajustan dificultad y contenido; evaluación automatizada con corrección de ensayos, rúbricas inteligentes y análisis semántico; tutores virtuales y retroalimentación inteligente; evaluación multimodal con análisis de voz, emociones y engagement; diseño y validación de instrumentos asistidos por IA; construcción algorítmica de preguntas; ética, equidad y sesgos en evaluación digital; y aplicaciones prácticas como evaluación por competencias, portfolios digitales y gamificación.

BLOQUE 4: DESARROLLO PROFESIONAL Y METODOLOGÍA DE LA INVESTIGACIÓN EDUCATIVA

1. DESARROLLO PROFESIONAL DOCENTE

   Redefiniendo la formación docente: Aprender IA o Aprender con IA. Rol del docente como arquitecto del cambio educativo. Habilidades y competencias digitales del profesorado. Reflexividad, capacidades digitales y resiliencia de los profesores: formación continua personalizada. Las emociones del profesorado: claves en el aprendizaje de sus estudiantes. Neuroeducación dentro de las aulas: guía de actuación.  Creación y participación en comunidades de práctica en línea: creatividad distribuida en el contexto educativo. Colaboración creativa entre docentes y sistemas de IA: herramientas y plataformas. Gestión educativa e IA: emprendimiento, innovación y creatividad digital.

2. PRÁCTICUM

    

3. APORTACIONES DE LA INVESTIGACIÓN AL APRENDIZAJE Y LA FORMACIÓN DOCENTE

   Iniciación investigadora  y de alfabetización científica en inteligencia artificial aplicada a la educación. La investigación en inteligencia artificial aplicada a la educación. Lectura crítica y análisis de artículos científicos: estructura de un artículo científico; criterios de lectura crítica; identificación de marcos teóricos y estrategias metodológicas; herramientas básicas para el análisis de la literatura. Terminología, estructuras de publicación y fuentes de información científica: términos clave en inteligencia artificial aplicada a la educación; tipología de publicaciones científicas; bases de datos y repositorios académicos especializados; criterios de búsqueda y evaluación de fuentes; gestores de referencias bibliográficas y normativa de citación APA. Ética básica de la investigación y del uso de la evidencia científica. Diseños de investigación en contextos educativos y socioeducativos; principios de investigación aplicada y coherencia entre problema, objetivos y diseño metodológico; métodos de recogida de datos cuantitativos, cualitativos y mixtos; triangulación y criterios de validez y fiabilidad; elaboración de propuestas metodológicas iniciales (formulación del problema, objetivos, hipótesis, preguntas, muestreo, instrumentos y técnicas de análisis); consideraciones éticas avanzadas en investigación con alumnado, docentes y comunidades; regulación sobre protección de datos y consentimiento informado; gestión responsable de información sensible y comunicación ética; prevención de sesgos cognitivos y culturales en la interpretación; y revisión del funcionamiento de protocolos y comités éticos en investigación educativa.

BLOQUE 5: NEUROCIENCIA EDUCATIVA E IA

1. BASES BIOLÓGICAS Y GENÉTICAS DEL CEREBRO

   El origen evolutivo del cerebro. El cerebro como parte del sistema nervioso Neuronas, neurotransmisores y redes neurales Genes y aprendizaje Plasticidad y epigenética. Anatomía y morfología funcional del cerebro. La formación del cerebro: desde la concepción a la adultez.

2. LA NEUROCIENCIA EN EL CONTEXTO EDUCATIVO

   La educación en contexto. Teorías del aprendizaje. Posición de la neurociencia en la educación. El método científico en neuroeducación. El aprendizaje desde la Neurociencia. La educación emocional. Emociones y Aprendizaje. ¿Qué es la inteligencia emocional?

3. FACTORES DEL APRENDIZAJE Y NEUROEDUCACIÓN

   Fundamentos epistemológicos de la neurociencia educativa como campo interdisciplinar, en diálogo con la psicología cognitiva y la educación. Análisis crítico de neuromitos y otras creencias pseudocientíficas en educación, a partir de revisiones sistemáticas, meta-análisis y estudios sobre alfabetización científica del profesorado. Estudio de procesos cognitivos, metacognitivos y de autorregulación (atención, memoria, funciones ejecutivas y monitoreo del aprendizaje) desde una perspectiva empírica y metodológica.Evaluación de estrategias pedagógicas con base científica y análisis crítico de programas y prácticas docentes fundamentadas en la evidencia. Análisis de la investigación sobre hábitos de vida, salud cerebral y aprendizaje (sueño, alimentación, actividad física, estrés, multitarea) y sus implicaciones educativas.