Juan Domingo Farnós

El establecer metodologías siempre implica ver a quien van dirigidas, lo normal es que estén pensadas y diseñadas para los alumnos de nuestras aulas en escuelas, universidades, escuelas de negocios…, siempre hay alguien que las construye y otros que las reciben….

No es evidentemente este caso, ya que los receptores o están definidos como personas ubicadas dentro de un sistema y, si lo están, podrán llevar a cabo sus planes con otros principios más autoformadores que los reglados por los mismos sistemas.

En nuestros entornos complejos, el aprendizaje es mucho más que los mecanismos de adquisición de conocimientos estructurados como aunque eso es lo que la formación convencional hace y a su vez limita….

Métodos de capacitación educativa…:

a- Generalmente implican la producción de contenidos y posiblemente proporcionan herramientas y entrenamiento en una tarea. Sin embargo, una brecha está creciendo entre la formación y la práctica, el entrenamiento por sí solo no puede satisfacer todas las necesidades de aprendizaje informal para los aprendices y empleados. Tampoco soporta la transferencia de conocimiento tácito del que muchos de nosotros dependemos en sus tareas.

b-Sabemos que el aprendizaje informal está constantemente en el trabajo y en la educación de verdad…, pero la mayoría de las veces las respuestas de expertos para resolver un problema, es que no se conectan con lo que se enfrenta, lo que hace que esos expertos dejen paso a los expertos de verdad, los que están conectados con la realidad existente….

c-Las redes sociales de aprendizaje pueden poner remedio a esta situación, dando a todos el acceso a un grupo mucho más amplio de personas que pueden ayudar. La publicación periódica de información sobre nuestra red, estamos conectados.

d-Escucha y crear: Auto-aprendizaje es la primera etapa del aprendizaje social. Esto implica el desarrollo de rutinas personales para construir conocimiento a través de la escucha y la observación crítica de lo que nos rodea. Etapa que toma la forma de los entornos personales de aprendizaje (PLE entorno personal de aprendizaje) y gestión del conocimiento personal (PKM gestión de conocimiento personal)

No hay duda de que el modo de investigación-acción de aprendizaje basado en la investigación es uno de los enfoques más importantes que valida la investigación en el aula y la investigación profesional en el puesto de trabajo de los docentes en las escuelas y colegios, y por supuesto, en esta nueva sociedad, la de los APRENDICES.

De hecho, la investigación acción la podemos apoyar  a través de planes de investigación aplicada. Sin embargo, el proceso cualitativo de investigación-acción se considera en general no ser tan sistemático en comparación con las metodologías experimentales positivistas más tradicionales. Proponemos un enfoque más experimental sistemático y transparente para apoyar a los aprendices, docentes,…. con la lógica de un conjunto de herramientas de desarrollo profesional para ayudar a los andamios y enriquecer la investigación sistemática.Los sistemas de pensamiento de un paradigma conversacional de la ciencia de la auto-organizados-Learning se ha aplicado a un paradigma de investigación-acción para la que el conjunto de herramientas serán diseñadas, proponiendo un marco de actuación pedagógico personalizado, nunca generalizado ni estandarizado.

Todo diseño de un entorno de aprendizaje conversacional” lo podemos incluir en la teoría del aprendizaje basado en el “constructivismo conversacional” que proporciona una nueva visión de la comprensión de la relación entre el pensamiento y el aprendizaje.

1. Aprendizaje personal real depende de la autoevaluación y la evaluación reflexiva a través de la construcción de referentes …

2. La práctica depende de la capacidad del alumno para auto-monitorear y controlar el proceso de aprendizaje, mientras que el desarrollo de modelos apropiados de comprensión le sirven para sacar lo mejor de si mismo.

3. El significado compartido se negocia de manera conversacional en las redes sociales. Este tipo de redes sociales pueden entenderse como entornos de aprendizaje conversacional que construyen su propia viabilidad y validez, lo que resulta en una capacidad para el pensamiento creativo y flexible.

Únete a la conversación:

Compartir es un acto de aprendizaje y puede ser considerada como cláusula contractual personal global de aprendizaje social. Sin compartir cualquier aprendizaje social es posible. Si hay confianza, a través de conversaciones, podemos compartir conocimiento implícito, incluso más allá de las fronteras de las organizacions educativas y empresariales (aunamos trabajo-aprendizaje)

Co-creación: La actividad grupal permite la creación de nuevos conocimientos y una fuente de innovación (colaboración, la experiencia del aprendiz, cliente, usuario…)

Formalizar y compartir: Parte del conocimiento informal puede ser explícito y consolidado a través de la formalización y la creación de nuevo conocimiento estructurado como taxonomías o gestión de documentos, narraciones….pero por encima con COMUNIDAD DE DE APRENDIZAJE con FOLCSONOMÍAS que determinan sus intereses reales….

Lo que nos lleva a entender el aprendizaje informal como el aprendizaje natural de nuestra vida, el aprendizaje invisible que todos realizamos sin darnos cuenta…

Aprendizaje Informal y Entornos Simulados más allá de la enseñanza académica y estructurada que se organiza y difunde de manera explícita, existe otro aprendizaje que es caótico, vivencial y se trasmite de manera implícita. Una película o un libro de ficción pueden servir como disparador de un tema de clase, o el uso de las redes sociales en la oficina lograr beneficiar a comprender mejor el trabajo. No hay duda de que las nuevas tecnologías favorecen el aprendizaje informal, pero por sobre todo, parece ser que los entornos simulados acentúan la posibilidad de incorporar actitudes y procedimientos.

Aquí el tema de la nota. Generalmente el aprendizaje formal, tiene un cuerpo teórico y luego le continúa la práctica; pero el aprendizaje informal no es tan consciente y sucede mientras se hace. El aprendizaje informal es algo que relaciona Pekka Himanen con la manera en que trabaja un hacker (persona con conocimientos informáticos- distinto de aquel que intenta sabotear algo), donde el conocimiento se basa en la exploración y el compartir la información.

Se entiende por simulador la representación de un escenario que imita a la realidad haciendo posible la reproducción de lo cotidiano. Hay experiencias de la vida real que serían muy costas llevarlas a la práctica. Los simuladores virtuales de aprendizaje favorecen la adquisición del saber hacer, que es lo más difícil de adquirir en el mundo real.

Es decir que la posibilidad de recrear la situación supone que quien está participando de la actividad desarrolla ciertas competencias, por lo que puede ser muy apropiado para hacer un entrenamiento donde además se evitan situaciones complejas. No es tan oneroso para una empresa hacer este tipo de capacitación, ni humanamente perjudicial. Hay experiencias de la vida real que serían muy costas llevarlas a la práctica. Los simuladores virtuales de aprendizaje favorecen la adquisición del saber hacer, que es lo más difícil de adquirir en el mundo real. Asimismo, otras de las ventajas de los simuladores en el proceso de aprendizaje es que los docentes pueden plantear situaciones variadas, crear distintas estrategias que supongan una acción reacción.

En lo que respecta al estudiante, él puede captar inmediatamente las consecuencias de su acción, y también se pueden emplear distintas dinámicas de grupo de manera sincrónica e incentivar el sentimiento de pertenencia de sus integrantes. Por otro lado, equivocarse no supone una perdida de dinero, o del puesto laboral o prestigio, sino que el alumno es incentivado para que continúe intentando.

En la nota publicada en la web de LEARNING REVIEW titulada “La capacitación en su máxima potencia” (www.learningreview.com/e-learning/noticias/1367-la-capacitaci-su-mma-potencia) se establece al respecto que “las personas aprenden experimentando en entornos simulados el funcionamiento de los sistemas que manejan en la realidad. Elaboran decisiones y las aplican, observan e interpretan los resultados, prevén la ocurrencia de situaciones nuevas, enfrentan imprevistos, detectan problemas y deciden acciones para resolverlos. Así, adquieren una valiosísima e irremplazable experiencia que les permite dominar los sistemas y procesos con los que trabajan”. Por otro lado, hacen que los estudiantes sean protagonistas de su aprendizaje teniendo el proceso una dinámica más activa, donde no solamente está la práctica sino la interacción.

Algunos ejemplos Los entornos simulados se han utilizado en capacitaciones de venta, atención al cliente, arquitectura y medicina, donde se usa para simular una operación muy compleja, algo imposible de pensar antes. En algunas universidades se está experimentando con clases demostrativas de cirugía virtual. Es un mundo virtual que representa un quirófano virtual completo, en el que se recogieran las mejores técnicas quirúrgicas de distintos médicos de cualquier parte del mundo; esta información podría servir de aprendizaje para los estudiantes de medicina y también para otros médicos. Hacen que los estudiantes sean protagonistas de su aprendizaje teniendo el proceso una dinámica más activa, donde no solamente está la práctica sino la interacción.

“Los estudiantes de arquitectura también pueden beneficiarse de la realidad virtual a través de programas educativos para el aprendizaje del diseño de diferentes tipos de edificios. Además, la integración de herramientas de diseño, como AutoCAD, con herramientas de animación tridimensional, como 3DStudio, y los editores del lenguaje de modelado de la realidad virtual permiten la construcción, en Internet, de edificios virtuales de gran complejidad en los que una persona puede introducirse para recorrerlos hasta el último rincón y observar hasta el mínimo detalle de su construcción y decoración” (Guillermo Choque Aspiazu-

Otro ejemplo, en el que se ha popularizado casi como un videojuego es el tan conocido simulador de vuelo. Y tampoco son ajenas sus aplicaciones en el campo de la psicología. “La experiencia virtual (mediante el diseño de la situación según los elementos clave de un problema concreto) es capaz de generar en la persona las mismas reacciones y emociones, que las que experimenta en una situación similar en el mundo real. Por ejemplo, en el caso de los trastornos de ansiedad, las personas sienten y expresan el mismo temor e inquietud ante el peligro virtual que en el caso del peligro real” (Juan Domingo Farnos Miró). Es decir, la realidad virtual brinda muchas alternativas, ya que es una herramienta de aprendizaje con amplios beneficios por su capacidad de inmersión y de interacción.

  A este planteamiento lo podríamos llamar PSEUDO-DISRUPTIVO ya que quiere enlazar el aprendizaje a partir de PROBLEMAS DE LA VIDA REAL, no parte de ningún curriculum…

Es una revolucionaria forma de aprender tecnología de la información basada en el dominio de las tareas de la vida real , a diferencia del enfoque centrado en el tema tradicional.

El plan de estudios que avanza como una serie de problemas de aplicación que el alumno resuelve como una parte de cada módulo en un curso. Las habilidades de resolución de problemas del alumno son el centro de atención, ya que el alumno resuelve los problemas de negocios que van desde lo simple a lo complejo .

Aprender con esta “metodología”, aunque yo no lo llamaría así, sino enlazar el trabajo de cada día con aprender a partir de él.. proporciona al alumno la oportunidad de ver a un experto a resolver problemas en un entorno de la vida real y luego tratar de resolver el mismo tipo de problemas en su propio . Esto se hace con un nivel adecuado de orientación del experto que disminuye a medida que el alumno avanza en su preparación, aprendizaje y solucion de problemas….

El alumno adquiere también las mejores prácticas de la resolución sistemática de problemas . Como resultado de ello , el alumno adquiere experiencia real en la solución de la clase de problemas que él o ella es probable que se encuentre en un entorno de la vida real. A medida que el curso avanza , la complejidad de los problemas que también aumenta , lo que proporciona un nuevo reto para el alumno y además ayuda a construir habilidades de resolución de problemas del alumno .

Esta manera de “hacer”se centra en el uso de los estudios de casos extraídos de la industria como la configuración de problemas. Esto garantiza que el alumno se familiarice con las funciones organizativas típicas en las que él o ella va implementar soluciones de TI en el transcurso de una carrera.

En el siguiente paso , el aprendiz resuelve los problemas de complejidad similar o superior basado en el conocimiento que el que él o ella ha adquirido . Esto se traduce en la aplicación inmediata y una mejor retención de los conceptos aprendidos .

Se puede  consultar diversas fuentes de información y los planes de soluciones a nuevos problemas en el papel. Esto ayuda al estudiante a desarrollar habilidades en la exploración técnica y ingrains como un hábito . Este hábito se convierte en un aliado de toda la vida en la carrera para mantener el control de la situación. En la industria de TI dinámica, la capacidad de explorar y asimilar nuevos conocimientos es vital para mantenerse al día , seguro y autosuficiente.

El aprendiz siente la confianza y la RESPONSABILIDAD, suficiente para implementar y verificar soluciones solo. Esta oportunidad se proporciona al alumno en forma de problemas de práctica no guiados . independientes.

Acabar los problemas de la práctica no guiados construye una tremenda sensación de confianza en el alumno como él o ella es capaz de demostrar las capacidades de resolución de problemas …y eso le hace prosumidor directo en la sociedad, que al fin y al cabo es de lo que se trata…

Desde la década pasada el entorno de la ontología ha surgido de moda dentro del fascinante mundo de la ingeniería del conocimiento.

Aunque existen muchas definiciones de ontología, estas han ido evolucionando con el pasar del tiempo, desde las definiciones dadas por los griegos, hasta la época actual que estan vinculadas en el ámbito de la inteligencia artificial.

Pero para el diseño, desarrollo e implementación de una ontología, en la cual se representa una determinada área del conocimiento, se tiene que ir más allá de un mero concepto, se deben tomar algunas cuestiones básicas, como son: metodología(s), herramientas y lenguajes a utilizar durante el proceso de desarrollo.

Con las metodologías:

a-Qué metodologías pueden servir de uso para construir una ontología, ya sea desde el principio?;

b-Reutilizar otras ontologías disponible en servidores de ontologías o previamente construidas?;

c-Qué actividades se realizan dentro de este proceso?;

d-Cuándo se puede construir una ontología utilizando una metodología?;

e-La metodología me sirve de soporte en el diseño de la ontología?;

f-Tener en cuenta el ciclo de vida de una ontología con determinada metodología?.

Con las herramientas:

a-Sirven de soporte durante el proceso de desarrollo de la ontología?;

b-Como es el almacenamiento las herramientas utilizadas por las ontologías, base de datos o archivos?;

c-La herramienta a utilizar posee un motor de inferencia?;

d-La herramienta a utilizar puede traducir a diferentes formatos de lenguajes ontológicos?;

e-La calidad de las traducciones;

f-Como será la interacción realizada entre del servidor y el cliente quien hace uso de la ontología.

Con el lenguaje:

a-¿Que lenguaje debo utilizar para realizar la ontología?;

b-¿Qué expresión tiene ese lenguaje en la ontología me permite una eficiente representación?;

c-¿Cuáles son los mecanismos de inferencia que posee dicho lenguaje ontológico?;

d-El lenguaje sirve de soporte para el desarrollo de la ontología?;

e-¿El lenguaje escogido es apropiado por intercambiar la información entre las diferentes aplicaciones?;

f-¿El lenguaje hace fácil la integración entre la ontología y la aplicación?;

g-¿El lenguaje es compatible con otros lenguajes usados para la representación del conocimiento en la web?

Actualmente queremos ver como se desarrolla el aprendizaje dentro de diferentes parámetros, y me explico, sabemos las tipologías de aprendizajes que hemos querido tener de manera cultural y por tradiciones, pero es bien sabido que los conocemos actuando por separada, por el contrario, si pensamos como inteactuarían los unos con los otros y si son necesarias estas posiciones, sabemos bien poco.

Cuando examinamos una gama de diferentes contextos en los que el aprendizaje se lleva a cabo, descubrimos que lo que llamamos ‘atributos’ de formalidad / informalidad están presentes en cualquier situación, aunque solo actúe uno de ellos.

Significan tanto las características del aprendizaje en una amplia variedad de situaciones, y también el hecho de que son las personas la que atribuyen etiquetas como tales características formales, no formales e informales, para. nuestro análisis nos sugiere que estos atributos de formalidad / informalidad están presentes en todas las situaciones de aprendizaje, sino que las interrelaciones entre esos atributos formales e informales varían de una situación a otra.

Es importante no ver los atributos formales e informales como algo separado, a la espera de ser integrados. Este es el punto de vista dominante en la literatura, y es un error. Por lo tanto, el desafío no es, de alguna manera, combinar el aprendizaje formal e informal, para los atributos formales e informales están presentes y relacionados entre sí, lo queramos o no.

El reto consiste en reconocer e identificar, y entender su implicaciones. Por esta razón, el concepto de aprendizaje no formal, por lo menos cuando se ve como un estado intermedio entre la educación formal y no formal, es redundante.

Dentro de la dimensión “política”, existen las frecuentes declaraciones sobre el potencial emancipatorio superior de la educación no formal. Esto es peligrosamente engañosa. Nuestra red de arrastre nos ha hecho ver que todas las situaciones de aprendizaje contienen desigualdades de poder importantes, y que el aprendizaje informal / no formal y formal puede ser todos emancipadores u opresivos y a menudo al mismo tiempo.

Las diferencias de poder y las cuestiones de desigualdad con los aprendices deben ser tomadas en serio en todos los contextos. Por otra parte, el grado en que el aprendizaje es emancipador u opresivo depende al menos tanto o más en los contextos organizacionales, sociales, culturales, económicos y con políticas más amplias en las que el aprendizaje tenga su sede, como en las prácticas reales de aprendizaje y pedagogías involucradas.

Podemos establecer una serie de condicionamientos como:

a-Educación o no educación

b-Ubicación (por ejemplo, instalaciones educativas o de la comunidad, los lugares de trabajo)

c-Intencionalidad aprendiz / profesor / actividad (voluntarismo)

d-Alcance de la planificación o estructuración intencional

e-Naturaleza y alcance de la evaluación y acreditación

f-Los plazos de aprendizaje

g-La medida en que el aprendizaje es tácito o explícito

h-La medida en que el aprendizaje es un contexto específico o generalizable / transferible

i-Determinación externa o no

j-Si el aprendizaje es visto como trascendente o no. ‘

k-Parte de un curso o no.

l-Si los resultados pueden ser medidos o no

m-Si el aprendizaje es colectivo / colaborativo, cooperativo o individual

n-El estado de los conocimientos y el aprendizaje

ñ-La naturaleza del conocimiento

o-Relaciones alumno – profesor

p-Enfoques pedagógicos

q-La mediación del aprendizaje – por quién y cómo

r-Propósitos e intereses para satisfacer las necesidades de los grupos dominantes o marginados

s-Ubicación dentro de las relaciones de poder más amplias

t-Si hay o no control dentro del aprendizaje.

El grado en el que el aprendizaje tiene atributos formales / informales relacionados con fines depende de la dimensión de que se trate. Una preocupación teórica se relaciona con el grado en el que el aprendizaje es el foco principal y deliberado de la actividad, o si la actividad tiene otro propósito primordial, como la productividad del lugar de trabajo, y el aprendizaje es un resultado en gran parte no deseada. Dentro de la dimensión política, la preocupación es mucho más con cuyos propósitos se encuentran detrás del aprendizaje. ¿Es el aprendiz determinante e iniciado (informal) o es el aprendizaje diseñado para satisfacer las necesidades determinadas externamente de otros con más poder – un maestro dominante, una junta examinadora, un empleador, el gobierno, etc (formal).

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.( ejemplo:…)

“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.

El uso de los miembros del equipo y los compañeros (peer to peer) es una gran manera de articular y hacer comentarios sobre las decisiones de diseño.

Aunque las comprobaciones de calidad por homólogos deben estar bien facilitadas para evitar posturas subjetivas , pueden ser un método ideal para explicar la comprensión de los problemas subyacentes, hechos y datos; el dominio del problema; las necesidades de los usuarios finales; y el razonamiento detrás de las decisiones que ha tomado.

Estas reuniones también pueden ser una manera de dejar que sus compañeros discuten los problemas y patrones similares se encontraron y resolvieron en otros proyectos.

Probar los flujos de pantalla en bruto y el diseño de interfaz de usuario temprana, y con frecuencia en el ciclo de los proyectos del usuario para validar el entendimiento y suposiciones acerca de las necesidades del negocio y de los usuarios finales. No tenga miedo de abrazar errores si descubre algunos problemas de experiencia de usuario más destacados con sus conceptos difíciles. Los usuarios finales pueden ofrecer información valiosa a través de los debates posteriores a las pruebas y entrevistas de seguimiento.

El desarrollo de nuevos métodos de resolución de problemas a través del aprendizaje basado en la práctica (PBL)

Por desgracia, experiencias en el aula y el desarrollo en el mundo real se realizan típicamente de forma independiente como si no hubiera necesidad de combinar la teoría con la práctica. El Aprendizaje basado en el trabajo, por el contrario (LEARNING IS THE WORK), se fusiona deliberadamente la teoría con la práctica y reconoce la intersección de formas explícitas y tácitas de conocimiento, tanto a nivel individual y colectivo.

Reconoce que el aprendizaje se adquiere en el medio de la práctica y puede ocurrir mientras se trabaja en las tareas y las relaciones en la mano. (Raelin, 1998)

La idea de aprendizaje a través de la práctica también se apoya en David Kolb y en el modelo de aprendizaje experiencial – hacer o experiencia, reflexionar sobre lo observado o aprendido, el desarrollo de las teorías internas generales sobre la aprendizaje, y aplicar el aprendizaje en experiencias futuras.

Kolb y Fry (1975) sostienen que el ciclo de aprendizaje puede comenzar en cualquiera de los cuatro puntos – y que lo que realmente debe ser abordado como una espiral continua. Sin embargo, se sugiere que el proceso de aprendizaje comienza a menudo con una persona que lleva a cabo una acción particular y luego ver el efecto de la acción en esta situación. (Smith, 2001, 2010)

Crítica del “Experiential Learning Circle” de Kolb y Fry (1975)…

1. No presta suficiente atención al proceso de reflexión (Boud et al 1983)

2. Kolb y Fry hacen encajar el esquema con cuatro estilos de aprendizaje. Sin embargo, esta vinculación da como resultado un esquema demasiado cerrado e incompleto de los modos de aprendizaje. Se está priorizando un estilo particular de aprendizaje, pero el aprendizaje mediante experiencia no se aplica a todas las situaciones. Kolb deja al margen otras formas como la asimilación de información o memorización. (Jarvis 1987; Tennant 1997)

3. El modelo toma muy poco en cuenta la diferentes culturas en los relativo a condiciones, experiencias y estilos de comunicación. (Anderson 1988Anderson 1988)

4. La idea de etapas o pasos no encaja muy bien con la realidad del pensamiento. Como señaló Dewey (1933) numerosos procesos pueden ocurrir simultáneamente y las etapas pueden ser saltadas. Esta forma tan clara de presentar las cosas es demasiado simplista.

5. El respaldo empírico de la teoría es débil (Jarvis 1987; Tennant 1997). La base de la investigación inicial fue muy limitada y ha habido posteriormente muy pocos estudios sobre el tema.

6. La relación entre proceso de aprendizaje y conocimiento es problemática. La postura de Kolb es algo simplista y no tiene en cuenta las distintas posiciones en torno a la naturaleza del conocimiento.

Jarvis también llama la atención sobre los diferentes usos del término, citando Weil y McGill (1989: 3) categorización de aprendizaje experiencial en cuatro “pueblos”: (Conferencia Internacional sobre Aprendizaje Experimental en Londres en 1987)

Pueblo Uno se preocupa sobre todo con la evaluación y la acreditación de aprender de la experiencia de vida y de trabajo ….

Aldea Dos se centra en el aprendizaje experimental como base para lograr un cambio en las estructuras … de la educación post-escolar ….

Aldea Tres enfatiza el aprendizaje experimental como base para la toma de conciencia de grupo ….

Village Four está preocupado por el crecimiento personal y la auto-conciencia.

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.

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.

En la reciente DevLearn, Donald Clark habló de AI en el aprendizaje, y si bien…..

“Debemos saber un poco de la historia de la subida de los Sistemas Inteligentes de Tutoría, los problemas con el desarrollo de modelos de expertos, y los enfoques actuales como Knewton y Smart Sparrow. No he tenido la libertad de seguir las últimas novedades tanto como me gustaría, pero Donald dio una gran visión.

Se refirió a los sistemas de estar a punto de los contenidos de análisis automático y el desarrollo de aprendizaje en torno a ella. Mostró un ejemplo, y creó preguntas . También mostró cómo los sistemas pueden adaptarse individualmente al alumno, y discutió cómo podría ser capaz de proporcionar tutoría individual sin muchas limitaciones de los profesores (cognitiva sesgo, fatiga), y no sólo se puede personalizar, pero sí mejorar y escalar!

Uno de los problemas que encontró a corto plazo era que la pregunta autogenerado fuera sobre el conocimiento y no sobre habilidades. Si bien estoy de acuerdo que el conocimiento que se necesita , así como su aplicación, creo que centrarse en este último primero es el camino a seguir.

Esto va junto con lo que Donald ha criticado con razón, como problemas con preguntas de opción múltiple. Señala cómo se utilizan en gran parte como prueba de conocimientos, y estoy de acuerdo que eso está mal, pero mientras hay situaciones prácticas mejores (léase: simulaciones / escenarios / juegos serios), se puede escribir de opción múltiple como mini-escenarios y obtener buenas prácticas . Sin embargo, es aún un problema de investigación interesante, para mí, para tratar de conseguir buenas preguntas de escenarios de contenido auto-análisis.

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, y me dijo que eso es lo que está viendo en las empresas.

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

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

Estamos hoy en la clase difusa del pensamiento calculador y comparaciones cuantitativas insta a que el utilitarismo, tal razonamiento no se basa en el trabajo de visibilidad a hacer. Más bien, eso depende de algoritmos de análisis, 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 metfora de los presos alrededor que se pusieron alrededor de una torre de vigilancia para ser visualizados, hasta que estos alcanzaron la manera de evitarlo( estos eran los algoritmos)….

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

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

La personalización por las tecnologías digitales sólo libera los seres humanos para personalizar mejor nuestra vida (es decir, encontrar nuestras propias maneras), lo demás deben hacerlo las tecnologías y e aqui mi insistencia en conseguir un ALGORITMO, el cual pueda facilitar la recepcion de DATOS, pasarlos por un proceso de ANALISIS Y CRITICA, lo que los transformara en APRENDIZAJES. Si todo el proceso esta evaluado, necesitaremos el algoritmo para que nos realice la retroalimentación. Lo cual 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 digital y he aquí que presenté con una lista de recomendaciones sobre los géneros que acabo consumidas. Esta idea funciona de forma similar con algoritmos de personalización que sería capaz de recomendar cursos o avenidas de aprendizaje basado en el conocimiento previo de las personas intervinientes en el proceso de aprendizaje ABIERTO, INCLUSIVO Y UBICUO .

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

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

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

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

En este sentido, los sistemas Machine Learning representan un gran avance en el desarrollo de la inteligencia artificial, al imitar la forma en que aprende el cerebro humano -mediante la asignación de significado a la información y darnos más posibilidades de opción según nuestros personalismos.El Machine learning identificará y categorizará las entradas repetitivas y utilizar la retroalimentación para fortalecer y mejorar su rendimiento. Es un proceso similar a cómo un niño aprende los nombres y la identidad de los animales, haciendo coincidir las palabras con las imágenes; el ordenador, poco a poco, aprende a procesar la información correctamente.

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

“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 deDATOS 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

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)….

Las diferencias de poder y las cuestiones de desigualdad con los aprendices deben ser tomadas en serio en todos los contextos. Por otra parte, el grado en que el aprendizaje es emancipador u opresivo depende al menos tanto o más en los contextos organizacionales, sociales, culturales, económicos y con políticas más amplias en las que el aprendizaje tenga su sede, como en las prácticas reales de aprendizaje y pedagogías involucradas.

La eficacia de la circulación de información entre pares sugiere, por el contrario, que la participación en la práctica, en lugar de ser su objeto, bien puede ser la condición para la efectividad del aprendizaje “. (Lave y Wenger):

     1-La certeza y la estructura da una sensación de seguridad y tranquilidad. La incertidumbre es una enfermedad, según muchos terapeutas.

2. ¿Cuáles son los retos para el docente y para el estudiante? ¿Qué tan preparados están para afrontar los cambios en la educación? 

En la sociedad de hoy hay dos conceptos que o confundimos o no asimilamos, …la digitalización informatizada es un proceso técnico, mientras que la digitalización social es un proceso humano que en este caso implica una profunda revolución sociotécnica, todo ello nos lleva a otra sociedad, e aplica al proceso de interiorización personal y de coherencia social de las funcionalidades y efectos múltiples, directos, secundarios y hasta ocultos de esta tecnología.

Su socialización, cuyo resultado es la Sociedad de la Información, es un factor engañoso de progreso, si no está dirigido por una cultura madura de la tecnología, a la que podríamos denominar sociotecnocultura y que representa un objetivo educativo por el que luchar.

Entre las medidas necesarias para comprender mejor la dinámica de esta revolución sociotécnica que vivimos habría que completar la formación en muchas especialidades con dosis adecuadas de interdisciplinariedad, generalizar la práctica del sistemismo diversificado (inclusividad socio-educativa, por ejemplo) y del pensamiento complejo y crear, para difundirlo, un repertorio básico de conceptos sociotecnoculturales…y para ello necesitamos tecnologías inmersivas o no, pero al fin y al cabo las herramientas y los instrumentos siempre han sido utilizados por todas las sociedades.

https://juandomingofarnos.wordpress.com/2012/09/09/las-tecnologias-somos-nosotros-y-el-valor-anadido-que-producimos/ Las tecnologías somos nosotros……Juan Domingo Farnós

Las tecnologías convergentes, internet, la inteligencia artificial, la memoria externa….serán básicas en los próximos tiempos y no ya como tendencias, si no como elementos básicos que trascenderán mucho más de lo que la mayoría de la gente piensa, llegará el momento que ellas condicionarán nuestros actos, como ya lo están haciendo en parte ahora: “trate usted de sacar un billete de avión que no sea por medio de internet” Juan Domingo Farnos

Girar suavemente la noción de competencia”: la distinción entre las habilidades (elemental para realizar operaciones), contenido (será en lo que se ejercita la capacidad) y la novedad en comparación con el punto anterior, el contexto (las condiciones en que practicamos las operaciones y toma significado producciones).

El plan respaldado por capacidades y contenido crece y se materializa en un volumen tridimensional que la tercera dimensión es el contexto (una figura más tarde ayudará a imaginar que estas tres dimensiones).

¿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 neuronal 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.

Normalmente por otra parte, no comprobamos los datos cuando se cargan ,cuando los comentamos, explicamos… sino más bien cuando se emite una consulta. Esto se conoce como esquema de lectura.

Hay ventajas y desventajas entre los dos enfoques. Esquema de lectura hace que tengamos una carga inicial muy rápida, ya que los datos no tienes que ser leídos, analizados y serializados en el disco en formato interno de la base de datos.

La operación de carga es sólo una copia de archivo o de movimiento, y es lo que hacemos con los aprendizajes mecánicos de lectura y escritura (totalmente nefastos) es mucho más flexible: : considerar la posibilidad de dos o más esquemas para los mismos datos subyacentes, dependiendo del análisis que se realiza y de la persona que tenga que hacerlo (personalización en los procesos de aprendizaje).

En un futuro próximo creo que todo el aprendizaje será límites-less (Geoge Siemens). Todo el contenido de aprendizaje será computacional nada preestructurado. Todo aprendizaje será granular, con coherencia formada por alumnos individuales (inclusividad y ubicuidad de Juan Domingo Farnos)

Aparecen una incontenible avalancha de datos por segundo, las tecnologías se hacen cada vez más intangibles y ubicuas. Con la COMPUTACIÓN UBÍCUA, la asincronía funde el“ahora” y el “cuando”; SE TRANSFORMA en cognitiva-mente integrada, están surgiendo nuevas formas de pensar en las quela cognición se complementa con el pc, tabletas, mobile learning…

Mediante el manejo de tecnologías semánticas: etiquetados generados por los usuarios,folksonomías y ontologías; es intuitiva, como cualquier hábito, la computación ubicua se presenta como una parte de la experiencia vital…. niveles de complejidad, constante redefinición de los centros y las periferias y nos permite pasar de la misma Computación Ubícua a la I-BICUIDAD, una nueva manera más SINCRONA de actuar en tiempo real, disponiendo en todo momento de las mejores FUENTES posibles…

Obviamente nosotros vamos mucho más lejos y ante no solo la abalancha de datos que nos llegan, ya que de lo que hablamos, primero, es de otro paradigma, con lo que las “formas actuales” de aprendizaje en nada se parecen a las que proponemos nosotros englobadas dentro de paraguas de la sociedad, contrariamente a lo que sucede ahora en la que la educación permanece como “una parte aislada” dentro de ella.

Ya no queremos algoritmos que saquen patrones y que todos tengamos que seguir sus indicaciones, estamos por algoritmos tanto de lo que son las personas como de lo que necesitan “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 planteamineto 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”

La implicación, en otras palabras, es que poderosos algoritmos de aprendizaje podrían ser puestos a la tarea de entrenar a mejores humanos, o incluso de superar a los humanos para resolver problemas del mundo real.

“Es cierto que los sistemas cognitivos son máquinas inspiradas por el cerebro humano”, ha argumentado en un artículo reciente el vicepresidente de investigaciones y soluciones “Pero también es cierto que estas máquinas inspirarán el cerebro humano, aumentarán nuestra capacidad de razonar y reconectarán las formas en que aprendemos”.

Todos ellos e basan en teorías científicas de aprendizaje -comportamiento psicológico y neurociencia cognitiva- que se utilizan para crear sistemas algorítmicos “sobrehumanos” de aprendizaje y creación de conocimiento. Traducen las teorías subyacentes de la psicología conductista y la neurociencia cognitiva en códigos y algoritmos que pueden ser entrenados, reforzados y recompensados, e incluso convertirse en máquinas autorreforzadoras auodidácticas que pueden exceder la experiencia humana.

Para educadores e investigadores de la educación esto debería plantear preguntas apremiantes. En particular, nos desafía a reconsiderar qué tan bien somos capaces de comprender los procesos que normalmente se consideran parte de nuestro dominio, ya que ahora están siendo refigurados computacionalmente. ¿Qué significa hablar sobre las teorías del aprendizaje cuando el aprendizaje en cuestión tiene lugar en algoritmos de redes neuronales?

El “conductismo de máquina” del tipo desarrollado en DeepMind puede ser una de las teorías de aprendizaje más importantes de la actualidad. Pero debido a que los procesos que explica ocurren en las computadoras en lugar de en los humanos, la investigación educativa tiene poco que decir al respecto o sus implicaciones.

Los desarrollos en el aprendizaje automático, los algoritmos autodidacticos y los procesos de autorrefuerzo pueden ampliar el alcance de los estudios educativos. La ciencia cognitiva y la neurociencia ya adoptan métodos computacionales para comprender los procesos de aprendizaje, de maneras que a veces parecen reducir la mente humana a procesos algorítmicos y el cerebro al software. Los ingenieros de IBM para la informática cognitiva en la educación, por ejemplo, creen que sus desarrollos técnicos inspirarán nuevas comprensiones de la cognición humana.

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. 

Desde la perspectiva cualitativa la investigación educativa pretende la interpretación de los fenómenos, admitiendo desde su planteamiento fenomenológico que admite diversas

interpretaciones. Muchas veces hay una interrelación entre el investigador y los objetos de investigación, pero las observaciones y mediciones que se realiza se consideran válidas mientras constituyan representaciones auténticas de alguna realidad. Tener paradigmas y pensar que cada uno corresponda a un concepción de construcción de conocimientos, una imitante impuesta por una realidad extrapolada desde un conocimiento acumulado que no llega a una profundidad que subraye en lo visible la realidad, cada uno de los paradigmas guarda su sentido pero a la vez, uno tiene razón de ser función del otro. Términos de paradigmas se puede encontrar hoy en cientos textos científicos, en artículos de los más variados contextos, por lo general su empleo viene del sentido que se ha generalizado a partir de la obra de Kuhn.

“La estructura de las revoluciones científicas”. No existe aún una primera teoría unificadora de la educación que nos permita analizar y solucionar la globabilidad y la complejidad de los problemas de la educación. Peor los problemas existen y es posible asumir una de dos posiciones

Esta trilogía paradigmática, conformada por el paradigma cientificista, el paradigma hermético y el paradigma crítico han originado una ruptura epistemológica con un subsecuente proliferación de diferentes estudios, enfoques, teorías y prácticas dentro de la esfera de la investigación educativa, tratando de legitimar desde cada uno de estos paradigmas una propuesta emergente que sirva de fundamento para orientar la acción educativa y el proceso de enseñanza-aprendizaje.

Si en el primer post hablamos de paradigmas, ahora lo haremos de “investigación“…Mientras que la etnografía general se basa en datos cualitativos, no quiere decir que los enfoques cuantitativos no deben ser empleados en el proceso de investigación. La combinación de los dos cables a un “enfoque de métodos mixtos”, que puede adoptar diversas formas: la recolección y análisis de datos pueden ser separados o dirigirse juntos, y cada uno de ellos se pueden utilizar en el servicio de la otra. Por supuesto, esto no es nuevo en los círculos académicos y la etnografía corporativa, pero parece que hay un renovado interés últimamente en este tema, ya que sin duda alguna los aspectos INFORMALES, están superando los formales.

Uno de los impulsores de este renovado interés es la enorme cantidad de información generada por las personas, las cosas, el espacio y sus interacciones – lo que algunos han llamado ” Big Data “: Los grandes conjuntos de datos creados por la actividad de las personas en los dispositivos digitales de hecho ha dado lugar a un aumento de las “huellas” de aplicaciones para teléfonos inteligentes, programas de ordenador y sensores ambientales (INTELIGENCIA ARTIFICIAL) Dicha información se espera actualmente para transformar la forma en que estudiamos el comportamiento y la cultura humana, con, como de costumbre, las esperanzas utópicas, distópicas y miedos …, llegando a entender estos datos como METADATOS….

Encontramos términos que admiten conceptos con los que muchos estaríamos de acuerdo : Etno-minería, como su nombre indica, combina técnicas de la etnografía y la minería de datos. En concreto, la integración de técnicas de minería de datos etnográficos y de etno-minera incluye una mezcla de sus puntos de vista (en lo interpretaciones son válidas e interesantes, y cómo deben ser caracterizados) y sus procesos (lo que selecciones y transformaciones se aplican a los datos para encontrar y validar las interpretaciones).

Por medio de estas investigaciones, esta integración tiene por objeto poner de relieve nuevas formas de entender y potencialmente inspirar el diseño de la investigación la interacción persona-ordenador… 

La misma librería JMSL incluye tecnología de redes neuronales que complementa las ya existentes funciones de minería de datos, modelado y predicción, disponibles en toda la familia de productos IMSL. Las clases para la predicción basada en redes neuronales ofrecen un extraordinario potencial , gracias a su capacidad de crear modelos predictivos a partir de datos históricos y de “aprender” para optimizar el modelo a medida que se obtiene más información, lo podríamos llamar “RETROALIMENTACIÓN CONTINUADA Y MULTICANAL”

Los diseñadores de medios sociales de Silicon Valley saben cómo moldear el comportamiento a través del diseño técnico ya que, según Jacob Weisberg, “las disciplinas que lo preparan para esa carrera son la arquitectura de software, la psicología aplicada y la economía del comportamiento, utilizando lo que sabemos sobre las vulnerabilidades humanas para “Weisberg destaca cuántos de los ingenieros de Silicon Valley son graduados del Laboratorio de Computación Persuasiva de la Universidad de Stanford, que utiliza ‘métodos de psicología experimental para demostrar que las computadoras pueden cambiar los pensamientos y comportamientos de las personas de maneras predecibles’.

Las recompensas conductuales -o el aprendizaje reforzado- son importantes en el campo de la informática persuasiva, ya que obligan a las personas a seguir volviendo a la plataforma. Al hacerlo, generan más datos sobre ellos mismos, sus preferencias y comportamientos, que luego pueden procesarse para que la experiencia de la plataforma sea más gratificante. Estas técnicas son, a su vez, interesantes para los científicos que cambian el comportamiento y los que formulan las políticas, ya que ofrecen formas de desencadenar ciertos comportamientos o “empujar” a las personas a tomar decisiones dentro de la “arquitectura de elección” que ofrece el entorno.

Karen Yeung describe la aplicación de datos psicológicos sobre las personas para predecir, orientar y cambiar sus emociones y comportamientos como hiperimpulso. Las técnicas de hiperimpulso utilizan técnicas de computación persuasivas para enganchar a los usuarios y de la ciencia del cambio de comportamiento para desencadenar acciones particulares y respuestas.

“Estas técnicas se utilizan para dar forma al contexto de elección de información en el que se produce la toma de decisiones individuales”, argumenta Yeung, “con el objetivo de canalizar la atención y la toma de decisiones en las direcciones preferidas por el” arquitecto de elección “.

A través del diseño de estrategias de empuje psicológico, las organizaciones de medios digitales están comenzando a jugar un papel poderoso en la configuración y el gobierno de comportamientos y sentimientos.

Algunos ingenieros de Silicon Valley han empezado a preocuparse por las consecuencias psicológicas y neurológicas negativas de los “trucos psicológicos” de los medios sociales en la atención y la cognición de las personas. Silicon Valley se ha convertido en un “imperio global de modificación del comportamiento”, afirma Jaron Lanier. Del mismo modo, a los críticos de AI les preocupa que los algoritmos cada vez más sofisticados inciten y engatusen a las personas para que actúen de la forma que hayan considerado más apropiada -o óptimamente gratificante- por sus algoritmos subyacentes, con importantes implicaciones sociales potenciales.

Lo que sustenta todo esto es una visión conductista particular del aprendizaje que sostiene que las conductas de las personas pueden ser manipuladas y condicionadas a través del diseño de arquitecturas digitales. Audrey Watters ha sugerido que el conductismo ya está resurgiendo en el campo de la tecnología digital, a través de aplicaciones y plataformas que enfatizan el “refuerzo automático continuo” de los “comportamientos correctos” definidos por los ingenieros de software. Tanto en las pedagogías públicas de las redes sociales como en las pedagogías del aula con tecnología mejorada, se está poniendo en práctica un reinicio digital de la teoría del aprendizaje conductista.

Los impulsos conductuales a través del aprendizaje automático algorítmico se están convirtiendo en parte integral de las pedagogías de hipernubo público de las redes sociales. Es parte de la arquitectura instruccional del entorno digital que las personas habitan en su vida cotidiana, buscando constantemente enganchar, desencadenar y empujar a las personas hacia rutinas particulares persistentes y condicionar hábitos de conducta “correctos” que han sido definidos por los diseñadores de plataforma como preferibles en de alguna manera. La investigación educativa debe comprometerse estrechamente con las pedagogías públicas de hipernubración que se producen cuando las ciencias del comportamiento se combinan con el conductismo del aprendizaje automático algorítmico, y observa más de cerca las teorías subyacentes del conocimiento conductual en las que se basan y las conductas que están diseñadas para condicionar .

El segundo gran conjunto de implicaciones del aprendizaje automático se relaciona con la adopción de tecnologías basadas en datos dentro de la educación específicamente. Aunque el concepto de ‘aprendizaje personalizado’ tiene muchas caras diferentes, su encuadre contemporáneo dominante es a través de la lógica del análisis de big data. El aprendizaje personalizado se ha convertido en una poderosa idea para el sector de la tecnología ed, que es cada vez más influyente en la visión de la reforma educativa a gran escala a través de sus plataformas adaptativas.

Las plataformas de aprendizaje personalizadas generalmente consisten en una combinación de minería de datos, análisis de aprendizaje y software adaptativo. Los datos de los estudiantes son recopilados por dichos sistemas, luego se comparan con un modelo ideal de rendimiento estudiantil, para generar predicciones de posibles avances y resultados futuros, o se adaptan de manera receptiva para satisfacer las necesidades individuales de los estudiantes según lo considere apropiado el análisis.

En resumen, el aprendizaje personalizado depende de que los algoritmos autodidacticos de aprendizaje automático se pongan a trabajar para extraer, extraer y procesar los datos de los estudiantes de forma automatizada.

El discurso que rodea el aprendizaje personalizado lo enmarca como un nuevo modo de educación “progresiva”, con ecos conscientes de las pedagogías centradas en el alumno de John Dewey y los modelos asociados de aprendizaje basado en proyectos, experienciales y basados en la investigación. El trabajo de Dewey ha demostrado ser una de las teorías filosóficas más influyentes y duraderas en la educación, a menudo utilizado en conjunto con relatos más abiertamente psicológicos del rol que juega la experiencia en el aprendizaje.

Con su combinación de análisis de big data y aprendizaje automático con progresivismo, podríamos llamar a la teoría del aprendizaje detrás de la personalización ‘Big Dewey’.

Entramos en una época de fronteras porosas entre la inteligencia humana y la inteligencia artificial (con razón llamamos “inteligencia artificial”). Necesitamos una prueba de Turing para decidir si una entidad es humano o no. Si solicitamos algo en línea, como comprar, aprender, un billete de avion…es posible que tengamos que demostrar, que no somos un BOT, una máquina. Y, cuando se trata del desafío que enfrenta la educación – la forma de proporcionar una educación de calidad para un gran número de estudiantes a un costo reducido – la tentación de cruzar la frontera hombre-máquina y dejar que las máquinas (es decir, algoritmos) hagan el trabajo pesado es casi irresistible, es más, ya no es una tentación, realmente es una necesidad.

Las máquinas, las TIC, la internet… proporcionan información más rápido de lo que nadie podría haber imaginado, pero el aprendizaje es dar sentido a la información y el descubrimiento de su significado, el verdadero objetivo de la educación, y con las máquinas aun no lo hemos conseguido, aunque algunos estemos en ello..

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.

Los alumnos pueden aprender métodos y enfoques de los tutores en línea para luego ayudarles a lo largo de su propio camino de aprendizaje. Sus propios itinerarios de aprendizaje. Ese es el punto: los estudiantes adultos (es decir los estudiantes en edad universitaria) aprenden mejor cuando ellos mismos crean rutas de aprendizaje; el tutor en línea puede proporcionar ayuda, pero no puede ser la totalidad de la experiencia de aprendizaje.

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 Machine learning, AI, internet, TIC), no es tal sueño y es una realidad.

Esto cubre la naturaleza de lo que se está aprendiendo. ¿Es esta la adquisición de conocimientos de expertos / comprensión / prácticas establecidas (formales), o el desarrollo de algo nuevo (informal)? Es el enfoque en el conocimiento proposicional o vertical (formal), la práctica diaria competencia (informal) o lugar de trabajo (informal)? Es el enfoque en el conocimiento de alto estatus o no? Desde el punto de vista político, el contenido también es visto como una manifestación de relaciones de poder.

Según nuestras investigaciones y lecturas de muchos lugares y no lugares, de escenarios de aprendizaje…., nos encontramos con:…

a-Todos (o casi todos) los procesos de aprendizaje contienen atributos de formalidad / informalidad

b-Estos atributos de la formalidad y la informalidad están relacionados entre sí de diferentes maneras en diferentes situaciones de aprendizaje.

c-Esos atributos y sus relaciones influyen en la naturaleza y la eficacia del aprendizaje en cualquier situación.

d-Esas interrelaciones y los efectos sólo pueden comprenderse adecuadamente si el aprendizaje se examina en relación con los contextos más amplios en los que tiene lugar. Esto es particularmente importante cuando se consideran las cuestiones de empoderamiento y la opresión.

Como acabamos de plantear anteriormente, una tendencia reciente por el que las culturas actuales de auditoría han aumentado significativamente ciertos atributos más de formalización para el aprendizaje en una amplia gama de entorno y por supuesto como más avanzados también viene en parte mediado por las TIC.

Metodologías de todos, para todos según sus necesidades, su evolución cognitiva y sus excelencias personalizadas, que bien pueden basarse en competencias, habilidades, expereincias…

Si escogemos un enfoque basado en la competencia, los estudiantes avanzan cuando han demostrado dominio de una competencia, que se define como “una combinación de destrezas, habilidades y conocimientos necesarios para realizar una tarea en un contexto específico.” El dominio es el único factor determinante del progreso, lo que significa que las opciones de entrega se multiplican y expanden desde cualquier método de instrucción o el proveedor de instrucción que puede mover a un estudiante hacia el dominio es teóricamente aceptable.

En la educación basada en las competencias, la evaluación está integrada en cada paso del proceso de aprendizaje con el fin de proporcionar a los estudiantes con la orientación y el apoyo hacia el dominio. Este mayor nivel de evaluación está diseñada para desarrollar competencias en tiempo real. En la figura siguiente, a partir del informe nacional de Educación Post-Secundaria de la Cooperativa “Definición y evaluación de aprendizaje”, proporciona una sencilla pero potente visual del enfoque basado en la competencia:

La pregunta, por supuesto, es si estas iniciativas innovadoras de aprendizaje y otros como ellos realmente pueden alterar el modelo actual de la educación post-secundaria, un modelo que se basa en las medidas basadas en el tiempo para estructurar y financiar las experiencias de aprendizaje.La respuesta a esa pregunta está en si la educación basada en la competencia puede ser tomado de manera efectiva a escala. Si la respuesta es “sí”, entonces el desafío se convierte en identificar qué tipo de innovaciones en las políticas y prácticas necesarias para lograr ese resultado. Una aproximación a la pregunta que es el foco de este breve-es a través de la lente de la “innovación disruptiva“, una teoría de la empresa, que considera cómo la tecnología puede cambiar la organización, sector o industria…

La formación basada en competencias es un enfoque basado en los resultados de la educación, donde el énfasis está en lo que sale de los estudios superiores lo que los graduados saben y pueden hacer en lugar de lo que entra en el plan de estudios. Con un enfoque basado en la competencia, no es necesario empezar la preparación de un programa de la asignatura mediante la identificación de contenidos y lecturas. En lugar de ello, se comienza por identificar las competencias y luego seleccionar los contenidos, lecturas y asignaciones para apoyar el logro estudiantil de esas competencias.

Podría ser el punto de partida de unir los estudios superiores con el mundo del trabajo (learning is the work), aunque las competencias tiene un punto intermedio que les acerca a ser “finalistas” y eso nos alejaría de aprender a aprender, de aprender haciendo, aprender por experiencias y tambien “que el aprendizaje es el trabajo”..

Con un enfoque basado en la competencia, los estudiantes avanzan cuando han demostrado dominio de una competencia, que se define como “una combinación de destrezas, habilidades y conocimientos necesarios para realizar una tarea en un contexto específico.” El dominio es el único factor determinante del progreso, lo que significa que las opciones de entrega se multiplican y expanden desde cualquier método de instrucción o el proveedor de instrucción que puede mover a un estudiante hacia el dominio es teóricamente aceptable.

Este esquema viene a colación para que “repensemos” la evaluación, fruto de una “enseñanza” al uso, a un “aprendizaje” responsabilidad de los propios aprendices….

Eso es un “crasss” fuerte, una disrupción potente y trascendente, es decir, que trae consecuencias, porque lo que produce es una transformación de las mentalidades de la sociedad que hasta ahora en la historia de la educación, especialmente la formal, nunca había sucedido…

La evaluación será uno de los elementos, si no el ELEMENTO, que haga decantar la balanza hacia una sociedad y una educación diferente, divergente, disruptiva….porque de siempre la MÉTRICA de la calidad de las cosas ha hecho que las cosas cambien y en eso estamos…

No estamos en momentos de diseñar “inventos” porque esta sociedad todavía no sabe hacia donde va, esa es la realidad, pero si debemos preparar diferentes caminos, no uno solo, ya que esas diferentes posibilidades hará que tengamos más opciones para todas las personas y para diferentes contextos…, no olvidemos que hasta ahora solo teníamos uno….

Vale la pena inmiscuirse en esta realidad que las tecnologías están provocando cambios acelerados y que por medio de ellas estamos pasando “por encima” de viejas costumbres que creíamos que durarían mil años más…

La evaluación no está en ningún aprendizaje, es el aprendizaje! …juandon

Las evaluaciones al uso deben desaparecer de una vez del sistema y por tanto de las organizaciones educativas, incluso de las empresas….la jerarquización no se debe ni valorar, la redárquica y transversal, por supuesto que si…y con ello podremos entender que el aprendizaje formal e informal deben ser ya lo mismo y si bien no tiene el mismo reconocimiento social-titulaciones, badges…, esto debe cambiarse de una vez ya que el aprender ha pasado de ser un DERECHO, a una OBLIGACIÓN, y que no esté sujeta por ley, ni a una localización ni física ni virtual, por tanto ubicuidad, deslocalización…es lo que debe primar…

En la educación basada en las competencias, la evaluación está integrada en cada paso del proceso de aprendizaje con el fin de proporcionar a los estudiantes con la orientación y el apoyo hacia el dominio. Este mayor nivel de evaluación está diseñada para desarrollar competencias en tiempo real. En la figura siguiente, a partir del informe nacional de Educación Post-Secundaria de la Cooperativa “Definición y evaluación de aprendizaje”, proporciona una sencilla pero potente visual del enfoque basado en la competencia:,…

FUENTE: AP / Jacquelyn Martin

Tal como se muestra, el primer peldaño en la parte inferior de la pirámide se compone de rasgos y características: estas son la base del aprendizaje y muestran la composición innata de los individuos sobre los que más experiencias se pueden construir. (excelencia personalizada)El segundo escalón está formado de capacidades, habilidades y conocimientos desarrollados a través de experiencias de aprendizaje en sentido amplio para incluir la educación formal, el trabajo y la participación en los asuntos comunitarios. El tercer peldaño, competencias, son el resultado de las experiencias de aprendizaje integradas, en las que las habilidades, capacidades y conocimientos se centran en la realización de una tarea. Finalmente, el último peldaño, demostraciones, resulta de la aplicación de las competencias. Evaluación está profundamente arraigado en todas las etapas de este proceso de aprendizaje.

Para realizar todo ello no podemos seguir las directices de los sistemas formales, pòrque todo ello sería imposible, ahora bien….

“En su sentido más amplio,” aprendizaje autodirigido “describe un proceso por el cual los individuos toman la iniciativa, con o sin la ayuda de los demás, en el diagnóstico de sus necesidades de aprendizaje, la formulación de objetivos de aprendizaje, identificar los recursos humanos y materiales para el aprendizaje, la selección y aplicar las estrategias de aprendizaje, y la evaluación de los resultados del aprendizaje. “(Knowles, 1975, p. 18)

Elementos del aprendizaje autodirigido

El Aprendizaje autodirigido se basa en los siguientes elementos:

• Estudiantes toman la iniciativa de buscar una experiencia de aprendizaje 
• Toman la responsabilidad y la rendición de cuentas para completar su aprendizaje (evaluación y formación)
• Tienen una legibilidad de aprender
• Ellos fijan sus propias metas de aprendizaje
• Se involucran en el aprendizaje
• Ellos evalúan su aprendizaje

Una de la idea errónea acerca de la auto-aprendizaje es que los estudiantes aprenden en completo aislamiento de los demás, cuando en realidad la idea central detrás de SDL es que el aprendizaje se debe a factores motivacionales intrínsecos derivados de los alumnos propio deseo de aprender y llevar a su / su experiencia de aprendizaje comenzando con el reconocimiento de la necesidad de aprender.

Aquí hay un gran gráfico me encontré en este wiki . Los cobertizos gráficos más luz sobre los elementos del aprendizaje autodirigido. También puede consultar este artículo del Centro para la Excelencia en la Enseñanza de aprender más acerca de SDL

Para innovar en general y en educación en particular, debemos adoptar una visión holística basada en tener una amplitud de análisis que nos permita ver nuestras acciones como parte de un plan general, que se ve afectado por las decisiones y acciones de otros, por lo cual, podemos entender mejor el funcionamiento de nuestra idea dentro de un contexto mayor.

La visión holística la podemos desarrollar con lectura constante, con el compartir y relacionarnos con otros, para aprender de sus experiencias, e incluso, de juegos de estrategia como el ajedrez. En fin para tener una visión general e integradora, es necesario aprender a través de la experiencia de otros.

Para lograrlo necesitamos una gran dosis de LIDERAJE, como la capacidad de tener seguidores por propia voluntad, que confían en la capacidad de este, para llegar u obtener metas que de manera individual ninguno podría tener…

Por ello debemos poder desarrollar la denominada empatía (es decir identificarse con las necesidades de otros), constancia, capacidad de comunicación, y lograr dar el ejemplo por medio de la conducta, entre otros factores que permiten obtener y mantener un liderazgo.

No confundir con jefatura, que viene con el cargo. El líder tiene seguidores, que lo consideran el ideal para una área específica, por lo que la colaboración con ellos, es más fácil.

Pero por encima de tod y si queremos que el diseño metodológico sea realizado por cada indivíduo aportando su parte a la colectividad, comunidades de aprendizajes,…debe aparecer no solo el concepto de Social learning, si no el de transparencia y confianza, circunstancias que en el futuro van a sert básicas…

En cualquier plantemaiento de los que hablamos deben cumplirse varios principios que involucren componentes pedagógicos y tecnológicos. De ahí que sea preciso contar con expertos en contenidos y expertos en el área de la tecnología educativa, considerando que es preciso tener presente el tipo de aprendizaje que se quiere generar, el posible usuario del mismo, contexto, representaciones, necesidades de aprendizaje y tipo de actividad que se va a realizar(Lozano, 2007)

Además de compartirse recursos como producto final, es necesario compartir también el diseño de éstos porque se refleja el conocimiento y la experiencia que se invierte en su construcción de acuerdo con las etapas de análisis, diseño, desarrollo, uso, evaluación del mismo y los metadatos que describen y facilitan la búsqueda con el uso de herramientas especializadas. (Sicilia 2007)

Las nuevas líneas de trabajo en el aula obligan a la inclusión digital de procesos didácticos basados en sistemas de trabajo colaborativo, donde los contenidos digitales son a la vez medio y fin, optimizándose la producción conjunta de material existente, y con ello, fomentar e impulsar la innovación educativa. Es por esto fundamental integrar materiales para compartir de forma pública, abierta, gratuita, y en red y eso solo se puede realizar por medio de una manera de entender las cosas de manera redárquica.

To do ello nos lleva a ver que la Educación Informal es plenamente redárquica, ya que no solo permite la utilización de las tecnologías de una manera más “visual”, si no que también nos permite mayores posibilidades en su adquisición.

Con todo ello nos acercamos ya a la proposición (línea argumental de nuestro planteamiento) que pretendíamos al inició, pero que de ninguna manera queremos que quede cerrada, si no que permanezca abierta y deslocalizada, como es nuestra atención y, es aquí donde aparece el….

Learning is work, del que tanto esperamos en estos nuevos tiempos, primero necesitamos que las empresas, organizaciones…dejen las jerarquías como algo obsoleto y den paso a las redarquías, no como un “vacío de poder“, si no todo lo contrario, a mayor implicación de todos sus estamentos, mejor desarrollo, mayor ilusión en estar formados de manera permanente (lifelong learning), …¿Sirve la formación para mejorar en nuestro perfil profesional? ¿ se ha convertido en sólo un negocio vacío de experiencias y aprendizaje? ¿Es necesario dar un giro radical al concepto de formación?, naturalmente que todo debe ir de la mano de manera global, si solo mejoramos una parte y las otras no, entonces no funcionará, pero si construimos una nueva mentalidad, una nueva manera de entender la vida, seguramente no solo seremos mejores, que lo seremos, si no que haremos las cosas como la sociedad quiere que se hagan.

Si la educación superior, la UNIVERSIDAD, no entiende el por qué de este proceso, o deberá adecuarse a él o por el contrario desaparecer (“nadie perdura en el tiempo de manera infinita y no pasa nada”) ya que la sociedad necesita cada día no ya más formación, si no una formación mejor, de calidad, que busque la excelencia personalizada y por tanto necesita de mejores accesos, de mejores formas de aprendizaje para cada trabajo y poder disponer de las mejores herramientas tecnológicas adecuadas a cada una de las diferentes necesidades.

Ya no es tan importante el “quién“, si no el “por qué” y el “cómo“, pero para todo ello se necesita una transformación radical, una verdera disrupción, primero de mentalidad y después de ilusión por querer hacer cosas nuevas que impliquen dejar atrás las viejas y ya no necesarias.

Los contextos, las personas, el trabajo…y por tanto su necesidad formativa son otras, por lo que las acciones individuales y sociales, también deben ser otras.

“Ya nada es lo mismo, por tanto las personas, tampoco!”

Nuestos escenarios de trabajo y por tanto de aprendizaje serán siempre mutables, no solo en el espacio y en el tiempo, si no en las circunstancias personales, contextuales y por supuesto, Disruptivas!

Procuro pensar no solo en la educación como un escenario aislado, si no como un componente de una obra de teatro, un apartado que necesita de los diferentes tramoyistas, artistas, ayudantes…para funcionar.

Por eso no quiero buscar solo un cambio de roles en procesos de aprendizaje diferentes a los de ahora, porque realmente no lo son, es decir, no son una forma diferente de aprender, no, eso va más lejos, se trata de aprender trabajando y trabajar aprendiendo constantemente….

Nuestro nuevo “ecosistema” de vida quiere ser “abierto, inclusivo y ubicuo“, es decir, una sociedad donde todo el mundo pueda acceder a los objetos y a los sujetos, de manera libre y transparente, lo que lleve a situaciones confiables, donde nadie sobre y todos hagamos falta por lo que llegar a la excelencia personalizada sea lo útil y no tengamos que volver a los viejos paradigmas de la estandarización y como consecuencia a la segregación.

La deslocalización, el desaprendizaje, la desconstrucción no son el contrario de nada y si el principio de todo...

“La experiencia virtual (mediante el diseño de la situación según los elementos clave de un problema concreto) es capaz de generar en la persona las mismas reacciones y emociones, que las que experimenta en una situación similar en el mundo real. Por ejemplo, en el caso de los trastornos de ansiedad, las personas sienten y expresan el mismo temor e inquietud ante el peligro virtual que en el caso del peligro real” (Juan Domingo Farnos Miró), es decir, la realidad virtual brinda muchas alternativas, ya que es una herramienta de aprendizaje con amplios beneficios por su capacidad de inmersión y de interacción.

Desde la década pasada el entorno de la ontología ha surgido de moda dentro del fascinante mundo de la ingeniería del conocimiento.

Aunque existen muchas definiciones de ontología, estas han ido evolucionando con el pasar del tiempo, desde las definiciones dadas por los griegos, hasta la época actual que están vinculadas en el ámbito de la inteligencia artificial.

Pero para el diseño, desarrollo e implementación de una ontología, en la cual se representa una determinada área del conocimiento, se tiene que ir más allá de un mero concepto, se deben tomar algunas cuestiones básicas, como son: metodología(s), herramientas y lenguajes a utilizar durante el proceso de desarrollo.

Con las metodologías:

-Qué metodologías pueden servir de uso para construir una ontología, ya sea desde el principio?;

-Reutilizar otras ontologías disponible en servidores de ontologías o previamente construidas?;

-¿Qué actividades se realizan dentro de este proceso?;

-¿Cuándo se puede construir una ontología utilizando una metodología?;

-¿La metodología me sirve de soporte en el diseño de la ontología?;

• ¿Hay Tener en cuenta el ciclo de vida de una ontología con determinada metodología?.

Con las herramientas:

-Sirven de soporte durante el proceso de desarrollo de la ontología?;

-¿Como es el almacenamiento las herramientas utilizadas por las ontologías, base de datos o archivos?;

-¿La herramienta a utilizar posee un motor de inferencia?;

-¿La herramienta a utilizar puede traducir a diferentes formatos de lenguajes ontológicos?;

-¿La calidad de las traducciones?;

• ¿Como será la interacción realizada entre del servidor y el cliente quien hace uso de la ontología?

Con el lenguaje:

-¿Que lenguaje debo utilizar para realizar la ontología?;

-¿Que expresión tiene ese lenguaje en la ontología me permite una eficiente representación?;

-¿Cuáles son los mecanismos de inferencia que posee dicho lenguaje ontológico?;

-¿El lenguaje sirve de soporte para el desarrollo de la ontología?;

-¿El lenguaje escogido es apropiado por intercambiar la información entre las diferentes aplicaciones?;

-¿El lenguaje hace fácil la integración entre la ontología y la aplicación?;

• ¿El lenguaje es compatible con otros lenguajes usados para la representación del conocimiento en la web?

Por lo tanto, se necesita un marco de aprendizaje para el Trabajo Social Learning, entre otras cosas, ofrece los siguientes elementos de aprendizaje:

— Fase preliminar:. Reunión de desarrollo con las mediciones de competencias ejecutivas y objetivos, el acuerdo de las tareas de práctica y de proyecto, las condiciones …

— Workshop: inicio regular de los procesos individuales de aprendizaje para los nuevos empleados con tándem y la formación de grupos, formando intenciones de implementación, “charla informal” ….

— Construcción de conocimiento con control automático y la formación: la oferta de contenidos de la formación basada en web, videos de aprendizaje, podcasts, estudios de caso de los empleados …, tanto como módulos obligatorios, así como “a la carta”

— Desarrollo de competencias auto-organizada en el proceso de trabajo y la Red: sistemática el desarrollo de habilidades para hacer frente a los desafíos en el lugar de trabajo y en los proyectos; edición colaborativa de retos en el lugar de trabajo y en la red

— Co-coaching: el asesoramiento mutuo y habilidades de apoyo al desarrollo a través de socios de aprendizaje

— Asesoramiento de pares: asesoramiento orientado a los problemas mútuos en grupos de estudio de acuerdo con una estructura consistente

— Apoyo Educativo: coaching, e-coaching y mentoría electrónica

— Los talleres de transposición (webinars): reflexión regular de las fases de aprendizaje auto-organizado, el procesamiento de preguntas abiertas (algunas con expertos), Educación intención

— Talleres: reuniones personales, por ejemplo, en forma semestral, con reflexiones comunes, presentación y discusión de los resultados, los ejercicios con carácter caso, la intención … la educación.

El objetivo es hacer que los trabajadores del conocimiento (Daniel Grifol) piensen más en la captura, el uso y el intercambio de conocimientos, y la maximización de su eficacia personal en la parte social y la construcción de relaciones, tanto internas como externas…

El aprendizaje de los estudiantes depende de un fuerte ciclo de instrucción personalizada que, a su vez, depende de que los profesores calificados utilicen su juicio profesional, para darse cuenta de que su cambio de roles, llevará a esta formación hacia sus cotas mas elevadas., pero también de las estructuras y culturas de la propia organización, naturalmente.

Sentí que mi red, mi red de confianza que he trabajado duro para mantener, cultivar, cuidar, la confianza y crecer iba a ser explotada por otras personas que me veían como su “viaje gratis” para algunas respuestas rápidas, o “maldecir” por otras que ven en lo que hacen su “maná” y por tanto intocable, aunque sea “malo a más no poder” o que sea el mejor del mundo, según ellos, o también, “que quien nos va a dar a nosotros lecciones” si somos el sumum del sumum. Para movernos en la red, para generar conocimiento y aprender….eso deberemos llevarlo a cabo aprendices, trabajadores….

En nuestra red de influencia, de aprendizaje y de trabajo hemos de tener:

. Diferentes “métodos innovadores y contextuales” = el aprendizaje y el trabajo en la era de las redes y el empleo nunca serán estandarizados, lo que significa primero deshacerse de las descripciones de puestos y individuales evaluaciones de desempeño y el cambio a formas más simples a fin de organizar la complejidad.

Hoy en día, el trabajo es el aprendizaje, y el aprendizaje es el trabajo. Esto requiere una nueva perspectiva sobre la forma en que pensamos sobre el aprendizaje organizacional. (LEARNING IS THE WORK de Harold Jarche y EDUCACIÓN DISRUPTIVA (LEARNING IS THE WORK de JUAN DOMINGO FARNOS).

. Deberemos autoseleccionar las herramientas, según las necesidades de cada momento, las características contextuales y personalizadas…” = alejándose de herramientas educativas, empresariales estandarizadas hacia una plataforma abierta en la que los trabajadores, aprendices — , , pueden utilizar sus propias herramientas con el fin de ser artesanos del conocimiento-

Si entramos en debate de como, cuando, donde y con qué utilizar herramientas digitales en la educación, en las aulas, en el aprendizaje formal, informal etc… es conveniente hacerlo, con diferentes herramientas que tengamos a nuestro alcance, pero también con diversos planteamientos socio-didácticos y pedagógicos:

-Modelo de integración de BYOD en lo que sería el contexto…

-La combinación consciente del CONTEXTO, la computación ubicua y omnipresente proporciona para entornos que son capaces de adaptarse a las diferentes identidades y necesidades de usuarios y organizaciones, un aprendizaje permanente, personalizado y adaptable.

• Necesitaremos instalaciones que hagan posibles el u-aprendizaje consciente del contexto que se apoya por medio de dispositivos móviles, wereables , redes inalámbricas, sensores…

A través de los últimos avances tecnológicos, los ordenadores portátiles se han convertido en potentes dispositivos de mano inalámbricos con las siguientes características:

-Conectabilidad — Se conectan a Internet de forma inalámbrica a través de la fidelidad inalámbrica o WiFi.

-Portabilidad — Son portátil y por lo tanto siempre al alcance del usuario.

-Accesibilidad instantánea — Se enciende al instante y se apaga.

-Flexibilidad — Ayudan a recopilar datos al acomodar una amplia variedad de extensiones periféricas (por ejemplo, cámaras digitales, cargas de estudio científica, los dispositivos de sistema de posicionamiento global, la identificación por radiofrecuencia y lectores de códigos de barras).

-Viabilidad económica — Tienen gran parte de la capacidad de cómputo y capacidad de almacenamiento ampliable de ordenadores portátiles a una fracción del costo

.“Cooperación voluntaria” = disminuir el énfasis en el trabajo en equipo y la colaboración y fomentar mayor cooperación. De esa manera pasaremos de un trabajo PREDISEÑADO a otro CREATIVO y por tanto más motivador.

.“Deber de ser transparente” = pasar de ‘necesitan saber’ a ‘necesitar compartir’ especialmente para aquellos con responsabilidades de liderazgo, que deben entender que en la era de la red, la gestión es una función, no una carrera. La transparencia es, probablemente, el mayor reto para las organizaciones de hoy en día…universidades, empresas, organizaciones socio-politicas, económicas — –

. “Compartir nuestro conocimiento” = cambiar el entorno para que compartir su conocimiento no ponga a esa persona en una posición más débil de la organización. Un trabajador del conocimiento es una persona comprometida con la libertad para actuar. Premiar la organización (de red) es mejor que premiar a la persona, pero sólo si las personas se sienten capaces y pueden participar activamente en la toma de decisiones. Intrínseca, no extrínseca, la motivación es necesaria para el trabajo complejo y creativo.

juandon