Guía docente de la asignatura

Inteligencia Artificial en la Investigación Operativa

Curso 2021 / 2022
Fecha última actualización: 21/06/2021
Fecha de aprobación:
Ciencias de la Computación e Inteligencia Artificial: 21/06/2021
Estadística e Investigación Operativa: 21/06/2021

Grado

Grado en Estadística

Rama

Ciencias

Módulo

Investigación Operativa

Materia

Investigación Operativa

Curso

3

Semestre

1

Créditos

6

Tipo

Obligatoria

Profesorado

Teoría

  • Alberto Luis Fernández Hilario. Grupos: A
  • María Jesús García-Ligero Ramírez. Grupos: A

Prácticas

  • Alberto Luis Fernández Hilario. Grupos: 1 y 2
  • María Jesús García-Ligero Ramírez. Grupos: 1 y 2

Tutorías

Alberto Luis Fernández Hilario

alfh@ugr.es
  • Primer semestre
    • Jueves de 11:30 a 13:30 (D16 Etsiit)
    • Lunes de 11:30 a 13:30 (D16 Etsiit)
    • Miércoles de 12:00 a 14:00 (Mect (Fciencia))
  • Segundo semestre
    • Martes de 10:00 a 13:00 (D16 Etsiit)
    • Miércoles de 10:00 a 13:00 (D16 Etsiit)

María Jesús García-Ligero Ramírez

mjgarcia@ugr.es
  • Primer semestre
    • Lunes de 12:00 a 14:00 (Despacho 5B)
    • Martes de 11:00 a 14:00 (Despacho 5B)
    • Miércoles de 13:00 a 14:00 (Despacho 5B)
  • Segundo semestre
    • Lunes de 12:00 a 14:00 (Despacho 5B)
    • Martes de 8:30 a 10:30 (Despacho 5B)
    • Miércoles de 11:00 a 14:00 (Despacho 5B)

Prerrequisitos y/o Recomendaciones

  • Tener cursada la asignatura de "Cálculo de Probabilidades II"

  • Tener conocimientos adecuados sobre:

    • Fundamentos de programación: asignaturas "Informática I" e "Informática II".
    • Competencias básicas sobre el lenguaje R y plataforma RStudio.

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

  • Simulación. Simulación de sistemas.
  • Teoría de grafos. Técnicas de búsqueda. Planificación.
  • Algoritmos bioinspirados para optimización

Competencias asociadas a materia/asignatura

Competencias generales

  • CG01  - CG01. Poseer los conocimientos básicos de los distintos módulos que, partiendo de la base de la educación secundaria general, y apoyándose en libros de texto avanzados, se desarrollan en la propuesta de título de Grado en Estadística que se presenta. 
  • CG02  - CG02. Saber aplicar los conocimientos básicos de cada módulo a su trabajo o vocación de una forma profesional y poseer las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de la Estadística y ámbitos en que esta se aplica directamente.  
  • CG03  - CG03. Saber reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.  
  • CG04  - CG04. Poder transmitir información, ideas, problemas y sus soluciones, de forma escrita u oral, a un público tanto especializado como no especializado.  
  • CG05  - CG05. Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.  
  • CG06  - CG06. Saber utilizar herramientas de búsqueda de recursos bibliográficos.  
  • CG08  - CG08. Poseer habilidades y aptitudes que favorezcan el espíritu emprendedor en el ámbito de aplicación y desarrollo de su formación académica. 

Competencias específicas

  • CE03  - CE03. Conocer los fundamentos teóricos y saber aplicar modelos y técnicas estadísticas en estudios y problemas reales en diversos ámbitos científicos y sociales. 
  • CE04  - CE04. Saber seleccionar los modelos o técnicas estadísticas para su aplicación en estudios y problemas reales en diversos ámbitos científicos y sociales, así como conocer herramientas de validación de los mismos. 
  • CE05  - CE05. Comprender la importancia de la Investigación Operativa como metodología de optimización, toma de decisiones y diseño de modelos particulares para la resolución de problemas en situaciones específicas. 
  • CE07  - CE07. Conocer los conceptos y herramientas matemáticas necesarias para el estudio de los aspectos teóricos y prácticos de la Probabilidad, la Estadística y la Investigación Operativa. 
  • CE08  - CE08. Conocer y saber utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, bases de datos, visualización gráfica y optimización, que sean útiles para la aplicación y desarrollo de las técnicas estadísticas. 
  • CE09  - CE09. Conocer los conceptos básicos y habilidades propias de un ámbito científico o social en el que la Estadística o la Investigación operativa sean una herramienta fundamental. 
  • CE10  - CE10. Tomar conciencia de la necesidad de asumir las normas de ética profesional y las relativas a la protección de datos y del secreto estadístico, como premisas que deben guiar la actividad profesional como profesionales de la Estadística. 

Resultados de aprendizaje (Objetivos)

  • En relación a la breve lista de la Memoria de Grado:
    • Utilizar técnicas básicas de optimización y manejar diferentes algoritmos para la resolución de problemas de optimización.
    • Conocer las técnicas de simulación de modelos y analizar problemas reales utilizando técnicas de simulación.
    • Manejar programas de ordenador para la resolución de problemas de optimización y aplicación en casos prácticos.
  • Se pueden precisar algo más de la siguiente manera (en relación con los anteriores):
    • Haber adquirido capacidad para formular y resolver problemas mediante modelos de grafos.
    • Conocer las técnicas de Simulación de Modelos y analizar problemas reales utilizando dichas técnicas.
    • Conocer las principales áreas y técnicas actuales dentro del campo de la Inteligencia Artificial.
    • Saber cómo utilizar técnicas básicas de la Inteligencia Artificial para problemas de optimización combinatoria.
    • Manejar programas de ordenador para la resolución de diversos problemas de Investigación Operativa con técnicas de la Inteligencia Artificial y su aplicación en casos prácticos.

 

Programa de contenidos teóricos y prácticos

Teórico

Parte I. Simulación e Introducción a Teoría de Grafos

  • Tema 1.  Introducción a la Simulación
    • Definición de sistema real, modelo y simulación.
    • Ventajas e inconvenientes de la simulación.
    • Aplicaciones de la Simulación.
    • Ejemplos de simulación
  • Tema 2. Números aleatorios. Generación de números pseudoaleatorios
    • Definición de números aleatorios y pseudoaleatorios.
    • Propiedades deseables de un generador de números pseudoaleatorios.
    • Métodos de generación de números pseudoaleatorios:
    • Método de los cuadrados medios, métodos congruenciales.
    • Medidas estadísticas de calidad de un generador de números pseudoaleatorios uniformes:
    • Contraste chi-cuadrado. Contraste de Kolmogorov-Smirnov. Contaste de rachas ascendentes.
  • Tema 3. Generación de valores de variables aleatorias
    • Métodos para generar valores de variables aleatorias discretas: Transformación cuantil.
    • Método de aceptación y rechazo. Método de composición.
    • Generación de distribuciones discretas: Uniforme, Bernoulli, Binomial, Poisson, Binomial negativa e Hipergeométrica.
    • Métodos para generar valores de variables aleatorias continuas: Método de transformación inversa. Método de aceptación y rechazo.
    • Generación de distribuciones continuas: normal, chi-cuadrado de Pearson, t de Student, F de    Snedecor, exponencial, Weibull, gamma, beta, Pareto.
    • Simulación de vectores aleatorios: Método de las distribuciones condicionadas. Método de aceptación/rechazo. Métodos específicos para simular la normal multivariante.
  • Tema 4. Simulación de Monte Carlo
    • Integración Monte Carlo.
    • Técnicas de reducción de la varianza.
  • Tema 5. Simulación de sistemas
    • Fenómenos de espera.
    • Fiabilidad.
    • Inventarios.
  • Tema 6.  Introducción a la Teoría de grafos
    • Conceptos básicos.
    • Grafos orientados y no orientados.
    • Representaciones matriciales: Matrices de adyacencia y de incidencia

 

Parte II. Métodos y técnicas de la Inteligencia Artificial

  • Tema 1. ¿Qué es la Inteligencia Artificial?
    • Caracterización de la Inteligencia Artificial.
    • Historia y evolución. 
    • Metas y objetivos actuales en Inteligencia Artificial.
    • Áreas, métodos y modelos más relevantes.
  • Tema 2: Técnicas de Búsqueda
    • Introducción a la representación sobre espacio de estados
    • Búsqueda sin información
    • Técnicas de búsqueda heurística
  • Tema 3: Optimización combinatoria mediante metaheurísticas
    • Introducción a las técnicas basadas en metaheurísticas
    • Técnicas basadas en trayectorias: búsqueda local y enfriamiento simulado
    • Técnicas basadas en poblaciones: algoritmos bioinspirados

 

Práctico

Parte I. Simulación e Introducción a Teoría de Grafos

  1. Módulo 1. Números aleatorios, simulación de variables y vectores aleatorios con R.
  2. Módulo 2. Simulación de sistemas con R.

Parte II. Métodos y técnicas de la Inteligencia Artificial

  1. Módulo 1. Primeros pasos en la Inteligencia Artificial
  2. Módulo 2. Diseño de modelos para problemas de búsqueda
  3. Módulo 3. Aplicación de técnicas de optimización en R.

Bibliografía

Bibliografía fundamental

  • Parte I: Simulación e Introducción a Teoría de Grafos
    • Braun, W. J. & Murdoch, D. J., A first course in statistical programming with R. Cambridge, 2007.
    • Cao Abad, R., Introducción a la Simulación y a la Teoría de Colas.  Netbiblo, 2002.
    • Gentle, J.E., Random Number Generation and Monte Carlo methods. Springer, 2003.
    • Martín Martín, Q., Investigación Operativa. Prentice Hall, 2003.
    • Ríos Insua, D., Ríos Insua, S. Martín Jiménez, J., Simulación. Métodos y aplicaciones. Ra-ma, 1997.    
    • Ríos Insua, S., Mateos, A., Bielza, M. C. y Jiménez, A. Investigación Operativa. Modelos determínisticos y estocásticos. Centro de Estudios Ramón Areces, 2004.
    • Ripley, B.D., Stochastic Simulation. John Wiley, 2006.
    • Rizzo, M.L., Statistical Computing with R. Chapman and Hall/CRC, 2007.
    • Taha, H. A., Investigación de Operaciones. Prentice Hall, 2004.

Bibliografía complementaria

  • Parte I: Simulación e Introducción a Teoría de Grafos
    • Ross, S.M., A Course in Simulation. Macmillan, 1990. 
    • Rubinstein, R.Y. and Melamed, B., Modern Simulation and Modeling. Wiley, 1998.
    • Winston, W. L., Investigación de Operaciones. Aplicaciones y algoritmos. Grupo Editorial Americana, 1994.
  • Parte II: Métodos y técnicas de la Inteligencia Artificial
    • Nils J. Nilsson: “The Quest for Artificial Intelligence,” Cambridge University Press, 2009
    • Russell C. Eberhart & Yuhui Sui: “Computational Intelligence: Concepts to Implementation,” Morgan Kaufmann, 2007
    • George F. Luger: “Artificial Intelligence: Structures and strategies for complex problem solving”, 6th edition, Addison Wesley, 2008.
    • E. Baquela, A. Redchuk. “Optimización Matemática con R. Volumen I: Introducción al modelado y resolución de problemas”. CRAN (Open Book) 2013.

 

Enlaces recomendados

Metodología docente

  • MD01  MD1. Lección magistral/expositiva 
  • MD02  MD2. Sesiones de discusión y debate 
  • MD03  MD3. Resolución de problemas y estudio de casos prácticos 
  • MD04  MD4. Prácticas en sala de informática 
  • MD05  MD5. Seminarios 
  • MD06  MD6. Ejercicios de simulación 
  • MD07  MD7. Análisis de fuentes y documentos 
  • MD08  MD8. Realización de trabajos en grupo 
  • MD09  MD9. Realización de trabajos individuales 

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

Evaluación ordinaria

  • INFORMACIÓN GENERAL:
    • Todo lo relativo a la evaluación se regirá por la Normativa de evaluación y calificación de los estudiantes vigente en la Universidad de Granada, que puede consultarse en http://secretariageneral.ugr.es/bougr/pages/bougr112/_doc/examenes/   
    • El sistema de calificación empleado será el establecido en el artículo 5 del Real Decreto 1125/2003, de 5 de septiembre, por el que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y validez en todo el territorio nacional.
    • Los criterios de evaluación se indicarán en los Programas y Guías Didácticas correspondientes a cada asignatura, garantizando así la transparencia y objetividad de los mismos.
    • De acuerdo con el Real Decreto 1125/2003, la valoración del nivel de adquisición de las competencias generales y específicas de cada materia se llevará a cabo de manera continua a lo largo de todo el periodo académico.
    • Para superar la asignatura de manera global, será obligatorio que el estudiante supere ambas partes de manera independiente (Parte I: Simulación e Introducción a Teoría de Grafos, Parte II: Métodos y Técnicas de Inteligencia Artificial), obteniendo al menos 5 puntos sobre 10 (sumando todos los apartados) en cada una de ellas. En caso que no se alcance la calificación mínima exigida en alguna de las dos partes, se le asignará al estudiante como calificación final el mínimo entre 4.9 y la nota obtenida en la asignatura.

 

  • Parte I, Simulación e Introducción a Teoría de Grafos:
    • Parte teórica: Pruebas específicas de conocimientos y resolución de ejercicios, basadas en un examen escrito multi-pregunta. 70% de la calificación.
    • Parte práctica (trabajos y seminarios): Abarca todos los trabajos y seminarios realizados por los estudiantes a lo largo del curso (ejercicios, prácticas en ordenador, etc.), tanto de carácter individual como en grupo. Se valorará además de los propios trabajos, la presentación y defensa de los mismos. 25% de la calificación.
    • Participación, actitud y esfuerzo personal de los alumnos en todas las actividades formativas programadas, así como una autoevaluación razonada. 5% de la calificación.

 

Para poder superar esta parte de la asignatura el alumno deberá obtener una calificación de al menos 5 sobre 10 en el examen final. La calificación final será, siempre que se cumpla con el requisito anteriormente indicado, la suma ponderada de las valoraciones obtenidas como resultado de las diferentes pruebas y participación, según los porcentajes antes especificados. En caso contrario, la calificación será la del examen final.

  • Parte II, Métodos y Técnicas de Inteligencia Artificial:
    • Parte teórica: Pruebas específicas de conocimientos y resolución de ejercicios, basadas en evaluación continua mediante diversas pruebas escritas tipo multi-pregunta. 50% de la calificación.
    • Parte práctica (trabajos y seminarios): Abarca todos los trabajos y seminarios realizados por los estudiantes a lo largo del curso (ejercicios, prácticas en ordenador, presentaciones en clase, etc.), tanto de carácter individual como en grupo. Para las prácticas en ordenador, se realizará un examen de respuesta corta sobre cada entrega con objeto de validar la evaluación. 45% de la calificación.
    • Participación, actitud y esfuerzo personal de los alumnos en todas las actividades formativas programadas, así como una autoevaluación razonada. 5% de la calificación

Evaluación extraordinaria

  • Parte I, Simulación e Introducción a Teoría de Grafos:
    • Un examen escrito (evaluado de 0 a 10) que incluirá preguntas tanto de tipo teórico como práctico que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta misma guía docente.
  • Parte II, Métodos y Técnicas de Inteligencia Artificial:
    • Un examen escrito (evaluado de 0 a 10) que incluirá preguntas tanto de tipo test como de resolución de ejercicios que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta misma guía docente. Esta parte corresponderá con el 70% de la calificación.
    • Un examen de respuesta corta (evaluado de 0 a 10) sobre cuestiones aplicadas de la materia impartida. Esta parte corresponderá con el 30% restante de la calificación.

Del mismo modo que en la convocatoria ordinaria, para superar la asignatura de manera global será obligatorio que el estudiante supere ambas partes de manera independiente. Esto implica alcanzar al menos 5 puntos sobre 10 (sumando todos los apartados) en cada una de ellas, no siendo válida la nota promedio. En caso que no se alcance la calificación mínima exigida en alguna de las dos partes, se le asignará al estudiante como calificación final el mínimo entre 4.9 y la nota obtenida en la asignatura.

Evaluación única final

De acuerdo a lo establecido en la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada vigente, la evaluación será preferentemente continua. No obstante, el estudiante que no pueda acogerse a dicho sistema por motivos laborales, estado de salud, discapacidad, programas de movilidad o cualquier otra causa debidamente justificada podrá acogerse a la evaluación única final. Para ello deberá solicitarlo al Director del Departamento en las dos primeras semanas de impartición de la asignatura o, excepcionalmente, en las dos primeras semanas tras la matriculación en la asignatura.

Esta modalidad de evaluación se realizará en un único acto académico en la fecha establecida por el Centro y consistirá en:

  • Parte I, Simulación e Introducción a Teoría de Grafos:
    • Un examen escrito (evaluado de 0 a 10) que incluirá preguntas tanto de tipo teórico como práctico que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta misma guía docente.
  • Parte II, Métodos y Técnicas de Inteligencia Artificial:
    • Un examen escrito (evaluado de 0 a 10) que incluirá preguntas tanto de tipo test como de resolución de ejercicios que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta misma guía docente. Esta parte corresponderá con el 70% de la calificación.
    • Un examen de respuesta corta (evaluado de 0 a 10) sobre cuestiones aplicadas de la materia impartida. Esta parte corresponderá con el 30% restante de la calificación.

Del mismo modo que en la evaluación estándar, para superar la asignatura de manera global será obligatorio que el estudiante supere ambas partes de manera independiente. Esto implica alcanzar al menos 5 puntos sobre 10 (sumando todos los apartados) en cada una de ellas, no siendo válida la nota promedio. En caso que no se alcance la calificación mínima exigida en alguna de las dos partes, se le asignará al estudiante como calificación final el mínimo entre 4.9 y la nota obtenida en la asignatura.

Información adicional

Siguiendo las recomendaciones de la CRUE y del Secretariado de Inclusión y Diversidad de la UGR, los sistemas de adquisición y de evaluación de competencias recogidos en esta guía docente se aplicarán conforme al principio de diseño para todas las personas, facilitando el aprendizaje y la demostración de conocimientos de acuerdo a las necesidades y la diversidad funcional del alumnado.

La asistencia a clases de teoría no es obligatoria, pero se recomienda la asistencia para facilitar la asimilación de los conceptos que se imparten (siempre que se realicen de forma presencial o síncrona). La asistencia a las clases de prácticas y seminarios es obligatoria ya que forman parte de la evaluación continua (siempre que se realicen de forma presencial o síncrona).

 

ESCENARIO A (ENSEÑANZA-APRENDIZAJE PRESENCIAL Y TELE-PRESENCIAL)

Horario (Según lo establecido en el POD)

A priori, el mismo del profesorado implicado, indicado en la Web correspondiente. Se pueden producir modificaciones de los horarios para adaptarlos a la nueva situación generada. Dichos horarios estarán contemplados en el plan de contingencia del Centro para cada uno de los escenarios.

Herramientas para la atención tutorial (Indicar medios telemáticos para la atención tutorial)

Las tutorías individuales se atenderán previa cita, concertándose de forma presencial o telemática. Las concertadas de forma telemática se impartirán utilizando las plataformas que dicte la Universidad de Granada en su momento.

Para consultas puntuales, se tendrá preferencia por el uso del correo electrónico. Para consultas más generales, se utilizará preferentemente Google Meet. 

En ambos casos, solamente se atenderán aquellas consultas realizadas a través de las cuentas institucionales de la Universidad de Granada.

Medidas de adaptación de la evaluación (Instrumentos, criterios y porcentajes sobre la calificación)

Las actividades formativas teóricas se desarrollarán en un escenario combinado en la proporción fijada por el centro, usando herramientas de virtualización como:

  • Plataforma PRADO (se propondrá material de apoyo, material complementario, Foro, Tareas, Chat,…).
  • Videoconferencias mediante las herramientas proporcionadas por la Universidad de Granada.

Las sesiones prácticas se realizan con ordenador. Para evitar contagios debidos a uso de ordenadores comunes de la Facultad de Ciencias, se impartirán, preferiblemente de forma no presencial o utilizando el ordenador portátil del estudiante.

Siempre que los criterios sanitarios lo permitan, los alumnos recibirán una clase presencial a la semana. Las clases de teoría se realizarán preferentemente de manera síncrona por videoconferencias.

 

Evaluación ordinaria

  • Parte I: Simulación e Introducción a Teoría de Grafos:
    • Examen final (preferentemente presencial): Prueba específica de conocimiento y resolución de ejercicios sobre el temario que figura en esta guía docente. El porcentaje sobre la calificación final será del 70%.
    • Parte práctica (trabajos y seminarios): Abarca todos los trabajos y seminarios realizados por los estudiantes a lo largo del curso (ejercicios, prácticas en ordenador, etc.), tanto de carácter individual como en grupo. Se enviarán a la Plataforma Prado.  25% de la calificación.
    • Participación, actitud y esfuerzo personal de los alumnos en todas las actividades formativas programadas, así como una autoevaluación razonada. 5% de la calificación.

Para poder superar esta parte de la asignatura el alumno deberá obtener una calificación de al menos 5 sobre 10 en el examen final. La calificación final será, siempre que se cumpla con el requisito anteriormente indicado, la suma ponderada de las valoraciones obtenidas como resultado de las diferentes pruebas y participación, según los porcentajes antes especificados. En caso contrario, la calificación será la del examen final.

  • Parte II: Métodos y Técnicas de Inteligencia Artificial:
    • La realización de los trabajos y actividades planteadas se continuarán realizando de manera autónoma, con la supervisión del equipo docente. Los envíos de trabajos se seguirán realizando a través de la plataforma docente dispuesta por la UGR.
    • Los seminarios prácticos y pruebas de evaluación tendrán lugar, si la situación lo permite, de forma presencial. Si no fuese posible, éstas se plantearían mediante evaluación a distancia que se realizarán a través de las plataformas y herramientas proporcionadas por la Universidad de Granada.
    • Los porcentajes sobre la calificación final serán de un 50% para las pruebas teóricas, 45% para los ejercicios prácticos, y 5% sobre la participación, actitud y esfuerzo personal de los estudiantes.

Para superar la asignatura de manera global, será obligatorio que el estudiante supere ambas partes de manera independiente, obteniendo al menos 5 puntos sobre 10 (sumando todos los apartados) en cada una de ellas. En caso que no se alcance la calificación mínima exigida en alguna de las dos partes, se le asignará al estudiante como calificación final el mínimo entre 4.9 y la nota obtenida en la asignatura.

Evaluación extraordinaria

Se llevará a cabo con la misma metodología y valoración que en el escenario totalmente presencial, si bien la defensa de actividades, si procede, se desarrollará de manera tele-presencial mediante herramientas proporcionadas por la Universidad de Granada.

Evaluación única final

Las condiciones serán las mismas que para el caso de la modalidad presencial. La prueba se realizará en modo presencial. Si no fuese posible, se llevará a cabo mediante evaluación a distancia a través de las plataformas y herramientas proporcionadas por la Universidad de Granada

ESCENARIO B (SUSPENSIÓN DE LA ACTIVIDAD PRESENCIAL)

Horario (Según lo establecido en el POD)

A priori, el mismo del profesorado implicado, indicado en la Web correspondiente. Se pueden producir modificaciones de los horarios para adaptarlos a la nueva situación generada. Dichos horarios estarán contemplados en el plan de contingencia del Centro para cada uno de los escenarios.

Herramientas para la atención tutorial (Indicar medios telemáticos para la atención tutorial)

Las tutorías individuales se atenderán previa cita, concertándose de forma únicamente telemática, impartiéndose utilizando las plataformas que dicte la Universidad de Granada en su momento.

Para consultas puntuales, se tendrá preferencia por el uso del correo electrónico. Para consultas más generales, se utilizará preferentemente Google Meet. 

En ambos casos, solamente se atenderán aquellas consultas realizadas a través de las cuentas institucionales de la Universidad de Granada.

Medidas de adaptación de la evaluación (Instrumentos, criterios y porcentajes sobre la calificación)

El contenido docente se impartirá de forma tele-presencial a través de las herramientas a tal efecto proporcionadas por la Universidad de Granada.

Evaluación ordinaria

La distribución de pruebas y tareas evaluables serán de la misma forma que en el escenario A, pero dichas pruebas de evaluación continua se realizarán de forma no presencial

Evaluación extraordinaria

Se llevará a cabo con la misma metodología y valoración que en el escenario totalmente presencial y escenario A, si bien las pruebas escritas se sustituirán en su caso por actividades de evaluación on-line utilizando herramientas proporcionadas por la Universidad de Granada. Del mismo modo, en caso de requerir defensa de las actividades prácticas, se realizará de manera telemática utilizando las herramientas proporcionadas por la Universidad de Granada.

Evaluación única final

Las condiciones serán las mismas que para el caso de la modalidad presencial y escenario A. En este caso, la prueba final se llevará a cabo mediante evaluación a distancia a través de las plataformas y herramientas proporcionadas por la Universidad de Granada.