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

Curso 2026/2027
Fecha de aprobación por la Comisión Académica 10/07/2026

Máster

Máster Universitario en Sostenibilidad y Gobernanza Ambiental

Módulo

Módulo IV. Sistemas y Métodos

Rama

Ciencias Sociales y Jurídicas

Centro Responsable del título

Escuela Internacional de Posgrado

Semestre

Segundo

Créditos

3

Tipo

Obligatorio

Tipo de enseñanza

Presencial

Profesorado

  • Daniel Bolaños Martínez

Horario de Tutorías

Daniel Bolaños Martínez

Email
No hay tutorías asignadas para el curso académico.

Breve descripción de contenidos (Según memoria de verificación del Máster)

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).

Prerrequisitos y/o Recomendaciones

No procede.

Competencias

Competencias Básicas

  • CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Resultados de aprendizaje (Objetivos)

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.          

Programa de contenidos Teóricos y Prácticos

Teórico

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.

Práctico

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.

Bibliografía

Bibliografía fundamental

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

Bibliografía complementaria

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

Enlaces recomendados

Metodología docente

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

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

Evaluación Extraordinaria

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

Evaluación única final

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

Información adicional

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).

Software Libre

GraphText y/o KNIME

Looker Studio

Jupyter notebook

Google sites

Google forms