Material Detail

EVALUACIÓN DE LA CALIDAD DEL RECURSO COMO MATERIAL DE APRENDIZAJE EN LOS ESTUDIOS DE GRADO DE INGENIERÍA INFORMÁTICA DE LA UPM. Description: o Overview: o Tema: El tema principal del recurso es la integración de Modelos de Lenguaje Grande (LLM) en el proceso de desarrollo de software, específicamente en la generación automática de código. El artículo explora cómo los modelos de lenguaje pueden asistir en diversas etapas del ciclo de desarrollo de software, desde la escritura de código hasta la documentación y depuración. El recurso es particularmente relevante para un System Analyst, ya que este perfil profesional debe comprender cómo las herramientas avanzadas, como los modelos de lenguaje, pueden mejorar la eficiencia y la precisión del desarrollo de software. o Tipos de formato de materiales: Images/graphics, Links to related material o Type of Material: Open(Access) Journal - Article o Technical Requirements: El artículo es accesible sin requerimientos técnicos significativos, haciendo que sea fácil de consultar por la mayoría de los usuarios con dispositivos y navegadores modernos. Se recomienda utilizar las versiones más recientes de navegadores como Google Chrome, Mozilla Firefox, Microsoft Edge o Safari para una mejor visualización y funcionalidad siendo compatible con los sistemas operativos más comunes, incluidos Windows, macOS, Linux, iOS y Android. o Learning Goal(s): Los estudiantes que utilicen este recurso podrán adquirir las siguientes competencias y conocimientos: comprensión de los Modelos de Lenguaje Grande (LLM), integración de LLM en el desarrollo de Software, impacto en el proceso de desarrollo de Software, competencias en análisis y diseño de Sistemas y por último, ética y responsabilidad en el uso de AI. o Recommended Use(s): El recurso es versátil y puede ser integrado de manera efectiva en varias asignaturas del plan de estudios, proporcionando una base sólida para entender y explorar las aplicaciones de los modelos de lenguaje grande en el desarrollo de software. Esto incluye la teoría y la práctica en Inteligencia Artificial y la Ingeniería del Software, estudios específicos sobre sistemas inteligentes y procesamiento de lenguajes. o Target Student Population: Este recurso está dirigido a varios grupos de estudiantes con diferentes niveles educativos y experiencias previas en el campo de la informática y la inteligencia artificial. A continuación, se detallan los grupos de estudiantes que podrían beneficiarse del uso de este material: estudiantes de Grado en Informática o Ingeniería Informática, estudiantes de Postgrado en Inteligencia Artificial, profesionales de la Industria de la Informática como Desarrolladores de Software, Ingenieros de Doftware y Arquitectos de Sistemas, y por último, Investigadores en el campo de la Inteligencia Artificial y Desarrollo de Software. o Prerequisite Knowledge: Para utilizar eficazmente este recurso se recomienda que los estudiantes tengan cierto nivel de competencias y conocimientos previos en los siguientes temas: Fundamentos de Programación y Desarrollo de Software, Inteligencia Artificial y Aprendizaje Automático y Modelos de Lenguaje Grande (LLM). Evaluations and Observations o Quality of Content: • Lista Fortalezas de la calidad del contenido: - El contenido del recurso es válido, preciso y confiable. Está respaldado por investigaciones y análisis detallados sobre el uso de modelos de lenguaje grande en el desarrollo de software. Representa con precisión el estado tecnológico actual en esta área, proporcionando información relevante y actualizada sobre las aplicaciones y desafíos de la integración de LLM en el desarrollo de software. - El recurso enseña conceptos importantes y educativamente significativos en el campo de la inteligencia artificial y el desarrollo de software. Cubre temas relevantes para el plan de estudios de diversas asignaturas relacionadas con la informática, como inteligencia artificial, ingeniería del software y procesadores de lenguajes. -El contenido del recurso es consistente en su presentación y enfoque. Sigue una estructura lógica y coherente que facilita la comprensión y el seguimiento del tema tratado. • Lista Preocupaciones de la calidad del contenido: - Dado que la tecnología y la investigación en el campo de la inteligencia artificial y el desarrollo de software evolucionan rápidamente, el recurso debe ser actualizado regularmente para reflejar los últimos avances y tendencias en el campo. - El contenido puede resultar complejo para estudiantes con un nivel de conocimiento básico en el tema. Se puede mejorar proporcionando explicaciones más detalladas y ejemplos adicionales para facilitar la comprensión. - La falta de componentes interactivos, cuestionarios y guías de enseñanza puede limitar su utilidad en entornos educativos que requieren una mayor interactividad y soporte didáctico o Potential Effectiveness as a Teaching/Learning Tool: • Lista Fortalezas de la efectividad del recurso como una herramienta de aprendizaje: - El recurso puede usarse eficazmente para explicar los problemas y desafíos que enfrenta la generación de código basada en LLM en el contexto del desarrollo de software. Proporciona demostraciones claras que permiten a los estudiantes explorar cómo los LLM generan código y se integran en procesos de desarrollo de software. - Los conceptos y competencias se presentan de manera clara y estructurada, facilitando la comprensión de temas complejos. El tema de la aplicación de LLM en el desarrollo de software es innovador y relevante, lo cual puede despertar un alto grado de curiosidad y motivación entre los estudiantes. - Los objetivos de aprendizaje están bien definidos y alineados con los contenidos presentados, lo que facilita a los estudiantes entender qué se espera de ellos y cómo alcanzar dichos objetivos. • Lista Preocupaciones de la efectividad del recurso como una herramienta de aprendizaje: - Puede que el recurso no sea fácilmente adaptable a estudiantes con diferentes niveles de conocimiento previo, especialmente aquellos con poca o ninguna experiencia en inteligencia artificial y desarrollo de software. - Los estudiantes pueden necesitar recursos de apoyo adicionales, como tutorías o sesiones de discusión, para alcanzar completamente los resultados de aprendizaje previstos. - Aunque el recurso incluye componentes interactivos, podría beneficiarse de más actividades prácticas y simulaciones que permitan una mayor inmersión y aplicación de los conceptos. - En algunos casos, los resúmenes podrían ser demasiado breves, y sería beneficioso proporcionar más detalles y ejemplos adicionales para reforzar la comprensión. o Ease of Use: • Lista Fortalezas de la facilidad de uso del recurso: - La información se presenta de una manera clara y estructurada, similar a otros recursos educativos en línea, lo que facilita a los estudiantes familiarizarse rápidamente con su uso. - Las diferentes secciones del recurso están claramente relacionadas, con transiciones lógicas y enlaces internos que ayudan a los estudiantes a ver cómo los diferentes temas se conectan entre sí. -No se han encontrado errores técnicos ni enlaces rotos, lo que asegura una experiencia de usuario fluida y sin interrupciones. • Lista Preocupaciones de la facilidad de uso del recurso: - En algunas secciones, la cantidad de información puede ser abrumadora, lo que puede dificultar que los estudiantes procesen y retengan todo el contenido presentado. - Aunque el recurso es en gran medida autocontenido, puede haber momentos en los que se requieran instrucciones adicionales para entender ciertos ejercicios o aplicaciones prácticas. - Aunque el diseño es en general claro, podría beneficiarse de una mayor consistencia visual en todas las secciones para evitar cualquier distracción o confusión.