Conceptes tecnològics a la IAG

Els bots de conversa generatius han irromput de manera definitiva en l'àmbit educatiu. En pocs anys han passat de ser una curiositat tecnològica a convertir-se en eines de treball quotidianes per a milions d'estudiants i docents de tot el món. Aquesta entrada de blog explica, de manera clara i sense tecnicismes innecessaris, què són exactament aquests bots, com funcionen, quins en són els principals, quines funcionalitats ofereixen i, sobretot, com pots treure'n profit dins i fora de l'aula.

1. Què són i com funcionen els bots de conversa generatius

Els bots de conversa generatius —popularment coneguts com a xatbots, adaptació catalana del terme anglès chatbot— són les eines d'intel·ligència artificial generativa (IAG) més esteses en l'àmbit de la docència universitària. A diferència dels xatbots tradicionals, que simplement recuperaven respostes predefinides a preguntes concretes, els bots generatius utilitzen models de llenguatge gran (LLM, de l'anglès large language models) entrenats amb enormes volums de text per comprendre contextos complexos i produir contingut nou adaptat a cada situació.

Concretament, un LLM aprèn patrons estadístics del llenguatge humà a partir de milers de milions de documents: articles científics, llibres, webs, codi de programació, etc. Quan rep una indicació (el que en anglès s'anomena prompt), el model no consulta una base de dades tancada sinó que genera una resposta original paraula per paraula, avaluant quina continuació és més probable i coherent amb el context donat. Això explica la seva versatilitat: el mateix model pot resumir un article, proposar activitats de classe, traduir un text o debatre sobre filosofia medieval.

En versions avançades, els bots poden integrar multimodalitat —processament de text, veu, imatge i fitxers— i recuperació d'informació en temps real (RAG, retrieval-augmented generation), que permet fonamentar les respostes en fonts actuals i verificables. I en la frontera tecnològica actual, treballen en mode agent: planifiquen passos, criden eines externes (fulls de càlcul, cercadors, sistemes de gestió de l'aprenentatge) i autoverifiquen els resultats.

2. Tipus de bots de conversa generatius

No tots els bots generatius són iguals. Podem classificar-los en quatre grans categories segons les seves capacitats i el cas d'ús principal:

• Bots generalistes

  Dissenyats per mantenir converses sobre qualsevol tema i realitzar tasques variades: explicar conceptes, redactar documents, traduir textos, analitzar dades... Són els més coneguts (ChatGPT, Copilot, Gemini, Claude) i resulten especialment versàtils per a la docència universitària perquè un únic bot pot cobrir necessitats molt diverses.

• Bots especialitzats

  Se centren en àmbits concrets com ara la programació (GitHub Copilot), la recerca científica, la redacció creativa o l'assessorament legal. Solen tenir un rendiment superior als generalistes dins del seu domini específic, però menys flexibilitat fora d'ell.

• Bots amb capacitat de cerca en temps real

  Integren respostes generatives amb cerca a internet, cosa que els permet accedir a informació actualitzada i citar fonts. Perplexity és el cas paradigmàtic, però la majoria de plataformes generalistes ja incorporen aquesta funció. Resulten molt útils quan la precisió i l'actualitat de les dades són crítiques.

• Bots multimodals

  Capaços de processar i generar no únicament text, sinó també imatges, àudio i vídeo. ChatGPT amb mode de veu avançat, Gemini de Google o les funcionalitats visuals de Claude en són exemples. En docència obren possibilitats interessants: analitzar gràfics, descriure imatges per a persones amb discapacitat visual, o generar il·lustracions per a materials didàctics.

Principals plataformes amb accés gratuït

A continuació es presenta una comparativa de les vuit plataformes principals amb versió gratuïta disponible:

3. Prestacions bàsiques comunes a totes les plataformes

Totes les plataformes amb LLM comparteixen un nucli comú de funcionalitats que constitueixen la base del seu valor pedagògic:

3.1  Primeres passes: ajustos i personalització

Personalitzar un bot de conversa és clau per aconseguir que les seves respostes siguin realment útils i rellevants per a cada context. Un bot genèric pot respondre preguntes bàsiques, però un bot ben configurat amb un to adequat, un vocabulari específic i instruccions clares sobre com gestionar cada tipus de consulta ofereix una experiència molt més fluida i professional.

Aquesta personalització pot incloure des de definir la personalitat del bot (formal, propera, tècnica) i com ha d'actuar fins a establir límits sobre els temes que ha de tractar o evitar.

3.2 Modalitats de conversa

Xat bàsic individual: La modalitat estàndard. L'usuari interactua directament amb el bot a través de prompts escrits. És la porta d'entrada per a qualsevol docent que vulgui familiaritzar-se amb les eines.

Xat grupal (ChatGPT): ChatGPT permet convidar diverses persones a una mateixa conversa amb el bot. Resulta molt útil per a treballs en grup en què el bot actua com a facilitador, o per a sessions de tutoria compartida on el docent vol que tots els estudiants vegin les respostes en temps real. Copilot ofereix una funcionalitat similar a través de Microsoft Teams.

Xat temporal o incògnit: Cap dels modes temporals és completament invisible: les dades no s'eliminen immediatament als servidors (alguns proveïdors les retenen fins a 30 dies per motius de seguretat), però la conversa no s'emmagatzema a l'historial personal ni s'usa per entrenar els models. És recomanable usar-lo quan es tracten informacions sensibles d'estudiants o de projectes de recerca confidencials.
 

4. Prestacions avançades: el salt qualitatiu

Més enllà del xat estàndard, les plataformes actuals incorporen funcionalitats especialitzades que amplifiquen enormement el seu potencial docent. Conèixer-les és clau per triar la plataforma adequada a cada necessitat i per poder orientar els estudiants en el seu ús.

4.1 Deep Research: el teu assistent d'investigació

El Deep Research és una funcionalitat que permet fer recerques exhaustives i automatitzades sobre un tema específic. Quan s'activa, el sistema consulta múltiples fonts d'informació a internet de manera autònoma, analitza i contrasta la informació trobada, identifica perspectives diferents i, finalment, sintetitza tot el contingut en un informe complet i estructurat amb citacions i referències a les fonts originals.

A diferència d'una cerca simple, el Deep Research fa un procés iteratiu: avalua la qualitat de les fonts, identifica llacunes d'informació i amplia la cerca si cal. El resultat és un document similar al que prepararia un investigador dedicant hores a recopilar i sintetitzar informació.

Plataformes que l'ofereixen en versió de pagament o freemium: ChatGPT (OpenAI), Perplexity, Copilot (Microsoft) i Qwen.

4.2 Deep Thinking: fer visible el raonament

El Deep Thinking (també anomenat thinking mode o mode de raonament profund) és una funcionalitat que permet al bot mostrar explícitament el seu procés de raonament intern abans de proporcionar la resposta final. Quan s'activa, el sistema pensa en veu alta: descompon el problema en parts més petites, avalua diferents enfocaments possibles, verifica la seva lògica, identifica possibles errors i refina la solució pas a pas.

A més de proporcionar respostes més fiables en problemes complexos, aquest mode té un valor pedagògic destacat: els estudiants poden veure estratègies de resolució de problemes i aprendre metodologies de pensament crític. Plataformes que l'ofereixen: ChatGPT (o1, o3), DeepSeek, Le Chat Mistral i Claude.

4.3 Mode d'estudi: el tutor socràtic virtual

A diferència del mode estàndard, que proporciona respostes directes, el mode d'estudi actua com un tutor amb estil socràtic: fa preguntes progressives, ofereix pistes graduades i proporciona explicacions adaptades al nivell de comprensió de l'estudiant, fomentant que sigui ell qui arribi a les solucions per si mateix mitjançant el raonament propi.

El sistema avalua el nivell de comprensió, identifica els punts on l'estudiant té dificultats i ajusta el tipus i la profunditat de les pistes proporcionades. Aquesta aproximació pedagògica promou l'aprenentatge actiu, el pensament crític i la retenció a llarg termini del coneixement. Especialment valuós per resoldre problemes, comprendre conceptes abstractes, preparar exàmens o desenvolupar habilitats de pensament independent.

Plataformes que l'ofereixen: ChatGPT (Tutor mode), Perplexity, Gemini (Learning mode) i Claude.

4.4 Mode de veu: accessibilitat i pràctica oral

El mode de veu permet interactuar amb els bots de conversa mitjançant veu natural, parlant directament amb el bot i escoltant les seves respostes en àudio. Els modes de veu avançats (especialment ChatGPT Advanced Voice Mode) poden interpretar emocions, tons, pauses i fins i tot interrupcions en temps real, creant una experiència de conversa similar a parlar amb una persona.

En context docent, el mode de veu facilita sessions de pràctica oral, revisió de continguts mentre es fan altres activitats, o tutories virtuals més accessibles i inclusives per a estudiants amb dificultats d'escriptura o discapacitats visuals. Cal tenir present que el suport en català varia: ChatGPT, Gemini (Google Live) i Copilot l'inclouen; Qwen, de moment, no.

4.5 Assistents personalitzats: el bot de la teva assignatura

Probablement la funcionalitat amb més potencial pedagògic directe: permet crear versions especialitzades del xatbot configurades per a tasques, temes o estils específics. La clau és que permeten definir instruccions permanents sobre com ha d'actuar el bot, establir un to i estil de comunicació particulars, carregar documents de referència (programes d'assignatura, apunts, articles acadèmics) que el bot farà servir com a base de coneixement, i mantenir aquesta configuració per a totes les converses futures dins d'aquest assistent.

Cada vegada que un docent o estudiant fa servir l'assistent personalitzat, no cal repetir les instruccions ni tornar a pujar els documents: el bot ja 'coneix' el context, la terminologia específica de l'assignatura i l'enfocament pedagògic desitjat.

Plataformes que ofereixen assistents personalitzats

• ChatGPT (OpenAI). Ofereix Custom GPTs (versions de pagament) que permeten crear assistents completament personalitzats amb instruccions, documents i fins i tot capacitats externes (com cerca web o generació d'imatges).
• Claude (Anthropic). Proporciona Projects (projectes) en què es poden pujar documents de referència i establir instruccions personalitzades que es mantenen al llarg de totes les converses dins del projecte.
• Gemini (Google). Ofereix Gems, assistents personalitzats en què es poden definir instruccions, to, estil i comportaments específics per a diferents finalitats.
• Le Chat (Mistral AI). Permet crear Agents personalitzats amb instruccions específiques i documents de referència, similar als GPTs de ChatGPT.
• Perplexity. Ofereix Spaces (espais de treball) que, tot i que estan més orientats a organitzar recerques per temes, permeten pujar documents de referència que el bot utilitzarà en les seves respostes dins d'aquell espai.

4.6 Mode d'agent: el bot que actua per tu

El mode d'agent representa el salt evolutiu més significatiu: el bot deixa de ser únicament un generador de text per convertir-se en un sistema capaç de raonar, planificar i executar tasques de diversos passos per aconseguir un objectiu específic amb una mínima intervenció humana. Pot navegar per llocs web, treballar amb fitxers carregats, connectar-se a fonts de dades de tercers, omplir formularis i editar documents, mantenint sempre l'usuari en control.

ChatGPT Operator: ajuda a dur a terme tasques complexes en línia raonant, investigant i prenent mesures autònoment. Pot navegar per llocs web i treballar amb fitxers i correus electrònics.

Claude Computer Use: el mode d'agent de Claude permet que controli l'ordinador de l'usuari: mou el cursor, fa clics, omple formularis, navega per webs i pot encadenar accions en un 'agent loop' força autònom.

Gemini Agent: gestiona tasques complexes de diversos passos, amb confirmació prèvia de l'usuari abans de dur a terme accions crítiques.

Copilot (mode agent a Microsoft 365): integrat a Windows i Microsoft 365, permet automatitzar fluxos de treball i tasques repetitives dins l'ecosistema Office.

5. Aplicacions didàctiques: com integrar-los a la pràctica docent

Conèixer les eines és el primer pas; integrar-les de manera pedagògicament sòlida és el segon. A continuació presentem les aplicacions didàctiques més rellevants tant per al professorat com per a l'alumnat, amb exemples concrets i supòsits pràctics.

5.1 Característiques clau per a l'educació

• Poden adaptar el nivell de complexitat de les seves respostes segons el perfil de l'estudiant i ofereixen explicacions més senzilles o més profundes segons calgui. 
• Disposen de capacitat multilingüe i permeten treballar en català, castellà, anglès i altres idiomes de manera fluida.
• Processen diferents tipus de contingut (text, imatges, documents). 
• Poden generar materials educatius diversos: resums, exercicis, exemples pràctics o esquemes conceptuals.
• A més, estan disponibles 24/7 i ofereixen suport fora de l'horari lectiu.

5.2 Per al professorat: estalviar temps i millorar materials

Els bots generatius permeten al professorat universitari fer moltes coses que tradicionalment consumien molt de temps:

• Dissenyar materials docents: generar primers esborranys d'apunts, esquemes conceptuals, exercicis, casos pràctics i rúbriques d'avaluació.

• Diversificar activitats: crear variacions d'un mateix exercici amb diferent nivell de dificultat per atendre la diversitat de l'aula.
• Preparar preguntes d'examen: generar bancs de preguntes tipus test, de resposta oberta o de resolució de problemes a partir dels continguts del curs.

• Donar feedback: fer servir el bot per generar comentaris personalitzats sobre treballs escrits, mantenint sempre el criteri expert del docent.

• Adaptar continguts: simplificar textos complexos per a estudiants en situació de vulnerabilitat acadèmica, o ampliar-los per a estudiants avançats.

• Tasques administratives: redactar correus tipus, informes de seguiment, sol·licituds de recursos o comunicacions institucionals.

5.3 Per a l'alumnat: aprenentatge actiu i autònom

Els estudiants poden beneficiar-se dels bots com a assistents personals d'aprenentatge que complementen —sense substituir— l'activitat docent presencial:

• Resoldre dubtes puntuals: obtenir explicacions alternatives de conceptes que no han quedat clars a classe, disponibles a qualsevol hora.

• Practicar amb exercicis addicionals: generar problemes similars als del curs per reforçar la comprensió.

• Rebre feedback sobre esborranys: obtenir comentaris formatius sobre textos acadèmics abans de presentar-los al docent.

• Preparar exàmens: fer servir el mode d'estudi o el mode socràtic per repassar continguts de forma activa.

• Explorar temes complementaris: aprofundir en aspectes que despertaran el seu interès més enllà del que s'aborda a l'assignatura.

• Millorar la comprensió lectora en anglès: demanar traduccions contextualitzades o explicacions de textos científics en anglès.

6. Limitacions i consideracions ètiques

Integrar els bots generatius a la docència universitària exigeix una mirada crítica i informada. Cap eina tecnològica és neutral, i els bots generatius no en són una excepció.

6.1 Limitacions tècniques fonamentals

• Al·lucinació: els models poden generar informació incorrecta o inventada amb aparença convincent. Dades estadístiques, cites bibliogràfiques i fets recents són especialment vulnerables. Sempre cal contrastar la informació generada.

• Data de tall del coneixement: els models tenen una data límit d'entrenament. Per a temes amb novetats recents (legislació, recerca emergent, estadístiques actualitzades), fes servir plataformes amb cerca en temps real (Perplexity, ChatGPT amb cerca activada).

• Biaixos: els models reprodueixen els biaixos presents en les seves dades d'entrenament (de gènere, culturals, ideològics). Cal ser especialment crític amb continguts de ciències socials, humanitats i qüestions ètiques.

• Manca de citació fiable: excepte les plataformes específicament orientades a la recerca (Perplexity, Deep Research), els bots no citen les fonts de manera consistent ni garanteixen l'exactitud de les referències.

6.2 Consideracions ètiques per a la docència

• Integritat acadèmica: és necessari establir clarament en cada assignatura quins usos dels bots estan permesos i quins no, i comunicar-ho explícitament als estudiants. El silenci normatiu genera confusió i usos inadequats.

• Privacitat de dades: no introdueixis dades personals d'estudiants ni informació confidencial de recerca. Usa el mode temporal quan sigui necessari i consulta les condicions d'ús de cada plataforma des de la perspectiva del RGPD.

• Equitat d'accés: si incorpores activitats que requereixen l'ús de bots de pagament, cal verificar que tots els estudiants hi tinguin accés o preveure alternatives gratuïtes equivalents.

• Pensament crític sobre les respostes: forma els teus estudiants per avaluar de manera crítica les respostes dels bots, igual que els ensenyem a avaluar altres fonts d'informació.

• Propietat intel·lectual: el marc legal sobre la titularitat dels continguts generats amb IA en contextos educatius és encara incipient. Consulta les directrius de la teva institució i sigues transparent en la comunicació dels usos.

1 L’art de saber demanar

Ara que ja coneixes els principals bots de conversa generatius, les seves capacitats i les diferències entre plataformes, arriba el moment de fer el pas que marca la diferència entre un ús superficial i un ús realment efectiu: saber com demanar-los el que necessites. Les eines de la IAG no funcionen per màgia ni per intuïció; el que en determina el resultat és, en bona mesura, la qualitat de la petició que els formules. Aquesta segona part de l'article se centra precisament en això: en l'art del prompt crafting, és a dir, en com formular instruccions clares, precises i contextualitzades per treure el màxim partit pedagògic a qualsevol dels bots que acabes de descobrir.

En un context educatiu universitari, on les tasques són complexes, contextualitzades i sovint pluridisciplinàries, saber formular peticions (prompts) d’una manera efectiva és una competència docent emergent de primer ordre.

1.1 Què és el prompt crafting?

El prompt crafting, també anomenat prompt engineering, és l’habilitat de formular peticions clares, precises i contextualitzades per obtenir respostes útils i rellevants de les eines d’IAG. Més enllà d’escriure ordres o preguntes, implica saber comunicar una intenció pedagògica.

En docència universitària, saber “demanar bé” és essencial per convertir les eines de la IAG en un col·laborador intel·ligent, capaç de generar materials, exemples, activitats o feedback alineats amb els objectius d’aprenentatge. Com més conscient sigui el docent del seu propòsit, del tipus de resposta que busca i de la funció que vol donar a les eines de la IAG, més eficient serà l’ús que li doni.

1.2 L’estructura bàsica d’un prompt

Un prompt pot tenir fins a cinc components principals, tot i que no tots són necessàris en totes les situacions:

Abans de començar a crear el prompt, és essencial considerar breument els teus objectius, el teu propòsit i el resultat desitjat.

1.3 Formats del prompt: d’una línia i multilínia

Existeixen dos grans formats de prompt, cadascun útil en contexts diferenciats:

Prompts d’una línia (one-line prompts)

Funcionen bé quan necessitem una resposta ràpida o volem generar un tipus específic de contingut sobre un tema, de manera general o informativa. Són els més usats en el mode de veu dels xatbots. Cal tenir en compte, però, que augmenten el risc de confusió i mala interpretació per part de la IAG, ja que s’ha de ser tan precís i clar com sigui possible.

Prompts multilínia (multi-line prompts)

Normalment fem servir un prompt multilínia quan:

• La tasca és complexa o té múltiples components i cal desglossar-la en parts (objectiu, passos, criteris, verificació).

• Necessitem fixar explícitament el format, el to i l’audiència (p. ex., "taula 4x5, registre acadèmic, per a estudiants d’anglès nivell B2").

• Treballem en projectes amb molt de context (marc docent, restriccions, dades d’entrada delimitades).

• Volem outputs molt específics i verificables, on es defineix longitud, seccions obl·ligatòries, exemples/antiexemples i una llista final d’autocomprovació.

2. Tècniques de prompting

2.1 Tècniques comunes de prompts

La tipologia de prompts es pot classificar segons la complexitat de la tasca i si s’inclouen exemples o no:

2.2 Dues tècniques avançades per dissenyar el prompt amb el bot

Reverse prompting (enginyeria inversa de prompts)

El reverse prompting consisteix a donar-li a la IAG un resultat final (un text, un codi o una anàlisi) i demanar-li que identifiqui quines instruccions haurien estat necessàries per generar-lo. La dinàmica és de l’Output al Prompt: “Aquí tens aquest X. Analitza’l i genera el prompt detallat que jo t’hauria d’haver donat per obtenir aquest resultat exacte.”

Per a què serveix? Per entendre la “lògica” de la IAG i replicar estils o estructures que t’agraden però que no saps com descriure.

Metaprompting (prompt sobre prompts)

El metaprompting és una tècnica avançada d’enginyeria de prompts que consisteix a demanar al model de la IAG que generi o optimitzi els prompts que després s’utilitzaran per dur a terme una tasca concreta. En essència, és un prompt sobre prompts. Es fa servir quan es vol millorar la qualitat dels resultats, adaptar-los al context o facilitar interaccions més personalitzades.

3. Consells de prompting per a docents

3.1 Tipus més comuns de prompts educatius

En el context de la docència universitària, podem identificar quatre grans categories de prompts:

3.2 El marc CLEAR per crear prompts efectius

El marc CLEAR és un enfocament estructurat per crear prompts efectius quan es treballa amb GenAI. Com més elements n’incorporem, millors seran els resultats:

3.3 El marc REFINA per avaluar i millorar els resultats

Obtenir un bon prompt no sempre és immediat. El marc REFINA ens proposa un cicle iteratiu per avaluar els outputs que ens donen els xatbots i refinar els prompts progressivament:

3.4 Consells per estructurar un prompt inicial

Un prompt educatiu és més potent si és clar, concret i contextualitzat. Com més detallat i menys ambigu sigui el prompt, més efectiva serà la resposta. Pots incloure:

• Rol. Quina funció ha d’assumir la IA? ("Actua com a professor universitari d’anglès")

• Objectiu. Què vols aconseguir? ("Genera una rúbrica breu per avaluar treballs acadèmics")

• Públic. A qui va dirigit? ("Pensat per a alumnes de primer de grau")

• Estil o format. Quin tipus de resposta? ("Redacta-ho en forma de taula")

• Context. Explica la situació, matèria o nivell on s’aplicarà.

4. Treballar el prompt crafting amb l’alumnat

Més enllà de l’ús docent propi, el prompt crafting és també una competència digital que l’alumnat necessita desenvolupar. Incorporar activitats específiques sobre com interactuar críticament amb les eines de la IAG forma part d’una alfabetització digital responsable i s’alinea amb marcs com el DigComp 2.2 i el DigCompEdu.

4.1 Activitats suggerides per treballar el prompting amb l’alumnat

• Plantejar activitats en què l’alumnat aprengui a escriure prompts clars i contextualitzats. Per exemple, donar-los una tasca obert a i demanar-los que formulin el millor prompt possible.

• Proposar que experimentin amb variants del mateix prompt per observar com varien els resultats i reflexionar sobre què ha canviat.

• Animar l’alumnat a reflexionar sobre quines estratègies ajuden a obtenir respostes més útils i a compartir-les amb la classe.

• Crear amb els estudiants una rúbrica per avaluar prompts, que inclogui:
  • Claredat de la instrucció

  • Especificitat del context

  • Adequació del format demanat

  • Resultats obtinguts.
• Incorporar la coavaluació de prompts entre l’alumnat per detectar millores i bones pràctiques.

4.2 Connexió amb el marc DigCompEdu

La competència en prompt crafting s’emmarca dins l’àrea 6 del DigCompEdu (Competència digital de l’estudiantat) i té connexions directes amb la competència 6.3 Creació de contingut digital i la 6.4 Ús responsable de la IA. Integrar activitats de prompting a l’aula no només desenvolupa la competència tècnica sinó també el pensament crític davant dels resultats de la IAG.

Recursos i lectures recomanades

Guies i repositoris de prompts

• Prompt Engineering Guide (DAIR.AI) — La guia més completa i actualitzada sobre tècniques de prompting, disponible en múltiples idiomes incloent el català.

• Learn Prompting — Curs obert i gratuït que cobreix des de conceptes bàsics fins a tècniques avançades de prompt engineering.

• Anthropic Prompt Library — Repositori oficial de prompts provats de la companyia Anthropic (Claude), molt útils com a punt de partida.

• OpenAI Prompt Engineering — Guia oficial d’OpenAI amb estratègies provades per millorar els resultats.

Articles i recerca acadèmica

• White, J. et al. (2023). A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT. arXiv:2302.11382

• Wei, J. et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. NeurIPS. arXiv:2201.11903

• Mollick, E. & Mollick, L. (2023). Assigning AI: Seven Approaches for Students, with Prompts. SSRN — Molt pràctic per a docents que volen integrar la IAG en activitats d'aula.

• Kasneci, E. et al. (2023). ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education. Learning and Individual Differences. ScienceDirect

• Computers & Education: Artificial Intelligence (Elsevier) — revista especialitzada en IA educativa. Accedir

• International Journal of Artificial Intelligence in Education (Springer). Accedir
• Zawacki-Richter, O. et al. (2019). Systematic review of research on AI applications in higher education. Llegir article

Entrada de blog basada en els continguts formatius de l'Institut de Desenvolupament Professional (IDP) de la Universitat de Barcelona ,específicament en les píndoles formatives sobre Competència docent en Intel·ligència Artificial Generativa, creades per Joan-Tomàs Pujolà.

Material elaborat amb finalitats docents i divulgatives. Els recursos externs enllaçats pertanyen als seus respectius autors.