Innovación Docente e Inteligencia Artificial Aplicada a la Enseñanza de Ingeniería Metalúrgica
Formación básica a intermedia en IA tradicional, IA generativa y simulación computacional con ANSYS, contextualizada en metalurgia, soldadura, fundición, conformación y ciencia de materiales metálicos.
Organización del curso
| Periodo | 2026 | Duración | 2 semanas |
|---|---|---|---|
| Horas | 30 académicas | Equivalencia | 20 horas cronológicas |
| Horario | Lunes, miércoles y viernes presencial; martes y jueves virtual; 2 horas cronológicas por sesión. | ||
| Módulo 1 | 15 h académicas | Módulo 2 | 15 h académicas |
IA y simulación para fortalecer la enseñanza
El curso responde a la necesidad de diseñar experiencias de aprendizaje relevantes, producir recursos académicos, analizar información técnica y modelar fenómenos de ingeniería. La IA aporta apoyo para crear, explicar y analizar; ANSYS permite representar, resolver e interpretar problemas estructurales, térmicos y termo-mecánicos.
Contexto auténtico
Resultado y actividad
Apoyo y simulación
Rigor y decisión
Competencia general
Diseña experiencias de aprendizaje de Ingeniería Metalúrgica integrando IA tradicional, IA generativa y simulación con ANSYS, con criterio pedagógico, rigor técnico, verificación de resultados y uso responsable.
Distingue IA, machine learning, deep learning e IA generativa con casos metalúrgicos.
Crea recursos, actividades, prompts y retroalimentación con criterios de calidad.
Configura modelos básicos estructurales, térmicos y termo-mecánicos en ANSYS.
Contrasta fuentes, datos, supuestos y resultados; declara el uso de IA.
Dos módulos complementarios
- Fundamentos y tipos de IA.
- ML supervisado, no supervisado y visión.
- IA generativa, LLM y multimodalidad.
- Prompting y diseño de recursos.
- RAG y agentes como panorama.
- Sesgos, privacidad, autoría y verificación.
- Modelo físico, matemático y numérico.
- Geometría, materiales y malla.
- Condiciones de frontera.
- Análisis estructural.
- Transferencia de calor.
- Acoplamiento termo-mecánico y validación.
10 sesiones · 2 horas por día
| # | Fecha | Modalidad | Tema |
|---|---|---|---|
| 1 | Lun 03 ago | Presencial | Fundamentos, tipos y oportunidades de IA en docencia metalúrgica. |
| 2 | Mar 04 ago | Virtual | IA generativa, LLM, multimodalidad y límites. |
| 3 | Mié 05 ago | Presencial | Prompting docente y diseño de recursos técnicos. |
| 4 | Jue 06 ago | Virtual | Verificación, sesgos, privacidad, autoría y uso responsable. |
| 5 | Vie 07 ago | Presencial | Datos y aprendizaje automático en materiales metálicos. |
| 6 | Lun 10 ago | Presencial | ANSYS: del problema físico al modelo numérico. |
| 7 | Mar 11 ago | Virtual | Elementos finitos, materiales, malla y fronteras. |
| 8 | Mié 12 ago | Presencial | Análisis estructural de una pieza metálica. |
| 9 | Jue 13 ago | Virtual | Transferencia de calor y acoplamiento termo-mecánico. |
| 10 | Vie 14 ago | Presencial | Caso integrador, interpretación, validación y presentación. |
Aprender haciendo y justificando
Conceptos esenciales y demostraciones.
Soldadura, fundición, conformación y materiales.
IA generativa, datos y ANSYS.
Diseño y revisión entre pares.
Fuentes, unidades, supuestos y convergencia.
Tickets de salida y retroalimentación.
Evidencias auténticas
| Evidencia | Producto | Peso |
|---|---|---|
| Participación y actividades | Ejercicios, discusión y tickets de salida. | 20% |
| Actividad de IA | Recurso docente y ficha de verificación. | 30% |
| Práctica ANSYS | Modelo e interpretación técnica. | 30% |
| Integrador | Propuesta docente IA + ANSYS. | 20% |
Referencias básicas
UNESCO, Marco de competencias en IA para docentes. NIST, AI RMF y perfil de IA generativa.
Russell & Norvig, Artificial Intelligence: A Modern Approach. Géron, Hands-On Machine Learning.
ANSYS Mechanical User's Guide y ANSYS Academic Learning Resources.
OpenAI Academy, recursos y prompts para educación superior.