La Intel·ligència Artificial (IA), i en particular la Intel·ligència Artificial Generativa (IAG), està transformant de manera accelerada l’entorn universitari. En poc de temps, s’ha passat d’enfocaments centrats en la prohibició o el rebuig a una perspectiva basada en la integració responsable, crítica i regulada d’aquestes tecnologies en la docència, la investigació i l’aprenentatge.
Aquesta guia té com a finalitat ajudar la comunitat universitària de la UJI (estudiantat, PDI i PTGAS) a:
Es promou un ús crític, ètic i fonamentat, alineat amb les competències en alfabetització informacional impulsades per REBIUN.
4. Marc normatiu i recursos d’ajuda
■ Què és la IA generativa
La Intel·ligència Artificial (IA) fa referència a sistemes capaços d’analitzar dades i prendre decisions de manera automatitzada. Dins d’aquest àmbit, la IA tradicional se centra en tasques com classificar, predir o recomanar, com ara els filtres de correu brossa o els sistemes de recomanació de continguts.
La Intel·ligència Artificial Generativa (IAG), en canvi, està dissenyada per crear contingut nou (text, imatges o codi) que no existia prèviament, a partir de patrons apresos en grans volums de dades. És el cas d’eines com Gemini, Chat GPT o Microsoft Copilot.Aquesta diferència és fonamental en l’àmbit acadèmic: la IAG no garanteix la veracitat ni la traçabilitat de les fonts, ja que genera continguts basats en probabilitats i no en evidències verificades.
Per això, els seus resultats han de ser sempre analitzats i contrastats críticament amb fonts acadèmiques fiables.
■ Com funciona?
Els sistemes d’IA generativa funcionen mitjançant models probabilístics que prediuen la següent paraula, imatge o fragment de codi més probable en funció del context.
⚠️ No “entenen” la informació com una persona, ni verifiquen automàticament la veracitat del que generen.
✔️ Per això, els seus resultats han de ser sempre revisats i contrastats amb fonts acadèmiques fiables.
■ IA per al estudi i la recerca
La IAG pot ser una eina de suport útil en l’àmbit universitari. Pot ajudar a comprendre conceptes, resumir informació, generar idees, millorar la redacció o facilitar l’organització del treball acadèmic. També ofereix noves possibilitats per a la cerca, l’anàlisi i la síntesi d’informació científica.
La IA amplia les possibilitats de treball acadèmic, però el seu ús eficaç depén de la capacitat de l’usuari per avaluar, validar i contextualitzar la informació. Aquestes eines han d’integrar-se com a suport dins d’un procés d’aprenentatge crític, no com a substitut del coneixement expert.
Si utilitzes eines d’IA en un treball acadèmic, cal fer-ne un ús transparent: declarar-ne l’ús quan intervenen en el procés de treball i citar-les quan s’incorpora contingut generat, d’acord amb la normativa aplicable.
Principals usos acadèmics:
■ Avantatges i inconvenients
✔️ Avantatges
⚠️ Inconvenients
■ Glossari bàsic
■ Què és un prompt?
Un prompt és la instrucció o conjunt d’indicacions que un usuari introdueix en una eina d’IA per obtenir una resposta.
L’enginyeria de prompts (prompt engineering) és la disciplina que estudia com dissenyar, estructurar i optimitzar prompts per a obtindre resultats més precisos, útils i fiables dels sistemes d’IA. No és un procés trivial: canvis mínims en la redacció poden alterar significativament la resposta. Implica:
■ Elements fonamentals d’un bon prompt
Un prompt eficaç sol incloure diversos dels següents components:
■ Tècniques bàsiques d’enginyeria de prompts
(Richaud, A. (s. f.). Guía completa de ingeniería de prompts [PDF].
👉 Observació crítica:
El problema habitual no és “no conéixer tècniques”, sinó:
👉 Millora clara
Una pràctica més eficaç és combinar:
○ ASPECT (estructura):
Això redueix errors i evita iteracions innecessàries (alineat amb el principi de green prompt).
👉 Marc CLEAR
El marc CLEAR és una estructura senzilla per a crear prompts clars i eficients, molt útil en l’àmbit universitari.
Components:
○ C — Context: situa la petició
○ L — Límits: defineix restriccions (extensió, format…)
○ E — Expectatives: indica el nivell o qualitat
○ A — Acció: especifica què s’ha de fer
○ R — Resultat: determina el format de la resposta
✍Exemple:
⇨ Context: treball universitari
⇨ Límits: 150 paraules
⇨ Expectatives: nivell acadèmic
⇨ Acció: resumeix el canvi climàtic
⇨ Resultat: esquema en 5 punts
Clau: és útil per a prompts clars i ràpids, però pot quedar curt en tasques complexes.
■ Green prompting
L’ús creixent de sistemes d’intel·ligència artificial té un cost computacional i energètic elevat, especialment quan es fan múltiples iteracions o es generen respostes excessivament llargues. En l’àmbit universitari, on l’ús pot ser intensiu, això fa necessari adoptar pràctiques més eficients.
El green prompting (o prompts sostenibles) consisteix a formular prompts de manera optimitzada per a reduir el consum de recursos i l’impacte ambiental, sense perdre qualitat en els resultats.
Principis bàsics:
○ Ser concís: evitar prompts innecessàriament llargs.
○ Ser específic des del principi: reduir iteracions.
○ Evitar tasques redundants o poc rellevants.
○ Ajustar la resposta: demanar només el nivell de detall necessari.
✍Exemple:
❌ Poc eficient: Explica detalladament tot el que sàpies sobre el canvi climàtic.
✅ Més eficient: Resumeix el canvi climàtic en 5 punts clau.
El green prompting no és només una qüestió tècnica, sinó també ètica i acadèmica: implica usar la IA amb criteri, evitant sobrecàrrega innecessària i millorant la qualitat de les interaccions.
■ Bancs i repositoris de prompts
Existeixen bancs de prompts, és a dir, repositoris amb exemples reutilitzables que ajuden a aprendre a formular instruccions eficaces i a estalviar temps en tasques acadèmiques.
👉 Recursos recomanats:
○ Learn Prompting: guies i exemples pràctics per a diferents usos.
○ Prompt Engineering Guide: recopilació de tècniques i casos més avançats.
○ REBIUN: iniciatives de biblioteques universitàries amb prompts adaptats a l’àmbit acadèmic.
○ Prompt Cowboy: és una ferramenta d’intel·ligència artificial que transforma idees simples en indicacions (prompts) optimitzades. La seua funció principal és facilitar la redacció d’instruccions més clares, estructurades i eficaces per a interactuar amb models de llenguatge com ChatGPT, Claude, Gemini o Perplexity.
👉 Recomanació: No els utilitzes de manera literal: adapta’ls al teu
context i combina’ls amb estructures com CLEAR o ASPECT per a obtindre millors resultat
L’ús de la intel·ligència artificial generativa en l’àmbit universitari requereix un ús crític, responsable i transparent. Aquestes eines poden ser de gran utilitat per a l’aprenentatge, la recerca i la redacció acadèmica, però no substitueixen el treball intel·lectual propi ni la consulta de fonts acadèmiques fiables.
A més, el seu ús comporta implicacions acadèmiques, legals i ètiques relacionades amb l’autoria, la integritat acadèmica, la protecció de dades, els drets d’autor i la fiabilitat de la informació. Per aquest motiu, és important conéixer les principals recomanacions i normatives que regulen l’ús de la IA en l’entorn universitari.
■ Integritat acadèmica i transparència
➤ Autoría i responsabilitat
La IA pot ser una eina útil per generar idees, revisar textos o organitzar informació, però la responsabilitat del contingut d’un treball acadèmic recau sempre en l’autoria humana. Les eines d’IA no poden ser considerades autores ni coautores, i el seu ús ha de ser transparent: cal declarar-lo quan haja intervingut en l’elaboració del treball i citar-lo adequadament si s’hi incorpora contingut generat. A més, és imprescindible revisar, verificar i validar tota la informació abans d’incloure-la en el document final, ja que la IA és un suport al treball acadèmic, no un substitut del pensament crític ni de l’aportació intel·lectual pròpia.
➤ Declaració d'ús
Cal declarar de manera explícita quan s’ha utilitzat IA generativa, indicant l’eina emprada (nom, versió i data) i la finalitat del seu ús (per exemple, generació d’idees, elaboració d’esquemes, revisió lingüística o síntesi d’informació). Per afavorir aquesta transparència, la Universitat Jaume I proposa adoptar el marc Artificial Intelligence Disclosure (AID) Framework, desenvolupat per l’Association of College and Research Libraries i recollit en el post: Com declarar l’ús de la IA en els teus treballs acadèmics (La mar de llibres).
El marc AID recomana documentar de manera transparent l’ús de la IA quan haja contribuït de forma rellevant a un treball acadèmic. Aquesta declaració es pot incloure en la metodologia, en una nota explicativa, en els agraïments o en l’apartat que determine el professorat o la normativa acadèmica aplicable.
De manera resumida, es recomana indicar:
L’ús d’eines d’IA sense reconeixement explícit pot constituir una mala pràctica acadèmica.
➤ Citació correcta
Quan s’incorpore text, imatges, codi o altres continguts generats amb IA en un treball acadèmic, cal citar-ne l’ús segons les pautes de l’estil bibliogràfic aplicable (APA, MLA, Chicago, IEEE, etc.), evitant presentar aquests continguts com a propis.
En general, les recomanacions inclouen identificar l’eina utilitzada, la versió del model, l’empresa desenvolupadora, el prompt rellevant —quan siga pertinent— i la data d’accés o generació, como per exemple:
✍ OpenAI (2023). ChatGPT (GPT-4, versió 12 de maig) [Large Language Model]. Resposta a la consulta realitzada per X.Y. Mes/Dia/Any. https://chat.openai.com/chat
Alguns estils, com APA 7, recomanen descriure també l’ús de la IA en la secció de metodologia o en una nota explicativa, especialment quan ha tingut un paper substantiu en l’elaboració del treball. La simple citació, a més, no substitueix la declaració de transparència sobre l’ús de la IA.
Es poden consultar exemples pràctics de citació en el recurs de la UNED Cómo citar trabajos generados con inteligencia artificial i en les guies dels principals estils de citació.
■ Privacitat i Protecció de dades (RGPD)
L'ús d'eines d'IA obertes comporta riscos per a la confidencialitat de la informació institucional i personal.
La interacció amb sistemes d’intel·ligència artificial implica sovint l’intercanvi d’informació per generar resultats. No obstant això, abans de proporcionar qualsevol dada, és fonamental avaluar de quina manera serà processada, emmagatzemada o reutilitzada pel model.
➤ Quines dades no s’han de compartir?
Per preservar la seguretat i la confidencialitat institucional, s’ha d’evitar introduir en eines d’IA obertes:
○ Dades personals pròpies o de tercers (noms, DNI, contactes, expedients, etc.).
○ Informació corporativa confidencial o de caràcter restringit.
○ Resultats i dades de recerca encara no publicats.
○ Documentació interna de la Universitat o procedent de pràctiques externes.
➤ Protecció de dades i RGPD
L’ús de la IA ha d’estar alineat amb la normativa vigent, especialment amb el Reglament General de Protecció de Dades (RGPD). En cas de tractar dades de tercers, és imperatiu disposar d’una base legal lícita i assegurar-ne la total confidencialitat.
➤ Utilitza entorns segurs
Es recomana prioritzar l’ús d’eines institucionals com Gemini o Microsoft Copilot a través del compte UJI. Aquests entorns ofereixen garanties superiors de privacitat i seguretat en comparació amb les versions personals o gratuïtes.
➤ Abans de compartir informació, pregunta’t:
✔️ Aquesta informació és de domini públic?
⚠️ Conté dades de caràcter personal?
⚠️ És informació confidencial o sensible?
⚠️ Forma part d’un projecte d’investigació no publicat?
Davant qualsevol dubte, la recomanació acadèmica és no introduir la informació en el sistema.
💡 Recordatori: Una vegada compartida, la informació pot quedar sota el control del proveïdor segons les seues condicions. Revisa sempre les polítiques de privacitat abans d’interactuar amb qualsevol eina d’IA.
■ Verificació Crítica i Biaixos
Tot i que la IA pot generar respostes d’aparença coherent i ben estructurada, aquestes no sempre són exactes, completes o objectives. Al basar-se en patrons probabilístics i dades d’entrenament, el sistema pot induir a errors, interpretacions errònies o presentar dades inexactes amb una falsa aparença de certesa.
➤ Al·lucinacions i biaixos
Els sistemes d’IA poden fabricar dades, cites o referències bibliogràfiques inexistents, fenomen conegut com a al·lucinació. Així mateix, poden perpetuar els biaixos de les seues dades d’origen, reflectint estereotips o visions parcials. Per tant, els resultats mai s’han d’acceptar de manera acrítica ni considerar-se com l’única font d’informació.
➤ Verificació de fonts
Abans d’integrar qualsevol contingut generat per IA en un treball acadèmic, és imperatiu:
○ Validar la correcció de les dades i afirmacions
○ Verificar l’existència real de les referències bibliogràfiques aportades.
○ Contrastar la informació amb fonts acadèmiques de referència
○ Consultar bases de dades científiques, recursos especialitzats i fonts institucionals
La Biblioteca de la UJI facilita l’accés a portals com Scopus, Web of Science i altres col·leccions acadèmiques que permeten validar i contrastar amb rigor tota la informació obtinguda mitjançant sistemes d’IA.
📌 Recorda: la IA actua com un suport per a la cerca i la síntesi, però no substitueix el pensament crític. La responsabilitat final de verificar i interpretar la informació recau exclusivament en l’usuari.
■ Propietat intel·lectual i publicació científica
L’ús de la IA genera nous reptes relacionats amb l’autoria, els drets d’autor i la comunicació científica. Tot i que aquestes eines poden facilitar la creació de continguts, la responsabilitat sobre el seu ús i els resultats obtinguts recau sempre en la persona usuària.
En general, es recomana:
📌Recorda: Abans de presentar o publicar un article, TFG, TFM o tesi, consulta les polítiques sobre l’ús de la IA de la revista, editorial, congrés o institució corresponent. Els criteris poden variar en aspectes com la declaració d’ús, l’autoria, la generació d’imatges, l’anàlisi de dades o la revisió per parells.
💡 Recordatori UJI: Consulta sempre les Recomanacions sobre l’ús de la IA generativa per a l’estudiantat del CENT, les Directrius de la Universitat Jaume I sobre l’ús ètic i responsable de la intel·ligència artificial generativa (IAG) en l’àmbit acadèmic i el Codi de Bones Pràctiques en Investigació i Doctorat (CBPID) 2025 per assegurar-te que el teu ús de la IA s'ajusta a la normativa actual de la Universitat Jaume I.
Les dimensions legal i ètica de la intel·ligència artificial són fonamentals per garantir un ús responsable, transparent i segur d’aquestes tecnologies en l’estudi, la recerca i la comunicació acadèmica. Aspectes com la protecció de dades, els drets d’autor, la transparència en l’ús de la IA o la integritat acadèmica estan regulats per normatives i recomanacions d’àmbit internacional, europeu, estatal i institucional.
En aquest apartat trobaràs una selecció de normes, directrius i recursos de referència elaborats per organismes com l’UNESCO, la Unió Europea, l’Agencia Española de Protección de Datos, l’Agencia Española de Supervisión de la Inteligencia Artificial i la Universitat Jaume I, que t’ajudaran a comprendre les implicacions de la IA i a fer-ne un ús adequat en l’àmbit universitari.
■ Marc normatiu
➤Organismes internacionals
➤ Unió Europea
➤ Espanya
➤ Universitat Jaume I
La nostra universitat disposa de regulació pròpia i recomanacions per al PDI, PTGAS i l'estudiantat:
■ Recursos d'ajuda
📌 Abans d’utilitzar IA en un treball acadèmic o de recerca, consulta sempre les directrius de la teua assignatura, titulació, centre o editorial, ja que poden establir requisits específics sobre el seu ús, declaració o citació.
■ Eines recomanades per l'UJI
➤ Gemini: Assistent multimodal integrat amb l’ecosistema Google, accessible amb el compte institucional de la Universitat Jaume I.
➤ Microsoft Copilot: Assistència en productivitat i entorns Microsoft 365, també disponible amb el compte UJI i recomanada per les garanties de privacitat i seguretat en el tractament de dades
➤ NotebookLM: Eina per treballar amb documents propis, generar síntesis i explorar fonts seleccionades:
■ Altres assistents conversacionals
➤ ChatGPT: Redacció, resum, explicacions i suport en tasques acadèmiques.
➤ Claude: Anàlisi de documents extensos i suport a l’escriptura.
➤ Perplexity: Cerca assistida amb IA i respostes amb fonts citades.
■ Recerca acadèmica
➤ Scopus AI: Descoberta i síntesi de literatura científica.
➤ SciSpace: Lectura assistida i explicació d’articles acadèmics.
➤ Elicit: Suport en revisions bibliogràfiques i anàlisi de recerca.
➤ Consensus: Motor de cerca acadèmic basat en evidència científica revisada per parells.
■ Generació d'imatges i contingut multimodal
➤ DALL·E: Creació d’imatges a partir de text.
➤ Midjourney: Generació d’imatges d’alta qualitat.
➤ Adobe Firefly: Creació i edició visual amb IA.
■ Programació i suport al codi
➤ GitHub Copilot: Assistència en programació i generació de codi.
📌 Es recomana prioritzar les eines institucionals facilitades per la UJI quan es treballe amb dades acadèmiques o informació sensible.