juandon

flows

Por mi manera de trabajar de manera multidisciplinario los datos y meta datos son básicos y los utilizo en muchos planteamientos e ideas a la vez, nunca de manera simple e individualizada, una manera de trabajar que considero se adapta mejor a la complejidad de esta nueva sociedad..

En mi conversacion con Nadia Fankhauser….Me encanta, lo mío es una intuición natural y un gran entrenamiento, de hecho me encanta la gran cantidad de datos porque me fascina relacionarlos y encajarlos, para ello los manejo nunca en una sola idea, sino con muchas a la vez, que pueden o no ser convergentes, vaya, generalmente divergentes, pero me encanta la propuesta que haces de herramientas ya que eso facilita a la gente el uso de datos y meta datos como hago yo.

Supongo que con eso podrán entender que en la sociedad compleja de hoy y de mañana, los datos, por muchos que sean, deben utilizarse con elementos múltiples si puede ser a la vez, ya que es la propuesta a la que nos reta esta sociedad..

A mi lo que me interesa y lo vengo comentando es un programa de inteligencia artificial, en este caso iria de perillas esto, que me pudiera retroalimentar de manera personalizada y segun los datos recibidos, segun las varacteristicas personalizadas de cualquier aprendiz en cualquier ambito.

Las aplicaciones en Tablets, smartphones… en cualquier herramienta móvil, seria lo ideal, por que de este manera los propios aprendices en cualquier entorno podrían re-dirigir sus aprendizajes en cauqlquier momento, segun el contexto, las necesidades…

Evidentemente creo que el uso de las Tablets, teléfonos inteligentes.. en la educacion formal (aunque a mi no me gusta) el uso de las tablets de manera universal, mejoraria en mucho los procesos de autoaprendizaje, por sus caracteristicas de interaccion, retroalimentacion, creatividad…

Usando la web social semántica (SSW) y el Sistema de recomendación (RS) tecnologías de la gPLEc integra “competencias de aprendizaje basadas en el aprendizaje personalizada (personalized learning)  para generar recomendaciones personalizadas para cada alumno.

Normalmente realizamos un análisis de los datos análisis a través de miles de sistemas separados cada uno con su propia estructura de datos única y lo hacemos a manera de Big Data, pero de manera personalizada nos cuesta diseñar aplicaciones para cada persona, porque creemos que los datos y los metadatos, solo podran servir en retroalimentaciones uniformes y previstas.

Stephen Downes nos comenta “El LPSS lanzado en una versión inicial pre-alpha 1 de octubre de 2014. Las invitaciones pueden obtenerse dirigiéndose a http://lpss.me y rellenando el formulario corto. También se pedirá a los usuarios si les gustaría participar en la investigación del desarrollo LPSS (esto no es necesario y toda la investigación personal está sujeto a Gobierno estricto de protocolos de ética de la investigación de Canadá). Funcionalidad en este sistema temprana es limitada; la primera versión se centró en la agregación de contenidos, la importación de competencias y definición, y simple recomendación.

El próximo lanzamiento (31 de marzo de 2015) contará con la arquitectura de la interacción social ‘conectivista’ está diseñado a través de un proyecto de implementación con el programa de Investigación Industrial Assistanceship (IRAP) el apoyo a las empresas pequeñas y medianas. La hoja de ruta proyecta otras dos versiones principales, a intervalos de 6 meses, junto con soluciones de aprendizaje cliente-específicos y específicos de la industria en curso. La tecnología será transferida a las empresas asociadas a partir de 2017″.

Como vemos se trata de un proyecto industrial, por lo tanto veremos si es lo que pedimos o se trata otra vez de retroalimentar con datos, aspectos formativos generalizados y estandarizados…

Vemos que es mejor la posicion de analisis y crítica personalizados avanzandao en cada momento del aprendizaje y de la persona (razones sociales, cognitivas…) que mantener aquesllos aspectos que ya hemos adquiridos y dejarlos de parte, ya que si lo hacemos así, convergeremos en muchos aspectos pero a medio largo plazo volveremos a “amontonar” procesos, ideas, comprobaciones…y tenderemos a clasificarlos, con lo que regresaremos al mundo de las jerarquias y dlos sistemas.

Esto nos acerca al santo grial de la personalización: donde la analítica del contenido adecuado, del proceso que necesitamos, de la retroalimentacion que nos reeindique el nuevo camino… para el alumno, en lugar de que el alumno deba encontrar estos datos por sí mismos.”

Aqui tenemos un ejemplo de geolocalización, el cual irá cambiando a medida que las necesidades personales lo hagan…

http://www.yelp.es/review_share/JmYckPsxUtpzd3-LS68RYw/review/-C5cCA4wb33U78LQJwe-0w?fsid=6FUV_S7iHGShEP9aeds4tg (Yelp1)

Cuando usamos la analítica para entender cómo pepitas individuales de contenido se realiza, por ejemplo, que los alumnos acceden a los Nuggets, la forma en que están accediendo a ellos, en los que los están utilizando, que es el uso de ellos, y lo que las calificaciones son -lo que acabamos es con  la capacidad de hacer ajustes frecuentes  que mejoran las necesidades del alumno . Cuantos más de estos ajustes hagamos, más personalizado y más se personaliza todo el proceso, otra cosa será conseguir la automatización de la retroalimentación, lo cuál nos llevaria a un aspecto crítico, es cierto, pero por otra parte determinaria de una vez por todas que el autoaprendizaje llegaría a su mayoría de edad y esto corresponde sin duda a la web 3.0 y/o 4.0.

Esto a su vez da a los diseñadores una conexión para el rendimiento instantáneo. Sabemos de inmediato qué tipo de impacto que cada pepita de contenido está teniendo en los aprendices, es una especie de RESONANCIA MAGNÉTICA continuada.. Esto nos acerca a el santo grial de la personalización, donde la analítica  nos da el contenido adecuado para cada  alumno, en lugar de que el alumno encontre el contenido por sí mismos.

Los elementos clave, sin embargo, son las pepitas de tamaño de un bocado de contenidos, perfiles de usuario, y la retroalimentación social.

El éxito de los desarrolladores de datos los que van a ser vistas como estratégicas para el negocio, el aprendizaje…, son los que van a abrazar la tendencia al desarrollo de datos-contenidos ágiles. Esto significa exponer contenido a la comunidad de aprendices, lo que les permite calificar y brindan información sobre cómo mejorar el contenido, y luego actualizar inmediatamente pepitas de contenido para la mejora, muy lejos continua y permanente a partir del curso anual de actualización, o lo que es lo mismo, que los aprendices puedan personalizar los datos que les llegan de manera generalizada.

Sin retroalimentación, las personas, las  organizaciiones corren a ciegas en la forma en que hace su trabajo. Lo mismo ocurre a nivel de proyecto. La evaluación efectiva, la eficiencia al hacer posible el descubrimiento y la eliminación de esfuerzo perdido y de gastos. El rigor de diseño de soporte de rendimiento requiere un conocimiento preciso de las tareas de las personas realizan y cómo trabajan en colaboración para completarlos. Se puede realizar un seguimiento del cumplimiento del proceso y los patrones de uso de los recursos de aprendizaje y rendimiento. Y la sabiduría combinada de la multitud puede manifestarse a través de una infraestructura de soporte de rendimiento que permite identificar de forma continua los errores venidos de los ensayos (ensayo-error…método cientifico). Una realidad de apoyo al rendimiento es que si un recurso no es útil, lo que nos  revela rápidamente elementos ineficaces de rendimiento y facilita la mejora continua en cómo las personas realizan en conjunto y de forma independiente su aprendizaje.

Cuando eLearning era un recurso más de aprendizaje, las personas hacían promesas ridículas con respecto a su capacidad para sustituir a los formadores (esa era la autentica retroalimentación, si el proceso formativo no funcionaba, se cambiaba al formador) En ese momento la realidad era que la vinculación del hipertexto fue el único proceso de mejora, entrecomillado, claro, para mejorar eLearning y su poder de instrucción que se tenía bajo el capó. Lamentablemente, incluso cuando eLearning aumentó en la capacidad de instrucción, la metodología ha descuidado demasiado su impacto en el aprendizaje. Sin embargo, los vendedores de eLearning certifican siempre  que todos los cursos que ofrecen son igualmente eficaces, nada más lejos de la realidad.

Leo mucho a Richard Culatta del Departamento de Educación de Estados Unidos . Él dice que la personalización es la suma de tres factores: el ritmo de ajuste (individualización), ajustando el enfoque (diferenciación), y que conectan los intereses y experiencias del alumno…

Pero difiero y mucho porque él dice que la personalización se alcanzará cuando se obtenga un estandar, una talla unica y a partir de ella podremos llega a una auténtica personalización.

Hacer las conexiones a través de los mares de la información, las personas y los recursos pueden ser abrumadoras. Conversaciones en línea han propuesto Personal Gestión del Conocimiento (PKM) como método para los trabajadores del conocimiento para convertirse en estudiantes más eficaces en entornos complejos. Primero acuñado por Peter Druker en 1959, los trabajadores del conocimiento utilizan su propio conocimiento para convertir los datos en información nueva. PKM no es sólo una solución centrada en el techno para absorber más y más contenido. Es una nueva forma de trabajar que pone la tecnología al servicio de nuestros deseos naturales para conectarse, aprender y crear. Combina el pensamiento y las habilidades sociales con herramientas técnicas para informar a nuestra perspectiva y nos ayudará a procesar mejor el mundo que nos rodea. Y tradicionalistas estarán encantados de saber que la pluma y el papel son todavía una tecnología PKM útil.

Con todos estos procesos, que son más FLUJOS QUE PROCESOS,el aprendizaje consiste en “corrientes” distintas, iterativos, e interconectados de aprendizaje, que no sólo desembocan en el futuro si no que se cruzan con las corrientes de aprendizaje personales de otras personas. Y juntos estas corrientes se convierten en “ríos” más grandes del aprendizaje de la que muchos se pueden beneficiar.
Aplicación
Suite de Dashboard:    La mochila comprensiva de informes de rendimiento de los estudiantes, incluyendo un Dashboard Maestro multifuncional que proporciona a los educadores con miras simples a toda la información académica disponible de un estudiante para ahorrar tiempo a los maestros y ayudarles a tomar decisiones mejor informadas de instrucción.
Seguimiento de Intervención: Herramientas y mecanismos para el seguimiento de las intervenciones de los profesores para reconocer lo que es más impactante en los logros y los resultados de los estudiantes.
Mapas de Aprendizaje: Mapas de aprendizaje mostrarán los conceptos clave de contenido y de nivel de grado para tomar decisiones mejor informadas de instrucción, desarrollado con la ayuda de especialistas de contenido con experiencia en la formación de docentes y la enseñanza. Inicialmente Los mapas de aprendizaje comunican qué normas son las normas y qué significan, y proporcionan una conexión directa con el contenido relevante. Las futuras versiones de los mapas de aprendizaje estarán conectados a los datos de rendimiento, el uso de varios tipos de evaluación. la Aplicación proporcionará un conjunto básico de aprendizaje de mapas en ELA / Alfabetización, Matemáticas, Ciencias, y de otras a áreas del racimo que los demás pueden utilizar como punto de partida para la creación de sus propios mapas personalizados de aprendizaje.
Autoría de Evaluación y entrega: Banco de artículos y herramientas para los profesores para crear, administrar y anotar las evaluaciones que se basan en el contenido que está alineado con las normas.
Etiquetado contenido y Discovery: Herramientas que los educadores pueden utilizar para buscar y contenido  etiquetado sobre la base de normas u otras clasificaciones, incluyendo la búsqueda, herramientas de publicación, herramientas de alineación estándar, las normas de evaluación de rigor, motor de recomendación, gusta / disgusta y características comentando, y la integración del uso.
Repositorio de contenidos: La aplixcacion utilizará una aplicación repositorio de contenido de código abierto y personalizarlo para apoyar la carga de objetos digitales para integrarse con el descubrimiento de contenido y aprendizaje, aplicaciones de mapas…
Herramientas de colaboración:    Herramientas para educadores y otros asociados (como participantes STEM Learning Exchange) para colaborar en las actividades y la ejecución de programas STEM de Estudio de instrucción.
Exploración  y Preparación: Aplicaciones y herramientas para apoyar a los educadores con las actividades de exploración de carreras, grados, maestrías.. para los aprendices, y para preparar a los estudiantes para carreras pero de manera personalizada Estos se conectarán a los recursos agregados a través de un STEM Intercambio de Aprendizaje y / o en esa comunidad en particular.
STEM Localizador y Programador:    Solicitud de educadores para localizar y recursos STEM horarios disponibles a través de socios dentro de las Bolsas de aprendizaje STEM (por ejemplo, equipo, espacio de laboratorio, etc.).
Caminos Noticias y Actualidad Calendario:    Información para los educadores y otros socios para obtener información sobre Illinois Caminos.
 Todo esta obviamento pbajo el paraguas de los aprendizajes formales, por supuesto…. Este diseño será lo que los programadores deberan realizar para disponer de programas de Intelifgencia Artificial que permitirán, primero dentro de las aulasm, a los aprendices y profesores, trabjar con el personalized learning, y cuando estén más desarrollados de manera informal tal como nos proponen…

  • Drucker, Peter. El management del siglo 21. HarperBusiness. 2001
  • Jarche, Harold. www.jarche.com (hjarche)
  • Johnson, Steven. Dónde buenas ideas vienen. Riverhead Books. 2010. (stevenbjohnson)
  • Kanter, Beth. www.bethkanter.org (kanter)