ANTECEDENTES

Desde el curso 2014-2015 hasta la actualidad, el PTU Luis Gonzaga GARCÍA MONTERO (Co-Coordinador de la presente propuesta PIE) de la Escuela Técnica Superior de Ingeniería de Montes, Forestal y del Medio Natural (ETSI-MFMN) de la UPM, ha venido actuando como Coordinador y/o Profesor junto a varios de los profesores de la presente propuesta PIE, en 6 Asignaturas vinculadas a la ingeniería y conservación de los sistemas forestales y naturales, con la siguiente distribución de clases prácticas (laboratorios, aulas de PCs, prácticas de resolución de caso, etc.):

[1] CONTROL DE LA CONTAMINACIÓN EN EL MEDIO NATURAL Y BIORREMEDIACIÓN (CCMNB): 80% de contenidos prácticos (curso 1º del Máster de Ingeniería de Montes; 3 ECTS).

[2] MONITORIZACIÓN Y CONTROL DE LA CONTAMINACIÓN EN SUELOS, AGUAS Y VEGETACIÓN (MCCSAV): 90% de contenidos prácticos (curso 2º del Máster de Ingeniería de Montes; 3 ECTS);

[3] GESTIÓN SOSTENIBLE DE SUELOS Y AGUAS (GSSA): 25% de contenidos prácticos (curso 1º del Máster de Planificación y Proyectos de Desarrollo Rural; 4 ECTS).

[4] TECNOLOGÍAS PARA EL ESTUDIO EL TERRITORIO: TELEDETECCIÓN Y SIG (TETTS): 50% de contenidos prácticos (curso 1º del Máster de Planificación y Proyectos de Desarrollo Rural; 3 ECTS).

[5] TÉCNICAS Y MODELOS PARA LA GESTION SOSTENIBLE Y CONSERVACION DE LA BIODIVERSIDAD: 50% de contenidos prácticos (curso 3º del Grado de Ingeniería Forestal; 4 ECTS).

[6] OPERACIONES BÁSICAS DE LAS INDUSTRIAS FORESTALES (OP.BÁS): 50% de contenidos prácticos (curso 3º del Grado de Ingeniería Forestal; 4 ECTS).

Mientras que desde el curso 2016-2017 hasta la actualidad, el Profesor Contratado Doctor José Luis YAGÜE BLANCO de la Escuela Técnica Superior de Ingeniería Agronómica, Alimentaria y de Biosistemas (ETSI-AAB) de la UPM, y Co-Coordinador de la presente propuesta PIE, ha venido actuando como Coordinador y/o Profesor en diferentes asignaturas vinculadas a la ingeniería, planificación y proyectos de sistemas agrícolas y sus poblaciones rurales, que en la actualidad son las siguientes, con su correspondiente distribución de clases prácticas (laboratorios, aulas de PCs, prácticas de resolución de caso, etc.):

[7] DESARROLLO HUMANO: 50% de contenidos prácticos (curso 1º del Máster de Planificación y Proyectos de Desarrollo Rural; 3 ECTS).

[8] APLICACIONES DE LOS SISTEMAS COMPLEJOS SOCIALMENTE INTELIGENTES (SCSI) EN EL DESARROLLO RURAL: 50% de contenidos prácticos (curso 1º del Máster de Planificación y Proyectos de Desarrollo Rural; 2 ECTS).

[9] PLANIFICACIÓN RURAL CON BASE ECOLÓGICA: MODELOS DE DESARROLLO: 25% de contenidos prácticos (curso 1º del Máster de Planificación y Proyectos de Desarrollo Rural; 5 ECTS).

[10] PLANIFICACIÓN Y GESTIÓN DE PROYECTOS DE AGROTURISMO–TURISMO RURAL: 50% de contenidos prácticos (curso 1º del Máster de Gestión Del turismo ecológico y sostenible; 3 ECTS).

[11] PROYECTOS: 25% de contenidos prácticos (curso 4º del Grado en Ingeniería Alimentaria; 4,0 ECTS).

[12] PROYECTOS DE INGENIERÍA: 25% de contenidos prácticos (curso 4º del Grado en Ingeniería y Tecnologías Ambientales; 4,5 ECTS).

Por tanto, cómo se recoge en las correspondientes Guías Docentes, estas 12 asignaturas de 6 titulaciones de las ETSIs de MFMN y AAB, presentan una carga elevada de contenidos prácticos. El diseño docente de la mayoría de estas clases prácticas se ha desarrollado a través de los principios del “Aprendizaje Basado en la Investigación (ABI)”. En relación con esta técnica de innovación educativa, tres de los profesores participantes en la presente propuesta PIE han participado anteriormente en otro PIE-UPM (2023-2024) titulado: “LABORATORIO DE CAMPO: LA PISCIFACTORIA Y ARBORETO DE LA E.T.S.I. MONTES COMO SIMULADORES DE ECOSISTEMAS” (García-Montero et al., 2024a; 2024b).

Además, en relación con la docencia práctica que se ha impartido entre 2017/18 y 2021/22 en 5 de las asignaturas descritas, a más de 700 alumnos de las ETSIs de MFMN y AAB, el profesor Luis Gonzaga GARCÍA MONTERO ha recibido el “PREMIO DE LA UPM (2023) SOBRE INNOVACIÓN EDUCATIVA EN LOS ÚLTIMOS 5 AÑOS” (por la intensificación de las clases prácticas mediante un uso integrado del Laboratorio Transversal-Piscifactoría-Arboreto de la ETSI de Montes FMN).

DESCRIPCIÓN

En los últimos años, la Inteligencia Artificial (IA) está transformando la Investigación, Desarrollo e Innovación (I+D+i) asociadas a numerosas disciplinas científicas y tecnológicas al ofrecer herramientas avanzadas, que optimizan el análisis de datos, automatizan tareas repetitivas, y mejoran la precisión en la toma de decisiones de los investigadores. Sin embargo, la implementación de la IA en I+D+i está sujeta a dificultades y limitaciones, tales como el sesgo en los algoritmos que utiliza, la necesidad de interpretabilidad en las decisiones automatizadas, o la fiabilidad de los datos. Así, la IA es muy dependiente de la calidad y cantidad de datos con los que se entrenan sus algoritmos, lo cual limita su precisión en áreas con poca información disponible. Además, la IA no puede generar de manera automática preguntas e hipótesis en I+D+i, debido a que esta capacidad requiere de la interpretación y juicio humanos, que comprenden ciertos contextos o matices complejos. Por lo que el rol de la IA es sólo complementario al trabajo del investigador. En este sentido, la IA ni crea información completamente nueva ni genera descubrimientos originales, pero puede combinar y reestructurar información existente de diversas fuentes. Es decir, la IA ofrece respuestas coherentes y relevantes, pero a partir del conocimiento y los patrones ya existentes (Barra et al., 2024; Coeckelbergh, 2024; Madrid, 2024).

En este sentido, la IA utiliza algoritmos de aprendizaje automático (machine learning), que permiten identificar patrones, correlaciones y tendencias que los investigadores pueden pasar por alto debido a la complejidad o volumen de los datos. Además, la IA permitiría evaluar la validez de las preguntas e hipótesis de los investigadores y tecnólogos, ayudando a los investigadores (y alumnos) a tomar decisiones “mejor informadas” al ofrecer predicciones basadas en modelos complejos de simulación y predicción (a través, por ejemplo, de algoritmos asociados a las redes neuronales o del aprendizaje profundo, que permiten predecir propiedades y comportamientos de sistemas). Además, la IA también puede optimizar el diseño experimental, sugiriendo configuraciones y variables críticas a evaluar en los experimentos. Todo lo cual está permitiendo tanto avances rápidos concretos, como una sorprendente aceleración generalizada de los resultados obtenidos o esperables en I+D+i (Barra et al., 2024; Coeckelbergh, 2024; Madrid, 2024).

Por lo tanto, estas capacidades de la IA permitirían identificar áreas de estudio poco exploradas, brechas en el conocimiento o relaciones entre variables de distintas materias, lo que podría ayudar (o incluso sugerir) a la generación de preguntas e hipótesis en I+D+i de investigación basadas en hallazgos previos. Por lo tanto, estas capacidades de la IA serían extrapolables a una docencia práctica apoyada en el “Aprendizaje Basado en la Investigación”. Es decir, la IA podría ayudar en el proceso creativo de preguntas e hipótesis de los alumnos en las clases de prácticas habituales en asignaturas de ingeniería (laboratorios, aulas de PCs, prácticas de resolución de caso, etc.), al permitir que los alumnos realicen un “trabajo de feedback” con la IA, para que (i) construyan sus propias preguntas e hipótesis en tiempo real, (ii) y las evalúen de manera crítica antes de incorporarlas a sus respectivas clases prácticas, utilizando para ello herramientas objetivas basadas también en el uso de la IA (como la aplicación de PROMPTs o la resolución de tests).

Así, en base al marco conceptual expuesto, la FINALIDAD FUNDAMENTAL del presente proyecto es “Explorar, de manera crítica, las oportunidades que una IA generativa (ChatGPT) puede proporcionar en la adquisición de conocimientos y generación de preguntas e hipótesis sobre I+D+i (ABI), así como en su evaluación objetiva (mediante PROMPTs y tests)”.

En relación con esta finalidad, los conocimientos, preguntas e hipótesis que los alumnos generen con el apoyo  de la IA estarán dirigidos al desarrollo de sus clases de prácticas trdicionales (laboratorios, aulas de PCs, estudios de caso, etc.) en las 12 asignaturas “objetivo” del presente Proyecto. Asignaturas que están relacionadas con el estudio, conservación e ingeniería de sistemas agroforestales, pertenecientes a varias titulaciones de las ETSIs de MFMN y AAB.

Por otra parte, teniendo en cuenta (i) la diversidad de materias y asignaturas que se pretenden involucrar en el presente proyecto, (ii) y a la extensión de contenidos de cada asignatura, (iii) se propondrá a los alumnos que al generar preguntas e hipótesis con ayuda de la IA, estas se enfoquen en el concepto transversal de la “SOSTENIBILIDAD EN LA INGENIERIA AGROFORESTAL”, con el doble objetivo de “concretar y acotar” la extensión y alcance de esta experiencia de ABI basado en el uso de la IA.

Para alcanzar la FINALIDAD FUNDAMENTAL descrita en el presente Proyecto, la EXPERIENCIA DE INNOVACIÓN EDUCATIVA que se propone constará de un mínimo 6 sesiones de actividad teórico-práctica presencial, con un total de 12-18 horas (según los créditos de cada asignatura) impartidas en un Aula de Informática, que se organizarán con la siguiente ESTRUCTURA:

1.- Seminario teórico-práctico (2 horas) sobre la importancia y procedimientos para generar preguntas e hipótesis en I+D+i. La actividad práctica consistirá en la resolución presencial de tests de comprensión sobre el contenido impartido (con acceso libre a cualquier información).

2.- Seminario teórico-práctico (2 horas) sobre el funcionamiento de las IAs generativas (ChatGPT) y sus PROMPTS. La actividad práctica consistirá en la resolución de tests de comprensión sobre el contenido impartido (con acceso libre a cualquier información).

3.- Sesión práctica (2 horas) sobre la “Evaluación del Uso crítico de las IAs en la Universidad". La actividad práctica consistirá en (i) el diseño y lanzamiento de una Encuesta basada en un formulario de Gmail de Google (https://forms.gle/qLr6eynM8rsPUY1Y8), que será difundida a través de las redes sociales de los alumnos (WhatsApp y otras redes), (ii) y será complementada con consultas al ChatGPT y la bibliografía, con el fin de (iii) completar un diagnóstico sobre del uso actual de las IAs en las ingenierías (y otras titulaciones).

4.- Sesión práctica (2-4 horas) utilizando, de manera coordinada y comparada, el ChatGPT y las revisiones de bases bibliográficas, para adquirir conocimientos teóricos sobre la intensificación de la “sostenibilidad” en las materias agroforestales propias de cada asignatura.

5.- Sesión práctica (2-4 horas) utilizando, de manera coordinada y comparada, el ChatGPT y las revisiones de bases bibliográficas, para generar preguntas e hipótesis sobre I+D+i relativa a la “sostenibilidad” en las materias agroforestales correspondientes.

6.- Sesión práctica (2-4 horas) sobre “Evaluación del Uso crítico de la IA”, mediante la integración de los procedimientos objetivos de evaluación por parte de los alumnos (a través de PROMPTs y tests), con los  procedimientos subjetivos de evaluación del profesorado, y junto a los resultados de las encuestas. Discusión final de los resultados del Proyecto y elaboración de borradores de todos los documentos finales previstos.

Con posterioridad a estas actividades teórico-prácticas desarrolladas en las aulas de informática, el profesorado completará la elaboración de los documentos finales del Proyecto: (i) elaboración de una Comunicación para un Congreso de Innovación Educativa (IE), (ii) posible publicación de un artículo sobre IE, (iii) y elaboración de un Protocolo unificado para desarrollar este tipo de Prácticas en Laboratorios de IA (para generar preguntas e hipótesis en I+D+i), que se desarrollarán en aulas de PCs.

REFERENCIAS

Barra Arias E. et al. (2024) Integración de la Inteligencia Artificial en la Educación Superior: Potencial, Desafíos y Oportunidades. Universidad Politécnica de Madrid, Madrid.

Coeckelbergh M (2024) La filosofía política de la inteligencia artificial: una introducción. Ediciones Cátedra, Madrid.

Madrid Casado C. (2024) Filosofía de la Inteligencia Artificial. Pentalfa Ediciones, Oviedo.

García-Montero L.G., E. Ayuga-Téllez, C. Calderón-Guerrero, J.C. Robredo-Sánchez, F. Torrent, A.J. Martín-Fernández, C. Pascual, S. Martín-Fernández, I. Valverde-Asenjo, M.A. Grande-Ortiz (2024a). Field laboratory: the fish farm and the arboretum of the Higher Technical School of Forestry and Environmental Engineering of Madrid (E.T.S.I. Montes - U.P.M.) as ecosystem simulators. In: 16th International Conference ICERI2023, Proceedings. Sevilla.

García-Montero L.G., S. Martín-Fernández, M.A. Grande-Ortíz, C. Pascual, M. Esteban, A. Hernando, I. Valverde-Asenjo, E. Ayuga-Téllez (2024b) Impact due to COVID-19 confinement on the acquisition of competencies and learning outcomes linked to practical training in forestry and environmental degrees at UPM. In: 16th International Conference ICERI2023, Proceedings. Sevilla.

El OBJETIVO GENERAL del presente proyecto consistirá en la redacción de un documento final, titulado “Protocolo de un laboratorio de IA para generar preguntas e hipótesis en I+D+i (ejemplo aplicado a la sostenibilidad agroforestal)", que recogerá el trabajo participativo, sistemático y transversal, tanto de los alumnos como de los profesores del presente PIE. Este Objetivo General se desarrollará a través de 6 OBJETIVOS ESPECÍFICOS:

OBJETIVO ESPECÍFICO-1. Adquirir conocimientos sobre I+D+i que capaciten al alumno en el diseño de preguntas e hipótesis, aplicables a la docencia práctica basada en ABI.

OBJETIVO ESPECÍFICO-2. Evaluar el uso crítico actual que se está haciendo de la IA generativa (ChatGPT) por los alumnos de ingeniería (y titulaciones afines), mediante encuestas del alumnado a través de redes sociales.

OBJETIVO ESPECÍFICO-3. Intensificar la adquisición de conocimientos teóricos a través del empleo de IAs generativas (ChatGPT), comparándolo frente al uso de las revisiones bibliográficas tradicionales, mediante sesiones de clases prácticas (en aulas con PCs).

OBJETIVO ESPECÍFICO-4. Intensificar el aprendizaje sobre generación de preguntas e hipótesis en I+D+i a través del empleo de la IA (ChatGPT), comparándolo frente al uso de las revisiones bibliográficas tradicionales, mediante sesiones de clases prácticas (en aulas con PCs).

OBJETIVO ESPECÍFICO-5. Evaluar críticamente el empleo de la IA (frente a las revisiones bibliográficas) en la adquisición de conocimientos y formulación de preguntas e hipótesis, mediante el uso de PROMPTs y tests asociados al ChatGPT. Esta actividad se desarrollará en una sesión práctica de evaluación objetiva por parte de los alumnos (en aulas con PCs) . Además, se desarrollará una discusión sobre esta evaluación objetiva comparándola con la evaluación subjetiva del profesorado.

OBJETIVO ESPECÍFICO-6. Integración y discusión de los resultados del Proyecto (encuestas, evaluaciones objetivas de los alumnos y subjetivas del profesorado) para la síntesis y redacción de documentos de divulgación y de un Protocolo de Laboratorio de IA (para generar preguntas e hipótesis en I+D+i sobre sostenibilidad agroforestal).

La innovación educativa tiene el potencial de transformar no solo el aprendizaje en las aulas, sino también la cultura educativa en general, promoviendo un entorno que valore la creatividad, la adaptabilidad y el pensamiento crítico, e involucrando a los interesados en el proceso (estudiantes y profesores), con el fin de generar ideas y dinámicas formativas valiosas (García-Montero et al., 2024a; 2024b).

Por otra parte, la IA tiene un gran potencial para contribuir a la innovación educativa, acelerando y optimizando la formación de los estudiantes al personalizar sus necesidades y estilos de aprendizaje. Así, la IA facilita un acceso rápido a los recursos, lo que permite la creación de simulaciones interactivas para entender conceptos complejos, y proporciona una retroalimentación instantánea a través de correcciones y evaluaciones automáticas. En diferentes entornos educativos que utilizan las IA, se ha observado que los estudiantes pueden mejorar su rendimiento académico entre un 10% y un 30%, aunque el éxito depende de una integración adecuada de la tecnología en el proceso de enseñanza (Sekeroglu et al., 2019).

Desde el curso 2014-2015, la mayor parte de la docencia práctica asociada a las 12 asignaturas recogidas en la presente propuesta de PIE, se han evaluado a través de trabajos individuales (entregables) que han estado organizados con una estructura científica clásica, constituida por una Introducción (en donde se generaban observaciones, preguntas e hipótesis, obtenidas a partir de los datos obtenidos en las prácticas y/o en la bibliografía relacionada), Material y Métodos (que sintetizaba los protocolos utilizados), Resultados (en los que se compartían muchos de los resultados de los alumnos) y Discusión (basada en el contraste de las hipótesis y los resultados con la bibliografía consultada). En relación con esta actividad docente práctica, los profesores participantes en este PIE han podido concluir, que uno de los factores determinantes en el éxito de los procedimientos de ABI utilizados ha estado asociado a la capacidad de los alumnos para generar “preguntas e hipótesis”, que posteriormente han podido resolver en sus respectivos trabajos prácticos. Además, esta capacidad del alumnado de generar “preguntas e hipótesis” vinculada a la docencia práctica, constituye, tanto de forma explícita cómo implícita, una competencia de carácter transversal en las titulaciones “objetivo” del presente proyecto (García-Montero et al., 2024a; 2024b).

En este contexto, una IA generativa (como el ChatGPT) ofrecería una retroalimentación instantánea a los estudiantes, que ayudaría de manera significativa a su trabajo de generación de preguntas e hipótesis asociadas a sus clases prácticas. Aunque, hay que tener en cuenta que un uso excesivo de la IA puede desarrollar una dependencia hacia esta herramienta a la hora de resolver problemas o crear contenidos, lo que podría frenar el desarrollo de las habilidades personales de análisis y resolución de problemas, reduciendo la capacidad del alumno (y del investigador) para aprender a través de la práctica experimental y/o del ensayo-error. Debido a ello, es fundamental que cada alumno introduzca una “revisión crítica” de la utilidad y limitaciones de la IA a la hora de adquirir conocimientos y generar preguntas e hipótesis, a través, por ejemplo, de una comparación con las revisiones bibliográficas tradicionales, y mediante el uso de sistemas de evaluación objetiva (basados en PROMPTs y resolución de tests, respaldados también por la IA) (Barra et al., 2024; Coeckelbergh, 2024; Madrid, 2024).

Así, una revisión crítica sobre el uso de la IA en la docencia práctica sería también muy importante para que el alumno adquiera una conciencia clara sobre que, la capacidad para identificar patrones y generar preguntas e hipótesis de la IA, va a depender en última instancia de la propia creatividad y juicio de los alumnos. Esta percepción crítica permitirá a los alumnos interpretar con acierto las sugerencias de la IA y decidir que preguntas e hipótesis tendrán sentido en contextos específicos. Consiguiéndose, en definitiva, un modelo de ABI respaldado por IA, que estimulará una curiosidad constante y una capacidad de aprendizaje adaptativo por parte del alumno, que resulta necesario por el ritmo actual de crecimiento del conocimiento y los avances en I+D+i. Mediante las competencias que se quieren potenciar en el presente PIE, los estudiantes no solo llegarán a ser futuros usuarios estratégicos de la IA, sino que también podrán ser capaces de superarla en áreas donde el juicio, la creatividad y la humanidad son esenciales y superiores a las capacidades de la inteligencia artificial.

REFERENCIAS

Barra Arias E. et al. (2024) Integración de la Inteligencia Artificial en la Educación Superior: Potencial, Desafíos y Oportunidades. Universidad Politécnica de Madrid, Madrid.

Coeckelbergh M (2024) La filosofía política de la inteligencia artificial: una introducción. Ediciones Cátedra, Madrid.

Madrid Casado C. (2024) Filosofía de la Inteligencia Artificial. Pentalfa Ediciones, Oviedo.

García-Montero L.G., E. Ayuga-Téllez, C. Calderón-Guerrero, J.C. Robredo-Sánchez, F. Torrent, A.J. Martín-Fernández, C. Pascual, S. Martín-Fernández, I. Valverde-Asenjo, M.A. Grande-Ortiz (2024a). Field laboratory: the fish farm and the arboretum of the Higher Technical School of Forestry and Environmental Engineering of Madrid (E.T.S.I. Montes - U.P.M.) as ecosystem simulators. In: 16th International Conference ICERI2023, Proceedings. Sevilla.

García-Montero L.G., S. Martín-Fernández, M.A. Grande-Ortíz, C. Pascual, M. Esteban, A. Hernando, I. Valverde-Asenjo, E. Ayuga-Téllez (2024b) Impact due to COVID-19 confinement on the acquisition of competencies and learning outcomes linked to practical training in forestry and environmental degrees at UPM. In: 16th International Conference ICERI2023, Proceedings. Sevilla.

Sekeroglu, B., Dimililer, K. and Tuncal, K., (2019) Student performance prediction and classification using machine learning algorithms. In Proceedings of the 2019 8th international conference on educational and information technology. University of Cambridge, Cambridge.

-. FASE 1 (primer cuatrimestre): reuniones y discusión con el profesorado (del presente PIE) y los Técnicos Informáticos de las ETSIs de MFMN y AAB, con el objetivo de (i) establecer criterios de integración en un único procedimiento común de todos los protocolos y guiones de prácticas de IA (sobre preguntas e hipótesis en  I+D+i) de 12 asignaturas; (2) elaborar una programación docente y de gestión de recursos informáticos conjunto para las 12 asignaturas implicadas; y (3) elaborar un plan de armonización de las prácticas de IA con las correspondientes prácticas de laboratorio tradicional de las 12 asignaturas del presente PIE.

-. FASE 2 (primer cuatrimestre): reuniones y discusión con el profesorado (del presente PIE), y con el personal del GATE y responsables de las plataformas abiertas de la UPM, con el objetivo de diseñar una plataforma con la correspondiente previsión de espacio para materiales docentes (power points, videos, etc.) y de evaluación (PROMPTs y tests), Bases de Datos y Procedimientos Estadísticos asociados (para los resultados de las encuestas), que actúe como Repositorio de la información complementaria que sea necesaria.

-. FASE 3 (primer cuatrimestre): redactar e imprimir un único juego de protocolos experimentales y guiones de prácticas, que permitan un único procedimiento de uso de la IA que sea común a las 12 asignaturas del PIE.

-. FASE 4 (primer cuatrimestre): preparar el material docente (power points, videos, etc.) y de evaluación objetiva (PROMPTs y tests), así como su transferencia al espacio previsto en Moodle y otras plataformas “en abierto”.

-. FASE 5 (segundo cuatrimestre): comienzo de las clases prácticas de IA de las 12 asignaturas, utilizando el juego único y compartido de protocolos, guiones de prácticas y materiales didácticos. Alimentación del repositorio de información en abierto con los resultados de las encuestas (basadas en Gmail de Google: https://forms.gle/qLr6eynM8rsPUY1Y8) y de las evaluaciones objetivas de los alumnos (PROMPTs y tests), así como de las evaluaciones subjetivas del profesorado.

-. FASE 6 (segundo cuatrimestre): integración y discusión de (i) toda la información generada a través del proyecto, (ii) junto a los resultados de la evaluación y rendimiento de los alumnos y las encuestas.

-. FASE 7 (segundo y tercer cuatrimestre): elaboración de (i) una Comunicación para presentar en un Congreso de Innovación Educativa (verano de 2025), (ii) un posterior artículo para una revista de innovación educativa (preferiblemente indexada en el JCR), y (iii) de diversa información divulgativa para difundir a través de los canales de noticias y redes sociales de la UPM. Redacción del Informe Final del Proyecto.

En el presente Proyecto, el Procedimiento de Seguimiento y Evaluación se basará en el análisis de los siguientes Indicadores:

INDICADOR 1.- REVISIÓN Y UNIFICACIÓN DE PROTOCOLOS, GUIONES Y MATERIALES DOCENTES ASOCIADOS AL LABORATORIO DE IA: cómo Indicador de Logro, se deberá obtener UN JUEGO ÚNICO Y  REVISADO de [1] guiones y protocolos de prácticas utilizando IA para la generación de preguntas e hipótesis; y [2] MATERIAL DIDÁCTICO UNIFICADO (power point, videos, etc.), que pueda ser compartidos por las 12 asignaturas y los 8 profesores implicados en el proyecto (5 profesores de la UPM; 1 profesor de la Universidad Pontificia de Comillas; y 2 profesores de la Universidad de Cuenca en Ecuador). Todo este material docente estará accesible a los alumnos y profesores de la UPM a través de Moodle, y a través de otras plataformas en abierto a la comunidad universitaria de habla hispana.

INDICADOR 2.- DISEÑO DE UN REPOSITORIO CON INFORMACIÓN DE ENCUESTAS Y MATERIALES PARA LA EVALUACIÓN (DATOS BRUTOS Y TRATADOS ESTADÍSTICAMENTE): cómo Indicador de Logro, se deberá obtener un SISTEMA UNIFICADO DE ALMACENAMIENTO de [1] los datos obtenidos en las encuestas sobre el uso de la IA (datos brutos y tratados estadísticamente), [2] de los materiales de evaluación objetiva de los alumnos (PROMPTs de IA y Tests de Evaluación), [3] y del material para la evaluación subjetiva del profesorado (guiones y check-lists). Estos datos de encuestas y materiales de evaluación estarán accesibles a los alumnos y profesores de la UPM a través de Moodle, y a través de otras plataformas en abierto a la comunidad universitaria de habla hispana.

INDICADOR 3.- INDICADOR DE TASAS DE ÉXITO ACÁDEMICO ASOCIADAS AL USO DE LA IA EN LAS CLASES PRÁCTICAS DE 12 ASIGNATURAS: cómo Indicador de Logro, se realizará una COMPARACIÓN ENTRE LAS TASAS ACADÉMICAS (tasas de éxito, abandono, etc.) obtenidas en las clases de prácticas tradicionales de las 12 del PIE, que hayan sido calculadas antes del uso de la IA , frente a las tasas académicas calculadas después de las prácticas de IA para generar preguntas e hipótesis en I+D+i (y que serán utilizadas posteriormente en las prácticas tradicionales). Estos datos sobre tasas de éxito académico estarán accesibles a los alumnos y profesores de la UPM a través de Moodle, y en otras plataformas en abierto a la comunidad universitaria de habla hispana.

-. Un juego único de guiones, materiales docentes y protocolos de prácticas para el desarrollo de un Laboratorio de IA (basado en las aulas de PCs), que pueda ser compartido por las 12 asignaturas y 8 profesores implicados en el proyecto; y que este accesible en abierto para la UPM y la comunidad universitaria de habla hispana (Moodle y/o otras plataformas).

-. Un repositorio de información de encuestas, evaluaciones y tasas de éxito académico disponibles en abierto para la UPM y la comunidad universitaria de habla hispana (Moodle y/o otras plataformas); y que será actualizado anualmente a través de los nuevos resultados que se obtengan en las prácticas en laboratorios de IA (para generar preguntas e hipótesis sobre actividad I+D+i en sostenibilidad agroforestal).

-. Una publicación (o más) de un artículo dirigido a una revista especializada en Innovación Educativa (a ser posible indexada en el JCR), cómo resultado generado a partir de la presentación de una Comunicación en un Congreso de Innovación Educativa, que recojan todos los resultados que se obtengan en este PIE.

-. Elaboración de Noticias para la UPM, que den visibilidad a los resultados del proyecto PIE y que tengan interés para la UPM y la comunidad universitaria de habla hispana.

-. Se va a colaborar con los Servicios Informáticos de las ETSIs de MFMN y AAB de la UPM.