1
00:00:07,051 --> 00:00:12,016
Buenos días, un día más, un lunes más a
todos y todas.

2
00:00:12,359 --> 00:00:15,445
Hoy tenemos otra sesión del Primavera
Tech.

3
00:00:15,645 --> 00:00:19,800
En concreto hoy hemos invitado a Carlos
Badenes, que ya participó en el OtoñoTech,

4
00:00:19,800 --> 00:00:23,574
 por lo cual es un viejo conocido de
algunos de vosotros, seguro.

5
00:00:23,774 --> 00:00:28,530
Bueno, Carlos es profesor en la Escuela de
Sistemas Informáticos y aparte de estar en

6
00:00:28,530 --> 00:00:33,231
un grupo de innovación educativa donde son
muy activos en todos estos usos de la IA,

7
00:00:33,231 --> 00:00:36,732
pues creo que en sus temas de
investigación y demás, pues también.

8
00:00:36,932 --> 00:00:42,404
Con lo cual, pues bueno, mi aspecto venía
tanto en la parte académica como en la

9
00:00:42,404 --> 00:00:44,143
parte de investigación.

10
00:00:44,343 --> 00:00:48,549
Nada, Carlos, gracias por aceptar una vez
más nuestra invitación, que bueno...

11
00:00:48,749 --> 00:00:53,389
Esto cambia tan rápido que seguro que lo
que nos contaste hace unos meses hasta

12
00:00:53,389 --> 00:00:54,915
ahora, pues hay poco solape.

13
00:00:55,115 --> 00:00:59,918
De todas maneras, siempre hay personas
nuevas que se apuntan a estos puzzles, con

14
00:00:59,918 --> 00:01:02,441
lo cual, pues seguro que no nos viene
bien.

15
00:01:03,484 --> 00:01:04,865
No me entretengo más en la presentación.

16
00:01:05,065 --> 00:01:07,988
Lo he dicho, agradecerte.

17
00:01:08,188 --> 00:01:11,826
Creo que has comentado que no tienes
inconveniente en que haya interrupciones

18
00:01:11,826 --> 00:01:15,608
sobre la marcha, pero si quieres ahora lo
comentas tú un poco más despacio, como

19
00:01:15,608 --> 00:01:17,523
quieres que sea la dinámica de la clase.

20
00:01:17,723 --> 00:01:18,723
Pues nada, adelante.

21
00:01:18,767 --> 00:01:22,564
Yo os informo que voy a tener que salir 15
minutitos, con lo cual quitaré la cámara,

22
00:01:22,564 --> 00:01:26,041
pero voy a intentar estar todo lo que
pueda porque es un tema que me interesa

23
00:01:26,041 --> 00:01:26,957
particularmente.

24
00:01:27,157 --> 00:01:31,184
Así que nada, adelante Carlos, todo tuyo.

25
00:01:31,384 --> 00:01:35,859
Muchas gracias Fernando y muchas gracias
Jessica y Sonia por organizar esto y por

26
00:01:35,859 --> 00:01:36,791
invitarme.

27
00:01:37,074 --> 00:01:41,533
Soy un profesor de permanente laboral aquí
en el Campus Sur, en la CISI, y como ha

28
00:01:41,533 --> 00:01:45,882
comentado Fernando, es decir, participo
tanto en un grupo de investigación en lo

29
00:01:45,882 --> 00:01:49,956
que desarrollamos o avanzamos en técnicas
del lenguaje y representación del

30
00:01:49,956 --> 00:01:50,956
conocimiento,

31
00:01:50,917 --> 00:01:55,394
como en el grupo de innovación educativa
Lincedu, que es de reciente creación, está

32
00:01:55,394 --> 00:01:59,545
fresquito, es de este año, y que mezclamos
gente, profesores y profesoras del

33
00:01:59,545 --> 00:02:04,132
departamento de sistemas informáticos, del
de inteligencia artificial, de lingüística

34
00:02:04,132 --> 00:02:08,063
aplicada, de lenguajes y sistemas
informáticos, incluso de topografía, en

35
00:02:08,063 --> 00:02:09,063
definitiva.

36
00:02:09,023 --> 00:02:13,603
Lo que nos ha unido ha sido que
investigamos en técnicas de lenguaje, en

37
00:02:13,603 --> 00:02:18,441
inteligencia artificial aplicada al
lenguaje natural, a la formalización del

38
00:02:18,441 --> 00:02:23,602
conocimiento y ahora lo estamos también
moviendo a esta parte de la educación, la

39
00:02:23,602 --> 00:02:28,635
parte de la innovación educativa guiada a
través de la inteligencia artificial.

40
00:02:28,835 --> 00:02:31,419
Entonces, bueno, como ha comentado
Fernando, es verdad que

41
00:02:31,619 --> 00:02:35,244
Es una sesión de dos horas, pero me
gustaría que fuera muy dinámica, muy

42
00:02:35,244 --> 00:02:36,128
activa.

43
00:02:36,328 --> 00:02:41,211
Es decir, voy a presentaros un poco
primero la motivación, el problema, por

44
00:02:41,211 --> 00:02:46,425
qué consideramos que estas técnicas o esta
propuesta de autoevaluación basada en

45
00:02:46,425 --> 00:02:51,177
inteligencia artificial puede ser
interesante tanto para los alumnos como

46
00:02:51,177 --> 00:02:52,277
para el profesorado.

47
00:02:52,477 --> 00:02:56,863
Luego iré al detalle de lo que es el
método que proponemos, el LESPRE, y es

48
00:02:56,863 --> 00:03:01,486
verdad que se deja un tiempo ahí para
preguntas, dudas, pero a mí me encantaría

49
00:03:01,486 --> 00:03:05,636
que según vaya yo comentando cosas, si
alguien tiene alguna duda, algún

50
00:03:05,636 --> 00:03:10,022
comentario que quiera hacer, pues
encantado, levanta la mano, os damos paso

51
00:03:10,022 --> 00:03:13,935
y formuláis la pregunta, porque creo que
así es mucho más dinámico.

52
00:03:14,135 --> 00:03:16,880
Luego el segundo gran bloque que tiene
esta presentación es, vale, pues

53
00:03:17,080 --> 00:03:22,467
Una vez ya lo hemos propuesto, hemos
descrito este método que proponemos, ¿cómo

54
00:03:22,467 --> 00:03:24,275
lo podríamos llevar a cabo?

55
00:03:24,475 --> 00:03:28,744
Entonces, describimos un poco cómo se
podría llevar a cabo en distintos niveles

56
00:03:28,744 --> 00:03:33,014
y hacemos una pequeña demo de, vale, pues
para jugar un poco en mi asignatura a

57
00:03:33,014 --> 00:03:35,477
corto plazo, solamente como para tener una
idea...

58
00:03:35,677 --> 00:03:40,922
Si se podría aplicar o no, vale, pues
vamos a ver cómo se podría llevar a cabo y

59
00:03:40,922 --> 00:03:42,250
hacer una demo real.

60
00:03:42,450 --> 00:03:47,824
Igual, finalizaríamos con una discusión
final que espero que sea muy enriquecedora

61
00:03:47,824 --> 00:03:52,999
y muy constructiva porque es verdad que
hay temas aquí súper interesantes, pero

62
00:03:52,999 --> 00:03:55,035
que pueden generar algo de debate.

63
00:03:55,235 --> 00:04:00,905
Bueno, pues sin más dilación, ¿por qué
arrancamos con esta charla ahora mismo?

64
00:04:01,105 --> 00:04:05,632
Es una obviedad que la inteligencia
artificial ya está en las aulas.

65
00:04:05,832 --> 00:04:08,937
Los alumnos la incorporan, los profesores
también la incorporamos.

66
00:04:09,138 --> 00:04:14,250
No es nuevo, vamos, en mis asignaturas me
ha tocado responder varias veces a, profe,

67
00:04:14,250 --> 00:04:18,814
pero lo que tú estás diciendo aquí, el
chat GPT me está diciendo lo contrario.

68
00:04:19,014 --> 00:04:20,014
Fantástico.

69
00:04:19,214 --> 00:04:20,214
Fantástico y maravilloso.

70
00:04:20,356 --> 00:04:25,053
Entonces, me toca ahora rebatir a ChatGPT,
que pasa a ser un ente que genera mucho

71
00:04:25,053 --> 00:04:28,707
más confianza casi al alumnado que el que
puede dar el profesor.

72
00:04:28,907 --> 00:04:34,272
Bueno, en definitiva, es un elemento, la
inteligencia artificial generativa en

73
00:04:34,272 --> 00:04:39,771
concreto, inteligencia artificial es muy
amplia, que se incorpora en todos estos

74
00:04:39,771 --> 00:04:40,783
procesos

75
00:04:40,983 --> 00:04:46,890
educativos y creo que como profesorado
nuestra responsabilidad es la de formar al

76
00:04:46,890 --> 00:04:52,865
estudiantado en los riesgos que entraña el
uso de esta herramienta, los beneficios

77
00:04:52,865 --> 00:04:58,839
que también tiene, es decir, esta charla
está muy lejos de demonizar la IA sino al

78
00:04:58,839 --> 00:05:04,413
revés, es una forma de describir sus
virtudes e incorporarla y sobre todo el

79
00:05:04,413 --> 00:05:08,255
hecho de incorporarla no solamente como un
recurso

80
00:05:08,455 --> 00:05:13,970
sino como parte de un proceso y eso es lo
que queremos un poco hacer hincapié en

81
00:05:13,970 --> 00:05:19,085
esta charla, el que la forma, las
dinámicas quizás debamos cambiarlas, ¿de

82
00:05:19,085 --> 00:05:20,334
acuerdo?

83
00:05:20,534 --> 00:05:26,244
Para beneficiarnos todos de este gran
avance que es la inteligencia artificial.

84
00:05:26,444 --> 00:05:32,102
Entonces, realmente el enfoque es, bueno,
ahora mismo tenemos innovación educativa

85
00:05:32,102 --> 00:05:37,294
con IA, es decir, y dentro de esta
innovación educativa con IA consideramos

86
00:05:37,294 --> 00:05:39,287
que hay dos grandes ramas.

87
00:05:39,487 --> 00:05:44,301
Está la innovación asistida por
inteligencia artificial, es decir,

88
00:05:44,301 --> 00:05:47,962
mantenemos los procesos educativos como
hasta ahora,

89
00:05:48,162 --> 00:05:53,323
Pero lo que hacemos es incorporar
puntualmente en nuestras tareas, no en el

90
00:05:53,323 --> 00:05:55,952
proceso, la inteligencia artificial.

91
00:05:56,152 --> 00:05:59,906
El profesor en un momento dado puede
considerar que vale, fantástico, pues para

92
00:05:59,906 --> 00:06:03,564
hacerme yo un resumen de la próxima sesión
que voy a presentar en clase voy a

93
00:06:03,564 --> 00:06:07,463
utilizar esta inteligencia artificial que
me va a hacer un resumen fantástico o me

94
00:06:07,463 --> 00:06:09,410
va a hacer un diagrama fabuloso y lo
presento.

95
00:06:09,610 --> 00:06:14,036
El alumno, cuando recibe los apuntos,
dice, yo no me voy a leer esto, lo que voy

96
00:06:14,036 --> 00:06:18,182
a hacer es utilizar inteligencia
artificial para que me sintetice o me haga

97
00:06:18,182 --> 00:06:20,692
un podcast, como hay otra serie de
recursos, etc.

98
00:06:20,892 --> 00:06:26,197
Entonces, al final, los procesos, es
decir, las comunicaciones profesor-alumno

99
00:06:26,197 --> 00:06:30,150
y las dinámicas en clase siguen siendo las
mismas o clásicas.

100
00:06:30,350 --> 00:06:34,766
Pero la IA viene detrás, es decir, ni
siquiera la IA que utiliza el profesor va

101
00:06:34,766 --> 00:06:39,239
a ser la misma que la del alumno y el
objetivo de este tipo de innovación es más

102
00:06:39,239 --> 00:06:43,486
mejorar la eficiencia, es decir, el tiempo
del profesor pasa a ser mucho más

103
00:06:43,486 --> 00:06:44,486
rentable.

104
00:06:44,474 --> 00:06:45,474
¿Por qué?

105
00:06:44,875 --> 00:06:48,921
Porque la potencia que te da la IA es por
10 y lo que yo tardaría 10 días en

106
00:06:48,921 --> 00:06:53,291
desarrollar un diagrama o prepararme la
siguiente sesión, ahora lo he podido hacer

107
00:06:53,291 --> 00:06:54,291
en una.

108
00:06:54,211 --> 00:06:59,052
Luego también la personalización y la
escalabilidad, es decir, bueno, pues si

109
00:06:59,052 --> 00:07:03,893
soy capaz de preparar un cuestionario en
solamente una mañana, pues con la IA

110
00:07:03,893 --> 00:07:08,607
genero 10 variaciones, pues ya tengo
cuestionarios para todo el curso y los

111
00:07:08,607 --> 00:07:11,190
exámenes ordinarios y excepcionales,
finales.

112
00:07:11,390 --> 00:07:15,218
Este es un tipo de enfoque en el que
nosotros como grupo de innovación

113
00:07:15,218 --> 00:07:16,716
educativa no nos centramos.

114
00:07:16,916 --> 00:07:20,179
Nuestro enfoque va más en la innovación
basada en IA.

115
00:07:20,379 --> 00:07:26,309
Aquí lo que proponemos es de qué forma ese
proceso educativo, ese proceso en el que

116
00:07:26,309 --> 00:07:31,439
en algunos casos parte del profesorado
llega al estudiantado, vuelve al

117
00:07:31,439 --> 00:07:36,969
profesorado, podemos incorporar la
inteligencia artificial de forma que ambas

118
00:07:36,969 --> 00:07:40,080
partes la controlen y se beneficien de
ella.

119
00:07:40,280 --> 00:07:43,860
Es decir, aquí donde tenemos el foco es en
el diseño pedagógico, no tanto en el

120
00:07:43,860 --> 00:07:44,860
recurso.

121
00:07:44,865 --> 00:07:49,845
De hecho, vais a ver que toda esta primera
mitad de la charla no voy a hablar de

122
00:07:49,845 --> 00:07:54,762
ninguna tecnología concreta, de ella como
mucho las técnicas y en particular la

123
00:07:54,762 --> 00:07:57,600
técnica de inteligencia artificial
generativa.

124
00:07:57,800 --> 00:08:01,975
Pero no voy a hablar de recursos concretos
que se tengan que utilizar, eso ya irá en

125
00:08:01,975 --> 00:08:05,730
la segunda parte y sobre todo esos estarán
abiertos a que cualquiera de vosotros

126
00:08:05,930 --> 00:08:11,261
considere, decida cuál va a incorporar
para aplicar esta técnica o este enfoque

127
00:08:11,261 --> 00:08:15,859
pedagógico en el que sí que se incorpora
la inteligencia artificial.

128
00:08:16,059 --> 00:08:21,045
Entonces, aquí en definitiva lo que
queremos hacer hincapié es que asumimos

129
00:08:21,045 --> 00:08:26,298
con naturalidad que la IA va a formar
parte del proceso de aprendizaje y lo que

130
00:08:26,298 --> 00:08:31,817
queremos es un poco establecer un orden,
un control sobre de qué forma esa IA puede

131
00:08:31,817 --> 00:08:35,717
darnos beneficios y no generarnos
problemas, problemas tanto a

132
00:08:35,917 --> 00:08:40,845
al lado del profesor como al lado del
estudiante.

133
00:08:41,045 --> 00:08:46,618
Es verdad que esta charla también la di en
el UPM Conecta, una semana que hacemos

134
00:08:46,618 --> 00:08:51,992
allí en el Campus Sur, donde proponemos
charlas y los alumnos asisten, deciden

135
00:08:51,992 --> 00:08:57,433
apuntarse y asisten, y propusimos esta
charla y tuvo bastante buena aceptación,

136
00:08:57,433 --> 00:09:03,140
se llenó el cupo, y los alumnos aceptaron
bien la propuesta que teníamos del uso de

137
00:09:03,140 --> 00:09:04,961
la inteligencia artificial.

138
00:09:05,161 --> 00:09:10,381
Todo realmente surge, bueno, pues con toda
esta investigación que estamos haciendo en

139
00:09:10,381 --> 00:09:15,167
IA Generativa y las capacidades que ofrece
que realmente deslumbran y entonces

140
00:09:15,167 --> 00:09:20,077
leyendo un libro de José Ignacio Latorre,
el investigador físico, bueno, todo el

141
00:09:20,077 --> 00:09:24,676
mundo lo conocéis, el libro de ética para
máquinas, pues me marcó, me marcó

142
00:09:24,676 --> 00:09:25,700
especialmente porque

143
00:09:25,900 --> 00:09:31,069
Hacía un recorrido sobre la inteligencia
artificial desde sus inicios y decía,

144
00:09:31,069 --> 00:09:36,172
bueno, cuando la inteligencia artificial
apareció siempre fue para resolver o

145
00:09:36,172 --> 00:09:39,808
cubrir una debilidad que tenía el humano y
potenciarla.

146
00:09:40,008 --> 00:09:43,655
Tenemos la inteligencia artificial o las
máquinas, dicho de otro modo.

147
00:09:43,855 --> 00:09:48,597
que aparecieron en la industria en la
fábrica y entonces lo que le ofreció a la

148
00:09:48,597 --> 00:09:53,523
humanidad fue más fuerza más potencia ya
donde antes construíamos o preparábamos a

149
00:09:53,523 --> 00:09:58,205
X velocidad ciertos materiales ahora ya
podríamos construirlo más rápido y más

150
00:09:58,205 --> 00:10:02,522
fuerte ya no teníamos que nosotros
movernos por el campo arando sino que

151
00:10:02,522 --> 00:10:07,022
podíamos tirar de tractores de máquinas
que lo fueran haciendo entonces iba

152
00:10:07,022 --> 00:10:11,643
haciendo un recorrido luego como fue
evolucionando la inteligencia artificial

153
00:10:11,643 --> 00:10:13,406
hasta que claro aparece ahora

154
00:10:13,606 --> 00:10:19,484
Esta IA generativa que muestra una
capacidad que ya no solamente potencia o

155
00:10:19,484 --> 00:10:25,430
puede agilizar nuestras habilidades, sino
que literalmente puede ocultarlas.

156
00:10:25,630 --> 00:10:29,758
Es decir, podría llegarse a dar el caso...

157
00:10:29,958 --> 00:10:35,437
De que igual que cuando las máquinas
aparecieron para eliminarnos o reducirnos

158
00:10:35,437 --> 00:10:40,450
el esfuerzo físico en el trabajo y
nosotros artificialmente nos creamos

159
00:10:40,450 --> 00:10:45,863
gimnasios y demás actividades para
potenciarlo, pues en un futuro donde la IA

160
00:10:45,863 --> 00:10:51,343
nos reduzca esa capacidad de decisión, ese
pensamiento crítico, a lo mejor nos

161
00:10:51,343 --> 00:10:56,336
tenemos que inventar salas o cursos, no sé
cómo llamarlos, donde, bueno...

162
00:10:56,536 --> 00:11:00,357
Pues voy de lunes a miércoles a pensar, a
tomar decisiones, pero eso sí, en un

163
00:11:00,357 --> 00:11:04,525
entorno controlado con varios amigos allí,
una o dos horas, porque luego realmente en

164
00:11:04,525 --> 00:11:07,255
el trabajo pocas decisiones tomo, las toma
la IA por mí.

165
00:11:07,455 --> 00:11:12,377
Entonces, es un poco el entender que la
inteligencia artificial, el momento en el

166
00:11:12,377 --> 00:11:16,869
que tú la estás utilizando, puede
desentrañar unos riesgos, que no hay que

167
00:11:16,869 --> 00:11:19,577
demonizarla, pero sí que hay que
entenderlos.

168
00:11:19,777 --> 00:11:20,777
Es como cuando me preguntan...

169
00:11:20,819 --> 00:11:23,886
En el colegio con mis hijos, bueno, ¿y los
niños con 9, 10 años?

170
00:11:24,086 --> 00:11:25,789
¿Sería bueno que utilizasen la IA?

171
00:11:25,989 --> 00:11:27,854
Y digo, bueno, pues es como conducir.

172
00:11:28,054 --> 00:11:32,067
Todo el mundo vemos coches, los coches
están a la orden del día, pero los niños

173
00:11:32,067 --> 00:11:33,067
no utilizan coches.

174
00:11:33,164 --> 00:11:36,458
Es decir, se requiere una madurez y hasta
los 18 no te puedes sacar el carnet de

175
00:11:36,458 --> 00:11:37,458
conducir.

176
00:11:37,272 --> 00:11:42,768
pues es que a lo mejor hay determinadas
tareas de inteligencia artificial que

177
00:11:42,768 --> 00:11:48,597
requieren de una madurez intelectual que
hacen que si te acercas a ellos demasiado

178
00:11:48,597 --> 00:11:52,360
pronto, pues pueda generar unos daños, ¿de
acuerdo?

179
00:11:52,560 --> 00:11:54,183
Entonces, bueno, pues en definitiva,

180
00:11:54,383 --> 00:12:00,006
contextualizar que esta charla viene
precisamente de estos riesgos y que

181
00:12:00,006 --> 00:12:05,896
tenemos que entender esos riesgos en
nuestro ámbito, en el ámbito académico,

182
00:12:05,896 --> 00:12:07,927
que puede derivar.

183
00:12:08,127 --> 00:12:11,413
Entonces, en concreto, nos vamos a centrar
en la parte del aprendizaje.

184
00:12:11,613 --> 00:12:17,185
Nosotros entendemos el aprendizaje, como
ya lo describió perfectamente Bloom con su

185
00:12:17,185 --> 00:12:22,624
taxonomía, como un proceso en el que vamos
a evolucionar en seis niveles, en seis

186
00:12:22,624 --> 00:12:23,730
etapas.

187
00:12:23,930 --> 00:12:26,874
Primero, la más básica, de más básica a
más compleja.

188
00:12:27,075 --> 00:12:31,377
Digamos que si alcanzamos el último nivel,
el dominio que tenemos del área de

189
00:12:31,377 --> 00:12:32,743
conocimiento es mucho mayor.

190
00:12:32,943 --> 00:12:37,309
Entonces imaginad que arrancamos con el
primer nivel, el nivel de recordar.

191
00:12:37,509 --> 00:12:43,509
Aquí el enfoque es, bueno, pues voy a
alcanzar o dominar este nivel si soy capaz

192
00:12:43,509 --> 00:12:50,748
de recordar ciertos eventos, información
factual, hechos,

193
00:12:50,948 --> 00:12:56,094
ciertas fechas, lugares, nombres, en
definitiva, desarrollar mi memoria.

194
00:12:56,294 --> 00:13:02,042
Es decir, para ese área de conocimiento
concreta, lo que se fomenta es el hecho de

195
00:13:02,042 --> 00:13:05,724
que yo memorice situaciones o posiciones
concretas.

196
00:13:05,944 --> 00:13:09,745
El conocimiento ya está ahí, yo lo tengo
que interiorizar desde el punto de vista

197
00:13:09,745 --> 00:13:10,745
memorístico.

198
00:13:10,810 --> 00:13:14,033
Este es el primer paso, que es el paso de
recordar.

199
00:13:14,233 --> 00:13:18,169
Luego, si queremos evolucionar más en
nuestro aprendizaje, ya saltaríamos al

200
00:13:18,169 --> 00:13:19,219
nivel de comprender.

201
00:13:19,439 --> 00:13:20,439
Amigo,

202
00:13:20,260 --> 00:13:25,091
Ya lo has memorizado, ya has leído qué
significa ciertos conceptos, eres capaz de

203
00:13:25,091 --> 00:13:30,164
explicarlo tú con tus propias palabras, es
decir, eres capaz de hacer lo tuyo, ese ya

204
00:13:30,164 --> 00:13:35,056
sería un nivel un poco más avanzado, más
complejo y el siguiente ya saltaríamos al

205
00:13:35,056 --> 00:13:36,056
aplicar, ¿vale?

206
00:13:36,071 --> 00:13:37,071
Muy bien.

207
00:13:36,612 --> 00:13:42,182
memorizas, sabes los pasos que tiene que
seguir tal proceso, eres capaz de

208
00:13:42,182 --> 00:13:48,086
explicarlo con tus propias palabras,
podrías aplicarlo a un escenario diferente

209
00:13:48,086 --> 00:13:53,856
al que has leído cuando adquiriste ese
conocimiento inicial, es decir, puedes

210
00:13:53,856 --> 00:13:56,493
resolver un problema concreto

211
00:13:56,693 --> 00:14:00,612
aplicando ese conocimiento que has
comprendido, que has recordado, ya

212
00:14:00,612 --> 00:14:05,281
estaríamos en ese tercer nivel, que es el
nivel de aplicar, y con él pasaríamos al

213
00:14:05,281 --> 00:14:06,607
cuarto, el de analizar.

214
00:14:06,807 --> 00:14:09,451
Es decir, aquí ya tenemos que desarrollar
nuestro pensamiento crítico.

215
00:14:09,651 --> 00:14:12,135
¿Somos capaces de establecer
comparaciones?

216
00:14:12,375 --> 00:14:16,370
Por ejemplo, para ese mismo problema que
hemos resuelto de una forma, podemos

217
00:14:16,370 --> 00:14:20,734
aplicar una segunda solución y compararlas
entre ellas, decidir cuál es mejor y cuál

218
00:14:20,734 --> 00:14:23,932
es peor, qué dimensiones hacen que sea
mejor y cuáles sean peor...

219
00:14:24,132 --> 00:14:30,132
Esa es una fase ya más evolucionada de
conocimiento y estamos ya en el cuarto

220
00:14:30,132 --> 00:14:34,407
nivel, que es el nivel de análisis.

221
00:14:34,607 --> 00:14:36,870
Y luego ya vamos al de evaluar.

222
00:14:37,070 --> 00:14:41,678
Es decir, con todas estas soluciones que
las has comparado, que las has analizado,

223
00:14:41,678 --> 00:14:44,921
¿eres tú capaz de decidir si es correcto o
no es correcto?

224
00:14:45,121 --> 00:14:50,278
Es decir, si hay escenarios en los que el
uso del conocimiento que tú tienes no

225
00:14:50,278 --> 00:14:51,278
aplica,

226
00:14:51,250 --> 00:14:53,053
O sí que aplica.

227
00:14:53,253 --> 00:14:57,060
¿Cómo debería cambiar el escenario para
que aplicase tu conocimiento?

228
00:14:57,260 --> 00:15:01,550
Es decir, ahí ya requiere un conocimiento
además más transversal, porque ya no tiene

229
00:15:01,550 --> 00:15:05,686
que ver tanto ese conocimiento empírico o
concreto de tu dominio, sino como el de

230
00:15:05,686 --> 00:15:06,686
otros escenarios.

231
00:15:06,776 --> 00:15:08,198
Y por último, creativa.

232
00:15:08,398 --> 00:15:12,414
Es decir, bueno, pues si ya eres capaz de
criticar, evaluar, analizar...

233
00:15:12,614 --> 00:15:17,312
créame una variedad o una extensión de
este conocimiento es lo que podría ser

234
00:15:17,312 --> 00:15:22,319
casi en investigación como avanzar en el
estado del arte es decir has creado nuevo

235
00:15:22,319 --> 00:15:27,265
conocimiento has propuesto una evolución
sobre un conocimiento previo aquí lo que

236
00:15:27,265 --> 00:15:28,749
quiero contextualizar es

237
00:15:28,949 --> 00:15:33,317
¿Por qué os estoy hablando de los procesos
o la taxonomía de Bloom?

238
00:15:33,517 --> 00:15:39,047
Porque queremos, enlazando ahora un poco
todo lo que os acabo de contextualizar,

239
00:15:39,047 --> 00:15:44,511
queremos incorporar la IA en procesos de
aprendizaje, teniendo en cuenta que el

240
00:15:44,511 --> 00:15:50,309
aprendizaje para nosotros es una evolución
de estas seis etapas marcadas por Bloom y

241
00:15:50,309 --> 00:15:54,753
en todo este proceso consideramos que la
IA nos va a aportar valor.

242
00:15:54,953 --> 00:16:00,049
Nos va a aportar valor como elemento, no
solo como un recurso externo, sino como

243
00:16:00,049 --> 00:16:03,663
elemento activo que va a participar de
todo este proceso.

244
00:16:03,863 --> 00:16:09,123
Entonces, no sé si tenéis alguna duda en
esta primera contextualización del

245
00:16:09,123 --> 00:16:13,984
problema, que ha ido quizá algo rápido,
porque con esto ya tendríamos

246
00:16:13,984 --> 00:16:16,778
contextualizada o motivada la charla.

247
00:16:16,978 --> 00:16:21,808
No sé si tenéis alguna duda, algún
comentario que queráis hacer o pasamos

248
00:16:21,808 --> 00:16:24,705
directamente a ver el método que
proponemos.

249
00:16:25,868 --> 00:16:33,375
[Orador 5]: No he visto nada por el chat, Carlos, y
por mí perfecto, ¿eh?

250
00:16:33,575 --> 00:16:34,575
Así que si quieres vamos al método.

251
00:16:34,296 --> 00:16:35,296
Yo te voy avisando si hay algo.

252
00:16:34,937 --> 00:16:35,597
Mira, dicen que todo bien.

253
00:16:35,837 --> 00:16:36,837
[Orador 4]: Ah, todo bien.

254
00:16:36,398 --> 00:16:37,499
Pues venga, pues entonces continuamos.

255
00:16:37,699 --> 00:16:39,161
Muchas gracias, Jessica.

256
00:16:39,361 --> 00:16:40,742
Vale, pues entonces, vamos entonces.

257
00:16:40,942 --> 00:16:42,284
Ya tenemos vista la motivación.

258
00:16:42,484 --> 00:16:43,484
Claro, viene la guía.

259
00:16:43,445 --> 00:16:44,626
Ahora a ver cómo la incorporamos.

260
00:16:44,826 --> 00:16:49,743
Y hemos entendido ese proceso pedagógico
como un proceso concreto de aprendizaje

261
00:16:49,743 --> 00:16:54,255
que nos vamos a basar en esas seis etapas
marcadas por la taxonomía de Bloom.

262
00:16:54,455 --> 00:16:57,180
¿Qué es entonces el método LESPRE que
proponemos?

263
00:16:57,380 --> 00:17:02,191
Vale, pues el método LESPRE es
sencillamente considerar que la IA va a

264
00:17:02,191 --> 00:17:07,469
formar parte del proceso en aquellos
puntos en los que el estudiante no tenga

265
00:17:07,469 --> 00:17:10,701
que desarrollar una capacidad ni una
competencia.

266
00:17:10,901 --> 00:17:11,901
¿De acuerdo?

267
00:17:11,422 --> 00:17:15,991
Ese es el criterio, digamos, universal que
nos guía a la hora de incorporar la IA en

268
00:17:15,991 --> 00:17:16,990
cualquier proceso.

269
00:17:17,191 --> 00:17:20,411
Es decir, puede que en un proceso la IA
haga una cosa y puede que en otro proceso

270
00:17:20,411 --> 00:17:21,217
haga otra.

271
00:17:21,417 --> 00:17:22,790
Lo que va a depender

272
00:17:22,990 --> 00:17:28,356
Es de, si en ese proceso la IA está
suplantando una habilidad que consideramos

273
00:17:28,356 --> 00:17:31,543
que el alumno debería desarrollar,
entonces mal.

274
00:17:31,743 --> 00:17:32,967
Eso es un uso...

275
00:17:33,200 --> 00:17:35,422
en nuestro juicio, incorrecto de la IA.

276
00:17:35,622 --> 00:17:40,072
Si, sin embargo, la IA aborda una tarea
para la que el alumno no debería

277
00:17:40,072 --> 00:17:42,329
desarrollar una habilidad, perfecto.

278
00:17:42,529 --> 00:17:43,529
¿El método Lespre?

279
00:17:43,330 --> 00:17:48,163
Pues el método Lespre es muy sencillito,
lo que parte son de cinco etapas y esos

280
00:17:48,163 --> 00:17:50,978
nombres vienen de precisamente las cinco
fases.

281
00:17:51,178 --> 00:17:55,744
El proceso educativo que va a seguir el
alumno para ir avanzando sobre esos seis

282
00:17:55,744 --> 00:17:57,305
niveles va a ser iterativo.

283
00:17:57,505 --> 00:18:00,202
Consideramos que inicialmente el alumno
debería leer

284
00:18:00,402 --> 00:18:05,566
Leer unos apuntes, leer un artículo, leer
un artículo científico, leer un artículo

285
00:18:05,566 --> 00:18:06,650
de revista, leer.

286
00:18:06,890 --> 00:18:08,052
Necesita leer.

287
00:18:08,252 --> 00:18:12,179
Y una vez que ha leído, ha adquirido esa
primera fase, salta a una segunda fase que

288
00:18:12,179 --> 00:18:13,138
es la de selección.

289
00:18:13,338 --> 00:18:14,981
Esta es la típica fase de síntesis.

290
00:18:15,181 --> 00:18:19,718
Todos, cuando hemos sido estudiantes, una
vez que tenemos los apuntes, lo siguiente

291
00:18:19,718 --> 00:18:23,370
que hacemos que es subrayar, marcar
aquello que consideramos que es

292
00:18:23,370 --> 00:18:24,332
importante.

293
00:18:24,532 --> 00:18:28,558
Esta es una fase crítica en el alumno y,
por tanto, la tiene que desarrollar él.

294
00:18:28,758 --> 00:18:29,758
Es decir,

295
00:18:28,938 --> 00:18:34,549
tanto la fase de lectura como esta fase de
síntesis o de selección, es una habilidad

296
00:18:34,549 --> 00:18:39,760
que el alumno debe desarrollar y que si la
hace mal, con más de una iteración,

297
00:18:39,760 --> 00:18:42,140
debería ir refinándola, ¿de acuerdo?

298
00:18:42,340 --> 00:18:45,545
Luego hasta aquí, todo sigue siendo
manual, el alumno...

299
00:18:45,745 --> 00:18:51,745
recibe unos apuntes o adquiere o accede a
unos apuntes para los que realice una

300
00:18:51,745 --> 00:18:57,745
lectura inicial y luego una selección, una
selección de aquello que considera él o

301
00:18:57,745 --> 00:18:59,797
ella importante.

302
00:18:59,997 --> 00:19:03,365
A continuación ya entramos en la parte en
la que la IA sí que nos va a apoyar.

303
00:19:03,565 --> 00:19:05,249
Y es en la fase de pregunta.

304
00:19:05,449 --> 00:19:09,814
Es decir, el alumno ya ha leído, ha
sintetizado y ahora lo que quiere es,

305
00:19:09,814 --> 00:19:12,786
bueno, no sé si ha adquirido bien el
conocimiento.

306
00:19:12,986 --> 00:19:15,889
Y aquí es donde también entran a jugar
esos seis niveles de la taxonomía de

307
00:19:15,889 --> 00:19:16,674
Bloom.

308
00:19:16,874 --> 00:19:21,725
Aquí queremos incorporar la inteligencia
artificial para que formule preguntas

309
00:19:21,925 --> 00:19:27,383
De acuerdo al criterio marcado por el
profesor, luego no es una IA externa, no

310
00:19:27,383 --> 00:19:32,841
es una IA recurso externo, sino que es una
IA creada, personalizada, adaptada,

311
00:19:32,841 --> 00:19:38,633
ajustada por el profesor para que formule
preguntas y aquí el matiz también está en

312
00:19:38,633 --> 00:19:41,585
que queremos jugar con los seis niveles.

313
00:19:41,785 --> 00:19:46,216
Es decir, queremos que haya una IA que sea
capaz de formular preguntas factuales y

314
00:19:46,216 --> 00:19:49,333
que, por tanto, se centre en ese primer
nivel, el de recordar,

315
00:19:49,533 --> 00:19:54,896
Luego que haga preguntas conceptuales y
que por tanto salte al segundo nivel, al

316
00:19:54,896 --> 00:20:00,125
conceptual, analíticas, evaluación,
creativas, etc. Y que por tanto cubra esos

317
00:20:00,125 --> 00:20:05,222
seis aspectos que vimos antes que
consideramos necesarios para que el alumno

318
00:20:05,222 --> 00:20:06,765
adquiera un conocimiento.

319
00:20:06,965 --> 00:20:10,832
El alumno va a recibir unas preguntas,
únicamente unas preguntas.

320
00:20:11,032 --> 00:20:15,519
Aquí, de hecho, el profesor puede decidir
qué tipo o estilo de preguntas.

321
00:20:15,719 --> 00:20:20,838
Pues son preguntas con enunciados
extensos, son preguntas muy concretas, son

322
00:20:20,838 --> 00:20:26,137
preguntas de múltiples respuestas, pero de
una sola válida o de respuesta abierta.

323
00:20:26,337 --> 00:20:27,619
En definitiva, ahí no entramos.

324
00:20:27,819 --> 00:20:32,188
Lo que sí que consideramos, y es lo que
vamos a detallar a continuación, es cómo

325
00:20:32,188 --> 00:20:36,668
el profesor puede controlar esa generación
de preguntas para que al alumno le sean

326
00:20:36,668 --> 00:20:38,217
productivas, enriquecedoras.

327
00:20:38,417 --> 00:20:43,919
Vale, pasamos entonces, una vez que ya
tenemos esa fase 3 de preguntas, a la fase

328
00:20:43,919 --> 00:20:44,919
4, responder.

329
00:20:45,068 --> 00:20:49,809
El alumno ya tiene ese banco de preguntas,
porque claro, él ha ido pasando esos

330
00:20:49,809 --> 00:20:54,611
textos que ha ido seleccionando a esas
inteligencias artificiales preparadas por

331
00:20:54,611 --> 00:20:57,469
el profesor para obtener una serie de
preguntas.

332
00:20:57,669 --> 00:21:01,462
Las guarda, tiene su banco de preguntas y
a continuación comienza a responderlas,

333
00:21:01,462 --> 00:21:02,462
¿vale?

334
00:21:02,356 --> 00:21:05,959
Las puede hacer en modo examen, en modo
autoevaluación, como decida el alumno y a

335
00:21:05,959 --> 00:21:07,852
la velocidad que el alumno decida, eso sí.

336
00:21:08,052 --> 00:21:12,625
Cuando el alumno necesite saber si la
respuesta que ha dado a la pregunta es

337
00:21:12,625 --> 00:21:17,137
adecuada o no, de nuevo volveremos a
incorporar esa inteligencia artificial

338
00:21:17,137 --> 00:21:22,016
creada por el profesor para que evalúe si
esa respuesta se ajusta a los criterios

339
00:21:22,016 --> 00:21:26,955
que el profesor considera que tiene que
tener el alumno en esa asignatura concreta

340
00:21:26,955 --> 00:21:28,483
para ese contenido concreto.

341
00:21:28,683 --> 00:21:29,683
¿De acuerdo?

342
00:21:29,264 --> 00:21:33,851
El alumno recibe un feedback, por tanto,
de esa inteligencia artificial, sabe si ha

343
00:21:33,851 --> 00:21:38,215
respondido o no ha respondido bien y
comienza de nuevo la siguiente iteración o

344
00:21:38,215 --> 00:21:42,076
sobre el mismo texto, sobre el mismo
documento de lectura o pasa a uno

345
00:21:42,076 --> 00:21:46,664
siguiente o a la velocidad que él decida o
con el contenido que considera adecuado.

346
00:21:46,864 --> 00:21:52,102
Es decir, es un proceso iterativo que
repite estas cinco fases, lectura,

347
00:21:52,102 --> 00:21:55,254
selección, pregunta, respuesta y
evaluación.

348
00:21:55,454 --> 00:22:00,195
Y en este caso la inteligencia artificial
interviene únicamente en dos, en la

349
00:22:00,195 --> 00:22:01,942
pregunta y en la evaluación.

350
00:22:02,142 --> 00:22:07,654
Entonces, donde queremos hacer especial
hincapié es que la IA no decide, la IA se

351
00:22:07,654 --> 00:22:10,653
ajusta a lo que el profesor tiene que
definir.

352
00:22:10,853 --> 00:22:16,437
Es decir, en este caso la IA es una
extensión del profesor para que esté 24

353
00:22:16,437 --> 00:22:18,002
por 7 resolviendo

354
00:22:18,202 --> 00:22:23,394
o generando preguntas de acuerdo al
criterio particular de ese docente.

355
00:22:23,594 --> 00:22:27,289
En este caso, por eso no hablamos de
tecnología generalista, porque la

356
00:22:27,289 --> 00:22:31,307
tecnología generalista, al final, yo
cuando en clase los alumnos, va, profe,

357
00:22:31,307 --> 00:22:35,431
ves que echas GPT, digo, vale, digo,
¿cuántos de los que estáis aquí tenéis la

358
00:22:35,431 --> 00:22:36,431
misma ropa?

359
00:22:36,422 --> 00:22:37,422
Pues ninguno.

360
00:22:37,304 --> 00:22:40,712
Y digo, bueno, porque a cada uno a que os
gusta tener vuestro propio estilo y

361
00:22:40,712 --> 00:22:42,551
vuestra, vale, pues la IA os hace planos.

362
00:22:42,751 --> 00:22:46,758
Digo, si todos empezáis a utilizar el chat
GPT para resolver problemas y para

363
00:22:46,758 --> 00:22:51,135
contestar preguntas, habéis pasado a tener
la misma ropa, el mismo peinado, la misma

364
00:22:51,135 --> 00:22:54,720
cara, es decir, porque de cara al
profesor, el input que recibimos de

365
00:22:54,720 --> 00:22:56,988
vosotros es el mismo, no os hace
especiales.

366
00:22:57,188 --> 00:23:00,813
Entonces, en este caso, el profesor tiene
que marcar su impronta, su estilo.

367
00:23:01,013 --> 00:23:06,562
Y la forma que consideramos de marcar ese
estilo es precisamente creando él esa

368
00:23:06,562 --> 00:23:11,446
inteligencia artificial que va a acompañar
al alumno en este proceso.

369
00:23:11,646 --> 00:23:17,562
Pues o bien definiendo el nivel de
dificultad o decidiendo qué contenido va a

370
00:23:17,562 --> 00:23:20,658
ser válido y cuál no va a ser válido.

371
00:23:20,858 --> 00:23:24,301
O estableciendo, por ejemplo, qué tipo de
feedback se le quiere dar al alumno.

372
00:23:24,501 --> 00:23:30,017
Un feedback más frío, más cortante, un
feedback a lo mejor más cercano y que te

373
00:23:30,017 --> 00:23:31,468
pueda dar pistas.

374
00:23:31,668 --> 00:23:35,532
Bueno, pues en definitiva, al final eso va
en el estilo del docente.

375
00:23:35,732 --> 00:23:38,755
Pues ese estilo es el que se tiene que
llevar a esa inteligencia artificial.

376
00:23:38,955 --> 00:23:43,614
Es decir, no tenemos que verla como un
recurso estándar y que a todos nos vale,

377
00:23:43,614 --> 00:23:46,302
sino que se personaliza por el propio
docente.

378
00:23:46,502 --> 00:23:49,481
Y que, por tanto, ahí hago un poco más de
resumen.

379
00:23:49,681 --> 00:23:55,208
Lo que nos va a proporcionar desde el lado
del alumno son preguntas, únicamente

380
00:23:55,208 --> 00:23:57,755
preguntas y evidencias, ¿de acuerdo?

381
00:23:57,955 --> 00:23:59,738
Vaya, pues vamos entonces a verlo con un
ejemplillo.

382
00:23:59,938 --> 00:24:05,124
Vamos a ver cómo sería este método LESPRE
para un caso concreto.

383
00:24:05,324 --> 00:24:10,458
Imaginemos que lo que queremos es que el
alumno adquiera conocimiento sobre lo que

384
00:24:10,458 --> 00:24:11,458
es un meme.

385
00:24:11,436 --> 00:24:14,122
Entonces le pasamos esta nota, que serían
nuestros superapuntes.

386
00:24:14,322 --> 00:24:18,591
Un meme es una imagen en internet, un
vídeo o una frase que se difunde

387
00:24:18,591 --> 00:24:20,695
rápidamente en las redes sociales.

388
00:24:20,895 --> 00:24:25,540
Muchos memes se basen en plantillas que
los usuarios reutilizan cambiando el texto

389
00:24:25,540 --> 00:24:26,927
para crear nuevas versiones.

390
00:24:27,127 --> 00:24:31,200
Aunque algunos memes pueden surgir
espontáneamente, pues muchos se

391
00:24:31,200 --> 00:24:36,401
popularizan gracias a comunidades online,
algoritmos de recomendación de plataformas

392
00:24:36,401 --> 00:24:37,906
como TikTok o Instagram.

393
00:24:38,106 --> 00:24:42,147
Y los memes, por último, se han convertido
en una forma importante de comunicación

394
00:24:42,147 --> 00:24:43,147
cultural en Internet.

395
00:24:43,343 --> 00:24:49,250
El alumno recibe esta información,
comienza a leerlo y lo tiene que de alguna

396
00:24:49,250 --> 00:24:51,164
forma hacer suyo.

397
00:24:51,364 --> 00:24:52,364
¿Cómo lo va a hacer suyo?

398
00:24:52,287 --> 00:24:55,095
Pues avanzaríamos entonces a la siguiente
fase.

399
00:24:55,295 --> 00:24:58,905
El alumno considera en una primera
iteración que lo más importante es esto.

400
00:24:59,105 --> 00:25:02,388
Meme de internet es una imagen, vídeo o
frase que se difunde rápidamente en redes

401
00:25:02,388 --> 00:25:03,388
sociales.

402
00:25:03,229 --> 00:25:04,410
¿Vale?

403
00:25:04,610 --> 00:25:05,812
Se basan en plantillas.

404
00:25:06,012 --> 00:25:06,633
Muy bien.

405
00:25:06,833 --> 00:25:10,596
Se popularizan gracias a comunidades
online y algoritmos de recomendación.

406
00:25:10,796 --> 00:25:13,699
Y es una forma importante de comunicación
cultural.

407
00:25:13,899 --> 00:25:17,722
De acuerdo, el alumno ha leído el
contenido y ha seleccionado lo que

408
00:25:17,722 --> 00:25:18,744
considera relevante.

409
00:25:18,944 --> 00:25:24,944
Si os fijáis aquí, ni el profesor ni la IA
está entrando en evaluar si esa selección

410
00:25:24,944 --> 00:25:26,512
es correcta o no.

411
00:25:26,712 --> 00:25:32,287
Es decir, esto sí que sería ya parte de
que el alumno en clase, cuando participe

412
00:25:32,287 --> 00:25:38,062
con el profesor, le manifieste esos tipos
de preguntas que ha formalizado con la IA

413
00:25:38,062 --> 00:25:43,171
y entonces con el profesor sí que sea
capaz de trabajar entre, pues mira,

414
00:25:43,171 --> 00:25:46,947
realmente esto sí es relevante, esto no es
relevante.

415
00:25:47,147 --> 00:25:49,210
Es verdad que es muy importante...

416
00:25:49,426 --> 00:25:54,190
Aquí, bueno, añado dos chascarrillos, pero
es verdad que desde mi percepción

417
00:25:54,190 --> 00:25:59,336
personal, todo esto es personal, luego me
podéis dar palos por mi forma de pensar,

418
00:25:59,336 --> 00:26:04,164
pero creo que con toda esta evolución que
estamos teniendo en la inteligencia

419
00:26:04,164 --> 00:26:08,865
artificial y la inmediatez en las
explicaciones, nosotros como docentes, el

420
00:26:08,865 --> 00:26:10,488
valor que aportamos al alumno

421
00:26:10,688 --> 00:26:15,035
claramente, es el de nuestra experiencia y
cercanía.

422
00:26:15,235 --> 00:26:20,888
Es decir, no podemos perder el foco de que
si vamos sencillamente a verbalizar lo que

423
00:26:20,888 --> 00:26:26,009
aparece en una pantalla y a transmitir el
conocimiento sencillamente como una

424
00:26:26,009 --> 00:26:31,062
lectura, sí que ahí el alumno pueda
considerar que hay ciertas ideas que son

425
00:26:31,062 --> 00:26:32,763
más atractivas que nosotros.

426
00:26:32,963 --> 00:26:36,469
Pero si nosotros acompañamos esa
información con experiencias personales

427
00:26:36,469 --> 00:26:40,470
nuestras, de pues mira, cuando yo estaba
trabajando en la empresa, te puedes creer

428
00:26:40,470 --> 00:26:43,138
que están metodologías ágiles, bla, bla,
bla, bla, bla.

429
00:26:43,338 --> 00:26:46,423
Y le describo lo que es un caso real, un
caso con más personas.

430
00:26:46,643 --> 00:26:50,665
O estaba en un proyecto de investigación y
aplicamos esta técnica, pues nada, que no

431
00:26:50,665 --> 00:26:51,665
aplicaba.

432
00:26:51,590 --> 00:26:57,036
Y todo debía, es decir, acercar esa
información, ese conocimiento que puede

433
00:26:57,036 --> 00:26:59,662
estar un poco más lejano al alumno,

434
00:26:59,862 --> 00:27:03,349
a un escenario que el alumno pueda sentir
más cercano.

435
00:27:03,549 --> 00:27:08,029
Entonces, a mi juicio, ese es el valor
que, por ejemplo, y lo enlazo de nuevo con

436
00:27:08,029 --> 00:27:12,286
esto, con la parte de la selección, es
donde el docente seguiría teniendo esa

437
00:27:12,286 --> 00:27:16,990
actividad, además que es transversal a los
alumnos y que, por tanto, no tendría, a lo

438
00:27:16,990 --> 00:27:17,955
mejor...

439
00:27:18,155 --> 00:27:23,090
tanta necesidad en delegarla en una
inteligencia artificial sino sencillamente

440
00:27:23,090 --> 00:27:28,347
los alumnos avanzan y en clase bueno a ver
qué tal cómo vamos bueno pues mira estas

441
00:27:28,347 --> 00:27:33,347
preguntas bien sobre qué temas habéis
tratado esto esto esto y nadie trata este

442
00:27:33,347 --> 00:27:38,668
tema pues quizá lo mejor es que deberíamos
habernos centrado en ahora sí que veo una

443
00:27:38,668 --> 00:27:41,681
mano arriba pues salvador creo que puedes
hablar

444
00:27:41,881 --> 00:27:45,945
[Orador 5]: Sí, ahora mientras Sonia le da acceso, hay
otra pregunta también en el chat.

445
00:27:46,145 --> 00:27:49,708
Si quieres te la voy haciendo y ahora
damos paso.

446
00:27:49,908 --> 00:27:53,111
Sobre qué IA usar en la asignatura.

447
00:27:53,311 --> 00:27:54,552
Yo creo que eso lo vas a explicar.

448
00:27:54,752 --> 00:27:56,093
[Orador 4]: Eso lo vamos a ver en la segunda parte.

449
00:27:56,293 --> 00:27:57,293
Por eso.

450
00:27:57,474 --> 00:28:01,298
Y ya os adelanto que esta no es una charla
de tenéis que utilizar esta IA.

451
00:28:01,498 --> 00:28:05,044
No, os vamos a enseñar qué técnica
tendríais que utilizar para que luego

452
00:28:05,044 --> 00:28:06,963
utilizaseis la IA que consideréis
oportuna.

453
00:28:07,163 --> 00:28:08,024
¿De acuerdo?

454
00:28:08,224 --> 00:28:11,516
O sea, que va más a la técnica que al
recurso.

455
00:28:11,716 --> 00:28:13,438
Vale.

456
00:28:13,638 --> 00:28:16,202
[Orador 1]: Salvador Jiménez, le puedes dar al
micrófono.

457
00:28:16,402 --> 00:28:22,402
Tiene que estar saliendo un pop-up para
aceptar y abrir tu micrófono para

458
00:28:22,402 --> 00:28:25,253
preguntar.

459
00:28:25,453 --> 00:28:26,453
[Orador 3]: A ver ahora.

460
00:28:25,794 --> 00:28:26,794
Ahora sí que te oye.

461
00:28:26,575 --> 00:28:30,176
Vale, que me han salido muchos pop-ups y
alguno no lo puedo ni quitar y de hecho no

462
00:28:30,176 --> 00:28:31,801
he conseguido ni escribir en el chat.

463
00:28:32,001 --> 00:28:37,352
Mira, yo tengo una duda y es ¿dónde acaba
la presentación?

464
00:28:37,552 --> 00:28:42,579
Yo soy profesor de matemáticas y tengo que
dar muchísimas cosas.

465
00:28:42,779 --> 00:28:44,801
Entonces sí que uso transparencias.

466
00:28:45,001 --> 00:28:51,001
Yo no las leo, las comento, pero ¿hasta
qué punto tengo que cortar en la

467
00:28:51,001 --> 00:28:57,017
presentación y dejarlo a que el alumno lo
lea y no presentarlo en clase?

468
00:28:57,217 --> 00:28:59,340
Esa es la duda que tengo en lo que has
explicado.

469
00:28:59,540 --> 00:29:02,644
[Orador 4]: Vale, vale, perdona, fallo mío porque lo
he explicado entonces es todo mal.

470
00:29:02,844 --> 00:29:07,932
Es decir, este método LESPRE no está
orientado a que se aplique en el aula,

471
00:29:07,932 --> 00:29:10,395
digamos, en la sesión con el docente.

472
00:29:10,595 --> 00:29:15,825
Este método LESPRE está orientado a que el
alumno fuera del aula, de forma autónoma,

473
00:29:15,825 --> 00:29:16,825
lo aplique.

474
00:29:16,803 --> 00:29:17,803
¿De acuerdo?

475
00:29:17,303 --> 00:29:21,429
Entonces, en clase el profesor decide cómo
explicar cierto contenido.

476
00:29:21,629 --> 00:29:25,353
No me miento en eso y cada uno tenemos
libertad de cátedra para hacerlo.

477
00:29:25,553 --> 00:29:29,956
Pero ese contenido al final van a ser unos
apuntes que luego el alumno, por la tarde

478
00:29:29,956 --> 00:29:33,989
o cuando sea en su casa, lo volverá a
leer, volverá a hacer esa síntesis, esa

479
00:29:33,989 --> 00:29:34,944
selección.

480
00:29:35,144 --> 00:29:36,606
Gracias, Salvador, porque quería
aclararlo.

481
00:29:36,806 --> 00:29:37,806
O sea, que me ha venido muy bien.

482
00:29:37,587 --> 00:29:39,169
Lo estaba explicando muy mal.

483
00:29:39,369 --> 00:29:43,322
Y entonces, de forma autónoma y con su
propia velocidad, pues mira, yo lo ha dado

484
00:29:43,322 --> 00:29:44,675
la clase por la mañana, Carlos.

485
00:29:44,875 --> 00:29:46,457
Yo es que esta tarde lo necesito ya.

486
00:29:46,657 --> 00:29:50,387
Pues él selecciona y entonces aplicaría
este método de autoevaluación.

487
00:29:50,587 --> 00:29:52,249
Lo puede hacer por la tarde, lo puede
hacer cualquier día.

488
00:29:52,449 --> 00:29:56,914
Es decir, es un método externo a lo que se
ve en el aula.

489
00:29:57,114 --> 00:29:58,356
Hay otra mano levantada.

490
00:29:58,556 --> 00:30:01,058
No sé si me voy parando o como queráis.

491
00:30:01,299 --> 00:30:04,703
[Orador 7]: Sí, buenas.

492
00:30:04,903 --> 00:30:06,685
Soy José Ignacio Pastor.

493
00:30:06,885 --> 00:30:10,347
Es en relación a la pregunta anterior.

494
00:30:10,749 --> 00:30:15,895
Entiendo que lo que no estás proponiendo,
es decir, es una clase invertida.

495
00:30:16,095 --> 00:30:16,948
No.

496
00:30:17,148 --> 00:30:19,091
[Orador 4]: No, no, no, no me meto en el aula.

497
00:30:19,291 --> 00:30:21,255
[Orador 7]: Simplemente por dejarlo claro desde el
principio.

498
00:30:21,455 --> 00:30:26,523
O sea, te he entendido bien, pero puede
ser que alguien no lo esté entendiendo.

499
00:30:26,723 --> 00:30:29,227
[Orador 4]: No, pero si me lo habéis dicho dos, eso es
que no lo estoy explicando bien.

500
00:30:29,427 --> 00:30:30,770
Entonces, no es aula invertida.

501
00:30:30,970 --> 00:30:33,013
[Orador 7]: Lo estamos entendiendo mal nosotros.

502
00:30:33,213 --> 00:30:34,576
[Orador 4]: No te preocupes.

503
00:30:34,776 --> 00:30:40,776
[Orador 7]: Es seguir un protocolo parecido al
habitual, pero con un soporte adicional a

504
00:30:40,776 --> 00:30:43,830
demanda del alumno.

505
00:30:44,080 --> 00:30:45,080
[Orador 4]: Perfectamente explicado.

506
00:30:45,262 --> 00:30:46,262
Eso es.

507
00:30:45,703 --> 00:30:49,667
Es un soporte adicional para que el
alumno, con su velocidad y de forma

508
00:30:49,667 --> 00:30:52,556
externa al aula, pueda continuar con el
aprendizaje.

509
00:30:52,776 --> 00:30:53,776
Eso es.

510
00:30:53,338 --> 00:30:56,965
En el aula, cada uno sigue con el proceso
que considere oportuno.

511
00:30:57,165 --> 00:31:00,191
Sí, sí, eso es.

512
00:31:00,391 --> 00:31:01,391
Muchas gracias, Carlos.

513
00:31:00,872 --> 00:31:01,872
Gracias, José.

514
00:31:01,192 --> 00:31:02,460
Santiago, ¿tienes alguna duda?

515
00:31:02,660 --> 00:31:08,081
[Orador 2]: Sí, bueno, más que una duda, yo solo
quería subrayar eso que has mencionado, si

516
00:31:08,081 --> 00:31:13,503
se me permite, que el papel que nos queda
como diferencial es el de acompañar y

517
00:31:13,503 --> 00:31:15,059
aportar experiencia.

518
00:31:15,259 --> 00:31:20,997
Yo me animo, aunque no suelo intervenir,
me animo a hacerlo porque es una

519
00:31:20,997 --> 00:31:26,777
conclusión a la que más o menos, con otras
palabras, yo ya había intentado llegar

520
00:31:26,977 --> 00:31:31,429
dándole muchas vueltas porque es que
realmente invito a todos los presentes a

521
00:31:31,429 --> 00:31:35,705
que intenten pedirle a la IA que les
explique algo porque es absolutamente

522
00:31:35,705 --> 00:31:36,678
maravilloso.

523
00:31:36,878 --> 00:31:42,687
Es decir, en conceptos complejos puedes
preguntarle con infinita paciencia e

524
00:31:42,687 --> 00:31:45,677
infinitas referencias a otros campos

525
00:31:45,877 --> 00:31:50,610
ejemplos, analogías explícamelo en 400
palabras, explícamelo como si tuviera 12

526
00:31:50,610 --> 00:31:55,526
años, explícamelo como si tuviera un nivel
de matemáticas de bachillerato, como si

527
00:31:55,526 --> 00:32:00,441
supiera determinadas asignaturas, como si
ya me hubiera mirado este temario que te

528
00:32:00,441 --> 00:32:05,417
acabo de entregar y conceptos complicados
explícame esta persona el descubridor, el

529
00:32:05,417 --> 00:32:09,665
camino lógico que llevó a este
descubrimiento y todos sus antecesores y

530
00:32:09,665 --> 00:32:14,459
si quiero puedo ver el momento histórico,
etcétera perdón por extenderme, lo que

531
00:32:14,459 --> 00:32:15,459
quiero decir es que

532
00:32:15,593 --> 00:32:21,593
Lo que nos queda a nosotros como docentes
es eso, contar lo que competimos, entre

533
00:32:21,593 --> 00:32:27,593
comillas, y encontrar nuestro valor
añadido va a requerir un cambio de

534
00:32:27,593 --> 00:32:30,170
paradigma.

535
00:32:30,370 --> 00:32:37,618
Nuestra función como docentes éramos los
propietarios del conocimiento.

536
00:32:37,818 --> 00:32:41,705
Y los que teníamos las herramientas para
transmitir conocimiento elevado.

537
00:32:41,905 --> 00:32:45,793
Y yo creo que nos han pasado por la
derecha.

538
00:32:45,993 --> 00:32:49,359
Entonces, simplemente un comentario.

539
00:32:49,559 --> 00:32:54,839
Yo animo a la gente a que pruebe, a que te
expliquen qué es la entropía o cuál es un

540
00:32:54,839 --> 00:32:56,973
concepto así que tengas que te baile.

541
00:32:57,173 --> 00:33:02,597
y que puedas seguir y tirar del hilo una y
otra vez con la inteligencia artificial y

542
00:33:02,597 --> 00:33:08,022
es algo es un proceso realmente fascinante
ya está sin más siento haber pirateado la

543
00:33:08,022 --> 00:33:12,989
charla no no no está muy bien muchas
gracias es que me gusta porque en cierto

544
00:33:12,989 --> 00:33:17,173
modo estamos alineados es decir es que es
un enfoque que nosotros

545
00:33:17,373 --> 00:33:21,318
[Orador 4]: lo estamos viendo y que en concreto con
esta IA además muy avanzada en varios

546
00:33:21,318 --> 00:33:25,471
proyectos de investigación por ejemplo lo
que sí que hemos detectado es que la IA

547
00:33:25,471 --> 00:33:29,365
donde hace aguas por ejemplo es en
acotarle una ventana una ventana temporal

548
00:33:29,365 --> 00:33:33,518
y lo que considero yo como docente es que
nosotros los docentes lo que tenemos es

549
00:33:33,518 --> 00:33:37,724
que facilitar el tránsito el tránsito es
ese proceso de aprendizaje entonces la IA

550
00:33:37,724 --> 00:33:41,877
lo que tiene es un criterio general de
aprendizaje yo le pregunto tal cosa y ella

551
00:33:41,877 --> 00:33:45,978
me la va a explicar pero el docente lo que
tiene que hacer es contextualizar ese

552
00:33:45,978 --> 00:33:46,978
aprendizaje en un

553
00:33:47,107 --> 00:33:50,921
programa docente donde tienes unas
asignaturas que el alumno ha tenido que

554
00:33:50,921 --> 00:33:54,683
ver previamente, donde tienes unas
asignaturas que además se dan de forma

555
00:33:54,683 --> 00:33:58,863
simultánea, entonces te lo va enlazando,
te lo va conectando, te lo enlaza además

556
00:33:58,863 --> 00:34:02,730
con unas experiencias personales y
profesionales que hacen que el alumno lo

557
00:34:02,730 --> 00:34:04,455
baje a la tierra mucho más fácil.

558
00:34:04,655 --> 00:34:09,924
Entonces es como, a mi juicio, la IA es un
recurso súper interesante para

559
00:34:10,124 --> 00:34:14,840
Sobre todo cuando ya eres un experto en un
dominio y quieres alcanzar otro

560
00:34:14,840 --> 00:34:19,751
conocimiento externo, pues te permite
saltar muy bien, pero que el docente lo

561
00:34:19,751 --> 00:34:24,984
que debe es acercar ese recurso o acotarlo
o personalizarlo, pero no como persona,

562
00:34:24,984 --> 00:34:30,283
sino como actividad pedagógica para que el
alumno le saque todo el partido posible.

563
00:34:30,483 --> 00:34:32,125
Entonces, bueno, me encanta.

564
00:34:32,325 --> 00:34:35,208
Gracias, Santiago, porque sí, estamos
alineados.

565
00:34:35,408 --> 00:34:36,529
Seguimos aquí, entonces.

566
00:34:36,729 --> 00:34:37,729
[Orador 5]: Sí, Carlos, ya que estamos...

567
00:34:37,630 --> 00:34:39,375
Una pregunta muy breve que está en el
chat.

568
00:34:39,575 --> 00:34:42,281
¿Cómo conseguimos que el alumno no use la
IA en la fase 2?

569
00:34:42,481 --> 00:34:44,727
Por ejemplo, si lo hace fuera del tiempo
del aula.

570
00:34:44,927 --> 00:34:49,599
Aunque yo creo que contesta porque has
remarcado ya que todo es fuera del aula.

571
00:34:49,799 --> 00:34:53,107
[Orador 4]: Todo es fuera del aula, pero sí que es
cierto que nosotros volvemos a lo mismo.

572
00:34:53,307 --> 00:34:56,094
No podemos evitar que el alumno use la IA.

573
00:34:56,294 --> 00:34:59,964
nosotros como docente le decimos dónde
debería utilizarla.

574
00:35:00,164 --> 00:35:01,809
¿Que la utiliza en otro recurso?

575
00:35:02,009 --> 00:35:05,018
Pues que la utilice, pero está asumiendo
un riesgo y es el de la síntesis.

576
00:35:05,218 --> 00:35:10,041
No va a ser capaz de sintetizar, que es lo
importante, luego cuando llegue el examen,

577
00:35:10,041 --> 00:35:11,315
la evaluación, lo que sea,

578
00:35:11,515 --> 00:35:16,283
seguramente haga aguas si no tira de esa
IA es decir esto no es un proceso para

579
00:35:16,283 --> 00:35:21,173
bloquear a la IA no el alumno bueno pues
bajo su responsabilidad como el niño que

580
00:35:21,173 --> 00:35:26,247
tiene menos de 18 y decide coger el coche
pues se la está jugando pero nosotros como

581
00:35:26,247 --> 00:35:27,617
docentes sí que le decimos

582
00:35:27,817 --> 00:35:32,419
En la fase de preguntas y en la fase de
evaluación sí que puedes utilizar IA, te

583
00:35:32,419 --> 00:35:37,196
la recomiendo de hecho y te preparo además
esta IA para que la utilices y le saques

584
00:35:37,196 --> 00:35:38,191
todo el partido.

585
00:35:38,391 --> 00:35:42,518
Entonces es como una forma de decir, vale,
no puedes utilizar el coche que todo el

586
00:35:42,518 --> 00:35:46,645
mundo utiliza porque no tienes 18 años,
pero sí que puedes, por ejemplo, leerte el

587
00:35:46,645 --> 00:35:49,906
código civil o utilizar el cuadro de mando
sin ponerlo en marcha.

588
00:35:50,106 --> 00:35:52,389
Valga un poco el ejemplo, aunque no sé si
está siendo muy acertado.

589
00:35:52,589 --> 00:35:57,749
Pero vale, pues eso sería, es decir, no
podemos ponernos a ser el policía que lo

590
00:35:57,749 --> 00:36:03,041
detecta, no, sencillamente lo que sí que
le tenemos que transmitir es los riesgos.

591
00:36:03,241 --> 00:36:08,581
Vale, entonces el alumno ha recibido una
sesión cuando sea en el aula, ya está

592
00:36:08,581 --> 00:36:13,988
fuera del aula, está en su casa o donde
sea y decide volver a ese contenido que

593
00:36:13,988 --> 00:36:15,575
vio en el aula y lo lee.

594
00:36:15,775 --> 00:36:21,189
Selecciona, marca aquello que considera
oportuno y ahora, gracias a lo que le ha

595
00:36:21,189 --> 00:36:25,271
preparado el profesor, dice anda, pues
quiero autoevaluarme.

596
00:36:25,471 --> 00:36:28,993
Voy a acceder al recurso que me ha
preparado el profesor para que me haga

597
00:36:28,993 --> 00:36:30,721
preguntas sobre lo que yo he subrayado.

598
00:36:30,921 --> 00:36:34,895
Ya no son unas preguntas estáticas, sino
que son dinámicas del contenido que él ha

599
00:36:34,895 --> 00:36:35,895
preparado.

600
00:36:35,789 --> 00:36:37,714
Y se las va a preguntar en distintos
niveles.

601
00:36:37,914 --> 00:36:40,640
A nivel de recordar, oye, pues, ¿y qué es
un meme?

602
00:36:40,840 --> 00:36:43,506
Y a nivel de comprender, ¿por qué se
difunden tan rápido?

603
00:36:43,726 --> 00:36:44,228
Etcétera.

604
00:36:44,448 --> 00:36:49,520
En pasa a tener esos seis niveles
preparados, ¿vale?

605
00:36:49,720 --> 00:36:51,063
Entonces...

606
00:36:51,263 --> 00:36:56,501
Una vez que el alumno tiene todo ese banco
de preguntas listo, yo lo que le

607
00:36:56,501 --> 00:37:02,205
recomendaría es, pues como si son post-it
o lo que sea, aleatoriamente ve cogiendo

608
00:37:02,205 --> 00:37:04,644
preguntas y pasa a responderlas.

609
00:37:04,844 --> 00:37:06,927
Vale, pues ¿por qué los memes se difunden
tan rápido?

610
00:37:07,127 --> 00:37:09,331
Ah, esto me suena, lo subrayé.

611
00:37:09,531 --> 00:37:12,115
Claro, pues esto era y respondo, ¿vale?

612
00:37:12,315 --> 00:37:17,504
Pues entonces, una vez que ya tengo esas
preguntas, genero las respuestas, hasta

613
00:37:17,504 --> 00:37:19,869
ahí de nuevo todo proceso del alumno

614
00:37:20,069 --> 00:37:23,658
No va con prisa, responde en el tiempo que
consideres oportuno, cada uno tiene su

615
00:37:23,658 --> 00:37:24,658
velocidad.

616
00:37:24,576 --> 00:37:27,601
¿Qué quieres utilizar los apuntes para
responder?

617
00:37:27,801 --> 00:37:29,244
Pues eres libre, ¿qué no los quieres
utilizar?

618
00:37:29,444 --> 00:37:33,691
Eso depende en tu forma de ejercitar esta
autoevaluación.

619
00:37:33,891 --> 00:37:34,633
¿De acuerdo?

620
00:37:34,833 --> 00:37:35,833
Y ya por último, ¿vale?

621
00:37:35,955 --> 00:37:40,910
¿Cómo sabes de cara al profesor si la
respuesta que tú has dado a esa pregunta

622
00:37:40,910 --> 00:37:42,004
es adecuada o no?

623
00:37:42,245 --> 00:37:46,452
De nuevo aquí, el profesor habrá
suministrado un acceso a una inteligencia

624
00:37:46,452 --> 00:37:47,452
artificial.

625
00:37:47,373 --> 00:37:53,043
suya propia, y entonces le explica, pues
mira, lo que tú has respondido, pues está

626
00:37:53,043 --> 00:37:58,780
correctamente de acuerdo a que se difunden
rápido y demás, pero la respuesta es que

627
00:37:58,780 --> 00:38:04,184
es un poco genérica y quizá debería ser
más específica, y le explica qué punto

628
00:38:04,184 --> 00:38:05,521
debería mejorar.

629
00:38:05,721 --> 00:38:10,092
A lo mejor decís, no, yo solo quiero
decirle bien, mal, y que me pregunte en

630
00:38:10,092 --> 00:38:11,092
clase.

631
00:38:11,009 --> 00:38:13,093
Vale, pues entonces tu guía solamente le
va a decir...

632
00:38:13,293 --> 00:38:18,071
A preguntar al profesor por qué este
concepto no lo tienes claramente

633
00:38:18,071 --> 00:38:19,584
interiorizado, etc.

634
00:38:19,784 --> 00:38:21,909
Ahí es lo que vosotros consideréis
oportuno.

635
00:38:22,109 --> 00:38:26,462
Pero lo que facilita es que el alumno
fuera del aula, fuera de contacto con el

636
00:38:26,462 --> 00:38:29,402
profesor, puede continuar ese proceso de
aprendizaje.

637
00:38:29,602 --> 00:38:32,267
Y lo puede hacer de forma guiada por el
profesor.

638
00:38:32,467 --> 00:38:37,281
Y esa guía viene en la formulación de las
preguntas y en la evaluación de las

639
00:38:37,281 --> 00:38:38,281
respuestas.

640
00:38:38,217 --> 00:38:44,217
El diagrama final de todo este proceso, el
cierre de este método LESPRE sería este,

641
00:38:44,217 --> 00:38:50,217
es decir, por un lado tenemos al docente,
al docente que se encarga de crear modelos

642
00:38:50,217 --> 00:38:56,025
de inteligencia artificial que cubren los
niveles de Bloom y además que evalúan

643
00:38:56,025 --> 00:39:00,613
respuestas a preguntas formuladas
previamente por estos modelos.

644
00:39:00,813 --> 00:39:06,761
Los crea y los publica, es decir, permite
que los alumnos dentro de este proceso

645
00:39:06,761 --> 00:39:11,997
iterativo que hacen de autoevaluación
fuera del aula puedan utilizarlos.

646
00:39:12,197 --> 00:39:13,197
¿Cuándo?

647
00:39:12,618 --> 00:39:15,986
Pues en la fase de pregunta, pues me
encuentro muy fuerte.

648
00:39:16,186 --> 00:39:19,132
Yo ya quiero saltar a la parte del
análisis crítico.

649
00:39:19,332 --> 00:39:24,497
Fantástico, utiliza el recurso de la IA
crítica, genera las preguntas, responde y

650
00:39:24,497 --> 00:39:28,609
evalúa si la respuesta que ha dado esa
pregunta es correcta o no.

651
00:39:28,809 --> 00:39:33,198
De nuevo, evaluar con uno de los modelos
que el profesor ha preparado.

652
00:39:33,398 --> 00:39:38,961
La interacción es un triángulo, tenemos al
profesor y al alumno que en el aula siguen

653
00:39:38,961 --> 00:39:44,458
teniendo su comunicación, su presentación
del contenido, pero eso sí, una vez que el

654
00:39:44,458 --> 00:39:49,425
contenido ya ha sido presentado por el
profesor, el alumno de forma autónoma

655
00:39:49,425 --> 00:39:51,457
puede interiorizarlo, avanzarlo...

656
00:39:51,657 --> 00:39:56,708
entenderlo de forma autónoma utilizando
esos seis recursos que siguen teniendo la

657
00:39:56,708 --> 00:40:01,697
impronta del docente porque esas sillas
las ha creado el profesor entonces bueno

658
00:40:01,697 --> 00:40:06,559
esto es un articulillo que estamos ahí
preparando con esta visión pero que nos

659
00:40:06,559 --> 00:40:07,559
gustaría sobre todo

660
00:40:07,739 --> 00:40:11,872
y llevarlo directamente al aula, porque
hemos tenido solamente un feedback

661
00:40:11,872 --> 00:40:16,516
positivo, pero me gustaría durante todo un
semestre ver cómo funciona para aquellos

662
00:40:16,516 --> 00:40:19,801
alumnos que quieran participar y que lo
quieran incorporar.

663
00:40:20,001 --> 00:40:24,358
Por eso, digamos, ahora ya esta segunda
parte del bloque de hoy iría a, venga,

664
00:40:24,358 --> 00:40:26,273
vale, pues ahora, ¿y cómo lo hacemos?

665
00:40:26,473 --> 00:40:28,076
¿Y cómo lo podríamos implementar?

666
00:40:28,276 --> 00:40:33,544
Entonces, por mi parte, este primer método
quedaría cerrado.

667
00:40:33,744 --> 00:40:39,108
No sé si tenéis alguna duda, algo que no
haya explicado bien, como antes que no he

668
00:40:39,108 --> 00:40:42,618
sido capaz de matizar bien que se produzca
en el aula.

669
00:40:42,818 --> 00:40:43,839
Ah, vale.

670
00:40:44,039 --> 00:40:48,106
Alberto, en el chat, el estudiante le pasa
la IA a lo que ha subrayado.

671
00:40:48,306 --> 00:40:49,306
Exacto.

672
00:40:49,167 --> 00:40:54,080
El estudiante debería pasarle a la IA
aquello que ha considerado relevante o

673
00:40:54,080 --> 00:40:57,160
sobre lo que quiere que la IA le haga
preguntas.

674
00:40:57,360 --> 00:41:01,806
Es decir, si el alumno considera que el
concepto de entropía es importante

675
00:41:01,806 --> 00:41:06,739
entenderlo, subraya la definición, subraya
aquellos ejemplos o lo que considere de

676
00:41:06,739 --> 00:41:07,739
los apuntes.

677
00:41:07,696 --> 00:41:12,494
que explica lo que es la entropía para que
la IA le formule preguntas, pues a tipo

678
00:41:12,494 --> 00:41:15,395
recordar, a tipo comprender o a tipo
analizar, ¿vale?

679
00:41:15,595 --> 00:41:20,828
Es como una forma de extraer del texto
original aquello que el alumno considera

680
00:41:20,828 --> 00:41:23,662
relevante, ya sea porque de cara al examen

681
00:41:23,862 --> 00:41:29,394
El profesor se lo va a preguntar, de cara
personal es un conocimiento que quiere

682
00:41:29,394 --> 00:41:33,527
adquirir o de sus habilidades es aquello
lo que más flojea.

683
00:41:33,727 --> 00:41:36,354
Esto no puede fomentar a que el alumno no
acuda al aula.

684
00:41:36,554 --> 00:41:40,200
Aquí insisto en lo anterior.

685
00:41:40,400 --> 00:41:45,633
El valor que el docente tiene que tener no
es el de transmitirle el texto que el

686
00:41:45,633 --> 00:41:50,601
alumno tiene que leer, no, es el de
presentarle el texto que el alumno tiene

687
00:41:50,601 --> 00:41:55,967
que leer contextualizado con el resto de
contenido que hay, tanto en la asignatura

688
00:41:55,967 --> 00:42:01,200
como en las asignaturas que forman parte
del grado, del máster, de lo que sea, y

689
00:42:01,200 --> 00:42:03,167
con la experiencia personal de...

690
00:42:03,367 --> 00:42:06,735
Pues el otro día leí que en la noticia
patatín, fijaros, esta infraestructura,

691
00:42:06,735 --> 00:42:09,885
estamos viendo infraestructura de Big
Data, pues esta infraestructura que

692
00:42:09,885 --> 00:42:11,980
funciona bien para estos escenarios, aquí
hizo aguas.

693
00:42:12,180 --> 00:42:13,943
¿Os podéis creer por qué?

694
00:42:14,143 --> 00:42:15,143
Y lo explico.

695
00:42:15,084 --> 00:42:19,456
Entonces ya presento ahí uno de los
conceptos que la lectura aparece de forma

696
00:42:19,456 --> 00:42:20,772
un poco más formal, ¿vale?

697
00:42:20,972 --> 00:42:24,598
Entonces, a mi juicio, la forma de...

698
00:42:24,798 --> 00:42:30,177
que el docente no pierda ese valor y que
siga siendo atractivo para el alumno es en

699
00:42:30,177 --> 00:42:32,145
la presentación del contenido.

700
00:42:32,345 --> 00:42:38,101
Es decir, si la sesión va a ser pues un
meme es esto que veis aquí y yo te lo leo

701
00:42:38,101 --> 00:42:39,992
y lo habéis entendido.

702
00:42:40,192 --> 00:42:42,995
Entonces ahí el riesgo a mi juicio es
alto.

703
00:42:43,195 --> 00:42:44,195
¿Por qué?

704
00:42:43,595 --> 00:42:47,719
Porque la IA ya lo va a verbalizar y de
hecho te lo va a reorientar.

705
00:42:47,919 --> 00:42:53,062
Sin embargo, tú tienes que darle un
poquito más de personalización, de

706
00:42:53,062 --> 00:42:54,585
contextualización.

707
00:42:54,785 --> 00:43:03,036
No sé si te he contestado, Estela, o
prefieres hablar y se resuelven, no sé.

708
00:43:03,236 --> 00:43:04,057
Ah, fantástico.

709
00:43:04,257 --> 00:43:07,956
Eduardo, pero si el alumno, el que decide
lo relevante, se puede dejar partes

710
00:43:07,956 --> 00:43:08,883
importantes.

711
00:43:09,083 --> 00:43:09,584
Eso es.

712
00:43:09,784 --> 00:43:12,448
Es decir, y no es que yo lo esté buscando,
no, ni mucho menos.

713
00:43:12,648 --> 00:43:17,353
Digamos que ese sería otro de los
aspectos, habilidades a desarrollar por el

714
00:43:17,353 --> 00:43:18,353
alumno.

715
00:43:18,275 --> 00:43:22,671
Entonces aquí en este método no nos
metemos en la parte de la selección, ahí

716
00:43:22,671 --> 00:43:27,537
delegamos en que el alumno cuando con ese
aprendizaje que ha ido adquiriendo vaya al

717
00:43:27,537 --> 00:43:32,343
aula y le comente o comenten los alumnos,
esta es la parte interesante, al profesor

718
00:43:32,343 --> 00:43:36,681
las preguntas que han ido haciendo y los
conceptos que han ido tratando, el

719
00:43:36,681 --> 00:43:41,210
profesor sí que puede detectar si hay una
tendencia errónea, acertada o incorrecta

720
00:43:41,410 --> 00:43:44,575
de destacar aquellos puntos que él
considera relevantes.

721
00:43:44,775 --> 00:43:49,841
Entonces, ahí de nuevo el profesor
contextualiza ese conocimiento general en

722
00:43:49,841 --> 00:43:52,707
aquello que considera realmente
importante.

723
00:43:52,907 --> 00:43:57,203
A ver, chicos, esto son infraestructuras
de Big Data, pero dado el grado en el que

724
00:43:57,203 --> 00:44:01,180
estáis y el alcance de esta asignatura,
vamos a ceñirnos, por ejemplo, a los

725
00:44:01,180 --> 00:44:04,143
modelos multidimensionales por encima de
los otros, porque...

726
00:44:04,343 --> 00:44:07,727
Y entonces de nuevo personalizamos esa
experiencia.

727
00:44:07,927 --> 00:44:12,371
Es verdad que de charlas anteriores este
punto sí ha resultado más crítico porque

728
00:44:12,371 --> 00:44:16,705
efectivamente es una habilidad que el
alumno no tiene por qué tener adquirida y

729
00:44:16,705 --> 00:44:21,316
ahí el error sería que delegase en una IA
porque entonces ya pierde esa capacidad de

730
00:44:21,316 --> 00:44:22,316
síntesis.

731
00:44:22,364 --> 00:44:26,950
Por eso decimos que no, que no, que el
alumno lo subraye y que si lo hace mal

732
00:44:26,950 --> 00:44:30,654
significa que se está dejando contenido
importante y que por tanto

733
00:44:30,854 --> 00:44:35,946
Aunque esté respondiendo muy bien a todas
las preguntas, lo que no está es

734
00:44:35,946 --> 00:44:39,106
formulando preguntas relevantes,
importantes.

735
00:44:39,306 --> 00:44:44,313
Pues eso el profesor tendría que ser capaz
de corregirlo en el aula.

736
00:44:44,513 --> 00:44:45,895
No sé si hay más preguntas.

737
00:44:46,095 --> 00:44:47,095
Ah, vale.

738
00:44:46,836 --> 00:44:49,300
Estoy viendo otra de Beatriz.

739
00:44:49,500 --> 00:44:52,945
A la programación de cuestiones en MUDE es
que la IA, la que propone preguntas y el

740
00:44:52,945 --> 00:44:53,786
profesor las filtra.

741
00:44:53,986 --> 00:44:54,467
Eso es.

742
00:44:54,667 --> 00:44:55,667
Es decir...

743
00:44:55,829 --> 00:45:00,507
Aquí el matiz es que esto es
autoevaluación, es decir, el cómo el

744
00:45:00,507 --> 00:45:05,853
profesor decida al final generar el
cuestionario último, no me meto, eso el

745
00:45:05,853 --> 00:45:08,459
profesor decide cómo lo va a crear.

746
00:45:08,659 --> 00:45:13,537
Yo aquí lo que estoy es ofreciendo la IA
para que le dé respaldo a las horas

747
00:45:13,537 --> 00:45:14,537
anuales.

748
00:45:14,493 --> 00:45:19,859
a la velocidad que el alumno considere,
vale, en cuestión de grados, pero por

749
00:45:19,859 --> 00:45:25,559
ejemplo en máster, donde hay alumnos que
están trabajando, a lo mejor sus horarios

750
00:45:25,559 --> 00:45:30,792
de estudiar y aprender son muy diferentes
a los que el profesor pueda tener

751
00:45:30,792 --> 00:45:35,825
disponibilidad, pues de esta forma avanza
en cualquier momento y con una

752
00:45:36,025 --> 00:45:37,728
velocidad que considero oportuna.

753
00:45:37,928 --> 00:45:40,251
Pues mira, ahora me quiero avanzar todo
este temario.

754
00:45:40,451 --> 00:45:44,740
Vale, pues sintetizo y voy formulando una
pregunta sobre otra pregunta y la IA me

755
00:45:44,740 --> 00:45:49,083
responde y me autoevalúo y voy avanzando y
así a la sesión que tengo en el aula la

756
00:45:49,083 --> 00:45:52,408
semana que viene ya llego con todo este
conocimiento adquirido.

757
00:45:52,608 --> 00:45:54,951
Y otro solamente puede avanzar cada cuatro
semanas.

758
00:45:55,151 --> 00:45:56,151
Bueno, pues...

759
00:45:55,752 --> 00:46:00,771
En definitiva, es decir, yo ahí no me
estoy metiendo en esa generación en Moodle

760
00:46:00,771 --> 00:46:05,790
de los cuestionarios evaluados finales, es
decir, aquí es más autoevaluación, de

761
00:46:05,790 --> 00:46:10,555
hecho, ahora cuando veamos el ejemplo
práctico vais a ver que no me apoyo en

762
00:46:10,555 --> 00:46:15,575
Moodle, no hay una rúbrica, no hay un
criterio, una rúbrica, no hay un registro,

763
00:46:15,575 --> 00:46:20,594
mejor dicho, de nota, solamente una forma
de que el alumno pueda tener feedback,

764
00:46:20,594 --> 00:46:21,594
¿vale?,

765
00:46:21,554 --> 00:46:26,309
No sería, Eduardo menciona que no sería
interesante que la IA en respuesta

766
00:46:26,309 --> 00:46:29,712
determine también qué le puede faltar con
sus preguntas.

767
00:46:29,912 --> 00:46:31,135
Fantástico, eso es.

768
00:46:31,335 --> 00:46:37,088
Eduardo, eso lo que significa es que en tu
IA que va a dar soporte a la evaluación,

769
00:46:37,088 --> 00:46:41,908
le quieres de alguna forma corregir lo que
consideras relevante y no.

770
00:46:42,108 --> 00:46:47,258
Entonces, en tu IA deberías prepararla
para que sea, además de explicativa,

771
00:46:47,258 --> 00:46:50,104
crítica con la relevancia del contenido.

772
00:46:50,304 --> 00:46:54,708
Pues mira, alumno, sí que me has
contestado muy bien esta pregunta, pero

773
00:46:54,708 --> 00:46:58,988
replantéate si esta pregunta es
suficientemente importante para lo que

774
00:46:58,988 --> 00:46:59,988
estamos viendo.

775
00:46:59,962 --> 00:47:05,361
Entonces, es una forma de que de ahí le
intentes reencaminar o que tenga un poco

776
00:47:05,361 --> 00:47:10,694
más de sudor frío de decir, ahí va, a ver
si es que la parte de selección no la

777
00:47:10,694 --> 00:47:12,227
estoy cubriendo bien.

778
00:47:12,427 --> 00:47:17,916
Pero sí, de nuevo, esto sería en el modelo
de IA aquí, en la parte de evaluaciones

779
00:47:17,916 --> 00:47:21,406
evidenciadas, donde tú personalizarías
eso, Eduardo.

780
00:47:21,606 --> 00:47:22,606
Sí.

781
00:47:21,646 --> 00:47:26,404
María, ¿crees que la IA podría ayudarle al
profesor a generar esos ejemplos de la

782
00:47:26,404 --> 00:47:29,259
vida real profesional para dar contexto en
clase?

783
00:47:29,459 --> 00:47:33,934
A ver, la IA, por mi experiencia de
experimentos que estamos haciendo, hemos

784
00:47:33,934 --> 00:47:38,469
sacado hace poco además un benchmark, por
ejemplo, de alucinaciones, ventanas

785
00:47:38,469 --> 00:47:40,319
temporales, dominio de un área.

786
00:47:40,519 --> 00:47:44,025
La IA es muy buena dando ejemplos típicos,
es decir...

787
00:47:44,225 --> 00:47:46,230
A mi juicio, poco humanos.

788
00:47:46,470 --> 00:47:51,807
Poco humanos es, yo por ejemplo, en la
asignatura que tenía de ingeniería del

789
00:47:51,807 --> 00:47:57,212
software, a los alumnos les explicaba
cuando yo en la empresa tuve que liderar

790
00:47:57,212 --> 00:48:00,663
un equipo de trabajo aplicando una
metodología ágil,

791
00:48:00,863 --> 00:48:05,474
Como me pasó que con ciertas personas eso
le generaba ansiedad.

792
00:48:05,674 --> 00:48:10,123
Cuando tú te leías la documentación de la
metodología ágil, son todo beneficios, la

793
00:48:10,123 --> 00:48:14,463
gente está súper contenta, el equipo es
súper productivo, la empresa feliz, y sin

794
00:48:14,463 --> 00:48:18,370
embargo ahí tienes una bofetada de
realidad y dices, no, pero es que para

795
00:48:18,370 --> 00:48:19,370
esta persona concreta,

796
00:48:19,544 --> 00:48:24,274
con una serie de características que no la
alejan de muchas otras personas, esta

797
00:48:24,274 --> 00:48:25,891
metodología no es adecuada.

798
00:48:26,091 --> 00:48:29,855
Entonces, esa experiencia personal a nivel
de IA es muy difícil que salga.

799
00:48:30,055 --> 00:48:30,656
¿Por qué?

800
00:48:30,856 --> 00:48:32,658
Porque no está muy extendida.

801
00:48:32,858 --> 00:48:36,435
Y entonces, la IA al final no deja de
responderte lo más probable, que siempre

802
00:48:36,435 --> 00:48:39,084
suele ser lo más acertado, porque es lo
que más se repite.

803
00:48:39,284 --> 00:48:43,368
Sin embargo, aquí esta personalización de
mi caso es muy concreto de Carlos cuando

804
00:48:43,368 --> 00:48:47,502
trabajaba en la empresa, en la empresa en
la que trabajaba y en el equipo en el que

805
00:48:47,502 --> 00:48:48,502
trabajaba.

806
00:48:48,569 --> 00:48:53,347
Pero creo que le aporta mucho valor porque
los alumnos ahí descubren cómo una

807
00:48:53,347 --> 00:48:57,938
metodología es buena en términos
generales, pero existen escenarios en los

808
00:48:57,938 --> 00:49:03,157
que te puedes encontrar con una dificultad
y tú como experto tienes que reajustarlo,

809
00:49:03,157 --> 00:49:04,157
reencaminarlo.

810
00:49:04,170 --> 00:49:08,941
Entonces, es verdad que la IA te puede
generar experiencias, a mi juicio, poco

811
00:49:08,941 --> 00:49:12,722
humanas, por lo que hemos visto también de
otros experimentos.

812
00:49:12,922 --> 00:49:16,247
Válidas, por eso hablaba de que cuando te
acercas a la IA como experto

813
00:49:16,447 --> 00:49:21,360
tu sensación de satisfacción es mucho
mayor que cuando no eres experto, pero no

814
00:49:21,360 --> 00:49:25,895
tan cercanas a los estudiantes de lo que,
en mi opinión, deberían ser los

815
00:49:25,895 --> 00:49:27,470
comentarios del profesor.

816
00:49:27,670 --> 00:49:30,882
Vale, entonces María dice, entonces poco
tenemos que aportar en las asignaturas que

817
00:49:30,882 --> 00:49:33,703
impartimos que no están relacionadas con
nuestra experiencia profesional.

818
00:49:33,903 --> 00:49:36,328
Profesional, me explico,

819
00:49:36,528 --> 00:49:42,528
Personal, es decir, ya sea investigadora,
ya sea en tu dominio, es decir, algo que

820
00:49:42,528 --> 00:49:48,673
te aporte un valor adicional a ser un mero
transmisor de información.

821
00:49:48,873 --> 00:49:51,659
Es decir, no me quiero meter ahí a empezar
a...

822
00:49:51,859 --> 00:49:53,222
No, pues aquí sí que aplica o no aplica.

823
00:49:53,422 --> 00:49:54,422
No.

824
00:49:53,723 --> 00:49:58,919
El docente, cuando transmitimos un
conocimiento, no verbalizamos solo una

825
00:49:58,919 --> 00:50:04,315
información, sino transmitimos el
conocimiento y el conocimiento es adquirir

826
00:50:04,315 --> 00:50:09,378
un pensamiento crítico, llevarlo a
escenarios reales, poner ejemplos de

827
00:50:09,378 --> 00:50:10,888
nuestra vida real...

828
00:50:11,088 --> 00:50:15,378
Pues esos ejemplos pueden ser, a lo mejor,
una conversación con otro docente, María,

829
00:50:15,378 --> 00:50:19,307
en el que al discutir sobre cierto tema,
pues fíjate, salió a la luz algo que

830
00:50:19,307 --> 00:50:21,220
viendo los apuntes, pues no aparecía.

831
00:50:21,440 --> 00:50:22,440
Eso es una experiencia.

832
00:50:22,261 --> 00:50:26,658
Y eso, a mi juicio, al alumno lo va a
agradecer muchísimo porque le va a

833
00:50:26,658 --> 00:50:31,179
enriquecer toda esta experiencia que de
forma, vamos a llamarla quizá, más

834
00:50:31,179 --> 00:50:34,957
industrial, sería puramente basada en
inteligencia artificial.

835
00:50:35,157 --> 00:50:41,786
No sé si me estoy explicando bien, pero
bueno, más o menos, sí.

836
00:50:41,986 --> 00:50:44,070
Genial, gracias María.

837
00:50:44,270 --> 00:50:46,373
¿Hay alguna duda hasta este punto?

838
00:50:46,573 --> 00:50:52,256
O ya lo siguiente que tengo yo aquí
planificado es, venga, pues vamos a pasar

839
00:50:52,256 --> 00:50:54,627
a la parte de implementación.

840
00:50:54,827 --> 00:51:00,937
¿Cómo podríamos abordar esto cada uno de
nosotros de forma autónoma?

841
00:51:01,137 --> 00:51:02,640
¿De acuerdo?

842
00:51:02,840 --> 00:51:03,840
Vale, pues...

843
00:51:03,080 --> 00:51:05,784
Tenemos que crear inteligencias
artificiales, hemos quedado en eso, ¿no?

844
00:51:05,984 --> 00:51:10,147
Tenemos que crear inteligencias
artificiales que sean capaces de formular

845
00:51:10,147 --> 00:51:14,484
preguntas y de evaluar respuestas de
acuerdo a una pregunta y a un contexto,

846
00:51:14,484 --> 00:51:17,318
que sería ese texto que el alumno ha
seleccionado.

847
00:51:17,518 --> 00:51:22,942
Vale, pues aquí tenemos, a la hora de
crear inteligencia artificial generativa,

848
00:51:22,942 --> 00:51:24,547
tres estrategias claras.

849
00:51:24,747 --> 00:51:28,572
La primera requiere mucho esfuerzo, pero
es muy potente.

850
00:51:28,772 --> 00:51:31,856
Parto de la más potente a la menos
potente, ¿de acuerdo?

851
00:51:32,056 --> 00:51:34,819
La más potente es crear una IA propia.

852
00:51:35,039 --> 00:51:39,948
Cuando digo de inteligencia artificial
propia, es que no nos creamos una IA a

853
00:51:39,948 --> 00:51:44,471
partir de chat GPT, el modelo que tiene
debajo que es GPT o Gemini, no.

854
00:51:44,671 --> 00:51:46,753
Estamos hablando de crear una IA propia.

855
00:51:46,953 --> 00:51:52,050
Es decir, de que no exista un modelo de
lenguaje previo, salvo el que estamos

856
00:51:52,050 --> 00:51:54,062
construyendo para este propósito.

857
00:51:54,262 --> 00:51:55,884
Vale, aquí hay que ser muy realista.

858
00:51:56,084 --> 00:52:02,084
Y es a nivel nacional, los modelos nativos
español de IA generativa solamente los

859
00:52:02,084 --> 00:52:07,959
construye el BSC, el Barcelona
Supercomputing Center.

860
00:52:08,159 --> 00:52:13,610
Se requieren no solo de grandes recursos
documentales, sino de grandes recursos

861
00:52:13,610 --> 00:52:16,749
computacionales para crearlo y para
mantenerlo.

862
00:52:16,949 --> 00:52:21,176
Porque si ya es costoso crear el recurso,
os podéis hacer una idea de lo que es

863
00:52:21,176 --> 00:52:22,176
ponerlo

864
00:52:22,055 --> 00:52:25,140
en disposición de que los usuarios lo
utilicen.

865
00:52:25,340 --> 00:52:30,881
Ya estáis viendo en otros recursos y otros
idiomas, ChatGPT, Gemini, etcétera, cómo

866
00:52:30,881 --> 00:52:36,422
requieren suscripciones más pagos elevados
en empresa porque es una infraestructura

867
00:52:36,422 --> 00:52:37,697
con un coste alto.

868
00:52:37,897 --> 00:52:43,600
Entonces, crear una IA propia ya solo se
me ocurre que ese alcance tendría que ser

869
00:52:43,600 --> 00:52:48,771
a nivel institucional, pero lo veo
difícilmente abordable, insisto, en que

870
00:52:48,771 --> 00:52:50,255
sea realmente propia.

871
00:52:50,455 --> 00:52:55,149
Siguiente nivel, bueno, pues venga,
asumimos que quizá crearla desde cero va a

872
00:52:55,149 --> 00:52:59,417
ser un poco complicado, pero si
modificamos una inteligencia artificial

873
00:52:59,417 --> 00:53:01,612
existente, vale, esto es, tenemos...

874
00:53:01,812 --> 00:53:05,715
un modelo de IA generativo ya creado, que
puede ser incluso multilingüe, haya

875
00:53:05,715 --> 00:53:10,029
utilizado textos principalmente en inglés,
aunque también en español, y que entonces,

876
00:53:10,029 --> 00:53:12,569
por tanto, tiene, digamos, como una
cultura general.

877
00:53:12,769 --> 00:53:17,791
Es una persona que tiene un nivel de
estudios suficiente como para formular

878
00:53:17,791 --> 00:53:18,880
preguntas.

879
00:53:19,080 --> 00:53:22,877
Pero claro, tiene un nivel de estudios o
una preparación para formular preguntas

880
00:53:22,877 --> 00:53:23,877
generales.

881
00:53:23,767 --> 00:53:27,516
Y nosotros lo que queremos es
especializarlo en nuestro dominio

882
00:53:27,516 --> 00:53:28,436
concreto.

883
00:53:28,657 --> 00:53:29,198
¿De acuerdo?

884
00:53:29,398 --> 00:53:34,804
Entonces, aquí lo que sí que vamos es a
crear otra inteligencia artificial, pero a

885
00:53:34,804 --> 00:53:35,804
partir de esta.

886
00:53:35,831 --> 00:53:36,413
¿Cómo?

887
00:53:36,613 --> 00:53:39,800
Aportándole ejemplos por prueba y error.

888
00:53:40,000 --> 00:53:41,000
Pues mira...

889
00:53:40,220 --> 00:53:43,879
Y ya, tú eres muy buena haciendo estas
preguntas, pues ahora, si yo te diera este

890
00:53:43,879 --> 00:53:45,576
texto, quiero que me hagas esta pregunta.

891
00:53:45,776 --> 00:53:47,581
Si yo te diera este texto, quiero que me
hagas esta pregunta.

892
00:53:47,781 --> 00:53:49,567
Si yo te diera este texto, papapá, papapá.

893
00:53:49,767 --> 00:53:54,295
Y entonces, así necesitaríamos crear una
colección documental suficientemente

894
00:53:54,295 --> 00:53:55,295
grande para

895
00:53:55,222 --> 00:53:58,030
Cuando digo grande, es muy elevada.

896
00:53:58,230 --> 00:53:59,230
Carlos, ¿esto qué es?

897
00:53:59,012 --> 00:54:02,621
A partir de 100 preguntas, pues menos es
peor.

898
00:54:02,821 --> 00:54:05,990
Es decir, con 100 preguntas, a mi juicio,
no es suficiente.

899
00:54:06,190 --> 00:54:10,867
Es decir, si lo que queremos es que el
modelo sea capaz de entender

900
00:54:11,067 --> 00:54:15,055
¿Qué partes relevantes del texto tiene que
utilizar para formular esa pregunta?

901
00:54:15,255 --> 00:54:17,480
Le tenemos que dar muchos ejemplos.

902
00:54:17,680 --> 00:54:22,537
Muchos ejemplos, pues a lo mejor en
ciertas asignaturas sí que disponéis de

903
00:54:22,537 --> 00:54:27,854
esos bancos de preguntas y el ejercicio
sería, vale, vamos a vincular esa pregunta

904
00:54:27,854 --> 00:54:28,839
concreta

905
00:54:29,039 --> 00:54:33,668
con aquellos textos de los que bebió para
evaluar.

906
00:54:33,868 --> 00:54:39,868
Y construimos un conjunto de contexto,
pregunta, y reentrenamos una inteligencia

907
00:54:39,868 --> 00:54:44,368
artificial existente, ¿para qué?

908
00:54:44,568 --> 00:54:47,213
Pues para que sea capaz de formular este
tipo de preguntas.

909
00:54:47,413 --> 00:54:50,959
El alcance, pues a mí se me ocurre que
este alcance sí que podría ser a lo mejor

910
00:54:50,959 --> 00:54:52,042
como un servicio transversal.

911
00:54:52,242 --> 00:54:55,424
o por asignaturas de un departamento, o
por asignaturas de un área de

912
00:54:55,424 --> 00:54:56,424
conocimiento.

913
00:54:56,368 --> 00:54:57,790
¿Por qué digo transversal?

914
00:54:57,990 --> 00:55:02,695
Porque se puede beber de esa combinación
de todos esos bancos de preguntas para

915
00:55:02,695 --> 00:55:07,280
crear una IA que de alguna forma sí que
sea capaz de interiorizar ese tipo de

916
00:55:07,280 --> 00:55:08,245
preguntas.

917
00:55:08,445 --> 00:55:15,667
Cuando digo tipo, ya no estoy siendo
concreto de una gramática o una...

918
00:55:15,867 --> 00:55:16,969
Praxis muy concreta.

919
00:55:17,169 --> 00:55:18,169
No, no, no, no.

920
00:55:17,489 --> 00:55:21,341
Es que hay preguntas en las que hay que
combinar, por ejemplo, imagen-texto,

921
00:55:21,341 --> 00:55:22,257
diagramas.

922
00:55:22,457 --> 00:55:26,968
Pues, bueno, pues en esos escenarios sí
que sería recomendable crear esa IA a

923
00:55:26,968 --> 00:55:31,894
partir de otra existente, pero que sea muy
particular de ese dominio, de ese tipo de

924
00:55:31,894 --> 00:55:33,614
formulación de preguntas, ¿vale?

925
00:55:33,814 --> 00:55:34,814
Y ese es el medio alto.

926
00:55:34,695 --> 00:55:39,367
De nuevo, a nivel transversal y con
necesidades de infraestructura

927
00:55:39,367 --> 00:55:41,486
computacionales un poco altas.

928
00:55:41,686 --> 00:55:46,638
Vale, ahí hay una pregunta, hay preguntas,
sí.

929
00:55:46,838 --> 00:55:50,196
¿Puede el profesor obtener de la IA
información sobre la evolución de un

930
00:55:50,196 --> 00:55:52,050
estudiante o del grupo basada en su uso?

931
00:55:52,250 --> 00:55:57,238
Ah, esa es una buena pregunta y me viene
muy bien porque con la demo que os voy a

932
00:55:57,238 --> 00:56:01,010
enseñar sí que el sistema captura
estadísticas de uso de modelos.

933
00:56:01,210 --> 00:56:06,669
A priori, bueno, eso lo vamos a ver a
posterior, Alberto, pero sí que hay, te

934
00:56:06,669 --> 00:56:12,329
puedo garantizar que hay de uso, pero lo
que no estoy seguro es del modo de uso,

935
00:56:12,329 --> 00:56:17,655
sino de estadísticas de cuántas veces lo
han utilizado, en qué horario, qué

936
00:56:17,655 --> 00:56:23,581
usuarios, pero no tengo claro que recoja a
día de hoy estadísticas sobre qué tipo de

937
00:56:23,581 --> 00:56:25,928
preguntas ha formalizado, ¿vale?

938
00:56:26,128 --> 00:56:28,432
Entonces, ahí no me mojo, ¿vale?

939
00:56:28,632 --> 00:56:30,076
Hay otra pregunta de Salvador.

940
00:56:30,276 --> 00:56:35,316
¿Esto que explicas se puede hacer con la
modalidad proyectos que ofrece, por

941
00:56:35,316 --> 00:56:36,491
ejemplo, Copilot?

942
00:56:36,691 --> 00:56:41,335
Si te refieres a la particularización por
un conjunto de textos, ahí hay que

943
00:56:41,335 --> 00:56:42,264
matizar.

944
00:56:42,464 --> 00:56:46,708
En esto de las tecnologías de lenguaje hay
una técnica que se llama RAG.

945
00:56:46,908 --> 00:56:51,887
que es lo que yo creo que utiliza Copilot
y es que no crea un nuevo modelo, sino que

946
00:56:51,887 --> 00:56:56,627
ya tiene un modelo y lo que hace es que
cuando tú le formulas una pregunta o una

947
00:56:56,627 --> 00:57:01,607
consulta, en lugar de utilizar únicamente
su base de conocimiento, que es con lo que

948
00:57:01,607 --> 00:57:05,867
fue entrenado, incorpora aquellos
documentos que tú le has aportado como

949
00:57:05,867 --> 00:57:06,907
base de conocimiento.

950
00:57:07,107 --> 00:57:11,414
extrae de esos documentos la información
relacionada con tu consulta y te verbaliza

951
00:57:11,414 --> 00:57:12,372
una respuesta.

952
00:57:12,572 --> 00:57:16,276
No, eso no es lo que yo estoy hablando
ahora de modificar una IA existente.

953
00:57:16,476 --> 00:57:21,606
En mi caso, no requiere de que le demos
una base de conocimiento posterior, sino

954
00:57:21,606 --> 00:57:22,606
previa.

955
00:57:22,742 --> 00:57:28,742
Es decir, el modelo se reentrena con todas
esas preguntas concretas que tú le das, de

956
00:57:28,742 --> 00:57:34,813
forma que al final el modelo solo sabe
formular preguntas, no sabe hablar.

957
00:57:35,013 --> 00:57:36,013
Ese es el...

958
00:57:36,014 --> 00:57:37,297
Matiz fundamental.

959
00:57:37,497 --> 00:57:42,212
En un modelo como mencionas, tipo Copilot,
es un modelo que te da chat y además te

960
00:57:42,212 --> 00:57:44,308
responde preguntas contextualizadas.

961
00:57:44,508 --> 00:57:48,273
Con lo que yo estoy hablando de modificar
un AI asistente, el modelo únicamente

962
00:57:48,273 --> 00:57:51,521
aprenderá a formular preguntas y de ahí no
sale, solo te hace preguntas.

963
00:57:51,721 --> 00:57:55,527
Vale, José Ignacio, creo que tienes
también otra duda.

964
00:57:55,727 --> 00:57:56,727
Sí.

965
00:57:56,028 --> 00:57:58,373
[Orador 7]: Hola, Carlos.

966
00:57:58,573 --> 00:58:02,821
Una cosa que igual viene más adelante o
viene en el futuro.

967
00:58:03,021 --> 00:58:07,294
Supongo que todo esto se puede usar para
ir haciendo una evaluación progresiva del

968
00:58:07,294 --> 00:58:08,294
alumnado.

969
00:58:08,230 --> 00:58:14,230
¿Es posible de alguna forma conectarlo con
Moodle o está previsto en algún momento la

970
00:58:14,230 --> 00:58:18,980
integración en Moodle?

971
00:58:19,180 --> 00:58:22,026
[Orador 4]: Vale, en la propuesta que yo hago ahora
mismo, no.

972
00:58:22,246 --> 00:58:25,665
Es decir, me he querido alejar de
cualquier tecnología, y ahí incluía

973
00:58:25,665 --> 00:58:29,387
también Moodle, para que cualquiera de
nosotros lo pudiera aplicar de forma

974
00:58:29,387 --> 00:58:30,387
completamente autónoma.

975
00:58:30,564 --> 00:58:31,767
¿Cómo se podría aplicar a Moodle?

976
00:58:31,967 --> 00:58:34,452
Sí que considero que hay vías de enlace.

977
00:58:34,652 --> 00:58:35,670
Es decir,

978
00:58:35,870 --> 00:58:40,628
No necesariamente los modelos tienen que
estar en Moodle, no lo considero

979
00:58:40,628 --> 00:58:45,586
necesario, pero incluso se le podría
suministrar a Moodle como una serie de,

980
00:58:45,586 --> 00:58:50,741
imagínate, José Ignacio, lo estoy pensando
un poco al vuelo, pero que aunque el

981
00:58:50,741 --> 00:58:55,963
alumno pueda tener esa autoevaluación de
forma periódica, cada dos semanas, cada

982
00:58:55,963 --> 00:59:00,854
tres semanas, abre ese Moodle un
cuestionario optativo y que los alumnos lo

983
00:59:00,854 --> 00:59:01,854
puedan contestar.

984
00:59:01,958 --> 00:59:05,933
Con eso te daría una baliza del avance y
si es independiente de que el alumno esté

985
00:59:05,933 --> 00:59:09,515
utilizando esta técnica o no, pero sí que
te permite saber en qué punto se

986
00:59:09,515 --> 00:59:11,233
encuentran cada uno de los alumnos.

987
00:59:11,433 --> 00:59:16,376
Lo que quiero decir es que tenemos que
intentar evitar que el uso de la IA

988
00:59:16,376 --> 00:59:19,967
siempre vaya incorporado en estas tareas
administrativas.

989
00:59:20,167 --> 00:59:23,859
Tiene más peso, a mi juicio, en los
procesos que en las tareas

990
00:59:23,859 --> 00:59:24,859
administrativas.

991
00:59:24,934 --> 00:59:27,398
Entonces, la parte del Moodle, sí, se
puede incorporar ahí.

992
00:59:27,598 --> 00:59:29,021
Pero bueno, eso se podría estudiar.

993
00:59:29,221 --> 00:59:30,803
Es decir, no lo considero...

994
00:59:31,003 --> 00:59:32,245
Ahora mismo, en el ejemplo de hoy, no.

995
00:59:32,445 --> 00:59:37,073
Vais a ver que es un uso externo
completamente y autónomo para que el

996
00:59:37,073 --> 00:59:38,655
alumno lo pueda utilizar.

997
00:59:38,855 --> 00:59:39,855
[Orador 7]: ¿De acuerdo?

998
00:59:39,917 --> 00:59:40,917
Muchas gracias.

999
00:59:40,315 --> 00:59:42,859
[Orador 4]: Vale, pues ¿dónde nos vamos a centrar
nosotros?

1000
00:59:43,059 --> 00:59:44,782
Pues en el último, en el más bajo.

1001
00:59:44,982 --> 00:59:45,603
¿Por qué?

1002
00:59:45,803 --> 00:59:50,220
Porque es el que requiere menos requisitos
computacionales y asumo que cualquiera de

1003
00:59:50,220 --> 00:59:54,265
nosotros lo podemos hacer en nuestro
ordenador portátil, en nuestro ordenador

1004
00:59:54,265 --> 00:59:56,820
de casa, el que tengamos en el
departamento, etc.

1005
00:59:57,020 --> 01:00:01,697
En este caso, vamos a utilizar una IA ya
creada y lo que vamos es a

1006
01:00:01,697 --> 01:00:02,969
contextualizarla.

1007
01:00:03,169 --> 01:00:07,256
Es muy parecido a lo que había mencionado
antes con el copilot del RAG.

1008
01:00:07,456 --> 01:00:08,718
Lo que ocurre es que aquí

1009
01:00:08,918 --> 01:00:13,540
En lugar de darle una base de
conocimientos de forma documental, lo que

1010
01:00:13,540 --> 01:00:18,758
le vamos es a restringir qué grados de
libertad tiene ese modelo generativo, que

1011
01:00:18,758 --> 01:00:23,777
por tanto es capaz de mantener un chat,
para solamente ajustarse a tienes que

1012
01:00:23,777 --> 01:00:29,060
formular preguntas que midan la capacidad
memorística del alumno de acuerdo a bla

1013
01:00:29,060 --> 01:00:30,690
bla bla bla bla bla bla bla.

1014
01:00:30,890 --> 01:00:36,890
En este caso nos apoyamos en modelos
existentes y lo que hacemos es sobre estos

1015
01:00:36,890 --> 01:00:42,890
modelos contextualizar, ajustar,
restringir su libertad para que solamente

1016
01:00:42,890 --> 01:00:47,936
respondan a preguntas de forma muy
concreta.

1017
01:00:48,136 --> 01:00:54,056
En este repositorio que tenemos en GitHub,
ahora voy a entrar, os hemos descrito

1018
01:00:54,056 --> 01:00:55,530
varios prompts.

1019
01:00:55,730 --> 01:01:00,198
El prompt es la forma de comunicarte con
una IA generativa, ¿vale?

1020
01:01:00,398 --> 01:01:04,598
Pues varios prompts para que se puedan
crear modelos de los distintos niveles de

1021
01:01:04,598 --> 01:01:05,598
Bloom.

1022
01:01:05,467 --> 01:01:09,791
La estrategia que hemos seguido es una que
está bastante extendida en la literatura

1023
01:01:09,791 --> 01:01:13,799
científica, que es el marco CRAF, que
define que en un prompt, para que la IA

1024
01:01:13,799 --> 01:01:17,966
sea capaz de interiorizar bien lo que tú
le estás ordenando, tienes que arrancar

1025
01:01:17,966 --> 01:01:19,654
primero indicándole el contexto.

1026
01:01:19,854 --> 01:01:20,854
Oye, IA, ¿tú qué eres?

1027
01:01:20,315 --> 01:01:22,138
Pues eres un fotógrafo profesional.

1028
01:01:22,338 --> 01:01:24,082
No, pues mira, eres un docente...

1029
01:01:24,282 --> 01:01:28,473
que quieres establecer una barrera muy
clara con el alumno.

1030
01:01:28,673 --> 01:01:32,347
No, eres un docente que quieres acercarle
el contenido incluso dándole pistas,

1031
01:01:32,347 --> 01:01:33,347
etcétera.

1032
01:01:33,405 --> 01:01:34,669
Ese es el contexto, ¿vale?

1033
01:01:34,869 --> 01:01:37,035
Arrancamos con ese contexto inicial y con
ese rol.

1034
01:01:37,235 --> 01:01:40,434
A continuación pasamos a la R, el request,
la tarea.

1035
01:01:40,634 --> 01:01:42,158
¿Qué queremos que la IA haga?

1036
01:01:42,358 --> 01:01:47,927
Pues mira, IA, sabiendo que vas a ser un
profesor que formula preguntas, tienes que

1037
01:01:47,927 --> 01:01:53,163
extraer del texto que recibes aquellos
conceptos más importantes y vincularlos

1038
01:01:53,163 --> 01:01:54,826
con preguntas factuales.

1039
01:01:55,026 --> 01:01:57,933
Para esas preguntas factuales te tienes
que restringir a...

1040
01:01:58,133 --> 01:02:00,296
No más de tantas palabras.

1041
01:02:00,496 --> 01:02:03,380
Una extensión de no más de dos líneas.

1042
01:02:03,580 --> 01:02:08,834
O al revés, que la pregunta venga
precedida de un escenario hipotético para

1043
01:02:08,834 --> 01:02:10,468
que el alumno salte.

1044
01:02:10,668 --> 01:02:14,704
Es decir, le vas marcando una serie de
pasos, como si se lo estuvieras explicando

1045
01:02:14,704 --> 01:02:16,916
a otra persona que te va a cubrir en una
sesión.

1046
01:02:17,116 --> 01:02:19,419
Y luego, a continuación, ya pasas al
input.

1047
01:02:19,619 --> 01:02:20,619
¿El input cuál sería?

1048
01:02:20,600 --> 01:02:23,744
En este caso, el input es el texto que el
alumno nos va a dar.

1049
01:02:23,944 --> 01:02:24,625
¿De acuerdo?

1050
01:02:24,825 --> 01:02:27,228
Le hemos indicado ya a la IA el rol que va
a jugar.

1051
01:02:27,428 --> 01:02:28,771
¿Qué pasos tiene que hacer?

1052
01:02:28,971 --> 01:02:33,058
Ahora a continuación le proporcionamos el
texto del alumno.

1053
01:02:33,258 --> 01:02:35,382
Siguiente paso, ¿qué formato esperamos?

1054
01:02:35,582 --> 01:02:41,582
Mira, a la salida nos vas a decir que
estas son preguntas factuales y dos puntos

1055
01:02:41,582 --> 01:02:46,702
y detallas las tres, cinco preguntas que
consideres oportuno, ¿vale?

1056
01:02:46,902 --> 01:02:48,765
Y por último, el tono.

1057
01:02:48,965 --> 01:02:51,809
Aquí un poco es la personalización de la
comunicación.

1058
01:02:52,009 --> 01:02:57,297
Quiero que sea distendido, quiero que sea
formal, no permites expresiones

1059
01:02:57,297 --> 01:02:58,919
malsonantes, etc.

1060
01:02:59,119 --> 01:03:05,808
Si vamos a este repositorio, a ver si lo
veis.

1061
01:03:06,008 --> 01:03:08,692
Vale, quiero ver si ahora... Sí, ¿no?

1062
01:03:08,892 --> 01:03:10,695
A ver.

1063
01:03:10,895 --> 01:03:15,407
Entramos ahí en GitHub de Lincedu.

1064
01:03:15,607 --> 01:03:24,717
Y dentro el repositorio de aprendizaje por
inteligencia artificial.

1065
01:03:24,917 --> 01:03:29,422
Entonces aquí hay una serie de ficheros y
estos ficheros están orientados de otro

1066
01:03:29,422 --> 01:03:32,384
taller a crear esos modelos de
inteligencia artificial.

1067
01:03:32,584 --> 01:03:36,749
Pues fijaros, vamos a ver al de preguntas
de recordar.

1068
01:03:36,949 --> 01:03:41,141
Pues aquí tenemos cómo le diríamos al
modelo

1069
01:03:41,341 --> 01:03:43,085
que se tendría que comportar.

1070
01:03:43,285 --> 01:03:47,784
Mira, eres un asistente especializado en
crear preguntas educativas a partir de

1071
01:03:47,784 --> 01:03:49,278
datos o de textos de estudio.

1072
01:03:49,478 --> 01:03:50,821
¿Cuál va a ser tu tarea?

1073
01:03:51,021 --> 01:03:56,396
Pues tu tarea es generar preguntas que
evalúen la capacidad de un estudiante para

1074
01:03:56,396 --> 01:03:59,619
recordar información explícita presente en
un texto.

1075
01:03:59,819 --> 01:04:03,919
Si os fijáis, el objetivo de este PRON no
es solo indicarle lo que tiene que hacer,

1076
01:04:03,919 --> 01:04:06,870
sino lo que no tiene que hacer, dónde no
se tiene que salir.

1077
01:04:07,070 --> 01:04:11,117
Importante, las preguntas deben ser
completamente autocontenidas.

1078
01:04:11,317 --> 01:04:12,018
¿Por qué?

1079
01:04:12,218 --> 01:04:16,455
Porque la IA, como todo lo contextualiza,
si yo le paso un texto y le digo,

1080
01:04:16,455 --> 01:04:21,037
fórmulame una pregunta, es probable para
modelos bajos que me diga, como menciona

1081
01:04:21,037 --> 01:04:22,535
en el texto, ¿qué significa...

1082
01:04:22,735 --> 01:04:25,739
¿Cómo que según se menciona en el texto?

1083
01:04:25,939 --> 01:04:27,041
La pregunta debe ser autocontenida.

1084
01:04:27,241 --> 01:04:31,841
Está orientada a que el alumno coja todas
esas preguntas y acabe construyéndose un

1085
01:04:31,841 --> 01:04:33,729
banco que le permita autoevaluarse.

1086
01:04:33,929 --> 01:04:35,351
Luego ahí incidimos.

1087
01:04:35,551 --> 01:04:40,328
El estudiante debe poder entender cada
pregunta sin haber visto el texto

1088
01:04:40,328 --> 01:04:42,180
original, de forma autónoma.

1089
01:04:42,380 --> 01:04:45,384
Luego la pregunta tiene que ser completa.

1090
01:04:45,584 --> 01:04:46,926
Reglas para las preguntas.

1091
01:04:47,126 --> 01:04:51,796
Pues mira, las respuestas deben aparecer
explícitamente, lo voy a hacer más grande,

1092
01:04:51,796 --> 01:04:53,277
en el texto proporcionado.

1093
01:04:53,477 --> 01:04:58,654
Es decir, no queremos que el modelo genere
nuevo conocimiento, no, que se ciñe en ese

1094
01:04:58,654 --> 01:04:59,654
conocimiento.

1095
01:04:59,647 --> 01:05:03,250
Aquí es muy curioso porque en otro
experimento que hicimos queríamos, lo

1096
01:05:03,250 --> 01:05:04,655
llamamos, hackear a los modelos.

1097
01:05:04,855 --> 01:05:10,170
¿Y somos capaces de hacer que un modelo
diga, por ejemplo, que el cielo no es

1098
01:05:10,170 --> 01:05:12,686
azul, que la tierra no es redonda?

1099
01:05:12,886 --> 01:05:17,531
Vale, pues se veía que para ciertas
verdades absolutas, es decir, que en su

1100
01:05:17,531 --> 01:05:22,427
contenido de entrenamiento ha estado muy
presente, es muy difícil, por no decir

1101
01:05:22,427 --> 01:05:24,984
imposible, que el modelo diga lo
contrario.

1102
01:05:25,184 --> 01:05:26,686
Pero en otros escenarios sí.

1103
01:05:26,886 --> 01:05:30,592
Entonces, lo que queremos aquí indicar es
que si el alumno le pasa en el texto

1104
01:05:30,792 --> 01:05:36,568
que el cielo es rojo, la pregunta se ciña
a ese texto, esa es su verdad, ¿de

1105
01:05:36,568 --> 01:05:38,344
acuerdo?

1106
01:05:38,544 --> 01:05:39,544
¿Por qué?

1107
01:05:39,065 --> 01:05:43,850
Porque asumimos que a lo mejor hay en
determinadas etapas de aprendizaje donde

1108
01:05:43,850 --> 01:05:46,117
la información que se le pasa al alumno,

1109
01:05:46,317 --> 01:05:49,703
No es que sea incorrecta, es sencillamente
incompleta.

1110
01:05:49,903 --> 01:05:53,431
La IA no tiene que completarla, no tiene
que abordar un conocimiento que a lo mejor

1111
01:05:53,431 --> 01:05:56,315
el profesor no considera que el alumno te
va a tener en ese momento.

1112
01:05:56,515 --> 01:05:58,899
Entonces, con este primer paso le queremos
ceñir a eso.

1113
01:05:59,099 --> 01:06:04,563
Lo siguiente, las preguntas deben evaluar
la capacidad de recordar información

1114
01:06:04,563 --> 01:06:05,962
factual, perdón.

1115
01:06:06,162 --> 01:06:11,528
Deben pedir identificar, por ejemplo,
nombrar, definir, indicar datos presentes

1116
01:06:11,528 --> 01:06:12,694
en el texto.

1117
01:06:12,894 --> 01:06:15,779
Vale, no deben requerir interpretar,
explicar o justificar.

1118
01:06:15,979 --> 01:06:17,502
De nuevo, lo que os he mencionado antes.

1119
01:06:17,702 --> 01:06:21,594
Indicamos qué es lo que puede hacer y
también le indicamos qué es lo que no

1120
01:06:21,594 --> 01:06:22,531
puede hacer.

1121
01:06:22,731 --> 01:06:26,718
Las preguntas deben formularse como
preguntas generales sobre el contenido.

1122
01:06:26,918 --> 01:06:28,080
No sobre el texto.

1123
01:06:28,280 --> 01:06:31,303
No utilices ninguna referencia al texto,
documento, fragmento.

1124
01:06:31,503 --> 01:06:33,706
No utilices expresiones como bla, bla,
bla, bla.

1125
01:06:33,906 --> 01:06:37,510
Cada pregunta debe mencionar directamente
incidimos, ¿vale?

1126
01:06:37,710 --> 01:06:43,104
Entonces, una vez que ya tenemos todas
esas tareas marcadas, a continuación le

1127
01:06:43,104 --> 01:06:44,898
indicamos el contenido.

1128
01:06:45,098 --> 01:06:49,263
El usuario te va a proporcionar únicamente
el contenido del texto.

1129
01:06:49,463 --> 01:06:55,174
debes usar el texto únicamente para
extraer la información, pero las preguntas

1130
01:06:55,174 --> 01:06:59,220
deben ser independientes, autónomas del
texto, ¿vale?

1131
01:06:59,420 --> 01:07:02,585
Y a continuación le decimos cómo nos
debería devolver la respuesta.

1132
01:07:02,785 --> 01:07:07,077
Pues mira, indícanos en este formato, que
es como la almohadilla para resaltar, es

1133
01:07:07,077 --> 01:07:10,779
un formato Markdown, vale, te estoy
devolviendo preguntas de tipo recuerdo,

1134
01:07:10,979 --> 01:07:15,920
Aquí van mis tres, cinco preguntas
enumeradas que voy a ser capaz de

1135
01:07:15,920 --> 01:07:17,216
formular.

1136
01:07:17,416 --> 01:07:17,918
¿De acuerdo?

1137
01:07:18,118 --> 01:07:23,722
Entonces, esto sería un ejemplo del prompt
que utilizaríamos para...

1138
01:07:23,922 --> 01:07:28,738
contextualizar, de nuevo enlazo con esta
sección, contextualizar una IA ya

1139
01:07:28,738 --> 01:07:33,950
existente para que sea capaz de crear esas
preguntas de los distintos niveles de

1140
01:07:33,950 --> 01:07:34,950
Bloom.

1141
01:07:34,960 --> 01:07:35,882
¿De acuerdo?

1142
01:07:36,082 --> 01:07:37,705
¿Y cómo vamos a bajar esto a la tierra?

1143
01:07:37,905 --> 01:07:41,710
Ya tenemos la técnica, que es una
contextualización, un aprendizaje, mejor

1144
01:07:41,710 --> 01:07:42,753
dicho, por contexto.

1145
01:07:42,953 --> 01:07:47,381
Tenemos las herramientas de
contextualización, que son los prompts.

1146
01:07:47,581 --> 01:07:49,824
¿Cómo o qué modelos concretos vamos a
utilizar?

1147
01:07:50,024 --> 01:07:55,962
Y aquí es donde entran estas dos partes de
tecnología, que son las que propongo, que

1148
01:07:55,962 --> 01:07:59,655
son abiertas, accesibles, que es Oyama y
Open Web UI.

1149
01:07:59,855 --> 01:08:04,869
Oyama es un recurso que si lo instaláis en
vuestro ordenador, os va a permitir

1150
01:08:04,869 --> 01:08:10,013
chatear con modelos que en lugar de que
estén disponibles en un servidor remoto,

1151
01:08:10,013 --> 01:08:13,270
lo tengáis disponibles en vuestro propio
ordenador.

1152
01:08:13,470 --> 01:08:15,933
Luego es una ejecución local de modelos.

1153
01:08:16,133 --> 01:08:20,842
Y no solamente te permite ejecutar
modelos, sino que te permite crear modelos

1154
01:08:20,842 --> 01:08:25,303
para que los sigas ejecutando en tu
ordenador o incluso en cualquier otro

1155
01:08:25,303 --> 01:08:26,303
ordenador.

1156
01:08:26,429 --> 01:08:30,496
Es una forma también de distribución de
modelos.

1157
01:08:30,696 --> 01:08:32,198
Os enseño un ejemplo.

1158
01:08:32,398 --> 01:08:33,721
Aquí yo tengo Oyama instalado.

1159
01:08:33,921 --> 01:08:36,365
Veis este icono aquí arriba.

1160
01:08:36,565 --> 01:08:42,565
Y si abro Oyama, me aparece directamente
un chat que será el que... A ver, porque

1161
01:08:42,565 --> 01:08:45,161
creo que me lo he abierto...

1162
01:08:45,361 --> 01:08:46,472
Ah, sí, me lo ha abierto aquí.

1163
01:08:46,672 --> 01:08:47,581
Perdonad.

1164
01:08:47,781 --> 01:08:49,154
Aquí os lo llevo.

1165
01:08:49,354 --> 01:08:50,966
Me abre un chat.

1166
01:08:51,166 --> 01:08:52,166
¿Vale?

1167
01:08:51,827 --> 01:08:56,842
Y en este chat, los modelos que yo tengo
aquí disponible son los que realmente yo

1168
01:08:56,842 --> 01:08:58,418
tengo local en mi ordenador.

1169
01:08:58,618 --> 01:09:00,641
¿Me preguntas, Salvador, si funciona en
Windows?

1170
01:09:00,841 --> 01:09:01,841
Sí, igual.

1171
01:09:01,622 --> 01:09:07,047
O sea, lo bueno de Oyama es que está
disponible en varios sistemas operativos,

1172
01:09:07,047 --> 01:09:08,654
incluso doquerizado.

1173
01:09:08,854 --> 01:09:10,657
O sea, que se puede lanzar en cualquiera
de ellos.

1174
01:09:10,857 --> 01:09:16,857
Entonces, en estos modelos que yo tengo
aquí instalados local, yo puedo elegir el

1175
01:09:16,857 --> 01:09:18,725
modelo y hablar...

1176
01:09:18,925 --> 01:09:28,218
y preguntarle cómo te encuentras hoy, por
ejemplo.

1177
01:09:28,418 --> 01:09:32,023
Entonces, tarda un poco porque intenta
cargar el modelo local.

1178
01:09:32,223 --> 01:09:36,838
Pero, bueno, en definitiva, Oyama es un
sistema que nos permite tener modelos de

1179
01:09:36,838 --> 01:09:40,695
IA generativa en nuestro ordenador,
instalado en nuestro ordenador.

1180
01:09:40,895 --> 01:09:41,895
¿Vale?

1181
01:09:41,536 --> 01:09:42,536
Pues, vale.

1182
01:09:41,856 --> 01:09:45,962
Ya tenemos una vía de incorporar modelos
de IA generativa.

1183
01:09:46,162 --> 01:09:47,162
¿Cuál es el otro recurso?

1184
01:09:47,323 --> 01:09:53,203
Bueno, perdona, antes de nada os enseño
que de Oyama la cantidad de modelos que

1185
01:09:53,203 --> 01:09:55,551
tiene es bastante amplia.

1186
01:09:55,791 --> 01:10:01,449
Si vais a la plataforma, vais aquí,
ordenados por días, tenemos modelos tanto

1187
01:10:01,449 --> 01:10:06,242
generados por la industria, por empresas,
como por particulares.

1188
01:10:06,442 --> 01:10:11,797
Entonces, si por ejemplo queremos buscar
un Gemini o un Gemma 4 de Google, tenemos

1189
01:10:11,797 --> 01:10:15,611
aquí la capacidad de descargarnos
cualquiera de estos modelos.

1190
01:10:15,811 --> 01:10:20,121
Lo que os indicaba, tenemos modelos
pequeñitos, pequeñitos en cuanto a

1191
01:10:20,121 --> 01:10:25,307
tamario, esto es el tamaño no solamente de
disco, sino de memoria, idealmente de GPU

1192
01:10:25,307 --> 01:10:29,867
que hacen falta, y esto el tamaño que
necesitaríamos para levantarlo, pues

1193
01:10:29,867 --> 01:10:31,492
obviamente en un servidor.

1194
01:10:31,732 --> 01:10:37,150
En cualquier caso, aquí con libertad, el
método no indica el modelo a utilizar,

1195
01:10:37,150 --> 01:10:39,622
sino solamente las técnicas, ¿vale?

1196
01:10:39,822 --> 01:10:43,235
Entonces estamos utilizando aprendizaje
por contexto mediante prompting.

1197
01:10:43,435 --> 01:10:48,623
Os indico Oyama como vía de cargar y
contextualizar ese modelo, pero podéis

1198
01:10:48,623 --> 01:10:51,345
utilizar el que consideréis oportuno.

1199
01:10:51,545 --> 01:10:58,274
El siguiente elemento que vamos a utilizar
en esta demo es Open Web UI.

1200
01:10:58,474 --> 01:11:03,435
Es un recurso que lo que hace es, vale,
tenemos Oyama que de forma local carga

1201
01:11:03,435 --> 01:11:04,402
modelos.

1202
01:11:04,602 --> 01:11:08,447
Y si nos lo alejamos, es decir, y si
ofrecemos un servicio para

1203
01:11:08,647 --> 01:11:12,983
De forma que cualquier persona, desde
cualquier ordenador, conectándose al tuyo

1204
01:11:12,983 --> 01:11:15,501
o donde tengas o llama, pueda ver esos
modelos.

1205
01:11:15,701 --> 01:11:18,427
Vale, pues esto es Open Web UI.

1206
01:11:18,627 --> 01:11:23,617
La razón de incorporar esto sería que el
profesor es capaz de crear los modelos

1207
01:11:23,817 --> 01:11:29,173
Mediante Oyama, esos modelos pueden estar
en su propio ordenador personal o en un

1208
01:11:29,173 --> 01:11:34,662
ordenador del departamento y los alumnos,
gracias también a Open Web UI, se conecta

1209
01:11:34,662 --> 01:11:37,419
a esos modelos que el profesor ha creado.

1210
01:11:37,619 --> 01:11:43,619
Es una vía de desacople, de acceso online
y vais a ver que además tiene una interfaz

1211
01:11:43,619 --> 01:11:45,251
bastante amigable.

1212
01:11:45,451 --> 01:11:50,373
Entonces, ya tenemos la vía, el plan para
implementarlo, ya tenemos las

1213
01:11:50,373 --> 01:11:55,829
herramientas, pues ya lo único que nos
queda es, vamos a pasar a hacer la demo,

1214
01:11:55,829 --> 01:11:57,085
si os parece.

1215
01:11:57,285 --> 01:12:03,285
¿Hay alguna duda o avanzo ya a hacer una
demo online de cómo podríamos implementar

1216
01:12:03,285 --> 01:12:06,677
LESPRE en un servicio con modelos reales?

1217
01:12:06,877 --> 01:12:09,079
¿Os parece bien?

1218
01:12:09,279 --> 01:12:11,306
Sí, perfecto, adelante.

1219
01:12:11,506 --> 01:12:17,506
[Orador 5]: Bueno, perdonad, que no sé si me he
despistado, lo de funciona con Windows o

1220
01:12:17,506 --> 01:12:20,120
Linux da igual, ¿no?

1221
01:12:20,320 --> 01:12:21,320
[Orador 4]: Sí, sí, sí, exacto.

1222
01:12:20,740 --> 01:12:21,740
Sí, sí, sí.

1223
01:12:20,981 --> 01:12:24,511
Funciona en cualquier sistema operativo
porque además tiene el despliegue vía

1224
01:12:24,511 --> 01:12:27,671
Docker, que es otra virtualización, o sea
que no hay ningún problema.

1225
01:12:27,871 --> 01:12:32,618
Aquí está corriendo en un Mac, luego es un
entorno Unix, luego vais a ver que

1226
01:12:32,618 --> 01:12:33,618
funciona bien.

1227
01:12:33,620 --> 01:12:39,191
Vale, pues la demo, y aquí es donde me la
juego un poquito porque vamos a hacerlo en

1228
01:12:39,191 --> 01:12:40,191
vivo, ¿vale?,

1229
01:12:40,210 --> 01:12:44,276
Lo que vamos a construir es esto.

1230
01:12:44,476 --> 01:12:49,684
Este era el modelo LESPRE y entonces lo
que os voy a enseñar es vamos a levantar

1231
01:12:49,684 --> 01:12:54,959
un Ollama, ya lo tengo levantado en el
ordenador, vamos a levantar un Open Web UI

1232
01:12:54,959 --> 01:13:00,037
para que veamos cómo podemos acceder a
través de una URL como el profesor o el

1233
01:13:00,037 --> 01:13:05,114
alumno para ver esos modelos y vamos por
un lado a un administrador tendrá que

1234
01:13:05,114 --> 01:13:08,411
controlar qué modelos se crean, qué
permisos tienen

1235
01:13:08,611 --> 01:13:13,393
Vamos a, como profesor, crear uno de esos
modelos, o bueno, si queréis que creemos

1236
01:13:13,393 --> 01:13:18,116
varios, creamos varios y vamos a hacer
pasar por un alumno y utilizar uno de esos

1237
01:13:18,116 --> 01:13:21,423
modelos para el caso concreto, por
ejemplo, de los memes.

1238
01:13:21,623 --> 01:13:24,189
Así que los pasos que voy a seguir ahora
va a ser

1239
01:13:24,389 --> 01:13:28,556
ver cómo podemos acceder a la interfaz de
Open Web UI.

1240
01:13:28,756 --> 01:13:30,740
Vamos a crear el usuario administrador.

1241
01:13:30,940 --> 01:13:34,001
Ese usuario administrador va a dar de alta
a un profesor, va a dar de alta a un

1242
01:13:34,001 --> 01:13:35,001
alumno.

1243
01:13:34,807 --> 01:13:39,575
Y luego entraremos como un profesor para
ver cómo podemos crear un modelo.

1244
01:13:39,775 --> 01:13:42,701
Creamos un modelo, por ejemplo, que sea
capaz de hacer preguntas factuales.

1245
01:13:42,901 --> 01:13:43,901
Fantástico.

1246
01:13:43,762 --> 01:13:48,681
Creamos el modelo, lo publicamos, el
administrador le da acceso a los alumnos

1247
01:13:48,681 --> 01:13:53,795
para acceder al modelo y luego entramos de
nuevo en la plataforma como alumnos y

1248
01:13:53,795 --> 01:13:58,884
vemos cómo en nuestra autoevaluación nos
ayudaría a formular preguntas sobre memes.

1249
01:13:59,084 --> 01:14:04,517
Y a continuación me preguntáis cualquier
cosa que no haya quedado clara en la demo.

1250
01:14:04,717 --> 01:14:06,842
Vale, pues aquí estamos.

1251
01:14:07,042 --> 01:14:13,042
Vale, pues si ponéis en marcha Open Web
UI, el acceso es a través de esta URL,

1252
01:14:13,042 --> 01:14:16,063
¿eh?

1253
01:14:16,263 --> 01:14:19,448
Es una URL local, porque lo estoy
levantando en mi ordenador.

1254
01:14:19,648 --> 01:14:23,507
Esto se podría levantar en un servidor del
departamento, de la escuela, de la

1255
01:14:23,507 --> 01:14:25,918
universidad, donde quieras y os
conectaríais, ¿vale?

1256
01:14:26,118 --> 01:14:27,060
Este es el acceso.

1257
01:14:27,260 --> 01:14:31,360
Vale, entonces, primera vez que entramos,
claro, pues obviamente no tenemos nada, no

1258
01:14:31,360 --> 01:14:32,360
hay ningún usuario.

1259
01:14:32,328 --> 01:14:37,524
Aquí nuestra recomendación, crear primero
un usuario administrador para desacoplar

1260
01:14:37,524 --> 01:14:42,720
todo el manejo que tengan los profesores
de todo el manejo que tengan los alumnos.

1261
01:14:42,920 --> 01:14:51,050
Administrador y el correo admin arroba upm
y la contraseña la ponemos.

1262
01:14:51,250 --> 01:14:53,213
Creamos el usuario administrador.

1263
01:14:53,413 --> 01:14:54,413
Aquí nos indica...

1264
01:14:54,434 --> 01:14:59,868
Bueno, la versión en la que nos
encontramos y vemos aquí que tenemos como

1265
01:14:59,868 --> 01:15:04,970
modelos de lenguaje los mismos que yo ya
tenía instalados con Oyama.

1266
01:15:05,170 --> 01:15:10,569
Luego, esta interfaz lo que ofrece, ahora
con acceso a administrador, es a todos los

1267
01:15:10,569 --> 01:15:13,562
modelos que teníamos para que se puedan
hablar.

1268
01:15:13,762 --> 01:15:16,847
Insisto, esto es el administrador, no es
el alumno, ¿vale?

1269
01:15:17,047 --> 01:15:21,969
Luego yo aquí podría hablar con cualquiera
de estos modelos y, por ejemplo, aquí

1270
01:15:21,969 --> 01:15:26,767
formulo un comentario y estoy utilizando
este modelo y el sistema lo coge y lo

1271
01:15:26,767 --> 01:15:27,767
utiliza.

1272
01:15:27,826 --> 01:15:32,133
Este, como es un modelo razonador, razona
en inglés y me responda en español.

1273
01:15:32,333 --> 01:15:34,778
Vale, esto ha corrido todo en local.

1274
01:15:34,978 --> 01:15:36,381
Seguimos.

1275
01:15:36,581 --> 01:15:38,104
Ya tenemos el usuario administrador.

1276
01:15:38,304 --> 01:15:39,358
Entonces...

1277
01:15:39,558 --> 01:15:43,845
Primer paso, necesitamos crear a un
profesor y a un alumno.

1278
01:15:44,045 --> 01:15:47,870
Nos vamos al menú de administración.

1279
01:15:48,070 --> 01:15:51,972
Ya estamos en el menú de administración y
aquí en la parte de usuarios solamente

1280
01:15:51,972 --> 01:15:53,899
aparecemos nosotros como administrador.

1281
01:15:54,099 --> 01:15:56,583
Pues venga, vamos a crear un usuario.

1282
01:15:56,783 --> 01:16:00,148
Este usuario va a ser el profesor.

1283
01:16:00,365 --> 01:16:01,687
¿Qué correo?

1284
01:16:01,887 --> 01:16:07,887
Pues el correo institucional profesor1.es
y de nuevo hay una contraseña para que

1285
01:16:07,887 --> 01:16:13,425
este profesor pueda entrar.

1286
01:16:13,625 --> 01:16:15,909
Lo guardamos, ya tenemos al profesor1.

1287
01:16:16,109 --> 01:16:22,119
Vamos a crear también para esta primera
demo un alumno, el alumno1 también.

1288
01:16:22,319 --> 01:16:28,319
De nuevo el alumno tendrá su correo con el
que tendrá que registrarse, perdón,

1289
01:16:28,319 --> 01:16:30,219
alumno1.es.

1290
01:16:30,419 --> 01:16:35,696
Y una contraseña, que será la que
tendremos que facilitarle al alumno o, de

1291
01:16:35,696 --> 01:16:40,041
nuevo, por eso es muy importante el perfil
del administrador.

1292
01:16:40,241 --> 01:16:45,734
Vale, ya hemos creado el alumno y el
profesor.

1293
01:16:45,934 --> 01:16:48,139
Tenemos alumno 1 y profesor 1.

1294
01:16:48,339 --> 01:16:50,655
Ahora, aquí, muy interesante.

1295
01:16:50,855 --> 01:16:52,057
Y muy necesario.

1296
01:16:52,257 --> 01:16:56,914
A la hora de gestionar todos estos modelos
que se van a ir creando, lo que queremos

1297
01:16:56,914 --> 01:17:01,401
es considerar tanto al profesor como al
alumno como un elemento, como un recurso

1298
01:17:01,401 --> 01:17:03,250
que forma parte de algo más grande.

1299
01:17:03,450 --> 01:17:08,622
Por ejemplo, en el caso del profesor, el
grupo de profesores, a lo mejor de toda la

1300
01:17:08,622 --> 01:17:12,281
escuela, o el grupo de profesores de la
asignatura patatín.

1301
01:17:12,481 --> 01:17:14,263
Vamos a necesitar crear grupos.

1302
01:17:14,463 --> 01:17:19,395
Y así podemos dar o repartir modelos y
permisos por grupos, igual que con los

1303
01:17:19,395 --> 01:17:20,395
alumnos.

1304
01:17:20,489 --> 01:17:24,842
Podemos considerar alumnos todos los
estudiantes de la escuela o alumnos de un

1305
01:17:24,842 --> 01:17:28,518
grado o alumnos de una asignatura concreta
o de un curso concreto.

1306
01:17:28,718 --> 01:17:33,020
Vale, pues entonces creamos el primer
grupo y el primer grupo lo vamos a llamar

1307
01:17:33,020 --> 01:17:34,344
profesores, ¿de acuerdo?

1308
01:17:34,544 --> 01:17:37,888
Y dentro de los miembros vamos a decir que

1309
01:17:38,088 --> 01:17:44,245
Vamos a decidir nosotros quién va a
pertenecer a este grupo de profesores.

1310
01:17:44,445 --> 01:17:48,497
Vale, detalle importante, permisos que le
vamos a dar a los profesores.

1311
01:17:48,697 --> 01:17:53,210
Pues los profesores tendrán acceso a los
modelos, obviamente.

1312
01:17:53,410 --> 01:17:55,133
Tendrán acceso al conocimiento.

1313
01:17:55,333 --> 01:17:59,710
El conocimiento, esto es como lo que
habéis preguntado antes del copilot, es

1314
01:17:59,710 --> 01:18:03,855
queremos además que sean capaces los
profesores o incluso los alumnos de

1315
01:18:03,855 --> 01:18:08,116
inyectar documentos y que el sistema te
responda en base a los documentos.

1316
01:18:08,316 --> 01:18:12,323
Esto se aleja del ESPRE, así que yo por
ahora no lo habilito.

1317
01:18:12,543 --> 01:18:13,185
¿De acuerdo?

1318
01:18:13,385 --> 01:18:14,888
¿Acceso a prompt?

1319
01:18:15,088 --> 01:18:16,088
Sí.

1320
01:18:15,128 --> 01:18:15,971
¿Vale?

1321
01:18:16,171 --> 01:18:20,971
Acceso a herramientas, esto es si queremos
que se lancen en modo agentes para

1322
01:18:20,971 --> 01:18:24,392
realizar tareas de forma autónoma, pues no
lo habilitamos.

1323
01:18:24,592 --> 01:18:25,592
¿Vale?

1324
01:18:25,494 --> 01:18:29,619
Lo que sí que tenemos que habilitar para
los profesores, que queremos compartir

1325
01:18:29,619 --> 01:18:32,158
modelos, el conocimiento también que sea
público.

1326
01:18:32,358 --> 01:18:34,500
los prompts, etc.

1327
01:18:34,700 --> 01:18:40,700
En la parte de que mal veo, los tools y
las notas o los chats, eso no hace falta

1328
01:18:40,700 --> 01:18:46,429
que le demos y queremos permitir todo esto
a nivel de profesor.

1329
01:18:47,091 --> 01:18:51,375
Queremos que el profesor sea capaz de
subir archivos o formular lo que decidáis.

1330
01:18:51,575 --> 01:18:56,920
Ahí ya es ajeno a esta tarea.

1331
01:18:57,120 --> 01:19:00,963
Ya tenemos el grupo de profesores y los
permisos establecidos.

1332
01:19:01,163 --> 01:19:05,682
Vamos a crear ahora otro grupo, que es el
grupo de alumnos, que en concreto podrían

1333
01:19:05,682 --> 01:19:09,415
ser los de una asignatura concreta, pero
estoy aquí simplificando mucho.

1334
01:19:09,615 --> 01:19:15,247
Y para el caso de alumnos, sí que queremos
acceder a los modelos, no queremos acceder

1335
01:19:15,247 --> 01:19:17,747
a todo ese conocimiento que se tenga.

1336
01:19:17,947 --> 01:19:21,112
La compartición de modelos sí, pero nada
más.

1337
01:19:21,312 --> 01:19:25,976
Y compartir con otros usuarios si queremos
permitir que suman archivos.

1338
01:19:26,176 --> 01:19:29,620
Pues, de nuevo, lo que vosotros
consideréis oportunos.

1339
01:19:29,820 --> 01:19:30,820
Bueno, aquí yo ya no me meto.

1340
01:19:30,901 --> 01:19:33,083
Eso es más de la herramienta.

1341
01:19:33,283 --> 01:19:33,783
Lo guardamos.

1342
01:19:34,003 --> 01:19:36,486
Ya tenemos grupo de alumnos, grupo de
profesores.

1343
01:19:36,726 --> 01:19:40,129
Y hemos asignado permisos por cada uno de
los grupos.

1344
01:19:40,329 --> 01:19:45,585
Entonces, ahora lo que sí que podemos
hacer es que por cada grupo le podemos

1345
01:19:45,585 --> 01:19:46,975
asignar miembros.

1346
01:19:47,175 --> 01:19:49,057
Si nos vamos al grupo de profesores,

1347
01:19:49,257 --> 01:19:54,688
En los usuarios le podemos decir que
queremos que el profesor 1 sea o forme

1348
01:19:54,688 --> 01:19:56,807
parte de este grupo, ¿vale?

1349
01:19:57,007 --> 01:20:02,354
Y en el grupo de alumnos lo que queremos
es que el alumno forme parte de este

1350
01:20:02,354 --> 01:20:03,636
grupo.

1351
01:20:03,836 --> 01:20:09,836
Entonces ya tenemos, creo que lo hemos
cogido bien, a ver si lo tenemos ahí,

1352
01:20:09,836 --> 01:20:15,652
tenemos este usuario, tenemos un alumno y
un profesor y tenemos el usuario,

1353
01:20:15,852 --> 01:20:18,591
administrador, profesor 1 y alumno 1.

1354
01:20:18,791 --> 01:20:19,859
Vale, ya hemos creado los grupos.

1355
01:20:20,059 --> 01:20:21,558
Ahora comenzamos.

1356
01:20:21,758 --> 01:20:26,513
Pues resulta que, estamos ahí como
administrador, nos viene el profesor

1357
01:20:26,513 --> 01:20:31,802
Carlos de infraestructura de Big Data y
que necesita crear un modelo para hacer

1358
01:20:31,802 --> 01:20:33,692
preguntas de tipo recordar.

1359
01:20:33,892 --> 01:20:37,817
Él ha estado probando en casa y entonces
el modelo que necesita es Llama 3.

1360
01:20:38,017 --> 01:20:39,820
Todo esto en realidad lo estoy agilizando.

1361
01:20:40,020 --> 01:20:44,179
En vuestro caso, lo normal es que el
administrador os diera permisos de muchos

1362
01:20:44,179 --> 01:20:45,086
modelos.

1363
01:20:45,286 --> 01:20:46,708
Bueno, eso lo podéis ver aquí.

1364
01:20:46,908 --> 01:20:48,710
Yo soy el administrador, ¿no?

1365
01:20:48,910 --> 01:20:50,212
Sí, vale, perfecto.

1366
01:20:50,412 --> 01:20:55,590
Pues me voy aquí a Settings, me voy a
Modelos y ahora decido qué modelos voy a

1367
01:20:55,590 --> 01:20:59,322
poner accesibles para que los profesores
jueguen con ellos.

1368
01:20:59,522 --> 01:21:01,165
Jueguen y prueben, ¿vale?

1369
01:21:01,365 --> 01:21:04,789
Pues en concreto yo le quiero dar el
modelo Llama 3.

1370
01:21:04,989 --> 01:21:12,555
Llama 3 quiero darle acceso a todo el
grupo de profesores.

1371
01:21:12,755 --> 01:21:18,755
o podría ir a uno de ellos, pero no, a
todos los profesores que tengan acceso a

1372
01:21:18,755 --> 01:21:21,086
Llama 3, ¿de acuerdo?

1373
01:21:21,286 --> 01:21:22,748
Para que lo prueben, ¿vale?

1374
01:21:22,948 --> 01:21:28,948
Ya le he dado acceso, entonces, si yo
ahora me salgo del usuario administrador,

1375
01:21:28,948 --> 01:21:34,826
aquí ahora yo ya puedo entrar, vamos a
entrar primero como alumno, y si entro

1376
01:21:34,826 --> 01:21:36,904
como alumno, a ver,

1377
01:21:37,342 --> 01:21:41,612
Vamos a ver que no tenemos ningún modelo
disponible.

1378
01:21:41,812 --> 01:21:47,164
Ahora mismo el alumno no tendría capacidad
de chatear con nadie porque no le hemos,

1379
01:21:47,164 --> 01:21:49,710
como administrador, dado ningún modelo.

1380
01:21:49,910 --> 01:21:52,275
Vale, pues vamos a entrar entonces ahora
como profesor.

1381
01:21:52,475 --> 01:21:54,540
Vamos a ver el profesor 1.

1382
01:21:54,740 --> 01:21:59,065
Entramos, el profesor 1 sí que tiene
acceso a este modelo, al Llama 3, que el

1383
01:21:59,065 --> 01:22:03,618
administrador nos lo ha dado, entonces sí
que somos capaces de conversar con este

1384
01:22:03,618 --> 01:22:07,716
modelo, fantástico, de nuevo, aquí está
ejecutándose el local, está en mi

1385
01:22:07,716 --> 01:22:12,155
portátil, entonces tarda un poquito, si
esto fuera en otro servidor un poco más

1386
01:22:12,155 --> 01:22:16,538
potente, pues iría bien, pero el profesor
tiene disponibilidad del modelo para

1387
01:22:16,538 --> 01:22:18,587
trastear y jugar con él como quiera.

1388
01:22:18,787 --> 01:22:19,810
¿Qué vamos a hacer entonces?

1389
01:22:20,010 --> 01:22:23,585
Pues si queremos seguir la metodología
L'Express, lo que tenemos que crear

1390
01:22:23,585 --> 01:22:25,643
primero es un modelo que formule
preguntas.

1391
01:22:25,843 --> 01:22:30,174
Pues nos vamos a la sección de Workspace y
en este caso queremos crear un nuevo

1392
01:22:30,174 --> 01:22:31,076
modelo.

1393
01:22:31,276 --> 01:22:34,002
Somos un profesor, queremos crear un nuevo
modelo.

1394
01:22:34,202 --> 01:22:36,221
Vale, ¿qué nombre le vamos a dar al
modelo?

1395
01:22:36,421 --> 01:22:42,421
Yo aquí recomiendo seguir una estructura
de asignatura, guión, nivel cognitivo, dos

1396
01:22:42,421 --> 01:22:46,197
puntos, curso.

1397
01:22:46,397 --> 01:22:47,138
¿Por qué?

1398
01:22:47,338 --> 01:22:52,264
Porque va a permitir al alumno saber el
nivel cognitivo, obviamente, que quiere

1399
01:22:52,264 --> 01:22:53,248
autoevaluarse.

1400
01:22:53,448 --> 01:22:57,057
Y segundo, porque gracias a la etiqueta
del curso, el administrador podrá

1401
01:22:57,057 --> 01:23:00,666
habilitar o cerrar modelos que
consideréis, ay, pues es que el modelo que

1402
01:23:00,666 --> 01:23:03,103
utilicé el año pasado para infraestructura
Big Data es

1403
01:23:03,303 --> 01:23:04,185
lo he mejorado.

1404
01:23:04,385 --> 01:23:07,430
Quítalo, quítalo y le ponemos este otro,
pero no lo quiero perder.

1405
01:23:07,630 --> 01:23:10,134
Se lo quitas a los alumnos, pero yo lo
quiero seguir teniendo porque...

1406
01:23:10,334 --> 01:23:14,860
Vale, pues entonces mi recomendación es
poner el nombre de la asignatura, en mi

1407
01:23:14,860 --> 01:23:19,502
caso infraestructura de Big Data, luego el
nivel cognitivo que quiere evaluar, en

1408
01:23:19,502 --> 01:23:21,551
este caso es recordar, y la versión.

1409
01:23:21,751 --> 01:23:23,394
Pues estamos en el 2026.

1410
01:23:23,594 --> 01:23:25,798
Vale, ya tenemos el nombre.

1411
01:23:25,998 --> 01:23:26,998
Ahora...

1412
01:23:26,759 --> 01:23:30,928
Hemos dicho que no somos capaces aún de
crear un modelo desde cero, sino que lo

1413
01:23:30,928 --> 01:23:33,548
que hacemos es contextualizar un modelo
existente.

1414
01:23:33,748 --> 01:23:37,848
Pues tenemos que seleccionar un modelo
base, es decir, qué modelo de IA

1415
01:23:37,848 --> 01:23:42,417
generativa vamos a utilizar, vamos a
constreñir, ajustar, para que formule esas

1416
01:23:42,417 --> 01:23:43,417
preguntas.

1417
01:23:43,520 --> 01:23:46,744
Pues en este caso, el modelo llama a tres.

1418
01:23:46,944 --> 01:23:52,547
Descripción, pues cómo podemos describir
un poco el modelo para que lo vea

1419
01:23:52,747 --> 01:23:54,850
lo vea, perdón, el estudiante.

1420
01:23:55,050 --> 01:24:01,050
Pues decimos que formula preguntas
factuales en el contexto de

1421
01:24:01,050 --> 01:24:05,584
infraestructura de Big Data.

1422
01:24:05,784 --> 01:24:10,677
Hasta aquí, todo es metainformación, es
decir, información que describe al modelo,

1423
01:24:10,677 --> 01:24:13,154
pero que no define aún su comportamiento.

1424
01:24:13,354 --> 01:24:16,798
Ahora, aquí en el System Prompt, sí que
vamos a definir y acotar el

1425
01:24:16,798 --> 01:24:17,758
comportamiento.

1426
01:24:17,958 --> 01:24:21,442
Tenemos que crear el modelo que formule
preguntas de tipo recordar.

1427
01:24:21,642 --> 01:24:22,403
Fantástico.

1428
01:24:22,603 --> 01:24:28,603
Nos vamos de nuevo a nuestro repositorio
de GitHub, Lincedu, aprendizaje,

1429
01:24:28,603 --> 01:24:32,514
inteligencia artificial.

1430
01:24:32,714 --> 01:24:34,857
Y ahí teníamos uno de tipo recordar.

1431
01:24:35,057 --> 01:24:35,558
Sí.

1432
01:24:35,758 --> 01:24:36,758
Y a pregunta recordar.

1433
01:24:36,759 --> 01:24:38,020
Y aquí teníamos el prompt.

1434
01:24:38,220 --> 01:24:39,742
Eres un asistente.

1435
01:24:39,942 --> 01:24:40,942
Vale.

1436
01:24:40,323 --> 01:24:42,385
Pues vamos a verlo aquí un poco más en
claro.

1437
01:24:42,585 --> 01:24:43,585
Eres un asistente.

1438
01:24:43,546 --> 01:24:47,931
Pues cogemos todo este system prompt que
tenemos aquí y

1439
01:24:48,181 --> 01:24:52,984
Esta es vuestra particularización, aquí es
donde recomiendo claramente que vosotros

1440
01:24:52,984 --> 01:24:57,788
modifiquéis, ajustéis lo que consideréis
oportuno, porque esto es lo que va a hacer

1441
01:24:57,788 --> 01:25:02,299
que el modelo se comporte conforme a lo
que vosotros esperáis que haga, ¿vale?

1442
01:25:02,499 --> 01:25:07,075
En este caso, lo copio y lo pego
directamente en este system prompt, luego

1443
01:25:07,075 --> 01:25:08,518
el modelo ya se va a...

1444
01:25:08,718 --> 01:25:14,718
comportar de acuerdo a lo que yo había
definido y activo o vamos a particularizar

1445
01:25:14,718 --> 01:25:18,577
aún parámetros adicionales, ¿vale?

1446
01:25:18,777 --> 01:25:23,086
Si mostramos los parámetros adicionales
veremos que hay muchos, ¿por qué?

1447
01:25:23,286 --> 01:25:27,333
Porque he dimensionado antes, es decir,
esta plataforma Open Way UI

1448
01:25:27,533 --> 01:25:32,613
No solo permite interaccionar con modelos,
sino también utilizarlos en modo RAG, en

1449
01:25:32,613 --> 01:25:37,012
modo conversaciones avanzadas, etc.
Nosotros por ahora nos vamos a ceñir

1450
01:25:37,012 --> 01:25:40,234
sencillamente en definir el parámetro de
temperatura.

1451
01:25:40,434 --> 01:25:44,160
Temperatura, que si no me equivoco es este
de aquí, ¿vale?

1452
01:25:44,360 --> 01:25:48,425
Que viene con un valor de 0.8 y el valor
de temperatura lo que define es la

1453
01:25:48,425 --> 01:25:49,689
creatividad del modelo.

1454
01:25:49,889 --> 01:25:53,540
Que queremos que el modelo genere
preguntas...

1455
01:25:53,740 --> 01:25:59,054
que no necesariamente se ciñan al prompt
que acabamos de pegarle, pues le ponemos

1456
01:25:59,054 --> 01:26:00,449
un valor cercano a 1.

1457
01:26:00,649 --> 01:26:05,443
Si lo que queremos es que la creatividad
del modelo se acote muchísimo y que no se

1458
01:26:05,443 --> 01:26:09,882
salga de lo que hemos marcado en el
prompt, le ponemos un valor cercano a 0.

1459
01:26:10,122 --> 01:26:14,028
Yo en este caso le voy a poner un valor de
0,1.

1460
01:26:14,228 --> 01:26:18,777
Es decir, quiero que se ajuste lo máximo
posible a las restricciones que le he

1461
01:26:18,777 --> 01:26:19,916
marcado en este prompt.

1462
01:26:20,116 --> 01:26:25,173
Hay otra serie de parámetros, el key, el
pip, bueno, esos son referidos a RAR, no

1463
01:26:25,173 --> 01:26:29,789
entro en detallarlo, si alguien tiene
dudas que me pregunte y yo se lo voy

1464
01:26:29,789 --> 01:26:30,752
marcando.

1465
01:26:30,952 --> 01:26:32,657
Vale, conocimiento, de nuevo,

1466
01:26:32,857 --> 01:26:38,458
Aquí admite que nosotros le podamos al
modelo proporcionar documentos para que el

1467
01:26:38,458 --> 01:26:43,926
contexto que utilice el modelo sea no
solamente el texto que le pasa el alumno,

1468
01:26:43,926 --> 01:26:46,395
sino también documentos externos.

1469
01:26:46,595 --> 01:26:49,700
Os puede venir bien si queréis extender
ese contexto.

1470
01:26:49,900 --> 01:26:54,484
En mi opinión, este método LESPRE no está
enfocado a que precisamente le aportéis

1471
01:26:54,484 --> 01:26:59,125
contexto, sino que sea el propio alumno el
que decide el contexto como parte de su

1472
01:26:59,125 --> 01:27:00,125
autoevaluación.

1473
01:27:00,093 --> 01:27:04,514
Luego, en mi caso, yo no seleccionaría
ningún conocimiento, yo no aportaría

1474
01:27:04,514 --> 01:27:08,160
ningún documento, sencillamente lo que el
alumno me considere.

1475
01:27:08,360 --> 01:27:10,022
¿Qué capacidades va a tener este modelo?

1476
01:27:10,222 --> 01:27:15,975
Hace análisis de visión, sube ficheros, no
permite búsquedas web, ni generación de

1477
01:27:15,975 --> 01:27:21,328
imágenes, ni interpreta código, ni se
engancha a una terminal, como mucho te

1478
01:27:21,328 --> 01:27:24,015
ofrece citas y tampoco tiene tools.

1479
01:27:24,215 --> 01:27:29,964
Entonces, yo lo dejaría así y ahora mismo
ya tendríamos nuestro modelo recordar.

1480
01:27:30,164 --> 01:27:31,164
Vamos a probarlo.

1481
01:27:31,206 --> 01:27:35,020
Hemos creado un modelo recordar que, por
tanto, lo que nos va a permitir que es

1482
01:27:35,020 --> 01:27:36,194
formular preguntas, ¿no?

1483
01:27:36,394 --> 01:27:39,900
Pues venga, si yo hablo con este modelo,
mira, yo hablo con este modelo.

1484
01:27:40,100 --> 01:27:46,951
Vamos a lanzarle entonces la pregunta del
meme que teníamos aquí, ¿vale?

1485
01:27:47,151 --> 01:27:49,050
Si bajamos en esta...

1486
01:27:49,250 --> 01:27:52,761
En este repositorio teníamos lo mismo que
os estaba enseñando en las slides.

1487
01:27:52,961 --> 01:27:56,572
Vale, pues le pasamos toda la información
que teníamos de un meme.

1488
01:27:56,772 --> 01:28:01,166
Estamos simulando para probarlo antes de
que le abramos el acceso al alumno.

1489
01:28:01,366 --> 01:28:04,220
Vamos a imaginar que el alumno me da esta
información.

1490
01:28:04,420 --> 01:28:09,731
El modelo, entonces, me debería formular,
míralo, preguntas, ¿vale?

1491
01:28:09,931 --> 01:28:13,218
Pues me dice que en base a este texto me
dice, preguntas de nivel recuerdo.

1492
01:28:13,418 --> 01:28:15,803
¿Qué tipo de contenido puede ser un meme?

1493
01:28:16,003 --> 01:28:18,188
¿Cómo se difunden los memes rápidamente en
redes sociales?

1494
01:28:18,388 --> 01:28:22,597
¿Cuál es el objetivo principal detrás del
uso de plantillas para crear nuevos memes?

1495
01:28:22,797 --> 01:28:29,148
Bueno, pues esto funciona suficientemente
bien, lo vamos viendo, ¿sí?

1496
01:28:29,348 --> 01:28:32,213
Vale, pues decimos, fantástico, vamos a
darle salida.

1497
01:28:32,413 --> 01:28:37,081
Venga, queremos que el alumno acceda a
este modelo.

1498
01:28:37,281 --> 01:28:43,281
Nos tendremos entonces que salir y ahí
será el administrador el encargado de

1499
01:28:43,281 --> 01:28:46,696
darle acceso a este modelo, ¿vale?

1500
01:28:46,896 --> 01:28:49,817
Entonces, entramos como administrador,

1501
01:28:50,017 --> 01:28:54,541
Y ahora, al entrar como administrador,
veremos que aquí también tenemos, ¿veis?

1502
01:28:54,741 --> 01:28:59,225
Nos aparece ya este modelo que acabamos de
crear desde el profesor.

1503
01:28:59,425 --> 01:29:02,588
Pero claro, lo que queremos es permitir el
acceso a los alumnos.

1504
01:29:02,788 --> 01:29:08,069
Entonces, nos vamos al espacio de trabajo
y en el caso de este modelo, lo que

1505
01:29:08,069 --> 01:29:12,217
decimos es que queremos editar sus
privilegios, ¿de acuerdo?

1506
01:29:12,417 --> 01:29:16,508
Somos administrador y queremos abrir el
acceso de este modelo que nos lo ha dado

1507
01:29:16,508 --> 01:29:18,723
Carlos, el profesor de infraestructura Big
Data,

1508
01:29:18,923 --> 01:29:23,048
para que todos los alumnos tengan acceso a
él.

1509
01:29:23,248 --> 01:29:27,982
Si quisiéramos, por ejemplo, abrirlo con
los alumnos de una clase concreta, o

1510
01:29:27,982 --> 01:29:32,593
tendríamos ese grupo o podríamos ir a
nivel fino a cada uno de esos alumnos

1511
01:29:32,593 --> 01:29:34,462
dándoles acceso a este modelo.

1512
01:29:34,662 --> 01:29:39,629
Vale, le damos acceso, lo cerramos y
entonces, claro, ya si somos un alumno

1513
01:29:39,629 --> 01:29:41,531
podríamos acceder a él, ¿no?

1514
01:29:41,731 --> 01:29:47,951
Pues vamos a comprobarlo porque vais a ver
que aún nos queda una cosilla por hacer.

1515
01:29:48,151 --> 01:29:51,837
Vale, entramos como alumno.

1516
01:29:52,037 --> 01:29:53,299
Vale, ahí, perdón, que no le he dado.

1517
01:29:53,499 --> 01:29:56,304
Entramos como alumno y tenemos ya el
modelo recordar.

1518
01:29:56,504 --> 01:29:57,504
Fantástico.

1519
01:29:57,085 --> 01:30:02,694
Entonces, yo soy un alumno y quiero volver
a, estoy evaluándome sobre los memes.

1520
01:30:02,894 --> 01:30:05,318
Venga, voy a utilizar el modelo recordar
para autoevaluarme.

1521
01:30:05,518 --> 01:30:07,902
¿Qué preguntas me darías a nivel de
recordar?

1522
01:30:08,102 --> 01:30:10,045
Y aquí tenemos un problema.

1523
01:30:10,245 --> 01:30:10,496
Vale.

1524
01:30:10,696 --> 01:30:14,802
Nos dice que no encuentra el modelo y el
modelo sí que lo tiene, pero ¿qué ocurre?

1525
01:30:15,002 --> 01:30:19,949
Y aquí lo que hemos creado ha sido un
modelo que extiende otro modelo.

1526
01:30:20,149 --> 01:30:25,194
No es un modelo generado desde cero, es un
modelo que extiende el modelo Llama 3, si

1527
01:30:25,194 --> 01:30:26,138
recordáis.

1528
01:30:26,338 --> 01:30:31,622
Entonces, esto nos obliga cuando lo
extendemos y lo creamos de esta forma a

1529
01:30:31,622 --> 01:30:37,040
que el administrador, de nuevo me tengo
que salir, entrar como administrador,

1530
01:30:37,240 --> 01:30:43,240
habilite a los alumnos no solamente el
modelo que acabamos de crear, sino también

1531
01:30:43,240 --> 01:30:49,111
el modelo base, el modelo Llama 3.

1532
01:30:49,311 --> 01:30:53,835
Entonces, si nos vamos a modelos y nos
vamos a Llama 3, en el momento que

1533
01:30:53,835 --> 01:30:58,863
dijimos, perdón, en el momento que dijimos
que los profesores tenían acceso a ese

1534
01:30:58,863 --> 01:31:03,514
modelo, también teníamos que haber
indicado que los alumnos tienen acceso a

1535
01:31:03,514 --> 01:31:05,745
ese modelo para que lo puedan utilizar.

1536
01:31:05,945 --> 01:31:09,229
Aquí dos cosillas antes de nada.

1537
01:31:09,429 --> 01:31:15,429
Una vez, para demostrar que no se estoy
engañando, le damos acceso al modelo Llama

1538
01:31:15,429 --> 01:31:21,429
3, entramos ahora ya sí como alumno y al
entrar como alumno y ahora ya sí tener

1539
01:31:21,429 --> 01:31:27,429
acceso a ese modelo, tenemos el Llama 3 y
también el de Recordar, si incorporamos

1540
01:31:27,429 --> 01:31:29,876
ahora ya sí el texto...

1541
01:31:30,076 --> 01:31:33,901
El modelo funciona correctamente, ¡ah,
maravilloso!

1542
01:31:34,101 --> 01:31:40,101
Ya tenemos las preguntas, el alumno puede
ir guardándose esas preguntas y conforme

1543
01:31:40,101 --> 01:31:46,101
vaya poniendo más contenido, nuevas
preguntas, pues por ejemplo, si ponemos

1544
01:31:46,101 --> 01:31:51,425
Wikipedia, infraestructuras de Big Data,
por ejemplo.

1545
01:31:51,625 --> 01:31:54,113
Nos vamos a computación de hiperescala.

1546
01:31:54,313 --> 01:31:59,669
Si el alumno ha considerado que todo este
texto es válido, imaginar, pues dice

1547
01:31:59,669 --> 01:32:03,440
quiero preguntas a nivel de recordar de
todo este texto.

1548
01:32:03,640 --> 01:32:08,983
para que veáis que no es que esté apañado
para ese contenido, pues efectivamente te

1549
01:32:08,983 --> 01:32:10,287
la sigue formulando.

1550
01:32:10,487 --> 01:32:11,989
Vale, aquí dos detalles.

1551
01:32:12,189 --> 01:32:18,189
Si os fijáis, al haber tenido que crear el
modelo de forma contextualizada dentro de

1552
01:32:18,189 --> 01:32:24,189
Open Web UI, tanto el alumno como el
profesor necesitamos el modelo generado y

1553
01:32:24,189 --> 01:32:28,586
el modelo del que se basa para crearlo.

1554
01:32:28,786 --> 01:32:31,048
¿Cómo podríamos evitar esto?

1555
01:32:31,248 --> 01:32:34,513
que el alumno tuviera esta necesidad.

1556
01:32:34,713 --> 01:32:40,713
Pues fijaros, se podría crear el modelo
directamente en Ollama, vamos aquí, vale,

1557
01:32:40,713 --> 01:32:53,002
vamos por aquí, dejadme que lo tenga yo
aquí, Licedu, repositorios, vale.

1558
01:32:53,202 --> 01:32:56,499
Y esto yo no lo enseñaba porque esta es
una tarea más de administrador a mi

1559
01:32:56,499 --> 01:32:57,366
juicio.

1560
01:32:57,566 --> 01:33:02,523
Una vez que el administrador valide que
los modelos son correctos, el

1561
01:33:02,523 --> 01:33:07,835
administrador ya sí que podría crear ese
modelo directamente en Oyama, ¿vale?

1562
01:33:08,035 --> 01:33:14,035
Aquí tenemos los modelos, en este caso es
el de preguntar a nivel de recordar y

1563
01:33:14,035 --> 01:33:21,960
entonces le diríamos a Oyama, Oyama quiero
crear un modelo, lo quiero llamar IBD

1564
01:33:22,160 --> 01:33:28,160
recordar y lo llamamos puro o recordar
todo 2026 a partir de este contenido, que

1565
01:33:28,160 --> 01:33:37,173
es el mismo fichero que teníamos antes.

1566
01:33:37,373 --> 01:33:37,753
¿Vale?

1567
01:33:37,953 --> 01:33:43,953
Se habrá creado el modelo y, entonces, al
haberse creado el modelo, si yo ahora aquí

1568
01:33:43,953 --> 01:33:49,941
entro como administrador, a ver si no me
deja mal, es decir, ya hemos creado ese

1569
01:33:49,941 --> 01:33:51,930
modelo desde fuera,

1570
01:33:52,130 --> 01:33:53,130
¿Veis?

1571
01:33:52,831 --> 01:33:55,076
Ya aparece aquí como IBD recordar todo.

1572
01:33:55,276 --> 01:33:56,979
Este se ha creado desde cero.

1573
01:33:57,179 --> 01:34:01,499
Entonces, como usuario administrador,
entonces ahora ya nos vamos al panel de

1574
01:34:01,499 --> 01:34:03,992
los modelos y decimos, vamos a ver, vamos
a ver.

1575
01:34:04,192 --> 01:34:07,050
En el caso de Llama 3...

1576
01:34:07,250 --> 01:34:12,044
No, no vamos a habilitárselo a los alumnos
porque lo que le vamos es habilitar otro

1577
01:34:12,044 --> 01:34:12,956
modelo.

1578
01:34:13,156 --> 01:34:18,762
Entonces, en el caso de control de acceso,
los alumnos se lo quitamos, ¿vale?

1579
01:34:18,962 --> 01:34:24,828
Y lo que sí que le vamos a dar es acceso
al modelo de IBD recordar todo, ¿vale?

1580
01:34:25,028 --> 01:34:31,028
Este lo cargamos aquí y este le damos el
acceso a todos los alumnos y también si

1581
01:34:31,028 --> 01:34:36,210
queremos a los profesores, ¿vale?

1582
01:34:36,410 --> 01:34:42,410
A nivel de Workspace, el modelo que
teníamos antes, también se lo podemos

1583
01:34:42,410 --> 01:34:48,410
quitar al alumno porque el alumno,
perdona, este de aquí, lo estoy haciendo

1584
01:34:48,410 --> 01:34:53,106
mal, disculpadme, es editar.

1585
01:34:53,306 --> 01:34:58,613
Le quitamos el acceso al alumno para que
el alumno solamente tenga un modelo limpio

1586
01:34:58,613 --> 01:35:03,403
y creado que no permita conversaciones,
sino que se ciña directamente a las

1587
01:35:03,403 --> 01:35:04,374
preguntas.

1588
01:35:04,574 --> 01:35:10,294
Una vez que ya hemos hecho eso, si ahora
ya sí que entramos como alumno, vemos que,

1589
01:35:10,294 --> 01:35:15,415
a ver, el único modelo que debería
aparecer, efectivamente, veis, ya es el

1590
01:35:15,415 --> 01:35:20,936
IBD recordar, ya no tiene llama y sobre
este IBD, si le ponemos, pues yo qué sé,

1591
01:35:20,936 --> 01:35:26,390
otra vez de nuevo todo este texto, aquí
puede que nos funcione y ahora va a ser

1592
01:35:26,390 --> 01:35:28,978
interesante, que nos funcione peor.

1593
01:35:29,178 --> 01:35:30,405
¿Qué es la computación?

1594
01:35:30,605 --> 01:35:32,757
¿Cuál es el propósito de hiperescala?

1595
01:35:32,957 --> 01:35:34,245
¿Qué tipo de infraestructura?

1596
01:35:34,445 --> 01:35:35,632
¿Qué es el MapReduce?

1597
01:35:35,832 --> 01:35:36,673
Bueno,

1598
01:35:36,873 --> 01:35:40,495
Decía que podía que funcionase peor porque
en este caso el modelo base que había

1599
01:35:40,495 --> 01:35:43,606
utilizado era un Gemini, pero bueno, en
definitiva ya lo estáis viendo.

1600
01:35:43,806 --> 01:35:48,677
Y en este caso el alumno no tiene acceso a
todos los modelos, sino que únicamente

1601
01:35:48,677 --> 01:35:51,600
tiene acceso a ese modelo nuevo que se ha
creado.

1602
01:35:51,800 --> 01:35:56,655
Luego Open Web UI viene muy bien para
establecer esos primeros prototipos que el

1603
01:35:56,655 --> 01:36:00,737
profesor pruebe, construya su modelo y una
vez que ya lo ha construido,

1604
01:36:00,937 --> 01:36:06,220
publique ese modelo a través de Oyama y si
el administrador el que diga, ah, vale,

1605
01:36:06,220 --> 01:36:11,568
este modelo que has creado con Oyama, le
voy a dar visibilidad a los alumnos que me

1606
01:36:11,568 --> 01:36:12,938
consideres oportunos.

1607
01:36:13,138 --> 01:36:16,599
Entonces, los habilitas a los del aula y
esos alumnos solo tendrían acceso a esos

1608
01:36:16,599 --> 01:36:17,465
modelos.

1609
01:36:17,665 --> 01:36:23,408
No les estamos dando acceso a modelos de
chat, propiamente dichos, sino a modelos

1610
01:36:23,408 --> 01:36:27,686
que le responden o que le formulan
preguntas muy concretas.

1611
01:36:27,886 --> 01:36:32,038
No sé si tenéis alguna duda sobre esta
demo.

1612
01:36:32,238 --> 01:36:33,238
He ido muy rápido.

1613
01:36:33,241 --> 01:36:35,347
Ha sido muy específica de la herramienta.

1614
01:36:35,547 --> 01:36:40,943
Vale, María pregunta, ¿estos modelos
imagino que están entrenados por Oyama?

1615
01:36:41,143 --> 01:36:42,143
No.

1616
01:36:41,335 --> 01:36:47,174
No, no, Oyama es un entorno que los
publica, pero el encargado de entrenar los

1617
01:36:47,174 --> 01:36:50,014
modelos ha sido el que los sube.

1618
01:36:50,214 --> 01:36:56,152
En este caso, por ejemplo, mirad, quito la
presentación, quito la presentación, vale,

1619
01:36:56,152 --> 01:36:59,225
me voy a Oyama, si te vas aquí a modelos,

1620
01:36:59,425 --> 01:37:03,812
tú puedes ver realmente quién ha publicado
tal modelo, ¿vale?

1621
01:37:04,012 --> 01:37:10,012
Entonces, en este caso, el Granite Form,
en esta información, define quién ha

1622
01:37:10,012 --> 01:37:14,868
creado ese modelo y con qué permisos los
publica.

1623
01:37:15,068 --> 01:37:19,335
Yo puedo haber creado un modelo y que esté
accesible aquí con Oyama.

1624
01:37:19,535 --> 01:37:24,757
O sea, Oyama es un facilitador de modelos,
pero no es el creador, ¿de acuerdo?,

1625
01:37:24,957 --> 01:37:30,031
la temperatura es la que no le deja
salirse del texto de proporcionar y no

1626
01:37:30,031 --> 01:37:35,505
tener, eso es, la temperatura en realidad
a nivel técnico lo que hace es que esa

1627
01:37:35,505 --> 01:37:40,579
variabilidad que tiene el modelo en
componer la frase a partir de un texto

1628
01:37:40,579 --> 01:37:46,253
inicial se reduce para que solamente tenga
los de mayor probabilidad y por lo tanto

1629
01:37:46,253 --> 01:37:50,508
los que más se ajusten al contexto, en
este caso se traduciría en

1630
01:37:50,708 --> 01:37:55,721
Con una temperatura más baja o más cercana
a cero, el modelo se comporta más

1631
01:37:55,721 --> 01:38:01,268
fielmente a lo que yo le he indicado en el
prompt que si tuviera una temperatura muy

1632
01:38:01,268 --> 01:38:02,282
alta, ¿vale?

1633
01:38:02,482 --> 01:38:06,187
Ah, puedo mostrar, es verdad, Pablo,
ostras, no he hecho el cómo evalúa.

1634
01:38:06,387 --> 01:38:09,991
Vale, pues vamos con el cómo evalúa.

1635
01:38:10,191 --> 01:38:15,247
Salimos, entramos a nivel de profesor, muy
bien.

1636
01:38:15,447 --> 01:38:16,447
¿Vale?

1637
01:38:16,088 --> 01:38:17,088
Fantástico.

1638
01:38:16,669 --> 01:38:21,461
Y ahora lo que queremos es crear un
modelo, un modelo que va a ser el que

1639
01:38:21,461 --> 01:38:22,460
evalúa, ¿vale?

1640
01:38:22,660 --> 01:38:29,251
Pues creamos un nuevo modelo, lo llamamos
evalúa y este es el 2026.

1641
01:38:29,451 --> 01:38:38,518
El modelo base va a ser llama3, modelo que
evalúa una respuesta...

1642
01:38:38,718 --> 01:38:44,718
y un a una pregunta y un contexto vale el
prompt de nuevo nos vamos aquí aquí hemos

1643
01:38:44,718 --> 01:38:50,718
dejado un prompt recomendable pero
vosotros lo tenéis que personalizar con la

1644
01:38:50,718 --> 01:38:56,675
parte de evaluación este de aquí

1645
01:38:56,875 --> 01:38:59,959
Nos vamos a la parte cruda y es muy
sencillo.

1646
01:39:00,159 --> 01:39:04,164
Dice que eres un asistente que evalúa
respuestas de estudiante utilizando

1647
01:39:04,164 --> 01:39:06,167
únicamente una anotación de estudio.

1648
01:39:06,367 --> 01:39:12,014
Luego lo que espera es que el estudiante
le ponga la anotación, que sería lo que ha

1649
01:39:12,014 --> 01:39:17,142
seleccionado, la pregunta que le formuló
la IA y la respuesta que él ha dado.

1650
01:39:17,342 --> 01:39:18,984
Copiamos esa información.

1651
01:39:19,184 --> 01:39:22,711
Y lo marcamos aquí en nuestro system
prompt, ¿vale?

1652
01:39:22,911 --> 01:39:27,429
De nuevo, no marcamos conocimiento y
dentro de las capacidades indicamos que lo

1653
01:39:27,429 --> 01:39:32,006
único que queremos que el modelo sea capaz
de incorporar, como mucho, serían las

1654
01:39:32,006 --> 01:39:35,193
citas, por si en alguna de las respuestas
tuviera valor.

1655
01:39:35,393 --> 01:39:38,719
Y creamos el modelo, ¿vale?

1656
01:39:38,919 --> 01:39:40,668
Ya tenemos el modelo evalúa.

1657
01:39:40,868 --> 01:39:46,285
De nuevo nos salimos a la parte
administrador porque necesitamos que ese

1658
01:39:46,285 --> 01:39:50,302
modelo de evaluación lo tenga disponible
el alumno.

1659
01:39:50,502 --> 01:39:56,431
Entonces, primer paso, como se apoya en el
modelo Llama 3, como administrador nos

1660
01:39:56,431 --> 01:39:58,674
vamos a la parte de modelos,

1661
01:39:58,874 --> 01:40:04,751
Y ahí le habilitamos de nuevo que el
modelo Llama 3 pase a estar disponible por

1662
01:40:04,751 --> 01:40:06,249
los alumnos.

1663
01:40:06,449 --> 01:40:10,296
A ver, vamos a añadir acceso de alumnos.

1664
01:40:10,496 --> 01:40:11,496
Aquí está.

1665
01:40:11,538 --> 01:40:12,538
Vale.

1666
01:40:11,659 --> 01:40:14,705
Ya tenemos el modelo Llama 3 disponible
para alumnos.

1667
01:40:14,905 --> 01:40:18,895
Y ahora lo que queremos es que este modelo
de evaluación que acaba de hacer el

1668
01:40:18,895 --> 01:40:21,694
profesor Carlos, pues que también lo
tengan disponible.

1669
01:40:21,894 --> 01:40:25,838
Editamos ese modelo y al acceso que el
profesor había definido, nosotros le

1670
01:40:25,838 --> 01:40:29,677
indicamos que todos los alumnos, incluso
también si quisiéramos todos los

1671
01:40:29,677 --> 01:40:33,569
profesores, pero bueno, como se quiera,
todos los alumnos lo pueden tener.

1672
01:40:33,769 --> 01:40:34,391
¿Vale?

1673
01:40:34,591 --> 01:40:36,674
Ya tenemos esos permisos asignados.

1674
01:40:36,874 --> 01:40:40,679
Ahora ya sí que podemos entrar como
alumno.

1675
01:40:40,879 --> 01:40:43,943
A ver, alumno.

1676
01:40:44,143 --> 01:40:44,338
Sí.

1677
01:40:44,538 --> 01:40:50,528
y entramos, vale, ya tenemos el recordar y
el evaluar, fantástico, vale, para el caso

1678
01:40:50,528 --> 01:40:56,318
evaluar, ya habéis visto que se requiere
una estructura concreta, vale, es esta de

1679
01:40:56,318 --> 01:41:01,708
aquí, que tiene anotación, pregunta y
respuesta, vale, pues vamos a coger de

1680
01:41:01,708 --> 01:41:03,879
aquí también un ejemplo, vale,

1681
01:41:04,079 --> 01:41:10,079
seguimos para abajo con el ejemplito de
los memes y tenemos aquí una anotación una

1682
01:41:10,079 --> 01:41:16,130
pregunta y una respuesta es decir, ahora
lo vemos más tranquilamente el alumno

1683
01:41:16,330 --> 01:41:21,769
A este texto que le pasó al modelo de la
pregunta de recordar, le pasó que un meme

1684
01:41:21,769 --> 01:41:27,343
era un contenido digital que se reproduce
y modifica rápidamente en redes sociales y

1685
01:41:27,343 --> 01:41:29,383
normalmente usando plantillas.

1686
01:41:29,583 --> 01:41:33,387
La pregunta que le formuló la IA fue ¿por
qué los memes se difunden tan rápido?

1687
01:41:33,587 --> 01:41:35,710
El alumno lo que ha respondido es esto.

1688
01:41:35,910 --> 01:41:41,079
Vale, pues le pasamos toda esa información
a nuestro modelo de evaluación y nuestro

1689
01:41:41,079 --> 01:41:42,877
modelo de evaluación nos dice...

1690
01:41:43,077 --> 01:41:47,541
rozas la perfección pero estás en un 4
sobre 5 la respuesta es generalmente

1691
01:41:47,541 --> 01:41:52,067
adecuada en cuanto a que identifica
algunas razones por las que los memes se

1692
01:41:52,067 --> 01:41:56,712
difunden menciona la facilidad para
entender y comprender lo que es importante

1693
01:41:56,712 --> 01:42:01,117
y destaca el uso de imágenes pero no
explora otras razones por las que los

1694
01:42:01,117 --> 01:42:04,578
memes pueden ser efectivos en términos de
difusión por ejemplo

1695
01:42:04,778 --> 01:42:07,682
No se menciona la importancia del humor o
del factor de novedad.

1696
01:42:07,882 --> 01:42:11,907
No hay un análisis más profundo sobre cómo
las redes sociales, etcétera.

1697
01:42:12,107 --> 01:42:15,809
Aquí esto en realidad todo tiene que ver
con ese prompt que le hemos dado al modelo

1698
01:42:15,809 --> 01:42:16,712
evaluador.

1699
01:42:16,912 --> 01:42:21,359
Nosotros podemos decirle que sea mucho más
explicativo, mucho más frío, mucho más

1700
01:42:21,359 --> 01:42:24,862
cortante, que únicamente tenga en cuenta
ese contexto, etcétera.

1701
01:42:25,062 --> 01:42:26,062
¿Vale?

1702
01:42:25,803 --> 01:42:29,267
Entonces, Pablo, no sé si ha quedado claro
ese ejemplo.

1703
01:42:29,467 --> 01:42:34,717
Vale, paso a la siguiente, que es María.

1704
01:42:34,917 --> 01:42:36,000
Genial, Pablo.

1705
01:42:36,200 --> 01:42:37,864
Vale, siguiente pregunta.

1706
01:42:38,064 --> 01:42:41,968
María, estos modelos imagino que están
entrenados por Oyama y tienen información

1707
01:42:41,968 --> 01:42:45,180
adicional de Internet, pero la
temperatura... Ah, sí, es lo que he

1708
01:42:45,180 --> 01:42:46,614
mencionado antes, es decir...

1709
01:42:46,814 --> 01:42:51,049
Cada modelo a ti ha utilizado un dataset
de entrenamiento diferente, entonces esto

1710
01:42:51,049 --> 01:42:53,303
ya formaría parte del conocimiento del
modelo.

1711
01:42:53,503 --> 01:42:58,149
Llama 3, de hecho, fue un entrenado, si no
me equivoco, hasta diciembre del 2023.

1712
01:42:58,349 --> 01:43:03,690
Luego, a un modelo Llama 3 no se le pueden
preguntar por información posterior al

1713
01:43:03,690 --> 01:43:05,899
2023, para que te hagas una idea.

1714
01:43:06,099 --> 01:43:10,537
Luego, por eso insisto en que lo ideal
sería crear nuestro propio modelo, pero

1715
01:43:10,537 --> 01:43:11,690
bueno, en este caso,

1716
01:43:11,890 --> 01:43:13,552
contextualizado también se podría.

1717
01:43:13,752 --> 01:43:17,156
Podrías poner cómo los alumnos
preguntarían y se les iría dando feedback.

1718
01:43:17,356 --> 01:43:18,878
Miguel, ah, vale, pues mira, ahí lo tengo.

1719
01:43:19,078 --> 01:43:23,683
Es decir, es verdad que me lo había dejado
de la demo, o sea, que fantástico.

1720
01:43:23,883 --> 01:43:28,388
Se podría hacer con un mismo modelo que dé
preguntas y espere las respuestas.

1721
01:43:28,588 --> 01:43:32,969
Se podría, pero a mi juicio, el riesgo,
estoy asumiendo que estamos en un contexto

1722
01:43:32,969 --> 01:43:34,754
de modelos pequeños, ¿de acuerdo?

1723
01:43:34,954 --> 01:43:37,761
Entonces, son modelos que pueden correr en
un portátil como este o en un servidor no

1724
01:43:37,761 --> 01:43:38,761
muy grande.

1725
01:43:38,418 --> 01:43:43,623
Esos modelos funcionan muy bien para
tareas, pero en la parte multitarea,

1726
01:43:43,623 --> 01:43:47,696
aunque hay algunos instruccionales, pueden
hacerse líos.

1727
01:43:47,916 --> 01:43:53,072
Entonces, por nuestra experiencia, es más
recomendable tener varios modelos y cada

1728
01:43:53,072 --> 01:43:54,890
uno haga una tarea muy concreta.

1729
01:43:55,090 --> 01:43:56,532
que un modelo que aborde varias.

1730
01:43:56,732 --> 01:44:02,235
Casi interesaría por encima, si no crear
otro, si esto es casi ya más informática,

1731
01:44:02,235 --> 01:44:07,605
pero un orquestador y que en base a si el
usuario está formulando una pregunta o

1732
01:44:07,605 --> 01:44:10,329
evaluándola, derive al modelo en cuestión.

1733
01:44:10,529 --> 01:44:14,714
Pero esto ya sería sencillamente una capa
por encima de desarrollo y ya está.

1734
01:44:14,914 --> 01:44:20,492
Pero lo que quiero decir es que no se
resolvería con modelos de IA, sino con un

1735
01:44:20,492 --> 01:44:22,824
desarrollo un poco más software.

1736
01:44:23,024 --> 01:44:24,024
Genial, Miguel.

1737
01:44:23,405 --> 01:44:23,679
Carlos,

1738
01:44:23,879 --> 01:44:26,469
[Orador 5]: Ya has mencionado el tema del servidor
pequeño.

1739
01:44:26,669 --> 01:44:32,332
¿Cómo escala esto y qué restricciones
podríamos tener en ese servidor?

1740
01:44:32,532 --> 01:44:36,015
[Orador 4]: Aquí lo interesante sería...

1741
01:44:36,215 --> 01:44:40,982
Intentar arrancar primero con una
aproximación mínima y ver en qué punto se

1742
01:44:40,982 --> 01:44:42,542
hace agua para ir subiendo.

1743
01:44:42,742 --> 01:44:43,503
Me explico.

1744
01:44:43,703 --> 01:44:50,651
Esto que estáis viendo está corriendo en
mi portátil que tiene 16 GB de GPU.

1745
01:44:50,851 --> 01:44:55,857
Vale, pues con 16 GB de GPU, Llama 3 está
funcionando suficientemente bien.

1746
01:44:56,057 --> 01:44:59,859
Lo que habría que ver es dónde hace aguas
y cuando haga aguas, compararla con un

1747
01:44:59,859 --> 01:45:00,859
modelo más pesado.

1748
01:45:00,802 --> 01:45:05,003
Y hacerlo de forma a escalar, porque si
no, es decir, claro, hemos hecho una

1749
01:45:05,003 --> 01:45:09,373
evaluación, Jessica, nosotros, con los
modelos de 70 billones de llama y con el

1750
01:45:09,373 --> 01:45:12,119
Gemini, y es una barbaridad lo bien que
funcionan.

1751
01:45:12,319 --> 01:45:16,374
Pero ahora estamos intentando escalar
hacia abajo para ver a partir de qué punto

1752
01:45:16,374 --> 01:45:17,848
esa calidad ya se puede adquirir.

1753
01:45:18,048 --> 01:45:21,614
Porque es que si no, esto es inmantenible,
así de claro.

1754
01:45:21,814 --> 01:45:24,077
Es decir, los servidores son muy pesados.

1755
01:45:24,277 --> 01:45:27,382
Entonces, mi aproximación, empezar bajo
mínimos.

1756
01:45:27,582 --> 01:45:30,286
Cada uno con su ordenador, ver hasta qué
punto llega.

1757
01:45:30,486 --> 01:45:35,536
Que su ordenador no es suficientemente
rápido o la calidad no es suficientemente

1758
01:45:35,536 --> 01:45:36,495
buena.

1759
01:45:36,695 --> 01:45:37,196
Siguiente nivel.

1760
01:45:37,416 --> 01:45:41,411
Vale, ¿hay algún ordenador a nivel
departamental o escuela que pueda

1761
01:45:41,411 --> 01:45:42,411
abordarme ese nivel?

1762
01:45:42,584 --> 01:45:44,387
Sí, fantástico, pues ahí me quedo.

1763
01:45:44,607 --> 01:45:48,554
No, vamos a ver a un siguiente nivel,
porque si no es que si optamos ya a lo

1764
01:45:48,554 --> 01:45:52,660
primero, que es un chat GPT, es que a
veces puede ser matar moscas a cañonazos.

1765
01:45:52,860 --> 01:45:57,407
Entonces, yo iría poco a poco, de forma
escalada.

1766
01:45:57,607 --> 01:45:59,431
No sé si te he contestado, Jessica.

1767
01:45:59,631 --> 01:46:00,631
Sí, sí, sí, perfectamente.

1768
01:46:00,692 --> 01:46:02,676
Genial.

1769
01:46:02,876 --> 01:46:07,351
Vale, y José Ignacio pregunta, ¿puede
reconocer si la respuesta ha sido creada

1770
01:46:07,351 --> 01:46:08,351
por otra IA?

1771
01:46:08,324 --> 01:46:08,928
No.

1772
01:46:09,128 --> 01:46:15,128
hay ya aproximaciones que se demostraron
en los modelos, iba a decir antiguos, ya

1773
01:46:15,128 --> 01:46:20,989
ves tú, y no tienen más que dos años o
menos, y para eso sí, pero los últimos

1774
01:46:20,989 --> 01:46:26,338
modelos eran incapaces de detectar si
habían sido generados por IA o no.

1775
01:46:26,538 --> 01:46:32,368
Entonces, si esto lo llevamos a una
evaluación final con una nota,

1776
01:46:32,568 --> 01:46:34,331
Aquí sí que se tienen riesgos.

1777
01:46:34,531 --> 01:46:38,609
Yo insisto en que esto yo lo estoy
enfocando como una tarea de

1778
01:46:38,609 --> 01:46:43,953
autoevaluación, facilitándole al alumno
que él, en su tiempo libre, pueda mejorar

1779
01:46:43,953 --> 01:46:48,965
la adquisición de conocimiento, pero no
como una tarea que el profesor puede

1780
01:46:48,965 --> 01:46:53,443
utilizar para directamente autoevaluar al
alumno con una nota final.

1781
01:46:53,643 --> 01:46:56,769
Es decir, yo ahí no, no, porque...

1782
01:46:56,969 --> 01:47:01,469
Sobre todo con estos modelos, puede que
este ejemplo esté bien, pero habría que

1783
01:47:01,469 --> 01:47:06,026
analizar bien toda la casuística, todas
las posibles respuestas del alumno y ver

1784
01:47:06,026 --> 01:47:10,411
que el modelo no evalúa algo que no está
haciendo bien, es decir, a mí eso me

1785
01:47:10,411 --> 01:47:11,450
parece arriesgado.

1786
01:47:11,894 --> 01:47:15,679
Más dudas que tenéis, ¿se podría exportar
una Excel con las notas de los alumnos

1787
01:47:15,679 --> 01:47:16,782
para subirlas a Moodle?

1788
01:47:16,982 --> 01:47:20,402
Sí, bueno, eso ya serían sistemas
construidos sobre esta aproximación,

1789
01:47:20,402 --> 01:47:21,402
insisto.

1790
01:47:21,269 --> 01:47:26,286
Que, de hecho, os he presentado Yama y
Open Web UI como posibilidades

1791
01:47:26,286 --> 01:47:29,102
tecnológicas que sustentan el método.

1792
01:47:29,302 --> 01:47:32,748
Pero que si a alguien, por ejemplo, le
gusta mucho programar y ha trabajado

1793
01:47:32,748 --> 01:47:35,915
directamente con Hugging Face, lo puede
implementar con Hugging Face.

1794
01:47:36,115 --> 01:47:41,203
Si hay alguien que yo es que me encuentro
más cómodo con LM Studio de Google,

1795
01:47:41,203 --> 01:47:42,226
fantástico.

1796
01:47:42,426 --> 01:47:43,028
Me da igual.

1797
01:47:43,228 --> 01:47:47,837
Es decir, nosotros lo que proponemos es la
técnica, el proceso y la aproximación.

1798
01:47:48,037 --> 01:47:51,123
La tecnología es vuestra decisión.

1799
01:47:51,323 --> 01:47:57,323
Miguel sobre el rendimiento con Maxi
procesadores Apple Silicon que integran,

1800
01:47:57,323 --> 01:48:03,323
justo el que estoy haciendo la demo es un
MacBook M1 y mira, os hago aquí un about,

1801
01:48:03,323 --> 01:48:09,323
no sé si esto, este es el portátil sobre
el que estoy haciendo la demo y ahí estáis

1802
01:48:09,323 --> 01:48:17,280
viendo el rendimiento que está ofreciendo.

1803
01:48:17,480 --> 01:48:23,480
En teoría, pues hombre, esto debería estar
en un servidor para que tanto el alumno

1804
01:48:23,480 --> 01:48:29,060
como los profesores de la asignatura
pudieran conectarse, ¿de acuerdo?

1805
01:48:29,260 --> 01:48:30,503
Y ya está.

1806
01:48:30,703 --> 01:48:33,568
Vale, ¿cómo tienen los correos adicionales
de la UPM para poder...?

1807
01:48:33,768 --> 01:48:39,666
Vale, esos correos en realidad en Open Web
UI son correos pero anecdóticos, ya habéis

1808
01:48:39,666 --> 01:48:42,744
visto que son correos que me los he
inventado.

1809
01:48:42,944 --> 01:48:48,034
Si eso se quisiera, por ejemplo,
formalizar, pues lo suyo sería sobre Open

1810
01:48:48,034 --> 01:48:52,925
Web UI desarrollar un servicio que se
integrase, por ejemplo, o con las

1811
01:48:52,925 --> 01:48:55,483
credenciales que tenemos en Moodle.

1812
01:48:55,683 --> 01:48:56,683
[Orador 5]: O con el SEO.

1813
01:48:56,024 --> 01:48:56,585
[Orador 4]: Exacto.

1814
01:48:56,785 --> 01:49:00,968
Es decir, pero a mí ahora mismo la demo he
creado un alumno uno arroba UPM que eso no

1815
01:49:00,968 --> 01:49:02,273
existe, pero se lo ha comido.

1816
01:49:02,473 --> 01:49:05,897
Es decir, no hay ahí ninguna restricción.

1817
01:49:06,097 --> 01:49:09,604
Vale, en realidad planteas un medio
pedagógico de ayuda al estudio por el

1818
01:49:09,604 --> 01:49:10,482
alumno.

1819
01:49:10,722 --> 01:49:11,722
Eso es, Eduardo.

1820
01:49:11,603 --> 01:49:16,813
Es decir, planteamos un proceso que
permita al alumno autoevaluarse, mejorar

1821
01:49:16,813 --> 01:49:22,624
su aprendizaje de forma autónoma, pero eso
sí, el alumno, el profesor le está guiando

1822
01:49:22,624 --> 01:49:27,322
en esa formulación de preguntas y en ese
feedback a través de esa guía.

1823
01:49:27,522 --> 01:49:29,584
Y luego, ¿qué da constancia de la
respuesta?

1824
01:49:29,784 --> 01:49:30,784
No.

1825
01:49:30,685 --> 01:49:32,548
Ah, vale, es verdad, para que pueda sacar
estadísticas.

1826
01:49:32,748 --> 01:49:34,550
No, mirad, es verdad que hay un detalle

1827
01:49:34,750 --> 01:49:40,750
El administrador, si no me equivoco, creo
que lo que sí que tiene son o puede llegar

1828
01:49:40,750 --> 01:49:47,048
a tener estadísticas de uso, pero no más
allá.

1829
01:49:47,248 --> 01:49:49,472
Creo que aquí en analíticas, ¿veis?

1830
01:49:49,672 --> 01:49:55,672
Tiene estadísticas de uso, de toques, pero
no puedo llegar al mensaje concreto que,

1831
01:49:55,672 --> 01:50:01,672
hombre, entiendo que por permisos, no
puedo tener constancia del mensaje

1832
01:50:01,672 --> 01:50:04,976
concreto que

1833
01:50:05,176 --> 01:50:06,303
O sí.

1834
01:50:06,503 --> 01:50:07,710
O sí.

1835
01:50:07,910 --> 01:50:12,074
Pues o sí, sí, o sí, sí.

1836
01:50:12,274 --> 01:50:15,096
Sí, sí que puedo tenerlo.

1837
01:50:15,296 --> 01:50:19,855
Pues nada, pues fantástico, porque yo
pensaba que solamente sacaba estadísticas

1838
01:50:19,855 --> 01:50:21,141
y no el administrador.

1839
01:50:21,341 --> 01:50:22,643
Estoy como administrador.

1840
01:50:22,843 --> 01:50:29,347
Como profesor, a ver, como profesor,
dejadme que lo mire.

1841
01:50:30,609 --> 01:50:33,152
No, como profesor yo juraría que no tengo
estadísticas.

1842
01:50:33,352 --> 01:50:38,675
Salgo de aquí, en mi menú no tengo
settings.

1843
01:50:38,875 --> 01:50:40,378
Personalización, no.

1844
01:50:40,578 --> 01:50:45,466
El administrador es el único que tiene
entonces estadísticas de uso e incluso

1845
01:50:45,466 --> 01:50:46,688
acceso a los chats.

1846
01:50:46,888 --> 01:50:50,869
O sea que esto sería algo que habría que
informar previamente a los alumnos que

1847
01:50:50,869 --> 01:50:54,851
toda pregunta o todo texto que contengan,
vamos, que utilicen estos modelos que

1848
01:50:54,851 --> 01:50:58,067
quedará registrado y que el administrador
podrá acceder a ellos.

1849
01:50:58,267 --> 01:51:02,772
No sé si te he contestado, Pablo, pero...

1850
01:51:03,968 --> 01:51:07,969
Vale, ¿hay alguna forma de que
introduzcan, por ejemplo, matemáticas tipo

1851
01:51:07,969 --> 01:51:09,915
polinomio, una matriz, una función?

1852
01:51:10,115 --> 01:51:14,119
Sí que es verdad que estos modelos han
bebido también de mucha nomenclatura tipo

1853
01:51:14,119 --> 01:51:15,119
látex.

1854
01:51:15,181 --> 01:51:21,181
Entonces, sí que si tú le permites o le
facilitas al alumno que el texto tenga

1855
01:51:21,181 --> 01:51:27,495
formato látex, ese texto se puede
seleccionar, copiar y pegar en el chat y

1856
01:51:27,695 --> 01:51:33,113
El modelo lo va a interpretar e incluso tú
puedes facilitarle que el modelo formule

1857
01:51:33,113 --> 01:51:35,624
las ecuaciones siguiendo esa sintaxis.

1858
01:51:35,864 --> 01:51:37,066
Entonces sí, sí que se puede.

1859
01:51:37,266 --> 01:51:42,856
Incluso hay otros formatos tipo Markdown,
JSON, etc. O sea que los modelos sí que lo

1860
01:51:42,856 --> 01:51:43,856
tienen.

1861
01:51:43,933 --> 01:51:45,475
Elvira, muchas gracias.

1862
01:51:45,675 --> 01:51:50,146
Elvira, ¿qué modelos habéis evaluado para
ver cuáles se comportan mejor y peor para

1863
01:51:50,146 --> 01:51:51,101
estas tareas?

1864
01:51:51,301 --> 01:51:53,364
Pues ahí sí que tenemos, a ver,

1865
01:51:53,564 --> 01:51:58,413
Para el caso concreto de preguntas, lo que
sí que hemos visto es que el modelo del

1866
01:51:58,413 --> 01:52:03,323
Llama de 70 billones es una barbaridad lo
bien que está funcionando, porque hicimos

1867
01:52:03,323 --> 01:52:08,053
una primera evaluación el año pasado con
este modelo concreto, el del Llama 3, y

1868
01:52:08,053 --> 01:52:12,264
hacía aguas en determinados dominios, en
el caso de fórmulas matemáticas...

1869
01:52:12,464 --> 01:52:17,977
En el caso del dominio legal creo que
también hacía un poco de aguas y entonces

1870
01:52:17,977 --> 01:52:23,823
hemos hecho ahora una evaluación, estamos
con un TFM terminando esa evaluación y con

1871
01:52:23,823 --> 01:52:28,650
un modelo de 70 billones, el Gemini 3
también y el Kiwen de 48 billones.

1872
01:52:28,850 --> 01:52:29,691
espectacular.

1873
01:52:29,891 --> 01:52:34,570
O sea, ahí la capacidad que tienen de
entender y formular preguntas realmente

1874
01:52:34,570 --> 01:52:39,680
complejas, tenemos un benchmark de varios
tipos de preguntas, ha sido abrumadora, ha

1875
01:52:39,680 --> 01:52:44,544
funcionado muy bien, pero claro, lo que
decía antes, ¿quién puede desplegar esos

1876
01:52:44,544 --> 01:52:45,514
modelos?

1877
01:52:45,714 --> 01:52:48,578
Y para que accedan a gran escala los
alumnos.

1878
01:52:48,778 --> 01:52:52,576
Entonces, lo que hemos ha sido, pensábamos
que no iban a funcionar bien, han

1879
01:52:52,576 --> 01:52:56,274
funcionado brutalmente bien y ahora
estamos bajando el nivel para intentar

1880
01:52:56,274 --> 01:52:58,232
repetir ese benchmark que ya hemos
formulado

1881
01:52:58,432 --> 01:53:04,432
formalizado, perdón, para modelos con
menos recursos y ver la comparativa entre

1882
01:53:04,432 --> 01:53:10,432
rendimiento y necesidades que pasaremos a
tener de aquí a un mes porque estamos

1883
01:53:10,432 --> 01:53:13,070
terminando ese TFM.

1884
01:53:13,270 --> 01:53:16,565
Y luego, ¿cómo se garantiza que las
preguntas salen exclusivamente del

1885
01:53:16,565 --> 01:53:19,258
material de estudio y no están
contaminadas por alucinaciones?

1886
01:53:19,458 --> 01:53:23,085
En el caso del aprendizaje por contexto,
que es este de aquí, no se puede

1887
01:53:23,085 --> 01:53:24,005
garantizar.

1888
01:53:24,205 --> 01:53:28,807
Es decir, eso sí que lo tenemos en una
evaluación, por ejemplo, que tenemos aquí,

1889
01:53:28,807 --> 01:53:31,217
que si queréis estéis todos invitados a
verla.

1890
01:53:31,417 --> 01:53:32,418
¡Ay!

1891
01:53:32,619 --> 01:53:34,181
Se ha caído el servidor.

1892
01:53:34,381 --> 01:53:36,705
Pues fantástico, ya cuando esté
disponible.

1893
01:53:36,905 --> 01:53:39,187
Y entonces, precisamente por contexto...

1894
01:53:39,387 --> 01:53:44,819
Sí que es muy difícil garantizar al 100%
que el modelo no alucine.

1895
01:53:45,019 --> 01:53:46,161
¿Qué significa que alucine?

1896
01:53:46,361 --> 01:53:50,458
O que se invente cosas que no existían en
el contexto o que incluso se invente cosas

1897
01:53:50,458 --> 01:53:52,334
que no existían en el modelo original.

1898
01:53:52,534 --> 01:53:58,534
Por eso, la solución a mi juicio más
adecuada, digamos, más robusta, os la voy

1899
01:53:58,534 --> 01:54:00,230
a poner aquí,

1900
01:54:00,430 --> 01:54:05,157
para que esta aproximación sea más
estable, sería la intermedia.

1901
01:54:05,357 --> 01:54:10,473
Sería construir un conjunto
suficientemente amplio de ejemplos de

1902
01:54:10,473 --> 01:54:16,189
textos y preguntas para reentrenar un
modelo ya existente y con ese modelo

1903
01:54:16,189 --> 01:54:19,639
reentrenado darle acceso a los alumnos.

1904
01:54:19,839 --> 01:54:21,982
Ya no tenemos una contextualización,

1905
01:54:22,182 --> 01:54:26,725
No tenemos un modelo creado desde cero,
pero sí que tenemos un modelo que se

1906
01:54:26,725 --> 01:54:29,330
ajusta específicamente a esa tarea
concreta.

1907
01:54:29,530 --> 01:54:31,292
O sea que muy bien.

1908
01:54:31,492 --> 01:54:36,508
Sí, pues eso, Elvira, los modelos pequeños
hay que hacerlos, pero es inversamente

1909
01:54:36,508 --> 01:54:41,364
proporcional lo que te da el modelo a lo
que tú tienes que ajustar en el prompt.

1910
01:54:41,564 --> 01:54:46,497
Luego, si utilizas un modelo muy pequeño,
tu prompt tiene que ser bastante, bastante

1911
01:54:46,497 --> 01:54:47,497
estricto.

1912
01:54:47,410 --> 01:54:51,880
Si tienes un modelo muy grande, la
importancia del prompt también se reduce.

1913
01:54:52,080 --> 01:54:56,617
Vale, Eduardo, ¿habéis valorado de algún
modo a partir de qué número de alumnos

1914
01:54:56,617 --> 01:55:00,981
tiene sentido implementar un sistema como
este lugar de interacción directa?

1915
01:55:01,181 --> 01:55:03,798
Yo aquí sí que me mojo porque creo

1916
01:55:03,998 --> 01:55:07,484
que no va tanto en el volumen de los
alumnos.

1917
01:55:07,684 --> 01:55:13,370
Por ejemplo, en un máster, en un máster
que soy profesor, hay alumnos que te

1918
01:55:13,370 --> 01:55:15,256
vienen de empresa.

1919
01:55:15,456 --> 01:55:19,893
Entonces, su disponibilidad, básicamente,
vamos a ver, es que yo cuando puedo

1920
01:55:19,893 --> 01:55:24,390
avanzar fuertemente en esta asignatura son
los fines de semana o los festivos.

1921
01:55:24,590 --> 01:55:28,750
Entonces, la disponibilidad también del
docente con la disponibilidad del alumno

1922
01:55:28,750 --> 01:55:30,900
no siempre tiene por qué converger en el
aula.

1923
01:55:31,100 --> 01:55:35,417
Entonces, esta aproximación lo que te
facilita es que el alumno pueda avanzar

1924
01:55:35,417 --> 01:55:40,131
cuando él puede y luego resolver a través
del aula las dudas o dificultades que haya

1925
01:55:40,131 --> 01:55:44,335
tenido, pero no se le bloquea ese
aprendizaje, ese aprendizaje concreto del

1926
01:55:44,335 --> 01:55:48,018
contenido que ya previamente ha tenido que
ver en clase, ¿de acuerdo?

1927
01:55:48,218 --> 01:55:52,425
Entonces, no creo que sea más por volumen,
sino más bien por desajuste entre la

1928
01:55:52,425 --> 01:55:54,525
disponibilidad del alumno y la del
profesor.

1929
01:55:54,725 --> 01:55:59,165
Joaquín Galloso, hola Carlos, genial,
muchas gracias Joaquín, cuando la

1930
01:55:59,165 --> 01:56:04,114
asignatura se estabiliza, ¿hay opción de
reducir su tamaño mediante los modelos

1931
01:56:04,114 --> 01:56:05,700
cuantizados o destilados?

1932
01:56:05,900 --> 01:56:09,794
Sí, vale, esto mejoraría el rendimiento
para modelos especializados en

1933
01:56:09,794 --> 01:56:13,858
asignaturas, vale, realmente los
destilados o cuantizados son modelos que

1934
01:56:13,858 --> 01:56:15,332
pierden un poco de resolución,

1935
01:56:15,532 --> 01:56:19,992
La resolución sería pues algo así como, yo
tengo una imagen que he hecho con una

1936
01:56:19,992 --> 01:56:24,623
cámara reflex brutal, el mínimo detalle lo
recoge, pero me quedo con una imagen JPG

1937
01:56:24,623 --> 01:56:28,632
que hay ciertos píxeles que los agrupa,
pero si yo lo veo de lejos, pues

1938
01:56:28,632 --> 01:56:29,818
suficientemente bien.

1939
01:56:30,018 --> 01:56:32,443
Eso sería un modelo cuantizado de alguna
forma, ¿vale?

1940
01:56:32,643 --> 01:56:37,108
Pues efectivamente, en los modelos
cuantizados lo que sí que hemos detectado

1941
01:56:37,108 --> 01:56:41,753
cuando hemos hecho un file tuning tipo
LoRa y demás, un file tuning, perdón, es

1942
01:56:41,753 --> 01:56:46,457
esto, lo de modificar una IA existente, es
que ojo, si el volumen de datos no es

1943
01:56:46,457 --> 01:56:50,090
suficientemente grande, el rendimiento es
horrorosamente malo.

1944
01:56:50,290 --> 01:56:50,971
¿Por qué?

1945
01:56:51,171 --> 01:56:54,617
Porque ese desajuste entre decimales se
acentúa.

1946
01:56:54,817 --> 01:56:59,429
Entonces, los modelos cuantizados sí, pero
cuando el volumen de ejemplos sea

1947
01:56:59,429 --> 01:57:00,844
suficientemente grande.

1948
01:57:01,044 --> 01:57:06,432
Entonces, a mayor volumen de ejemplos,
mejor calidad del modelo e incluso modelos

1949
01:57:06,432 --> 01:57:08,574
más eficientes o con menos tamaño.

1950
01:57:08,774 --> 01:57:09,975
Gracias, Joaquín, por la pregunta.

1951
01:57:10,175 --> 01:57:11,257
Sí, Fernando.

1952
01:57:11,457 --> 01:57:12,939
[Orador 6]: Sí, Carlos.

1953
01:57:13,139 --> 01:57:14,139
Nada.

1954
01:57:13,259 --> 01:57:17,544
Bueno, además es que justo intervengo a
las 2.00 para cerrar un poco el asunto.

1955
01:57:17,764 --> 01:57:21,734
Bueno, me uno a las felicitaciones de las
gentes que participaron en el chat porque

1956
01:57:21,734 --> 01:57:22,734
creo que

1957
01:57:22,795 --> 01:57:28,511
que ha sido una charla súper interesante y
que va un pasito más allá de utilizar las

1958
01:57:28,511 --> 01:57:30,648
IAS comerciales y de, digamos...

1959
01:57:30,848 --> 01:57:35,421
En ese sentido, yo quería comentar a todos
los que estáis aquí que en el rectorado

1960
01:57:35,421 --> 01:57:39,600
estamos empezando a tratar de tener
infraestructura para poder escalar este

1961
01:57:39,600 --> 01:57:40,985
tipo de iniciativas, ¿vale?

1962
01:57:41,185 --> 01:57:47,139
Porque, claro, el portátil de Carlos está
muy bien, pero, digamos, no llega hasta

1963
01:57:47,139 --> 01:57:50,827
donde llega y si queremos escalarlo
tenemos que

1964
01:57:51,027 --> 01:57:53,110
Tenemos que llevarlo a otro tipo de
infraestructura, ¿vale?

1965
01:57:53,310 --> 01:57:56,934
Estamos trabajando en ello, estamos viendo
cómo hacerlo.

1966
01:57:57,134 --> 01:58:01,576
Digamos, estamos un poquito más atrás que
vosotros en el sentido de los modelos que

1967
01:58:01,576 --> 01:58:06,019
se están probando, pero quiero trasladaros
un poco que algo en esta línea, pero más

1968
01:58:06,019 --> 01:58:09,469
masivo a nivel UPM, podremos hacer en un
tiempo no muy largo, ¿vale?

1969
01:58:09,669 --> 01:58:14,548
Ahí, Carlos, vamos a abusar de vosotros un
poquito y os vamos a pedir ayuda porque,

1970
01:58:14,548 --> 01:58:18,891
digamos, nosotros no tenemos la
experiencia que tenéis vosotros y creo que

1971
01:58:18,891 --> 01:58:19,922
es necesaria, ¿vale?

1972
01:58:20,122 --> 01:58:21,118
Para todo esto.

1973
01:58:21,318 --> 01:58:25,848
Es un camino que tenemos que emprender
como universidad, lo están emprendiendo

1974
01:58:25,848 --> 01:58:30,614
todas las universidades, el desarrollar
modelos propios para controlar un poco las

1975
01:58:30,614 --> 01:58:34,910
cosas, que no todo esté en manos de
compañías norteamericanas, que hoy sí,

1976
01:58:34,910 --> 01:58:39,147
mañana no, hoy te cobran pasado gratis y
pasado mañana es mucho más caro.

1977
01:58:39,347 --> 01:58:44,464
Tenemos que ser más autónomos y tenemos
que potenciar la soberanía digital de la

1978
01:58:44,464 --> 01:58:48,675
UPM, en este caso, para poder hacer cosas
sin estar agarrados a...

1979
01:58:48,875 --> 01:58:54,125
a estos cambios geopolíticos muchas veces
que, bueno, a mí me dan mucho miedo.

1980
01:58:54,325 --> 01:58:59,538
Entonces, obviamente nunca vamos a tener
un GPT de la UPM, eso no es viable, no

1981
01:58:59,538 --> 01:59:04,818
tiene sentido tampoco, pero para temas
docentes, académicos, digamos, de nuestro

1982
01:59:04,818 --> 01:59:08,052
día a día, deberíamos ir hacia soluciones
como esta.

1983
01:59:08,252 --> 01:59:09,252
Yo os

1984
01:59:09,175 --> 01:59:13,693
os animo a que sigáis avanzando y
explorando estas posibilidades porque creo

1985
01:59:13,693 --> 01:59:18,634
que es un camino que tenemos que emprender
y estamos organizando grupos de trabajo,

1986
01:59:18,634 --> 01:59:23,394
lo digo un poco para todos, pues para ir
tomando decisiones, porque ahora muchas

1987
01:59:23,394 --> 01:59:28,455
veces el problema fundamental es tomar una
decisión de cuál es el modelo, hacia dónde

1988
01:59:28,455 --> 01:59:32,974
vamos y bueno, pues queremos no hacerlo
unilateralmente, queremos contar con

1989
01:59:32,974 --> 01:59:34,963
cuanta más gente mejor y bueno...

1990
01:59:35,163 --> 01:59:38,209
En breve tendréis noticias de estos temas
y demás que estamos preparando.

1991
01:59:38,409 --> 01:59:42,813
Y pues nada, agradeceros, Carlos, a ti y a
tu grupo, que vayáis un poquito por

1992
01:59:42,813 --> 01:59:47,161
delante y nos vayáis desbrozando el
camino, que es un camino complicado a día

1993
01:59:47,161 --> 01:59:48,105
de hoy.

1994
01:59:48,305 --> 01:59:50,970
Así que nada, agradecerte la charla, creo
que ha sido de mucho interés.

1995
01:59:51,170 --> 01:59:57,643
Y nada, pues seguiremos en contacto para
próximas actuaciones.

1996
01:59:57,843 --> 02:00:02,699
Muchas gracias a ti, Fernando, y a Jessica
por dar esta oportunidad y sobre todo por,

1997
02:00:02,699 --> 02:00:06,630
joder, que me cuesta, que os estáis
preocupando hoy bastante y estáis

1998
02:00:06,630 --> 02:00:11,140
avanzando en incorporar este tipo de
tecnología en los procesos educativos y no

1999
02:00:11,140 --> 02:00:12,120
es sencillo.

2000
02:00:12,320 --> 02:00:16,706
O sea que encantados de ayudar en lo que
haga falta.

2001
02:00:16,906 --> 02:00:17,906
Fernando, Jessica.

2002
02:00:17,346 --> 02:00:18,346
Muy bien.

2003
02:00:18,107 --> 02:00:19,107
Muchísimas gracias.

2004
02:00:18,508 --> 02:00:19,508
Muchas gracias.

2005
02:00:18,828 --> 02:00:19,509
Pues nada, gracias a ti.

2006
02:00:19,709 --> 02:00:24,181
Colgaremos la charla para que los que no
hayan podido venir la puedan ver y bueno,

2007
02:00:24,181 --> 02:00:27,495
pues nos vemos creo que es el lunes que
viene, si no estoy...

2008
02:00:27,695 --> 02:00:30,487
Como siempre los lunes, pues nos vemos el
lunes que viene.

2009
02:00:30,687 --> 02:00:32,314
Muy bien, gracias a todos por la atención.

2010
02:00:32,514 --> 02:00:34,723
Un abrazo.

2011
02:00:34,923 --> 02:00:35,224
Muchas gracias.