Guía docente de Recuperación de Información en Internet: Fundamentos, Procedimientos y Evaluación (M12/56/1/49)

• Sistemas avanzados de recuperación de información
• Evaluación de la recuperación de información
• Sistemas de recuperación de información web
• Búsquedas web basadas en enlaces y basadas en contenido
• Análisis de textos / rastreo web
• Análisis de enlaces basados en consultas y sensibles al contenido.

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

El alumno sabrá/comprenderá:

• Analizar el problema de la recuperación de información en el entorno de la Web
• Identificar nuevas tendencias en el ámbito de la búsqueda y recuperación de información web
• Examinar la arquitectura y funcionamiento de diferentes sistemas avanzados de búsqueda de información web como alternativa a los sistemas tradicionales
• Distinguir los problemas, métodos, técnicas y medidas de evaluación de la recuperación de información, y aplicar una metodología empírica a la evaluación de los sistemas de recuperación de información

El alumno será capaz de:

• Valorar críticamente los nuevos métodos y técnicas de recuperación de información
• Comprender las diferentes soluciones encaminadas a resolver el problema de la recuperación de información en el entorno de la Web
• Aplicar las métricas y métodos de evaluación de la recuperación de información.

Tema 1. De la recuperación léxica a la recuperación generativa: fundamentos, limitaciones y cambio de paradigma

Tema 2. De las tareas clásicas del PLN a los grandes modelos de lenguaje: fundamentos y aplicaciones en recuperación de información

• Tareas clásicas del PLN y arquitecturas transformer
• LLMs: preentrenamiento, fine-tuning y prompting
• IA generativa, riesgos estructurales y uso crítico

Tema 3. Recuperación de información en la era de la IA generativa: sistemas, evaluación y uso responsable

• Generative Information Retrieval (GenIR) y Retrieval-Augmented Generation (RAG)
• Diseño y optimización de prompts para recuperación de información científica
• Implicaciones éticas y sociotécnicas del acceso generativo a la información

Práctica 1. Evaluación comparativa de sistemas de recuperación de información en entornos académicos

Práctica 2. Interacción avanzada con sistemas de IAG: diseño, comparación y optimización de prompts

Práctica 3. Análisis crítico del comportamiento de grandes modelos de lenguaje

Baeza-Yates, R.; Ribeiro-Neto, B. (2011). Modern Information Retrieval. New York: Addison Wesley.

Hersh, W. (2024). Search still matters: information retrieval in the era of generative AI. Journal of the American Medical Informatics Association, 31(9), 2159-2161. https://doi.org/10.1093/jamia/ocae014

Jurafsky, D.; Martin, J.H. (2026). Speech and Language Processing, 3rd ed. Disponible en: https://web.stanford.edu/~jurafsky/slp3/

Manning, C.D.; Raghavan, P.; Schütze, H. (2008). Introduction to Information Retrieval. Cambridge: Cambridge University Press. Disponible en: https://nlp.stanford.edu/IR-book/pdf/irbookprint.pdf

White, R.W.; Shah, C. (Eds.) (2025). Information Access in the Era of Generative AI. The Information Retrieval Series, vol. 51. Springer. https://doi.org/10.1007/978-3-031-73147-1

Trillo-Domínguez, M.; Martín-Neira, J.I.; Olvera-Lobo, M.D. (2026). Dr. Google vs. Dr. ChatGPT in Online Health Self-Consultation: A Scoping Review of Accuracy, Bias, and Actionability (2023–2025). Informatics, 13(3), 41. https://doi.org/10.3390/informatics13030041

Trillo-Domínguez, M.; Olvera-Lobo, M.D.; Martín-Neira, J.I. (2026). Generative AI and migration narratives: algorithmic bias and discursive patterns in African migration to Spain. Frontiers in Communication, 11. https://doi.org/10.3389/fcomm.2026.1829451

​​​​​Text Retrieval Conference (TREC)

Conference and Labs of the Evaluation Forum (CLEF)

Sociedad Española de Procesamiento del Lenguaje Natural (SEPLN)

ACM SIGIR – Special Interest Group on Information Retrieval

Hugging Face – Models, Datasets and Demos

• M01 Lección magistral/expositiva 
• M02 Sesiones de discusión y debate 
• M03 Resolución de problemas y estudio de casos prácticos 
• M05 Análisis de fuentes y documentos 
• M07 Realización de trabajos individuales 

Se aplicará el método de evaluación continua.

• Aportaciones del alumno en sesiones de discusión y participación del/de la  alumno/a en las diferentes actividades desarrolladas (40% de la calificación final).
• Valoración final de informes, trabajos, proyectos, etc. (60% de la calificación final).

La evaluación se centrará en:

• Trabajos teóricos (30%): El/la estudiante procederá a la entrega de los trabajos teóricos señalados ajustándose a los requisitos establecidos.
• Ejercicios prácticos (40%): El/la estudiante entregará las tareas y ejercicios solicitados, relacionados con los temas y prácticas del programa de la materia.
• Presentación audiovisual (30%): El/la estudiante deberá preparar y entregar una presentación audiovisual sobre alguno de los contenidos de la asignatura.

La evaluación en tal caso consistirá en:

Trabajos teóricos (30%), ejercicios prácticos (40%) y presentación audiovisual (30%), en los mismos términos que la evaluación extraordinaria.

Información sobre el Plagio (artículo 15 de la Normativa de Evaluación y de Calificación de los Estudiantes de la Universidad de Granada).

1. La Universidad de Granada fomentará el respeto a la propiedad intelectual y transmitirá a los estudiantes que el plagio es una práctica contraria a los principios que rigen la formación universitaria. Para ello procederá a reconocer la autoría de los trabajos y su protección de acuerdo con la propiedad intelectual según establezca la legislación vigente.

2. El plagio, entendido como la presentación de un trabajo u obra hecho por otra persona como propio o la copia de textos sin citar su procedencia y dándolos como de elaboración propia, conllevará automáticamente la calificación numérica de cero en la asignatura en la que se hubiera detectado, independientemente del resto de las calificaciones que el estudiante hubiera obtenido. Esta consecuencia debe entenderse sin perjuicio de las responsabilidades disciplinarias en las que pudieran incurrir los estudiantes que plagien.

3. Los trabajos y materiales entregados por parte de los estudiantes tendrán que ir firmados con una declaración explícita en la que se asume la originalidad del trabajo, entendida en el sentido de que no ha utilizado fuentes sin citarlas debidamente.

Asimismo, en caso de que se hayan utilizado herramientas de inteligencia artificial (IA) generativa para la producción o edición parcial de contenidos, el análisis de datos, o cualquier otra actividad relacionada con la elaboración de trabajos o materiales presentados para evaluación, el estudiante deberá declarar dicha utilización de forma explícita.

ACTIVIDADES FORMATIVAS (HORAS Y PRESENCIALIDAD)

• Clases teóricas: 6 horas. 100% de presencialidad.
• Clases prácticas: 10 horas. 10% de presencialidad.
• Trabajos tutorizados: 12 horas. 0% de presencialidad.
• Tutorías (on-line y off-line): 6 horas. 20% de presencialidad.
• Trabajo autónomo del estudiante, individual y en grupos: 30 horas. 0% de presencialidad.
• Foros de discusión: 6 horas. 20% de presencialidad.
• Evaluación: 5 horas. 0% de presencialidad.

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).