Taller de Posgrado “Inteligencia artificial generativa en los procesos de investigación”

Tema 1. Introducción a la IA generativa en investigación
Conceptualización, tipologías de modelos y casos de uso.
Panorama de aplicaciones emergentes para las ciencias.
 

Tema 2. Elaboración y mejora de textos académicos con IA
Redacción, corrección multilingüe, traducción y reescritura asistidas.
Diseño de estrategias de consulta para optimizar calidad y estilo.
 

Tema 3. Análisis y síntesis de documentos científicos
Procesamiento automático de artículos, tesis y reportes.
Generación de resúmenes, tablas de extracción y preguntas de investigación.
 

Tema 4. Construcción del estado del arte y búsqueda inteligente
Motores semánticos y redes de citaciones guiadas por IA.
Técnicas de descubrimiento de vacíos de investigación y tendencias.
 

Tema 5. Apoyo al análisis de datos y visualización generativa
Generación automática de gráficos y narrativas de datos.
Integración de modelos generativos con entornos de análisis estadístico.
 

Tema 6. Consideraciones éticas y de calidad científica
Sesgos, privacidad, reproducibilidad y trazabilidad.
Lineamientos institucionales y marcos regulatorios.
 

Cada tema incluye actividades prácticas con la herramienta o servicio de IA que, al momento del dictado,
represente el estado del arte para la tarea abordada.
 

Guía indicativa de herramientas (edición 2025) – sujeta a revisión y actualización permanente:
• Modelos de lenguaje y asistentes conversacionales: ChatGPT, DeepSeak, Gemini, Claude.
• Lectura y análisis de documentos: ChatPDF, ExplainPaper, AskYourPDF, NotebookLM.
• Búsqueda y mapeo de literatura: Perplexity, Elicit, ResearchRabbit, Connected Papers.
• Generación y explicación de código / datos: entornos de notebooks con IA integrada y plataformas de BI con
capacidades generativas.
• Creación de contenidos visuales y multimedia: generadores de imágenes y video basados en difusión latente.
• Transcripción y análisis de audio: Whisper (ASR)
 

El listado anterior es meramente referencial: antes de cada cohorte se evaluarán las novedades del
ecosistema de IA generativa para incorporar las herramientas que ofrezcan la mejor relación de calidad,
accesibilidad y ética de uso.