Guía docente de Automatización Aplicada a la Actividad Física y el Deporte (28811M5)

• Recomendaciones básicas: Es aconsejable (aunque no obligatorio) tener ordenador personal propio.
• Recomendaciones de acceso y perfil de entrada: Para garantizar un adecuado seguimiento y un aprovechamiento óptimo de las dinámicas prácticas de la asignatura, se recomienda que el estudiante posea:
  1. Competencias digitales instrumentales básicas: Destreza en el manejo de ordenadores personales y dispositivos móviles como soporte físico, navegación por internet como recurso de aprendizaje, administración de archivos locales e inicio de sesión en plataformas cloud (Google Workspace).
  2. Suscripción autónoma a entornos de IA: Disposición para registrarse de manera independiente y configurar su espacio de trabajo en alguna de las tres herramientas de Inteligencia Artificial Generativa líderes en España (ChatGPT, Microsoft Copilot o Google Gemini), quedando a libre elección del estudiante el uso del sistema que mejor se adapte a sus preferencias y necesidades de suscripción.
  3. Pensamiento crítico y compromiso ético: Disposición reflexiva para evitar la delegación cognitiva sistemática en los modelos conversacionales, asumiendo que el proceso de aprendizaje y la autoría de los trabajos son indelegables. Es altamente recomendable una actitud proactiva para cuestionar los límites de la IA, verificar activamente la veracidad de la información y detectar de forma manual posibles alucinaciones de los datos proporcionados.
  4. Habilidades para la cooperación en red: Apertura metodológica para el trabajo colaborativo en entornos virtuales síncronos y asíncronos orientados al diseño de proyectos deportivos cooperativos y portafolios digitales de evidencias.
• Recomendaciones éticas: En el uso de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR", publicado en el siguiente enlace: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0

• Concepto y componentes: Análisis y definición de los sistemas automatizados en el entorno tecnológico.

• Automatización de la medida e intervención: Aplicación de sistemas automatizados específicamente para la evaluación, el control y la intervención en el ámbito de la actividad física y el deporte.

• Comunicaciones: Estudio de la automatización mediante el uso de tecnologías de la comunicación y redes.

• Aplicaciones prácticas: Integración de los recursos de automatización dentro de las diversas áreas de las Ciencias de la Actividad Física y del Deporte.

Resultados de Aprendizaje de Carácter Conceptual (Saber):

• Adquirir y dominar los conceptos informáticos básicos que sirven de soporte físico y lógico para operar con solidez en entornos colaborativos y plataformas de virtualización aplicadas a la actividad física y el deporte.
• Comprender y relacionar el potencial de la automatización con los sistemas clásicos de entrenamiento, seguimiento biomecánico y evaluación de la condición física en entornos educativos y de rendimiento.
• Conocer las bases y arquitecturas lógicas de la Inteligencia Artificial, distinguiendo entre aprendizaje supervisado, visión artificial y modelos generativos aplicados a la toma de decisiones en el sector deportivo.
• Identificar los riesgos éticos, sesgos algorítmicos y límites epistemológicos de los LLMs, comprendiendo los mecanismos que producen alucinaciones en las respuestas y la importancia de proteger la privacidad y el consentimiento en el tratamiento de datos biométricos de los usuarios.

Resultados de Aprendizaje de Carácter Procedimental (Saber Hacer):

• Diseñar y estructurar entornos cloud colaborativos síncronos y asíncronos mediante herramientas de Workspace para gestionar proyectos, co-evaluar y consolidar portafolios digitales de aprendizaje en red.
• Automatizar de forma práctica la recogida y tabulación de datos a través de formularios inteligentes con lógica de ramificación y hojas de cálculo (asistidas técnicamente por macros o scripts), calculando percentiles instantáneos para optimizar el tiempo de compromiso motor del alumnado en Educación Física.
• Manejar eficazmente utilidades y servicios web online para la conversión y optimización de recursos multimedia específicos del deporte (vídeos técnicos, pistas de audio) sin comprometer la seguridad o la integridad de los archivos de origen.
• Configurar, personalizar y redactar contenidos estructurados en blogs profesionales (Blogger), consolidando la identidad digital y la divulgación científica rigurosa en el campo de la motricidad humana y el marketing deportivo.
• Operar con destreza técnica las herramientas de IA generativa líderes en España (ChatGPT, Microsoft Copilot o Google Gemini), diseñando prompts estructurados que integren de manera precisa un rol, contexto, instrucciones claras y restricciones para la co-creación de materiales didácticos, rúbricas de evaluación o planes de ejercicio físico adaptado.
• Generar recursos multimedia de alta fidelidad (cartelería, infografías y clips de vídeo mediante modelos avanzados como Sora, Kling, Runway Gen-3 o Gemini Veo 3) destinados a ilustrar con precisión patrones motores complejos, fases de juego y biomecánica deportiva.
• Construir arquitecturas de conocimiento seguras mediante Google NotebookLM, cargando y curando fuentes documentales oficiales para generar consultas científicamente trazables, basadas estrictamente en la evidencia aportada por el usuario y libres de invenciones.
• Diseñar y programar asistentes conversacionales personalizados entrenados con normativas, reglamentos o manuales técnicos de consulta profesional de libre uso, aplicando el conocimiento tecnológico-pedagógico (TPACK-AI) para equilibrar los objetivos motores con el soporte algorítmico.

Resultados de Aprendizaje de Carácter Actitudinal y Transversal (Saber Ser/Estar):

• Desarrollar una profunda autonomía y sentido crítico frente a las tecnologías emergentes, asumiendo la autoría y la responsabilidad ética de los trabajos y evitando la delegación cognitiva sistemática en los algoritmos.
• Aplicar de manera sistemática el modelo didáctico de uso crítico de la IA de seis fases (Interrogación, Comparación, Diálogo Crítico, Comprobación, Reelaboración Personal y Reflexión) para contrastar, verificar de forma manual e integrar fuentes científicas fiables que corrijan las alucinaciones de las herramientas generativas.
• Valorar con rigor el impacto social e inclusivo de la tecnología, priorizando la personalización empática de las tareas motrices frente a enfoques puramente prescriptivos o tecnocráticos que puedan propiciar el aislamiento o la estandarización forzada de los deportistas.
• Fomentar la corresponsabilidad y la integridad académica en los espacios de trabajo colaborativo en red, actuando con transparencia en la declaración del uso de la IA y defendiendo de manera argumentada las propias decisiones técnicas.

Tema 1: Google Drive y gestión colaborativa

• Contenido Teórico:
  • Introducción a los sistemas de computación en la nube (Cloud Computing) aplicados a las Ciencias del Deporte.
  • Estructura lógica, almacenamiento, jerarquía de carpetas y permisos de seguridad (lectura, comentario, edición) en Google Drive.
  • Metodologías cooperativas y síncronas en red para el codiseño de proyectos físicos y deportivos.
• Uso Técnico: Creación y ordenación de estructuras de carpetas profesionales, control de versiones en tiempo real, e integración del Portafolio Digital de evidencias en el Drive del alumno.
• Uso Pedagógico y Crítico: Análisis del impacto de la deslocalización del trabajo grupal en la coevaluación y autorregulación del aprendizaje del alumnado universitario. Reflexión sobre la privacidad y gobernanza de los datos en proyectos compartidos con agentes externos.

Tema 2: Automatización con Google Forms y Sheets

• Contenido Teórico:
  • Fundamentos del diseño de bases de datos relacionales aplicadas a la recogida de métricas de rendimiento y condición física.
  • La automatización de la evaluación: diseño de cuestionarios con ramificación lógica y validación de entradas de datos.
  • Fórmulas complejas, cálculo de percentiles, baremación instantánea de pruebas motrices y macros de automatización en hojas de cálculo.
• Uso Técnico: Configuración técnica de formularios condicionales de Google Forms. Programación de hojas de cálculo de Sheets para la tabulación de datos antropométricos y físicos, y uso de asistentes de IA integrados (como Copilot en Excel o Gemini en Sheets) para la limpieza (clean data) de bases de datos biométricos.
• Uso Pedagógico y Crítico: Contraste crítico entre los métodos analíticos e informatizados tradicionales y el uso de la automatización para optimizar el "tiempo de compromiso motor" del deportista o del alumnado en Educación Física. Análisis ético sobre el almacenamiento y la seguridad de datos médicos, de salud o de rendimiento del menor de edad en edad escolar.

Tema 3: Servicios online (conversión y utilidades deportivas)

• Contenido Teórico:
  • Formatos y codecs de archivos digitales aplicados al análisis del gesto deportivo y la biomecánica (vídeo, audio, documentos comprimidos).
  • Protocolos de optimización de recursos web, almacenamiento seguro e intercambio ágil de contenidos sin pérdida de resolución.
  • Búsqueda, auditoría y análisis de necesidades de software y utilidades online específicas del entrenamiento, la salud y la gestión deportiva.
• Uso Técnico: Uso práctico de utilidades cloud de conversión de archivos (PDF a formato de procesamiento de textos, extracción y optimización de clips de vídeo biomecánico MP4 de YouTube) sin necesidad de software instalado.
• Uso Pedagógico y Crítico: Evaluación crítica de la seguridad de las plataformas gratuitas de conversión online frente al filtrado involuntario de propiedad intelectual o datos sensibles. Auditoría técnica de la usabilidad y la validez científica de servicios deportivos en la nube orientados a la planificación física.

Tema 4: Identidad digital (Blogger)

• Contenido Teórico:
  • Concepto de marca personal, huella digital y reputación online del profesional de la Actividad Física y el Deporte.
  • Arquitectura y diseño de contenidos web interactivos orientados a la divulgación científica y el marketing deportivo.
  • Inserción de elementos multimedia y códigos embebidos (widgets y gadgets interactivos) en gestores de contenido (CMS).
• Uso Técnico: Configuración y personalización de una bitácora en Blogger. Creación de una cabecera personalizada con Canva, publicación de entradas estructuradas y sindicación de contenidos con incrustación de vídeos y formularios condicionales.
• Uso Pedagógico y Crítico: Análisis del blog como "Portafolio Virtual de Aprendizaje" y espacio de diálogo ético con el tejido asociativo deportivo. Reflexión crítica sobre la autoría de textos de divulgación asistidos por modelos de lenguaje generativos, garantizando la transparencia de las fuentes originales.

Tema 5: Análisis documental con IA y pensamiento crítico

• Contenido Teórico:
  • Introducción a los Modelos de Lenguaje de Gran Tamaño (LLMs) y su despliegue en la educación superior y las ciencias del deporte.
  • Prompt Engineering avanzado: Técnicas socráticas y estructuración de peticiones críticas (Rol, Contexto, Instrucción y Restricciones).
  • La alucinación en inteligencia artificial: mecanismos epistemológicos que causan que los LLMs inventen referencias o datos científicos sobre fisiología del ejercicio.
• Uso Técnico: Interacción simultánea y comparativa con el "Big 3" de la IA en España (ChatGPT, Copilot y Gemini) para contrastar sus respuestas. Diseño de prompts específicos para la síntesis de literatura sobre actividad física, evaluación de condición física y prescripción de entrenamiento.
• Uso Pedagógico y Crítico: Aplicación del modelo didáctico de uso crítico de la IA de seis fases (Interrogación, Comparación, Diálogo Crítico, Comprobación, Reelaboración Personal y Reflexión) para depurar, verificar de forma manual con literatura científica de bases de datos académicas (como Dialnet, PubMed o WOS) y reescribir de manera autónoma las recomendaciones y planes clínicos automatizados de la IA.

Tema 6: Generación de contenido multimedia (Cartelería, Vídeo/Sora)

• Contenido Teórico:
  • Principios del diseño gráfico y composición visual aplicados a la promoción de hábitos de vida saludables y eventos de gestión deportiva.
  • Modelos generativos de difusión de imagen y modelos avanzados de generación y edición de vídeo sintético hiperrealista (Sora, Kling, Runway Gen-3 o Gemini Veo 3).
  • La deformación anatómica y el "sesgo cinemático" en la representación por IA de movimientos deportivos biomecánicos complejos.
• Uso Técnico: Creación de carteles promocionales y copys de difusión. Generación de representaciones gráficas realistas de deportistas y creación de vídeo-reportajes simulados sobre eventos deportivos de la ciudad de Granada utilizando generadores de vídeo desde texto.
• Uso Pedagógico y Crítico: Análisis crítico del sesgo algorítmico y estereotipos de género/etnia en la producción de imágenes y modelos antropométricos deportivos generados por IA. Discusión ética sobre el impacto ambiental (huella de carbono de los servidores de renderizado de vídeo sintético) y los derechos de autoría en las imágenes utilizadas para el entrenamiento de los algoritmos generadores.

Tema 7: Arquitectura de conocimiento con NotebookLM

• Contenido Teórico:
  • Modelos de IA orientados a corpus documentales restringidos mediante la tecnología RAG (Generación Recuperada con Argumentación).
  • El control de fuentes informativas y la eliminación sistemática de la alucinación a través del confinamiento epistemológico de la IA.
  • Sistemas de navegación basados en citas empíricas trazables frente a modelos conversacionales abiertos sin fuentes.
• Uso Técnico: Creación de proyectos estructurados de investigación en Google NotebookLM. Ingesta de bases documentales vivas (PDFs científicos de kinesiología, normativas oficiales de Educación Física de la Junta de Andalucía, vídeos técnicos de YouTube). Generación de notas de estudio, guías rápidas y análisis de correspondencias conceptuales basadas únicamente en las fuentes subidas.
• Uso Pedagógico y Crítico: Análisis de la "delegación cognitiva" de la tarea de lectura comprensiva y resumen sistemático en la IA superior. Fomento de la integridad académica mediante la auditoría cruzada obligatoria de las citas de origen, asegurando que el alumno rastree y verifique cada afirmación generada en su "exocerebro" digital.

Tema 8: IA aplicada a la docencia y gestión profesional

• Contenido Teórico:
  • Diseño y desarrollo de agentes especializados o chatbots personalizados (Gems de Gemini, Custom GPTs de ChatGPT o Agentes de Copilot).
  • El marco de conocimiento tecnológico pedagógico de la IA (TPACK-AI) adaptado a las Ciencias de la Actividad Física y el Deporte.
  • Aplicaciones de la IA a la consultoría deportiva, marketing, atención a la diversidad e inclusión social mediante Aprendizaje-Servicio y personalización empática de la práctica motriz.
• Uso Técnico: Creación y programación de un asistente virtual especializado cargado con directrices reglamentarias, manuales clínicos de readaptación o normativas de Educación Física de libre distribución, para la resolución automatizada de casos profesionales recurrentes.
• Uso Pedagógico y Crítico: Debate ético sobre el riesgo de antropomorfización de la IA en la docencia de la actividad física escolar y el entrenamiento de poblaciones especiales. Reflexión sobre el papel insustituible de la empatía, el "ojo clínico", el feedback táctil y la dimensión afectivo-social de las interacciones humanas en el contexto deportivo profesional.

El temario práctico está constituido por un Portfolio de Actividades de Aprendizaje obligatorio (50% de la calificación final) que el estudiante desarrollará individual y colaborativamente y que almacenará de manera estructurada en su Portafolio Digital Cooperativo de Google Drive

• Práctica 0 (Tema 1): Crear porfolio digital en Google Drive.
• Práctica 1 (Tema 2): Diseño de un cuestionario de valoración de la condición física en Google Forms, ramificado por niveles y automatizado con una base de datos en Google Sheets que calcule automáticamente percentiles a partir de variables de entrada.
• Práctica 2 (Tema 3): Auditoría técnica e informe crítico de usabilidad de un servicio web online de utilidad deportiva (planificación, cálculo nutricional o biomecánica). El alumno deberá realizar una prueba real del servicio y redactar una evaluación sobre su originalidad, validez y protección de datos.
• Práctica 3 (Tema 4): Creación del Blog Profesional del alumno (en Blogger) configurado con cabecera gráfica original, donde publicará un mínimo de 5 entradas divulgativas estructuradas y sindicadas sobre ciencias del deporte, con incrustaciones de vídeo técnico y de los formularios interactivos diseñados en la Práctica 1.
• Práctica 4 (Tema 6): Diseño de una campaña publicitaria de un evento de salud en Granada. Incluirá un cartel promocional generado éticamente con IA, una imagen real del "deportista oficial" de la campaña de acuerdo con criterios estéticos del club, y un vídeo-reportaje promocional sintético e hiperrealista con formato informativo deportivo utilizando herramientas generadoras de vídeo desde texto.
• Bitácoras Críticas de Integridad Académica (Temas 5, 7 y 8): Como anexo indispensable en cada una de las prácticas que hayan requerido el soporte de Inteligencia Artificial (ChatGPT, Copilot o Gemini), el estudiante deberá adjuntar una bitácora detallando:
  1. Los comandos e instrucciones exactos utilizados (Prompt Log).
  2. El análisis comparativo realizado entre los modelos de lenguaje.
  3. El proceso manual de comprobación bibliográfica desarrollado para detectar alucinaciones en las referencias del tema.
  4. La reelaboración personal autónoma del producto para garantizar la autoría del estudiante.

• Martínez-López, E. (2001). La evaluación informatizada en la educación física. Paidotribo. (Texto clásico y esencial para entender la base de la automatización en la evaluación del alumnado).

• Oña, A., Guitiérrez, M., Martínez, M. y Rebollo, S. (2004). Metodología de Investigación en las Ciencias. Síntesis. (Referencia fundamental para el rigor científico y el manejo de datos en el rendimiento deportivo).

• Cabero, J. (2006). Nuevas tecnologías aplicadas a la educación. Mc. Graw Hill. (Marco de referencia para la integración pedagógica de las TICs).

• UNESCO (2023). Guía para el uso de la Inteligencia Artificial generativa en educación e investigación. (Texto de cabecera para los Temas 5, 7 y 8, proporcionando el marco ético necesario para el trabajo con IA).

• Almería Juega Limpio Innova. (2025). Guía IA en el deporte local: Herramientas, comunicación y multimedia. Portal Almería Juega Limpio Innova.
  • Aplicación práctica: Proporciona directrices técnicas esenciales para el diseño de cartelería, copys institucionales y el uso seguro de vídeo generativo (Sora, Kling, Runway) en la campaña de difusión del Tema 6.
• Cabero-Almenara, J., & Palacios-Rodríguez, A. (2020). Marco Europeo de Competencia Digital Docente «DigCompEdu». Traducción y adaptación del cuestionario «DigCompEdu Check-In». EDMETIC, 9(1), 213-234. https://doi.org/10.21071/edmetic.v9i1.12462
  • Aplicación práctica: Referencia teórica obligatoria para enmarcar el desarrollo de la competencia digital docente en el portafolio cooperativo del Tema 1 y la autoevaluación del Tema 4.
• Ceballos-Bernal, E. A., Cuellar-Carvajal, E. P., & Correa-Bautista, J. E. (2026). Escala sobre el Conocimiento Tecnológico Pedagógico del Contenido en Inteligencia Artificial (TPACK-AI) en Ciencias del Deporte: Adaptación Transcultural y Propiedades Psicométricas de la Versión en Español. Editorial Universidad de Sevilla.
  • Aplicación práctica: Útil para fundamentar metodológicamente el diseño de los asistentes virtuales personalizados del Tema 8, equilibrando la técnica de la IA con los objetivos motores.
• Cuellar-Carvajal, E. P., Ceballos-Bernal, E. A., & Correa-Bautista, J. E. (2026). Traducción, adaptación y validación de la Escala AIAS-4 de actitudes hacia la Inteligencia Artificial en las Ciencias del Deporte. Retos, 79, 684-697. https://doi.org/10.47197/retos.v79.117745
  • Aplicación práctica: Fundamental para que el alumno analice de forma autocrítica sus propias actitudes, recelos y predisposición ética ante los LLMs en el Tema 5.
• Fundación Internacional Siemens Stiftung. (2024). Educación STEM y su aplicación: Paquete de recursos didácticos de Inteligencia Artificial. Siemens Stiftung.
  • Aplicación práctica: Aporta explicaciones sobre la lógica interna de los algoritmos y APIs cloud de conversión útiles para la auditoría de servicios web del Tema 3.
• Gallardo, L., García-Tascón, M., & Burillo, P. (2008). New sports management software: A needs analysis by a panel of Spanish experts. International Journal of Information Management, 28(4), 235-245. https://doi.org/10.1016/j.ijinfomgt.2007.09.005
  • Aplicación práctica: Marco referencial clásico para guiar las auditorías del alumno sobre la idoneidad y usabilidad del software de gestión y kinesiología en el Tema 3.
• Holmes, W., & Tuomi, I. (2022). State of the Art and Practice in AI in Education. European Journal of Education, 57(4), 542-570. https://doi.org/10.1111/ejed.12530
  • Aplicación práctica: Proporciona las bases sobre sistemas tutoriales inteligentes necesarias para conceptualizar y entrenar asistentes cognitivos en el Tema 8.
• Jurgen B. (2026). NotebookLM de Google: qué es, funciones y casos prácticos en docencia e investigación. Guía Práctica de Productividad Docente.
  • Aplicación práctica: Manual de consulta técnica para que el alumnado aprenda a estructurar, organizar y consultar de forma segura su corpus documental en el Tema 7.
• Liebermann, D. G., Katz, L., Hughes, M. D., Bartlett, R. M., McClements, J., & Franks, I. (2002). Advances in the application of information technology to sport performance. Journal of Sports Sciences, 20(10), 755-769. https://doi.org/10.1080/026404102320675611
  • Aplicación práctica: Fundamenta la base técnica e histórica de la automatización en el rendimiento y la captura cinemática del movimiento del Tema 3 y Tema 8.
• López Jiménez, J. M., & Castañares, L. S. (2025). El trabajo colaborativo en el ámbito virtual como herramienta de adquisición de los resultados de aprendizaje en la educación superior. En Nuevos Desafíos de la Educación Superior. Dykinson.
  • Aplicación práctica: Justifica las dinámicas cooperativas en la nube de Google Workspace y las pautas para consolidar el portfolio grupal del Tema 1.
• Martínez-López, E. (2018). La evaluación informatizada en la educación física. Paidotribo.
  • Aplicación práctica: Proporciona las directrices metodológicas para estructurar rúbricas digitales y baremos de valoración de la condición física en la base de datos de Sheets del Tema 2.
• Olmos-Gómez, M. C., Portillo-Sánchez, R., & Parra-González, M. E. (2025). Physical Education and Artificial Intelligence. Validation of an instrument on the use and perception of AI in young people. Retos, 67, 46–56. https://doi.org/10.47197/retos.v67.112460
  • Aplicación práctica: Clave para que los alumnos diseñen sus propios instrumentos cuantitativos de recogida de percepciones sobre tecnología en el Tema 2 y analicen sesgos en el Tema 5.
• Peralta Palazón, T. (2025). Inteligencia Artificial Generativa y ética tecno-educativa: consideraciones de la Integridad Académica en la Educación Superior. Actas de la VIII Conferencia Interuniversitaria de Integridad Académica, 324-338.
  • Aplicación práctica: Referencia ético-normativa para que el alumno redacte la "Bitácora de Integridad Académica" requerida como anexo en los trabajos de los Temas 5, 7 y 8.
• Rahman, M. H., Bolotio, R., & Napitupulu, D. (2026). Improving physical education teachers' job satisfaction through artificial intelligence: Evidence from Indonesia. Retos, 74, 485-499.
  • Aplicación práctica: Útil para debatir y contrastar el alivio administrativo y la eficiencia del tiempo de compromiso motor logrados mediante la automatización de la evaluación del Tema 2.
• Selwyn, N. (2019). Should Robots Replace Teachers? AI and the Future of Education. Polity Press.
  • Aplicación práctica: Ofrece un marco crítico esencial para que el alumno debata sobre los límites éticos de la tutorización robótica en el entrenamiento del Tema 8.
• UNESCO. (2023/2024). Directrices para el uso de la Inteligencia Artificial generativa en educación e investigación. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
  • Aplicación práctica: Proporciona las reglas de oro mundiales de privacidad, sesgo y derechos de autor para contrastar las respuestas comparadas en paralelo en el Tema 5.
• Varios Autores. (2024). Generative AI in Sport: Opportunities and Risks. Journal of Sports Analytics.
  • Aplicación práctica: Ayuda a fundamentar el análisis crítico del Tema 6 sobre los riesgos de propiedad intelectual y sesgos algorítmicos en la generación multimedia de atletas.

Dada que es una materia en continua evolución habrá enlaces recomendados que se facilitarán a través de la plataforma de docencia Prado.

• Plataforma PRADO2 (UGR): Entorno virtual de aprendizaje oficial para la gestión docente, foros temáticos y entrega de actividades prácticas de los 8 temas.

• MD01. Lección magistral/expositiva 
• MD02. Sesiones de discusión y debate 
• MD03. Resolución de problemas y estudio de casos prácticos 
• MD08. Ejercicios de simulación 
• MD09. Análisis de fuentes y documentos 

1. Evaluación Ordinaria (Continua)

La nota final (100%) se compone de los siguientes tres bloques:

• Portfolio de Actividades (Temas 1 a 8): 50%

  • Incluye la entrega organizada de todas las tareas prácticas y actividades asociadas a los ocho bloques temáticos. Se valorará la calidad, la correcta aplicación técnica de las herramientas y la capacidad de resolución de problemas planteada en cada unidad.

• Exposición del Mejor Trabajo: 30%

  • El estudiante seleccionará el trabajo que considere más destacado o innovador de entre todos los realizados en el portfolio. Deberá realizar una exposición oral (o formato digital equivalente) donde justifique su relevancia, la metodología utilizada y las conclusiones obtenidas.

• Asistencia: 20%

  • La asistencia se computará como una parte fundamental de la evaluación, garantizando el seguimiento activo de las sesiones presenciales o virtuales.

Directrices Transversales y Normativa

Para garantizar la integridad académica y la equidad, se mantienen las siguientes directrices obligatorias:

Uso ético de la IA Generativa (IAGen)

El uso de herramientas de IA está permitido solo como apoyo al aprendizaje, redacción, ortografía y traducción.

• Restricción: No está permitida para generar partes sustanciales de trabajos o tareas.

• Responsabilidad: El estudiante asume la responsabilidad total de la veracidad y originalidad del contenido.

• Citación obligatoria: Todo uso de IAGen debe reconocerse al final del trabajo con una sección específica: "En el presente trabajo se ha utilizado [Nombre Herramienta] para las siguientes tareas: [...]. El autor/a acepta la total responsabilidad del documento final".

• Recomendación: Se insta al uso de las herramientas contratadas por la UGR (Microsoft Copilot) para asegurar la privacidad de los datos.

Estudiantes con Necesidades Específicas (NEAE)

La metodología y evaluación serán adaptadas conforme al Artículo 11 de la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada, asegurando que se cumplan las competencias sin eliminar los criterios esenciales de la asignatura.

Participación en Investigaciones (Puntos Extra)

El estudiantado podrá obtener hasta 0.5 puntos adicionales sobre la nota final mediante su participación voluntaria en investigaciones del Departamento de Psicología Experimental, a través de la Plataforma Online de Experimentos. Esta actividad cumple con la Guía de buenas prácticas y consideraciones éticas aprobada por la Facultad de Psicología.

Nota: Los resultados de las actividades presenciales y el portfolio no se conservan entre cursos académicos. Para cualquier consulta sobre apoyos sociales o discapacidad, se puede acceder a la Unidad de Atención Social de la UGR

• Portfolio (100%): Al no existir la parte de exposición oral en esta modalidad, la calificación se basará exclusivamente en la entrega y calidad del portfolio completo, que debe demostrar la superación de todas las competencias de los 8 temas del programa.

En caso de pasar a convocatoria extraordinaria, se guardará la nota del criterio que se haya superado y solo tendrá que repetirse el otro.

• Portfolio (100%): Al no existir la parte de exposición oral en esta modalidad, la calificación se basará exclusivamente en la entrega y calidad del portfolio completo, que debe demostrar la superación de todas las competencias de los 8 temas del programa.

Se usará como apoyo docente la Plataforma de Enseñanza Prado donde los estudiantes consultaran la documentación, intervendrán en foros temáticos de la asignatura, plantearán las tutorías, realizarán ejercicios de autoevaluación para constatar los niveles de asimilación de contenidos y entregarán cada una de las actividades propuestas.

El profesorado de la asignatura velará por la aplicación de la Normativa para la Atención al Estudiantado con Discapacidad y/o NEAE, debidamente incorporado en el programa específico de la Universidad de Granada. Las adaptaciones indicadas por el Servicio de Atención Estudiantil y/o las aplicadas, en su caso, por iniciativa del profesorado, no contemplarán, en ningún caso, la eliminación de ninguna de las competencias establecidas en la guía.