Inteligencia Artificial en Educación

Comparto con ustedes el material correspondiente al TALLER IA en contextos educativos.

Creamos también un podcast como ensayo para evaluar qué resulta al entregarle la presentación. Este es el resultado que nos arroja NotebookLM. Si le sacamos la exageración, resulta bastante certero.

Quedo atenta a comentarios y consultas.

Ana Henriquez Orrego

Este GPT ha sido diseñado específicamente para facilitar el diseño, desarrollo y evaluación de situaciones de aprendizaje en la educación superior, particularmente en el contexto de carreras universitarias.

¿Qué se requiere para usar el GPT?

Para utilizar este GPT se requiere contar con una cuenta de ChatGPT. Puedes usar GPTs con cuentas tanto de pago como gratuitas. La tienda de GPTs está liberada para todos los usuarios; sin embargo, los usuarios gratuitos tienen un límite de interacción que se agota, y deben regresar más tarde. Si tienes una cuenta de pago, puedes crear tus propios GPTs y aprovechar todas sus capacidades sin restricciones.

Acceder al GPT aquí:

Ana Henriquez Orrego

Las alucinaciones en la inteligencia artificial (IA) se refieren a situaciones en las que un modelo de IA genera información incorrecta, inventada o sin fundamento en los datos de entrenamiento. Estas «alucinaciones» son especialmente comunes en modelos de lenguaje basados en IA generativa y se manifiestan como respuestas factualmente erróneas, afirmaciones imaginarias o fuentes ficticias.

Causas de las alucinaciones en IA:

1. Generalización incorrecta: La IA puede extrapolar información más allá de lo aprendido, generando datos falsos o mezclando conceptos de forma incorrecta.
2. Falta de contexto adecuado: Si el modelo no comprende bien el contexto de la pregunta, puede responder de manera incoherente.
3. Ruido en los datos de entrenamiento: Datos ambiguos o contradictorios en el conjunto de entrenamiento pueden llevar a la generación de respuestas erróneas.
4. Optimización orientada a fluidez: Algunos modelos están diseñados para producir texto fluido y coherente, lo que a veces prioriza la forma sobre la precisión.
5. Limitaciones del conocimiento estático: La IA entrenada hasta cierto punto en el tiempo puede inventar datos para suplir la falta de información actualizada.

Ejemplos de alucinaciones:

• Inventar hechos o referencias: Decir que un autor publicó un libro que nunca existió.
• Confundir conceptos: Mezclar eventos históricos de manera incorrecta.
• Crear citas o referencias académicas falsas: Incluir un DOI o referencia que no corresponde a ningún artículo real.