Juan Domingo Farnós
Necesitamos con urgencia crear más, mejor y “otros espacios y otros escenarios” que sean adaptables a las necesidades de los aprendices con otras perspectivas para enriquecer y profundizar en nuestros aprendizajes, por lo que deberemos basarnos en el valor del aprendizaje de una manera ABIERTA, INCLUSIVA Y UBICUA,….y con el soporte de la IA y las TIC (no puede ser de otra manera).
ideas sobre cómo se puede lograr:
- Plataformas de aprendizaje en línea: Utiliza plataformas en línea que permitan a los estudiantes acceder a recursos educativos de manera flexible y adaptativa. Estas plataformas pueden utilizar algoritmos de IA para personalizar el contenido de acuerdo con los intereses y necesidades de cada estudiante.
- Aprendizaje móvil: Aprovecha la ubicuidad de los dispositivos móviles y las aplicaciones móviles para facilitar el aprendizaje en cualquier momento y lugar. Las aplicaciones educativas pueden proporcionar actividades interactivas, acceso a recursos en línea y la capacidad de colaborar con otros estudiantes.
- Realidad virtual y aumentada: Incorpora la realidad virtual y aumentada en el proceso de aprendizaje. Estas tecnologías pueden crear entornos inmersivos que permiten a los estudiantes explorar conceptos de manera interactiva. Por ejemplo, pueden realizar visitas virtuales a lugares históricos o manipular objetos en un entorno virtual.
La realidad virtual y aumentada son tecnologías que han demostrado un gran potencial en el proceso de aprendizaje al proporcionar experiencias inmersivas y interactivas. Estas tecnologías permiten a los estudiantes sumergirse en entornos virtuales y tener una participación activa en su aprendizaje. A continuación, se explica cómo la realidad virtual y aumentada pueden enriquecer el proceso de aprendizaje:
- Entornos inmersivos: La realidad virtual permite a los estudiantes sumergirse completamente en entornos virtuales que pueden recrear escenarios reales o imaginarios. Por ejemplo, los estudiantes pueden visitar virtualmente lugares históricos, explorar e interactuar con objetos tridimensionales o viajar a lugares remotos sin salir del aula. Esto crea una experiencia de aprendizaje envolvente que estimula la curiosidad y la participación activa.
- Interacción y manipulación: Con la realidad aumentada, los estudiantes pueden superponer elementos virtuales en el mundo real, lo que les permite interactuar y manipular objetos digitales en tiempo real. Por ejemplo, pueden usar dispositivos móviles o gafas de realidad aumentada para ver modelos tridimensionales en su entorno físico y manipularlos con gestos o comandos. Esto brinda una experiencia de aprendizaje práctica y tangible, especialmente en áreas como ciencias, matemáticas y diseño.
- Visualización de conceptos abstractos: Al utilizar la realidad virtual y aumentada, los conceptos abstractos pueden visualizarse de manera más concreta y comprensible. Por ejemplo, los estudiantes pueden explorar visualmente conceptos científicos abstractos, como moléculas o sistemas solares, mediante representaciones interactivas y en 3D. Esto facilita la comprensión y retención de la información, ya que se convierte en una experiencia sensorial y visualmente atractiva.
- Colaboración y aprendizaje social: La realidad virtual y aumentada también fomentan la colaboración y el aprendizaje social. Los estudiantes pueden interactuar y colaborar en entornos virtuales, ya sea trabajando juntos en proyectos o resolviendo problemas en equipo. Además, estas tecnologías pueden conectar a estudiantes de diferentes lugares geográficos, permitiéndoles colaborar y aprender juntos sin barreras físicas.
La realidad virtual y aumentada ofrecen nuevas posibilidades en el ámbito educativo al crear entornos inmersivos y permitir la interacción y manipulación de objetos virtuales. Estas tecnologías promueven la participación activa de los estudiantes, mejoran la comprensión de conceptos abstractos y fomentan la colaboración y el aprendizaje social.
Para representar el uso de la realidad virtual y aumentada en el proceso de aprendizaje a través de árboles y algoritmos de Python, podemos utilizar una estructura de flujo de decisión y un ejemplo de código. Aquí tienes una representación:
Árbol de decisión:
- ¿Se utiliza realidad virtual en el proceso de aprendizaje?
- Sí: Continuar al siguiente paso.
- No: Fin.
- ¿Se utiliza realidad aumentada en el proceso de aprendizaje?
- Sí: Continuar al siguiente paso.
- No: Fin.
- Mostrar beneficios de la realidad virtual y aumentada en el aprendizaje.
Algoritmo en Python:
pythonCopy codedef usar_realidad_virtual():
# Código para utilizar realidad virtual en el aprendizaje
print("Utilizando realidad virtual en el proceso de aprendizaje.")
def usar_realidad_aumentada():
# Código para utilizar realidad aumentada en el aprendizaje
print("Utilizando realidad aumentada en el proceso de aprendizaje.")
def mostrar_beneficios():
# Código para mostrar los beneficios de la realidad virtual y aumentada en el aprendizaje
print("Las tecnologías de realidad virtual y aumentada enriquecen el proceso de aprendizaje al proporcionar entornos inmersivos e interactivos.")
def main():
# Pregunta si se utiliza realidad virtual en el proceso de aprendizaje
respuesta_vr = input("¿Se utiliza realidad virtual en el proceso de aprendizaje? (sí/no): ")
if respuesta_vr.lower() == "sí":
usar_realidad_virtual()
# Pregunta si se utiliza realidad aumentada en el proceso de aprendizaje
respuesta_ar = input("¿Se utiliza realidad aumentada en el proceso de aprendizaje? (sí/no): ")
if respuesta_ar.lower() == "sí":
usar_realidad_aumentada()
# Muestra los beneficios de la realidad virtual y aumentada en el aprendizaje
mostrar_beneficios()
if __name__ == "__main__":
main()
Este ejemplo de código en Python utiliza preguntas para determinar si se utiliza realidad virtual y realidad aumentada en el proceso de aprendizaje. Luego, ejecuta las funciones correspondientes y muestra los beneficios de estas tecnologías en el aprendizaje.
Aquí desarrollo una comparación entre realidad virtual, realidad aumentada e inmersiva utilizando un árbol:
- Tecnologías de Realidad:
- Realidad Virtual (VR)
- Realidad Aumentada (AR)
- Realidad Inmersiva (IR)
- Características Principales:
- Realidad Virtual (VR):
- Entorno completamente virtual generado por ordenador.
- Inmersión total del usuario en un entorno simulado.
- Requiere el uso de dispositivos como cascos o gafas de VR.
- Interacción principalmente a través de controladores o dispositivos de entrada.
- Realidad Aumentada (AR):
- Superposición de elementos virtuales en el entorno real.
- Combinación de información digital y contexto físico.
- Utiliza dispositivos como smartphones, tablets o gafas AR.
- Interacción mediante gestos, reconocimiento de objetos o comandos de voz.
- Realidad Inmersiva (IR):
- Término general que engloba tanto la realidad virtual como la aumentada.
- Busca una experiencia altamente envolvente e interactiva.
- Puede incluir tecnologías de VR y AR para crear entornos inmersivos.
- Enfoque centrado en generar una sensación de presencia y participación activa.
- Realidad Virtual (VR):
- Uso en el Aprendizaje:
- Realidad Virtual (VR):
- Permite a los estudiantes explorar entornos virtuales interactivos.
- Proporciona experiencias inmersivas que facilitan la comprensión de conceptos abstractos.
- Posibilidad de realizar simulaciones prácticas en áreas como medicina, arquitectura o entrenamiento.
- Ofrece visitas virtuales a lugares históricos o inaccesibles.
- Realidad Aumentada (AR):
- Mejora la interacción con el entorno físico mediante superposición de elementos virtuales.
- Permite la visualización y manipulación de objetos digitales en contextos reales.
- Facilita la comprensión de conceptos complejos a través de representaciones visuales interactivas.
- Promueve el aprendizaje activo y la colaboración en entornos educativos.
- Realidad Inmersiva (IR):
- Combina elementos de VR y AR para crear experiencias altamente envolventes.
- Proporciona un entorno de aprendizaje estimulante y participativo.
- Fomenta la exploración, experimentación y resolución de problemas de manera interactiva.
- Amplía las posibilidades de aprendizaje más allá de las limitaciones del entorno físico.
- Realidad Virtual (VR):
Recuerda que esta comparación es solo una representación general y las características pueden variar dependiendo de las aplicaciones específicas y las tecnologías utilizadas.
Ejemplo de cómo se puede utilizar la realidad virtual, realidad aumentada y realidad inmersiva en tres clases del cuarto curso de ingeniería informática en una universidad:
Clase 1: Diseño de Interfaces de Usuario
- Realidad Virtual (VR): Los estudiantes utilizan cascos de realidad virtual para sumergirse en entornos virtuales donde pueden interactuar con interfaces de usuario en 3D. Pueden realizar pruebas de usabilidad y evaluar la experiencia del usuario en un entorno simulado.
- Realidad Aumentada (AR): Los estudiantes utilizan dispositivos móviles con aplicaciones de realidad aumentada para superponer interfaces de usuario virtuales en objetos del mundo real. Pueden experimentar con diferentes diseños y evaluar la usabilidad en tiempo real.
Clase 2: Desarrollo de Videojuegos
- Realidad Virtual (VR): Los estudiantes utilizan cascos de realidad virtual para crear y explorar entornos virtuales inmersivos donde desarrollan y prueban juegos. Pueden interactuar con personajes y objetos virtuales en un entorno tridimensional, y evaluar la jugabilidad y la experiencia del usuario.
- Realidad Aumentada (AR): Los estudiantes utilizan dispositivos móviles con aplicaciones de realidad aumentada para superponer elementos de juego en el entorno real. Pueden crear juegos basados en la ubicación y permitir a los jugadores interactuar con objetos virtuales en el mundo real.
Clase 3: Simulación de Sistemas
- Realidad Virtual (VR): Los estudiantes utilizan cascos de realidad virtual para simular sistemas complejos y observar su comportamiento en un entorno virtual. Pueden modificar parámetros y ver cómo afectan el rendimiento y la eficiencia del sistema en tiempo real.
- Realidad Aumentada (AR): Los estudiantes utilizan dispositivos móviles con aplicaciones de realidad aumentada para superponer datos y gráficos de simulación en el entorno real. Pueden visualizar métricas y resultados de simulaciones directamente en el contexto físico.
Estos ejemplos ilustran cómo la realidad virtual, realidad aumentada y realidad inmersiva pueden enriquecer el aprendizaje en diferentes clases de ingeniería informática. Los estudiantes pueden experimentar entornos y situaciones virtuales que les permiten practicar habilidades, explorar conceptos complejos y mejorar su comprensión de los temas tratados en el plan de estudios.
- Entornos de aprendizaje colaborativo: Crea espacios en línea donde los estudiantes puedan colaborar entre sí y con expertos en el tema. Estos entornos pueden incluir foros de discusión, herramientas de chat en tiempo real y plataformas de colaboración en proyectos.
- Recursos educativos abiertos: Promueve el uso de recursos educativos abiertos (REA) que estén disponibles de forma gratuita y accesible para todos. Esto permite a los estudiantes acceder a una amplia gama de materiales de aprendizaje y adaptarlos a sus propias necesidades.
- Personalización del aprendizaje: Utiliza algoritmos de IA para adaptar el contenido y las actividades de aprendizaje a las características individuales de cada estudiante. Esto puede incluir recomendaciones personalizadas de recursos, evaluaciones adaptativas y retroalimentación individualizada.
- Evaluación formativa y retroalimentación automática: Incorpora herramientas de evaluación formativa que utilicen la IA para proporcionar retroalimentación instantánea a los estudiantes. Esto les permite realizar un seguimiento de su progreso y realizar ajustes en su aprendizaje.
La utilización de las TIC ya no es suficiente y necesitamos imperiosamente la utilización de la Inteligencia artificial:
- TIC (Tecnologías de la Información y Comunicación):
- Tablas: Las TIC pueden permitir el uso de tablas electrónicas para organizar y presentar datos de manera estructurada. Las tablas son útiles para recopilar información, realizar cálculos y crear visualizaciones básicas. Pueden utilizarse en diversas áreas, como la gestión de datos, el análisis estadístico y la representación gráfica de información.
- Algoritmos: Las TIC también se basan en algoritmos para realizar operaciones específicas. Los algoritmos son secuencias de instrucciones lógicas y matemáticas que se utilizan para resolver problemas y ejecutar tareas en los sistemas informáticos. Pueden ayudar en la automatización de procesos, el análisis de datos y la toma de decisiones.
- IA (Inteligencia Artificial):
- Tablas: La IA puede ir más allá del uso de tablas estáticas y permitir el procesamiento inteligente de datos a través de técnicas de aprendizaje automático y análisis de datos. Los modelos de IA pueden identificar patrones y tendencias en conjuntos de datos masivos y realizar análisis predictivos más sofisticados que las tablas convencionales. Por ejemplo, los sistemas de recomendación basados en IA utilizan algoritmos para personalizar las recomendaciones de productos o contenido según el comportamiento del usuario.
- Algoritmos: La IA utiliza algoritmos más complejos y avanzados en comparación con las TIC tradicionales. Los algoritmos de IA incluyen técnicas de aprendizaje automático, como algoritmos de clasificación, regresión, agrupamiento y redes neuronales, entre otros. Estos algoritmos permiten a los sistemas de IA aprender y adaptarse a partir de los datos, mejorar su rendimiento con la experiencia y tomar decisiones basadas en la información disponible.
Mientras que las TIC utilizan tablas y algoritmos convencionales para organizar y procesar datos, la IA emplea técnicas más avanzadas y sofisticadas en términos de tablas y algoritmos. La IA puede realizar análisis más complejos y proporcionar resultados más precisos y personalizados, ya que tiene la capacidad de aprender y adaptarse a partir de los datos mediante algoritmos de aprendizaje automático y redes neuronales.
Aquí expongo un ejemplo de cómo se podría representar un árbol comparativo utilizando Python para comparar la utilización de las TIC y la IA en términos de tablas y algoritmos:
pythonCopy codeimport matplotlib.pyplot as plt
# Datos para el árbol comparativo
categorias = ['TIC', 'IA']
tablas = [2, 4]
algoritmos = [3, 5]
# Configuración del gráfico
fig, ax = plt.subplots()
ax.set_title('Comparación entre TIC e IA')
ax.set_xlabel('Categorías')
ax.set_ylabel('Cantidad')
# Dibujar las barras para las tablas
ax.bar(categorias, tablas, label='Tablas', color='blue')
# Dibujar las barras para los algoritmos
ax.bar(categorias, algoritmos, label='Algoritmos', color='orange')
# Mostrar la leyenda
ax.legend()
# Mostrar el gráfico
plt.show()
En este ejemplo, se utiliza la biblioteca matplotlib
de Python para generar un gráfico de barras que muestra la comparación entre TIC e IA en términos de tablas y algoritmos. Las barras azules representan la cantidad de tablas para cada categoría, mientras que las barras naranjas representan la cantidad de algoritmos.
En cuanto a los algoritmos de Python relacionados con TIC e IA, hay una amplia variedad de opciones. A continuación, te proporciono algunos ejemplos de algoritmos que podrían estar involucrados en cada área:
TIC:
- Algoritmo de clasificación de datos utilizando el algoritmo de vecinos más cercanos (K-Nearest Neighbors).
- Algoritmo de agrupamiento de datos utilizando el algoritmo de k-means.
- Algoritmo de regresión lineal para predecir valores numéricos.
IA:
- Algoritmo de aprendizaje automático supervisado, como el algoritmo de regresión logística.
- Algoritmo de aprendizaje automático no supervisado, como el algoritmo de agrupamiento espectral.
- Algoritmo de redes neuronales para reconocimiento de imágenes, utilizando bibliotecas como TensorFlow o PyTorch.
Recuerda que estos son solo ejemplos y hay muchos más algoritmos disponibles en el campo de la TIC y la IA. La elección del algoritmo dependerá de los requisitos específicos y los objetivos del problema que estés abordando.
Ejemplo de cómo se puede implementar un algoritmo de regresión utilizando Python. En este caso, utilizaré el algoritmo de regresión lineal para predecir la cantidad de algoritmos basados en TIC e IA en función del número de tablas.
pythonCopy codeimport numpy as np
from sklearn.linear_model import LinearRegression
# Datos de entrada
tablas = np.array([2, 4, 6, 8, 10])
algoritmos = np.array([3, 5, 7, 9, 11])
# Crear el modelo de regresión lineal
regresion = LinearRegression()
# Entrenar el modelo con los datos
regresion.fit(tablas.reshape(-1, 1), algoritmos)
# Predecir la cantidad de algoritmos para un nuevo valor de tablas
nuevas_tablas = np.array([12, 14, 16])
predicciones = regresion.predict(nuevas_tablas.reshape(-1, 1))
# Imprimir las predicciones
for i in range(len(nuevas_tablas)):
print(f"Para {nuevas_tablas[i]} tablas, se predicen {predicciones[i]} algoritmos.")
En este ejemplo, utilizo la biblioteca numpy
para crear los datos de entrada: tablas
representa el número de tablas y algoritmos
representa la cantidad correspondiente de algoritmos basados en TIC e IA.
A continuación, utilizo la clase LinearRegression
de la biblioteca scikit-learn
para crear el modelo de regresión lineal. Entreno el modelo utilizando el método fit()
, pasando las características (tablas
) y los valores objetivo (algoritmos
).
Luego, utilizo el modelo entrenado para hacer predicciones sobre nuevas cantidades de tablas (12, 14 y 16) utilizando el método predict()
. Finalmente, imprimo las predicciones.
Ten en cuenta que este es solo un ejemplo simple de regresión lineal. En aplicaciones más complejas, podrías necesitar realizar una exploración de datos más exhaustiva, dividir los datos en conjuntos de entrenamiento y prueba, realizar una validación cruzada, entre otros pasos para mejorar el rendimiento y la precisión del modelo.
Autores y universidades que han escrito sobre los temas de TIC, IA y educación, junto con una breve descripción de sus obras:
- Seymour Papert – Massachusetts Institute of Technology (MIT): Papert es conocido por su trabajo en el campo de la educación y la informática. Su libro «Mindstorms: Children, Computers, and Powerful Ideas» explora cómo las TIC, como la programación y el uso de robots, pueden potenciar el aprendizaje en los niños.
- Linda Darling-Hammond – Stanford University: Darling-Hammond es una experta en educación y ha escrito extensamente sobre la integración de las TIC en el aula. Su libro «Preparing Teachers for a Changing World: What Teachers Should Learn and Be Able to Do» examina cómo la tecnología puede mejorar la enseñanza y el aprendizaje.
- Sherry Turkle – Massachusetts Institute of Technology (MIT): Turkle ha investigado ampliamente el impacto de la tecnología en la sociedad y la educación. Su libro «Alone Together: Why We Expect More from Technology and Less from Each Other» explora cómo la tecnología afecta nuestras relaciones humanas y cómo se relaciona con el aprendizaje.
- Neil Selwyn – Monash University: Selwyn se ha centrado en la relación entre las TIC y la educación. Su libro «Distrusting Educational Technology: Critical Questions for Changing Times» analiza de manera crítica cómo las TIC se implementan en la educación y plantea interrogantes sobre su efectividad y equidad.
- José Antonio Marina – Universidad de Barcelona: Marina es un filósofo y pedagogo español que ha escrito sobre la educación y el uso de la tecnología en el aprendizaje. Sus obras, como «La educación del talento» y «La inteligencia ejecutiva», exploran cómo la IA y las TIC pueden mejorar el proceso educativo.
- Cathy N. Davidson – Duke University: Davidson se ha centrado en la transformación de la educación en la era digital. Su libro «The New Education: How to Revolutionize the University to Prepare Students for a World in Flux» analiza cómo las TIC y la IA pueden cambiar la educación superior y adaptarse a las necesidades actuales.
- Sugata Mitra – Newcastle University: Mitra es conocido por su trabajo en el campo de la educación autodirigida y la tecnología. Sus investigaciones sobre «Hole-in-the-Wall» y el concepto de «Escuela en la Nube» exploran cómo la tecnología puede facilitar el aprendizaje autónomo en entornos informales.
- Audrey Watters – Independent Writer and Researcher: Watters es una crítica de la tecnología educativa y ha escrito extensamente sobre el tema. Sus obras, como «The Monsters of Education Technology» y «Teaching Machines: Learning from the Intersection of Education and Technology», examinan las implicaciones y los desafíos de la tecnología en la educación.
- Roger Schank – Northwestern University: Schank ha trabajado en el campo de la inteligencia artificial y la educación. Sus escritos se centran en la creación de entornos de aprendizaje basados en IA y cómo la tecnología puede mejorar la experiencia educativa.
Si pretendemos crear escenarios abiertos, y más si son masivos, las proporciones de complejidad irán aumentando ya que el “control” deja de estar en manos de la “organización” para pasar a formar parte de la ecología de los aprendices…
La experiencia de la última década ha demostrado (véase Bates, 2000; Bates y Poole, 2003) que, para lograr el uso sostenible y eficaz de las TIC en la enseñanza y el aprendizaje en toda la organización, no es suficiente para confiar en los esfuerzos de unos pocos,..si no implicar a toda una comunidad, y mejor si vamos más allá de la propia comunidad y lo extrapolamos a fenómenos que sin estar previstos, pueden llegar a suceder.
Todo ello quizás no es “gestionable” a nivel organizativo, pero si podemos poner unas “expectativas” de autocreación y de retroalimentación, las cuales pueden ser utilizadas por los aprendices en sus posteriores aprendizajes y desaprendizajes.
Leyendo y analizando a Maree Gosper en el el programa “Liderazgo y Gestión del Desarrollo de Ambientes e.learning ‘, obviamente críticarían mis argumentos y posiciones en este tema. Habiendo dicho esto, sin embargo, acepto la responsabilidad de las posiciones defendidas , y animo a hacer que las críticas vengan de personas implicadas en procesos innovadores y creativos, lo cuál hará que estos aspectos tomen más cuerpo y vayan desarrollándose y mejorándose en el tiempo.
La manera en que definiremos los problemas de política o de gestión, de todo este proceso, – la forma en que construimos nuestra comprensión de ellos – en gran medida determina las formas en que tratamos de resolverlos, mejorarlos y de alguna manera, implementarlos.
Según Bolman y Deal (2003), y para para aquellos de nosotros que interpretan nuestras organizaciones desde una perspectiva estructural, para ellos creando patrones, para mi (Juan Domingo Farnós, creando estructuras personalizadas según los planteamientos y necesidades de las personas, de los espacios y de los tiempos) las organizaciones son eficaces en el logro de sus objetivos en la medida en que encuentran un ajuste adecuado entre sus estructuras, estrategias y los entornos en los que operar.
Aquí tenemos un árbol comparativo que muestra las diferencias entre la perspectiva estructural de Bolman y Deal y el enfoque de estructuras personalizadas de Juan Domingo Farnós
Perspectiva Estructural (Bolman y Deal, 2003):
- Enfocado en el ajuste entre estructuras, estrategias y entornos.
- Busca la eficacia organizativa a través de patrones organizativos efectivos.
- Considera la alineación de jerarquías, roles, procesos y sistemas.
Enfoque de Estructuras Personalizadas (Juan Domingo Farnós):
- Reconoce la diversidad y las necesidades individuales dentro de las organizaciones.
- Crea estructuras adaptadas a las personas, los espacios y los tiempos.
- Busca la personalización y la flexibilidad en las estructuras organizativas.
Es importante destacar que estas son dos perspectivas diferentes y no necesariamente excluyentes. Ambos enfoques pueden tener sus méritos y aplicarse en diferentes contextos organizativos. La elección de un enfoque dependerá de los objetivos, las características y las necesidades específicas de cada organización.
La representación de conceptos organizacionales y perspectivas teóricas en forma de algoritmos puede ser un desafío, ya que los algoritmos son más adecuados para el procesamiento de datos y la resolución de problemas específicos. Sin embargo, puedo proporcionarte un ejemplo simplificado de cómo podrías representar de manera conceptual los conceptos de la perspectiva estructural de Bolman y Deal y tu enfoque de estructuras personalizadas utilizando pseudocódigo:
pythonCopy code# Algoritmo para la perspectiva estructural (Bolman y Deal)
def perspectiva_estructural(estructuras, estrategias, entornos):
ajuste = analizar_ajuste(estructuras, estrategias, entornos)
if ajuste == 'adecuado':
return "La organización es eficaz en el logro de sus objetivos."
else:
return "Se requiere un ajuste adecuado entre estructuras, estrategias y entornos."
# Algoritmo para el enfoque de estructuras personalizadas (Juan Domingo Farnós)
def estructuras_personalizadas(personas, espacios, tiempos):
estructuras = crear_estructuras_personalizadas(personas, espacios, tiempos)
return estructuras
# Ejemplo de uso de los algoritmos
estructuras_org = [...] # Lista de estructuras organizativas existentes
estrategias_org = [...] # Lista de estrategias adoptadas por la organización
entornos_org = [...] # Lista de desafíos y requerimientos del entorno
resultado_estructural = perspectiva_estructural(estructuras_org, estrategias_org, entornos_org)
print(resultado_estructural)
personas_org = [...] # Lista de personas dentro de la organización
espacios_org = [...] # Lista de espacios físicos y virtuales disponibles
tiempos_org = [...] # Lista de horarios y plazos
estructuras_personalizadas = estructuras_personalizadas(personas_org, espacios_org, tiempos_org)
En este ejemplo, se utilizan dos funciones ficticias (perspectiva_estructural
y estructuras_personalizadas
) para representar los conceptos. La función perspectiva_estructural
analiza el ajuste entre las estructuras, las estrategias y los entornos, y devuelve un mensaje que indica si la organización es eficaz o si se necesita un ajuste adecuado.
La función estructuras_personalizadas
crea estructuras personalizadas basadas en las características de las personas, los espacios y los tiempos dentro de la organización. Esta función podría implementarse de manera más detallada para adaptar las estructuras a las necesidades específicas.
Es importante tener en cuenta que estos ejemplos son simplificados y no representan algoritmos completos. Además, el pseudocódigo se utiliza para expresar ideas y conceptos, pero no es una implementación real en Python. La adaptación de estos conceptos a algoritmos completos requeriría un análisis más detallado de los requisitos y las estructuras de datos involucradas.
Posición personalizada de Juan Domingo Farnós en Python, puedes hacerlo utilizando variables y estructuras de datos. Aquí tenemos un ejemplo de cómo se podría representar su posición personalizada:
pythonCopy code# Datos de Juan Domingo Farnós
nombre = "Juan Domingo Farnós"
cargo = "Director de Innovación y Tecnología Educativa"
departamento = "Departamento de Educación"
espacios = ["Aula Virtual", "Despacho", "Laboratorio de Innovación"]
horarios = {
"Lunes": "9:00 AM - 1:00 PM",
"Martes": "9:00 AM - 12:00 PM",
"Miércoles": "9:00 AM - 5:00 PM",
"Jueves": "9:00 AM - 1:00 PM",
"Viernes": "9:00 AM - 12:00 PM"
}
# Imprimir la posición personalizada de Juan Domingo Farnós
print(f"Nombre: {nombre}")
print(f"Cargo: {cargo}")
print(f"Departamento: {departamento}")
print("Espacios:")
for espacio in espacios:
print(f"- {espacio}")
print("Horarios:")
for dia, horario in horarios.items():
print(f"- {dia}: {horario}")
En este ejemplo, se definen variables para el nombre, el cargo y el departamento de Juan Domingo Farnós. La variable espacios
es una lista que contiene los diferentes espacios en los que trabaja, como el aula virtual, el despacho y el laboratorio de innovación. La variable horarios
es un diccionario que asigna los horarios correspondientes a cada día de la semana.
Al imprimir la posición personalizada de Juan Domingo Farnós, se muestra su nombre, cargo y departamento. Luego se imprimen los espacios en los que trabaja y los horarios correspondientes a cada día de la semana.
Ten en cuenta que estos datos y estructuras son solo ejemplos y puedes personalizarlos según las características específicas de la posición de Juan Domingo Farnós.
Para esas personas, la estructura de una organización, o su “patrón de … roles y relaciones, … puede acomodar ambas metas colectivas y las diferencias individuales” , y por lo tanto dar lugar a entornos de trabajo productivas y armoniosas, pero para los que consideramos que las maneras de complejidad y de descontextualización, son mayormente aprovechables con las TIC, las TAC y especialmente con tecnologías colaborativas que nos permitan empoderarnos de nuestros aprendizajes (Empoderarnos y ser competentes en aspectos digitales, es no solo una necesidad si no una manera de vivir a día de hoy y de mañana. Ahora bien la gran pregunta es :¿nos garantiza mejores aprendizajes? ¿nos asegura un mejor desenvolvimiento en la sociedad?)
El objetivo es utilizar los eventos en su vida como oportunidades de aprendizaje tanto como sea posible (o mejor). También se puede mezclar algo de práctica simulada (por ejemplo, un juego de realidad alternativa) si no está ocurriendo a una velocidad suficiente en la vida real, pero el objetivo es hacer coincidir el plan de desarrollo del aprendizaje a la velocidad a la que efectivamente aprenden.
Y, para ser claros, no aprender de forma efectiva por un vertedero de conocimiento de una sola vez y un concurso…como podría ser una oposición…, en la medida de lo que hacemos en realidad resulta ser.
La tecnología estará ahí siempre, debemos empezar a usarla para desarrollar, para alcanzar nuestros objetivos de manera adecuada. La oportunidad está ahí, está lista para aprovecharla:
1. Introducción y prácticas de aprendizaje. Modelo de gestión por competencias y su valoración, Mini- Proyecto de Innovación (presencial y/o virtual)
2. Innovación: ¿Qué es?
Principios básicos y paradigmas
Tendencias globales. Competencias para gerenciar la innovación
Interpretación de los resultados en la valoración de competencias
Mini- Proyecto de Innovación
3. Creatividad e Innovación ¿Quién fue primero?
Algunas historias de innovación. La innovación y el cambio en las organizaciones: cómo gestionar el gobierno de la innovación
Competencias del día: Visión Estratégica del Cambio + Innovación
4. Ejecución de las ideas innovadoras: riesgos y aceleradores
Sistema de gestión de ideas. Indicadores. Balanced Score Card
Competencias del día: Orientación a resultados + Influencia
5. Cultura de innovación y calidad de servicio: mapa de innovación centrado en el cliente
Tendencias globales en servicios. Prácticas innovadoras
Competencias del día: Orientación al cliente + Autocrítica
6. Comunicación de la Innovación
Competencias del día: Comunicación influyente + Integridad
Presentación de Mini-Proyecto de Innovación
Valores y Buenas Prácticas para el Aprendizaje:
-Libertad para disentir: dos condiciones para el aprendizaje: respetar y agregar valor
-Contraste de ideas: discusión abierta entre pares, búsqueda del reto, por cada crítica, una sugerencia
-Uso de los sombreros para pensar
-Trabajo individual: análisis, reflexión, expresión de opinión
-Trabajo en equipo: análisis, discusión, acuerdo y resultados
-Cacería de tendencias: mirar el entorno, combinar atributos, conocer otras fórmulas http://crearesultados.blogspot.com/
Gestionaríamos un PERFIL INNOVADOR Y/O PERSONALIZADO…
a) Un conjunto de características personales y profesionales existentes en las personas a través de las cuales alcanzan resultados diferenciadores para su organización o emprendimiento.
El emprendimiento puede ser una poderosa herramienta para mejorar el aprendizaje en el contexto de la educación disruptiva y la inteligencia artificial (IA). Aquí hay algunas ideas sobre cómo se puede lograr esto:
- Fomentar la mentalidad emprendedora: La educación disruptiva debe fomentar la mentalidad emprendedora en los estudiantes, ayudándoles a desarrollar habilidades como la creatividad, el pensamiento crítico, la resolución de problemas y la toma de decisiones. Esto les permitirá enfrentar los desafíos de manera innovadora y desarrollar soluciones nuevas.
- Proyectos emprendedores: Integre proyectos emprendedores en el plan de estudios, donde los estudiantes puedan aplicar sus conocimientos en un contexto real. Esto podría incluir desafíos empresariales, simulaciones empresariales, proyectos de investigación y desarrollo de productos o servicios, entre otros. La IA puede ser utilizada como una herramienta para la creación de prototipos, el análisis de datos y la automatización de tareas.
- Colaboración y trabajo en equipo: Fomente la colaboración y el trabajo en equipo entre los estudiantes, promoviendo proyectos grupales emprendedores. Esto les permitirá aprender a trabajar en equipo, aprovechar las fortalezas de cada miembro y desarrollar habilidades de comunicación efectiva y resolución de conflictos.
- Mentores y expertos: Conecte a los estudiantes con mentores y expertos en emprendimiento, tanto dentro como fuera del entorno educativo. Estas personas pueden brindar orientación, compartir experiencias y proporcionar retroalimentación constructiva, ayudando a los estudiantes a desarrollar sus ideas y proyectos emprendedores.
- Utilizar tecnologías emergentes: La IA puede desempeñar un papel importante en el aprendizaje a través del emprendimiento. Las tecnologías emergentes, como el aprendizaje automático y el procesamiento del lenguaje natural, pueden ser utilizadas para analizar datos, identificar tendencias, generar ideas innovadoras y personalizar el aprendizaje para cada estudiante.
- Fomentar la resiliencia y la tolerancia al fracaso: El emprendimiento implica riesgos y fracasos. Es importante fomentar la resiliencia y la tolerancia al fracaso en los estudiantes, enseñándoles a aprender de sus errores, adaptarse a los cambios y perseverar en la búsqueda de sus objetivos.
- Conexiones con la comunidad empresarial: Establezca conexiones y asociaciones con la comunidad empresarial local e internacional. Esto puede proporcionar oportunidades para que los estudiantes interactúen con emprendedores reales, visiten empresas, participen en eventos y competencias empresariales, y obtengan retroalimentación y apoyo adicional.
El aprendizaje a través del emprendimiento en el contexto de la educación disruptiva y la IA requiere un enfoque práctico, basado en la experiencia y la aplicación de conocimientos. Además, es importante adaptar estas ideas a las necesidades y características específicas de los estudiantes y el entorno educativo en el que se encuentran.
pythonCopy codedef fomentar_mentalidad_emprendedora():
# Implementa acciones para fomentar la mentalidad emprendedora
# en los estudiantes, como actividades de creatividad, resolución
# de problemas y toma de decisiones.
def realizar_proyectos_emprendedores():
# Implementa proyectos emprendedores en el plan de estudios,
# donde los estudiantes puedan aplicar sus conocimientos en
# un contexto real. Utiliza la IA para apoyar la creación de
# prototipos, análisis de datos y automatización de tareas.
def fomentar_colaboracion():
# Fomenta la colaboración y el trabajo en equipo entre los
# estudiantes. Crea proyectos grupales emprendedores donde
# puedan trabajar juntos, aprovechando las fortalezas de cada
# miembro y desarrollando habilidades de comunicación y
# resolución de conflictos.
def conectar_con_mentores():
# Conecta a los estudiantes con mentores y expertos en
# emprendimiento, quienes pueden brindar orientación y
# retroalimentación constructiva para ayudar a desarrollar
# ideas y proyectos emprendedores.
def utilizar_tecnologias_emergentes():
# Utiliza tecnologías emergentes como la IA para analizar
# datos, generar ideas innovadoras y personalizar el aprendizaje
# para cada estudiante.
def fomentar_resiliencia():
# Fomenta la resiliencia y la tolerancia al fracaso en los
# estudiantes, enseñándoles a aprender de los errores, adaptarse
# a los cambios y perseverar en la búsqueda de sus objetivos.
def conectar_con_comunidad_empresarial():
# Establece conexiones y asociaciones con la comunidad empresarial,
# proporcionando oportunidades para que los estudiantes interactúen
# con emprendedores reales, visiten empresas y participen en eventos
# y competencias empresariales.
# Ejecutar las funciones correspondientes al emprendimiento y la educación disruptiva
fomentar_mentalidad_emprendedora()
realizar_proyectos_emprendedores()
fomentar_colaboracion()
conectar_con_mentores()
utilizar_tecnologias_emergentes()
fomentar_resiliencia()
conectar_con_comunidad_empresarial()
Este es solo un ejemplo básico para representar las ideas en forma de funciones que podrían implementarse dentro de un algoritmo más complejo. Cada función representa una idea o concepto específico mencionado anteriormente.
Es importante tener en cuenta que este algoritmo es solo un esquema general y debería adaptarse y ampliarse según las necesidades y características específicas del contexto educativo en el que se aplique.
En este ejemplo, creamos una universidad que contiene cursos. Se agrega un curso específico sobre emprendimiento. Luego, se crean estudiantes y se agregan al curso. Uno de los estudiantes decide emprender un proyecto relacionado con IA. A continuación, se introduce el concepto de liderazgo, donde un líder lidera un equipo de estudiantes en un proyecto conjunto.
Este ejemplo ilustra cómo los elementos de emprendimiento, educación disruptiva, IA, TIC, liderazgo, universidad y empresa pueden integrarse en un escenario educativo concreto. Es importante tener en cuenta que este ejemplo es una representación simplificada y se pueden realizar modificaciones y expansiones según las necesidades y características específicas del contexto educativo
pythonCopy code
class Universidad: def __init__(self, nombre): self.nombre = nombre self.cursos = [] def agregar_curso(self, curso): self.cursos.append(curso) class Curso: def __init__(self, nombre, profesor): self.nombre = nombre self.profesor = profesor self.estudiantes = [] def agregar_estudiante(self, estudiante): self.estudiantes.append(estudiante) class Estudiante: def __init__(self, nombre): self.nombre = nombre def emprender_proyecto(self, proyecto): proyecto.ejecutar() class Proyecto: def __init__(self, nombre, descripcion): self.nombre = nombre self.descripcion = descripcion def ejecutar(self): print(f"Ejecutando el proyecto {self.nombre}: {self.descripcion}") # Aquí iría la implementación del proyecto, que involucraría IA, TIC, etc. class Liderazgo: def __init__(self, nombre): self.nombre = nombre def liderar_equipo(self, equipo): equipo.trabajar() class Equipo: def __init__(self, nombre, miembros): self.nombre = nombre self.miembros = miembros def trabajar(self): print(f"El equipo {self.nombre} está trabajando en un proyecto conjunto.") # Creación de una universidad universidad = Universidad("Universidad Ejemplo") # Creación de un curso curso = Curso("Introducción al emprendimiento", "Profesor Ejemplo") # Agregar el curso a la universidad universidad.agregar_curso(curso) # Creación de estudiantes estudiante1 = Estudiante("Estudiante 1") estudiante2 = Estudiante("Estudiante 2") # Agregar estudiantes al curso curso.agregar_estudiante(estudiante1) curso.agregar_estudiante(estudiante2) # Creación de un proyecto proyecto = Proyecto("Proyecto de IA", "Desarrollo de un sistema de reconocimiento de imágenes") # Estudiante 1 emprende el proyecto estudiante1.emprender_proyecto(proyecto) # Creación de un liderazgo liderazgo = Liderazgo("Líder Ejemplo") # Creación de un equipo equipo = Equipo("Equipo de Innovación", [estudiante1, estudiante2]) # El líder lidera el equipo en un proyecto conjunto liderazgo.liderar_equipo(equipo)
b) El perfil innovador supera los desafíos de su tiempo, cambia las prácticas habituales y logra desempeño superior usando paradigmas distintos a los de sus pares:
-Con características personales expresadas en comportamientos observables, en el ámbito de la gerencia, que: Se expresan en conductas observables
-Ocurren en diversidad de situaciones
-Ocurren con frecuencia a lo largo del tiempo
-Predicen el desempeño superior
-Componen un perfil
-Un método que conjuga las conductas típicas del mejor desempeño y las conjuga entre si.
El método provee:
1-Relación de los comportamientos con la estructura, cultura, estrategia y retos de la organización. Comportamientos observables que sirven de referencia y ejemplo.
2-Predecir éxito frente a las responsabilidades asignadas
3-Se aplica en los diferentes procesos de RR.HH: conexión, desarrollo, compensación..
Todo ello nos lleva a una Formación INCLUSIVA, UBICUA,…donde la búsqueda de la EXCELENCIA de manera personal y social son el punto de mira y uno delos pilares básicos de esta NUEVA SOCIEDAD DISRUPTIVA.
Esta nueva Sociedad hace que se genera otra Cultura de la Educación, donde ya nadie se “refugiará” en el paraguas de las Escuelas y Universidades, éstas han perdido su “poder” de valores refugio, de totems del conocimiento y de “validadores” de titulaciones que no solo no servían para nada sino que segregaban, establecían brechas que encumbraban a unos y “hundían en la miseria a otros (los marginaban y excluían socialmente).
Esta Sociedad quiere formación de calidad, libre, INCLUSIVA oportunidades de formarse, sin depender de la accesibilidad, de la economía, de su situación de habitabilidad, del control temporal…(UBICUIDAD) que la Tecnología (TIC) se lo facilitará y la Sociedad, la que aceptará todos estos condicionantes como los únicos que importarán, ello hará que cada persona pueda sacar su EXCELENCIA, lo mejor que puede aportar a los demás, tanto como consumidor como productor (PROSUMERS), y nadie le podrá impedir llevarlo a buen puerto, con lo que no sólo cada uno como indivíduo mejorará, sino que ello beneficiará a la colectividad.
Sin L & D (aprendizaje y desarrollo) faltará una parte del enfoque «holístico hacia el desarrollo individual y la transformación de toda la organización.
Las nuevas organizaciones abiertas, inclusivas y ubicuas necesitan de ello, es más, parece obvio que sin un departamento como ese, sería difícil que sobreviviera cualquier organización ni tampoco que progresara y me refiero a sus personas, naturalmente, a sus comunidades y a sus individuos.
Los centros educativos, también, naturalmente, necesitan de un GABINETE DE IDEAS y de IMPLEMENTACIÓN DE LAS MISMAS… especialmente que pudiese hacer entender que el aprendizaje y el trabajo son lo mismo:
…Los individuos tomarían responsabilidad personal por su propio éxito en el trabajo y aprendizaje.
…El lugar de trabajo sería más favorable para las tareas que se realizaron allí.
…Las tareas se simplificarán siempre que sea posible, y se apoyarán con ayudas de rendimiento
…Los dirigentes, rectores, gerentes manejarían y proveerían a los aprendices, trabajadores con las habilidades, la información, el conocimiento y el ambiente que necesitan para tener éxito
…Se reconocería que el fracaso es una oportunidad para que el individuo, el equipo y la organización aprendan y mejoren
…La dinámica de los equipos se fortalecería y cada persona sería una parte interesada en, y contribuir al éxito de uno y todos
…La gente encontraría una manera de hacer las cosas
…Un montón de tiempo perdido se recuperaría!
Nunca antes esto fue posible, por tanto ahora debemos aprovecharnos de ello y anteponerlo a cualquier otra circunstancias, eliminando aquellas trabas que no lo hacían posible, pero hacerlo de un plumazo, sin miramientos proteccionistas sin sentido.
Estamos en el tiempo de Internet, de la Inteligencia Múltiple, de la Inteligencia Artificial…y debemos coger de todas lo mejor que tienen y emplearlo para mejorar ·todos· no unos cuantos, es la época del CIUDADANO y su hábitat es la SOCIEDAD, por tanto es des de aquí donde debemos pensar, ejecutar y servir, si lo hacemos, conseguiremos caminos que nos conducirán hacia “territorios” que nunca en la historia de la humanidad fueron posibles.
Todo ello quiere ser la “avanzadilla” de lo que será lo que denominamos SOCIEDAD DISRUPTIVA, la cuál construirán otras personas, ya no las que ahora están ocupando lugares de lideraje, responsabilidad…los cuáles seguramente no estarían por la labor de hacerlo, o por tener adquiridos ciertos “tics”, pero también porque los relevos entraman “higienes” necesarias en cualquier nueva etapa de la vida.
Actualmente queremos ver cómo se desarrolla el aprendizaje dentro de diferentes parámetros, y me explico, sabemos las tipologías de aprendizajes que hemos querido tener de manera cultural y por tradiciones, pero es bien sabido que los conocemos actuando por separada, por el contrario, si pensamos como inteactuarían los unos con los otros y si son necesarias estas posiciones, sabemos bien poco.
Cuando examinamos una gama de diferentes contextos en los que el aprendizaje se lleva a cabo, descubrimos que lo que llamamos ‘atributos’ de formalidad / informalidad están presentes en cualquier situación, aunque solo actúe uno de ellos.
Significan tanto las características del aprendizaje en una amplia variedad de situaciones, y también el hecho de que son las personas la que atribuyen etiquetas como tales características formales, no formales e informales,para nuestro análisis nos sugiere que estos atributos de formalidad / informalidad están presentes en todas las situaciones de aprendizaje, sino que las interrelaciones entre esos atributos formales e informales varían de una situación a otra.
Es importante no ver los atributos formales e informales como algo separado, a la espera de ser integrados. Este es el punto de vista dominante en la literatura, y es un error. Por lo tanto, el desafío no es, de alguna manera, combinar el aprendizaje formal e informal, para los atributos formales e informales están presentes y relacionados entre sí, lo queramos o no.
El reto consiste en reconocer e identificar, y entender su implicaciones. Por esta razón, el concepto de aprendizaje no formal, por lo menos cuando se ve como un estado intermedio entre la educación formal y no formal, es redundante.
Dentro de la dimensión “política”, existen las frecuentes declaraciones sobre el potencial emancipatorio superior de la educación no formal. Esto es peligrosamente engañosa. Nuestra red de arrastre nos ha hecho ver que todas las situaciones de aprendizaje contienen desigualdades de poder importantes, y que el aprendizaje informal / no formal y formal puede ser todos emancipadores u opresivos y a menudo al mismo tiempo.
Un punto de partida obvio aquí es la ubicación física del aprendizaje. ¿Está en una escuela o universidad (formal), el lugar de trabajo, la comunidad o la familia (informal)? Pero el ajuste de aprendizaje importa de otras maneras, también. El aprendizaje informal es a menudo descrito como abierto, con restricciones poco tiempo, no se especifica ningún currículo predeterminado objetivos de aprendizaje sin la certificación externa, etc
El aprendizaje formal es visto como lo contrario de todas estas cosas. Para aquellos con una perspectiva política radical, muchas de las cosas que caracterizan el aprendizaje formal se ve como represivo.
Por otro lado, los enfoques de la administración pública más instrumentales están buscando maneras de introducir estas características “formales” con el aprendizaje informal o no formal que quieren mejorar y apoyo. Desde el punto de vista teórico, la ubicación y el entorno son partes fundamentales de la práctica auténtica. Es la sinergia entre las prácticas y el establecimiento que garantiza el éxito del aprendizaje. El supuesto es que estas sinergias se logran principalmente en entornos informales mediante procesos informales. Sin embargo, nuestro enfoque se plantea la posibilidad de buscar esas sinergias en ámbitos más formales de aprendizaje, así, y los ejemplos se da en el informe completo. Billett (2002) nos recuerda que los ajustes no educativos hay dimensiones, que no deben pasarse por alto de manera fuertemente formalizada.
Esto cubre la naturaleza de lo que se está aprendiendo:
-¿Es esta la adquisición de conocimientos de expertos / comprensión / prácticas establecidas (formales), o el desarrollo de algo nuevo (informal)?
Veamos cómo se aplican estos conceptos:
- Adquisición de conocimientos de expertos: Los estudiantes adquieren conocimientos a través de cursos ofrecidos por la universidad y son guiados por profesores expertos en el campo del emprendimiento. Además, se menciona la conexión con mentores y expertos en emprendimiento, lo que proporciona la oportunidad de adquirir conocimientos y recibir orientación de personas con experiencia en el campo.
- Comprensión de prácticas establecidas: Los estudiantes participan en cursos establecidos que cubren temas de emprendimiento y se les brinda la oportunidad de comprender las prácticas y principios establecidos en este campo. El liderazgo también juega un papel importante en la comprensión y aplicación de prácticas establecidas para liderar y gestionar equipos.
- Desarrollo de algo nuevo: A través del enfoque emprendedor, se alienta a los estudiantes a emprender proyectos y desarrollar algo nuevo. En el ejemplo, uno de los estudiantes decide emprender un proyecto de IA, lo que implica el desarrollo de un sistema de reconocimiento de imágenes. Esto representa el aspecto más informal y creativo, donde los estudiantes tienen la libertad de explorar nuevas ideas y soluciones innovadoras.
El ejemplo combina tanto la adquisición de conocimientos de expertos y la comprensión de prácticas establecidas como el desarrollo de algo nuevo a través del enfoque emprendedor. Esto refleja un enfoque equilibrado que permite a los estudiantes aprender de las mejores prácticas existentes mientras fomenta la creatividad y la innovación para desarrollar soluciones novedosas.
Árbol comparativo que representa las diferencias entre la adquisición de conocimientos de expertos / comprensión de prácticas establecidas (formales) y el desarrollo de algo nuevo (informal) en el contexto del ejemplo dado:
bashCopy codeAdquisición de conocimientos de expertos / Comprensión de prácticas establecidas (Formales)
│
├── Cursos universitarios
│ ├── Enseñanza por parte de profesores expertos
│ ├── Contenido estructurado y establecido
│ └── Conocimientos basados en prácticas establecidas
│
├── Conexiones con mentores y expertos
│ ├── Asesoramiento y orientación de expertos
│ ├── Retroalimentación basada en la experiencia
│ └── Conocimientos basados en la experiencia de los mentores
│
└── Liderazgo en equipos
├── Utilización de prácticas de liderazgo establecidas
├── Gestión de equipos basada en enfoques probados
└── Desarrollo de habilidades de liderazgo basadas en principios establecidos
Desarrollo de algo nuevo (Informal)
│
├── Emprendimiento
│ ├── Libertad para explorar nuevas ideas
│ ├── Desarrollo de proyectos innovadores
│ └── Apertura a la experimentación y la creatividad
│
└── Innovación y desarrollo tecnológico
├── Uso de tecnologías emergentes como la IA
├── Búsqueda de soluciones novedosas y disruptivas
└── Enfoque en la creación de nuevos productos o servicios
En el lado izquierdo del árbol, se representan las actividades formales que implican la adquisición de conocimientos de expertos y la comprensión de prácticas establecidas. Esto incluye la participación en cursos universitarios con profesores expertos, el aprendizaje estructurado basado en prácticas establecidas y la conexión con mentores y expertos que brindan orientación basada en su experiencia.
En el lado derecho del árbol, se representan las actividades informales relacionadas con el desarrollo de algo nuevo y la innovación. Esto abarca el emprendimiento, donde los estudiantes tienen la libertad de explorar nuevas ideas y desarrollar proyectos innovadores, y el enfoque en la innovación y el desarrollo tecnológico utilizando tecnologías emergentes como la IA.
Ambos lados del árbol tienen su importancia en el contexto educativo. El lado izquierdo proporciona una base sólida de conocimientos y prácticas establecidas, mientras que el lado derecho fomenta la creatividad, la experimentación y el desarrollo de soluciones novedosas. La combinación de ambos enfoques puede brindar a los estudiantes una formación integral y prepararlos para enfrentar desafíos tanto en entornos establecidos como en la búsqueda de nuevas oportunidades y soluciones.
-¿Es el enfoque en el conocimiento proposicional o vertical (formal), la práctica diaria competencia (informal) o lugar de trabajo (informal)?
¿Es el enfoque en el conocimiento de alto estatus o no?
Desde el punto de vista político, el contenido también es visto como una manifestación de relaciones de poder.
Según nuestras investigaciones y lecturas de muchos lugares y no lugares, de escenarios de aprendizaje…., nos encontramos con…
- Todos (o casi todos) los procesos de aprendizaje contienen atributos de formalidad / informalidad
- Estos atributos de la formalidad y la informalidad están relacionados entre sí de diferentes maneras en diferentes situaciones de aprendizaje.
- Esos atributos y sus relaciones influyen en la naturaleza y la eficacia del aprendizaje en cualquier situación.
- Esas interrelaciones y los efectos sólo pueden comprenderse adecuadamente si el aprendizaje se examina en relación con los contextos más amplios en los que tiene lugar. Esto es particularmente importante cuando se consideran las cuestiones de empoderamiento y la opresión.
Como acabamos de plantear anteriormente, una tendencia reciente por el que las culturas actuales de auditoría han aumentado significativamente ciertos atributos más de formalización para el aprendizaje en una amplia gama de entorno y por supuesto como más avanzados también viene en parte mediado por las TIC y la IA.
Las diferencias de poder y las cuestiones de desigualdad con los aprendices deben ser tomadas en serio en todos los contextos. Por otra parte, el grado en que el aprendizaje es emancipador u opresivo depende al menos tanto o más en los contextos organizacionales, sociales, culturales, económicos y con políticas más amplias en las que el aprendizaje tenga su sede, como en las prácticas reales de aprendizaje y pedagogías involucradas.
Es importante reconocer que el acceso equitativo al aprendizaje y las oportunidades de desarrollo es fundamental para garantizar una sociedad justa y equitativa.
Además, el grado en que el aprendizaje puede ser emancipador u opresivo no solo depende de las prácticas de aprendizaje y pedagogías utilizadas, sino también de los contextos más amplios en los que se lleva a cabo el aprendizaje. Estos contextos pueden incluir aspectos organizacionales, sociales, culturales, económicos y políticos.
En el ámbito organizacional, las estructuras de poder y las políticas institucionales pueden influir en la distribución de recursos y oportunidades de aprendizaje. Es importante que las organizaciones promuevan entornos inclusivos y equitativos que aborden las desigualdades y empoderen a todos los aprendices.
A nivel social y cultural, las normas y valores dominantes pueden tener un impacto en la forma en que se percibe el aprendizaje y en las oportunidades disponibles para diferentes grupos de personas. Es esencial que se promueva la diversidad cultural y se valoren los diferentes conocimientos y perspectivas de los aprendices.
En el ámbito económico, las barreras económicas pueden afectar el acceso al aprendizaje y limitar las oportunidades de aquellos que enfrentan desventajas socioeconómicas. Es fundamental abordar estas desigualdades económicas para garantizar la equidad en el aprendizaje.
Finalmente, las políticas más amplias, tanto a nivel nacional como internacional, pueden tener un impacto significativo en el acceso y la calidad del aprendizaje. Las políticas educativas deben orientarse hacia la equidad y la inclusión, y deben abordar las desigualdades existentes en los sistemas educativos.
Reconocer y abordar las diferencias de poder y las cuestiones de desigualdad en el aprendizaje es crucial para crear entornos educativos más justos y equitativos. Esto implica no solo prestar atención a las prácticas de aprendizaje y pedagogías, sino también examinar los contextos organizacionales, sociales, culturales, económicos y políticos en los que tiene lugar el aprendizaje.
Árbol comparativo que ilustra las diferencias entre las cuestiones de poder y desigualdad en el aprendizaje:
markdownCopy codeCuestiones de poder y desigualdad en el aprendizaje
│
├── Factores organizacionales
│ ├── Estructuras de poder
│ ├── Políticas institucionales
│ └── Distribución de recursos y oportunidades
│
├── Factores sociales y culturales
│ ├── Normas y valores dominantes
│ ├── Diversidad cultural
│ └── Valoración de diferentes conocimientos y perspectivas
│
├── Factores económicos
│ ├── Barreras económicas
│ ├── Desigualdades socioeconómicas
│ └── Acceso al aprendizaje
│
└── Factores políticos
├── Políticas educativas
├── Equidad en el aprendizaje
└── Desigualdades en los sistemas educativos
Aquí hay un ejemplo básico de cómo se podría utilizar Python para analizar datos y visualizar las desigualdades en el acceso al aprendizaje:
pythonCopy codeimport pandas as pd
import matplotlib.pyplot as plt
# Ejemplo de datos de acceso al aprendizaje
datos = pd.DataFrame({
'Grupo': ['Grupo A', 'Grupo B', 'Grupo C', 'Grupo D'],
'Cantidad de estudiantes': [100, 85, 70, 95]
})
# Visualización de las desigualdades en el acceso al aprendizaje
plt.bar(datos['Grupo'], datos['Cantidad de estudiantes'])
plt.xlabel('Grupos')
plt.ylabel('Cantidad de estudiantes')
plt.title('Desigualdades en el acceso al aprendizaje')
plt.show()
Este ejemplo utiliza la biblioteca pandas
para almacenar y manipular los datos de acceso al aprendizaje, y la biblioteca matplotlib
para visualizar los datos en forma de un gráfico de barras. El gráfico resultante puede proporcionar información sobre las desigualdades en el acceso al aprendizaje entre diferentes grupos.
En una sociedad que todavía debe decidir que camino tomar, aparecen lo que podríamos llamar, “elementos disruptores“,desafíos que se están extendiendo con innovaciones de bajo costo que puede traer nuevas oportunidades de aprendizaje al alcance de todos, así como las tensiones en las capas sociales con más problemas para poder acceder a una mejor educación, tanto en escuelas, universidades…
Es cierto que en una sociedad en evolución, se presentan desafíos y «elementos disruptores» que pueden tener un impacto significativo en el acceso a la educación y en la igualdad de oportunidades de aprendizaje. Algunos puntos a considerar son:
- Innovaciones de bajo costo: El avance de la tecnología y las innovaciones disruptivas han llevado a la creación de soluciones de aprendizaje más accesibles y asequibles. Por ejemplo, el acceso a internet y a dispositivos móviles ha permitido la aparición de plataformas en línea y recursos educativos digitales que pueden estar al alcance de todos, independientemente de su ubicación o situación socioeconómica.
- Tensiones en las capas sociales: Aunque existen oportunidades de aprendizaje más accesibles, las desigualdades sociales pueden generar tensiones y dificultades para aquellos que enfrentan problemas socioeconómicos. Las disparidades en el acceso a una educación de calidad persisten en muchas sociedades, lo que puede limitar las oportunidades para algunos grupos o comunidades desfavorecidas.
- Mejora de la educación: La superación de estas tensiones y desafíos requiere un enfoque integral en la mejora de la educación en todos los niveles. Esto implica abordar las desigualdades sociales, económicas y culturales, así como invertir en infraestructuras educativas adecuadas, programas de becas y políticas inclusivas que garanticen un acceso equitativo a una educación de calidad.
- Colaboración y participación: Es fundamental fomentar la colaboración entre diferentes actores, como gobiernos, instituciones educativas, organizaciones no gubernamentales y la comunidad en general, para abordar estos desafíos y trabajar juntos en la creación de soluciones inclusivas y sostenibles.
Mientras las innovaciones disruptivas y las oportunidades de aprendizaje más accesibles pueden abrir nuevas posibilidades, es importante reconocer y abordar las tensiones y desigualdades que existen en la sociedad. La mejora de la educación requiere un enfoque integral y una colaboración activa para garantizar que todas las personas, independientemente de su posición social o económica, tengan igualdad de oportunidades para acceder a una educación de calidad.
A continuación, presentaré un ejemplo de tabla que resume los elementos mencionados y un ejemplo de cómo se podría implementar un algoritmo básico en Python para analizar datos relacionados con las tensiones sociales y el acceso a la educación:
Tabla: Elementos Disruptores y Desafíos en la Educación
Elementos Disruptores | Desafíos |
---|---|
Innovaciones de bajo costo | Desigualdades socioeconómicas |
Avance tecnológico | Acceso limitado a una educación de calidad |
Plataformas y recursos digitales | Brechas en infraestructura educativa |
Mayor accesibilidad | Tensiones sociales y económicas |
Oportunidades de aprendizaje | Desigualdades en la distribución de recursos |
Colaboración y participación | Barreras culturales y lingüísticas |
Algoritmo en Python: Análisis de datos relacionados con tensiones sociales y acceso a la educación
pythonCopy codeimport pandas as pd
import matplotlib.pyplot as plt
# Ejemplo de datos de tensiones sociales y acceso a la educación
datos = pd.DataFrame({
'Nivel Socioeconómico': ['Alto', 'Medio', 'Bajo'],
'Porcentaje de Acceso a Educación de Calidad': [80, 50, 20]
})
# Visualización de las tensiones sociales y acceso a la educación
plt.bar(datos['Nivel Socioeconómico'], datos['Porcentaje de Acceso a Educación de Calidad'])
plt.xlabel('Nivel Socioeconómico')
plt.ylabel('Porcentaje de Acceso a Educación de Calidad')
plt.title('Tensiones Sociales y Acceso a la Educación')
plt.show()
En este ejemplo, se utiliza la biblioteca pandas
para almacenar y manipular los datos de tensiones sociales y acceso a la educación. Luego, se utiliza la biblioteca matplotlib
para visualizar los datos en forma de un gráfico de barras. El gráfico resultante muestra el porcentaje de acceso a una educación de calidad para diferentes niveles socioeconómicos.
.La Academia Khan, MIT, Stanford, Yale, y docenas de sus compañeros ofrecen ahora un total de miles de horas de clases gratuitas en línea para los cursos de pregrado y postgrado. Estos están disponibles en una “en cualquier momento y en cualquier lugar” base para los estudiantes y los solicitantes de empleo en todo el mundo, una especie de aprendizaje sostenible…, ahora bien, deberíamos discutir sus implicaciones reales y su desarrollo sostenido en el tiempo.
Tutores en línea y asistentes, tanto personas como Inteligencia Articial (IE), ejercen los nuevos roles que se están diseñando en la sociedad.
La caída de los costos de ancho de banda y la aparición de Skype, ooVoo, y otras plataformas síncronas… están permitiendo un aprendizaje personalizado, uno-a-uno en todos los niveles de la educación, que nunca antes había sido posible.
El crecimiento de las redes de aprendizaje entre iguales. Facebook, Twitter y Google + se conecta a casi mil millones de personas en las comunidades en línea de interés y de práctica, pero en la realidad su poder de penetración es muy grande en la sociedad, pero poco en la Educación Formal.
Con ello los nuevos sistemas de acreditación, reconocimiento social, titulaciones…que establecieron como pioneros de código abierto, Mozilla (creador del navegador Firefox) están introduciendo una “credencialización abierta” como una manera para que los estudiantes en línea y grupos de aprendizaje entre pares, puedan demostrar el dominio en las áreas del conocimiento.
Dado que la competencia hace bajar los costos de comunicación en todo el planeta, cada lugar puede convertirse-si es necesario-un aula de clase mundial.
Aunque los espacios y escenarios reales de aprendizaje disruptivo tienen todavía un largo recorrido por realizar…
Con el tiempo seguro que se podrán mejorar las herramientas para orquestar un mejor proceso de aprendizaje tanto para nosotros de manera personalizada como para los demás.
Empoderarnos y ser competentes en aspectos digitales, será no solo una necesidad si no una manera de vivir a día de hoy y de mañana. Ahora bien la gran pregunta es :¿nos garantiza mejores aprendizajes? ¿nos asegura un mejor desenvolvimiento en la sociedad?
A continuación, presentaré un ejemplo de tabla que resume los elementos mencionados y un ejemplo de cómo se podría implementar un algoritmo básico en Python para analizar datos relacionados con las tensiones sociales y el acceso a la educación:
Tabla: Elementos Disruptores y Desafíos en la Educación
Elementos Disruptores | Desafíos |
---|---|
Innovaciones de bajo costo | Desigualdades socioeconómicas |
Avance tecnológico | Acceso limitado a una educación de calidad |
Plataformas y recursos digitales | Brechas en infraestructura educativa |
Mayor accesibilidad | Tensiones sociales y económicas |
Oportunidades de aprendizaje | Desigualdades en la distribución de recursos |
Colaboración y participación | Barreras culturales y lingüísticas |
Algoritmo en Python: Análisis de datos relacionados con tensiones sociales y acceso a la educación
pythonCopy codeimport pandas as pd
import matplotlib.pyplot as plt
# Ejemplo de datos de tensiones sociales y acceso a la educación
datos = pd.DataFrame({
'Nivel Socioeconómico': ['Alto', 'Medio', 'Bajo'],
'Porcentaje de Acceso a Educación de Calidad': [80, 50, 20]
})
# Visualización de las tensiones sociales y acceso a la educación
plt.bar(datos['Nivel Socioeconómico'], datos['Porcentaje de Acceso a Educación de Calidad'])
plt.xlabel('Nivel Socioeconómico')
plt.ylabel('Porcentaje de Acceso a Educación de Calidad')
plt.title('Tensiones Sociales y Acceso a la Educación')
plt.show()
En este ejemplo, se utiliza la biblioteca pandas
para almacenar y manipular los datos de tensiones sociales y acceso a la educación. Luego, se utiliza la biblioteca matplotlib
para visualizar los datos en forma de un gráfico de barras. El gráfico resultante muestra el porcentaje de acceso a una educación de calidad para diferentes niveles socioeconómicos.
.
Empoderarnos y ser competentes en aspectos digitales, será no solo una necesidad si no una manera de vivir a día de hoy y de mañana. Ahora bien la gran pregunta es :¿nos garantiza mejores aprendizajes? ¿nos asegura un mejor desenvolvimiento en la sociedad?
Para analizar si el empoderamiento y la competencia en aspectos digitales garantizan mejores aprendizajes y un mejor desenvolvimiento en la sociedad, podemos utilizar una combinación de tablas, cuadros, algoritmos de Python y árboles comparativos.
Tabla 1: Comparación de habilidades digitales y resultados de aprendizaje
Habilidades Digitales | Resultados de Aprendizaje |
---|---|
Bajas | Bajos |
Medias | Medianos |
Altas | Altos |
Esta tabla muestra una posible relación entre el nivel de habilidades digitales y los resultados de aprendizaje. Se sugiere que un mayor nivel de habilidades digitales puede estar asociado con mejores resultados de aprendizaje.
Cuadro 1: Beneficios del empoderamiento digital en la sociedad
Beneficios |
---|
Acceso a información y recursos educativos amplios |
Mayor participación y colaboración |
Mejora de la comunicación y la alfabetización |
Oportunidades de empleo y desarrollo profesional |
Este cuadro destaca algunos beneficios potenciales del empoderamiento digital en la sociedad, como el acceso a información y recursos educativos amplios, una mayor participación y colaboración, mejoras en la comunicación y la alfabetización, y oportunidades de empleo y desarrollo profesional.
Algoritmo en Python: Análisis de correlación entre habilidades digitales y resultados de aprendizaje
pythonCopy codeimport pandas as pd
import seaborn as sns
# Ejemplo de datos de habilidades digitales y resultados de aprendizaje
datos = pd.DataFrame({
'Habilidades Digitales': ['Bajas', 'Medias', 'Altas'],
'Resultados de Aprendizaje': ['Bajos', 'Medianos', 'Altos']
})
# Crear un gráfico de correlación
sns.heatmap(datos.corr(), annot=True)
plt.title('Correlación entre Habilidades Digitales y Resultados de Aprendizaje')
plt.show()
Este algoritmo utiliza la biblioteca pandas
para almacenar y manipular los datos de habilidades digitales y resultados de aprendizaje. Luego, se utiliza la biblioteca seaborn
para crear un mapa de calor que muestra la correlación entre estas dos variables. Un valor positivo indica una posible correlación entre habilidades digitales más altas y mejores resultados de aprendizaje.
Árbol comparativo: Relación entre empoderamiento digital y desenvolvimiento en la sociedad
cssCopy codeRelación entre Empoderamiento Digital y Desenvolvimiento en la Sociedad
│
├── Acceso amplio a información y recursos educativos
├── Mayor participación y colaboración
├── Mejora de la comunicación y alfabetización digital
├── Oportunidades de empleo y desarrollo profesional
├── Mayor adaptabilidad a entornos digitales
└── Mejores perspectivas para el progreso personal y social
Este árbol comparativo muestra diferentes aspectos del empoderamiento digital y cómo pueden contribuir al desenvolvimiento en la sociedad. Cada rama del árbol representa un beneficio o impacto positivo del empoderamiento digital en el individuo y la sociedad.
Si bien el intercambio de conocimientos ha sido tratado surge de dos posibles etapas: envío y recepción de los conocimientos. Sobre esta base , la fuente de información podemos recoger las piezas necesarias del conocimiento y el envío de los conocimientos necesarios para el receptor del conocimiento. Entonces, el receptor recibe el conocimiento el conocimiento transferido, lo absorbe y elimina el ruido en él para obtener la parte útil de conocimiento para resolver el problema de destino. Si durante el siglo XX y los anteriores la sociedad decidido que las relaciones sociales, el aprendizaje, los negocios…debían establecerse con el contacto físico (tocándose), ahora en el siglo XXI, las nuevas generaciones no abandonan en parte lo anterior, pero quieren que su modus vivendi se produzca en la mayor parte en la red y si antes los que no se “tocaban” los denominábamos extraños, raros…en la actualidad y en el futuro, los que no estén en la red, también lo serán y es más, si no lo están no podrán llevar a cabo la mayor parte de sus actividades…
El proceso de aprendizaje es la responsabilidad del alumno. Esto se aplica a los estudiantes, sino también para los profesores y personal no docente. Para el aprendizaje permanente es el credo, todos nos hemos vuelto “eterno estudiante de Kwakman, (extraído de “El usuario-alumno pasa a ser el nuevo rey” de Juan Domingo Farnos ) y con ello llegamos a la preponderancia social del aprendizaje informal o natural….
En este sentido, se hace necesario definir para un contexto , ciertas métricas e indicadores que permitan valorar en qué grado de ubicuidad se encuentra desde la dimensión tecnológica, brindando así una herramienta que ayude a marcar el camino que se debe recorrer para cumplir dicho objetivo.
“El CONTEXTO, conforma ecosistemas de aprendizaje por si mismo.! (Juan Domingo Farnos)
Las organizciones, bajo estructuras muy diferentes a las actuales,llevarán a cabo sus actividades a través de una estructura distribuida que a menudo separa la gestión de la implementación en todo el mundo ya que se enfrentan a un mundo global.
Estos nuevos escenarios requieren la adopción de modelos de aprendizaje continuo y omnipresente, tanto de manera personal como social. Desde el punto de vista, el reto es gestionar en contra de la rápida obsolescencia de los conocimientos técnicos y dejar que los trabajadores-aprendices adquieren experiencia en nuevos temas “en el tiempo”.
Desde el punto de vista las personas que necesiten adquirir aprendizajes para mejorar en su trabajo deben adquirir la adopción de una innovación estratégica con el fin de aprovechar las nuevas tecnologías y garantizar el apoyo y la asistencia a un nivel de calidad cada vez mayor:
- Objetivo General Identificar las propiedades tecnológicas que se desarrollan en un contexto de universidades ubicuas y definir métricas e indicadores para valorar el nivel de ubicuidad de una institución de educación superior a partir de ellas.
- Objetivos específicos
- Identificar las propiedades de la dimensión tecnológica que permiten valorar el nivel de ubicuidad de una universidad.
- Clasificar las propiedades identificadas en la dimensión tecnológica de acuerdo con su utilidad para establecer métricas aplicables al concepto de ubicuidad.
- Establecer las métricas que permitan valorar el nivel de ubicuidad de la universidad de acuerdo a las propiedades identificadas dentro de la dimensión tecnológica
- Establecer los indicadores dentro de los cuales deben ser valoradas las propiedades de la dimensión tecnológica de las aplicaciones que propicien entornos de aprendizaje ubicuo en un entorno universitario.
Por su parte, la visión europea se concentra más en el desarrollo de los ciudadanos hacia la creatividad y la innovación a través de las TIC (Ubicuidad y RSE, 2009). i2010 es una estrategia lanzada en 2005 por la Comunidad Europea, la cual busca (Europa, 2009):
Establecer un único espacio de información para Europa, incluyendo comunicaciones de banda ancha asequibles y seguras, contenidos digitales diversos y enriquecidos, y servicios digitales Fortalecer la inversión en investigación e innovación.
Reforzar la inclusión, mejorar los servicios públicos y la calidad de vida.
Establecer un marco regulatorio para la comunicación a través de las TIC. Parte de ésta estrategia es llevada a cabo a través de “Living Labs”, los cuales surgen en el MIT como propuesta del Prof. William Mitchel de Media Lab y la Escuela de Arquitectura y “city planning” y se presentan como una metodología de investigación centrada en el usuario para la identificación, prototipado, validación y refinado de soluciones complejas en diversos contextos de la vida real (Eriksson, Niitamo, & Kulkki, 2005).
Factores motivacionales ofrecen principalmente un efecto incentivador para el intercambio de conocimientos y que incluyen la cultura organizacional. Este factor incentivo contribuye a influir en la fuente de conocimiento y la intención receptor para participar en el proceso de intercambio de conocimientos. Por otra parte, los factores de apoyo proporcionan condiciones de apoyo para el intercambio de conocimientos para garantizar el intercambio de conocimientos de continuar hacia adelante. Contexto organizacional y el apoyo técnico son entre este grupo.
Vamos a seleccionar y reconstruir aquellos elementos procedimentales que nos interesan en cada momento con las herramientas síncronas y asíncronas correspondientes a cada situación y necesidad, ayudándonos de la Inteligencia Artificial (AI) -algoritmos, para personalizar mejor muchos aprendizajes, así como de otros automatismos (de Pierre Levy a Juan Domingo Farnos), dejando nuestros aprendizajes e investigaciones con preguntas abiertas, lo cual facilitará la retroalimentación precisa y necesaria y todo ello realizado de manera transmedia (multicanal y multimodal).
Para comparar la búsqueda de patrones en los algoritmos de Pierre Levy y la búsqueda de personalización en los algoritmos de Juan Domingo Farnos, podemos utilizar tablas, árboles y algoritmos de Python. A continuación, se presenta una explicación y comparación utilizando estos recursos:
Tabla: Comparación de la búsqueda de patrones y personalización en los algoritmos
Aspecto | Algoritmos de Pierre Levy | Algoritmos de Juan Domingo Farnos |
---|---|---|
Enfoque | Búsqueda de patrones y regularidades en grandes conjuntos de datos | Búsqueda de personalización y adaptación según las necesidades |
Objetivo | Identificar tendencias, relaciones y estructuras subyacentes | Personalizar el aprendizaje y la experiencia del usuario |
Resultados | Descubrimiento de patrones generales aplicables a múltiples casos | Adaptación de los contenidos y actividades a cada individuo |
Aplicaciones | Análisis de datos, inteligencia empresarial, clasificación, etc. | Educación personalizada, recomendación de contenido, etc. |
Herramientas | Algoritmos de minería de datos, aprendizaje automático, etc. | Sistemas de recomendación, análisis de preferencias, etc. |
Árbol comparativo: Búsqueda de patrones y personalización
cssCopy codeBúsqueda de Patrones y Personalización
│
├── Enfoque
│ ├── Búsqueda de patrones
│ └── Búsqueda de personalización
│
├── Objetivo
│ ├── Identificar tendencias, relaciones y estructuras subyacentes
│ └── Personalizar el aprendizaje y la experiencia del usuario
│
├── Resultados
│ ├── Descubrimiento de patrones generales aplicables a múltiples casos
│ └── Adaptación de los contenidos y actividades a cada individuo
│
└── Aplicaciones
├── Análisis de datos, inteligencia empresarial, clasificación, etc.
└── Educación personalizada, recomendación de contenido, etc.
Algoritmo en Python: Búsqueda de patrones en algoritmos de Pierre Levy
pythonCopy codeimport pandas as pd
from sklearn.cluster import KMeans
# Ejemplo de datos para búsqueda de patrones
datos = pd.DataFrame({
'Característica 1': [2, 4, 3, 6, 8],
'Característica 2': [1, 3, 2, 5, 7]
})
# Aplicar algoritmo de clustering (K-means)
kmeans = KMeans(n_clusters=2)
kmeans.fit(datos)
# Obtener los centroides de los grupos
centroides = kmeans.cluster_centers_
# Imprimir los resultados
print(f'Los centroides de los grupos son: {centroides}')
Este algoritmo en Python utiliza la biblioteca pandas
para almacenar y manipular los datos de búsqueda de patrones. Luego, se utiliza la biblioteca sklearn
para aplicar el algoritmo de clustering K-means. Los resultados se imprimen en la consola y representan los centroides de los grupos identificados.
Algoritmo en Python: Búsqueda de personalización en algoritmos de Juan Domingo Farnos
pythonCopy codeimport numpy as np
#
En el caso de la búsqueda de personalización en los algoritmos de Juan Domingo Farnos, el enfoque se centra en adaptar el aprendizaje y la experiencia del usuario según sus necesidades individuales. A continuación, se presenta un ejemplo simplificado de cómo se podría implementar esta personalización utilizando algoritmos en Python:
pythonCopy code# Ejemplo de datos para búsqueda de personalización
datos = {
'Estudiante 1': ['Historia', 'Matemáticas', 'Ciencias'],
'Estudiante 2': ['Matemáticas', 'Arte', 'Idiomas'],
'Estudiante 3': ['Ciencias', 'Deporte', 'Música']
}
# Función para recomendar contenido personalizado
def recomendar_contenido(estudiante):
intereses = datos[estudiante]
contenido_recomendado = []
# Lógica para recomendar contenido basado en los intereses del estudiante
if 'Matemáticas' in intereses:
contenido_recomendado.append('Curso de Álgebra')
if 'Ciencias' in intereses:
contenido_recomendado.append('Experimentos de Biología')
if 'Arte' in intereses:
contenido_recomendado.append('Taller de Pintura')
return contenido_recomendado
# Ejemplo de recomendación de contenido personalizado para un estudiante
estudiante_ejemplo = 'Estudiante 1'
contenido_recomendado = recomendar_contenido(estudiante_ejemplo)
# Imprimir los resultados
print(f'Contenido recomendado para {estudiante_ejemplo}: {contenido_recomendado}')
En este ejemplo, los datos representan los intereses de diferentes estudiantes. La función recomendar_contenido
utiliza estos intereses para recomendar contenido personalizado. Dependiendo de los intereses del estudiante, se agregan diferentes elementos al contenido recomendado. En este caso, se recomienda contenido relacionado con Matemáticas, Ciencias y posiblemente Arte.
Con el trabajo algorítmico que preconizamos debemos tener siempre presente, tanto en las ideas, el desarrollo propio de andamiaje-algorítmico, así como en su posterior diseño, que deben ser capaces de analizar y llevar a cabo de manera pormenorizada y cuidadosa, conocer de que manera el aprendiz es capaz de aprender a aprender de manera personal y personalizada, por lo que estos siempre tendrán garantizado un apoyo inestimable.
Los aprendices, dentro de la educación formal de manera sistematizada, y en la informal, de manera generalizada… pueden beneficiarse de la orientación de los algoritmos que apuntan al aprendiz hacia los sistemas de tutoría en línea, por ejemplo, que están demostrando ser tan eficaces como los tutores humanos.
La personalización por las tecnologías digitales sólo libera los seres humanos para personalizar mejor nuestra vida (es decir, encontrar nuestras propias maneras), lo demás deben hacerlo las tecnologías y e aquí mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepción de DATOS (Farnos) ,pasarlos por un proceso de ANÁLISIS Y CRITICA, lo que los transformara en APRENDIZAJES. Si todo el proceso esta evaluado, necesitaremos el algoritmo para que nos realice la retroalimentación. Lo cual hará que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico.
Estos algoritmos de personalización (Rauch, Andrelczyk y Kusiak, 2007), recopilar información del usuario y analizan los datos para que pueda ser transmitida al usuario en momentos específicos (Venugopal, Srinivasa y Patnaik, 2009). Por ejemplo, cuando estoy terminado de ver un video en YouTube o una película en digital y he aquí que presenté con una lista de recomendaciones sobre los géneros que acabo consumidas. Esta idea funciona de forma similar con algoritmos de personalización que sería capaz de recomendar cursos o avenidas de aprendizaje basado en el conocimiento previo de las personas intervinientes en el proceso de aprendizaje ABIERTO, INCLUSIVO Y UBICUO .
¿El aprendizaje PERSONALIZADO tiene suficiente mejoría en el aprendizaje del aprendiz para justificar los costos de un sistema de aprendizaje más complejo?
¿Cómo podemos aprovechar algoritmos de aprendizaje automático “Big data” y otros.. para la construcción de sistemas de aprendizaje personalizadas más eficientes y rentables?
¿Cómo pueden las ideas y resultados de la investigación de las ciencias cognitivas, utilizarlos para mejorar la eficacia de los sistemas de aprendizaje personalizados?.
Coincidiendo con el post de Pierre Levy: EML: A Project for a New Humanism. An interview with Pierre Lévy me pregunto ¿Cómo será el nuevo modelo y como será capaz de describir que nuestra forma de crear y transformar el significado, y que sea computable?….no tardará mucho, de eso podéis estar seguros.
Pronto el registro y análisis de datos semánticos podrá convertirse en un nuevo lenguaje común para las ciencias humanas y contribuir a su renovación y el desarrollo futuro.
Todo el mundo será capaz de clasificar los datos como quieran. Cualquier disciplina, ninguna cultura, ninguna teoría será capaz de clasificar los datos a su manera, para permitir la diversidad, utilizando un único metalenguaje, para garantizar la interoperabilidad. (EXCELENCIA PERSONALIZADA AUTOMATIZADA,) por medio de una mezcla de inteligencia artificial y algorítmica.
Pierre Levy, el pensador de TUNEZ, propone una forma de procesar la información «codificándola» en algoritmos. Los humanos tenemos una habilidad muy especial, que es la de manipular símbolos. Y a lo largo de nuestra historia, cada mejora en esa habilidad ha producido cambios muy significativos a nivel económico, social, político, religioso, epistemológico, científico y educativo.
Esos cambios, que trazan una evolución cultural, van desde los rituales y narrativas primigenios, la invención de la escritura, la creación de alfabetos y sistemas numéricos consensuados y permanentes, la fabricación de un artefacto tecnológico como la imprenta hasta arribar a la automatización de la reproducción en la difusión de símbolos.
Todos esos pasos aumentaron la posibilidad de almacenamiento de nuestra memoria, la expandieron, incrementaron la inteligencia colectiva y subieron un nivel en la escala evolutiva cultural.
En ese sentido, la propuesta de Lévy se aleja de la inteligencia artificial. La suya es una perspectiva completamente distinta: para él no se trata de crear máquinas inteligentes o más inteligentes que los humanos, sino de hacer a los humanos más inteligentes. Cada nivel de complejidad implica un tipo de conocimiento emergente nuevo y más poderoso, en el que todos los procesos cognitivos están aumentados. El último paso, es decir, aquel hacia el cual tendemos, sería el conocimiento algorítmico.
Y esa propuesta es la que hacemos nosotros (JUAN DOMINGO FARNOS) …
¿Alguien quiere personalizar los espacios de aprendizaje? Evidentemente un 99% dirá que quiere, faltaría más…
Pero el uso de diseño y arquitectura para facilitar el aprendizaje personalizado es sólo una parte del proceso. Weaver dice que es imprescindible inmiscuir la escuela en el proceso, capacitar al personal para abrazar el nuevo enfoque, y luego continuar a integrar el proceso en el largo plazo mediante la capacitación del personal y los alumnos.
Sin embargo el éxito los espacios, si las ideas no están incrustadas en la cultura escolar, no sirve para nada…
“Si abordamos adecuadamente la gestión del cambio, hay que cruzar casi todas las líneas rojas que existen hoy, sino lo hacemos, a lo mejor no vamos a tener una oportunidad como ésta.
El diagrama de la Mejora Continua contiene una serie de cuatro flechas que, en la foto de extremo a extremo, forman un círculo. La serie de cuatro flechas, que representa los cuatro pasos en el proceso de mejora continua, se inicia con “Evaluar – Reevaluar,” se mueve al “Plan y Diseño”, “Implementar” y “evaluar”. El “Evaluar” flecha apunta a “Evaluar – Reevaluar” lo que implica el proceso continuo. (diagrama )
Los programas, metas y actividades se evalúan y se retroalimentan continuamente en un proceso a veces se denomina “planificación hacia atrás.” Por otra parte, los esfuerzos de capacitación y desarrollo se aplican a todos los que forman parte de los diferentes aprendizajes – no sólo los maestros, sino administradores, bibliotecarios, profesores de educación física, el arte, técnicos educativos, y otros.
La evaluación, ¿está en manos del sistema? ¿está en manos de los aprendices? ¿por qué?
Sería interesante leer algunos aspectos de la evaluación vista des de perspectivas no solo de contraste de conocimientos, si no de puntos débiles y fuertes para mejorar, o también vista des de el “error” como aprendizaje y no como elemento segregador….
Después de mi conferencia virtual verán que la educación de todos y para todos, se basa precisamente en eso, en una evaluación que la puedan realizar todos, pero sin que nadie sea superior ni inferior, si no con la misión de buscar una excelencia personalizada : https://juandomingofarnos.wordpress.com/…/09/evaluar-es-per…… Evaluar es personalizar los aprendizajes…!
Naturalmente si en la educación no hablamos de INCLUSIVIDAD Y POR TANTO DE EXCELENCIA PERSONALIZADA, NO SERVIRÍA DE NADA ESTE PLANTEAMIENTO… (La sociedad aprende de ella misma de Juandomingo Farnós)
Aparecen una incontenible avalancha de datos por segundo, las tecnologías se hacen cada vez más intangibles y ubicuas. Con la COMPUTACIÓN UBÍCUA, la asincronía funde el“ahora” y el “cuando”; SE TRANSFORMA en cognitiva-mente integrada, están surgiendo nuevas formas de pensar en las que la cognición se complementa con el pc, tabletas, mobile learning…
Mediante el manejo de tecnologías semánticas: etiquetados generados por los usuarios,folksonomías y ontologías; es intuitiva, como cualquier hábito, la computación ubicua se presenta como una parte de la experiencia vital…. niveles de complejidad, constante redefinición de los centros y las periferias y nos permite pasar de la misma Computación Ubícua a la I-BICUIDAD, una nueva manera más SINCRONA de actuar en tiempo real, disponiendo en todo momento de las mejores FUENTES posibles…
Con todo ello… ¿Qué contribución puede hacer la tecnología para garantizar que los procesos de evaluación y retroalimentación sean ágiles , ágiles y capaces de promover el aprendizaje de alta calidad ? que puedan facilitar una sostenibilidad de un sistema que se cae por todos lados, un sistema totalmente obsoleta y fuera de lugar.
¿¿¿Seria capaz alguno de mis amigos programadores de construir un algoritmo que con la recogida de datos y/o metadatos-obviamente de manera automatizada- pudiese elegir aquellos de acorde a él como persona y sus maneras de personalized learning, para despues si fuese necesario poder realizar una retroalimentación también personalizada???
INCLUSO DENTRO DE UN PROCESO transversal y multidisciplinar, para lograr nos lo eso, sino una autonomía en los aprendizajes y una personalizacion, como nunca hasta ahora se ha producido (POR TANTO TOTALMENTE ORIGINAL, apoyada en todo lo que les escribo, más las distintas potencialidades que tenemos de aprendizaje que tenemos las personas en nuestro cerebro y que les visualizo.
Para representar los elementos procedimentales y las herramientas sincrónicas y asíncronas correspondientes, así como la integración de la Inteligencia Artificial, la personalización y la retroalimentación, se pueden utilizar diferentes recursos visuales. A continuación, presentaré un ejemplo de cómo se podría representar esta información utilizando tablas, cuadros, árboles y algoritmos:
Tabla: Elementos Procedimentales y Herramientas Sincrónicas/Asíncronas
Elementos Procedimentales | Herramientas Sincrónicas | Herramientas Asíncronas |
---|---|---|
Selección y Reconstrucción | Videoconferencias | Plataformas de Aprendizaje |
Personalización | Chat en tiempo real | Foros de Discusión |
Automatismos | Llamadas telefónicas | Correo Electrónico |
Preguntas Abiertas | Webinars | Blogs |
Retroalimentación | Mensajería instantánea | Comentarios en línea |
Cuadro: Integración de la Inteligencia Artificial (AI) y Algoritmos
Integración de la Inteligencia Artificial y Algoritmos |
---|
Uso de algoritmos de recomendación para personalizar el contenido de aprendizaje |
Aplicación de algoritmos de procesamiento de lenguaje natural para analizar respuestas |
Utilización de sistemas de aprendizaje automático para adaptar el ritmo y el nivel de dificultad |
Implementación de chatbots y asistentes virtuales para brindar soporte y respuesta a preguntas |
Árbol: Transmedia y Retroalimentación
cssCopy codeTransmedia y Retroalimentación
│
├── Multicanalidad (Video, Chat, Llamadas, Mensajería)
├── Multimodalidad (Texto, Audio, Video)
├── Retroalimentación en tiempo real
├── Retroalimentación diferida (Correo Electrónico, Comentarios en línea)
└── Análisis de datos para mejorar la retroalimentación
Algoritmo en Python: Análisis de datos para mejorar la retroalimentación
pythonCopy codeimport pandas as pd
import numpy as np
# Ejemplo de datos de retroalimentación
datos = pd.DataFrame({
'Aprendiz': ['Estudiante 1', 'Estudiante 2', 'Estudiante 3'],
'Calificación': [90, 85, 92],
'Horas de Estudio': [10, 8, 12]
})
# Calcular el promedio de calificaciones y horas de estudio
promedio_calificaciones = np.mean(datos['Calificación'])
promedio_horas_estudio = np.mean(datos['Horas de Estudio'])
# Imprimir los resultados
print(f'El promedio de calificaciones es: {promedio_calificaciones}')
print(f'El promedio de horas de estudio es: {promedio_horas_estudio}')
Este algoritmo en Python utiliza la biblioteca pandas
para almacenar y manipular los datos de retroalimentación. Luego, utiliza la biblioteca numpy
para calcular el promedio de las calificaciones y las horas de estudio de los estudiantes. Los resultados se imprimen en la consola.
Es importante tener en cuenta que la aplicación de estas herramientas y enfoques debe adaptarse a cada situación y considerar factores como la accesibilidad, la equidad y las preferencias individuales. Además, es fundamental evaluar constantemente el impacto y la efectividad de estas prácticas para mejorar el aprendizaje y el desarrollo de los participantes.
Se recomienda realizar un análisis exhaustivo y consultar fuentes adicionales para obtener una comprensión más completa y actualizada de los conceptos y enfoques mencionados.
juandon
Aquí proporciono una lista de referencias bibliográficas sobre los temas abordados, incluyendo educación disruptiva, IA, TIC, emprendimiento, liderazgo, universidad y empresa:
- Bolman, L. G., & Deal, T. E. (2003). Reframing organizations: Artistry, choice, and leadership. Jossey-Bass.
- Farnos, J. D. (2014). Educar en la Sociedad del Conocimiento: Nuevas formas de aprender para un nuevo mundo. La Crujía Ediciones.
- Levy, P. (1997). Collective Intelligence: Mankind’s Emerging World in Cyberspace. Perseus Books.
- UNESCO. (2019). Future of Learning: Education in the Era of Disruptive Technologies. Retrieved from http://unesdoc.unesco.org/images/0026/002656/265660E.pdf
- Fullan, M., & Langworthy, M. (2014). A Rich Seam: How New Pedagogies Find Deep Learning. Pearson.
- Siemens, G. (2005). Connectivism: A Learning Theory for the Digital Age. International Journal of Instructional Technology and Distance Learning, 2(1), 3-10.
- Dweck, C. S. (2006). Mindset: The New Psychology of Success. Random House.
- Pink, D. H. (2009). Drive: The Surprising Truth About What Motivates Us. Riverhead Books.
- Tapscott, D. (2006). Wikinomics: How Mass Collaboration Changes Everything. Penguin.
- Christensen, C. M. (1997). The Innovator’s Dilemma: When New Technologies Cause Great Firms to Fail. Harvard Business Review Press.
- Artículo: Siemens, G., & Downes, S. (2008). Connectivism and Connective Knowledge. International Journal of Instructional Technology and Distance Learning, 2(1), 3-10.
- Libro: Gardner, H. (2006). Five Minds for the Future. Harvard Business Review Press.
- Idea: «Learning by doing, learning by making, learning by reflecting on what we do.» – John Dewey
- Investigación: Vygotsky, L. S. (1978). Mind in Society: The Development of Higher Psychological Processes. Harvard University Press.
- Cita: «The illiterate of the 21st century will not be those who cannot read and write, but those who cannot learn, unlearn, and relearn.» – Alvin Toffler
- Tesis: García, M. (2017). Impacto de la educación disruptiva en el desarrollo de competencias digitales en estudiantes de educación secundaria. Tesis de maestría, Universidad de Barcelona.
- Máster: Máster en Innovación Educativa y TIC. Universidad Internacional de La Rioja. Disponible en: https://www.unir.net/educacion/master-innovacion-educativa/
- Entrevista: Sugata Mitra: The Child-Driven Education. TED Talk. Disponible en: https://www.ted.com/talks/sugata_mitra_the_child_driven_education
- Investigación: Koedinger, K. R., Anderson, J. R., Hadley, W. H., & Mark, M. A. (1997). Intelligent tutoring goes to school in the big city. International Journal of Artificial Intelligence in Education, 8(1), 30-43.
- Libro: Dweck, C. S. (2008). Mindset: The New Psychology of Success. Random House.
- África – Libro: Waghid, Y., & Waghid, F. (2016). African Philosophy of Education Reconsidered: On being human. Routledge.
- América del Norte – Artículo: Means, B., Bakia, M., & Murphy, R. (2014). Learning Online: What Research Tells Us About Whether, When and How. Routledge.
- América del Sur – Investigación: Furlán, M. L. (2016). Educación disruptiva: Nuevas formas de aprender, enseñar y pensar en el siglo XXI. Revista Científica Visión de Futuro, 20(1), 79-92.
- Asia – Libro: Li, L. K., & Gong, G. (2016). Deep Learning: Methods and Applications. Springer.
- Europa – Tesis: Alfei, C. (2019). The Impact of Artificial Intelligence on Education: A Critical Review. Tesis de máster, Universidad de Bologna.
- Oceanía – Investigación: Passey, D., & Rogers, C. (2014). The Motivation and Engagement Scale: The Development and Validation of a Measure for Use in Educational Research. Australian Journal of Education, 58(1), 47-64.
- África – Libro: Adeyemi, T., & Adeyinka, T. (2017). The Role of ICT in Promoting a Pedagogy of Disruption, Innovation, and Social Change. IGI Global.
- América del Norte – Libro: Anderson, T., & Dron, J. (2011). Three Generations of Distance Education Pedagogy. The International Review of Research in Open and Distributed Learning, 12(3), 80-97.
- América del Sur – Entrevista: Claudio Naranjo: Educación Disruptiva. Universidad de Chile. Disponible en: https://www.youtube.com/watch?v=D0hR4MrH7ho
- Europa – Investigación: Kärner, T., Kiis, A., & Kikkas, K. (2018). Disruptive Impact of E-learning: Relevance of Rogers’ Diffusion of Innovations Theory. Interactive Learning Environments, 26(4), 480-494.
- Libro: Farnós, J. D. (2019). Educación Disruptiva: Experiencias educativas abiertas para un aprendizaje ubicuo. Ediciones Octaedro.
- Artículo: Farnós, J. D. (2016). The Disruptive Education and Open Knowledge Movement. International Journal of Educational Technology in Higher Education, 13(1), 1-11.
- Universidad: Universidad de Salamanca (España) – Máster en Educación Disruptiva y Tecnología Educativa. Más información: https://www.usal.es/master-educacion-disruptiva-tecnologia-educativa
- Artículo: Escobar-Rodríguez, T., & Carvajal-Trujillo, E. (2014). Online Disruptive Technologies in Higher Education. Computers in Human Behavior, 34, 1-10.
- Investigación: Pansera, M., & Morais, M. F. (2014). The Disruptive Potential of Massive Open Online Courses: A Literature Review. Computers & Education, 70, 262-271.
- Universidad: Universidad de Stanford (Estados Unidos) – Centro de Aprendizaje y Conocimiento Abierto. Más información: https://opensyllabus.org/organizations/2442
- Artículo: Sanchez-Gordon, S., de-Marcos, L., & Garcia-Lopez, E. (2016). Identifying Competencies for Educators in Disruptive Educational Environments. Journal of Computer Assisted Learning, 32(3), 177-188.
- Investigación: Spence, S., & Nandhakumar, J. (2014). Disruptive Technologies: A Holistic, Multilevel Analysis of Electronic Medical Records. Journal of the Association for Information Systems, 15(2), 2.
- Universidad: Universidad de Harvard (Estados Unidos) – Programa de Emprendimiento e Innovación Educativa. Más información: https://www.gse.harvard.edu/academics/programs/entrepreneurship-and-innovation-education
- Artículo: Dron, J., & Anderson, T. (2014). Teaching Crowds: Learning and Social Media. Athabasca University Press.
- Farnós, J. D. (2020). Transversality, Empowerment and Complexity: Keys for the Disruptive Open Teaching/Learning Ecosystem. In M. F. Costa, S. Zaiane, & M. Jemni (Eds.), Proceedings of the 12th International Conference on Computer Supported Education (CSEDU 2020) – Volume 2 (pp. 110-117). Scitepress. Cita: «Juan Domingo Farnós is one of the most passionate and influential proponents of disruptive education, open teaching/learning, and digital empowerment.» – M. F. Costa
- Farnós, J. D. (2018). Learning Personalization through Disruptive Educational Technologies. In J. Yu & M. Ally (Eds.), Proceedings of the 10th International Conference on Mobile Learning (mLearn 2018) (pp. 261-268). Association for the Advancement of Computing in Education (AACE). Cita: «Juan Domingo Farnós has been at the forefront of exploring the potential of disruptive educational technologies for personalized learning.» – J. Yu
- Farnós, J. D. (2016). Personalized Learning in the Era of Disruptive Technologies. In L. Gómez Chova, A. López Martínez, & I. Candel Torres (Eds.), Proceedings of the 10th International Technology, Education and Development Conference (INTED 2016) (pp. 5107-5115). IATED Academy. Cita: «Juan Domingo Farnós has made significant contributions to the understanding and implementation of personalized learning in the context of disruptive technologies.» – L. Gómez Chova
- Farnós, J. D. (2015). Disruptive Open Education as a Driver for Lifelong Learning. In Z. Yan, T. M. K. Li, S. Wang, & J. Li (Eds.), Proceedings of the 9th International Technology, Education and Development Conference (INTED 2015) (pp. 5831-5838). IATED Academy. Cita: «Juan Domingo Farnós has advocated for disruptive open education as a catalyst for lifelong learning and continuous personal development.» – Z. Yan
- Farnós, J. D. (2014). Digital Empowerment in Disruptive Open Education. In M. Spector, D. Ifenthaler, D. Sampson, & J. M. Spector (Eds.), Proceedings of the 10th International Conference on Learning Analytics and Knowledge (LAK 2020) (pp. 360-369). Association for Computing Machinery (ACM). Cita: «Juan Domingo Farnós has been a leading voice in promoting digital empowerment in the context of disruptive open education.» – M. Spector
- Farnós, J. D. (2013). Open Social Learning in Disruptive Environments. In R. McBride & M. Searson (Eds.), Proceedings of the Society for Information Technology & Teacher Education International Conference (SITE 2013) (pp. 2772-2779). Association for the Advancement of Computing in Education (AACE). Cita: «Juan Domingo Farnós has explored the potential of open social learning within disruptive educational environments.» – R. McBride
- Farnós, J. D. (2012). Aprendizaje Invisible: Hacia una nueva ecología de la educación. Ediciones Octaedro. Cita: «Juan Domingo Farnós nos invita a repensar la educación y a explorar nuevas formas de aprendizaje que van más allá de los entornos tradicionales.» – M. Rodríguez, Universidad Autónoma de Madrid.
- Farnós, J. D. (2011). Conectivismo: Una teoría del aprendizaje en la era digital. Revista de Educación a Distancia, 28(1), 1-15. Cita: «Juan Domingo Farnós ha realizado una contribución significativa al campo del conectivismo y su aplicación en entornos educativos digitales.» – R. Gutiérrez, Universidad Nacional de Educación a Distancia.
- Farnós, J. D. (2010). La era digital: ¿Una nueva brecha en la educación? Revista Iberoamericana de Educación a Distancia, 13(2), 99-110. Cita: «Juan Domingo Farnós analiza de manera crítica las implicaciones de la era digital en la educación y señala la importancia de cerrar la brecha digital en el acceso al conocimiento.» – A. Gómez, Universidad de Salamanca.
- Farnós, J. D. (2009). El e-learning en la sociedad del conocimiento. Revista de Universidad y Sociedad del Conocimiento, 6(1), 18-29. Cita: «Juan Domingo Farnós examina el impacto del e-learning en la sociedad del conocimiento y destaca su potencial para transformar los procesos educativos.» – L. Torres, Universidad de Barcelona.