Juan Domingo Farnós

SMU-Pedagogical-Framework

 

Podemos escoger una serie de parámetros que nos sirvan de línea de trabajo sobre esta hipótesis:

a-Infraestructura – ¿será el entorno de apoyo a mis necesidades?

b-Tecnología – ¿es la tecnología adecuada y puedo / estudiantes lo utilizan?

c-Identificación y análisis de los prejuicios y suposiciones antes de su uso puede garantizar los posibles obstáculos para el acceso o la eficacia se tienen en cuenta adecuadamente en el diseño de desarrollo y planificación.

 

Con todo ello se van obteniendo comentarios cualitativos de los estudiantes de diversos orígenes (diversidad y valor añadido=inclusividad).

La diversidad de pensamiento crea “interrupción constructiva” (DISRUPCION-EDUCACION DISRUPTIVA -learnig is the work) que pueden influir en las nuevas formas de pensar, innovación y nuevas iniciativas, lo que nos lleva a crear un nuevo paradigma.

Cada vez más vamos a situaciones donde “las organizaciones que definen a las personas, las personas definen a las instituciones”.

Estamos próximos a la posibilidad de utilizar agentes que comprenden contextos, que sean capaces de hacer “coherente” el sentido de los flujos de datos variados para buscar información, descubrir y proporcionar el contenido necesario para cada uno..

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.

Una manera de explicar las posibilidades de la Internet como medio de comunicación es conceptualizarla como un conjunto de “herramientas” y de “espacios” y “tiempos” en los que comunidades de seres humanos con intereses comunes interactúan e intercambian información :

* Espacios para la comunicación síncrona y asíncrona individuo-individuo o individuo-grupo.

* Espacios para la interacción y la actividad social.

* Espacios para la información, para la distribución, búsqueda y recuperación de información en cualquier formato digital.

* Espacios para la educación y la formación.

Como afirman Hiltz y Turoff (1993), no es la tecnología hardware y software la que proporciona el potencial de mejora del proceso educativo. Los entresijos de estos mecanismos de comunicación deben llegar a ser lo más invisibles posible para los participantes.

Los objetivos de estos procesos pretenden hacer frente a las necesidades actuales y las oportunidades de aprendizaje, mediante esta analítica recogiendo los enfoques multidisciplinares pero complementarios de diferentes campos, tales como Ciencias de la Computación, Ciencias de datos, Matemáticas, Educación, Sociología…, eso si, deben ser siempre personalizados y con la responsabilidad de los propios aprendices.

 

Necesitamos por tanto:

1–Análizar el aprendizaje basado en competencias, lo que nos llevará…

2–Aprender y por tanto a realizar la propia evaluación (recordemos que cada aprendizaje lleva impreso consigo la evaluación, ya no como una medición, si no como parte del mismo) 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.

3–Establecer una ruta de aprendizaje individual lo podemos modelar para registrar su proceso de aprendizaje. Por tanto, el espacio de aprendizaje personal (PLE), sera siempre un espacio no lineal…, es en esta situación donde el pensamiento crítico actua de manera determianante, 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…

4-Realizar un análisis de aprendizaje para la evaluación de las competencias genéricas y específicas:

a-La integración de la analítica de investigación y aprendizajes educativos.

b-Analíticas de aprendizaje y el aprendizaje autorregulado.

c-Intervenciones y análisis de los diferentes aprendizajes, estudio de casos…

d-Implementaciones de la analítica de aprendizaje.

e-Analíticas de aprendizaje y efectos a largo plazo (estudios sobre la analítica de                     aprendizaje).

f-Los avances teóricos en la analítica de aprendizaje.

g-Replicación y validación cruzada de las investigaciones existentes

h-Aspectos éticos de la analítica de aprendizaje

i-Analíticas de aprendizaje y formulación de políticas

j–Interoperabilidad para la analítica de aprendizaje.

 

 

images

 

 

 

 

A veces, los indicadores adelantados de un escenario dado son obvias, pero a menudo son sutiles. Puede ser parte de la legislación, o avance técnico, o gradual tendencia social. Luego, por supuesto, es importante controlar estos signos críticos de cerca.

En última instancia, eso es el poder de la planificación de escenarios. Nos podemos preparar de la misma manera todos los escenarios, ni siquiera los aspectos colaterales de los mismos. Todo ello nos ayuda a comprender las incertidumbres que tenemos delante, y lo que podrían significar. Nos ayuda a preguntar más y a responder menos y nos ayuda a detectar, ya que comienzan a desarrollarse…..

El dilema central que hemos tratado de resolver es: ¿Cómo podemos desarrollar una innovadora experiencia l basada en un complejo principio estructural, rizomática, y al mismo tiempo mantenemos intuitivamente navegable y fácil de usar?

El machine learning, el aprendizaje automatizado, va a condicionar y mucho el aprendizaje de hoy y más el de mañana, es por eso que os dejo cuatro artículos que he escrito al respecto y que son fruto de las investigaciones que ya conocéis, su deriva lógica que nunca irán de manera aislada si no que están dentro de la EDUCACIÓN ABIERTA, INCLUSIVA, UBÍCUA, en la que siempre nos basamos pero que como es lógico va evolucionando de manera permanente y continuada.

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.

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)

Si somos capaces de adentramos en la proyección de escenarios de aprendizaje y de trabajo, deberemos siempre mirar hacia adelante mediante la comprensión de la naturaleza y el impacto de las fuerzas impulsoras, las que de alguna manera preveemos como con mayor capacidad de certidumbre y de otras, que siendo totalmente inciertas nos ofrecerán un caudal mayor de creatividad . (Hoy somos capaces de crear oportunidades por medio de una amplia utilización de los recursos de m-learning, e-learning y la educación científica basada en la investigación a través de la educación del diseño con escenarios de aprendizaje abiertos, inclusivos y ubícuos).

Miramos hacia adelante , haciendo todo lo posible para tomar decisiones inteligentes, sabemos que no siempre serán acertadas, por lo que debemos estar preparados para ser capaces de incidir en procesos de retroalimentación, bien correctores (innovaciones) o, por el contrario, disruptoras, con lo que el escenario previsto en principio se nos moverá completamente y es aquí doce los escenarios colaborativos y especialmente los cooperativos, entrarán en pleno funcionamiento.

Si damos por hecho que los aprendices salen de la universidad esperando resolver los problemas del siglo 21 y entrar en ocupaciones que aún no se han imaginado todavía, nos equivocaremos de plano ya que la escolarización actual y pasada no está diseñada de esta manera.

Para eso deberán tener la posibilidad y oportunidades para resolver problemas en contextos auténticos, usando las habilidades del siglo 21 y las técnicas de colaboración, que los nuevos principios educativos que planteemos pueden llevar a cabo. (Educación abierta, inclusiva, ubícua (Farnos 2004)

Romperemos las barreras entre las aulas y los estudiantes usando habilidades interdisciplinarias para resolver los problemas con los equipos de sus compañeros, con los mentores, y con profesionales diversos.

Esta sería la idea general que se tiene pero hacerlo significa no entender como queremos que se desarrollen los aprendizajes en la sociedad de la información y el conocimiento.

Un aprendizaje que si optamos por dirigirnos a su  concepto  de doble ciclo, introducido por Argyris y Schön (1978) dentro de un contexto de aprendizaje organizacional y tenemos claro que estamos dentro de nuestros posicionamientos de COMPLEJIDAD ORGANIZACIONAL Y EDUCACIONAL, podremos tener en cuenta la interacción entre las acciones e interacciones de individuos y entidades con niveles de equipo. Cada miembro de una organización construye su propia representación de la teoría en uso del conjunto. El aprendizaje organizacional y ágil, entonces ocurre cuando individuos dentro de una organización tiene un problema (detección de errores) y trabajan en la solución de este problema (corrección de errores), pero la diferencia con lo que hacían antes es que ahora como dice Julian Stodd:

          a-“Se trata de PREGUNTAR todo. El hecho de que lo hicieras así ayer no significa que deberíamos hacerlo de esa manera mañana. En la era social, el cambio es constante. Hacer lo que siempre hiciste no funcionará más. Cuestionar todo. Es un buen hábito para la agilidad.

          b-APRENDER es constante si eres ágil. Si no estás aprendiendo, estás estancada, letárgica, atascada. Los estudiantes ágiles llegan a sus redes y comunidades para crear significado. Utilizan la tecnología para acceder al conocimiento y refinarlo, filtrarlo, crear significado.

          c-REFINAR es el proceso de filtrar lo sin sentido y contextualizar el resto. Los estudiantes ágiles y los líderes sociales hacen esto constantemente, curando una reputación de calidad.

          d-HACER es mejor que pensar demasiado. La agilidad consiste en quedarse atrapado, pero constantemente refinando. Es una mentalidad de investigación de acción, acerca de cometer errores y aprender.

          e-Los ERRORES son inevitables: las organizaciones que quieren ser ágiles necesitan crear entornos permisivos para que podamos tropezar mientras aprendemos.

          f-EDITAR es cómo refinamos nuestras acciones, cómo hacemos los pequeños cambios que nos hacen ágiles”

En cada clima organizacional podemos investigar, probar, comparar y ajustar su teoría en uso, por lo que aquí podremos entrar de lleno en el APRENDIZAJE ABIERTO, INCLUSIVO Y UBICUO,con lo que podremos replantearnos no solo el proceso anterior , si no por medio de nuestras canalizaciones retroactivas, bien sea de manera “al uso” o por medio de nuestros ALGORITMOS PERSONALIZADOS, llegar a otros procesos completamente diferentes de lo que teníamos previstos….

 

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 logaritmos (transformación logarítmica).

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.

” 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.

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”.

 

 

pl-framework-logo

 

 

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 entrenar, dar atención individual a los estudiantes que se desplazan por delante de sus compañeros de clase y los que luchan.

Se puede ir también por un sistema híbrido, donde nos dividimos las funciones entre el ordenador y la intervención de las personas humanas sobre la base de lo que cada uno de nosotros hacemos bien, …

Tales sistemas podrían desarrollar no sólo el aprendizaje de habilidades, pero el meta-aprendizaje o de aprender a aprender. Profesores reales pueden desarrollar este y modificarlo (si bien es cierto y raro), y sin embargo, es probable que sea la mejor inversión. En mi aprendizaje basado en la actividad, le sugerí que poco a poco los alumnos deben hacerse cargo de la elección de sus actividades, a desarrollar su capacidad de convertirse en autodidactas. También le sugerí cómo podría ser en capas en la parte superior de experiencias regulares de aprendizaje. Creo que esto va a ser un área interesante para el desarrollo de experiencias de aprendizaje que son escalables, pero realmente desarrollan los estudiantes para los tiempos venideros.

Hay más: normas pedagógicas, modelos de contenido, modelos con alumnos, etc, pero finalmente estamos consiguiendo  ser capaces de construir este tipo de sistemas, y debemos ser conscientes de cuáles son las posibilidades”.

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.

Céline Schillinger, dice “que la sociedad debe cuidar a sus PERSONAJES MÁS REBELDES” ya que son los que cuando algo se caiga, se desmorone, seguirán retumbando con sus ideas, sus inquietudes, su fuerza…y los demás así les podrán seguir”…

Los seres humanos tienen la capacidad para hacer frente a algunas cosas muy complejas, sin embargo, con demasiada frecuencia nuestras barreras sociales y de organización que nos bloquean el uso de nuestras capacidades..

La adopción de nuevas tecnologías en la cualquier organización de trabajo, educación, política…suele ser una batalla cuesta arriba, como convocar a los recursos, la construcción de los conocimientos, y la gestión del riesgo de la vanguardia a menudo lleva implícito y explícito un arte, tanto como lo hace la ciencia. Pero a medida que las organizaciones ven que con la tecnología se alcanza cuotas máxima históricas en el  ritmo de la innovación entre un verdadero inmenso mar de nuevas elecciones, dichas están cada vez más conscientes de que no pueden dejar que su brecha digital crezca demasiado.

Hay un montón de cosas muy interesantes que tienen lugar con las tecnologías, a menudo fluyen directamente desde el mundo de los consumidores, de los aprendices…

En ello las Tecnologías y la Inteligencia artificial, no solo tendrán una función vital, si no que serán totalmente imprescindibles…

Es un reto importante, pero también es una oportunidad histórica, ya que algunas de estas nuevas tecnologías no son sólo perjudiciales, pero ofrecen a marcar el comienzo de industrias enteras en una jubilación anticipada (la impresión 3D, donde todo el mundo se convierte en su propio fabricante de un conjunto cada vez mayor de bienes viene a la mente.)

Así que debido a la creciente potencial disruptivo de la tecnología digital, ya que se convierte en un elemento de primera clase de la estrategia de negocio de la empresa, las organizaciones ignoran centrarse en estas tecnologías emergentes de alto impacto, aunque a menudo a su propio riesgo. Es mucho mejor, en mi opinión, para hacer que el tiempo para centrarse en su promesa”…

Quizás el más profundo cambio tecnológico, esté es el proceso de utilización de los principios de relaciones sociales para reinventar los modelos de colaboración y el uso de la fuerza motriz más escalable y rentable (multitudes) para crear procesos para encontar posibles nuevas tipologías de organizaciones que a menudo no eran posible antes. Esperamos que la economía de colaboración se caliente a lo grande con bastante madurez en su oferta.

En los ultimos tiempos se están dando las 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”….

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.

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, que 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)….

 

Con el trabajo algorítmico que preconizamos debemos tener siempre presente, tanto en las ideas, el desarrollo propio de andamiaje-algoritmico, así como en su posterior diseño, que deben ser capaces de analizar y llevar a cabo de manera pormenorizada y cuidadosa, conocer de que manera el aprendiz es capaz de aprender a aprender de manera personal y personalizada, por lo que estos siempre tendrán garantizado un apoyo inestimable.

Los aprendices, dentro de la educación formal de manera sistematizada, y en la informal, de manera generalizada… pueden beneficiarse de la orientación de los algoritmos que apuntan al aprendiz hacia los sistemas de tutoría en línea, por ejemplo, que están demostrando tan eficaz como tutores humanos.

La personalización por las tecnologías digitales sólo libera los seres humanos para personalizar mejor nuestra vida (es decir, encontrar nuestras propias maneras), lo demás deben hacerlo las tecnologías y e 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 hará que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico.

Estos algoritmos de personalización (Rauch, Andrelczyk y Kusiak, 2007), recopilar información del usuario y analizan los datos para que pueda ser transmitida al usuario en momentos específicos (Venugopal, Srinivasa y Patnaik, 2009). Por ejemplo, cuando estoy terminado de ver un video en YouTube o una película en digital y he aquí que presenté con una lista de recomendaciones sobre los géneros que acabo consumidas. Esta idea funciona de forma similar con algoritmos de personalización que sería capaz de recomendar cursos o avenidas de aprendizaje basado en el conocimiento previo de las personas intervinientes en el proceso de aprendizaje ABIERTO, INCLUSIVO Y UBICUO .

¿El aprendizaje PERSONALIZADO tiene suficiente mejoría en el aprendizaje del aprendiz para justificar los costos de un sistema de aprendizaje más complejo?
¿Cómo podemos aprovechar algoritmos de aprendizaje automático “Big data” y otros.. para la construcción de sistemas de aprendizaje personalizadas más eficientes y rentables?

¿Cómo pueden las ideas y resultados de la investigación de las ciencias cognitivas, utilizarlos para mejorar la eficacia de los sistemas de aprendizaje personalizados?.

La Machine learning (La tecnología Machine Learning está abriendo nuevas oportunidades para las aplicaciones de software en temas de retroalimentación, al permitir a los ordenadores aprender de grandes y de pequeñas cantidades de información sin necesidad de ser programados explícitamente, aprendiendo de los errores producidos y según los datos personalizados, readaptarlos en otras direcciones, lo cual nos permite optar por otras opciones de aprendizaje…)

 

En este sentido, los sistemas Machine Learning representan un gran avance en el desarrollo de la inteligencia artificial, al imitar la forma en que aprende el cerebro humano -mediante la asignación de significado a la información y darnos más posibilidades de opción según nuestros personalismos.

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.

 

 

 

1_UhQ4oY5o3hwRpd_p3E76Hw

La necesidad de tener máquinas autónomas están en el corazón del movimiento de aprendizaje automático y del aprendizaje ubícuo en sí mismo.

Podemos llegar con ello a anticiparnos a situaciones personalizadas ya que las posibilidades automáticas vs moviles, hace que las situaciones que hemos ideado con anterioridad se puedan implementar en cualquier espacio, tiempo y escenario, eso si, los beneficios de los mismos (MOBILE LEARNING AND MACHINE LEARNING, siempre dependerán de cómo se apliquen.

La necesidad de tener máquinas autónomas están en el corazón del movimiento de aprendizaje automático y del aprendizaje ubícuo en si mismo.
Podemos llegar con ello a anticiparnos a situaciones personalizadas ya que las posibilidades automáticas vs moviles, hace que las situaciones que hemos ideado con anterioridad se puedan implementar en cualquier espacio, tiempo y escenario, eso si, los beneficios de los mismos (MOBILE LEARNING AND MACHINE LEARNING, siemrpe dependeran de como se apliquen.
El aprendizaje móvil (o “m-learning”) ofrece muchas posibilidades tanto para aprendizaje mezclado como en línea aprovechando completamente aprendizaje sus beneficios en tiempo real y en espacio real (espacio físico) mezclada con la información digital y experiencias.
Muchos países en desarrollo están buscando tecnologías móviles que tiene el “potencial para ofrecer educación sin depender de una amplia infraestructura de comunicaciones que se adapte al contexto de los países en desarrollo. En algunos países en desarrollo, hay una fuerte base instalada de usuarios de teléfonos móviles que junto al aprendizaje autonmático les facilitaría no solo la parte humana de los mismos, si no también la económica.
Entonces, es importante considerar si el objeto será realizado solo en línea (como una aplicación-algoritmo-machine learning) o como una experiencia. El despliegue previsto o la ecología del mismo, será importante tener en cuenta antes de que el trabajo de desarrollo comience. Una vez que las decisiones importantes se han hecho, entonces el diseño puede entrar en la fase de desarrollo de contenido móvil. El objeto de aprendizaje puede entonces ser cargado y almacenado en un sistema de gestión, o en un servidor de aprendizaje / o en un curso o un sitio web. Desde allí, el objeto de aprendizaje se despliega. De manera óptima, el bucle de retroalimentación de los usuarios, puede informarles sobre el diseño o rediseño.
Podemos seguir y seguir, pero acabaremos haciéndonos preguntas, como siempre:….
                       —¿Qué es el aprendizaje automático? ¿Cómo podemos implementarlo en el mundo de la educación y de manera móvil?
                       —¿Qué es el aprendizaje móvil? ¿Cuáles son sus posibilidades y limitaciones?
                       —¿Cuáles son algunos de los límites de los dispositivos móviles en términos de insumos de información? Información de recibo a través del entorno de una pequeña pantalla?
                       —¿Cuáles son los pasos necesarios para el diseño y construcción de objetos digitales de aprendizaje para la entrega a través de dispositivos móviles y desarrollados de manera automática?
                        —¿Cuáles son algunos tipos de mobile-friendly objetos de aprendizaje digitales que se pueden crear hoy en día?
                        —¿Cuáles son algunos ejemplos de los métodos pedagógicos utilizados en escenarios reales de aprendizaje móvil y autonámicos o es mejor crearlos nosotros mismos según nuestras necesidades y contextos, siempre de manera personalizada/socializadora?
                       —¿Estamos listos para el Aprendizaje Móvil?
                      —¿Estamos preparados para un aprendizaje móvil dentro del machine learning?
El uso frecuente de los dispositivos móviles no significa que los estudiantes o profesores están preparados para el aprendizaje móvil ni automático:
                    a——¿Estamos los estudiantes y profesores dispuestos a dar el salto del aprendizaje presencial, del e-learning …al aprendizaje móvil automático?
                   b —–¿Qué significa estar preparados? Para responder a estas preguntas, podemos examinar los dispositivos móviles que los estudiantes y profesores ya estan 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, el el AUTOMATIZADO SE MEZCLEN: “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 aprendizaje automático tiene el potencial de respaldar aspectos de la enseñanza y el aprendizaje que consumen mucho tiempo y son difíciles de gestionar, como el trabajo en proyectos individuales, la colaboración, los tutoriales y el aprendizaje autodirigido y si se extrapola a situaciones ubicuas, se podrá incluso a entender la necesidad del cambio de ROLES
Investigaciones recientes de acceso digital han demostrado que el arte de los cuestionamientos abiertos en las aulas está desapareciendo. ¿Qué pasa si volteamos un sistema típico de aprendizaje automático? ¿Qué pasaría si, en lugar de aislar a un alumno de hechos específicos, los sistemas fueran diseñados en su lugar para hacer preguntas abiertas a los estudiantes para excitar y despertar su imaginación, para que su personalización y socialización de sus aprendizajes fueran decisivos en su vida y en su educación?
¿Qué pasa si estos sistemas fueron diseñados para preparar a los jóvenes para gestionar de forma autonoma, abierta, flexible y ubícua (MOBILE LEARNING) su propio aprendizaje asegurándose de que están listos para hacer las preguntas apropiadas y maximizar las conversaciones , habiendo ya explorado el tema con sujetos agentes? Además de alimentar la imaginación, este enfoque abierto podría beneficiarse de otras características del aprendizaje automático.
El problema con la práctica actual es que una prueba de cultivo significa que las máquinas se utilizan para pintar el tipo incorrecto de imágenes. Los puntajes de las pruebas son la única moneda que cuenta en las aulas, por lo que estas imágenes tienden a ser de rendimiento de prueba y no dicen nada sobre lo que los alumnos pueden hacer, cómo lo hacen y qué/quien les importa. Las transcripciones de las conversaciones con un agente “abierto” impulsado por el aprendizaje automático podrían ayudar a crear imágenes mucho más ricas para que puedan implementar sus aprendizajes en la vida real.
Un artículo reciente con un problema adicional con el aprendizaje automático que a menudo se denomina inteligencia artificial (AI). Este término es problemático y que indica claramente que se desplaza a los seres humanos con las máquinas y confirma que todo se enfoca en cómo se trata de que los robots reemplacen a los maestros. En lugar de reemplazar a los seres humanos, estas sistemas estarán listos para trabajar junto con las personas para amplificar la capacidad humana y se desarrollarán de manera móvil, con lo que nos solo su VISIBILIDAD si no también su UTILIDAD en el mundo del aprendizaje será mayor.
En la mayoría de los aspectos de nuestras vidas, la tecnología ha hecho cambios significativos (para bien y para mal), pero en la educación, particularmente , todavía hay resistencia obstinada. La promesa de obtener mejores resultados en las pruebas mediante la aplicación del aprendizaje automático puede y debe atraer a los políticos, policy makers… y continuar obteniendo fondos. El aprendizaje automático puede determinar si ha levantado un pasaje textualmente de la web.
También podemos crear con la tecnología móvil y con su metodología y didáctica de aprendizaje un objeto móvil fácil con el aprendizaje digital, comenzando por la comprensión de los objetivos de aprendizaje y planificar el diseño del objeto a través del aprendizaje de diseño que considera el contenido de la información, la audiencia proyectada, el método de entrega y la interfaz , si el objeto es un objeto independiente o una integrada con actividades no móviles, y si la multimedia es rica o no.
El aprendizaje móvil es una especie de realidad aumentada, con los dispositivos móviles que permiten el acceso y la conectividad de información de muchas ciudades y otros entornos para mejorar la experiencia del alumno. Wireless Fidelity (WiFi) tecnologías y la divulgación amplia de muchos dispositivos móviles (teléfonos inteligentes, iPads, Tablet PC, ordenadores portátiles pequeños, y otros) han hecho que el acceso a Internet y la Web, sean realmente ubícuos.
Incluso con el aprendizaje en línea tradicional, que ayuda a que los objetos de aprendizaje digitales móviles sean accesibles, para una más amplia gama de puntos de acceso para que “en cualquier momento y en cualquier lugar” podamos aprender.
Además, los dispositivos móviles, con sus micrófonos, cámaras y otras tecnologías de la ingestión(software) permiten la captura de información del mundo real en formato digital y el intercambio de esa información en el mundo.
El crecimiento de las aplicaciones creativas permiten mucho más la interactividad en tiempo real, conciencia de temas de localización educativa y los intercambios multimedia.
El aprendizaje móvil se ha convertido en una forma viable de aprendizaje a distancia y mezclado (híbrido), de aprendizaje debido a las nuevas habilitaciones de diversas tecnologías.
El aprendizaje automático (Machine Learning, ML) ha revolucionado el mundo de las computadoras y lo hará en el de la eduación, permitiendo como acabamos de demostrar el aprendizaje personalizado y socializador, al permitirles aprender a medida que avanzan con grandes conjuntos de datos, mitigando así muchas trampas de programación previas e impases. Machine Learning crea algoritmos que, cuando se exponen a grandes volúmenes de datos, producirán autoaprendizaje y evolución. Cuando esta tecnología única impulsa las aplicaciones de Inteligencia Artificial (AI), la combinación es poderosa .Pronto podremos esperar ver robots inteligentes a nuestro alrededor haciendo todo nuestro trabajo, mucho más rápido, con mucha mayor precisión e incluso mejorando en cada paso. ¿Este mundo ya necesitará humanos inteligentes o pronto seremos superados por robots que piensan en sí mismos?¿Cuáles son las tendencias más visibles de Machine Learning ?
La popularización de los dispositivos móviles ofrecen una poderosa motivación para crear contenidos de aprendizaje pueden reproducir en dispositivos móviles automatizados .Los dispositivos móviles también permiten los usos del medio físico real en maneras que no eran alcanzables con otras tecnologías de aprendizaje en línea.
Además, las capacidades de comunicación entre los alumnos en sus dispositivos móviles también permiten más a fondo la colaboración y/0 co-aprendizaje:

                         a) Adoptar, adaptar  y actualizar fácilmente las tecnologías.

b) Desarrollar un ambiente digital personal a partir de una gama de                                            herramientas y servicios.

c) Comprender cómo la tecnología digital está cambiando las prácticas en                                 el trabajo, en la educación y en la vida social.

Será interesante ver si los cursos para estudiantes móviles se vuelven más comunes. No solo la replicación del diseño de un curso básico, sino también una experiencia de aprendizaje con tabletas y teléfonos inteligentes como los principales mecanismos de entrega para la enseñanza y el aprendizaje.

“Las características del aprendizaje móvil que se encuentran en la literatura incluyen palabras tales como: mobile learning, elearning, ahora, machine learning, aprendizaje automático, algoritmos, ‘personal’, ‘espontáneo’, ‘oportunista’, ‘informal’, ‘penetrante’, ‘situado’, ‘privado’, ‘sensible al contexto’, ‘mordida’ ‘tamaño’ y ‘portátil’. Esto implica una conceptualización del aprendizaje móvil en términos de las experiencias de los alumnos con énfasis en la propiedad del dispositivo, la informalidad, el movimiento y el contexto que siempre será inaccesible para el aprendizaje electrónico convencional (Kukulska-Hulme y Traxler, 2007). Diseñar para el aprendizaje móvil comienza considerando cómo la implementación o el uso de tecnologías móviles apoyarán esta conceptualización, o la consideración de cómo cualquier actividad de aprendizaje propuesta se relaciona con los atributos anteriores “.

Aprendizaje móvil: una guía práctica para organizaciones educativas que planean implementar una iniciativa de aprendizaje móvil

“Si bien hay muchos enfoques que una institución puede adoptar cuando se trata de aprendizaje móvil, desde la funcionalidad administrativa hasta el aprendizaje enriquecedor y las experiencias de aprendizaje , un factor clave a tener en cuenta es el alumno”.

“Al poner al alumno en primer lugar, la tecnología utilizada para entregar los recursos tiene en cuenta las variaciones locales en la conectividad. Donde los maestros tienen acceso confiable a Internet, los grupos de WhatsApp se han configurado para compartir videos de técnicas de enseñanza que entusiasman a los estudiantes con sus lecciones “.

Las tecnologías móviles son parte de la combinación general de aprendizaje mejorado de tecnología. En algunos casos, el aprendizaje basado en dispositivos móviles es parte de una experiencia de aprendizaje combinado y, a veces, el único mecanismo de entrega de aprendizaje es el móvil.

 

 

 

 

nlp_portada

 

 

El procesamiento del lenguaje natural y el aprendizaje automático se pueden aplicar en la educación de los aprendices  a abordar áreas problemáticas en la enseñanza y el aprendizaje. El sistema propuesto analiza los comentarios de los estudiantes de ambas encuestas de cursos y fuentes en línea para identificar la polaridad del sentimiento, las emociones expresadas y la satisfacción frente a la insatisfacción. Una comparación con los resultados de la evaluación directa demuestra la confiabilidad del sistema.

Los trabajadores y los aprendices de hoy y de mañana se enfrentan a momentos de aprendizaje, pero necesitan más a menudo estar en un el contexto de trabajo, muy por encima de lo que están en el aula o en línea (elearning).

Contextos laborales donde las oportunidades de aprendizaje informal son la mejor de las soluciones de aprendizaje . Estas soluciones informales sirven mejor a las necesidades individualizadas, personalizadas y socializadoras , que se pueden ejecutar gracias a su inmediatez [urgencia para llevar a cabo] y poder asumir riesgos delcuando se requiere un rendimiento impecable.

Con todo ello… ¿Cuán dependiente es nuestro ·ecosistema” en la aplicación de la formación tradicional? La pregunta más importante es: “¿Cuánto dependemos en nuestro paradigma de formacion actual?”.

Recomendariamos que debería ser un entorno de aprendizaje continuo (. Si el 95% del tiempo de un trabajador se desarrolla continuamente en su contexto de trabajo. El trabajo es continuo. El cambio es continuo. La demanda de un rendimiento impecable en el contexto de trabajo continuo y en este porcentaje entra naturalmente su formación, que por tanto también sera continuada y para siempre (Life long learning)…

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)

   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 retroalimentacion 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…)...

Dentro de este nuevo Escenario que se está generando por la adquisición en nuestro ADN de las TIC, como un elemento más de nuestra manera de pensar y de actuar, obliga de alguna manera a una mezcla de lo que sería la Formación reglada y regulada y la educación que todos adquirimos sin darnos cuenta, la que está ahí con nosotros sin darnos ni siquiera cuenta. Este fenómeno es el más importante y que cambiará la Sociedad por entero, las tecnologías hacen que la sucesión de las cosas sean de otra manera que nada tiene que ver con lo que hacíamos antes de ellas.

Es precismanete en esta dualidad donde quizás si el aprendizaje ya no sea un problema sino una solución a nuestras necesidades no solo en nuestro trabajo, sino en nuestra vidad en general.

El aprendizaje informal es cada vez más no sólo “un aprendizaje”, sino también como un recurso que se utiliza ampliamente en el diseño de los procesos de aprendizaje. Objetivo de enfoques, métodos e instrumentos enumerados para crear un marco general adecuado para contextos no deseados o auto-organizados y auto-aprendizaje fuera de la responsable institucional.

Frente a todo lo que hemos expuesto lo que ya no tiene sentido es reponer posicionamientos REDUCCIONISTAS y PROTECCIONISTAS, ya que no se sostendrían de ninguna manera, aunque nos pusiéramos pusilámines en una concepción catastrofista de una sociedad “maquinizada” que no viene al caso o de una falta de preparación de las personas, lo cual aún es menos creíble des de el momento que las Tecnologías conviven con nosotros de una manera normal y generalizada.

Ya ni siquiera los postulados de muchos “prohombres” de la pedagogía que aclaman:” Más pedagogía y menos tecnología”, pues ni eso tienen sentido, la Sociedad es un mashup de circunstancias y de acontecimientos que todos se producen por efectos varios y donde todo es necesario y nada puede ser excluido, por todo ello, nada es superior a nada ni a nadie y cada aspecto es importante según lo que se necesite, cómo y cuando.

 

Si en la actualidad la  pedagogía, basada en la continua investigación, indica que es adaptable y modificable a los valores formales e informal surgiendo nuevos maneras educativas que se adaptan a las exigencias de la situación y ofrece una alternativa educativa en la contemporaneidad, es probable que tenga resultados donde lograr niveles totales de alfabetización de gran alcance. (seguir leyendo En educación: ¿es suficiente un cambio pedagógico? ¿tecnológico? de Juan Domingo Farnós Miró

La pregunta como no podía y no debía ser, queda abierta, sois vosotros y vuestras circustancias las que deberéis dirimir con ello y entender a su vez que las hipótesis de ahora no son las de antes y por tanto deben permanecer así, abiertas.

juandon