Glosario de IA educativa

Términos que aparecen a lo largo del curso, explicados en una o dos frases y con una pista de por qué importan en el aula. No hace falta memorizarlos: sirve como referencia para consultar cuando salga la palabra en una sesión.

A

Agente: Asistente de IA al que se le permite ejecutar acciones (buscar, escribir, enviar) además de responder. En educación, añade riesgo: conviene revisar qué hace y con qué permisos antes de usarlo.
Alucinación: Dato, cita, norma o referencia que la IA se inventa pero que suena plausible. No se detecta por el tono: hay que verificar con una fuente fiable.
Anonimizar: Eliminar de un caso real cualquier dato que permita identificar a una persona (nombre, informe, diagnóstico, foto) antes de trabajarlo con IA.
Aprendizaje automático (machine learning): Familia de técnicas con las que un sistema «aprende» patrones a partir de ejemplos, en lugar de seguir reglas escritas a mano.

B

Borrador: Todo texto o material que genera la IA se trata como borrador revisable, nunca como producto final. La revisión docente es el paso que no se salta.
Sesgo (bias): Tendencia del modelo a reproducir estereotipos o ejemplos poco representativos presentes en los datos con que se entrenó. Se detecta revisando también los ejemplos y contextos, no solo los datos.

C

Chatbot / asistente: Interfaz de conversación sobre un modelo de lenguaje. Es la forma más habitual de usar IA generativa.
Contexto (ventana de contexto): Cantidad de texto que el modelo puede «tener presente» a la vez (la petición más todo lo anterior de la conversación). Si el contexto se llena, empieza a «olvidar» lo primero. Por eso conviene dar la información importante al principio o en cada petición.
Copilot: Asistente de IA integrado en herramientas de Microsoft 365 (Word, Outlook, Teams…). En el entorno GVA depende de la licencia del centro.

D

Datos de entrenamiento: Conjunto de textos, imágenes u otros datos con los que se construyó el modelo. Determinan qué sabe y qué sesgos arrastra.

E

Entrenamiento: Proceso por el que el modelo aprende patrones a partir de los datos. El usuario final no entrena al modelo al conversar (en las herramientas corporativas, además, los datos no se usan para entrenar modelos públicos).

G

Generativa (IA): IA que produce contenido nuevo (texto, imagen, audio, código) a partir de patrones aprendidos, en vez de limitarse a clasificar o buscar.

H

Hiperparámetro: Ajuste de configuración del modelo (por ejemplo, «creatividad» o temperatura). En las herramientas de uso docente normalmente no se toca.

L

LLM (modelo grande de lenguaje): Modelo entrenado con enormes cantidades de texto para predecir la siguiente palabra; es la base de los asistentes que escriben y conversan.

M

Modelo abierto / propietario: Un modelo es «abierto» si sus pesos o su código son públicos y reutilizables; «propietario» si pertenece a una empresa y se usa a través de su servicio. No implica que uno sea mejor: cambia el control, el coste y la privacidad.
Multimodal: Modelo que trabaja con varios tipos de contenido a la vez (texto, imagen, audio). Permite, por ejemplo, pasar de un texto a una imagen o describir una imagen.

P

Prompt: La instrucción o encargo que se le da a la IA. Un buen prompt incluye rol, contexto, objetivo, restricciones, formato y criterios de calidad.
Prompt de sistema: Instrucciones previas que fijan el comportamiento del asistente («actúa como docente…»). A veces vienen preconfiguradas en la herramienta.
Perfilado: Elaborar un perfil de la persona usuaria a partir de sus datos. En el uso con alumnado, la normativa GVA descarta las herramientas que perfilan.
Privacidad (datos personales): Regla del curso: nunca se introducen datos personales de alumnado en una IA generalista. Si hace falta un caso real, se anonimiza primero.

R

RAG (generación aumentada por recuperación): Técnica que hace que la IA consulte una colección de documentos antes de responder, para basar la respuesta en fuentes concretas. Reduce (no elimina) las alucinaciones. Es lo que hay detrás de «chatear con tus apuntes».
Red neuronal: Estructura de cálculo inspirada (muy libremente) en el cerebro, base de los modelos actuales.

S

Sesgo algorítmico: Sesgo que aparece en los resultados de un sistema automático, heredado de los datos o del diseño. Se revisa en los ejemplos y contextos que propone la IA.

T

Temperatura: Parámetro que controla cuánto de «creativa» o aleatoria es la respuesta. Más temperatura, más variedad y más riesgo de invención.
Texto a imagen / texto a voz: Generación de una imagen o un audio a partir de una descripción de texto. Útil para adaptaciones; ojo con los derechos de las imágenes generadas.
Token: Fragmento mínimo de texto (parte de una palabra) que el modelo procesa. Los límites de uso y de contexto se miden en tokens, no en palabras.

V

Verificación: Comprobar un dato con una fuente fiable (DOGV, web oficial, editorial). Es el paso que convierte una respuesta plausible en información utilizable.