Inteligencia Artificial: su transitar por la sociedad de hoy (aclaraciones, propuestas, ejemplos de herramientas). De su relación con la educación a su necesidad «vital».

Juan Domingo Farnós

Imagen: Sandro Mikautadze

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 estopodemos utiliar 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 investigóla 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  metaestudio 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. 

—

Seguiremos si es necesario hasta que la intervención de la Inteligencia artificial quede clara para la sociedad….

juandon