Título asignatura

A6. Introducción a la investigación

Código asignatura

102117

Curso académico

2017-18

Planes donde se imparte

MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL

Créditos ECTS

3

Carácter de la asignatura

OBLIGATORIA

Duración

Anual

Idioma

Castellano

Contenidos

En esta materia se pretende cubrir los conocimientos necesarios para las actividades de investigación de los graduados. Estos conocimientos incluyen habilidades de comunicación (oral y escrita), descripción del proceso de publicación de resultados, e información sobre los distintos tipos de proyectos de investigación y bibliometría:

• Cómo escribir un trabajo de investigación, cómo presentarlo.

• Proyectos de investigación.

• Publicaciones científicas: sus tipos, el proceso de su elaboración, bibliometría.

Unidades

1. Módulo 1: Investigación: su desarrollo y sus procesos de comunicación

1.1. Generalidades

1.2. Procesos de publicación

1.3. Momentos difíciles en la tarea de investigación

2. Módulo 2: Investigación: su transferencia y sus procesos de comunicación

2.1. I+D+i

2.2. Protección y transferencia de los resultados de la I+D

2.3. Emprendimiento basado en la investigación

2.4. Comunicación para la "venta" de los resultados de la I+D

Generales

CG1 - Entender los conceptos, los métodos y las aplicaciones de la inteligencia artificial.

CG4 - Describir problemas de investigación mediante la redacción precisa de los objetivos a lograr, las hipótesis a utilizar, las técnicas a aplicar, las conjeturas a formular y las limitaciones a considerar.

CG5 - Evaluar las hipótesis de investigación propuestas en un trabajo científico que permitan su validación o su refutación.

Específicas

CE5 - Analizar las fuentes documentales propias del ámbito de la investigación en Inteligencia Artificial para poder determinar cuáles de ellas son relevantes en la resolución de problemas concretos.

Actividades formativas

A1 - Sesiones presenciales virtuales: visionado inicial del material audiovisual (vídeos introductorios, presentaciones, animaciones) que se elabore en cada una de las materias y que servirán presentación de cada uno de los temas a los estudiantes (7,5 horas - 100% presencialidad).

A2 - Trabajos individuales: realización de ejercicios, resolución de problemas, realización de prácticas y/o trabajos/proyectos individuales (12 horas - 0% presencialidad).

A3 - Trabajo autónomo: estudio del material básico, lecturas complementarias y otros contenidos y estudio (48,5 horas - 0% presencialidad).

A4 - Foros y chats: lanzamiento de cuestiones y temas para la discusión general (3,5 horas - 0% presencialidad).

A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc (3,5 horas - 100% presencialidad).

Descripción del sistema de evaluación

E1 - Valoración de los cuestionarios de evaluación: los estudiantes realizarán por cada unidad didáctica un cuestionario de evaluación que será objeto de puntuación en la nota final (ponderación mínima 20% y máxima 40%).

E2 - Valoración de la participación en foros y chats: se valorará el nivel de participación/debate de los estudiantes que contará para la nota final (ponderación mínima 10% y máxima 20%).

E3 - Valoración de los trabajos individuales: se valorarán los problemas, proyectos, trabajos realizados y entregados a través de la plataforma, y apoyado en los casos que sea necesario (sobre todo cuando se trate de desarrollo de código) por plataformas de gestión de código como GitHub. También se incluirá el video que el alumno deberá enviar al profesor para cada asignatura (ponderación mínima 40% y máxima 70%).

Profesor responsable

Profesorado

Horario

Las sesiones se desarrollarán en octubre.

Bibliografía

Módulo 1

Publicación

Journal of AI Research. Information for authors

Artificial Intelligence. Information for authors

Michael Ernst: Choosing a venue: conference or journal?

Escritura

Mary-Claire van Leunen, Richard Lipton: How to have your abstract rejected. SIGACT News 8-3, 1976. http://dl.acm.org/citation.cfm?id=1810928

Michael Ernst: Writing a technical paper

Jonathan Shewchuk: Three Sins of Authors in Computer Science and Math

Revisión

Alan Jay Smith: The task of the referee

G Cormode: How NOT to review a paper: the tools and techniques of the adversarial reviewer

Ética y práctica de la investigación

Justin Zobel: Guidelines on Research Practice in Computer Science

Pamela Samuelson: Self-Plagiarism or Fair Use?. Communications of the ACM, agosto de 1994

Christian Collberg and Stephen Kobourov: Self-Plagiarism in Computer Science. Communications of the ACM, abril de 2005

Miscelánea

Ian Parberry: "Guides"

Matt Might Blog: http://matt.might.net/articles/advice-for-phd-thesis-proposals/

http://matt.might.net/articles/successful-phd-students/

http://matt.might.net/articles/phd-school-in-pictures/

Módulo 2

Barro, S. (coord.) (2015): La transferencia de I+D, la innovación y el emprendimiento en las universidades. Educación Superior en Iberoamérica. Informe 2015. Chile: CINDA.

Universidad de Alicante: Guía práctica de transferencia de tecnología, del Observatorio Virtual de Transferencia de Tecnología (OVTT) de la Universidad de Alicante.

González Sabater, J.; Manual de transferencia de tecnología y conocimiento; The Transfer Institute, 2ª edición, 2011.

Guía de Transferencia de Tecnología de Centros Públicos de Investigación para las empresas.

Programa para imprimir

Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios. Para su plena validez debe estar sellado por la Secretaría de Estudiantes UIMP.

Documento para la solicitud de reconocimiento de créditos en otros estudios