Juan Domingo Farnos Miro

Estamos de lleno implicados en lo digital especialmente porque la inteligencia artificial ha puesto su grano de sal, haciendo que las experiencias del usuario sean aún más intuitivas que antes. La capacitación es uno de los sectores afectados por estas nuevas oportunidades y trata constantemente de obtener los beneficios, en beneficio de una mejor experiencia de “aprendizaje”. Te contamos un poco más sobre esta reunión “fuera de lo común”.

“Todo en digital”, para consumir con moderación

Evoluciones o no, es un hecho comprobado, nada reemplazará la efectividad del contacto humano y el entrenamiento cara a cara. Digital sigue siendo una herramienta para energizar su contenido y hacerlo atractivo. Pero tenga cuidado, la capacitación no es “digitalizable”, al igual que las nuevas prácticas digitales que no son buenas para tomar, especialmente si no está preparado adecuadamente para ello.

Detengámonos en el fenómeno de la inteligencia artificial y su impacto (futuro) en el mundo del aprendizaje. Ya tan codiciada y tan poco utilizada, esta nueva tecnología se adapta perfectamente a las crecientes necesidades de las empresas para motivar e involucrar siempre a los empleados de hoy y de mañana para que se capaciten. Para esto, es constantemente necesario encontrar nuevas palancas de motivación. Hoy, la inteligencia artificial abre nuevas perspectivas para personalizar aún más un módulo de capacitación y tener en cuenta los métodos de aprendizaje de cada uno. Un proceso que ahora tiene un nombre: Aprendizaje adaptativo.

¿Aprendizaje adaptativo, hacia la capacitación individual?

El aprendizaje adaptativo y el personalizado representan  la mejora continua del desempeño de impacto y su ampliación continuado. Aprender en un marco de conocimiento que se utiliza para identificar oportunidades de utilizar herramientas de conocimiento de gestión en áreas específicas – gestión de la información, la comunicación interna y externa, el aprendizaje de seguimiento y evaluación orientada a alentar las innovaciones y la experimentación – para mejorar la ejecución de un proyecto….

El aprendizaje adaptativo se manifiesta en   “la personalización educativa de técnicas de aprendizaje”, aunque obviamente el aprendizaje personalizado va mucho más allá ya que representa la “liberación” del aprendiz tomando las riendas de lo que quiere aprender, cómo, cuando y con quién quiere hacerlo. (Juan Domingo Farnos Miro)

A medida que la Internet penetra cada vez más en nuestras vidas , en nuestra educación… y otros factores de forma de computación que mueven datos reuniendo a los lados distantes de la red crecen en tamaño y volumen de datos, ha surgido una creciente necesidad de poner más procesamiento inteligente en el borde de la red, en lugar de el transporte a través de la nube y que genera una gran variedad de oportunidades de aprendizaje variadas:

– La individualización de la trayectoria de un estudiante para el dominio del contenido, a través del aprendizaje adaptativo o la educación basada en competencias

– Un mejor aprendizaje como resultado de la forma más rápida y diagnóstico en profundidad de las necesidades de aprendizaje o los puntos problemáticos en funcionamiento, incluida la evaluación de habilidades como el pensamiento sistémico, la colaboración y la resolución de problemas en el contexto de las evaluaciones de conocimientos profundos auténtico objeto del área de

– Las intervenciones orientadas para mejorar el éxito de los estudiantes y para reducir los costos generales a estudiantes e instituciones

– El uso de entornos basados en juego para el aprendizaje y la evaluación, Cuando el aprendizaje se encuentra en la información compleja y situaciones de toma de decisiones

-Adaptar la educación a cada estudiante es uno de los mayores beneficios de la tecnología y los maestros de gran ayuda datos de PERSONALIZAR EL APRENDIZAJE.

En lugar de ser el centro de la tendencia en la nube, con el borde de computación (a veces llamada computación en la niebla) sirve también de complemento en la que poner la potencia de cálculo de los paquetes de tecnología en la nube con coste y rendimiento.

El creciente deseo de aumentar la productividad y la cooperación mediante el suministro de información sobre la demanda en gran parte debido al uso generalizado de dispositivos móviles de los consumidores y agentes inteligentes.

La Inteligencia artificial es capaz de subministrar el aprendizaje digital lo que ocasiona que se esté desplazando el aprendizaje a los modelos más sofisticados, desde sistemas de aprendizaje personalizados y socializadores , microaprendizaje, aprendizaje en el trabajo… todo ello emanado de las esencias del APRENDIZAJE ABIERTO, INCLUSIVO Y UBÍCUO, a pesar de que los modelos basados en la comunidad tienen siguen siendo importantes y de crecimiento rápido que nunca.

El mercado global de aprendizaje inteligente es un monstruo, como es la educación general, y crecerá a 25 por ciento anual durante los próximos años.

A medida que la IA crece en el sector de la educación, su impacto se puede sentir en programas de aprendizaje de estudiantes, sitios web …

Un nuevo informe predice que la inteligencia artificial (IA) en el sector educativo de los EE.UU. crecerá un 47,5 por ciento hasta el 2021.

Una de las principales tendencias en torno a la IA y la educación son los juegos educativos. Debido a que los juegos tienen el potencial de involucrar a los estudiantes mientras les enseña conceptos de educación desafiantes de una manera atractiva, los proveedores están incorporando funciones de AI en los juegos para mejorar su interactividad, eso si, darán un salto cualitativo y obviamente, cuantitativo, cuando sean auténticas aplicaciones personalizadas (aprendizaje persoanalizado)

Las tecnologías de aprendizaje automático en el campo de la IA están diseñadas de tal manera que puedan interactuar directamente con los estudiantes sin intervención humana, según el informe, y estas tecnologías son capaces de enseñar temas variados, como matemáticas, idiomas, física, derecho, Y la medicina, si se construyen como andamiajes el conocimiento y del aprendizaje y a su vez evolucionan a la manera de la GAMIFICATION, los resultados pueden llevar a los aprendices a poder responsabilizarse de su educacion y de su evaluacion.

Son diferentes de los sistemas tradicionales de instrucción asistida por computadora debido a su capacidad de interpretar respuestas humanas complejas mientras que simultáneamente enseñan.

Este sistema puede analizar los patrones de aprendizaje de los estudiantes y puede ajustar su enfoque de contenido y retroalimentación, estos procesos, como hemos dicho, quedarán superados evidentemente.

La inteligencia artificial. Sistemas cognitivos se han vuelto lo suficientemente potente como para empezar a agrietarse y replantearse cada día más mejoras de maneras continuadas siempre adaptandose a los contextos cambiantes que se estan sucediendo de manera permanente.

Con todo ello la personalización por las tecnologías digitales (algoritmos) sólo libera los seres humanos para personalizar mejor nuestra vida (es decir, encontrar nuestras propias maneras), lo demás deben hacerlo las tecnologías y es aquí mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepción de DATOS, pasarlos por un proceso de ANALISIS Y CRITICA, lo que los transformara en APRENDIZAJES.

Si todo el proceso esta evaluado, necesitaremos el algoritmo para que nos realice la retroalimentación. Lo cual hará que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico.

Todo el mundo será capaz de clasificar los datos como quieran. Cualquier disciplina, ninguna cultura, ninguna teoría será capaz de clasificar los datos a su manera, para permitir la diversidad, utilizando un único metalenguaje, para garantizar la interoperabilidad. (EXCELENCIA PERSONALIZADA AUTOMATIZADA, por medio de una mezcla de inteligencia artificial y algorítmica.

 

 

Esto generará automáticamente los ecosistemas de las ideas que serán navegables con todas sus relaciones semánticas. Seremos capaces de comparar diferentes ecosistemas de las ideas de acuerdo a nuestros datos y las diferentes formas de clasificarlos. Seremos capaz de elegir diferentes perspectivas y enfoques…..(personalized learning and Social Learning)

Vamos a ser capaces de analizar y manipular significado, y allí radica la esencia de las ciencias humanas.

Estas operaciones que se harán de manera automatizada y significativa deberá proporcionarnos la suficente seguridad, transparencia y confiabilidad,… y lo hará si la sociedad quiere que así sea.

Estos algoritmos de personalización (Rauch, Andrelczyk y Kusiak, 2007), recopilar información del usuario y analizan los datos para que pueda ser transmitida al usuario en momentos específicos (Venugopal, Srinivasa y Patnaik, 2009). Por ejemplo, cuando estoy terminado de ver un video en YouTube o una película en digitaly he aquí que presenté con una lista de recomendaciones sobre los géneros que acabo consumidas.

Esta idea funciona de forma similar con algoritmos de personalización que sería capaz de recomendar cursos o avenidas de aprendizaje basado en el conocimiento previo de las personas intervinientes en el proceso de aprendizaje ABIERTO, INCLUSIVO Y UBICUO, que ya hemos mencionado.

Las investigaciones que vemos muestran que el método de enseñanza tradicional no contribuye al aprendizaje efectivo, y no utiliza el potencial de la tecnología (Jonassen, Norton & Wiburg, Sandholtz, Ringstaff, & Dwyer, McCormick & Scrimshaw2). De hecho, muchos creen que una buena herramienta puede ser inútil si no es integrada dentro de estrategias efectivas de enseñanza.

El aprendizaje debe ser activo para que sea más ameno , riguroso y atractivo. Realizar aprendizajes más activos…, profesores y estudiantes como socios en el aprendizaje pueden diseñar co-lecciones y estrategias de evaluación juntos. Ellos pueden usar la evaluación como aprendizaje para reflexionar sobre su aprendizaje como sucede, en lugar de esperar hasta que un examen o prueba de fin de año. Todo esto puede suceder con mayor eficacia cuando cada estudiante tiene la tecnología que permite acceder a los contenidos con un profesor que le ayude y guíe…

Concretamente, el aprendizaje adaptativo o el aprendizaje adaptado se basa en la capacidad de configurar un algoritmo “inteligente” para que ajuste el contenido en tiempo real (ejercicios o evaluaciones) según un ritmo, un tipo de respuesta. o un nivel de conocimiento del alumno. El proposito? Completamente personalizadas (o incluso predictivas) rutas de capacitación y desarrollo de habilidades, independientemente de las disparidades culturales o profesionales. Al eliminar tales barreras, puede reducir los intentos de rendirse o la sensación de frustración. Mejor aún, los alumnos disfrutan de la capacitación con contenido adaptado a sus necesidades o preferencias, y créanos, ¡ha ganado todo!

Además, Adaptive Learning se basa, por un lado, en datos formateados en sentido ascendente para ajustar el contenido en tiempo real y, por otro lado, en datos recopilados instantáneamente como el tiempo dedicado a un espacio de entrenamiento (detectar una posible distracción o vacilación, etc.); formatos preferidos (videos o contenido para descargar); el número de ejercicios realizados (prueba de participación o falta de interés); el número de abandonos en un tema … todo lo cual nos permite determinar la actitud del alumno durante el entrenamiento. Gracias a esto, la personalización del módulo de aprendizaje es aún más profunda, al igual que el monitoreo individual. De hecho, al analizar los datos, puede simplificar el contenido, sugerir volver más tarde o alentarlos a continuar con los esfuerzos.

Como habrás entendido, un curso exitoso de Adaptive Learning es, por lo tanto, un programa que tiene en cuenta: el ritmo del alumno, el nivel de habilidades específicas de cada uno, la participación del contenido dinámico y el análisis de datos recogido para adaptarlos instantáneamente. Por lo tanto, ningún empleado permanece en dificultad indefinidamente o, por el contrario, en un área demasiado cómoda.

Tenemos que personalizar el aprendizaje para nuestros aprendices, evidentemente y en la cabeza de ello deben estar los mismos alumnos.

La Evaluación para el aprendizaje (diferenciación) se produce durante todo el proceso de aprendizaje y les servirá como motor para su aplicación y evolución.

Con los profesores: 

a-instrucción… alinearse con los resultados previstos

b-identificación de las necesidades particulares de aprendizaje de los alumnos o grupos.

c-selección y adaptación de materiales y recursos.

d-creación de estrategias diferenciadas de enseñanza y oportunidades de aprendizaje para ayudar a los alumnos individuales para avanzar en su aprendizaje.

e-proporcionar información inmediata y orientación a los alumnos….

La personalización por las tecnologías digitales sólo libera los seres humanos para personalizar mejor nuestra vida (es decir, encontrar nuestras propias maneras), lo demás deben hacerlo las tecnologías y e aquí mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepción de DATOS, pasarlos por un proceso de ANALISIS Y CRITICA, lo que los transformara en APRENDIZAJES ADAPTATIVOS que derivarán posteriormente en PERSONALIZADOs y bajo la responsabilidad completa de los aprendices. Si todo el proceso esta evaluado, necesitaremos el algoritmo para que nos realice la retroalimentación. Lo cual hará que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico.

“Agilidad cognitiva Fortaleza. Curiosidad. Fluidez técnica. Pensamiento crítico. Empatía. Trabajando en equipo con otros diversos. Resolviendo problemas complejos. Determinación. Analítica y diagnóstico. Valor de la falla Comunicación. Hambre para aprender Profundo autoconocimiento

Estas son las habilidades del futuro. Algunos de nosotros nos hemos referido a estas cualidades como “habilidades blandas”.

Entonces, ¿cómo deberían verse las escuelas y los lugares de aprendizaje en 2030? ¿Cómo ayudamos a los estudiantes a competir con máquinas inteligentes? ¿Cómo preparamos a nuestros estudiantes para navegar la conexión global generada por la tecnología? En Hopkins, nuestros maestros se dan cuenta de que ya no son los únicos proveedores de conocimiento e información. La tecnología se aprovecha como una herramienta para proporcionar a los estudiantes plataformas de aprendizaje que les ayuden a analizar, diagnosticar, trabajar en equipo, pensar críticamente y crear.”

Si dentro de unos 20 años la educación y el trabajo serán totalmente diferente a los de hoy, es más, a lo mejor ni siquiera los términos que empleamos para nombrarlos a lo mejor ni siquiera son los mismos, hoy necesitamos no solo entender que debemos aprender y trabajar para hoy, sino para mañana y para ello a través de las habilidades blandas que llevaran a cabo personas frelance, eso seguro, contrataciones basadas en proyectos, creando una economía gig en la que menos personas tienen puestos de trabajo tradicional a tiempo completo.

En el futuro, los puestos de trabajo podrían requerir que las personas desarrollen habilidades flexibles a corto plazo para transferirse frecuentemente entre trabajos o tareas, en lugar de enfocarse principalmente en el conocimiento académico específico enfatizado en las medidas de prontitud actuales, o lo que es lo mismo, las titulaciones oficiales van a perder toda su influencia social (perderán no solo el monopolio, sino que desaparecerán, ya no tendrán sentido, esto “está cantado”).

Las habilidades más flexibles, tales como aquellas enfocadas en el desarrollo socio-emocional, prometen ayudar a los estudiantes a volverse resistentes, reflexivos, resilientes y capaces de formar conexiones y relaciones positivas…. https://es.linkedin.com/…/habilidades-blandas-el… Habilidades blandas: el funcionamiento futuro de la educación-trabajo!

Al proponer una nueva base para la preparación basada en estas habilidades sociales y emocionales básicas, estamos seguros que encajarán perfectamente en una nueva sociedad con otra cultura y un paradigma de paradigmas donde no solo trabajo y aprendizaje sean lo mismo, sino que la educación en general de la misma sociedad esté conformada por una nueva manera de entender el orden social.

En la “nueva educación global” (cuya sinergia con las N.T. llegó para quedarse de modo irreversible), aparece la apremiante necesidad de reevaluar el actual currículo tradicional estandarizado de nuestros Sistemas Educativos, el cual se caracteriza por la presencia de contenidos académicos fijos, aislados, secuenciales y descontextualizados, basado en clases expositivas (con herramientas poco interactivas), el apuntismo y una conducta sumisa del estudiante, aunado a un “encriptamiento”, por parte del docente, en su forma de enseñar y de evaluar.

En esta reevaluación curricular se tendrá que asumir como válida, la inconveniencia de definir un currículo comprehensivo, a la luz de una Sociedad de Aprendizaje donde la información le llega al alumno por variadas vías y muy especialmente por la Internet, obligando a un cambio en el rol del docente desde una “autoridad distribuye conocimientos” hacia un sujeto que crea e instrumenta ambientes de aprendizaje estimulantes y motividad que ores, donde se implica a los alumnos en actividades apropiadas en aras de poder construir su propia compresión del material a estudiar, participando paralelamente en el trabajo con los alumnos como compañeros en el proceso de aprendizaje; todo ello en el seno de una institución educativa más flexible, que sea igualmente negadora de la instrucción memorística

En lo inmediato referenciaremos someramente algunos de estos Ambientes Distribuidos de Aprendizaje, dedicándole posteriormente capitulo aparte a la Multimedia e Internet: Educación Virtual: entendida como un sistema de educación “construido” sobre una estructura cultural computacional, sustentada en el manejo de las tecnologías de información, de comunicación, de redes electrónicas y de amplias interfaces, desarrollado en ambientes multimediales, multimodales, multicanales, y conexión a Internet, con la particularidad que el estudiante puede acceder a contenidos en línea de acuerdo con sus necesidades específicas de tiempo y espacio (responsabilizándose y adquiriendo compromisos).

Ello nos conduce a muchas dificultades, ya no solo en el entendimiento, que también, si no en la aceptación del cambio de roles y personas, su integración en la autonomía de aprendizajes y en la personalización y socialización de los mismos.

Esta transformación real (disrupción) llegará cuando se comprenda y se implemente (causa-efecto) lo que siempre ha sido y entendido por “educación”, su estructura, organización y funcionamiento, solo entonces podrá enarbolarse como eje en lo verdaderamente importante, la disrupción social.

Todo ello viene de la mano de lo que algunos llaman “sociedad digital” pero verdaderamente no es un conflicto acertado , lo que si ocurre es que sus ciudadanos si las utilizan para casi todos y la educación, también.

Preferiría denominarlo “”época digital” y la encuadraría dentro de un tiempo que se sabe cuándo más o menos empezó pero no cuándo terminará, ya que hablar de sociedad sería hacerlo en un sentido demasiado abstracto

La tecnología estará ahí siempre, debemos empezar a usarla para nosotros desarrollar, para alcanzar nuestros objetivos de manera adecuada. La oportunidad está ahí, está lista para aprovecharla:

1. Introducción y prácticas de aprendizaje. Modelo de gestión por competencias y su valoración, Mini- Proyecto de Innovación (presencial y/o virtual)
2. Innovación: ¿Qué es? Principios básicos y paradigmas
3. Tendencias globales. Competencias para gerenciar la innovación
4. Interpretación de los resultados en la valoración de competencias
5. Mini- Proyecto de Innovación
6. Creatividad e Innovación ¿Quién fue primero?
7. Algunas historias de innovación. La innovación y el cambio en las organizaciones: cómo gestionar el gobierno de la innovación
8. Competencias del día: Visión Estratégica del Cambio + Innovación
9. Ejecución de las ideas innovadoras: riesgos y aceleradores
10. Sistema de gestión de ideas. Indicadores. Balanced Score Card
11. Competencias del día: Orientación a resultados + Influencia
12. Cultura de innovación y calidad de servicio: mapa de innovación
13. Tendencias globales en servicios. Prácticas innovadoras
14. Competencias del día: Orientación al cliente + Autocrítica
15. Comunicación de la Innovación

Los equipos docentes  se pasan un gran tiempo mirando a una pantalla tratando de ponerse de acuerdo en una tarea de evaluación sumativa, o en las aulas de clase, cada trimestre realizando interminables sesiones de evaluación,  cuyo objetivo de estas tareas se supone que es para comprobar la comprensión, para ver cómo se ha desarrollado la comprensión de los estudiantes sobre los conceptos explorados durante una unidad de investigación.

Con ello cada una de estas sesiones puede haber ido a ninguna parte, y significa un error que existe en muchas escuelas hoy en día – es una talla única para todas las tareas de evaluación sumativa le informará sobre el nivel de comprensión de cada estudiante individual.

La evaluación de los aprendizaje, y ya entendemos que evaluar es aprender, se realiza siempre sobre patrones uniformizados emanados de curriculums preestablecidos y por tanto normatizados, pues bien, si usamos una evaluación computacional, “creando sistemas de software que se adaptan dinámicamente a la potencialidad cambiante de cualquiera de los recursos que se tengan en diferentes contextos, materiales de aprendizaje y sujetos de las acciones de aprendizaje…

 

 

Aprendizaje adaptativo, sí, pero ¿a qué costo?

Evaluación de como el aprendizaje (Personalización) se basa en la investigación sobre cómo el aprendizaje ocurre, y se caracteriza por lo que los alumnos deberán reflexionar sobre su propio aprendizaje y hacer ajustes para que puedan lograr una comprensión más profunda.

Para lograr una nueva manera de evaluación personalizada y adaptada a cada persona, tendremos que considerar en primer lugar la computadora como una herramienta cognitiva para participar con el alumno en las interacciones (los suyos y con otros) para construir una comprensión más completa más rica.“Como una herramienta cognitiva, el equipo permite al alumno exteriorizar su pensamiento, para enriquecerla, manipularla y cambiarlo, todo mediante la interacción con el o los modelos más conceptuales en el equipo en la forma de un diálogo (ya sea real y llevado a cabo con otros o en la cabeza del alumno), es aquí donde utilizamos el aprendizaje adaptativo.

“Cada vez es más utilizado, el aprendizaje adaptativo aprovecha todo el potencial de las nuevas tecnologías y se nutre de conceptos tan nuevos e interesantes como la inteligencia artificial o el big data. Pero, ¿en qué consiste exactamente este tipo de aprendizaje y qué ofrece a alumnos y docentes? Te explicamos, en diez preguntas y respuestas, las claves de esta propuesta educativa que permite personalizar la secuencia de aprendizaje y atender a las necesidades y características de cada alumno en tiempo real y consiguiendo un proceso de aprendizaje mucho más eficaz.

Hemos de tener presente que a medida que las personas comenzaremos a trabajar con datos (dentro de esta nueva cultura-paradigma) a gran escala, deberemos hacer algo más que sólo tener que “enchufarnos” en la tecnología y con ello llegar a nuestro aprendizaje. Para obtener el máximo valor de los datos, los profesionales deberemos también transformar la manera en que pensamos acerca de los datos y cómo diseñamos posibles soluciones.

Con la obtención de microdatos por medio del Big Data (macrodatos) estructurados i embebidos establecemos anotaciones semánticas que pueden ser procesados por los motores de búsqueda para comprender el significado de los fragmentos de contenidos y proporcionar la información necesaria dentro de los parámetros ubicuos-OER- de manera que los podamos utilizar como actuaciones que nos servirán para posteriores relaciones con datos producto de la observación transformándose en metadatos.

En los últimos tiempos se están dando corrientes referentes al Big data y a a los Algoritmos (Inteligencia Artificial), los que predicen que significaran la “visualización” de una época con rayos y truenos, que nos tendra vigilados permanentemente ” Un artículo del periodista holandés Dimitri Tokmetzis demostró el año pasado hasta qué punto esto puede ir en los datos de montaje de retratos compuestos de lo que somos. Google sabe lo que busca y puede inferir no sólo qué tipo de noticias que lees en un domingo por la mañana y qué tipo de películas prefieres un viernes, qué tipo de porno que probablemente nos gustaría mirar y dejarnos boquiabiertos en la noche del sábado , lo que ha hecho que los bares y restaurantes cierren”….

La propuesta de Bentham para una Máquina total de la visibilidad puede ser menos significativa a la tesis de los universos de datos emergentes que sus contribuciones a la moral del utilitarismo y su supuesto de que se puede medir nuestro bienestar, así como la potenciación del aprendizaje personalizado.

Buscar la excelencia personalizada nos obliga a tener una autonomía suficiente que nos permita escudriñar, analizar y sacar las consecuencias necesarias que nos engloben en escenarios socio-educativos y, por tanto tecnificados, que lo hagan posible.

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

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

Pronto el registro y análisis de datos semánticos podrá convertirse en un nuevo lenguaje común para las ciencias humanas y contribuir a su renovación y el desarrollo futuro.

Todo el mundo será capaz de clasificar los datos como quieran. Cualquier disciplina, ninguna cultura, ninguna teoría será capaz de clasificar los datos a su manera, para permitir la diversidad, utilizando un único metalenguaje, para garantizar la interoperabilidad. (EXCELENCIA PERSONALIZADA AUTOMATIZADA, por medio de una mezcla de inteligencia artificial y algorítmica.

Esto generará automáticamente los ecosistemas de las ideas que serán navegables con todas sus relaciones semánticas. Seremos capaces de comparar diferentes ecosistemas de las concepts de acuerdo a nuestros datos y las diferentes formas de clasificarlos. Seremos capaz de elegir diferentes perspectivas y enfoques…..(customized studying and Social Learning)

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

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

Un aprendizaje que si optamos por dirigirnos a su concepto de doble ciclo, introducido por Argyris y Schön (1978) dentro de un contexto de aprendizaje organizacional y tenemos claro que estamos dentro de nuestros posicionamientos de COMPLEJIDAD ORGANIZACIONAL Y EDUCACIONAL , podremos tener en cuenta la interacción entre las acciones e interacciones de individuos y entidades con niveles de equipo.

Todo el mundo será capaz de clasificar los datos como quieran. Cualquier disciplina, ninguna cultura, ninguna teoría será capaz de clasificar los datos a su manera, para permitir la diversidad, utilizando un único metalenguaje, para garantizar la interoperabilidad. (EXCELENCIA PERSONALIZADA AUTOMATIZADA,) por medio de una mezcla de inteligencia artificial y algorítmica.

Un pequeño matiz de todos modos, la imagen está lejos de ser “toda hermosa, toda rosa”. Al igual que con los chatbots, nos desviamos un poco de las relaciones “humanas” y sinceras. De hecho, una inteligencia artificial no podrá empatizar con comprender los errores y descubrir por qué ocurren con regularidad. Además, un módulo de aprendizaje no puede reducirse únicamente a un algoritmo de comportamiento.

No se lo estamos ocultando, una tecnología tan avanzada y precisa representa una inversión. Por que razones Su alto precio se debe principalmente al enorme trabajo de diseño y escritura que requiere la implementación de un algoritmo de aprendizaje adaptativo. También es necesario planificar oradores eficaces para traducirlo, analizarlo y explotarlo con fines educativos.

No se le enseñará nada si le dicen que cada ser humano es diferente, que cada uno de nosotros tiene nuestros propios métodos de aprendizaje para asimilar o memorizar el conocimiento lo mejor posible. Adaptive Learning cumple esa promesa, pero tiene un precio. Tenga en cuenta que la capacitación en digitalización no necesariamente significa “deshumanizar”. Por supuesto, siempre debemos asegurarnos de conectarnos.

¿Unimos el aprendizaje en parámetros móviles y sociales, con la autonomía de la inteligencia artificial? , ¿cómo?, ¿por qué?

Las tendencias actuales en aprendizaje automático, análisis de datos, aprendizaje profundo e inteligencia artificial, sin embargo, complican las cuentas psicológicas centradas en el ser humano sobre el aprendizaje. Las teorías de aprendizaje más influyentes de hoy son las que se aplican a cómo las computadoras “aprenden” de la “experiencia”, cómo los algoritmos están “entrenados” en selecciones de datos y cómo los ingenieros “enseñan” a sus máquinas a “comportarse” a través de “instrucciones” específicas.

Necesitamos planteamientos metodológicos, pero también y especialmente, estructurales, como señalamos en nuestras investigaciones para no solo innovar en la educación, si no para transformarla.

La evolución de los algoritmos que “aprenden” de los datos sin tener que programarse de forma explícita. Un subgrupo particular de Machine Learning se conoce como “aprendizaje profundo” (Deep Learning). Este término describe el uso de un conjunto de algoritmos llamados redes neuronales que toman como modelo el cerebro humano. Los avances en este aprendizaje profundo han impulsado una rápida evolución de las tareas de aprendizaje por parte de las máquinas en los últimos años, en particular el procesamiento del lenguaje y texto, y la interpretación de imágenes y vídeos. Estos sistemas, por ejemplo, llegan a identificar caras o a interpretar el idioma natural a una velocidad y con un grado de acierto que puede superar al de un ser humano.

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

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

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

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

Coincidiendo con el post de Pierre Levy: EML: A Project for a New Humanism. An interview with Pierre Lévy me pregunto ¿Cómo será el nuevo modelo y como será capaz de describir que nuestra forma de crear y transformar el significado, y que sea computable?….no tardará mucho, de eso podeis estar seguros.

 

Pronto el registro y análisis de datos semánticos podrá convertirse en un nuevo lenguaje común para las ciencias humanas y contribuir a su renovación y el desarrollo futuro.

Todo el mundo será capaz de clasificar los datos como quieran. Cualquier disciplina, ninguna cultura, ninguna teoría será capaz de clasificar los datos a su manera, para permitir la diversidad, utilizando un único metalenguaje, para garantizar la interoperabilidad. (EXCELENCIA PERSONALIZADA AUTOMATIZADA,) por medio de una mezcla de inteligencia artificial y algorítmica.

La gente tiene que aceptar su responsabilidad personal y colectiva. Porque cada vez que creamos un vínculo, cada vez que “al igual que” algo, cada vez que creamos un hashtag, cada vez que compremos un libro en Amazon, y así sucesivamente,… que transformemos la estructura relacional de la memoria comúny eso lleva, como venimos diciendo siempre, una responsabilidad y un compromiso.

Por lo tanto, también tenemos que desarrollar el PENSAMIENTO CRÍTICO Todo lo que encontremos en el Internet es la expresión de puntos de vista particulares, que no son ni neutrales ni objetivos, sino una expresión de subjetividades activas. ¿De dónde viene el dinero? ¿De dónde proceden las ideas? ¿Qué es el contexto pragmático del autor? etcétera…

Este precio informativo se compone de DATOS ESTANDARIZADOS a través del que hemos llegado a definir nosotros mismos: transcripciones escolares, registros de salud, cuentas de crédito, títulos de propiedad, identidades legales. Hoy en día, tesis arraigada tipo de individualidad datos están siendo blanco amplió para abarcar más y más de lo que podemos ser: (En educación seria el PERSONALIZED LEARNING, que nosotros mismos abogamos y además instauramos en algoritmos personalizados, nunca creadores de patrones)..

La transformación es el cambio de una o muchas variables en el estudio.

Se transforman variables, por ejemplo, al remplazar los valores originales por logaritmos (transformación logarítmica). Frecuentemente los datos que son obtenidos no se ajustan a una distribución normal, por lo cual es inapropiado el ejecutar pruebas paramétricas

Muchas variables no se comportan de forma lineal o aritmética, por ejemplo las abundancias siguen un patrón exponencial.

En la educación básica se promueve que el sistema decimal es el único “natural”

Nunca vemos los algoritmos que hacen su trabajo, incluso a medida que nos afectan. Ellos producen en sus sistemas de cifrado, todo invisible, enterrado en cajas negras componer silencio sinfonías de ceros y unos….

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

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

Lo que hace que la programación ed-tecnología “adaptable” es que la IA evalúa la respuesta de un estudiante (por lo general a una pregunta de opción múltiple), luego sigue con la “segunda mejor” cuestión, cuyo objetivo es el nivel “adecuado” de dificultad. Esto no tiene por qué requerir un algoritmo especialmente complicado, y la idea en realidad basada en “la teoría de respuesta al ítem”, que se remonta a la década de 1950 y el ascenso de la psicometría. A pesar de las décadas siguientes, sinceramente, estos sistemas no se han vuelto terriblemente sofisticados, en gran parte debido a que tienden a basarse en pruebas de opción múltiple.

Para ello, se plantea un travelling de tendencias que incluye la apertura radical al conocimiento, donde la evolución biológica puede ser hackeada por la mente humana y su esparcimiento viral; las ideas están vivas y en perpétuo cambio… “(open y self-publishing, open educational resources); nuevas formas de certificar conocimiento (open badges, open educational practices); nuevos perfiles (desing thinkers, digital curators, digital yonkis); cursos masivos abiertos (massive online courses, peer assessment); nuevas tipologías de habilidades (transmedia skills); investigación abierta y distribuida (open data) entre otros.

https://juandomingofarnos.wordpress.com/…/los…/Los algoritmos sales de las Universidades de Juan Domingo Farnós Miró

“Las personas usan historias para organizar, expresar y recordar sus experiencias. Esta idea es el fundamento de un método desarrollado por Roger Schank y su equipo para diseñar cursos y materiales educativos que garanticen un aprendizaje mediante la práctica (learning by doing). ” Roger Schank

Estructuras de aprendizaje con una arquitectura eficaz:

• Un escenario: Situación profesional real y de negocio, simulada. Motivador y rico en contenidos, que proporciona un contexto coherente para el aprendizaje individual y colectivo.
• Una secuencia planificada de tareas: Encuadradas en ese escenario, que permiten al participante ejercitar los comportamientos clave y, de esta manera, aprenderlos (práctica, entrenamiento).
• Una colección estructurada de recursos para el aprendizaje: Incluyen procedimientos de trabajo, modelos a utilizar, herramientas, información relevante para la tarea, etc.
• Acceso a un tutor: online o presencial, para obtener ayuda en el momento de aprendizaje preciso (feed-back).
• Este engranaje se corresponde a las característivcas del E-learning-Inclusivo, diseñado por mi mismo, (Juan Domingo Farnos Miró) y que se recoge en estas bases http://www.scribd.com/doc/33025056/Bases-Para-e-Learning-Inclusivo , pero con una trascendencia mayor, ya que quiere influir en todo el diseño de lo que entendemos por educación y formación e influir en decisiones político-educativas, sociales y tecnológicas, adaptándose de manera permanente, transparente y con confianza..a esta sociedad dinámica que gracias a las TIC, evolucionará a un riitmo muy diferente a lo que venía haciendo hasta ahora.

Si lo que algunos llaman época de incertidumbre y otros simplemente, la época que nos ha tocado vivir y por tanto con una serie de maneras de ver y de hacer las cosas, significa transformar las maneras de aprender como indicamos en las hipótesis que planteamos, así será y como consecuencia lo que nos toca hacer es “remar” para escribir en una tabla rasa (Educación Disruptiva) lo que pretendemos llevar a cabo con ello.

…

Parece que el Mobile Lerning se va estancando en los aprendizajes, ¿a lo mejor es por falta de presupuestos?, quizás, pero es una realidad, en cambio el Social Learning, se está implantando por el convencimiento que el aprendizaje ha dejado de ser mío para pasar a ser de y para todos.

Es aquí donde se le ven más posibilidades, efectivamente al Mobile Learning, como soporte para el Social learning, ya que sin ninguna duda nos lo hace más fácil de llegar a sitios donde, como y cuando queremos (Aprendizaje Abierto, Inclusivo y Ubícuo de Juan Domingo Farnós año 2005), naturalmente bajo un prisma de aprendizaje disruptivo, nunca en la situación encorsetada y sistematizada de ahora. (CONGRESO MUNDIAL DE EDUCACIÓN DISRUPTIVA)…

Para poder utilizar Mobile learning dentro del mundo del aprendizaje, bien sea por su potencialidad ubícua, como por su gran usabilidad y accesibilidad, hemos de tener claros algunos principios básicos. diseño, características de la formación, necesidades de los aprendices, accesibilidad…. y para que nadie pueda ver ni ventajas ni inconvenientes si no posicionamientos naturales de la sociedad y de la educación en la Sociedad de la Información y del conocimiento:

1. ¿Cuál será el objetivo del proyecto mLearning?

a-¿Es el desarrollo de un aprendizaje?

b-¿Es que así se difunde el conocimiento?

c-¿Es para conseguir sus experiencias compartidas con otros en su red de aprendizaje?

El objetivo de un proyecto debe ser lo más claro posible, antes de la creación de cualquier otra cosa, ya que el objetivo será dar forma a lo que se necesita y cómo se puede montar con la mayor eficacia para alcanzar esa meta.

Fullan (2012) considera que la creación del conocimiento es el resultado de una nueva aproximación a la formación en la que se da más importancia a la producción de ideas que a la mera transmisión y reproducción de los conocimientos existentes. Hay una clara relación entre la manera de generar y construir conocimiento y el tipo de formación que demandan los sistemas educativos. Las nuevas pedagogías, los nuevos enfoques educativos proponen líneas de intervención coherentes con la manera en que se está produciendo el conocimiento e incorporan propuestas basadas en las investigaciones sobre el cerebro, la ciencia cognitiva y las redes.

Estamos en un marco social y tecnológico que supera con creces nuestras más extraordinarias fantasías y nos permite, con la rapidez de un clic o la habilidad de nuestros pulgares, acceder a más información de la que nadie nunca ha tenido acceso en la historia de la humanidad. Y más allá. Con esa misma facilidad podemos acceder a dinámicas de pensamiento colectivas, a intercambios y discusiones llenos de significados con personas aquí, allá y en todas partes, de las que sólo nos separan nuestras propias barreras personales. Vivimos tiempos extraordinarios para aprender juntos, para construir conocimientos juntos.

Es por ello que nuestras investigaciones se dirigen y se centran en los usos de la tecnología digital a lo ancho y a lo largo de la vida en su impacto en la actividad de aprendizaje de las personas a nivel informal y formal, y en las tendencias educativas en el siglo XXI.

Es importante que la investigación educativa se involucre en cómo algunas de sus preocupaciones centrales -aprendizaje, capacitación, experiencia, comportamiento, selección de currículos, enseñanza, instrucción y pedagogía- se están reelaborando y aplicando dentro del sector tecnológico. De alguna manera, podríamos decir que los ingenieros, los científicos de datos, los programadores y los diseñadores de algoritmos se están convirtiendo en los maestros más poderosos de hoy en día, ya que son máquinas que permiten aprender a hacer cosas que cambian radicalmente nuestras vidas cotidianas.

 

En los ultimos tiempos se están dando sos corrientes referentes al Big data y a a los Algoritmos (Inteligencia Artificial), los que predicen que significaran la “visualización” de una época con rayos y truenos, que nos tendra vigilados permanentemente ” Un artículo del periodista holandés Dimitri Tokmetzis demostró el año pasado hasta qué punto esto puede ir en los datos de montaje de retratos compuestos de lo que somos. Google sabe lo que busca y puede inferir no sólo qué tipo de noticias que lees en un domingo por la mañana y qué tipo de películas prefieres un viernes, qué tipo de porno que probablemente nos gustaría mirar y dejarnos boquiabiertos en la noche del sábado , lo que ha hecho que los bares y restaurantes cierren”….

La propuesta de Bentham para una Máquina total de la visibilidad puede ser menos significativa a la tesis de los universos de datos emergentes que sus contribuciones a la moral del utilitarismo y su supuesto de que se puede medir nuestro bienestar.

Estamos hoy en la clase difusa del pensamiento calculador y comparaciones cuantitativas insta a que el utilitarismo, tal razonamiento no se basa en el trabajo de visibilidad a hacer. Más bien, eso depende de algoritmos de análisis, qui a su vez depende de la presa de los algoritmos silenciosos –los que convierten en silencio nuestro comportamiento en una avalancha de datos. (son la metafora de los presos alrededor que se pusieron alrededor de una torre de vigilanca para ser visualizados, hasta que estos alcanzaron la manera de evitarlo( estos eran los algoritmos)….

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

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

Si como científicos de la cognición trabajamos en TI, una industria que actualmente tiene una gran necesidad de personas educadas que comprendan cómo las personas interactúan con la inteligencia artificial y los sistemas automatizados, como diseñadores de interacción, arquitectos de usabilidad, programadores, desarrolladores de sistemas, estrategias de poder o, después de algunos años, como administradores de proyectos.

Si aprendemos métodos para estudiar y moldear el pensamiento, la memoria y la acción tanto para los humanos como de las computadoras, la educación también te capacita para diseñar la interacción entre las personas y la tecnología.

En Inteligencia Artificial (AI) exploramos el pensamiento informático. En neurociencia, observamos lo que está sucediendo en el cerebro. Cuando conectamos lo que nos sucede con lo que sucede en una computadora, el pensamiento se convierte en un híbrido en el que nuestro pensamiento excede los límites entre psicología, cultura, biología y tecnología.

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

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

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

Con todo ello la personalización por las tecnologías digitales (algoritmos) sólo libera los seres humanos para personalizar mejor nuestra vida (es decir, encontrar nuestras propias maneras), lo demás deben hacerlo las tecnologías y es aquí mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepción de DATOS, pasarlos por un proceso de ANALISIS Y CRITICA, lo que los transformara en APRENDIZAJES. Si todo el proceso esta evaluado, necesitaremos el algoritmo para que nos realice la retroalimentación. Lo cual hará que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico.

En los ultimos tiempos se están dando sos corrientes referentes al Big data y a a los Algoritmos (Inteligencia Artificial), los que predicen que significaran la “visualización” de una época con rayos y truenos, que nos tendra vigilados permanentemente ” Un artículo del periodista holandés Dimitri Tokmetzis demostró el año pasado hasta qué punto esto puede ir en los datos de montaje de retratos compuestos de lo que somos. Google sabe lo que busca y puede inferir no sólo qué tipo de noticias que lees en un domingo por la mañana y qué tipo de películas prefieres un viernes, qué tipo de porno que probablemente nos gustaría mirar y dejarnos boquiabiertos en la noche del sábado , lo que ha hecho que los bares y restaurantes cierren”….

La tecnología digital ha acabado convirtiéndose en una dimensión más de la realidad, tomando la forma de una capa que cubre el conjunto de actividades que tienen lugar en la vida de las personas. En plena era digital, estas actividades están profundamente imbricadas con la tecnología de tal manera que el mundo físico y el digital son cada vez más indisociables. Algunos autores ya hace tiempo que se refieren de diversas maneras. Weiser (1991), en su artículo profético sobre el futuro de la informática en el siglo XXI, introduce el concepto de computación ubicua y pronostica una sociedad donde la tecnología penetra tanto en el tejido de la vida diaria que deviene indistinguible, tal como ha sucedido con el texto escrito en las sociedades desarrolladas.

Ahora es necesario,“desarrollar prácticas disruptivas,así como tecnologías que nos permitan replantearnos y reconstruir el contenido, los procedimientos y las relaciones humanas, elementos que forman parte de todo proceso de aprendizaje…

Estamos hoy en la clase difusa del pensamiento calculador y comparaciones cuantitativas insta a que el utilitarismo, tal razonamiento no se basa en el trabajo de visibilidad a hacer. Más bien, eso depende de algoritmos de análisis, qui a su vez depende de la presa de los algoritmos silenciosos –los que convierten en silencio nuestro comportamiento en una avalancha de datos. (son la metafora de los presos alrededor que se pusieron alrededor de una torre de vigilanca para ser visualizados, hasta que estos alcanzaron la manera de evitarlo( estos eran los algoritmos)…., lo que nos conducirá a la resolución de problemas, tanto en sus procesos como en su evaluación:

Para ello utilizaremos el pensamiento computacional como un concepto de resolución de problemas. Es un pensamiento especial que nos permite comprender un problema complejo y desarrollar posibles soluciones. Soluciones que pueden presentarse de forma que un ser humano, una computadora o ambos puedan entender. Pero el pensamiento computacional se puede describir desde una comprensión muy estrecha o muy amplia.

En la comprensión estrecha, el pensamiento computacional contiene cuatro conceptos clave:

a-Descomposición: que podría dividir un problema o sistema complejo en partes más pequeñas y manejables

b-Reconocimiento de patrones — que se refiere a buscar algo uniforme alrededor y en un problema

c-Abstracción: lo que significa centrarse en la información importante e ignorar detalles irrelevantes

d-Algoritmos: se refiere al desarrollo de soluciones paso a paso para un problema o la preparación de reglas para resolver un problema

Las cuatro piedras angulares son igualmente importantes. Se pueden entender como estar en un taburete. Si falta uno, se produce un. cotocircuito en el procesoEl pensamiento computacional significa dominar estas cuatro técnicas.

Por lo tanto, el pensamiento computacional no es lo mismo que la programación. Tampoco es un concepto de pensar como una computadora, porque una computadora no puede pensar. Solo hace lo que el programa dice que debería hacer. Pero el pensamiento computacional puede permitirnos saber qué decir a la computadora para que realice una determinada acción. Sin embargo, las habilidades que se encuentran detrás del concepto de pensamiento computacional también se pueden usar en una serie de otras situaciones de resolución de problemas que no se relacionan con computadoras en absoluto. Ser capaz de simplificar un problema complejo para que podamos entenderlo fácilmente.

“Si nos basmos en objetos de aprendizaje y su relación con ecosistemas, propondríamos una investigación que lo relacionara con el Mobile learning para recursos de aprendizaje, que puede apoyar mejor el aprendizaje informal, y la construcción de la comunidad y el intercambio de recursos de aprendizaje con las características esenciales de la evolución que ello supone (entre la innovación disruptiva producida por las TIC, la Inteligencia Artificial y programas expertos…). La pregunta que ahora “toca” sería preguntarnos si con el concepto que en principio tenemos sobre el Mobile lerning, en nuestra inverstigación podríamos establecer también como sub-hipótesis, si el Mobile learning y el aprendizaje informal, están relacionados, si son diferentes e incluso, si el APRENDIZAJE INFORMAL, existe….

Si vamos a integrar el pensamiento computacional como un tema o como parte de la formación general, es importante que analicemos cómo entendemos el concepto.equiparando el pensamiento y la codificación computacionales. Las habilidades no se pueden lograr mediante simples tareas de codificación, son competencias que contienen los enfoques legendarios, experimentales e innovadores y las consideraciones estéticas y éticas.

Con ello debemos adquirir habilidades clave como:

a-pensar cuantitativamente (tanto matemáticamente como estadísticamente);

b-pensar algorítmicamente como una continuación del proceso de avance del pensamiento (iniciado durante sus días de escuela);

c-pensar en términos de aprendizaje automático y predicción;

para participar en actividades de pensamiento de nivel superior en términos de representar los fenómenos / resultados observados en forma de modelos y luego simular.

Jeannette Wing acuñó el término pensamiento computacional en un artículo reciente del MCCA de 2006. . Ella argumenta que para que los estudiantes apliquen técnicas computacionales o aplicaciones informáticas a los problemas y proyectos en su disciplina particular (ya sean las artes, las ciencias, las humanidades o las ciencias sociales), este conjunto de habilidades se vuelve necesario. Wing también afirma en su artículo seminal que las ideas de abstracción, estratificación de abstracciones y automatización son algunos de los conceptos fundamentales de la informática que han proporcionado nuevos conocimientos sobre las ciencias naturales y las ciencias sociales duras.

Enfatiza que el pensamiento computacional es una habilidad básica emergente para todos, no solo para los informáticos. Por lo tanto, debe convertirse en una parte integral de la educación y agregarse a la capacidad analítica de cada alumno, además de las habilidades de lectura, escritura y aritmética. Al utilizar los conceptos fundamentales para la informática, el pensamiento computacional permite y mejora la capacidad de resolver problemas, diseñar sistemas y comprender el comportamiento humano (Wing, 2006).

En un mundo de información es casi ilimitado , primero tenemos que preguntar por qué, entonces permitir que el aprendizaje fluya y luego derivar naturalmenteen las necesidades que tenemos….

(Michael Wesch 2009)

 

Ya hace mucho que los Sistemas inteligentes y Expertos y la Internet de las cosas es real y muchos, si no la mayoría, el silicio, el software, y los pedazos de la red están finalmente empezando a caer en su lugar. Pero el desarrollo de negocios creativos entre los desarrolladores de la tecnología no ha seguido el ritmo de sus innovaciones tecnológicas.

Las herramientas tecnológicas pueden ser del siglo XXI, pero el pensamiento empresarial de las herramientas “creadores”, se ha mantenido con demasiada frecuencia en el siglo XX. Sin embargo, a pesar del considerable progreso en muchas áreas, el potencial de los sistemas inteligentes está todavía en gran parte sin explotar – potencialmente miles de millones, si no miles de millones de nodos podrían conectarse si la tecnología adecuada estuvien en su lugar.

Así que lo que realmente, ¿se requiere para impulsar la innovación y los nuevos modelos de negocio de colaboración de los Sistemas Inteligentes?, y eso lo podríamos utiliza en una nueva manera de hacer las cosas, obviamente sería innovadora y muy disruptiva y serviría en educación, política, economía….

Ello condiuce a un cambio de las fórmulas de riesgo / recompensa para las alianzas y nuevas relaciones con Internet de las cosas: otra manera de ver las titulaliones e incluso cuestionarse su necesidad, el error como aprendizaje, la retroalmentación al instante (sincrono) como algo totalmente normalizado….

Para ello utilizaremos tres elementos interrelacionados: una visión de cómo las redes de colaboración impulsarán la innovación como “catalizador” para ayudar a los aprendices, clientes, trabajadores…en su enfoque más personalizado y socializador; una plataforma para organizar la creación de valor que provee un impulso para reducir el esfuerzo, apoyado por herramientas en la nube de la web 2.0, lo cual lo hará todo más creativa, colaborativo y cooperativo… lo que las personas que intervienen tengan que hacer; y será cuando los facilitadores de relaciones e incentivos traten de persuadir y ayudar a lo que ejercen estos procesos, lo que nos va a permitir que el ecosistema de desarrolladores sea serio y de calidad y realmente puedan escalar totalmente y aportando nuevas creaciones de valor y de sistemas de suministro. ….

Todo ello nos llevará a realizar nuestras tareas de todo tipo, del de el trabajo al aprendizaje, de manera más automatizada y por tanto “desmitificando” por una parte la mal llamada cultura del esfuerzo y por otro un mayor dinamismo y mejoras en todo lo que necesitamos hacer….

Sin embargo, a pesar del considerable progreso en muchas áreas, el potencial de los sistemas inteligentes está todavía en gran parte sin explotar – potencialmente miles de millones, si no miles de millones de nodos podrían conectarse si la tecnología adecuada estuvien en su lugar. Así que lo que realmente se requiere para impulsar la innovación y los nuevos modelos de negocio de colaboración de los Sistemas Inteligentes?, y eso lo podríamos utiliza en una nueva manera de hacer las cosas, obviamente sería innovadora y muy disruptiva y serviría en educación, política, economía…. Ello condiuce a un cambio de las fórmulas de riesgo / recompensa para las alianzas y nuevas relaciones con Internet de las cosas: otra manera de ver las titulaliones e incluso cuestionarse su necesidad, el error como aprendizaje, la retroalmentación al instante (sincrono) como algo totalmente normalizado….

…. Todo ello nos llevará a realizar nuestras tareas de todo tipo, del de el trabajo al aprendizaje, de manera más automatizada y por tanto “desmitificando” por una parte la mal llamada cultura del esfuerzo y por otro un mayor dinamismo y mejoras en todo lo que necesitamos hacer…

Para las organizaciones esto significa un nuevo tipo de sujetos que entran en escena, que tendrán que conectarse a su organización en todo momento, las 24 horas del dia y los 365 días del año a la velocidad que ellos quieran (no como ahora que nos lo da el sistema), pero también denen manejar la gestión de los dispositivos y los datos.

“Tenemos que ser capaces de obtener los datos inmediatamente y de manera (ubícua, no importa eni el momento, ni el lugar…) y hacer un análisis de forma dinámica ya que los datos se están moviendo de nuevo, a aprtir de nuestra localización y/o registro…

Tratar de llegar a un acuerdo para alcanzar un nuevo paradigma de desarrollo rápido es todo un desafío en un mundo globalizado, donde se contraponen los intereses de los países soberanos y el paradigma globalizado que corresponde a la sociedad.

Estos esfuerzos, en particular tanto en el aprendizaje, como nuestras perspectivas en su relación con el trabajo (learning is the work), nunca van a converger, para ofrecer a los usuarios las posibilidades de colaboración primero, y de cooperación después de colaboración, con o sin guías imparciales y abiertas en su coordinación, o no..

“Hace mucho que tengo esbozos, escritos, esquemas de como encotrar datos, mejor dicho, “metadatos”, y se bien que en caso de necesidad se puede recurrir a organismos especializados al respecto…

Para ello el registro de nuestros aprendizajes, trabajos… prioriza el intercambio y los datos y su análisis de uso tanto en una primera opción, como en su retroalimentación, que sería su segunda parte y eso ya serían metadatos.

Necesitamos canales personalizados (y algunos estandarizados, aunque no me guste) una infraestructura que permita su accesibilidad tanto de manera personal por una parte, como por cualquier persona, sin normas para los datos obligatorios, puede ser replicado en todo el mundo y debe abierto, basado en la nube, y la aplicación de listas, por lo que su uso al estilo Copy left, debe ser el planteamiento más adecuado, o las 5R como han investigado David Wiley y Miguel Zapata

¿Podemos saber que motores de búsqueda, que canales…l son los adecuados para los aprendices, para cualquier persona que lo necesite (sin tener que obtener una vista previa de cada uno)? ¿Hay alguna información sobre quién más los ha utilizado y qué tan efectivas eran? ¿Cómo podemos enviar comentarios acerca de los recursos que utilizamos, tanto a otras personas, organizaciones que publican o que establecen feedback? ¿Hay alguna manera de agregar esta información para mejorar la detectabilidad?…

El mismo Clay Shirky nos conduce a una “educación” disruptiva, una educación social, del tiempo libre, diferente de la estandarizada y constreñida de la actualidad…, si bien es cierto que como es lógico siempre habrá críticas y opiniones diferentes a este tipo de Educación asociada en parte, al Connctivismo de George Siemens y a su poca “academicidad” que sugiere, ya que no se acopla a los estándares de las políticas educativas de los estados y gobiernos…

http://www.tonybates.ca/…/some-critical-reflections-on…/ Críticas de Clark Quin , lo que hace que a veces se confundan los términos y las acciones….creo que seguimos equivocandonos, tanto en querer unir los aprendizajes formales, no formales e informales, como a veces querer juntarlos.

Considerando que el corto impacto a largo plazo de la Inteligencia Artificial depende de quien lo controla, el impacto a largo plazo depende de si se puede controlar o no, y más importante todavía: si seguirmeos con los sistemas jerarquizados verticales, o si optaremos por maneras Abiertas, inclusivas y ubícuas, por medio de redarquóas transversales, confiables y por tanto transparentes

Necesitamos para ello desarrollar un acompañamiento con de servicios colaterales automatizados, los cuales puedan retroalimentarse también de manera automatizada, lo cual hará que nos podamos dedicar a otras tareas lo que ampliará y mejorará nuestro radio de aprendizaje, trabajo.

La cuarta etapa de la Revolución Industrial está sobre nosotros debido a la integración de gran envergadura, acelerado por la Internet de las cosas, de Tecnología Operacional (OT) y Tecnología de la Información (IT). Esto crea oportunidades completamente nuevas como resultado de nuevas combinaciones de trabajo mental, físico y mecánico mediante la integración de los internautas, sensores y sistemas embebidos.

Julian Stodd, le da a la educación: un principio, un proceso y un fin y en cambio yo…..no le doy ni principio ni fin, pero si un proceso multicanal, personal y social, intrínseco y extrínseco, pero sobre todo en red, donde la red es más importante que el propio proceso, o lo que es lo mismo, el procedimiento en si es mucho más claro y necesario que la propia educación, es un concepto META, mientras que la educación actual nunca lo será..

La REGENERACION, será una de las palabras que más utilizaremos en el futuro…, todo lo que se regenere sera irrepetible. eran algoritmos que mutaran a una velocidad tal, que nunca se producirán acciones iguales ni en el mismo sentido (más personalización).

La mayor parte de nuestro conocimiento proviene de aprendizaje informal, una situación de aprendizaje permanente que requiere estar abierto a nuevas situaciones y la interacción profunda con los demás. En un mundo donde el conocimiento real del empleado sólo resuelve el 10% de sus problemas en el lugar de trabajo (R. Kelley, de Carnegie Mellon University, 2006), es más eficiente para desarrollar entornos de aprendizaje que dan prioridad a la acción y la conexión en lugar de contenido.

Muchos aún dudan de los Escenarios impersonales porque ven poca “pedagogía”, poco marco teórico donde sustentarse las prácticas posteriores, es decir, no quieren asumir “riesgos”, quieren valida, contrastar, valerse de expertos, de investigaciones cuantitativas…pero en esta época eso ya no vale, ahora necesitamos riesgo, invención, creación, sentido crítico, necesitamos mucha más cualidad que cantidad…necesitamos de genios y trabajadores que vayan de la mano.

Seamos realistas, el aprendizaje no se parece a lo que tradicionalmente se imaginaba ser. El aprendizaje no es ahora estático, localizado ; en cambio, el aprendizaje se extiende a contextos, experiencias e interacciones. No se trata sólo de una información del individuo en su cerebro; es inclusivo, social, participativo, flexible, creativo y de por vida. Una fracción de todo lo que he aprendido — una fracción muy pequeña — proviene de las aulas y a mi manera de ver las cosas, de manera residual, incluso habrá un momento que deberemos decidir si las aulas son necesarias, o no..

Estamos en tiempos “indefinidos”, en una época en la que ya no se centra en los cambios, porque ya es otra época y por ello debemos pensar con otros parámetros, con otras expectativas, entramos en la investigación y en la resolución de problemas como manera no solo de pensar, si no también de actuar.

Obtener todos los actores involucrados

La participación y el apoyo de todos es indispensable para cualquier aprendizaje tenga lugar. Con representantes de los interesados pertinentes probabilidades aumentan de que el ambiente de aprendizaje que se construye será aceptada por la mayoría y, como tal, será utilizada. Todos los interesados deben sentirse cómodo con el nuevo proyecto de formación, de lo contrario corre el riesgo de un grupo de abandonar la escuela. Cuanto antes obtener retroalimentación de todos los grupos interesados, más adaptado al ambiente de aprendizaje puede ser.

¿Cuáles son sus dinámicas de los educandos previstos

Peer-to-peer – por ejemplo, ingenieros o estudiantes de tecnología a anotar las reparaciones rápidas que hicieron para los casos particulares y compartir esas soluciones, mientras que también proporciona información sobre los demás, o uno-a-muchos: el especialista o experto o compartir sus ideas con los demás sus para ponerse al día en nuevas innovaciones, el conocimiento, los cambios …. La dinámica del aprendiz tendrá un profundo impacto en el diseño general del entorno de aprendizaje o la arquitectura del curso y las herramientas que se utilizan para diseñar el ambiente de aprendizaje.

¿Cuál es la infraestructura (móvil) como en la zona de destino que será el despliegue de su proyecto?

Si va a trabajar en un área rural dispersa con una cobertura móvil (zona de montaña, desierto …), usted necesita tomar un punto de acceso wiki en cuenta para difundir el contenido de aprendizaje. Si están trabajando en un área móvil bien cubierta, es posible que aún tengan problemas con la electricidad (algunas zonas de África), que tiene un efecto sobre las soluciones que se ofrecen para los alumnos (paneles solares, batería recargable).5. ¿Cuál será la situación de móvil para su público objetivo?

a-¿Es que todos ellos tienen un dispositivo móvil?

b-¿Están familiarizados con las opciones más avanzadas en sus dispositivos móviles?

c-¿Cuál es el plan de pago para acceder a Internet móvil / SMS / MMS …

s-¿Cuál es su situación financiera?

Conociendo todos estos criterios le permitirá ofrecer soluciones móviles que están en sintonía con las posibilidades y experiencias de su público objetivo.

No añadir cosas demasiado nuevas, la tecnología nos proporcionará un mayor equilibrio, ambiente de aprendizaje menos atemorizante para cualquier público objetivo (bueno, excepto los geeks, que aman los desafíos de alta tecnología en su mayor parte)

¿Cuál es el contenido de un usuario mLearning que le será permitido llevar a cabo?:

-Las directrices para los usuarios son siempre importantes para mantenernos a todos felices y motivados.

-Nos aseguraremos de proporcionar directrices claras para el contenido que usted proporciona:

a-¿Cómo pueden comunicarse entre sí (o con el facilitador / profesor / entrenador).

b-¿Pueden entregar el contenido a otras personas (no es un derecho de autor intelectual?).

c-¿Pueden proporcionar sus claves de acceso a los demás?

d-¿Pueden mezclar el contenido y usarlo en sus propios cursos? ¿Cómo agregarán los alumnos contenido a la asignatura (si se les pida que lo haga): por escrito, imágenes, películas … y cómo deben ser entregados este contenido?

Esto es lo que se me ocurren, pero no dude en añadir todas las ideas o estrategias que se utilizan para optimizar su proyecto mLearning. La colaboración siempre es más divertido y gratificante, lo que como decíamos antes nos lleva a su comunión con el aprendizaje social (SOCIAL LERNING) y a un CONTEXTO determinado.

Estamos en un marco social y tecnológico que supera con creces nuestras más extraordinarias fantasías y nos permite, con la rapidez de un clic o la habilidad de nuestros pulgares, acceder a más información de la que nadie nunca ha tenido acceso en la historia de la humanidad. Y más allá. Con esa misma facilidad podemos acceder a dinámicas de pensamiento colectivas, a intercambios y discusiones llenos de significados con personas aquí, allá y en todas partes, de las que sólo nos separan nuestras propias barreras personales. Vivimos tiempos extraordinarios para aprender juntos, para construir conocimientos juntos.

Es por ello que nuestras investigaciones se dirigen y se centran en los usos de la tecnología digital a lo ancho y a lo largo de la vida en su impacto en la actividad de aprendizaje de las personas a nivel informal y formal, y en las tendencias educativas en el siglo XXI.

La tecnología digital ha acabado convirtiéndose en una dimensión más de la realidad, tomando la forma de una capa que cubre el conjunto de actividades que tienen lugar en la vida de las personas. En plena era digital, estas actividades están profundamente imbricadas con la tecnología de tal manera que el mundo físico y el digital son cada vez más indisociables. Algunos autores ya hace tiempo que se refieren de diversas maneras. Weiser (1991), en su artículo profético sobre el futuro de la informática en el siglo XXI, introduce el concepto de computación ubicua y pronostica una sociedad donde la tecnología penetra tanto en el tejido de la vida diaria que deviene indistinguible, tal como ha sucedido con el texto escrito en las sociedades desarrolladas.

Ahora es necesario,“desarrollar prácticas disruptivas,así como tecnologías que nos permitan replantearnos y reconstruir el contenido, los procedimientos y las relaciones humanas, elementos que forman parte de todo proceso de aprendizaje…

En la computación ubícua son los profesores y los estudiantes tienen acceso a la tecnología (dispositivos informáticos, Internet, servicios) cuando y donde lo necesiten. En un mundo de la computación ubicua, la tecnología es siempre accesible y no es el centro del aprendizaje, más bien es la facultad de los aprendices son participantes activos en el proceso de aprendizaje, los que van a responsabilizarse de sus actuaciones, y son ellos quienes deciden no sólo lo que la tecnología que se necesita, sino también lo que aprender y la mejor manera de crear nuevos conocimientos.

Un artículo de Brighton analiza el rol de los nuevos medios digitales, los“UBIMEDIA” que por sus caracterís-ticas –multifacéticas, convergentes,colaborativas y cooperativas, móviles- tienen el potencial de empoderar a las personas y crear una mayor cultura participativa.En este contexto las instituciones que tradicionalmente tenían la potestad de establecer aquello que está bien y lo que no lo está, hoy se ven amenazadas por nuevas reglas del juego.

 

 

 

“Si nos basmos en objetos de aprendizaje y su relación con ecosistemas, propondríamos una investigación que lo relacionara con el Mobile learning para recursos de aprendizaje, que puede apoyar mejor el aprendizaje informal, y la construcción de la comunidad y el intercambio de recursos de aprendizaje con las características esenciales de la evolución que ello supone (entre la innovación disruptiva producida por las TIC, la Inteligencia Artificial y programas expertos…). La pregunta que ahora “toca” sería preguntarnos si con el concepto que en principio tenemos sobre el Mobile lerning, en nuestra inverstigación podríamos establecer también como sub-hipótesis, si el Mobile learning y el aprendizaje informal, están relacionados, si son diferentes e incluso, si el APRENDIZAJE INFORMAL, existe….

La mayor parte de nuestro conocimiento proviene de aprendizaje informal, una situación de aprendizaje permanente que requiere estar abierto a nuevas situaciones y la interacción profunda con los demás. En un mundo donde el conocimiento real del empleado sólo resuelve el 10% de sus problemas en el lugar de trabajo (R. Kelley, de Carnegie Mellon University, 2006), es más eficiente para desarrollar entornos de aprendizaje que dan prioridad a la acción y la conexión en lugar de contenido.

Pero …

¿En qué parte de este proceso hay una oportunidad de mirar realmente fuera de nuestras paredes y ver qué está sucediendo en el mundo? Nuestras urgentes necesidades de aprendizaje no solo están ligadas a los datos finales sobre las prioridades de aprendizaje del pasado. A medida que el mundo cambia a un ritmo exponencial, ¿quién está determinando lo que nuestros estudiantes necesitarán para prosperar en ese mundo?

“Estar dispuestos a interrumpir constantemente nuestra mentalidad individual y colectiva, si queremos llegar a un acuerdo con las interrupciones necesarias que deben ocurrir en nuestras propias organizaciones si realmente queremos librarnos del pensamiento de status quo que a menudo nos entierra en las prácticas del pasado.

Ver cómo las ‘próximas’ prácticas también necesitan las ‘próximas’ métricas si queremos pivotar de manera efectiva hacia este futuro emergente y más deseable que visualizamos para nosotros y nuestras organizaciones “.

Las necesidades urgentes de aprendizaje de los estudiantes son personales. Cada niño, cada adulto en el sistema tiene necesidades personalizadas que no pueden ser determinadas por el pensamiento estandarizado.

Nuestro pensamiento, los profesores conectados, cuando tienen una comprensión profunda de las expectativas del plan de estudios, pueden diseñar un aprendizaje personalizado para cada niño / estudiante. Crear este entorno para nuestros alumnos requiere una base de pensamiento de conectividad. Los maestros deben poder acceder y participar en una red de apoyo, y usar esta red para apoyar las necesidades individuales de aprendizaje de cada estudiante.

¿Cómo apoyamos a los educadores a autodirigir su aprendizaje a través de sus propias redes de aprendizaje profesional?

“… no solo serán las personas las que tendrán que convertirse en aprendices adaptables, permanecer ágiles en nuestro mundo exponencialmente cambiante en el que vivimos ahora … también lo deben hacer nuestras organizaciones educativas si quieren seguir siendo centros importantes, dinámicos y relevantes de aprendizaje, innovación y transformación frente a estos cambios y cambios sísmicos “

La personalización por las tecnologías digitales sólo libera los seres humanos para personalizar mejor nuestra vida (es decir, encontrar nuestras propias maneras), lo demás deben hacerlo las tecnologías y e aqui mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepcion de DATOS, pasarlos por un proceso de ANALISIS Y CRITICA, lo que los transformara en APRENDIZAJES. Si todo el proceso esta evaluado, necesitaremos el algoritmo para que nos realice la retroalimentación. Lo cual hara que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico.

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

Además, en muchos escenarios distribuidos, nos gustaría que los agentes aprendan y optimicen sus políticas en tiempo real, lo que es casi imposible de lograr con modelos centralizados. Investigadores de la inteligencia artificial (IA), publicaron un documento en el que presentaron un método para lo que denominaron “Aprendizaje de refuerzo distribuido entre actores críticos”. algo así como un aprendizaje descentralizado ya que se dirige a las topologías que no solo se distribuyen sino que carecen de coordinadores centrales.

El principio de aprendizaje de similitud de tareas

Los escenarios de aprendizaje de refuerzo multi-agenteson, en términos prácticos, es una de las arquitecturas de aprendizaje profundo más complejas para implementar. La teoría de juegos, la programación distribuida y el aprendizaje no supervisado (LO QUE NOSOTROS HEMOS INVESTIGADO Y TRABAJADO DENTRO DE LOS NO LUGARES ( https://juandomingofarnos.wordpress.com/…/los-no-lugares-e…/ de Juan Domingo Farnos) chocan en los escenarios para crear un entorno increíblemente desafiante para los científicos y desarrolladores de datos.

Seran cientos de miles de nodos que pueden aprender varias tareas. En una topología centralizada típica, la complejidad de la arquitectura está dictada por dos factores inconexos: la cantidad de nodos y el número de tareas. A medida que se agregan más nodos a la red, la comunicación con el coordinador centralizado se vuelve más compleja. Como los agentes necesitan aprender nuevas tareas, el coordinador central se ve obligado a coordinar las políticas de aprendizaje a través de un número arbitrario de nodos en la red.

Podriamos llamar a este conocimiento el Principio de aprendizaje de similitud de tareas y puede conducir a modelos de optimización potentes en escenarios , con lo que asi, si que podemos DOCENTES Y ALUMNOS potenciar habilidades propias del siglo XXI y por tanto, por una parte entrar en dinamicas de aprendizaje FLEXIBLES, ABIERTAS, INCLUSIVAS y por otro entrar de lleno en lo que denominamos EDUCACIÓN DISRUPTICA, que nos que nos ayudara a construir esta nueva CULTURA que necesitamos para crear otros valores, escalables evidentemente y enriquecidos con las TIC, y por otra, llegar a todas las propuestas que queremos llevar a puerto.

El principio de aprendizaje de similitud de tareas básicamente significa que, si un agente de RL aprende una política de tareas específica, otros agentes en la red que realizan tareas similares pueden aprovechar esa política, por lo que antes necesitamos establecer otro PARADIGMA abierto a otros PARADIGMAS, que nos lo permitan, aprovechando esa idea, de estructura conectada en RED en el que hay rutas entre nodos que realizan tareas similares.

En ese NUEVO ESCENARIO, cada agente aprende de los datos recopilados y procesados realizaran su propia tarea (APR3ENDIZAJE AUTONOMO) … https://juandomingofarnos.wordpress.com/…/trrabajadores-de…/ Juan Domingo Farnos

En general, utilizando la teoría de la actividad como un marco para el análisis de la actividad en ambientes de aprendizaje complejo tiene una limitación importante. El aprendizaje como una actividad compleja no puede ser capturada por un sistema global de la actividad (o incluso una red de sistemas de actividad) útil orientada a la consecución de un objetivo de la actividad. El aprendizaje es multifacético y dinámico, y las actividades en un ambiente de aprendizaje son borrosas, variadas, lo que hace muy difícil obtener una imagen completa de los sistemas de actividad bajo observación, que abarca, en términos de teoría de la actividad, un conjunto en evolución de los sujetos, objetos, mediación de artefactos, acciones, reglas, normas y división del trabajo. La solución a este problema es entender la actividad de aprendizaje desde la perspectiva del aprendiz.

Schunk (1991, ) destaca cinco preguntas definitivas para distinguir cada teoría de aprendizaje de los demás:

1. ¿cómo se produce el aprendizaje?

2. ¿Qué factores influyen el aprendizaje?

3- ¿cómo ocurre la transferencia?

¿Qué objetivos específicos alimentan el objetivo o la solución general? Los objetivos de aprendizaje, a partir de la síntesis de objetivos más pequeños, más centrados, pueden trazar un camino desde el nivel actual de habilidad o conocimiento al nivel deseado por los aprendices/alumnos/docentes.

No todos los objetivos de aprendizaje son útiles de la misma manera o destinados a la misma audiencia. En 2006, Will Thalheimer, presidente de Work-Learning Research, publicó una “Nueva Taxonomía para Objetivos de Aprendizaje”, que delinea cuatro tipos de objetivos de aprendizaje, cada uno con una función específica.

Estos son:

1-Objetivo de enfoque: guiar la atención de los alumnos hacia los aspectos más importantes del material de aprendizaje

2-Objetivo de rendimiento: Proporcionar a los alumnos una comprensión rápida de las competencias cubiertas en el material de aprendizaje

3-Objetivo de diseño instruccional: guiar el diseño y desarrollo de aprendizaje e instrucción

4-Objetivo de evaluación educativa: Guía para la evaluación de la instrucción

Los primeros dos están enfocados en el estudiante; generalmente se presentan a los estudiantes al comienzo de un curso de instrucción. Ellos distinguen entre lo que los estudiantes deben prestar atención (enfocarse en) y lo que realmente necesitan hacer con el nuevo conocimiento o habilidad (rendimiento). Están buscando identificaciones y otros en el diseño, desarrollo y evaluación del eLearning.

Es costumbre decirles a los estudiantes cuál es el enfoque y el rendimiento; a menudo, eLearning se abre con una pantalla que enumera los objetivos. Dirksen señala que solo proviene de la única o la mejor manera de lograrlo, y sugiere presentarlo con un desafío o una misión. Thalheimer señala una investigación que considera que las “preguntas previas” son al menos tan poderosas como los objetivos de aprendizaje al dirigir la atención de los alumnos hacia el material más importante.

El desafío será e promover el aprendizaje sin sacrificar el rendimiento a corto plazo. En equipos bien dirigidos-, un clima de apertura podría hacer más fácil para comunicar y tratar los errores en comparación con los equipos con las malas relaciones con los líderes o punitivos. Los buenos equipos, de acuerdo con esta interpretación,, aportarán más valor añadido…

Las personas que tendrán y tienen las ideas diferentes a las anteriores sociedades deberán convertirse en líderes de equipos que fomenten la discusión abierta, el ensayo y error, y la búsqueda de nuevas posibilidades en los pequeños grupos que influyen directamente. La otra tarea que tendrán sera trabajar duro para construir organizaciones que conducen a extraordinarias posiciones de trabajo en equipo y el aprendizaje en toda su extensión.

Normalmente y esto lo pueden ver en los estudios del profesor de LA UNIVERSIDAD DE HARVARD ( Amy Edmondson ), aquellos equipos que trabajan más de manera redárquica y comunicativa, siempre tienen más errores a corto plazo, pero a medio y largo plazo, el rendimiento se multiplica de manera exponencial.

(“brechas”). Las lagunas pueden ocurrir debido a falta de conocimiento o habilidades; estos son fácilmente llenados por materiales de instrucción. Pero la instrucción por sí sola no puede llenar las lagunas en la motivación, las brechas creadas por el hábito o los factores ambientales, o las que resultan de una mala comunicación.

Ahora los aprendices pueden tener acceso gratuito al contenido de múltiples fuentes a través de Internet. Pueden elegir alternativas, incluyendo interpretaciones, áreas de interés, e incluso fuentes de la acreditación. Tienen herramientas, tales como teléfonos móviles y cámaras de vídeo, para recopilar ejemplos y datos numéricos se pueden editar, almacenar y utilizar en el trabajo del estudiante. Por lo tanto, la estricta gestión de un plan de estudios preparado sobre la base de un contenido limitado elegido por el personal de entrenamiento se vuelve menos significativa. Por tanto, el énfasis se traslada a la decisión de lo que es importante o relevante, tanto en el material para las necesidades del estudiante o un estudiante individual.

Es probable que los estudiantes en una “clase” tendrán múltiples necesidades diferentes.(aprendizaje personalizado) En el marco de los objetivos de aprendizaje, los enfoques más flexibles para la selección del contenido, entrega, evaluación y otros factores comienzan a emerger. Algo igualmente importante es el desarrollo de los estudiantes que toman la responsabilidad de su propio aprendizaje, a ser abordado como una habilidad para enseñar y aprender.

Este enfoque se opone a la capacitación del personal para dar la espalda a la selección y transmisión de información en grandes bloques o partes (como es el caso en una exposición de un profesor de una hora) para guiar a los estudiantes y estudiantes para encontrar, analizar, evaluar y aplicar la información que es relevante para un tema específico.

La “relevancia” se convierte en negociable entre la formación del personal y los estudiantes. De hecho, el papel del intercambio de capacitación del personal en este contexto sea más que de una facilitación del personal, que tiene menos control sobre dónde y cómo tiene lugar el aprendizaje y que a menudo debe iniciar las negociaciones sobre cómo exactamente el contenido.

¿Puede el campo de la investigación educativa científico social explicar cómo sus preocupaciones principales escaparon del aula y entraron en el laboratorio de programación y, recursivamente, cómo las “máquinas de aprendizaje” técnicas están reingresando a las aulas y otros entornos de aprendizaje digitalizados?

 

Los procesos de aprendizaje automático no humano, y sus efectos en el mundo, deberían ser objeto de escrutinio si se quiere que el campo de la investigación educativa tenga voz para intervenir en la revolución de los datos. Si bien la investigación educativa desde diferentes perspectivas disciplinarias ha luchado durante mucho tiempo sobre las formas en que el “aprendizaje” se conceptualiza y entiende como un proceso humano, también debemos comprender mejor el aprendizaje no humano que ocurre en las máquinas. Esto es especialmente importante ya que las máquinas que se diseñaron para aprender desempeñan un papel de “pedagogía pública” en las sociedades contemporáneas y también se están impulsando en los esfuerzos comerciales y políticos para reformar los sistemas educativos a gran escala.

Una de las grandes historias de tecnología de los últimos meses se refiere a DeepMind, la empresa de inteligencia artificial propiedad de Google, pionera en el aprendizaje automático de próxima generación y las técnicas de aprendizaje profundo. El aprendizaje automático a menudo se divide en dos categorías. El ‘aprendizaje supervisado’ implica que los algoritmos sean ‘entrenados’ en un conjunto de datos seleccionado para detectar patrones en otros datos encontrados posteriormente ‘en la naturaleza’. El aprendizaje no supervisado, por el contrario, se refiere a sistemas que pueden aprender desde cero mediante la inmersión. en datos.

Crear máquinas inteligentes o más inteligentes que los humanos, no es lo mismo que hacer a los humanos más inteligentes. Cada nivel de complejidad implica un tipo de conocimiento emergente nuevo y más poderoso, en el que todos los procesos cognitivos están aumentados. El último paso, es decir, aquel hacia el cual tendemos, sería el conocimiento algorítmico.

Y esa propuesta es la que hacemos nosotros (JUAN DOMINGO FARNOS https://juandomingofarnos.wordpress.com/…/algoritmos…/

INCLUSO DENTRO DE UN PROCESO transversal y multidisciplinar, para lograr nos lo eso, sino una autonomía en los aprendizajes y una personalizacion, como nunca hasta ahora se jha producido (POR TANTO TOTALMENTE ORIGINAL, apoyada en todo lo que les escribo, más las distintas potencialidades que tenemos de aprendizaje que tenemos las personas en nuestro cerebro y que les visualizo.

Junto con la arquitectura de redes neuronales, un algoritmo de aprendizaje de refuerzo autodirigido de última generación es la innovación técnica que se entrena únicamente mediante el aprendizaje de refuerzo de autoaprendizaje, comenzando con el juego aleatorio, sin supervisión ni uso de datos humanos. ‘como su equipo de ciencia lo describió en la Naturaleza. Sus ‘sistemas de aprendizaje de refuerzo están entrenados a partir de su propia experiencia, en principio permitiéndoles exceder las capacidades humanas y operar en dominios donde falta la experiencia humana’. A medida que el algoritmo de refuerzo procesa sus propias experiencias en el juego, es ‘recompensado’ y ‘reforzado’ por las victorias que logra, para ‘entrenar a un nivel sobrehumano’.

Otro beneficio de la personalización es que cada vez que se personaliza, a aprender y almacenar un poco más sobre el conjunto único de un alumno, se aportan posiciones diferenciadas al aprendizaje social.

Esto no solo permite llegar a un mejor AUTOAPRENDIZAJE, si no también una manera más de “emprendimiento” y “apropiación” de la red, como “espacio” claramente de aprendizaje personalizado y socializador.

 

Esta “vinculación” que se establece, es propia incluso del funcionamiento cerebral, como muy bien dice George Siemens y diría mi amigo argentina Alicia Banuelos (una maravillosa Física)…”la sinapsis neuroal provoca que las neuronas se vinculen, se relacionen unas con otras”.

El cerebro emite una especie de corriente de “relación” que con un poco de entrenamiento, que lo tengo y mucho, tengo que establecer relaciones entre todos e incluirlos, si es necesario en mis ideas para mejorarlas…

En una base de datos tradicional, el esquema de una tabla se aplica en tiempo de carga de datos. Si los datos que se están cargando no se ajusta al esquema, a continuación, se rechaza. Este diseño es a veces llamado esquema de escritura ya que los datos se comprueban con el esquema cuando se escribe en la base de datos y eso se puede extrapolar a lo que pretendemos que los alumnos aprendan del curriculum preestablecido.

Será esencial un enfoque científico social de estas teorías computacionales del aprendizaje, ya que buscamos comprender mejor cómo una población de sistemas no humanos está siendo capacitada para aprender de la experiencia y, de ese modo, aprender a interactuar con los procesos de aprendizaje humano. En este sentido, los modelos de aprendizaje que están codificados en sistemas de aprendizaje automático pueden tener consecuencias sociales significativas. Necesitan ser examinados tan de cerca como los estudios sociológicos previos han examinado la experiencia de las “ciencias psicológicas” en las expresiones contemporáneas de autoridad y gestión sobre los seres humanos.

Las implicaciones sociales del aprendizaje automático se pueden abordar de dos maneras que requieren un examen educativo adicional. El primero se refiere a cómo la psicología del comportamiento se ha convertido en una fuente de inspiración para los diseñadores de plataformas de redes sociales, y cómo las plataformas de medios sociales están asumiendo un rol pedagógico distintivo.

La mayoría de las plataformas modernas de medios sociales se basan en la ciencia del cambio de comportamiento o en variantes relacionadas de la economía del comportamiento. Utilizan datos exhaustivos sobre los usuarios para generar recomendaciones y sugerencias que pueden dar forma a las experiencias posteriores de los usuarios. Los procesos de aprendizaje automático se utilizan para extraer datos de usuarios sobre patrones de comportamiento, preferencias y sentimientos, comparar esos datos y resultados con vastas bases de datos de actividades de otros usuarios, y luego filtrar, recomendar o sugerir lo que el usuario ve o experimenta en la plataforma.

Desde luego, los procesos de análisis de datos basados en el aprendizaje automático se vuelven controvertidos tras las noticias sobre perfiles psicológicos y microtargeting a través de las redes sociales durante las elecciones, descritas como “manipulación de la opinión pública” y “propaganda computacional”. El campo de la educación debe participar este debate porque el aprendizaje automático llevado a cabo en las redes sociales desempeña el papel de una especie de “pedagogía pública”, es decir, las lecciones aprendidas fuera de las instituciones educativas formales por cultura popular, instituciones informales, espacios públicos, discursos culturales dominantes, y tanto el medios tradicionales y sociales.

Sin embargo, las pedagogías públicas de las redes sociales son importantes no solo porque están guiadas por el aprendizaje automático. También están profundamente informados por la psicología, y específicamente por la psicología conductual. Las ciencias psicológicas del comportamiento están hoy profundamente involucradas en la definición de la naturaleza de los comportamientos humanos a través de sus explicaciones disciplinarias, y en informar las aspiraciones comerciales y gubernamentales estratégicas.

En Neuroliberalismo de Mark Whitehead y sus coautores sugieren que el software de big data se considera una ‘edad de oro’ para la ciencia del comportamiento, ya que los datos se usarán no solo para reflejar el comportamiento del usuario sino también para determinarlo. En el núcleo de las redes sociales y la conexión de la ciencia del comportamiento están las ideas psicológicas de que la atención de las personas puede “engancharse” a través de simples trucos psicológicos, y que sus comportamientos posteriores y hábitos persistentes pueden ser “activados” a través de la “informática persuasiva” y el comportamiento diseño.’

Después del post “Paradigmas educativos“ ….Hemos realizado este trabajo con el objetivo de conocer sobre los paradigmas de la investigación educativa como son el positivismo, interpretativo, sociocrítico sus métodos y técnicas, conceptos y principios que son herramientas que nos ayudará para el presente y futuro como docentes y estudiantes. La investigación en tecnología educativa está

forzosamente relacionada con lo que se desarrolla en todas aquellas ciencias y disciplinas en las que se fundamenta, por ello su evolución ha seguido los mismos caminos que la investigación didáctica en general y también ha contemplado la polémica entre los paradigmas positivistas, imperativos socio críticos…

Las tecnologías de aprendizaje adaptativas, análisis de aprendizaje en línea que se utilizan para crear rutas de aprendizaje para los alumnos en función de su rendimiento, pueden ayudar a algunos estudiantes, pero no pueden, en muchos casos, proporcionar la oportunidad para el conocimiento profundo y duradero sobre cómo aprender.

La máquina, en las tecnologías de aprendizaje adaptativo, se ha hecho cargo: el algoritmo es la creación de itinerarios de aprendizaje, y no lo que haga el alumno. Este enfoque podría entenderse como un intento de “aprendizaje semi-pasivo.” Esto no quiere decir que no haya usos de las tecnologías de aprendizaje adaptativo, pero es que decir que este enfoque sólo puede ser un elemento de un camino de aprendizaje humano impulsado .

Sólo un ser humano realmente puede personalizar todo lo que él o ella lo hace. Es la era de la personalización, pero eso sólo significa ayudar a cada uno de nosotros para pasar menos tiempo en los detalles y más tiempo en las actividades humanas importantes, como la imaginación, la creatividad, el descubrimiento, la integración, la intuición, ..

La personalización por las tecnologías digitales sólo libera los seres humanos para personalizar mejor nuestra vida (es decir, encontrar nuestras propias maneras), lo demás deben hacerlo las tecnologías y e aqui mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepcion de DATOS, pasarlos por un proceso de ANALISIS Y CRITICA, lo que los transformara en APRENDIZAJES. Si todo el proceso esta evaluado, necesitaremos el algoritmo para que nos realice la retroalimentación. Lo cual hara que todo nuestro proceso de aprendizaje este ayudado por este proceso tecnológico.

El mismo Pierson dice “Las evaluaciones se incrustan en las actividades de contenido y aprendizaje por lo que la instrucción y el aprendizaje no tiene que ser interrumpidos para determinar las áreas de progreso y desafío continuo. Mientras tanto, los algoritmos y las progresiones de aprendizaje integrados en el sistema van a ajustar en respuesta a las actividades de aprendizaje relacionadas del estudiante para permanecer en sintonía con sus ecosistemas de aprendizaje. Esta información también se proporciona al educador con opciones y recursos adicionales en tiempo real ya que el educador puede utilizarlo para apoyar al estudiante y su aprendizaje”

Como esta nueva tecnología comienza a tomar forma el diseño de otra sociedad ya que SUS MIMBRES son completamentes nuevos a no como herramientas, metodologías…(innovacioned), sino un cambio “radical” en la concepcion de la misma sociedad.

Algunos pensaran que en parte estamos en el APRENDIZAJE ADAPTATIVO, ya que nos basmaos en los DATOS, pues no, lo hacemos asi como una IDEA COMPLETAMENTE NUEVA, es decir, utilizamos DATOS, si, pero dentro del proceso personalizado de aprendizaje, por lo tanto se trata de algo completamente diferente.

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

Es nuestra responsabilidad en esta sociedad….

     a-Aplicar las técnicas de minería de datos, aprendizaje automático y reconocimiento de patrones para los conjuntos de datos estructurados y no estructurados.

b-Diseño, desarrollo y prueba de algoritmos de aprendizaje y modelos de datos sobre el comportamiento humano para construir instrumentos de evaluación cognitiv

c-Construir algoritmos personalizados para un motor de recomendación vía de desarrollo

d-Los modelos de diseño para el desarrollo de aplicaciones nuevo jueg

e-Contribuir a la mejora de nuestros algoritmos.

Tambien nos podemos hacer una serie de preguntas que no vamos a obviar….y que nos ayudaran a entender mejor el por qué de las cosas…

¿El aprendizaje PERSONALIZADO tiene suficiente mejoría en el aprendizaje del aprendiz para justificar los costos de un sistema de aprendizaje más complejo?

¿Cómo podemos aprovechar algoritmos de aprendizaje automático “big data” y otros.. para la construcción de sistemas de aprendizaje personalizadas más eficientes y rentables?

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

Estos sistemas pueden aprender, pero no son las mismas formas de aprendizaje conocidas por la mayoría de los investigadores en educación. A medida que avanza la innovación técnica, más y más aprendizaje va a suceder dentro de las computadoras. Así como los educadores esperan cultivar las mentes jóvenes para que se conviertan en aprendices independientes de por vida, el sector tecnológico está impulsando los procesos de aprendizaje para crear agentes de aprendizaje automático no humanos cada vez más automatizados para compartir el mundo con los humanos. ¿Qué quiere decir que los investigadores educativos no deberían buscar desarrollar su experiencia en la comprensión del aprendizaje automático no humano?

Las teorías del aprendizaje no humano también son cada vez más influyentes, ya que los procesos de aprendizaje automático sustentan tanto las pedagogías de hipernubo público de las redes sociales como las plataformas de aprendizaje personalizadas que he delineado. Las nuevas pedagogías conductistas públicas de hipernudios, inspiradas tanto por la ciencia conductual como por el diseño conductual, están ocurriendo a gran escala entre diferentes públicos, a menudo de acuerdo con objetivos políticos y comerciales, pero la investigación educativa es extrañamente silenciosa en esta área.

Aunque mucho se ha escrito sobre big data y personalización, también debemos explorar cómo la filosofía del sector tecnológico podría afectar e influir en las escuelas, los docentes y los estudiantes a medida que las plataformas de aprendizaje adaptativo escapan del laboratorio de pruebas beta y comienzan a colonizar la educación estatal. Los estudios futuros de aprendizaje personalizado podrían examinar las formas de aprendizaje automático de máquina que se produce en la computadora, así como los efectos educativos y los resultados producidos en el aula.

 

En la educación – especialmente en la tecnología de mejora de la educación – se nota el final de una época y el principio de otra, la propia OBSOLESCENCIA nos lo indica, lo que es más difícil de ver en la vida cotidiana de los espacios cerrados y obligatorios educativos..

Los asesores de educación y altavoces normalmente nos preguntamos “si un estudiante de hace 100 años llegó a nuestras aulas, se sentiría como en casa”. Obviamente, esta es una afirmación absurda (incluso si pasamos por alto los retos de viajes en el tiempo). Los asesores de educación y algunos “voceros” normalmente declaran “si, un estudiante de hace 100 años llegó a nuestras aulas, se sentiría como en casa”.

Por tanto pronto el registro y análisis de datos semánticos podrá convertirse en un nuevo lenguaje común para las ciencias humanas y contribuir a su renovación y el desarrollo futuro.

Todo el mundo será capaz de clasificar los datos como quieran. Cualquier disciplina, ninguna cultura, ninguna teoría será capaz de clasificar los datos a su manera, para permitir la diversidad, utilizando un único metalenguaje, para garantizar la interoperabilidad. (EXCELENCIA PERSONALIZADA AUTOMATIZADA,) por medio de una mezcla de inteligencia artificial y algorítmica.

“Vamos ya a aprender durante toda nuestra vida y en cualquier momento, el qué, cuándo, cómo y dónde (eligiendo con quién), ya han dejado de ser, una obligación para pasar a seer algo usual en nuestra vida, las TIC, Internet, la Inteligencia Artificial, “han dinamitado” todo ese planteamiento que no sabíamos ni podíamos superar, ahora el estaticismo de aprender de manera controlada, uniforme, el “ocupar un espacio y un tiempo”, han dejado ya de existir, por lo cuál, vivimos aprendiendo, aprendemos en cada momento de nuestra vida, por eso, cualquier planteamiento que hagamos en este impás, debe acomodarse a esta nueva manera de entender la vida que ya está aquí, pero estamos “suscribiendo” las maneras de llegar a ello”

Hay muchas maneras de personalizar el aprendizaje. Sin embargo, al igual que los términos de estilos y la motivación del aprendizaje, la personalización es otro término mal definido. Para ser más específicos, se describe la personalización aquí con cinco niveles con creciente sofistificación, cada nivel que describe una estrategia de personalización específica. Desde los más simples a las más complejas, las cinco estrategias son:

(a) nombre reconocido;

(B) describe a sí mismo;

(C) segmentados;

(D) cognitivo-basada; y

(e) de base integral de la persona.

A lo mejor el “sueño de algunos de una educación autónoma y libre (solo realizable mediado con la con la Inteligencia Artificial, Machine learning, internet, TIC), no es tal sueño y es una realidad.

juandon