Home » Inteligencia artificial

Category Archives: Inteligencia artificial

julio 2020
« Jun    

Armas de destrucción matemática

Armas de destrucción matemática.
Cómo el Big Data aumenta la desigualdad y amenaza la democracia

Cathy O’Neil
Capitán Swing (www.capitanswing.com)



Charla TED “La era de la fe ciega en los datos masivos ha de terminar” (https://www.ted.com/talks/cathy_o_neil_the_era_of_blind_faith_in_big_data_must_end).

Página de la autora: mathbabe.org

Frases entresacadas e ideas interesantes que puedo utilizar:

(Página 16)
“hay muchas premisas perniciosas camufladas bajo las matemáticas y se mantienen sin que nadie las verifique ni las cuestione.”

(Página 17)
“Los privilegiados, como veremos una y otra vez, son analizados por personas; las masas, por máquinas.”

(Página 21)
“pretendía movilizar a otros matemáticos contra el uso de estadísticas chapuceras y de modelos sesgados que crean sus propios bucles de retroalimentación perniciosos”

Inteligencia Artificial, naturalmente

Inteligencia Artificial, naturalmente
Nuria Oliver
Colección Pensamiento para la Sociedad Digital
ONTSI (Observatorio Nacional de las Telecomunicaciones y de la SI)


Frases entresacadas e ideas interesantes que puedo utilizar:

(Página )

Europa frente a EE.UU. y China. Prevenir el declive en la era de la inteligencia artificial

Europa frente a EE.UU. y China. Prevenir el declive en la era de la inteligencia artificial
Luis Moreno y Andrés Pedreño

Versión Kindle en Amazon

Frases entresacadas e ideas interesantes que puedo utilizar:

(Página )

Time-Dependent Performance Prediction System for Early Insight in Learning Trends

Time-Dependent Performance Prediction System for Early Insight in Learning Trends
Carlos Villagrá-Arnedo, Francisco Gallego-Durán, Faraón Llorens-Largo, Rosana Satorre-Cuerda, Patricia Compañ-Rosique, Rafael Molina-Carmona
International Journal of Interactive Multimedia and Artificial Intelligence (IJIMAI)
ISSN: 1989-1660
Volume 6, issue 2


Performance prediction systems allow knowing the learning status of students during a term and produce estimations on future status, what is invaluable information for teachers. The majority of current systems statically classify students once in time and show results in simple visual modes. This paper presents an innovative system with progressive, time-dependent and probabilistic performance predictions. The system produces by-weekly probabilistic classifications of students in three groups: high, medium or low performance. The system is empirically tested and data is gathered, analysed and presented. Predictions are shown as point graphs over time, along with calculated learning trends. Summary blocks are with latest predictions and trends are also provided for teacher efficiency. Moreover, some methods for selecting best moments for teacher intervention are derived from predictions. Evidence gathered shows potential to give teachers insights on students’ learning trends, early diagnose learning status and selecting best moment for intervention.

E-learning, Education, Learning Analytics, Learning Management Systems, Prediction, Support Vector Machine

Robot-proof. Higher education in the age of artificial intelligence

Higher education in the age of artificial intelligence

Joseph E. Aoun
The MIT Press (mitpress.mit.edu)


Video (29:07):

MIT Technology Review
Robot-Proof: Higher Education in the Age of Artificial Intelligence
Joseph Aoun, Northeastern University and David Rotman, MIT Technology Review
June 4, 2018
EmTech Next


Frases entresacadas e ideas interesantes que puedo utilizar:

(Página xvii)
“To ensure that graduates are “robot-proof” in the workplace, institutions of higher learning will have to rebalance their curricula”.

(Página 48)
“Consequently, an education for the digital age needs to focus not just on technology and understanding what technology can do but also on what it cannot do – at leasts for now and perhaps never. In other words, a robot-proof education nurtures our unique capacities as human beings. And the most elusive and difficult to define and therefore is trickiest to teach. This is humanity’s unique talent for creativity”.

(Página 53)
“However, we need a new model of learning that enables learners to understand the highly technological world around them and that simultaneously allows them to transcend it by nurturing the mental and intellectual qualities that are unique to humans – namely, their capacity for creativity and mental flexibility. We can call this model humanics“.

(Página 55) (las negritas son mías)
“Humanics’ three new literacies – technological, data, and human – enable us to network with both other people and machines. Even more so, they empower us to use the digital world to its fullest potential”.

(Página 62) (las negritas son mías)
“students also need a higher order of four cognitive capacities that will serve them in the digital economy. As we encountered in the previos chapter, these capacities include critical thinking and systems thinking – metaskills that everyone needs to analyze and apply ideas and to understand and command complex systems. Two other cognitive capacities are necessary to help make learners robot-proof. The first is entrepreneurship – the act of creating value in original ways. The second is cultural agility – a capacity that enables students to operate deftly in a global milieu and to appreciate the varying understandings ans values that people from different cultures bring to an issu or situation.”

(Página 73)
“Until advanced machines learn to navigate the inifite variety of human belief and behavior, humans will continue to be the masters of our shared intercultural milieu”.

“If the goal of higher education is simply to insert information into a student’s brain, a library card or Internet connection would be the only tool we need. But most people are not autodidacts, and most college students do not master the content of their degree programs simply by reading.
we likewise need to expand our pedagogical toolbox. This involves thematic study across disciplines, project-based learning, and realworld connections.”

(Página 113)
“The logical conclusion is that to stay relevant in the AI economy, lifelong learning will be an imperative for all professionals – and not only professionals. By helping everyone develop and maintain valuable skills, lifelong learning is necessary to alleviate social inequality. A learning model oriented on that goal will serve both those who are long on time but short on experience (namely, recent graduates) as well as learners who are short on time but long on experience (namely, seasoned profesionals). Consequently, colleges and universities will see benefits in making lifelong learning a focal point of what they do.”

(Página 117)
“Educating undergraduates, preparing graduate students, and creating new knowledge by conducting research are seen as the real, serious endeavors of the university, while lifelong learning is viewed as ancillary.
Undergraduate education, graduate education, and research are indeed critical for core priorities. But the traditional approaches will not work for the millions of adult learners finding themselves compelled to return to higher education to stay ahead of technological change.”

(Página 133) (las negritas son mías)
“Typically, alumni return to their college sporadically to attend sporting events and reunions or to tap into established relationships – in other words, to engage with the past. In contrast, the growth of lifelong learning at universities – and the need for more college-educated individuals to obtain it – can transform graduates’ relationship with their alma mater, making them members of a widespread, active network engaged with the present and the future.”

Transformación digital en la docencia

Transformación digital en la universidad
Universidad de Cádiz

Faraón Llorens Largo
Cátedra Santander-UA de Transformación Digital
Universidad de Alicante

Día: 3 y 4 de febrero de 2020
Hora: de 9 a 14 h.
Lugar: Salón de Grados de la Escuela Superior de Ingeniería

Martes 4 de febrero de 2020
Transformación digital en la docencia

  • Bienvenida y presentación del taller
  • Retos educativos derivados de la transformación digital de la sociedad (charla)
  • Consensuando los conceptos (preguntas y debate sobre la charla)
  • Preguntas e indicadores sobre tecnología educativa UCA (grupo pequeño 3-5)
  • Preguntas-indicadores sobre tecnología educativa UCA (consensuado) y comparativa internacional
  • Tecnologías disruptivas educativas (grupo pequeño 3-5)
  • Modelos educativos flexibles (charla)
  • Claves y ruta para la implantación en la UCA (grupo pequeño 3-5)
  • Tecnologías en educación: características deseables, efectos perversos (charla)
  • Conclusiones y clausura del taller

Smart Learning – Grupo de Investigación en Tecnologías Inteligentes para el Aprendizaje (logo)

Smart Learning
Grupo de Investigación en Tecnologías Inteligentes para el Aprendizaje

Ya tenemos logo. ¿Os gusta?

¿Es la inteligencia artificial una tecnología disruptiva para las universidades?

¿Es la inteligencia artificial una tecnología disruptiva para las universidades?
UniverSÍdad (www.universidadsi.es)
Faraón Llorens y Rafael Molina

En esta línea, las oportunidades que aporta la IA al mundo de la educación son indiscutibles y a su vez los retos que ello conlleva son ineludibles. Dejaremos de lado en esta reflexión el tema de la investigación en IA que se lleva realizando en los laboratorios de investigación de las universidades españolas desde sus inicios. Con esta salvedad, en esencia podemos hablar de tres principales ámbitos de uso de la IA en educación: como herramienta para el aprendizaje, como objetivo del aprendizaje y como apoyo a la gestión y el gobierno. Por el propio ámbito de este blog, aunque abordemos el ámbito general de la educación, vamos a centrarnos en el mundo universitario.
El objetivo es poner las tecnologías al servicio de los alumnos, para conocerlos mejor, para ayudarles en su aprendizaje o para apoyar a los profesores en su labor docente. Y el principal peligro son las burbujas, con todos sus sesgos y prejuicios, que se puedan crear. Resumiendo, la tecnología debe ser utilizada para empoderar no sólo a los maestros sino también a los estudiantes. Y la pregunta clave es: ¿quién controlará la IA en la educación: educadores, estudiantes, informáticos, universidades o grandes empresas?

Leer la entrada completa:

La Inteligencia Artificial en el sector de la educación: retos y amenazas

La Inteligencia Artificial en el sector de la educación: retos y amenazas
Rafael Molina Carmona
Profesor de Inteligencia Artificial de la Universidad de Alicante
Cátedra Santander-UA de Transformación Digital

Expocampus 2019
XIII Conferencia sobre eLearning y TIC en educación
Últimas tecnologías emergentes y su impacto global
Viernes, 25 de octubre de 2019
Auditorio de Casa del Lector (Madrid; Centro Cultural “El Matadero”)

Los espectaculares avances de la Inteligencia Artificial (IA) durante los últimos años están dando lugar a nuevos escenarios de aprendizaje impensables hasta hace poco, con sorprendentes experiencias donde algoritmos avanzados han llegado a sustituir a profesores on-line, sin que los mismos estudiantes llegaran a notarlo.
Por este motivo es importante conocer de primera mano cuáles son las amenazas y futuros retos de la IA en el sector educativo, especialmente en las universidades.

¿Nos quitarán las inteligencias artificiales el puesto de trabajo?

¿Nos quitarán las inteligencias artificiales el puesto de trabajo?
Faraón Llorens
2 de julio de 2019

La transformación digital del empleo: desafíos y oportunidades
Curso de Verano de la Universidad de Alicante “Rafael Altamira”
Del 1 al 4 de julio de 2019