Intel·ligència Artificial en la Comunicació
Codi: 106672 Crèdits: 6| Titulació | Tipus | Curs |
|---|---|---|
| 2503873 Comunicació Interactiva | OT | 4 |
Professor/a de contacte
- Nom:
- Òscar Coromina Rodríguez
- Correu electrònic:
- oscar.coromina@uab.cat
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
Per poder cursar aquesta assignatura és necessari tenir coneixement bàsics de llengua anglesa per llegir alguna de les lectures recomanades i també per a la realització d'algun exercici pràctic. Així mateix és molt recomanable que els estudiants hagin cursat i superat les assginatures:
104728 - Sistemes d'Informació
104740 - Programació d'Aplicacions en Tecnologia Web
104739 - Serveis Web Avançats
104746 - Emmagatzematge i Recuperació d'Informació
Objectius
- Situar l'estat de desenvolupament de la Intel·ligència Artificial (IA) en el context històric.
- Comprendre les diferents tècniques d'aprenentatge i entrenament d'IAs.
- Conèixer les principals aplicacions de la IA en el àmbit de la Comunicació.
- Comprendre els reptes ètics, socials i econòmics que planteja l'IA.
- Comprendre els models de negoci vinculats a les aplicacions d'IA.
Competències
- Actuar amb responsabilitat ètica i amb respecte pels drets i deures fonamentals, la diversitat i els valors democràtics.
- Actuar en l'àmbit de coneixement propi avaluant les desigualtats per raó de sexe/gènere.
- Actuar en l'àmbit de coneixement propi valorant l'impacte social, econòmic i mediambiental.
- Cercar, seleccionar i jerarquitzar qualsevol tipus de font i document útil per a l'elaboració de missatges, treballs acadèmics, exposicions, etc.
- Gestionar el temps de manera adequada i ser capaç de planificar tasques a curt, mitjà i llarg terminis.
- Introduir canvis en els mètodes i els processos de l'àmbit de coneixement per donar respostes innovadores a les necessitats i demandes de la societat.
- Promocionar i llançar nous productes i serveis a partir de l'extracció i l'anàlisi de dades massives dels mitjans de comunicació.
- Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia.
- Que els estudiants puguin transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.
- Que els estudiants sàpiguen aplicar els coneixements propis a la seva feina o vocació d'una manera professional i tinguin les competències que se solen demostrar per mitjà de l'elaboració i la defensa d'arguments i la resolució de problemes dins de la seva àrea d'estudi.
- Reconèixer i planificar la infraestructura tecnològica necessària per a la creació, l'emmagatzematge, l'anàlisi i la distribució de productes multimèdia interactius i de l'internet social.
Resultats d'aprenentatge
- Analitzar críticament els principis, valors i procediments que regeixen l'exercici de la professió.
- Analitzar una situació i identificar-ne els punts de millora.
- Compartir les experiències en grup com a forma d'aprenentatge per treballar posteriorment en grups multidisciplinaris.
- Comunicar fent un ús no sexista ni discriminatori del llenguatge.
- Contrastar i verificar la veracitat de les informacions aplicant criteris de valoració.
- Descriure la infraestructura necessària per a l'emmagatzemament del big data.
- Diferenciar allò substancial d'allò rellevant en tots els tipus de documents de l'assignatura.
- Diferenciar les varietats de tipus d'arquitectures existents per treballar amb big data.
- Explicar el codi deontològic, explícit o implícit, de l'àmbit de coneixement propi.
- Explicar la infraestructura necessària per al tractament del big data.
- Explicar les característiques de la infraestructura necessària per a la recuperació del big data.
- Extreure grans masses de dades, sobretot de les xarxes socials i dels nous mitjans digitals.
- Identificar les implicacions socials, econòmiques i mediambientals de les activitats academicoprofessionals de l'àmbit de coneixement propi.
- Identificar situacions que necessiten un canvi o millora.
- Planificar i executar projectes acadèmics en l'àmbit del big data.
- Ponderar els riscos i les oportunitats de les propostes de millora tant pròpies com alienes.
- Presentar els treballs de l'assignatura en els terminis previstos i mostrar-ne la planificació individual o grupal aplicada.
- Proposar nous mètodes o solucions alternatives fonamentades.
- Proposar projectes i accions que estiguin d'acord amb els principis de responsabilitat ètica i de respecte pels drets humans i els drets fonamentals, la diversitat i els valors democràtics.
- Proposar projectes i accions que incorporin la perspectiva de gènere.
- Proposar projectes i accions viables que potenciïn els beneficis socials, econòmics i mediambientals.
- Solucionar problemes bàsics del big data.
- Valorar l'impacte de les dificultats, els prejudicis i les discriminacions que poden incloure les accions o els projectes, a curt o mitjà terminis, en relació amb determinades persones o col·lectius.
Continguts
1. L'ecosistema actual de la Intel·ligència Artificial (IA).
2. Tècniques d'Aprenentatge automàtic.
3. Aplicacions de la IA a la comunicació.
4. L'ètica de la IA.
5. IA i negocis.
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Classes magistrals | 15 | 0,6 | 2, 1, 6, 8, 23, 11, 9, 10, 14, 13 |
| Projecte | 16 | 0,64 | 2, 4, 1, 9, 12, 14, 13, 15, 18, 20, 21, 3, 22, 17, 16 |
| Seminaris | 16 | 0,64 | 2, 4, 1, 5, 7, 23, 14, 13, 18, 19, 20, 21, 17, 16 |
| Tipus: Supervisades | |||
| Examen de teoria | 3 | 0,12 | 1, 6, 8, 23, 9, 13, 22 |
| Tutories (activitat presencial individual o en grup orientada a resoldre problemes d'aprenentatge) | 10 | 0,4 | 2, 4, 7, 14, 17 |
| Tipus: Autònomes | |||
| Estudi: lectura i síntesi de textos | 56 | 2,24 | 2, 1, 8, 23, 14, 13, 19 |
L'assignatura s'estructura a partir de 3 metodologies docents: Lliçons magistrals, seminaris teòrico-pràctics i l'elaboració d'un projecte d'aplicació de la IA en l'àmbit de la comunicació.
Les lliçons magistrals tenen com a objectiu la transmissió dels contiguts del programa.
Els seminaris teòrico-pràctics a vincular els conceptes teòrics i les seves aplicacions.
El projecte consistirà en el desenvolupament d'una aplicació web que incorpori la IA com a element central.
El calendari detallat i el contingut de les diferents sessions, s'exposarà el dia de presentació de l'assignatura i es penjarà també al campus virtual on l'alumnat podrà trobar la descripció detallada dels exercicis i pràctiques, així com els diversos materials docents i qualsevol informació necessària per l'adequat seguiment de l'assignatura.
L'assistència a classe i la participació en les sessions dedicades al projecte i als seminaris és obligatòria.
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Examen de teoria | 40% | 3 | 0,12 | 2, 1, 5, 6, 8, 23, 11, 9, 10, 13 |
| Projecte | 30% | 20 | 0,8 | 2, 4, 5, 6, 8, 7, 23, 11, 10, 12, 14, 13, 15, 18, 19, 20, 21, 3, 22, 17, 16 |
| Seminaris | 30% | 11 | 0,44 | 2, 4, 6, 7, 11, 9, 10, 14, 13, 15, 18, 21, 17, 16 |
Aquesta assignatura contempla les modalitats d'avaluació única i avaluació continuada. Per acollir-se a la opció d'avaluació única els estudiants hauran de comunicar-ho, com a molt tard, el dia 1 d'octubre.
L'assignatura s'avalua, en modalitat d'avaluació continuada a partir de 3 eixos:
- Individual: Prova teòrica (40% de la nota final)
- Grup: Projecte (30% de la nota final)
- Grup: Seminaris (30% de la nota final)
La nota final serà la suma de la puntuació obtinguda en cada una d'aquestes parts.
És imprescindible aprovar o obtenir un mínim de 4 sobre 10 en prova teòrica per poder superar l'assignatura.
En modalitat d'avaluació única l'avaluació s'articularà a partir de:
- Individual: Prova teòrica (40% de la nota final)
- Individual: Projecte (30% de la nota final)
- Individual: Assaig escrit (30% de la nota final)
La nota final serà la suma de la puntuació obtinguda en cada una d'aquestes parts.
És imprescindible aprovar o obtenir un mínim de 4 sobre 10 en prova teòrica per poder superar l'assignatura.
SISTEMA DE RECUPERACIÓ OPTATIU:
L’alumnat tindrà dret a la recuperació de l’assignatura només si ha estat avaluat del conjunt d'activitats. Només es pot recuperar la prova escrita i el projecte. Els seminaris no són recuperables i per tant no són reavaluables.
Si l’examen es suspèn amb menys d’un 4, l’estudiant no tindrà dret a reavaluació.
La nota máxma tant per a la prova teòrica com als projectes reavaluats será de 5 sobre 10.
Assistència: L'assistència a les classes de seminaris i pràctiques de projecte és obligatòria. L'absència no justificada de l'alumnat en aquestes sessions comporta un "no presentat" a la nota del seminari o pràctica específica, i per tantno será recuperable.
Bibliografia
Ramírez Gil, William A & Ramiréz Gil, Carlos Mario. Introducción a la inteligencia artificial aplicada al marketing. Ra-Ma. 2023.
Alto, Valentina. Inteligencia artificial generativa con modelos de ChatGPT y OpenAI. Anaya. 2023.
Barceló, Miquel. La intel·ligència Artificial. Editorial UOC. 2005.
Boden, Margaret A. Inteligencia Artificial. Turner Publicaciónes. 2022.
Coromina, Ò., Tsinovoi, A., & Munk, A. K. (2023). Digital marketing as digital methods: Repurposing Google Ads for controversy mapping. Big Data & Society, 10(2), 20539517231216955.
Girón Sierra, José M. Introducción a la Inteligencia Artificial. Editorial Almuzara. 2023.
Ireland, Amy. Filosofía-ficción. Inteligencia Artificial, tecnología oculta y el fin de la humanidad. Holobionte Ediciones. 2022.
López de Mántaras i Badia, Ramon. 100 coses que cal saber sobre intel·ligència Artificial. Cossetània. 2023.
Mitchell, Melanie. Inteligencia Artificial. Guía para seres pensaantes, Capitán Swing. 2024.
Rieder, B., Matamoros-Fernández, A., & Coromina, Ò. (2018). From ranking algorithms to ‘ranking cultures’ Investigating the modulation of visibility in YouTube search results. Convergence, 24(1), 50-68.
Es proporcionarà bibliografia addicional per a la preparació i realització dels seminaris.
Programari
Editor de text orientat a codi
Llista d'idiomes
| Nom | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (PLAB) Pràctiques de laboratori | 61 | Català | primer quadrimestre | tarda |
| (TE) Teoria | 6 | Català | primer quadrimestre | tarda |