Intel·ligència Artificial en la Comunicació
Codi: 106672 Crèdits: 6| Titulació | Tipus | Curs |
|---|---|---|
| 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
L’assignatura s’imparteix en anglès. Això significa que les classes magistrals es faran en anglès i que els materials de lectura seran majoritàriament en aquest idioma. La interacció a l’aula amb el professorat i entre l’estudiantat es podrà dur a terme en anglès, català o castellà. Els exercicis d’avaluació i els seminaris es podran realitzar en qualsevol d’aquests tres idiomes. Els exàmens teòrics es facilitaran en anglès i en català.
Així mateix, és del tot imprescindible que les persones matriculades en el grau en Comunicació Interactiva hagin cursat, superat i assolit les competències fonamentals de les assignatures corresponents.
104728 - Sistemes d'Informació
104740 - Programació d'Aplicacions en Tecnologia Web
104739 - Serveis Web Avançats
104746 - Emmagatzematge i Recuperació d'Informació
En el cas de persones participants en programes Erasmus o d’altres programes de mobilitat, s’aplicaran criteris específics d’admissió. Es valoraran especialment els coneixements tècnics previs i la motivació per experimentar amb tecnologies digitals.
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 i explicar les particularitats teòriques i pràctiques de la intel·ligència artificial ens els espais comunicatius.
- 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 i acotar l'aprenentatge automàtica (machine learning), l'aprenentatge profund (deep learning) i la ciències de dades (data sicence) en l'àmbit dels espais comunicatius.
- 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
- L'ecosistema de la Intel·ligència Artificial (IA)
- L'ètica de la IA
- Aprenentatge automàtic
- Aplicacions de la IA en la comunicació
- IA i negocis
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Classes magistrals | 15 | 0,6 | 1, 2, 7, 9, 10, 12, 13, 15, 16, 25 |
| Exercicis pràctics | 16 | 0,64 | 1, 2, 3, 4, 10, 14, 15, 16, 17, 18, 19, 20, 22, 23, 24 |
| Seminaris | 16 | 0,64 | 1, 2, 4, 5, 8, 15, 16, 18, 19, 20, 21, 22, 23, 25 |
| Tipus: Supervisades | |||
| Examen de teoria | 3 | 0,12 | 1, 7, 9, 10, 15, 24, 25 |
| Tutories (activitat presencial individual o en grup orientada a resoldre problemes d'aprenentatge) | 10 | 0,4 | 2, 4, 8, 16, 19 |
| Tipus: Autònomes | |||
| Estudi: lectura i síntesi de textos | 56 | 2,24 | 1, 2, 9, 15, 16, 21, 25 |
L’assignatura s’organitza a partir de tres metodologies docents: classes magistrals, seminaris teòrico-pràctics i exercicis pràctics orientats a l’aplicació de la intel·ligència artificial (IA) en contextos comunicatius.
-
Les classes magistrals tenen com a objectiu transmetre els continguts fonamentals del programa i proporcionar una base teòrica sòlida.
-
Els seminaris teòrico-pràctics estan dissenyats per vincular els conceptes teòrics amb la seva aplicació, mitjançant la discussió de casos, l’anàlisi crítica i la resolució de problemes concrets.
-
Els exercicis pràctics permetran a l’alumnat posar en pràctica els coneixements adquirits mitjançant el disseny i desenvolupament de solucions que integrin la IA en situacions reals o simulades del camp de la comunicació.
El calendari detallat i els continguts de cada sessió es presentaran el primer dia de classe i estaran disponibles al campus virtual. En aquest espai, l’alumnat hi trobarà també la descripció dels exercicis pràctics, els materials docents i tota la informació necessària per fer un seguiment adequat de l’assignatura.
L’assistència i la participació activa en les sessions dedicades als seminarisials exercicis pràctics són obligatòries.
Es reservaran 15 minuts d’una sessió, dins del calendari establert pel centre o la titulació, perquè l’alumnat pugui complementar les enquestes d’avaluació de l’actuació del professorat i de l’assignatura o mòdul.
El contingut de l’assignatura serà sensible als aspectes relacionats amb la perspectiva de gènere i amb l’ús del llenguatge inclusiu.
L’assignatura proposa un treball amb la metodologia d’Aprenentatge Basat en Reptes (ABR) que consisteix a partir d’un desafiament real que planteja una entitat/institució amb la qual es tindrà relació i requerirà treballar en equip per proposar possibles solucions, que es planifiquen i es desenvolupen en tres fases: Vincle/Compromís, investigació/ Prototipatge i Implementació/Avaluació.
S’utilitzaran metodologies per poder treballar en base a desafiaments (ABR) que faran servir activitats diverses com: lectura d’articles, anàlisis de documents, enquestes, entrevistes, cerques bibliogràfiques, presentacions, vídeos, prototipatges, desenvolupament d'aplicacions,implementar propostes, reflexions de procés i progrés, avaluació de propostes...
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè els alumnes completin les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Exercicis pràctics | 30% | 20 | 0,8 | 2, 3, 4, 5, 7, 8, 9, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25 |
| Proves Teòricques | 40% | 3 | 0,12 | 1, 2, 5, 6, 7, 9, 10, 11, 12, 13, 15, 16, 25 |
| Seminaris | 30% | 11 | 0,44 | 2, 4, 7, 8, 10, 12, 13, 15, 16, 17, 18, 19, 20, 23 |
Aquesta assignatura contempla les modalitats d’avaluació única i d’avaluació continuada. Per acollir-se a l’opció d’avaluació única, caldrà comunicar-ho, com a molt tard, l’1 d’octubre.
L’avaluació en modalitat d’avaluació continuada es basa en quatre eixos:
-
Prova teòrica I (20% de la qualificació final)
-
Prova teòrica II (20% de la qualificació final)
-
Exercicis pràctics (30% de la qualificació final)
-
Seminaris teòrico-pràctics (30% de la qualificació final)
La nota final serà la suma de les puntuacions obtingudes en cada un d’aquests apartats.
Per superar l’assignatura, cal aprovar o obtenir una mitjana mínima de 4 sobre 10 en el conjunt de les proves teòriques.
Aquesta assignatura proposarà realitzar algun dels ítems d’avaluació utilitzant la metodologia d’aprenentatge basat en reptes (ABR). Es tracta d’afrontar problemes reals i complexos identificats per professionals per tal de realitzar una definició adequada i apuntar possibles solucions. L’aprenentatge per reptes és avui una metodologia àmpliament reconeguda que permet no sols tractar amb casos d’estudi reals, sinó també inserir l’estudiant en entorns en els que en un futur pot desenvolupar laseva carrera professional.
En la modalitat d’avaluació única, l’avaluació es distribuirà de la manera següent:
-
Activitat individual: Prova teòrica (40% de la qualificació final)
-
Activitat individual: Projecte (30% de la qualificació final)
-
Activitatindividual: Seminari teòrico-pràctic (30% de la qualificació final)
La nota final serà la suma de les puntuacions obtingudes en cada un d’aquests apartats.
Per superar l’assignatura, cal aprovar o obtenir un mínim de 4 sobre 10 a la prova teòrica.
Sistema de recuperació optatiu:
Les persones matriculades tindran dret a la recuperació de l’assignatura només si han estat avaluades en les proves teòriques i en 2/3 dels seminaris i exercicis.
Només es podrà recuperar la prova teòrica. Els seminaris i exercicis no són recuperables, excepte en casos de força major degudament justificats.
Si la mitjana de les dues proves teòriques és inferior a 3, no es tindrà dret a reavaluació.
La nota màxima de la prova teòrica reavaluada serà de 6 sobre 10.
En aquesta assignatura, es permet l'ús de tecnologies d'Inteŀligència Artificial (IA) com a part integrant del desenvolupament del treball, sempre que el resultat final reflecteixi una contribució significativa de l’alumnat en l'anàlisi i la reflexió personal. L’alumnat haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA es considerarà falta d'honestedat acadèmica i pot comportaruna penalització en la nota de l'activitat, o sancions majors en casos de gravetat.
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.
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.
Es proporcionarà bibliografia addicional per a la preparació i realització dels seminaris.
Programari
Editor de text orientat a codi
Grups i idiomes de l'assignatura
La informació proporcionada és provisional fins al 30 de novembre de 2025. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d’aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura
| Nom | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (PLAB) Pràctiques de laboratori | 61 | Anglès | primer quadrimestre | tarda |
| (TE) Teoria | 6 | Anglès | primer quadrimestre | tarda |