La inteligencia artificial como herramienta poderosa para mejorar la efectividad del aprendizaje en un entorno educativo disruptivo (aprendizaje automatico y algoritmos por recomendación)

Juan Domingo Farnós Miró

El aprendizaje efectivo no ocurre en un vacío de contenido. (McPeck (1990) y otros teóricos del pensamiento crítico han argumentado que la enseñanza de habilidades de pensamiento generalizadas y técnicas es inútil fuera de un dominio particular del conocimiento en el que puedan estar conectados unos con otros….lo que venimos diciendo, en el conocimiento y el aprendizaje prima más la misma red que el propio contenido (propio de Connectivismo y del mismos Mcluhan).

Comparación de Autores en Tablas:

Aspecto	McPeck (1990)	Connectivismo
Enfoque	Pensamiento Crítico	Teoría del Aprendizaje
Énfasis	Contexto específico del conocimiento	Importancia de conexiones y redes
Visión del Aprendizaje	Arraigado en dominio específico	Enfocado en conexiones y redes
Habilidades Enseñadas	Habilidades de pensamiento específicas	Enfoque en la creación de redes
Importancia de la Red	No mencionada	Fundamental en el aprendizaje
Conexión con McLuhan	No mencionada	Aludiendo a la influencia de la forma de comunicación en la comprensión

McPeck enfoca en la importancia de la aplicabilidad de habilidades de pensamiento en un contexto específico de conocimiento, mientras que el Connectivismo pone énfasis en la creación de redes y conexiones en el proceso de aprendizaje. Ambas perspectivas resaltan la relevancia del contexto y las conexiones en el proceso de adquisición de conocimiento.

Supongamos que queremos modelar el proceso de aprendizaje efectivo en Python. Podríamos representar esto usando clases y métodos para ilustrar la importancia del contexto y las conexiones:

pythonCopy code

class AprendizajeEfectivo: def __init__(self, contenido): self.contenido = contenido def aprender(self): if self.contenido == "Vacío": return "El aprendizaje efectivo no ocurre en un vacío de contenido." else: return "Se está produciendo un aprendizaje efectivo." contenido_vacio = AprendizajeEfectivo("Vacío") contenido_especifico = AprendizajeEfectivo("Contenido Específico") print(contenido_vacio.aprender()) # Salida: "El aprendizaje efectivo no ocurre en un vacío de contenido." print(contenido_especifico.aprender()) # Salida: "Se está produciendo un aprendizaje efectivo."

En el ejemplo anterior, creamos una clase AprendizajeEfectivo que toma un parámetro contenido. El método aprender verifica si el contenido es vacío o específico y retorna un mensaje correspondiente.

Podemos representar la idea de McPeck y el Connectivismo usando un árbol de decisión para visualizar las condiciones que determinan el aprendizaje efectivo.

rustCopy code

Condición: ¿Contenido Vacío? | |-- Sí --> "El aprendizaje efectivo no ocurre en un vacío de contenido." | |-- No --> "Se está produciendo un aprendizaje efectivo." (Connectivismo)

En este árbol de decisión, la primera condición es si el contenido está vacío. Si es el caso, la conclusión es que el aprendizaje efectivo no puede ocurrir. Si no es vacío, entonces el aprendizaje efectivo está ocurriendo, en línea con el Connectivismo que destaca la importancia de las conexiones y redes en el proceso de aprendizaje.

Introducir el aprendizaje efectivo en la educación disruptiva con la inteligencia artificial implica aprovechar la tecnología avanzada para personalizar y optimizar la experiencia de aprendizaje:

1. Personalización del Aprendizaje:

La educación disruptiva se caracteriza por desafiar los métodos tradicionales de enseñanza, fomentando la adaptabilidad y la innovación. La inteligencia artificial (IA) puede desempeñar un papel clave en este proceso al proporcionar herramientas y plataformas que se adaptan a las necesidades y estilos de aprendizaje individuales. Los algoritmos de aprendizaje automático pueden analizar el progreso y las preferencias de cada estudiante para ofrecer contenido y actividades específicos.

2. Análisis de Datos y Retroalimentación Instantánea:

La IA puede procesar grandes cantidades de datos de manera rápida y precisa. Esto permite evaluar el desempeño de los estudiantes en tiempo real y proporcionar retroalimentación inmediata. Por ejemplo, un sistema basado en IA puede identificar áreas de dificultad y recomendar recursos adicionales o actividades de refuerzo.

3. Contenido Educativo Contextualizado:

La integración de IA puede permitir que el contenido educativo se adapte al contexto y a los intereses del estudiante. Por ejemplo, si un estudiante muestra interés en la biología marina, el sistema podría ofrecer materiales relacionados con este tema.

4. Educadores como Facilitadores y Guías:

La IA no reemplaza a los educadores, sino que les proporciona herramientas poderosas para enfocarse en facilitar el aprendizaje en lugar de tareas administrativas o de evaluación rutinaria. Los maestros pueden utilizar la información proporcionada por la IA para diseñar estrategias de enseñanza más efectivas.

5. Aprendizaje Basado en Proyectos y Colaborativo:

La IA puede apoyar la creación de entornos de aprendizaje colaborativos y basados en proyectos. Al analizar los intereses y habilidades de los estudiantes, puede sugerir equipos de trabajo o proyectos que fomenten el trabajo en equipo y la creatividad.

6. Acceso a Recursos de Aprendizaje Avanzados:

La IA puede ofrecer recomendaciones de lecturas, videos y recursos multimedia adaptados al nivel y estilo de aprendizaje de cada estudiante. Esto permite un acceso más eficiente a materiales de alta calidad y relevantes.

7. Evaluación y Seguimiento Continuo:

La IA puede automatizar la evaluación de habilidades y conocimientos a lo largo del tiempo, lo que proporciona un seguimiento detallado del progreso de cada estudiante. Esto facilita la identificación temprana de áreas de mejora y permite ajustar las estrategias de enseñanza de manera oportuna.

La inteligencia artificial puede ser una herramienta poderosa para mejorar la efectividad del aprendizaje en un entorno educativo disruptivo. Al utilizar la IA de manera estratégica, se puede personalizar la experiencia educativa y optimizar el proceso de enseñanza y aprendizaje para cada estudiante

Para representar el aprendizaje efectivo en una clase de educación superior con las premisas de la educación disruptiva de Juan Domingo Farnós vs IA, se pueden considerar las siguientes prácticas:

Enfoque centrado en el estudiante: La educación disruptiva propuesta por Juan Domingo Farnós se basa en la idea de que el aprendizaje debe adaptarse a las necesidades individuales de los estudiantes, fomentando su participación activa y su capacidad para aprender de manera autónoma. Esto se puede lograr mediante la utilización de tecnologías de la información y la comunicación (TIC) y la adopción de un enfoque centrado en el estudiante.
Uso de tecnologías disruptivas: La educación disruptiva de Juan Domingo Farnós se basa en el uso de tecnologías disruptivas, como la inteligencia artificial (IA) y el aprendizaje profundo. Estas tecnologías pueden utilizarse para facilitar el aprendizaje adaptado a las necesidades individuales de los estudiantes y para mejorar la experiencia de aprendizaje.
Adquisición de habilidades relevantes: La educación disruptiva busca preparar a los estudiantes para enfrentar los desafíos y aprovechar las oportunidades que surgen en un contexto educativo disruptivo3. Esto implica la adquisición de habilidades relevantes para el entorno educativo actual y futuro, como habilidades de pensamiento crítico y resolución de problemas.
Participación activa de la comunidad educativa: La adopción de un enfoque disruptivo requiere una planificación estratégica, recursos adecuados y la participación activa de la comunidad educativa. La universidad debe estar dispuesta a abrazar el cambio, adaptar sus metodologías pedagógicas y asegurarse de que el personal docente esté preparado y capacitado para utilizar eficazmente las tecnologías disruptivas3.

Para representar el aprendizaje efectivo en una clase de educación superior con las premisas de la educación disruptiva de Juan Domingo Farnós vs IA, se deben considerar prácticas centradas en el estudiante, el uso de tecnologías disruptivas, la adquisición de habilidades relevantes y la participación activa de la comunidad educativa.

Para evaluar el aprendizaje efectivo en una clase de educación superior con la educación disruptiva de Juan Domingo Farnós y la IA, se pueden considerar los siguientes métodos:

Uso de herramientas de IA para mejorar el aprendizaje: Los estudiantes pueden utilizar herramientas de IA, como chatbots, análisis de datos y sistemas de recomendación, para mejorar su aprendizaje y personalizar su experiencia de aprendizaje2.
Evaluación basada en habilidades y competencias: La educación disruptiva se centra en la adquisición de habilidades y competencias relevantes para el siglo XXI, como el pensamiento crítico, la resolución de problemas y la creatividad1. Por lo tanto, la evaluación debe centrarse en la medición de estas habilidades y competencias, en lugar de simplemente evaluar la memorización de contenidos.
Evaluación formativa: La evaluación formativa implica proporcionar retroalimentación continua a los estudiantes durante todo el proceso de aprendizaje4. Esto permite a los estudiantes identificar sus fortalezas y debilidades y ajustar su aprendizaje en consecuencia.
Evaluación basada en proyectos: La evaluación basada en proyectos implica la realización de proyectos prácticos que permiten a los estudiantes aplicar sus habilidades y conocimientos en situaciones reales4. Esto permite a los estudiantes demostrar su comprensión y habilidades de una manera más auténtica y relevante.
Evaluación por pares: La evaluación por pares implica que los estudiantes evalúen el trabajo de sus compañeros y proporcionen retroalimentación constructiva4. Esto fomenta la colaboración y el aprendizaje entre iguales, y permite a los estudiantes desarrollar habilidades de evaluación y retroalimentación.

Para evaluar el aprendizaje efectivo en una clase de educación superior con la educación disruptiva de Juan Domingo Farnós y la IA, se pueden considerar métodos como el uso de herramientas de IA, la evaluación basada en habilidades y competencias, la evaluación formativa, la evaluación basada en proyectos y la evaluación por pares.

Rúbrica para evaluar la programación con Python en la asignatura de Pensamiento Computacional, publicada por EdutekaLab:

Rúbrica para la evaluación de Programación con Python

Esta rúbrica tiene como objetivo evaluar el aprendizaje adecuado de la programación con Python en la asignatura Pensamiento Computacional de estudiantes de la edad de 17 años en adelante. Se evalúan de forma individual cada criterio para obtener una visión detallada de las fortalezas y debilidades del estudiante en cada aspecto evaluado. La rúbrica consta de 6 columnas, en la primera se despliegan los criterios de evaluación y en las siguientes se escala el valor de desempeño a través de Excelente, Sobresaliente, Bueno, Aceptable y Bajo.

Criterios de Evaluación	Excelente	Sobresaliente	Bueno	Aceptable	Bajo
Conocimiento del lenguaje Python	El estudiante demuestra un conocimiento profundo y completo del lenguaje de programación Python en la creación y depuración de código.	El estudiante demuestra un conocimiento sólido y consistente en el lenguaje de programación Python en la creación y depuración de código.	El estudiante demuestra un conocimiento general y adecuado en el lenguaje de programación Python en la creación y depuración de código.	El estudiante demuestra un conocimiento parcial y limitado en el lenguaje de programación Python en la creación y depuración de código.	El estudiante presenta un conocimiento insuficiente en el lenguaje de programación Python en la creación y depuración de código.
Aplicación de conceptos algorítmicos en Python	El estudiante demuestra una aplicación eficiente y precisa de conceptos algorítmicos en Python en la creación de programas complejos.	El estudiante demuestra una aplicación satisfactoria y coherente de conceptos algorítmicos en Python en la creación de programas.	El estudiante demuestra una aplicación adecuada y correcta de conceptos algorítmicos en Python en la creación de programas sencillos.	El estudiante demuestra una aplicación parcial y limitada de conceptos algorítmicos en Python en la creación de programas sencillos y presenta algunas dificultades para programar en entornos más complejos.	El estudiante presenta una aplicación insuficiente de conceptos algorítmicos en Python y tiene dificultades para programar en entornos sencillos de esta índole.
Identificación y corrección de errores en código Python	El estudiante demuestra una habilidad destacada en la identificación y corrección de errores en código Python, y puede explicar de manera clara los pasos realizados para solucionarlos.	El estudiante demuestra una habilidad satisfactoria en la identificación y corrección de errores en código Python, y puede explicar los pasos realizados para solucionarlos.	El estudiante demuestra una habilidad adecuada en la identificación y corrección de errores en código Python, y puede describir los pasos realizados para solucionarlos.	El estudiante demuestra una habilidad parcial en la identificación y corrección de errores en código Python, y tiene dificultades para explicar los pasos realizados para solucionarlos.	El estudiante presenta dificultades para identificar y corregir errores en código Python, y tiene dificultades para describir los pasos realizados para solucionarlos.
Uso de recursos en línea para solucionar problemas de código Python	El estudiante demuestra una habilidad excepcional en el uso de recursos en línea para solucionar problemas en código Python, y puede explicar de manera clara y detallada cómo los recursos en línea les ayudaron en la solución.	El estudiante demuestra una habilidad satisfactoria en el uso de recursos en línea para solucionar problemas en código Python, y puede explicar cómo los recursos en línea les ayudaron en la solución.	El estudiante demuestra una habilidad adecuada en el uso de recursos en línea para solucionar problemas en código Python, y puede describir cómo los recursos en línea les ayudaron en la solución.	El estudiante demuestra una habilidad parcial en el uso de recursos en línea para solucionar problemas en código Python, y tiene dificultades para explicar cómo los recursos en línea les ayudaron en la solución.	El estudiante presenta dificultades en el uso de recursos en línea para solucionar problemas en código Python, y tiene dificultades para describir cómo los recursos en línea les ayudaron en la solución.
Diseño y presentación visual del código Python	El estudiante demuestra una habilidad excepcional en el diseño y la presentación visual de su código Python, creando un código elegante, legible y bien estructurado.	El estudiante demuestra una habilidad satisfactoria en el diseño y la presentación visual de su código Python, creando un código legible y bien estructurado.	El estudiante demuestra una habilidad adecuada en el diseño y la presentación visual de su código Python, creando un código que es legible en su mayoría.	El estudiante demuestra una habilidad parcial en el diseño y la presentación visual de su código Python, presentando dificultades para crear un código legible y organizado.	El estudiante presenta dificultades en el diseño y la presentación visual de su código Python, presentando un código poco legible y desorganizado.

Editor: Moises Ariza

Área académica: Tecnología e Informática

Asignatura: Pensamiento Computacional

Rúbrica analítica

. La rúbrica consta de los siguientes criterios de evaluación:

Conocimiento del lenguaje Python: El estudiante demuestra un conocimiento profundo y completo del lenguaje de programación Python en la creación y depuración de código.
Diseño y presentación visual del código: El estudiante presenta un código Python bien diseñado y organizado, con una presentación visual clara y legible.
Uso de variables y funciones básicas: El estudiante utiliza correctamente las variables y las funciones básicas en Python.
Elaboración de programas simples: El estudiante es capaz de elaborar programas simples en Python.
Resolución de problemas con Python: El estudiante es capaz de resolver problemas utilizando el lenguaje de programación Python.

La rúbrica utiliza una escala de valoración que va desde Excelente hasta Bajo, y se asigna una puntuación a cada criterio. La calificación final se obtiene sumando las puntuaciones de cada criterio.Para refrendar la evaluación mediante algoritmos de Python, se pueden utilizar herramientas de análisis de datos y aprendizaje automático para procesar los datos de la rúbrica y generar informes de evaluación. Por ejemplo, se pueden utilizar bibliotecas de Python como Pandas y Scikit-learn para analizar los datos de la rúbrica y generar informes de evaluación automatizados. También se pueden utilizar algoritmos de aprendizaje automático para identificar patrones en los datos de la rúbrica y mejorar la precisión de la evaluación.

Rúbrica para evaluar Programación con Python

Esta rúbrica ha sido diseñada para evaluar el desempeño de los estudiantes en el tema de Programación con Python dentro de la asignatura de Pensamiento Computacional. Los objetivos de aprendizaje de esta rúbrica incluyen habilidades relacionadas con el uso de variables, funciones básicas en Python, elaboración de programas simples y resolución de problemas con Python. La rúbrica utiliza una escala numérica de valoración, donde se asigna una puntuación a cada criterio y se obtiene una calificación final sumando las puntuaciones.

Aspectos a Evaluar	Criterios de Evaluación	Puntuación
Conocimiento de Variables	El estudiante demuestra un entendimiento completo de los conceptos relacionados con variables en Python, incluyendo su declaración, asignación y uso en programas.	90% o más
Uso de Funciones Básicas	El estudiante demuestra la capacidad de crear funciones básicas en Python, utilizando correctamente la sintaxis y los conceptos necesarios.	90% o más
Elaboración de Programas Simples	El estudiante es capaz de elaborar programas simples en Python que cumplan con los requerimientos dados, utilizando variables, funciones y estructuras de control básicas.	80% o más
Resolución de Problemas con Python	El estudiante es capaz de aplicar los conocimientos de programación en Python para resolver problemas planteados, utilizando las herramientas y técnicas aprendidas.	80% o más

Editor: JOSE RAMON JUAN REVERTER

Área académica: Tecnología e Informática

Asignatura: Pensamiento Computacional

Tipo de Rúbrica: Rúbrica escalar

Hablando sobre ello vemos que la Red ofrece mayores oportunidades a los aprendices para bucear cada vez más en los recursos de conocimiento, proporcionando así una búsqueda de medios ilimitados para que crezcan sus conocimientos, para encontrar su propio camino en el conocimiento de sus propios caminos, y para beneficiarse de su expresión en miles de formatos y contextos…

Con todos estos procesos, que son más FLUJOS QUE PROCESOS,el aprendizaje consiste en “corrientes” distintas, iterativos, e interconectados de aprendizaje, que no sólo desembocan en el futuro si no que se cruzan con las corrientes de aprendizaje personales de otras personas. Y juntos estas corrientes se convierten en “ríos” más grandes del aprendizaje de la que muchos se pueden beneficiar. –

Metáfora del Flujo y los Ríos en el Aprendizaje:

Corrientes Distintas e Iterativas: Cada individuo tiene su propio camino de aprendizaje único y continuo. Estas trayectorias pueden ser diferentes en términos de intereses, niveles de habilidad y estilos de aprendizaje. Además, el aprendizaje no es un proceso estático, sino que se desarrolla de manera iterativa, con cada experiencia de aprendizaje influyendo en las siguientes.
Interconexión de Aprendizajes Personales: Las trayectorias de aprendizaje de las personas no están aisladas. Se entrecruzan y se superponen con las de otros individuos. Esto puede ocurrir a través de interacciones sociales, colaboraciones en proyectos, discusiones en línea, entre otros medios. Estas interconexiones permiten que el aprendizaje se enriquezca a través de la diversidad de perspectivas y experiencias.
Formación de «Ríos» de Aprendizaje Amplios: A medida que estas corrientes individuales de aprendizaje convergen y se combinan, se forman «ríos» más amplios de conocimiento y experiencia colectiva. Estos ríos representan conjuntos de aprendizaje más grandes y más ricos que pueden beneficiar a un grupo más amplio de personas.

Beneficios de esta Perspectiva:

Diversidad de Perspectivas: Al conectar las trayectorias de aprendizaje individuales, se incorpora una amplia variedad de perspectivas y enfoques de aprendizaje, enriqueciendo la experiencia de todos los participantes.
Aprendizaje Colaborativo: La interconexión de corrientes de aprendizaje promueve la colaboración y el intercambio de conocimientos entre individuos, fomentando un entorno de aprendizaje más rico y colaborativo.
Aprendizaje Continuo y Adaptativo: Al reconocer que el aprendizaje es un proceso continuo y en constante evolución, se fomenta una mentalidad de crecimiento y adaptabilidad en los estudiantes.
Impacto Amplificado: Los «ríos» de aprendizaje más grandes tienen el potencial de tener un impacto más significativo y beneficiar a un número mayor de personas.

Esta perspectiva del aprendizaje como «corrientes» y «ríos» resalta la naturaleza dinámica, interconectada y colaborativa del proceso de adquisición de conocimiento. Reconoce que el aprendizaje es un flujo constante que se enriquece a través de la interacción y colaboración entre diferentes trayectorias de aprendizaje individuales.

La perspectiva del aprendizaje como «corrientes» y «ríos» puede ser aplicada en una clase de educación superior de la siguiente manera:

Fomentar la interacción y colaboración entre los estudiantes: Se puede fomentar la interacción y colaboración entre los estudiantes para que puedan compartir sus diferentes trayectorias de aprendizaje y enriquecer el proceso de aprendizaje. Por ejemplo, se pueden utilizar actividades de aprendizaje colaborativo, como discusiones en grupo y proyectos en equipo, para que los estudiantes puedan trabajar juntos y aprender unos de otros.
Utilizar diferentes enfoques pedagógicos: Se pueden utilizar diferentes enfoques pedagógicos para enriquecer el proceso de aprendizaje y proporcionar diferentes perspectivas. Por ejemplo, se pueden utilizar enfoques conductistas y cognitivistas para enseñar diferentes temas y habilidades, y se pueden utilizar enfoques constructivistas para fomentar la participación activa de los estudiantes en su propio proceso de aprendizaje.
Personalizar el aprendizaje: Se puede personalizar el aprendizaje para adaptarse a las necesidades individuales de los estudiantes y sus diferentes trayectorias de aprendizaje. Por ejemplo, se pueden utilizar tecnologías de la información y la comunicación (TIC) para proporcionar a los estudiantes diferentes opciones de aprendizaje y permitirles aprender a su propio ritmo.
Evaluar el aprendizaje basado en habilidades y competencias: Se puede evaluar el aprendizaje basado en habilidades y competencias relevantes para el siglo XXI, como el pensamiento crítico, la resolución de problemas y la creatividad. Esto permitirá a los estudiantes demostrar su comprensión y habilidades de una manera más auténtica y relevante.

En resumen, la perspectiva del aprendizaje como «corrientes» y «ríos» puede ser aplicada en una clase de educación superior fomentando la interacción y colaboración entre los estudiantes, utilizando diferentes enfoques pedagógicos, personalizando el aprendizaje y evaluando el aprendizaje basado en habilidades y competencias.

McPeck, J. E. (1990). Critical Thinking and Education.
- Cita Significativa: «Effective learning does not occur in a vacuum of content.»
Siemens, G. (2004). Connectivism: A Learning Theory for the Digital Age.
- Cita Significativa: «Learning and knowledge rest in diversity of opinions.»
Downes, S. (2012). Connectivism and Connective Knowledge: Essays on meaning and learning networks.
- Cita Significativa: «Our ability to learn what we need for tomorrow is more important than what we know today.»
Wenger, E. (1998). Communities of Practice: Learning, Meaning, and Identity.
- Cita Significativa: «Communities of practice are groups of people who share a concern, a set of problems, or a passion about a topic, and who deepen their knowledge and expertise in this area by interacting on an ongoing basis.»
Lave, J., & Wenger, E. (1991). Situated Learning: Legitimate Peripheral Participation.
- Cita Significativa: «Learning becomes a process of social participation in a community of practice.»

Al seleccionar una unidad de aprendizaje como granularidad para el modelado del producto, disponible REA se puede reutilizar fácilmente en las ofertas. Lo que se necesita, aunque para aumentar el encontrabilidad son descripciones más detalladas, junto con el REA en los objetivos de aprendizaje, la pedagogía, el conocimiento previo requerido, y así sucesivamente.

Como también se ha mencionado en la introducción, se espera que la demanda de ofrecer aprendizaje personalizado no pare de crecer en la próxima década (Horn y Christensen, 2013). En esa situación, habrá una necesidad de un suministro de materiales de aprendizaje donde este suministro, se ajustara a la demanda individual de cada aprendiz. Cuando esta expectativa se hace realidad, la universidad no necesitara ofrecer titulaciones porque la formacion permanente se realizara de manera abierta inclusiva y ubicua en cualquier parte de la sociedad y con las garantias propias de la RESPONSABILIDAD EY EL COMPROMISO de cada uno de nosotros.

La creciente demanda de aprendizaje personalizado en el futuro, señalando que se espera que esta tendencia continúe en la próxima década (Horn y Christensen, 2013). Se plantea que este enfoque requerirá un suministro de materiales de aprendizaje que se adapte a las necesidades individuales de cada estudiante. Una vez que este modelo de aprendizaje personalizado se materialice, las instituciones educativas, como las universidades, pueden dejar de otorgar títulos formales, ya que la educación continua estará disponible de manera abierta, inclusiva y ubicua en toda la sociedad. Esto dependerá de la responsabilidad y el compromiso individual de los aprendices.

Esta visión sugiere un cambio significativo en la forma en que se aborda la educación superior, donde el énfasis se desplaza de la obtención de títulos a la adquisición continua de conocimientos y habilidades de manera personalizada y accesible.

Algoritmos en Python:

A continuación, se proporciona un ejemplo de cómo se podría implementar un sistema de recomendación de materiales de aprendizaje personalizados utilizando un algoritmo simple en Python:

pythonCopy code

class RecomendadorAprendizaje: def __init__(self, perfil_aprendiz): self.perfil_aprendiz = perfil_aprendiz def recomendar_material(self): # Aquí se implementaría el algoritmo de recomendación basado en el perfil del aprendiz. # Por ejemplo, se podría utilizar un sistema de filtrado colaborativo o basado en contenido. # El resultado sería una lista de materiales recomendados. materiales_recomendados = ... return materiales_recomendados # Ejemplo de uso perfil_aprendiz = {...} # Información sobre las preferencias y necesidades del aprendiz recomendador = RecomendadorAprendizaje(perfil_aprendiz) materiales_recomendados = recomendador.recomendar_material() print(materiales_recomendados)

Este es un esquema muy básico y se podría extender utilizando algoritmos más sofisticados y considerando una amplia gama de factores para la recomendación.

Tablas y Árboles de Decisión:

Para ilustrar el proceso de toma de decisiones sobre el suministro de materiales de aprendizaje personalizado, se podría construir una tabla de decisión o un árbol de decisión que considere los criterios relevantes, como las preferencias del aprendiz, el nivel de habilidad, las áreas de interés, etc. Estos criterios serían las ramas del árbol, y las decisiones llevarían a las recomendaciones específicas de materiales.

Crear el mejor “ajuste” tiene en cuenta tanto el aprendizaje de los aspectos de la tecnología (por ejemplo, la variación en los enfoques pedagógicos) y las variaciones de la organización (por ejemplo, que ofrecen tanto cursos en línea, de ritmo, y no de ritmo). Oportunidades para hacer realidad tales ofrendas se pueden mejorar mediante el uso de técnicas como el aprendizaje de análisis y desarrollos como la web semántica. Estas técnicas se pueden utilizar para añadir a propiedades de contexto relacionados de los materiales de aprendizaje, realizando así una mejor encontrabilidad para la REA y proporcionar un resultado final más adecuado para el usuario individual con costos relativamente bajos.

Por mi manera de trabajar de manera multidisciplinario los datos y meta datos son básicos y los utilizo en muchos planteamientos e ideas a la vez, nunca de manera simple e individualizada, una manera de trabajar que considero se adapta mejor a la complejidad de esta nueva sociedad…

Supongo que con eso podrán entender que en la sociedad compleja de hoy y de mañana, los datos, por muchos que sean, deben utilizarse con elementos múltiples si puede ser a la vez, ya que es la propuesta a la que nos reta esta sociedad..

A mi lo que me interesa y lo vengo comentando es un programa de inteligencia artificial, en este caso iría de perillas esto, que me pudiera retroalimentar de manera personalizada y según los datos recibidos, según las caracteristicas personalizadas de cualquier aprendiz en cualquier ámbito.

Las aplicaciones en Tablets, smartphones… en cualquier herramienta móvil, seria lo ideal, por que de este manera los propios aprendices en cualquier entorno podrían re-dirigir sus aprendizajes en cualquier momento, según el contexto, las necesidades…

Evidentemente creo que el uso de las Tablets, teléfonos inteligentes.. en la educación formal (aunque a mi no me gusta) el uso de las tablets de manera universal, mejoraria en mucho los procesos de autoaprendizaje, por sus caracteristicas de interaccion, retroalimentacion, creatividad…

Usando la web social semántica (SSW) y el Sistema de recomendación (RS) tecnologías de la gPLEc integra “competencias de aprendizaje basadas en el aprendizaje personalizada (personalized learning) para generar recomendaciones personalizadas para cada alumno.

Normalmente realizamos un análisis de los datos análisis a través de miles de sistemas separados cada uno con su propia estructura de datos única y lo hacemos a manera de Big Data, pero de manera personalizada nos cuesta diseñar aplicaciones para cada persona, porque creemos que los datos y los metadatos, solo podran servir en retroalimentaciones uniformes y previstas.

Vemos que es mejor la posicion de análisis y crítica personalizados avanzandao en cada momento del aprendizaje y de la persona (razones sociales, cognitivas…) que mantener aquellos aspectos que ya hemos adquiridos y dejarlos de parte, ya que si lo hacemos así, convergeremos en muchos aspectos pero a medio largo plazo volveremos a “amontonar” procesos, ideas, comprobaciones…y tenderemos a clasificarlos, con lo que regresaremos al mundo de las jerarquías y los sistemas.

Esto nos acerca al santo grial de la personalización: donde la analítica del contenido adecuado, del proceso que necesitamos, de la retroalimentacion que nos reindique el nuevo camino… para el alumno, en lugar de que el alumno deba encontrar estos datos por sí mismos.”

si descartamos lo que ya hemos aprendido, es probable que terminemos acumulando nuevamente procesos, ideas y comprobaciones, lo que puede llevar a la clasificación y jerarquización de conocimientos. Esto nos alejaría del objetivo de personalización y nos acercaría nuevamente a un modelo más tradicional y jerárquico de aprendizaje.

Algoritmos en Python:

Para ilustrar este concepto en Python, podemos considerar un algoritmo simple que adapta el material de aprendizaje y la retroalimentación en función del progreso y las necesidades individuales del estudiante:

pythonCopy code

class PersonalizadorAprendizaje: def __init__(self, progreso, necesidades): self.progreso = progreso self.necesidades = necesidades def adaptar_material(self): if self.progreso >= 0.7: return "El material actual está adaptado a su nivel de habilidad." else: return "Se recomienda material adicional para reforzar conceptos." def proporcionar_retroalimentacion(self): if self.progreso >= 0.7: return "Su progreso es excelente. Siga así." else: return "Aquí hay áreas en las que puede concentrarse para mejorar su comprensión." # Ejemplo de uso progreso_estudiante = 0.6 # Ejemplo de nivel de progreso del estudiante necesidades_estudiante = {...} # Información sobre las necesidades del estudiante personalizador = PersonalizadorAprendizaje(progreso_estudiante, necesidades_estudiante) # Adaptar el material y proporcionar retroalimentación material_adaptado = personalizador.adaptar_material() retroalimentacion = personalizador.proporcionar_retroalimentacion() print(material_adaptado) print(retroalimentacion)

Este ejemplo simula cómo un sistema de personalización puede adaptar el material y proporcionar retroalimentación en función del progreso y las necesidades individuales del estudiante.

Tablas y Árboles de Decisión:

Podemos representar este proceso en una tabla o un árbol de decisión que considere el nivel de progreso del estudiante y sus necesidades para determinar la adaptación del material y la retroalimentación adecuada.

Por ejemplo:

markdownCopy code

En este ejemplo, se muestra cómo se puede determinar la acción sugerida en función del nivel de progreso y las necesidades del estudiante. Esto ilustra el proceso de adaptación y personalización del aprendizaje.

Aqui tenemos un ejemplo de geolocalización, el cual irá cambiando a medida que las necesidades personales lo hagan…

Cuando usamos la analítica para entender cómo pepitas individuales de contenido se realiza para hacer ajustes frecuentes que mejoran las necesidades del alumno . Cuantos más de estos ajustes hagamos, más personalizado y más se personaliza todo el proceso, otra cosa será conseguir la automatización de la retroalimentación, lo cuál nos llevaría a un aspecto crítico, es cierto, pero por otra parte determinaria de una vez por todas que el autoaprendizaje llegaría a su mayoría de edad y esto corresponde sin duda a la web 3.0 y/o 4.0.

A medida que realizamos más de estos ajustes, el proceso de aprendizaje se vuelve más personalizado y se adapta mejor a las necesidades individuales de cada alumno. Sin embargo, se plantea la posibilidad de llegar a un punto crítico donde la retroalimentación se automatiza por completo, lo que indicaría que el autoaprendizaje alcanzaría su etapa de madurez. Esto se relaciona con las fases de evolución de la web, donde la web 3.0 y/o 4.0 representan etapas avanzadas de interconexión y automatización en el aprendizaje.

Ejemplos de Educación Superior:

En el contexto de la educación superior, esto se podría ilustrar de la siguiente manera:

Supongamos que estamos en un entorno de educación superior disruptiva, donde se utiliza la analítica de datos para comprender y adaptar el contenido del curso a las necesidades de cada estudiante. Si un estudiante muestra un fuerte interés y habilidades en un área específica, el sistema puede ajustar el material para desafiar al estudiante de manera adecuada.

Por ejemplo, si un estudiante de ingeniería de software muestra un dominio avanzado en programación, el sistema podría ofrecer proyectos y desafíos más complejos en lugar de repasar conceptos básicos. Esto optimiza el tiempo del estudiante y lo mantiene comprometido en su proceso de aprendizaje.

A medida que avanzamos hacia la web 3.0 y 4.0, la automatización de la retroalimentación se vuelve más sofisticada. Los sistemas de IA pueden proporcionar comentarios detallados y específicos sobre el desempeño de un estudiante en tiempo real. Por ejemplo, en una tarea de programación, la IA podría señalar errores específicos en el código y ofrecer sugerencias para mejorarlo.

Esta automatización avanzada de la retroalimentación no solo ahorra tiempo, sino que también permite a los estudiantes recibir orientación y mejora de manera inmediata y precisa.

El uso de la analítica y la automatización en la educación superior disruptiva permite una personalización avanzada del aprendizaje, optimizando la experiencia educativa y preparando el terreno para la madurez del autoaprendizaje en la web 3.0 y 4.0.

Algoritmo en Python:

Para ilustrar cómo un sistema de aprendizaje personalizado basado en analítica y retroalimentación automatizada podría funcionar, podemos utilizar un ejemplo simplificado:

pythonCopy code

class SistemaAprendizajePersonalizado: def __init__(self): self.analitica = Analitica() # Clase para el análisis de datos self.retroalimentacion = Retroalimentacion() # Clase para la retroalimentación automatizada def ajustar_contenido(self, estudiante): perfil_estudiante = self.analitica.analizar(estudiante) ajustes = self.analitica.identificar_ajustes(perfil_estudiante) return ajustes def proporcionar_retroalimentacion(self, estudiante, tarea): retroalimentacion = self.retroalimentacion.generar_retroalimentacion(estudiante, tarea) return retroalimentacion # Ejemplo de uso sistema_personalizado = SistemaAprendizajePersonalizado() # Simular el análisis y ajuste de contenido para un estudiante estudiante = {...} # Información del estudiante ajustes = sistema_personalizado.ajustar_contenido(estudiante) print(ajustes) # Simular la retroalimentación automatizada para una tarea tarea = {...} # Información sobre la tarea retroalimentacion = sistema_personalizado.proporcionar_retroalimentacion(estudiante, tarea) print(retroalimentacion)

En este ejemplo, se crea una clase SistemaAprendizajePersonalizado que utiliza dos componentes: Analitica para analizar el progreso del estudiante y identificar ajustes, y Retroalimentacion para generar retroalimentación automatizada sobre tareas específicas.

Podemos representar el proceso de ajuste de contenido y proporcionar retroalimentación en un árbol de decisión simplificado:

luaCopy code

Este árbol de decisión ilustra el proceso de ajuste de contenido y retroalimentación automatizada basado en el análisis del perfil del estudiante y la existencia de tareas específicas para retroalimentar.

Esto a su vez da a los diseñadores una conexión para el rendimiento instantáneo. Sabemos de inmediato qué tipo de impacto que cada pepita de contenido está teniendo en los aprendices, es una especie de RESONANCIA MAGNÉTICA continuada.. Esto nos acerca a el santo grial de la personalización, donde la analítica nos da el contenido adecuado para cada alumno, en lugar de que el alumno encuenntre el contenido por sí mismos.

Los elementos clave, sin embargo, son las pepitas de tamaño de un bocado de contenidos, perfiles de usuario, y la retroalimentación social.

El éxito de los desarrolladores de datos los que van a ser vistas como estratégicas para el negocio, el aprendizaje…, son los que van a abrazar la tendencia al desarrollo de datos-contenidos ágiles. Esto significa exponer contenido a la comunidad de aprendices, lo que les permite calificar y brindan información sobre cómo mejorar el contenido, y luego actualizar inmediatamente pepitas de contenido para la mejora, muy lejos continua y permanente a partir del curso anual de actualización, o lo que es lo mismo, que los aprendices puedan personalizar los datos que les llegan de manera generalizada:

Desarrollo de Datos-Contenidos Ágiles:

El término «datos-contenidos ágiles» se refiere a la capacidad de adaptar y actualizar rápidamente el contenido basado en datos según las necesidades y retroalimentación de la comunidad de aprendices.

Exponer Contenido a la Comunidad de Aprendices:

En este enfoque, el contenido se comparte con la comunidad de aprendices. Esto significa que no es una experiencia de aprendizaje estática y predefinida, sino que se permite a los estudiantes interactuar y contribuir al contenido.

Calificar y Proporcionar Retroalimentación:

Los estudiantes tienen la oportunidad de calificar el contenido y proporcionar comentarios sobre su efectividad y utilidad. Esto proporciona información valiosa sobre qué aspectos del contenido están siendo efectivos y dónde puede haber áreas de mejora.

Actualización Inmediata del Contenido:

Con base en la retroalimentación recibida, los desarrolladores de datos pueden actualizar inmediatamente pequeñas unidades o «pepitas» de contenido para mejorarlo. Esto contrasta con la tradicional actualización anual de cursos, permitiendo una mejora constante y continua.

Personalización de los Datos para los Aprendices:

Este enfoque también permite a los estudiantes personalizar los datos y el contenido que reciben. Esto significa que pueden adaptar la experiencia de aprendizaje para que se ajuste mejor a sus necesidades y preferencias individuales.

El enfoque de desarrollo de datos-contenidos ágiles implica una mentalidad de mejora constante basada en la retroalimentación de la comunidad de aprendices. Permite una personalización más efectiva del contenido y se aleja de los enfoques tradicionales de actualización anual de cursos. Esto puede conducir a una experiencia de aprendizaje más dinámica y adaptativa.

Sin retroalimentación, las personas, las organizaciones corren a ciegas en la forma en que hace su trabajo. Lo mismo ocurre a nivel de proyecto. La evaluación efectiva, la eficiencia al hacer posible el descubrimiento y la eliminación de esfuerzo perdido y de gastos.

Diferencias entre los que Usan Retroalimentación en Educación Superior y los que No:

Con Retroalimentación:

Mejora Continua: Aquellos que utilizan retroalimentación en educación superior tienen un enfoque orientado a la mejora continua. Están dispuestos a ajustar y mejorar sus métodos de enseñanza y contenido con base en la retroalimentación de los estudiantes.
Mayor Adaptabilidad: Son más adaptables y receptivos a las necesidades cambiantes de los estudiantes. Pueden personalizar la experiencia de aprendizaje y abordar áreas de dificultad identificadas.
Eficiencia en el Uso de Recursos: Pueden identificar y eliminar esfuerzos y gastos innecesarios al enfocarse en lo que realmente beneficia a los estudiantes y promueve un aprendizaje efectivo.

Sin Retroalimentación:

Falta de Dirección: Aquellos que no utilizan retroalimentación pueden carecer de una dirección clara sobre cómo mejorar sus métodos de enseñanza o contenido. Pueden estar menos informados sobre lo que realmente beneficia a los estudiantes.
Menor Adaptabilidad: Es posible que sean menos propensos a adaptarse a las necesidades cambiantes de los estudiantes o a abordar problemas específicos que puedan surgir.
Potencial Desperdicio de Recursos: Pueden estar en riesgo de utilizar recursos en áreas que no generan un beneficio significativo para el aprendizaje.

Representación con Árboles de Decisión:

luaCopy code

Inicio | |-- ¿Utilizan Retroalimentación en Educación Superior? | | | |-- Sí --> Enfoque en Mejora Continua y Adaptabilidad | | | |-- No --> Falta de Dirección y Menor Adaptabilidad | |-- ¿Eficiencia en el Uso de Recursos? | |-- Sí --> Identificación y Eliminación de Esfuerzos y Gastos Innecesarios | |-- No --> Potencial Desperdicio de Recursos

Este árbol de decisión representa las diferencias entre aquellos que utilizan retroalimentación en educación superior y aquellos que no.

Tabla de Comparación:

yamlCopy code

| | Con Retroalimentación | Sin Retroalimentación | |------------------------|----------------------|----------------------| | Mejora Continua | Sí | No | | Adaptabilidad | Sí | No | | Eficiencia de Recursos | Sí | No |

Esta tabla proporciona una visión general de las diferencias entre los dos enfoques en educación superior en términos de mejora continua, adaptabilidad y eficiencia en el uso de recursos.

Algoritmo en Python:

pythonCopy code

def usar_retroalimentacion(): # Simula la decisión de usar retroalimentación return True # O False si no se utiliza def eficiencia_recursos(): # Simula la decisión sobre eficiencia de recursos return True # O False si no hay eficiencia en el uso de recursos if usar_retroalimentacion(): # Con retroalimentación mejora_continua = True adaptabilidad = True if eficiencia_recursos(): uso_eficiente_recursos = True else: uso_eficiente_recursos = False else: # Sin retroalimentación mejora_continua = False adaptabilidad = False uso_eficiente_recursos = False print(f"Mejora Continua: {mejora_continua}") print(f"Adaptabilidad: {adaptabilidad}") print(f"Uso Eficiente de Recursos: {uso_eficiente_recursos}")

Este algoritmo en Python simula la toma de decisiones basada en si se utiliza retroalimentación y si hay eficiencia en el uso de recursos en educación superior. Luego, imprime los resultados en función de estas decisiones.

El rigor de diseño de soporte de rendimiento requiere un conocimiento preciso de las tareas de las personas realizan y cómo trabajan en colaboración para completarlos. Se puede realizar un seguimiento del cumplimiento del proceso y los patrones de uso de los recursos de aprendizaje y rendimiento. Y la sabiduría combinada de la multitud puede manifestarse a través de una infraestructura de soporte de rendimiento que permite identificar de forma continua los errores venidos de los ensayos (ensayo-error…método cientifico). Una realidad de apoyo al rendimiento es que si un recurso no es útil, lo que nos revela rápidamente elementos ineficaces de rendimiento y facilita la mejora continua en cómo las personas realizan en conjunto y de forma independiente su aprendizaje.

Cuando eLearning era un recurso más de aprendizaje, las personas hacían promesas ridículas con respecto a su capacidad para sustituir a los formadores (esa era la autentica retroalimentación, si el proceso formativo no funcionaba, se cambiaba al formador) En ese momento la realidad era que la vinculación del hipertexto fue el único proceso de mejora, entrecomillado, claro, para mejorar eLearning y su poder de instrucción que se tenía bajo el capó. Lamentablemente, incluso cuando eLearning aumentó en la capacidad de instrucción, la metodología ha descuidado demasiado su impacto en el aprendizaje. Sin embargo, los vendedores de eLearning certifican siempre que todos los cursos que ofrecen son igualmente eficaces, nada más lejos de la realidad.

Leo mucho a Richard Culatta del Departamento de Educación de Estados Unidos . Él dice que la personalización es la suma de tres factores: el ritmo de ajuste (individualización), ajustando el enfoque (diferenciación), y que conectan los intereses y experiencias del alumno…

Ritmo de Ajuste (Individualización): Se refiere a la capacidad de adaptar el ritmo de aprendizaje a las necesidades individuales de cada estudiante. Esto implica permitir que los estudiantes avancen a su propio ritmo, brindando apoyo adicional cuando lo necesiten y permitiendo que aquellos que avanzan más rápido no se sientan limitados.
Ajuste del Enfoque (Diferenciación): Consiste en adaptar la forma en que se presenta y se enseña el contenido para que sea más efectivo y relevante para cada estudiante. Esto implica utilizar diferentes métodos de enseñanza, recursos y actividades según las preferencias y estilos de aprendizaje de cada estudiante.
Conexión con Intereses y Experiencias del Alumno: Se refiere a la importancia de relacionar el contenido del curso con los intereses, experiencias y contexto de vida de cada estudiante. Esto hace que el aprendizaje sea más significativo y relevante para ellos.

Ejemplo Práctico – Estudiante de Pensamiento Computacional Universitario:

Supongamos que tenemos un estudiante universitario que está estudiando pensamiento computacional, que implica aprender a abordar problemas y desafíos utilizando conceptos y habilidades de programación.

Ritmo de Ajuste (Individualización): Algunos estudiantes pueden tener más experiencia previa en programación, mientras que otros pueden ser principiantes. El profesor podría ofrecer recursos adicionales para aquellos que necesitan más apoyo, como tutoriales o ejercicios adicionales. Los estudiantes que avanzan más rápido podrían recibir desafíos adicionales para mantenerlos comprometidos.
Ajuste del Enfoque (Diferenciación): Para adaptar el enfoque, el profesor podría utilizar una variedad de métodos de enseñanza. Por ejemplo, algunos estudiantes pueden aprender mejor a través de ejemplos prácticos, mientras que otros prefieren explicaciones teóricas. Se podrían proporcionar diferentes tipos de ejercicios para abordar diferentes estilos de aprendizaje.
Conexión con Intereses y Experiencias del Alumno: Si un estudiante tiene un interés particular en la creación de aplicaciones móviles, el profesor podría incluir proyectos relacionados con el desarrollo de aplicaciones en el curso. Esto permite al estudiante ver la relevancia del contenido con sus propios intereses y aspiraciones.

Al aplicar estos tres factores de personalización, se crea un ambiente de aprendizaje donde cada estudiante puede progresar a su propio ritmo, recibir instrucción adaptada a sus necesidades y ver la relevancia y aplicabilidad del contenido en su propia trayectoria educativa y profesional. Esto maximiza la efectividad del proceso de aprendizaje.

Diferencias entre Culatta y Farnos en Personalización Educativa:

Richard Culatta:

Enfoque: Culatta enfatiza la importancia de adaptar la enseñanza para satisfacer las necesidades y estilos de aprendizaje de los estudiantes. Sin embargo, su enfoque aún implica una guía y dirección por parte del docente en el proceso de aprendizaje.

Farnos Miro:

Enfoque: Farnos Miro argumenta que la personalización debe partir del propio estudiante. Según él, el aprendiz debe tener un papel activo en la determinación de sus objetivos de aprendizaje y en la elección de cómo, cuándo y dónde aprender.

Representación Visual:

Para ilustrar estas diferencias, podemos utilizar un gráfico comparativo:

markdownCopy code

Docente-Centrado Vs Aprendiz-Centrado __________________________________________ _________________________________ | | | | | | | | | Culatta: Docente Instruye | | Farnos: Aprendiz Autónomo | | | | | |________________________________________| |_________________________________|

Tabla Comparativa:

markdownCopy code

| | Culatta (Docente-Centrado) | Farnos (Aprendiz-Centrado) | |------------------------|-----------------------------|----------------------------| | Enfoque | Adaptación de enseñanza a | Aprendiz determina sus | | | las necesidades del | objetivos y proceso de | | | estudiante | aprendizaje | | Papel del Docente | Guía y facilitador del | Facilitador del proceso de | | | proceso de enseñanza | aprendizaje | | Papel del Aprendiz | Recibe la enseñanza y | Activo en la determinación | | | sigue las directrices del | de objetivos y elección de | | | docente | métodos de aprendizaje | |_____________________________________________________|____________________________|

Árbol de Decisión:

luaCopy code

Algoritmo en Python:

pythonCopy code

def enfoque_personalizacion(culatta, farnos): if culatta: return "Culatta (Docente-Centrado)" elif farnos: return "Farnos (Aprendiz-Centrado)" else: return "No se ha seleccionado un enfoque específico" enfoque = enfoque_personalizacion(culatta=True, farnos=False) print(f"Enfoque de Personalización Educativa: {enfoque}")

Este algoritmo en Python determina el enfoque de personalización educativa basado en los valores booleanos culatta y farnos. En este caso, el enfoque seleccionado sería «Culatta (Docente-Centrado)».

Estos recursos visuales y algoritmos ayudan a comprender y diferenciar los enfoques de personalización educativa propuestos por Culatta y Farnos Miro.

Pero difiero y mucho porque él dice que la personalización se alcanzará cuando se obtenga un estandar, una talla unica y a partir de ella podremos llega a una auténtica personalización.

Hacer las conexiones a través de los mares de la información, las personas y los recursos pueden ser abrumadoras. Conversaciones en línea han propuesto Personal Gestión del Conocimiento (PKM) como método para los trabajadores del conocimiento para convertirse en estudiantes más eficaces en entornos complejos. Primero acuñado por Peter Druker en 1959, los trabajadores del conocimiento utilizan su propio conocimiento para convertir los datos en información nueva. PKM no es sólo una solución centrada en el techno para absorber más y más contenido.

Es una nueva forma de trabajar que pone la tecnología al servicio de nuestros deseos naturales para conectarse, aprender y crear. Combina el pensamiento y las habilidades sociales con herramientas técnicas para informar a nuestra perspectiva y nos ayudará a procesar mejor el mundo que nos rodea. Y tradicionalistas estarán encantados de saber que la pluma y el papel son todavía una tecnología PKM útil:

-Seguimiento de Intervención: Herramientas y mecanismos para el seguimiento de las intervenciones de los profesores para reconocer lo que es más impactante en los logros y los resultados de los estudiantes.

-Mapas de Aprendizaje: Mapas de aprendizaje mostrarán los conceptos clave de contenido y de nivel de grado para tomar decisiones mejor informadas de instrucción, desarrollado con la ayuda de especialistas de contenido con experiencia en la formación de docentes y la enseñanza. Inicialmente Los mapas de aprendizaje comunican qué normas son las normas y qué significan, y proporcionan una conexión directa con el contenido relevante. Las futuras versiones de los mapas de aprendizaje estarán conectados a los datos de rendimiento, el uso de varios tipos de evaluación. la Aplicación proporcionará un conjunto básico de aprendizaje de mapas en ELA / Alfabetización, Matemáticas, Ciencias, y de otras a áreas del racimo que los demás pueden utilizar como punto de partida para la creación de sus propios mapas personalizados de aprendizaje:

-Autoría de Evaluación y entrega: Banco de artículos y herramientas para los profesores para crear, administrar y anotar las evaluaciones que se basan en el contenido que está alineado con las normas.

-Etiquetado contenido y Discovery: Herramientas que los educadores pueden utilizar para buscar y contenido etiquetado sobre la base de normas u otras clasificaciones, incluyendo la búsqueda, herramientas de publicación, herramientas de alineación estándar, las normas de evaluación de rigor, motor de recomendación, gusta / disgusta y características comentando, y la integración del uso.

-Repositorio de contenidos: La aplicacion utilizará una aplicación repositorio de contenido de código abierto y personalizarlo para apoyar la carga de objetos digitales para integrarse con el descubrimiento de contenido y aprendizaje, aplicaciones de mapas…

-Herramientas de colaboración: Herramientas para educadores y otros asociados (como participantes STEM Learning Exchange) para colaborar en las actividades y la ejecución de programas STEM de Estudio de instrucción.

-Exploración y Preparación: Aplicaciones y herramientas para apoyar a los educadores con las actividades de exploración de carreras, grados, maestrías.. para los aprendices, y para preparar a los estudiantes para carreras pero de manera personalizada Estos se conectarán a los recursos agregados a través de un STEM Intercambio de Aprendizaje y / o en esa comunidad en particular.

STEM Localizador y Programador: Solicitud de educadores para localizar y recursos STEM horarios disponibles a través de socios dentro de las Bolsas de aprendizaje STEM (por ejemplo, equipo, espacio de laboratorio, etc.).

-Caminos Noticias y Actualidad Calendario: Información para los educadores y otros socios para obtener información sobre Illinois Caminos. Todo esta obviamento pbajo el paraguas de los aprendizajes formales, por supuesto…. Este diseño será lo que los programadores deberan realizar para disponer de programas de Intelifgencia Artificial que permitirán, primero dentro de las aulasm, a los aprendices y profesores, trabajar con el personalized learning, y cuando estén más desarrollados de manera informal tal como nos proponen…

Nos hacen falta en el aprendizaje en línea (e-learning) estrategias diseñadas para proporcionar una evaluación formativa y sumativa con un mínimo impacto directo en la carga de trabajo docente y la del propio aprendiz :….

• El uso de las evaluaciones en línea por ordenador, tabletas, smatphone..que se extienden más allá de pruebas de ejercicios de simulación, laboratorios virtuales, y otras evaluaciones automatizadas de aprendizaje activo;

• Entornos de aprendizaje colaborativo que los aprendices crean para documentar y evaluar su propio aprendizaje en grupos virtuales o semi virtuales (blearning) • Los mecanismos, tales como tutores automatizados en línea( INTELIGENCIA ARTIFICIAL), que ayuda a los PROPIOS APRENDICES y la evaluación de andamios “de su propio trabajo y el de sus compañeros;

• Agentes estudiante que facilitan y supervisan las actividades de PARES para permitir a los APRENDICES para evaluar y ayudar a los demás de manera informal, NO FORMAL…. •

El uso de herramientas de software sofisticadas, como el análisis semántico latente o redes neuronales, a la máquina de puntuación incluso materias complicadas, tales como ensayos de los estudiantes. Por lo tanto, el reto de la educación en línea es para proporcionar una alta cantidad y calidad de la evaluación, manteniendo el interés y compromiso de los estudiantes. Estos objetivos suelen lograrse mejor mediante el desarrollo de una comunidad de aprendizaje, DE LAS QUE YA HEMOS HABLADO Y MUCHO…

La contradictoria relación entre significado y poder se manifiesta mediante una disociación cada vez más señalada entre el espacio de los flujos y el espacio de los lugares. El significado es definido en términos del lugar, hay lugares en el espacio de los flujos y flujos en el espacio de los lugares.

Mientras tanto, la funcionalidad, la riqueza y el poder quedan definidos en términos de los flujos. Se trata de la contradicción más crítica que surge en nuestro mundo urbanizado conectado en una red global. Es el principio de una nueva era de la REDARQUÍA (transversalidad), donde los flujos de información, creación de conocimientos y su imprementación en trabajo-aprendizaje, harán una sociedad más autónoma, sin necesidad de tanta burocracia y regulaciones por medio de leyes que delimitan la libertad de las personas y aumentará el grado de RESPONSABILIAD de su propia ciudadanía.

De la misma manera que con un enfoque lleno de energía en la capacitación de las voces de los educadores a través de la conexión y el intercambio, el movimiento de aprendizaje participativo ha traído personalización a la vanguardia del desarrollo profesional en educación. Hoy en día, los educadores con el deseo de desarrollar su práctica se están haciendo cargo de su propio crecimiento profesional mediante el diseño personalizado en cualquier momento y en cualquier lugar de experiencias.

Centrados en optimizar el aprendizaje y crecer como profesionales, profesores y líderes de alfabetización están encontrando un gran valor en el intercambio peer-to-peer como parte de redes de aprendizaje profesional, o PLNs. Junto con énfasis tanto en la voz y la elección, estos grupos inspirados están reinventando los modelos tradicionales de desarrollo profesional, permitiendo a los maestros para explorar, colaboran, y reflejan de forma continua de manera significativa y de transformación, teniendo muy claro que ya no son los docentes de antaño si no que ahora ejercen de mentores, facilitadores, acompañantes de sus “propios antiguos alumnos”….

Las Redes de Aprendizaje Profesional (PLNs, por sus siglas en inglés) son grupos o comunidades de profesionales, como profesores y líderes de alfabetización, que se reúnen con el objetivo de compartir conocimientos, experiencias y recursos relacionados con la educación. Estas redes permiten el intercambio de ideas y prácticas efectivas entre pares.

Beneficios de las PLNs:

Optimización del Aprendizaje: Las PLNs ofrecen un entorno donde los profesionales pueden aprender de las experiencias y conocimientos de sus colegas. Esto optimiza el proceso de aprendizaje al proporcionar información y perspectivas valiosas.
Desarrollo Profesional Continuo: Los miembros de una PLN tienen la oportunidad de mantenerse actualizados sobre las últimas tendencias, métodos y tecnologías en el campo de la educación. Esto contribuye al crecimiento y desarrollo profesional continuo.
Compartir Prácticas Exitosas: Los profesionales pueden compartir y discutir prácticas pedagógicas exitosas, lo que beneficia a la comunidad en su conjunto al mejorar la calidad de la enseñanza.
Resolución de Problemas Comunes: Las PLNs ofrecen un espacio para abordar y resolver desafíos y problemas comunes en el ámbito educativo. Los miembros pueden colaborar para encontrar soluciones efectivas.
Apoyo y Colaboración: Las PLNs fomentan un sentido de comunidad y apoyo entre profesionales. Los miembros pueden colaborar en proyectos, proporcionar asesoramiento y ofrecer apoyo emocional.

Herramientas Tecnológicas para PLNs:

Redes Sociales Profesionales: Plataformas como LinkedIn y Twitter pueden ser utilizadas para conectarse con otros profesionales y participar en conversaciones educativas.
Foros y Comunidades en Línea: Plataformas como Reddit o comunidades en línea específicas para educadores proporcionan espacios para discutir temas de interés.
Plataformas de Aprendizaje en Línea: Plataformas como Moodle o Canvas pueden facilitar la creación de comunidades de aprendizaje en línea.
Herramientas de Comunicación: Aplicaciones como Slack o Discord permiten la comunicación en tiempo real entre miembros de una PLN.

Las PLNs son una herramienta valiosa para profesionales de la educación y líderes de alfabetización. Facilitan el intercambio de conocimientos y experiencias, promoviendo el aprendizaje continuo y el crecimiento profesional. Al conectarse con otros expertos en el campo, los profesionales pueden mejorar sus prácticas y contribuir al avance de la educación.

Tienen claro que estos ya no “son suyos, si no que los aprendices también por medio de sus PLEs, sus PKM y su PLN se estan labrando su propia educación (En esta sociedad cada persona debe desarrollar su propia educación y trasladarla en el mismo momento a la red de los demas—de la personalizacion a la socializacion de los aprendizajes…https://juandomingofarnos.wordpress.com/…/la…/

La personalización y la socialización del aprendizaje ¿són excluyentes?.

En el espíritu del momento y lugar de aprendizaje, los educadores han encontrado comunidades de educadores conectados a través de la participación en las redes de medios sociales, como Twitter, Facebook, Google +, e Instagram. A través de un proceso de seguimiento y la conexión con los educadores afines, los profesores pueden personalizar sus PLNs en línea y tomar posesión de su propio crecimiento profesional. Una de las maneras más populares educadores usar los medios sociales para el intercambio peer-to-peer es participando en charlas educativas semanales. Para los chats de Twitter, los maestros se reúnen en un momento predeterminado para explorar cuidadosamente y con un propósito temas que son importantes en sus clases.

En conversaciones conectados de tweets, los educadores se reúnen a través de hashtags para compartir experiencias y examinar los conceptos con los educadores del mundo. chats populares para la alfabetización incluyen #ILAchat, # Read4Fun, #engchat, #edchat, y#edtechchat. Días, horas y temas de chat semanales se pueden encontrar en chats y Educación Listado Participar Aprendizaje….. Todo ello si aunamos las REDES de los APRENDICES con la de los DOCENTES, construiremos auténticos clusters que aumentarán la potencialidad de todo, teniendo presente que ya no hablamos de redes miméticas, de aprendizajes prescriptivos y homogeneizados, si no de aprendizaje personalizado, socializador y permanente….

El aprendizaje emergente puede ser validado y tener capacidad de retroalimentarse por si mismo.. y si es posible conectar o integrar el aprendizaje emergente y prescrito y por tanto, predecible.
Las interacciones de múltiples agentes puede crear o contribuir a importantes cambios a nivel de sistema…es el APRENDIZAJE EMERGENTE.

Parece que se vislumbra curiosidad pero el cambio empieza por nosotros y buscar experto que ya han recorrido este camino http://romina-flurin.webnode.es/significado-de-chaviyu/ Las personas y las tecnologías de la información y la comunicación, la Inteligencia Artificial…hacen que nuestra relación como personas, con ORGANIZACIONES POLÍTICAS, ECONÓMICAS, EDUCATIVAS, SANITARIAS…deban ser de otra manera, con menos rigidezas (por tanto más sostenibles) y eso debe ponerse en VALOR de manera inmediata, ya que estamos dejando pasar el tiempo, teniéndolo a nuestro alcance des de ya hace mucho..

La interacción también puede ser delineado en términos de los actores que participan en él. Michael Moore discutió por primera vez las tres formas más comunes de interacción en la educación a distancia: alumno-alumno, alumno-maestro y alumno-contenido (Moore, 1989). Esta lista fue ampliada por Anderson y Garrison (1998) para incluir a maestros y profesores, de contenido docente, y la interacción de contenido contenido. He estado desarrollando un teorema de equivalencia que describe la capacidad de sustituir una forma de interacción para otro, con base en el precio de los factores de accesibilidad (Anderson, 2002; Anderson, 2003). Figura 2-3 ilustra estos seis tipos de interacción educativa.

Si pretendemos establecer diferentes teorías que nos puedan llevar hacia un aprendizaje por medio de elearning, debemos reflejar siempre una serie de variables previstas de antemano y además tener presente el tema de la retroalimentación, para que si es necesario ser capaces de modificar todo el planteamiento y pasar de una pura innovación continuada a cualquier disrupción no prevista.

Los aprendices pueden, por supuesto, interactuar directamente con los contenidos que se encuentran en múltiples formatos, y en especial en la Web, sin embargo, muchos optan por tener su aprendizaje secuenciado, dirigido y evaluado con la ayuda de un profesor. Esta interacción puede tener lugar dentro de una comunidad de investigación, utilizando una variedad de actividades síncronas y asíncronas basadas en red (vídeo, audio, conferencia por computadora, chats, o la interacción del mundo virtual-web 2.0).

Estos ambientes son particularmente ricos, y permiten el aprendizaje de habilidades sociales, el aprendizaje colaborativo de contenidos y el desarrollo de las relaciones personales entre los participantes. Sin embargo, a la comunidad se une aprendices en el tiempo y en el espacio (lo que llamamos NO LUGARES), obligando a sesiones ordinarias o, al menos, el aprendizaje en grupo con diferentes ritmos, “tempos”, adaptados a los elementos personalizados de cad indivíduo y/o grupo….

Usando el modelo en línea (, entonces, requiere que los aprendices, profesores y los diseñadores tomen decisiones cruciales en varios puntos. Un factor clave de decisión se basa en la naturaleza del aprendizaje que se prescribe. Marc Prensky (2000) sostiene que los diferentes resultados de aprendizaje se aprenden mejor a través de determinados tipos de actividades de aprendizaje. Prensky no pregunta:

-“¿Cómo aprenden los alumnos?”,

-Pero más específicamente, “¿Cómo se enteran de qué?”

Prensky (. 2000, p 56) postula que, en general, todos aprendemos:

• los comportamientos a través de la imitación, la retroalimentación y la práctica;

• la creatividad a través del juego;

• hechos a través de la asociación, taladro, la memoria, y preguntas;

• juicio a través de la revisión de los casos, hacer preguntas, tomar decisiones, y recibir retroalimentación y coaching;

• lenguaje a través de la imitación, la práctica y la inmersión;

• la observación a través de ver ejemplos y recibir retroalimentación;

• procedimientos a través de la imitación y la práctica;

• los procesos a través de análisis de sistemas, la deconstrucción y la práctica;

• los sistemas de descubrimiento a través de los principios y la realización de tareas graduadas;

• razonamiento a través de rompecabezas, problemas y ejemplos;

• habilidades (física o mental) a través de la imitación, la retroalimentación, la práctica continua y creciente desafío;

• discursos o roles de desempeño a través de la memorización, la práctica y el entrenamiento;

• teorías a través de la lógica, la explicación y cuestionamiento.

Prensky también sostiene que hay formas y estilos de juegos que se pueden utilizar, en línea o fuera de línea, para facilitar el aprendizaje de cada una de estas habilidades.

Yo diría que cada una de estas actividades se puede lograr a través de e-learning, utilizando una combinación de actividades de la comunidad en línea y actividades de estudio independientes, asistidas por ordenador. Al rastrear las interacciones esperadas y siempre para los estudiantes a través del modelo, se puede planificar y garantizar que una combinación adecuada de estudiantes, profesores, y la interacción de contenido se ha diseñado para cada resultado de aprendizaje…., pero también debemos estar preparados para que surjan de manera libre y abierta otras posibilidades de posteriores actuaciones, por lo que debemos estar todos preparados como interactuar de maneras diferentes a las ya previstas…

Nuestro reto como constructores de la teoría y los profesionales en línea es delinear los modos, métodos, actividades y actores que son más eficaces en términos de costo y el aprendizaje, en la creación y distribución de programas de e-learning de calidad.

La creación de un modelo es a menudo el primer paso hacia el desarrollo de una teoría. El modelo presentado ilustra la mayoría de las variables clave que interactúan para crear experiencias educativas en línea y contextos, pero también siempre preaprados para establecer otros procesos DISRUPTIVOS, que los aprendices necesitan o quieran, con lo que le modelo inicial ya no será el mismo y será construido otro de nuevo entre todos.

El siguiente paso es de teorizar y medir la dirección y la magnitud del efecto de cada una de estas variables en las variables de resultados pertinentes, incluyendo el aprendizaje, el costo, la terminación, y la satisfacción…

Cabe indicar que nunca un proceso estará terminado, es más, internet y su utilización en el aprendizaje, es una garantía de aprendizaje permanente, el cuál se basa siempre más en preguntas que en respuestas…

El aprendizaje en RED es colateral, aunque como hemos mostrado las TIC se pueden utilizar como soporte para la construcción de conocimientos y aprendizajes. LA RED EN SI MISMA HOY SE CONVIERTE EN EL MISMO APRENDIZAJE.. Esto es fundamental hoy en día; el rápido desarrollo de los conocimientos significa que tenemos que encontrar nuevas formas de aprender y mantenerse al día. No podemos aumentar nuestra capacidad para el aprendizaje hasta el infinito. Tenemos que empezar a concebir

el aprendizaje como socialmente en red y mejorado por la tecnología (que es una simbiosis de las personas y la tecnología que forma nuestras redes de aprendizaje). Tenemos que reconocer nuestro contexto de aprendizaje no sólo como un facilitador del aprendizaje, sino como un participante del propio aprendizaje.

Está demostrado que en la educación formal, los docentes (no digo las instituciones, organizaciones educativa, centros y demás) que están en “la red”, es decir, que trabajan y aprenden en la misma, los académicos que tienen identidades digitales en abierto (por ejemplo, Twitter, blogs) lo comparten con los estudiantes como una forma de intercambio de información y / o participar en la conversación y en las propias clases que imparten, trabajen donde trabajen. La creación de actividades de aprendizaje en espacios abiertos en línea – estos académicos crean las actividades de aprendizaje abierto para los estudiantes, por ejemplo, invitar o exigir a los estudiantes a usar una cuenta de Twitter, participar en charlas en la web de Twitter durante la clase, los blogs y / o la creación de cursos en espacios abiertos en línea (por ejemplo, el blog de WordPress con licencia Creative Commons), animan a los estudiantes a compartir sus proyectos de medios digitales, por ejemplo, en un grupo de Facebook público…

Utilizando el método comparativo constante de análisis, nos podemos enconytrar con:: la valoración del aprendizaje social, el equilibrio entre privacidad y la apertura, el crecimiento de la mentalidad de alfabetizaciones digitales, y las expectativas de roles desafiantes.

Podemos valorar el aprendizaje social Se puede identificar explícitamente su filosofía de enseñanza como del constructivismo social, esfuerzos para alentar una mayor discusión de los estudiantes y el compromiso, la importancia de crear una comunidad de aprendizaje, y la participación en la construcción del conocimiento, junto con sus estudiantes. Las actividades sociales no fueron creadas para el aprendizaje en las aulas pero se pueden desarrollar dentro de los entornos de aprendizaje, pero siempre con una visión ABIERTA, INCLUSIVA Y UBICUA, , si pretendemos darle un sentido ÚNICO de formalidad y prescripción, en este momento PIERDE TODO SU VALOR.

De esta manera los aprendices pueden reflexionaron sobre sus identidades / actividades personales y profesionales en línea, Algunos se preocupan por el colapso contexto, es decir, los flujos de conversaciones sobre el trabajo, la vida familiar, las actividades sociales, deportes, política, etc. Otros quieren distinguir entre sus actividades en línea personales y profesionales el límite más desafiante para administrar a menudo con sus colegas inmediatos. Esto se expresa con mayor frecuencia como el dilema: voy a aceptar esta solicitud de amistad de mi colega / conocido de trabajo en Facebook? Todos debemos tener claro que aprendemos por decisiones personales, pero que está bajo nuestra RESPONSABILIDAD Y COMPROMISO, hacerlo correctamente cuando interactuamos con otros (SOCIAL LEARNING).

Aun así muchos docentes se mantienen en establecer LINEAS DIVISORIAS entre PROFESORES-ESTUDIANTES (líneas rojas que los estudiantes no pueden pasar y que los docentes no pueden aceptar) Esto se expresa con mayor frecuencia como mantener una distancia profesional.

Mentalidad del crecimiento Re: alfabetizaciones digitales:

El personal académico que valoran el aprendizaje social y que equilibran la privacidad y la apertura pueden estar predispuestos a la utilización de prácticas de educación abierta para la enseñanza. Sin embargo, otro factor necesario es tener las alfabetizaciones digitales, o quizás más específicamente, que tiene una mentalidad de crecimiento re: alfabetizaciones digitales.

Aprendizaje Social y Equilibrio de Privacidad y Apertura: Se refiere a la capacidad de los educadores para reconocer el valor del aprendizaje colaborativo y la interacción entre estudiantes, al mismo tiempo que comprenden y gestionan adecuadamente las preocupaciones de privacidad y seguridad.
Alfabetizaciones Digitales y Mentalidad de Crecimiento: Implica que los educadores deben no solo poseer habilidades digitales sólidas, sino también estar abiertos a aprender y mejorar continuamente en el ámbito digital. Esto incluye adaptarse a nuevas herramientas y tecnologías a medida que evolucionan.

Bates, A. W. (2015). Teaching in a Digital Age: Guidelines for designing teaching and learning for a digital age. BCcampus.
Conole, G., & Alevizou, P. (2010). A literature review of the use of Web 2.0 tools in Higher Education. HEA.
Jisc. (2015). Developing digital capability: The 6 elements defined. Jisc.

[Tener una mentalidad de crecimiento re: alfabetizaciones digitales incluye ser conscientes de una serie de herramientas digitales abiertas; comprensión de cómo utilizar varias herramientas, tanto técnica como pedagógicamente; mantenerse al corriente de los cambios en el paisaje de las herramientas digitales y abiertas; y lo más importante, tener mucha confianza sobre el aprendizaje y la experimentación con nuevas herramientas y nuevas características. El personal con alfabetizaciones digitales altamente desarrolladas son más propensos a tener la confianza y las habilidades necesarias para gestionar la configuración de privacidad, negociar diversas herramientas de medios sociales, y operar con la agencia en ecosistemas complejos de medios sociales.

Existen muchas herramientas digitales abiertas que se pueden utilizar para fomentar la alfabetización digital en la educación superior. A continuación, se presentan algunas de ellas:

Plataformas de aprendizaje en línea: Estas plataformas permiten a los estudiantes acceder a cursos y materiales de aprendizaje en línea, y pueden incluir herramientas de colaboración y evaluación en línea.
Herramientas de presentación en línea: Estas herramientas permiten a los estudiantes crear presentaciones en línea y compartir su trabajo con otros estudiantes y profesores.
Herramientas de organización de tareas: Estas herramientas permiten a los estudiantes organizar sus tareas y proyectos en línea, y pueden incluir recordatorios y alertas para ayudar a los estudiantes a mantenerse al día con sus tareas.
Herramientas de colaboración en línea: Estas herramientas permiten a los estudiantes trabajar juntos en proyectos y tareas en línea, y pueden incluir herramientas de chat y videoconferencia para facilitar la comunicación.
Herramientas de evaluación en línea: Estas herramientas permiten a los profesores evaluar el trabajo de los estudiantes en línea, y pueden incluir rúbricas y herramientas de retroalimentación para ayudar a los estudiantes a mejorar su trabajo.
Herramientas de programación: Estas herramientas permiten a los estudiantes aprender a programar y crear sus propias aplicaciones y programas.

Existen muchas herramientas digitales abiertas que se pueden utilizar para fomentar la alfabetización digital en la educación superior. Estas herramientas pueden incluir plataformas de aprendizaje en línea, herramientas de presentación en línea, herramientas de organización de tareas, herramientas de colaboración en línea, herramientas de evaluación en línea y herramientas de programación.

Plataformas de aprendizaje en línea:

Una plataforma de aprendizaje en línea que se puede utilizar en la educación superior es Moodle. Moodle es una plataforma de aprendizaje en línea de código abierto que permite a los profesores crear cursos en línea y proporcionar materiales de aprendizaje a los estudiantes. La tabla a continuación muestra algunos ejemplos de cómo se pueden utilizar las diferentes características de Moodle para fomentar la alfabetización digital en la educación superior:
Característica de Moodle Ejemplo de uso
Foros de discusión Los estudiantes pueden participar en discusiones en línea sobre temas relacionados con el curso.
Cuestionarios en línea Los profesores pueden crear cuestionarios en línea para evaluar el conocimiento de los estudiantes.
Recursos de aprendizaje en línea Los profesores pueden proporcionar materiales de aprendizaje en línea, como videos y presentaciones, para que los estudiantes los revisen en su propio tiempo.
Calendarios en línea Los estudiantes pueden ver las fechas de entrega de las tareas y los exámenes en línea en un calendario.

Herramientas de presentación en línea:

Una herramienta de presentación en línea que se puede utilizar en la educación superior es Prezi. Prezi es una herramienta de presentación en línea que permite a los estudiantes crear presentaciones en línea y compartir su trabajo con otros estudiantes y profesores. La tabla a continuación muestra algunos ejemplos de cómo se pueden utilizar las diferentes características de Prezi para fomentar la alfabetización digital en la educación superior:
Característica de Prezi Ejemplo de uso
Plantillas de presentación Los estudiantes pueden utilizar plantillas de presentación para crear presentaciones en línea de manera rápida y fácil.
Animaciones y efectos visuales Los estudiantes pueden utilizar animaciones y efectos visuales para hacer que sus presentaciones sean más atractivas y dinámicas.
Colaboración en línea Los estudiantes pueden colaborar en línea en la creación de presentaciones y compartir su trabajo con otros estudiantes y profesores.
Integración con otras herramientas Prezi se puede integrar con otras herramientas, como Google Drive y Dropbox, para facilitar la creación y el intercambio de presentaciones.
En resumen, las plataformas de aprendizaje en línea y las herramientas de presentación en línea son solo dos ejemplos de las muchas herramientas digitales abiertas que se pueden utilizar en la educación superior para fomentar la alfabetización digital. Las tablas presentadas muestran algunos ejemplos de cómo se pueden utilizar las diferentes características de estas herramientas para mejorar el proceso de aprendizaje y enseñanza.

Una de las tareas más importantes es definir lo mejor posible el perfil o perfiles de usuario al que nos dirigimos. Lo que diferencia a un creador de materiales amateur de un profesional es que el primero piensa en su material el segundo en los destinatarios;

La nueva visión de la educación promueve el uso de la tecnología informática para facilitar el aprendizaje mediante la participación de los estudiantes, la promoción de la creatividad, fomentar el aprendizaje autodirigido, la colaboración y habilidades de pensamiento avanzado.

Si pretendemos llevar a cabo el aprendizaje permanente y a lo largo de toda la vida (life long learning) ¿será importante crear cimientos para prepararse para otras situaciones de aprendizaje y/o crear un falso sentido de aprendizaje?

Supongo que coincidiremos que habrá que prepararse personalmente y socialmente y no solo esto, sino asociarlo también con una transformación de contextos y eso dentro de la creación de una NUEVA CULTURA con otros valores.

Podrá pasar que algunos dirán que también se puede producir «un falso aprendizaje» y es verdad, pero eso será siempre por lo que se entienda por aprendizaje y a lo que cada personas está dispuesta a realizar.

Es un camino que se dice complicado, cuando realmente es de lo más fácil que podremos hacer, lo que ocurre es que no nos damos cuenta la mayor parte del tiempo o también, que no queremos que suceda ya que estamos bien con lo que hemos hecho todo el tiempo.

Una forma ampliamente aceptada de entender el aprendizaje en la sociedad en general, y también en los medios universitarios y de formación continua, es concebirlo en términos de adquisición y retención.

Algunas de las características que esta orientación promueve en los estudiantes pueden ser:

 aumenta su almacén de datos;

 construye un repertorio de destrezas y procedimientos;

 divide los problemas en subunidades;

 trabaja de forma lógica y metódica;

 utiliza destrezas de memorización;

 establece vínculos dentro de unidades de conocimiento;

 utiliza de forma sistemática el ensayo y error para solucionar problemas.

Esta última orientación es coherente con la filosofía constructivista, en boga en los medios de educación y formación. En el ámbito de la tecnología educativa, superada la etapa de los prolegómenos del modelo de enseñanza asistida por ordenador (CAI), y ampliando los horizontes de la inteligencia artificial hacia una diversificación de paradigmas psicopedagógicos y ampliando los horizontes de la inteligencia artificial hacia una diversificación de paradigmas psicopedagógicos (Ruiz Carrascosa, 1995), podemos afirmar que con el desarrollo de los sistemas multimedia e hipermedia y de las redes telemáticas estamos asistiendo a una revitalización de conceptos alternativos de instrucción bajo nomenclatura nueva, tales como ‘constructivismo’, y ‘aprendizaje colaborativo’.

.
Estos modelos, que se pueden describir bajo los parámetros del aprendizaje flexible y situado, la construcción social de los conocimientos y la implicación personal en los contenidos a tratar, demandan formas alternativas de evaluación del aprendizaje:

1. Nuevas formas de evaluación para nuevas formas de enseñanza-aprendizaje Las nuevas tecnologías, especialmente las basadas en la web, están conduciendo a la enseñanza y a la formación hacia direcciones que pueden parecer oportunas desde el punto de vista político o económica, pero que no siempre resultan ideales desde la perspectiva pedagógica.

2. Aunque el aprendizaje a través de plataformas basadas en la web puede presentarse como ‘técnicamente novedoso’, esto no conduce automáticamente a mejorar la calidad de dicho aprendizaje. Un diseño didáctico de calidad lo es con independencia del medio; otra cosa es que este último ofrezca mayores posibilidades de aplicación. Algo similar ocurre con la evaluación del aprendizaje cuando éste se ha realizado básicamente en plataformas de teleformación. Del mismo modo que es posible diseñar entornos de aprendizaje con tecnología hipermedia que soporten principios constructivistas en los aspectos más técnicos, pero no en la filosofía subyacente del modelo, se puede estar cometiendo el error de no aprovechar las posibilidades que brindan las nuevas tecnologías para reflexionar sobre nuestras prácticas evaluativas y su coherencia con el enfoque de aprendizaje adoptado.

Por tanto, al planificar la evaluación del aprendizaje en un medio como Internet, deberíamos partir de las respuestas que demos a una serie de consideraciones previas:

 Considerar las herramientas y posibilidades de evaluación que ofrece el entorno de aprendizaje basado en Internet que hemos desarrollado.

 Explorar las formas de evaluación más coherentes con el enfoque de aprendizaje adoptado.

 Contemplar el modo de integrar armónicamente las opciones tomadas en los niveles de decisión anteriores.

Herramientas y posibilidades de evaluación a través de Internet:

Una de las herramientas que más se ha venido utilizando para la evaluación del aprendizaje a través de Internet es el software para diseñar pruebas cerradas con posibilidad de autocorrección. Las principales ventajas que ofrecen este tipo de métodos han sido puestas de manifiesto por McCormack y Jones (1997)

 Ahorra tiempo en su desarrollo y distribución.

 Reduce el tiempo de respuesta, aumentando el efecto positivo del feedback.

 Reduce los recursos humanos y materiales necesarios.

 Permite el almacenamiento de los resultados y su posterior tratamiento.

 Flexibiliza el momento en el que el alumno ha de realizar la evaluación.

Así, este tipo de evaluaciones basadas en la web aporta ciertos beneficios educativos. Desde el punto de vista del estudiante, la evaluación frecuente y periódica proporciona un refuerzo de los conceptos y aumenta la motivación. Los formadores, por su parte, pueden diseñar revisiones para cada módulo sin preocuparse de tener que encontrar el tiempo y los recursos para analizar los resultados: como discutimos más adelante, la mayoría de estos instrumentos ofrecen informes automáticos.

Los estudiantes pueden acceder a estas pruebas en cualquier momento, de forma privada y en la comodidad de su propio hogar. Puesto que los resultados están informatizados, los estudiantes reciben un feedback inmediato. Esto puede ayudar también a aquellos alumnos que sufren de ansiedad ante las pruebas de evaluación a que se relajen, así como minimizar el agobio de aquellos que suelen rendir menos.

Cuando la era del aprendizaje a través de Internet comenzaba a dibujarse, Romiszowski (1993) ya mostraba su preocupación por lo que él denominaba como una tendencia hacia la interactividad de nivel superficial, en función de la cual los alumnos disponen del control para navegar a través de amplias cantidades de información. Él argumentaba que, aunque esto puede parecer un medio capacitador, al menos que al estudiante se le den unos objetivos de aprendizaje específicos no tendrá criterios claros para elegir a qué contenidos acceder.

En este sentido, el uso de pruebas y tests de autoverificación, si están bien pensados y diseñados, pueden contribuir a orientar el proceso de aprendizaje de los alumnos, ayudándoles a comprobar si los aprendizajes que están realizando responden efectivamente a lo que se espera de ellos.

McCormack y Jones (1997: 241-242) han reparado también en los inconvenientes de este tipo de instrumentos:

 Puede fomentar que los estudiantes se acostumbren al método de señalar y pulsar, generando cierta dificultad en pruebas que demanden una mayor profundidad en las respuestas.

 Puede percibirse como un método impersonal, propiciando en los estudiantes un sentimiento de anonimato y aislamiento al verse enfrentados solos ante una máquina.

 Someter a los estudiantes a un continuo uso de estos tests puede provocar que éstos pierdan su valor como instrumentos de evaluación.

 La posibilidad de consultar el material antes de ofrecer las respuestas y la tendencia a introducir cuestiones sencillas para proporcionar un feedback positivo pueden fomentar un falso sentido de confianza entre los estudiantes.

 La dificultad de introducir cuestiones de alto nivel en este tipo de pruebas puede generar un aprendizaje memorístico y la sensación de que lo único que se requiere es la memorización del material.

 La naturaleza de las respuestas puede ser restrictiva.

En definitiva, este tipo de pruebas responde a un modelo de aprendizaje más behaviourista, por lo que sus aportaciones en entornos constructivistas deben estar cuidadosamente planificadas. En este sentido, desde un modelo de aprendizaje autónomo se pueden aprovechar sus potencialidades de motivación, feedback inmediato y auto-control de los contenidos que cada uno va abordando, más que utilizarlas como medidas de control externo del aprendizaje. Por ello, en su diseño resulta interesante incluir pistas que sugieran a los alumnos las respuestas correctas, así como vínculos con los materiales de referencia relacionados con esos contenidos.

Aunque los tests de autocomprobación constituyen la herramienta más explotada para evaluar el aprendizaje a través de Internet, la red ofrece otros recursos con un alto valor pedagógico. El correo electrónico permite adjuntar ficheros con reflexiones en torno a un tópico, construcciones personales sobre un problema de investigación, resultados de búsquedas bibliográficas, posibles respuestas a un caso-problema presentado por el profesor, etc. Este tipo de trabajos, además de beneficiarse de las ventajas de flexibilidad apuntadas para los tests de autocomprobación, comportan un enfoque hacia los procesos de comprensión y transformación de conceptos.

La mayoría de entornos integrados, además, permiten la posibilidad de publicación de estos trabajos, de forma que todos los alumnos puedan acceder a ellos y fomentar de este modo prácticas de revisión entre iguales. Otras herramientas, como el chat o las listas de discusión, con formato sincrónico o asincróno respectivamente, tienen un alto potencial no sólo para el intercambio de ideas y, por tanto, para el aprendizaje, sino también para la evaluación, especialmente en el caso de la evaluación de actitudes.

Otra forma de entender el aprendizaje es concebirlo en términos de comprensión y cambio conceptual.

De acuerdo con Atkins (1993), los estudiantes que se acercan a esta orientación manifiestan las tres características siguientes:

 Un dominio de los principios y conceptos, incluyendo la capacidad de aplicarlos a una comprensión del ‘mundo real’;

 una comprensión de los métodos de construcción del conocimiento que utiliza una disciplina determinada;

 un compromiso con el contexto social de esa disciplina, incluyendo cuestiones éticas y morales relacionadas.

“La evaluación como aprendizaje (Personalización):… se basa en la investigación acerca de cómo ocurre el aprendizaje, y se caracteriza por los alumnos reflexionan sobre su propio aprendizaje y hacen los ajustes para que logren una comprensión más profunda

La evaluación como aprendizaje es la responsabilidad de los alumnos, que deben aprender para articular y defender la naturaleza y la calidad de su aprendizaje. Cuando los alumnos reflexionan sobre su propio aprendizaje y lo “comunican” a los demás que están intensificando sus conocimientos sobre un tema, sus puntos fuertes sobre aprendizaje, y las áreas en las que necesitan para desarrollar aún más (retroalimentación), entonces es cuando se produce EL AUTÉTICO APRENDIZAJE..

El aprendizaje asistido por ordenador debe promover:

a-el aprendizaje significativo y la colaboración implique tareas desafiantes y de la vida real;

b-la tecnología como una herramienta para el aprendizaje, la comunicación y la colaboración

c-evaluaciones basadas en el rendimiento (por ejemplo, si queremos saber si un estudiante puede colaborar mediante el uso de la tecnología, no tendríamos que escriban un ensayo sobre el tema, solo volveríamos a ver a colaborar con otros estudiantes) .

También los formularios en HTML pueden utilizarse para evaluar la comprensión de conceptos y, más especialmente, para la evaluación de las ideas previas de los estudiantes en torno a determinados contenidos de aprendizaje. Los formularios en HTML permiten que el profesor reciba cierto feedback por parte de los estudiantes relacionado con el aprendizaje que estos últimos están realizando. Brooks (1997) los considera por eso como una estrategia interactiva de gran utilidad, aunque reconoce que su integración en entornos de aprendizaje a distancia requiere hoy por hoy conocimientos de programación. Un editor de HTML, no obstante, nos permite crear formularios sencillos que se remiten directamente a la dirección electrónica que se desee. Una opción algo más compleja, pero igualmente viable y de gran utilidad, es construir formularios utilizando CGIs, lo que nos permite, entre otras cosas, preservar el anonimato del alumno emisor.

2.2. Enfoques alternativos de evaluación:

En el diseño de entornos constructivistas se ha comenzado a extender la idea de evaluación alternativa, como reflejo de la frustración con los enfoques

tradicionales de evaluación, y del deseo de determinar el logro de metas educativas de orden superior que impliquen una comprensión profunda y el uso activo del conocimiento en contextos complejos y reales (Reeves y Okey, 1996). Hammond y Collins (1991), plantean el tema de la evaluación alternativa en procesos de aprendizaje autodirigido, y la entienden básicamente como aquélla en la que los sujetos de aprendizaje intervienen de algún modo en el establecimiento de los criterios de evaluación y en el mismo proceso evaluativo.

En este sentido, ellos ofrecen al menos cinco razones por las que se debe fomentar la autoevaluación y la heteroevaluación entre iguales en procesos de aprendizaje autodirigido:

 La evaluación alternativa es consistente con los principios del aprendizaje autodirigido, y cuestiona a la evaluación tradicional como una de las fuentes de mayor poder del profesor en sistemas convencionales.

 La evaluación alternativa promueve el aprendizaje, en la medida en que está diseñada para constituirse en una oportunidad para éste tenga lugar.

 La evaluación alternativa muestra respeto por los estudiantes y por sus opiniones, y entiende que el aprendizaje es un proceso interno que no puede medirse con exactitud desde fuera.

 La evaluación alternativa proporciona preparación para el aprendizaje continuo, que depende de la adquisición de destrezas de autocontrol y autoevaluación.

 Es posible confiar en la autoevaluación y la heteroevaluación entre iguales; de hecho, más que sobrestimar el propio rendimiento los estudiantes suelen hacer lo contrario. Algunos enfoques de evaluación alternativa llevan cierto tiempo aplicándose en entornos constructivistas bajo formas como la evaluación auténtica, la evaluación de la actuación, la evaluación de portfolio, etc.

Una descripción somera de cada una de estas modalidades de evaluación puede encontrarse en Reeves y Okey (1996). Se trata en su mayoría de enfoques que han surgido en campos como el arte, el ejército o la ingeniería, y que han comenzado a aplicarse al ámbito educativo. Todas tienen en común su relación directa o incluso su identificación con las mismas tareas de aprendizaje.

Aunque su puesta en práctica no está exenta de problemas, en conjunto constituyen modalidades con cierto potencial para proponer mecanismos alternativos de evaluación.

Sin necesidad de adoptar un compromiso con ninguna de ellas, cada una puede ofrecer aportaciones interesantes en la planificación de la evaluación:

 De la evaluación auténtica podemos quedarnos con la idea de que las tareas propuestas deben lograr en el que las realiza un sentido de pertenencia y una actitud positiva hacia ella (es decir, valorar su utilidad), y han de aplicarse con fidelidad (es decir, con posibilidad de replicación) a situaciones reales.

 De la evaluación de la ejecución es importante considerar el énfasis en planificar actividades válidas con referencia a un propósito específico, así como contemplar la posibilidad que tales actividades ofrecen para la aplicación del conocimiento en contextos poco definidos y abiertos a múltiples alternativas, cada una de las cuales demanda la puesta en marcha de procesos de orden superior y destrezas de resolución de problemas.

 De la evaluación de portfolio destacamos la importancia otorgada tanto al proceso como al producto, así como los beneficios derivados de compartir estos trabajos entre los propios estudiantes.

Tomadas en conjunto estas aportaciones, resulta evidente que las mismas actividades que se proponen para el aprendizaje de unos contenidos pueden ser usadas legítimamente para evaluar su adquisición. Para Reeves y Okey (1996) los entornos de aprendizaje constructivistas y la evaluación alternativa ayudan a hacer difusa la tradicional división entre aprendizaje y evaluación, que es endémica en la mayoría de los escenarios educativos, y sugieren una serie de razones por las que en un entorno constructivista no tiene sentido la separación entre actividades de aprendizaje y de evaluación:

 Los entornos de aprendizaje constructivistas están relacionados con el qué y el cómo del aprendizaje, o lo que es lo mismo, no sólo con los resultados de aprendizaje, sino también con los procedimientos por medio de los cuales se aprende.

 La evaluación en entornos de aprendizaje constructivistas debe ser tan amplia y variada como el entorno mismo.

 Las limitaciones de recurso y tiempo sugieren que las mismas actividades que sirven para aprender sirvan también para evaluar.

 La evaluación debería presentarse de forma marcadamente distinta que en los tradicionales contextos de evaluación, que analiza el conocimiento de forma fragmentada y descontextualizada en lugar de analizar la actuación ante tareas del mundo real.

 La apertura y transparencia debe presidir los procedimientos y criterios de evaluación, del mismo modo que el constructivismo fomenta un diálogo similar con relación a qué aprender y de qué forma hacerlo.

2.3. Incorporación de los métodos alternativos de evaluación a través de Internet

De lo apuntado hasta el momento se desprende que un entorno constructivista demanda recursos que permitan incluir la motivación como un factor importante en el procedimiento de evaluación, especialmente en entornos que dependen demasiado de factores de motivación intrínseca, como es el caso del aprendizaje autorregulado vía Internet. A ello puede contribuir el uso de pruebas autoverificables, que en cualquier caso necesita complementarse con otras modalidades más divergentes, como los ensayos abiertos o tareas de desarrollo en torno a un tópico, así como evaluaciones que consideren la auto-revisión, la evaluación entre iguales, el nivel de participación en listas de discusión, etc..

Estas otras modalidades no tienen por qué ser distintas de las tareas propuestas para el aprendizaje, siempre y cuando en su diseño intervengan algunos de los principios del aprendizaje adulto:

 El foco de las actividades de aprendizaje y evaluación ha de estar en la aplicación y el uso activo del conocimiento en situaciones reales y poco definidas.

 La propuesta de tales actividades debe responder a objetivos claros y explícitos.

 El alumno debe encontrar valor formativo y a la vez evaluativo en tales tareas, por lo que la optatividad y diversidad en las propuestas debe ser una variable real.

 El propósito mismo de la evaluación debe estar orientado a enfatizar los puntos fuertes del estudiante y proporcionarle información que le capacite a hacer sus propias decisiones sobre metas y actividades de aprendizaje.

 Es importante fomentar la reflexión sobre las tareas realizadas, la autoevaluación con respecto al nivel de dominio de los contenidos, y el intercambio y revisión de productos entre compañeros. Parece evidente que algunos recursos tecnológicos incorporados al uso de los ordenadores abren nuevas posibilidades para estos enfoques alternativos. Esto es especialmente evidente en el caso de mecanismos de portfolios, incorporados ya en numerosos paquetes de software educativo y cuyo uso comienza a demostrar un mayor compromiso de los estudiantes en la autoevaluación y el autoaprendizaje (Read & Cafolla, 1997). El correo electrónico, las bases de datos y las listas de discusión, por su parte, permiten almacenar e intercambiar el trabajo de los alumnos en su proceso y en sus productos, así como acelerar en ambas direcciones los mecanismos de feedback. Pero una vez más, también en el caso de la evaluación la tecnología puede servir para instrumentar y hacer operativa una determinada filosofía del aprendizaje.

Algunas aplicaciones para la evaluación sincrónica o autoevaluación Por evaluación sincrónica del aprendizaje vamos a entender aquí las prácticas basadas en tests de autocomprobación inmediata, y que están orientadas a motivar y guiar al estudiante en su proceso de aprendizaje. Otras herramientas sincrónicas posibles, tales como los chats, no los consideraremos aquí.

El mercado informático ofrece en la actualidad distintas herramientas para construir tests y pruebas de evaluación orientadas a su distribución a través de Internet. Algunas de las más utilizadas son Web@ssessor, desarrollada por la Arizona-based ComputerPREP, Decisive Survey, desarrollado por la Decisive Technology of MountainView, de California, y Question Mark, de la AssessNet. Una descripción detallada de cada una de estas herramientas puede encontrarse en Hall (1997).

Nosotros nos detendremos aquí en dos tipos distintos de software cuya utilidad hemos venido experimentando en iniciativas de formación a distancia puestas en marcha recientemente.

a. Para diseñar este tipo de actividades son necesarios varios elementos:

 plantear una cuestión sobre algún contenido abordado;

 ofrecer posibles respuestas a dicha cuestión (generalmente 5), con la posibilidad de que sean correctas una o varias de esas respuestas;

 acompañar explicaciones que, a modo de feedback, justifiquen por qué determinada opción de respuesta es verdadera o falsa. De esta forma, al seleccionar una determinada opción, no sólo se sabe si nuestra elección ha sido la correcta, sino también por qué. La figura 1 muestra cómo quedaría el

Diseño de este tipo de ejercicios en la web:

a-Ejercicios de respuesta breve (Jquiz). Otro tipo de ejercicios posible es el de respuesta breve. Consiste en plantear una pregunta que puede contestarse con una o pocas palabras. Para construir un ejercicio de este tipo es necesario:

 plantear una cuestión sobre algún contenido abordado;

 incluir varias respuestas (hasta 4), válidas todas a ellas para la pregunta planteada. La construcción de un ejercicio de este tipo plantea el problema de que la respuesta que ofrezca el alumno, para que sea correcta, debe ser exactamente igual a la que nosotros introdujimos inicialmente. Ello exige que la pregunta esté planteada con claridad, admita sólo un tipo de respuesta, y ésta se componga de muy pocas palabras. Un tipo de contenido fácilmente aplicable a estos ejercicios es el relacionado con escribir el concepto definido en el enunciado.

b-Ejercicios de tipo crucigrama (JCross). Un crucigrama también puede constituir una actividad en la que se pida, por ejemplo, identificar un concepto a partir de su definición.

En este caso, los elementos necesarios serían los siguientes:

 seleccionar las palabras que queremos que aparezcan en el crucigrama;

 establecer la distribución de estas palabras horizontal o verticalmente;

 incluir la definición para cada una de estas palabras, teniendo en cuenta que a partir de esta definición el alumno deberá identificar la palabra correspondiente. a. Ejercicios para relacionar (JMatch). Estos ejercicios son los típicos que presentan dos columnas para relacionar los elementos de una con los de otra.

La condición es que cada elemento de la columna izquierda tenga una sola correspondencia con otro elemento de la columna derecha. Para la realización de un ejercicio de relacionar, al alumno después se le muestran todas las opciones posibles de la derecha, debiendo elegir en cada caso la apropiada. También es posible incluir gráficos, tablas, etc., a partir de los cuales establecer los criterios de relación. b. Ejercicios para rellenar huecos (JCloze). Otra modalidad de ejercicios que se pueden utilizar con el HotPotatoes es la de rellenar espacios vacíos en un texto con palabras claves. Evidentemente, el texto debe ser lo suficientemente explícito y contener las pistas necesarias para indicar las palabras que faltan.

Puede ser útil, por ejemplo, para realizar un resumen general de una serie de contenidos.

Los elementos necesarios para construir una prueba de este tipo son:  redactar un texto completo:

 seleccionar en él palabras claves, que serán las que el alumno deberá identificar;

 proporcionar varios sinónimos (hasta 3) válidos para cada una de esas palabras claves. Conviene recordar que el texto que redactemos debe permitir identificar con relativa claridad las palabras que faltan; ello implica que tales palabras, o los sinónimos que pensemos para ellas, deben tener cierta relevancia en el conjunto de contenidos al que hagan referencia.

3.2. Pruebas de autoevaluación adaptativas: Question Mark Perception 2

Un paquete integrado de software mucho más potente y sofisticado que el anterior, pero con un mayor número de requisitos técnicos y económicos, es el elaborado por Question Mark Computing(http:www.qmark.com/perception). Perception es un software diseñado expresamente para la creación de tests, cuestionarios y otras formas de evaluación para su uso a través de Internet o de intranets. Ha sido pensado básicamente para la evaluación del aprendizaje a distancia en contextos universitarios, aunque no se descartan otros posibles usos.

El rasgo más característico de Perception, que le proporciona su potencialidad para aprendizaje a través de Internet, es la posibilidad de construir bancos de ítems que después se seleccionan al azar para configurar una sesión concreta, que es con la que se encuentra el alumno en la web. Esta sesión puede diseñarse con distintos niveles de dificultad, de forma que el alumno ve aumentar o no la complejidad de las preguntas en función de las respuestas que vaya ofreciendo.

En este sentido, las pruebas realizadas con Perception entran en la categoría de lo que se conoce como Tests Adaptativos Computerizados(TAC). Frente a los tests convencionales, en los que todos los alumnos deben responder a los mismos ítems siguiendo una secuencia previamente establecida, los TACs traen consigo la idea de unos tests adecuados a la situación particular de cada alumno, adaptando el nivel de dificultad de sus ítems en función de las respuestas que cada uno vaya ofreciendo (Renom, 1993).

En relación con las posibilidades que ofrece, denbemos encontrar un software relativamente fácil de usar. Con la primera de sus aplicaciones de Windows, Question Manager, el formador puede diseñar todos los ítems que quiera en torno a un tópico o subtópico concretos y agruparlos siguiendo criterios jerárquicos.

Al elaborar cada pregunta, el formador decide qué puntuación corresponderá a cada una de las respuestas, admitiendo también la posibilidad de que una contestación sea parcialmente válida. Igualmente, cada posible respuesta puede ir acompañada de un feedback que justifique por qué se trata de una opción válida o incorrecta.

Con la segunda de las aplicaciones de Windows, Session Manager, el diseñador puede decidir de cuántas preguntas constará la prueba, si se seleccionarán aleatoriamente, y si el alumno podrá avanzar a través de ella de forma jerárquica en función de las respuestas que vaya dando.

También con un nivel de dificultad equivalente, o bien se le ofrecerá la posibilidad de acceder a la parte de contenidos relacionados con los tópicos que se evalúan para su revisión, o bien ambas cosas, todo ello en función de las opciones tomadas por el diseñador de la sesión. En todos estos casos, al alumno se el proporciona al final un informe que recoge el porcentaje de respuestas acertadas y erradas, y el feedback correspondiente a cada una de ellas. Igualmente, el formador recibe un informe autogenerado con diversos datos relacionados con el rendimiento manifestado por el alumno en cada una de las pruebas realizadas.

Y al finalizar todo este proceso de evaluación, recordaremos que la RETROALIMENTACIÓN, se establecerá a continuación, por lo que la dinámica evaluativa es un FLUJO CONTÍNUO que no terminará hasta que nuestro USUARIO alumno haya terminado su proceso formativo con la consecución de los objetivos que se pretendían en un principio, dejando siempre abierto el sistema, para que en algún momento pueda volver a él para utilizar algunos aspectos que había probado y que considera puede mejorar o cambiar.

En un futuro que casi ya es presente, las habilidades más demandadas serán la escucha activa, el habla, el pensamiento crítico y la comprensión lectora, mientras que las habilidades menos importantes incluyen la ciencia, la programación y el diseño de tecnología.

En otras palabras, las «habilidades blandas» serán más necesarias para el trabajo humano. Si bien esto puede parecer obvio para muchos educadores, es refrescante escuchar esto desde una perspectiva comercial también.

Como dice Tony Bates, no podría mejorar, o si, vaya, las disposiciones siguientes, pero si todo ello está referido a Canadá, sí que soy capaz de extrapolarlo a cualquier lugar del MUNDO, y de una forma categórica

No puedo mejorar el resumen en el informe en sí:

1. Más del 25% de los empleos canadienses se verán gravemente afectados por la tecnología en la próxima década. La mitad completa pasará por una revisión significativa de las habilidades requeridas.

2. Una evaluación de 20,000 clasificaciones de habilidades en 300 ocupaciones y 2.4 millones de vacantes esperadas muestra una demanda creciente de habilidades fundamentales tales como pensamiento crítico, coordinación, percepción social, escucha activa y resolución de problemas complejos.

3. A pesar del gran desplazamiento laboral proyectado en muchos sectores y ocupaciones, se espera que la economía canadiense agregue 2.4 millones de empleos en los próximos cuatro años, todo lo cual requerirá esta nueva combinación de habilidades.

4. El sistema educativo, los programas de capacitación y las iniciativas del mercado laboral de Canadá no están diseñados adecuadamente para ayudar a los jóvenes canadienses a navegar esta nueva economía de habilidades.

5. Los empleadores canadienses generalmente no están preparados, a través de la contratación, la capacitación o el readiestramiento, para reclutar y desarrollar las habilidades necesarias para hacer que sus organizaciones sean más competitivas en una economía digital.

6. Nuestros investigadores identificaron una nueva forma de agrupar trabajos en seis «grupos», basados en habilidades esenciales por ocupación y no por industria.

7. Al centrarse en las habilidades fundamentales requeridas dentro de cada uno de estos grupos, es posible un alto grado de movilidad entre trabajos.

8. La fluidez digital será esencial para todos los trabajos nuevos. Esto no significa que necesitamos una nación de codificadores, sino una nación que sabe leer y escribir digitalmente.

9. Competencias globales como conciencia cultural, lenguaje y adaptabilidad serán demandadas.

10. Prácticamente todas las ofertas de trabajo darán gran importancia al juicio y la toma de decisiones, y más de dos tercios valorarán la capacidad de administrar personas y recursos.

Entonces, no, la automatización no va a eliminar todo el trabajo para los humanos, pero va a cambiar mucho la naturaleza de ese trabajo, y es en este sentido que la tecnología será disruptiva. Se necesitarán trabajadores en el futuro, pero deberán ser trabajadores muy diferentes del pasado.

Esto tiene implicaciones masivas para la enseñanza y el aprendizaje por lo que afirmo que los SISTEMAS EDUCATIVOS ACTUALES, están diseñados inadecuadamente para ayudar a los jóvenes a navegar por esta nueva economía de habilidades.

Las habilidades más demandadas serán la escucha activa, el habla, el pensamiento crítico y la comprensión lectora, mientras que las habilidades menos importantes incluyen la ciencia, la programación y el diseño de tecnología.

(¿Qué significa esto para enseñar y aprender?

Hay varios desafíos que veo:

-primero: hacer que los profesores e instructores acepten que estas (y otras) habilidades deben enseñarse dentro de cualquier dominio de la materia; -segundo:ya que no es probable que estas habilidades se desarrollen dentro de un curso único, identificando la mejor manera de enseñar estas habilidades a diferentes edades, a lo largo de un programa de estudio, y de hecho durante toda la vida; :tercero: codificando estas habilidades en términos de métodos apropiados de enseñanza y evaluación; Con demasiada frecuencia los educadores afirman que están enseñando estas habilidades, pero si es así, a menudo está implícito o no está claro cómo o incluso si los estudiantes adquieren estas habilidades.

-Necesitamos determinar cómo la mejor tecnología digital / e-learning puede apoyar el desarrollo de habilidades. Por ejemplo, el aprendizaje digital bien diseñado puede permitir la práctica de habilidades y la retroalimentación a escala, liberando a los docentes y los instructores para que se centren en lo que debe hacerse cara a cara.)

-Eso, evidentemente sí que es mejorable y de hecho lo doy por amortizado: no serán ya más los docentes que digan a los discentes el qué y el cómo hacerlo, sino que serán los aprendices quienes se responsabilicen de su aprendizaje.

-El aprendizaje será a lo largo de toda la vida y el reconocimiento social no será a base de títulos y monopolios de instituciones educativas, sino que aprendizaje, trabajo, etc, convivirán juntos como una sola «alma».

-Los aprendices serán quienes piensen, diseñen, ejecuten y retroalimenten, tanto las habilidades como su transformación en otras, siempre de manera inclusiva, y decidirán el momento de cada uno de ellos.

Las tecnologías, evidentemente serán siempre disruptivas, pero por encima de ellas, las personas con su disrupción estarán siempre pendientes de su evolución.

Cuando le damos el control y la autonomía de los estudiantes a aprender de la manera que quieran con las herramientas que ellos quieren, los resultados son fantásticos y los estudiantes están asociados con su maestro en el diseño de métodos de aprendizaje, herramientas y entornos que son los mejores para ellos.

En la educación disruptiva de Farnós, se fomenta la autonomía y el control de los estudiantes en su proceso de aprendizaje. Esto se logra a través de la utilización de herramientas digitales abiertas y la promoción de la experimentación y el aprendizaje autónomo. Por ejemplo, los estudiantes pueden utilizar plataformas de aprendizaje en línea como Moodle para acceder a cursos y materiales de aprendizaje en línea, y pueden utilizar herramientas de presentación en línea como Prezi para crear presentaciones en línea y compartir su trabajo con otros estudiantes y profesores.

Además, los estudiantes pueden utilizar herramientas de organización de tareas y herramientas de colaboración en línea para mejorar su productividad y colaborar con otros estudiantes en proyectos y tareas.Por otro lado, la inteligencia artificial (IA) puede ser utilizada para personalizar el aprendizaje y adaptarlo a las necesidades individuales de los estudiantes.

Por ejemplo, se pueden utilizar algoritmos de aprendizaje automático para identificar patrones en los datos de la retroalimentación y mejorar la precisión de la evaluación. Además, se pueden utilizar chatbots y sistemas de recomendación para proporcionar retroalimentación y recomendaciones personalizadas a los estudiantes, por lo tanto la educación disruptiva de Farnós como la inteligencia artificial (IA) pueden ser utilizadas para fomentar la autonomía y el control de los estudiantes en su proceso de aprendizaje. Al dar a los estudiantes el control y la autonomía para aprender de la manera que quieran con las herramientas que ellos quieran, se pueden obtener resultados fantásticos y los estudiantes pueden estar asociados con su maestro en el diseño de métodos de aprendizaje, herramientas y entornos que son los mejores para ellos.

La implementación de algoritmos de aprendizaje automático y chatbots conla Educación disruptiva dentro y fuera de las aulas puede mejorar la retroalimentación y las recomendaciones personalizadas para los estudiantes. A continuación, se explica cómo se pueden utilizar estas herramientas en la educación:

Algoritmos de aprendizaje automático: Los algoritmos de aprendizaje automático pueden ser utilizados para identificar patrones en los datos de retroalimentación y mejorar la precisión de la evaluación. Por ejemplo, los algoritmos pueden analizar los datos de retroalimentación de los estudiantes para identificar áreas en las que necesitan mejorar y proporcionar recomendaciones personalizadas para ayudarlos a mejorar. Además, los algoritmos pueden ser utilizados para personalizar el aprendizaje y adaptarlo a las necesidades individuales de los estudiantes.
Chatbots: Los chatbots pueden ser utilizados para proporcionar retroalimentación y recomendaciones personalizadas a los estudiantes. Por ejemplo, los chatbots pueden ser programados para responder preguntas frecuentes de los estudiantes y proporcionar retroalimentación en tiempo real sobre su trabajo. Además, los chatbots pueden ser utilizados para proporcionar recomendaciones personalizadas a los estudiantes sobre qué áreas necesitan mejorar y cómo pueden hacerlo.

Ejemplo práctico de cómo se pueden utilizar los algoritmos de aprendizaje automático y los chatbots en la educación, dentro y fuera de las aulas en general y de la Eduación superior en particular:

Un profesor utiliza un chatbot para proporcionar retroalimentación en tiempo real a los estudiantes sobre su trabajo. El chatbot utiliza algoritmos de aprendizaje automático para analizar los datos de retroalimentación de los estudiantes y proporcionar recomendaciones personalizadas sobre cómo pueden mejorar su trabajo. Por ejemplo, si un estudiante tiene dificultades con la gramática, el chatbot puede proporcionar recomendaciones sobre cómo mejorar su gramática y proporcionar ejemplos específicos de cómo hacerlo.

Los algoritmos de aprendizaje automático y los chatbots pueden ser utilizados en la educación para mejorar la retroalimentación y las recomendaciones personalizadas para los estudiantes. Estas herramientas pueden ser utilizadas para personalizar el aprendizaje y adaptarlo a las necesidades individuales de los estudiantes, lo que puede mejorar su experiencia de aprendizaje y ayudarlos a alcanzar sus objetivos educativos.

La educación disruptiva de Juan Domingo Farnós y la inteligencia artificial (IA) pueden ser utilizadas para mejorar la retroalimentación y las recomendaciones personalizadas para los estudiantes. En la educación tradicional, la retroalimentación y las recomendaciones personalizadas suelen ser proporcionadas por los profesores de manera manual, lo que puede ser limitado y no siempre preciso. En la educación disruptiva, se utilizan algoritmos de aprendizaje automático y chatbots para proporcionar retroalimentación y recomendaciones personalizadas a los estudiantes de manera más precisa y eficiente.A continuación, se presenta una tabla que muestra las diferencias entre la educación tradicional y la educación disruptiva en cuanto a la retroalimentación y las recomendaciones personalizadas:

Característica	Educación tradicional	Educación disruptiva
Retroalimentación	Proporcionada por los profesores de manera manual	Utiliza algoritmos de aprendizaje automático para identificar patrones en los datos de retroalimentación y mejorar la precisión de la evaluación
Recomendaciones personalizadas	Proporcionadas por los profesores de manera manual	Utiliza chatbots y sistemas de recomendación para proporcionar retroalimentación y recomendaciones personalizadas a los estudiantes

La educación disruptiva de Juan Domingo Farnós y la inteligencia artificial (IA) pueden ser utilizadas para mejorar la retroalimentación y las recomendaciones personalizadas para los estudiantes. En la educación disruptiva, se utilizan algoritmos de aprendizaje automático y chatbots para proporcionar retroalimentación y recomendaciones personalizadas a los estudiantes de manera más precisa y eficiente que en la educación tradicional.

juandon

BIBLIOGRAFÍA

Acero, O., Gómez, J., & Orduz, M. (2020). La formación integral en los posgrados en educación: Aportes desde la educación disruptiva. Revista Tecnología, Educación y Desarrollo, 16(1), 1-16.
García, M. (2019). La educación disruptiva en el Instituto de Criminalística. Revista de Investigación Académica, 104, 1-16.
Fernández, M. (2002). La formación de investigadores en España. CIS-Siglo XXI.
Opertti, R. (2019). Sobre la disrupción en la educación. UNESCO International Bureau of Education.
Rodríguez, M. (2022). Educación disruptiva: nuevos desafíos en la formación de investigadores sociales en tiempos de pandemia y distanciamiento social. Revista Cubana de Investigación Social, 12(6), 189-198.
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.
Bates, A. W., & Sangrà, A. (2011). Managing technology in higher education: Strategies for transforming teaching and learning. John Wiley & Sons.
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017-1054.
Dede, C. (2008). Theoretical perspectives influencing the use of information technology in teaching and learning. In J. Voogt & G. Knezek (Eds.), International handbook of information technology in primary and secondary education (pp. 43-62). Springer.
Siemens, G., & Downes, S. (2008). Connectivism and connective knowledge: Essays on meaning and learning networks. National Research Council Canada.
Iiyoshi, T., & Kumar, M. S. V. (Eds.). (2008). Opening up education: The collective advancement of education through open technology, open content, and open knowledge. MIT Press.
Zhao, Y. (2012). World class learners: Educating creative and entrepreneurial students. Corwin Press.
Weller, M. (2013). The Battle for Open: How openness won and why it doesn’t feel like victory. Ubiquity Press.

Aprendizaje Personalizado:

Hattie, J., & Donoghue, G. M. (2016). Learning strategies: A synthesis and conceptual model. npj Science of Learning, 1(1), 1-13.
Bransford, J., Brown, A. L., & Cocking, R. R. (Eds.). (2000). How people learn: Brain, mind, experience, and school. National Academy Press.

Inteligencia Artificial y Educación:

Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. In Handbook of research on educational communications and technology (pp. 319-332). Springer.
Lane, H. C., & VanLehn, K. (2005). Teaching the tacit knowledge of programming to novices with natural language tutoring. The Journal of the Learning Sciences, 14(4), 483-503.

Educación Disruptiva:

Christensen, C. M., Horn, M. B., & Johnson, C. W. (2013). Disrupting class: How disruptive innovation will change the way the world learns. McGraw-Hill.
Fullan, M. (2014). Leading in a culture of change personal action guide and workbook. Jossey-Bass.

Alfabetización Digital:

Belshaw, D. A. (2012). What is ‘digital literacy’? A pragmatic investigation. TechTrends, 56(3), 10-13.
Eshet-Alkalai, Y. (2004). Digital literacy: A conceptual framework for survival skills in the digital era. Journal of Educational Multimedia and Hypermedia, 13(1), 93-106.

Conectivismo:

Siemens, G. (2004). Connectivism: A learning theory for the digital age. elearnspace. Retrieved from http://www.elearnspace.org/Articles/connectivism.htm
Kop, R., & Hill, A. (2008). Connectivism: Learning theory of the future or vestige of the past? The International Review of Research in Open and Distributed Learning, 9(3).

Aprendizaje Basado en Proyectos:

Thomas, J. W. (2000). A review of research on project-based learning. San Rafael, CA: Autodesk Foundation.
Boss, S., & Krauss, J. (2007). Reinventing project-based learning: Your field guide to real-world projects in the digital age. International Society for Technology in Education.

Tecnología y Evaluación:

Pellegrino, J. W., Chudowsky, N., & Glaser, R. (Eds.). (2001). Knowing what students know: The science and design of educational assessment. National Academies Press.
Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in education, 5(1), 7-74.

Innovación Educativa:

Fullan, M. (2016). The new meaning of educational change. Routledge.
DuFour, R., & Marzano, R. J. (2011). Leaders of learning: How district, school, and classroom leaders improve student achievement. Solution Tree Press.

Aprendizaje Social y Comunidades de Práctica:

Wenger, E. (1998). Communities of practice: Learning, meaning, and identity. Cambridge University Press.
Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge University Press.

Neurociencia y Educación:

Sousa, D. A. (2017). How the brain learns. Corwin Press.
Medina, J. (2008). Brain rules: 12 principles for surviving and thriving at work, home, and school. Pear Press.

juandon. Innovación y conocimiento

La búsqueda del conocimiento en una Sociedad de la Inteligencia