És recomanable haver cursat les assignatures afins al tema del projecte que es desenvolupa, així com habilitats en la cerca de documentació i els fonaments bàsics de la metodologia de recerca i l'anàlisi de dades. A més a més, es valoren habilitats de treball en equip i comunicació.
1. S'apliquen els coneixements adquirits durant el grau de manera integrada per resoldre una necessitat real del sector sanitari des de la perspectiva de l'enginyeria mèdica i de la salut.
2. Saber abordar els projectes assignats integrant les variables sexe i gènere amb rellevància al problema o tema plantejat.
3. Saber dissenyar models d'impressió 3D usant SolidWorks.
4. Planificar, desenvolupar i presentar treballs de recerca aplicats a lEnginyeria de la Salut.
L'assignatura s'articula en dos components paral·lels que conflueixen a l'avaluació final:
1. Part 1: Mòdul SolidWorks
- Introducció a l'entorn CAD i eines bàsiques.
- Modelat de peces i assemblatges.
- Generació de plànols tècnics i documentació de disseny.
- Mini-projecte de model 3D amb aplicació biomèdica.
2. Part 2: Projecte de recerca i/o desenvolupament en equip
- Presentació de propostes de projectes per part de tutors/es i selecció segons preferències mitjançant qüestionari digital.
- Conformació dequips i assignació de rols.
- Disseny metodològic inicial: definició de la problemàtica científica/tecnològica, objectius, distribució de tasques i cronograma.
- Fase de desenvolupament: execució de tasques experimentals a les línies de recerca del projecte (IA i Ciència de Dades, Processament de la Parla, Visió per Computador, Interacció amb IA, Biomaterials/Nanotecnologies).
- Seguiment i tutories: reunions periòdiques de control i retroalimentació.
- Avaluació intermèdia: presentació oral i lliurament dinforme davanç.
- Presentació final: lliurament d'informe tècnic/científic i defensa pública davant del tribunal docent.
El funcionament de l'assignatura segueix el cronograma següent:
- Assignació de projectes i tutors: el professorat tutor presenta les propostes de projecte. L'estudiantat n'indica les preferències mitjançant un qüestionari digital; l'assignació es fa buscant el millor encaix possible entre preferències i equilibri de grups.
- Conformació d'equips: els equips seran de 2 a 5 estudiants amb un tutor/a. Es defineixen els canals de treball (Moodle/ Teams /Drive, repositoris Git si s'aplica, bases de dades, etc.).
- Fase 1: Desenvolupament de models 3D i disseny metodològic del projecte de recerca
- Fase 2: Desenvolupament del projecte
S'utilitzen les metodologies docents següents:
- Aprenentatge Basat en Projectes (ABP): cada equip desenvolupa un projecte realista amb resultats verificables (prototip maquinari i/o programari, experiment, model, etc.).
- Aprenentatge pràctic al laboratori: sessions guiades de SolidWorks (aprendre fent o hands-on ) amb avaluació basada en exercici i resultat.
- Seminaris breus i micro-lliçons per cobrir just a temps ("just - in-time teaching") els conceptes claus que permetin avançar.
- Tutories acadèmiques i tècniques: seguiment formatiu amb retroalimentació accionable orientat a millora.
- Aprenentatge cooperatiu: rols rotatius (per setmanes i/o per tipus d'avaluacions), co-responsabilitat (cada rol té tasques pròpies i compartides : "el resultat és de tots i totes"), resolució col·laborativa de problemes (ús de dinàmiques per pensar i decidir en grup: brainwriting, brainstorming , etc.) i coevaluació parells).
- Avaluació contínua: tres moments clau (disseny metodològic, mig termini, final) + seguiment individual i grupal.
Ús d'IA en l'aprenentatge: permès amb declaració explícita de l'ús i prompts als lliurables (incloure'ls als annexos); el treball ha de ser original, traçable i comprensible pels qui el signen.
Les activitats formatives es realitzen de manera presencial i no presencial.
Presencials: Tallers de SolidWorks (15 h), Tutories de projecte: planificació, revisió d'informes, treball a laboratoris, resolució de colls d'ampolla, presentacions i defenses.
No presencials/autònomes: Cerca i anàlisi de literatura (bases de dades científiques, revisió crítica), Disseny metodològic (objectius, hipòtesis, variables, tasques, cronograma, riscos/solucions), Desenvolupament tècnic/experimental (implementació, proves, prototipat, validació), Documentació i comunicació (bitàcora de projecte, bitàcora de projecte, de projecte (reunions internes i acords).
L'avaluació de l'assignatura integra les dues parts: la primera que tracta sobre el modelatge funcional 3D amb Solidworks (aporta el 20 % de la nota) i la segona que aborda el projecte de recerca (aporta el 80 % de la nota).
Per aprovar l'assignatura cal aprovar la part 1 (Nota_P1) i la part 2 (Nota_P2), per separat. La nota final de l'assignatura es calcularà de la manera següent:
- Si Nota_P 1 >= 5 i Nota_P 2 >= 5, la nota final de l'assignatura serà Nota_Final = 0,2 · Nota_P1 + 0.8 · Nota_P2
- Si Nota_P2 < 5, la nota final de lassignatura serà NOTA_FINAL = Nota_P2.
- Si Nota_P1 < 5, la nota final de l'assignatura serà NOTA_FINAL = MIN (4, Nota_P2).
1. Avaluació de la Part 1:
- La nota de la part P1 (N_P1) es calcula ponderant tres notes: la nota d'actitud (10%), la nota d'exercicis pràctics a classes o fora de classes (30%) i la nota de la tasca final (60%). La nota d'actitud es calcularà a partir de l'assistència, l'actitud i la participació a les classes.
L´entrega final consisteix en el disseny d´un model 3D. Encara que no s'imprimeixi, ha d'estar correctament acotat, acoblat (si s'aplica) i documentat.
2. Avaluació de la Part 2
- La nota de la part P2 (N_P2) es calcula ponderant quatre notes: la nota de lliurament/presentació del disseny metodològic del projecte (15 %), la nota de lliurament/presentació intermèdia (25 %), la nota de seguiment individual i grupal (20 %) i la nota de lliurament/presentació final del projecte (40 %). La nota de seguiment individual de cada participant té en compte la seva assistència, participació a les reunions i creativitat. La nota de seguiment grupal té en compte el compliment global del cronograma del grup, l'organització i la cohesió del grup, la coavaluació (si així ho entén el tutor) i altres elements que contribueixin al compliment dels objectius del projecte.
Els alumnes que no aprovin l'assignatura a la convocatòria ordinària disposaran d'una convocatòria extraordinària, en la qual podran recuperar la(s) nota(s) de la(es) part(s) que hagin desaprovat. Si, per exemple, un/a alumne/a ha desaprovat només la part 1, pot conservar la nota de la part 2, o viceversa. Si va desaprovar les dues parts, les haurà de recuperar.
A la convocatòria ordinària es tenen en compte totes les components de les notes de les parts 1 i 2.
A la convocatòria extraordinària d'ambdues parts, es conservaran totes les notes excepte:
- la nota de la nova tasca final extraordinària de la part 1 (60%). Aquesta nova tasca serà assignada pel professor, entre 1 i 2 mesos abans de lexamen extraordinari i lestudiantat haurà de portar la solució el dia de lexamen extraordinari.
- la nota del nou lliurament/presentació final extraordinari del projecte de la part 2 (40 %). Per a la convocatòria extraordinària, caldrà lliurar i presentar una nova versió del projecte amb els mètodes/resultats/solucions de les tasques individuals i grupals en què l'alumne en formi part. Si hi ha més d'un alumne/a de l'equip que hagués desaprovat, es pot lliurar i presentar un sol document amb la versió final de l'equip.
1. SolidWorks Basics: A Project-Based Approach ? Fred Fulkerson
2. Top SolidWorks Books (3DEngineer, 2023)
3. Creswell, JW, & Creswell, JD (2023). Research design: Qualitative, quantitative, and mixed methods approach (6th ed.). SAGE.
4. Hernández-Sampieri, R., & Mendoza, C. (2018). Metodologia de la investigació: Les rutes quantitativa, qualitativa i mixta. McGraw-Hill.
5. Yin, RK (2018). Case study research and applications: Design and methods (6th ed.). SAGE.
6. Browner, WS, Newman, TB, Cummings, SR, & Grady, DG (2022). Designing clinical research (5th ed.). Wolters Kluwer.
7. Vijayarani, S., Ilamathi, MJ, & Nithya, M. (2015). Preprocessing techniques for text mining - an overview. International Journal of Computer Science & Communication Networks, 5(1), 7-16.
8. Khder, MA (2021). Web scraping or web crawling: State of art, techniques, approaches and application. International Journal of Advances in Soft Computing & Its Applications, 13(3).
9. AJ Nihart, et al. Nat Med 2025; 31 (4): 1114-1119. doi: 10.1038/s41591-024-03453-1.
10. Ng, SÍ, Xu, L., Siegert, I., Cummins, N., Benway, NR, Liss, J. i Berisha, V. (2024). Un tutorial sobre el desenvolupament d'IA clínica de la parla: des de la recopilació de dades fins a la validació del model. Preimpressió d' arXiv arXiv : 2410.21640.
11. Botelho, C., Abad, A., Schultz, T. i Trancoso, I. (2024). La parla com a biomarcador per a la detecció de malalties. Accés IEEE.
Veure carpeta electrònica de lassignatura.