Juan Domingo Farnos

Los miembros de nuestra sociedad moderna se enfrentan a situaciones políticas, sociales, económicas, tecnológicas y ambientales rápidos y cambiantes. En consecuencia, se espera que los miembros de esta sociedad sepan mantener el ritmo de estas situaciones variables, y sean capaces de adaptar sus habilidades y experiencia.

La ecología en ecosistemas abiertos de aprendizaje digitales puede utilizar diferentes principios inclusivos, abiertos y ubícuos, que las tecnologías nos permiten en cuanto a la evolución social, educativa, laboral…

La primera suposición importante en la ecología es que el flujo de la energía y el intercambio de materia a través de ecosistemas abiertos(por la red de energía y la materia): Juan Domingo Farnós (2000), Frielick (2004) y Reyna (2011).. digitales.

El concepto de «ecología en ecosistemas abiertos de aprendizaje digitales» se refiere a la aplicación de principios ecologistas en el contexto de entornos de aprendizaje que utilizan tecnologías digitales. Aquí se hacen uso de términos propios de la ecología para comprender y mejorar la dinámica de estos espacios educativos. Veamos las ideas clave:

  1. Flujo de Energía: En un ecosistema, la energía fluye a través de diferentes niveles tróficos (como productores, consumidores y descomponedores). En el contexto digital, esto se refiere a cómo la información y el conocimiento se generan, comparten y consumen en el entorno de aprendizaje. Por ejemplo, los recursos educativos, las interacciones entre estudiantes y profesores, y la retroalimentación son formas de «energía» que fluye en este sistema.
  2. Intercambio de Materia: En la ecología, la materia se mueve a través de los organismos y el ambiente en un ciclo constante. En el ámbito digital, esto se traduce en la circulación y transformación de información y conocimiento. Por ejemplo, los estudiantes pueden asimilar información, procesarla y luego compartirla a través de foros, discusiones en línea u otros medios digitales.
  3. Ecosistemas Abiertos: Esto se refiere a la naturaleza no restringida y colaborativa de los entornos digitales de aprendizaje. En lugar de ser cerrados y jerárquicos, estos ecosistemas permiten la participación y contribución de múltiples actores, como estudiantes, profesores, expertos externos y recursos educativos diversos.
  4. Principios Inclusivos: Implica que el entorno de aprendizaje digital está diseñado para ser accesible y beneficioso para una amplia variedad de participantes, independientemente de su nivel de habilidad, experiencia o contexto. Esto puede incluir el diseño de materiales y actividades que se adapten a diferentes estilos de aprendizaje y niveles de conocimiento.
  5. Principios Abiertos: Significa que el acceso y la disponibilidad de recursos y herramientas educativas son transparentes y no están restringidos por barreras artificiales. Se fomenta el uso y la reutilización de materiales, así como la colaboración entre diferentes partes interesadas.
  6. Principios Ubícuos: Se refiere a la idea de que el aprendizaje puede ocurrir en cualquier lugar y en cualquier momento gracias a la tecnología digital. Los participantes pueden acceder a los recursos y participar en actividades de aprendizaje desde una variedad de dispositivos y ubicaciones.

Los principios inclusivos, abiertos y ubícuos se relacionan con la ecología en ecosistemas abiertos de aprendizaje digitales de la siguiente manera:

  • La ecología en ecosistemas abiertos de aprendizaje digitales puede utilizar diferentes principios inclusivos, abiertos y ubícuos, que las tecnologías nos permiten en cuanto a la evolución social, educativa, laboral.
  • La primera suposición importante en la ecología es que el flujo de la energía y el intercambio de materia a través de ecosistemas abiertos (por la red de energía y la materia).
  • La permeabilidad de un ecosistema de aprendizaje digital para la exportación y/o importación de la información y el conocimiento depende de la naturaleza de la «arquitectura» de los componentes del sistema, como la conectividad y la agrupación, y las características de los usuarios.
  • La inclusión digital es un objetivo clave en la ecología de los ecosistemas abiertos de aprendizaje digitales, que busca democratizar el acceso a las TIC y reducir la exclusión o brecha digital al máximo.
  • Los principios inclusivos, abiertos y ubícuos permiten la conformación de nichos diferentes y relacionados en los ecosistemas de aprendizaje digitalizados.
  • La ecología en ecosistemas abiertos de aprendizaje digitales busca adaptarse a las situaciones políticas, sociales, económicas, tecnológicas y ambientales rápidas y cambiantes que enfrentan los miembros de nuestra sociedad moderna.

Al integrar estos conceptos en la ecología de los ecosistemas abiertos de aprendizaje digitales, se busca crear entornos educativos más dinámicos, colaborativos y adaptativos, que aprovechen al máximo las posibilidades que ofrecen las tecnologías digitales para la evolución social, educativa y laboral.

Ello conlleva a una permeabilidad de un ecosistema de aprendizaje digital para la exportación y / o importación de la información y el conocimiento depende de la naturaleza de la “arquitectura” de los componentes del sistema (por ejemplo, la conectividad, la agrupación), las características de los protagonistas y su diversidad y distribución , y las interacciones entre ellos …

Si queremos conocer bien lo que es UN ECOSISTEMAS DIGITAL, lo habremos de comparar con algo, sino es imposible, ya que este término realmente no existe si nos referimos a las Tecnologías de la Información y la comunicación…

Al comparar un ecosistema digital con algo, se busca encontrar similitudes en la estructura y el funcionamiento del sistema para comprender mejor su naturaleza. En este caso, se menciona que si no comparamos un ecosistema digital con algo, es difícil comprenderlo completamente, ya que el término en sí no tiene un referente claro en el contexto de las Tecnologías de la Información y la Comunicación (TIC).

Relación con Árboles de Decisión y Algoritmos en Python:

Podemos establecer una analogía entre la naturaleza de un ecosistema digital y la construcción de un modelo de aprendizaje automático, como un árbol de decisión:

  1. Arquitectura del Sistema:
    • En un ecosistema digital, la «arquitectura» se refiere a cómo están conectados los diferentes componentes (como usuarios, recursos, herramientas) y cómo se agrupan.
    • En un árbol de decisión, la arquitectura se refiere a cómo se organizan los nodos y las decisiones para clasificar o predecir datos.
  2. Características y Diversidad de los Protagonistas:
    • En un ecosistema digital, los «protagonistas» son los participantes, como estudiantes, profesores, expertos, etc., y su diversidad y distribución afectan la dinámica del sistema.
    • En un árbol de decisión, las características de los datos (como atributos) y su diversidad influyen en cómo se toman las decisiones para clasificar o predecir.
  3. Interacciones:
    • En un ecosistema digital, las interacciones entre los protagonistas (como colaboraciones, discusiones, retroalimentación) son fundamentales para el aprendizaje.
    • En un árbol de decisión, las interacciones entre los nodos y las reglas determinan cómo se llega a una decisión final.

La analogía ayuda a comprender que, al igual que en un ecosistema natural, un ecosistema digital es un sistema complejo con múltiples elementos interconectados que interactúan entre sí. Al construir modelos de aprendizaje automático como árboles de decisión, se sigue una lógica similar al considerar cómo los diferentes nodos y decisiones interactúan para llegar a una conclusión o predicción.

Ecosistema Digital en Educación Disruptiva con Intervención de la IA en la Educación Superior

En un ecosistema digital de educación disruptiva en el nivel de educación superior, la intervención de la Inteligencia Artificial (IA) juega un papel crucial en la personalización, eficiencia y calidad del aprendizaje. Aquí te presento una propuesta de cómo podría estructurarse este ecosistema:

  1. Plataforma de Aprendizaje Digital:
    • Una plataforma centralizada que sirve como el núcleo del ecosistema. Puede ser una plataforma en línea que integra múltiples herramientas y recursos para el aprendizaje, como contenido multimedia, foros de discusión, evaluaciones, etc.
  2. Contenido Educativo Personalizado:
    • La IA analiza el perfil y el progreso del estudiante para recomendar y adaptar el contenido de estudio. Utiliza algoritmos de recomendación y aprendizaje automático para sugerir recursos y actividades que se ajusten al nivel de competencia y preferencias del estudiante.
  3. Sistemas de Evaluación Automatizada:
    • Herramientas de evaluación basadas en IA que pueden analizar respuestas y proporcionar retroalimentación inmediata. Esto incluye pruebas automatizadas, corrección de trabajos y simulaciones interactivas.
  4. Tutores Virtuales Inteligentes:
    • Agentes de chatbot o asistentes virtuales que pueden responder preguntas comunes, proporcionar apoyo contextual y ofrecer guía sobre recursos y actividades de estudio.
  5. Sistema de Analítica de Aprendizaje:
    • Utiliza técnicas de IA para analizar datos de comportamiento de los estudiantes, como tiempos de interacción, patrones de estudio y desempeño en evaluaciones. Proporciona información valiosa para la toma de decisiones educativas.
  6. Colaboración y Comunidad:
    • Espacios virtuales para la colaboración entre estudiantes, profesores y expertos. La IA puede facilitar la creación de grupos de estudio o equipos de proyecto basados en intereses y habilidades compartidas.
  7. Sistema de Recomendaciones de Carrera y Empleo:
    • Utilizando la información sobre habilidades y preferencias del estudiante, la IA puede proporcionar orientación sobre opciones de carrera y conectar a los estudiantes con oportunidades laborales relevantes.
  8. Integración con Recursos Externos:
    • La plataforma puede estar conectada con bibliotecas digitales, bases de datos de investigación, simulaciones en línea y otras fuentes de conocimiento que enriquezcan el aprendizaje.
  9. Capacitación y Actualización Continua de Profesores:
    • La IA puede asistir a los profesores en la creación de materiales educativos, el diseño de actividades de aprendizaje y la evaluación de desempeño estudiantil.
  10. Seguridad y Privacidad de Datos:
  • Un enfoque integral en la protección de datos personales y la privacidad de los estudiantes, garantizando que la IA se utilice de manera ética y responsable.

Este ecosistema digital no solo ofrece una experiencia de aprendizaje altamente personalizada, sino que también aprovecha la IA para mejorar la eficiencia, el acceso a recursos y la calidad de la educación superior. Es importante que la implementación se realice de manera cuidadosa, teniendo en cuenta la formación de los docentes y el respeto a los derechos de privacidad de los estudiantes.

Vamos a crear un algoritmo simple en Python que clasifica flores del conjunto de datos Iris utilizando un algoritmo de árbol de decisión. Luego, mostraremos cómo este algoritmo podría integrarse en un sistema de aprendizaje automático y autónomo con Machine Learning, Deep Learning y Redes Neuronales.

Algoritmo de Clasificación de Flores usando un Árbol de Decisión:

python
Copy code

Importar bibliotecas

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

Cargar conjunto de datos Iris

iris = load_iris()
X = iris.data
y = iris.target

Dividir datos en conjuntos de entrenamiento y prueba

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

Crear y entrenar el árbol de decisión

tree_classifier = DecisionTreeClassifier()
tree_classifier.fit(X_train, y_train)

Hacer predicciones

y_pred = tree_classifier.predict(X_test)

Evaluar precisión del modelo

accuracy = accuracy_score(y_test, y_pred)
print(f»Precisión del modelo: {accuracy}»)
Sistema de Aprendizaje Automático y Autónomo:

Machine Learning:

El algoritmo de árbol de decisión que acabamos de implementar es un ejemplo de Machine Learning. Puede utilizarse para clasificar flores en función de características como longitud del sépalo, ancho del sépalo, longitud del pétalo y ancho del pétalo.
Deep Learning y Redes Neuronales:

Para problemas más complejos o con conjuntos de datos grandes, se pueden emplear técnicas de Deep Learning y Redes Neuronales. En el caso de clasificación de imágenes (como reconocimiento de flores a partir de imágenes), una red neuronal convolucional (CNN) sería una opción común.
Ejemplo con Deep Learning y Redes Neuronales (usando TensorFlow y Keras):

python
Copy code
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

Crear el modelo de red neuronal

model = Sequential([
Dense(64, activation=’relu’, input_shape=(4,)),
Dense(3, activation=’softmax’)
])

Compilar el modelo

model.compile(optimizer=’adam’,
loss=’sparse_categorical_crossentropy’,
metrics=[‘accuracy’])

Entrenar el modelo

model.fit(X_train, y_train, epochs=10, batch_size=32, validation_data=(X_test, y_test))

Evaluar el modelo

loss, accuracy = model.evaluate(X_test, y_test)
print(f»Precisión del modelo de Red Neuronal: {accuracy}»)


Este ejemplo ilustra cómo se podría aplicar el aprendizaje automático (Machine Learning) con un árbol de decisión y el aprendizaje profundo (Deep Learning) con una red neuronal para abordar el mismo problema de clasificación de flores. Es importante destacar que en problemas más complejos, el Deep Learning puede superar a los métodos de Machine Learning tradicionales.

“Una ecología es un entorno que fomenta y apoya la creación de redes y comunidades (y también en estructuras mixtas como las redes en práctica (Network of Practice) muy útiles para el desarrollo profesional). La definición aplicada a estructuras biológicas se aplica también a las comunidades de aprendizaje (y otros tipos de comunidades como las de investigación y las de interés. Una ecología de aprendizaje es un entorno que es consistente con (y no antagónicos a) que los alumnos aprenden como ha escrito John Seely Brown sobre el concepto de ecología del conocimiento. (según Fernando Santamaría)

Esto nos hace ir a una analogía con un Ecosistema biológico, por tanto las “criaturas que viven y conviven en él, en el mundo digital serán… las complejas interacciones entre los estudiantes y interfaz, estudiante y profesor, alumno y contenido, y el estudiante y el estudiante (pares), que conforman el aprendizaje .

El análisis de estas interacciones es crucial para la comprensión en profundidad de aprendizaje en línea de los entornos de aprendizaje, …

Comunidades que se interrelacionan aunque sea desde posicionamientos que conforman NICHOS diferentes, pero que cuando se pretende dar un VALOR o un APRENDIZAJE, necesitan estar en constante relación…

Establecer estrategias “valientes” de aprendizaje en la Universidad y en la escuela de siempre, es casi una utopía, pero es la única manera de “despertar” a este “muerto viviente” y allá vamos ( El análisis se centrará, de forma exclusiva, en el impacto producido por las nuevas tecnologías al ser introducidas en la escuela. Se intentará determinar si dicha introducción repercute y modifica las características propias de la escuela moderna, influyendo en la necesidad de una redifinición, incluso su capital más intelectual está “muriéndose”):…

-Aquellos que esperan que las universidades tradicionales de reformar por su cuenta están engañando a sí mismos. La trayectoria final de la decadencia burocrática es tan cierta como la caída del imperio romano-por ejemplo-, su trayectoria mantiene se constante mediante un sistema de gobernanza deficiente y los incentivos perversos que promueven la incompetencia y recompensan a “los pequeños” que buscan el poder-pseudo-intelectual, excusados en viejas prerrogativas que les dan un falso posicionamiento de poder …

A pocos reformadores valientes como Michael Crow en Arizona State University y Kim Clark en la Universidad Brigham, Young en Idaho están llevando a cabo reformas serias, pero van a ser valores atípicos..

-Nuestras escuelas, universidades tradicionales han quedado atrapadas en una espiral de muerte burocrática, más interesadas en la preservación y expansión de salarios y beneficios para los profesores titulares y administradores que servir a los estudiantes.

Los estudiantes, los padres y los empleadores son cada vez más escépticos sobre el valor de un título universitario,pero, ¿Qué lo puede reemplazar? …yo creo que nada lo puede ni debe reemplazarlo, es más, sería caer en un error de quitar un sistema y poner otro, que al final del camino se volverá a viciar y seguiremos en más de lo mismo…

Debemos instaurar una sociedad donde el VALOR sean las personas y solo ellas dirijan su vida, y no me refiero de manera individualizada, que también, sino aprendiendo para mejorar como personas individuales aportando cada vez más ese valor a la comunidad..

Las universidades de todo el mundo todavía están girando el sueño de mediados del siglo XX de la movilidad social a través de la educación, mientras que la vida está cambiado y muy rápido:

–Todos los cambios que se están produciendo en la sociedad de la información y del conocimiento, han impactado al sistema educativo universitario en el mundo estableciendo una nueva concepción filosófica en los docentes y en las instituciones de educación superior. Esta realidad conlleva al surgimiento de nuevos requerimientos y prácticas de gestión para el docente, para responder de forma eficiente y efectiva a los cambios que experimentamos hoy en día en este sector.

–Se desarrolla la concepción del docente como un Gestor Axiológico Cultural de las transformaciones sociales, tiene la misión de busca que la educación del estudiante esté centrada en los valores humanos y sociales y no sólo en el conocimiento, ya que la formación del individuo debe ser profunda y sensible en cuanto al compromiso social, la conservación y respeto de la diversidad cultural y del ambiente, la superación personal mediante el autoaprendizaje, el fortalecimiento de la autoestima y el desarrollo de la apreciación por el arte en todas sus manifestaciones:

1. Queremos retirar las clasificación segregadoras y de castigo.

2. Valorar los errores . En lugar de penalizar los errores, construir sobre ellos como oportunidades de aprendizaje.

3. Establecer un itinerario de correcciones de las actuaciones de aprendizaje presentadas que queremos que sean públicas y en voz alta, como siempre hemos recomendado en la Educación disruptiva.

4. Dejar de hacer de una vez por todas pruebas, exámenes, controles etc ya que todo ello en nuestra cultura produce nerviosismo, intranquilidad y pocos aspectos positivos, por lo menos para la mayoría.

5- Los aprendices podrán trabajar en solitario, en grupos cooperativos etc, fuera de las clases para mejorar en sus aprendizaje, incluso fuera del amparo de los docentes y aportar sus mejoras, propuestas a las clases ordinarias, eso significará mayor motivación y seguramente un aprendizaje mucho más rico.

6. Dejen que los estudiantes elijan sus lecturas, sus referentes, aquellos que les interesen y les gusten más, no aquello que ustedes les propongan .

7. Obviamente es muy difícil que las universidades dejen elegir a los aprendices como caminar solos en la búsqueda de su titulo: grados, o en las escuelas, currículum, pero es entonces cuando se deben abrir muchísimos más los aprendizajes y pasar a ser abiertos, inclusivos y ubícuos, solo de esta manera supliremos la rigidez del sistema por el dinamismo y la obertura de las estrategias a trabajar y aprender y esto no solo será en beneficio de los aprendices, si no del propio sistema que poco a poco podrá dejar de ser tan encarquerado como lo es ahora.

8. El sistema y especialmente los docentes, ahora facilitadores, deberán aprender a ponerse en la situación de sus aprendices ya que la gran diversidad que existe cada vez más en le mundo con sociedades mestizas y con problemáticas tan diversas que este debe ser el camino de cualquier persona que se dedique al mundo de la educación, bajar del pedestal y aterrizar al lado de los propios aprendices, esta es la misión de la Educación Disruptiva, entre otras.

Más que discutir cómo empujar a la universidad-la educación en general– hacia esta etapa de cambios, lo que haremos será pensar en rutas de auto-innovación (incremental y radical) bajo la lógica de aprender a re-aprender en donde el ‘sujeto en red’ puede diseñar sus propias rutas de adaptación y renovación permanente.”.El tema de la enseñanza queda ya desvirtuado, superado por la educación inclusiva. (Juan Domingo Farnós)…[…] se puede aprender en cualquier lugar, pero además valorándolo, es decir, si yo aprendo fuera del centro, que lo que yo aprenda tenga tanto valor como lo que es curricular, como lo que está dentro del centro, y no sólo eso, sino que tenga más valor que lo curricular por tratarse de un aprendizaje que atiende a lo que cada alumno quiere aprender y de la manera que éste desea, especialmente de manera cooperativa y a través de la investigación:

El trabajo de aprendizaje cooperativo lo podemos complemetar con un trabajo DE INVESTIGACION, que nos permitirá aprender haciendo:

a-Elección y distribución de subtemas. Los alumnos escogen un subtema, según sus aptitudes o intereses, dentro de un tema general planteado por el profesorado de acuerdo al currículum

b-Cada equipo elige un subtema diferente, de manera que todo el grupo clase trabaja el mismo tema general, pero desde diferentes especializaciones (como lo hace la comunidad científica)

c-Planificación del estudio del subtema: Los miembros del equipo, junto con el profesor/a, determinan los objetivos que se proponen y planifican los procedimientos que utilizaran para conseguirlos, al mismo tiempo distribuyen el trabajo a realizar

d-Desarrollo del plan: Los alumnos desarrollan, por escrito, su plan de trabajo. El profesor/a sigue el progreso de cada grupo y ofrece su ayuda cuando sea necesaria.

e-Análisis y síntesis: Los alumnos analizan y evalúan la información obtenida. La resumen y la presentan al resto de la clase.

f-Presentación del trabajo: Una vez expuesto, se plantean preguntas y se da respuesta a las posibles cuestiones, dudas o bien ampliaciones del tema que se puedan plantear.

g-Evaluación: Profesor/a y alumnos, conjuntamente realizan la evaluación del trabajo en grupo y la exposición. No es incompatible con una evaluación individual posterior.

También nos encontramos con el circuito de retroalimentación ddesde dentro hasta a fuera y al revés, con lo que esta interacción continuada es vital para cualquier sistema de aprendizaje

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

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

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

* Espacios para la interacción y la actividad social.

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

* Espacios para la educación y la formación.

Con ello realizamos análisis de las necesidades, cuando necesitamos establecer prioridades en la confección de formación, basándonos en las expectativas que los aprendices demandan…sería como establecer un elemento de diseño (o revisión) , confeccionar Escenarios de Aprendizajes que se adapten a ellos, y en el mejor de los casos, dejarles a ellos que participen, para que estas “creaciones” se adapten mejor a ellos.

Su propósito es establecer los principales resultados de aprendizaje y necesidades en el diseño y la ejecución de una actividad o curso de aprendizaje.Las necesidades se refieren a las características, problemas y posibles limitaciones de los estudiantes (o de otros interesados pertinentes). El análisis trata de coincidir con las técnicas posibles o propuestas y materiales a estas necesidades y así determinar si el diseño es adecuado a los objetivos previstos.

Los tres ejes clave para una respuesta adecuada a las diferencias y necesidades son:

-Accesibilidad: disponibilidad de medidas, ayudas y recursos de apoyo adicionales orientados a facilitar el acceso, la movilidad, la comunicación, la participación y el aprendizaje de todo el alumnado

–Flexibilidad y adaptabilidad: capacidad de la escuela para enriquecer y adaptar el currículo y la enseñanza a la diversidad de necesidades de aprendizaje del alumnado.

–Clima socio emocional: ambiente socio emocional de acogida y valoración de las diferencias y potencialidades individuales para favorecer el desarrollo de todos los estudiantes.

“Nada es absoluto, hasta la realidad más evidente lo es , nadie tiene todas las certezas controladas, siempre existe otro camino que se nos escapa a nuestros conocimientos, esa es nuestra sociedad…” 

Juan Domingo Farnos

Bibliografía:

  1. Brown, J. S., & Duguid, P. (2002). The social life of information. Harvard Business Press.
  2. Farnos, J. D. (2015). Educar y aprender en un mundo conectado (Cuestiones por resolver) https://www.linkedin.com/pulse/aprendizaje-virtual-cuestiones-por-resolver-juan-domingo-farn%C3%B3s-mir%C3%B3/?originalSubdomain=es
  3. Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2(1), 3-10.
  4. Anderson, T., & Dron, J. (2011). Three generations of distance education pedagogy. The International Review of Research in Open and Distributed Learning, 12(3), 80-97.
  5. Siemens, G., & Conole, G. (Eds.). (2015). Design thinking for education: Conceptions and applications in teaching and learning. Springer.
  6. Prensky, M. (2001). Digital natives, digital immigrants. On the Horizon, 9(5), 1-6.
  7. Goodfellow, I., Bengio, Y., Courville, A., & Bengio, Y. (2016). Deep learning (Vol. 1). MIT press Cambridge.
  8. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.
  9. Mitchell, T. (1997). Machine learning. McGraw Hill.
  10. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning. Springer.
  11. Bishop, C. M. (2006). Pattern recognition and machine learning. springer.
  12. Goodfellow, I., Bengio, Y., Courville, A., & Bengio, Y. (2016). Deep learning (Vol. 1). MIT press Cambridge.