Proyección algorítmica y aprendices: El rol de la Inteligencia artificial! (Educación Disruptiva)

Juan Domingo Farnós

Con el trabajo algoritmico que preconizamos debemos tener siempre presente, tanto en las ideas, el desarrollo propio de andamiaje-algoritmico, asi 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.

Es importante destacar que la tecnología y los algoritmos deben ser utilizados como una herramienta para mejorar el aprendizaje y no como un sustituto del profesor o del proceso de enseñanza-aprendizaje en sí. El objetivo es utilizar la tecnología para personalizar la experiencia de aprendizaje de cada estudiante, adaptándose a sus necesidades y ritmos individuales.

Además, es fundamental tener en cuenta la ética y la privacidad en el desarrollo de los algoritmos. Deben ser transparentes y no discriminatorios, respetando los derechos y privacidad de los usuarios. También deben estar diseñados de tal manera que se evite la manipulación de los resultados o la explotación de la información de los usuarios.

El trabajo algorítmico en el ámbito educativo debe ser considerado como una oportunidad para mejorar el aprendizaje, pero siempre con un enfoque ético y responsable, teniendo en cuenta las necesidades y características individuales de cada estudiante.

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 tan eficaz como tutores humanos.

Además, los algoritmos son limitados en su capacidad para detectar y responder a las necesidades emocionales y sociales de los estudiantes. Aunque pueden proporcionar retroalimentación y recomendaciones precisas, no pueden reemplazar la empatía y la motivación que brindan las personas en el proceso de aprendizaje.

Por lo tanto, es importante utilizar los sistemas de tutoría en línea como un complemento a la educación formal y informal, y no como un sustituto. Los algoritmos pueden ser útiles para personalizar la experiencia de aprendizaje y ofrecer retroalimentación en tiempo real, pero el papel del profesor y la interacción humana siguen siendo cruciales para garantizar un aprendizaje efectivo y significativo.

El aprendizaje significativo se refiere a un proceso en el que el estudiante relaciona nueva información con sus conocimientos previos y la aplica en situaciones nuevas. Es un tipo de aprendizaje profundo que permite la retención a largo plazo de la información y su aplicación en diferentes contextos.

Los algoritmos pueden ayudar a fomentar el aprendizaje significativo de varias maneras:

1. Personalización: los algoritmos pueden analizar los datos del estudiante, como su historial de aprendizaje y preferencias, para personalizar su experiencia de aprendizaje y proporcionar materiales de aprendizaje relevantes.
2. Evaluación: los algoritmos pueden evaluar continuamente el progreso del estudiante y proporcionar retroalimentación en tiempo real para ayudar a mejorar su comprensión.
3. Análisis de patrones: los algoritmos pueden analizar los patrones de aprendizaje de los estudiantes y utilizarlos para identificar sus fortalezas y debilidades, y proporcionar recomendaciones personalizadas.
4. Gamificación: los algoritmos pueden ser utilizados para crear juegos educativos que ayuden a los estudiantes a aprender de manera divertida y significativa.

Establecer relaciones entre los algoritmos y el aprendizaje significativo por medio de la Inteligencia Artificial implica el uso de tareas como la planificación, la comprensión del lenguaje, el reconocimiento del entorno y el aprendizaje automático

. El arte de la Inteligencia Artificial es el «aprendizaje automático», que mejora su rendimiento a través de algoritmos

. La IA también ofrece características únicas para la enseñanza y el aprendizaje

Vamos a establecer que el arte de la inteligencia artificial es el «aprendizaje automático»; es decir, algoritmos cuyo rendimiento mejora con el tiempo, es decir, «aprenden» a medida que evalúan más y más datos. 

¿Qué significa esto para la formación en la empresa y la educación superior? 

La inteligencia artificial puede ayudar a optimizar los procesos de aprendizaje y apoyar a las personas que trabajan en educación. Los siguientes cuatro ejemplos del campo de la formación lingüística muestran cómo la IA puede mejorar los procesos y las ofertas en la práctica:

Automatización de procesos administrativos

Como parte del proceso de incorporación, los proveedores de cursos de idiomas digitales se basan en la inteligencia artificial. El Philip Gienandt, explica: «Como parte de la planificación del curso, la IA nos ayuda a combinar de manera óptima el conocimiento previo (nivel), las necesidades individuales y los temas deseados, así como la ventana de tiempo preferida de los participantes de nuestro curso con la disponibilidad , cualificación y especialización de nuestros profesores.” Esto ofrece resultados más rápidos y mejores y ahorra tiempo.

Optimización de los procesos de aprendizaje

Con el entrenador de pronunciación y vocabulario compatible con IA , los estudiantes pueden aprender vocabulario mucho más rápido y lo recuerdan más fácilmente. Gracias a los algoritmos de aprendizaje automático, capturamos las necesidades de cada alumno individual y optimizamos la captura sostenible de vocabulario en la memoria a largo plazo. Además, un sistema especial basado en IA con repeticiones inteligentes en ciertos intervalos de tiempo para garantizar que los alumnos retengan el vocabulario en la memoria a largo plazo. Y cuanto más frecuentemente utiliza un usuario el entrenador de vocabulario, más aprende el sistema sobre el usuario y puede adaptar la oferta de aprendizaje a las necesidades individuales.

Sandra Gasber, explica: «La curva de olvido es uno de los mayores obstáculos en el aprendizaje de idiomas. Gracias a la IA, podemos ofrecer una forma más inteligente de ampliar su vocabulario de forma más rápida y sostenible».

El entrenador de vocabulario integrado en los cursos de idiomas basados en la aplicación utiliza una combinación de video, audio, texto como parte de un sistema de tarjetas didácticas y varios tipos de ejercicios interactivos que ayudan a aprender vocabulario de forma rápida y sencilla.

Funciones de aprendizaje innovadoras

También se puede integrar en la aplicación un ejercicio de diálogo interactivo con juego de roles. El innovador entrenador de conversación entrena las habilidades de escuchar, leer y hablar y brinda a los alumnos la oportunidad de participar activamente en un diálogo con un LernBot. Basado en un video escénico de la lección respectiva, los alumnos pueden deslizarse en el papel de uno de los protagonistas. Luego se repite el diálogo.

Esta forma de ejercicio requiere muchas habilidades por parte del alumno. En primer lugar tiene que escuchar y comprender lo que dice su interlocutor, leer su respuesta y producirla verbalmente para finalmente comprender todo el contexto del diálogo. Con la ayuda del reconocimiento de voz inteligente, no solo se reconoce la pronunciación de palabras individuales, sino que también se evalúan oraciones y diálogos completos del alumno. El objetivo es promover contenido de aprendizaje relacionado con la aplicación y habilidades de comunicación relevantes para la práctica basadas en diálogos auténticos.

Análisis y Recomendaciones

Sobre todo, la inteligencia artificial puede hacer una cosa: evaluar grandes cantidades de datos y reconocer patrones o desviaciones de ellos para predecir desarrollos basados en ellos. Especialmente con el aprendizaje autodirigido, siempre existe un peligro latente de interrupciones o terminaciones. Para evitar esto podemos utilizar la inteligencia artificial para analizar el comportamiento de aprendizaje y uso de los autodidactas y hacer recomendaciones adecuadas para un camino de aprendizaje personalizado.

Los docentes que acompañan a los alumnos en su proceso de aprendizaje, también reciben estas recomendaciones sobre el momento óptimo y las medidas individuales para motivar a los alumnos a guiarlos (de regreso) a su camino de aprendizaje ideal y para evitar que se queden cortos o cancelados. . La inteligencia artificial utilizada ayuda a los estudiantes, profesores y, por último, pero no menos importante, a los clientes corporativos a alcanzar los objetivos de aprendizaje más rápidamente.

Inteligencia artificial y escuela, una combinación aún más insólita. Hasta ahora, la regla ha sido: mucha tiza, poca pantalla táctil. Pero esta imagen está cambiando. La fibra óptica, las pizarras interactivas y las nubes escolares están llegando a las escuelas.

Internet de banda ancha y hardware moderno están abriendo las puertas a la inteligencia artificial en el aula. ¿Qué potencial trae consigo esta tecnología? Las buenas noticias primero: existen numerosos ejemplos de aplicaciones compatibles con la protección de datos.

¿Qué valor añadido puede aportar la inteligencia artificial a las escuelas?

Muchas necesidades – poco personal

Hay mucha heterogeneidad en las clases, el apoyo personalizado es la solución. (Juan Domingo Farnós)

Pero, ¿cómo se supone que los maestros deben responder a las diferentes preguntas y necesidades de 20 o 30 estudiantes al mismo tiempo o de 200 en las universidades? La diferenciación interna que exigen los ministerios de educación plantea grandes desafíos para un sistema educativa que va completamente a la deriva

Ya en 1984 , el psicólogo y pedagogo Benjamin Bloom investigó la proporción óptima de cuidados infantiles y llegó a la siguiente conclusión:

Los alumnos que recibieron tutoría 1 a 1 lograron, en promedio, resultados comparables al 2 por ciento superior en una proporción de 1 a 30.

Entonces, ¿necesitamos más maestros? Definitivamente: Frank Kirchner, predice un aumento necesario por un factor de diez y lo enfoca en el desarrollo de las políticas educativa.

Pero ¿Cómo se puede financiar esto y quién capacitará al personal especializado que se necesita con urgencia?  Al mismo tiempo, el número de docentes disminuye cada año y la situación empeora.

Los métodos que utilizamos para enseñar a nuestros hijos evolucionan con los tiempos, pero ¿Cuál es el uso responsable y proporcionado de la tecnología moderna en el aula?

Software como tutor virtual

Un  meta estudio realizado en la Universidad Técnica de Munich  en nombre de la Conferencia de Ministros de Educación llega a la conclusión de que los sistemas de tutoría inteligente tienen el mayor efecto positivo en los resultados de aprendizaje en las materias STEM. Se examinaron 80 estudios individuales sobre el uso de medios digitales en las escuelas. Esto no solo brindó información sobre cómo se deben usar estos medios en el aula, sino también qué tipos de medios digitales prometen el mayor éxito. Destacan positivamente los sistemas tutores inteligentes.

Los sistemas de tutoría inteligentes acompañan y apoyan a los estudiantes en su práctica diaria y simulan la supervisión 1:1 particularmente efectiva, ¡en el momento del procesamiento de la tarea! Los datos personales no son necesarios para el aprendizaje.  trabaja con seudónimos en cumplimiento de la normativa de protección de datos.

Sin software de aprendizaje, los estudiantes hacen ejercicios aritméticos en hojas de trabajo, en libros de ejercicios o libros de texto. En el mejor de los casos, las tareas no se corregirán hasta el día siguiente. Los niños tienen que hacer la transferencia, comparar las soluciones entre sí y comprender las desviaciones. El resultado es la impotencia y la frustración del aprendizaje. Mucho peor: los conceptos erróneos se refuerzan si se repiten una y otra vez mientras se practica sin retroalimentación.

La respuesta »eso está mal« es la respuesta de peor calidad. Sin embargo, definitivamente es más útil que ningún comentario. La retroalimentación es más útil cuando reacciona a conceptos erróneos identificados.

Un sistema de aprendizaje basado en aplicaciones es fundamental para el éxito del aprendizaje. En lugar de un acierto aleatorio en preguntas de opción múltiple, los niños usan sus habilidades matemáticas en mejores marcas. Por ejemplo, al dibujar una función: si los ejes en el sistema de coordenadas se intercambian al establecer un punto, los alumnos reciben información precisa en tiempo real y, por lo tanto, la oportunidad de reconocer, comprender y corregir el error, sin que se vuelva permanente. Esta ayuda y retroalimentación paso a paso se llama »andamiaje«.

Retroalimentación inteligente en un ITS (sistema de tutor inteligente)

En un ITS hay microadaptabilidad (“bucle interno”) y macroadaptabilidad (“bucle externo”). Toda retroalimentación que se relacione directamente con una entrada pertenece a la microadaptabilidad. Las reacciones del sistema resultantes de una suma de entradas se asignan a la macroadaptabilidad, por ejemplo, la detección de lagunas de conocimiento. Los requisitos técnicos para la retroalimentación adaptativa se describen en aprender de los errores (Juan Domingo Farnós)

Por cierto: una inteligencia artificial no puede generar fácilmente retroalimentación didáctica de contenido. Inicialmente, estos son siempre el resultado de la inteligencia humana.

Inteligencia artificial y ética – Una mirada a China

Con respecto a la digitalización de las escuelas, China planea cambiar su metodología de enseñanza para 2030 y consolidarse como el centro de innovación tecnológica a nivel mundial. Para esto se recopilan grandes cantidades de datos: Big Data. Varios proyectos ya están en marcha a nivel nacional. Una escuela primaria en Hangzhou está probando cintas para la cabeza, que pueden medir las señales cerebrales relacionadas con la capacidad de atención, en los niños.

En otros lugares, las cámaras capturan minuciosamente las expresiones faciales de los niños y las categorizan en diferentes escalas de colores: el verde sigue atentamente la lección, el naranja se acerca al crepúsculo o susurra a los vecinos. Red ya no participa internamente en lo que sucede en clase. Un disparo por segundo, 3600 por hora.

El director gerente de una de las empresas líderes en el campo de la digitalización en las escuelas, Zhang Haopeng, ve en este método una oportunidad real para tratar a los estudiantes por igual y poder responder directamente a sus necesidades.  »Los docentes suelen enfocarse en dos tipos de alumnos: los mejores y los disruptores. El sistema quiere remediar esta injusticia hacia los demás niños.« ((EDUCACIÓN INCLUSIVA))

Esto le da al maestro la oportunidad de reaccionar a tiempo con la metodología adecuada y de cuidar a cada niño de la mejor manera posible. El desempeño del maestro a veces se determina por reconocimiento de voz, y también se evalúa la proporción de enseñanza frontal. Todos los datos están claramente disponibles para la dirección de la escuela. Esto ofrece la opción de intervenir y ofrecer a los profesores sugerencias alternativas para sus lecciones.

Inteligencia artificial para más “igualdad de oportunidades”: afortunadamente, el enfoque chino es impensable en Europa.

La inteligencia artificial también funciona sin datos personales

Con bettermarks hemos desarrollado un sistema didáctico de geometría y álgebra, una especie de sistema operativo para las matemáticas. Cada tarea y cada tipo de tarea es como una pequeña aplicación. Este utiliza las herramientas de entrada, formas de representación y lógica del “sistema operativo” para interactuar con el alumno. El análisis de la entrada, el reconocimiento de conceptos erróneos y la retroalimentación adecuada son requisitos previos para un proceso de aprendizaje exitoso. Una inteligencia artificial no puede inventar esta retroalimentación. Porque no puede evaluar de forma independiente ningún concepto erróneo.

La retroalimentación de errores se basa en la inteligencia humana: los autores almacenaron meticulosamente 2.800 patrones de reconocimiento de varios conceptos erróneos. Por ejemplo, los alumnos reciben comentarios inmediatos: «Construyó el triángulo correctamente, pero aún verifica el etiquetado de los puntos.» Las entradas incorrectas previamente desconocidas pueden ser evaluadas anónimamente y programadas como nuevos patrones de detección de errores. El sistema se vuelve así más inteligente gracias a la experiencia didáctica de los autores. Una IA no podría hacer esto.

Otra ventaja es la pequeña cantidad de datos que necesita bettermarks para su funcionalidad. Solo las soluciones intentadas son necesarias para apoyar de manera óptima a los alumnos en su proceso de aprendizaje individual. Los datos personales (como nombres reales o direcciones de correo electrónico) no se almacenan cuando un profesor crea una clase. En su lugar, se utilizan seudónimos a través de un sistema de gestión de aprendizaje externo como , «Moodle», «Univention» o «It’s Learning», los datos de uso y de usuario incluso se separan físicamente y, desde el punto de vista se anonimizan de hecho. .

Si una inteligencia artificial no puede inventar ninguna retroalimentación didáctica de contenido, ¿Dónde radica el potencial de la inteligencia artificial en el contexto de aprendizaje?

¿Pero qué es la inteligencia artificial?

La inteligencia artificial (IA) o «inteligencia artificial» (AI) significa literalmente una entidad de pensamiento independiente que no actúa humanamente, sino artificial o mecánicamente. La «inteligencia» caracteriza los procesos neuronales en el cerebro humano que no se pueden entender desde el exterior. Por lo tanto, la inteligencia artificial se basa en redes neuronales generadas por máquinas.

La fascinación por este proceso, que no se puede comprobar con nuestra propia imaginación, tiene historia. Incluso a la gente de la Edad Media se le ocurrió la idea de crear un sparring artificial. Homunculus, el hombre artificial que fue creado en un frasco con silbidos y burbujeos, fue traducido a la literatura en el Fausto II de Goethe.

Técnicamente, la evolución de la IA se remonta a 1769. En ese momento, el inventor y mecánico austriaco Wolfgang von Kempelen logró construir una máquina de ajedrez, cuyo funcionamiento «falso» solo se reveló muchos años después: en una caja de madera debajo del tablero de ajedrez, una persona que no era visible para los extraños estaba sentado y realizando los ingeniosos movimientos de ajedrez. Por lo tanto, la inteligencia artificial todavía se limitaba a trucos mecánicos.

En 1947 el lógico Alan Turing planteó la pregunta: » ¿Puede pensar una máquina? «. Al mismo tiempo, John McCarthy formuló el “ El objetivo de la IA es desarrollar máquinas que se comporten como si tuvieran inteligencia»

Profetizó para el futuro cercano una computadora de ajedrez que realmente haría sus propios movimientos: en 1996, «Deep Blue» venció al actual campeón mundial de ajedrez Garry Kasparov en ese momento. Los procesadores más rápidos y los algoritmos mejorados aceleran el progreso y los campos de aplicación.

Machine Learning: la máquina de autoaprendizaje

Una subárea de la inteligencia artificial es el »aprendizaje automático«, que se estableció en la década de 1980. Las áreas de investigación dentro de las cuales una máquina aprende se dividen en tres categorías:

• aprendizaje supervisado
• aprendizaje no supervisado y
• aprendizaje reforzado.

Todos los campos de aprendizaje se basan en un algoritmo basado en reglas.

Aprendizaje supervisado

Con el » aprendizaje supervisado «, el proceso de aprendizaje está controlado por especificaciones humanas y se complementa con las propiedades del sistema técnico activo. El objetivo de aprendizaje que la máquina debe alcanzar está claramente especificado. Aunque »DeepBlue« podía jugar al ajedrez de forma excelente, habría fallado al resolver un sudoku.

En la actualidad, nos encontramos con el aprendizaje supervisado, por ejemplo, en forma de un algoritmo de recomendación, un sistema de recomendación que está en constante aprendizaje. En lugar de criterios de recomendación fijos, se alimenta un algoritmo genérico con datos.

Ejemplo: Amazon y Netflix

La búsqueda de productos en «Amazon» o géneros cinematográficos seleccionados en el portal de transmisión «Netflix» sirven como nuevos impulsos para la máquina. Reconoce los productos previamente etiquetados. El algoritmo recomienda alternativas de inmediato y se adapta individualmente al comportamiento del usuario.

Aprendizaje sin supervisión

Durante el proceso de aprendizaje en » Aprendizaje no supervisado« es tarea de la computadora reconocer y asignar patrones y estructuras a partir de una entrada de objetos sin nombre. Por ejemplo, puede formar grupos, los llamados conglomerados, a partir de una colección desordenada de imágenes de perros y gatos. Esta habilidad técnica es un avance crucial para la medicina. Esto hace posible diagnosticar el cáncer más rápidamente y con una tasa de aciertos más fiable. La computadora recibe una cantidad gigantesca de datos de imágenes de MRI (imágenes por resonancia magnética), escanea, compara y finalmente agrupa el tamaño, la naturaleza y las anomalías de los tumores. Con un alto grado de probabilidad (hasta el 99%) y en fracciones de segundo, la máquina ofrece al médico tratante un diagnóstico certero para la evaluación de cuadros clínicos bastante sencillos.

Ejemplo: chatbots

El aprendizaje no supervisado también es posible que simule amistades, un medio supuestamente bienvenido para contrarrestar la soledad que se siente, no solo en tiempos de corona.

Los chatbots actúan de la misma manera, pero con consecuencias ambiguas. El potencial del aprendizaje no supervisado también conlleva el riesgo de volverse creativo: la máquina puede crear enlaces independientes a partir de los grupos que se han formado. Recientemente, los proveedores de los bots han tenido que cerrar repetidamente porque fueron entrenados sobre la base de datos de clientes utilizados sin cuidado y los usuarios maliciosos descubrieron la posibilidad de inducirlos a enviar mensajes discriminatorios.

Sujeto a todos los errores y malentendidos, incluso una máquina a veces puede cometer un error. Esta forma de aprendizaje automático aún proporciona ideas creativas en las que un humano podría no haber pensado.

Aprendizaje reforzado

En la tercera subárea » Aprendizaje por refuerzo «, se fomenta o incluso se premia el aprendizaje de la máquina. Los programadores alimentan repetidamente impulsos en los algoritmos para fortalecer el sistema de aprendizaje en sus acciones o para influir y optimizar la funcionalidad. Sin objetivos previamente establecidos, la computadora recibirá una señal de éxito positivo o negativo. Como resultado, la máquina aprende a forzar o abstenerse de realizar procesos. Cuanto más a menudo pase por un proceso de aprendizaje, más preciso será el resultado del aprendizaje.

Ejemplo: asistencia de estacionamiento

Un ejemplo es el asistente de aparcamiento: gracias al reconocimiento de objetos, el sistema puede ayudar al conductor a aparcar y optimiza el número de movimientos necesarios y la duración del proceso sin acelerar en exceso.

Aprendizaje profundo: ¡hola, inteligencia artificial!

El aprendizaje profundo es una subárea del aprendizaje automático y, como la disciplina más joven en el campo de la IA, solo se ha implementado desde principios del siglo XXI. El sistema de la máquina es mucho más complejo y funciona de la siguiente manera: las neuronas de entrada reciben señales del mundo exterior y las transmiten a las neuronas ocultas, que procesan los datos recibidos. Aquí es donde tiene lugar el proceso de aprendizaje: durante su procesamiento, los datos se condensan en una red neuronal o capas. Cuantas más capas ocultas haya en una red, más profundo será el proceso de aprendizaje: el »aprendizaje profundo«. Con la ayuda de la información generada a las neuronas de salida, el sistema puede tomar decisiones inteligentes.

Ejemplos: reconocimiento facial y cálculo de ruta

Un ejemplo de aprendizaje profundo es el reconocimiento facial: cuantos más datos recopila el sistema, más fino y preciso es el software que puede reconocer rostros. La conducción autónoma   también tiene éxito porque la computadora recopila nuevos datos a través de la actividad repetida y profundiza su proceso de aprendizaje neuronalmente. Por ejemplo, si se ha establecido un sitio de construcción a lo largo de una ruta de autobús.

La forma en que funciona el aprendizaje profundo tiene una ventaja sobre el cerebro humano, ya que puede registrar una cantidad desproporcionadamente grande de datos e información y procesarlos a la máxima velocidad sin cansarse.

El aprendizaje profundo es la base de una red neuronal artificial, que todavía está en su infancia como una IA fuerte. En consecuencia, la IA débil incluye tecnología informática basada en algoritmos que puede ayudar a los humanos.

Cualquiera que use la IA de manera responsable en la escuela reduce los datos recopilados al mínimo necesario.

IA y rutas de aprendizaje: ¿Qué datos se necesitan?

La palabra clave «rutas de aprendizaje» a menudo se asocia con inteligencia artificial, incluso se usa como sinónimo. Aquí se debe hacer una distinción: desde un punto de vista técnico, un sistema de algoritmo basado en reglas ya es capaz de dibujar rutas de aprendizaje a partir de la suma de las entradas realizadas y en una pequeña base de datos sin tener que formar una red neuronal artificial. Al practicar con la AI, a los estudiantes se les ofrece la oportunidad de cerrar sus brechas de conocimiento para continuar con el tema. Para prepararse para el examen, una prueba de ubicación puede brindar claridad sobre el estado de aprendizaje actual y ofrecer contenido adecuado para la práctica específica.

Si el software procesa información adicional para poder formar una red neuronal como base para la inteligencia artificial, esto representa un mayor riesgo para los alumnos, ya que la IA podría reconocer conexiones que no se consideraron de antemano durante la programación. Podrían surgir efectos no deseados o incluso contraproducentes.

Ejemplo: conducción autónoma

Richard David Precht describe en su libro » La inteligencia artificial y el sentido de la vida» Un escenario en el campo de la conducción autónoma: las instalaciones de ferias o empresas, así como los sistemas de control de vías de tranvías y metros son un entorno basado en reglas en el que los vehículos pueden conducir fácilmente de forma independiente. Sin embargo, el caos de tráfico descontrolado de una gran ciudad solo es adecuado para automóviles autónomos hasta cierto punto, ya que el entorno es demasiado complejo para que un sistema basado en IA encuentre su camino. La gente sabe que los coches autónomos se detendrían al cruzar los semáforos en rojo. La consecuencia necesaria sería un mayor control del tráfico, por ejemplo a través del reconocimiento facial: los disruptores humanos serían identificados de esta forma y sancionados y multados. Sería un seguimiento constante del precio, que nosotros, como ciudadanos, estaríamos dispuestos a pagar… por la conducción autónoma como un alivio basado en las necesidades? Según Precht, la IA solo puede prevalecer si existe una necesidad absoluta.

Ya generamos conjuntos de datos valiosos para un proceso de aprendizaje exitoso: el concepto erróneo de los alumnos sobre lo procesable por máquina . La recopilación de conjuntos de datos adicionales sobre la atención de los estudiantes o la medición de las actividades cerebrales, como se muestra en el ejemplo de China, no ofrece ningún apoyo directo al aprendizaje y también es absolutamente imposible desde un punto de vista ético.

Inteligencia artificial: ejemplos de aplicación en las escuelas

La base de la inteligencia artificial son los datos de un sistema tutor inteligente (ITS), que tiene los siguientes modelos de datos:

• Modelo tutorial : Construyendo el ambiente de aprendizaje para retroalimentación, ayuda y rutas de aprendizaje.
• Modelo de dominio : conocimiento contenido-didáctico, almacenado en objetos de aprendizaje, sus dependencias (metadatos) y mapas conceptuales (red de objetivos de aprendizaje).
• Modelo de aprendizaje : resultados y datos de aprendizaje seudonimizados.

Se requieren dos modelos adicionales para un ITS en las escuelas para que el potencial de la inteligencia artificial pueda desarrollarse por completo:

• Modelo de clase : datos agregados de un grupo de aprendizaje
• Modelo de aprendizaje : Configuración del entorno de aprendizaje para apoyar al discente, teniendo en cuenta los objetivos de aprendizaje, las competencias, sus necesidades,…

¡Los siguientes escenarios y ejemplos de aplicación no requieren ningún dato personal de los alumnos!

Rutas de aprendizaje con visión de futuro: »Feed Forward«

Al vincular los datos de resultados (del modelo de aprendizaje) y la relación de contenido (del modelo de dominio), ya podemos predecir los resultados de aprendizaje en el sistema de AI. Los algoritmos de un sistema de recomendación se pueden utilizar para determinar la probabilidad de aprender objetos que aún no se conocen. El único requisito es un cierto nivel mínimo de actividad. Un ejemplo: Tienes que sumar fracciones. Según los datos de resultados anteriores y la comparación con perfiles de aprendizaje similares, se puede decir con un 98 % de probabilidad que Max solo acertará el 27 % de las entradas. ¡La frustración de Max sería inevitable! Una inteligencia artificial reconoce esto y sugiere contenido que comienza con las ideas básicas requeridas. El sistema haría sugerencias antes de que suceda algo perjudicial para el aprendizaje: el «feed-forward».

Ejemplo: Aulas Nuevas

El sistema de aprendizaje adaptativo »bettermarks« ya está siendo utilizado con éxito en los EE. UU. por la organización sin fines de lucro New Classroom en el contexto del aprendizaje personalizado . Usando el ejemplo de una escuela de Nueva York, el papel del maestro es el de un compañero de aprendizaje. De acuerdo con su nivel de aprendizaje individual, los alumnos reciben automáticamente el contenido de aprendizaje apropiado y determinan su propio progreso de aprendizaje.

En contraste con el ejemplo descrito de »Nuevas aulas«, la asociación de clases juega un papel central en el sistema escolar alemán. El aprendizaje es un proceso social moderado por el maestro. La inteligencia artificial solo puede apoyar el proceso de enseñanza y aprendizaje si esto sucede en interés del maestro. Por lo tanto, ¡se debe tener cuidado con los caminos de aprendizaje con visión de futuro! Continuemos con el ejemplo con Max: Sumar fracciones diferentes ahora funciona sin problemas. Luego, la IA recomienda agregar números mixtos. Max se aburriría terriblemente si se introdujeran los números mixtos en la próxima clase de matemáticas. En el peor de los casos, la falta de desafío de Max interrumpirá la lección.

El potencial de »Feed Forward« en el efecto de aprendizaje es grande, especialmente en la forma de una herramienta digital para el docente. Alcanzar las metas de aprendizaje es responsabilidad del docente, no de la tecnología.

Práctica inteligente

Otro caso de uso de la IA en las escuelas es la «práctica productiva» o inteligente. En el ejemplo de »Feed Forwards«, ya hemos visto cómo los estudiantes reciben más o menos desafíos. Con el «andamiaje» (es decir, ayuda y retroalimentación integradas), los alumnos con dificultades ya reciben apoyo durante la práctica. Las tareas que se adaptan al progreso del aprendizaje pueden evitar la falta de desafíos. O para decirlo de manera positiva: saltarse tareas automáticamente e insertar preguntas reflexivas puede promover estudiantes de alto rendimiento.

Por ejemplo, a los niños que pueden multiplicar con seguridad se les podrían asignar tareas que impliquen el reconocimiento de reglas o patrones de cálculo.

Consolide las ideas básicas con el historial de aprendizaje neuronal

En matemáticas, los temas se construyen unos sobre otros. Cálculos de porcentajes sin fracciones, interés compuesto sin interés: esto va a ser difícil. Las ideas básicas sólidas son aún más importantes. De lo contrario, las brechas de conocimiento se convierten rápidamente en zanjas de conocimiento. Los profesores ya pueden comprobar los conocimientos básicos necesarios para un nuevo tema con ejercicios sobre conocimientos previos. Los alumnos pueden entonces trabajar individualmente en sus lagunas de conocimiento y los profesores conocen la necesidad de repetición.

La historia del aprendizaje también puede entenderse como una visión longitudinal de los resultados del aprendizaje. Aquí, una IA puede reconocer qué idea básica está anclada con qué firmeza en qué forma de representación, y ayudar. Tomemos un ejemplo de fracciones: si un niño no puede expandir fracciones, es posible que no tenga la idea abstracta para este proceso de cálculo. Sin embargo, una representación icónica probablemente no ayudaría si ya existen problemas en lo concreto, es decir, en el nivel en activo. Una IA podría calcular qué forma de representación tiene la mayor probabilidad de desencadenar un momento ajá. También teniendo en cuenta el nivel de idioma. La IA selecciona una explicación basada en el nivel de rendimiento del niño.

La IA se especializa en crear aún más momentos ajá. Su material de aprendizaje: conceptos erróneos que pueden ser procesados por máquinas.

Desarrollo de currículo basado en evidencia

Los datos de aprendizaje anonimizados de todos los escolares de un estado federal serían sin duda una fuente de conocimiento en la didáctica de las materias. ¿Es mejor la comprensión de las áreas cuando ya se ha tratado el cubo? ¿Qué influencia tienen los cambios en el currículo en la adquisición de competencias orientadas a procesos? Estas preguntas (y muchas más) podrían responderse con cantidades suficientemente grandes de datos. Los cambios en el plan de estudios y su influencia en el éxito del aprendizaje podrían medirse incluso a nivel de objetivos de aprendizaje específicos.

La inteligencia artificial (en los ITS) como asistente digital del docente

¿Será reemplazado el maestro por robots con inteligencia artificial? No, esta visión aterradora sigue siendo ciencia ficción. La empatía, la didáctica y la pedagogía siguen siendo competencias fundamentales del ser humano. Más bien, el uso de la inteligencia artificial trae el potencial de ahorro de tiempo para el docente. Tiempo que se necesita con urgencia para la diferenciación interna, las discusiones profundas en el aula y la interacción social.

La inteligencia artificial puede ayudar a los profesores en el trabajo rutinario. Ahorro de tiempo para correcciones, evaluaciones y búsqueda de contenido que coincida con el estado de aprendizaje actual. La IA se convierte en un asistente digital y puede hacer sugerencias sobre el contenido, la forma y el método, de lo que se pueden beneficiar especialmente los ingresantes laterales y el personal docente que imparte materias no especializadas.

Los alumnos reciben retroalimentación directa cuando practican, lo que asegura que los conceptos erróneos no se arraiguen. Las pizarras interactivas pueden hacer que las conexiones sean más claramente reconocibles y, por lo tanto, promover una comprensión más profunda. Las ideas básicas se acumulan. Al mismo tiempo, la IA proporciona al docente nuevos impulsos e ideas para las discusiones en clase, de modo que la comunicación, la argumentación y el modelado puedan salir más adelante.

Con el título de su libro »Raising the Bar and Closing the Gap«, Rebecca y Richard DuFour formularon acertadamente las demandas del sistema escolar: elevar el nivel, cerrar la brecha. Mejores resultados de aprendizaje, menos brechas de rendimiento. Más igualdad de oportunidades. Un sistema tutor inteligente es la base, la inteligencia artificial el reforzador.

Aunque la inteligencia artificial ha sido un gran tema durante mucho tiempo, solo recientemente ha encontrado su camino en la práctica docente, además de las clásicas preguntas de reflexión. Sin embargo, a más tardar, la disponibilidad abierta de herramientas basadas en IA para la producción de texto acelerará significativamente su difusión:

—¿Qué herramientas existen y se pueden usar en las escuelas y las aulas?

—¿Qué potencial didáctico ofrecen las herramientas basadas en IA?

Las primeras experiencias e ideas didácticas permiten la orientación, así como el intercambio y la creación de redes con otros profesores interesados.

La IA también se está volviendo cada vez más importante en la educación. Por ejemplo, se están desarrollando cada vez más plataformas de aprendizaje y sistemas de tutoría inteligente para ayudar a los estudiantes a aprender mejor. Los sistemas de IA también se utilizan cada vez más en el aula, por ejemplo, para crear planes de aprendizaje individuales o para diagnosticar problemas de aprendizaje. Las ventajas de la IA en la educación son múltiples. Los alumnos pueden estar mejor motivados y comprometidos mediante el uso de sistemas de IA. Los resultados del aprendizaje también se pueden mejorar mediante el uso de la IA. Además, los sistemas de IA pueden ayudar a que las lecciones sean más personalizadas e individuales.

Sin embargo, también existen algunos desafíos asociados con la adopción de IA en la educación. Por ejemplo, aún no está claro cómo se pueden utilizar los sistemas de IA de manera ética y socialmente responsable. La cuestión de la protección de datos también juega un papel importante cuando se utiliza la IA en la educación. Además, aún no está claro cómo se pueden integrar los sistemas de IA en los sistemas educativos existentes.

Inteligencia artificial en escuelas y aulas – 10 ejemplos

Si la inteligencia artificial (IA) es la capacidad de una máquina para realizar tareas humanas, entonces la investigación de la IA se ocupa de tratar de programar computadoras para que puedan realizar tareas similares a las humanas. Para el sector educativo, esto se traduce en algunos enfoques para el uso de KI/AI en la escuela y la enseñanza, porque es un sistema asistido por computadora…

1. … que responde a las necesidades de un estudiante individual y, por lo tanto, puede ayudarlo a aprender.
2. … que puede ayudar a los estudiantes a resolver problemas.
3. … que puede ayudar a los maestros a planificar y dictar lecciones.
4. … que puede ayudar con la creación de materiales didácticos.
5. … que puede ayudar a los estudiantes a probar y evaluar conocimientos y habilidades.
6. … que puede ayudar a los estudiantes a encontrar información.
7. … que puede ayudar a los estudiantes a crear presentaciones.
8. … que puede ayudar a los estudiantes a escribir ensayos.
9. … que puede ayudar a los estudiantes a aprender idiomas extranjeros.
10. …que puede ayudar a diagnosticar problemas de aprendizaje.

Redacción y revisión de textos con KI/AI

Si está un poco sorprendido de que esta publicación de blog no suene como mi estilo de escritura hasta este momento: informativo y (tan) preciso como sea posible, con numerosas referencias concretas a la práctica escolar y, sobre todo: referencias a los hallazgos y el trabajo de otros docentes y/o instituciones de la Educación – ¡así es! Para ser honesto, incluso encuentro bastante agotador leer hasta aquí… el texto suena como cualquiera de esos blogs de marketing vacíos…

Y aquí ya estamos en medio del tema: Todo lo que se ha escrito hasta ahora fue escrito por una IA ( OPENAI) ) que solo escribió una introducción al tema de la inteligencia artificial en las escuelas y lecciones para un artículo de blog con una definición de el término inteligencia artificial siguiendo un texto escrito, pero por lo demás puso muy poco corazón y alma en el contenido. ¿Pero tal vez fue solo mi tarea de escritura algo sin amor?

Independientemente, otra IA finalmente verificó la precisión lingüística del texto, la claridad del contenido y con respecto a despertar el interés del lector y mantener la capacidad de atención del lector, y aparentemente de manera tan convincente que dos maestros experimentados de la sala de profesores de #twitter a pesar de una pista sobre mi parte, consideró estos pasajes como auténticos…

Con una herramienta de traducción basada en IA ( Por ejemplo DeepL ), ahora podría traducir «mi» contribución a cualquier idioma del mundo y probablemente recibiría reconocimiento por mis excelentes habilidades lingüísticas. Por supuesto, no un hablante nativo, pero sin embargo conocedor y lingüísticamente correcto en su mayor parte. Si no estuviera muy seguro de mi propia lengua materna, simplemente haría que DeepL tradujera el texto al inglés y nuevamente al alemán, y así recibiría un texto que la IA ha mejorado estilísticamente y, sobre todo, ortográficamente (cf. Philippe Wampfler)

¿Qué más esperas? Comencemos, seguro que muchos profesores abiertos y curiosos están diciendo…

Sin embargo, para las áreas de trabajo específicas en la escuela y la enseñanza, sin duda es útil crear primero una pequeña descripción general: esta publicación de blog se centra inicialmente en la creación y revisión de textos: ¿Qué herramientas ya están disponibles? ¿Qué pueden hacer estas herramientas?

Como resultado, surgirán preguntas de seguimiento emocionantes y ciertamente controvertidas: ¿Cómo afectarán estas herramientas nuestra enseñanza y aprendizaje? ¿Qué contribución puede hacer la IA al aprendizaje y qué contribución no puede hacer? ¿Cómo pueden las escuelas lidiar con las nuevas posibilidades y utilizarlas para el aprendizaje, dando forma en última instancia al lema «aprender con IA, sobre IA y sobre IA»?

Descripción general: herramientas de IA para la creación y revisión de textos en escuelas y aulas

Un campo clave para el uso de KI / AI en la escuela y la enseñanza es la creación y revisión de textos. Esta área de competencia, que es fundamental para todas las áreas de tareas y materias escolares, ya está cubierta por numerosas herramientas basadas en IA. ¿Qué hay, qué puedo hacer yo, pero qué pueden usar también nuestros alumnos directamente? ¿Y cuáles son las posibilidades para la enseñanza?

IA abierta

El sitio web OpenAI.com   ofrece acceso a la creación de texto AI GPT-3 y, con sus innumerables opciones de configuración modificables, en realidad está más dirigido a usuarios avanzados, pero con el «patio de juegos» ofrece una superficie fácil de usar para probar. después del registro gratuito. Y de eso se trata: porque GPT-3, o largo: Generative Pre-trained Transformer 3, es un modelo de lenguaje que utiliza el aprendizaje profundo para generar texto similar al humano (para obtener más información, solo busque en Google, allí estoy como un profesor absolutamente ningún experto!) .

El programa responde o completa fácilmente órdenes de trabajo, preguntas e inicios de texto. No solo se ejecuta en inglés, sino que también crea textos en numerosos idiomas (ya sea en función del idioma de la pregunta o después de una solicitud como «Escribe un comentario sobre… en español»). Ciertas sutilezas semánticas o léxicas son interesantes, como lo es el registro requerido, que en parte está creado apropiadamente (como “Escribe un comentario desde el punto de vista de un estudiante de diez años usando un lenguaje juvenil…”). La gama prácticamente infinita de temas ya es impresionante, como lo demuestran las innumerables aplicaciones/ «ajustes preestablecidos (bot de chat, revisión gramatical, traducción, etc) que se pueden usar en el sitio web de OpenAi:

Un chat de IA que te motiva a seguir trabajando con IA con respecto a las respuestas bastante complejas y te da una idea de sus posibilidades. Verificaciones de gramática, generador de preguntas para entrevistas, esquemas de ensayos automatizados… las posibilidades son infinitas y muy divertidas para trabajar con GPT-3 AI.

Consejo práctico, especialmente para colegas menos experimentados: durante la lección, ejecuto constantemente el chat de OpenAI y le hago a la IA todas las preguntas que se me ocurren o que los estudiantes hacen durante la lección; luego comparo mi conocimiento o la respuesta. hubiera dado con los comentarios de la IA. De esta manera, conocerá muy bien la IA y la apreciará mejor… ¡un gran asistente en el aula!

Al igual que OpenAI, Smodin  es una herramienta basada en IA para la generación automática de texto, con un enfoque especial en textos de marketing para blogs y sitios web, así como ensayos. Se pueden crear textos impresionantemente buenos con unas pocas palabras clave u oraciones, que brindan resultados extremadamente adecuados, especialmente en las escuelas. Ya sea un texto argumentativo sobre cualquier tema, una reseña de una película (probada con una reseña muy bien escrita por IA de «Gran Torino») o la próxima publicación de blog, es muy bueno creando textos.

Pero la herramienta puede hacer mucho más, lo que también podría ser emocionante tanto para los profesores como para los alumnos: además del «Autor» de Smodin, también hay un control de plagio que funciona bien, el parafraseado de texto / cambiador de palabras apropiado, pero también un sitio web resumen, respondedor de preguntas escolares y generador de citas. Un corrector gramatical multilingüe y un generador de subtítulos completan la oferta gratuita actualmente (limitada). Práctico para la lección: puede crear hasta tres textos por semana sin registrarse; esto se puede usar inmediatamente en la lección.

Registro: sí (hasta 3 creaciones de texto / semana sin registro); utilizable de forma gratuita: sí (número limitado de textos)

neuroflash

Es un software compatible con IA para la generación automática de texto, pero está dirigido principalmente a equipos de marketing, autónomos y agencias con un enfoque en el idioma alemán. Se pueden escribir más de 30 tipos diferentes de texto con el neuroflash KI Texter, incluso textos largos como artículos de blog. Adaptada al estilo de escritura del escritor, la herramienta proporciona automáticamente cinco sugerencias de texto diferentes. Con un enfoque en la lluvia de ideas, la variabilidad y la optimización de los textos, neuroflash complementa los textos con análisis asociativos. Antes de la publicación,  también evalúa si los textos funcionan y se ajustan al estilo elegido.

Un ejemplo de precio que da una idea del futuro de las herramientas de IA y su precio: El paquete básico del software es de 29 € por usuario al mes. Para más funciones y más palabras/mes, los paquetes premium cuestan hasta 199€ por usuario al mes. También ofrece un plan gratuito que le permite generar 2000 palabras cada mes de forma gratuita. Esto es perfecto para probar y enseñar, por ejemplo, para poder analizar los beneficios de la IA con los estudiantes.

Registro: sí; Se puede utilizar de forma gratuita: sí (número limitado de caracteres)

gramaticalmente

Grammarly es un corrector de gramática y ortografía en línea gratuito. El sitio ofrece revisión ortográfica y gramatical automática para inglés, alemán, francés, español, italiano y ruso. Grammarly revisa el texto en busca de errores de gramática, puntuación, ortografía, conjugación, redacción y estilo. La comprobación se realiza en tiempo real mientras se introduce el texto. (Y sí, este párrafo ahora se ha vuelto a escribir desde GPT-3 a través de OpenAI ).

Y nuevamente desde mi punto de vista personal: lo emocionante de Grammarly es que esta aplicación, que utiliza inteligencia artificial para escanear textos en tiempo real, también ofrece numerosas funciones para el proceso de creación de textos. No solo corrige la ortografía, sino que también encuentra plagio y más de 400 tipos de errores gramaticales. También ofrece sugerencias sobre cómo mejorar su propio estilo de escritura y busca incoherencias en la ortografía, las mayúsculas y las fechas. La aplicación permite a los usuarios establecer el índice (formal o informal), el tono de voz, el tipo de texto (p. ej., académico o comercial) y el género del texto (p. ej., reseña, carta, ficción).

Práctico: Ofrece acceso completo gratuito además de dos paquetes premium, se puede integrar fácilmente en Windows, Chrome, iOS y Android a través de una aplicación y luego admite automáticamente, por ejemplo, escribir textos. Sin embargo, después de numerosas pruebas junto con colegas, noté que al menos la corrección básica del idioma de Grammarly es inferior al «método DeepL» – mientras que Grammarly no reconoce varios errores o conexiones de palabras incorrectas, DeepL los soluciona después de una traducción y viceversa traducción sin ningún problema.

Registro: sí; Se puede usar de forma gratuita: sí (pero solo con funciones básicas; sugerencias más complejas solo en la versión premium)

ProfundoL

Aquí, también, el AI GPT-3 ofrece una muy buena respuesta: DeepL es un servicio de traducción en línea basado en inteligencia artificial (IA) que Linguee GmbH lanzó en agosto de 2017. Se dice que el servicio es tan bueno que puede superar la calidad de la traducción humana. A diferencia de otros servicios de traducción en línea como Google Translate, DeepL no trabaja con métodos estadísticos, sino que utiliza redes neuronales. La IA de DeepL ha sido entrenada mediante la traducción de millones de documentos en numerosos idiomas. (completamente bien, creo que esta descripción de AI )

Y esto es exactamente para lo que DeepL es (casi) perfecto: cualquier texto se puede traducir a un total de 29 idiomas, ya sean pasajes de texto copiando y pegando o documentos completos, ya sea mediante un complemento en Windows / Android / iOS o directamente en el sitio web de DeepL.

Aquí, también, el uso práctico en el aula es emocionante: el «método DeepL» mencionado anteriormente es un ejemplo del potencial didáctico que surge cuando los profesores y los estudiantes prueban y usan nuevas posibilidades de la IA juntos.

Número de registro; utilizable gratis: sí

KI / AI en el aula – Primeros pensamientos

“Si queremos que los niños y jóvenes puedan cuestionar críticamente la inteligencia artificial, tenemos que enseñarles una comprensión básica de estas tecnologías” , lo expresa en pocas palabras la fundadora de fobizz, Theseresa Grotendorst en una entrevista sobre la AI en las escuelas.

El potencial didáctico de la IA en el aula

Pero el potencial didáctico de la IA hace tiempo que se agotó con la reflexión sobre la IA, como lo ha demostrado el aprendizaje con medios digitales en los últimos años. Porque así como Daniel Bernsen y Beat D. Honegger distinguen tres modos básicos esenciales (“aprender con, sobre y sobre los medios”) para aprender con medios digitales que no son muy claros, el modificado puede modificarse fácilmente para la planificación. y diseño de procesos de aprendizaje Formular una pregunta de reflexión: “¿Cómo podemos aprender con, sobre y sobre la inteligencia artificial?”. Esto amplía significativamente el marco didáctico y eleva la IA desde el tema de la ética/valores y normas, la religión, la filosofía o la informática que ya se ha implementado en los últimos años a la enseñanza normal de todas las áreas de tareas y materias escolares.

Ventajas y desventajas de la IA para la redacción de textos publicitarios

El equipo de Smodin ya da parte de la respuesta en una descripción general de pros y contras y presenta las principales ventajas .

• que es fácil crear ensayos y artículos escritos profesionalmente,
• Expanda los textos escritos por sí mismo desde la IA y, viceversa,
• tener textos escritos por la IA mejorados personalmente,
• que la IA puede mejorar los textos en términos de gramática y estructura de oraciones
• y por supuesto, esto ahorra una cantidad considerable de tiempo,

también en comparación con los contras, porque

• la IA también puede proporcionar información no fáctica y
• cuanto más largos son los textos, más repeticiones y desviaciones de temas se generan,
• entregar peores resultados con malas entradas (aquí, la salida depende más del nivel de conocimiento del usuario) y
• normalmente (todavía) no es capaz de trabajar referencialmente y, por ejemplo, de incorporar citas y documentos científicamente correctos.

IA – Enfoques para el aprendizaje

Esto da como resultado enfoques emocionantes para la enseñanza.

• explorar las posibilidades y los límites de una IA junto con escolares y
• derivado de ello pensar qué fortalezas tiene la inteligencia humana para oponerse a ello y
• luego desarrollar nuevas estrategias de aprendizaje como docente y/o junto con los estudiantes.

Aquí, también, se aplica lo siguiente: no hay uno u otro para el aprendizaje en una cultura digital. Las posibilidades están entrelazadas. Y así como hoy estamos constantemente aprendiendo y trabajando en línea, la IA podrá intervenir y brindar apoyo en muchas áreas, pero no reemplazará los procesos fundamentales de aprendizaje. Philippe Wampfler lo resume acertadamente con respecto al método DeepL , porque por supuesto «…no es una solución para la escritura didáctica usar este método DeepL desde el principio. Los conceptos básicos de la elección de palabras y la estructura de la oración deben garantizarse en los ejercicios, debe desarrollarse un sentido del funcionamiento del lenguaje independientemente de este procedimiento. Pero las sutilezas de las comas y la corrección de textos más largos: DeepL puede encargarse de ellos sin ningún problema”.

Es bien sabido que la mayoría de los sistemas de traducción a disposición del público son modificaciones directas de la arquitectura Transformer. Las redes neuronales de DeepL también contienen partes de esta arquitectura, como los mecanismos de atención. No obstante, nuestras redes neuronales presentan diferencias significativas en topología que han implicado un avance notable en cuanto a calidad de traducción, en especial en comparación con la calidad de otros traductores automáticos. Estas diferencias en la calidad de la arquitectura se aprecian especialmente cuando entrenamos y comparamos internamente a nuestras redes neuronales con las redes más conocidas basadas en la arquitectura Transformer empleando los mismos datos.

Datos de entrenamiento

La mayoría de nuestros competidores directos son gigantes tecnológicos que tienen años de experiencia en el desarrollo de rastreadores web. Por ello, juegan con gran ventaja respecto a la cantidad de datos de entrenamiento de la que disponen. DeepL, en cambio, da gran importancia a la adquisición selectiva de datos de entrenamiento específicos que contribuyen a que nuestras redes neuronales logren una mayor calidad de traducción. Para ello, hemos desarrollado, entre otras cosas, unos rastreadores web únicos que encuentran automáticamente traducciones en internet y evalúan la calidad.

Metodología de entrenamiento

En general, en la investigación se entrena a las redes neuronales empleando el método del aprendizaje supervisado. Con este método, se muestran a las redes neuronales los mismos ejemplos una y otra vez. Estas proceden entonces a comparar continuamente sus propias traducciones con las de los datos de entrenamiento. Si encuentran alguna disparidad, los pesos de las neuronas se ajustan de forma correspondiente. Aparte del aprendizaje supervisado, empleamos diversas técnicas de otros ámbitos del aprendizaje automático para entrenar a las redes neuronales. Esto nos permite lograr innovaciones significativas.

Tamaño de las redes neuronales

Al igual que nuestros principales competidores, entrenamos a las redes neuronales con miles de millones de parámetros. Estas redes neuronales son tan grandes que solo pueden entrenarse de forma distribuida en clústeres de ordenadores de gran tamaño destinados a este fin. Sin embargo, para nuestro equipo de investigación es muy importante que los parámetros de las redes neuronales se empleen de la forma más eficiente posible. Así hemos conseguido que nuestras redes neuronales pequeñas sean capaces de producir una calidad de traducción casi igual a la de nuestras redes más grandes. Por ello, ofrecemos una calidad de traducción muy alta también para los usuarios de la versión gratuita del Traductor de DeepL.

Siempre estamos en busca de nuevo personal dedicado al ámbito de las matemáticas o la informática que nos quieran ayudar a impulsar el desarrollo del Traductor de DeepL y a seguir perfeccionándolo, para acabar con las barreras del idioma en el mundo. Si tienes experiencia en el sector de las matemáticas y el entrenamiento de las redes neuronales y te resultaría gratificante trabajar en un producto que se usa gratis a nivel mundial, ¡te esperamos en DeepL!

Lo mismo se aplica a todas las áreas de tareas y materias escolares: en las lecciones de historia, el conocimiento de orientación (datos, hechos, conexiones causales para el significado histórico), las habilidades de análisis e interpretación son esenciales para el pensamiento histórico, en las lecciones de idiomas extranjeros vocabulario y gramática, receptivo y productivo habilidades, conocimiento de la cultura regional y mucho más. un requisito previo para una comunicación exitosa, para dar solo algunos ejemplos de mis propios temas.
Y antes de que alguien quiera descubrir otra contradicción aquí: ¡No se trata de uno u otro!

Al mismo tiempo, también se toca una dimensión ética. Tarde o temprano, AI podrá producir mejores textos que parte del alumnado o parte de la población. Con cada uso de las herramientas mencionadas, mejoramos automáticamente las posibilidades de la IA, contribuimos a su aprendizaje, y eso solo debería conducir a un impulso significativo en la mejora en los próximos años (al menos desde mi perspectiva técnicamente inexperta). En términos de calidad, las diferencias serán notables, por ejemplo, en términos de ortografía, expresión del lenguaje y puntuación correcta. Se vuelve aún más claro con el alcance. Una IA también «crea» textos muy largos sin esfuerzo y muy rápidamente (consulte los ejemplos simples de «OpenAI» anteriores) y, por lo tanto, no solo «supera» a los estudiantes con un rendimiento más bajo. En esencia, experimentamos máquinas que adaptan las habilidades humanas y nos hacen parecer «viejos». El hecho de que tales preguntas solo pertenezcan a las lecciones de ética es, por lo tanto, obsoleto. Más bien, el problema de lidiar con la IA pronto debería volverse relevante en todos los departamentos, al igual que cada departamento tiene que lidiar con las peculiaridades de la digitalización relacionada con el tema. Incluyendo todas las oportunidades y riesgos.

Y, por supuesto: como se describió anteriormente, la IA no reemplazará los procesos básicos de aprendizaje. Pero, ¿por qué no? Sobre la base de los pros y los contras de la IA anterior, en el aula.

• Examinar y evaluar una crítica cinematográfica escrita por Smodin términos de su tipo de texto específico, expresividad, estructura narrativa, argumentativa y evaluación orientativa.
• usar la función de chat OpenAI para explorar los límites del juicio moral y ético de una IA sobre la base de un tema controvertido?
• verificar evaluaciones históricas o políticas creadas con Smodin, OpenAI o neuroflash-aiWriter con respecto a su contenido fáctico?
• utiliza diferentes herramientas de IA para los procesos de desarrollo clásicos (como se muestra en el siguiente ejemplo de Hendrik Haverkamp)?

Sobre esta base, las posibilidades y los límites de la IA se pueden discutir con los estudiantes y determinar conjuntamente dónde la IA puede promover el aprendizaje y, en general, respaldarlo, pero dónde su uso para el propio aprendizaje también puede ser problemático (consulte el ejemplo de DeepL).

Esto también se muestra en un ejemplo de la sala de profesores de #twitter, en el que un colega informa sobre el intento de que la IA GPT-3 escriba una tesis completa, incluidas todas las ventajas y desventajas, como muestra en los siguientes tweets. :

Pero una cosa está clara, incluso si las debilidades son (actualmente todavía) obvias: con las aplicaciones de IA, se está poniendo otro clavo en el ataúd en el concepto de, para decirlo un poco exageradamente, escenarios de aprendizaje herméticamente sellados (habitación cerrada sin acceso a Internet, controlado por el supuesto dominio del conocimiento del profesor) y “La tarea por sí misma”. Las asignaciones de trabajo demasiado simples, los «ensayos de reflexión», la reproducción del contenido de la lección y muchos otros formatos que actualmente sobrecargan la tarea, que claramente es muy limitada, ya no tendrán ninguna posibilidad.

Juan Domingo Farnós Miró «La universidad ya no pertenece a la «academia», sino a toda la sociedad»

Dice un profesor de Germanistik de Mannheim “La universidad debe estar desactualizada, es la falta de intimidad lo que la hace atractiva”,

Jürgen Handke: “Mi oficina parece un estudio”

Un proceso de aprendizaje siempre tiene lugar en un entorno de aprendizaje específico caracterizado por una dimensión espacial y social (por ejemplo, entornos formales como la universidad, la escuela, seminarios de educación continua e instituciones educativas, entornos informales como el ocio y los contactos sociales). En una visión teórica del aprendizaje móvil, la característica clave de la movilidad es que el entorno de aprendizaje es cambiante en esta forma de aprendizaje. Esto plantea exigencias especiales en la implementación de aplicaciones de aprendizaje móvil y, por lo tanto, debe tenerse en cuenta en su concepción. Las teorías del aprendizaje clásico pueden servir de guía, pero deben adaptarse a estas necesidades y seleccionarse de acuerdo con el propósito de una aplicación.

Otros dos factores para el diseño didáctico del aprendizaje móvil son, además de la consideración de las teorías del aprendizaje, la interactividad y multimedia existentes. El aprendizaje móvil como una transferencia sin cambios de los conceptos de e-learning a dispositivos móviles no ha tenido éxito. En cambio, debido al equipo y al uso de dispositivos móviles, es necesaria una adaptación de los materiales y métodos de aprendizaje utilizados. La interactividad en el aprendizaje móvil se refiere a la interacción entre los alumnos y los profesores, así como entre los alumnos. La interacción entre el alumno y la aplicación, la interfaz hombre-máquina, también es un área de diseño de interactividad que debe implementarse de una manera técnicamente significativa y orientada al usuario ( usabilidad ).

Las funciones didácticas de la interactividad en el proceso de aprendizaje son :

-Proporcionar información para cerrar las brechas de conocimiento existentes.

-Controlar el proceso de aprendizaje por parte del alumno, por ejemplo. B. posibilidades de repetición de unidades o ejercicios; La adquisición de conocimiento se puede adaptar al ritmo de aprendizaje individual (obviamente en un entorno de aprendizaje ya obsoleto)

-Promover la comprensión a través de la presentación adaptativa del contenido, es decir, los contenidos son más sostenibles, ya que el alumno interactúa con nueva información de manera interactiva; El contenido no solo se presenta si no que entra dentro de una dinámica de interacción.

-Promover la capacidad de transferir conocimiento que puede aplicarse a otros contenidos; cuanto más fuerte es la interacción con el contenido, más sostenible es no solo el efecto de aprendizaje, sino también la comprensión; La interactividad intensifica el empleo de información e idealmente conduce al hecho de que las conexiones pueden transferirse a otras circunstancias

-Aumentar el grado de interactividad de las aplicaciones móviles promueve la inmersión en el entorno de aprendizaje y puede tener un impacto positivo en el éxito del aprendizaje. El nivel más alto de interactividad ofrece aprendizaje en mundos virtuales ( realidad aumentada ).

Si tratamos el Multimedia como elemento indispensable nos referiremos a la combinación de múltiples y diferentes medios en dispositivos móviles, p. Textos, imágenes, animaciones, formatos de audio y video. La base del uso de elementos multimedia para representar, estructurar y explicar el conocimiento es la suposición de que los humanos pueden aprender no solo a través de textos sino también a través de otros medios visuales y / o auditivos. Esta tesis está respaldada por la investigación de la memoria, que sugiere que la información se puede tomar más fácil, más rápido o más sostenible, si se presenta en otras formas de presentación o se utiliza además de los textos.

La multimedialidad va de la mano con la multimodalidad de los dispositivos móviles, es decir, las diversas funciones que el usuario usa de manera activa o automática cuando usa aplicaciones. Estos incluyen interfaces de usuario para el dispositivo, como entrada de voz y texto, sensores técnicos e interfaces de usuario visuales en la pantalla.

La presentación multimedia del contenido de aprendizaje puede mejorar la comprensión y los procesos de aprendizaje. Sin embargo, esto debe implementarse de manera adecuada. Una implementación lúdica del aprendizaje móvil es el juego móvil. Los llamados edugames (educación y juego en inglés) combinan varios elementos multimedia con la participación del usuario, de modo que se mejora la inmersión y el aspecto lúdico del aprendizaje puede aumentar la motivación y promover el aprendizaje.

Además de los enfoques lúdicos, se pueden implementar diferentes tipos de tareas en aplicaciones móviles. El diseño de este tipo de tareas depende de la interactividad y multimedia, así como del paradigma de la teoría del aprendizaje ( teorías del aprendizaje ). De acuerdo con la doctrina universitaria z. Como tareas de opción múltiple, de opción única y de texto libre o brecha concebibles.

Siguiendo un paradigma conductista , hay tareas que representan el contenido y contienen instrucciones claras. Luego, el aprendizaje móvil procede de acuerdo con el esquema: presentación de contenido, asignación de tareas y realización de comprobaciones de éxito. Los contenidos de aprendizaje se dividen en pequeñas unidades y se transmiten principalmente como texto. Las tareas posteriores se evalúan por su precisión o falta de corrección.

El propósito de la aplicación móvil en este caso es la retroalimentación inmediata al alumno. Si se usa un paradigma cognitivista , una gran cantidad de información no debe ofrecerse solo como texto, sino que debe proporcionar explicaciones claras y estructuradas por medio de elementos multimedia. Dado que el cognitivismo define el proceso de aprendizaje como una capacidad adaptativa permanente del ser humano, otras formas de presentación además del texto apoyan el registro de información.

Además, se tiene en cuenta la motivación intrínseca del alumno, es decir, el alumno se involucra más en el proceso de aprendizaje mediante el uso de tareas interactivas y abstractas que requieren su aplicación en lugar de una mera reproducción de lo aprendido. La motivación intrínseca y la disposición personal para aprender también son parte de la teoría del aprendizaje constructivista . En particular, la curiosidad y el aprendizaje lúdico, por ejemplo. Edugames , por ejemplo, será promovido por aplicaciones móviles y será útil para el aprendizaje. A diferencia de las tareas de “ejercicio y práctica”, que solo pueden responderse como “correctas” o “incorrectas”, un modelo de aprendizaje constructivista se esfuerza por mapear problemas iniciales complejos y situaciones auténticas.

En consecuencia, las aplicaciones en esta área están diseñadas menos para un rendimiento específico del alumno, pero intente con múltiples perspectivas y referencias a contextos para crear una situación de aprendizaje virtual o incluso basada en el mundo real. La función del aprendizaje móvil es la combinación del entorno real y la adquisición de conocimiento, así como el desarrollo de habilidades comunicativas y relacionadas con el grupo. Por lo tanto, el uso de escenarios de aprendizaje, que requiere aspectos específicos, como. Por ejemplo, trabajo en equipo o tareas prácticas. El aprendizaje móvil, por lo tanto, utiliza el aprendizaje contextualizado que integra el proceso de aprendizaje en un contexto real o virtual.

Al igual que en EL APRENDIZAJE en el aula, independientemente de la teoría de aprendizaje subyacente, el desarrollo de aplicaciones debe responder las preguntas de cuál es el objetivo de aprendizaje, qué materiales de aprendizaje se utilizan para lograr el objetivo de aprendizaje, cómo y cuándo, y qué objetivos y metas de aprendizaje se definen y revisan. Estas preguntas fundamentales forman el punto de partida para la planificación de contenidos y funciones de una aplicación y permiten la medición del éxito del aprendizaje durante la implementación posterior.

El éxito de un proceso de aprendizaje generalmente es evaluado en el contexto institucional por un maestro o por un organismo externo. Con el aprendizaje móvil, existe la posibilidad de que esto también lo haga la aplicación misma. El objetivo es documentar o evaluar los conocimientos y habilidades adquiridos del alumno. La medición del éxito del aprendizaje también puede contribuir al desarrollo de calidad de la aplicación en sí misma al usarse para su revisión.

La definición de éxito de aprendizaje también depende del paradigma teórico de aprendizaje subyacente. Por lo tanto, el logro del aprendizaje puede ser la reproducción de hechos ( conductismo ), la realización de transferencias ( cognitivismo ) o la evaluación de soluciones y enfoques bien fundados para la resolución de problemas ( constructivismo ). Si bien la medición automática del éxito del aprendizaje puede implementarse muy fácilmente en entornos de aprendizaje influenciados por el comportamiento, los objetivos de aprendizaje que implican la transferencia de conocimiento o soluciones argumentativas aún no pueden verificarse de manera completamente automática.

Al disponer de aplicaciones personalizadas el autocontrol sera personal y social, es c¡decir, tanto a nivel de cada persona como con el grupo (equipo)¡ colaborativo) que se trabaje.

. La universidad u otras plataformas y proveedores pueden proporcionar materiales para el aprendizaje autodirigido en forma de grabaciones de video y capacitación en línea. Las grabaciones de video pueden ser transmisiones de video, es decir, grabaciones en vivo de conferencias, así como videos a su propio ritmo que son más cortos que las grabaciones de conferencias completas. Dichos videos pueden emplear animaciones y ejercicios de entrega de contenido interactivo y, por lo tanto, se producen de manera más elaborada.

Las capacitaciones basadas en la web son unidades de aprendizaje que abordarán temas individuales de una conferencia o un complejo de temas. Los materiales de aprendizaje también pueden estar disponibles como podcasts (archivos de audio con contenido hablado) o como documentos (por ejemplo, resúmenes) para descargar.

Más posibilidades que solo la provisión de materiales de aprendizaje ofrecen aplicaciones específicas. Dependiendo del área temática, estos módulos de aprendizaje, que presentan a los estudiantes con conocimiento a pequeña escala, y los métodos de revisión de éxito de aprendizaje. Las unidades consisten en textos breves de aprendizaje y explicaciones, que también pueden contener referencias a información adicional. Usando tareas de conocimiento, los estudiantes pueden determinar su propio progreso en el asunto mismo.

También funcionan aplicaciones similares en las que se consulta el conocimiento ya existente (por ejemplo, de conferencias) en forma de cuestionario. Dichas aplicaciones de preguntas y respuestas sirven para repetir el conocimiento ya adquirido. Las pruebas de verificación se pueden configurar con tareas de selección única y múltiple, tareas, arrastrar y soltar, así como tareas de cloze y texto.

Si bien algunas aplicaciones contienen solo una forma de revisión de conocimiento, otras consisten en pruebas de aprendizaje multidimensionales o contienen elementos visuales o lúdicos para indicar el progreso del aprendizaje. El aprendiz recibirá sus propios comentarios directos sobre su nivel de conocimiento al mostrar las respuestas como respuestas correctas o incorrectas. Por lo tanto, el aprendizaje móvil también es adecuado para la preparación de lo que hasta ahora eran los exámenes, pero llevados obviamente bajo otras premisas no solo en cuanto a su ejecución, sino en su planteamiento y fines para los que se entiendan.

En la concepción de las ofertas de aprendizaje móvil para el contexto universitario, algunos conocimientos y contenidos de aprendizaje aprendidos ya se presuponen.

Las ventajas, sin embargo, son:

-el tiempo y el lugar de aprendizaje independiente a través de repeticiones,

-la práctica de tareas de aprendizaje y el manejo de tales tareas, ya que se someten a autocontroles y posibles retroalimentaciones instantáneas.

-la implementación de un aprendizaje específico estableciendo el propio ritmo de aprendizaje y enfocándose también en las deficiencias personales (diversidad, Educación Inclusiva, personalized-socialized learning).

-la oportunidad de convertir un amplio contenido de aprendizaje en elementos de aprendizaje cortos y manejables.

-el aprendizaje autodirigido, en particular, puede complementarse aún más intensamente mediante el aprendizaje basado en el contexto.

En el aprendizaje en el aula en las universidades, los dispositivos móviles se pueden utilizar junto con las redes inalámbricas como complemento. Esto es adecuado para eventos masivos, es decir, conferencias con un gran número de participantes, pero también para seminarios, en los que los estudiantes deben trabajar solos en grupos pequeños.

El uso del aprendizaje móvil dentro de los escenarios de presencia implica dos desafíos principales:

– Por un lado, debe garantizarse que todos los estudiantes tengan acceso a la oferta móvil, es decir, todos los participantes deben contar con dispositivos finales apropiados o deben tener acceso a ellos mismos (BYOD COMO CONTEXTO)

La combinación consciente del CONTEXTO, la computación ubicua y omnipresente proporciona para entornos que son capaces de adaptarse a las diferentes identidades y necesidades de usuarios y organizaciones, un aprendizaje permanente, personalizado y adaptable.

Si entramos en debate de como, cuando, donde y con qué utilizar herramientas digitales en la educación, en las aulas, en el aprendizaje formal, informal etc… es conveniente hacerlo, con diferentes herramientas que tengamos a nuestro alcance, pero también con diversos planteamientos socio-didácticos y pedagógicos:

-Modelo de integración de BYOD en lo que sería el contexto…

La combinación consciente del CONTEXTO, la computación ubicua y omnipresente proporciona para entornos que son capaces de adaptarse a las diferentes identidades y necesidades de usuarios y organizaciones, un aprendizaje permanente, personalizado y adaptable.

Necesitaremos instalaciones que hagan posibles el u-aprendizaje consciente del contexto que se apoya por medio de dispositivos móviles, wereables , redes inalámbricas, sensores…

A través de los últimos avances tecnológicos, los ordenadores portátiles se han convertido en potentes dispositivos de mano inalámbricos con las siguientes características:

 -Conectabilidad – Se conectan a Internet de forma inalámbrica a través de la fidelidad inalámbrica o WiFi.

-Portabilidad – Son portátil y por lo tanto siempre al alcance del usuario.

-Accesibilidad instantánea – Se enciende al instante y se apaga.

-Flexibilidad – Ayudan a recopilar datos al acomodar una amplia variedad de extensiones periféricas (por ejemplo, cámaras digitales, cargas de estudio científica, los dispositivos de sistema de posicionamiento global, la identificación por radiofrecuencia y lectores de códigos de barras).

-Viabilidad económica – Tienen gran parte de la capacidad de cómputo y capacidad de almacenamiento ampliable de ordenadores portátiles a una fracción del costo

Mediante el uso de u-learning se hace posible la creación de canales de comunicación ubicuas entre diferentes contextos de nuestra vida, que facilitan la creación de un marco de diálogo en todas partes dentro de la cual los aprendices, empresarios, facilitadores, tecnologías, recursos …podremos organizar UNA RUTA DE APRENDIZAJE-IMPLEMENTACIÓN, diversa pero adecuada a cada momento y circunstancia.

Se utilizan las herramientas que cualquier contexto necesitaría. Abre la base de la libertad que da a los estudiantes, diferentes modelos de integración de la BYOD, por lo que su emergencia puede ser circunstancial o no.

Sí, en un uso controlado, optaremos por un enfoque elegiremos una herramienta en particular (por ejemplo un aire 2 64 GB iPad), que generalmente sería igual para todos, pero que obviamente será personalizada para cada aprendiz.. Este modelo permite fácil control sobre enseñanza y aprendizaje, haciendo que la apropiación de la tecnología sea más fácil en cualquier tipo de aprendizaje.. Este proceso de alguna manera limita y mucho la INNOVACION.

El enfoque de uso objetivo deja la elección del dispositivo para el aprendiz (por ejemplo, una tableta o un ordenador). Sin embargo, debe cumplir determinadas características técnicas (como el procesador o la memoria mínima requerida). También debe respetar la elección de los programas proporcionados por el profesor. El control de aplicaciones y plataformas usadas. Sin embargo, es todavía limitada la libertad pedagógica del alumno, evidentemente en aprendizajes realizados con el docente como el centro de todo, si es el aprendiz, nos saltaríamos este paso, o por contra, invertiríamos los papeles.

El enfoque de uso abierto único permite al aprendiz elegir sus herramientas y sus aplicaciones de software. La libertad del alumno es más importante, sin embargo el profesor debe adaptarse a las diferentes plataformas, debe mostrar flexibilidad en sus enseñanzas (es un aprendizaje más propio de un nuevo paradigma y de una nueva educación)

Por último, el enfoque de uso múltiple abierto cubre todas las perspectivas BYOD. Permite al alumno utilizar cualquier herramienta y aun varias herramientas en el aula. Es importante la flexibilidad del docente y la gestión de la clase más compleja, pero la innovación educativa también es mayor. (la innovacion llega a su grado máximo.)

Así, en un ambiente 100% BYOD, la clase podría tener a su disposición:

-tocar las tabletas (iPad, Android, Windows), otros;

-ordenadores portátiles (Mac, PC, Linux);

-uno o más equipos fijados ya en la clase;

-reproductores de música digital (iPod, por ejemplo);

-luces de lectura electrónica;

-teléfonos (iPhone, Android, Windows), inteligentes otros.

¿Dolor de cabeza a la vista? De hecho, si conseguimos hacer cada una de estas herramientas tiene acceso a la red de la escuela, luego podemos centrarnos en el aspecto pedagógico: ¿Cuál es la tarea, el objetivo?

Obviamente las herramientas será siempre herramientas pero como sabemos condicionoron mucho el aprendizaje. 

La educación formal, reglada, se mantiene con un modelo del siglo XX. Pero esto con las tecnologías actuales es inviable, porque los aprendices cambiaron. Antes éramos sujetos pasivos, consumidores de información y formación; ahora son activos, miran a los profesores a la cara.

Eso significa que desean aportar, no solo escuchar, pues tienen propuestas, que quieren que se tengan en cuenta, que sienten importantes. No se conforman con lo que el docente ofrece y quiere que aprendan desde un estrato superior.

Las TIC (tecnologías de la información y la comunicación) convirtieron a los aprendices en “prosumidores” (productores y consumidores a la vez) y están consiguiendo incluso que pasen de ser protagonistas a ser los responsables de su educación.

Cuando se trata de puntos de vista sobre la enseñanza y el aprendizaje, la Web 2.0 ha cambiado todo! ¿No lo creen? En diciembre de 2006, la revista Time nombró al “USUARIO” como la persona del año.

La Web 2.0 (también llamada Web de lectura y escritura) permite a los estudiantes a generar ideas y comentarios en línea, en lugar de simplemente leer o navegar por alguien más. En efecto, en lugar de aprendizaje pasivo basado en el consumo, estamos viviendo en una era de participación donde los estudiantes tienen voz y potencialmente algún grado de propiedad sobre su propio aprendizaje (PROSUMIDORES)

Aquí, en el inicio del siglo XXI, las tecnologías emergentes y convergenes – tales como álbumes de fotos en línea, blogs, wikis, podcasts, libros electrónicos, vídeos de YouTube, juegos multijugador masivos en línea, simulaciones, mundos virtuales y de computación móvil e inalámbrica – están generando ondas de nuevas oportunidades en la educación superior, las escuelas , la capacitación empresarial y otros ambientes de aprendizaje.

Y el alumno de hoy milenario, inmerso en un mundo cada vez más digital está buscando más ricas y atractivas experiencias de aprendizaje más. En medio de esta ola creciente de las expectativas, los instructores de los distintos sectores educativos están explorando y compartiendo formas innovadoras de utilizar la tecnología para fomentar la interacción, la colaboración y el entusiasmo creciente por el aprendizaje.

Este viaje en el aprendizaje de las tecnologías (es decir, la naturaleza), las oportunidades pedagógicas (es decir, crianza), y las personas, las sociedades y culturas donde esto está sucediendo ahora! Algunos de nosotros creamos y publicamos con la tecnología Web 2.0, mientras que otros se crean blogs de vídeo, y otros diseñará similares a YouTube videos.

Con ellas los aprendices deberán ser capaces de:

1.       Definir y utilizar diferentes tecnologías de la Web 2.0;

2.       Explicar y demostrar los beneficios educativos de podcasts, wikis, blogs, mundos virtuales, simulaciones de software, redes sociales, etc

3.       Criticar y relacionar a las nuevas tecnologías para el aprendizaje y la pedagogía asociada con los artículos.

4.       Utilizar, recomendar, o crear recursos en línea y portales en una variedad de entornos educativos.

5.       Diseñar un proyecto innovador de investigación o evaluación relacionada con el aprendizaje en línea;

6.       Presentar con éxito las investigaciones, donaciones, u otras propuestas relacionadas con las tecnologías de aprendizaje, la Web 2.0, e-learning, o el cambio sistémico en la educación de las conferencias, las fundaciones, las cumbres o institutos.

7.       Reconocer y potencialmente estar en contacto con muchos de los principales actores y académicos en el ámbito del aprendizaje en línea y las tecnologías Web 2.0 del aprendizaje.

8.       Consultar con las organizaciones para evaluar la efectividad de los cursos de e-learning, programas y eventos, así como las tecnologías Web 2.0.

9.       Hacer recomendaciones sobre las iniciativas de aprendizaje en línea, programas y estrategias.

10.   Obtener un modelo, guía o marco para pensar acerca de las nuevas herramientas tecnológicas y recursos en la educación. El uso de este marco para los informes de planificación estratégica, retiros, consultas y otros lugares o situaciones donde se necesita una lente macro en la tecnología del aprendizaje y la reforma educativa.

En el siglo XX, los responsables eran los docentes. Ahora, su rol cambia de profesores a facilitadores. No pierden importancia; la tienen y mucha. Pero adquieren otro rol.

La pregunta que mi colega Darren Kuropatwa pide en muchas de sus presentaciones es ” ¿Qué es lo que puedo hacer ahora que no podía hacer antes ? es una cuestión fundamental que debe plantearse de manera más. Muchas de las personas usan la tecnología implica simplemente más rápido y más eficiente, no diferentes.

O sea, ¿es la tecnología sólo una herramienta? Esa declaración minimiza los cambios y los cambios que ofrece la tecnología y permite a las personas utilizar la tecnología para perpetuar las malas prácticas, más pruebas y buscar la eficiencia y simplicidad en lugar del desorden que viene de conexiones personalizadas a las pasiones e intereses.

Diciendo que la tecnología es “sólo una herramienta” puede ser una afirmación muy peligrosa. Yo entiendo que cuando la gente dice esto, ellos están simplemente tratando de señalar que la tecnología es un periférico que nos permite hacer las cosas que queremos hacer mejor que antes.

Puedo estar de acuerdo con ese concepto, pero el problema con esta forma de pensar es que a menudo se acostumbra a ver la tecnología sólo como un medio para automatizar o que la práctica actual más eficiente. Hay muy pocas personas que participan en cualquier nivel de educación que cree que la tecnología no es necesaria para nuestros estudiantes.

Cuando no estamos de acuerdo es en cómo vamos a utilizar y más a menudo existe una falta de comprensión y aprecio por la naturaleza trans-formación de la tecnología.

Me preocupa a veces sobre los esfuerzos para “incorporar la tecnología” en nuestras aulas. Gran parte de esta infusión se trata sólo de continuar con la práctica actual y la tecnología de riego la situamos en la parte más arriesgada de este proceso, que ya está bien, claro, y entonces lo llamamos, innovación.

Esto es cuando la consideramos “solo” es sólo una herramienta. Cuando la tecnología transforma la manera en que aprendemos, nos ofrece un campo inexplorado de nuevas experiencias y oportunidades, que es mucho más que una herramienta, sino un entorno completamente nuevo, conforma un verdadero Escenario de Aprendizaje y además es capaz de hacerlo personalizado y actuar de manera Ub`´icua, ya que sin ellas eso sería completamente imposible.

Por supuesto, actualmente no estamos utilizando la tecnología para crear Escenarios de aprendizaje, aunque siempre hablamos de ellos. PLE, PLN, SLR, pero realmente no lo hacemos, entre otras cosas porque el SISTEMA nos lo impide,

Si bien esta afirmación puede parecer semántica para algunos, representa el único cambio por completo que puede ocurrir si nos dejamos de utilizar plenamente la potencialidad de la tecnología. Esto ni siquiera se trata de algún tipo de mundo utópico de aprendizaje. Con la nueva potencialidad viene nuevos problemas. Pero estos nuevos problemas deben ser vistos y tratados en nuevas formas, estamos en UNA NUEVA ÉPOCA, NO EN UNA ÉPOCA DE CAMBIOS (juandon)

Así que la próxima vez que alguien dice que la tecnología es sólo una herramienta, me animo a investigar más acerca de lo que eso significa, porque demasiado a menudo es una manera de minimizar el potencial y el cambio de las tecnologías emergentes.

Si bien yo defiendo en gran medida de la capacidad de utilizar la tecnología para compartir y establecer colaboraciones (estar conectados) como decia George Siemens, la habilidad para nosotros para aprovechar la tecnología para crear proyectos, no es posible sino cambia lo que entendemos por aprendizaje.

Me preocupa a veces sobre los esfuerzos para “incorporar la tecnología” en nuestras aulas. Gran parte de esta infusión se trata sólo de continuar con la práctica actual y la tecnología de riego la situamos en la parte más arriesgada de este proceso, que ya está bien, claro, y entonces lo llamamos, innovación.

Esto es cuando la consideramos “solo” es sólo una herramienta. Cuando la tecnología transforma la manera en que aprendemos, nos ofrece un campo inexplorado de nuevas experiencias y oportunidades, que es mucho más que una herramienta, sino un entorno completamente nuevo, conforma un verdadero Escenario de Aprendizaje y además es capaz de hacerlo personalizado y actuar de manera Ubícua, ya que sin ellas eso sería completamente imposible.

Ubicuidad

Representa la “deslocalización”, movilidad, portabilidad…tanto de las personas, materiales, tecnologías (TIC,TAC, TEP, IA)

Después de volver de mi viaje por Italia, vamos a reprender diferentes ideas que hace unos meses vengo incubando y que ya adelante: las llamé “DESLOCALIZACIÓN y CONECTIVISMO” en temas de educación y creo que puede ser el origen del learning is work, no hay la menor duda, es necesario una ubicuidad generalizada como cultura general en la manera de pensar y de actuar y una relación continuada entre personas y organizaciones buscando e implementando los conocimientos y los aprendizajes que se derivan de estas dos grandes posibilidades..

Lo difícil de las cosas es encontrar las vías de acceso de las personas-ya que el convencimiento ya está impregnado en todas las partes de una sociedad que lo que tienen muy claro es que no quieren vivir como viven ahora- por tanto, este trabajo ya viene hecho, ahora falta orquestar los caminos para ir llegando a estos procesos, a esta nueva cultura que entre todos, y no solo unos cuantos, deberíamos fomentar y llevar a cabo…

Por supuesto, actualmente no estamos utilizando la tecnología para crear Escenarios de aprendizaje, aunque siempre hablamos de ellos. PLE, PLN, SLR, pero realmente no lo hacemos, entre otras cosas porque el SISTEMA nos lo impide,

Como los aprendices tienen más conectividad y el acceso a los recursos que nunca, un reto es desarrollar nuevas prácticas y herramientas para apoyarlos en la forma en que eligen administrar las oportunidades de su aprendizaje.

¿Cómo pueden los aprendices sacar un mejor seguimiento de su aprendizaje y cómo los compañeros, padres y docentes , pueden trabajar con ellos para hacer conexiones efectivas entre todas sus experiencias?:

-Si somos capaces de cambiar este tipo de interacción, en la forma en que es percibido y utilizado, desde un simple mecanismo de difusión ,de un disparador que revela nuevos recursos a tiempo y apoya, a una forma dinámica de aprender, podremos modificar las tres estructuras que decimos son necesarias para que esta nueva época tenga la EDUCACIÓN que necesita y se merece: las Estructuras, las Organizaciones y la funcionalidad y este sistema de trabajo nos puede ayudar y mucho.”

-Es nece­sa­rio un enfo­que inte­gral para res­pon­der a los aprendices sobre el acceso a Inter­net, lo que nos conducirá a utilizar herramientas «excepcionales» Este enfo­que requiere:

-Una polí­tica clara con un fuerte enfo­que al valioso uso edu­ca­tivo de la Inter­net. La po­lí­tica debe ser apo­yada por pro­gra­mas de estu­dios y desa­rro­llo pro­fe­sio­nal, así como una clara expec­ta­tiva de que todos los estu­dios con Inter­net deben ser de alta cali­dad, e incluir acti­vi­da­des de ins­truc­ción bien planificadas.

–Res­pon­der a la nece­si­dad del estu­diante de tener un uso res­pon­sa­ble de la Inter­net con un segui­miento téc­nico eficaz.

–Las escue­las deben con­si­de­rar una revi­sión com­pleta de las polí­ti­cas de ges­tión del uso de Inter­net y sus prác­ti­cas. Una eva­lua­ción de las nece­si­da­des y la eva­lua­ción del uso de la Inter­net podría pro­por­cio­nar infor­ma­ción útil. El per­so­nal de segu­ri­dad de la escuela debe par­ti­ci­par en este proceso.

La escuela es una parte de la socie­dad y la socie­dad cada vez emplea más las redes socia­les. Por lo tanto, debe­mos seguir esta iner­cia y no sólo emplear­las sino tam­bién orien­tar a los apren­di­ces en su buen uso.

Para ello vamos a tra­tar de enten­der las poten­cia­li­da­des de las redes socia­les de apren­di­zaje y la crea­ción de nue­vos mode­los cen­tra­dos en el alumno. Esta idea pro­pone que los estu­dian­tes sigan par­ti­ci­pando mediante la iden­ti­fi­ca­ción de las rutas más intere­san­tes y rele­van­tes para ellos.

Las redes socia­les han per­mi­tido a la huma­ni­dad cre­cer y pros­pe­rar. Este fenó­meno ya exis­tía desde la edad de pie­dra, cuando los hom­bres de las caver­nas com­par­tían entre sí el cono­ci­miento que tenían de los ali­men­tos, o cuando los reyes de la Edad Media­com­par­tían la infor­ma­ción de las adua­nas, las invi­ta­cio­nes del matri­mo­nio y las decla­ra­cio­nes de gue­rra. La gente siem­pre se ha reunido en gru­pos en fun­ción de nece­si­da­des, obje­ti­vos, creen­cias e intere­ses comu­nes. Es a tra­vés de la comu­ni­ca­ción –escrita u oral– que los avan­ces del grupo o indi­vi­duo esta­ble­cen el marco para la crea­ción de redes sociales.

Una red social es una estruc­tura social hecha de nodos (que gene­ral­mente son indi­vi­duos u orga­ni­za­cio­nes) que están vin­cu­la­dos por uno o más tipos espe­cí­fi­cos de rela­cio­nes. Estos nexos pue­den ser valo­res, visio­nes, ideas, inter­cam­bios finan­cie­ros, ami­gos, parien­tes, enla­ces entre webs, rela­cio­nes sexua­les, trans­mi­sión de enfer­me­da­des (epi­de­mio­lo­gía), o rutas aéreas, entre otras.

Para su aná­li­sis, las rela­cio­nes socia­les pue­den esque­ma­ti­zarse en tér­mi­nos de nudos y lazos, como en el ejem­plo que se mues­tra en el cua­dro ante­rior. Los pun­tos de la figura repre­sen­tan a cada uno de los indi­vi­duos en la red, mien­tras que las líneas repre­sen­tan a sus cone­xio­nes en la red.

No sólo debe­mos ofre­cer una amplia gama de opcio­nes de pro­gra­mas socia­les, sino tam­bién dise­ñar redes de apren­di­zaje. Esto con el obje­tivo de pro­por­cio­nar a nues­tros jóve­nes un espa­cio fuera de la pro­gra­ma­ción estruc­tu­rada para explo­rar sus pasio­nes con el apoyo de sus com­pa­ñe­ros y mentores.

Invo­lu­crar a nues­tros estu­dian­tes más allá de las limi­ta­cio­nes de tiempo y espa­cio de las cla­ses, por un lado nos per­mite con­ti­nuar tra­ba­jando con ellos durante toda la semana. Pero, ade­más, les da la inva­lua­ble opor­tu­ni­dad de com­par­tir expe­rien­cias ocu­rri­das fuera del aula con la comu­ni­dad de aprendizaje.

El reto que se nos pre­senta es dar­les la posi­bi­li­dad de com­par­tir cons­tan­te­mente sus intere­ses y acti­vi­da­des ocu­rri­das en otros luga­res para retra­tar de manera más com­pleta a los alum­nos. Si lo con­se­gui­mos logra­mos cono­cer más el per­fil de nues­tros estu­dian­tes, podre­mos crear nue­vas opor­tu­ni­da­des para todos y así faci­li­ta­re­mos su apren­di­zaje. Como los alum­nos tie­nen más conec­ti­vi­dad y acceso a los recur­sos tec­no­ló­gi­cos que nunca, otro reto es desa­rro­llar nue­vas prác­ti­cas y herra­mien­tas para apo­yar­los en la forma de admi­nis­trar sus opor­tu­ni­da­des de aprendizaje.

Las redes sociales serían una «herramienta de las que hablamos» Pode­mos citar algu­nos de los bene­fi­cios que nos puede apor­tar una red social creada para tra­ba­jar con los alumnos:

-Per­mite cen­tra­li­zar en un único sitio todas las acti­vi­da­des de docen­tes, pro­fe­so­res y alum­nos de un cen­tro educativo.

–Aumento del sen­ti­miento de comu­ni­dad edu­ca­tiva entre alum­nos y pro­fe­so­res debido al efecto de cer­ca­nía que pro­du­cen las redes sociales.

–Mejora el ambiente de tra­bajo al per­mi­tir que el alumno pueda crear sus pro­pios obje­tos de inte­rés, así como los pro­pios del tra­bajo que requiere la educación.

-Aumento de flui­dez y sen­ci­llez de la comu­ni­ca­ción entre pro­fe­so­res y alumnos.

Incre­mento de la efi­ca­cia del uso prác­tico de las TIC, al uti­li­zar la red como medio de aglu­ti­na­miento entre per­so­nas, recur­sos y acti­vi­da­des. Sobre todo cuando se uti­li­zan las TIC de forma gene­ra­li­zada y masiva en el cen­tro educativo.

–Faci­lita la coor­di­na­ción en el tra­bajo de diver­sos gru­pos de apren­di­zaje (clase, asig­na­tura, grupo de alum­nos de una asig­na­tura, etcétera).

–Apren­di­zaje de com­por­ta­miento social básico por parte de los alum­nos: qué puedo decir, qué puedo hacer, hasta dónde puedo lle­gar, etcétera.

La reali­dad nos lleva a obser­var que en los apren­di­za­jes curri­cu­la­res obli­ga­to­rios y homo­ge­nei­za­do­res que con­tem­plan los diver­sos sis­te­mas edu­ca­ti­vos de cual­quier país y en cual­quier rango de edad, incluida la edu­ca­ción supe­rior (Uni­ver­si­ta­ria), el empleo de las redes socia­les con fines edu­ca­ti­vos es casi nula. Su misma infor­ma­li­dad hace que no sean acep­ta­das por nin­guna estruc­tura político-educativa. Por tanto, tam­poco por nin­guna orga­ni­za­ción edu­ca­tiva, desde escue­las bási­cas hasta uni­ver­si­da­des y menos aún en su aspecto fun­cio­nal, en el día a día, pues se con­si­dera que es una pér­dida de tiempo, con lo que al final de cada curso impe­di­ría lle­gar a los resul­ta­dos que pue­den mos­trarse a tra­vés de un currículum

Por ello, no queda más reme­dio que refun­dar la edu­ca­ción, como siem­pre defen­de­mos. Hay que pen­sar si el con­cepto mismo de edu­ca­ción es lo que la socie­dad actual demanda. Y si no lo es, habrá que ejer­cer una fun­ción dis­rup­tiva, rom­per con él y bus­car uno de nuevo más ade­cuado a los nue­vos tiem­pos. Deberá ser un con­cepto apto para una época que demanda otras cosas, pide más apren­di­zaje basado en los estu­dian­tes, más apren­di­zaje inclu­sivo, donde se rompa de una vez cual­quier bre­cha edu­ca­tiva y se bus­que la exce­len­cia de cada per­sona.

Un apren­di­zaje donde pueda darse la ubi­cui­dad, no sólo hablando de luga­res físico-temporales sino tam­bién en la utili­za­ción de ele­men­tos mate­ria­les que pue­dan ser por­ta­bles, sín­cro­nos y asín­cro­nos. Habrá que esta­ble­cer meca­nis­mos a los cua­les la misma socie­dad otor­gue valor jurí­dico. En todo ello, las redes socia­les tie­nen un gran papel y segui­rán teniendo mucho qué decir.

Podríamos establecer un proceso como….

1. Diferentes “métodos innovadores y contextuales” = el aprendizaje y el trabajo en la era de las redes y el empleo nunca serán estandarizados, lo que significa primero deshacerse de las descripciones de puestos y individuales evaluaciones de desempeño y el cambio a formas más simples a fin de organizar la complejidad.

2. Deberemos autoseleccionar las herramientas, según las necesidades de cada momento, las características contextuales y personalizadas…” = alejándose de herramientas empresariales estandarizadas hacia una plataforma abierta en la que los trabajadores, aprendices—, , pueden utilizar sus propias herramientas con el fin de ser artesanos del conocimiento.

3. “cooperación voluntaria” = disminuir el énfasis en el trabajo en equipo y la colaboración y fomentar mayor cooperación. De esa manera pasaremos de un trabajo PREDISEÑADO a otro CREATIVO y por tanto más motivador.

4. “deber de ser transparente” = pasar de ‘necesitan saber’ a ‘necesitar compartir’ especialmente para aquellos con responsabilidades de liderazgo, que deben entender que en la era de la red, la gestión es una función, no una carrera. La transparencia es, probablemente, el mayor reto para las organizaciones de hoy en día…universidades, emnpresas, organizaciones socio-politicas, económicas—-

5. “compartir nuestro conocimiento” = cambiar el entorno para que compartir su conocimiento no ponga a esa persona en una posición más débil de la organización. Un trabajador del conocimiento es una persona comprometida con la libertad para actuar. Premiar la organización (de red) es mejor que premiar a la persona, pero sólo si las personas se sienten capaces y pueden participar activamente en la toma de decisiones. Intrínseca, no extrínseca, la motivación es necesaria para el trabajo complejo y creativo.

Con todo ello realizaremos:

• Preparación – la fase de aprendizaje donde el objetivo es proporcionar actividades y activos de aprendizaje que contribuyan al estado del aprendiz en disposición para aprender.

• Despliegue – la fase de aprendizaje donde el objetivo es entregar los activos de aprendizaje formal para el alumno para asegurar la transferencia de conocimientos.

• Refuerzo (EVALUACIÓN) – la fase de aprendizaje en el que el objetivo es la aplicación del aprendizaje en el contexto de trabajo para impulsar el rendimiento medible y sostenible. (learning is the work).

Necesitamos crear una cultura organizacional en la que el aprendizaje sea continuo y suced en el curso del trabajo (LEARNING IS THE WORK), donde los trabajadores ” escogen “el aprendizaje que necesitan cuando lo necesitan( y con las tecnologias necesarias).

Aprovechando los garabatos de mi amigo JULIAN STODD, otro loco de los esquemas, simbologías, metáforas, como yo mismo, me gustaría comentar un problema que nos encontramos hoy y que no sabemos resolver, y me refiero a la confianza de las organizaciones y su gestión, a la polaridad existente y a la falta de confianza por encontrar puntos de encuentro o a no encontrarlos, pero respetando a los demás y no «quitándolos» de la circulación porque no están en nuestra sintonía…

Aqui podríamos utilizar herramientas de la web 2.0 que nos abrieran caminos en tiempo diferido asíncrono, que puede servir y mucho para tantear las situaciones y muchas veces para aclararlas y con esto no me refiero a esconderse, si no a sincerarse y sobretodo a entender al otro.

La mayor parte del aprendizaje ocurre en el lugar de trabajo de todos modos. El reto consiste en asegurarse de que los trabajadores están recibiendo la información correcta y útil y si es el aprendizaje por ENSAYO-ERROR con la retroalimentación por medio de algoritmos, entre partes, personalmente, online…que los empleados están recibiendo y que les ayuda ayuda a aprender. Con la tecnología que está disponible hoy en día, no hay ninguna razón por qué no podemos obtener sólo la información correcta a los empleados cuándo, dónde, y cómo la necesitan. (INFORMAL, NATURAL…)…

«Un evento de capacitación no es suficiente para que se produzca una auténtica transferencia de aprendizaje», hace falta más…

Necesitaremos instalaciones que hagan posibles el u-aprendizaje consciente del contexto que se apoya por medio de dispositivos móviles, wereables , redes inalámbricas, sensores…

A través de los últimos avances tecnológicos, los ordenadores portátiles se han convertido en potentes dispositivos de mano inalámbricos con las siguientes características:

-Conectabilidad – Se conectan a Internet de forma inalámbrica a través de la fidelidad inalámbrica o WiFi.

-Portabilidad – Son portátil y por lo tanto siempre al alcance del usuario.

-Accesibilidad instantánea – Se enciende al instante y se apaga.

-Flexibilidad – Ayudan a recopilar datos al acomodar una amplia variedad de extensiones periféricas (por ejemplo, cámaras digitales, cargas de estudio científica, los dispositivos de sistema de posicionamiento global, la identificación por radiofrecuencia y lectores de códigos de barras).

-Viabilidad económica – Tienen gran parte de la capacidad de cómputo y capacidad de almacenamiento ampliable de ordenadores portátiles a una fracción del costo

Mediante el uso de u-learning se hace posible la creación de canales de comunicación ubicuas entre diferentes contextos de nuestra vida, que facilitan la creación de un marco de diálogo en todas partes dentro de la cual los aprendices, empresarios, facilitadores, tecnologías, recursos …podremos organizar UNA RUTA DE APRENDIZAJE-IMPLEMENTACIÓN, diversa pero adecuada a cada momento y circunstancia.

– Por otro lado, debe usarse una aplicación metodológica y sustantivamente sensata, que se ajuste a las condiciones generales así como al contenido del curso. Las aplicaciones posibles son aplicaciones que proporcionan tareas de activación, ya sea individualmente o en grupos y cuyas soluciones pueden transmitirse al conjunto de los diferentes equipos y a los acompañantes de sus aprendizajes, los docentes.

En el aprendizaje contextualizado , el proceso de aprendizaje está incrustado en una situación o contexto particular. Estos incluyen el entorno físico actual del alumno (p. Ej., Espacio, tiempo, marco de acción) y el contexto de socialización (la capacidad de interactuar con otros alumnos, objetos o materiales). La interacción social puede ser tanto informal como formal, y no solo se relaciona con la interacción humana, sino también con la interacción entre el dispositivo o la aplicación humana y tecnológica utilizada. Al tener en cuenta la situación individual del alumno, el proceso de aprendizaje está dirigido a situaciones concretas de aprendizaje y aplicación, mientras que un entorno de aprendizaje auténtico conduce a una experiencia sostenible y a la aplicación de lo aprendido.

Se utilizan las herramientas que cualquier contexto necesitaría enla base de la libertad que da a los estudiantes, diferentes modelos de integración de la BYOD, por lo que su emergencia puede ser circunstancial o no.

Sí, en un uso controlado, optaremos por un enfoque elegiremos una herramienta en particular (por ejemplo un aire 2 64 GB iPad), que generalmente sería igual para todos, pero que obviamente será personalizada para cada aprendiz.. Este modelo permite fácil control sobre enseñanza y aprendizaje, haciendo que la apropiación de la tecnología sea más fácil en cualquier tipo de aprendizaje.. Este proceso de alguna manera limita y mucho la INNOVACION.

Eso significa que desean aportar, no solo escuchar, pues tienen propuestas, que quieren que se tengan en cuenta, que sienten importantes. No se conforman con lo que el docente ofrece y quiere que aprendan desde un estrato superior.

Las TIC (tecnologías de la información y la comunicación) convirtieron a los aprendices en “prosumidores” (productores y consumidores a la vez) y están consiguiendo incluso que pasen de ser protagonistas a ser los responsables de su educación.

Cuando se trata de puntos de vista sobre la enseñanza y el aprendizaje, la Web 2.0 ha cambiado todo! ¿No lo creen? En diciembre de 2006, la revista Time nombró al “USUARIO” como la persona del año.

El enfoque de uso objetivo deja la elección del dispositivo para el aprendiz (por ejemplo, una tableta o un ordenador). Sin embargo, debe cumplir determinadas características técnicas (como el procesador o la memoria mínima requerida). También debe respetar la elección de los programas proporcionados por el profesor. El control de aplicaciones y plataformas usadas. Sin embargo, es todavía limitada la libertad pedagógica del alumno, evidentemente en aprendizajes realizados con el docente como el centro de todo, si es el aprendiz, nos saltaríamos este paso, o por contra, invertiríamos los papeles.

El enfoque de uso abierto único permite al aprendiz elegir sus herramientas y sus aplicaciones de software. La libertad del alumno es más importante, sin embargo el profesor debe adaptarse a las diferentes plataformas, debe mostrar flexibilidad en sus enseñanzas (es un aprendizaje más propio de un nuevo paradigma y de una nueva educación)

Por último, el enfoque de uso múltiple abierto cubre todas las perspectivas BYOD. Permite al alumno utilizar cualquier herramienta y aun varias herramientas en el aula. Es importante la flexibilidad del docente y la gestión de la clase más compleja, pero la innovación educativa también es mayor. (la innovacion llega a su grado máximo.)

Así, en un ambiente 100% BYOD, la clase podría tener a su disposición:

-tocar las tabletas (iPad, Android, Windows), otros;

-ordenadores portátiles (Mac, PC, Linux);

-uno o más equipos fijados ya en la clase;

-reproductores de música digital (iPod, por ejemplo);

-luces de lectura electrónica;

-teléfonos (iPhone, Android, Windows), inteligentes otros.

¿Dolor de cabeza a la vista? De hecho, si conseguimos hacer cada una de estas herramientas tiene acceso a la red de la escuela, luego podemos centrarnos en el aspecto pedagógico: ¿Cuál es la tarea, el objetivo?

Obviamente las herramientas será siempre herramientas pero como sabemos condicionaron mucho el aprendizaje.

La educación formal, reglada, se mantiene con un modelo del siglo XX. Pero esto con las tecnologías actuales es inviable, porque los aprendices cambiaron. Antes éramos sujetos pasivos, consumidores de información y formación; ahora son activos, miran a los profesores a la cara.

El aprendizaje contextualizado se basa en la teoría del aprendizaje situado, que fue acuñada a principios de la década de 1990 principalmente por el sociólogo estadounidense Jean Lave en colaboración con la investigadora social suiza Étienne Wenger.

Al igual que las teorías clásicas de aprendizaje ( conductismo , cognitivismo y constructivismo) , la teoría del aprendizaje situado es un intento de explicar los procesos de aprendizaje humano, incluida en particular la dimensión social. Además, la teoría se ocupa de la sostenibilidad del aprendizaje, que solo puede lograrse adquiriendo conocimientos relacionados con el alumno o su situación. Es decir, el individuo debe ser considerado en una interacción con el proceso de aprendizaje y su entorno.

En términos de aprendizaje móvil, el enfoque de aprendizaje contextualizado puede verse como una posible dimensión de diseño de los escenarios de aprendizaje / aprendizaje móvil. Dependiendo de la ubicación actual del alumno, los objetos y materiales de aprendizaje en este lugar, y los otros alumnos virtuales o físicos presentes, el proceso o contenido de aprendizaje se adapta al contexto dado.

Los escenarios de enseñanza-aprendizaje que sustentan el desarrollo y la aplicación de las ofertas de aprendizaje móvil pueden tener “contextos irrelevantes, formalizados, físicos o de socialización” :

-contexto irrelevante: no hay relación entre el entorno actual y la situación de aprendizaje

-contexto formalizado: espacio de aprendizaje común, p. ej. B. sala de conferencias

-contexto físico: relación con el lugar donde se encuentra el usuario, p. Museo, lugares distintivos o históricos de una ciudad; M-Learning como recurso para la información de contexto que involucra el medio ambiente

-contexto socializador: relaciones interpersonales; (Auto) reflexión, intercambio, aprendizaje recíproco y enseñanza (coaching)

Los diferentes contextos permiten el uso de diversas funciones del terminal móvil y también deben considerarse en el diseño de aplicaciones para el aprendizaje contextualizado.

El aprendizaje contextualizado establece una relación directa entre los objetos de aprendizaje abstractos y los casos y problemas de uso real, así como el entorno físico. Aunque el aprendizaje móvil tiene un gran potencial para desarrollar aún más el aprendizaje situado e individualizar los procesos de aprendizaje (por ejemplo, a través de objetivos de aprendizaje individuales, velocidad de aprendizaje, consideración de intereses y conocimiento), también existen desafíos y posibles límites. Estas son la dificultad de preparar temas complejos de manera integral y hacerlos adecuados para el aprendizaje móvil.

No se debe permitir que la concentración del conocimiento oculte detalles. Además, la capacidad de acceder al contenido en cualquier momento y en cualquier lugar no equivale a un aumento inagotable en el aprendizaje o la generación de nuevos conocimientos. Para hacer justicia a estos aspectos, el aprendizaje móvil contextualizado debe entenderse como un complemento de los procesos de aprendizaje y su diseño debe buscarse nuevas soluciones didácticas.

Para implementar el aprendizaje contextualizado en el sentido de REALIDAD AUMENTADA , es decir, una realidad aumentada por las características técnicas de los dispositivos móviles, se necesitan interfaces tangibles y objetos inteligentes. Las interfaces tangibles son aplicaciones o funciones integradas de un teléfono inteligente o tableta para capturar objetos del mundo real (como fotos o videos) o para determinar la ubicación geográfica del usuario (p. Ej. B. por sensor GPS ).

Los objetos inteligentes son objetos reales previamente categorizados que, vinculados a una aplicación correspondiente, proporcionan información sobre el objeto en sí o el entorno en cuestión. Ejemplos de este tipo de aprendizaje contextualizado son los museos o las guías de ciudades.

Dependiendo de la ubicación del usuario, muestra fotografías históricas en el teléfono inteligente o tableta, que también están incrustadas en perspectiva en la perspectiva actual de la cámara. De esta manera, el presente y el pasado se fusionan. Además, la aplicación proporciona información de fondo en forma de documentos originales, fotos y material histórico.

La integración de objetos físicos en nuevas tecnologías establecerá en el futuro nuevos tipos de interacción y apoyará el aprendizaje situacional y experimental a través de la experimentación y la experimentación en entornos reales.

Los entornos virtuales, LA REALIDAD VIRTUAL (VR), hacen uso de objetos inexistentes o existentes y son generados completamente por aplicaciones en el dispositivo móvil. Una experiencia óptima de una realidad virtual permite gafas especiales de realidad virtual. Sin embargo, las guías de museos virtuales, que ya ofrece Google en el Proyecto de Arte de Google ,se pueden usar de manera eficiente en teléfonos inteligentes y tabletas.

Las formas didácticas metódicas móviles tienen en cuenta aspectos como la inclusión (EDUCACIÓN INCLUSIVA) para abordar específicamente los grupos desfavorecidos y buscar LA EXCELENCIA PERSONALIZADA, tanto de personas a nivel individual como social y aportar su valor propio y añadido a la sociedad.

Además, la sensibilidad al contexto se refleja en la adaptación del enfoque didáctico a las situaciones de aprendizaje individuales, por ejemplo, las condiciones espaciales, la disposición de la sala, los asientos, el tamaño del curso, el tipo de curso y los objetivos de aprendizaje.

“La universidad sin el aprendizaje móvil, como se puede ya comprender, ser otra cosas, pero ya no universidad”.

Pero no es el fin de la didáctica del ensayo, aunque si para la didáctica tradicional: Para los campos de investigación de la didáctica de las asignaturas y la psicología del aprendizaje, pero también para nosotros como docentes en la práctica docente, será emocionante, para quedarnos con el ejemplo de la reseña de la película “Gran Torino” a través de Smodin mencionada anteriormente, ver si esto no es así. el caso en numerosos escenarios de aprendizaje:

• Analizar,
• (corregir si es necesario),
• reflexión común,
• Ampliar y
• Perfecto

Una plantilla de texto escrita por IA conduce al mismo efecto de aprendizaje (relacionado con la competencia) que escribir desde cero sin una plantilla de texto, o incluso mejor: la combinación de ambos. «Aprender sobre el modelo» utilizando el ejemplo de una producción de texto de IA (de ninguna manera libre de errores) con un intento posterior de escribir una revisión más precisa y mejor fundamentada basada en referencias / referencias cruzadas y juicios personales: especialmente en blended escenarios de aprendizaje , esto puede llevar a desarrollar planes didácticamente muy interesantes. En un tweet, Ines Bieler también enfatiza la integración de estas herramientas en el proceso de escritura como un enfoque orientado a objetivos.

Por supuesto, esto no se aplica a todos los escenarios y especialmente a los grupos de edad (palabra clave: análisis de grupos de aprendizaje), pero nadie afirma eso tampoco.

¿La IA en el aula como motor del desarrollo escolar?

Las posibilidades de utilizar la IA en el aula también afectan y cambian la forma en que los docentes se ven a sí mismos. Esto puede generar dificultades, por ejemplo, si el rendimiento del estudiante ya no se puede asignar claramente a una persona o tareas de trabajo, las tareas o los ensayos de prueba que se han utilizado durante muchos años ya no se pueden configurar de la misma forma. Un “problema” bien conocido desde la difusión de los escenarios de aprendizaje digital. Sin embargo, la introducción de la IA en las escuelas también puede ayudar a avanzar en la difusión de asignaciones de trabajo contemporáneas y orientadas a la competencia (por ejemplo, para crear productos creativos de aprendizaje digital), simplemente porque las tareas clásicas basadas en el conocimiento pierden cada vez más sentido en muchos escenarios de aprendizaje.

Tal vez la IA en las escuelas incluso ayudará a examinar con mayor precisión qué competencias se requieren en el mundo digitalizado (palabra clave 4K) y qué concepto de rendimiento significativo puede utilizarse como base en la escuela (palabra clave cultura de exámenes). En este sentido, el uso de la IA abre campos de discusión e invita a cuestionar viejos hábitos. Esto también incluye abordar conscientemente el aspecto de la protección de datos, porque prácticamente todas las herramientas requieren registro (a veces autenticación de dos factores con número de teléfono) por parte de los estudiantes.

Entonces:

—¿Qué sucede con los datos cuando la IA usa cualquier entrada para continuar aprendiendo?

—¿Se nos permite usar estas herramientas?

—Y si está prohibido por la ley de protección de datos, ¿qué soluciones podemos encontrar que se adapten a la situación legal? En este sentido, el uso de la IA abre campos de discusión e invita a cuestionar viejos hábitos. Esto también incluye abordar conscientemente el aspecto de la protección de datos, porque prácticamente todas las herramientas requieren registro (a veces autenticación de dos factores con número de teléfono) por parte de los estudiantes.

Entonces:

—¿qué sucede con los datos cuando la IA usa cualquier entrada para continuar aprendiendo? ¿Se nos permite usar estas herramientas?

—Y si está prohibido por la ley de protección de datos, ¿qué soluciones podemos encontrar que se adapten a la situación legal? si la IA usa alguna entrada para continuar aprendiendo, ¿podemos usar estas herramientas?

—Y si está prohibido por la ley de protección de datos, ¿qué soluciones podemos encontrar que se adapten a la situación legal? si la IA usa alguna entrada para continuar aprendiendo, ¿podemos usar estas herramientas? Y si está prohibido por la ley de protección de datos, ¿qué soluciones podemos encontrar que se adapten a la situación legal?

¿Podría la difusión de las herramientas de IA, suponiendo un monitoreo abierto, pero al mismo tiempo crítico, convertirse en el próximo impulsor del desarrollo escolar y docente? ¿O podría el péndulo también oscilar hacia atrás -similar a una contrarrevolución o restauración- y, en última instancia, fortalecer la facción escéptica del "control y la prohibición" en el sector de la educación, que recientemente estaba en retirada, en lugar de aclarar finalmente a este grupo la inevitabilidad de la tecnología? ¿desarrollo? ¿O estoy cayendo en la trampa de uno u otro y sobrestimando la importancia del efecto de la IA?
(Causa de estas consideraciones: En mis últimos cursos de formación y conferencias de impulso, los primeros reflejos siempre fueron: "¿Cómo podemos controlar esto? ¿Podemos estar un paso por delante de los estudiantes aquí? ¡Tenemos que reaccionar con prohibiciones y medidas claras!" - muy claramente detectar.)

KI/AI en el aula – Primeras aproximaciones prácticas desde la sala de #twitterteachers

Sin embargo, es obvio que el hecho de que las herramientas basadas en IA estén cada vez más disponibles de forma gratuita (queda por observar críticamente cuánto tiempo será posible) significa que los umbrales de uso también están cayendo. Ha comenzado un desarrollo emocionante para nosotros, los maestros, así como para los estudiantes, y actualmente estamos al comienzo de él…

Al igual que otros aspectos de la digitalización, este desarrollo nos “abruma”. Por lo tanto, una pregunta emocionante podría ser si hay un momento adecuado para discutir si queremos usar esta tecnología de manera consciente.. Y si es así, en qué condiciones. Por ejemplo, si los formatos de examen que usan IA se pueden considerar en esta etapa relativamente temprana (y no solo retrospectivamente). O si las escuelas deberían utilizar deliberadamente la IA para ayudar a los profesores a corregir el trabajo. Si podría existir la solidaridad desde el principio, largamente esperada, o la conexión en red previamente descuidada entre la educación universitaria (por ejemplo, la didáctica alemana), los seminarios de estudio en la segunda fase y la educación superior en la tercera fase…

Por lo tanto, numerosos profesores también están tratando este tema actual, algunos durante mucho tiempo, otros durante menos tiempo, y están desarrollando conceptos iniciales para integrar y abordar la IA en el aula. En la sala de #twitterteachers , recientemente ha habido muchas ideas y sugerencias para el uso práctico y el debate, porque la integración reflejada de la IA sigue siendo un campo completamente nuevo para la mayoría de los profesores.

Así que aquí hay algunos ejemplos de las últimas semanas que ofrecen apoyo y orientación, pero también lo invitan a trabajar en red, desarrollarse y trabajar juntos. Todos estamos al comienzo de un desarrollo emocionante.

—

Descripción general: IA para la escuela/enseñanza

Una maravillosa descripción general de TaskCards de Cornelia Stenschke ofrece innumerables ideas y descripciones generales sobre el tema de la IA en el aula, pero sobre todo ejemplos prácticos e ideas didácticas concretas. Y cualquiera que conozca a Cornelia sabe que esta descripción general continuará ampliándose y manteniéndose actualizada: definitivamente valdrá la pena un marcador para este tablón de anuncios.

Una vez entendido esto, podemos concluir que, aunque la Inteligencia Artificial y el Aprendizaje Automático están estrechamente relacionados, no son lo mismo. Más bien, el ML se considera un subconjunto de la IA.

Mientras que un ordenador «inteligente» utiliza la Inteligencia Artificial para pensar como un humano y realizar tareas por sí mismo, el Aprendizaje Automático es la forma en que un sistema informático consigue desarrollar esta inteligencia.

Aprendizaje automático

El aprendizaje automático consiste en extraer conocimientos de los datos. Puede definirse como un subcampo de la Inteligencia Artificial, que permite a las máquinas aprender de los datos o de las experiencias pasadas.

El aprendizaje automático es una aplicación de la IA, que utiliza modelos matemáticos de datos para ayudar a un ordenador a aprender sin instrucciones directas. Esto permite que un sistema informático siga aprendiendo y mejorándose a sí mismo, basándose en la experiencia de los datos históricos. Funciona sólo en campos específicos de los datos proporcionados. Por ejemplo, si estamos creando un modelo de aprendizaje automático para detectar imágenes de gatos, sólo dará resultados para imágenes de gatos, pero si proporcionamos nuevos datos como una imagen de un perro, dejará de responder.

Algunos ejemplos de casos de uso de Machine Learning bien conocidos son: el sistema de recomendación en línea de los algoritmos de búsqueda de Google, el filtro de spam, la sugerencia de etiquetado automático de Facebook, etc.

Se puede dividir en tres tipos:

• Aprendizaje supervisado
• Mejora del aprendizaje
• Aprendizaje no supervisado

Inteligencia artificial

Como hemos visto anteriormente de forma muy resumida: la inteligencia artificial es un campo de la informática que crea un sistema informático que puede imitar la inteligencia humana. Se compone de dos palabras «Inteligencia» y «Artificial», que significa «un poder de pensamiento sintético creado por el hombre».

La inteligencia artificial es la capacidad de un sistema informático de imitar las funciones cognitivas humanas, como el aprendizaje y la resolución de problemas. Mediante la IA, un sistema informático es capaz de utilizar la lógica y las matemáticas para simular el razonamiento que utilizan las personas para aprender de la nueva información y tomar decisiones.

Los sistemas de Inteligencia Artificial no requieren programación, sino que utilizan algoritmos inteligentes.

Cómo colaboran la IA y el aprendizaje automático

A la hora de buscar la diferencia entre la inteligencia artificial y el aprendizaje automático, es más útil saber cómo interactúan por su estrecha conexión que buscar en qué se diferencian para entenderlos mejor. Así es como la IA y el aprendizaje automático trabajan juntos:

Fase 1: Se construye un sistema de IA utilizando el aprendizaje automático y otras técnicas.

Fase 2: Los modelos de aprendizaje automático se crean estudiando patrones en los datos.

Fase 3: Los científicos de datos optimizan los modelos de aprendizaje automático basados en patrones.

Fase 4: El proceso se repite y se perfecciona hasta que la precisión de los modelos es lo suficientemente alta como para realizar las tareas.

Esta estrecha conexión es la razón por la que la idea de la IA frente al ML se aborda mejor si se comprenden las formas en que la IA y el aprendizaje automático trabajan juntos.

El poder de la inteligencia artificial y el aprendizaje automático

Las redes neuronales son una serie de algoritmos que siguen el modelo del cerebro humano y se utilizan para entrenar a un ordenador para que sea capaz de imitar el razonamiento humano. La red neuronal ayuda al sistema informático a lograr la Inteligencia Artificial a través del aprendizaje profundo, también conocido como Deep Learning. Las empresas de casi todos los sectores están descubriendo nuevas oportunidades gracias a la conexión entre la IA y el aprendizaje automático.

Estos son sólo algunos de los casos de uso que han surgido para que esta tecnología ayude a las empresas a transformar sus procesos y productos:

ANÁLISIS PREDICTIVO

Esta capacidad ayuda a las empresas a predecir tendencias y patrones de comportamiento descubriendo relaciones de causa y efecto en los datos.

MOTORES DE RECOMENDACIÓN

Con los motores de recomendación, las empresas utilizan el análisis de datos para recomendar productos que podrían interesar a alguien.

RECONOCIMIENTO DEL HABLA Y COMPRENSIÓN DEL LENGUAJE NATURAL

El reconocimiento del habla permite a un sistema informático identificar palabras en el lenguaje hablado, y la comprensión del lenguaje natural reconoce el significado en el lenguaje escrito o hablado.

PROCESAMIENTO DE IMÁGENES Y VÍDEOS

Estas capacidades permiten el reconocimiento de caras, objetos y acciones en imágenes y vídeos, y la implementación de funcionalidades como la búsqueda visual.

Beneficios de la IA y el aprendizaje automático

La conexión entre la inteligencia artificial y el aprendizaje automático también ofrece poderosos beneficios para casi todas las industrias. Estos son solo algunos de los principales beneficios que las industrias ya han podido obtener:

MÁS FUENTES DE ENTRADA DE DATOS

La IA y el aprendizaje automático permiten a las empresas descubrir información valiosa en una gama más amplia de fuentes de datos estructurados y no estructurados.

UNA TOMA DE DECISIONES MEJOR Y MÁS RÁPIDA

Las empresas utilizan el Aprendizaje Automático para mejorar la integridad de los datos y utilizan la Inteligencia Artificial para reducir los errores humanos, una combinación que conduce a mejores decisiones basadas en mejores datos.

MAYOR EFICIENCIA OPERATIVA

Con la IA y el aprendizaje automático, las empresas se vuelven más eficientes a través de la automatización de procesos, reduciendo los costes y liberando tiempo y recursos para otras necesidades más prioritarias.

La IA industrial está empezando a dar sus frutos. En los últimos años, el número y el tipo de dispositivos que envían datos se ha disparado, mientras que el coste del almacenamiento de datos ha disminuido, lo que significa que la mayoría de las empresas están recogiendo más datos en más tipos de formatos que nunca.

Esto se ha hecho aún más evidente con la llegada de tecnologías como IoT o Edge Computing que permiten no solo recoger datos directamente de las máquinas, sino que ahora también son capaces de ejecutar algoritmos de Inteligencia Artificial directamente en ellas.

La industria está empezando por fin a hacer un uso significativo de estos datos para producir un valor real. La pandemia ha impulsado aún más esta tendencia, ya que muchas organizaciones han tenido que cambiar sus negocios y han visto la IA como una oportunidad para transformar sus procesos y su modelo de negocio.

Las industrias que han tenido éxito en la obtención de resultados a través de la IA se han dado cuenta de que no es un modelo de ML el que marcará la diferencia, sino cientos o miles. Y eso significa ampliar los esfuerzos de big data.

Para alcanzar la escala necesaria para que la IA sea un éxito, las organizaciones tienen que hacer que los datos formen parte de sus actividades cotidianas y esto solo es posible democratizando los datos y haciéndolos accesibles a todos los niveles.

La plataforma Industrial Edge de Barbara es una herramienta que permite:

1. Implantar la IA de forma sencilla y accesible.

2. Apoyar un amplio espectro de casos de uso de la IA, desde la analítica hasta los modelos operacionales en producción.

3. Construir sistemas de IA que sean sostenibles, gobernables y abiertos a las necesidades y tecnologías cambiantes del futuro.

4. Facilitar la curva de iniciación de la IA

Esto supone un ahorro de costes y tiempo en todas las partes de los procesos (desde la conexión a los datos hasta la construcción de modelos de ML y su implementación).

La plataforma Edge Barbara proporciona tanto la flexibilidad como el control necesarios para escalar fácilmente las iniciativas de ML e IA y la capacidad de facilitar una rápida iteración de forma colaborativa.

AI Edge: el nuevo modelo de inteligencia artificial distribuida frente a la nube

La tecnología Edge permite cada día más potencia de cálculo, por lo que su capacidad para desplegar aplicaciones cada vez más complejas abre la puerta a la Inteligencia Artificial distribuida y descentralizada, revolucionando el modelo de computación al introducir nuevos escenarios de uso con las siguientes condiciones en común:

• En tiempo real: Industrias en las que se requiere una toma de decisiones en milisegundos.
• Conectividad: Las redes móviles actuales suelen ser irregulares y no siempre pueden garantizar la conexión con la nube. Algunos servicios necesitan estar siempre conectados.
• Volumen de datos: La cantidad de datos generados por los sensores puede ser enorme, lo que podría obstruir los canales de comunicación de área amplia.
• Contexto: un contexto empresarial que sigue la tendencia a la descentralización y que permite interpretar los datos del IoT para la toma de decisiones.

La disrupción del modelo de nube no significa la desaparición de la nube, sino su extensión a la periferia. La nube seguirá existiendo. De hecho, ciertas funciones se realizan mejor en la nube, como el entrenamiento de algoritmos predictivos, ya que normalmente solo la nube tiene todo el historial necesario.

Lectura recomendada: Las principales tendencias de la IA en la periferia en 2022

Edge AI es, por tanto, un nuevo modelo de computación totalmente distribuida que soporta una amplia gama de comunicaciones e interacciones. Esto permite funcionalidades tan potentes como:

• Toma de decisiones autónoma y local basada en los datos entrantes del IoT y la información empresarial almacenada en caché.
• Redes entre pares: dispositivos que se comunican entre sí sobre un objeto que está dentro de su alcance.
• Consultas distribuidas a través de datos almacenados en dispositivos, en la nube y en cualquier lugar.
• Gestión de datos distribuidos, por ejemplo, envejecimiento de datos: qué datos almacenar, dónde y durante cuánto tiempo.
• Algoritmos de autoaprendizaje que aprenden y se ejecutan en el Edge, o en la nube.
• Aislamiento, con dispositivos apagados durante largos periodos de tiempo, que funcionan con un consumo mínimo de energía para maximizar su vida útil.

Sintetizando se puede decir que los algoritmos son instrucciones paso a paso que ayudan a un ordenador a completar un cálculo. De esta manera, la Inteligencia Artificial utiliza algoritmos para crear máquinas que aprendan de su propia experiencia, se reconfiguran ante nuevos escenarios y desarrollan las tareas de manera similar a cómo lo haríamos nosotros.

Para crear Inteligencia Artificial hay dos fundamentos básicos de los que se valen: los algoritmos y los datos para configurarlos. El algoritmo proporciona las instrucciones para la máquina y los datos permiten a la máquina aprender a emplear esas instrucciones y perfeccionar su uso.

Según la disposición de las instrucciones se puede hablar de distintos tipos de Inteligencia Artificial y los algoritmos, destacamos los siguientes:

• Los que emplean la lógica, crean algoritmos basándose en los principios racionales del pensamiento humano.
• Los que combinan lógica e intuición (Deep Learning), los algoritmos se diseñan como neuronas humanas, empleando el patrón de funcionamiento del cerebro de las personas para que la máquina aprenda como lo haría una persona.

En este post encontrarás:  ocultar 

1 Tipos de algoritmos

1.1 Aprendizaje por refuerzo (RL, Reinforcement Learning)

1.2 Aprendizaje supervisado (Supervised machine learning)

1.3 Aprendizaje no supervisado (Unsupervised machine learning)

Tipos de algoritmos

La Inteligencia Artificial y los algoritmos son un superconjunto de tecnologías que engloba al Machine Learning. A continuación, mencionaremos los principales tipos de algoritmos de este campo.

Aprendizaje por refuerzo (RL, Reinforcement Learning)

Este tipo de aprendizaje consiste en la interacción constante basada en la “prueba y error” que una máquina puede realizar en tiempo récord en determinadas condiciones o en un entorno dado (en un juego, por ejemplo) y con un objetivo específico que se denomina “recompensa”. De esta manera, se pueden obtener resultados, patrones, correlaciones, caminos y conclusiones basadas en experiencias previas generadas por la propia máquina.

Un ejemplo de este modelo de aprendizaje es la IA ajedrecista AlphaZero de DeepMind. Donde enseñas a la máquina a jugar una partida introduciendo las reglas en sus sistema, luego le das una recompensa cada vez que consigue su objetivo (por ejemplo, ganar una partida).

Los principales algoritmos utilizados en el aprendizaje por refuerzo son la programación dinámica (dynamic programming), Q-Learning y SARSA (State-action-reward-state-action).

Aprendizaje supervisado (Supervised machine learning)

El aprendizaje supervisado emplea modelos predictivos que utilizan datos de entrenamiento. Dado un conjunto de datos, se pretende que el sistema sea capaz de lograr una salida. Con este sistema, el modelo es ajustado (entrenado) hasta conseguir los resultados deseados. Un ejemplo de este aprendizaje es el de los coches autónomos.

Los principales algoritmos en el supervised machine learning son los árboles de decisión, clasificaciones Naive Bayes, la regresión ordinaria por mínimos de cuadrados, la regresión logística y el Support Vector Machines (SVM).

Aprendizaje no supervisado (Unsupervised machine learning)

Los algoritmos de este aprendizaje son similares al del aprendizaje supervisado, sin embargo, estos se ajustan solo en función de los datos de entrada. Es decir, el algoritmo realiza un auto-entrenamiento sin indicaciones externas. Estos algoritmos están pensados para realizar un procesamiento más complejo.

Los algoritmos más utilizados en el aprendizaje no supervisado son los algoritmos de agrupamiento o clustering, el análisis de componentes principales (PCA), el Singular Value Decomposition (SVD) y el análisis de componentes independientes.

Hemos repasado lo que es la Inteligencia Artificial y los algoritmos y, además, ahora también conocemos los principales tipos de aprendizaje que existen en este extenso campo tecnológico.

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 aqui mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepcion de DATOS, pasarlos por un proceso de ANALISIS 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 hara 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 digitaly 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?.

La investigación en ciencias cognitivas puede proporcionar una gran cantidad de información valiosa para mejorar la eficacia de los sistemas de aprendizaje personalizados. Aquí hay algunos ejemplos de cómo la investigación en ciencias cognitivas puede influir en la mejora de los sistemas de aprendizaje personalizados: ((incluye el uso de tecnologías como la Inteligencia Artificial para aprender y tomar decisiones basadas en la experiencia , así como el diseño universal para el aprendizaje 2.0, que reduce las barreras en la enseñanza y mantiene altas expectativas de logro para todos los estudiantes

. La investigación educativa también es importante para involucrarse en preocupaciones centrales como el aprendizaje, la capacitación y la generación del 2030:

1. Comprensión de la memoria: La investigación en la ciencia cognitiva ha demostrado que la memoria es un proceso complejo y que se puede mejorar mediante técnicas como la repetición espaciada y la asociación de conceptos. Estos hallazgos pueden utilizarse para desarrollar sistemas de aprendizaje que proporcionen materiales de estudio repetitivos y que vinculen los nuevos conceptos con los conocimientos previos del estudiante.
2. Aprendizaje basado en la motivación: La investigación en ciencias cognitivas ha demostrado que la motivación es un factor clave en el aprendizaje. Los sistemas de aprendizaje personalizados pueden utilizar esta información para proporcionar recompensas y motivar a los estudiantes a seguir aprendiendo.
3. El papel de la retroalimentación: La investigación en ciencias cognitivas ha demostrado que la retroalimentación es esencial para el aprendizaje efectivo. Los sistemas de aprendizaje personalizados pueden utilizar esta información para proporcionar retroalimentación frecuente y relevante a los estudiantes.
4. Aprendizaje basado en la transferibilidad: La investigación en ciencias cognitivas ha demostrado que el aprendizaje es más efectivo cuando se puede transferir a situaciones nuevas. Los sistemas de aprendizaje personalizados pueden utilizar esta información para proporcionar actividades prácticas que ayuden a los estudiantes a aplicar sus conocimientos en contextos nuevos.

La investigación en ciencias cognitivas puede proporcionar una gran cantidad de información valiosa para mejorar la eficacia de los sistemas de aprendizaje personalizados. Estos hallazgos pueden utilizarse para desarrollar sistemas que proporcionen materiales de estudio repetitivos, motiven a los estudiantes, proporcionen retroalimentación relevante y fomenten la transferibilidad del aprendizaje.

Probar los flujos de pantalla en bruto y el diseño de interfaz de usuario temprana, y con frecuencia en el ciclo de los proyectos del usuario para validar el entendimiento y suposiciones acerca de las necesidades del negocio y de los usuarios finales. No tenga miedo de abrazar errores si descubre algunos problemas de experiencia de usuario más destacados con sus conceptos difíciles. Los usuarios finales pueden ofrecer información valiosa a través de los debates posteriores a las pruebas y entrevistas de seguimiento.

El desarrollo de nuevos métodos de resolución de problemas a través del aprendizaje basado en la práctica (PBL)

Por desgracia, experiencias en el aula y el desarrollo en el mundo real se realizan típicamente de forma independiente como si no hubiera necesidad de combinar la teoría con la práctica. El Aprendizaje basado en el trabajo, por el contrario (LEARNING IS THE WORK), se fusiona deliberadamente la teoría con la práctica y reconoce la intersección de formas explícitas y tácitas de conocimiento, tanto a nivel individual y colectivo.

Reconoce que el aprendizaje se adquiere en el medio de la práctica y puede ocurrir mientras se trabaja en las tareas y las relaciones en la mano. (Raelin, 1998)

La idea de aprendizaje a través de la práctica también se apoya en David Kolb y en el modelo de aprendizaje experiencial — hacer o experiencia, reflexionar sobre lo observado o aprendido, el desarrollo de las teorías internas generales sobre la aprendizaje, y aplicar el aprendizaje en experiencias futuras.

Kolb y Fry (1975) sostienen que el ciclo de aprendizaje puede comenzar en cualquiera de los cuatro puntos — y que lo que realmente debe ser abordado como una espiral continua. Sin embargo, se sugiere que el proceso de aprendizaje comienza a menudo con una persona que lleva a cabo una acción particular y luego ver el efecto de la acción en esta situación. (Smith, 2001, 2010)

Crítica del “Experiential Learning Circle” de Kolb y Fry (1975)…

1. No presta suficiente atención al proceso de reflexión (Boud et al 1983)

2. Kolb y Fry hacen encajar el esquema con cuatro estilos de aprendizaje. Sin embargo, esta vinculación da como resultado un esquema demasiado cerrado e incompleto de los modos de aprendizaje. Se está priorizando un estilo particular de aprendizaje, pero el aprendizaje mediante experiencia no se aplica a todas las situaciones. Kolb deja al margen otras formas como la asimilación de información o memorización. (Jarvis 1987; Tennant 1997)

3. El modelo toma muy poco en cuenta la diferentes culturas en los relativo a condiciones, experiencias y estilos de comunicación. (Anderson 1988Anderson 1988)

4. La idea de etapas o pasos no encaja muy bien con la realidad del pensamiento. Como señaló Dewey (1933) numerosos procesos pueden ocurrir simultáneamente y las etapas pueden ser saltadas. Esta forma tan clara de presentar las cosas es demasiado simplista.

5. El respaldo empírico de la teoría es débil (Jarvis 1987; Tennant 1997). La base de la investigación inicial fue muy limitada y ha habido posteriormente muy pocos estudios sobre el tema.

6. La relación entre proceso de aprendizaje y conocimiento es problemática. La postura de Kolb es algo simplista y no tiene en cuenta las distintas posiciones en torno a la naturaleza del conocimiento.

Jarvis también llama la atención sobre los diferentes usos del término, citando Weil y McGill (1989: 3) categorización de aprendizaje experiencial en cuatro “pueblos”: (Conferencia Internacional sobre Aprendizaje Experimental en Londres en 1987)

Pueblo Uno se preocupa sobre todo con la evaluación y la acreditación de aprender de la experiencia de vida y de trabajo ….

Aldea Dos se centra en el aprendizaje experimental como base para lograr un cambio en las estructuras … de la educación post-escolar ….

Aldea Tres enfatiza el aprendizaje experimental como base para la toma de conciencia de grupo ….

Village Four está preocupado por el crecimiento personal y la auto-conciencia.

Es importante que la investigación educativa se involucre en cómo algunas de sus preocupaciones centrales -aprendizaje, capacitación, experiencia, comportamiento, selección de currículos, enseñanza, instrucción y pedagogía- se están reelaborando y aplicando dentro del sector tecnológico. De alguna manera, podríamos decir que los ingenieros, los científicos de datos, los programadores y los diseñadores de algoritmos se están convirtiendo en los maestros más poderosos de hoy en día, ya que son máquinas que permiten aprender a hacer cosas que cambian radicalmente nuestras vidas cotidianas.

Lo que hace que la programación ed-tecnología “adaptable” es que la IA evalúa la respuesta de un estudiante (por lo general a una pregunta de opción múltiple), luego sigue con la “segunda mejor” cuestión, cuyo objetivo es el nivel “adecuado” de dificultad. Esto no tiene por qué requerir un algoritmo especialmente complicado, y la idea en realidad basada en “la teoría de respuesta al ítem”, que se remonta a la década de 1950 y el ascenso de la psicometría. A pesar de las décadas siguientes, sinceramente, estos sistemas no se han vuelto terriblemente sofisticados, en gran parte debido a que tienden a basarse en pruebas de opción múltiple

El uso de los miembros del equipo y los compañeros (peer to peer) es una gran manera de articular y hacer comentarios sobre las decisiones de diseño.

Aunque las comprobaciones de calidad por homólogos deben estar bien facilitadas para evitar posturas subjetivas , pueden ser un método ideal para explicar la comprensión de los problemas subyacentes, hechos y datos; el dominio del problema; las necesidades de los usuarios finales; y el razonamiento detrás de las decisiones que ha tomado.

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.

Esto generará automáticamente los ecosistemas de las ideas que serán navegables con todas sus relaciones semánticas. Seremos capaces de comparar diferentes ecosistemas de las ideas de acuerdo a nuestros datos y las diferentes formas de clasificarlos. Seremos capaz de elegir diferentes perspectivas y enfoques…..(personalized learning and Social Learning)

Vamos a ser capaces de analizar y manipular significado, y allí radica la esencia de las ciencias humanas.

Estas operaciones que se harán de manera automatizada y significativa deberá proporcionarnos la suficiente seguridad, transparencia y confiabilidad,… y lo hará si la sociedad quiere que así sea.

La transformación es el cambio de una o muchas variables en el estudio.

Se transforman variables, por ejemplo, al remplazar los valores originales por Algoritmos (transformación Algorítmica). Frecuentemente los datos que son obtenidos no se ajustan a una distribución normal, por lo cual es inapropiado el ejecutar pruebas paramétricas.

La pieza central de cualquier forma de “aprendizaje personalizado” es el algoritmo para la adaptación de los aprendizajes a los estudiantes individuales .Es cierto que cuando se programa un algoritmo se puede hacer más incidencia en unos valores más que con otros, éstas decisiones son subjetivas; que contienen juicios de valor sobre las variables dependientes e independientes y su relación entre sí. Las cifras ocultan la subjetividad dentro de estas ecuaciones….

Con todo ello la personalización por las tecnologías digitales (algoritmos) sólo libera los seres humanos para personalizar mejor nuestra vida (es decir, encontrar nuestras propias maneras), lo demás deben hacerlo las tecnologías y es aquí mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepción de DATOS, pasarlos por un proceso de ANALISIS 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.

En los últimos tiempos se están dando son corrientes referentes al Big data y a a los Algoritmos (Inteligencia Artificial), los que predicen que significaran la “visualización” de una época con rayos y truenos, que nos tendrá vigilados permanentemente ” Un artículo del periodista holandés Dimitri Tokmetzis demostró el año pasado hasta qué punto esto puede ir en los datos de montaje de retratos compuestos de lo que somos. Google sabe lo que busca y puede inferir no sólo qué tipo de noticias que lees en un domingo por la mañana y qué tipo de películas prefieres un viernes, qué tipo de porno que probablemente nos gustaría mirar y dejarnos boquiabiertos en la noche del sábado , lo que ha hecho que los bares y restaurantes cierren”….

Los ingenieros de software crearán diferentes versiones de “aprendizaje personalizado” e insertarán los juicios de valor en las ecuaciones de regresión complicados con el que han escrito para lecciones en línea. Estas ecuaciones estarán ancladas en los datos de los estudiantes prediciendo (no en su totalidad ya que los ingenieros y educadores hacen tweak- “masaje” -las ecuaciones favorecidas) lo que los estudiantes deben estudiar y absorber, clases individualizadas de software en línea , nosotros cambiamos lo de absorber de manera individualizada, por “aprender de manera personalizada-personalized learning, and social learning”.

Tales lecciones “personalizadas” alteran la función del docente para mejor, de acuerdo a los promotores de la tendencia. En lugar de cubrir el contenido y la enseñanza de habilidades directamente, los docentes pueden tener los estudiantes en línea , por medio de ELEARNING, MLEARNING… liberando así el mismo docente para acompañar a los estudiantes que se desplazan por delante de sus compañeros de clase y los que luchan.

El aprendizaje por refuerzo es otra parte de Machine Learning que podemos utilizar en la forma en que ayuda a la máquina a aprender de su progreso.

El aprendizaje de refuerzo basado en el concepto de aprendizaje no supervisado otorga una alta esfera de control a los agentes de software y las máquinas para determinar cuál puede ser el comportamiento ideal dentro de un contexto.

La información y la tecnología de las comunicaciones en sí mismo no mejoran el proceso educativo, si el foco está solamente en esto. La atención debe centrarse en lo que las TIC pueden hacer por el proceso educativo.

Los resultados del aprendizaje son los que una persona entiende, sabe y es capaz de hacer al culminar un proceso de aprendizaje. Los resultados del aprendizaje se expresan en conocimientos, habilidades y competencias adquiridas durante las diferentes experiencias de educación formal, no formal e informal con el objetivo de proporcionar a los jóvenes las habilidades requeridas en sus sus actividades, los estudiantes obtienen los mejores resultados, estar abierto a aprender, para buscar y encontrar la manera que más les convenga.

Con el Aprendizaje supervisado tenemos un supervisor externo que tiene suficiente conocimiento del medio ambiente y también comparte el aprendizaje con un supervisor para comprender mejor y completar la tarea, pero ya que tenemos problemas en los que el agente puede realizar tantas tareas.

Podemos tomar el ejemplo de un juego de ajedrez, donde el jugador puede jugar decenas de miles de movimientos para lograr el objetivo final. Crear una base de conocimiento para este propósito puede ser una tarea realmente complicada. Por lo tanto, es imperativo que en tales tareas, la computadora aprenda a manejar los asuntos por sí misma. Por lo tanto, es más factible y pertinente que la máquina aprenda de su propia experiencia.

Una vez que la máquina ha comenzado a aprender de su propia experiencia, puede obtener conocimiento de estas experiencias para implementarlas en los movimientos futuros. Esta es probablemente la diferencia más grande e imperativa entre los conceptos de refuerzo y aprendizaje supervisado. En estos dos tipos de aprendizaje, hay un cierto tipo de mapeo entre la salida y la entrada. Pero en el concepto de aprendizaje reforzado, existe una función de recompensa ejemplar, a diferencia del aprendizaje supervisado, que le permite al sistema conocer su progreso en el camino correcto.

Poner orden es en la mejora de las competencias en TIC de la enseñanza mediante la adaptación a los requerimientos de cada disciplina dentro de la sociedad de la información con diferentes interfaces de usuario. Es necesario el uso de los conceptos de la responsable de la adquisición de habilidades específicas de la disciplina sector de las TIC, conocimiento fijación, de desarrollo personal.

El aprendizaje de refuerzo básicamente tiene una estructura de mapeo que guía a la máquina desde la entrada hasta la salida. Sin embargo, el aprendizaje no supervisado no tiene tales características presentes en él. En el aprendizaje no supervisado, la máquina se centra en la tarea subyacente de ubicar los patrones en lugar del mapeo para avanzar hacia la meta final, por eso en este paso deberemos obviarlo, en el sentido posterior de su ejecución, es decir, utilizaremos sus patrones durante el proceso, pero después del mismo deberemos derivarlo hacia el aprendizaje SUPERVISADO, ya que es la única manera de llegar al PERSONALIZED LEARNING, por medio de una aplicación.

Por ejemplo, si la tarea de la máquina es sugerir una buena actualización de noticias a un usuario, un algoritmo de aprendizaje de refuerzo buscará recibir retroalimentación regular del usuario en cuestión, y luego a través de la retroalimentación construirá un gráfico de conocimiento confiable de todas las noticias. Artículos relacionados que le gusten a la persona. Por el contrario, un algoritmo de aprendizaje no supervisado intentará ver muchos otros artículos que la persona ha leído, similar a este, y sugerir algo que coincida con las preferencias del usuario.

Los reinos en el aprendizaje automático son infinitos. Puede visitar mi canal de YouTube para conocer más sobre el mundo de la IA y cómo el futuro será dictado por el uso de datos en las máquinas.

La tecnología abre nuevas formas radicales de la educación; romper barreras entre disciplinas impulsa nuevos campos creativos de la investigación y la invención; y poniendo el emprendimiento social en el centro de la misión de una universidad asegura pensadores brillantes jóvenes pueden llegar a ser nuestros más poderosos solucionadores de problemas.

A través de una colaboración continua, el intercambio de ideas y una buena dosis de coraje, estamos en el camino correcto para asegurar un cambio duradero en nuestra sociedad y en nuestra educación. Estoy emocionado de ver las ideas como éstas crecen y se transforman el futuro de la educación..

Para todo ello proponemos preguntas como:

-Cuáles son las dimensiones interculturales clave a considerar en equipos distribuidos?

-¿Cómo dimensiones culturales y sus diferencias se refieren a las preferencias de los canales de comunicación?

-¿Cómo afecta el uso de estas herramientas de una cultura a otra y por qué?

-¿Cuáles son los problemas típicos que surgen cuando los miembros de diferentes culturas tienen que trabajar juntos?

-¿Qué tipo de herramientas y canales de comunicación deben estar disponibles para colaborar en línea?

Con ello vamos a maximizar el rendimiento de la máquina de una manera que le ayuda a crecer. Aquí se requiere una retroalimentación simple que informe a la máquina sobre su progreso para ayudar a la máquina a conocer su comportamiento.

El aprendizaje por refuerzo no es simple, y es abordado por una gran cantidad de algoritmos diferentes, de hecho un agente decide la mejor acción en función del estado actual de los resultados.

El crecimiento en el aprendizaje por refuerzo ha llevado a la producción de una amplia variedad de algoritmos que ayudan a las máquinas a conocer el resultado de lo que están haciendo. Ya que tenemos una comprensión básica del Aprendizaje de Refuerzo a estas alturas, podemos comprender mejor formando un análisis comparativo entre el Aprendizaje de Refuerzo y los conceptos de Aprendizaje Supervisado y No Supervisado.

Las tecnologías de la información digital están transformando la manera en que trabajamos, aprendemos, y nos comunicamos. Dentro de esta revolución digital son los nuevos enfoques de aprendizaje que transforman los modelos jerárquicos, basado en la industria de la enseñanza y el aprendizaje. …

Consejos prácticos, ejemplos de la vida real, estudios de casos, y la oferta de recursos útiles perspectivas en profundidad sobre la estructuración y el fomento del aprendizaje socialmente atractivo en un entorno online….serán los que nos harán cambiar de una vez, que nos permitirán arriesgarnos y saber “estar” y vivir dentro de la incertidumbre, de una manera mucho más creativa que hasta ahora…

Sólo un ser humano realmente puede personalizar todo lo que él o ella lo hace. Es la era de la personalización, pero eso sólo significa ayudar a cada uno de nosotros para pasar menos tiempo en los detalles y más tiempo en las actividades humanas importantes, como la imaginación, la creatividad, el descubrimiento, la integración, la intuición, ..

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 aqui mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepcion de DATOS, pasarlos por un proceso de ANALISIS 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 hara que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico.

El mismo Pierson dice “Las evaluaciones se incrustan en las actividades de contenido y aprendizaje por lo que la instrucción y el aprendizaje no tiene que ser interrumpidos para determinar las áreas de progreso y desafío continuo. Mientras tanto, los algoritmos y las progresiones de aprendizaje integrados en el sistema van a ajustar en respuesta a las actividades de aprendizaje relacionadas del estudiante para permanecer en sintonía con sus ecosistemas de aprendizaje. Esta información también se proporciona al educador con opciones y recursos adicionales en tiempo real ya que el educador puede utilizarlo para apoyar al estudiante y su aprendizaje”

Como esta nueva tecnología comienza a tomar forma el diseño de otra sociedad ya que SUS MIMBRES son completamente nuevos a no como herramientas, metodologías…(innovaciones), sino un cambio “radical” en la concepción de la misma sociedad.

Algunos pensaran que en parte estamos en el APRENDIZAJE ADAPTATIVO, ya que nos basamos en los DATOS, pues no, lo hacemos así como una IDEA COMPLETAMENTE NUEVA, es decir, utilizamos DATOS, si, pero dentro del proceso personalizado de aprendizaje, por lo tanto se trata de algo completamente diferente.

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 alumnos o cursos completados.

Es nuestra responsabilidad en esta sociedad:….

-Aplicar las técnicas de minería de datos, aprendizaje automático y reconocimiento de patrones para los conjuntos de datos estructurados y no estructurados.

-Diseño, desarrollo y prueba de algoritmos de aprendizaje y modelos de datos sobre el comportamiento humano para construir instrumentos de evaluación cognitiva

-Construir algoritmos personalizados para un motor de recomendación vía de desarrollo

-Los modelos de diseño para el desarrollo de aplicaciones nuevo juego

-Contribuir a la mejora de nuestros algoritmos.

También nos podemos hacer una serie de preguntas que no vamos a obviar….y que nos ayudaran a entender mejor el por qué de las cosas:…

¿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?.

En los últimos tiempos se están dando corrientes referentes al Big data y a los Algoritmos (Inteligencia Artificial), los que predicen que significaran la “visualización” de una época con rayos y truenos, que nos tendra vigilados permanentemente ” Un artículo del periodista holandés Dimitri Tokmetzis demostró el año pasado hasta qué punto esto puede ir en los datos de montaje de retratos compuestos de lo que somos. Google sabe lo que busca y puede inferir no sólo qué tipo de noticias que lees en un domingo por la mañana y qué tipo de películas prefieres un viernes, qué tipo de porno que probablemente nos gustaría mirar y dejarnos boquiabiertos en la noche del sábado , lo que ha hecho que los bares y restaurantes cierren”….

La propuesta de Bentham para una Máquina total de la visibilidad puede ser menos significativa a la tesis de los universos de datos emergentes que sus contribuciones a la moral del utilitarismo y su supuesto de que se puede medir nuestro bienestar.

El panóptico es un tipo de arquitectura carcelaria ideada por el filósofo utilitarista Jeremy Bentham hacia fines del siglo XVIII. El objetivo de la estructura panóptica es permitir a su guardián, guarnecido en una torre central, observar a todos los prisioneros, recluidos en celdas individuales alrededor de la torre, sin que estos puedan saber si son observados”.

El efecto más importante del panóptico es inducir en el detenido un estado consciente y permanente de visibilidad que garantiza el funcionamiento automático del poder, sin que ese poder se esté ejerciendo de manera efectiva en cada momento, puesto que el prisionero no puede saber cuándo se le vigila y cuándo no”….

ste dispositivo debía crear así un «sentimiento de omnisciencia invisible» sobre los detenidos. El filósofo e historiador Michel Foucault, en su obra Vigilar y castigar (1975), estudió el modelo abstracto de una sociedad disciplinaria, inaugurando una larga serie de estudios sobre el dispositivo panóptico. «La moral reformada, la salud preservada, la industria vigorizada, la instrucción difundida, los cargos públicos disminuidos, la economía fortificada, todo gracias una simple idea arquitectónica.» — Jeremy Bentham, Le Panoptique, 1780.

Estamos hoy en la clase difusa del pensamiento calculador y comparaciones cuantitativas insta a que el utilitarismo, tal razonamiento no se basa en el trabajo de visibilidad a hacer. Más bien, eso depende de algoritmos de análisis, qui a su vez depende de la presa de los algoritmos silenciosos –los que convierten en silencio nuestro comportamiento en una avalancha de datos. (son la metáfora de los presos alrededor que se pusieron alrededor de una torre de vigilancia para ser visualizados, hasta que estos alcanzaron la manera de evitarlo( estos eran los algoritmos)….

Este precio informativo se compone de DATOS ESTANDARIZADOS a través del que hemos llegado a definir nosotros mismos: transcripciones escolares, registros de salud, cuentas de crédito, títulos de propiedad, identidades legales. Hoy en día, tesis arraigada tipo de individualidad datos están siendo blanco amplió para abarcar más y más de lo que podemos ser: (En educación seria el PERSONALIZED LEARNING, que nosotros mismos abogamos y además instauramos en algoritmos personalizados, nunca creadores de patrones)..

La transformación es el cambio de una o muchas variables en el estudio.

Se transforman variables, por ejemplo, al remplazar los valores originales por algoritmos (transformación algorítmica). Frecuentemente los datos que son obtenidos no se ajustan a una distribución normal, por lo cual es inapropiado el ejecutar pruebas paramétricas

Muchas variables no se comportan de forma lineal o aritmética, por ejemplo las abundancias siguen un patrón exponencial.

En la educación básica se promueve que el sistema decimal es el único “natural”

Nunca vemos los algoritmos que hacen su trabajo, incluso a medida que nos afectan. Ellos producen en sus sistemas de cifrado, todo invisible, enterrado en cajas negras componer silencio sinfonías de ceros y unos….

Procedente de la fusión de la ciencia cognitiva y basada en la premisa básica de simular el proceso del pensamiento humano, el concepto, así como las aplicaciones del cómputo cognitivo, tienen un impacto no sólo en nuestra vida, sino también en industrias como salud, seguros, financiera y más.

El aspecto principal del cómputo cognitivo es su capacidad para aprender y tomar decisiones basadas en la experiencia. Tecnologías como la Inteligencia Artificial (IA) y Machine Learning permiten a estos sistemas analizar un gran volumen de datos, generar información y usarlos como aprendizaje para dar resultados optimizados.

Un famoso ejemplo del uso de la tecnología cognitiva para mejorar la oferta de un producto es la función de recomendaciones que Netflix muestra, ya que utiliza el aprendizaje automático para predecir qué películas podrían gustarle a un usuario.

Debido al sorprendente avance de estas tecnologías, cada vez más industrias y organizaciones están aprovechando soluciones cognitivas para mejorar sus procesos operacionales, como la acumulación y generación de datos, la planificación y gestión de acciones, además de aumentar el uso de estos datos para hacer predicciones.

Existen varios casos éxito y ejemplos de cómputo cognitivo que muestran al mundo cómo implementar esta tecnología de manera eficiente.

Algunos casos de éxito son:

Cora, Agente inteligente por el Royal Bank of Scotland

Con la ayuda de IBM Watson, Royal Bank of Scotland (RBS) desarrolló un asistente inteligente que es capaz de manejar más de 5,000 consultas en un sólo día. Utilizando capacidades de aprendizaje cognitivo, el asistente le dio a RBS la capacidad de analizar los datos de reclamos de los clientes y crear un repositorio de preguntas frecuentes. El asistente virtual no sólo analiza las consultas, sino que también es capaz de proporcionar más de 1,000 respuestas diferentes y comprender más de 200 preguntas de los clientes.

El asistente virtual aprendió cómo los clientes hacen preguntas generales, cómo manejar la consulta y transferir con un agente humano si la consulta lo requiere.

Planificador de viaje personal para simplificar los viajes por WayBlazer

Desarrollado con tecnología cognitiva, WayBlazer facilita a los usuarios a programar sus viajes haciendo preguntas en lenguaje natural. El planificador hace preguntas básicas y proporciona resultados personalizados al recopilar y procesar datos de viajes, así como información sobre las preferencias de los viajeros.

Este tipo de herramienta cognitiva ayuda a los usuarios a ahorrar tiempo en la búsqueda de vuelos, reservar hoteles y planificar actividades sin que tengan que investigar en varios sitios web. Los agentes de viajes han estado utilizando con éxito esta herramienta que les ha ayudado a aumentar sus ingresos y la satisfacción de los clientes al mismo tiempo.

Asistente de atención médica por Welltok

Welltok desarrolló un eficiente ayudante de atención médica, CaféWell, el cual actualiza la información de salud relevante de los clientes al procesar una gran cantidad de datos médicos. CaféWell es una herramienta de salud que utilizan los proveedores de seguros para ayudar a sus clientes con información relevante que mejore su vitalidad. Al recopilar datos de varias fuentes y el procesamiento instantáneo de preguntas por parte de los usuarios finales, CaféWell ofrece recomendaciones de salud inteligentes y personalizadas.

Grandes compañías a nivel mundial están utilizando sistemas cognitivos para apoyar sus procesos y anticipar posibles soluciones a los retos por venir. Así, lo que se avecina para todas las organizaciones es incluir, en menor o mayor escala, estos sistemas para continuar siendo competitivos en el mercado global.

Esta nueva realidad poco a poco empuja a que los sistemas educativos y en general las sociedades de ciertos países a que se transformen y adopten posiciones propias del Sigo XXI.

Sin embargo la perspectiva de la Sociedad de la Ubicuidad hoy representa un espejismo que solo se refleja en la generación de los “nativos digitales” -menores de 25 años y en áreas restringidas como el entretenimiento o espacios particulares de otros sectores.

Nuestra clase política que desafortunadamente controla los destinos de nuestros país ha decidido defender a ultranza sus intereses que se ven amenazados por este nuevo paradigma y condenarnos a la fatalidad de un “apagón tecnológico” ) que obstruyen nuestro desarrollo como nación incluido por su puesto el rechazo de la incorporación de los principios del en todo momento, en todo lugar y cualquiera en el sistema educativo… pero ellos no manda, es el pueblo quien tiene la corona de la soberanía, y en educación y formación, todavía más…

Sin lugar a dudas la transformación de sistemas educativos llegará por medio del empuje social a la que representa la Sociedad de la Ubicuidad, inevitablemente los estudiantes demandarán esa transformación transformación de la escuela tradicional para reclamar su justo derecho de participar de la sociedad global: de la humanidad, de reafirmarse como parte de esta nueva generación de seres humanos….” Juan Domingo Farnos

Las herramientas cognitivo-culturales como el leer y escribir eran las nuevas tecnologías del momento y por ello eran los pilares del currículum de la escuela, y en la actualidad las nuevas tecnologías no son solo el leer y escribir sino también la decodificación de imagen y sonido a la vez, lo que se denomina tecnología multimedia.

Por ello debe transformarse el currículum de la escuela nuevamente para asumir como pilares las nuevas tecnologías actuales, abandonar la “concepción bancaria de la educación” y esto es dejar que el alumno sea emisor, receptor y creador de procesos de enseñanza-aprendizaje apoyándose en el docente y utilizando como herramientas a las nuevas tecnologías.

También nos habla de que la característica más importante de los multimedia es la capacidad de interactividad que ofrece al alumno/a en los procesos de enseñanza-aprendizaje. Cuanto mayor sea el protagonismo del alumno/a en el proceso de enseñanza-aprendizaje mayor será el nivel de interactividad que proporciona el multimedia.

Para ello vamos a proponer:

1º Establecimiento de la temporalización de los multimedia.

2º Definición de los objetivos didácticos que pretendemos con la puesta en escena de los multimedia elaborados en el aula, que deben estar enunciados en términos de capacidades.

3º Establecimiento de unos contenidos (conceptuales, procedimentales y actitudinales) adecuados a la consecución de los objetivos didácticos previamente definidos.

4º Establecimiento de una metodología de trabajo adecuada a los contenidos y medios que debemos utilizar. Las estrategias metodológicas acordes con el planteamiento de la producción se pueden resumir en:

Seguir la filosofía de la transversalidad, por lo que los contenidos multimedia no se trabajarán de forma aislada, sino “atravesando” e impregnando, todas las materias curriculares con las que estén relacionados.

Planteamientos constructivistas como partir de los conocimientos previos o aprendizaje significativo.

Actitud participativa de los distintos sectores de la comunidad educativa.

Flexibilidad de agrupamientos, tiempos y espacios.

Profesorado como mediador del proceso de enseñanza-aprendizaje.

5º En la Evaluación didáctica de nuestra actuación docente con los multimedia educativos debemos establecer tres momentos de reflexión, que corresponden a: qué, cómo y cuándo evaluamos el uso de dichos multimedia.”

En lugar de ser empleados con herramientas cognitivas para resolver problemas difíciles, desarrollar sus propios objetivos de aprendizaje, o llevar a cabo tareas auténticas, las herramientas informáticas a menudo han sido considerados como objetos de estudio propios y sometidos a la misma pedagogía instructivista mortal que ha obstaculizado el crecimiento intelectual por la mayoría de los estudiantes en las áreas más tradicionales como ciencias, matemáticas y estudios sociales….

Algunos consideramos que las TIC, AI,….son de por si tan importantes en el potencial cognitivo, que por si solas lo condicionan todo, des de los propios canales de aprendizaje, las metodologías a emplear para los mismos y los propios contenidos…

El fuerte potencial cognitivo de las nuevas tecnologías, hace que de alguna manera esta sociedad y su educación, nada tengan que ver con los “tempos” de otras, por lo cuál, la Educación nunca ya será lo mismo, no en su esencia como tal, sino en todos sus aspectos colaterales…formales, informales, no formales…tanto en lo referente a las personas como a las tecnologías…

Como se ha señalado por Salomón , “No hay impacto importante que se pueda esperar, cuando la actividad de siempre se lleva a cabo con una tecnología que hace que sea un poco más rápido o más fácil, …por tanto la actividad en sí misma tiene que cambiar y cuando lo haga ya nunca se llevará acabo de la misma forma…

Los estudiantes como ingenieros del conocimiento asume un papel más activo en la adquisición de conocimientos previos y el enfoque y la dirección de las interacciones con el profesor, que asume el papel de experto (Morelli, 1990). Esto libera al profesor de la obligación de motivar a los estudiantes y les permite responder a un experto para que los estudiantes de sondeo acerca de los aspectos más exigentes e interesantes de diversos problemas.

Los estudiantes deben analizar el dominio del conocimiento (la identificación de los resultados, los factores y valores de los factores), y luego sintetizar las reglas y las secuencias de la regla. Morelli sostiene que la interacción entre los activos, los estudiantes autodirigidos y un profesor de apoyo, articulado es un excelente modelo para el aprendizaje de la ciencia — –

En definitiva los estudiantes desarrollarán habilidades “critical-thinking” como autores, diseñadores y constructores de conocimiento (PROSUMIDORES) y aprender más en el proceso de lo que lo hacen como los receptores de los conocimientos envasados en las comunicaciones educativas representan un desafío importante para los investigadores en nuestro campo…

A fin de evaluar las complejidades y sutilezas de la construcción del conocimiento, es esencial utilizar metodologías y paradigmas, tanto cualitativos como cuantitativos de evaluación de las estrategias. Es imposible e incluso contraproducente a la hipótesis de todos los resultados cognitivos de la utilización de herramientas cognitivas. “Los procesos son demasiado ricos e impredecibles”…la personalización de los aprendizajes mediante el apoyo de las TIC, lo hace así…

Una de las principales características de este conjunto de clases de redes neuronales es su capacidad para imitar los procesos humanos de resolución de problemas, mediante la aplicación de los conocimientos adquiridos de datos históricos a nuevos problemas, lo que permite afinar la precisión de las predicciones con el tiempo. Gracias a ello, es posible extraer información, como datos históricos sobre costes, y aplicarlos a la red neuronal para predecir costes futuros con un elevado grado de precisión.

Dicho esto, el enfoque de métodos mixtos, ya se trate de grandes conjuntos de datos o no, no es tan sencillo. Hay problemas potenciales vale la pena explorar. Los temas más importantes reside en el hecho de que los métodos cualitativos y cuantitativos no necesariamente se mezclan fácilmente en el nivel epistemológico:

a-¿cómo supuestos positivistas incorporados en la mezcla de la investigación cuantitativo con puntos de vista más interpretativos?

Otro problema consiste también en el proceso de triangulación entre los datos:

a-¿en caso de que sólo estar al servicio de uno al otro? ¿O es posible recolectar y analizar los dos tipos de datos de una forma más integradora?

b-Entonces, ¿qué significa todo esto en un sentido práctico.

El trabajo como el aprendizaje se puedan realizar a través de lo que denominamos METADATOS (Temáticas, autores, lenguajes) y lo que llamamos PARADATOS (que le dan contexto sobre dónde, cuándo, por quién y para qué se usa).

Hace mucho que he creado diferentes esbozos, escritos, esquemas, etc., que me han permitido representar cómo encontrar datos, o mejor, «metadatos»; y sé bien que, en caso de necesidad, se puede recurrir a organismos especializados al respecto.

Pero el registro de nuestros aprendizajes, de nuestros trabajos (de nuestra actividad en red) prioriza el intercambio de datos (i.e.: el/los recurso/s que buscamos), de metadatos (i.e.: los descriptores o etiquetas que nos conducen a estos recursos) y de su análisis de uso.

Por esta razón, necesitamos canales personalizados –y algunos estandarizados (si bien no soy un devoto de esta idea)– que configuren una nueva infraestructura que reúna las siguientes características:

Accesibilidad

Tanto por parte del autor o autores, como por parte de cualquier otra persona.

Contenido «en abierto»

Basado en la nube (al estilo Copy left).

Registrar los aprendizajes, los canales de búsqueda, de retroalimentación, los procesos de Learning is the work… va más allá de la información que nos ofrecen metadatos y descripciones. Este tipo de información incluye: datos de uso, comentarios, clasificaciones, gustos, puntuaciones, etc. –

Con todo ello llegamos a las nuevas maneras de decir y de aprender que tanto insistimos con el cambio de paradigma.

No sería bueno si un algoritmo podría decirte cuando y como puedes desarrollar un nuevo modelo de negocio, o una nueva manera de aprender?

Esa es una afirmación provocativa, es un propósito basado en los avances reales que hemos observado en las empresas de Internet como Google, Netflix, Amazon y Alibaba. …eso también son aprendizajes, faltaría más…

Estas empresas se han vuelto extraordinariamente buenas en reorganización automáticamente Sus ofertas para millones de clientes individuales, aprovechando los datos en tiempo real sobre su comportamiento. Esas actualizaciones están, de hecho, impulsadas por algoritmos, procesos y tecnologías de la meta subyacente : Es posible, al separarlos, ver cómo funcionan, y el uso de los conocimientos técnicos en esa configuración .

Los algoritmos de autoajuste son fiables y aprendemos a ajustar de manera efectiva en entornos dinámicos complejos y de manera personalizada, después de procesos automatizados de análisis y procesos críticos.

En los últimos años la tecnología ha Introducido cambios sin precedentes y ha puesto la incertidumbre en los mercados y en las demás partes de la sociedad No es ninguna sorpresa que los CEOs hablan tanto de la agilidad y la adaptación, lo que es lo mismos de PERSONALIZACION….

Hay incompatibilidades profundas entre la escolarización y las nuevas tecnologías:

• Uniformización del aprendizaje vs. personalización.

El aprendizaje ahora está refrendado de manera científica y no es que de ello ya no hablaran los “viejos rockeros de la pedagogía”…Freinet, Freire, Dewey….y ahora Jay Cross, Charles Jennings, Harold Jarche, Jane Hart, Juan Domingo Farnos, …y cada vez más, de los que parten de la innovación más profunda (no incluyo los que realizan buenas prácticas) porque estos van por otro lado del “cuadro”, son necesarios para mantenernos la “sociedad activada”, pero cada vez más somos los que cruzamos las líneas rojas, Fernando Saez Vacas, Roger Schank, David Wiley, Stephen Downes, George Siemens, Juan Domingo Farnós…, los cuáles nos enfrentamos no con el sistema, ya que como solemos decir, “el peor antisistema es lo que algunos llaman el mejor sistema” (Juan Domingo Farnos)

Acceder a información es ya un “elemento vital para todas las organizaciones, educativas, sociales, políticas, económicas…” Forrester señala que no es sólo el volumen de información está creciendo de manera exponencial.

Las organizaciones educativas, empresas,… dependen cada vez más de la información para tomar las mejores y más rápidas decisiones para obtener una ventaja competitiva, que les permita “vender su producto”, de la mejor manera posible, aunque la evolución de los diferentes planteamientos educativos se lo hace cada vez más complicado, ya que las organizaciones “cerradas” cada vez tienen menos sentido…

Es necesario, mediante el análisis de datos (BIG DATA) llegar a un puente que una ambas partes, aunque muchos creemos que eso no es fundamentalmente necesario, ya que cada uno puede actuar según sus maneras de entender la educación y llevarla a cabo, pero para ello, la “cultura” en la que vivimos debe ser completamente abierta, flexible, inclusiva y exigente con llegar a la máxima calidad personal.

“Big Data transformará la manera en la que vivimos, pensamos y trabajamos”. Es una de las frases que introduce en su conclusión Kenneth Cukier, y que precisamente da título a su libro Big Data: A Revolution That Will Transform How We Live, Work, and Think.

La música podría desempeñar mucho ruido , los silbatos pueden soplar , la gente podría moverse, y algunos podrían disfrutar…. pero la actividad tiene poco, o nada , que ver con la generación de una visión real de la materia que nos ocupa , o la práctica de habilidades útiles. ” ¿Qué hemos aprendido de esa experiencia? ” Una respuesta honesta sería: ” Ni idea “, ya que saldremos del “learning is work” y volveremos a entrar en el círculo que la sociedad “post industrial” nos marca, no la Sociedad del Conocimiento.

Por las investigaciones y el feedback que obtenemos y, por la experiencia ,estamos convencidos fuera de toda duda que el aprendizaje experiencial es el modelo más eficaz para la formación y la educación. Pero con esto queremos decir , cuando se hace bien . Hacerlo bien requiere de varias cosas .

El proceso de aprendizaje debe reconocer e incorporar los principios educativos sólidos. Ciertamente , sabemos que la experiencia directa tiene un enorme impacto en el aprendizaje . Pero eso no es todo lo que sabemos . Las investigaciones y la prácticas educativas se demuestra, por ejemplo, que las personas tienen diferentes estilos de aprendizaje , y que estos estilos de entrar en juego de manera significativa, son uno de los principios básicos de una sociedad diversa, abierta e inclusiva.

Entendiéndose “Estilos de aprendizaje” como los rasgos cognitivos, afectivos y fisiológicos que sirven como indicadores de como las personas perciben, interactúan y responden a sus ambientes de aprendizaje.

David Kolb (1971) identificó dos dimensiones principales del aprendizaje: la percepción y el procesamiento. El aprendizaje no es más que el resultado de la forma como las personas perciben y luego procesan lo que han percibido.

Describió dos tipos opuestos de percepción:

a-Experiencia concreta

b-Conceptualización abstracta

Y describió dos tipos opuestos de procesamiento:

a-Experimentación activa

b-Observación reflexiva

La yuxtaposición de las dos formas de percibir y procesar es lo que llevó a Kolb a describir un modelo de cuatro cuadrantes que explica los estilos de aprendizaje: Convergente, Asimilador, Acomodador y Divergente…

Los convergentes poseen las siguientes características:

Racional — Analítico — Organizado — Hermético.

Orientado a la tarea — Buen líder — Deductivo.

Los asimiladores poseen las siguientes características:

Reflexivo — Pensador abstracto — Hermético — Investigador

Planificador — Genera modelos — Poco empático.

Los acomodadores poseen las siguientes características:

Impulsivo — Orientado a la acción — Flexible — Asistemático.

Organizado — Espontáneo — Comprometido.

Los divergentes poseen las siguientes características:

Emocional — Flexible — Intuitivo — Sociable.

Soñador — Orientado a las personas — Genera ideas.

Más adelante Peter Honey y Alan Mumford (1988) partieron de las bases de David Kolb y llegaron a la conclusión de que existen cuatro estilos de aprendizaje, que a su vez responden a las cuatro fases de un proceso cíclico de aprendizaje: Activo, Reflexivo, Teórico y Pragmático.

Los activos aprenden mejor cuando:

Se lanzan a una actividad que les presente un desafío.

Realizan actividades cortas y de resultado inmediato.

Hay emoción, drama y crisis

Les cuesta más trabajo aprender cuando:

Tienen que adoptar un papel pasivo.

Tienen que asimilar, analizar e interpretar datos.

Tienen que trabajar solos.

Los reflexivos aprenden mejor cuando:

Pueden adoptar la postura del observador.

Pueden ofrecer observaciones y analizar la situación.

Pueden pensar antes de actuar.

Les cuesta más aprender cuando:

Se les obliga a convertirse en el centro de la atención.

Se les apresura para que pasen de una actividad a otra.

Tienen que actuar sin poder planificar previamente.

Los teóricos aprenden mejor cuando:

Deben partir de modelos, teorías, sistemas con ideas y conceptos que presenten un desafío.

Tienen oportunidad de preguntar e indagar.

Les cuesta más aprender:

Con actividades que impliquen ambigüedad e incertidumbre.

En situaciones que enfaticen las emociones y los sentimientos.

Cuando tienen que actuar sin un fundamento teórico.

Los pragmáticos aprenden mejor cuando:

Se les presentan actividades que relacionen la teoría y la práctica.

Ven a los demás hacer algo.

Tienen la posibilidad de poner en práctica inmediatamente lo que han aprendido.

Les cuesta más aprender cuando:

Lo que aprenden no se relaciona con sus necesidades inmediatas.

Realizan actividades que no tienen una finalidad aparente.

Lo que hacen no está relacionado con la realidad.

No hay sustituto para la experiencia. Esa es una verdad demostrada.v Recordemos que la parte en que el profesor y los estudiantes regresan a la vida clásica, la de siempre, es ese momento volvemos a perder la experiencia que habíamos obtenido Eso es importante . En ausencia de perspectiva informada y devolución de datos válidos , sólo la experiencia es un maestro cruel lento y tiende a consolidar los malos hábitos junto con los buenos.

Naturalmente que muchos defenderán que la teoría es importante, pero eso se puede aprender también trabajando, muchos lo hacen y les funciona perfectamente. Del mismo modo , los juegos , simulaciones, y los instrumentos de retroalimentación pueden ser maravillosamente útiles para las habilidades relacionadas con el liderazgo, el trabajo en equipo , coaching , resolución de conflictos , la comunicación interpersonal , y más aprendizaje …¿Eso lo podemos hacer en organizaciones educativas regladas por currículums, tareas…prescritas y uniformizadoras?.

Desafortunadamente, ” aprendizaje experimental ” se ha convertido en una frase de moda en la comunidad empresarial — entrenamiento. Como suele ocurrir cada vez que una buena idea se convierte en una moda , una gran cantidad de tonterías ha surgido en torno a ella. Usted no tiene que buscar mucho para encontrar los programas de ” aprendizaje vivencial ” que sustituyen con la mera actividad de la experiencia y la práctica pertinente .

Pueden ser muy atractivos e interactivos, como una situación se presenta a los alumnos y luego se les pedirá que responder a ella mediante la selección de una opción de la acción (evaluación). Esto proporciona un entorno de aprendizaje seguro ya que no hay consecuencias para los errores, pero si encima aplicamos SIMULACIONES, el error se convierte en un camino más para aprender ya que tenemos que derivar por medio de la retroalimentación, ya sea analógica o digital, hacia otros derroteros que pueden estar previstos (innovación) o no (disrupción), que a su vez, permite a los estudiantes a obtener una comprensión de las lecciones y luego aplicar sus habilidades.

Los escenarios en los que normalmente estamos inmiscuidos tienen tres partes:

1-Una descripción de una situación dada

2-Una pregunta con opciones (tres opciones parecen ser la norma)

3-Comentarios:

-puede ser inmediata para escenarios conocidos o no.

-puede retrasarse si el escenario es de ramificación.

Necesitamos llevar siempre nuestros procesos de aprendizaje críticamente sobre nuestro propio comportamiento, identificar las formas a menudo ya que muchas veces no nos damos cuenta de que contribuimos a los problemas de la organización y luego cambiar cómo actúan. Por tanto dejamos de lado el circuito único de aprendizaje y nos pasamos al de doble circuito de (Argyris), pero de forma muy diferente, ya que él aboga por dejarlo cerrado, es decir, llegar a un objetivo y nosotros no, ya que lo que pretendemos es trabajar en el proceso, no en el objetivo.

Las necesidades urgentes de aprendizaje de los estudiantes son personales. Cada niño, cada adulto en el sistema tiene necesidades personalizadas que no pueden ser determinadas por el pensamiento estandarizado.

Si los enfoques tradicionales evaluativos describen un ecosistema uniformizado, estos argumentos actuales no solo ya no sirven, si no que ya no son necesarios, están obsoletos.

La computación ubicua en la evaluación nos permite ver como el aprendiz pasa de objeto a sujeto de aprendizaje, y es quien dirige “las operaciones” del proceso de su aprendizaje, por tanto de su evaluación.

A lo mejor la ley de MOORE nos sirve de acicate para ir desarrollando dispositivos heterogéneos de computación, lo cual hace que el aprendizaje continuado y permanente (Life Long Learning) esté garantizado, que de otra manera no lo estaría.

Esta computación ubicua tiene un reto sin el cual tampoco tiene sentido, la movilidad (ubicuidad) de los aprendices, lo que llamamos aprender de manera móvil-MOBILE LEARNING-.

El uso frecuente de los dispositivos móviles no significa que los estudiantes o profesores están preparados para el aprendizaje móvil, es más a veces muchos de ellos no saben su utilidad pedagógica ni nunca lo han escuchado que sea así.

¿Estamos los estudiantes y profesores dispuestos a dar el salto de e-learning al aprendizaje móvil? ¿Qué significa estar preparados?:

— –Para responder a estas preguntas, podemos examinar los dispositivos móviles que los estudiantes y profesores ya están utilizando, así como las actividades que realizan durante el uso de estos dispositivos. En la mayoría de los casos, los estudiantes y los profesores ya han participado en una variedad de actividades de informática móvil y la comunicación en el trabajo y para otras facetas cotidianas.

Veremos que pasa en los próximos tiempos, pero parece obvio que el APRENDIZAJE MÓVIL, y que se me entienda: “aprender desde cualquier sitio y sin importar el tiempo”, cambiará la manera de aprender, eso está claro, sus consecuencias pueden llevarnos a que la sociedad se decida por otra forma de educarse, pero eso lo veremos”…

El Mobile learning debe llevarnos a la cima del APRENDIZAJE UBÍCUO-espacio-temporal-, donde además de un RECONOCIMIENTO SOCIAL necesario (titulaciones, certificaciones, reconocimientos)….se debe aceptar como de calidad tan importante que el que se realiza en cualquier Universidad, sino más.

El aprendizaje ubicuo es un nuevo paradigma educativo posible, digamos que es lo que se viene venir… en parte por las potencialidades de los medios digitales y en parte, por la redistribución económico-político-educativa y social…con la que ha establecido esta nueva Sociedad.

‘Hecho posible’ significa que no hay relación directa determinista entre la tecnología y el cambio social. En efecto, las instituciones educativas en todos los niveles han demostrado ser muy eficaces en la adaptación de estos nuevos recursos a sus prácticas tradicionales y el contenido, y no al revés.

Las tecnologías digitales y llegan casi de inmediato, las viejas prácticas pedagógicas de la enseñanza didáctica, la entrega de contenido para la ingestión de estudiantes y de prueba para las respuestas correctas se asignan en ellos y llamó a un “sistema de gestión del aprendizaje”. Algo cambia, cuando esto sucede, pero lamentablemente, no es mucho.

Y otro calificativo: “potencialidad” significa que podemos hacer algunas cosas fácilmente ahora, y están más inclinados a hacer estas cosas de lo que eran antes, simplemente porque son más fáciles. La tecnología se convierte en una invitación a hacer las cosas mejor, a menudo de tal manera que algunas personas han estado diciendo durante mucho tiempo que se debe hacer.

Los ordenadores hacen que sea más fácil las prácticas de aprendizaje social que eran muchas veces irrealizables o hechas a contrapelo por su falta de sentido práctico idealista, en cambio ahora son visibles.

Lo que estamos presenciando es un conjunto de cambios sociales y culturales (así como los cambios tecnológicos), en gran parte basada en actividades de aprendizaje fuera de las escuelas y Universidades — el café, el hogar, la red social, el ambiente de juego, los medios de comunicación y la cultura popular, el lugar de trabajo — que refleja de nuevo en un conjunto de expectativas de cambio por parte de los jóvenes acerca de lo que sus experiencias de aprendizaje dentro del aula debe ser similar a lo que realmente hacen y viven fuera de ellas.

Los procesos de aprendizaje, las motivaciones y la adecuación a los contextos prácticos de la vida ordinaria son cambiadas por este cambio de énfasis, como es la necesidad de la escuela de reorganizarse y ponerse a la altura de estos “otros aprendizajes”, que muchas veces llamamos INFORMALES… Esta es la revolución que algunos describimos como “aprendizaje ubicuo”.

Con el Mobile learning aprenderemos:…

a-Una visión amplia del potencial de móviles

b-Una lista de cuestiones móviles

c-Los resultados del estudio de caso de aquellos que lo han hecho y utilizado…

d-La base de un plan de telefonía móvil y la información estratégica necesaria para seguir adelante

Para promover el aprendizaje de los estudiantes mediante el uso de dispositivos móviles de aprendizaje y medios de comunicación social en la enseñanza-aprendizaje, más que preparar a los estudiantes, es animales a ser activos, en su mundo que ya está conectado de por si…

El rápido crecimiento en el uso de los medios de comunicación social y los dispositivos móviles ha creado tanto una crisis como una oportunidad para las comunidades escolares.

Desafortunadamente, muchos docentes han tenido conocimiento de las tecnologías sociales en circunstancias desagradables, tales como los conflictos derivados de los intercambios de medios sociales. Y los directores de la escuela a menudo se paralizan por acoso cibernético y sexting de incidentes para los que la orientación era a menudo insuficiente y contradictoria. No es de extrañar que se quiera, muchas veces , eliminar el uso de medios móviles y sociales en las escuelas.

Sin embargo, como las tecnologías móviles y sociales se vuelven omnipresentes, los intentos para bloquearlos son cada vez más ineficaces. Por ejemplo, en las escuelas que prohíben los teléfonos móviles-que son muchas-, el 54% de los estudiantes siguen informando con el envío de los textos durante el día escolar (Lenhart, 2010).

Y es raro el estudiante que no puede hacer una carrera l alrededor de los filtros de Internet con un servidor proxy sencillo.

Más importante aún, como los dispositivos móviles se vuelven más potentes y más asequibles, su potencial para mejorar el aprendizaje del estudiante ha entrado en un foco más claro.

Los sitios de redes sociales proporcionan plataformas para la creatividad del alumno por lo que les permite diseñar proyectos de uso de palabras, música, fotos y videos (multimedia), con lo cual incluso pueden realizar sus propias EVALUACIONES.

En los últimos años, ha habido un crecimiento explosivo en los estudiantes crear, manipular y compartir contenido en línea (National School Boards Association, 2007). Reconociendo el valor educativo deL fomento de tales comportamientos, muchas escuelas han cambiado sus energías de limitar el uso de estas tecnologías para limitar su abuso.

Al igual que con cualquier otro comportamiento, cuando las escuelas enseñan y establecen las expectativas para el uso de tecnología apropiada, los estudiantes responden a las expectativas. Tales condiciones permiten a los educadores a concentrarse, en palabras del gurú de la tecnología social, Howard Rheingold (sf), educar “a los niños sobre la necesidad de que el pensamiento crítico y [fomentar] el ejercicio de sus propios conocimientos de cómo hacer elecciones morales.”

Una educación que no tiene en cuenta el uso de herramientas de medios sociales y prepara a los estudiantes de manera crítica y autónomas, no tiene futturo.

Maneras de realizar un proceso Educativo y Social por medio ndel mobile learning:

a-La educación debe preparar a los estudiantes para que participen activa y constructivamente en una sociedad global.

b-Formación potenciada por la tecnología tiene la capacidad de involucrar a los estudiantes profundamente en su trabajo, conectar con incontables recursos, y les permite colaborar a través del tiempo y el espacio.

c-Las universidades, escuelas deben proporcionar una equilibrio en el estudiante, de manera personalizada (inclusiva)y personalizar la experiencia para todos los estudiantes-un principio fundamental de la ruptura de la escuela marco de mejora ..

d-Las escuelas deben promover y modelo de valores que son esenciales en una sociedad civil y democrática.

e–El aprendizaje puede tener lugar sólo cuando los estudiantes se sienten libres de violencia y acoso.

f–Las universidades, escuelas deben ofrecer un papel significativo en la toma de decisiones a los estudiantes para promover el aprendizaje del estudiante y un ambiente de participación, la responsabilidad y la propiedad.

La sociedad que debe liderar este procedimiento debe:

a — -Alentar y modelar la utilización adecuada y responsable de las tecnologías móviles y sociales para maximizar las oportunidades Y es raro el estudiante que no puede hacer una carrera l alrededor de los filtros de Internet con un servidor proxy sencillo.

b — -Más importante aún, como los dispositivos móviles se vuelven más potentes y más asequibles, su potencial para mejorar el aprendizaje del estudiante ha entrado en un foco más claro.

c — -Los sitios de redes sociales proporcionan plataformas para la creatividad del alumno por lo que les permite diseñar proyectos de uso de palabras, música, fotos y videos (multimedia), con lo cual incluso pueden realizar sus propias EVALUACIONES

Para utilizar #Mlearning dentro del mundo del aprendizaje, bien sea por su potencialidad ubícua, como por su gran usabilidad y accesibilidad, hemos de tener claros algunos principios básicos. diseño, características de la formación, necesidades de los aprendices, accesibilidad….

Si bien todos los escenarios educativos no se verán aquí, afortunadamente, ya que si algo tiene de diferente #mlearning, es que es muy fácil adaptar los aprendizajes a cada persona, en cada espacio y tiempo:

http://www.eoi.es/…/aprender-desde-los-margenes-mobile…/ Aprender dede los márgenes. Mobile Learning en una sociedad en red.

1. ¿Cuál es el objetivo del proyecto mLearning?
2. ¿Es el desarrollo de un curso? ¿Es que se difunde el conocimiento? ¿Es para conseguir sus experiencias compartidas con otros en su red de aprendizaje? El objetivo de un proyecto debe ser lo más claro posible, antes de la creación de cualquier otra cosa, ya que el objetivo será dar forma a lo que se necesita y cómo se puede montar con la mayor eficacia para alcanzar esa meta.
3. Obtener todos los actores involucrados
4. La participación y el apoyo de todos es indispensable para cualquier aprendizaje tenga lugar. Con representantes de los interesados pertinentes probabilidades aumentan de que el ambiente de aprendizaje que se construye será aceptada por la mayoría y, como tal, será utilizada. Todos los interesados deben sentirse cómodo con el nuevo proyecto de formación, de lo contrario corre el riesgo de un grupo de abandonar la escuela. Cuanto antes obtener retroalimentación de todos los grupos interesados, más adaptado al ambiente de aprendizaje puede ser.
5. ¿Cuáles son sus dinámicas de los educandos previstosPeer-to-peer — por ejemplo, ingenieros o estudiantes de tecnología a anotar las reparaciones rápidas que hicieron para los casos particulares y compartir esas soluciones, mientras que también proporciona información sobre los demás, o uno-a-muchos: el especialista o experto o compartir sus ideas con los demás sus para ponerse al día en nuevas innovaciones, el conocimiento, los cambios …. La dinámica alumno tendrá un profundo impacto en el diseño general del entorno de aprendizaje o la arquitectura del curso y las herramientas que se utilizan para diseñar el ambiente de aprendizaje.
6. ¿Cuál es la infraestructura (móvil) ¿Si va a trabajar en un área rural dispersa con una cobertura móvil (zona de montaña, desierto …), usted necesita tomar un punto de acceso wiki en cuenta para difundir el contenido de aprendizaje. Si está trabajando en un área móvil bien cubierta, es posible que aún tienen problemas con la electricidad (algunas zonas de África), que tiene un efecto sobre las soluciones que se ofrecen para los alumnos (paneles solares, batería recargable).
7. ¿Cuál es la situación de móvil para su público objetivo?
8. ¿Es que todos ellos tienen un dispositivo móvil? ¿Están familiarizados con las opciones más avanzadas en sus dispositivos móviles?¿Cuál es el plan de pago para acceder a Internet móvil / SMS / MMS … ¿Cuál es su situación financiera? Conociendo todos estos criterios le permitirá ofrecer soluciones móviles que están en sintonía con las posibilidades y experiencias de su público objetivo.

No añadir cosas demasiado nuevas, la tecnología nos proporcionará un mayor equilibrio, ambiente de aprendizaje menos atemorizante para cualquier público objetivo (bueno, excepto los geeks, que aman los desafíos de alta tecnología en su mayor parte).

8-La seguridad puede ser un problema ¿Qué es la seguridad que necesita para ofrecer el contenido de su mLearning o diseñar su proyecto mLearning? Esto afectará a su diseño en abierto (Cloud) o cerrada (detrás de los firewalls, más aislados …).

También afecta a los dispositivos que serán destinados. Debido a que los dispositivos más que desea tratar, más difícil será mantener una visión segura y desarrollar / entregar el contenido seguro:

1. ¿Cuáles serán los principales dispositivos que se atienden a?
2. ¿BYOD o no? Dependiendo de las opciones de seguridad se puede optar por un tipo de dispositivo móvil, o usted puede ir a la idea de traer su propio dispositivo (BYOD), que es todo el derecho del delirio ahora. Pero si se opta por BYOD da lugar a una más compleja, pero al mismo tiempo, conjunto más uniforme de las opciones para entregar el contenido mLearning. Elegir un tipo de dispositivo móvil le permitirá buscar herramienta de creación de un solo o una opción de creación de contenido. Si usted elige para BYOD, es posible que desee considerar un poco de programación, o por lo menos el diseño de su contenido html5/CSS siguientes (un curso gratuito se puede encontrar en W3C asegurándonos que las normas de HTML5 desde el principio). Si no va a trabajar con archivos multimedia, simple html / CSS hará también, que sea lo más simple posible. Sí, KISS
3. ¿Cómo va a diseñar el contenido? Las herramientas de autor o de programación o de los medios sociales
4. El conocimiento de los dispositivos que se atienden a, ahora se puede abordar el diseño. Usted puede ir para las herramientas de creación disponibles que proporcionan tanto el contenido móvil y basada en la web, o puede optar por la programación (ya sea en diferentes lenguajes de programación móvil o la entrega de contenido que está diseñado a través de SDK (Software Development Kits) que están disponibles para una variedad de tipos de dispositivos móviles.
5. Si utilizamos peer-to-peer de contenidos, será necesario para permitir a los alumnos crear contenidos que puedan ser compartidos. En ese caso, vale la pena considerar ubicaciones de medios sociales para los espacios de contenido (Redes Sociales, por ejemplo:
6. La mayor parte de lo social en herramientas de los medios de comunicación ofrecen opciones móviles y están hechos específicamente para compartir / tanto en multimedia com oen escritura.
7. ESTRATEGIAS DE ENTREGA:
8. Asegúrese de que tiene una estrategia para la entrega de contenido. ¿El contenido se entrega a través de descargas wifi (sólo descargable a través de Wi-Fi), que se preste a través de descarga de Internet móvil.
9. Si va a configurar peer-to-peer algunas o todas las partes del curso, es importante que la comunicación sea lo más fácil posible. Por ejemplo, podemos utilizar el correo electrónico de acceso para comunicarse a través de foros de discusión o actualizaciones tweet.
10. ¿Cuál es el contenido de un usuario m-Learning permitido
11. hacer?
12. Las directrices para los usuarios son siempre importantes para mantenernos a todos felices y motivados.

Nos aseguraremos de proporcionar directrices claras para el contenido que usted proporciona:

a-¿Cómo pueden comunicarse entre sí (o con el facilitador / profesor / entrenador).

b-¿Pueden entregar el contenido a otras personas (no es un derecho de autor intelectual?).

c-¿Pueden proporcionar sus claves de acceso a los demás?

d-¿Pueden mezclar el contenido y usarlo en sus propios cursos?

e-¿Cómo agregarán los alumnos contenido a la asignatura (si se les pida que lo haga): por escrito, imágenes, películas … y cómo deben ser entregados este contenido?

Esto es lo que se me ocurren, pero no dude en añadir todas las ideas o estrategias que se utilizan para optimizar su proyecto mLearning. La colaboración siempre es más divertido y gratificante.

La palabra “omnipresente” puede definirse como “existentes o estar en todas partes al mismo tiempo”, constantemente se encontró, y se ha generalizado. Al aplicar este concepto a la tecnología, el término omnipresente implica que la tecnología está en todas partes y la usamos todo el tiempo. Porque de la capacidad de penetración de estas tecnologías que tienden a usarlas sin pensar en la herramienta, hace que esta naturalidad potencie el aprendizaje, lo que hace que nos podamos centrar en las tareas, haciendo que la tecnología invisible haga más visible lo que pretendemos conseguir.

Los estudios preliminares de investigación llevados a cabo por los autores han tratado de extender este trabajo a las diferentes disciplinas que no han sido involucrados antes en la construcción y la tecnología de la información. Los resultados prometedores incluyen:

-Alta motivación estudiantil; Colección de datos de campo en formatos multimedia más ricos — fotos, entrevistas, grabaciones en vídeo, Etc. que es posible con la pluma y el papel tradicionales; Y la voluntad de algunos estudiantes de trabajar con sus propios teléfonos móviles, cámaras digitales y otros dispositivos móviles emergentes.

-Se necesita más investigación y desarrollo para refinar la implementación de dispositivos móviles en:

-Aprendizaje de campo. Los resultados de la investigación podrían incluir;

• Desarrollo de estrategias de aprendizaje y enseñanza sobre la realización de trabajos de campo que sean aplicables en una amplia gama de disciplinas.

• Estrategias para la integración en el plan de estudios de materiales de apoyo con actividades de aprendizaje

El m-learning ubicuo permite a los estudiantes acceder al aprendizaje en cualquier lugar y en cualquier momento usando dispositivos móviles por ejemplo, los estudiantes pueden escuchar recursos de aprendizaje de audio en un iPod mientras van viajando a la universidad. Esta dirección de investigación fue informada por nuestra encuesta que mostró que los estudiantes estaban interesados en podcasts de conferencias, así como una notificación rápida de SMS sobre los cambios en los tiempos de las conferencias, fechas de asignación y eventos universitarios.

Los estudiantes ven los podcasts como una manera de aprendizaje “,” obtener conocimientos sobre el tema especialmente en el tren “, y tomó nota de su particular aptitud para los estudiantes fuera del campus.

En el M-aprendizaje ubicuo. Los resultados de esta dirección de investigación podrían incluir:

• Desarrollo de nuevas prácticas pedagógicas para migrar el e-learning al m-learning, teniendo en cuenta las limitaciones de los dispositivos móviles en términos de tamaño de pantalla, limitadas capacidades de almacenamiento y memoria limitada, pero al mismo tiempo aprovechando los ejemplos actuales de mejores prácticas en las estrategias de elearning (Zmijewska, A., Lawrence, E., Culijak, G. y Prior, J., 2006)
• Evaluación del m-aprendizaje ubicuo a través de diferentes dispositivos, como PDAs, iPods, teléfonos móviles,
• Exploración de opciones de individualización y diversidad para la entrega móvil del material del curso, incluyendo para estudiantes internacionales y grupos de estudiantes desfavorecidos.

En definitiva…¿Cómo se puede utilizar mejor la tecnología móvil en las estrategias de enseñanza y aprendizaje para aprender y apoyar las características de la generación de nativos digitales, mientras que al mismo tiempo dedicado a la diversidad de todos los estudiantes?

Hemos sugerido algunas direcciones para actividades de investigación y desarrollo y resultados para apoyar y mejorar el uso de la tecnología móvil para mejorar el aprendizaje de los estudiantes. Argumentamos que tales investigaciones deberían tener como objetivo avanzar en las implicaciones del m-learning para el aprendizaje activo y experiencial:

-Los procesos de investigación-acción (Dick, 2007) y el diseño educativo centrado en el alumno (Litchfield, 1999)

-Planificación, diseño y desarrollo, implementación, pruebas y metodologías de evaluación para maximizar las investigaciones de calidad y los resultados del proyecto.

–Lean, Moizer, Towler & Abbey (2006) encontraron en su examen de las barreras percibidas al uso de innovaciones en entornos académicos que los académicos toman la decisión de usarlos basados en juicios profesionales de beneficio y riesgo. Por lo tanto, destacaron un papel para la creación de conciencia en tales actuaciones.

-Actividades y una mejor información sobre los enfoques. Estas preocupaciones pueden abordarse con estrategias académicas de desarrollo profesional como socios de proyectos mentores, apoyo en línea. (elearning)

-Talleres basados en la experiencia y la publicación de artículos y artículos para

difundir los resultados del aprendizaje en mlearning para apoyar a los innovadores y los adoptantes tempranos (Rogers, 1993)

–Difusión de m-aprendizaje activo:

-El desarrollo de un amplio apoyo para un cuerpo en línea de los conocimientos de m-learning y los principios de enseñanza-aprendizaje.

-Estrategias y estudios de casos prácticos y efectivos en todas las disciplinas — un m-Portal — es necesario y puede apoyarse e informar en los enfoques emergentes nacionales e internacionales sobre el uso de tecnologías móviles para mejorar el aprendizaje.

En los últimos años, las nuevas tecnologías (tales como dispositivos móviles o redes sociales) se han extendido rápidamente en todas las áreas de nuestra vida. Sin embargo, mientras que los empleados de las PYME utilizan cada vez más estas tecnologías con fines privados y en menor medida para la búsqueda de información y el aprendizaje informal, las organizaciones educativas (Escuelas, Universidades, escueleas de negocio, empresas en general no han reconocido el potencial de esas tecnologías para apoyar el aprendizaje y si lo han hecho ha sido a título individual y muy restringido y no como una metodologías diferente a lo que venían haciendo sin reparar que las herramientas, las estrategias, la mediación de las mismas…les permiten ubicarse en situaciones de una potencialidad que nunca podrían imaginar….

Como consecuencia de ello, el uso de estas tecnologías y el apoyo a los Entornos de Aprendizaje Personal emergentes no se han tomado sistemáticamente como estrategia de aprendizaje sostenible que se integra con otras formas de aprendizaje en el lugar de trabajo, en los lugares prescritos para aprender….

Los Entornos Personales de Aprendizaje y el uso de dispositivos móviles se han sugerido como un medio para abordar el reto de apoyar el aprendizaje en el lugar de trabajo, su potencial todavía no se ha realizado plenamente.

A pesar de mucha investigación teórica en el uso de dispositivos móviles para el aprendizaje basado en el trabajo hay todavía pocos ejemplo convincente de la práctica efectiva.

Cuando hay casos de estudio de los dispositivos móviles y de los PLE como apoyo al aprendizaje basado en el trabajo, estos tienden a permanecer aislados con limitaciones a la ampliación de la escala o la adopción más amplia.

Si bien es cierto que ya empieza a haber literatura al respecto de Harold Jarche, Charles Jennings (esencialmente con el trabajo y las TIC, Graham Atwell y la construcción de Apss movles para el aprendizaje, Juan Domingo Farnós (con la relación sociedad-trabajo-educación)…sería conveniente que estos autores, estos estudiosos de los temas, pudiesen sacar estudios conjuntos con sus diferentes planteamientos que si bien pueden verse de manera divergente, convergen en muchos aspectos y estos podrían servir a la sociedad en su conjuntos y no solo a las empresas y/o organizaciones educativa, en particular…

Es cierto que en un primer momento daría mejores resultados con personas de altas capacidades, pero no se trata solo de eso, si no que estos procesos puedan ser desarrollados por cada persona, siempre teniendo presente su excelencia personalizada, lo demás siempre será seguir las INSTRUCCIONES DEL SISTEMA DE TURNO.

Los aprendices deben luchar y esforzarse para hacer frente con el estilo independiente y autodirigido de aprendizaje para mejorar como personas y ganar en posibilidades de ofrecer su valor personalizado y personal, al mundo laboral.

Esto se agrava cuando los profesores tratan de utilizar las pedagogías innovadoras, como las evaluaciones de grupo, aprendizaje basado en problemas o tareas reflexivas. Así surge una paradoja, más innovadora la pedagogía, mayor es el obstáculo transitorio para el alcanzar la EXCELENCIA PERSONALIZADA, es aquello que la EVALUACIÓN MATA LA EDUCACIÓN, ¿recuerdan?…

¿Por qué m-learning? Los factores clave son la mejora de la enseñanza y el aprendizaje, facilitando que el esté estudiante centrado en las pedagogías constructivistas sociales.

El acceso equitativo a herramientas propias de la web 2.0 es fundamental. Por tanto, el establecimiento de algún tipo de dispositivo que sea útil es básico-Dispositivos de computación móvil inalámbrica para todos los estudiantes y personal docente es necesario, que puede tomar la forma de un netbook, un ordenador portátil o un teléfono inteligentedependiendo de lo que es apropiado para cada curso de estudio.

Los beneficios clave de m-learning para la educación superior son:

• Exploración de las prácticas de enseñanza y aprendizaje innovadoras.• Habilitación de la realización del “aprendizaje auténtico” — es decir, facilitar en cualquier lugar, en cualquier momento, centrado en el alumno el aprendizaje.(ubicuidad)
• Involucrar a los estudiantes con las affordances de las tecnologías Web 2.0 móvil: conectividad, movilidad, geolocalización, redes sociales, podcasting personal y vodcasting, etc …
• Reducción de la brecha digital mediante el acceso a los contextos de aprendizaje y de usuario, herramientas de creación de contenidos que son asequibles y cada vez más propiedad de los estudiantes.
• Pasar de un modelo de fijo, la informática general dedicado a un móvil inalámbrico, paradigma informático que convierte cualquier espacio en un espacio potencial de aprendizaje.

Mobile Web 2.0: Las tecnologías (aprendizaje móvil) m-learning ofrecen la posibilidad de participar en el aprendizaje, conversaciones entre estudiantes y profesores, entre pares estudiantiles, los estudiantes y expertos en el tema, y los estudiantes y ambientes auténticos dentro de cualquier contexto.

El aprendizaje tiene lugar no sólo en el aula o en el PC de casa: Las técnicas de aprendizaje móvil (m-learning) hacen posible que algunos años para aprender en otros lugares. Esto significa que, o bien como “tiempo de inactividad” irá utilizado para expandir sin importar la hora y el lugar del conocimiento de uno mismo. Las habilidades están situadas “en el sitio” adquirido aproximadamente a lugares históricos o excursiones. El aprendizaje móvil es compatible con la distribución de contenidos educativos y la comunicación con y. Entre los estudiantes por medio de dispositivos móviles y aplicaciones relacionadas

El aprendizaje móvil incluye todos los sistemas que permiten al alumno distribuido acceso a los datos y se comunican entre sí sin tener que depender de las redes eléctricas y de comunicación alámbricos (Karran, 2003) Los dispositivos móviles son portátiles, tienen su propia fuente de alimentación y la capacidad de comunicación inalámbrica. Específicamente resuma los incluyendo, pero no limitado …

– Laptops,

-Tabletas

-Smartphones

…

Beneficios: Tiene una serie de características desde el punto de vista metodológico y didáctico que amplían sus beneficios:

— Eficiencia: M-learning permite el aprendizaje en lugares que no tienen relación con los contenidos de aprendizaje, pero puede ser usado de razones temporales y racionales para la enseñanza (como el metro o el tren).

— Personalización: aprendizaje tiene lugar en las proximidades de la de uso personal. A través de la consulta directa de las necesidades de información y el aprendizaje basado en problemas es compatible.

— Conexión: Debido a la constante conexión con las redes de información y comunicación, la interacción y la comunicación entre profesores y estudiantes pueden intensificarse y el trabajo en grupo más flexible.

— Sensibilidad Contexto: M-learning permite la detección y evaluación de la información ambiental, por ejemplo, para la investigación en el laboratorio o en el museo. Esto permite que la teoría del aprendizaje de las demandas de aprendizaje situados cumplir.

El aprendizaje móvil es de ninguna manera un sustituto de los enfoques de enseñanza y aprendizaje tradicionales. Si la oferta de oportunidades de aprendizaje móvil en la situación de enseñanza dada es razonable depende del marco, el grupo meta y los objetivos de aprendizaje. El aprendizaje móvil no es necesariamente para el aprendizaje de relaciones complejas y la búsqueda de nuevas soluciones, ya que la concentración y la distancia necesaria para llegar a soluciones creativas e innovadoras. Atención de la crítica de investigadores que “el conocimiento de las capacidades de almacenamiento de los dispositivos móviles en forma de aplicaciones aparentemente más” “en lugar de ser procesado” recogido por Witt 2013..

Desde una perspectiva financiera, el costo de la implementación de escenarios móviles es la pena sólo si estas ofertas también están en la demanda de los estudiantes. Además, la disponibilidad constante de información también puede ser percibido como una carga, cuando se interpreta como una limitación.

El potencial de aprendizaje móvil para superar contextos de aprendizaje pedagógicamente diseñados,facilitan al aprendiz contextos y contenidos (tanto personales como en colaboración)mientras que proporcionan la personalización y la conexión social en todas partes, que lo distingue desde entornos más tradicionales de aprendizaje.

El aprendizaje móvil también es cuestión de herramientas, ¿por qué los estudiantes aceptarán aprender con artilugios que las organizaciones educativas les impongan si ellos quieren las suyas propias para hacerlo?

Ciertamente, la mayoría de los estudios de investigación que he leído en el tema de la participación de instituciones que compran una gran cantidad de idénticos dispositivos móviles (PDAs o iphones ipods, etc), están basadas en el modelo que utilizan para los ordenadores de escritorio, los cuáles los tiene instalados en un laboratorio de informática, y eso ni funciona pedagógicamente, ni les gusta a los aprendices que disponen de sus “locos cacharros” y que utilizan para casi todas las cosas más habituales.

Eso es un “problema” porque lo más probable es que el estudiante que ya tiene un dispositivo y ahora tienen que abandonar su primer dispositivo o llevar dos, lo que resultará poco práctico para un montón de gente.

Los usuarios tienden a ser muy posesivos con sus dispositivos móviles y tienen preferencias que no coinciden con las universidades, escuelas… y ello les molesta, les desmotiva y acaban por no utilizarlo.

Creo que las instituciones van a tener que ser mucho más flexibles cuando se trata de aprendizaje móvil, incluso cuando trabajen con e-learning…

Ello significará ceder una parte del control a fin de que los estudiantes se sientan cómodos con ello. Por ejemplo, no van a ser capaces de controlar exactamente lo qué hacen los estudiantes en todo y van a tener que ofrecer diferentes vías parar obtener y entregarles contenido, o mejor aún, no saber que tipo de contenido se buscan ellos mismos… por ejemplo no sólo a través de internet móvil, por SMS o transferencia bluetooth… por dar cuenta de la amplia gama de dispositivos móviles que tienen los estudiantes.

En la variedad de aprendizajes enriquecidos con las tecnologías podemos hasta preguntarnos si el E-learning, es o no un aprendizaje móvil, cuestión interesante ya que lleva a mucha confusión…

No creo que el uso de un dispositivo móvil para replicar el aprendizaje que se puede hacer en un ordenador de escritorio y decir que es el aprendizaje móvil necesariamente pone el listón demasiado bajo. De hecho, la definición de aprendizaje móvil como una experiencia de aprendizaje que es “únicamente móvil”, crea un parámetro demasiado estrecho que en última instancia limita la potencia real de aprendizaje móvil.

En mi humilde opinión, creo que el verdadero poder del aprendizaje móvil está en la capacidad de uno para replicar el aprendizaje en un dispositivo móvil y luego usar las funciones de gran alcance únicamente de un dispositivo móvil (es decir, el aprendizaje a distancia) para mejorarlo.

No todos los dispositivos móviles son la pantalla táctil y definirlo como tal crea una definición demasiado estrecha de aprendizaje móvil. IPods tradicionales pueden ser utilizados para ayudar a los estudiantes a escuchar audiolibros o leer el texto. Blackberries son dispositivos móviles que también pueden ser utilizados para mlearning pero muchos modelos no son pantallas táctiles…

• Mi opinión: ser “únicamente móvil” es una definición demasiado estrecha para el aprendizaje móvil.

En esencia, esto es una cuestión de definición. En la definición de aprendizaje móvil, creo que tenemos que centrarnos más en la actividad de aprendizaje a distancia utilizando un dispositivo móvil y no en los propios dispositivos.

Aprendiendo sobre la marcha mediante la conexión a Internet para acceder / crear contenido tanto dentro como fuera de la jornada escolar y el edificio de la escuela — esto si es aprendizaje móvil, pero no limitado a, escuchar audiolibros o leer información preliminar sobre un tema en Wikipedia; va más allá, se refiere a aprender desde cualquier sitio, sin límites de espacios, y sin tener el tiempo, ya sea inmediato o diferido (sin límites de tiempo), lo cuál hace que es aprendizaje personalizado y por tanto persona, sea la base de esta modalidad, la esencia del aprendizaje del futuro, un aprendizaje a la carta donde el aprendiz es el responsable de lo que hace, cuando lo hace y cómo lo hace…

• Es participar en el lugar, justo a tiempo de aprendizaje utilizando un dispositivo móvil con acceso a Internet, la mayor base de datos de información de las personas que hemos creado…

Es participar en conversaciones con otros estudiantes / colegas sobre el contenido de aprendizaje desde donde uno se encuentra a través de Internet.

Por lo tanto, ¿eLearning con Tablets es realmente mLearning? Sí. mLearning es e-Learning y mucho más.

Las cosas, por fin, están cambiando. Ahora, es cuando los líderes de aprendizaje deben llamar en busca de talento y deben buscar a alguien con experiencia móvil. No será el primero en su lista, pero aparece en la parte superior y no solo eso, es fundamental para orquestar cualquier estructura, organización y funcionamiento de cualquier aprendizaje…

El Mobile Learning hace que pasemos de la capacitación al desempeño, es decir, de la teoría al a práctica de cada día, a lo natural, tanto en aprendizajes como en trabajo… (Juan Domingo Farnos)

Ventajas del aprendizaje móvil y algunos ejemplos del mundo real de cómo empezar.

• El aprendizaje móvil es conveniente y fácil para todos:

La comodidad es clave para su aprobación -. Si usted hace algo difícil, es menos probable que quieran participar. El aprendizaje móvil pone el evento y el aprendizaje de actualización literalmente en la palma de su mano. Imagine utilizar un vídeo de entrenamiento corto con su equipo de ventas que les recuerda que deben centrarse en los beneficios y características de su nuevo producto.

• El aprendizaje móvil es relevante.

El Aprendizaje móvil le proporciona al estudiante lo que necesita, cuando lo necesita. Es relevante para el trabajo a mano y se puede llegar a ella rápidamente y fácilmente con el dispositivo que tiene justo en frente de ellos ya. Un rápido móvil curso de actualización (creo 1–2 minutos como máximo) en la forma de procesar una reclamación después de una actualización de cumplimiento será muy útil para su equipo — especialmente Suzie que estaba de vacaciones el día en que todo el mundo las drogas en un grande, todas las reuniones de departamento anunciar que la línea 5a ahora es obligatorio en su forma larga ya super. Darles lo que necesitan y hacerles acceder a él cuando lo necesitan. (Consejo -. Es cuando tienen que realizar la función)

• El aprendizaje móvil pone orientadores pone a su alcance y por tanto un aprendizaje personalizado/personal

Nos encanta la idea de usar el formato corto de vídeos en un iPad o un teléfono inteligente en combinación con herramientas como Skype o mensajería instantánea para crear una experiencia más social y colaborativo de aprendizaje. MLearning puede ser mucho menos formal y se presta bien a la dinámica de una relación de guías. Puede ser un tira y afloja, dar y tomar instrumento para fomentar la buena comunicación. El mentor puede crear una rápida de 60 segundos de vídeo acerca de cómo manejar una objeción cliente en particular y pedir al aprendiz para información específica. El aprendiz podría entonces responder a través de texto, mensajería instantánea o correo electrónico. Eso mantiene la conversación y se convierte en una verdadera experiencia de aprendizaje — no sólo un curso marcado como una lista.

• Hay muchas razones porqué un móvil es una gran herramienta para el aprendizaje. El caso más fuerte es que la mayoría de los ciudadanos ya tienen la tecnología.

Comience con un piloto de pruebas — piense en un departamento con alta rotación, o un gerente de marca nueva, o el director de un centro educativo, o incluso cómo se puede comunicar un nuevo procedimiento a los representantes de campo. El aprendizaje móvil mejora sus programas de aprendizaje existentes, lo utilizan (bueno) y verás mejoras notables en el rendimiento de su organización.

En años recientes, la tecnología y las herramientas disponibles para el aprendizaje han cambiado drásticamente, pero las metodologías de enseñanza y aprendizaje no han cambiado significativamente y las metodologías tradicionales de enseñanza han sido aplicadas a nuevos métodos de entrega.

Movilidad y Ubicuidad

• El aprendizaje móvil puede ocurrir en cualquier momento y en cualquier lugar.

Los aspectos únicos de las ventajas del contexto de aprendizaje móviles actuales y los desafíos que deben ser considerados en el desarrollo de un conjunto efectivo de los principios de diseño instruccional para guiar el desarrollo de contenido móvil. Comprender las diferencias entre el contexto de aprendizaje móvil y otros contextos de aprendizaje puede ofrecer importantes ventajas a los instructores y alumnos. Siete ventajas únicas para el aprendizaje móvil y cinco desafíos relacionados se muestran .

Mobile Learning Advantage Contexto

Desafío contexto relacionado

El aprendizaje es contextual

El aprendizaje puede ser fragmentado

El aprendizaje puede ser personalizado

La falta de capacitación de los instructores y el control

Entrega de aprendizaje es más flexible

La tecnología también presenta limitaciones

El aprendizaje es centrado en el aprendizaje

Distintos niveles de fluidez digital

El aprendizaje en entornos no tradicionales

Impacto de las distracciones externas

El aprendizaje es inmediatamente utilizable

Facilita el aprendizaje permanente Mobile Learning Ventajas Contexto y desafíos. El entorno de aprendizaje móvil ofrece a los diseñadores instruccionales una oportunidad para re-imaginar la educación y de redefinir la relación entre profesor y alumno

. Los siguientes seis principios de diseño instruccional se recomiendan como un marco para el diseño instruccional móvil:

(a) desarrollar una interfaz sencilla e intuitiva,

(b) integrar la interactividad y multimedia,

© construir lecciones cortas, modulares y actividades;

(d) diseño de actividades que son interesantes y entretenidas,

(e) diseño de contenidos que es contextual, pertinente y valioso para el estudiante,

(f) considerar just-in-time

El aprendizaje móvil, , implica el uso de conexión inalámbrica, los dispositivos digitales móviles (móvil inalámbrico, dispositivos o ADM) Dentro y entre los ambientes de aprendizaje pedagógicamente diseñados o contextos podemos…Utilizar herramientas de la Web móvil 2.0 que se utilizan para facilitar esto ). Web 2.0 (O’Reilly, 2005), o “software social “Las herramientas, comparten muchas sinergias con las pedagogías constructivistas del aprendizaje social”. Muchos educadores han aprovechado las herramientas Web 2.0 para crear participación, centrado en el aprendiz y en los ambientes de aprendizaje.

Esta apropiación de las herramientas Web 2.0 dentro de una social, abarca diferentes ecosistemas como la pedagogía constructivista que facilita lo que se ha denominado “pedagogía 2.0″ (McLoughlinY Lee, 2008). Desde la perspectiva de la teoría de la actividad, armas de destrucción masiva son las herramientas que intervienen en una amplia gama de actividades de aprendizaje para propiciar actividades de aprendizaje colaborativos. (Uden 2007)

El uso de estas tecnologías y el apoyo a los Entornos de Aprendizaje Personal emergentes no se han tomado sistemáticamente como estrategia de aprendizaje sostenible que se integra con otras formas de aprendizaje en el lugar de trabajo, en los lugares prescritos para aprender….

El aprendizaje móvil tiene una serie de atributos que pueden contribuir a su definición:

-espontáneo

-personal

-informal

-contextual

-portátil

-Ubicuo (disponible en todas partes)

-Penetrante (tan integrado con las actividades diarias que apenas se nota)

En comparación con el e-learning, m-learning tiene estas características adicionales:

a-Lugares más variados y cambiantes

b-Interacción más inmediata

c-Dispositivos más pequeños, a menudo inalámbricos

Brechas en la literatura de m-learning que necesitan ser abordadas a pesar del gran interés en el m-learning como forma de involucrar a los nativos digitales y de aprendizaje de todos los estudiantes más interactivo y mejor apoyado en cualquier lugar, en cualquier momento, todavía hay muchos

Preguntas que necesitan investigación urgente.

Estas brechas identificadas en la literatura han sido:….

-El trabajo de Kukulska-Hulme & Traxler (2005) y Fies & Marshall (2006);

1. La mayoría de los estudios de m-learning han sido de pequeña escala e implementados en una sola disciplina:

.Por ejemplo, la mayoría de los trabajos de campo se han realizado en el sector de la salud.

.Existe una gran necesidad de implementaciones a gran escala generalizadas a lo largo de un rango

.Disciplina y áreas temáticas ya través de las instituciones.

.Actas ascilite Singapur 2007: Documento completo: Litchfield, Dyson, Lawrence y Zmijewska

1. La gran mayoría de los experimentos de m-learning han tratado una sola cuestión pedagógica, Mejorando la interactividad en el aula. También se han centrado generalmente en una sola tecnología, más a menudo sorprendentemente dado el pequeño porcentaje de estudiantes que poseen PDAs — 15% en encuestas realizadas recientemente.

-Debido a estas limitaciones, además de las señaladas en el punto 1, existe una falta de

onsolidación de conocimientos para guiar a los profesores en la implementación del m-learning, en el sector universitario.

-Un cuerpo de conocimiento de los principios y estrategias de aprendizaje y enseñanza es urgente.

-Los profesores que desean utilizar tecnologías móviles innovadoras y también

-El desarrollo de la política nacional y de los enfoques pedagógicos sobre las

dispositivos móviles.

1. Un desafío importante aún por superar es el costo del hardware, software, conexión y cargos por uso. La falta de sostenibilidad de muchos proyectos de aprendizaje en mlearning indica que:

-El principal obstáculo para implementar m-learning a escala nacional.

-Hay una gran necesidad de la investigación de soluciones de bajo costo para implementar mlearning

-Para que pueda ser sostenible.

1. Ha habido una falta de enfoque en grupos designados de estudiantes. La suposición ha sido generalmente que todos los grupos de estudiantes tienen similares necesidades de aprendizaje. Cuando los estudios han examinado m-learning con diferentes poblaciones, los resultados son difíciles de interpretar debido a las inconsistencias en las áreas disciplinarias.

-Debe hacerse una evaluación adecuada de la efectividad del m-learning con planteamientos Internacionales y otros grupos identificados de estudiantes.

1. Se han encontrado pocos estudios sobre cómo enseñar a los estudiantes de tecnología la tecnología móvil:

– Se supone que el costo es el principal obstáculo.

-Se necesitan investigaciones para desarrollar estrategias de enseñanza para un aprendizaje inhalámbrico y móvil.

Las direcciones de investigación de acción sugeridas son todas cuestiones significativas en m-learning y todas necesitan ser mejores investigando:

• trabajo de campo móvil soportado,
• fomentar la interactividad en el campus utilizando dispositivos móviles,
• Aprendizaje ubicuo apoyado por dispositivos móviles,
• m-learning para cada disciplina
• estrategias para el uso de m-learning de bajo costo.

Al investigar estas y otras áreas, los investigadores educativos deben procurar demostrar cómo el uso de las tecnologías móviles puede mejorar el aprendizaje de los estudiantes. Esto se puede hacer diseñando actividades de m-learning.

Trabajo de campo con soporte móvil (M-Trabajo):

-Aprendizaje en un contexto real usando tecnología móvil

-El trabajo de campo se ha identificado desde hace mucho tiempo como el proporcionar a los estudiantes que realizan estudios profesionales con un medio de

Implementando la teoría del aula en situaciones de la vida real que estén más estrechamente alineadas con su futuro

-Ambiente de trabajo. En los últimos años, algunos educadores, en particular los que trabajan en las ciencias experimentado con la entrega de materiales de apoyo a los estudiantes en el campo, y otros con la captura de datos.

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.

-Estamos en presencia de una amplia gama de temas que deberían estar a disposición de una comunidad de aprendizaje grande (NODOS) con diferentes habilidades y objetivos de aprendizaje. La educación a distancia es una respuesta efectiva a esta demanda de flexibilidad en la formación, pero también debemos pensar en aprendizajes mixtos, en el life long learning, en el mobile learning…. El objetivo es construir una comunidad virtual de aprendizaje sobre la base de un modelo de conocimiento que responda adecuadamente a las diferentes necesidades de aprendizaje.

-Aspectos de clasificación y reutilización de contenidos multimedia desempeñarán un papel fundamental en la mejora del medio ambiente.

Deberemos pensar y analizar las posibles innovaciones en la formación , y proponer el uso de un marco que integre todas las fuentes de información y ofrecer habilidades prácticas necesarias para satisfacer las nuevas necesidades.

-Dentro de la organización y estructuración que hablábamos en nuestros recientes artículos , necesitamos también una buena gestión y una excelente comunicación con los demás, ya que de lo contrario de poco servirían nuestro esfuerzo.

Necesitaríamos una especie de arquitectura con diferentes capas capas , que consiste en una capa de presentación, una capa de middleware para procesos de transferencia de conocimientos y la gestión del conocimiento, y una capa de publicación de contenido.

La combinación consciente del CONTEXTO, la computación ubicua y omnipresente proporciona para entornos que son capaces de adaptarse a las diferentes identidades y necesidades de usuarios y organizaciones, un aprendizaje permanente, personalizado y adaptable.

Necesitaremos instalaciones que hagan posibles el u-aprendizaje consciente del contexto que se apoya por medio de dispositivos móviles, wereables , redes inalámbricas, sensores ….

Mediante el uso de u-learning se hace posible la creación de canales de comunicación ubicuas entre

diferentes contextos de nuestra vida, que facilitan la creación de un marco de diálogo en todas partes dentro de la cual los aprendices, empresarios, facilitadores, tecnologías, recursos …podremos organizar UNA RUTA DE APRENDIZAJE-IMPLEMENTACIÓN, diversa pero adecuada a cada momento y circunstancia.

M-learning y e-learning Tecnologías de aprendizaje móviles difieren de otras aplicaciones de e-learning en particular, por las condiciones técnicas especiales: Las tecnologías móviles con una pantalla más pequeña, menos ancho de banda y menos espacio de almacenamiento se han desarrollado específicamente para su uso en cualquier lugar. Originalmente diseñado para dispositivos y aplicaciones de e-learning pueden complementarse con las tecnologías de aprendizaje móvil, por ejemplo, en forma de aplicaciones o sitios web que responden. Básicamente, se recomienda que el mismo contenido y funcionalidad tanto en el equipo y en la plataforma móvil está disponible.

Computación móvil

Con la informática móvil la libertad técnica se llama, ubicuidad de servicios en el campo de la tecnología de la información y el uso independiente del tiempo.

Si nos basamos en objetos de aprendizaje y su relacion con ecosistemas, propondríamos una investigación que lo relacionara con el Mobile learning para recursos de aprendizaje, que puede apoyar mejor el aprendizaje informal, y la construcción de la comunidad y el intercambio de recursos de aprendizaje con las características esenciales de la evolución que ello supone (entre la innovación disruptiva producida por las TIC, la Inteligencia Artificial y programas expertos…).

Dado que los dispositivos móviles están convergiendo gradualmente en los centros de información, organismos educativos, de salud, …el aprendizaje móvil se convierte en un canal de aprendizaje viable que encaja en el estilo de vida de hoy en día.

Si miramos el efecto transformador que las tecnologías móviles han llegado a jugar en nuestra vida diaria, que llega a ser muy tentador sugerir que la propia educación, y particularmente la educación superior, se puede igualmente transformar, es más, se debe transformar y si es necesario, desaparecer y todo para mejorar la propia sociedad..

Para empezar entonces, ¿Qué entendemos por el término Mobile Learning? Bueno, sin duda va a depender de la disponibilidad que permite tecnologías de dispositivos móviles, como ordenadores portátiles, tabletas, teléfonos inteligentes y reproductores de MP3, sin embargo éstas en sí mismas no definen el aprendizaje móvil.

El Mobile learning dirigido al Social learning colaborativo y cooperativo, puede deshinibirte de procesos crispados y mejorar tus expectativas espacio-temporales ya que dispone de una gran potencialidad en INCLUSIVIDAD Y UBICUIDAD…

Evidentemente debemos plantearnos incidencias en el aprendizaje móvil, pero más como canal que como aprendizaje, obviamente, pero si lo que hacemos es darles la responsabilidad a los aprendices y no a los docentes, encargados de la empresa…y que tengan clar oqeu lo que aprenden si que repercutirá en la empresa, trabajo…pero que será básico para ellos poderse superar, creo que las cosas se simplificarían más…

Encontramos mucha literatura al respecto, pero casi todos son principios de su aplicación en las aulas y la verdad que después de leerlos te das cuenta que todo queda muy difuminado.

También hay que considerar que el alumno real sí mismos. Según Mike Sharples una autoridad respetada en el campo, aprendizaje móvil es: “los procesos (tanto personales como públicos) de llegar a conocer a través de la exploración y de la conversación a través de múltiples contextos entre personas y tecnologías interactivas”.

Estoy seguro de que otros profesionales se encuentran presentes los alumnos de atención dan a las redes sociales y se preguntan si nos daremos cuenta de un compromiso similar al mLearning? La respuesta que encuentro es que sí, y la solución no es de hecho particularmente sorprendente; simplemente tenemos que recompensar el aprendizaje social. Y ahí está lo que yo sospecho fuertemente que será un único punto de éxito o fracaso, no tecnológico o académico, pero más la inercia institucional de la financiación — –

Debemos siempre pensar en una educación que proporciona una definición de trabajo de aprendizaje móvil y luego trata de identificar el significado y las limitaciones de los proyectos que se describen específicamente para un público que trabaja en la educación.

Esto se hace con el uso de dispositivos móviles, la radio con sus estaciones base (por ejemplo, wifi, las antenas de telefonía móvil ) comunicar y compartir datos. Estos dispositivos inalámbricos permiten al usuario gracias a su peso ligero y su acumulador de energía integrado (acumulador), no sólo en casa o en el equipo universitario de gran intercambio de información, la Internet ofrece a participar, pero en todas partes y en cualquier momento — siempre que el terminal móvil puede ser conectarse a una disponible Wi-Fi. Sin embargo, los operadores de telecomunicaciones construyen sus redes constantemente y equipar nuevas normas después. Muchas universidades amplían su infraestructura técnica para redes inalámbricas.

Interfaces adicionales tales como Bluetooth permiten la generación de mini-redes espontáneas, las redes de los llamados ad-hoc que permitan a las partes involucradas en el objetivo mientras que la información inalámbrica y compartir archivos. Los servicios de localización (Engl:. Los servicios de localización) aprovechar la información de la ubicación actual del terminal móvil, por ejemplo, para la orientación en el campus para proporcionar información específica.

En la educación se refiere al aprendizaje mediante dispositivos móviles o con la ayuda de las redes inalámbricas como “aprendizaje móvil”. ¿Qué aspectos didácticos en la creación de materiales de aprendizaje y debe ser considerado en el uso de dispositivos móviles, profundizando retrata el aprendizaje móvil en el campo del diseño instruccional. (entre la pedagogía y la tecnología)…

Dado que los dispositivos móviles están convergiendo gradualmente en los centros de información, organismos educativos, de salud, …el aprendizaje móvil se convierte en un canal de aprendizaje viable que encaja en el estilo de vida de hoy en día.

Si miramos el efecto transformador que las tecnologías móviles han llegado a jugar en nuestra vida diaria, que llega a ser muy tentador sugerir que la propia educación, y particularmente la educación superior, se puede igualmente transformar, es más, se debe transformar y si es necesario, desaparecer y todo para mejorar la propia sociedad..

Para empezar entonces, ¿qué entendemos por el término Mobile Learning? Bueno, sin duda va a depender de la disponibilidad que permite tecnologías de dispositivos móviles, como ordenadores portátiles, tabletas, teléfonos inteligentes y reproductores de MP3, sin embargo éstas en sí mismas no definen el aprendizaje móvil.

Lo que conocemos actualmente como AULA, no nos ofrece los espacios necesarios para transformar la educación. Hay que desmantelar los andamios de los Administradores que están arriba para romper su cultura gerencial del control y poder. Abrir esos espacios para los que quieren aprender y disminuir los espacios para los que pretenden mandar…

Establecemos las maneras de entender la educación de una nueva sociedad, con otro tipo de educación abierta, inclusiva y ubícua, con una deriva hacia el “LEARNING AND WORK” y evolucionando hacia planteamientos personalizados y basados en los aprendices, pero no en solo ellos, si no en sus características cognitivas, sociales…

Ya no podemos “aplicar” una educación basada en la certidumbre y en la rigidez, frente a una sociedad que se mueve en la incertidumbre y que aspira a ser mejor mediante el valor añadido que podamos aportar todos des de nuestras diferencias.

Estamos en tiempos “indefinidos”, en una época en la que ya no se centra en los cambios, porque ya es otra época y por ello debemos pensar con otros parámetros, con otras expectativas, entramos en la investigación y en la resolución de problemas como manera no solo de pensar, si no también de actuar.

También hay que considerar que el alumno real sí mismos. Según Mike Sharples una autoridad respetada en el campo, aprendizaje móvil es: “los procesos (tanto personales como públicos) de llegar a conocer a través de la exploración y de la conversación a través de múltiples contextos entre personas y tecnologías interactivas”.

Estoy seguro de que otros profesionales se encuentran presentes los alumnos de atención dan a las redes sociales y se preguntan si nos daremos cuenta de un compromiso similar al mLearning? La respuesta que encuentro es que sí, y la solución no es de hecho particularmente sorprendente; simplemente tenemos que recompensar el aprendizaje social. Y ahí está lo que yo sospecho fuertemente que será un único punto de éxito o fracaso, no tecnológico o académico, pero más la inercia institucional de la financiación — –

Debemos siempre pensar en una educación que proporciona una definición de trabajo de aprendizaje móvil y luego trata de identificar el significado y las limitaciones de los proyectos que se describen específicamente para un público que trabaja en la educación.

Seamos realistas, el aprendizaje no se parece a lo que tradicionalmente se imaginaba ser. El aprendizaje no es ahora estático, localizado ; en cambio, el aprendizaje se extiende a contextos, experiencias e interacciones. No se trata sólo de una información jamming individuo en su cerebro; es inclusivo, social, participativo, flexible, creativo y de por vida. Una fracción de todo lo que he aprendido — una fracción muy pequeña — proviene de las aulas y a mi manera de ver las cosas, de manera residual, incluso habrá un momento que deberemos decidir si las aulas son necesarias, o no..

Asi es , por eso ya estoy en un proceso que va más allá y a ello he llegado por el learning is the work, creo sinceramente que debería haber un debate serio si las organizaciones educativas son necesarias o no, y no lo digo como Ivan Ilich, pero creo que al final llegaremos a ello…

Espero que pronto tengamos el software necesario para analizar y decidir la retroalimentacion adecuada a cada aprendizaje a cada proceso de trabajo, incluso que nos pueda ayudar a decidir si optamos por seguir con el mismo, aunque sea con variaciones o por contra, cambiar radicalmente (disrupcion).

Aprender siempre con la presión de superar obstáculos o quedarte fuera, impide mejorar el trabajo y el aprendizaje, de so no hay duda y eso nos lo dice la psicología cognitiva.

Por eso uno de los males de la educación actual y que se habla poco de ello, es la “presión”, pero no me refiero al estado de cada persona con un alto porcentaje de adrenalina cuando se realiza cualquier acción, esa es necesaria, no, no, me refiero a condicionamientos que no ayudan a nada, todo lo contrario, que entorpecen los procesos.

El Mobile learning dirigido al Social learning colaborativo y cooperativo, puede desinibirte de procesos crispados y mejorar tus expectativas espacio-temporales ya que dispone de una gran potencialidad en INCLUSIVIDAD Y UBICUIDAD…

Evidentemente debemos plantearnos incidencias en el aprendizaje móvil, pero más como canal que como aprendizaje, obviamente, pero si l oque hacemos es darles la responsabilidad a los aprendices y no a los docentes, encargados de la empresa…y que tengan claro qeu lo que aprenden si que repercutirá en la empresa, trabajo…pero que será básico para ellos poderse superar, creo que las cosas se simplificarían más…

Encontramos mucha literatura al respecto, pero casi todos son principios de su aplicacion en las aulas y la verdad que después de leerlos te das cuenta que todo queda muy difuminado.

Creo que en esta era en la que nos encontramos, no hace falta construir más escuelas con aulas encapsuladas y pupitres a lineados. Necesitamos escuelas sin aulas, espacios comunes de trabajo y aprendizaje, áreas de estar, espacios de colaboración social, lobbies, etc…

Si bien hace falta un software para substutuir el sistema, también hace falta un mindware para co-diseñar los nuevos procesos de construcción social del conocimiento, donde las personas aprendan a crear definiciones compartidas con significados compartidos…

Lo que conocemos actualmente como AULA, no nos ofrece los espacios necesarios para transformar la educación. Hay que desmantelar los andamios de los Administradores que están arriba para romper su cultura gerencial del control y poder. Abrir esos espacios para los que quieren aprender y disminuir los espacios para los que pretenden mandar…

En definitiva:

M-learning es un paradigma en rápido desarrollo impulsado por cambios exponenciales en las capacidades de las tecnologías móviles y su integración con el software social de la web 2.0…

¿Por qué m-learning? Los factores clave son la mejora de la enseñanza y el aprendizaje, facilitando que el esté estudiante centrado en las pedagogías constructivistas sociales.

El acceso equitativo a herramientas propias de la web 2.0 es fundamental. Por tanto, el establecimiento de algún tipo de dispositivo que sea útil es básico-Dispositivos de computación móvil inalámbrica para todos los estudiantes y personal docente esecesario, que puede tomar la forma de un netbook, un ordenador portátil o un teléfono inteligentedependiendo de lo que es apropiado para cada curso de estudio.

Los beneficios clave de m-learning para la educación superior son:

• Exploración de las prácticas de enseñanza y aprendizaje innovadoras.• Habilitación de la realización del “aprendizaje auténtico” — es decir, facilitar en cualquier lugar,en cualquier momento, centrado en el alumno el aprendizaje.(ubicuidad)
• Involucrar a los estudiantes con las affordances de las tecnologías Web 2.0 móvil: conectividad, movilidad, geolocalización, redes sociales, podcasting personal y vodcasting, etc …
• Reducción de la brecha digital mediante el acceso a los contextos de aprendizaje y de usuario, herramientas de creación de contenidos que son asequibles y cada vez más propiedad de los estudiantes.
• Pasar de un modelo de fijo, la informática general dedicado a un móvil inalámbrico, paradigma informático que convierte cualquier espacio en un espacio potencial de aprendizaje.

Mobile Web 2.0: Las tecnologías(aprendizaje móvil) m-learning ofrecen la posibilidad de participar en el aprendizaje, conversaciones entre estudiantes y profesores, entre pares estudiantiles, los estudiantes y expertos en el tema, y los estudiantes y ambientes auténticos dentro de cualquier contexto.

El potencial de aprendizaje móvil para superar contextos de aprendizaje pedagógicamente diseñados, facilitan al aprendiz contextos y contenidos (tanto personales como en colaboración)mientras que proporcionan la personalización y la conexión social en todas partes, que lo distingue desde entornos más tradicionales de aprendizaje. El aprendizaje móvil, , implica el uso de conexión inalámbrica, los dispositivos digitales móviles (móvil inalámbrico, dispositivos o ADM) Dentro y entre los ambientes de aprendizaje pedagógicamente diseñados o contextos podemos…

Utilizar herramientas de la Web móvil 2.0 que se utilizan para facilitar esto ). Web 2.0 (O’Reilly, 2005), o “software social “Las herramientas, comparten muchas sinergias con las pedagogías constructivistas del aprendizaje social”. Muchos educadores han aprovechado las herramientas Web 2.0 para crear participación, centrado en el aprendiz y en los ambientes de aprendizaje. Esta apropiación de las herramientas Web 2.0 dentro de una social, abarca diferentes ecosistemas como la pedagogía constructivista que facilita lo que se ha denominado “pedagogía 2.0” (McLoughlinY Lee, 2008). Desde la perspectiva de la teoría de la actividad, armas de destrucción masiva son las herramientas que intervienen en una amplia gama de actividades de aprendizaje para propiciar actividades de aprendizaje colaborativos. (Uden 2007)

El uso de estas tecnologías y el apoyo a los Entornos de Aprendizaje Personal emergentes no se han tomado sistemáticamente como estrategia de aprendizaje sostenible que se integra con otras formas de aprendizaje en el lugar de trabajo, en los lugares prescritos para aprender….

Los Entornos Personales de Aprendizaje y el uso de dispositivos móviles se han sugerido como un medio para abordar el reto de apoyar el aprendizaje en el lugar de trabajo, su potencial todavía no se ha realizado plenamente.

A pesar de mucha investigación teórica en el uso de dispositivos móviles para el aprendizaje basado en el trabajo hay todavía pocos ejemplo convincente de la práctica efectiva. Cuando hay casos de estudio de los dispositivos móviles y de los PLE como apoyo al aprendizaje basado en el trabajo, estos tienden a permanecer aislados con limitaciones a la ampliación de la escala o la adopción más amplia.

Si bien es cierto que ya empieza a haber literatura al respecto de Harold Jarche, Charles Jennings (esencialmente con el trabajo y las TIC, Graham Atwell y la construcción de Apss móviles para el aprendizaje, Juan Domingo Farnós (con la relación sociedad-trabajo-educación)…sería conveniente que estos autores, estos estudiosos de los temas, puediesen sacar estudios conjuntos con sus diferentes planteamientos que si bien pueden verse de manera divergente, convergen en muchos aspectos y estos podrían servir a la sociedad en su conjuntos y no solo a las empresas y/o organizaciones educativa, en particular…

Todo ello puede darnos una serie de resultados:

Retroalimentación de los estudiantes a partir de los proyectos de m-learning muestra claramente que la elección del teléfono inteligente era críticamente importante en la aceptación de su uso. Esta es una función detanto la aceptación social (construcción social) de un smartphone, y los de teléfonos inteligentes capacidad para mejorar los requisitos específicos de enfoque de un curso particular.

En respuesta este se desarrolló una rúbrica de evaluación de teléfonos inteligentes para elegir una adecuada Smartphone para cada uno de los proyectos . La rúbrica puede ser utilizada para clasificaciones comparativas y que pronto serán los smartphones disponibles en función de su potencialidad las que harán concurrir las afordances necesaria que hagan que el m-learning y la web 2.0, trabajen de la mano.

El aprendizaje móvil y social hasta hoy siempre iban por separado: el aprendizaje social como “las capas semi formales de aprendizaje que rodean la formal” aprendizaje y el móvil como sobre todo la tecnología, pero mi mentalidad ha cambiado. Cada vez más se forman en el mismo lado de la misma historia: partes de un viaje de aprendizaje que se extiende desde el primer contacto con el alumno a través de los pasos que toman de nuevo en su trabajo diario”

A medida que avanzamos hacia un modelo social más del aprendizaje, uno donde el aprendizaje se extiende sobre el tiempo y el lugar, rompemos las barreras entre abstractas experiencias de aprendizaje formales y los sociales informales. El aprendizaje se convierte en lugares, literalmente, en las que trabaja. Y en el que juegas, en las que vives.

Los medios sociales y el aprendizaje social han convergido porque los foros más popularizados de medios de comunicación social tienen un público ‘garantizado’. Por esta razón, las organizaciones los utilizan para transmitir mensajes. Debido a los medios sociales, las reglas están cambiando en el aula de formación y si a ello aunamos la capacidad movil del mobile learning, tenemos la ecuación completa.

Con ellos podemos “abrazar” el aprendizaje situado en la participación y la colaboración que supone un cambio relevante en cuanto a la perspectiva clásica del aprendizaje. No se trata exactamente de una teoría del aprendizaje o didáctica, sino de una teoría social del aprendizaje (teoría socio-cognitiva) que transforma la concepción de los contextos de aprendizaje y de la interacción entre docentes y discentes así como una nueva visión de las relaciones de cooperación de los actores y agentes en el proceso de desarrollo profesional.

Y ¿Cuáles son los rasgos específicos del aprendizaje situado? Al hilo del pensamiento de Lave y Wenger (1991) el aprendizaje situado se basa en el valor principal que se atribuye a la experiencia laboral y la práctica activa en el impulso del aprendizaje y la comprensión, privilegiando la dimensión social del aprendizaje sobre la individual y con ello podemos optar por añadir el mobile learning como estrategia de hacer el aprendizaje social como algo abierto, inclusivo y especialmente, ubícuo (Farnós 20014)

Las características específicas del aprendizaje situado es que éste se desarrolla en un contexto social y requiere ineludiblemente la pertenencia al mismo.

Se fundamenta en los tres elementos de una comunidad de práctica: pertenencia, participación y praxis:

■ Una comunidad de práctica puede ser un equipo de trabajo en una empresa, o cualquier grupo de personas con una actividad común, como un grupo de investigación o un grupo musical. El proceso de familiarización en estos grupos, el desarrollo de la plena pertenencia, comprende no sólo la adquisición de las competencias especializadas necesarias, sino también la adquisición de las prácticas culturales y la construcción de la identidad adecuada como componente del grupo. El concepto de comunidad de práctica no se ha de entender como el clásico de equipo de trabajo, sino que conlleva la dimensión comunitaria y cultural del proceso de trabajo en comunidad más allá de la ejecución directa de la actividad.

■ El concepto de aprendizaje situado entiende el aprendizaje como un crecimiento continuado en la estructura social de una comunidad de práctica. Según este concepto la oportunidad de participación en una actividad significativa, el derecho a la pertenencia y la opción a espacios de práctica y experiencia son más importantes que un aula, un profesorado, unos materiales de aprendizaje o unos exámenes.

■El proceso de aprendizaje situado se produce donde las personas acuerdan un objetivo común, para realizar una actividad que todos experimentan y reconocen como significativa. Consiste, también, en lograr oportunidades para la práctica, que se podrán vivir como significativas, y en las que experimentar la propia práctica con significatividad. La experiencia de aportar una contribución llena de sentido al proceso de trabajo común del grupo, se vive como una competencia. A través de la propia aportación al trabajo del grupo se produce en los aprendices un proceso de construcción de la identidad y se accede a un conocimiento profesional, es decir basado en la experiencia y en la resolución de problemas en escenarios reales.

El aprendiz de hoy vive hoy míticamente y en profundidad. En la escuela, sin embargo, se encuentra con una situación organizada por medio de la información clasificada. Los temas están relacionados, están concebids visualmente en términos de un modelo. El estudiante no puede encontrar ningún medio posible de participación para sí mismo, ni puede descubrir cómo la escena educativa se relaciona con el mundo ‘mítico’ de los datos y la experiencia que él da por sentado por medio de procesados electrónicamente — -La educación formal, sistematizada y lo que es peor, sistémica, no se lo permitiran nunca.

Con todo ello ya no solo diseñamos, formamos, instruïmos, transferimos o por contra, creamos, criticamos, aportamos….con el mismo uso de las tecnologías móviles, ya que eelo nos lleva a cambiar la forma en que pensamos y aprendemos.

Los que nos dedicamos a pensar y a escribir sobre el aprendizaje móvil nos enfrentamos a una tarea de enormes proporciones — la reconceptualización tanto de “teoría del aprendizaje” y “diseño instruccional” — si hemos de ayudar a aquellos que están luchando con la forma de capacitar a las personas que utilizan las tecnologías móviles, tenemos que trazar no sólo cómo funciona el aprendizaje móvil como un nuevo conjunto de extensiones de nuestros sentidos, sino como una nueva de entender el aprendizaje social.

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 y de aprender lo que quieran:

“Como lo expresa Cormier , “la comunidad es el plan de estudios”.

Una ventaja de un enfoque rizomática es que es más “nativo red” que muchos otros conceptos pedagógicos. Promueve el apoyo de los compañeros, aprendiz responsabilidad y una apreciación del poder de la red.

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.

Las tendencias actuales en aprendizaje automático, análisis de datos, aprendizaje profundo e inteligencia artificial, sin embargo, complican las cuentas psicológicas centradas en el ser humano sobre el aprendizaje. Las teorías de aprendizaje más influyentes de hoy son las que se aplican a cómo las computadoras “aprenden” de la “experiencia”, cómo los algoritmos están “entrenados” en selecciones de datos y cómo los ingenieros “enseñan” a sus máquinas a “comportarse” a través de “instrucciones” específicas.

Necesitamos planteamientos metodológicos, pero también y especialmente, estructurales, como señalamos en nuestras investigaciones para no solo innovar en la educación, si no para transformarla.( ejemplo:…)

“Las personas usan historias para organizar, expresar y recordar sus experiencias. Esta idea es el fundamento de un método desarrollado por Roger Schank y su equipo para diseñar cursos y materiales educativos que garanticen un aprendizaje mediante la práctica (learning by doing). ” Roger Schank

Estructuras de aprendizaje con una arquitectura eficaz:

• Un escenario: Situación profesional real y de negocio, simulada. Motivador y rico en contenidos, que proporciona un contexto coherente para el aprendizaje individual y colectivo.
• Una secuencia planificada de tareas: Encuadradas en ese escenario, que permiten al participante ejercitar los comportamientos clave y, de esta manera, aprenderlos (práctica, entrenamiento).
• Una colección estructurada de recursos para el aprendizaje: Incluyen procedimientos de trabajo, modelos a utilizar, herramientas, información relevante para la tarea, etc.
• Acceso a un tutor: online o presencial, para obtener ayuda en el momento de aprendizaje preciso (feed-back).
• Este engranaje se corresponde a las características del E-learning-Inclusivo, diseñado por mi mismo, (Juan Domingo Farnos Miró) y que se recoge en estas bases http://www.scribd.com/doc/33025056/Bases-Para-e-Learning-Inclusivo , pero con una trascendencia mayor, ya que quiere influir en todo el diseño de lo que entendemos por educación y formación e influir en decisiones político-educativas, sociales y tecnológicas, adaptándose de manera permanente, transparente y con confianza..a esta sociedad dinámica que gracias a las TIC, evolucionará a un riitmo muy diferente a lo que venía haciendo hasta ahora.

El uso de los miembros del equipo y los compañeros (peer to peer) es una gran manera de articular y hacer comentarios sobre las decisiones de diseño.

Aunque las comprobaciones de calidad por homólogos deben estar bien facilitadas para evitar posturas subjetivas , pueden ser un método ideal para explicar la comprensión de los problemas subyacentes, hechos y datos; el dominio del problema; las necesidades de los usuarios finales; y el razonamiento detrás de las decisiones que ha tomado.

Estas reuniones también pueden ser una manera de dejar que sus compañeros discuten los problemas y patrones similares se encontraron y resolvieron en otros proyectos.

Probar los flujos de pantalla en bruto y el diseño de interfaz de usuario temprana, y con frecuencia en el ciclo de los proyectos del usuario para validar el entendimiento y suposiciones acerca de las necesidades del negocio y de los usuarios finales. No tenga miedo de abrazar errores si descubre algunos problemas de experiencia de usuario más destacados con sus conceptos difíciles. Los usuarios finales pueden ofrecer información valiosa a través de los debates posteriores a las pruebas y entrevistas de seguimiento.

El desarrollo de nuevos métodos de resolución de problemas a través del aprendizaje basado en la práctica (PBL)

Por desgracia, experiencias en el aula y el desarrollo en el mundo real se realizan típicamente de forma independiente como si no hubiera necesidad de combinar la teoría con la práctica. El Aprendizaje basado en el trabajo, por el contrario (LEARNING IS THE WORK), se fusiona deliberadamente la teoría con la práctica y reconoce la intersección de formas explícitas y tácitas de conocimiento, tanto a nivel individual y colectivo.

Reconoce que el aprendizaje se adquiere en el medio de la práctica y puede ocurrir mientras se trabaja en las tareas y las relaciones en la mano. (Raelin, 1998)

La idea de aprendizaje a través de la práctica también se apoya en David Kolb y en el modelo de aprendizaje experiencial — hacer o experiencia, reflexionar sobre lo observado o aprendido, el desarrollo de las teorías internas generales sobre la aprendizaje, y aplicar el aprendizaje en experiencias futuras.

Kolb y Fry (1975) sostienen que el ciclo de aprendizaje puede comenzar en cualquiera de los cuatro puntos — y que lo que realmente debe ser abordado como una espiral continua. Sin embargo, se sugiere que el proceso de aprendizaje comienza a menudo con una persona que lleva a cabo una acción particular y luego ver el efecto de la acción en esta situación. (Smith, 2001, 2010)

Crítica del “Experiential Learning Circle” de Kolb y Fry (1975)…

1. No presta suficiente atención al proceso de reflexión (Boud et al 1983)
2. Kolb y Fry hacen encajar el esquema con cuatro estilos de aprendizaje. Sin embargo, esta vinculación da como resultado un esquema demasiado cerrado e incompleto de los modos de aprendizaje. Se está priorizando un estilo particular de aprendizaje, pero el aprendizaje mediante experiencia no se aplica a todas las situaciones. Kolb deja al margen otras formas como la asimilación de información o memorización. (Jarvis 1987; Tennant 1997)
3. El modelo toma muy poco en cuenta la diferentes culturas en los relativo a condiciones, experiencias y estilos de comunicación. (Anderson 1988Anderson 1988)
4. La idea de etapas o pasos no encaja muy bien con la realidad del pensamiento. Como señaló Dewey (1933) numerosos procesos pueden ocurrir simultáneamente y las etapas pueden ser saltadas. Esta forma tan clara de presentar las cosas es demasiado simplista.
5. El respaldo empírico de la teoría es débil (Jarvis 1987; Tennant 1997). La base de la investigación inicial fue muy limitada y ha habido posteriormente muy pocos estudios sobre el tema.
6. La relación entre proceso de aprendizaje y conocimiento es problemática. La postura de Kolb es algo simplista y no tiene en cuenta las distintas posiciones en torno a la naturaleza del conocimiento.

Jarvis también llama la atención sobre los diferentes usos del término, citando Weil y McGill (1989: 3) categorización de aprendizaje experiencial en cuatro “pueblos”: (Conferencia Internacional sobre Aprendizaje Experimental en Londres en 1987)

Pueblo Uno se preocupa sobre todo con la evaluación y la acreditación de aprender de la experiencia de vida y de trabajo ….

Aldea Dos se centra en el aprendizaje experimental como base para lograr un cambio en las estructuras … de la educación post-escolar ….

Aldea Tres enfatiza el aprendizaje experimental como base para la toma de conciencia de grupo ….

Village Four está preocupado por el crecimiento personal y la auto-conciencia.

Es importante que la investigación educativa se involucre en cómo algunas de sus preocupaciones centrales -aprendizaje, capacitación, experiencia, comportamiento, selección de currículos, enseñanza, instrucción y pedagogía- se están reelaborando y aplicando dentro del sector tecnológico. De alguna manera, podríamos decir que los ingenieros, los científicos de datos, los programadores y los diseñadores de algoritmos se están convirtiendo en los maestros más poderosos de hoy en día, ya que son máquinas que permiten aprender a hacer cosas que cambian radicalmente nuestras vidas cotidianas.

Lo que hace que la programación ed-tecnología “adaptable” es que la IA evalúa la respuesta de un estudiante (por lo general a una pregunta de opción múltiple), luego sigue con la “segunda mejor” cuestión, cuyo objetivo es el nivel “adecuado” de dificultad. Esto no tiene por qué requerir un algoritmo especialmente complicado, y la idea en realidad basada en “la teoría de respuesta al ítem”, que se remonta a la década de 1950 y el ascenso de la psicometría. A pesar de las décadas siguientes, sinceramente, estos sistemas no se han vuelto terriblemente sofisticados, en gran parte debido a que tienden a basarse en pruebas de opción múltiple.

Para ello, se plantea un travelling de tendencias que incluye la apertura radical al conocimiento, donde la evolución biológica puede ser hackeada por la mente humana y su esparcimiento viral; las ideas están vivas y en perpétuo cambio… “(open y self-publishing, open educational resources); nuevas formas de certificar conocimiento (open badges, open educational practices); nuevos perfiles (desing thinkers, digital curators, digital yonkis); cursos masivos abiertos (massive online courses, peer assessment); nuevas tipologías de habilidades (transmedia skills); investigación abierta y distribuida (open data) entre otros.

Podemos llegar a a los aprendizajes a través de los DATOS, si somos capaces de uilizar mecanismos multicanal y multimodales (STORYTELLING) dentro de los contextos y las experiencias adecuadas y refiriendonos a las necesidades de cada persona en entornos sociales adecuados (es la manera que los resistentes a los cambios, los INCRÉDULOS, los envidiosos, los que se ven no capacitados para emprender estas acciones, los reduccionistas…)…

El uso de historias de ficción y no ficción se puede combinar con las páginas web, libros electrónicos, vídeos de YouTube y otras plataformas que tienen datos e información adicionales. La capacidad de integrar la ficción y la no ficción en experiencias transmedia híbridos tiene un potencial prometedor.

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…

Ahora será necesario,“desarrollar prácticas disruptivas, así como tecnologías que nos permitan replantearnos y reconstruir el contenido, los procedimientos y las relaciones humanas, elementos que forman parte de todo proceso de aprendizaje…

Un artículo de Brighton analiza el rol de los nuevos medios digitales, los“UBIMEDIA” que por sus características –multifacéticas, transversales convergentes,colaborativas , cooperativas, móviles- tienen el potencial de empoderar a las personas y crear una mayor cultura participativa. En este contexto las instituciones que tradicionalmente tenían la potestad de establecer aquello que está bien y lo que no lo está, hoy se ven amenazadas por nuevas reglas del juego.

Estos retos nos llevan a pensar en nuevos perfiles de profesionales. Hacen falta perfiles híbridos digitales-analógicos que sean capaces de traducir conocimiento de una comunidad a otra y que puedan generar valor al momento de conectar conocimientos. Necesitamos de habilidades multiplicadas y desarrollo de actitudes creativas, las cuáles se presentan como elementos claves. Es necesario a pensar en un aprendizaje mejorado, que no se limite a una disciplina o certificación, sino que sea permanente, distribuido y escalable, cuya trazabilidad esté en manos de la mayor parte de la población, cada uno con sus características…

Hoy es fundamental analizar nuevas perspectivas para pensar el aprendizaje a la luz del acceso abierto y distribuido al conocimiento. La idea es sumergirnos en sus luces y sombras, la línea es difusa y las tecnologías deben ser INVISIBLES Y NATURALES, para que su verdadera ayuda sea adecuada a las necesidades personalizadas y personales de las personas…

Hace ya muchos años de que el Massachusett Institute of Technology (MIT) anunciara su proyecto de ‘abrir’ sus cursos, sin costes ni matrículas es importante analizar qué ha pasado y qué no ha ocurrido desde entonces hasta la fecha, tanto en el mundo de la educación como en otros planetas cercanos.

En esta exploración nos preguntamos no sólo porqué la resistencia al cambio de las organizaciones educativas sino que buscamos hacer un zoom a aquellos espacios de exploración que sí están abriendo oportunidades que son importantes de incluir en el radar.v Para ello, se plantea un travelling de tendencias que incluye la apertura radical al conocimiento, donde la evolución biológica puede ser hackeada por la mente humana y su esparcimiento viral; las ideas están vivas y en perpétuo cambio… “(open y self-publishing, open educational resources); nuevas formas de certificar conocimiento (open badges, open educational practices); nuevos perfiles (desing thinkers, digital curators, digital yonkis); cursos masivos abiertos (massive online courses, peer assessment); nuevas tipologías de habilidades (transmedia skills); investigación abierta y distribuida (open data) entre otros.

“Transmedia storytelling represents a process where integral elements of a fiction get dispersed systematically across multiple delivery channels for the purpose of creating a unified and coordinated entertainment experience. Ideally, each medium makes its own unique contribution to the unfolding of the story.” — Henry Jenkins… derivando a posiciones diversas, por tanto inclusivas que dan más importancia a actuaciones que cada persona puede hacer con una tecnología determinada y su posterior aportación a la comunidad y posteriormente a lo social, que personas con herramientas (plataformas), que lo único que consiguen es uniformizar los procesos.

Dentro de la Universidad más que discutir cómo empujarla hacia esta etapa de cambios, lo que haremos será pensar en rutas de auto-innovación (incremental y radical) bajo la lógica de aprender a re-aprender en donde el ‘sujeto en red’ puede diseñar sus propias rutas de adaptación y renovación permanente.”…

Si queremos establecer en todo este procedimiento un storyworld interactivo que une la historia de descubrimiento social y promoción, debemos preguntarnos:

• ¿Lo social, acciones y conversaciones es lo que quiero para estimular?
• ¿Cómo me quiero involucrar a la audiencia, aprendices… para producir estas acciones sociales?
• ¿Qué conocimientos storyworld se necesitan para participar de esta manera?
• ¿Qué personajes / lugares / cosas tienen este conocimiento y cómo / cuándo va a ser revelado? (es decir, los conflictos y acontecimientos de carácter más interacción con pares, otros…/ lugares / cosas)
• ¿Cuál es el impacto educativo, formativo, comunicativo…cuando el conocimiento (knowledge) se revela?
• ¿Cómo puedo potenciar a la audiencia y aprovechar el impulso de la revelación?

Nadie que aporte contenidos, ideas, conocimientos…en la red, debe crearse que ahí termina todo, afortunadamente solo es el principio. La narrativa de los Hipervínculos se encarga que por medio de un movimiento transmedia, todo lo que aportamos se transporte de manera casi cuántica, desapareciendo su autenticidad original.. ¿y qué? lo importante nunca es de quien es una cosa, sino la utilidad que tiene, y como a más personas sirva, mejor que mejor.

A menudo, los caminos no necesariamente siguen rutas y destinos totalmente generados por el creador de la historia, casi nunca vaya. Contenido generado por usuarios es un elemento clave de la Web 2.0 y, a menudo pueden entrar en estas historias. Un lector puede agregar contenido en las plataformas de la historia directamente: editar una página wiki, al comentar en un post, en respuesta a un feed de Twitter, publicando una respuesta de vídeo en YouTube… A veces, esta forma de “arte” distribuidas puede ir más allá del control inmediato de un creador. Por ejemplo, cuando los bloggers crean su propia toma en la resolución de trazar una historia del podcast, buscadores web se pueden encontrar dos “versiones”. O considerar Hamlet de Facebook, un relato cómico de la tragedia de Shakespeare por volver a escribir en el idioma de la interfaz de Facebook…

Un ejemplo de un diagrama basado en el tiempo como Publicado por Peter von Stackelberg en su Transmedia Digesto

Este tipo de contenido de reutilización, rediseño y publicación puede abrir problemas de la versión o el control de contenido, pero a cambio, ofrece la posibilidad de cosecha de las energías de la narración del mundo creativo. Además, algunas historias de éxito de la Web 2.0 el problema de control de propósito: a menudo las historias no están claramente identificados como las contamos… Otras formas de aprovechar la Web 2.0 son las estrategias de agregación de grandes cantidades de microcontenido y creativa selección de patrones a partir de un volumen de casi insondable de la información. Con reminiscencias de encontré una cámara digital en el bosque, el artista Jonathan Harris recoge historias como los objetos encontrados de otras personas (http://www.ted.com/index.p hp/talks/jonathan_harris_c ollects_stories.html ), las historias que ofrecen “una visión parcial en la vida de alguien más que conocer la historia completa….

“Todo ello nos conduce al Transmedia para el Cambio (T4C) es un término general que abarca el activismo transmedia (cambio en la sociedad o comunidad) y el crecimiento personal (cambio en el estilo de vida, el desarrollo personal). Subyacente T4C es la creencia de que las historias son importantes, que esas historias necesitan que se les diga a las personas adecuadas en el momento adecuado y lo más importante que los proyectos deben ofrecer un camino hacia el éxito”.

“¿Dónde vamos ahora a la realidad, nada es real: la realidad que experimentamos se basa en las historias que nos contamos. Así defensores T4C para narradores evolucionan con mensajes positivos que inspiran y motivan mejores opciones y aportan soluciones al respecto.

La expansión de las tecnologías móviles y la proliferación de dispositivos; explosión de las redes sociales y los comportamientos que desafían modelos en los que cada contacto es un momento de la verdad; desarrollo de Internet-de-todo; avances en el análisis de datos e inteligencia artificial; exige una experiencia personalizada en todos los canales y contextualizada; adopción de la computación en nube; fuentes de información disponibles a digital más numerosos y variados y volúmenes que estallan cara de procesamiento necesita más y más justo a tiempo … La lista de grandes trastornos inducidos es larga. Y estas interrupciones ponen a la sociedad, la educación… bajo presión como nunca antes y hace que lo que transformamos no solo sea cuestión de estrategia, como metodologías, didáctica, simples innovaciones, si no lo más importante, un cambio radical de cultura….

La cuestión es que todo el mundo “cuestiona” las tecnologías, para bien o para mal, cuando nada va de eso ni siquiera la Disrupción educativa.

O no entendemos nada o no queremos hacerlo, la transformación va de personas y sus ideas, de tenerlas o no y por tanto de llevarlas a cabo o quedarse anclado en el pasado.

De la misma manera los aprendices deben poder utilizarlos como, cuando y donde les vaya bien para su aprendizaje (BYOD), por lo que ponerles límites, es ir en contra de una más que necesaria evaluación.

Si entramos en debate de como, cuando, donde y con qué utilizar herramientas digitales en la educación, en las aulas, en el aprendizaje formal, informal etc… es conveniente hacerlo, con diferentes herramientas que tengamos a nuestro alcance, pero también con diversos planteamientos socio-didácticos y pedagógicos:

-Modelo de integración de BYOD en lo que sería el contexto…

La combinación consciente del CONTEXTO, la computación ubicua y omnipresente proporciona para entornos que son capaces de adaptarse a las diferentes identidades y necesidades de usuarios y organizaciones, un aprendizaje permanente, personalizado y adaptable.

Necesitaremos instalaciones que hagan posibles el u-aprendizaje consciente del contexto que se apoya por medio de dispositivos móviles, wereables , redes inalámbricas, sensores…

A través de los últimos avances tecnológicos, los ordenadores portátiles se han convertido en potentes dispositivos de mano inalámbricos con las siguientes características:

-Conectabilidad — Se conectan a Internet de forma inalámbrica a través de la fidelidad inalámbrica o WiFi.

-Portabilidad — Son portátil y por lo tanto siempre al alcance del usuario.

-Accesibilidad instantánea — Se enciende al instante y se apaga.

-Flexibilidad — Ayudan a recopilar datos al acomodar una amplia variedad de extensiones periféricas (por ejemplo, cámaras digitales, cargas de estudio científica, los dispositivos de sistema de posicionamiento global, la identificación por radiofrecuencia y lectores de códigos de barras).

-Viabilidad económica — Tienen gran parte de la capacidad de cómputo y capacidad de almacenamiento ampliable de ordenadores portátiles a una fracción del costo

Mediante el uso de u-learning se hace posible la creación de canales de comunicación ubicuas entre diferentes contextos de nuestra vida, que facilitan la creación de un marco de diálogo en todas partes dentro de la cual los aprendices, empresarios, facilitadores, tecnologías, recursos …podremos organizar UNA RUTA DE APRENDIZAJE-IMPLEMENTACIÓN, diversa pero adecuada a cada momento y circunstancia.

.

Se utilizan las herramientas que cualquier contexto necesitaría.Abre la base de la libertad que da a los estudiantes, diferentes modelos de integración de la BYOD, por lo que su emergencia puede ser circunstancial o no.

Sí, en un uso controlado, optaremos por un enfoque elegiremos una herramienta en particular (por ejemplo un aire 2 64 GB iPad), que generalmente sería igual para todos, pero que obviamente será personalizada para cada aprendiz.. Este modelo permite fácil control sobre enseñanza y aprendizaje, haciendo que la apropiación de la tecnología sea más fácil en cualquier tipo de aprendizaje.. Este proceso de alguna manera limita y mucho la INNOVACION.

El enfoque de uso objetivo deja la elección del dispositivo para el aprendiz (por ejemplo, una tableta o un ordenador). Sin embargo, debe cumplir determinadas características técnicas (como el procesador o la memoria mínima requerida). También debe respetar la elección de los programas proporcionados por el profesor. El control de aplicaciones y plataformas usadas. Sin embargo, es todavía limitada la libertad pedagógica del alumno, evidentemente en aprendizajes realizados con el docente como el centro de todo, si es el aprendiz, nos saltaríamos este paso, o por contra, invertiríamos los papeles.

El enfoque de uso abierto único permite al aprendiz elegir sus herramientas y sus aplicaciones de software. La libertad del alumno es más importante, sin embargo el profesor debe adaptarse a las diferentes plataformas, debe mostrar flexibilidad en sus enseñanzas (es un aprendizaje más propio de un nuevo paradigma y de una nueva educación)

Por último, el enfoque de uso múltiple abierto cubre todas las perspectivas BYOD. Permite al alumno utilizar cualquier herramienta y aun varias herramientas en el aula. Es importante la flexibilidad del docente y la gestión de la clase más compleja, pero la innovación educativa también es mayor. (la innovación llega a su grado máximo.)

Así, en un ambiente 100% BYOD, la clase podría tener a su disposición:

-tocar las tabletas (iPad, Android, Windows), otros;

-ordenadores portátiles (Mac, PC, Linux);

-uno o más equipos fijados ya en la clase;

-reproductores de música digital (iPod, por ejemplo);

-luces de lectura electrónica;

-teléfonos (iPhone, Android, Windows), inteligentes otros.

¿Dolor de cabeza a la vista? De hecho, si conseguimos hacer cada una de estas herramientas tiene acceso a la red de la escuela, luego podemos centrarnos en el aspecto pedagógico: ¿Cuál es la tarea, el objetivo?

Obviamente las herramientas será siempre herramientas pero como sabemos condicionoron mucho el aprendizaje.

La educación formal, reglada, se mantiene con un modelo del siglo XX. Pero esto con las tecnologías actuales es inviable, porque los aprendices cambiaron. Antes éramos sujetos pasivos, consumidores de información y formación; ahora son activos, miran a los profesores a la cara.

Eso significa que desean aportar, no solo escuchar, pues tienen propuestas, que quieren que se tengan en cuenta, que sienten importantes. No se conforman con lo que el docente ofrece y quiere que aprendan desde un estrato superior.

Las TIC (tecnologías de la información y la comunicación) convirtieron a los aprendices en “prosumidores” (productores y consumidores a la vez) y están consiguiendo incluso que pasen de ser protagonistas a ser los responsables de su educación.

Cuando se trata de puntos de vista sobre la enseñanza y el aprendizaje, la Web 2.0 ha cambiado todo! ¿No lo creen? En diciembre de 2006, la revista Time nombró al “USUARIO” como la persona del año.

La Web 2.0 (también llamada Web de lectura y escritura) permite a los estudiantes a generar ideas y comentarios en línea, en lugar de simplemente leer o navegar por alguien más. En efecto, en lugar de aprendizaje pasivo basado en el consumo, estamos viviendo en una era de participación donde los estudiantes tienen voz y potencialmente algún grado de propiedad sobre su propio aprendizaje (PROSUMIDORES)

Aquí, en el inicio del siglo XXI, las tecnologías emergentes y convergenes — tales como álbumes de fotos en línea, blogs, wikis, podcasts, libros electrónicos, vídeos de YouTube, juegos multijugador masivos en línea, simulaciones, mundos virtuales y de computación móvil e inalámbrica — están generando ondas de nuevas oportunidades en la educación superior, las escuelas , la capacitación empresarial y otros ambientes de aprendizaje.

Y el alumno de hoy milenario, inmerso en un mundo cada vez más digital está buscando más ricas y atractivas experiencias de aprendizaje más. En medio de esta ola creciente de las expectativas, los instructores de los distintos sectores educativos están explorando y compartiendo formas innovadoras de utilizar la tecnología para fomentar la interacción, la colaboración y el entusiasmo creciente por el aprendizaje.

Este viaje en el aprendizaje de las tecnologías (es decir, la naturaleza), las oportunidades pedagógicas (es decir, crianza), y las personas, las sociedades y culturas donde esto está sucediendo ahora! Algunos de nosotros creamos y publicamos con la tecnología Web 2.0, mientras que otros se crean blogs de vídeo, y otros diseñará similares a YouTube videos.

Con ellas los aprendices deberán ser capaces de:

1. Definir y utilizar diferentes tecnologías de la Web 2.0;

2. Explicar y demostrar los beneficios educativos de podcasts, wikis, blogs, mundos virtuales, simulaciones de software, redes sociales, etc

3. Criticar y relacionar a las nuevas tecnologías para el aprendizaje y la pedagogía asociada con los artículos.

4. Utilizar, recomendar, o crear recursos en línea y portales en una variedad de entornos educativos.

5. Diseñar un proyecto innovador de investigación o evaluación relacionada con el aprendizaje en línea;

6. Presentar con éxito las investigaciones, donaciones, u otras propuestas relacionadas con las tecnologías de aprendizaje, la Web 2.0, e-learning, o el cambio sistémico en la educación de las conferencias, las fundaciones, las cumbres o institutos.

7. Reconocer y potencialmente estar en contacto con muchos de los principales actores y académicos en el ámbito del aprendizaje en línea y las tecnologías Web 2.0 del aprendizaje.

8. Consultar con las organizaciones para evaluar la efectividad de los cursos de e-learning, programas y eventos, así como las tecnologías Web 2.0.

9. Hacer recomendaciones sobre las iniciativas de aprendizaje en línea, programas y estrategias.

10. Obtener un modelo, guía o marco para pensar acerca de las nuevas herramientas tecnológicas y recursos en la educación. El uso de este marco para los informes de planificación estratégica, retiros, consultas y otros lugares o situaciones donde se necesita una lente macro en la tecnología del aprendizaje y la reforma educativa.

En el siglo XX, los responsables eran los docentes. Ahora, su rol cambia de profesores a facilitadores. No pierden importancia; la tienen y mucha. Pero adquieren otro rol.

La pregunta que mi colega Darren Kuropatwa pide en muchas de sus presentaciones es ” ¿Qué es lo que puedo hacer ahora que no podía hacer antes ? es una cuestión fundamental que debe plantearse de manera más. Muchas de las personas usan la tecnología implica simplemente más rápido y más eficiente, no diferentes.

O sea, ¿es la tecnología sólo una herramienta? Esa declaración minimiza los cambios y los cambios que ofrece la tecnología y permite a las personas utilizar la tecnología para perpetuar las malas prácticas, más pruebas y buscar la eficiencia y simplicidad en lugar del desorden que viene de conexiones personalizadas a las pasiones e intereses.

Diciendo que la tecnología es “sólo una herramienta” puede ser una afirmación muy peligrosa. Yo entiendo que cuando la gente dice esto, ellos están simplemente tratando de señalar que la tecnología es un periférico que nos permite hacer las cosas que queremos hacer mejor que antes.

Puedo estar de acuerdo con ese concepto, pero el problema con esta forma de pensar es que a menudo se acostumbra a ver la tecnología sólo como un medio para automatizar o que la práctica actual más eficiente. Hay muy pocas personas que participan en cualquier nivel de educación que cree que la tecnología no es necesaria para nuestros estudiantes.

Cuando no estamos de acuerdo es en cómo vamos a utilizar y más a menudo existe una falta de comprensión y aprecio por la naturaleza trans-formación de la tecnología.

Me preocupa a veces sobre los esfuerzos para “incorporar la tecnología” en nuestras aulas. Gran parte de esta infusión se trata sólo de continuar con la práctica actual y la tecnología de riego la situamos en la parte más arriesgada de este proceso, que ya está bien, claro, y entonces lo llamamos, innovación.

Esto es cuando la consideramos “solo” es sólo una herramienta. Cuando la tecnología transforma la manera en que aprendemos, nos ofrece un campo inexplorado de nuevas experiencias y oportunidades, que es mucho más que una herramienta, sino un entorno completamente nuevo, conforma un verdadero Escenario de Aprendizaje y además es capaz de hacerlo personalizado y actuar de manera Ub`´icua, ya que sin ellas eso sería completamente imposible.

Por supuesto, actualmente no estamos utilizando la tecnología para crear Escenarios de aprendizaje, aunque siempre hablamos de ellos. PLE, PLN, SLR, pero realmente no lo hacemos, entre otras cosas porque el SISTEMA nos lo impide,

Si bien esta afirmación puede parecer semántica para algunos, representa el único cambio por completo que puede ocurrir si nos dejamos de utilizar plenamente la potencialidad de la tecnología. Esto ni siquiera se trata de algún tipo de mundo utópico de aprendizaje. Con la nueva potencialidad viene nuevos problemas. Pero estos nuevos problemas deben ser vistos y tratados en nuevas formas, estamos en UNA NUEVA ÉPOCA, NO EN UNA ÉPOCA DE CAMBIOS (juandon)

Así que la próxima vez que alguien dice que la tecnología es sólo una herramienta, me animo a investigar más acerca de lo que eso significa, porque demasiado a menudo es una manera de minimizar el potencial y el cambio de las tecnologías emergentes.

Si bien yo defiendo en gran medida de la capacidad de utilizar la tecnología para compartir y establecer colaboraciones (estar conectados) la habilidad para nosotros para aprovechar la tecnología para crear proyectos, no es posible sino cambia lo que entendemos por aprendizaje.

Me preocupa a veces sobre los esfuerzos para “incorporar la tecnología” en nuestras aulas. Gran parte de esta infusión se trata sólo de continuar con la práctica actual y la tecnología de riego la situamos en la parte más arriesgada de este proceso, que ya está bien, claro, y entonces lo llamamos, innovación.

Esto es cuando la consideramos “solo” es sólo una herramienta. Cuando la tecnología transforma la manera en que aprendemos, nos ofrece un campo inexplorado de nuevas experiencias y oportunidades, que es mucho más que una herramienta, sino un entorno completamente nuevo, conforma un verdadero Escenario de Aprendizaje y además es capaz de hacerlo personalizado y actuar de manera Ubícua, ya que sin ellas eso sería completamente imposible.

Ubicuidad

Representa la “deslocalización”, movilidad, portabilidad…tanto de las personas, materiales, tecnologías (TIC,TAC, TEP, IA)

Después de volver de mi viaje por Italia, vamos a reprender diferentes ideas que hace unos meses vengo incubando y que ya adelante: las llamé “DESLOCALIZACIÓN y CONECTIVISMO” en temas de educación y creo que puede ser el origen del learning is work, no hay la menor duda, es necesario una ubicuidad generalizada como cultura general en la manera de pensar y de actuar y una relación continuada entre personas y organizaciones buscando e implementando los conocimientos y los aprendizajes que se derivan de estas dos grandes posibilidades..

Lo difícil de las cosas es encontrar las vías de acceso de las personas-ya que el convencimiento ya está impregnado en todas las partes de una sociedad que lo que tienen muy claro es que no quieren vivir como viven ahora- por tanto, este trabajo ya viene hecho, ahora falta orquestar los caminos para ir llegando a estos procesos, a esta nueva cultura que entre todos, y no solo unos cuantos, deberíamos fomentar y llevar a cabo…

Por supuesto, actualmente no estamos utilizando la tecnología para crear Escenarios de aprendizaje, aunque siempre hablamos de ellos. PLE, PLN, SLR, pero realmente no lo hacemos, entre otras cosas porque el SISTEMA nos lo impide,

Como los aprendices tienen más conectividad y el acceso a los recursos que nunca, un reto es desarrollar nuevas prácticas y herramientas para apoyarlos en la forma en que eligen administrar las oportunidades de su aprendizaje.

¿Cómo pueden los aprendices sacar un mejor seguimiento de su aprendizaje y cómo los compañeros, padres y docentes , pueden trabajar con ellos para hacer conexiones efectivas entre todas sus experiencias?:

-Si somos capaces de cambiar este tipo de interacción, en la forma en que es percibido y utilizado, desde un simple mecanismo de difusión ,de un disparador que revela nuevos recursos a tiempo y apoya, a una forma dinámica de aprender, podremos modificar las tres estructuras que decimos son necesarias para que esta nueva época tenga la EDUCACIÓN que necesita y se merece: las Estructuras, las Organizaciones y la funcionalidad y este sistema de trabajo nos puede ayudar y mucho.”

• Es nece­sa­rio un enfo­que inte­gral para res­pon­der a los aprendices sobre el acceso a Inter­net, lo que nos conducirá a utilizar herramientas “excepcionales”
• Este enfo­que requiere:

-Una polí­tica clara con un fuerte enfo­que al valioso uso edu­ca­tivo de la Inter­net. La po­lí­tica debe ser apo­yada por pro­gra­mas de estu­dios y desa­rro­llo pro­fe­sio­nal, así como una clara expec­ta­tiva de que todos los estu­dios con Inter­net deben ser de alta cali­dad, e incluir acti­vi­da­des de ins­truc­ción bien planificadas.

–Res­pon­der a la nece­si­dad del estu­diante de tener un uso res­pon­sa­ble de la Inter­net con un segui­miento téc­nico eficaz.

–Las escue­las deben con­si­de­rar una revi­sión com­pleta de las polí­ti­cas de ges­tión del uso de Inter­net y sus prác­ti­cas. Una eva­lua­ción de las nece­si­da­des y la eva­lua­ción del uso de la Inter­net podría pro­por­cio­nar infor­ma­ción útil. El per­so­nal de segu­ri­dad de la escuela debe par­ti­ci­par en este proceso.

La escuela es una parte de la socie­dad y la socie­dad cada vez emplea más las redes socia­les. Por lo tanto, debe­mos seguir esta iner­cia y no sólo emplear­las sino tam­bién orien­tar a los apren­di­ces en su buen uso.

Para ello vamos a tra­tar de enten­der las poten­cia­li­da­des de las redes socia­les de apren­di­zaje y la crea­ción de nue­vos mode­los cen­tra­dos en el alumno. Esta idea pro­pone que los estu­dian­tes sigan par­ti­ci­pando mediante la iden­ti­fi­ca­ción de las rutas más intere­san­tes y rele­van­tes para ellos.

Las redes socia­les han per­mi­tido a la huma­ni­dad cre­cer y pros­pe­rar. Este fenó­meno ya exis­tía desde la edad de pie­dra, cuando los hom­bres de las caver­nas com­par­tían entre sí el cono­ci­miento que tenían de los ali­men­tos, o cuando los reyes de la Edad Media­com­par­tían la infor­ma­ción de las adua­nas, las invi­ta­cio­nes del matri­mo­nio y las decla­ra­cio­nes de gue­rra. La gente siem­pre se ha reunido en gru­pos en fun­ción de nece­si­da­des, obje­ti­vos, creen­cias e intere­ses comu­nes. Es a tra­vés de la comu­ni­ca­ción –escrita u oral– que los avan­ces del grupo o indi­vi­duo esta­ble­cen el marco para la crea­ción de redes sociales.

Una red social es una estruc­tura social hecha de nodos (que gene­ral­mente son indi­vi­duos u orga­ni­za­cio­nes) que están vin­cu­la­dos por uno o más tipos espe­cí­fi­cos de rela­cio­nes. Estos nexos pue­den ser valo­res, visio­nes, ideas, inter­cam­bios finan­cie­ros, ami­gos, parien­tes, enla­ces entre webs, rela­cio­nes sexua­les, trans­mi­sión de enfer­me­da­des (epi­de­mio­lo­gía), o rutas aéreas, entre otras.

Para su aná­li­sis, las rela­cio­nes socia­les pue­den esque­ma­ti­zarse en tér­mi­nos de nudos y lazos, como en el ejem­plo que se mues­tra en el cua­dro ante­rior. Los pun­tos de la figura repre­sen­tan a cada uno de los indi­vi­duos en la red, mien­tras que las líneas repre­sen­tan a sus cone­xio­nes en la red.

No sólo debe­mos ofre­cer una amplia gama de opcio­nes de pro­gra­mas socia­les, sino tam­bién dise­ñar redes de apren­di­zaje. Esto con el obje­tivo de pro­por­cio­nar a nues­tros jóve­nes un espa­cio fuera de la pro­gra­ma­ción estruc­tu­rada para explo­rar sus pasio­nes con el apoyo de sus com­pa­ñe­ros y mentores.

Invo­lu­crar a nues­tros estu­dian­tes más allá de las limi­ta­cio­nes de tiempo y espa­cio de las cla­ses, por un lado nos per­mite con­ti­nuar tra­ba­jando con ellos durante toda la semana. Pero, ade­más, les da la inva­lua­ble opor­tu­ni­dad de com­par­tir expe­rien­cias ocu­rri­das fuera del aula con la comu­ni­dad de aprendizaje.

El reto que se nos pre­senta es dar­les la posi­bi­li­dad de com­par­tir cons­tan­te­mente sus intere­ses y acti­vi­da­des ocu­rri­das en otros luga­res para retra­tar de manera más com­pleta a los alum­nos. Si lo con­se­gui­mos logra­mos cono­cer más el per­fil de nues­tros estu­dian­tes, podre­mos crear nue­vas opor­tu­ni­da­des para todos y así faci­li­ta­re­mos su apren­di­zaje. Como los alum­nos tie­nen más conec­ti­vi­dad y acceso a los recur­sos tec­no­ló­gi­cos que nunca, otro reto es desa­rro­llar nue­vas prác­ti­cas y herra­mien­tas para apo­yar­los en la forma de admi­nis­trar sus opor­tu­ni­da­des de aprendizaje.

Las redes sociales serían una “herramienta de las que hablamos” Pode­mos citar algu­nos de los bene­fi­cios que nos puede apor­tar una red social creada para tra­ba­jar con los alumnos:

-Per­mite cen­tra­li­zar en un único sitio todas las acti­vi­da­des de docen­tes, pro­fe­so­res y alum­nos de un cen­tro educativo.

–Aumento del sen­ti­miento de comu­ni­dad edu­ca­tiva entre alum­nos y pro­fe­so­res debido al efecto de cer­ca­nía que pro­du­cen las redes sociales.

–Mejora el ambiente de tra­bajo al per­mi­tir que el alumno pueda crear sus pro­pios obje­tos de inte­rés, así como los pro­pios del tra­bajo que requiere la educación.

-Aumento de flui­dez y sen­ci­llez de la comu­ni­ca­ción entre pro­fe­so­res y alumnos.

Incre­mento de la efi­ca­cia del uso prác­tico de las TIC, al uti­li­zar la red como medio de aglu­ti­na­miento entre per­so­nas, recur­sos y acti­vi­da­des. Sobre todo cuando se uti­li­zan las TIC de forma gene­ra­li­zada y masiva en el cen­tro educativo.

–Faci­lita la coor­di­na­ción en el tra­bajo de diver­sos gru­pos de apren­di­zaje (clase, asig­na­tura, grupo de alum­nos de una asig­na­tura, etcétera).

–Apren­di­zaje de com­por­ta­miento social básico por parte de los alum­nos: qué puedo decir, qué puedo hacer, hasta dónde puedo lle­gar, etcétera.

La reali­dad nos lleva a obser­var que en los apren­di­za­jes curri­cu­la­res obli­ga­to­rios y homo­ge­nei­za­do­res que con­tem­plan los diver­sos sis­te­mas edu­ca­ti­vos de cual­quier país y en cual­quier rango de edad, incluida la edu­ca­ción supe­rior (Uni­ver­si­ta­ria), el empleo de las redes socia­les con fines edu­ca­ti­vos es casi nula. Su misma infor­ma­li­dad hace que no sean acep­ta­das por nin­guna estruc­tura político-educativa. Por tanto, tam­poco por nin­guna orga­ni­za­ción edu­ca­tiva, desde escue­las bási­cas hasta uni­ver­si­da­des y menos aún en su aspecto fun­cio­nal, en el día a día, pues se con­si­dera que es una pér­dida de tiempo, con lo que al final de cada curso impe­di­ría lle­gar a los resul­ta­dos que pue­den mos­trarse a tra­vés de un currículum.

Por ello, no queda más reme­dio que refun­dar la edu­ca­ción, como siem­pre defen­de­mos. Hay que pen­sar si el con­cepto mismo de edu­ca­ción es lo que la socie­dad actual demanda. Y si no lo es, habrá que ejer­cer una fun­ción dis­rup­tiva, rom­per con él y bus­car uno de nuevo más ade­cuado a los nue­vos tiem­pos. Deberá ser un con­cepto apto para una época que demanda otras cosas, pide más apren­di­zaje basado en los estu­dian­tes, más apren­di­zaje inclu­sivo, donde se rompa de una vez cual­quier bre­cha edu­ca­tiva y se bus­que la exce­len­cia de cada per­sona.

Un apren­di­zaje donde pueda darse la ubi­cui­dad, no sólo hablando de luga­res físico-temporales sino tam­bién en la utli­za­ción de ele­men­tos mate­ria­les que pue­dan ser por­ta­bles, sín­cro­nos y asín­cro­nos. Habrá que esta­ble­cer meca­nis­mos a los cua­les la misma socie­dad otor­gue valor jurí­dico. En todo ello, las redes socia­les tie­nen un gran papel y segui­rán teniendo mucho qué decir.

Podríamos establecer un proceso como….

1. Diferentes “métodos innovadores y contextuales” = el aprendizaje y el trabajo en la era de las redes y el empleo nunca serán estandarizados, lo que significa primero deshacerse de las descripciones de puestos y individuales evaluaciones de desempeño y el cambio a formas más simples a fin de organizar la complejidad.

2. Deberemos autoseleccionar las herramientas, según las necesidades de cada momento, las características contextuales y personalizadas…” = alejándose de herramientas empresariales estandarizadas hacia una plataforma abierta en la que los trabajadores, aprendices — , , pueden utilizar sus propias herramientas con el fin de ser artesanos del conocimiento.

3. “cooperación voluntaria” = disminuir el énfasis en el trabajo en equipo y la colaboración y fomentar mayor cooperación. De esa manera pasaremos de un trabajo PREDISEÑADO a otro CREATIVO y por tanto más motivador.

4. “deber de ser transparente” = pasar de ‘necesitan saber’ a ‘necesitar compartir’ especialmente para aquellos con responsabilidades de liderazgo, que deben entender que en la era de la red, la gestión es una función, no una carrera. La transparencia es, probablemente, el mayor reto para las organizaciones de hoy en día…universidades, emnpresas, organizaciones socio-politicas, económicas — –

5. “compartir nuestro conocimiento” = cambiar el entorno para que compartir su conocimiento no ponga a esa persona en una posición más débil de la organización. Un trabajador del conocimiento es una persona comprometida con la libertad para actuar. Premiar la organización (de red) es mejor que premiar a la persona, pero sólo si las personas se sienten capaces y pueden participar activamente en la toma de decisiones. Intrínseca, no extrínseca, la motivación es necesaria para el trabajo complejo y creativo.

Con todo ello realizaremos:

• Preparación — la fase de aprendizaje donde el objetivo es proporcionar actividades y activos de aprendizaje que contribuyan al estado del aprendiz en disposición para aprender.

• Despliegue — la fase de aprendizaje donde el objetivo es entregar los activos de aprendizaje formal para el alumno para asegurar la transferencia de conocimientos.

• Refuerzo (EVALUACIÓN) — la fase de aprendizaje en el que el objetivo es la aplicación del aprendizaje en el contexto de trabajo para impulsar el rendimiento medible y sostenible. (learning is the work).

Necesitamos crear una cultura organizacional en la que el aprendizaje sea continuo y suced en el curso del trabajo (LEARNING IS THE WORK), donde los trabajadores ” escogen “el aprendizaje que necesitan cuando lo necesitan( y con las tecnologias necesarias).

Aprovechando los garabatos de mi amigo JULIAN STODD, otro loco de los esquemas, simbologías, metáforas, como yo mismo, me gustaría comentar un problema que nos encontramos hoy y que no sabemos resolver, y me refiero a la confianza de las organizaciones y su gestión, a la polaridad existente y a la falta de confianza por encontrar puntos de encuentro o a no encontrarlos, pero respetando a los demás y no “quitándolos” de la circulación porque no están en nuestra sintonía…

Aquí podríamos utilizar herramientas de la web 2.0 que nos abrieran caminos en tiempo diferido asíncrono, que puede servir y mucho para tantear las situaciones y muchas veces para aclararlas y con esto no me refiero a esconderse, si no a sincerarse y sobre todo a entender al otro.

La mayor parte del aprendizaje ocurre en el lugar de trabajo de todos modos. El reto consiste en asegurarse de que los trabajadores están recibiendo la información correcta y útil y si es el aprendizaje por ENSAYO-ERROR con la retroalimentación por medio de algoritmos, entre partes, personalmente, online…que los empleados están recibiendo y que les ayuda ayuda a aprender. Con la tecnología que está disponible hoy en día, no hay ninguna razón por qué no podemos obtener sólo la información correcta a los empleados cuándo, dónde, y cómo la necesitan. (INFORMAL, NATURAL…)…

«Un evento de capacitación no es suficiente para que se produzca una auténtica transferencia de aprendizaje», hace falta más…

Naturalmente es casi imposible hoy en día soportar todos los mecanismos de informática en un solo dispositivo, lo cuál ya nos limita la movilidad, eso es cierto, por lo que aquí ya encontramos un handicap, aunque bien es cierto que disponemos de na nube, la cual nos servirá si tenemos conectividad y accesibilidad a internet, por supuesto.

Si bien es cierto que a veces podemos actuar de manera remota, también es cierto que eso nos encorseta a estándares uniformizadores e impide utilizar toda la potencialidad de la computación ubícua.

La computación ubícua nos permitirá llegar a través de procesos móviles de aprendizaje, a unos aprendizajes abiertos, perosnalizados y por tanto, ubícuos…

Estamos siendo testigos de una época apasionante, decadente sin duda, pero con una capacidad de cambios vertiginosos como nunca en la historia de la humanidad había pasado.

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 quela cognición se complementa con el pc, tabletas, mobile learning…

Un artículo de Brighton analiza el rol de los nuevos medios digitales, los“UBIMEDIA” que por sus características –multifacéticas, convergentes,colaborativas y cooperativas, móviles- tienen el potencial de empoderar a las personas y crear una mayor cultura participativa.

En este contexto las instituciones que tradicionalmente tenían la potestad de establecer aquello que está bien y lo que no lo está, hoy se ven amenazadas por nuevas reglas del juego.

Estos retos nos llevan a pensar en nuevos perfiles de profesionales. Hacen falta perfiles híbridos digitales-analógicos que sean capaces de traducir conocimiento de una comunidad a otra y que puedan generar valor al momento de conectar conocimientos. Necesitamos de habilidades multiplicadas y desarrollo de actitudes creativas, las cuáles se presentan como elementos claves. Es necesario a pensar en un aprendizaje mejorado, que no se limite a una disciplina o certificación, sino que sea permanente, distribuido y escalable, cuya trazabilidad esté en manos de la mayor parte de la población, cada uno con sus caraterísticas…

Hoy es fundamental analizar nuevas perspectivas para pensar el aprendizaje a la luz del acceso abierto y distribuido al conocimiento. La idea es sumergirnos en sus luces y sombras, la línea es difusa y las tecnologías DEBEN INVISIBLES Y NATURALES, para que su verdadera ayuda sea adecuada a las necesidades personalizadas y personales de las personas…

Tras explorar las profecías de una educación para el futuro, recargada de pantallas y cables, es necesario pensar en el enorme rezago que existe entre las necesidades que establece nuestra sociedad actual y la resistencia al cambio que afecta a muchas vertientes de la educación.

A pesar de los muchos artilugios, licencias y de profesar a los cuatro vientos el discurso tecno-determinista de que las TIC salvarán a la educación del mañana, aún existen un importante número de instituciones educativas que conciben la enseñanza y la gestión a la vieja usanza (de manera lineal, meritocrática y con fuertes dosis de inmovilismo)….

En esta exploración nos preguntamos no sólo porqué la resistencia al cambio de las organizaciones educativas sino que buscamos hacer un zoom a aquellos espacios de exploración que sí están abriendo oportunidades que son importantes de incluir en el radar. Para ello, se plantea un travelling de tendencias que incluye la apertura radical al conocimiento, donde la evolución biológica puede ser hackeada por la mente humana y su esparcimiento viral; las ideas están vivas y en perpétuo cambio… “(open y self-publishing, open educational resources); nuevas formas de certificar conocimiento (open badges, open educational practices); nuevos perfiles (desing thinkers, digital curators, digital yonkis); cursos masivos abiertos (massive online courses, peer assessment); nuevas tipologías de habilidades (transmedia skills); investigación abierta y distribuida (open data) entre otros.

“Transmedia storytelling represents a process where integral elements of a fiction get dispersed systematically across multiple delivery channels for the purpose of creating a unified and coordinated entertainment experience. Ideally, each medium makes its own unique contribution to the unfolding of the story.” — Henry Jenkins, Sandbox Summit 2010

..

Más que discutir cómo empujar a la universidad-la educación en general– hacia esta etapa de cambios, lo que haremos será pensar en rutas de auto-innovación (incremental y radical) bajo la lógica de aprender a re-aprender en donde el ‘sujeto en red’ puede diseñar sus propias rutas de adaptación y renovación permanente.”, por tanto la evaluación deberá seguir el mismo camino.

El tema de la enseñanza queda ya desvirtuado, superado por la educación inclusiva. (Juan Domingo Farnós)…

[…] se puede aprender en cualquier lugar, pero además valorándolo, es decir, si yo aprendo fuera del centro, que lo que yo aprenda tenga tanto valor como lo que es curricular, como lo que está dentro del centro, y no sólo eso, sino que tenga más valor que lo curricular por tratarse de un aprendizaje que atiende a lo que cada alumno quiere aprender….

El verdadero genio de las organizaciones ,es la economía informal, a menudo inspirada en formas espontáneas que las personas reales resolver problemas reales de manera que los procesos formales no puede anticiparse. Cuando estás compitiendo en el conocimiento, el nombre del juego es la improvisación, no la normalización memoria . “… todo ello nos conduce a creer y considerar como “vital” el “learning is work“

Últimamamene estamos debatiendo constantemente el futuro del aprendizaje, tanto en su vertiente académica como en la relacionada con el mundo profesional y/o de las empresas.

El desarrollo de la tecnología social ha cambiado la manera en que pensamos acerca del mundo y también está sacudiendo la manera de abordar el aprendizaje.

Realmente el cambio que se nos avecina es brutal, ni organizaciones académicas ni empresas, dentro de muy pocos años, tendrán nada que ver con las existentes ahora, sin embargo, que rara vez tienen las empresas realmente integran o se preparan para todos estos cambios que se avecinan en sus operaciones…

¿Cómo reaccionaría usted si su inversión en I + D, es un 80% de su presupuesto en el desarrollo de productos o servicios y solo puede a una pequeña parte del mercado? Por todo ello es tan importante el aprendizaje mediante Tecnologías, porque nos aseguran nuestra implantación tanto en conocimientos como en resultados.

Estamos en el tiempo de Internet, de la Inteligencia Múltiple, de la Inteligencia Artificial, del Machine learning, del Big data..…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.

“Es la Sociedad la que educa, ya no será más pasto exclusivo de la Escuela y de la Universidad”, el aprendizaje está ya en la calle, el aprendizaje es el trabajo que venimos realizando cada día, está en él mismo, en su ADN, por tanto ya no irá más separado del mismo, como antaño….”

• Cada vez existen líneas “más borrosas” entre la acumulación de datos que recibimos imputs., y “el contenido” que tenemos prescrito, uniformizado…por lo que los “curriculums educativos” ordenados por las jerarquías, más pronto que tarde, no solo no se podrán llevar a cabo, si no que la sociedad los “tirará” por ínútiles….

Profundamente arraigado en la estructura de la enseñanza es un concepto de producción en masa del aprendizaje uniforme. Una de las grandes ventajas de la tecnología es precisamente la posibilidad de establecer personalización como metodología de aprendizaje.. Los ordenadores, tablets… pueden responder a los intereses y las dificultades que los alumnos particulares tienen.

¿Personalizado es que te den hechas las cosas: contenidos, estrategias, evaluaciones?

Nada mas lejos de la realidad, personalizado quiere decir que tu eres el responsable de lo que tu vas a aprender y que tu diversidad será respetada (ahora por el sistema y después por la sociedad abierta, inclusiva y ubícua), mientras que personal es equivalente a individual, por tanto, una vez más, entendiendo lo que quiso decir Stephen Downes en Estambul, lo digo porque lo seguí, es una dicotomía “confundida” en su semántica, como en su día comenté…

Martin Weller nos habla de que PERSONAL/PERSONALIZACION es el mismo proceso de aprendizaje, el ve que de personalización en el aprendizaje a menudo hablamos en el plano del recurso, de tecnología, que bien podría ser de manera automatizada, por supuesto.

Personalización puede ocurrir dentro de un programa de estudio, escogiendo diferentes cursos con diferentes ‘personalidades’. Dentro de un programa de grado, puede que tenga algunos cursos básicos, relativamente tradicionalmente estructurados, pero luego hay opciones que podemos elegir basados no en su contenido, pero si en su enfoque.

Estas personalizaciones pueden animar a los educadores a crear cursos con variedad, en lugar de uniformidad, porque bastante gente le gusta ese enfoque. Y también refuerza la importancia del educador humano, o por medio de Inteligencia artificial en el proceso y dar cursos que los estudiantes pueden relacionarse en una mezcla. También podríamos experimentar en cursos con diferentes enfoques….

Sinceramente creo que parte de una premisa que nosotros no contemplamos ya que lo entendemos como algo que se OFRECE cada persona por una parte y una serie de actuaciones que permiten que se busque la EXCELENCIA PERSONALIZADA de cada persona y es precisamente en esto donde si se asemejan y mucho, ya que lo podríamos entender como RECURSOS.

Con la creación de nuevos escenarios de aprendizaje queremos trazar un nuevo método de abordar el diseño y la dirección de los ambientes de aprendizaje, e investigar qué método intenta comprender los procesos de aprendizaje en sus ambientes.

El método lo basaremos en los recursos intelectuales- conceptos, investigaciones, etc -de la ciencia cognitiva, la psicología del aprendizaje de los estudiantes, el desarrollo del curriculum, la tecnología educativa, el diseño del proceso de comercialización de las ideas y la ingeniería de software en la formulación de este nuevo método que nos conduzcan a llegar a cada persona en aquello que pueda no solo destacar más (la meta en esencia) sino que le permitan realizar las cosas de manera diferente a cualquiera (huella).

Aprendemos con los procesos de aprendizaje de los demás mediante el análisis de ruta de aprendizaje personal y social. Al mismo tiempo, el mecanismo de aprendizaje tecno-social personalizado nos permite que el aprendiz aprenda de acuerdo a su situación y objetivos.

“El aprendizaje personalizado”, propio e implícito en nuestros estudios y prácticas reales, se puede llevar a cabo donde, cuando y cómo se quiera, por lo que las modalidades formales, no formales, informales, en vez de estar segmentadas como hasta ahora, ya se “mezclan” entre si, con lo que el concepto de lo que conocemos por EDUCACIÓN, cambia radicalmente (germen de la Educación Disruptiva).

Con todo ello seguimos investigando y aportando nuevas maneras de entender y hacer las cosas, incluso empleando pedagogías comparadas, tanto de buenas como de malas prácticas, como por ejemplo en la utilización de elearning por las universidades, otras organizaciones profesionales…, formulando un documento que etiquetamos como : Bases para un e-learning-inclusivo (2004–2005) de Juan Domingo Farnós, que se ha propagado por latinoamérica y el caribe y otros lugares de Europa, Canadá y estados Unidos y por lo que hemos podido saber, por Asia.

Entramos en una época de fronteras porosas entre la inteligencia humana y la inteligencia artificial (con razón llamamos “inteligencia artificial”). Necesitamos pruebas para decidir si una entidad es humana o no. Si solicitamos algo en línea, como comprar, aprender, un billete de aviÓn…es posible que tengamos que demostrar, que no somos un BOT, una máquina. Y, cuando se trata del desafío que enfrenta la educación — la forma de proporcionar una educación de calidad para un gran número de estudiantes a un costo reducido — la tentación de cruzar la frontera hombre-máquina y dejar que las máquinas (es decir, ALGORITMOS) hagan el trabajo pesado es casi irresistible, es más, ya no es una tentación, realmente es una necesidad.

Los alumnos pueden aprender métodos y enfoques de los tutores en línea para luego ayudarles a lo largo de su propio camino de aprendizaje. Sus propios itinerarios de aprendizaje, es aquí donde nos asociamos a los planteamientos de WELLER, ya que nos conduce a planteamientos de aprendizajes únicos pero siempre relacionados con los de los demás:

-¿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?.

Aprendemos con los procesos de aprendizaje de los demás mediante el análisis de ruta de aprendizaje personal y social. Al mismo tiempo, el mecanismo de aprendizaje tecno-social personalizado nos permite que el aprendiz aprenda de acuerdo a su situación y objetivos.

Una ruta de aprendizaje individual lo podemos modelar para registrar su proceso de aprendizaje. Por tanto, el espacio de aprendizaje personal (PLE), será siempre un espacio no lineal…, es en esta situación donde el pensamiento crítico actúa de manera determinante, para manifestarse capaz de deducir las consecuencias de lo que cada uno sabe, y sabe cómo hacer uso de la información para resolver problemas, y buscar fuentes de información pertinentes para aprender más…

Te puedo decir también que el aprendizaje con algoritmos clásico es personal (Pierre Levy) ya que busca patrones y en mis conversaciones con el investigador argelino le hablé de ALGORITMOS PERSONALIZADOS (aplicaciones) como elementos básicos para encontrar un aprendizaje inclusivo, abierto y ubicuo (Juan Domingo Farnós) base de la EXCELENCIA PERSONALIZADA…

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 FARNÓS) https://juandomingofarnos.wordpress.com/…/algoritmos…/

INCLUSO DENTRO DE UN PROCESO transversal y multidisciplinar, para lograr nos lo eso, sino una autonomía en los aprendizajes y una personalización, 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.

No podemos confundir la aplicación de los algoritmos en el aprendizaje personalizado (personalized learning), algunos lo llaman educación personalizada, aunque realmente está muy lejos uno de la otra, como realizar clases particulares, tal como hacen algunas escuelas de Nueva York, “utiliza el análisis de aprendizaje para desarrollar en las matemáticas personalizadas programas de aprendizaje. La Escuela con algoritmos de aprendizaje realiza evaluaciones cotidianas de estilos de aprendizaje y matemáticas de los estudiantes, y lo hace para producir un aprendizaje “lista de reproducción” personalizado para cada alumno. Esta lista se compone de clases particulares de matemáticas, que se ponen en el orden en que el algoritmo determina que es óptimo para el desarrollo de las habilidades matemáticas de los estudiantes. Ciertamente, Escuela de uno se apresura a señalar que este está destinado a complementar, no sustituir, la experiencia de un maestro individual”..

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, pasarlos por un proceso de ANALISIS Y CRITICA, lo que los transformará en APRENDIZAJES. Si todo el proceso esta evaluado, necesitaremos el algoritmo para que nos realice la retroalimentación. Lo cual hara que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico, pero siempre seremos nosotros quienes elijamos en última instancia el camino que vamos a seguir, frente a las múltiples propuestas en “beta” que nos presentará la tecnología.

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.

Si partimos de la idea de que la REALIDAD es múltiple, podemos entender por qué aprender en la diversidad no tiene porque llevarnos a un punto común-….esta premisa es fundamental para entender el pensamiento crítico en los aprendizajes y sin la cuál sería imposible llevar a cabo aprendizajes basados en la diversidad-INCLUSIVIDAD (EXCELENCIA)…

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.

“Vamos ya a aprender durante toda nuestra vida y en cualquier momento, el qué, cuándo, cómo y dónde (eligiendo con quién), ya han dejado de ser, una obligación para pasar a seer algo usual en nuestra vida, las TIC, Internet, la Inteligencia Artificial, “han dinamitado” todo ese planteamiento que no sabíamos ni podíamos superar, ahora el estaticismo de aprender de manera controlada, uniforme, el “ocupar un espacio y un tiempo”, han dejado ya de existir, por lo cual, vivimos aprendiendo, aprendemos en cada momento de nuestra vida, por eso, cualquier planteamiento que hagamos en este impás, debe acomodarse a esta nueva manera de entender la vida que ya está aquí, pero estamos “suscribiendo” las maneras de llegar a ello”.

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 podeis 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.

La gente tiene que aceptar su responsabilidad personal y colectiva. Porque cada vez que creamos un vínculo, cada vez que “al igual que” algo, cada vez que creamos un hashtag, cada vez que compremos un libro en Amazon, y así sucesivamente,… que transformemos la estructura relacional de la memoria comúny eso lleva, como venimos diciendo siempre, una responsabilidad y un compromiso.

Por lo tanto, también tenemos que desarrollar el PENSAMIENTO CRÍTICO Todo lo que encontremos en el Internet es la expresión de puntos de vista particulares, que no son ni neutrales ni objetivos, sino una expresión de subjetividades activas. ¿De dónde viene el dinero? ¿De dónde proceden las ideas? ¿Qué es el contexto pragmático del autor? etcétera…

juandon

FUENTES.

Este es nuestro campo de trabajo de los ALGORITMOS CON EL PERSONALIZED LEARNING https://juandomingofarnos.wordpress.com/tag/algoritmos/ Juan Domingo Farnós Miró

Vagale, Vija “ERSONALIZATION OPPORTUNITIES IN THE MOODLESYSTEM” http://www.academia.edu/3275982/PERSONALIZATION_OPPORTUNITIES_IN_THE_MOODLE_SYSTEM

B. Mobasher, “Minería de Datos para la personalización,” La Web Adaptativo: Métodos y Estrategias de Web Personalización, P. Brusilovsky, A. Kobsa, y W. Nejdl, eds., Pp. 1–46, Springer, 2007.

AI Schein, A. Popescul, y LH Ungar, “Métodos y métricas para arranque en frío Recomendaciones”, Proc. 25 de Ann. Int’l ACM SIGIR Conf. Investigación y Desarrollo en Recuperación de Información, pp. 253–260, 2002.

S. McNee, J. Riedl, y JA Konstan, “Siendo precisa no es suficiente: Cómo métricas de precisión han herido de recomendación Systems,” Proc. ACM SIGCHI resúmenes sobre Factores Humanos en Sistemas Informáticos (CHI EA ’06), pp Extended. 1097–1101, 2006.

http://www.pearson.com.ar/pte.php

http://thenewinquiry.com/…/the-algorithm-and-the…/ The Algorithm and the Watchtower

By Colin Koopman

Vagale, Vija “ERSONALIZATION OPPORTUNITIES IN THE MOODLESYSTEM” http://www.academia.edu/…/PERSONALIZATION_OPPORTUNITIES…

juandon