Glossari

Glossari d'IA educativa

Termes que apareixen al llarg del curs, explicats en una o dues frases i amb una pista de per què importen a l'aula. No cal memoritzar-los: servix com a referència per a consultar quan isca la paraula en una sessió.

A

Agent: Assistent d'IA al qual es permet executar accions (cercar, escriure, enviar) a més de respondre. En educació afig risc: convé revisar què fa i amb quins permisos abans d'usar-lo.
Al·lucinació: Dada, cita, norma o referència que la IA s'inventa però que sona plausible. No es detecta pel to: cal verificar-ho amb una font fiable.
Anonimitzar: Eliminar d'un cas real qualsevol dada que permeta identificar una persona (nom, informe, diagnòstic, foto) abans de treballar-lo amb IA.
Aprenentatge automàtic (machine learning): Família de tècniques amb què un sistema «aprén» patrons a partir d'exemples, en lloc de seguir regles escrites a mà.

B

Esborrany: Tot text o material que genera la IA es tracta com a esborrany revisable, mai com a producte final. La revisió docent és el pas que no se salta.
Biaix (bias): Tendència del model a reproduir estereotips o exemples poc representatius presents en les dades amb què es va entrenar. Es detecta revisant també els exemples i contextos, no només les dades.

C

Xatbot / assistent: Interfície de conversa sobre un model de llenguatge. És la forma més habitual d'usar IA generativa.
Context (finestra de context): Quantitat de text que el model pot «tindre present» alhora (la petició més tot l'anterior de la conversa). Si el context s'ompli, comença a «oblidar» el primer. Per això convé donar la informació important al principi o en cada petició.
Copilot: Assistent d'IA integrat en ferramentes de Microsoft 365 (Word, Outlook, Teams…). En l'entorn GVA depén de la llicència del centre.

D

Dades d'entrenament: Conjunt de textos, imatges o altres dades amb què es va construir el model. Determinen què sap i quins biaixos arrossega.

E

Entrenament: Procés pel qual el model aprén patrons a partir de les dades. L'usuari final no entrena el model en conversar (en les ferramentes corporatives, a més, les dades no s'usen per a entrenar models públics).

G

Generativa (IA): IA que produïx contingut nou (text, imatge, àudio, codi) a partir de patrons apresos, en lloc de limitar-se a classificar o buscar.

H

Hiperparàmetre: Ajust de configuració del model (per exemple, «creativitat» o temperatura). En les ferramentes d'ús docent normalment no es toca.

L

LLM (model gran de llenguatge): Model entrenat amb enormes quantitats de text per a predir la paraula següent; és la base dels assistents que escriuen i conversen.

M

Model obert / propietari: Un model és «obert» si els seus pesos o el seu codi són públics i reutilitzables; «propietari» si pertany a una empresa i s'usa a través del seu servici. No implica que un siga millor: canvia el control, el cost i la privacitat.
Multimodal: Model que treballa amb diversos tipus de contingut alhora (text, imatge, àudio). Permet, per exemple, passar d'un text a una imatge o descriure una imatge.

P

Prompt: La instrucció o encàrrec que es dona a la IA. Un bon prompt inclou rol, context, objectiu, restriccions, format i criteris de qualitat.
Prompt de sistema: Instruccions prèvies que fixen el comportament de l'assistent («actua com a docent…»). De vegades venen preconfigurades en la ferramenta.
Perfilatge: Elaborar un perfil de la persona usuària a partir de les seues dades. En l'ús amb alumnat, la normativa GVA descarta les ferramentes que perfilen.
Privacitat (dades personals): Regla del curs: mai s'introduïxen dades personals d'alumnat en una IA generalista. Si cal un cas real, s'anonimitza primer.

R

RAG (generació augmentada per recuperació): Tècnica que fa que la IA consulte una col·lecció de documents abans de respondre, per a basar la resposta en fonts concretes. Reduïx (no elimina) les al·lucinacions. És el que hi ha darrere de «xatejar amb els teus apunts».
Xarxa neuronal: Estructura de càlcul inspirada (molt lliurement) en el cervell, base dels models actuals.

S

Biaix algorítmic: Biaix que apareix en els resultats d'un sistema automàtic, heretat de les dades o del disseny. Es revisa en els exemples i contextos que proposa la IA.

T

Temperatura: Paràmetre que controla com de «creativa» o aleatòria és la resposta. Més temperatura, més varietat i més risc d'invenció.
Text a imatge / text a veu: Generació d'una imatge o un àudio a partir d'una descripció de text. Útil per a adaptacions; compte amb els drets de les imatges generades.
Token: Fragment mínim de text (part d'una paraula) que el model processa. Els límits d'ús i de context es mesuren en tokens, no en paraules.

V

Verificació: Comprovar una dada amb una font fiable (DOGV, web oficial, editorial). És el pas que convertix una resposta plausible en informació utilitzable.