Guía docente de Gestión Digital y Sostenibilidad: Smart Environments (MD7/56/1/15)

Se abordarán los siguientes contenidos:

• Las nuevas tecnologías y su relación con la sostenibilidad.
• Introducción al internet de las cosas y principales conceptos como Cloud / Edge / Continuum Computing.
• Representación de la información y aspectos básicos de sus principales herramientas como SQL, PowerBI, etc.
• Fundamentos del aprendizaje automático (incluye Inteligencia Artificial, Deep Learning, Python).

No procede.

C08. Comprende los retos que enfrentan las ciudades para un desarrollo sostenible.

C09. Conoce las mejores prácticas y casos de estudio de sostenibilidad aplicados en organizaciones públicas y privadas.          

El programa de contenidos teóricos y prácticos de la asignatura se basa en las siguientes metodologías docentes (MD) y actividades formativas (AF):

 MD

• MD1. Clase/Lección Magistral.
• MD4. Aprendizaje Cooperativo/Colaborativo.
• MD5. Aprendizaje basado en el diálogo y el debate, exposiciones, presentaciones, trabajo dirigido y tutorías académicas.

AF

• AF6. Trabajo autónomo y/o colaborativo del estudiante para la generación de conocimiento individual (portafolio, diario de campo, memoria de prácticas).
• AF7. Trabajo autónomo y/o colaborativo del estudiante para la generación de conocimiento compartido y en grupo.
• AF8. Presentaciones / Exposiciones Orales.
• AF10. Pruebas de evaluación.   

Contenido Teórico

• Tema 1. Las nuevas tecnologías y su relación con la sostenibilidad.
• Tema 2. Introducción al Internet de las Cosas y principales conceptos.
• Tema 3. Representación de la información y aspectos básicos de sus principales herramientas.
• Tema 4. Fundamentos del aprendizaje automático.

Las actividades del programa práctico están diseñadas en congruencia con las metodologías docentes, actividades formativas y los criterios de evaluación, para obtener los resultados de aprendizaje derivados de las cuestiones abordadas en el programa teórico.

Contenido Práctico

Seminarios/Talleres

• Casos de estudio sobre gestión rural inteligente.
• Herramientas y chatbots orientados a la mejora de competencias digitales.
• Uso de herramientas de representación de información.
• Aplicación de herramientas de inteligencia artificial y aprendizaje automático.

Ilchenko, M., Uryvsky, L., & Globa, L. (Eds.) (2022): Progress in Advanced Information and Communication Technology and Systems: Advanced Approaches to Intelligent Data Processing and Smart Networking (Vol. 548). Springer Nature, https://doi.org/10.1007/978-3-031-16368-5

Mahmood, Z. (2017): Connected Environments for the Internet of Things. CCN, Springer, https://doi.org/10.1007/978-3-319-70102-8

Vermesan, O., & Friess, P. (2014): Internet of things – From research and innovation to market deployment. River publishers’ series in communications. Taylor & Francis, https://doi.org/10.1201/9781003338628

Nakashima, H., Aghajan, H., & Augusto, J. C. (Eds.) (2010): Handbook of ambient intelligence and smart environments. Springer Science & Business Media, https://doi.org/10.1007/978-0-387-93808-0

Guido Dartmann et al.: Smart Transportation - AI Enabled Mobility and Autonomous Driving (1st Edition), CRC Press, 2021, https://doi.org/10.1201/9780367808150

Bishop, C. M. (2024). Pattern Recognition and Machine Learning (2nd ed.). Springer. 

Abubakar, A. K., Gillam, L., & Sastry, N. (2025). The Role of the Internet of Things (IoT) in Achieving the United Nations (UN) Sustainable Development Goals (SDGs)-A Systematic Review. ACM Computing Surveys, 58(3), 1-46. https://doi.org/10.1145/3765516

• MD01 Clase/Lección Magistral
• MD02 Resolución de Ejercicios y Problemas y Pruebas de Evaluación
• MD03 Aprendizaje Basado en Problemas (ABP) y orientado a Proyectos. Estudio de casos
• MD04 Aprendizaje Cooperativo/Colaborativo
• MD05 Aprendizaje basado en el diálogo y el debate, exposiciones, presentaciones, trabajo dirigido y tutorías académicas

Se realizará una evaluación continua del trabajo del estudiante, valorando tanto los conocimientos adquiridos como las competencias alcanzadas.

Se tendrán en cuenta los siguientes sistemas de evaluación, indicándose entre paréntesis el rango del porcentaje con respecto a la calificación final del estudiante:

• SE1. Asistencia y participación activa (Aportaciones del alumno en sesiones de discusión y actitud del alumno en las diferentes actividades desarrolladas) (10%).
• SE3. Pruebas, ejercicios, problemas, lecturas, seminarios, etc., resueltos en clase individualmente o en grupo a lo largo del curso (evaluación continua) (20%).
• SE4. Informes, trabajos, proyectos, etc. individuales o en grupo (70%).

En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0

La evaluación en tal caso consistirá en la realización de una prueba y/o trabajo, y/o las actividades propuestas en la evaluación continua.

La evaluación en tal caso consistirá en la realización de una prueba y/o trabajo, y/o las actividades propuestas en la evaluación continua.