Docencia
Formación e integración de IA en el aula
Cursos, talleres y guías para integrar IA en la docencia universitaria de forma crítica y responsable.
Objetivos del área
- Entregar al cuerpo académico herramientas concretas para incorporar IA en sus cursos e investigaciones.
- Desarrollar criterios para evaluar el uso de IA por parte del estudiantado.
- Compartir experiencias de uso entre académicos de la facultad.
- Difundir buenas prácticas en la redacción del prompt, validación de su respuesta y atribución ética de responsabilidades.
Catálogo
Ver todos los cursos
Calendario de cursos
Próximas convocatorias ordenadas por fecha de inicio.
- Postulaciones abiertas
Fundamentos de Redes Neuronales — Versión 1.0
27 de julio de 2026 – 29 de julio de 2026Presencial · 3 sesiones de 2,5 horas (7,5 horas totales) · 15:00 a 17:30 · Sala de Computación, Edificio Luis Ceruti
- Postulaciones abiertas
Talleres Codex y Antigravity — Trabajo académico y científico asistido por agentes de IA
4 de agosto de 2026 – 31 de agosto de 2026Presencial · 1 sesión de 2 horas por participante · Martes o viernes de 8:30 a 10:30 h · Sala de reuniones, oficina 511, 5.º piso, Edificio Luis Cerutti
- Finalizado
Taller: Docencia Inteligente con IA — Versión 2.0
1 de octubre de 2025 – 15 de octubre de 2025Presencial · 3 sesiones de 2 horas (6 horas totales)
- Finalizado
Taller: Docencia Inteligente con IA — Versión 1.0
1 de mayo de 2025 – 15 de mayo de 2025Presencial
Buenas prácticas de IA en docencia
Lineamientos generales que recomendamos al usar herramientas de IA en actividades docentes. Es un documento vivo que se irá ampliando.
Verificar siempre la información entregada por modelos de IA antes de usarla en docencia.
Explicitar al estudiantado cuándo y cómo está permitido el uso de IA en cada actividad.
Preferir herramientas institucionales o con condiciones claras de tratamiento de datos.
No ingresar a sistemas de IA información personal o sensible de estudiantes o pares.
Atribuir el uso de IA en materiales y publicaciones cuando corresponda.
Diseñar evaluaciones que prioricen procesos, justificación y aplicación ética de la IA por parte del estudiante.

