juandon

personalized-1530490259

 

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).

No concibo el Social learning sin el personalized learning, así como la educación inclusiva, el cambio de roles y la ayuda de las TIC, Internet, AI…Si abogamos por un aprendizaje donde el responsable sea el aprendiz, que no es lo mismo que se suele afirmas “el aprendizaje es el centro del aprendizaje, ya que estos postulados solo se contempla las fortalezas del mismo y se sigue sin tener en cuenta el cambio de roles” (Juan Domingo Farnós)
La definición de aprendizaje personalizado está evolucionando rápidamente y su diferencia con respecto a otros temas de la próxima generación, como el aprendizaje de la próxima generación y el aprendizaje combinado, puede que no esté claro. El aprendizaje personalizado puede tener lugar en entornos digitalmente mejorados o no.

Incluso la confusión que tienen muchos entre personalized learning y personal learning, ya que el segundo no es más que un aprendizaje individualizado,  nos proporciona varias dimensiones a través de las cuales se puede definir el aprendizaje personal, pero nunca el personalizado (Stephen Downes) en http://www.downes.ca/post/65065 “Personal and personalized learning”

Personal Learning vs Personalized Learning: What Needs to Happen from Stephen Downes

No concibo el Social learning sin el personalized learning, así como la educación inclusiva, el cambio de roles y la ayuda de las TIC, Internet, AI…Si abogamos por un aprendizaje donde el responsable sea el aprendiz, que no es lo mismo que se suele afirmas “el aprendizaje es el centro del aprendizaje, ya que estos postulados solo se contempla las fortalezas del mismo y se sigue sin tener en cuenta el cambio de roles” (Juan Domingo Farnós)

La definición de aprendizaje personalizado está evolucionando rápidamente y su diferencia con respecto a otros temas de la próxima generación, como el aprendizaje de la próxima generación y el aprendizaje combinado, puede que no esté claro. El aprendizaje personalizado puede tener lugar en entornos digitalmente mejorados o no.

Incluso la confusión que tienen muchos entre personalized learning y personal learning, ya que el segundo no es más que un aprendizaje individualizado, nos proporciona varias dimensiones a través de las cuales se puede definir el aprendizaje personal, pero nunca el personalizado (Stephen Downes) en http://www.downes.ca/post/65065 “Personal and personalized learning”

Estoy de acuerdo con Stephen Downes, todos somos diferentes, únicos, y hablamos y pensamos de contenidos singulares, ¿por qué debemos escribir y publicar siguiendo las reglas de estandarización de las publicaciones científicas? Si ya no vivimos en la época donde la imprenta y las compañías editoriales eran el único medio para compartir, vivimos en la época de Internet.
La Ciencia debe “ser otra ciencia” ya no más la de la imposición y la de las reglas cerradas, si no abierta, diversa, adaptable a cada situación….ya no tienen sentido la estándarización en ningún proceso, sea el que sea, ya que todos deben ser personalizados, por lo tanto, la ciencia, también…

Aunque diferimos en un punto clave: Stephen ve el individualismo (personal learning) a ultranza en temas e aprendizaje (ahora lo llama personal learning) y claro yo no, pienso y estoy convencido que el aprendizaje ha dejado de ser individualizado y ha pasado a ser social, conectado (personalized learning).
¿Alguna vez nos hemos preguntado como empresas como NETFLIX FACEBOOK….u otras siempre se anticipan a nuestro gustos y nunca fallan en las recomendaciones que nos hacen? Obviamente la personalización es la base de todo ello….

Ahora ya sabemos construir un cuadro de mando para los educadores llamados progresión que cada profesor puede ver a todos los niños en esa clase de aprendizaje, y ser capaces de determinar que necesitan (otra cosa es que se lleve a cabo, yo creo que no…):

a-¿cuál es la frontera de aprendizaje para ese niño?
b-¿Dónde están luchando?
c-¿Dónde están por delante?

Ese tipo de tecnología ofrece a los educadores la información para tomar buenas decisiones que ningun lápiz y papel y mucha dedicación podría proporcionar…
Y siguen insistiendo aunque determinen sus altos costos de tecnología y de personal docente….Bien, la verdad es que parten de hipótesis equivocadas, EL PERSONALIZED LEARNING no va de eso, si no de autonomía, pero de los aprendices, de su responsabilidad en los aprendizajes y en la evaluación…. ¿Algoritmos? claro que también , pero referidos al aprendiz, no al docentes y al sistema..

 

 

 

 

images

 

 

 

 

 

Además de una personalización del aprendizaje necesitarna grandes volúmenes de datos para mirar hacia el futuro. El análisis de los datos hacia el futuro utiliza diversas técnicas estadísticas para el análisis de los datos actuales e históricos y les permite realizar PROGNOSIS Y DIAGNOSIS de los mismos, lo cual les abocará a realizar actuaciones, primero personalizadas y luego socializadoras… Por lo tanto, en el mundo de los grandes datos todo es importante, incluso las valoraciones utilizadas en cualquier escenario, con el fin de sacar conclusiones sobre el futuro éxito del aprendizaje.
Podremos utilizar el análisis predictivo con determinadas cajas de herramientas para mejorar sus oportunidades de educación y alinearse con las necesidades específicas de los estudiantes. Es bastante evidente que de esta manera la cuestión planteada por el peligro de Big Data es impulsado por la privacidad al extremo.

Sin saber cómo se usan los datos, el impacto que tendrá en la vida , ya que se utiliza probablemente una personalización del entorno de aprendizaje también para otros fines. Si se tiene en cuenta en lo que se se basa Big Data, luego de llegar a dudar de si es aceptable o no, habrá de dejar tan importante cuestión para las decisiones individuales, tales como cursos de formación, las proyecciones que se basan en datos agregados y probabilidades. Big Data se nutre de simplificación:-

a-¿pero es un proceso tan complejo como la feria de aprendizaje?
b-¿Qué valor tendrá el logro del estudiante, aunque grandes volúmenes de datos ya se ha adaptado a cada alumno en un perfil de un futuro éxito , que tal como está valorado hoy (EXCELENCIA ESTANDARIZADA), sería muy complicado, ahora bien, si se trata de una EXCELENCIA PERSONALIZADA, sería otra cosa….

Big Data tiene la fuerte tendencia a determinar la vida de las personas ( o algunos creen eso…) pero esto está en total contradicción con una visión de la educación, según la cual ésta es la base del desarrollo de la individualidad y la condición de una vida autodeterminada….

Para el enfoque educativo del “aprendizaje personalizado” surge, por tanto,…

a-el tratamiento respetuoso de la libertad con responsabilidad y compromiso de las personas.
b-la promoción de la capacidad de comunicar e interactuar
c-la necesidad de una formación personal e integral con el objetivo de hacer personalidades responsables y para promover la interacción social.

El aprendizaje personalizado depende fundamentalmente de la persona respectiva y sus necesidades personales. tiene que ser importante para el individuo, orientada a sus propios intereses y por iniciativa propia . La velocidad con la que esto ocurre, y los enfoques de aprendizaje se comparan con las del individuo, el propio aprendiz se convierte, fundamentalmente, en su propio entrenador y los demás le dan lo que él o ella necesita.

Esto es, sin embargo, no debe confundirse con la indiferencia o dejar hacer. Habilidad, conocimiento y contenidos técnicos específicos son, por tanto, un derecho vinculante y se revisarán continuamente, con el aprendiz como eje y responsable y los docentes como facilitadores y/o acompañantes.
El docente está sujeta al aprendizaje personalizado mediante una transformación que viene desde abajo, dejando de ser instructor para el aprendizaje (proceso), a simple acompañante. Este aprendizaje puede tener éxito, sin embargo, es necesario cumplir una serie de factores, debe ser abierto, inclusivo y ubícuo (Juan Domingo Farnos), de otra manera, casi es imposible.
Los docentes , colaboran y proporcionar materiales a diversos estilos de aprendizaje y enfoques de aprendizaje . Acompañan a los estudiantes a punto de poner sus metas de aprendizaje para alcanzarlos, y si no, sugieren y apoyan para ayudar en las necesidades personalizadas de cada aprendiz.

La definición de aprendizaje personalizado está evolucionando rápidamente y su diferencia con respecto a otros temas de la próxima generación, como el aprendizaje de la próxima generación y el aprendizaje combinado, puede que no esté claro. El aprendizaje personalizado puede tener lugar en entornos digitalmente mejorados o no.
Incluso la confusión que tienen muchos entre personalized learning y personal learning, ya que el segundo no es más que un aprendizaje individualizado, nos proporciona varias dimensiones a través de las cuales se puede definir el aprendizaje personal, pero nunca el personalizado (Stephen Downes) en http://www.downes.ca/post/65065 “Personal and personalized learning”

En el aprendizaje personalizado de hoy, la idea es permitir que la tecnología tome muchas de estas decisiones para nosotros. Por ejemplo, el aprendizaje personalizado implica la presentación de diferentes contenidos de los cursos basados ​​en la experiencia o desempeño previos del estudiante en las tareas de aprendizaje que se adapten a su contexto y a sus necesidades y posibilidades.
Lo que estos enfoques tienen en común, sin embargo, es que en todos los casos el aprendizaje es algo que se proporciona al alumno por algún sistema educativo, ya sea una escuela y un maestro, o una computadora y un software de aprendizaje adaptable. Y estos proveedores trabajan a partir de un modelo estándar de lo que se debe proporcionar y cómo se debe proporcionar, y adaptar y ajustar de acuerdo a un conjunto de criterios. Estos criterios se determinan midiendo algún aspecto del rendimiento del estudiante.

Esta es la razón por la que hoy leemos mucho sobre ‘análisis analítico’ y ‘grandes datos’. La intención detrás de estos sistemas es utilizar los datos recogidos de un gran número de estudiantes que trabajan en entornos de aprendizaje similares hacia resultados de aprendizaje similares con el fin de hacer mejores recomendaciones a los futuros estudiantes.
El “camino de aprendizaje optimizado” (Excelencia personalizada) para cualquier alumno determinado se encuentra analizando el camino más exitoso seguido por los estudiantes más similares.
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)….

Evidentemente esto tiene muchos detractores, históricamente prácticamente todos, pero ahora con las Tecnologías Convergentes se nos pueden abrir los ojos, ya que éstas nos permiten anticiparnos, por una parte, y adelantarnos, por otra…
Ya no es necesario creer que el bien y el mal, por ejemplo, dependen de una ley ordenada, por lo que lo que llamamos JERARQUÍAS, se va destiñendo, se va enmascarando en posiciones personalizadas y personalistas….lo que nos permite entender el aprendizaje como otra manera de entender no solo l oque es en si, si no sus procesos..

El aprendizaje es tarea cognitivamente es decir, compleja, lo suficiente como para requerir la cooperación y por lo tanto el uso efectivo de una memoria colectiva de trabajo.

Simplemente colocando los estudiantes en un grupo y una tarea asignándoles que no garantiza que va a trabajar juntos, se involucran en procesos efectivos de aprendizaje colaborativo, y / o alcanzan resultados positivos de aprendizaje. El aprendizaje colaborativo puede proporcionar una oportunidad para superar la memoria de trabajo individual y sus limitaciones. Colaborando las personas pueden invertir menos esfuerzos cognitivos como estudiantes que trabajan y aprenden solos. El procesamiento de información se puede dividir a través de un tanque más grande de la capacidad cognitiva (F. Kirschner) y por tanto tener una ventaja importante de DISTRIBUCIÓN.

Una cosa que me parece fascinante la idea de que se podrá crear un “perfil de aprendizaje”, una identidad que es esencialmente un paquete digital de nuestras preferencias de aprendizaje y los contenidos del aprendizaje del pasado, que se podrá acceder por las máquina (PERSONALIZED LEARNING + MACHINE LEARNING. by Juan Domingo Farnos)
Esto permitirá que la “máquina” en realidad adapte sus interfaces de usuario, el contenido de aprendizaje y la experiencia en sí misma, y presentar información de una manera que se adapte a las preferencias de los humanos….eso sin duda nos lleva a la VERDADERA SOCIEDAD INTELIGENTE.
Todo ello ocasionará un Aprendizaje integrado – aprendizaje en red que estará integrado en cada dispositivo, cada herramienta, cada recurso físico de LAS PERSONAS, no hay necesidad de una formación específica, la información más reciente estará disponible sólo en el tiempo, de fuentes auténticas COMPUTACIÓN UBÍCUA E I-BICUA, a juzgar por el valioso análisis de la red, siempre con el contexto y que las personas prestemos nuestra ayuda.
ubiquitous-computing-7-638.jpg
Estamos ya convencidos que la web ofrece la tecnología perfecta y el medio ambiente para el aprendizaje personalizado porque para los aprendices puede ser identificativa, el contenido se puede personalizar específicamente, y el progreso del alumno puede ser monitoreado, apoyado y evaluado.
Tecnológicamente y técnicamente, los investigadores estamos haciendo progresos hacia la realización del sueño del aprendizaje personalizado con la tecnología de objetos de aprendizaje (para algunos adaptativos, para nosotros, nada más lejos de la realidad, no hay nada de adaptación, si no de personalización, que no es lo mismo) y eso el machine learning puede ayudarnos a conseguirlo.
Sin embargo, dos consideraciones importantes están siendo ignoradas o pasadas por alto en el cumplimiento del sueño de personalización con machine learning:
El Machine learning identificará y categorizará las entradas repetitivas y utilizar la retroalimentación para fortalecer y mejorar su rendimiento. Es un proceso similar a cómo un niño aprende los nombres y la identidad de los animales, haciendo coincidir las palabras con las imágenes; el ordenador, poco a poco, aprende a procesar la información correctamente.
La evolución de los algoritmos que “aprenden” de los datos sin tener que programarse de forma explícita. Un subgrupo particular de Machine Learning se conoce como “aprendizaje profundo” (Deep Learning). Este término describe el uso de un conjunto de algoritmos llamados redes neuronales que toman como modelo el cerebro humano. Los avances en este aprendizaje profundo han impulsado una rápida evolución de las tareas de aprendizaje por parte de las máquinas en los últimos años, en particular el procesamiento del lenguaje y texto, y la interpretación de imágenes y vídeos. Estos sistemas, por ejemplo, llegan a identificar caras o a interpretar el idioma natural a una velocidad y con un grado de acierto que puede superar al de un ser humano.

“Sin entrar en detalles complejos sobre los diferentes paradigmas de Inteligencia Artificial y su evolución podemos dividir dos grandes grupos: la IA robusta y la IA aplicada.

  • Inteligencia Artificial robusta o Strong AI: trata sobre una inteligencia real en el que las máquinas tienen similar capacidad cognitiva que los humanos, algo que, como los expertos se aventuran a predecir, aún quedan años para alcanzar. Digamos que esta es la Inteligencia de la que soñaban los pioneros del tema con sus vetustas válvulas.
  • Inteligencia Artificial aplicada Weak AI (Narrow AI o Applied AI): aquí es donde entran el uso que hacemos a través de algoritmos y aprendizaje guiado con el Machine Learning y el Deep Learning.

El Machine Learning en su uso más básico es la práctica de usar algoritmos para parsear datos, aprender de ellos y luego ser capaces de hacer una predicción o sugerencia sobre algo.

El Machine Learning en su uso más básico es la práctica de usar algoritmos para parsear datos, aprender de ellos y luego ser capaces de hacer una predicción o sugerencia sobre algo. Los programadores deben perfeccionar algoritmos que especifiquen un conjunto de variables para ser lo más precisos posibles en una tarea en concreto. La máquina es entrenada utilizando una gran cantidad de datos dando la oportunidad a los algoritmos a ser perfeccionados.

El sueño de entregar el aprendizaje personalizado utilizando objetos de aprendizaje que se ajusta al tiempo real, en cualquier lugar, en cualquier momento, justo suficientes necesidades del estudiante está a punto de convertirse en una realidad. Hoy en día, junto con muchos desarrollos importantes en la psicología de la instrucción, estándares abiertos, lenguajes de marcas estructuradas para la representación de datos interoperables, y el cambio de control de flujo de instrucción desde el cliente al servidor, una base totalmente nueva está haciendo realmente personalizado de aprendizaje en línea .

“Poco a poco las características subversivas de la computadora fueron erosionados distancia: En lugar de cortar a través y así desafiar la idea misma de fronteras temáticas, el equipo ahora se define un nuevo tema; en lugar de cambiar el énfasis del currículo impersonal a la exploración en vivo emocionados por los estudiantes, el ordenador se utiliza ahora para reforzar los caminos de la escuela. Lo que había comenzado como un instrumento subversivo de cambio fue neutralizado por el sistema y se convierte en un instrumento de consolidación”..… Audrey Watters

índice
Lo “adaptativo” es el ‘ajuste de una o más características del entorno de aprendizaje’. Estas acciones adaptativas tienen lugar en tres áreas distintas:
          1-Apariencia/forma: Cómo se muestran al aprendiz las acciones de aprendizaje, como contenido, incorporación de texto, gráficos o videos, etc. La mayoría de las plataformas adaptativas de hoy día lo denominan “consumo de contenido” y esperan que el conocimiento se adquiera simplemente leyendo el contenido.
          2-Orden/secuencia: Cómo se ordenan y se bifurcan las acciones de aprendizaje según el progreso del alumno, como las rutas de aprendizaje.
          3-Orientación hacia el objetivo/dominio Las acciones del sistema que conducen al aprendiz hacia el éxito (excelencia personalizada)
Esto permite que se realicen cambios según los resultados óptimos de aprendizaje, el grado de dificultad y el creciente nivel de conocimientos o aptitudes del alumno.
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 metafora de los presos alrededor que se pusieron alrededor de una torre de vigilanca para ser visualizados, hasta que estos alcanzaron la manera de evitarlo( estos eran los algoritmos)….

Este precio informativo se compone de DATOS ESTANDARIZADOSa 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 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 deDATOS, 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 hará que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico, pero siempre seremos nostros quienes elijamos en última instancia el camino que vaos a seguir, frente a las múltiples propuestas en “beta” que nos presentará la tecnología…

 

juandon

Anuncios