Inteligencia Artificial y Análisis de Datos No-Code para Ciencias Sociales

La Inteligencia Artificial (IA) ha trascendido su nicho originario para consolidarse como una herramienta transversal indispensable en prácticamente todas las facetas de la sociedad contemporánea. En el ámbito de las Ciencias Sociales, la capacidad de analizar grandes volúmenes de datos y utilizar modelos predictivos es crítica. Sin embargo, la barrera de entrada de la programación (Python/R) a menudo excluye a profesionales brillantes del análisis avanzado.

Esta microcredencial nace para democratizar el acceso a la IA, entendiendo por esta no solo los modelos generativos, sino también el Machine Learning (ML) y el Deep Learning (DL). Su filosofía se basa en el movimiento No-Code/Low-Code: permitir que profesionales de la sociología, la ciencia política y la comunicación diseñen y ejecuten flujos de trabajo analíticos utilizando entornos visuales (Orange Data Mining). Además, se integra la competencia de trabajar con código junto a IAs, capacitando a profesionales para orquestar procesos y automatizaciones mediante la colaboración con modelos generativos.

El curso aborda no solo la capacitación técnica instrumental, sino también la soberanía tecnológica: enseñando a desplegar modelos locales (on-premise) para garantizar la privacidad de los datos de investigación y fomentando una visión crítica sobre la gobernanza y la ética algorítmica.

Resultados del aprendizaje y tipo de logro

1. Entender y Aplicar ML: Comprender la lógica de los algoritmos de Machine Learning y entrenar modelos predictivos y de clustering mediante flujos de trabajo visuales.

2. Analizar Texto (NLP): Extraer insights de fuentes documentales masivas sin programación.

3. Dominar la IA Generativa: Utilizar estratégicamente modelos comerciales (ChatGPT, Gemini) y desplegar modelos Open Source (Llama, Mistral) en local para entornos seguros.

4. Auditar y Gobernar: Evaluar las implicaciones éticas, los sesgos y la infraestructura material que sostiene la IA.

Requisitos previos de acceso y criterios de admisión

Profesionales y graduados en Ciencias Sociales y de la Comunicación: Sociología, Ciencia Política, Periodismo, Comunicación Audiovisual, Antropología, Relaciones Internacionales y otros campos afines que deseen incorporar la IA en sus metodologías de investigación o práctica profesional sin requerir conocimientos previos de programación.

Edad requerida: entre 25 y 64 años (durante el periodo de la actividad).

Metodología

La microcredencial se desarrollará mediante una metodología activa, aplicada y orientada a la resolución de problemas reales, alejada de un enfoque exclusivamente expositivo o tradicional. Aunque se introducirán los conceptos teóricos imprescindibles en cada bloque, el curso prioriza el aprendizaje práctico y guiado, de manera que el alumnado pueda adquirir competencias operativas desde el primer momento.

La docencia se impartirá en formato virtual síncrono, favoreciendo la interacción continua entre profesorado y alumnado. Cada sesión combinará una breve introducción conceptual con demostraciones en directo, trabajo sobre casos prácticos y acompañamiento paso a paso en el uso de herramientas no-code y de inteligencia artificial. De este modo, el aprendizaje no se basará únicamente en la recepción de contenidos, sino en la experimentación directa, la prueba de herramientas y la aplicación inmediata a problemas propios del ámbito de las Ciencias Sociales.

La propuesta introduce, además, nuevas formas de participación especialmente relevantes. Por un lado, el alumnado trabajará con entornos visuales de análisis de datos, como Orange Data Mining, que permiten comprender la lógica del aprendizaje automático sin necesidad de conocimientos previos de programación. Por otro, se incorporará el trabajo colaborativo con sistemas de IA generativa, no solo como herramientas de consulta, sino como apoyo para diseñar procesos analíticos, automatizar tareas y reflexionar críticamente sobre los resultados obtenidos.

El curso tendrá un marcado carácter hands-on, con uso de datasets y materiales reales vinculados a la investigación social, la comunicación y el análisis textual, de forma que los ejercicios no sean abstractos, sino conectados con situaciones verosímiles del ejercicio profesional y académico. Se facilitarán materiales de apoyo, ejemplos guiados y flujos de trabajo preconfigurados para reducir barreras de entrada y permitir que el alumnado avance de forma progresiva.

Junto a la dimensión técnica, la metodología también incorpora una vertiente reflexiva y crítica. Se promoverá la discusión sobre los límites de los modelos, los sesgos, la privacidad de los datos, la soberanía tecnológica y las implicaciones éticas y políticas del uso de la IA. En este sentido, la formación no se limita al aprendizaje instrumental de herramientas, sino que busca desarrollar una comprensión crítica de la infraestructura y la gobernanza de la inteligencia artificial.