Logo UAB

Inteligencia Artificial en la Comunicación

Código: 106672 Créditos ECTS: 6
2024/2025
Titulación Tipo Curso
2503873 Comunicación Interactiva OT 4

Contacto

Nombre:
Òscar Coromina Rodríguez
Correo electrónico:
oscar.coromina@uab.cat

Idiomas de los grupos

Puede consultar esta información al final del documento.


Prerrequisitos

Para poder cursar esta asignatura es necesario tener conocimientos básicos de lengua inglesa para afrontar la lectura de la bibliografía. Asimismo, es altamente recomendado haber cursado y superado las asignaturas: 

 

104728 - Sistemes de Información

104740 - Programación d'Aplicacions en Tecnologia Web 

104739 - Servicios web avanzados

104746 - Almacenamiento y recuperación de Información

 


Objetivos y contextualización

  • Situar el estado de desarrollo de la Inteligencia Artificial (IA) en el contexto histórico.
  • Comprender las distintas técnicas de aprendizaje y entrenamiento de IAs.
  • Conocer las principales aplicaciones de la IA en el ámbito de la comunicación.
  • Comprender los retos éticos, sociales y económicos que plantea el IA.
  • Comprender los modelos de negocio vinculados a las aplicaciones de IA.

Competencias

  • Actuar con responsabilidad ética y con respeto por los derechos y deberes fundamentales, la diversidad y los valores democráticos.
  • Actuar en el ámbito de conocimiento propio evaluando las desigualdades por razón de sexo/género.
  • Actuar en el ámbito de conocimiento propio valorando el impacto social, económico y medioambiental.
  • Buscar, seleccionar y jerarquizar cualquier tipo de fuente y documento útil para la elaboración de mensajes, trabajos académicos, exposiciones, etc.
  • Gestionar el tiempo de forma adecuada y ser capaz de planificar tareas a corto, medio y largo plazos.
  • Introducir cambios en los métodos y los procesos del ámbito de conocimiento para dar respuestas innovadoras a las necesidades y demandas de la sociedad.
  • Promocionar y lanzar nuevos productos y servicios a partir de la extracción y el análisis de datos masivos de los medios de comunicación.
  • Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
  • Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
  • Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
  • Reconocer y planificar la infraestructura tecnológica necesaria para la creación, el almacenamiento, el análisis y la distribución de productos multimedia interactivos y del internet social.

Resultados de aprendizaje

  1. Analizar críticamente los principios, valores y procedimientos que rigen el ejercicio de la profesión.
  2. Analizar una situación e identificar sus puntos de mejora.
  3. Compartir las experiencias en grupo como forma de aprendizaje para trabajar posteriormente en grupos multidisciplinares.
  4. Comunicar haciendo un uso no sexista ni discriminatorio del lenguaje.
  5. Contrastar y verificar la veracidad de las informaciones aplicando criterios de valoración.
  6. Describir la infraestructura necesaria para el almacenamiento del big data.
  7. Diferenciar las variedades de tipos de arquitecturas existentes para trabajar con big data.
  8. Diferenciar lo sustancial de lo relevante en todos los tipos de documentos de la asignatura.
  9. Explicar las características de la infraestructura necesaria para la recuperación del big data.
  10. Explicar el código deontológico, explícito o implícito, del ámbito de conocimiento propio.
  11. Explicar la infraestructura necesaria para el tratamiento del big data.
  12. Extraer grandes masas de datos sobre todo de las redes sociales y los nuevos medios digitales.
  13. Identificar las implicaciones sociales, económicas y medioambientales de las actividades académico-profesionales del ámbito de conocimiento propio.
  14. Identificar situaciones que necesitan un cambio o mejora.
  15. Planificar y ejecutar proyectos académicos en el ámbito deL Big data.
  16. Ponderar los riesgos y las oportunidades de las propuestas de mejora tanto propias como ajenas.
  17. Presentar los trabajos de la asignatura en los plazos previstos y mostrando la planificación individual y/o grupal aplicada.
  18. Proponer nuevos métodos o soluciones alternativas fundamentadas.
  19. Proponer proyectos y acciones que estén de acuerdo con los principios de responsabilidad ética y de respeto por los derechos y deberes fundamentales, la diversidad y los valores democráticos.
  20. Proponer proyectos y acciones que incorporen la perspectiva de género.
  21. Proponer proyectos y acciones viables que potencien los beneficios sociales, económicos y medioambientales.
  22. Solucionar problemas básicos en big data.
  23. Valorar el impacto de las dificultades, los prejuicios y las discriminaciones que pueden incluir las acciones o proyectos, a corto o medio plazo, en relación con determinadas personas o colectivos.

Contenido

1. El ecosistema de la Inteligencia Artificial (IA).

2. Aprendizaje automático.

3. Aplicaciones de la IA a la comunicación.

4. La ética de la IA.

5. IA y negocios.


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tipo: Dirigidas      
Clases magistrales 15 0,6 2, 1, 6, 7, 23, 9, 10, 11, 14, 13
Proyecto 16 0,64 2, 4, 1, 10, 12, 14, 13, 15, 18, 20, 21, 3, 22, 17, 16
Seminarios 16 0,64 2, 4, 1, 5, 8, 23, 14, 13, 18, 19, 20, 21, 17, 16
Tipo: Supervisadas      
Examen de teoria 3 0,12 1, 6, 7, 23, 10, 13, 22
Tutorias (actividad presencial o en grupo orientada a resolver problemas de aprendizaje) 10 0,4 2, 4, 8, 14, 17
Tipo: Autónomas      
Estudio: lectura y síntesis de textos 56 2,24 2, 1, 7, 23, 14, 13, 19

La asignatura se estructura a partir de 3 metodologías docentes: Lecciones magistrales, seminarios teórico-prácticos y la elaboración de un proyecto de aplicación de la IA en el ámbito de la comunicación.

Las lecciones magistrales tienen como objetivo la transmisión de los contenidos del programa.

Los seminarios teórico-prácticos en vincular los conceptos teóricos y sus aplicaciones.

El proyecto consistirá en el desarrollo de una aplicación web que incorpore a la IA como elemento central.

El calendario detallado y el contenido de las diferentes sesiones, se expondrá el día de presentación de la asignatura y se colgará también en el campus virtual donde el alumnado podrá encontrar la descripción detallada de los ejercicios y prácticas, así como los diversos materiales docentes y cualquier información necesaria para el adecuado seguimiento de la asignatura.

La asistencia a clase y la participación en las sesiones dedicadas al proyecto ya los seminarios es obligatoria.

Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.


Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Examen de teoría 40% 3 0,12 2, 1, 5, 6, 7, 23, 9, 10, 11, 13
Proyecto 30% 20 0,8 2, 4, 5, 6, 7, 8, 23, 9, 11, 12, 14, 13, 15, 18, 19, 20, 21, 3, 22, 17, 16
Seminarios 30% 11 0,44 2, 4, 6, 8, 9, 10, 11, 14, 13, 15, 18, 21, 17, 16

Esta asignatura contempla las modalidades de evaluación única y evaluación continua. Para acogerse a la opción de evaluación única los estudiantes tendrán que comunicarlo, a más tardar, el día 1 de octubre.

La asignatura se evalúa, en modalidad de evaluación continua a partir de 3 ejes:

- Individual: Prueba teórica (40% de la nota final)

- Grupo: Proyecto (30% de la nota final)

- Grupo: Seminarios (30% de la nota final)

La nota final será la suma de la puntuación obtenida en cada una de estas partes.

Es imprescindible aprobar u obtener un mínimo de 4 sobre 10 en prueba teórica para poder superar la asignatura.

 

En modalidad de evaluación única la evaluación se articulará a partir de:

- Individual: Prueba teórica (40% de la nota final)

- Individual: Proyecto (30% de la nota final)

- Individual: Ensayo escrito (30% de la nota final)

 

La nota final será la suma de la puntuación obtenida en cada una de estas partes.

Es imprescindible aprobar u obtener un mínimo de 4 sobre 10 en prueba teórica para poder superar la asignatura.  

 

SISTEMA DE RECUPERACIÓN OPTATIVO:

El alumnado tendrá derecho a la recuperación de la asignatura sólo si se ha evaluado el conjunto de actividades. Sólo puede recuperarse la prueba escrita y el proyecto. Los seminarios no son recuperables y por tanto no son reevaluables.

Si el examen se suspende con menos de un  3,5, el estudiante no tendrá derecho a reevaluación.

La nota máxma tanto para la prueba teórica como en los proyectos reevaluados será de 5 sobre 10.

Asistencia: La asistencia a las clases de seminarios y prácticas de proyecto es obligatoria. Laausencia no justificada del alumnado en estas sesiones comporta un "no presentado" en la nota del seminario o práctica específica, y por tanto no será recuperable.


Bibliografía

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 & Society10(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. Convergence24(1), 50-68.

Se proporcionará bibliografía para la preparación y elaboración de los seminarios.

 


Software

Editor de texto orientado a código


Lista de idiomas

Nombre Grupo Idioma Semestre Turno
(PLAB) Prácticas de laboratorio 61 Catalán primer cuatrimestre tarde
(TE) Teoría 6 Catalán primer cuatrimestre tarde