El curso de "Procesamiento de Lenguaje Natural” (PLN) está diseñado para brindar a los estudiantes una comprensión profunda de cómo el PLN puede mejorar la enseñanza y el aprendizaje a través del análisis y la generación automática del lenguaje. Los estudiantes se enfocarán en las aplicaciones del PLN dentro del campo educativo, para entender los conceptos clave del PLN, analizar cómo esta tecnología puede mejorar el análisis de datos educativos, el diseño de contenido personalizado y la interacción entre profesores y estudiantes. Además, se explorarán herramientas y plataformas accesibles que permitan el uso del PLN sin necesidad de conocimientos de programación, y se reflexionará sobre las implicaciones éticas de la inteligencia artificial en el contexto educativo.

El curso empieza con una introducción al PLN y su relevancia en la educación, explicando cómo las máquinas pueden comprender y generar lenguaje humano y cómo estas capacidades se aplican en plataformas educativas.

A continuación, se abordarán las técnicas de análisis de texto y minería de datos, que permiten identificar patrones, tendencias y emociones en grandes volúmenes de información textual. Los estudiantes aprenderán cómo estas herramientas pueden ser útiles para analizar, por ejemplo, respuestas abiertas en encuestas o retroalimentación de estudiantes.

Finalmente, otro aspecto clave del curso es la aplicación del PLN en el aula, donde se mostrará cómo esta tecnología puede ser utilizada para crear contenido educativo. A lo largo del curso, se explorarán herramientas que permitan a los estudiantes realizar análisis de texto sin necesidad de tener conocimientos técnicos avanzados. Estas herramientas serán clave para que los estudiantes aprendan a clasificar texto, realizar análisis de sentimiento y extraer información relevante de grandes bases de datos.

La metodología del curso será teórico-práctica, combinando la presentación de conceptos con actividades que permitan a los estudiantes explorar las herramientas de PLN. Se incentivará la aplicación de los conocimientos adquiridos a casos reales del ámbito educativo. La evaluación del curso se basará en la participación activa de los estudiantes, el análisis de casos prácticos y un proyecto final donde deberán diseñar una propuesta de aplicación del PLN en su propio contexto educativo.

RESULTADOS DE APRENDIZAJE

RDA 1: Analizar los conceptos y técnicas de PLN en ambientes educativos

• Criterio de evaluación 1: Comprender los conceptos fundamentos de Procesamiento de Lenguaje Natural
• Criterio de evaluación 2: Aplicar los conceptos fundamentales del procesamiento de lenguaje natural, incluyendo la tokenización, el análisis sintáctico, el etiquetado de partes del discurso, el reconocimiento de entidades nombradas y la extracción de relaciones
• Criterio de evaluación 3: Analizar conceptos de PLN en diferentes contextos educativos para mejorar la enseñanza y el aprendizaje

RDA 2: Aplicar herramientas y modelos de PLN en ambientes educativos

• Criterio de evaluación 1: Conocer herramientas y modelos de PLN utilizados en ambientes educativos
• Criterio de evaluación 2: Utilizar herramientas y bibliotecas de PLN (como NLTK, SpaCy, y transformers) para preprocesar, analizar y generar texto
• Criterio de evaluación 3: Implementar modelos de PLN, incluyendo aquellos basados en aprendizaje automático y aprendizaje profundo, para resolver problemas específicos en el ámbito educativo

RDA 3: Evaluar sistemas de PLN para su utilización en ambientes educativos

• Criterio de evaluación 1: Identificar desafíos éticos y posibles sesgos en los sistemas de PLN aplicados al contexto educativo
• Criterio de evaluación 2: Evaluar la eficacia de sistemas y aplicaciones de PLN utilizando métricas estándar y técnicas de validación
• Criterio de evaluación 3: Abordar desafíos éticos y sesgos en los sistemas de PLN, asegurando que las aplicaciones desarrolladas sean justas e inclusivas en contextos educativo