IAGen en la investigación científica
Workshop, UNAM, 2024
En este taller se explora el impacto de la IA generativa (IAGen) en actividades de investigación. Se aborda un marco conceptual en el cual las investigaciones realizadas por académicos logran ser potenciadas por las herramientas más populares de la IAGen como son los modelos de lenguaje y los actuales modelos multimodales. Siguiendo las recomendaciones éticas propuestas por organismos y editoriales, se pretende informar adecuadamente de las mejores prácticas para integrar esta tecnología en la investigación.
Módulo 1: Algunos datos sobre los datos
- Tamaño masivo del internet en 2024
- Percepción de la literatura científica por la comunidad
- Proceso de una investigación
- Opiniones de la IA
Módulo 2: Sobre la IAEd
- Crecimiento de la inteligencia artificial en la educación (AIEd)
- ¿Como es utilizada la IA por la comunidad científica?
- Modelos más populares de la IA generativa (IAGen)
- Aplicaciones de los modelos multimodales
Módulo 3: IAGen en la investigación científica
- Sobre las revisiones sistemáticas y meta-análisis
- Human-in-the-Loop (HITL)
- Enseñar a las máquinas sobre realizar investigación
- Herramientas para revisiones y organización de la literatura
Módulo 4: Confiabilidad y uso adecuado
- Principios éticos en el uso de la IA
- ¿Que dicen las editoriales?
- Ventajas del uso apropiado
- Consecuencias de las malas prácticas
Referencias:
- Carbajal-Degante, E., Hernández Gutiérrez, M., & Sánchez-Mendiola, M. (2023). Hacia revisiones de la literatura más eficientes potenciadas por inteligencia artificial. Investigación En Educación Médica, 12(47), 111-119. https://doi.org/10.22201/fm.20075057e.2023.47.23526
- Extance, A. (2018). How AI technology can tame the scientific literature. Nature, 561(7722), 273-274. https://doi.org/10.1038/d41586-018-06617-5
- Collins, C., Dennehy, D., Conboy, K., & Mikalef, P. (2021). Artificial Intelligence in Information Systems Research: A Systematic Literature Review and Research agenda. International Journal of Information Management, 60, 102383. https://doi.org/10.1016/j.ijinfomgt.2021.102383
- Van De Schoot, R., (2021). An open source machine learning framework for efficient and transparent systematic reviews. Nature Machine Intelligence, 3(2), 125-133. https://doi.org/10.1038/s42256-020-00287-7