La universidad inteligente

En los meses anteriores he estado trabajando con este esquema de la evaluación de la enseñanza abierta universitaria:

Recientemente he visto que por un lado Siemens  y por otro Downes , sufrían contingencias casualmente de la misma naturaleza: Ambos eran despedidos de sus últimos programas de trabajo. En las explicaciones que han dado mencionaban la misma incidencia: Relacionaban su despido o su renuncia con una tendencia, la de orientar la enseñanza universitaria, los entornos de aprendizaje y los sistemas de gestión de la enseñanza en función de las posibilidades que ofrece la más reciente Inteligencia Artificial, sobre todo la que se utiliza en los algoritmos sociales, pero aplicados en este caso a la personalización del aprendizaje. También aplicada al rendimiento profesional.

Posteriormente he leído el artículo “Evolution Is not enough: Revolutionizing Current Learning Environments to Smart Learning Environments” (en PDF extenso)

La idea, como Hwang ( 2014 ) indica, es que los entornos de aprendizaje inteligente (EAI)[1] (…) proporcionan de forma activa la guía de lo que hay que hacer para aprender  (para conseguir el objetivo de aprendizaje), los consejos, las herramientas de apoyo o sugerencias de aprendizaje en el lugar correcto, en el momento adecuado  y de forma correcta (p2).

Estos entornos suelen utilizar grandes volúmenes de datos, analizan  las técnicas de aprendizaje utilizadas por los alumnos, sintetizan patrones combinando datos en tiempo real y los conjuntos de datos históricos, con el fin de identificar pautas de aprendizaje contextualmente significativas.

Los entornos de aprendizaje inteligentes facilitan el aprendizaje en el momento en que es necesario, ya que pueden proporcionar diversos niveles de adaptación y la precisión de las condiciones de aprendizaje diversificadas (incluidos los planes de estudio, el contenido del curso, la estrategia y el apoyo, etc.) para los alumnos.

A los que habría que añadir la secuencia de tareas, de contenidos, el mastery learning…

El esquema pues quedaría de esta forma:

esquema open education SLE

Esta perspectiva y esta línea del tiempo la incluí en la conferencia que, con el título ““Docencia virtual: diseño, funciones, estrategias institucionales, modelos y tendencias”, impartí en la VI Jornada de Innovación Docente, LOS UNIVERSOS DOCENTES, en la Universidad de Valladolid.

La presentación utilizada fue:

 

Referencias.-

Hwang, G.-J. (2014). Definition, framework and research issues of smart learning environments – a contextaware ubiquitous learning perspective. Smart Learning Environments, 1(1), 4. doi: 10.1186/s40561-014-0004-5.   http://dx.doi.org/10.1186/s40561-014-0004-5

Referencias del trabajo básico

http://slejournal.springeropen.com/articles/10.1186/s40561-014-0004-5

http://download.springer.com/static/pdf/360/art%253A10.1186%252Fs40561-014-0004-5.pdf?originUrl=http%3A%2F%2Fslejournal.springeropen.com%2Farticle%2F10.1186%2Fs40561-014-0004-5&token2=exp=1461135014~acl=%2Fstatic%2Fpdf%2F360%2Fart%25253A10.1186%25252Fs40561-014-0004-5.pdf*~hmac=cf8161ccee0dc0801b7603cfa2f7a9be0eacfdafc3d1e7b02629af288da1aabc

[1] Smart Learning Environments (SLE)

Pensamiento computacional: Una nueva alfabetización en las culturas epistemológicas (y II)

Segunda parte del articulo iniciado en el post anterior

atomium

Un dominio teórico específico del pensamiento computacional en las teorías del aprendizaje y un currículum.

Hasta aquí hemos justificado la necesidad de contar con un corpus curricular, en el sentido que da Eggleston (1980) a la expresión, sobre pensamiento computacional y de una relación de habilidades asociadas.

Pero sobre todo es importante plantearlo en el contexto de un análisis y de una elaboración interdisciplinar, ver las implicaciones que tienen estas ideas para una redifinición de un dominio teórico específico dentro de las teorías del aprendizaje. Y desde luego definir descriptivamente en un primer acercamiento un currículum adecuado a esos dominios conceptuales para las distintas etapas educativas y para la capacitación de maestros y profesores.

Esto es lo que en una primera aproximación hemos tratado de hacer de forma desarrollada en otro lugar (Zapata-Ros, 2015) con las limitaciones de un tratamiento general, pero que sin duda será tratado y ampliado en posteriores documentos con más extensión y documentación. En un primer repaso pues y en la búsqueda correspondiente hemos conectado todo lo dicho las conceptualizaciones y modalidades del pensamiento según las teorías del aprendizaje. En este trabajo (Zapata-Ros, 2015) hemos encontrado  las siguientes componentes del pensamiento computacional, 14 en el artículo citado, a las que se añade Sinéctica (Zapata-Ros, Sept 2015), que en este trabajo presentamos como primicia académica:

fig2

Fig. 2

Conviene decir que estas componentes no están perfectamente delimitadas ni conceptual ni metodológicamente. No son excluyentes, y según en qué contexto se empleen pueden tener significados distintos. De hecho ni tan siquiera se puede decir que constituyan elementos de una taxonomía o que correspondan a un mismo nivel operativo o conceptual. Todo eso está pendiente de elaboración. Así es perfectamente posible pues que en métodos o en procedimientos que se cataloguen por ejemplo como resolución de problemas haya elementos de análisis ascendente, o descendente, y es difícil que un análisis descendente no tenga elementos de recursividad.

Recursividad.

A veces un problema por su tamaño, o porque depende de un número natural (o de un cardinal) no puede ser resuelto por sí mismo pero puede ser remitido a otro problema de las mismas características o naturaleza pero más pequeño o dependiendo de un cardinal menor, que sí puede ser resuelto, o nos puede dar la pista de una regla de remitir problemas a problemas menores (regla de recurrencia). Y en ambos casos nos permite resolver el problema. A estos métodos, que son así considerados unos métodos de resolución de problemas, se les llama recursividad o recurrencia.

Con el término recursividad también se quiere en otras ocasiones abordar una forma de conceptualizar, de definir, objetos de conocimiento o ideas: De esta forma se dice que están definidos por recurrencia.

En esta forma de abordar el conocimiento se ha visto por un lado una forma más útil, o más económica cognitivamente, de abordar la resolución mediante procesos automatizados, o una forma más eficaz y elegante de abordar conceptos y definiciones que permiten integrarlas más eficientemente desde el punto de la lógica en un sistema teórico.

Presenta una dificultad que hace necesaria una predisposición mental que no siempre es frecuente ni fácil de alcanzar según qué individuos.

En matemáticas es muy frecuente. Es una forma muy elegante de definir el concepto de potencia natural o de factorial (Zapata-Ros, 2015), y abre las puertas a la recursividad. Sin embargo la experiencia me dice que los alumnos cuando se les presenta adecuadamente la formulación clásica la suelen comprender y aprender con relativa facilidad. No así la segunda. Necesita un tipo especial de forma de pensar. Necesita utilizar el pensamiento recursivo. Sin embargo la definición recursiva tiene indudables ventajas no solo para programar sino incluso de economía de pensamiento y de ejecución. Mis alumnos de secundaria comprendían perfectamente esto cuando les ponía el siguiente ejemplo:

Una azafata quiere comprobar que todos los pasajeros tienen que llevar ajustado y bien sujeto el cinturón de seguridad. En principio podría hacerlo de dos formas: recorriendo el pasillo y verificando que todos lo llevasen correctamente o bien asegurando solo dos cosas: Que cada pasajero comprobase que  lo lleva igual que el anterior y que el primero lo llevase bien.

La recursividad es algo que va más allá de las matemáticas o de la computación, es propiamente una forma de pensar: Pensar sobre el pensamiento, también tiene un ámbito de conocimiento o de modelado en la psicología: la metacognición. De hecho en un conocido trabajo “El pensamiento recursivo” Michael C. Corballis (2007) dice que “La facultad de pensar sobre el pensar constituye el atributo crítico que nos distingue de todas las demás especies”.

Los fractales, como el caos y los sistemas dinámicos, son también estructuras recursivas. Los podemos encontrar incluso en la fundamentación del conectivismo (Siemens, September 2014, a través de Zapata-Ros, 2014b).

Pero también constituye la base de la geometría (Zapata-Ros, 1996a, 1996b) y del arte fractal (Zapata-Ros, 2013a).

La expresión fractal viene del latín fractus, que significa fracturado, roto, irregular. La expresión, así como el concepto, se atribuyen al matemático Benoit B. Mandelbrot, del Centro de Investigación Thomas J. Watson, que la empresa IBM tiene en Yorktown Heights, Nueva York, y aparecen como tal a finales de la década de los setenta y principios de los ochenta (Mandelbrot, 1977 y 1982). Aunque anteriormente Kocht, Cantor y Peano entre otros, definieron objetos catalogables dentro de esta categoría, pero no reconocidos como tales.

El concepto de fractal se puede abordar desde distintos puntos de vista, sin embargo se acepta comúnmente que un fractal es un objeto geométrico compuesto de elementos también geométricos de tamaño y orientación variable, pero de aspecto similar. Con la particularidad de que si un objeto fractal lo aumentamos, los elementos que aparecen vuelven a tener el mismo aspecto independientemente de cual sea la escala que utilizamos, y formando parte, como en un mosaico de los elementos mayores. Es decir estos elementos tienen una estructura geométrica recursiva.

Para representar gráficamente un fractal basta por tanto encontrar la relación o la ley de recursividad entre las formas que se repiten. Es decir encontrar el objeto elemental y la ley de formación y establecer el algoritmo gráfico. Es por esto que lenguajes como LOGO, y ahora los software de programación orientados a la enseñanza, principalmente mediante la creación de juegos o el dibujo de formas geométricas, como Scratch y Turtle Art, se avienen tan bien para representar fractales.

Sin embargo lo verdaderamente relevante es la potencia de los modelos recursivos para descubrir los patrones y leyes que hay detrás, no solo de las estructuras naturales como son montañas, costas, formas vegetales o minerales, tejidos humanos,… sino las leyes que rigen la creatividad. Lo primero está suficientemente estudiado (Zapata-Ros, 1996a) (Mandelbrot, 1983). Sin embargo es ahora cuando empiezan a descubrirse estas leyes y estos patrones subyacentes en el arte. Veamos dos ejemplos relativamente recientes:

Pollock el más grade pintor norteamericano de todos los tiempos según LIFE (Matter, 2013), de forma espontánea, y mucho antes de que existieran los fractales como dominio de conocimiento, elige la dimensión fractal 1,3 para sus cuadros como un dato invariante que lo constituye en un rasgo para todos ellos (Matter, 2013):

LIFE magazine named Jackson Pollock “the greatest living painter in the United States” in 1949, when he was creating canvases now known to conform to the optimal fractal density (about 1.3 on a scale of 1 to 2 from void to solid). Could Pollock’s late paintings result from his lifelong effort to excavate an image buried in all of our brains?

Hamel hizo una definición para la pornografia: “la pornografía se sabe que lo es cuando se ve”. La pintura de Pollock se ha descubierto que tiene un rasgo que la define, una característica común a todos sus cuadros: Todos tienen una dimensión fractal de 1,3. Esto lo vemos ahora con los ojos de la ciencia después de que Mandelbrot descubriera los fractales en los años setenta y ochenta, cuando la pintura de Pollock ya hacía mucho que circulaba y que estaba en los museos. Sin embargo el ojo del experto o el del observador dotado de sensibilidad lo percibían cuando lo veía. Como en la pornografía, los cuadros de Pollock se saben que lo son cuando se ven. Y eso lo hemos sabido merced a los fractales. El pensamiento computacional, los fractales y la recursividad nos dan la clave para percibir la belleza y para disfrutar de ella, además de para, como dice el mismo artículo, que los oftalmólogos descubran patrones de reconocimiento de las formas y la gente se fatigue menos en el trabajo.

La otra referencia lo constituye los estudios del Instituto de Física Nuclear de Polonia (Flood, 2016) (Drożdż et al, 2016) que han encontrado patrones fractales complejos en las oraciones gramaticales que son comunes en grandes obras de literatura, y de los cuales es una referencia la obra Finnegans Wake de James Joyce, que las asemejan a patrones abstractos de matemáticas observados en la naturaleza. Pero sobre todo los científicos  del Instituto de Física Nuclear en Polonia , obtienen que las partes constitutivas de la obra, casi indistinguibles en su estructura, tienen, desde una perspectiva puramente matemática, una organización multifractal.

Los académicos han estudiado igualmente más de 100 obras de la literatura universal, de autores de Charles Dickens a Shakespeare, Alejandro Dumas, Thomas Mann, Umberto Eco y Samuel Beckett, a través de un análisis estadístico detallado. Haciendo una covariación de las estructuras de las construcciones con relación a las longitudes de oraciones y viendo  cómo cavarían, encontraron que en una “abrumadora mayoría” de los textos estudiados, las correlaciones en las variaciones de longitud de la oración se rigen por la dinámica de una estructura recurrente – lo que significa que su construcción es un fractal : un objeto matemático en el que cada fragmento, cuando se cambia de escala, tiene una estructura parecida a la totalidad y a las de las unidades superiores e inferiores, en este caso a las oraciones y párrafos subordinados y supraordinados.

“Todas las obras examinadas mostraron auto-similitud en cuanto a la organización de las longitudes de las frases. Algunos eran más expresivos , otros menos. Sin embargo, las correlaciones fueron evidentes, y por lo tanto estos textos constituyen un fractal “, dijo el Dr. Pawel Oświęcimka del Instituto de Física Nuclear de la Academia de Ciencias de Polonia, uno de los autores del estudio Quantifying Origin and Character of Long-range Correlations in Narrative Texts (Drożdż et al, 2016).

Metacognición.-

En las tareas de codificación los aspectos procedimentales sobre cómo afrontar un problema y sobre cómo resolverlo por los alumnos adquieren una importancia clave.

Cuando el concepto de estrategias se incorpora a la psicología del aprendizaje y a  la educación, inevitablemente se ve resaltado el carácter procedimental que tiene todo aprendizaje (Esteban y Zapata-Ros, 2008).Con ello además se está aceptado que  los procedimientos utilizados para aprender constituyen una parte muy decisiva del propio aprendizaje y del  resultado final de ese proceso. Eso no quiere decir que con anterioridad se ignorase la importancia decisiva de las formas de aprender aportados por el aprendiz, sobre todo por los buenos “maestros”. Simplemente no existía una formulación ni una conceptualización tan explícita y con términos específicos sobre las operaciones cognitivos que se ponen en marcha. El concepto de estrategia de aprendizaje es pues un concepto que se integra adecuadamente con los principios de la psicología cognitiva, desde la perspectiva constructivista del conocimiento y del aprendizaje. Lo hace además con la importancia atribuida a los elementos procedimentales en el proceso de construcción de conocimientos y, asimismo, teniendo en cuenta aspectos diferenciales de los individuos. Aspecto tan caro a la psicología cognitiva sobre todo en el caso del aprendizaje en adolescentes, adultos, expertos y  novatos.

Conviene pues destacar en primer lugar esta visión del aprendizaje de las habilidades propias del pensamiento computacional.

Hay  algunos de los aspectos de las estrategias que pueden resultar más relevantes: El propio concepto de estrategia implica una connotación finalista e intencional. Toda estrategia conlleva, de hecho es, un plan de acción para realizar  una tarea que requiera una actividad cognitiva en el aprendizaje. No se trata, por tanto, de la aplicación de una técnica concreta, por ejemplo de aplicar un método de lectura o un algoritmo. Se trata de un plan de actuación que implica habilidades y destrezas –que el individuo ha de poseer previamente- y de una serie de técnicas que se aplican en función de las tareas a desarrollar, sobre las que el alumno decide y sobre las que tiene una intención de utilizar consciente. Por tanto  lo más importante de esta consideración es que para que haya intencionalidad ha de existir conciencia de:

  1. a)la situaciónsobre la que se ha de operar (problema a resolver, datos a analizar, conceptos a relacionar, información a retener, etc.). Esta consciencia y esta intencionalidad presupone, como una cuestión clave desde el punto de vista del aprendizaje, la representación de la tarea que se realiza, sobre la que el aprendiz toma la decisión de qué estrategias va a aplicar; y
  2. b)de los propios recursoscon que el aprendiz cuenta, es decir, de sus habilidades, capacidades, destrezas, recursos y de la capacidad de generar otros nuevos o mediante la asociación o reestructuración de otros preexistentes.

En todos estos puntos, decisiones y representaciones, ha de existir en definitiva la conciencia de los propios recursos cognitivos con que cuenta el aprendiz. Eso es lo que se ha denominado metacognición.

Así pues no es sólo una estrategia o un conjunto de estrategias. Es la condición necesaria para que pueda darse cualquier plan estratégico. Lo contrario serían simplemente algoritmos o incluso estrategias pero donde, al no haber intencionalidad, no habría la valoración  que conlleva la adopción de un plan con previa deliberación de la situación y de los recursos.

La metacognición y el estudio de los estilos de aprendizaje son dos cosas que van íntimamente ligadas.

Los psicólogos del aprendizaje descubrieron que los alumnos tenían distintas estructuras cognitivas que afectaban a sus formas personales de aprender, a los procedimientos que cada individuo ponía en marcha de forma espontánea cuando intentaba aprender algo, que determinaba, en definitiva, las estrategias de aprendizaje de los alumnos. Descubrieron además que estos procedimientos constituían racimos (clusters) que se repetían con frecuencia de forma análoga o parecida en distintos individuos. Estas estructuras tenían un origen en el que no entraron en polémica, se habían formado a lo largo de su vida en función de distintos factores ambientales, genéticos, culturales… y de experiencias personales, que se aceptaba sin más. Formaba parte de la identidad, de la configuración cognitiva, por así decirlo, del alumno. Les llamaron estilos de aprendizaje.

En todas las definiciones y perspectivas, Clark (2014), Keefe (1979) y Stewart y Felicetti (1992), los autores ponen énfasis en que los estudios de los estilos de aprendizaje no están realmente preocupados por lo que los alumnos aprenden, sino más bien por la forma en que prefieren aprender. Como decíamos anteriormente, hay un factor de intencionalidad.

El paso siguiente fue intentar determinar de manera eminentemente mecanicista qué formas de organizar la instrucción era la más eficiente para cada uno de estos estilos, al menos para los más frecuentes, con el propósito de mejorar los aprendizajes. Lo cual constituye por otro lado el principal objetivo de la calidad de la enseñanza. En ese planteamiento se consideró a los estudios y a los resultados de las investigaciones sobre estilos de aprendizaje como uno de los principales conjuntos de elementos que iluminaban, informaban y fundamentaban el diseño instruccional.

En nuestro ámbito de trabajo, y en esa hipótesis tendría sentido plantearse qué estilos de aprendizaje son los más propicios para el pensamiento computacional o van ligados a él, y adaptar el diseño instruccional a esos estilos de aprendizaje, y a los alumnos que presentan estos perfiles de aprendizaje. Afortunadamente las investigaciones han ido por otro lado y han puesto en evidencia que ésta era una idea equivocada.

La expresión “afortunadamente” se justifica cuando supusiéramos, por ejemplo, que ciertos estilos de aprendizaje fuesen asociados a estereotipos humanos. Pensemos que hay estilos vinculados con el género (por ejemplo estilos de aprendizaje femeninos) o con componentes étnicas, o de clase social. Esto nos llevaría a distintos tipos de exclusiones.

No obstante los estilos de aprendizaje se han manifestado como de utilidad en otro sentido: son los puntos a lo largo de una escala que nos ayudan a descubrir las diferentes formas de representaciones mentales. Sin embargo, no son buenas como caracterizaciones de lo que los alumnos son o de cómo son. Las conclusiones de los estudios como veremos, no  deben llevarnos a dividir a la población en un conjunto de categorías estancas con respecto a cómo organizar la educación  o a elaborar las estrategias educativas (como sucede por ejemplo en casos esterotipados: educación para “individuos visuales”, educación para “individuos auditivos”, etc. De esta forma se ha intentado asignar a las personas un punto en un continuo, similar a la medición de la altura o peso).

En otras palabras: se trata de no encasillar a los alumnos, y de dejar claro que todos somos capaces de aprender a partir de casi cualquier estilo de aprendizaje, no importa cuales sean nuestras preferencia sobre como representar el conocimiento, o de cómo aprender,  de forma inicial.

Finalmente se demostró con evidencias empíricas que adaptando el diseño  instruccional a los distintos estilos de aprendizaje o teniéndolo como referencia de alguna forma para organizar la enseñanza no se obtenían mejores resultados (Marzano, 1998) (Coffield, et. al., 2004).

La literatura especializada básicamente indica que hay un amplio consenso y aceptación del concepto de estilos de aprendizaje. Incluso hay un estudio que demuestra que existen los estilos de aprendizaje (Thompson-Schill, Kraemer, Rosenberg, 2009). Sin embargo, no hay acuerdo sobre cuáles son los mejores estilos de aprendizaje en función de los objetivos de aprendizaje deseados para cada caso, ni de la forma de establecer un criterio de eficiencia (Coffield , Moseley, Hall, Ecclestone, 2004). Así mientras que los especialistas han reconocido desde hace tiempo la necesidad de actividades de enseñanza innovadoras que se relacionen con los diversos estilos de aprendizaje de los alumnos (lo cual los haría útiles en la mentorización), hay dudas razonables en cuanto a que sean significativos y en cómo lo sean a la hora de determinar el ambiente de aprendizaje.

Es decir, la mayoría de los investigadores coinciden en que los alumnos tienen diferentes estilos de aprendizaje, sin embargo, la investigación manifiesta  un claro acuerdo en que es relativamente poco importante en el diseño de programas de aprendizaje. Es mucho más importante para  este fin temas tales como la naturaleza de los contenidos, de las actividades, la significatividad general, la relevancia, la complejidad de la tarea, etc. y utilizar estrategias y contextos adecuados que emparejar métodos de enseñanza con preferencias o estilos individuales (Coffield, et. al., 2004).

Como ejemplos de estudios empíricos se pueden citar:

En un gran meta-estudio realizado por Marzano (1998) se  encontró que ciertas representaciones de los contenidos tuvieron efectos positivos en los resultados del aprendizaje, independientemente de las modalidades con que los alumnos aprender, de sus preferencia o del estilo de aprendizaje.

También se cita el estudio de Constantinidou y Baker ( 2002) donde se demostró que la presentación visual mediante el uso de imágenes adecuadas  era ventajoso para todos los adultos, independientemente de su estilo de aprendizaje. Incluso en el caso de aquellos con una fuerte preferencia por el procesamiento verbal.

Sin embargo, como hemos dicho, eso no significa que los estilos de aprendizaje no sean importantes. Como escribió Coffield (Coffield, et. al., 2004): “La unidad de consideración y de uso didáctico de los estilos de aprendizaje  debe ser el individuo más que el grupo”.

Por lo tanto, aquellos que son responsables de ayudar a otros a aprender, tales como mentores, instructores o entrenadores debieran atender a los estilos y ajustarse en algunos casos a ellos, mientras que los que diseñan la instrucción o enseñan a grupos, debieran ver los estilos de aprendizaje con relativa importancia.

Y aquí es donde entra la metacognición. Si los alumnos son conscientes, primero, de su propio estilo de aprendizaje, fuesen conscientes, segundo, de la necesidad del cambio de los  procedimientos que constituyen su estilo o de consolidarlos y potenciarlos, y por último de sus propias capacidades para llevar de forma autónoma ese cambio o de la necesidad de adquirirlas (capacidades metacognitivas) estaríamos en presencia de la cuestión clave para abordar el resto de competencias del pensamiento computacional para la mayor parte de los alumnos.

El argumento para señalar la importancia de la metacognición, su papel clave, en palabras de David Merrill (2000) es que la mayoría de los estudiantes no son conscientes de sus estilos de aprendizaje y si se deja a sus propios medios, no es probable que empiecen a aprender de nuevas maneras. Por lo tanto, el conocimiento de los estilos de aprendizaje de uno mismo puede ser utilizado para aumentar la auto-conciencia acerca de las fortalezas y debilidades como aprendices que cada uno tiene y por consiguiente para mejorar en el aprendizaje.

Si bien todas las ventajas que se atribuyen a la metacognición (ser consciente de los propios procesos de pensamiento y aprendizaje) pueden ser adquiridas alentando a los estudiantes a adquirir conocimientos acerca de su propio aprendizaje y el de los demás (Coffield, et. Al., 2004), lo importante es estudiar e investigar cómo los alumnos pueden adquirir este conocimientos, formar en habilidades cognitivas.

En el caso del pensamiento computacional la cuestión es cómo los estudiantes pueden adquirir las habilidades metacognitivas específicas, cuáles son las mejores estrategias y cómo pueden detectar cuales son las debilidades y las fortalezas de sus propios estilos y cambiarlas o potenciarlas.

Establecer en qué medida es posible formar en estas habilidades y cómo llevar a cabo este meta-aprendizaje.

Estos dos apartados , el de la recurrencia y el de la  metacognición son significativos de la serie de quince elementos/componentes del pensamiento computacional reseñados en la fig. 2

Queda por desarrollar pormenorizadamente los contenidos en un corpus útil a las distintas modalidades y niveles de formación, así como para la formación de maestros y profesores que los impartan.

Discusión.-

Se hace imprescindible determinar con evidencias empíricas si, como parece, la codificación es una competencia compleja o un conjunto de competencias, así como establecer en términos diferenciados cuáles son. También determinar el diseño y los términos de las investigaciones que pudieran dar lugar a estas delimitaciones.

Faltaría en consecuencia definir qué es codificación en un sentido pluridisciplinar, que implique a profesionales de la Psicología del Aprendizaje y del Desarrollo, los especialistas en Educación (Pedagogía del pensamiento computacional, curriculum, etc) o como se ha definido ahora por el MIT (2016) de las Ciencias del Aprendizaje.

Code, o codificación como lo hemos traducido, o programming code (programación de códigos) consiste en elaborar códigos fuente de programas de ordenador que puedan ser interpretados y/o compilados por un interface para decirle a  un sistema informático cómo se resuelve un problema o cómo se realiza un procedimiento de forma eficaz. Sin embargo en los documentos utilizados para elaborar este trabajo se ha definido (Balanskat y Engelhardt, October 2014 p. 5) como

una competencia clave que tendrá que ser adquirida por todos los jóvenes estudiantes y cada vez más por los trabajadores en una amplia gama de actividades industriales y profesiones. La codificación es parte del razonamiento lógico y representa una de las habilidades clave que forma parte de lo que ahora se llaman “habilidades del siglo 21″.

No obstante en el informe citado, donde se ponen énfasis en esta necesidad (de hecho es el documento base para la integración de las enseñanzas para la adquisición de las competencias para la codificación) como prioridad dela UE:

  1. No se plantea como una idea de un curriculum integral y sistémico que abarque desde las etapas preescolares hasta la educación universitaria.
  2. Se dedica a describir las experiencias y el estado de la cuestión en los países europeos, donde solo se constatan situaciones de inclusión en otras materias o de materias específicas de programación del tipo que hemos señalado.

Sin embargo en este trabajo hemos puesto de relieve que la codificación es una competencia compleja o más bien un complejo de habilidades de las que participan posiblemente, entre otras, las 15 que hemos glosado, y al que en conjunto es lo que llamamos pensamiento computacional, de manera que su adquisición quedaría incompleta si faltase alguno de estos elementos.

Por último, en un plano más humilde pero no menos importante para un caminar sólido hacia la consolidación de esas culturas epistemológicas, quedaría analizar además cuales serían los pasos siguientes para determinar el curriculum y las características de la formación de los profesores y maestros ahora.

Referencias.-

Balanskat, A.  & Engelhardt , K. (October, 2014). Computing our future Computer programming and coding – Priorities, school curricula and initiatives across Europe.  European Schoolnet (EUN Partnership AISBL) http://www.eun.org/c/document_library/get_file?uuid=521cb928-6ec4-4a86-b522-9d8fd5cf60ce&groupId=43887

Bawden, D. (2001). Information and digital literacies: a review of concepts. Journal of Documentation, 57(2), 218–259.

Bawden, D. (2008). Origins and concepts of digital literacy. Digital literacies: Concepts, policies and practices, 17-32. http://sites.google.com/site/colinlankshear/DigitalLiteracies.pdf#page=19

Blikstein,  (2013). Seymour Papert’s Legacy: Thinking About Learning, and Learning About Thinking. https://tltl.stanford.edu/content/seymour-papert-s-legacy-thinking-about-learning-and-learning-about-thinking

Bono, E. D. (1968). New think: the use of lateral thinking in the generation of new ideas. Basic Books.

Brown , E. (2016). Obama outlines $4 billion ‘Computer Science for All’ education plan. Washington Post. https://www.washingtonpost.com/local/education/obama-outlines-4-billion-computer-science-for-all-education-plan/2016/01/29/3ad40da2-c6d9-11e5-9693-933a4d31bcc8_story.html

Clark, D. (2014) Learning Styles & Preferences. http://www.nwlink.com/~donclark/hrd/styles.html

Coffield, F., Moseley, D., Hall, E., Ecclestone, K. (2004). Learning Styles and Pedagogy in Post-16 Learning: A systematic and critical review. www.LSRC.ac.uk: Learning and Skills Research Centre. Retrieved from: http://www.lsda.org.uk/files/PDF/1543.pdf

Constantinidou, F., Baker, S. (2002). Stimulus modality and verbal learning performance in normal aging. Brain and Language, 82(3), 296-311.

Corballis, M. C. (2007). Pensamiento recursivo. Mente y cerebro, 27, 78-87. http://amscimag.sigmaxi.org/4Lane/ForeignPDF/2007-05CorballisSpanish.pdf

Corballis, M. C. (2014). The recursive mind: The origins of human language, thought, and civilization. Princeton University Press. http://press.princeton.edu/titles/9424.html

Dickey, M.R. (2016). President Obama Wants $4 Billion To Bring Computer Science Education To Every K-12 School. Tech Crunch. http://techcrunch.com/2016/01/30/president-obama-wants-4-billion-to-bring-computer-science-education-to-every-k-12-school/

Drożdż, S., Oświȩcimka, P., Kulig, A., Kwapień, J., Bazarnik, K., Grabska-Gradzińska, I., … & Stanuszek, M. (2016). Quantifying origin and character of long-range correlations in narrative texts. Information Sciences331, 32-44.  http://arxiv.org/abs/1412.8319

Eggleston, J. (1982). Sociología del currículum. Ed. Troquel. Buenos Aires.

Eshet, Y. (2002). Digital literacy: A new terminology framework and its application to the design of meaningful technology-based learning environments, In P. Barker and S. Rebelsky (Eds.), Proceedings of the World Conference on Educational Multimedia, Hypermedia and Telecomunications, 493–498 Chesapeake VA: AACE, Retrieved November 30, 2007, from http://infosoc.haifa.ac.il/DigitalLiteracyEshet.doc

Eshet-Alkalai, Y. (2004), Digital literacy: a conceptual framework for survival skills in the digital era, Journal of Educational Multimedia and Hypermedia, 139(1), 93–106. Available at: http://www.openu.ac.il/Personal_sites/download/Digital-literacy2004-JEMH.pdf

Esteban, M. y Zapata, M. (2008, Enero). Estrategias de aprendizaje y eLearning. Un apunte para la fundamentación del diseño educativo en los entornos virtuales de aprendizaje. Consideraciones para la reflexión y el debate. Introducción al estudio de las es trategias y estilos de aprendizaje. RED. Revista de Educación a Distancia, número 19. Consultado (día/mes/año) en http://www.um.es/ead/red/19

Europeam Comission (2016).The Computational Thinking Study.  https://ec.europa.eu/jrc/en/computational-thinking

Europeam Comission (2015). Grand Coalition for Digital Jobs. https://ec.europa.eu/digital-single-market/en/grand-coalition-digital-jobs

Evers, H-D, (2000a) Working Paper No 335 Culturas Epistemológicas: Hacia una Nueva Sociología del Conocimiento

Evers, H-D, 2000b, “Globalisation, Local Knowledge, and the Growth of Ignorance: The Epistemic Construction of Reality”, Southeast Asian Journal of Social Science, 28,1: 13-22

Evers, Hans-Dieter and Solvay Gerke (2005). Knowledge is Power: Experts as Strategic Group.

Flood, A. (2016)Scientists find evidence of mathematical structures in classic books. The Guardian. http://www.theguardian.com/books/2016/jan/27/scientists-reveal-multifractal-structure-of-finnegans-wake-james-joyce

Gareis, K. (2014) E-SKILLS FOR JOBS IN EUROPE:: MEASURING PROGRESS AND MOVING AHEAD FINAL REPORT FEBRUARY 2014  http://eskills-monitor2013.eu/fileadmin/monitor2013/documents/MONITOR_Final_Report.pdf

Gilster, P. (1997). Digital literacy. New York: Wiley.

Grover, S., & Pea, R. (2013). Computational Thinking in K–12 A Review of the State of the Field. Educational Researcher, 42(1), 38-43.

Keefe, J.W. (1979) Learning style: An overview. NASSP’s Student learning styles: Diagnosing and proscribing programs (pp. 1-17). Reston, VA. National Association of Secondary School Principles..

Koch, T., & Denike, K. (2009). Crediting his critics’ concerns: Remaking John Snow’s map of Broad Street cholera, 1854. Social science & medicine69(8), 1246-1251.http://www.albany.edu/faculty/fboscoe/papers/koch2009.pdf

Lanham, R.A. (1995). Digital literacy, Scientifi c American, 273(3), 160–161.

Lankshear, C. and Knobel, M. (2006). Digital literacies: policy, pedagogy and research considerations for education. Digital Kompetanse: Nordic Journal of Digital Literacy, 1(1), 12–24.

Mandelbrot, B. (1977). Fractals, form, chance and dimension. W. H. Freeman.

Mandelbrot, B. (1982). The fractal geometry of nature. W. H. Freeman.

Mandelbrot, B. B. (1983). The fractal geometry of nature (Vol. 173). Macmillan.

Marzano, R.J. (1998). A theory-based meta-analysis of research on instruction. Mid-continent Regional Educational Laboratory, Aurora, CO.

Matter, G. (2013). Why We Love Beautiful Things. The New Tork Times. http://www.nytimes.com/2013/02/17/opinion/sunday/why-we-love-beautiful-things.html

Merrill, D. (2000). Instructional Strategies and Learning Styles: Which takes Precedence? Trends and Issues in Instructional Technology, R. Reiser and J. Dempsey (Eds.). Prentice Hall.

MIT (2016) About MITili. Transforming Learning through Research and Applied Practice. http://mitili.mit.edu/about.html

Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books, Inc. http://www.arvindguptatoys.com/arvindgupta/mindstorms.pdf

Pólya, G. (1989). Como plantear y resolver problemas Ed. Trillas. (Primera edición 1965)

Raja, T. (2014). We can code it!. http://www.motherjones.com/media/2014/06/computer-science-programming-code-diversity-sexism-education.

Siemens, G. (December 12, 2004). Connectivism: A Learning Theory for the Digital AgeConsultado el 18/8/2011 en http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.87.3793&rep=rep1&type=pdf el 30/08/2012

Snow, J. (1855). On the Mode ofCommunication of Cholera. http://www.ph.ucla.edu/epi/snow/snowmap1_1854.html

Stehr, N. (2003). Wissenspolitik oder die gesellschaftliche Disziplinierung neuer Erkenntnisse. Pp. 318-330 in Herbert Kubincek, Dieter Klumpp and Alexander Roßnagel (eds.), Next Generation Information Society? Notweindigkeit einer Neuorientiierung. Mössingen-Talheim: Talheimer Verlag. http://www.researchgate.net/publication/266615013

Stewart, K.L., Felicetti, L.A. (1992). Learning styles of marketing majors. Educational Research Quarterly, 15(2), 15-23.

Thompson-Schill, S., Kraemer, D., Rosenberg, L. (2009). Visual Learners Convert Words To Pictures In The Brain And Vice Versa, Says Psychology Study. University of Pennsylvania. News article retrieved from http://www.upenn.edu/pennnews/news/visual-learners-convert-words-pictures-brain-and-vice-versa-says-penn-psychology-study

Valverde-Berrocoso, J., Fernández-Sánchez, M.R., Garrido-Arroyo, M.C. (2015). El pensamiento computacional y las nuevas ecologías del aprendizaje. RED, Revista de Educación a Distancia. Número 46. Número monográfico sobre «Pensamiento Computacional». Septiembre de 2015. Consultado el 3/30/16  en http://www.um.es/ead/red/46

Wing, J.M. (2006). Computational Thinking. It represents a universally applicable attitude and skill set everyone, not just computer scientists, would be eager to learn and use. COMMUNICATIONS OF THE ACM /Vol. 49, No. 3. https://www.cs.cmu.edu/~15110-s13/Wing06-ct.pdf

Zapata-Ros, M. (1996a). Integración de la GEOMETRÍA FRACTAL en las Matemáticas, y en la Informática, de Secundaria. http://platea.pntic.mec.es/~mzapata/tutor_ma/fractal/fracuned.htm# Pero… ¿qué son los fractales?

Zapata-Ros, M. et al (1996b). Integración de la GEOMETRÍA FRACTAL en las Matemáticas, y en la Informática, de Secundaria.  Materiales para la Enseñanza Secundaria: área de Matemáticas y área de Educación FísicaDocumentos CEP . Núm. 47. CEP Murcia II. http://hdl.handle.net/11162/645.

Zapata-Ros, M. (2012). La Sociedad Postindustrial del Conocimiento. Un enfoque multidisciplinar desde la perspectiva de los nuevos métodos para organizar el aprendizaje. e-LIS. e-prints in Library and Information Science.. Consultado en http://hdl. handle. net/10760/17414.

Zapata-Ros, M. (2013a).  ¿Por qué nos gustan las cosas hermosas? La belleza está escrita en lenguaje matemático mucho antes de que se descubra. Blog Redes Abiertas. http://redesabiertas.blogspot.com.es/2013/03/por-que-nos-gustan-las-cosas-hermosas.html

Zapata-Ros, M. (2013b). La Sociedad Postindustrial del Conocimiento: Un enfoque multidisciplinar desde la perspectiva de los nuevos métodos para organizar el aprendizaje. CreateSpace Independent Publishing Platform. Retrieved from Capítulo9, 260.

Zapata-Ros, M. (2014a). Pensamiento computacional y alfabetización digital (I). http://red.hypotheses.org/776

Zapata-Ros, M. (2014b). La fundamentación teórica y científica del conectivismo. http://red.hypotheses.org/688

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de Educación a Distancia, 46(4).  15 de Septiembre de 2015. Consultado el (dd/mm/aa) en http://www.um.es/ead/red/46

Zapata-Ros, M. (Sept 2015). ¿Por qué “pensamiento computacional”? (¿y XII?) CINESTESIA. http://redesabiertas.blogspot.com.es/2015/09/por-que-pensamiento-computacional-y-xii.html  el 23 de septiembre de 2015

 

 

Pensamiento computacional: Una nueva alfabetización en las culturas epistemológicas (I)

3780050960_898ee6b450_zIntroducción.-

En los últimos tiempos estamos acostumbrados a que se nos plantee el pensamiento computacional como la respuesta a una demanda exclusivamente social o económica vinculada al empleo y al rendimiento de los estudios superiores y profesionales. En este capítulo vamos a trascender de esas ideas e incluso del planteamiento que consiste en considerar el pensamiento computacional como una cuestión netamente de contenidos, o incluso de destrezas, a incluir en el currículum.  Vamos a ir más allá de considerarlo como una segunda alfabetización, la alfabetización digital. Lo planteamos como todo lo anterior pero también como un sistema de destrezas que proveen al individuo de  unas bases epistemológicas para descubrir y atribuir forma y sentido al propio pensamiento, de la misma forma que la escritura lo hizo originalmente. En este sentido, a diferencia de lo que hemos hecho en ocasiones anteriores (Zapata-Ros, 2015) hablaremos de la alfabetización en las culturas epistemológicas siguiendo las ideas de Evers (2000a y 2000b). Describiremos las componentes del pensamiento computacional con el esquema de 15 componentes que presentamos en los trabajos anteriores y nos centraremos en las dos que consideramos especialmente significativas por su impacto en las nuevas culturas del conocimiento y en la forma de determinar las habilidades cognitivas más relevantes para la nueva educación: La metacognición y la recursividad.

Desde hace unos años en los países desarrollados, las instituciones y agencias competentes, los expertos y los autores de informes de tendencia han detectado, al principio no sin sorpresa, un hecho: la sociedad y los sistemas de producción, de servicios y de consumo demandan profesionales cualificados en las industrias de la información. Particularmente en el mundo desarrollado se da la paradoja de países y regiones con un alto índice de paro en las que actualmente se quedan sin cubrir puestos de trabajo de ingenieros de software, desarrolladores de aplicaciones, documentalistas digitales, por falta de egresados de las escuelas técnicas. Más allá de la falta de personal capacitado, el problema se ha producido antes: en la falta de demanda de estos estudios por parte de potenciales alumnos. Ante esta situación los sistemas educativos de los países más sensibles han abordado el problema desde la perspectiva de una reorganización del curriculum, en la mayor parte de los casos donde se ha producido esa reacción.

Así se ha respondido con medidas de planes muy ambiciosos tanto en la línea de dotaciones, afortunadamente en este caso, a diferencia de lo que ha sucedido en ocasiones anteriores, este rubro se considera menos importante que otros, como en la de capacitación del profesorado y sobre todo en los cambios de organización y planes de estudios.

obamaEn este sentido podemos señalar como los más significativos y de más impacto dos ambiciosos proyectos. Uno es el  puesto en marcha por la administración Obama (Brown , 2016) (Dickey,  2016), que ha pedido más de 4 mil millones de dólares en la financiación de los estados, y 100 millones específicamente para los distritos, con el fin de asegurarse de que todos los estudiantes K-12 tiene acceso al plan de estudios de ciencias de la computación. El programa se llama “Computer Science for All Initiative”. Los recursos son solo para formar a los nuevos maestros, y a los que están en servicio, para enseñar ciencias de la computación, y para construir hasta la puesta en marcha el plan de estudios.

Otro ejemplo es el de la Unión Europea (Gareis, 2014) (Europeam Comission, 2015 y 2016). Como en el caso anterior se constata la demanda de trabajadores capacidados en competencias digitales, particularmente en la elaboración de código: Todos los horizontes europeos establecen un déficit para 2020 de entre 800.000 y un millón de vacantes (Gareis, 2014):

La tecnología digital está transformando casi todos los aspectos de nuestra vida pública, privada o de trabajo. La consecuencia natural de la innovación tecnológica es la búsqueda de nuevos tipos de habilidades para cada uno de los casos: el trabajador, el aprendiz, o el ciudadano. Sin embargo, el desarrollo de competencias no se produce tan rápido como el desarrollo tecnológico, por lo que nos encontramos ante una situación paradójica: aunque millones de europeos están actualmente sin trabajo, las empresas tienen dificultades para encontrar expertos en tecnología digital especializada. Como resultado, podría haber hasta 825.000 vacantes sin cubrir de las TIC (Tecnología de Información y Comunicación) profesionales para el año 2020.

Sin embargo, no se aborda ni se detecta fácilmente en los documentos, la que estimamos como cuestión de fondo (Zapata-Ros, 2015):  la necesidad en ese contexto de la creación en los individuos de unas nuevas destrezas básicas, el pensamiento computacional como respuesta a unas necesidades educativas estructurales planteadas por un nuevo tipo de sistemas epistemológicos, que es en lo que en definitiva se están transformando nuestros nuestras culturas, nuestras formas de organizar los sistemas de conocimiento. Esto es lo que en el fondo está cambiando, como después veremos.

No obstante las sociedades más conscientes (Grover & Pea, 2013) han visto que se trata de una nueva alfabetización, una nueva alfabetización digital, y que por tanto hay que comenzar desde las primeras etapas del desarrollo individual, al igual como sucede con otras habilidades clave: la lectura, la escritura y las habilidades matemáticas, e incluso estudiando las concomitancias y coincidencias de esta nueva alfabetización con estas competencias claves tradicionales.

En anteriores trabajos (Zapata-Ros, 2014a y 2015) habíamos planteado el pensamiento computacional como una nueva alfabetización digital. Sin embargo este concepto además de estar utilizado para describir otro proceso, no es del todo adecuado. Efectivamente  se trata de una nueva alfabetización en la Sociedad del Conocimiento, pero con características esencialmente distintas porque en este caso está vinculado a la naturaleza del propio conocimiento y al papel que ocupa en los procesos no solo de producción y servicios, sino en las funciones individuales y sociales de representación y comunicación del conocimiento, tiene sentido hablar de ella vinculada a las  culturas epistemológicas (Zapata-Ros, 2013b).

 

Las culturas epistemológicas en la sociedad del conocimiento

La principal característica de la ‘sociedad del conocimiento’ (Stehr, 2003 a través de Zapata-Ros, 2012 y 2013b) es la transformación radical y progresiva de la estructura económica de la ‘sociedad industrial’, en un sistema productivo basado en factores materiales hacia un sistema en el que los factores simbólicos basados en el conocimiento son dominantes. Factores cognitivos, de creatividad, de conocimiento y de información contribuyen cada vez más a la producción y a la distribución de la riqueza en las sociedades y al bienestar de los individuos.

Otra característica clave es la progresiva adquisición de un carácter científico de áreas de actividad de la sociedad. De esta forma Stehr (2003) señala las siguientes tendencias:

  • Sustitución de otras formas de conocimiento por la ciencia;
  • Tendencia de constitución de la ciencia como fuerza productiva directa;
  • Constitución de un área política específica: Educación y ciencia.
  • Constitución de un nuevo sector productivo (producción del conocimiento)
  • Transformación de las estructuras de poder (fortalecimiento de las tecnocracias)
  • Transformación de la base legitimadora del poder hacia grupos que detentan el conocimiento o conocimientos específicos (poder de expertos)
  • Tendencia a que el conocimiento se constituya como factor básico de la igualdad/desigualdad social y de solidaridad social.
  • Transformación de las fuentes dominantes de conflictos sociales: Aparición de un nuevo proletariado, el del saber.

Igualmente a como sucede con otros autores, para Stehr el conocimiento no es solo la clave de todas las actividades sino que ocupa un papel central en el desenvolvimiento vital de los individuos, cambia la forma de vivir interviniendo en todos los aspectos.

Evers (2000a) en su análisis, establece como  características que se reconocen en una[1] sociedad del conocimiento:

  • En general se acepta que los componentes de este tipo de sociedad tienen, por término medio, un nivel de educación general superior al de otras sociedades y que hay una proporción cada vez mayor de la fuerza de trabajo empleada como trabajadores con conocimientos cualificados. Es obvio que siempre es posible poner en cuestión los estándares educativos que se utilizan o la naturaleza de la instrucción, si es transferible, válida o si se trata de una información muchas veces banal o de carácter paracientífico, o si los mecanismos de evaluación y de validación son adecuados u obedecen a otros factores.
  • Las industrias integradas en este tipo de sociedad elaboran productos con componentes de inteligencia artificial integrados. .
  • Sus organizaciones, tanto en el ámbito de la iniciativa privada, como gubernamental o de la sociedad civil, incorporan elementos de gestión y toma de decisiones que las transforma en organizaciones inteligentes.
  • El volumen de conocimiento organizado, soportado y procesado digitalmente, es cada vez mayor.  Se hace en forma de grandes volúmenes de informaciones procesados y accesibles con sofisticados y potentes algoritmos que permiten un uso cada vez más adaptado a las singularidades de personas e instituciones en forma de conocimientos especiales.
  • Existe una gran diversidad de nodos especializados en conocimientos técnicos junto con una producción multimodal e interdisciplinar de conocimientos.
  • Existe una cultura epistemológica. Es decir, existe un conocimiento compartido, que es diferente de otros, sobre la producción y utilización de conocimientos.

De esta forma Evers (2000a) hace una importante distinción entre el trabajo basado en conocimientos y trabajo cognoscitivo propiamente dicho. Al tiempo que hace una distinción entre la fase tradicional de la sociedad industrial y la sociedad del conocimiento. Aquel descansa en el trabajo que se realiza mediante  conocimientos de individuos especializados como son los profesionales y los técnicos: médicos, abogados, ingenieros o científicos, de las ciencias sociales o de las ciencias experimentales. Sin embargo el trabajo cognoscitivo, el que caracteriza una sociedad del conocimiento, va más allá. El nuevo tipo de conocimiento contiene una gran cantidad de elementos, que son clave, para la evaluación, autorregulación, reflexión y feedback que lo hacen flexible y adaptable, y sobre todo operativo sobre sí mismo y sobre los procesos en que opera.

Esto en cuanto respecta a la Sociedad del Conocimiento. Veamos qué sucede con las culturas epistemológicas. Con la noción de “Cultura epistemológica” y el sentido diferenciador que tiene en ella la producción de conocimientos nuevos.

Para que una sociedad adquiera un estatus al uso (consiga un nivel esporádico y temporal de bienestar social) basta comprar y consumir conocimientos, pero esto es efímero y ruinoso (ver lo que está sucediendo y cuál ha sido el origen de las crisis actuales que se están viviendo en países como el nuestro) y no es algo específico de una sociedad del conocimiento consolidada. Para que la sociedad del conocimiento se consolide no basta comprar y consumir bienes del conocimiento, es imprescindible producirlos.

Para cualquiera sociedad y para cualquier estado nacional, como comunidad política y de decisión, será crucial, en este contexto, si se logra un nivel crítico de producción de conocimientos o no. La innovación de métodos, la  producción y la aplicación de los nuevos conocimientos, así como el uso eficiente,  la circulación y la gestión de la información son decisivos para el éxito o el fracaso de la comunidad y para su integración en un contexto global.

El número creciente, y eficiente, de institutos de investigación y universidades globalizadas y tecnologizadas, de firmas consultoras y de expertos locales que divulgan, aplican y -sobre todo – crean conocimientos, son factores decisivos e indicadores primordiales. Sin embargo esto no es todo y no es en sí, sólo, lo principal.

Evers y Solvay (2005) han reseñado estudios sociológicos recientes (Zapata-Ros, 2013b) que atestiguan que no se puede explicar la elaboración de conocimientos sólo como un proceso racional, ni que se puede estimular mediante sólo medidas insertas en decisiones de pura lógica o voluntaristas. Es necesario que existan determinadas condiciones de interacción social entre la experiencia social  del mundo circundante y la cultura (conjunto de valores asumidos por la comunidad).

Esta es pues la base de su concepción sobre las culturas epistemológicas. Según este autor es difícil que esta conjunción de valores e interacciones se produzcan, que surja una cultura epistemológica productiva (cultura de producción de conocimientos).

El autor rechaza las explicaciones culturalmente deterministas así como las que se basan en aspectos puramente culturales. Las primeras, que tratan de mostrar por qué algunos valores culturales impiden el desarrollo de la ciencia y la investigación, son insuficientes e insatisfactorias para explicar todos los casos y la complejidad de casi todos.  Las teorías que tratan de explicar los éxitos o fracasos únicamente en base a aspectos culturales arguyen aspectos banales. El autor tiene un enfoque más proactivo y construccionista. Las razones del éxito de una sociedad epistemológica, o al menos que sea posible lograr mejores resultados, tiene más que ver con la investigación de factores complejos implícitos en los procedimientos y en las interacciones que se producen. Que son las que definen y caracterizan a las sociedades tecnológicas.

Un principio inevitable para la construcción de estas culturas, que contribuye de forma necesaria a ellas, aunque no sea el único, es la nueva alfabetización que constituye el pensamiento computacional.

La vigencia de un corpus curricular sobre “pensamiento computacional”

Lejos de este planteamiento del pensamiento computacional como una nueva alfabetización de las culturas epistemológicas, la respuesta a la demanda social y económica de profesionales de la computación e incluso aceptando que se ha de empezar con la formación desde las primeras etapas,  más frecuente y la más simple  a fuer de ser una respuesta  mecánica, ha consistido en favorecer el aprendizaje de la programación y de sus lenguajes de forma progresiva. Esto consistiría en proponer a los niños tareas de programar desde las primeras etapas. De manera que la progresión estuviese en la dificultad de las tareas y en su carácter motivador, desde las más sencillas y más lúdicas a las más complejas y aburridas. Se vincula aprendizaje con la respuesta a un estímulo, no con las características de aprendizaje y cognitivas del niño, en la tradición más clásica del conductismo.

Sin embargo hay una alternativa que además establece una línea de continuidad con las teorías clásicas del aprendizaje, establecida por Papert (1980) en sus trabajos de Media Lab. Nos referimos al construccionismo. Esta alternativa está sostenida por algunos autores, inspira a profesores y grupos innovadores en la puesta en marcha de actividades y en algunos pocos casos a corporaciones que,  frecuentemente de forma aislada, nos planteamos la cuestión de otro modo: Las competencias que se muestran como más eficaces en la codificación son la parte más visible de una forma de pensar que es útil no sólo en ese ámbito de actividades cognitivas, las que se utilizan en el desarrollo y en la creación de programas y de sistemas informáticos. En definitiva sostienen que hay una forma específica de pensar, de organizar ideas y representaciones, que es propicia y que favorece las competencias computacionales. Se trata de una forma de pensar que propicia el análisis y la relación de ideas  para la organización y la representación lógica de procedimientos. Esas habilidades se ven favorecidas con ciertas actividades y con ciertos entornos de aprendizaje desde las primeras etapas. Se trata del desarrollo de un pensamiento específico, de un pensamiento computacional.

Hemos dicho que un precedente remoto de estas ideas está en el construccionismo, en las ideas de autores como Seymourt Paper.  Paulo Blikstein (2013) de la Universidad de Stanford, dice que si un historiador tuviera que trazar una línea que uniese la obra de Jean Piaget sobre la psicología del desarrollo a las tendencias actuales en la tecnología educativa, la línea simplemente se llamaría “Papert”.  Seymour Papert ha estado en el centro de tres revoluciones: el desarrollo del pensamiento en la infancia, la inteligencia artificial y las tecnologías informáticas para la educación. Quizá el que no haya tenido el impacto debido se deba a que se anticipó.

La visión de Papert se podría sintetizar diciendo que “los niños deben programar la computadora en lugar de ser programados por ella” (children should be programming the computer rather than being programmed by it) (Papert, 1980  a través de Blikstein, 2013).

Ahora, en la fase actual del desarrollo de la tecnología y de las teorías del aprendizaje se podría decir “son los niños los que tienen que educar a los ordenadores no los ordenadores los que tienen que educar a los niños”

Este trabajo y en general las actividades y reflexiones que pueda propiciar, están justificados por el papel que, en el nuevo contexto, tiene el desarrollo de habilidades que, desde las primeras etapas, faciliten un aprendizaje orientado hacia la programación. Es decir se trata de una nueva alfabetización, de una alfabetización que permita a las personas en su vida real afrontar retos propios de la nueva sociedad y que vaya más allá, que permita a los individuos organizar su entorno, sus estrategias de desenvolvimiento, de resolución de problemas cotidianos, además de  organizar su mundo de relaciones, en un contexto de comunicación más racional y eficiente. Todo ello con el resultado de poder  organizar estrategias para conseguir objetivos personales. En definitiva se trata de conseguir una mayor calidad de vida y un mayor nivel de felicidad.

En todo el planteamiento subyace, como idea-fuerza,  que, al igual a como sucede con la música, con la danza o con la práctica de deportes, es clave  que se fomente una práctica formativa del pensamiento computacional desde las primeras etapas de desarrollo. Y para ello, al igual que se pone en contacto a los niños con un entorno musical o de práctica de danza o deportiva,… se haga con un entorno de objetos y de acciones que promuevan a través de la observación y de la manipulación, aprendizajes adecuados para favorecer este pensamiento.

Aunque pensamos por la experiencia y la práctica que ocurre, no tenemos en muchos casos evidencias de que esos entornos y esas manipulaciones desarrollen las destrezas computacionales o habilidades asociadas a lo que hemos llamado pensamiento computacional.  Habría pues que fomentar investigaciones para tenerlas.

Hay multitud de áreas del aprendizaje que conviene explorar e investigar en esta nueva frontera. Y en la planificación de los curricula tendrá que plantearse esta dicotomía: Enseñar a programar con dificultad  progresiva (si se quiere incluso de forma lúdica o con juegos) o favorecer este nuevo tipo de pensamiento.

Pero para abordar el pensamiento computacional y su naturaleza tropezamos con varios problemas de entrada: delimitar el contenido y encontrar los términos y conceptos adecuados para definirlo. Y el primer problema es la diversidad de términos, pero no de conceptos. Utilizaremos indistintamente pues como sinónimos las expresiones codificación y precodificación (habilidades previas) o programación y reprogramación. La primera extraída de la literatura anglosajona, coding  o code.

La definición aceptada por la UE, tal como se dice en el informe Computing our future Computer programmingand coding – Priorities, school curricula and initiatives across Europe, es:

La codificación (coding) es cada vez más una competencia clave que tendrá que ser adquirida por todos los jóvenes estudiantes y cada vez más por los trabajadores en una amplia gama de actividades industriales y profesiones. La codificación es parte del razonamiento lógico y representa una de las habilidades clave que forma parte de lo que ahora se llaman “habilidades del siglo 21″.

Como vemos es un dominio conceptual muy próximo a lo que hemos visto y veremos que es el pensamiento computacional, al menos se expresa con ese sentido que le hemos atribuido.

Por otro lado de igual forma que se habla de prelectura, pre-escritura o precálculo para nombrar competencias que allanan el camino a las destrezas clave y a las competencias instrumentales que anuncian, cabe hablar de precodificación para designar las competencias que son previas y necesarias en las fases anteriores del desarrollo para la codificación. Nos referimos por ejemplo a construcciones mentales que permiten alojar características de objetos de igual forma a como lo hacen las variables con los valores: Son en este caso el color, la forma, el tamaño,… O también operaciones con estos rasgos como son la seriación. Evidentemente hay muchas más habilidades y más complejas en su análisis y en el diseño de actividades y entornos para que este aprendizaje se produzca. Este ámbito de la instrucción es lo que podría denominarse precodificación, pues codificación describe con más precisión y más ajuste conceptual, la transferencia de acciones e informaciones para que puedan ser interpretados por los ordenadores y otros dispositivos de proceso, transporte y almacenamiento de la  información.

Y lo diferenciamos de pensamiento computacional, por el propósito que éste supone que es no solo prepararse para la programación y para la codificación sino para dotarse de claves de comprensión y de representación de los objetos de conocimiento en general. Pensamos pues como más adecuada en la expresión “pensamiento computacional” (computational thinking), que después desarrollaremos

Por otro lado también habríamos podido elegir igualmente el término alfabetización digital, reconociendo que impropiamente, en español, tiene resonancias próximas al término “alfabetización informática”, al menos en su uso. Y éste  hace hincapié en la informática de usuario al considerare esta alfabetización como el conocimiento y la destreza para manejarse en entornos de usuario. Así es frecuente entre la gente poco ilustrada confundir al buen informático con el que maneja bien, es hábil, con los programas de usuario, las APPs, o al que se maneja con fluidez y rapidez en los ambientes de menús, ventanas y opciones, o simplemente al que tiene habilidad en los pulgares para manejar un smartphone, o con el índice para moverse por un tablet.

No obstante podemos aceptar la definición de alfabetización digital (computer literacy) como el conocimiento y la capacidad de utilizar las computadoras y la tecnología relacionada con ellas de manera eficiente, con una serie de habilidades que cubren los niveles de uso elemental de la programación y la resolución de problemas avanzada. (Washington, US Congress of Technology Assessment, OTA CIT-235 April 1984, page 234). Pero como hemos dicho ese mismo documento  acepta que la alfabetización digital también se puede utilizar para describir el nivel de acomodo que un individuo tiene con el uso de programas de ordenador y otras aplicaciones que están asociados con las computadoras . La alfabetización digital por último se puede referir a la comprensión de cómo funcionan los ordenadores y a la facilidad de operar con ellos.

En lo que sigue hablaremos más de “pensamiento computacional” (computational thinking) y de  iniciativas necesarias como son desarrollar un curriculum y propuestas de formación para maestros y profesores.

¿Cuál es el problema del pensamiento computacional?

Al principio del artículo decíamos que la respuesta más frecuente y  más simple,  a fuer de ser una respuesta  mecánica, ha consistido en favorecer el aprendizaje de la programación y de sus lenguajes de forma progresiva. Este es el tipo de planteamiento que está detrás de inducir a los niños a hacer muchas líneas de programa y a hacerlas muy rápidamente, sin pensar previamente mucho en el problema a resolver, sin diagramas, sin diseño,… Es la idea que hay detrás de los concursos de programación, de enseñar a programar a través de juegos, etc.

Es un planteamiento competitivo que deja a fuera a muchos niños y que posiblemente haga poco deseable para muchos ser programador, o al menos les dé una imagen de frikis. O la de unos tipos raros con un perfil difícil de tener. En definitiva puede llegar a ser un planteamiento excluyente.

Pero volvamos al principio, antes de empezar a escribir código de forma compulsiva, lo importante es saber cómo se representan la realidad, el mundo de objetivos y expectativas, lo que piensan en definitiva los que tienen éxito en hacer programas potentes. Lo importante no es el software que escriben sino lo que piensan. Y sobre todo la forma en que piensan.

Conocer este mundo de ideas y de representaciones, como operan constituye el principio básico del “pensamiento computacional”, y cualquier otro conocimiento como memorizar a la perfección las reglas de toda la sintaxis y las primitivas de cualquier lenguaje de programación no les sirve de nada a los alumnos si no pueden pensar en buenas maneras de aplicarlas.

Desgraciadamente la forma más frecuente de enseñar a programar y la que se está empezando a utilizar en nuestro país, como por ejemplo se ha hecho en la Comunidad de Madrid[2] (Valverde et al, 2015), está en la clave señalada: Conducir a los alumnos, en este caso, de secundaria por el camino más áspero, el de la programación per se. Si no se proporcionan otro tipo de ayudas o de claves se excluyen a los que no tienen el don de  para programar directamente, dejando solo a los que tienen facilidad para  los procedimientos puramente de programación, creando con ello el estereotipo de que la programación es solo cosa de los programadores.

Hay un efecto derivado. Si se aprende a programar asociado a un lenguaje es posible que no se produzca la transferencia y en futuras ocasiones no se pueda repetir el proceso. Esto hace que la inserción profesional no se produzca con toda eficacia que podría ser si se hiciera vinculado a operaciones cognitivas superiores. Las asociaciones profesionales se quejan de que las empresas contraten a informáticos de forma efímera. Sin reparar que es posible que suceda porque han aprendido de forma vinculada a lenguajes y programas efímeros, y que cuando cambie el programa o la versión no tendrán flexibilidad mental para adaptarse a nuevos entornos, no solo de programación, sino de problemas. Esto no sucede, y las empresas lo saben, si contratan a titulados más familiarizados con elementos de pensamiento heurísticos o de otro tipo entre los glosados en este trabajo, como son matemáticos o físicos que sí, tienen esa competencia de resolver problemas en entornos cambiantes.

Sin embargo sí existen referencias (Raja, 2014) de investigaciones que ponen de manifiesto que cuando se empieza por enseñar el pensamiento computacional en vez de por la elaboración de códigos, desvinculando la iniciación en el aprendizaje a ser diestros con el ordenador, tal como se entiende habitualmente, se evita el principio de discriminación que hace que algún tipo de niños y de niñas se inhiban. Supone pues un principio de democratización del aprendizaje. Esto supone además que los que en un futuro pueden ser bibliotecarios, médicos o artistas pueden ser también buenos programadores. Y por ende podría ampliar la base de conocimiento que se vuelca al mundo de la computación, lo que constituye el motor y el combustible de la Sociedad del Conocimiento.

Veamos que algunas habilidades propias del pensamiento computacional no tienen por qué estar vinculadas a los ordenadores. Hay en un ejemplo claramente significativo de ello en una época en que no había ordenadores. Fue un proceso de análisis de datos hecho por un lego, un médico especializado en epidemias, para resolver un problema crucial, mediados el siglo XIX. Hoy probablemente esto no podría haber sucedido así. Los programadores no tienen conocimientos de epidemiología, y los epidemiólogos no tienen por lo general pensamiento computacional (Koch and Denike, 2009, a través de Raja, 2014).

En 1854 , un médico de Londres llamado John Snow ayudó a sofocar un brote de cólera que había matado a 616 vecinos. Lo hizo dejando de lado la teoría predominante de la época, la teoría miasmática de la enfermedad, que aseguraba que las enfermedades se producían por emanaciones surgidas del terreno. Indagó las costumbres y los rasgos de la forma de vivir de los enfermos. En un mapa levanto columnas con la ubicación de los muertos, la frecuencia (¿no nos recuerda un infograma?):

colera

Fig. 1.- Mapa obtenido de  “On the Mode of Communication of Cholera,” 1854. En Rev. Henry Whitehead mapped almost 700 cholera deaths, sewer lines, and both the incorrect location of the old plague burial site (oval) and its correct size and location a block from the Broad Street pump in this 1855 map (Koch and Denike, 2009) y en JOHN SNOW’S MAP 1 (Broad Street Pump Outbreak, 1854). (Snow, 1855).

Observó que las columnas crecían alrededor de una bomba de agua en Broad Street en el Soho (ver el mapa) que además estaba cerca de un pozo negro con fugas. La hipótesis que formuló es que la causa de la enfermedad estaba en el agua. Implícitamente estaba aplicando principios que ahora son clásicos de pensamiento computacional entraron: Cruzar dos conjuntos de datos para obtener un conocimiento nuevo (cruzar la ubicación de las muertes con las ubicaciones de las bombas de agua), contrastar el resultado por iteraciones sucesivas y el reconocimiento de patrones. Cuando se clausuró la bomba el brote cesó.

Definición de pensamiento computacional.

La idea más extendida sobre lo que es la alfabetización digital (Digital Literacy) es que consiste en una trasposición.

A lo largo de la historia se han sucedido distintas alfabetizaciones y todas han tenido una significación común: han supuesto una adaptación a los nuevos medios de comunicación, representación y proceso de la información entre humanos. Así, según esta idea, la Alfabetización Digital es la adaptación y la capacitación para esas funciones de comunicación, representación y proceso a las coordenadas de la revolución tecnológica y de la sociedad de la información, consideradas en sentido estrictamente tecnológico, como revolución de medios de comunicación y de difusión de ideas.

Ésta es la idea del autor que pasó como el creador del concepto: Paul Gilster. De esta forma el concepto de alfabetización digital, tal como se utiliza ahora de forma  general, fue presentado en el libro del mismo nombre (Gilster, 1997). Gilster no proporcionó una listas de habilidades, competencias o actitudes en la  definición de lo que es una cultura digital (a diferencia de como nosotros tratamos de hacer). Más bien lo explicó, de manera muy general: como la capacidad de entender y utilizar la información de una gran variedad de fuentes digitales. Por tanto, se trata de la actualización per se de la idea tradicional de la alfabetización. Se trata de  la capacidad de leer, escribir y realizar cualquier transacción con la información, pero ahora utilizando las tecnologías y los formatos de datos actuales, al igual que la alfabetización clásica utilizaba la tecnología de la información y los formatos de cada época (libros, papiros, pergaminos, tablillas,…). Pero sobre todo, en ambos casos, se considera como un conjunto de habilidades esenciales para la vida. La crítica es que ésta es una expresión genérica del concepto, sin ir ilustrada o acompañada “listas de competencias”.

Gilster no fue el primero a utilizar la expresión ” alfabetización digital”; ya se había aplicado a lo largo de la década de 1990 por una serie de autores, que la utilizaron para significar esencialmente la capacidad de leer y comprender  elementos de información en los formatos de hipertexto o multimedia (Bawden, 2001).

Un planteamiento  típico en este sentido fue el de Lanham (1995), que consideraba la alfabetización digital como una especie de “alfabetización multimedia”. Su argumento era que desde una fuente digital se podrían generar muchas formas de texto, de informaciones, imágenes, sonidos, etc.  Esto justificaba la necesidad de una nueva forma de alfabetización, con el fin de interpretar, de  dar sentido a estas nuevas formas de presentación. La crítica es que con el tiempo este aspecto dejó de ser importante, y era muy restrictivo, frente al concepto más amplio de la alfabetización digital, y demasiado focalizado en la tecnología de una época. Frente a la conceptualización mucho más amplia de Gilster. Distintas concepciones de este tipo son revisadas ​​por Eshet (2002), que llega a la conclusión, de que la alfabetización digital debe considerarse  más como  la capacidad de utilizar las fuentes digitales de forma eficaz. Se trata pues  de un tipo especial de mentalidad o pensamiento. Esta conceptualización está bastante más próxima a lo que planteamos en este trabajo, solo que se refiere a la forma de procesar la información no a organizar la resolución de problemas. El pensamiento computacional es más una resolución de problemas.

De todas formas Gilster en su libro de 1997 ya rompe con la idea que dio lugar al mito de los “nativos digitales”.  Afirma explícitamente que “la alfabetización digital tiene que ver con  el dominio de las ideas, no con las pulsaciones en el teclado” -así distingue, en su concepción lo limitado de las “habilidades técnicas” desde la perspectiva de la alfabetización digital. Señala que “no sólo hay que adquirir la habilidad de hallar las cosas, sobre todo se debe adquirir la capacidad de utilizar esas cosas en la vida del individuo”(pp. 1-2).

Sobre estas ideas David Bawden (2008 Capítulo 1), a partir de lo dicho `por Pablo Gilster, afirma  que la alfabetización digital implica una forma de distinguir una variedad creciente de conceptos y de hechos, para delimitar los que son relevantes en orden a conseguir  el dominio de las ideas. E insiste en lo necesario para ello de una evaluación cuidadosa de la información, en el análisis inteligente y en la síntesis. Para ello  proporciona listas de habilidades específicas y de técnicas que se consideran necesarias para estos objetivos, y  que en conjunto constituyen  lo que califica como una cultura digital.

Sobre estas competencias Bawden (2008) remite a las expuestas en otro trabajo anterior (Bawden, 2001):

  • Adquirir un “conjunto de conocimiento”, y con ellos construir un “bagaje de información fiable” de diversas fuentes
  • Habilidades de recuperación, utilizando además un “pensamiento crítico” para hacer juicios informados sobre la información recuperada, y para asegurar la validez e integridad de las fuentes de Internet
  • Leer y comprender de forma dinámica y cambiante material no secuencial
  • Ser consciente del valor de las herramientas tradicionales en contextos y en relación   con los medios de comunicación en red
  • Ser consciente del valor de las “redes populares” como fuentes de asesoramiento y ayuda
  • Utilizar filtros y otras herramientas, lógicas y cognitivas, para gestionar la información disponible, valorando su relevancia
  • Sentirse cómodo y familiarizado con la publicación y comunicación de la información en los nuevos medios, así como con el acceso a ella.

Llegados a este punto hay una segunda línea de delimitación conceptual, estudiada por Eshet-Alkalai (2004). A partir de su reflexión  advierte sobre la incompatibilidad entre los planteamientos de aquellos que conciben la alfabetización digital como “principalmente constituida por habilidades técnicas, y los que la ven centrada en aspectos cognitivos y socio-emocionales del trabajo en entornos digitales”.

Otro criterio que se ha tenido en cuenta en la aproximación al concepto de Alfabetización Digital fue el de clasificar (Lankshear y Knobel, 2006) según se tratase de un enfoque conceptual o de un enfoque “operacional”, es decir a partir de operaciones estandarizadas.

Esta última tendencia, la de definiciones basadas en operaciones estandarizadas, confieren un carácter “funcional” a  la Alfabetización Digital, lo que le dota de una índole de cultura digital, centrando el estudio en la naturaleza de las  tareas, presentaciones, demostraciones de habilidades, etc. que se realizan, y avanzando en la construcción de estándares  para definir qué es o no Alfabetización Digital.

Por último hay una variante comercial de la Alfabetización Digital, que consiste en una certificación de competencias. Es la acreditación conocida como Internet and Computing Core Certificación (IC³) (www.certiport.com). Su página web  afirma que la “certificación IC³ ayuda a aprender y demostrar a Internet y la alfabetización digital a través de un estándar de evaluación del aprendizaje válido para la industria en todo el mundo”. Se basa en un sistema de formación y de certificación a través de un examen que abarca contenidos sobre Fundamentos de  Informática, en aplicaciones básicas y clave para la vida,  y en lo que llaman la “vida conectada”.

Lo que proponemos en este trabajo, con la construcción de idea del pensamiento computacional a partir de elementos o de formas específicas de pensamiento para resolver problemas, tiene que ver con la Alfabetización Digital en que éste, el pensamiento computacional, está constituido por competencias clave que sirven para aprender y comprender ideas, procesos y fenómenos no sólo en el ámbito de la programación de ordenadores o incluso del mundo de la computación, de Internet o de la nueva sociedad del conocimiento, sino que es sobre todo útil para emprender operaciones cognitivas y  elaboración complejas que de otra forma sería más complejo o imposible de realizar. Sin estos elementos de conocimiento, sería más difícil resolver ciertos problemas de cualquier ámbito, no solo de la vida científica o tecnológica, sino de la vida común. Se considera como un conjunto de habilidades esenciales para la vida en la mayoría de los casos y como un talante especial para afrontar problemas científicos y tecnológicos.

Tras lo visto sobre Alfabetización Digital y conceptos asociados podemos abordar directamente la idea de pensamiento computacional.

En ese sentido es muy interesante lo que dice, en un primer acercamiento al concepto, la informática Tasneem Raja (2014) en el post We Can Code It! , de la revista-blog Mother Jones:

“El enfoque computacional se basa en ver el mundo como una serie de puzzles, a los que se puede romper en trozos más pequeños y resolver poco a poco a través de la lógica y el razonamiento deductivo”.

Esta es una forma intuitiva en la que una autora, que proviene del mundo computacional, aborda una serie de métodos ampliamente conocidos en el mundo de la psicología del aprendizaje.Implícitamente está hablando de análisis descendente y de elaboración: Puzzles —problemas— que se pueden dividir en puzzles—problemas— más pequeños, para ir resolviéndolos. También, en el mismo párrafo, vemos una alusión implícita a la recursividad, falta la cláusula de parada y la vuelta atrás, pero evidentemente después de armar los puzzles pequeños cada uno hay que ensamblarlo en el puzzle general. Y también habrá que decir en qué nivel habrá que parar y dar marcha atrás.

Pero hay otros procedimientos para abordar tareas complejas que igualmente se pueden considerar como propias de este pensamiento, como son el análisis ascendente, y todo lo que constituye la heurística, el pensamiento divergente o lateral, la creatividad, la resolución de problemas, el pensamiento abstracto, la recursividad, la iteración, los métodos por aproximaciones sucesivas, el ensayo-error, los métodos colaborativos, el entender cosas juntos, etc. que desarrollamos en un artículo de la revista RED (Zapata-Ros, 2015).

La definición de pensamiento computacional que se considera más apropiada es la de Jeannette Wing (2006), vicepresidente corporativo de Microsoft Research y profesora de Computer Science Department Carnegie Mellon University , que fue quien popularizó el término en su artículo “Computational Thinking. It represents a universally applicable attitude and skill set everyone, not just computer scientists, would be eager to learn and use”, cuyo título es en sí mismo una definición.

Wing (March 2006) dice que el “pensamiento computacional” es una forma de pensar que no es sólo para programadores. Y lo define:

“El pensamiento computacional consiste en la resolución de problemas, el diseño de los sistemas, y la comprensión de la conducta humana haciendo uso de los conceptos fundamentales de la informática”. En ese mismo artículo continúa diciendo “que esas son habilidades útiles para todo el mundo, no sólo para los científicos de la computación”.

Pero lo interesante es que en ese mismo artículo describe una serie de rasgos que nos van fueron muy útiles (Zapata-Ros, 2015) para establecer las bases un corpus curricular  del aprendizaje basado en el pensamiento computacional. Así por ejemplo se dice:

  • En el pensamiento computacional se conceptualiza, no se programa.- Es preciso pensar como un científico de la computación. Se requiere un pensamiento en múltiples niveles de abstracción;
  • En el pensamiento computacional  son fundamentales las habilidades no memorísticas o no mecánicas.– Memoria significa mecánico, aburrido, rutinario. Para programar los computadores hace falta una mente imaginativa e inteligente. Hace falta la emoción de la creatividad. Esto es muy parecido al pensamiento divergente, tal como lo concibieron Polya (1989) y Bono (1968).
  • En el pensamiento computacional se complementa y se combina el pensamiento matemático con la ingeniería.- Ya que, al igual que todas las ciencias, la computación tiene sus fundamentos formales en las matemáticas. La ingeniería nos proporciona la filosofía base de  que construimos sistemas que interactúan con el mundo real.
  • En el pensamiento computacional lo importante son las ideas, no los artefactos. Quedan descartados por tanto la fascinación y los espejismos por las novedades tecnológicas. Y mucho menos estos factores como elementos determinantes de la resolución de problemas o de la elección de caminos para resolverlos.

Wing (2006) continua con una serie de rasgos pero lo interesante ahora, con ser importante, no es esta perspectiva en sí sino, en el contexto de un análisis y de una elaboración interdisciplinar, ver las implicaciones que tienen estas ideas para una redefinición de un dominio teórico específico dentro de las teorías del aprendizaje. Eso por un lado, y por otro encontrar un currículum adecuado a esos dominios conceptuales para las distintas etapas educativas y para la capacitación de maestros y profesores.

Referencias.-

Bawden, D. (2001). Information and digital literacies: a review of concepts. Journal of Documentation, 57(2), 218–259.

Bawden, D. (2008). Origins and concepts of digital literacy. Digital literacies: Concepts, policies and practices, 17-32. http://sites.google.com/site/colinlankshear/DigitalLiteracies.pdf#page=19

Blikstein,  (2013). Seymour Papert’s Legacy: Thinking About Learning, and Learning About Thinking. https://tltl.stanford.edu/content/seymour-papert-s-legacy-thinking-about-learning-and-learning-about-thinking

Bono, E. D. (1968). New think: the use of lateral thinking in the generation of new ideas. Basic Books.

Brown , E. (2016). Obama outlines $4 billion ‘Computer Science for All’ education plan. Washington Post. https://www.washingtonpost.com/local/education/obama-outlines-4-billion-computer-science-for-all-education-plan/2016/01/29/3ad40da2-c6d9-11e5-9693-933a4d31bcc8_story.html

Dickey, M.R. (2016). President Obama Wants $4 Billion To Bring Computer Science Education To Every K-12 School. Tech Crunch. http://techcrunch.com/2016/01/30/president-obama-wants-4-billion-to-bring-computer-science-education-to-every-k-12-school/

Eshet, Y. (2002). Digital literacy: A new terminology framework and its application to the design of meaningful technology-based learning environments, In P. Barker and S. Rebelsky (Eds.), Proceedings of the World Conference on Educational Multimedia, Hypermedia and Telecomunications, 493–498 Chesapeake VA: AACE, Retrieved November 30, 2007, from http://infosoc.haifa.ac.il/DigitalLiteracyEshet.doc

Eshet-Alkalai, Y. (2004), Digital literacy: a conceptual framework for survival skills in the digital era, Journal of Educational Multimedia and Hypermedia, 139(1), 93–106. Available at: http://www.openu.ac.il/Personal_sites/download/Digital-literacy2004-JEMH.pdf

Europeam Comission (2016).The Computational Thinking Study.  https://ec.europa.eu/jrc/en/computational-thinking

Europeam Comission (2015). Grand Coalition for Digital Jobs. https://ec.europa.eu/digital-single-market/en/grand-coalition-digital-jobs

Evers, H-D, (2000a) Working Paper No 335 Culturas Epistemológicas: Hacia una Nueva Sociología del Conocimiento

Evers, Hans-Dieter and Solvay Gerke (2005). Knowledge is Power: Experts as Strategic Group.

Gareis, K. (2014) E-SKILLS FOR JOBS IN EUROPE:: MEASURING PROGRESS AND MOVING AHEAD FINAL REPORT FEBRUARY 2014  http://eskills-monitor2013.eu/fileadmin/monitor2013/documents/MONITOR_Final_Report.pdf

Koch, T., & Denike, K. (2009). Crediting his critics’ concerns: Remaking John Snow’s map of Broad Street cholera, 1854. Social science & medicine69(8), 1246-1251.http://www.albany.edu/faculty/fboscoe/papers/koch2009.pdf

Lanham, R.A. (1995). Digital literacy, Scientifi c American, 273(3), 160–161.

Lankshear, C. and Knobel, M. (2006). Digital literacies: policy, pedagogy and research considerations for education. Digital Kompetanse: Nordic Journal of Digital Literacy, 1(1), 12–24.

Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books, Inc. http://www.arvindguptatoys.com/arvindgupta/mindstorms.pdf

Pólya, G. (1989). Como plantear y resolver problemas Ed. Trillas. (Primera edición 1965)

Raja, T. (2014). We can code it!. http://www.motherjones.com/media/2014/06/computer-science-programming-code-diversity-sexism-education.

Snow, J. (1855). On the Mode ofCommunication of Cholera. http://www.ph.ucla.edu/epi/snow/snowmap1_1854.html

Stehr, N. (2003). Wissenspolitik oder die gesellschaftliche Disziplinierung neuer Erkenntnisse. Pp. 318-330 in Herbert Kubincek, Dieter Klumpp and Alexander Roßnagel (eds.), Next Generation Information Society? Notweindigkeit einer Neuorientiierung. Mössingen-Talheim: Talheimer Verlag. http://www.researchgate.net/publication/266615013

Valverde-Berrocoso, J., Fernández-Sánchez, M.R., Garrido-Arroyo, M.C. (2015). El pensamiento computacional y las nuevas ecologías del aprendizaje. RED, Revista de Educación a Distancia. Número 46. Número monográfico sobre «Pensamiento Computacional». Septiembre de 2015. Consultado el 3/30/16  en http://www.um.es/ead/red/46

Wing, J.M. (2006). Computational Thinking. It represents a universally applicable attitude and skill set everyone, not just computer scientists, would be eager to learn and use. COMMUNICATIONS OF THE ACM /Vol. 49, No. 3. https://www.cs.cmu.edu/~15110-s13/Wing06-ct.pdf

Zapata-Ros, M. (2012). La Sociedad Postindustrial del Conocimiento. Un enfoque multidisciplinar desde la perspectiva de los nuevos métodos para organizar el aprendizaje. e-LIS. e-prints in Library and Information Science.. Consultado en http://hdl. handle. net/10760/17414.

Zapata-Ros, M. (2013b). La Sociedad Postindustrial del Conocimiento: Un enfoque multidisciplinar desde la perspectiva de los nuevos métodos para organizar el aprendizaje. CreateSpace Independent Publishing Platform. Retrieved from Capítulo9, 260.

Zapata-Ros, M. (2014a). Pensamiento computacional y alfabetización digital (I). http://red.hypotheses.org/776

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de Educación a Distancia, 46(4).  15 de Septiembre de 2015. Consultado el (dd/mm/aa) en http://www.um.es/ead/red/46

[1] Evers no habla de la Sociedad del Conocimiento en términos genéricos, sino de sociedades del conocimiento. Interpretando que hay una pluralidad de sociedades de este tipo que se desarrollan en distintos países o en áreas culturales o económicas, pero que todas ellas tienen unas características comunes.

[2] DECRETO 48/2015, de 14 de mayo, del Consejo de Gobierno, por el que se establece para la Comunidad de Madrid el currículo de la Educación Secundaria Obligatoria. Recuperado a partir de http://www.bocm.es/boletin/CM_Orden_BOCM/2015/05/20/BOCM-20150520-1.PDF

Prólogo al libro “La Sociedad Postindustrial del Conocimiento”

Antoni Font [1]

La Sociedad postindustrial del conocimiento es una obra que no puede dejar indiferente a todos aquellos que de uno u otro modo expresamos nuestra preocupación por el futuro de la educación. Es de agradecer que su autor, Miguel Zapata, además de proporcionarnos valiosos materiales conceptuales que enriquecen nuestra comprensión sobre el momento actual de la evolución del conocimiento y de la sociedad, ofrece elementos igualmente valiosos que propician la reflexión sobre estos conceptos.

El desarrollo tecnológico experimentado en las últimas décadas ha comportado importantes cambios que afectan no sólo a las relaciones productivas sino al conjunto de la sociedad. La tecnología ha propiciado un incremento exponencial de la información que se transmite a través de las redes. Esta información y la forma con que se transmite han sido decisivas para la generación de las transformaciones de las relaciones sociales a las que acabamos de hacer referencia. El incremento de la información disponible en las redes no es sólo cuantitativo, sino también cualitativo. La posibilidad de poder acceder a ellas y de disponer de una mayor información se ha convertido en una excelente oportunidad para impulsar el desarrollo de amplias capas y sectores de la población mundial. Pero al mismo tiempo, la mejor calidad de la información disponible permite asimismo incrementar los conocimientos de esa misma población.

En este sentido, la distinción contenida en el libro entre información y conocimiento y su posibilidad de apropiación, a los efectos de calificar la sociedad actual como sociedad postindustrial del conocimiento nos permite realizar algunas consideraciones que nos ayudan a comprender el alcance de las transformaciones y cambios sociales que estamos experimentando actualmente. Para nadie es un secreto que la información especializada elaborada y almacenada en las redes constituye un activo económico de valor incalculable, se refleje o no en la contabilidad empresarial y sino que se lo pregunten a Amazon. Desde siempre, el listado de los clientes de una empresa ha tenido el valor de un activo inmaterial. Este activo incrementa de valor a partir del momento en que la información sobre los clientes no es ya un mero listado, una mera acumulación de datos, sino un procesado individualizado que ofrece su clasificación por perfiles, lo cual redunda en un incremento de la eficiencia de las decisiones empresariales. De ahí el interés por apropiarse no ya de la simple información, sino de la de su transformación en conocimiento.

La tecnología digital, al permitir la réplica idéntica del contenedor original de la información ha dado al traste con la concepción de la propiedad intelectual como un haz de derechos de exclusiva en favor del autor. Esta visión romántica del derecho de autor –si es que alguna vez ha existido- choca frontalmente con las exigencias que impone su explotación económica en una economía de mercado. La copia digital ha puesto al descubierto de forma descarnada el interés protegido por el derecho de autor. La posibilidad de copiar (un texto, unas imágenes) hasta el infinito con la misma calidad que el original ha hecho saltar todas las alarmas. No es ninguna casualidad la fuerte reacción de la industria y de los medios controlados por ella contra la copia digital. El modelo de negocio basado en el derecho de autor clásico se siente amenazado. Pero no es el autor de la creación intelectual a quien se protege con la exclusiva, sino aquél que se ha apropiado de ella, se llame como se llame. El derecho de autor se convierte así en mera ideología, en una excusa para justificar el monopolio. No en vano la industria del ocio en los Estados Unidos factura una cifra bruta de negocios del mismo orden que la industria del armamento.

Sabido es que el éxito de una iniciativa económica constituye un incentivo para atraer nuevos competidores al mercado. Pero también es sabido que, a largo plazo, el mercado tiende a concentrarse en una estructura oligopolista que favorece los acuerdos entre operadores para evitar la competencia, es decir, para actuar como un monopolio. Esta tensión dialéctica entre atomización y concentración se ve incrementada con la aparición de la tecnología digital. Nunca como ahora las posibilidades de emprender nuevas iniciativas económicas había sido tan grande y había estado al alcance de tan gran número de individuos. Pero tampoco nunca como ahora la tentación de concentrar todas esas iniciativas en unas pocas o en una sola había sido tan grande.

El impacto de la tecnología digital se produce a un doble nivel. En el plano normativo, el arcaico concepto de la propiedad intelectual se somete a fuertes tensiones hasta el punto de ser incapaz de dar respuesta adecuada a los nuevos fenómenos. Incluso se llega a decir con palabras poco afortunadas que se crea un espacio “vacío de derecho”. En el plano de la organización de la sociedad, las nuevas élites sociales y los grupos estratégicos que se conforman en torno a ellas intentan apropiarse del conocimiento para ejercer el poder y perpetuar así su dominación sobre el resto de la sociedad. El poder intenta legitimarse a través de nuevas fórmulas ya que las antiguas formas de apropiación y de protección de los intereses particulares ya no sirven o son disfuncionales, poco eficientes. Como muestra de ello es bastante reveladora la estrategia que siguen las grandes organizaciones de profesionales en el sector de los servicios: la constante y obsesiva utilización de la confidencialidad y del secreto profesional como instrumento de protección de la apropiación de un conjunto de conocimientos o saberes que sólo se quieren compartir de forma limitada y en el ámbito reducido de la organización productiva.

En el ángulo opuesto, la tecnología digital no deja de tener impacto. Cada vez es mayor el número de reclamaciones de los ciudadanos convertidos en consumidores informados para exigir el cumplimiento de la responsabilidad profesional. La difusión del conocimiento entre los consumidores y las organizaciones ciudadanas que les dan soporte hace posible que estas reclamaciones prosperen. La tecnología digital les ha dotado de un extraordinario poder. Hoy en día no es posible entender los fenómenos sociales prescindiendo de la producción y difusión en red del conocimiento. La “network science” está produciendo un cambio sobre nuestra comprensión del derecho. La llamada función social del conocimiento –paráfrasis de la función social de la propiedad- a la que apela el autor se inscribe en este marco conceptual. Desde el momento en que el acceso al conocimiento se convierte en un recurso importante de la sociedad adquieren una nueva dimensión los derechos a la libertad de buscar, recibir y difundir información, a participar en la vida cultural y gozar de los beneficios del progreso científico y de sus aplicaciones, reconocidos en los pactos internacionales de derechos humanos y de derechos económicos, sociales y culturales. Esos derechos se erigen en límites a la apropiación del conocimiento, de modo que su ejercicio debe quedar subordinado a los intereses generales y no violentar nunca los derechos individuales de los ciudadanos. La creación del conocimiento sólo ha sido posible gracias a la infraestructura que le ha dado soporte. De ahí, que del mismo modo que se reconoce el derecho del individuo a la creación se reconoce también el deber de su retorno a la sociedad. Así pues, el conflicto entre “propietarios” y “usuarios” del conocimiento debe resolverse mediante decisiones a las que no son ajenos ni el derecho ni la tecnología digital.

Para concluir me interesa destacar una afirmación del autor que considero relevante en relación con el impacto de la tecnología en la educación. Sostiene Zapata-Ros que mientras la sociedad ha cambiado “la educación en general sigue estando organizada de acuerdo a unas pautas de una sociedad que ya no existe”.

Comparto la opinión de que el principal problema de la educación es el sistema. Han cambiado los contextos y los procesos del aprendizaje así como los roles de los individuos y el panorama de cómo ha de orientarse su capacitación y su inserción laboral. Sin embargo, el sistema educativo sigue anclado en una estructura de valores sociales asociados a los roles y a las funciones de los individuos. Miguel Zapata se muestra escéptico sobre el impacto de los cambios sociales en el sistema educativo porque “ese sistema, está incrustado en la sociedad, la impregna hasta sus esencias y posiblemente la educación será donde más tarde el cambio sea completo”. Y probablemente tenga razón. El cambio en el sistema educativo implica, a su vez, una serie de cambios culturales que llevan tiempo para penetrar de forma permanente en el cuerpo social porque afectan a convicciones muy profundas de los individuos que han sido impuestas por aquella sociedad que ya no existe, pero que siguen pesando como una losa en la conciencia colectiva y que constituyen una simple rémora del pasado.

Llegados a este punto podemos preguntarnos si la sociedad postindustrial del conocimiento será capaz de remover este obstáculo. Una sociedad que tiene como principal base de su organización y riqueza el conocimiento tiene que afrontar el reto de organizar la formación conforme a nuevas bases. La tecnología proporciona el soporte y la posibilidad de circulación de información a gran escala, su transformación en conocimiento mediante los algoritmos de proceso generativos (singularizados a cada usuario) y el uso de éste por parte de todas las industrias y los servicios. Pero la tecnología, por si sola, no resuelve el problema. La naturaleza que el conocimiento tiene como bien económico implica que el proceso de transformación que aquélla impulsa venga acompañada de un proceso de decisiones y estrategias políticas que afectan a la concepción y a los fundamentos del derecho.

A este respecto resulta oportuno traer aquí a colación las palabras de Roger Guimerà y Marta Sales-Pardo, investigadores de la Universidad Rovira y Virgili y autores del excelente artículo “Justice Blocks and Predictability of US Supreme Courts Votes” los cuales se preguntan si “podríamos reemplazar a un juez del Tribunal Supremo por un algoritmo que no supiera nada de leyes o del caso en cuestión, pero que tenga acceso a los votos de los otros jueces y a la historia de las votaciones del Tribunal”. La respuesta no es sencilla, por supuesto, pero es evidente que la tecnología digital y la sociedad del conocimiento que ha desplegado ha cambiado nuestra manera de comprender el derecho.

A la vista de los cambios que se avecinan o que se están produciendo ya en las estructuras sociales, del advenimiento de una nueva clase de asalariados, el fortalecimiento de las tecnocracias y la aparición de los “grupos estratégicos” que detentan la propiedad de los productos del conocimiento o de los conocimientos específicos y a la vista también del riesgo de que el conocimiento se constituya en factor de desigualdad e insolidaridad social, es necesario preguntarse cómo hay que encarar el futuro de la educación. A mi modo de ver, la clave se centra en aprovechar las oportunidades que ofrece la nueva sociedad del conocimiento a los individuos de actuar como ciudadanos informados, fortalecer sus estructuras organizativas y potenciar sus habilidades cognitivas al máximo nivel con el fin de evitar ser manipulados. La metacognición, como apunta el autor, puede ser un camino. Crear estructuras y generar procesos que hagan posible la reflexión sobre el aprendizaje, ayuden a desarrollar el pensamiento crítico, la toma de decisiones y la resolución de problemas son acciones que permiten dar respuestas a las necesidades de formación de los individuos, a convertirlos en ciudadanos libres, activos y responsables. No en vano, en la antigua Roma, el ius civile no era otra cosa que el derecho de los ciudadanos. Este debería ser nuestro propósito, formar ciudadanos responsables capaces de atender y dar respuesta a las necesidades sociales en una sociedad postindustrial del conocimiento.

Sant Just Desvern, enero de 2016.

[1] Antoni Font es Catedrático de derecho mercantil de la Universitat de Barcelona.

Zapata-Ros, M. (2015). La Sociedad Postindustrial del Conocimiento: Bases para un análisis del nuevo paradigma educativo. Amazon. http://www.amazon.es/Sociedad-Postindustrial-del-Conocimiento-paradigma/dp/1519221487/ref=sr_1_4

Sistemas de Apoyo al Aprendizaje y al Rendimiento (Learning and Performance Support Systems: LPSS)

Stephen Downes fue el creador junto con George Siemens de los MOOC, a los que después, para diferenciarlos de los MOOC de escala o xMOOC, se les llamó cMOOC o MOOC conectivistas. Sucintamente decían que existía una nueva forma de aprender, la que se producía en entornos conectados: Se basaba en  la interacción a escala, aunque significativa, en una red de pares distribuida. En ellos se alentaba a que los participantes utilizaran una variedad de affordancestecnológicas para reflexionar sobre su aprendizaje y para interactuar con los demás.

En el trabajo Teorías y modelos sobre el aprendizaje en entornos conectados y ubicuos. Bases para un nuevo modelo teórico a partir de una visión critica del “conectivismo” hicimos una crítica pormenorizada y razonada al conectivismo. Donde, si bien  reconocíamos su  virtud de poner en escena los nuevos entornos y la necesidad de una nueva pedagogía, señalábamos su carencia de rigor como teoría, el desconocimiento cuando no la confrontación con principios validados por estudios e investigaciones sobre la forma de organizar la enseñanza y su importancia para que los alumnos consiguieran mejores aprendizajes, principios en definitiva válidos universalmente..

Posteriormente, tuvimos discusiones en los foros sobre el sentido del aprendizaje como algo que se produce en el individuo. cuando éste le otorga sentido al conocimiento y lo transfiere a situaciones distintas, Downes hizo, coincidiendo con este reconocimiento, unas declaraciones que lo separaron de la línea seguida por George Siemens, su compañero en la creación de los MOOC.

Podemos citar lo que dijimos el 30 de agosto de 2012 en el post ¿Es el “conectivismo” una teoría? ¿Lo es del aprendizaje? (y IV) :

En una formulación posterior de Downes (2012) se experimenta un giro radical aceptando que no sólo hace falta que sea el individuo quien en un  entorno conectado sea el que establezca enlaces y como resultado se produzca el conocimiento sino que para ello es imprescindible la atribución de significado:

I don’t want to spend a whole lot of time on this, but I do want to take enough time to be clear that there are, unambiguously, numerous types of meaning. Why is this important? When we talk about teaching and learning, we are often talking about meaning. Consider the classic constructivist activity of ‘making meaning’, for example. Or even the concept of ‘content’, which is (ostensibly) the ‘meaning’ of whatever it is that a student is being taught. 

Downes se ratifica en estas conceptualizaciones singulares en sus trabajos anteriores, qu erecojo en el post El viaje a Damasco de Stephen Downes como consecuencia del suyo Whose Connectivism?

Pero no es esta la cuestión, sino todo lo que se pone de relieve en el excelente post (hay que reconocerlo) de Downes del pasado 12 de diciembre (hace tres días) titulado significativamente Open Education, MOOCs, and Opportunities.

Pero vayamos por partes, Hasta hace un par de meses he estado publicando una serie de posts titulados “Los MOOC han muerto”, lo decía en función de que estos cursos ya han dejado de ser lo que eran y han dado paso a una serie de modalidades o de formatos nuevos de cursos que configuran lo que creo que va a ser la educación universitaria de nuevo cuño. El espíritu o una parte del espíritu de los cMOOC pasa junto con Siemens a los másteres o MOOC de doble capa, de EDX, Por otra parte tras la confesión del fracaso de estos cursos por Sebastian Thrun, Udacity constituye, con el plan de Obama OEA, los nuevos nanodegrées, y Coursera crea los nuevos MOOC como cursos tradicionales con un diseño instruccional clásico.

Otra constante de la evolución previsible es la de la enseñanza universitaria personalizada con ayuda pedagógico como alternativa viable en nuestras universidades a los MOOC.

En el post del dia 12 Downes nos da una visión de la evolución de la educación abierta y no spresenta una modalidad de entornos para la educación abierta avalados por el National Research Council de Canadá. Son los

Learning and Performance Support Systems (SPSS) / Sistemas de Apoyo al Aprendizaje y al Rendimiento:

Dice:

Cuando el Consejo de Investigación Nacional se reorganizó en 2012-2013 (…) se centró en un conjunto más pequeño de los programas de investigación. Uno de ellas, se estructuró en torno a la idea del ambiente de aprendizaje personal, es el sistema de apoyo al aprendizaje y el rendimiento (LPSS). Se trata de una iniciativa de cinco años y $ 20 millones para promover e implementar tecnologías básicas PLE y, al mismo tiempo apoyar el desarrollo comercial de las tecnologías relacionadas y el cumplimiento de los objetivos clave de política, tales como el aumento de la empleabilidad en las poblaciones desfavorecidas.

El LPSS no sustituye a los LMS o el MOOC. Más bien, estos continúan siendo proporcionados por los empleadores, instituciones académicas, fundaciones y gobiernos con el fin de servir a los entornos de aprendizaje, de formación y de desarrollo importantes. Estas agencias tienen la opción de crear y hacer que los recursos educativos abiertos disponibles, recurran a la comunidad pertinente para localizar y crear recursos educativos abiertos, o para complementar estos materiales con contenidos comerciales y aplicaciones de software personalizado. El entorno personal de aprendizaje está diseñado como un medio para permitir a un alumno, estudiante o miembro del personal individual a acceder a estos recursos de múltiples proveedores.

Por lo tanto, al igual que un MOOC conectivista se basa en el concepto de sindicación de contenidos para reunir los recursos de varios proveedores en torno a un solo tema, LPSS emplea la misma tecnología, llamada la red repositorio de recursos (RRN), para permitir a una persona obtener distintas partes de su educación de múltiples proveedores. En su versión más simple, un LPSS puede ser pensado como un entorno de visualización para múltiples MOOCs. De esta manera, un LPSS es mucho más un navegador web personal de un recurso o un servicio.

Finalmente toda la evolución de la educación abierta puede verse de esta forma:

Referencias 

Downes, S. (2012) Connectivism and Connective Knowledge. Essays on meaning and learning networks. Accedido en  http://www.downes.ca/files/Connective_Knowledge-19May2012.pdf el 25/08/12.

¿En qué situación se plantea la necesidad del conectivismo?

mind

En el artículo “Teorías y modelos sobre el aprendizaje en entornos conectados y ubicuos. Bases para un nuevo modelo teórico a partir de una visión crítica del “conectivismo” (Zapata-Ros, 2012) que estoy reelaborando para su publicación se hace un recorrido por distintas teorías del aprendizaje y aportaciones singulares de distintos autores, con objeto de, finalmente, en el futuro construir un modelo teórico sobre el  aprendizaje y la elaboración del conocimiento, en entornos conectados. Para ello partimos de una visión crítica del conectivismo a partir del documento fundacional de dicha corriente escrito por Siemens (2002), y de una premisa básica: el reconocimiento y el estudio de las aportaciones de las teorías existentes.

Comenzamos con el post dedicado a la metacognición y a la elaboración. Seguimos con esta entrada planteándonos ¿En qué situación se plantea la necesidad del conectivismo? (Punto 15.1 del documento).

Así, siguiendo con el análisis del documento podemos ver que Siemens (2004) señala como un antecedente de su trabajo y de la conceptualización del conectivismo, la definición de Driscoll (2000, p. 11) ya reseñada al principio. De esta forma considera el aprendizaje como un cambio duradero que es obtenido a partir de las experiencias y de las interacciones del aprendiz con otras personas. Esto no es nuevo para cualquiera que sea mínimamente estudioso del tema, ya se había planteado con más consistencia y detalle en los trabajos sobre socioconstructivismo, como hemos visto en el artículo de Onrubia (2005 p.6), Actividad conjunta y procesos de enseñanza y aprendizaje en entornos virtuales, pero también en las teorías de la Conversación (Pask, 1975) y en general por Vygotsky (1978).

Pero lo más importante es lo que sigue, donde cita igualmente a Driscoll (2000, p.14-17) para señalar las complejidades del aprendizaje no superadas por las corrientes anteriores: ¿Cuáles son las fuentes válidas del conocimiento? ¿Lo adquirimos a través de experiencias o es innato? ¿Lo adquirimos a través del pensamiento y el razonamiento? También plantea interrogantes sobre el contenido del conocimiento: ¿Es el conocimiento realmente cognoscible? (sic)[1]¿Pueden ser [el contenido] accesible a través de la experiencia humana?

Por último reseña las consideraciones finales, donde esquematiza todo lo desarrollado anteriormente en tres “tradiciones epistemológicas” con referencia al aprendizaje: objetivismo, pragmatismo, e interpretativismo. Haciéndolos coincidir con el conductismo, el cognitivismo y el constructivismo. De esta manera el objetivismo establece que “la realidad es externa y es objetiva, y el conocimiento es adquirido a través de experiencias”.

Estos puntos de debate no tienen actualmente vigencia ni para el propio conductismo que centra sus estudios en teorías sobre la teoría del aprendizaje social (Bandura, 1987 y 1999) muy cercanas  al sociocognitivismo, así como por haber postulado la categoría de autoeficacia y del aprendizaje por la observación o modelado, teorías de naturaleza muy próxima a las teorías cognitivas, solo que en vez de trabajar con funciones observables, como son las competencias, lo hace con la conducta como función igualmente observable. Nadie pues los reivindica.

En las teorías no conductistas, e incluso en los planteamientos actuales de éstas, carece de importancia conocer las actividades internas relacionadas con el aprendizaje para comprender los procesos de éste. El aprendizaje tiene sus leyes y principios propios y son independientes del soporte, sea este biológico, químico o mecánico (electrónico, digital, etc.) de igual forma a como sucede con otras facultades humanas o construcciones abstractas, como son la lógica o las matemáticas. Las Leyes de Morgan se aceptan independientemente de que estén soportadas en circuitos eléctricos, en circuitos impresos en chips o en circuitos integrados. Esto no afecta a su naturaleza ni a su validez. Podría ser válida una tecnología digital, incluyendo la implementación de la Lógica y de las Matemáticas, igualmente si tomásemos como orientación digital para el 1 la que actualmente se utiliza para el 0, o al revés.

Igual sucede con el texto. Una obra literaria puede ser una obra maestra o una mediocridad, pero depende más (se podría decir que exclusivamente) de facultades como la creatividad, la sensibilidad, la experiencia personal y la técnica expresiva del autor que del soporte, sea este biológico (memoria), escrito o mecánico,  a partir de unos mínimos.

Es más bien al revés: La ingeniería del conocimiento debe comprender estas funciones en sí mismas, en su propia naturaleza y dinámica para hacer más fluidos y eficientes sus procesos. Así ha sido en la computación, no solo en lo que respecta a la lógica (no solo simbólica o matemática) o a las matemáticas, sino al diseño gráfico, la animación, las finanzas, etc.

En lo que respecta al aprendizaje son líneas muy productivas en este sentido las que intentan implementar la generatividad en los objetos de aprendizaje (Zapata-Ros, 2009), o las que intentan adaptarlos a los distintos estilos o tipos de aprendizaje, agrupándolos por competencias (skill clusters). Son especialmente interesantes en este sentido las construcciones y trabajos sobre instructional transaction shells de David Merrill, de manera que estos constructos nos proporcionan algoritmos instruccionales independientemente del contenido (Merrill, Li & Jones, 1992). Estos desarrollos se plantearon para objetos de aprendizaje, pero son igualmente válidos para los contenidos de aprendizaje abiertos online, sea cual sea su naturaleza.  Esto está muy bien explicado en el artículo “Problem solving: The enterprise” de Jonassen, incluido como capítulo en el libro que, precisamente en honor de Merrill, preludia Driscoll: Innovations in instructional technology: Essays in honor of M. David Merrill (Spector, Ohrazda, Van Schaack & Wiley, 2005).

Entre los planteamientos de Driscoll, a los que Siemens sólo menciona como antecedentes de los suyos propios, se incluyen la crítica al cognitivismo y al constructivismo  por las limitaciones que suponen los esquemas simplificados que él mismo atribuye a estos enfoques teóricos: “El cognitivismo a menudo toma un modelo computacional de procesamiento de la información. El aprendizaje es visto como un proceso de entradas, administradas en la memoria de corto plazo, y codificadas para su recuperación a largo plazo” Desconoce todo lo concerniente a estrategias de selección, organización y elaboración.

En lo que sigue, Driscoll continúa enunciando aspectos muy generales de las teorías clásicas sin señalar claramente cuáles son las limitaciones. Por tanto podemos decir que no hay objeto de rebatirlo porque suponen una simplificación, por no decir un conjunto de lugares comunes, de lo que dicen los autores de esas corrientes. A  los que no cita, ni entra en detalle. Los autores y las visiones vigentes sobre el aprendizaje tienen un ingente desarrollo en conceptualizaciones, métodos y teorías, apoyadas todas ellas por investigaciones que arrojan evidencias que no son para ser tenidas en cuenta. En definitiva lo aportado por Siemens supone una simplificación que no se puede debatir por no tener elementos concretos en lo que es la dinámica de las investigaciones y de las teorías. Rebatirlas sería caer en la misma banalización, y ya no estaríamos en un terreno académico sino en otro ámbito del que lo menos que cabría decir es que es hermenéutico o interpretativo.

Sin embargo no podemos soslayar las afirmaciones centrales. Entre las limitaciones que atribuye a las corrientes ya citadas está la que señala Siemens:

Un principio central de la mayoría de las teorías de aprendizaje es que el aprendizaje ocurre dentro de una persona (learning occurs inside a person).

Esta afirmación así enunciada carece de contenido significativo preciso: Es un lugar común o una ambigüedad. ¿Qué quiere decir dentro de una persona? No es nada extraño que la afirmación sea expresada como tópico, estaríamos dentro de la tónica de irrelevancias que, por el simple hecho de serlo, son aceptadas sin discusión en las redes sociales, fenómeno del que no escapa este trabajo. O bien, si aceptamos que es ambigua — la expresión “dentro de una persona” es muy polisémica—, en un ejercicio de interpretación podemos aceptar que se refiere a lo que hemos tratado antes sobre “actividades internas relacionadas con el aprendizaje”, cuando hablábamos de la base biológica. Pero es difícil que así sea. Lo más probable es que haya querido decir que “el aprendizaje es exclusivo de las personas” (en el sentido “el aprendizaje no se produce fuera de las personas”: En los animales o en los artilugios). Lo cual coincide con lo visto, aunque Siemens lo considera como una limitación del resto de teorías. Y viene a confirmar, al considerar este principio como una limitación de las teorías existentes, lo que este autor considera como la principal aportación del conectivismo, en su principio tercero: El aprendizaje puede residir en dispositivos no humanos.

Esta interpretación, de que “el aprendizaje puede residir en dispositivos no humanos”,  contradice frontalmente todas las teorías y concepciones del aprendizajes, en función de  que cuestiona su misma base en el concepto central. Ver la primera parte del trabajo de referencia (Zapata-Ros, 2012). Pero no es casual ni hecha de forma ligera, se ve confirmada en otro punto: cuando señala que las teorías existentes tienen como limitación no contemplar esa posibilidad:

Estas teorías no hacen referencia al aprendizaje que ocurre por fuera de las personas (v.gr., aprendizaje que es almacenado y manipulado por la tecnología). También fallan al describir cómo ocurre el  aprendizaje al interior de las organizaciones.

Es obvio que confunde aprendizaje con contenidos e inferencia automática con elaboración.

Referencias.-

Bandura, A. (María Zaplana, trad.) (1987). Pensamiento y acción: Fundamentos sociales. Barcelona, Spain: Martínez Roca

Bandura, A. (1999)    Autoeficacia :   cómo afrontamos los cambios de la sociedad actual /    Bilbao, España :   Desclée de Brouwer,

Downes, S. (2012) Connectivism and Connective Knowledge. Essays on meaning and learning networks. Accedido en  http://www.downes.ca/files/Connective_Knowledge-19May2012.pdf el 25/08/12.

Driscoll, M. (2000). Psychology of Learning for Instruction. Needham Heights, MA, Allyn & Bacon.

Merrill, M. D., Li, Z., & Jones, M. K. (1992). Instructional transaction shells: Responsibilities, methods, and parameters. Educational Technology32(2), 5-27.

Onrubia, J. (2005, Febrero). Aprender y enseñar en entornos virtuales: actividad conjunta, ayuda pedagógica y construcción del conocimiento. RED. Revista de Educación a Distancia, número monográfico II. Consultado el 9 de Febrero de 2005 en http://www.um.es/ead/red/M2/

Pask, G. (1975). Conversation, cognition and learning. Amsterdam and New York: Elsevier. http://elib.tu-darmstadt.de/tocs/179449400.pdf

Siemens, G. (December 12, 2004). Connectivism: A Learning Theory for the Digital Age Consultado el 18/8/2011 en http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.87.3793&rep=rep1&type=pdf el 30/08/2012

Spector, J. M., Ohrazda, C., Van Schaack, A., & Wiley, D. A. (Eds.). (2005).Innovations in instructional technology: Essays in honor of M. David Merrill. Routledge.

Vygotsky, L. (1932). El Desarrollo de los Procesos Psicológicos Superiores. México. Grijalbo, 1979.

Vygotsky, L. (1978). Mind in society. Cambridge: Harvard University Press.

Zapata-Ros, M. (2009). Objetos de aprendizaje generativos, competencias individuales, agrupamientos de competencias y adaptatividad. RED. Revista de Educación a Distancia [revista en Internet]10. http://www.um.es/ead/red/M10/zapata_GLO.pdf

Zapata-Ros, M. (2012). Teorías y modelos sobre el aprendizaje en entornos conectados y ubicuos. Bases para un nuevo modelo teórico a partir de una visión critica del “conectivismo”. http://eprints.rclis.org/17463/


[1] ¿Se refiere al contenido? El vocabulario es confuso en el original y en la traducción.

Conectivismo, metacognición y elaboración

metacognicion

El artículo “Teorías y modelos sobre el aprendizaje en entornos conectados y ubicuos. Bases para un nuevo modelo teórico a partir de una visión critica del “conectivismo” ha estado dos años y medio como eprint en eLis, y con esta modalidad ha recibido más citaciones que muchos otros artículos publicados en versión definitiva. Finalmente lo estoy re-elaborando para ser editado. En él se hace un recorrido por distintas teorías del aprendizaje y aportaciones singulares de distintos autores, con objeto de, finalmente, en el futuro construir un modelo teórico sobre el  aprendizaje y la elaboración del conocimiento, en entornos conectados. Para ello partimos de una visión crítica del conectivismo, y de una premisa básica: el reconocimiento y el estudio de las aportaciones de las teorías existentes, cuyo alcance está todavía por desarrollar en función de las potencias de los entornos sociales y ubicuos.

En este recorrido por los conceptos y las teorías en vigor que son necesarios para abordar de forma mínimamente documentada el conectivismo proponemos como un último punto y escuetamente una revisión de  la metacognición y de la elaboración mediante un enfoque que pueden ser útil a este fin. .

Como anteriormente, en el trabajo citado, tratamos de ser críticos y provocadores para, a través del feedback con los lectores, situar en su justo término el alcance y las características de este fenómeno. Es un primer acercamiento, no obstante, de un trabajo que esperamos más depurado.

En este apartado seguimos pues con el análisis del documento de referencia (Siemens, 2004)

En la última  de las “tendencias significativas en el aprendizaje”, que señala Siemens, dice que hay una tendencia a que los objetivos tradicionales del aprendizaje, “saber cómo hacer” (métodos) y “saber qué hacer” (contenidos), se complemente con el know-where  (saber dónde están las cosas –saber buscar el conocimiento relevante para los objetivos de aprendizaje propuestos en cada caso sin perderse ni distraerse en la información,  hacerlo comprendiéndolo y estableciendo caminos propios, lógicos y eficientes).

Es curioso que diga que la tendencia es el objetivo para que el aprendiz no se distraiga y no se pierda, y lo establezca como ventaja novedosa. Esto es hacer de la necesidad virtud. Precisamente bastantes autores señalan que uno de los principales problemas de la web social (redes, blogs, mundos virtuales, etc.) es precisamente la distracción y el desconcierto que se produce en el alumno cuando no hay guías ni documentos instruccionales adecuados que le conduzcan en las actividades hacia los objetivos deseados.

Pero dejando esta cuestión, que sería una segunda derivada del tema, y volviendo al eje central, el saber dónde están las cosas, los conocimientos e instrumentos eficientes y necesarios para lo que quiere aprender, o mejor tener estrategias para buscarlas de forma eficiente, ¿no es constituye ésta una parte de lo que se considera “metacognición”, o en general de las estrategias de autorregulación?

Sin embargo esta cuestión está tratada ampliamente por autores que han investigado y desarrollado estos dominios.

Así por ejemplo Esteban y Zapata-Ros (2008) hablan de “los elementos de singularidad cognitiva de los estudiantes”. Es decir ¿cómo perciben y se representan el conocimiento?, las habilidades o competencias metacognitivas y los estilos y estrategias cognitivas.

Como es sabido, el concepto de estrategia se incorporó hace tiempo a la psicología del aprendizaje y la educación como una forma más de resaltar  el carácter procedimental que tiene todo aprendizaje. Los buenos “maestros” saben que los procedimientos usados para aprender son una parte muy decisiva del resultado final de ese proceso. Más aún, hasta ese momento, desde siempre, no es que se ignorase la importancia decisiva de las técnicas y otros recursos aportados por el aprendiz, era solo que no existía (como Siemens parece ignorar ahora) una formulación y conceptualización tan explícita y con términos específicos sobre esas tales operaciones cognitivas del aprendiz. Es, pues, un concepto ya clásico que conecta adecuadamente con los principios de la psicología cognitiva, con la perspectiva constructivista del conocimiento y del aprendizaje, con la importancia atribuida a los elementos procedimentales en el proceso de construcción de conocimientos y, asimismo, con los aspectos diferenciales de los individuos tan enfatizados por toda la psicología cognitiva (adultos, jóvenes, expertos, novatos, etc.).

Resumamos de todas formas lo más relevante: El concepto de estrategia implica una connotación finalista e intencional. Toda estrategia ha de ser un plan de acción ante una tarea que requiere una actividad cognitiva que implica aprendizaje. No se trata, por tanto, de la aplicación de una técnica concreta. Se trata de un dispositivo de actuación que implica habilidades y destrezas –que el aprendiz ha de poseer previamente- y una serie de técnicas que se aplican en función de las tareas a desarrollar.

Quizás lo más importante de esta consideración es que para que haya intencionalidad ha de existir conciencia de:

a) la situación sobre la que se ha de operar (problema a resolver, datos a analizar, conceptos a relacionar, información a retener, etc.). De donde resulta, desde el punto de vista del aprendizaje, muy importante la representación de la tarea que se hace el aprendiz en la toma de decisión sobre las estrategias a aplicar; y

b) de los propios recursos con que el aprendiz cuenta, es decir, de sus habilidades, capacidades, destrezas, recursos y de la capacidad de generar otros nuevos o mediante la asociación o reestructuración de otros preexistentes.

En definitiva, esta conciencia de los propios recursos cognitivos con que cuenta el aprendiz, que los psicólogos del aprendizaje llaman metacognición, no es sólo una estrategia o conjunto de estrategias de diverso orden, es condición necesaria para que pueda darse cualquier plan estratégico ya que de lo contrario podría darse la aplicación de estrategias, cierto, pero no habría intencionalidad al no existir la adopción de un plan con previa deliberación de la situación y los recursos.

Las estrategias se suelen clasificar en función de las actividades cognitivas a realizar. Atendiendo a ese criterio se suelen clasificar, desde las operaciones más elementales a las más elaboradas en asociativas, de elaboración, de organización, descritas por Esteban y Zapata-Ros (2008, p.2).

Como muestra ilustrativa, Ellen Gagné (1992, todo el Cap. 4 de la Sección II, pero en particular las páginas de la 158 a la 162) ofrece junto con las técnicas de “elaboración” y de “organización” una interesante descripción y ejemplos de su uso para ayudar a alumnos en las tareas de organizar material de aprendizaje destinado a objetivos concretos y de cómo los profesores pueden impartir instrucciones y material de apoyo, esquemas, etc. para facilitar estas tareas. Básicamente esto se puede reproducir para trabajar con material de la web. De hecho es lo que se ha estado haciendo las más de las veces con las WebQuests (Dodge, 1995) (Fainholc, 2008).

Otra trabajo importante sobre metacognición aplicada es el de Armbruster (1983) sobre la lectura como factor de aprendizaje.

Sobre estrategias de elaboración merece la pena citar las investigaciones que aporta Ellen Gagné (1992) sobre el aprendizaje del conocimiento declarativo, y en particular sobre las técnicas de “elaboración” y de “organización” cabe destacar las de Glynn y Di Vesta (1977), otra sobre “formación de redes” de Holley, Danserau, McDonald y Collins(1979) y otra sobre “mapping” de Armbruster y Anderson (1980).

Seguro que si se avanzara en estas línea mejoraría bastante el aprendizaje con el concurso de Internet y de redes, aumentando si no simplemente haciendo efectivo el know-where.

Es interesante el comentario de E. Gagné (1992), aplicable igualmente a Internet, en las conclusiones donde viene a decir que ciertas actividades que fracasan se adjudican a la falta de motivación inicial de los alumnos, cuando lo que realmente sucede es que una ausencia de técnicas adecuadas en la preparación de los trabajos conducen al fracaso y este a la desmotivación. Desmotivación que está en el resultado del proceso y no en el origen.

Creemos pues que tiene sentido de forma diferenciada hablar de elaboración con ordenadores y elaboración en redes, como procesos y estrategias específicos de aprendizaje. Y de plantear un horizonte educativo con TIC y redes que integre este tipo de aprendizajes. Teniendo en cuenta además que este tipo de aprendizaje, el elaborativo, supone otro tipo de estrategias y procesos para los que es preciso instruir: Los de selección y los de organización. Distinguir y seleccionar la información relevante para el propósito que seguimos, descubrir el sentido y los enlaces que existen, conferir sentido y organización, y establecer relaciones y secuencias como procesos previos a la elaboración. Todo esto supone un repertorio bastante extenso y detallado de procesos sobre los que convendría investigar antes de formular pseudoteorías.

Referencias.-

Armbruster, B. B., & Anderson, T. H. (1980). The Effect of Mapping on the Free Recall of Expository Text. Technical Report No. 160.

Armbruster, B. B. (1983). The Role of Metacognition in Reading to Learn: A Developmental Perspective. Reading Education Report No. 40.

Bigge, M. (1985). Teorías de aprendizaje para maestros. México: Trillas.

Cronbach, L. J., & Suppes, P. (1969). Research for tomorrow’s schools: Disciplined inquiry for education.

Dansereau, D. F., Collins, K. W., McDonald, B. A., Holly, C. D., Garland, J., Diekhoff, G., & Evans, S. H. (1979). Development and evaluation of a learning strategy training program. Journal of Educational Psychology71(1), 64.

Dodge, B. (1995). WebQuests: a technique for Internet-based learning.Distance educator1(2), 10-13.

Driscoll, M. (2000). Psychology of Learning for Instruction. Needham Heights, MA, Allyn & Bacon.

Esteban, M. y Zapata-Ros, M. (2008, Enero). Estrategias de aprendizaje y eLearning. Un apunte para la fundamentación del diseño educativo en los entornos virtuales de aprendizaje. Consideraciones para la reflexión y el debate. Introducción al estudio de las es trategias y estilos de aprendizaje. RED. Revista de Educación a Distancia, número 19. Consultado (día/mes/año) en http://www.um.es/ead/red/19

Gagné, E. D. (1992). La psicología cognitiva del aprendizaje escolar. Visor.

Siemens, G. (December 12, 2004). Connectivism: A Learning Theory for the Digital Age Consultado el 18/8/2011 en http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.87.3793&rep=rep1&type=pdf el 30/08/2012

Siemens, G. (2005) Connectivism: Learning as Network-Creation http://www.astd.org/LC/2005/1105_seimens.htm

Siemens, G.  (November 12, 2006) Connectivism: Learning Theory or Pastime of the Self-Amused?  http://www.elearnspace.org/Articles/Connectivism_response.doc

SIEMENS, George; WELLER, Martin (coord.) (2011). “The Impact of Social Networks on Teaching and Learning” [online monograph]. Revista de Universidad y Sociedad del Conocimiento (RUSC). Vol. 8, No 1, pp. 164-170. UOC. [Accessed: dd/mm/yy]. <http://rusc.uoc.edu/ojs/index.php/rusc/article/view/v8n1-siemens-weller/v8n1-siemens-weller-eng>

Siemens, G. (2011) Blog. http://www.connectivism.ca/

Schmeck, R.R. (1988). Individual differences and learning strategies. En C.E. Weinstein, E.T. Goetz y P.A. Alexander (Eds.),  Learning and study strategies: Issues in assessment, instruction and evaluation. New York: Academic Press.

Vygotsky, L. (1932). El Desarrollo de los Procesos Psicológicos Superiores. México. Grijalbo, 1979.

Vygotsky, L. (1978). Mind in society. Cambridge: Harvard University Press.

Zapata-Ros, Miguel (Mayo, 1.990a): Técnicas de programación declarativa en el aula. Seco Olea Ediciones, S. L. Madrid.

Zapata-Ros, Miguel (1990b). Tecnicas de la Inteligencia Artificial y aprendizajes de Lengua: Ejercicios “cloze” con PROLOG. http://www.c5.cl/ieinvestiga/actas/ribie94/Dem2_24.htm

Zapata-Ros, M. (2012). Teorías y modelos sobre el aprendizaje en entornos conectados y ubicuos. Bases para un nuevo modelo teórico a partir de una visión critica del “conectivismo”. http://eprints.rclis.org/17463/

Pensamiento computacional y alfabetización digital (y II)

Esta es la segunda de dos entradas donde estamos proponiendo lo que consideramos pueden ser componentes del pensamiento computacional.  Con ello pretendemos realizar una redefinición de un dominio teórico específico dentro de las teorías del aprendizaje. Y desde luego hacer una descripción somera, en un primer acercamiento, de un currículum adecuado a esos dominios conceptuales para las distintas etapas educativas y para la capacitación de maestros y profesores.

Lo tratamos de hacer con las limitaciones de un post. Después será tratado y ampliado en documentos con más extensión y documentación. En un primer repaso y en la búsqueda correspondiente hemos intentamos conectar lo dicho en entradas anteriores con las conceptualizaciones y modalidades del pensamiento según las teorías del aprendizaje. Así pues hemos encontrado  ya como componentes del pensamiento computacional: El pensamiento  ascendente, el pensamiento descendente, la heurística, el pensamiento divergente, la creatividad, la resolución de problemas y el pensamiento abstracto.

Abordamos ahora la recursividad.

Recursividad

A veces un problema por su tamaño, o porque depende de un número natural (o de un cardinal) no puede ser resuelto por sí mismo pero puede ser remitido a otro problema de las mismas características o naturaleza pero más pequeño o dependiendo de un cardinal menor, que sí puede ser resuelto, o nos puede dar la pista de una regla de remitir problemas a problemas menores (regla de recurrencia). Y en ambos casos nos permite resolver el problema. A estos métodos, que son así considerados unos métodos de resolución de problemas, se les llama recursividad o recurrencia.

Con el término recursividad también se quiere en otras ocasiones abordar una forma de conceptualizar, de definir, objetos de conocimiento o ideas: De esta forma se dice que están definidos por recurrencia.

En esta forma de abordar el conocimiento se ha visto por un lado una forma más útil, o más económica cognitivamente, de abordar la resolución mediante procesos automatizados, o una forma más eficaz y elegante de abordar conceptos y definiciones que permiten integrarlas más eficientemente desde el punto de la lógica en un sistema teórico.

Presenta un dificultad que hace necesaria una predisposición mental que no siempre es frecuente ni fácil de alcanzar según qué individuos.

En matemáticas es muy frecuente:

El concepto de potencia de exponente natural se puede definir como un producto de factores iguales:

an =a.a.a…a

O bien mediante una formulación recursiva: una potencia se define en función de la potencia anterior

an =a.an-1

excepto si el exponente vale 0, que entonces es a0=1, a esto se le llama cláusula de parada.

Con la función factorial sucede igual, se puede definir como un producto de factores consecutivos decrecientes:

n!=n.(n-1).(n-2)…3.2.1

O con una fórmula recursiva:

n!=n.(n-1)!   y   1!=1

La experiencia me dice que los alumnos cuando se les presenta adecuadamente la primera formulación la suelen comprender y aprender con relativa facilidad. No así la segunda. Necesita un tipo especial de forma de pensar. Necesita utilizar el pensamiento recursivo.

Sin embargo la segunda forma tenia indudables ventajas no solo para programar sino incluso de economía de pensamiento y de ejecución. Mis alumnos de secundaria comprendían perfectamente esto cuando les ponía el siguiente ejemplo:

Una azafata quiere comprobar que todos los pasajeros tienen que llevar ajustado y bien sujeto el cinturón de seguridad. En principio podría hacerlo de dos formas: recorriendo el pasillo y verificando que todos lo llevasen correctamente o bien asegurando solo dos cosas:

Que cada pasajero comprobase que  lo lleva igual que el anterior y que el primero lo llevase bien.

La recursividad es algo que va más allá de las matemáticas o de la computación, es propiamente una forma de pensar: Pensar sobre el pensamiento, también tiene un ámbito de conocimiento o de modelado en la psicología: la metacognición. De hecho en un conocido trabajo “El pensamiento recursivo” Michael C. Corballis (2007) dice que “La facultad de pensar sobre el pensar constituye el atributo crítico que nos distingue de todas las demás especies”.

Los fractales, como caos y sistemas dinámicos, son también estructuras recursivas. Los podemos encontrar incluso en la fundamentación del conectivismo (Siemens, September 2014, a través deZapata-Ros, 2014).

Pero también constituye la base de la geometría (Zapata-Ros, 1996a, 1996b) y del arte fractal (Zapata-Ros, 2013)

La expresión fractal viene del latín fractus, que significa fracturado, roto, irregular. La expresión, así como el concepto, se atribuyen al matemático Benoit B. Mandelbrot, del Centro de Investigación Thomas J. Watson, que la empresa IBM tiene en Yorktown Heights, Nueva York, y aparecen como tal a finales de la década de los setenta y principios de los ochenta (Mandelbrot, 1977 y 1982). Aunque anteriormente Kocht, Cantor y Peano entre otros, definieron objetos catalogables dentro de esta categoría, pero no reconocidos como tales.

El concepto de fractal se puede abordar desde distintos puntos de vista, sin embargo se acepta comúnmente que un fractal es un objeto geométrico compuesto de elementos también geométricos de tamaño y orientación variable, pero de aspecto similar. Con la particularidad de que si un objeto fractal lo aumentamos, los elementos que aparecen vuelven a tener el mismo aspecto independientemente de cual sea la escala que utilizamos, y formando parte, como en un mosaico de los elementos mayores. Es decir estos elementos tienen una estructura geométrica recursiva. Si observamos dos fotografías de un objeto fractal con escalas diferentes (una en metros y otra en milímetros, por ejemplo) sin nada que sirva de referencia para ver cuál es el tamaño, resultaría difícil decir cuál es de las ampliaciones es mayor o si son distintas. El que cada elemento de orden mayor esté compuesto, a su vez, por elementos de orden menor, como sucede con las ramas de un árbol es lo que da estructura recursiva a los fractales.

Para representar gráficamente un fractal basta por tanto encontrar la relación o la ley de recursividad entre las formas que se repiten. Es decir encontrar el objeto elemental y la ley de formación y establecer el algoritmo gráfico. Es por esto que lenguajes como LOGO se avienen tan bien para representar fractales.

Volviendo a los fundamentos del lenguaje y de la función de pensar, Rosas (2012) en la glosa que hace le artículo de Corballis (2011) The Recursive Mind. The Origins of Human Language, Thought, and Civilization, nos habla, en el contexto del resurgimiento del Programa Minimalista de Chomsky, más allá de una búsqueda formal centrada en el código y en las reglas que subyacen en éste, de una búsqueda desde un plano superior, más abstracto, que observa la capacidad lingüística, insertándola en un sistema funcional que la explica mediante determinados principios no específicos de esta facultad, como son la arquitectura estructural y a las restricciones de su desarrollo (como es la eficiencia computacional) o los relativos al análisis de datos. Que en un palno multidisciplinar hace consideraciones a criterios que no son propios de ese dominio.

Rosas (2012) entiende que “eso ha dado lugar a la aparición de una nueva capacidad en la que pocas veces se había reparado (sic) y mucho menos ocupado el foco principal de estudio: la recursividad.

En un artículo muy citado en este sentido, Hauser, Chomsky y Fitch (2002 y 2005) proponen la recursividad como la única capacidad estrictamente merecedora de la denominación “lenguaje”, de ahí el nombre que le otorgan: “Facultad del lenguaje en sentido estricto”. Ésta sería exclusiva de la especie humana y estaría presente sólo en el lenguaje.

 

En el primer capítulo, de The Recursive Mind: The Origins of Human Language, Thought, and Civilization, respondiendo a la pregunta ¿qué es la recursividad?, Michael C. Corballis (2014) sostiene que en 1637, el filósofo francés René Descartes cuando escribió la frase inmortal “Je pense, donc je suis” o “Cogito, ergo sum”, en esencia al hacer esta declaración, Descartes lo que hizo no sólo fue pensar, que estaba pensando en el pensamiento, y que le llevó a la conclusión de que existía, sino que estaba constatando la existencia del pensamiento como recursividad. Esta consideración le da paso a Corballis para pensar en un papel más general de la recursividad en nuestros procesos mentales, y a sostener que es la característica principal que distingue a la mente humana de la de otros animales. Es la base de nuestra capacidad no sólo para reflexionar sobre nuestra propia mente, sino también para simular la mente de otros. Mediante ella se nos permite viajar mentalmente en el tiempo, a realizar una inserción de la conciencia del pasado o del futuro en la conciencia presente. La recursividad es pues el ingrediente principal para distinguir el lenguaje humano de todas las otras formas de comunicación animal.

Iteración.-

Siempre que hablamos de iteración pensamos en procedimientos repetitivos como los que utilizamos cuando aprendimos o cuando enseñábamos BASIC, Pascal, LOGO, o C++, y más recientemente Java o Phyton. Lo asociamos a bucles, a instrucciones FOR TO, while, do-while, repeat,… y a diagramas de flujo. En definitiva, era difícil hablar de iteración sin pensar en la construcción de algoritmos repetitivos. Sin embargo pocas veces pensamos que hay aprendizajes básicos, en las primeras etapas de desarrollo, donde se pone en marcha un sistema de pensamiento de este tipo. Pensemos por ejemplo en la adquisición que hacen los niños de las ideas sobre fracciones, números racionales, o incluso en los números reales, en la representación decimal, en la notación decimal de números reales, y en su representación ¿qué son sino más que procedimientos iterativos? También podríamos pensar en sistemas de medición, de magnitudes de peso, masa, volumen, superficie,… ¿qué son estos procesos sino sistemas de representación conceptual iterativas?

La escalera de Bramante es un claro ejemplo de iteración en el diseño arquitectónico.

Son particularmente importantes las aportaciones en este sentido de Mack (2001); Olive & Vomvoridi  (2006).  E igualmente las de Steffe & Olive (2010) para el desdoblamiento de operaciones, que juega un papel crítico en la construcción de esquemas  de fracciones por los estudiantes, tales como el esquema de fracción iterativo. Otras investigaciones en este sentido fueron las de Hackenberg, (2007) y  Steffe (2004).

Jesse L.M. Wilkins, Anderson Norton y Steven J. Boyce (2011) prueban empíricamente la validez de unos esquemas iterativos llamados partitive unit fraction scheme (PUFS), y de forma más generalpartitive fraction scheme (PFS),  para el aprendizaje de fracciones. Aunque este estudio ha sido criticado por Norton & Wilkins (2010), debido a la existencia de caracterizaciones del esquema divergentes.

La iteración es una componente pues importante del pensamiento computacional, con una extensa proyección en otras representaciones cognitivas y en procedimientos que son la base de importantes actividades y tareas, como por ejemplo lo que hemos mencionado en relación con la medida y la representación de magnitudes y valores.

Pero no sólo es relevante a ese nivel, la iteración es la base de procedimientos complejos y está en la resolución de problemas con más alcance o más impacto que lo que supone su definición en una primera aproximación.

Hay un problema conocido por el problema del viajante (TSP por las siglas de Traveling Salesman Problem). Sucintamente consiste en,  dada una lista de poblaciones, ¿cuál es la ruta más corta posible que pasa por cada localidad exactamente una vez y termina en el lugar de salida?. Hay muy variados métodos de resolución y todos son iterativos. El primero es el procedimiento a mazazos, también llamado “búsqueda de fuerza bruta” (Brute-force search). Como el nombre sugiere se trata de obtener como itinerarios posibles todas las permutaciones de las ciudades, con la distancia recorrida en cada caso, y obtener el mínimo de ellas. Es un método exacto y factible, con muy poca programación, en un ordenador. Es un ejemplo de método iterativo. Tiene problemas de tiempo porque es una función de un factorial, pero hay algoritmos para abreviar el tiempo.

Este es un método heurístico. Se podría pues, como vimos, incluir en varias categorías en cuanto a tipo de pensamiento. Casi nunca son puros.

Hay otros métodos heurísticos también recursivos como es el del vecino más cercano (NN, nearest neighbor)  (también llamado algoritmo voraz), que como el propio nombre indica en cada caso elige la ciudad más cercana sin visitar como su próximo movimiento.

Luego hay métodos algorítmicos con hamiltonianos y todo eso.

Pero lo importante para nuestro propósito de ver la importancia del a iteración en metódos basados en grafos es al menos traer la referencia de los métodos op:

El intercambio par a par simple,  o técnica 2-opt, que supone en cada iteración la eliminación de dos aristas que se cortan  y su reemplazo por con dos aristas diferentes, que no se crucen, y que reconecten los fragmentos creados por la eliminación de las aristas por este método, obteniendo así un camino más corto.

Éste es un caso especial del método general heuristica k-opt o heurística Lin-Kernighan. Donde en un recorrido dado se eliminan k aristas que se cortan en al menos un punto por un conjunto que no se corta en ningún punto.

Un ejemplo interesante lo podemos ver este caso 

Este problema y los algoritmos que se han desarrollado apartir de él han permitido un enfoque interesante  para otro problema, el del embarque en aviones, a Jason Steffen (2008), y al desarrollo de un algoritmo muy práctico y de indudable interés económico para la secuencia de embarque de pasajeros en los aeropuertos.

El cambio que supone en la práctica modificar la forma en que la gente embarca en los aviones, el ahorro de tiempo multiplicado por el número de embarques que se producen en todo el mundo, a lo que se unen los tiempos de espera en vuelos combinados, suponen una solución de gran envergadura directa, a la economía de tiempo, y de dinero,de sueldos, de energía,… Y esto sólo si lo planteamos directamente. Pero es que además hay un ahorro indirecto y un bienestar añadido: El que supone que la gente llegue a tiempo a su trabajo, a su negocio, a sus vacaciones o a estar con su familia. Ventajas que son muy de tener en cuenta…, todo por una cuestión de iteracción. Y como consecuencia de una forma de pensar que primero se planteó exclusivamente como pensamiento computacional.

Métodos por aproximaciones sucesivas. Ensayo – error.

El método de resolución de problemas  por aproximaciones sucesivas, o por ensayo-error, constituye igualmente un procedimiento que utilizamos, confrontando  las ideas que nos formamos con la realidad tal como la percibimos, en acciones percepciones y en la formación de modelos cognitivos, de ideas. Sucede así en el ser humano a lo largo de toda la vida, desde las primeras etapas de desarrollo, en la que los niños comienzan a conocer la realidad, el mundo que les rodea. Utilizan los sentidos, la experimentación y la representación de las ideas obtenidas de las experiencias, para aceptar o rechazar el conocimiento que la realidad les ofrece y para inducirlo. Ese mecanismo forma parte del desarrollo humano, pero también lo encontramos en los fundamentos de la ciencia. Así lo encontramos en multitud de ámbitos y dominios del saber y de la técnica. Constituye la base de las ideas de Popper (1934) que fundamentan el método científico. Lo encontramos igualmente como uno de los procedimientos que más frecuente utilizan los programadores, de forma espontánea y subyacente, en casi todas las fases de su trabajo. También constituye la esencia de la ayuda pedagógica que los maestros y tutores hacen a sus alumnos para guiarles en estos procesos de ensayo error y que no se pierdan o se distraigan por caminos inapropiados.

A Karl R. Popper se le considera el padre del método científico tal como se conoce en la actualidad, pero sobre todo es uno de los pensadores  contemporáneos más influyentes, cuyas teorías epistemológicas y sociopolíticas han ido más allá del estricto ámbito del método científico. Hasta él el método que utilizaba la ciencia era eminentemente deductivo. A partir de él todo cambia: La ciencia sigue siendo inductiva, pero su gran aportación ha sido que esta inducción ha avanzado a través del método hipotético-deductivo.

Así según Popper (1934), el método científico no usa un razonamiento inductivo, sino un razonamiento hipotético-deductivo (que simplificadamente se conoce como método de ensayo error o por aproximaciones sucesivas). Como en el caso del razonamiento inductivo, se pasa desde los datos que contrastan una hipótesis a una conclusión sobre ésta, es decir va de lo particular a lo general, en dirección inductiva. Sin embargo el método no es el de la inducción como razonamiento o inferencia. Sostiene que materialmente no es posible inducir o verificar todas las hipótesis o teorías (no es posible explorar todas las situaciones posibles para ver si la teoría se mantiene), ni siquiera hacerlo con las más probables. Además, los científicos en general buscan teorías altamente informativas. Otra cosa son los informáticos, que aplican con frecuencia la navaja de Occan.

La cuestión clave en la ciencia es qué criterio guía la búsqueda o el avance a través de las hipótesis que se eligen sucesivamente. En esta cuestión tiene bastante que decir  la creatividad y el pensamiento divergente, según vimos en otra ocasión.

En el aprendizaje, el mecanismo en esencia es el mismo. Pero en este caso es el papel que juega el tutor lo esencial, como veremos, sin despreciar los elementos naturales de motivación que el método que utilicemos en cada caso posee para el alumno. De esta forma el tutor ha de guiar de forma adecuada y sin ser invasivo el procedimiento para que el alumno tampoco desista, y este proceder es distinto en cada caso.

Pero volviendo a Popper y al método hipotético deductivo. Lo que se hace realmente en el proceso, en cada paso, es proponer una hipótesis como solución tentativa del problema particular, confrontar la predicción deducida, mediante la hipótesis, con la experiencia, y evaluar si la hipótesis se rechaza o no por los hechos (contraste de hipótesis). La cuestión es que con este método no verificamos las teorías, sólo las aceptamos cuando resisten el intento de rechazarlas. Por tanto, el  contraste radica en la crítica o, si estamos en ciencias sociales, en el intento serio de falsación, es decir, la eliminación de la parte del error dentro de una teoría, para rechazarla, si es falsa, y sustituirla por otra. Como hemos dicho el objetivo del método es la búsqueda de teorías verdaderas.

Según Popper (1934) este método, el actualmente aceptado como  método científico, utiliza sólo y de forma sistemática reglas metodológicas (no lógicas), para tomar decisiones. Reglas o principios metodológicos que tiene como base casi exclusivamente dos principios: La creatividad y la crítica. Hay que ser creativo y crítico. Hay que proponer hipótesis audaces y someterlas a tests experimentales  rigurosos. La lógica juega un papel fundamental como elemento que rige las decisiones y la elaboración de hipótesis que, mediante su contraste, confrontarán los hechos con las teorías convirtiéndolas en evidencias.

David Wood y  Heather Wood (2006) en su ya clásico libro Vygotsky, Tutoring and Learning señalan como justificación de la acción tutorial en el aprendizaje la investigación que con frecuencia citamos como referencia y que hemos rescatado de Bloom (1984) para el aprendizaje personalizado con tecnología, nos referimos al problema de dos sigmas. Como ya vimos (Zapata-Ros, 2013  y Bloom, 1984) se trata de un análisis comparativo de la eficacia, relativa, entre la enseñanza en clase convencional y la tutoría uno a uno (humana). Anderson (1993) y sus colegas sugiere que algunos de los beneficios señalados por Bloom podrían obtenerse por medio de sistemas informáticos diseñados para individualizar el aprendizaje. Bloom concluyó que la instrucción mentorizada (uno a uno) conduce a una mejora, en la campana de Gauss del aprendizaje, en dos desviaciones típicas sobre la enseñanza de clases convencional (es decir, alrededor del 98% de los alumnos que se enseñan de forma individual puntúan por encima de la media para el grupo convencional). Anderson sostenía que los sistemas basados en tecnología, con tutoría personal o asistida,  podrían ser diseñadas para conseguir en parte ese beneficio.

Contingencia e inmediatez.-

En este planteamiento juegan un papel clave las aproximaciones sucesivas a los objetivos educativos, es decir la acción tutorial. Veamos: Una de las características centrales de lo que supone la tutoría uno a uno (y lo que en la época de Anderson eran los sistemas de tutoría inteligente), es que pueden proporcionar instrucción en el contexto de la actividad en tiempo real al alumno. En términos de Anderson, son útiles al principio: proporcionan instrucción en el contexto de la resolución del problema. En situaciones de grupo, también funciona la tutoría como ayuda en el acercamiento a la resolución de problemas por ensayo error: El alumno puede ensayar públicamente, en ambiente de clase, métodos de resolución y puede ser asesorado por el profesor y por los propios alumnos. El profesor puede ofrecer orientaciones sucesivas sobre la forma de resolver los problemas, y hacerlo sobre la marcha.

En cualquier caso es importante la idea de contingencia: la sensación de que el problema puede ser resuelto o no en función del camino elegido.

De esta forma, en la tutoría, el cuándo y el dónde la ayuda pueden ser ofrecidas por el tutor es la clave. Ha de hacerse en los momentos pertinentes, es decir, de manera contingente. Además es importante hacerlo así porque  el estudiante puede ser sensible a la pérdida de tiempo y perder la motivación cuando ésta, la pérdida, sea excesiva o también porque la actividad sea confusa y sin fruto. Para evitar este efecto, el de la confusión, la  respuesta debe ser inmediata a los errores de los alumnos (otro principio del ensayo error: que no se pierda la inmediatez).

El tutor debe detectar, en el lugar y en el momento que se produzca, la dificultad de aquel aprendiz que comprenda insuficientemente el tema que es objeto de aprendizaje. De esta forma el tutor puede tener que intervenir con frecuencia para reparar el error y mostrar al alumno qué hacer. Así el objetivo es apoyar en la resolución en aproximaciones sucesivas hasta un desempeño competente. Por último el tutor no debe interferir con la actividad de estudiante exitoso. Y en la medida que el alumno aprenda, la acción del tutor se desvanece. Estas capacidades del tutor que Anderson prescribía para el tutor inteligente, o para el sistema experto, se obtenía a partir de la modelización de los tutores humanos. Por esa misma razón ese conjunto de prescripciones siguen siendo válidas en el caso real, y constituyen una aplicación en este caso de los principios popperianos de las aproximaciones sucesivas.

Métodos colaborativos.- ¿Hacer cosas juntos o entender cosas juntos?

En este recorrido toca llegar al final, aunque quizá haya más componentes del pensamiento computacional de los que hemos visto, y esperamos futuras críticas y propuestas. Vamos a concluir con el trabajo colaborativo.

Expresiones como trabajo colaborativo o aprendizaje colaborativo son lugares comunes en la práctica de la enseñanza y en las teorías del aprendizaje. Tienen su origen remoto en los métodos socráticos, en el aprendizaje vicario y más recientemente en las teorías de Vygostky, en las del aprendizaje situado de Merrill y en el socioconstructivismo. Y han adquirido plena vigencia en los entornos conectados de aprendizaje. Si bien las aportaciones más fecundas en el mundo del aprendizaje con la ayuda de la tecnología se deben a David Jonassen, Mark Davidson, Mauri Collins, John Campbell, y  Brenda Bannan Haag (1995).

En el mundo computacional: La complejidad de desarrollos y arquitecturas hace inconcebible el trabajo aislado. Tienen que producirse fuertes flujos de trabajo y de comunicación que hagan posibles proyectos comunes en equipos amplios. De hecho se ha desarrollado una ética, casi una mística, conocida y popularizada por Pekka Himanen (2002) como la ética del hacker, basada en la emoción por compartir más que en el valor económico del trabajo propio de la ética de Weber, la ética protestante del trabajo.

En una buena parte esta disposición a compartir y al trabajo colaborativo constituye un elemento para la formación en valores del pensamiento computacional. Pero también implica un desafío, no todo el mundo de forma inicial acepta compartir, implica un compromiso e implica una técnica.

La definición más amplia pero igualmente imprecisa e insatisfactori, de “trabajo colaborativo” es la que da Dillenbourg (1999): Trabajo colaborativo es el que se produce en una situación en la que dos o más personas aprenden o intentan aprender algo juntos.

Es obvio que al menos hay tres imprecisiones en los elementos de esta definición, que se pueden interpretar de diferentes maneras:

“Dos o más” es ¿un par?, ¿un pequeño grupo (3-5 individuos)?, ¿una clase (20-30 sujetos)?, una comunidad (unos pocos cientos o miles de personas), ¿un MOOC?, ¿una sociedad (varios miles o millones de personas) … ¿cualquier nivel intermedio?. Esto da lugar a situaciones de aprendizaje completamente distintas, cada una de las cuales lleva aparejado un análisis que de forma no simple es muy diverso. Los entornos de los que estamos hablando y que permiten un trabajo fecundo son aquellos que permitan de forma eficiente a cada individuo procesar la información que genera el resto.

“Aprender algo” puede ser interpretado como “seguir un curso con provecho”, es decir cumpliendo los objetivos de aprendizaje previstos, o también se puede referir de forma laxa a aprender (en el sentido de comprender solo y memorizar de forma comprensiva) el “material del curso de estudio”, o bien “realizar actividades de aprendizaje tales como la resolución de problemas”, y en su caso óptimo que de ellas se desprenda conocimiento o elaboración, igualmente puede ser “aprender de la práctica del trabajo” que se realiza entre varios y en el que interviene la interacción.

Y en esto último es cuando interviene el último elemento de la definición: “juntos”. Que en cualquier caso implica y se debe interpretar como como una referencia a diferentes formas de interacción que, por la forma física de realizarse, origina distintos entornos y proceso cognitivos: Cara a cara, grupo o videogrupo (hangout), mediada por entornos de red, sociales (web social), sincrónicas o no, frecuentes en el tiempo o no, si se trata de un esfuerzo verdaderamente conjuntado y coordinado, si el trabajo se divide de una manera sistemática en un entorno colaborativo, híbrido y organizado con affordances a ese fin.

Combinados de múltiples formas y en relación con fines de distinta naturaleza, pero todos ellos conducentes a aumentar el material cognitivo de los participantes, y el común, constituyen ambientes que se encuentran bajo la etiqueta de “aprendizaje colaborativo”. Podemos reconocer así a parejas o tríos de aprendizaje, que se desenvuelven a través de trabajos intensivos y cortos para resolver un problema de forma conjunta y síncrona, durante una o dos horas, a grupos de estudiantes que utilizan el correo electrónico o Facebook durante un curso, o durante un año, a las comunidades de profesionales que se desarrollan vinculadas a una cultura específica a través de generaciones de participantes.

La actividad que se produce es singular y la capacitación o las competencias para obtener el máximo rendimiento son necesarias para el mundo computacional, con rasgos específicos (por ejemplo con pasarelas de datos y de resultados), pero igualmente para el resto de actividades que conducen a algún tipo de aprendizaje o de desarrollo. El análisis tiene al menos tres dimensiones como hemos visto, cada una constituye no de forma excluyente ni por separado del resto, un dominio de estudio y de investigación: la dimensión de la situación de colaboración (tamaño del grupo,  período de tiempo, affordances,…), el tipo y características del “aprendizaje” y las formas de “colaboración”.

Referencias útiles en un primer acercamiento son:

Sobre la noción de escala en relación con las modalidades y los objetivos del trabajo colaborativo, “… los paradigmas de investigación basadas en distinciones entre lo  social y lo cognitivo”, se encuentra el trabajo de Perret-Clermont, Perret y Bell (1991). Sobre las teorías de la cognición distribuida (Salomon, 1993) en que el grupo es visto como un sistema cognitivo. El proceso de construcción de un grupo de micro-cultura es estudiado por Baker, Traum, Hansen y Joiner (1999), y por Hansen, Lewis, Rugelj y Dirckinck-Holmeld (1999).

En resumen la cuestión no es tanto aprender técnicas para trabajar juntos como encontrar una cultura común, unas referencias y  unas experiencias que hagan que esa forma de trabajar fluya.

Con este apartado dedicado a métodos colaborativos conclui-mos la serie de ocho posts y once elementos o componentes del pensamiento computa-cional.

Como dijimos al principio queda por desarrollar pormenoriza-damente los contenidos en un corpus útil a las disintas modalidades y niveles de formación, así como para la formación de maestros y profesores que los impartan.

Queda igualmente por unificar las referencias teóricas

Otras informaciones las he aportado a propósito del pensamiento compu-tacional con relación al año del código (year of code) en el post de Tumblr Pensamiento computacional y precodingY también en el post Coding y pre-coding. Otros enlaces y conceptos relacionados los podemos ver en la web oficial del Year of code.

Referencias.-

ANDERSON, J.A. (1993) Rules of the Mind (Hillsdale, NJ, Erlbaum).

Baker, M., Hansen, T., Joiner, R., & Traum, D. (1999). The role of grounding in collaborative learning tasks. In P. Dillenbourg (Ed.), Collaborative Learning: Cognitive and Computational Approaches. (pp. 31-63; 223-225). Elsevier Science. http://www.uio.no/studier/emner/matnat/ifi/TOOL5100/v08/leseliste/F9/baker99role.pdf

Bloom, B.S. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as ffective as One-to-One Tutoring, Educational Researcher, 13:6 (4-16). http://www.comp.dit.ie/dgordon/Courses/ILT/ILT0004/TheTwoSigmaProblem.pdf

Corballis, M. C. (2007). Pensamiento recursivo. Mente y cerebro, 27, 78-87. http://amscimag.sigmaxi.org/4Lane/ForeignPDF/2007-05CorballisSpanish.pdf

Corballis, M. C. (2014). The recursive mind: The origins of human language, thought, and civilization. Princeton University Press. http://press.princeton.edu/titles/9424.html

Dillenbourg, P. (1999). What do you mean by collaborative learning?.Collaborative-learning: Cognitive and Computational Approaches., 1-19. https://halshs.archives-ouvertes.fr/file/index/docid/190240/filename/Dillenbourg-Pierre-1999.pdf

Fitch, T., Hauser, M. & Chomsky, N.  2005.  The evolution of the language faculty:      Clarifications and implications.   Cognition. 97.179-210

Hauser, M., Chomsky, N.,  & Fitch, T.  2002.  The faculty of language: what is it, who has it, and how did it evolve. Science 198. 1569-79

Hackenberg, A. J. (2007). Units coordination and the construction of improper fractions: A revision of the splitting hypothesis. Journal of Mathematical Behavior, 26(1), 27–47.

Hansen, T., Dirckinck-Holmfeld, L., Lewis, R., & Rugelj, J. (1999). Using telematics to support collaborative knowledge construction. Collaborative learning: Cognitive and computational approaches, 169-196. http://www.researchgate.net/publication/228559912_Using_telematics_to_support_collaborative_knowledge_construction/file/60b7d523962ffc2db3.pdf

Himanen, P. (2002). La ética del hacker y el espíritu de la era de la información.http://eprints.rclis.org/12851/

Jonassen, D., Davidson, M., Collins, M., Campbell, J., & Haag, B. B. (1995). Constructivism and computer‐mediated communication in distance education.American journal of distance education9(2), 7-26. http://www.tandfonline.com/doi/abs/10.1080/08923649509526885

Mack, N. K. (2001). Building on informal knowledge through instruction in a complex content domain: Partitioning, units, and understanding multiplication of fractions. Journal for Research in Mathematics Education, 32(3), 267–296.

Mandelbrot, B. (1982). The fractal geometry of nature. W. H. Freeman.

Mandelbrot, B. (1977). Fractals, form, chance and dimension. W. H. Freeman.

Popper, Karl (1934).«The Logic of Scientific Discovery». Consultado el 08-09-2007. http://books.google.es/books?hl=es&lr=&id=LWSBAgAAQBAJ&oi=fnd&pg=PP1&dq=popper+scientific+methods

Popper, Karl (1934). La lógica de la investigación científica. Traducido por Víctor Sánchez de Zavala (1ª edición). Madrid: Editorial Tecnos (publicado el 1962). ISBN 84-309-0711-4..

Popper, Karl (1934). The Logic of Scientific Discovery. New York: Routledge (publicado el 2009).

Olive, J., & Vomvoridi, E. (2006). Making sense of instruction on fractions when a student lacks necessary fractional schemes: The case of Tim. Journal of Mathematical Behavior 25(1), 18–45.

Rosas, M. J. M. (2012). Recensión de “The recursive mind. The origins of human language, thought, and civilization”, de Michael C. Corballis. Teorema: Revista internacional de filosofía, 31(1), 151-154. http://dialnet.unirioja.es/descarga/articulo/4349918.pdf

Salomon, G. (1993). Distributed cognitions. Psychological and educational considerations (pp. 111-138) Cambridge, USA: Cambridge University Press.

Siemens, G. (December 12, 2004). Connectivism: A Learning Theory for the Digital AgeConsultado el 18/8/2011 en http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.87.3793&rep=rep1&type=pdf el 30/08/2012

Steffe, L. P., & Olive, J. (2010). Children’s fractional knowledge. Springer: New York.

Steffe, L. P. (2004). On the construction of learning trajectories of children: The case of commensurate fractions. Mathematical Thinking and Learning, 6(2), 129–162

Steffen, J. H. (2008). Optimal boarding method for airline passengers. Journal of Air Transport Management14(3), 146-150. http://www.sciencedirect.com/science/article/pii/S0969699708000239

Wilkins, J. L. M., & Norton, A. (2011). The splitting loope. Journal for Research in Mathematics Education, 42(4), 386–416

Wilkins, J. L., Norton, A., & Boyce, S. J. (2013). Validating a Written Instrument for Assessing Students’ Fractions Schemes and Operations. Mathematics Educator, 22(2), 31-54.

Wood, D., & Wood, H. (1996). Vygotsky, tutoring and learning. Oxford review of Education, 22(1), 5-16. http://www.jstor.org/stable/1050800

Wood, D., & Wood, H. (1996). Vygotsky, tutoring and learning. Oxford review of Education22(1), 5-16. http://www.tandfonline.com/doi/abs/10.1080/0305498960220101#.VI3EvyuG-_l

Zapata-Ros, M. (1996a). Integración de la GEOMETRÍA FRACTAL en las Matemáticas, y en la Informática, de Secundaria. http://platea.pntic.mec.es/~mzapata/tutor_ma/fractal/fracuned.htm# Pero…¿qué son los fractales?

Zapata-Ros, M. et al (1996b). Integración de la GEOMETRÍA FRACTAL en las Matemáticas, y en la Informática, de Secundaria.  Materiales para la Enseñanza Secundaria: área de Matemáticas y área de Educación FísicaDocumentos CEP . Núm. 47. CEP Murcia II. http://hdl.handle.net/11162/645.

Zapata-Ros, M. (2013).  ¿Por qué nos gustan las cosas hermosas? La belleza está escrita en lenguaje matemático mucho antes de que se descubra. Blog Redes Abiertas. http://redesabiertas.blogspot.com.es/2013/03/por-que-nos-gustan-las-cosas-hermosas.html

Zapata-Ros, M. (2013). El “problema de 2 sigma” y el aprendizaje ayudado por la tecnología en la Educación Universitaria. http://red.hypotheses.org/287 Zapata-Ros, M. (2014). La fundamentación teórica y científica del conectivismo. RED-Hypotheses. http://red.hypotheses.org/688

Pensamiento computacional y alfabetización digital (I)

¿Por qué “pensamiento computacional”?

En la actualidad los gobiernos y gurúes se han visto sorprendidos por un hecho: la sociedad, la economía demanda profesionales cualificados en las industrias de la información. Se da la paradoja de sociedades con un alto índice de paro en las que actualmente se quedan sin cubrir puestos de trabajo de ingenieros de software, desarrolladores de aplicaciones, documentalistas digitales,… esto ha sensibilizado a políticos e instituciones a abordar el problema desde el punto de vista de la formación. Las sociedades más avanzadas han visto que se trata de una nueva alfabetización, la alfabetización digital, y que como tal hay que comenzar desde las primeras etapas del desarrollo individual, al igual como sucede con otras habilidades clave: la lectura, la escritura y las habilidades matemáticas.

Al llegar a este punto, un planteamiento, el más frecuente y el menos reflexivo, ha consistido en favorecer el aprendizaje de forma progresiva. Proponiendo a los niños tareas de programar, desde las más sencillas y más lúdicas a las más complejas y aburridas, más aburridas a fuer de ser más reales o de ser aplicadas a temas menos motivadores. Éste el planteamiento típico conductista.

Otros, algunos pocos en algunos países, pero más desde corporaciones que de forma institucional, y frecuentemente de forma aislada, nos planteamos la cuestión de otro modo: Las competencias de codificar son la parte más visible de una forma de pensar que es válida no sólo en ese ámbito de la actividad mental, la que sostiene el desarrollo y la creación de programas y de sistemas. Hay una forma específica de pensar, de organizar ideas y representaciones, que es terreno abonado y que favorece las competencias computacionales. Se trata de una forma de pensar propicia para el análisis y la relación de ideas, para la organización y la representación lógica. Esas habilidades se ven favorecidas con ciertas actividades y con ciertos entornos de aprendizaje desde las primeras etapas. Se trata del desarrollo de un pensamiento específico, de un pensamiento computacional.

Pero partamos del principio, volvamos unos años atrás. A Seymourt Paper.

Paulo Blikstein (2013) de la Universidad de Stanford, dice que si un historiador tuviera que trazar una línea que uniese la obra de Jean Piaget sobre la psicología del desarrollo a las tendencias actuales en la tecnología educativa, la línea simplemente se llamaría “Papert”.  Seymour Papert ha estado en el centro de tres revoluciones: el desarrollo del pensamiento en la infancia, la inteligencia artificial y las tecnologías informáticas para la educación. Quízá el que no haya tenido el impacto debido se deba a que se anticipó.

La visión de Papert se podría sintetizar diciendo que “los niños deben programar la computadora en lugar de ser programados por ella” (children should be programming the computer rather than being programmed by it) (Papert, 1980  a través de Blikstein, 2013)

Ahora, en la fase actual del desarrollo de la tecnología y de las teorías del aprendizaje se podría decir “son los niños los que tienen que educar a los ordenadores no los ordenadores los que tienen que educar a los niños”
La creación de este blog, sus posts y en general las actividades y reflexiones que lo puedan rodear, está justificado por el papel que, en el nuevo contexto, tiene la formación desde las primeras etapas en habilidades que faciliten un aprendizaje orientado hacia la programación. O, como vamos a ver, se trata de una nueva alfabetización, de una alfabetización que permita a las personas en su vida real afrontar retos propios de la nueva sociedad y vaya más allá, permita a los individuos organizar su entorno, sus estrategias de desenvolvimiento, de resolución de problemas cotidianos y organizar su mundo de relaciones, en un contexto de comunicación más lógica y racional. Además de organizar estrategias para conseguir objetivos personales. En definitiva a conseguir una mayor calidad de vida y un mayor nivel de felicidad.

Por tanto, como idea-fuerza, es fundamental que, al igual que sucede con la música, con la danza o con la práctica de deportes, se fomente una práctica formativa del pensamiento computacional desde las primeras etapas de desarrollo. Y para ello, al igual que se pone en contacto a los niños con un entorno musical o de práctica de danza o deportiva,… se haga con un entorno de objetos que promuevan, que fomenten, a través de la observación y de la manipulación, aprendizajes adecuados para favorecer este pensamiento. No tenemos en muchos casos evidencias de que esos entornos y esas manipulaciones desarrollen las destrezas, habría que fomentar investigaciones para tenerlas, pero sí sospechamos fuertemente que ocurre.
Tradicionalmente se ha hablado de aprendizajes  o de destrezas concretas: Seriación, discriminación de objetos por propiedades, en las primeras etapas, y en las del pensamiento abstracto o para la resolución de problemas se ha hablado de la modularización, el análisis descendente, el análisis ascendente, la recursividad,…

Para lo primero hay multitud de recursos, juegos y actividades que los educadores infantiles conocen bien.

Para ilustrarlo podemos recurrir a un caso concreto que he tenido oportunidad de conocer de primera mano.

Les sugiero que vean este vídeo con atención:

Este niño del vídeo es mi nieto. Cuando le visito en su casa le llevo juguetes de Ikea (la empresa sueca debería estar encantada conmigo y agradecida por el gasto y la publicidad que les hago. Les sugiero que, como compensación, nos inviten a la familia a sus mundialmente celebradas albóndigas). Algunos opinan que abrumo al bebé con este tipo de trastos. Yo creo que sirven para que organice y secuencie objetos por colores, tamaños, forma, etc. y para que perciba el plano y el espacio y sus propiedades. Le gusta hacerlo pero sobre todo le gusta cuando le aplaudimos porque lo hace bien.

En una ocasión le sorprendió a su padre, por eso conserva la grabación, que utilizase con tanta precisión la secuencia de colores alternativos para usar la cuchara. Les aseguro que no es un efecto buscado, que el niño no está “adiestrado”, y conservo la voz de la madre para que se observe su sorpresa.

¿Qué es lo que había pasado en su cabeza para que conservase tan estrictamente la secuencia de colores alternativos al usar las cucharas? ¿Hay alguna relación entre los juegos que había utilizado y el gusto o la preferencia por una secuencia basada en el color? No tenemos ninguna evidencia que nos lleve a esa conclusión. Pero el que utilizase el color para organizar la secuencia, de la misma forma que lo había hecho en los juegos, nos induce a pensar que alguna relación había. Y que  lo que posiblemente hubiera sucedido es que había transferido la idea (o la pre-idea, la asociación) desde el contexto inicial, los juegos, a las cucharas. Es decir había manejado la secuencia asociada al color con independencia de la situación.

Hay por tanto multitud de áreas del aprendizaje que conviene explorar e investigar en esta nueva frontera. Y en la planificación de los curricula tendrá que plantearse esta dicotomía: Enseñar a programar con dificultad  progresiva (si se quiere incluso de forma lúdica o con juegos) o favorecer este nuevo tipo de pensamiento. Obviamente no hace falta decir que nuestra propuesta es la segunda, que además incluye a la primera.

Pero volvamos al blog, su naturaleza y su tema.

Tropezamos con varios problemas de comienzo, delimitar el contenido y encontrar los términos y conceptos adecuados para definirlo.

Pensamos inicialmente en utilizar la expresión codificación y precodificación. La segunda extraída de la literatura anglosajona, coding  o code. En este sentido es utilizada en los textos que publicitan este año como el año del código, o de la codificación, o de la programación (Year of code). Así se dice:

A través de la codificación (code) la gente puede descubrir el poder de la informática, cambiando su forma de pensar acerca de su entorno y obtener el máximo provecho del mundo que le rodea.

O bien tal como se dice en el informe Computing our future Computer programmingand coding – Priorities, school curricula and initiatives across Europe:

La codificación (coding )es cada vez más una competencia clave que tendrá que ser adquirida por todos los jóvenes estudiantes y cada vez más por los trabajadores en una amplia gama de actividades industriales y profesiones. La codificación es parte del razonamiento lógico y representa una de las habilidades clave que forma parte de lo que ahora se llaman “habilidades del siglo 21”.

Como vemos es un dominio conceptual muy próximo a lo que hemos visto y veremos que es el pensamiento computacional, al menos se expresa con ese sentido que le hemos atribuido.

Por otro lado de igual forma que se habla de prelectura, pre-escritura o precálculo para nombrar competencias que allanan el camino a las destrezas clave y a las competencias instrumentales que anuncian, cabe hablar de precodificación para designar las competencias que son previas y necesarias en las fases anteriores del desarrollo para la codificación. Como hemos dicho nos referimos por ejemplo a construcciones mentales que permiten alojar caracteristicas de objetos de igual forma a como lo hacen las variables con los valores: Son en este caso el color, la forma, el tamaño,… O también operaciones con estos rasgos como son la seriación. Evidentemente hay muchas más habilidades y más complejas en su análisis y en el diseño de actividades y entornos para que este aprendizaje se produzca. Este ámbito de la instrucción es lo que podría denominarse precodificación.

Podría llamarse igualmente preprogramación, pero creemos que es más propio llamarle precodificación, pues codificación describe con más precisión y más ajuste conceptual, la transferencia de acciones e informaciones para que puedan ser interpretados por los ordenadores y otros dispositivos de proceso, transporte y almacenamiento de la  información.

Podría ser así, y sin duda sería correcto. Sin embargo vimos que esto no correspondía con el propósito que es más amplio, que es no solo preparar para la programación y para la codificación sino para dotarse de claves de comprensión y de representación de los objetos de conocimiento en general. Pensamos pues como más adecuada en la expresión “pensamiento computacional” (computational thinking), que después desarrollaremos

Por otro lado hubiéramos podido elegir igualmente el término alfabetización digital, reconociendo que impropiamente, en español, tiene resonancias próximas al término “alfabetización informática”, al menos en su uso. Y éste  hace hincapié en la informática de usuario al considerare esta alfabetización como el conocimiento y la destreza para manejarse en entornos de usuario. Así es frecuente entre la gente poco ilustrada confundir al buen informático con el que maneja bien, es hábil con los programas de usuario, las APPs, o al que se maneja con fluidez y rapidez en los ambientes de menús, ventanas y opciones, o simplemente al que tiene habilidad en los pulgares para manejar un smartphone, o con el índice para moverse por un tablet.
No obstante podemos aceptar la definición de alfabetización digital (“computer literacy”) como el conocimiento y la capacidad de utilizar las computadoras y la tecnología relacionada con ellas de manera eficiente, con una serie de habilidades que cubren los niveles de uso elemental de la programación y la resolución de problemas avanzada. (Washington, US Congress of Technology Assessment, OTA CIT-235 April 1984, page 234). Pero como hemos dicho ese mismo documento  acepta que la alfabetización digital también se puede utilizar para describir el nivel de acomodo que un individuo tiene con el uso de programas de ordenador y otras aplicaciones que están asociados con las computadoras . La alfabetización digital por último se puede referir a la comprensión de cómo funcionan los ordenadores y a la facilidad de operar con ellos.

En lo que sigue hablaremos más de “pensamiento computacional” (computational thinking) y de  iniciativas necesarias como son desarrollar un curriculum y propuestas de formación para maestros y profesores.

¿Cuál es el problema del pensamiento computacional?

Al principio del artículo decíamos

“el planteamiento más frecuente y el menos reflexivo, ha consistido en favorecer el aprendizaje de la programación de forma progresiva. Proponiendo a los niños tareas de programar, desde las más sencillas y más lúdicas hasta  las más complejas y aburridas (más aburridas a fuer de ser más reales o de ser aplicadas a temas menos motivadores). Éste es el planteamiento típicamente conductista.”

Este es el tipo de planteamiento que está detrás de inducir a los niños a hacer muchas líneas de programa y a hacerlas muy rápidamente, sin pensar previamente mucho en el problema a resolver, sin diagramas, sin diseño,… Es la idea que hay detrás de los concursos de programación, de enseñar a programar a través de juegos, etc.

Es un planteamiento competitivo que deja a fuera a muchos niños y que posiblemente haga odiosos a los programadores, o al menos les haga ser para muchos unos frikis. O unos tipos raros con un perfil difícil de tener. En definitiva puede llegar a ser un planteamiento por muchas razones excluyente.

Pero volvamos al principio, antes de empezar a escribir código de forma compulsiva. Lo importante es saber lo que tienen en la cabeza, lo que piensan los que tienen éxito en hacer programas potentes. Lo importante no es el software que escriben sino lo que piensan. Y sobre todo la forma en que piensan.

Este es principio básico del “pensamiento computacional”, y saber de memoria toda la sintaxis y las primitivas de Java que hay en el mundo y por haber no le sirve de nada a los muchachos si no pueden pensar en buenas maneras de aplicarla.

Desgraciadamente la forma más frecuente de enseñar a programar y la que se está empezando a utilizar en nuestro país, léase lo que se ha hecho en la Comunidad de Madrid, está en la clave señalada: Echar a los alumnos de secundaria por el camino más áspero de la programación per se. Dejando excluidos a los que no valen para programar directamente, y creando el estereotipo de que la programación es solo cosa de los programadores.

Luego nos extrañamos que las empresas no contraten a informáticos, que han aprendido de forma vinculada a lenguajes y programas efímeros, y que no tienen flexibilidad mental para adaptarse a nuevos entornos, no solo de programación, sino de problemas, y sin embargo contraten a matemáticos o a físicos que sí tienen esa competencia de resolver problemas en entornos cambiantes.

Sin embargo tenemos referencias (Raja, 2014) de investigaciones que ponen de manifiesto que si se empieza por el pensamiento computacional en vez de por la elaboración de códigos, desvinculando la iniciación a ser diestros con el ordenador, tal como se entiende habitualmente, se evita el principio de discriminación que hace que algún tipo de niños y de niñas se inhiban. Supone pues un principio de democratización del aprendizaje. Esto supone además que los que en un futuro pueden ser bibliotecarios, médicos o artistas pueden ser también buenos programadores. Y por ende podría ampliar la base de conocimiento que se vuelca al mundo de la computación, lo que constituye el motor y el combustible de la Sociedad del Conocimiento.

Pensemos en un ejemplo de pensamiento computacional (en una época en que no había ordenadores) utilizado por un lego, un médico especializado en epidemias, para resolver un problema crucial. Hoy probablemente esto no podría haber sucedido así. Los programadores no tienen conocimientos de epidemiología, y los epidemiólogos no tienen por lo general pensamiento computacional (Koch and Denike, 2009, a través de Raja, 2014).

En 1854 , un médico de Londres llamado John Snow ayudó a sofocar un brote de cólera que había matado a 616 vecinos. Dejando de lado la teoría predominante de la época, la Teoría miasmática de la enfermedad, que aseguraba que las enfermedades se producían por emanaciones surgidas del terreno, indagó las costumbres y los rasgos de la forma de vivir de los enfermos. En un mapa levanto columnas con la ubicación de los muertos, la frecuencia (¿no nos recuerda un infograma?):

Mapa obtenido de  “On the Mode of Communication of Cholera,” 1854 Fig. 1. En Rev. Henry Whitehead mapped almost 700 cholera deaths, sewer lines, and both the incorrect location of the old plague burial site (oval) and its correct size and location a block from the Broad Street pump in this 1855 map (Koch and Denike, 2009) y en JOHN SNOW’S MAP 1 (Broad Street Pump Outbreak, 1854)

Observó que las columnas crecían alrededor de una bomba de agua en Broad Street en el Soho (ver el mapa) que además estaba cerca de un pozo negro con fugas. La hipótesis que formuló es que la causa de la enfermedad estaba en el agua. Implicitamente estaba aplicando principios que ahora son clásicos de pensamiento computacional entraron: Cruzar dos conjuntos de datos para obtener un conocimiento nuevo (cruzar la ubicación de las muertes con las ubicaciones de las bombas de agua), contrastar el resultado por iteraciones sucesivas y el reconocimiento de patrones. Cuando se clausuró la bomba el brote cesó.

Definición de pensamiento computacional.

Tras lo visto sobre otros términos y conceptos podemos abordar directamente la idea de pensamiento computacional.

En ese sentido es muy interesante lo que dice, en un primer acercamiento al concepto, la informática Tasneem Raja (2014) en el post We Can Code It! , de la revista-blog Mother Jones:

“El enfoque computacional se basa en ver el mundo como una serie de puzzles, a los que se puede romper en trozos más pequeños y resolver poco a poco a través de la lógica y el razonamiento deductivo”.

Esta es una forma intuitiva en la que una autora, que proviene del mundo computacional, aborda una serie de métodos ampliamente conocidos en el mundo de la psicología del aprendizaje.Implícitamente está hablando de análisis descendente y de elaboración: Puzzles —problemas— que se pueden dividir en puzzles —problemas— más pequeños, para ir resolviéndolos. También, en el mismo párrafo, vemos una alusión implícita a la recursividad, falta la cláusula de parada y la vuelta atrás, pero evidentemente después de armar los puzzles pequeños cada uno hay que ensamblarlo en el puzzle general. Y también habrá que decir en qué nivel habrá que parar y dar marcha atrás.

Pero hay otros procedimientos para abordar tareas complejas que igualmente se pueden considerar como propias de este pensamiento, como son el análisis ascendente, y todo lo que constituye la heurística, el pensamiento divergente o lateral, la creatividad, la resolución de problemas, el pensamiento abstracto, la recursividad, la iteración, los métodos por aproximaciones sucesivas, el ensayo-error, los métodos colaborativos, el entender cosas juntos, etc. que ya veremos en el post siguiente.

Pero ahora sigamos con la definición de pensamiento computacional.

La definición que se considera la más apropiada es la que dió Jeannette Wing , vicepresidente corporativo de Microsoft Research y profesora de Computer Science Department Carnegie Mellon University , que fue quien popularizó el término en su artículo “Computational Thinking. It represents a universally applicable attitude and skill set everyone, not just computer scientists, would be eager to learn and use”, cuyo título es en sí mismo una definición.

Wing dice que el “pensamiento computacional” es una forma de pensar que no es sólo para programadores. Y lo define:

“El pensamiento computacional consiste en la resolución de problemas, el diseño de los sistemas, y la comprensión de la conducta humana haciendo uso de los conceptos fundamentales de la informática”. En ese mismo artículo continúa diciendo “que esas son habilidades útiles para todo el mundo, no sólo los científicos de la computación”.

Pero lo interesante es que en ese mismo artículo describe una serie de rasgos que nos van a ser muy útiles para establecer un corpus curricular para el aprendizaje basado en el pensamiento computacional. Así por ejemplo se dice:

  • En el pensamiento computacional se conceptualiza, no se programa.- Es preciso pensar como un científico de la computación. Se requiere un pensamiento en múltiples niveles de abstracción;
  • En el pensamiento computacional  son fundamentales las habilidades no memorísticas o no mecánicas.– Memoria significa mecánico, aburrido, rutinario. Para programar los computadores hace falta una mente imaginativa e inteligente. Hace falta la emoción de la creatividad. Esto es muy parecido al pensamiento divergente, tal como lo concibieron Polya (1989) y Bono (1986).
  • En el pensamiento computacional se complementa y se combina el pensamiento matemático con la ingeniería.- Ya que, al igual que todas las ciencias, la computación tiene sus fundamentos formales en las matemáticas. La ingeniería nos proporciona la filosofía base de  que construimos sistemas que interactúan con el mundo real.
  • En el pensamiento computacional lo importante son las ideas, no los artefactos. Quedan descartados por tanto la fascinación y los espejismos por las novedades tecnológicas. Y mucho menos estos factores como elementos determinantes de la resolución de problemas o de la elección de caminos para resolverlos.

Etc., etc., etc.

No es objeto de esta entrada hacer un recorrido exhaustivo por estos rasgos, ya quedará para otro tipo de trabajos.

Lo interesante ahora, con ser importante, no es esta perspectiva en sí sino, en el contexto de un análisis y de una elaboración interdisciplinar, ver las implicaciones que tienen estas ideas para una redifinición de un dominio teórico específico dentro de las teorías del aprendizaje. Eso por un lado, y por otro encontrar un currículum adecuado a esos dominios conceptuales para las distintas etapas educativas y para la capacitación de maestros y profesores.

Un dominio teórico específico del pensamiento computacional en las teorías del aprendizaje y un currículum.

En este artículo, hasta aquí, hemos justificado la necesidad de contar con un corpus curricular, en el sentido que da Eggleston (1980) a la expresión, sobre pensamiento computacional y de una relación de habilidades asociadas.

Pero sobre todo es importante plantearlo en el contexto de un análisis y de una elaboración interdisciplinar, ver las implicaciones que tienen estas ideas para una redifinición de un dominio teórico específico dentro de las teorías del aprendizaje. Y desde luego definir descriptivamente en un primer acercamiento un currículum adecuado a esos dominios conceptuales para las distintas etapas educativas y para la capacitación de maestros y profesores.

Esto es lo que en una primera aproximación tratamos de hacer con las limtaciones de un post, pero que sin duda será tratado y ampliado en posteriores documentos con más extensión y documentación. En un primer repaso pues y en la búsqueda correspondiente hemos intentamos conectar con todo lo dicho las conceptualizaciones y modalidades del pensamiento según las teorías del aprendizaje. Así pues hemos encontrado  las siguientes componentes del pensamiento computacional.

esquema cc

Conviene decir que estas componentes no están perfectamente delimitadas ni conceptual ni metodológicamente. No son excluyentes, y según en qué contexto se empleen pueden tener significados distintos. De hecho ni tan siquiera se puede decir que constituyan elementos de una taxonomía o que correspondan a un mismo nivel operativo o conceptual. Es perfectamente posible que en métodos o procedimientos que se cataloguen por ejemplo como resolución de problemas haya elementos de análisis ascendente, o descendente, y es difícil que un análisis descendente no tenga elementos de recursividad.

Análisis descendente.-

La obtención de un método general de resolución, de un  algoritmo, implica un proceso de análisis descendente que puede llevar  al diseño de submétodos de resolución, o bien de módulos de resolución de problemas distintos y auxiliares, o bien a definir acciones concretas,  modelos o funciones matemáticas auxiliares, etc.

Análisis ascendente.-

A la hora de plantear un problema complejo una de las formas de abordarlo es resolver primero los problemas más concretos, para pasar después a resolver los más abstractos. Es decir, vamos de lo más concreto a lo más abstracto. Esta forma de plantearlo recibe el nombre de análisis ascendente.

Hay que ser muy cuidadoso a la hora de elegir este método, está repleto de dificultades, la mayor parte de las cuales consisten en el tiempo que lleva y en que necesita de otro tipo de pensamientos, por ejemplo el pensamiento divergente para orientarse en el camino para llegar al resultado general, abstracto que se desea. Muchas veces hay que situarse primero en un nivel abstracto y de allí seleccionar los problemas concretos que nos ilustran para la resolución del problema general.

Heurística.-

(Esta descripción está prácticamente obtenida de forma literal de Enseñanza Universitaria en línea: MOOC, aprendizaje divergente y creatividad (II) (Zapata-Ros, 2014a))

Habitualmente se define  Heurística como un saber no científico, pero que se aplica en entornos científicos y que se refiere técnicas basadas en la experiencia para la resolución de problemas, al aprendizaje y al descubrimiento de propiedades o de reglas. Los métodos heurísticos no tienen el valor de la prueba sobre los resultados obtenidos con ellos, tienen más bien el valor dela conjetura o de la “regla de oro”,  ni tienen tampoco la garantía de que la solución que se obtiene es  única ni es la óptima. Este saber se obtiene  frecuentemente mediante la observación, el análisis y el registro, como un conocimiento derivado del estudio de los hábitos de trabajo de los científicos (en ese sentido es un arte, una técnica o un conjunto de procedimientos prácticos o informales)  para resolver problemas. Cada uno de los procedimientos que constituyen ese saber es un heurístico.  Así podemos decir que un heurístico es cada una de las reglas metodológicas, no necesariamente formuladas como enunciados formales, en las que se  propone cómo proceder y cómo evitar dificultades para resolver problemas y conjeturar hipótesis. Tiene cada vez más sentido la heurística por dos razones: Para orientar la búsqueda de soluciones en este tipo de procesos y también cuando la búsqueda exhaustiva es poco práctica porque tiene ramas poco probables o porque conducen a soluciones inviables. Entonces los métodos heurísticos son utilizados para acelerar el proceso de encontrar una solución satisfactoria a través de atajos cognitivos, para aliviar la carga de tomar una decisión. Los ejemplos de este método incluyen el uso de una regla de oro , una conjetura , un juicio intuitivo, el Principio de Parsimonia (Navaja de Occan) o ciertos estereotipos (no sociales) que se forman en el devenir de los trabajos de los investigadores o creativos.

También se considera de forma consensuada  que la heurística es un rasgo propio de los humanos. No es un producto original sino derivado otros procesos como son la creatividad y de lo que se conoce  como pensamiento lateral o pensamiento divergente.

La heurística como disciplina  tiene múltiples vertientes. La reclaman los matemáticos, los especialistas en lógica, los psicólogos, los pedagogos e incluso los filósofos. De hecho puede incluirse en todos esos dominios pues responde a algunos de sus objetivos. Sin embargo quien tiene más experiencia y la ha desarrollado más en la resolución de problemas ha sido Polya y en la enseñanza en la que hay que resolver problemas, de la resolución de problemas. No confundir con el aprendizaje o la enseñanza basada en problemas Hablamos de la enseñanza de las matemáticas en diversos niveles.

Según Pólya (1945)  “La heurística moderna trata de comprender el método que conduce a la solución de problemas, en particular Ias operaciones mentales típicamente útiles en este proceso. Son diversas sus fuentes de información y no se debe descuidar ninguna. Un estudio serio de la heurística debe tener en cuenta el trasfondo tanto lógico, como psicológico; no deben descuidarse las aportaciones al tema hechas por autores tales como Pappus, Descartes, Leibniz y Bolzano, pero debe apegarse más a la experiencia objetiva. Una experiencia que resulta. a la vez de la solución de problemas y de la observación de los métodos del prójimo, constituye la base sobre la cual se construye la heurística.”

Así la heurística tiene su base en la sistematización de la experiencia de resolver problemas a partir de cómo lo hacen los expertos. Para ello da una serie de pautas como son: Cómo analizar el problema, concebir un plan, ejecutar el plan y utilizar técnicas recursivas descomponiendo problemas en problemas similares más sencillos.

Pensamiento lateral  y pensamiento divergente.-

El pensamiento lateral (lateral tinquen) es, en expresión introducida por Edward de Bono (1968, 1970 y 1986):

El pensamiento lógico, selectivo por naturaleza, ha de complementarse con las cualidades creativas del pensamiento lateral. Esta evolución se aprecia ya en el seno de algunas escuelas, aunque la actitud general hacia la creatividad es que constituye algo bueno en sí pero que no puede cultivarse de manera sistemática y que no existen procedimientos específicos prácticos a ese fin. Para salvar este lapso en la enseñanza se ha compuesto este libro, que tiene como tema el pensamiento lateral, o conjunto de procesos destinados al uso dé información de modo que genere ideas creativas mediante una reestructuración perspicaz de los conceptos ya existentes en la mente. El pensamiento lateral puede cultivarse con el estudio y desarrollarse mediante ejercicios prácticos de manera que pueda aplicarse de forma sistemática a la solución de problemas de la vida diaria y profesional. Es posible adquirir habilidad en su uso al igual que se adquiere habilidad en la matemática y en otros campos del saber.

En cualquier caso, el “pensamiento lateral” se ha difundido como paradigma dentro del área de la psicología individual y de la psicología social. Es la forma de pensamiento que está en la génesis de  las ideas que no concuerdan con el patrón de pensamiento habitual. La ventaja de este tipo de pensamiento con respecto a cualquier otro radica en evitar, al evaluar un problema, la inercia que se produce en esos casos producida por ideas comunes o comúnmente aceptadas, que limita las soluciones al problema. El pensamiento lateral ayuda pues a romper con ese esquema rígido de pensar y de formularse las ideas en el aprendizaje, y por consecuencia posibilita obtener ideas creativas e innovadoras. El principio contrario es igualmente cierto, estar en un contexto de ignorancia y de prejuicios o de mediocridad inhibe el pensamiento lateral, divergente, y la creatividad.

Polya y Bono estudian los recursos del pensamiento divergente. Estos recursos empleados en educación, insertos en estrategias y métodos educativos, producen unos aprendizajes distintos, constituyen el aprendizaje divergente. Es un aprendizaje que está en el origen y en la práctica de los estudios de las artes y de los oficios, es común en los talleres de los artistas, de los artesanos y de los científicos e investigadores. En general allí donde se produce creación. De esta forma se puede considerar  aprendizaje divergente como aquel que utiliza los recursos del pensamiento divergente.

Creatividad.-

(Esta descripción está prácticamente trascrita del post de RED-Hypotheses Enseñanza Universitaria en línea: MOOC, aprendizaje divergente y creatividad (III) (Zapata-Ros, 2014b))

El pensamiento divergente y el pensamiento convergente son tratados en relación con la creatividad por Mihály Csíkszentmihályi (1998) en su libro Creativity: Flow and the psychology of discovery and invention, traducido y publicado por Paidós como Creatividad: el fluir y la psicología del descubrimiento y la invención (págs. 83 y 84). El libro no es solo un estudio sobre una amplia variedad de comportamientos, hábitos, e ideas de individuos que han realizado aportaciones sustanciales sobre las cuales hay consenso de su carácter creativo, sino que establece un marco epistemológico y teórico de lo que es la creatividad como facultad humana y como fenómeno (un requisito de la creatividad es su validación social).

Csikszentmihalyi, como hemos visto que lo hace Pólya, coincide en que la creatividad no es consecuencia exclusivamente del pensamiento divergente sino de una combinación de ambos pensamientos, el convergente y el divergente, y desde luego sin el primero no podría producirse aunque el insight lo produzca el segundo. Señala que los creativos, “quienes producen una novedad aceptable en un campo, parecen capaces de usar bien dos formas opuestas de pensamiento: el convergente y el divergente.” Éste sería uno de los principales rasgos de la creatividad. EI pensamiento convergente es el pensamiento que sirve para estructurar los conocimientos de una forma lógica y para aplicar sus leyes. Por decirlo de forma simplificada es el  que se mide por los test de CI, y es condición indispensable para establecer modelos donde se resuelven los problemas bien definidos, que tienen soluciones validables, mediante un procedimiento sin ambigüedades. Pero hay otro pensamiento, es el que guía la acción investigadora hacia las soluciones, y sobre todo el que conduce a unas soluciones no convencionales, e implica fluidez y capacidad para generar una gran cantidad de visiones e ideas sobre el problema que se trabaja, para cambiar de unas a otras, y para establecer asociaciones inusuales. Es el pensamiento divergente, como hemos visto. Estas variables —capacidad de orientar la indagación, fluidez, facilidad para generar ideas, para cambiar de marco y para establecer asociaciones inusuales—  son las que se tienen en cuenta y se miden en los test de creatividad, y las habilidades que se trabajan en la mayoría de los talleres de  creatividad.

Pero hay otros factores que también tienen que ver en la forma como se organiza la atención docente. Nos referimos por ejemplo a la valoración de las opciones que se eligen o de las soluciones para los problemas. Es importante que, en un sistema orientado a captar más la creatividad, un alumnos cuyo pensamiento sea fluido, flexible y generador de soluciones originales, tiene más probabilidad de ofrecer creaciones. Por tanto, tiene sentido cultivar el pensamiento divergente en el aula y en talleres y laboratorios. Pero es igualmente importante que exista alguien, un profesor adecuado,  capaz de escoger y orientar hacia la práctica las ideas más apropiadas de entre las que se generan.

Conviene aclarar en este contexto que el objetivo principal de un programa de este tipo no es la generación de novedades, sino crear un clima donde las innovaciones significativas se produzcan, o al menos no sean inhibidas por el propio sistema.

Csikszentmihalyi (1996) lo explica con claridad:

Sin embargo, sigue existiendo la sospecha persistente de que en los niveles más elevados de logro creativo la generación de novedad no es la cuestión principal. Un Galileo o un Darwin no tuvieron tantas ideas nuevas, pero aquellas a las que se aferraron fueron tan fundamentales, que cambiaron la cultura entera. Así mismo, los individuos de nuestro estudio a menudo afirmaban que sólo habían tenido dos o tres buenas ideas en toda su trayectoria profesional, pero que cada idea fue tan fecunda que los mantuvo ocupados durante toda una vida de pruebas, hallazgos, elaboraciones y aplicaciones.

Sin embargo para que estas ideas se produzcan es necesario: Un contexto adecuado donde haya un enlace con el aprendizaje convergente, un contexto que pueda hacer posible que fructifiquen. Es como una huerta, hace falta allanar un campo, labrarlo, abonarlo, regarlo, sembrar, luchar contra las heladas,…para al final recoger la cosecha. Solo que en este caso la cosecha es tan escasa como importante.

Resolución de problemas.-

En realidad el pensamiento computacional es una variante del dominio metodológico que se conoce como “resolución de problemas”. Es una restricción de la resolución de problemas a aquellos problemas cuya resolución se puede implementar con ordenadores. En este caso es muy importante distinguir que los aprendices no son sólo los usuarios de la herramienta, sino que sobre todo se convierten en los constructores y en los autores de las herramientas.

Para eso los alumnos utilizan procedimientos, conjuntos de objetos de conocimiento y conceptos que constituyen dominios que tratamos de forma separada en este escrito. Como son la abstracción, la recursividad y la iteración- Los itilizan para procesar y analizar los datos de cara a crear métodos de resolución de problemas, y crear artefactos reales y virtuales para resolverlos. El pensamiento computacional de esta forma se puede considerar también como una metodología de resolución de problemas que se puede automatizar.

La otra vinculación del pensamiento computacional con la resolución de problemas lo constitye la visión que se puede desarrollar en los alumnos y que se manifiesta en el aula para encontrar soluciones a problemas a través del ordenador. Para esta visión también son importantes elementos de pensamiento que veremos con entidad propia como son el desarrollo de herramientas para resolver problemas por métodos de ensayos progresivos y error y por las posibilidades que tienen los ordenadores para trabajar en “una atmósfera de entender las cosas juntos”.

Pensamiento abstracto.-

Es la capacidad para operar con modelos ideales abstractos de la realidad, abstrayendo las propiedades del os objetos que son relevantes para un estudio. Una vez obtenido el modelo abstracto de la realidad se estudian sus propiedades, se extraen conclusiones o reglas que permiten predecir los comportamientos de los objetos. El pensamiento abstracto por excelencia es el pensamiento matemático, la geometría, etc.

El pensamiento abstracto tiene mucho que ver con la edad del niño, no solo porque según las teorías de Piaget y las de la Psicología genética, consideran que la abstracción es producto del desarrollo, de la maduración cognitiva del niño, sino porque los mecanismos de abstracción son muy distintos según la edad la edad del niño, existiendo desde las primeras etapas. Para un niño de dos años, “el día después del día de mañana” es un concepto muy abstracto. Para un estudiante de la universidad, el día después de mañana es un concepto relativamente concreto, sobre todo si la comparamos con las ideas realmente abstractas o  muy abstractas como son el Teorema de Bayes o el principio de indeterminación de Heisenberg.

Por supuesto, hay muchos niveles de abstracción entre estos dos extremos. Una componente importantísima en el diseño curricular es tener en cuenta el proceso de desarrollo intelectual que supone este proceso: Transitar gradualmente de pensamiento muy concreto al pensamiento abstracto, en función del desarrollo individual y esto tenerlo en cuenta en la presentación de los contenidos y destrezas a desarrollar. Esta cautela tiene que ver mucho con otra cuestión muy frecuente: Considerar lo abstracto como difícil y lo concreto como lo fácil, cuando muchas veces lo que sucede es que se presenta una habilidad o un concepto para ser aprendido en un momento poco adecuado, no por la edad exclusivamente sino sobre todo por las condiciones en que se produce el aprendizaje.

Frecuentemente la capacidad de pensar en abstracto, para diferenciarlo de pensar en concreto, se confunde con la capacidad de transferir lo aprendido a partir de un contexto a otro. Por ejemplo, un estudiante tiene un dominio razonable del pensamiento abstracto si entiende la organización de un texto en clave de ensayo independientemente de que lo aprenda en la asignatura de lengua española y luego sin un aprendizaje adicional pueda aplicar lo aprendido para escribir un ensayo en la asignatura de sociales. También se puede confundir con el pensamiento generativo. El concepto de objeto de conocimiento generativo (Zapata-Ros, 2009) (básico para la comprensión del concepto deGenerative Learning Object (Leeder et al, 2004)) hace referencia a un conjunto de objetos de conocimiento que lo tienen todo en común excepto a lo más unos valores de adaptación o de contextualización, asignables a unos parámetros definidos o decididos por el aprendiz.

Referencias.-

Blikstein,  (2013). Seymour Papert’s Legacy: Thinking About Learning, and Learning About Thinkinghttps://tltl.stanford.edu/content/seymour-papert-s-legacy-thinking-about-learning-and-learning-about-thinking

Bono, E. D. (1968). New think: the use of lateral thinking in the generation of new ideas. Basic Books.

Bono, E. D. (1970). Lateral Thinking. A Textbook of Creativity. Londres: Ward Lock Educational,[1970].

Bono, E. DE (1986):El pensamiento lateral: manual de creatividad. Editorial Paidós.

Csikszentmihalyi, M. (1996). Creativity: Flow and the psychology of discovery and invention.

Csikszentmihalyi, M. (2009). Creativity: Flow and the Psychology of Discovery and invengtion. Harper Collins.

Csikszentmihalyi, M. (1998). Creatividad: el fluir y la psicología del descubrimiento y la invención. Ed. Paidós.

Eggleston, J. (1982). Sociología del currículum. Ed. Troquel. Buenos Aires.

Koch, T., & Denike, K. (2009). Crediting his critics’ concerns: Remaking John Snow’s map of Broad Street cholera, 1854. Social science & medicine69(8), 1246-1251.http://www.albany.edu/faculty/fboscoe/papers/koch2009.pdf

Leeder, D., Boyle, T., Morales, R., Wharrad, H., & Garrud, P. (2004). To boldly GLO-towards the next generation of Learning Objects. In World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education (Vol. 2004, No. 1, pp. 28-33).

Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books, Inc. http://www.arvindguptatoys.com/arvindgupta/mindstorms.pdf

Pólya, George (1945). How to Solve It. Princeton University Press.

Pólya, G. (1989). Como plantear y resolver problemas Ed. Trillas. (Primera edición 1965)

Raja, T. (2014). We can code it!. http://www.motherjones.com/media/2014/06/computer-science-programming-code-diversity-sexism-education.

Washington, US Congress of Technology Assessment, OTA CIT-235 (April 1984). Computerized Manufacturing Automation: Employment, Education and the Workplace, page 234. http://ota-cdn.fas.org/reports/8408.pdf

Wing, J.M. (March 2006). Computational Thinking. It represents a universally applicable attitude and skill set everyone, not just computer scientists, would be eager to learn and use. COMMUNICATIONS OF THE ACM /Vol. 49, No. 3. https://www.cs.cmu.edu/~15110-s13/Wing06-ct.pdf

Zapata-Ros, M. (2014a). Enseñanza Universitaria en línea: MOOC, aprendizaje divergente y creatividad (II).RED-Hypotheses. http://red.hypotheses.org/416

Zapata-Ros, M. (2014b). Enseñanza Universitaria en línea: MOOC, aprendizaje divergente y creatividad (II).RED-Hypotheses. http://red.hypotheses.org/427

Zapata-Ros, M. (2009): Objetos de aprendizaje generativos, competencias individuales, agrupamientos de competencias y adaptatividad . RED. Revista de Educación a Distancia, número monográfico X. Consultado (DD/MM/AA) en http://www.um.es/ead/red/M10. Pág. 5.

 

Los grupos estratégicos en la Sociedad Postindustrial del Conocimiento (II)

Esta entrada es la continuación de otra donde comenzamos el tema hablando de la Sociedad Postindustrial del Conocimiento como marco de los grupos estratégicos. Incluso en ella comenzamos con el desarrollo del segundo punto, los grupos estratégicos, que ahora repetimos en sus primeros párrafos.

2. La teoría de los Grupos Estratégicos

El mundo del poder, de la política, de las relaciones internacionales, está fuertemente afectado por estos cambios. Como es de suponer, debido a la naturaleza de las cuestiones de poder y de influencia que se tratan, y por los intereses en juego,  todo se mantiene en un plano discreto. Por esta misma razón los medios de comunicación, que forman parte del sistema, se abstienen de desentrañar este entramado de hechos y de relaciones, salvo conflicto y también por razones estratégicas. A pocos les interesa investigar de forma transparente, y sobre todo que los resultados sean explícitos, salvo para influir la investigación de los otros, y por ende para orientar a la opinión pública, en un sentido interesado. En general, como veremos, solo intervienen para hacer marketing de ideas, que predisponga a la opinión en un sentido acorde con una estrategia. Y lo hacen con las poderosas herramientas que se ponen en juego para crear estado de opinión pública en los países desarrollados y en sus democracias.

Evers, tomando como referencia dos áreas y dos países donde ha desarrollado sus investigaciones —Indonesia y Malasia [1] — como escenario de interacciones de grupos internacionales, ha desarrollado una teoría con una gran consistencia: La Teoría de los Grupos Estratégicos (TGE). En lo que sigue la analizaremos tomando como referencias hechos y sucesos a los que se puede acceder por los medios de comunicación.

Así veremos en primer lugar el estado del arte y el estado de debate en esa teoría, una aproximación a la definición y a los rasgos que caracterizan los GE, en qué consiste la acción estratégica, en qué condiciones o qué debe pasar para que se formen GE, líneas y principios de acción de los GE, el papel de los expertos, crítica y líneas de desarrollo y de evolución y conclusiones para la práctica.

Hay una constancia, basada en el consenso entre estos autores, en la insuficiencia de las grandes teorías, y en general de las teorías existentes, para explicar, o ni tan siquiera para modelizar en sus esquemas, los cambios que se producen. Faltan referencias básicas. Las teorías existentes se basan en unos supuestos sobre la producción y la circulación de mercancías y sobre los servicios, que a su vez funcionan sobre unos esquemas estables de la naturaleza de mercancías, bienes y valores.

Lo más probable es que, como respuesta a estos cambios, aparezcan nuevas teorías explicativas de los fenómenos asociados a los nuevos escenarios.

En cualquier caso una consecuencia inmediata es la constancia de que, ante la insuficiencia de referencias conceptuales y epistemológicas, así como ante la ausencia de teorías y modelos, ha pasado el tiempo de las ortodoxias dogmáticas consistente en tomas patrones de pensamiento indiscutidos de forma acrítica y es inevitable aceptar que existen distintos y nuevos modos controversiales de pensar.

En esta situación surgió la teoría de los grupos estratégicos, como reacción a las dos “grandes teorías”: Por un lado se dirigía en contra de la teoría de la modernización, que postulaba un desarrollo rectilíneo desde una sociedad aparentemente tradicional e inmóvil hacia un orden moderno (Weber). Por el otro lado cuestionaba la teoría  de Marx basada en el progreso por la superación dialéctica de la lucha de clases sociales, que también consideraba inevitable un desarrollo claro desde una sociedad feudal y burguesa a una socialista. Faltan en todos los casos las referencias concretas en los contextos de la sociedad del conocimiento a estos constructos teóricos que de esta forma quedan obsoletos.

Según la teoría de los grupos estratégicos, los itinerarios históricos del desarrollo y, de forma implícita, las posiciones y las condiciones  iniciales del desarrollo, son distintos de un país, de un área e incluso de un sector económico, social o cultural a otro. La historia no es un proceso que transcurre inevitablemente y según leyes definidas, generales e invariantes, sino que se conforma en cada momento y en cada situación mediante las actuaciones estratégicas de grupos y organizaciones. El análisis de las interacciones de estos grupos y de los resultados, frecuentemente no intencionados, del actuar estratégico constituyen el dominio de estudios de la teoría de los grupos estratégicos. Que de esta forma se constituye en una modalidad de análisis con metodologías propias y, como en cualquier otra ciencia, con un carácter inferencial.

Los cambios introducidos por la Sociedad del Conocimiento coexisten con la estructura social, cultural, imperante de forma ancestral en extensas áreas  de África, Oriente Medio, Latinoamérica y Asia. Que se caracteriza por una complejidad que las hace radicalmente diferentes de la estructura social imperante en los países que se han desarrollado en la era industrial.

En estas áreas existen subsistemas de ‘economía, sociedad y política’ que aún no están suficientemente diferenciados, sino que constituyen un todo integrado.

Y por otra parte, sin embargo, existen con plena vigencia y emponderamiento límites étnicos, culturales, de poder y religiosos en todos los niveles, que actúan como factores determinantes de la estructura social. De manera que constituyen un sistema caleidoscópico y complejo, que es el que determina las relaciones y equilibrios sociales. De esta forma un elemento extraño, como puedan constituirlo elementos procedentes de la sociedad del conocimiento, rápidamente pueden modificar elementos básicos del equilibrio y determinar inestabilidades conflictivas para ellos y para el equilibrio global.

La TGE se nos presenta pues como un método de análisis de este tipo de procesos de desarrollo a largo plazo, método que en principio debería hacer posible un análisis empírico de las sociedades en desarrollo en el contexto de una teoría social. Así pues el objetivo de la TGE es estudiar el origen, el crecimiento y la desintegración de los grupos estratégicos como procesos a largo plazo, así como las configuraciones dinámicas de cooperación y de conflicto entre grupos estratégicos (Evers y Schiel, 1988, pág. 13).

En las sociedades desarrolladas hay diferencias de clase, sin embargo donde tradicionalmente han sido estas diferencias operativas, en sociedades delimitadas por razones de poder y de comunicación, ha sido en las sociedades en vías de desarrollo. En este caso las diferencias entre pobres y ricos son enormes y el acceso a los recursos materiales es sumamente desigual. Los diferentes estratos sociales así como los procesos de su formación son claramente visibles. Sin embargo en estas sociedades, en los conflictos a los que hemos asistido (Magreb y mundo árabe, Ucrania, etc., en casos extremos, pero también en Latinoamerica, y entre los grupos sociales y económicos que les apoyan en Europa y en américa también), las líneas de fractura de los conflictos sociales raras veces se producen en forma paralela o coincidente con las líneas que delimitan los estratos y las clases sociales, sino que transcurren verticalmente a ellas. Se producen atendiendo, a nivel micro, a las relaciones de padrinazgo y de clientelismo. Y nos delimitan el tipo de esquemas de relaciones que configuran los grupos estratégicos, más allá de los límites de las capas sociales). Cuando pasamos a nivel social macro en los países o global estas líneas de influencia nos representan los grupos estratégicos trasnacionales.

En la TGE, tal como la estudia Evers, el análisis concluye en este punto. Sin embargo hay razones para pensar y se podría investigar que igual que sucede con las líneas de delimitación de las capas y clases sociales sucede con las determinaciones de otro tipo: nacionales, étnicas, religiosas, de políticas sociológicas (de posición ante el papel social del género o del sexo, etc.) e incluso de  delimitación ideológica. Se podría decir de esta forma que la ideología ha dado paso a la estrategia y se ha subordinado a ella.

Qué son los grupos estratégicos

Evers vincula los grupos estratégicos a la integración en el contexto de la economía mundial, la globalización, la introducción de la economía de mercado y muchos otros factores en los países en vías de desarrollo. En los procesos de creación de nuevos recursos y en la apropiación de ellos. Ahí es donde ciertos grupos descubren intereses comunes. De este modo, los cuasi-grupos pasan a ser “grupos estratégicos”, desarrollando estrategias para la apropiación y el aseguramiento de estos recursos.

Sin embargo este mismo proceso se ha manifestado como igualmente útil o viable en entornos híbridos en países industrializados y en países en vías de desarrollo al operar sobre bienes mucho más fluidos como son los bienes del conocimiento.

Lo que define pues a los grupos estratégicos son los intereses comunes que cohesionan a los individuos, y que suelen ser intereses comunes por el mantenimiento y la ampliación de sus posibilidades comunes de apropiación.

Evers (2001) señala que estas posibilidades de apropiación se refieren tanto a bienes materiales como a influencia o poder. Sin embargo se podría decir que en la Sociedad del Conocimiento tienen más valor las apropiaciones de bienes del conocimiento, su génesis, así como la gestión del conocimiento, su acceso y su circulación. Básicamente no se trata tanto de detentar el poder como de la capacidad de influir en las decisiones sin asumir el riesgo o el desgaste que supone el ejercicio del poder.

El procedimiento sustancialmente es el mismo en todos los casos y caracteriza a estos grupos. En un primer momento determinados grupos, expertos singulares u organizaciones desarrollan un programa a largo plazo con el fin de mantener o de mejorar, exclusivamente su posición para la apropiación. Es decir, lo secundario son los objetivos sociales, o lo son en la medida en que contribuyen al plan estratégico. Este plan es aceptado o rechazado  por los jefes activos y los miembros operativos del grupo estratégico. Para ello se requieren canales de comunicación interactiva. En un segundo lugar se da paso al resto de miembros del grupo estratégico para que, en su ámbito de influencia y de acción, desarrollen las acciones pertinentes a los planes estratégicos establecidos y eventualmente también interactúen, de manera que cubran al grupo estratégico en su totalidad. La cohesión de estos grupos estratégicos, en este nivel,  por tanto no necesita caracterizarse por una interacción intensiva, sino por la aceptación de un programa común de estrategias. De esta forma las diferencias de rango y de estatus dentro del grupo estratégico son irrelevantes, pasan a segundo plano, por la salvaguardia de los intereses comunes.

Cabe preguntarse llegados a este punto qué papel juegan las  organizaciones de poder ya existentes como las burocracias administrativas o funcionariales, las de los partidos, en los países no desarrollados el papel de las fuerzas armadas, los grupos profesionales con influencia social como son los profesores, los referentes religiosos como los monjes budistas o los imanes islámicos, o los gerentes y empleados de grandes empresas. Cómo se insertan y se estructuran con este tipo de programas y organizaciones estratégicos. Cabe pensar que el carácter obsoleto de estas organizaciones y de sus mecanismos de cohexion son inoperantes, en las actuales condiciones, frente a la cohexión y al pragmatismo de los grupos estratégicos comunicados y cohexionados de forma interactiva. Si bien cada uno de estos individuos se encuentra aislado, en un momento determinado pueden vincularse al desarrollo de uno de estos programas y, en su conjunto, pueden conformarse como grupo estratégico, viéndose comprometidos, independientemente de su posición social, con el mismo programa y la misma estrategia.

Acción estratégica

La  variedad de programas estratégicos posibles a desarrollar no tiene límites, la única condición es que en ese programa se puedan integrar acciones estratégicas que beneficien al grupo. En ese sentido se pueden crear visiones de configuraciones sociales ideales, de manera que el programa estratégico sea tendente a conseguirlo en una óptica asumible por un sector lo suficientemente amplio o relevante de la población.

Evers señala ejemplos de programas estratégicos (siempre referidos al ámbito de sus investigaciones), como la introducción de la economía de mercado o la monopolización, el aumento o la reducción de impuestos, la creación de una determinada alternativa política y el apoyo a un proceso de democratización, la desregulación de la economía y la integración en el mercado mundial, el mantenimiento o la ampliación de las funciones políticas de los militares.

A éstas podríamos añadir la creación y generación de fuentes energéticas alternativas,  la segregación o la creación de una nueva entidad estatal o nacional, o simplemente la tendencia a ella, muchas veces la consecución de los objetivos finales es accesorio y secundario frente a las acciones estratégicas concretas. En otro sentido puede ser por ejemplo la tecnologización de un servicio, como pueda ser la educación, donde lo interesante para el grupo puede ser la venta masiva de un determinado implemento tecnológico.

Un caso típico, que ha sido objeto de estudio y de desarrollo es el de los MOOC (Masive Open Online Courses). Inicialmente se plantearon como una iniciativa altruista y disruptiva del modelo vigente de universidad. A través de ellos los alumnos podrían acceder de forma abierta y gratuita desde cualquier lugar del mundo a los cursos de más calidad, impartido por las primeras autoridades científicas en las universidades más prestigiosas. Varias fueron las promesas que han conseguido un autobombo nunca igualado por otra iniciativa de docencia universitaria. Como negocio no tenía demasiado sentido. No se veía la ganancia o el beneficio por ninguna parte. Estábamos en  presencia de un caso típico de “visiones” o “imágenes de futuro” que aseguran un horizonte de salvación (el acceso universal y gratuito a una educación de la máxima calidad con títulos otorgados por las universidades más prestigiosas con los mejores profesores. Todos se preguntaban, no públicamente — otra característica de este tipo de situaciones es la acriticidad de los participantes y del público “beneficiado” — cual es el “modelo de negocio” (algunos osaban decir que era un negocio de las llamadas “innovaciones disruptivas” en el sentido Christensen (2012 y 2013).

Sin embargo y según sus propias declaraciones, primero de Thrun en Fast Company y después en declaraciones de Ferstein sobre la OED, se pone de manifiesto que se trata de un doble estrategia:

Primero en los MOOCs subyace una alianza de universidades y empresas empleadoras para obtenes profesionales seleccionados con unos títulos completamente similares alos convencionales que estas universidades imparten:

El 3 de Mayo de 2014 se materializan los cambios en Udacity anunciados por Thrun. Nos referimos (Zapata-Ros, 2014) a lo declarado por SebastiamThrun en Fast Company glosado en el artículo “El punto de inflexión de los MOOCs” y las características de los nuevos cursos de Udacity de los que el OMC SC es el prototipo.

El curso que hemos señalado de Georgia Tech es un ejemplo de la nueva línea iniciada por Udacity a partir de las declaraciones de Thrun en Fast Company. Esta nueva línea se materializa en la Open Education Alliance (OEA) donde:

– los cursos no son MOOCs sino programas de formación para quitar la brecha que existe entre la formación universitaria y las necesidades que tiene la empresa de nuevos profesionales, cuyos perfiles se adapten a sus necesidades. Esto se suponía que era una de las principales causas de crisis de la universidad y que estaba detrás de los MOOCs:

“…es una alianza de los empleadores y los educadores al servicio de los estudiantes de todo el mundo en toda la industria. Proporciona acceso a vanguardia y la educación post-secundaria relevante que empodera a las personas para perseguir una carrera exitosa en la tecnología.”

– Urdacity, como plataforma de universidades, participa en este proyecto junto con Google, Khan Academy y otras grandes empresas.

– Se conserva la denominación de los MOOCs, porque es una iniciativa dirigida a alumnos de todo el mundo, y el nombre de “Educación Abierta”(¿?), pero como hemos visto, en el curso Online Master of Science in ComputerScience (OMS CS), la matrícula es de casi 700$  y se exige la licenciatura como condición de acceso:

“La admisión en el programa de OMS CS requerirá una licenciatura en ciencias de la computación de una institución acreditada, o una licenciatura en ciencias relacionadas con una posible necesidad de realizar y aprobar cursos de recuperación. Georgia Tech se encargará del proceso de admisión a licenciatura.”

además de otros requisitos de acceso (Georgia Tech College of Computing, 2013).

–  Sobre diseño instruccional, metodología docente, evaluación, y demás características pedagógicas, nos remite a los cursos habituales de la universidad:

El OMS CS (y como él los nuevos cursos) ofrecerá contenidos educativos completamente a través del formato en línea masivo (plataforma MOOC Urdacity). Esto significa que será diferente de la versión residencial MS CS (Cursos presenciales de Georgia Tech), en algunos aspectos, como la estructura de la entrega y evaluación de los alumnos.

Pero, y esto es lo importante,

(…) la experiencia tendrá el mismo rigor que en el formato de campus.

Y segundo:

No es un horizonte con una configuración social ideal, se ha creado una  visión de configuraciones sociales ideales (acceso universal gratis a la mejor educación universitaria) de manera que el programa estratégico se haya visto como tendente a conseguirlo en una óptica asumible por un sector lo suficientemente amplio o relevante de la población.

En realidad se trata de establecer un marco donde, ante todas las oportunidades de tener acceso a recursos, explicaciones enlatadas, etc., sobrevivan aquellos más dotados con competencias naturales para la materia (talentos) o de aprendizaje autónomo. Eso es lo que se desprende de estos párrafos de Gregory Ferenstein (Sep 9, 2013) en Tech Titans And Online Education Orgs Team Up With The Open Education Alliance:

Hay una serie de escenarios donde la OEA podría tener un impacto a corto plazo. Por ejemplo, Google ha comenzado a des-priorizar la importancia otorgada a un grado de la universidad en el proceso de contratación, de esta forma si un estudiante ha tomado un curso de la Universidad de Stanford en un asunto reconocido por la OEA como adecuado o prestigiosos, Google podría darle más peso en una entrevista.

Otro ejemplo: hay un montón de estudiantes brillantes de todo el mundo que sólo tienen acceso a los cursos a través de Udacity o Khan Academy; la Alianza OEA permitiría a estos prodigios, por primera vez, para demostrar su talento a las empresas de tecnología, tomar cursos y obtener certificados de los proveedores de educación en línea.

La OEA tiene la intención de ayudar a las universidades a ser más relevantes desde el punto de vista profesional y también de ayudar a aquellos que no tienen acceso a las universidades tradicionales y aún así obtener una oportunidad de éxito.

La OEA va a crear (esperemos) una nueva meritocracia en la educación superior (Ferenstein, Sep 9, 2013). Cada estudiante tendrá la oportunidad de demostrar sus talentos y cualquier proveedor de educación tendrá la oportunidad de desarrollar planes de estudios que sean conocidos por producir trabajadores innovadores.

De esta forma éstas y otras acciones o secuencias de acciones de este tipo constituyen  estrategias operativas que se integran y relacionan con un proyecto de desarrollo social de alcance a largo plazo. Las “visiones” o “imágenes de futuro”, tienen la naturaleza que las hace concebir por amplios sectores de la población, a través de los medios y de las interacciones como esperanzas, así sentidas, de salvación. Estos proyectos sociales son cuidadosamente armados y elegidos del pool de opciones disponible en todo el mundo o de las que incluso se generen por el propio grupo.

La acción y las estrategias de los grupos sólo son posibles, por su propia naturaleza, si los grupos no son únicos ni como sucede frecuentemente tampoco son hegemónicos. Los programas estratégicos solo son factibles en combinación con otros programas estratégicos de otros grupos del mismo área en un país o de otro país o comunidad. Solo tienen sentido en un juego de equilibrios con otras fuerzas. Contrariamente a lo que sucede a otros grupos de poder que buscan la hegemonía. Tiene sentido pues en la medida que constituyen la pieza clave en el juego de fuerzas de todos los grupos estratégicos de una sociedad.

Como consecuencia en la dinámica de los grupos estratégicos son básicas dos estrategias de acción:

  • La coalición, es decir, la cooperación con otros grupos estratégicos y
  • La hibridización, es decir la ampliación de las estrategias de apropiación hacia nuevas áreas, con la mezcla con otros grupos. Muchas veces la concurrencia de acciones les situa en un terreno privilegiados para la acción. En el caso de los MOOC empresas como Google o Microsoft están creando sus propios cursos e incluso universidades, y al revés MIT creando plataformas tecnológicas para MOOC.

 Condiciones para la formación de grupos estratégicos y acceso a ellos.-

En su análisis Evers (Evers y Schiel, 1988) llega a la conclusión de que coherentemente con su naturaleza, los grupos estratégicos se forman típicamente donde se abren nuevas perspectivas de apropiación. Y señala varias circunstancias:

  • En los casos donde se produce la introducción de nuevas tecnologías, o medios de producción y trabajo inducidos por la tecnología del conocimiento.
  • Cambios en la economía mundial,
  • Y sobre todo por la aparición de nuevos patrones de legitimación, social, política, teológica, religiosa u otros.

Las inevitables divergencias de intereses entre los diferentes grupos estratégicos pueden escalar y llevar a conflictos virulentos. Esto fortalece la unidad dentro de un grupo, o más bien que esto lo que favorece la cohesión es la concordancia („compliance“) de los miembros con los objetivos del grupo definidos en su programa que se produce como consecuencia. Para asegurar los recursos también se limita frecuentemente el acceso al grupo estratégico, lo que a menudo tiene como consecuencia, según este análisis, una reducción de las tasas de movilidad social, al menos en cuanto al cambio de un grupo estratégico a otro o al acceso social de ciertas partes de la población, que no pertenecen a un determinado grupo estratégico. Un ejemplo que se cita es el que se produce  en el ingreso a la burocracia estatal, que se puede restringir y limitar, fomentando sólo la entrada de hijos de funcionarios, mientras que para otras personas queda bloqueada la actividad más o menos lucrativa como funcionario del Estado.

En la estrategia de apropiación y de formación  de los grupos estratégicos es sumamente importante la secuencia que lleva a su aparición y la del despliegue de su poder. Un grupo que ha impuesto su programa en una sociedad también puede defenderlo a largo plazo. Es  decir, los grupos que se desarrollan más tarde al menos tienen que actuar inicialmente en un sistema político, legal o económico determinado por otro. Un grupo estratégico, que en virtud de su acción estratégica modifica el entorno económico, legal político o social según sus propios intereses, también establece nolens volens los parámetros que condicionan las probabilidades de los grupos de aparición más tardía. La hegemonía de un grupo puede determinar durante largo tiempo el sistema político y económico. Evers cita como ejemplo “Si las fuerzas armadas se han establecido como poder político y fijado las reglas del juego de la política, entonces también será difícil llegar a establecer la liberalización del sistema económico”.

Especial importancia cobra en este marco el acceso a la cooperación para el desarrollo como recurso estratégico

En este contexto, el sistema cultural de valores de cada área, región o país tiene gran importancia, porque en definitiva es lo que determina qué es lo que se considera valioso. En muchos países en desarrollo el acceso a las instituciones internacionales, o de terceros países, de ayuda al desarrollo y a los recursos que éstos ponen a disposición de las comunidades locales llega a tener gran importancia como recurso estratégico como recursos para el desarrollo. Con frecuencia estallan luchas feroces para establecer qué grupos locales pueden llegar a ser las contrapartes en futuras negociaciones o en acuerdos, los administradores, distribuidores o beneficiarios de los fondos de desarrollo disponibles. Lo normal en estos casos es que los vencedores en estas situaciones de competencia no sean los que deciden las instancias donantes, sino por la propia dinámica de los grupos estratégicos en liza.

Hasta aquí lo que en este adelanto del tema podemos ofrecer. Quedan por desarrollar puntos como:

La crítica y los nuevos enfoques para esta teoría

El papel de los expertos como grupo estratégico

La teoría de los grupos estratégicos como teoría de la práctica

Y por último, como aplicación a un caso de este análisis, presentaremos a La Open Education Alliance (OEA) como un ejemplo de grupo estratégico en la política de Obama.


[1] La teoría de los grupos estratégicos la desarrolla Evers a partir de los análisis realizados en Indonesia y Malasia (Evers, 1987) (Evers, 2003) (Evers, Nordin & Nienkemper, 2010) y está reflejada básicamente en el documento Knowledge is Power: Experts as a Strategic Group. Hans-Dieter Evers and Solvay Gerke, 2005.

Referencias.-

Bell, D. (1964). Twelve modes of prediction: a preliminary sorting of approaches in the social sciences. Daedalus, 845-880.

Bell, D. (1968) The measurement of knowledge and technology, in Eleanor B. Sheldon and Wilbert E. Moore (eds), Indicators of Social Change. Concepts and Measurements. Hartford, Conn.: Russell Sage Foundation.

Bell, D. (1973). The coming ofthe post-industrial society. In The Educational Forum.

Bell, Daniel (1976). The coming of Post-Industrial Society A  venture in social forecasting, Harmondsworth, Peregrine.

Bell, D. (1992) The coming of post-industrial society; a venture in social forecasting. – New York, Basic Books [1973]. – xiii, 507 p. illus. 25 cm. [traducción: Advenimiento de La Sociedad Post-Industrial . – Alianza.

Christensen, C. M. (2012) Disruptive innovation.  Consultado el 29/05/2014 en  Accedido en http://www.christenseninstitute.org/key-concepts/disruptive-innovation-2/ el 01/08/14.

Christensen, C. M. (2013). The innovator’s dilemma: when new technologies cause great firms to fail. Harvard Business Review Press.

Drucker, Peter F. (1969) The age of discontinuity

Drucker, Peter F. (1994) Postcapitalist Society, Nueva York: Harper Business

Durkheim, E. (2013). Professional ethics and civic morals. Routledge.

Evers, H. D. (1987). The Bureaucratization of Southeast Asia. Comparative Studies in Society and History29(04), 666-685. http://journals.cambridge.org/action/displayAbstract?fromPage=online&aid=4415744&fileId=S0010417500014833

Evers, H-D., (2000a) Working Paper No 335 Culturas Epistemológicas: Hacia una Nueva Sociología del Conocimiento[1]

Evers, Hans-Dieter, 2000b, “Globalisation, Local Knowledge, and the Growth of Ignorance: The Epistemic Construction of Reality”, Southeast Asian Journal of Social Science, 28,1: 13-22

Evers, Hans-Dieter, 2000c, “Die Globalisierung der epistemischen Kultur: Entwicklungstheorie und Wissensgesellschaft”, en: Ulrich Menzel (ed.), Vom Ewigen Frieden und vom Wohlstand der Nationen. Dieter Senghaas zum 60. Geburtstag. Frankfurt a. M.: Suhrkamp

Evers, H. D. (2003). Transition towards a knowledge society: Malaysia and Indonesia in comparative perspective. Comparative Sociology, 2, 355-374. http://www.zef.de/module/register/media/c67f_Evers2003-Transition.pdf

Evers, H. D. y  Schiel, T. (1988). Strategische Gruppen. Vergleichende Studien zu Staat, Bürokratie und Klassenbildung in der dritten Welt. Berlin, Dietrich Reimer.

Evers, Hans-Dieter and Solvay Gerke (2005). Knowledge is Power: Experts as Strategic Group.

Evers, H. D., Nordin, R., & Nienkemper, P. (2010). Knowledge cluster formation in Peninsular Malaysia: The emergence of an epistemic landscape. http://mpra.ub.uni-muenchen.de/25845/

Lane, R. E. (October 1966) The Decline of Politics and ideology in a Knowledgeable Society, American Sociological Review, vol. 21, num. 5.

Luhmann, N. (1988). Die Wirtschaft der Gesellschaft, Frankfurt.

Narr, W. D. (1979). Toward a society of conditioned reflexes’. Observations.

NARR, Wolf-Dieter. “Toward a Society of Conditioned Reflexes”. In: HABERMAS, Jürgen (Ed.). Observations on “The Spiritual Situation of the Age”. Translated by An-drew Buchwalter. Cambridge: The MIT Press, 1987.

Reigeluth, C. M. (2012). Instructional Theory and Technology for the New Paradigm of Education. RED, Revista de Educación a Distancia. Número 30. 15 de mayo de 2012.[En prensa] Consultado el [dd/mm/aaaa] en http://www.um.es/ead/red/32/

Rueschemeyer, D. (1986). Power and the Division of Labour. Stanford University Press.

Stehr, N. (1994). Knowledge Societies. Sage Publications.

 

Los grupos estratégicos en la Sociedad Postindustrial del Conocimiento (I)

SONY DSCIntroducción.-

A la hora de escribir el libro “Los MOOC en la crisis de la Educación Universitaria.: Docencia, diseño y aprendizaje” ha sido inevitable, de forma tangencial, tratar un tema de máxima importancia en el contexto de la Sociedad del Conocimiento, son los grupos estratégicos. Y por supuesto, una vez en este tema, también es ineludible profundizar en la Teoría de los Grupos Estratégicos.

Estos asuntos los estamos tratando por otro lado en el contexto de la Sociedad Postindustrial del Conocimiento, como marco en el que se organiza la nueva educación y los nuevos métodos que favorecen el aprendizaje en los entornos conectados. En primer lugar como contenidos de dos asignaturas del Máster Universitario, que imparto en la Universidad de Alcalá desde hace varios años, Pero también en una publicación titulada “La Sociedad Postindustrial del Conocimiento. Un enfoque multidisciplinar desde la perspectiva de los nuevos métodos para organizar el aprendizaje” que está en revisión.

Constituye este tema, la teoría de los grupos estratégicos, el núcleo de esta entrada y un capítulo del nuevo libro que sobre la Sociedad Postindustrial del Conocimiento estoy escribiendo y que aparecerá publicado en breve.

Para situar la cuestión es preciso hablar de la nueva sociedad. Y ese es el primer punto que abordamos, utilizando para ello en esta parte fragmentos de lo publicado en el citado trabajo, que constituye además parte del material que utilizan mis alumnos del máster.

1. La Sociedad del Conocimiento

La dificultad radica, no en las ideas, sino en escapar de las viejas ideas, que se ramifican, como consecuencia de la educación que hemos recibido la mayoría de nosotros, por todos los rincones de nuestra mente.(JM Keynes, Teoría General del Empleo, Interés y dinero)

Uno de los primeros autores que utiliza el término ‘sociedad del conocimiento’ es Robert E. Lane (1966:650). Lo  justifica en función de la creciente relevancia que adquiere el conocimiento científico en la  sociedad. De esta forma podemos considerar que esta  aproximación conceptual es una primera definición.

Según ella, en la Sociedad del Conocimiento, sus miembros:

  1. Tienen interés por investigar la causa de sus creencias sobre el hombre, la naturaleza y la sociedad.
  2. Se guían (quizás solo de forma implícita o supuesta)  por las normas objetivas de la realidad verificable, y atribuyen valor ellas. Y utilizan, en los niveles superiores de educación, las reglas científicas de evidencia e inferencia en la investigación.
  3. Consideran socialmente justo y necesario que se dediquen considerables recursos a este tipo de investigaciones y por lo tanto que existan grandes almacenes de conocimientos (en la actualidad podríamos añadir que sean accesibles).
  4. Recogen, organizan e interpretan sus conocimientos en un esfuerzo constante para extraer el significado y para aplicarlo a fines de utilidad práctica.
  5. Utilizan este conocimiento para interpretar con sus recursos intelectuales, para justificar y quizá modificar sus valores y metas, así como para avanzar hacia ellos. También se puede decir con carácter general que, de igual forma a como la sociedad “democrática” tiene un fundamento en las relaciones gubernamentales e interpersonales, y la “sociedad industrial y de comercio tiene su fundamentación en la economía, la sociedad del conocimiento tiene sus raíces en la epistemología y en la lógica de la investigación científica.

Ésta puede constituir pues una primera definición relevante de lo que es la sociedad del conocimiento: Aquella cuyos individuos cumplen las funciones señaladas.

En definitiva, la concepción que tiene Lane de la existencia de una sociedad del conocimiento está ligado estrechamente a la vislumbrada en esa época, la década de los sesenta, como una visión optimista de la ciencia que puede resolver multitud de problemas sociales de igual forma que la lógica científica se ha mostrado en otros órdenes de resolver problemas en otros órdenes (salud, alimentación, etc.). Se piensa que se puede sustituir, como elemento regulador de la sociedad, al sentido común por la razón científica, dentro de una visión optimista. Y también ese papel de regulación puede jugarlo en la conducta individual y en las relaciones interindividuales. Como Lane destaca en su definición “los miembros de la sociedad del conocimiento son guiados en su conducta, aunque sólo sea inconscientemente, por las normas de la “verdad verificable”.

Otra alusión notable la hace Peter Drucker (1969) en “La era de la discontinuidad”. Emplea el término sociedad del conocimiento, describe los cambios que se producen, pero no le otorga al conocimiento  el papel  de centralidad que le confieren los otros autores. La tesis general que se presenta en su libro coloca el conocimiento “como elemento central de nuestra sociedad y como el fundamento de la economía y la acción social”. No es evidente, sin embargo, que se atribuyan los cambios al principio de conocimiento (knowledge principle), o que sean inducidos por él.

Bell (1968: L98) ya utiliza el término anteriormente, pero en un contexto o en un sentido ligeramente distinto (no señala el factor de la discontinuidad),  indica que la sociedad post-industrial es claramente “una sociedad del conocimiento en un doble sentido: Primero, las fuentes de innovación son cada vez más derivadas de la investigación y de su desarrollo (y se produce de forma más directa, es una nueva relación entre la ciencia y la tecnología debido a la centralidad del conocimiento teórico), y en segundo lugar, el “peso” de la influencia del conocimiuento es cada vez mayor en la sociedad. Si medimos el peso por  una mayor proporción del Producto Nacional Bruto y una mayor proporción del empleo.”

Sin embargo la primera aportación verdaderamente significativa a lo que es  la sociedad del conocimiento como hecho y concepto diferenciado la hace Daniel Bell.

Aunque declara que es la designación que él prefiere, en ocasiones utiliza el concepto de sociedad del conocimiento de manera intercambiable con la noción de “sociedad postindustrial”. Esta será una constante en los planteamientos que hacen los teóricos , que incluso aparece en los recientes trabajos de Reigeluth (2012) que las utiliza indistintamente. Así Bell dice que “la sociedad post-industrial está claro que es una sociedad del conocimiento” (Bell, 1973a:212). La justificación básica de esta equivalencia es, por supuesto, que “el conocimiento es un recurso fundamental de la sociedad post-industrial”. Como cuestión de hecho, Bell (1973a: 37) indica que podría haber sustituido la expresión “sociedad del conocimiento” por  “sociedad post-industrial”, estableciendo con ello la idea de ruptura y la idea de paralelismo. También podría haber utilizado la expresión de  “la sociedad intelectual” (Bell, 1964:49 ), para indicar los aspectos más sobresalientes de la estructura emergente de la sociedad que se propone examinar en su estudio sobre la naturaleza y la cultura de la sociedad incipiente.

Las razones que aportan otros autores, y como veremos fundamentalmente Stehr, son las de vincular las etiquetas de un concepto con los aspectos más notables del concepto, en este caso de la nueva sociedad. El llamarle sociedad ya es una declaración: Implica una asunción de la importancia de la nueva configuración de la sociedad. Es no solo atribuir esa importancia, equiparable al de otras sociedades (siempre ponemos el mismo ejemplo de la sociedad industrial), sino también admitir que hay un desarrollo teórico, una teoría constitutiva, detrás. En este caso una teoría social y una epistemología. La segunda cuestión es que el calificativo o la etiqueta de la denominación debe hacer referencia a los aspectos determinantes o constitutivos de la sociedad, de igual forma a como se hace con “industrial” en la sociedad industrial que hace énfasis en la forma de producción, y en el importancia que adquiere la forma de producción en la sociedad. No sucede así por ejemplo en la sociedad medieval o en la sociedad renacentista por ejemplo. Por tanto admitimos que el conocimiento es la clave de la sociedad, y al no ir esta palabra vinculada a otra como sucede con industrial en relación a un modo de producción, estamos entendiendo que el conocimiento afecta a todos o a la mayoría de aspectos de la sociedad. El conocimiento es la identidad de la sociedad actual.

Es importante tener en cuenta la dinámica de los cambios. La aparición de una sociedad no se produce de forma repentina o a saltos, tampoco la aparición de sociedades del conocimiento se produce repentinamente, no es un desarrollo revolucionario, sino más bien un proceso gradual en el que la característica definitoria son los cambios de la sociedad que emerge. Lo recíproco también es cierto, la desaparición de la sociedad anteriormente existente, también es lenta y progresiva, en la misma medida que se dan los cambios, e incluso muchas veces coexisten ambas formas sociales en muchas actividades y en aspectos concretos. Rara vez se producen saltos espectaculares No obstante sí es cierto que los aspectos visibles de la nueva sociedad resultan espectaculares y hacen que los cambios aparezcan como importantes y excepcionales. Como señala Sterh (1994) “la interrupción de las rutinas desplaza a las orientaciones”, y en palabras de Narr ([1979] 1.987:132) es “difícil establecer claramente la cristalización real de un nuevo estado de cosas a fin de identificar, tanto en forma clara e inequívoca, el surgimiento de una nueva sociedad y sus nuevos modos de comportamiento”.

La sociedad del conocimiento no se realiza como resultado de un despliegue que se produce siempre de la misma manera de una forma sencilla e inequívoca. La forma de producirse depende de los grupos sociales y de la configuración social anteriormente existente que, de igual forma, tampoco es única, sencilla o inequívoca.  La sociedad del conocimiento (más valdría hablar de sociedades) tienen rasgos comunes pero son muy diferentes en la forma de manifestarse, porque aun existiendo el factor de la globalización, del que después hablaremos (los nuevos modos tecnológicos de comunicación y transporte rompen la distancia entre los grupos e individuos), se sigue produciendo un factor de aislamiento, o de impermeabilidad, y de diversidad, y el aislamiento entre regiones, ciudades, pueblos, grupos sociales e individuos. De manera que igualmente va a constituir un rasgo de la sociedad emergente el cómo actúan las nuevas fuerzas en esa singularidad. El mundo se abre y cambia, los estilos y las naturalezas se mezclan, sin embargo permanecen las fronteras entre las convicciones y las identidades.

La sociedad moderna se concebía, hasta hace poco y en un sentido mayoritario aun hoy se concibe así,  principalmente en términos de propiedad y de trabajo. De esta forma trabajo y propiedad (o capital) han tenido una larga influencia en la vida social, económica y por ende en la teoría política. En algunos casos como una misma unidad sin solución de continuidad: El trabajo es visto como una forma de propiedad emergente (téngase en cuenta, por ejemplo, el valor de los créditos de renta y las hipotecas). Y al revés: la propiedad es considerada como una plasmación del trabajo. En la tradición marxista, el capital es conceptualizado como trabajo objetivado, encapsulado. De esta forma podemos hablar de una misma realidad: trabajo-capital.

Sobre esta base y merced a estos atributos, los individuos y los grupos definieron o limitaron  su forma de integrarse en la sociedad, su forma de pertenecer a ella. Sin embargo estos atributos están cambiando, están perdiendo importancia a favor de otros atributos económicos convencionales y de las manifestaciones externas de éstos. Los patrones de desigualdad social de los trabajadores (Lebenslagen), por ejemplo, son mucho más impulsado por las actividades de consumo que por los salarios (Niklas Luhmann, 1988: L64-166)

No obstante estos atributos están en buena medida aun implícitamente vinculados al papel del trabajo y de la propiedad en la generación de valor añadido económico. Si bien se da por tan supuesta la exclusividad, como atributos distintivos de la propiedad (Durkheim, 2013), o más aun con la medida de que el trabajo sólo puede ser vistos como una fuente de valor.

Este hecho es en parte independiente de lo que estamos tratando. Aunque estas características del trabajo y de la propiedad tienen menos importancia y no han desaparecido por completo, ha aparecido un nuevo principio: el “conocimiento”, que se ha añadido como elemento transformador de la propiedad y creador de riqueza. A pesar de que aún no es aceptado o no se es consciente de él, este hecho es y será en cada ocasión más generador de nuevos conflictos. En su conjunto (Rueschemeyer (1986) la distribución del poder, de las ocupaciones de apoyo y de generación de conocimientos, probablemente ha diluido la concentración de poder basadas en la propiedad, la coacción y el atractivo popular, pero está muy lejos de decir que el poder de los intereses parciales y los conflictos entre ellos se han convertido en irrelevantes.

2. La teoría de los Grupos Estratégicos

El mundo del poder, de la política de las relaciones internacionales está fuertemente afectado por estos cambios. Como es de suponer, debido a la naturaleza de las cuestiones de poder, influencia que se tratan y por los intereses en juego,  todo se mantiene en un plano discreto. Por esta misma razón los medios de comunicación, que forman parte del sistema, se abstienen de desentrañar este entramado, salvo conflicto. A pocos les interesa investigar de forma transparente y sobre todo que los resultados sean explícitos, salvo para influir y orientar la investigación de los otros, y por ende a la opinión pública, en un sentido interesado. En general, como veremos, solo intervienen para hacer marketing de ideas, que oriente la opinión en un sentido acorde con una estrategia. Y lo hacen con las poderosas herramientas que se ponen en juego para influir en la opinión pública en los países desarrollados y en sus democracias.

Evers tomando como referencia dos áreas y dos países donde ha desarrollado sus investigaciones —Indonesia y Malasia [1]—, como escenario de interacciones de grupos internacionales, ha desarrollado una teoría con una gran consistencia teórica: La Teoría de los Grupos Estratégicos (TGE). En lo que sigue la analizaremos tomando como referencias hechos y sucesos a los que se puede acceder por los medios de comunicación.

Así veremos en primer lugar el estado del arte y de debate en esa teoría, una aproximación a la definición y a los rasgos que caracterizan los GE, en qué consiste la acción estratégica, en qué condiciones o qué debe pasar para que se formen GE, líneas y principios de acción de los GE, el papel de los expertos, crítica y líneas de desarrollo y de evolución y conclusiones para la práctica.

Referencias.-

Bell, D. (1964). Twelve modes of prediction: a preliminary sorting of approaches in the social sciences. Daedalus, 845-880.

Bell, D. (1968) The measurement of knowledge and technology, in Eleanor B. Sheldon and Wilbert E. Moore (eds), Indicators of Social Change. Concepts and Measurements. Hartford, Conn.: Russell Sage Foundation.

Bell, D. (1973). The coming ofthe post-industrial society. In The Educational Forum.

Bell, Daniel (1976). The coming of Post-Industrial Society A  venture in social forecasting, Harmondsworth, Peregrine.

Bell, D. (1992) The coming of post-industrial society; a venture in social forecasting. – New York, Basic Books [1973]. – xiii, 507 p. illus. 25 cm. [traducción: Advenimiento de La Sociedad Post-Industrial . – Alianza.

Drucker, Peter F. (1969) The age of discontinuity

Drucker, Peter F. (1994) Postcapitalist Society, Nueva York: Harper Business

Durkheim, E. (2013). Professional ethics and civic morals. Routledge.

Evers, H. D. (1987). The Bureaucratization of Southeast Asia. Comparative Studies in Society and History29(04), 666-685. http://journals.cambridge.org/action/displayAbstract?fromPage=online&aid=4415744&fileId=S0010417500014833

Evers, H. D. (2003). Transition towards a knowledge society: Malaysia and Indonesia in comparative perspective. Comparative Sociology, 2, 355-374. http://www.zef.de/module/register/media/c67f_Evers2003-Transition.pdf

Evers, H. D. y  Schiel, T. (1988). Strategische Gruppen. Vergleichende Studien zu Staat, Bürokratie und Klassenbildung in der dritten Welt. Berlin, Dietrich Reimer.

Evers, Hans-Dieter and Solvay Gerke (2005). Knowledge is Power: Experts as Strategic Group.

Evers, H. D., Nordin, R., & Nienkemper, P. (2010). Knowledge cluster formation in Peninsular Malaysia: The emergence of an epistemic landscape. http://mpra.ub.uni-muenchen.de/25845/

Lane, R. E. (October 1966) The Decline of Politics and ideology in a Knowledgeable Society, American Sociological Review, vol. 21, num. 5.

Luhmann, N. (1988). Die Wirtschaft der Gesellschaft, Frankfurt.

Narr, W. D. (1979). Toward a society of conditioned reflexes’. Observations.

NARR, Wolf-Dieter. “Toward a Society of Conditioned Reflexes”. In: HABERMAS, Jürgen (Ed.). Observations on “The Spiritual Situation of the Age”. Translated by An-drew Buchwalter. Cambridge: The MIT Press, 1987.

Reigeluth, C. M. (2012). Instructional Theory and Technology for the New Paradigm of Education. RED, Revista de Educación a Distancia. Número 30. 15 de mayo de 2012.[En prensa] Consultado el [dd/mm/aaaa] en http://www.um.es/ead/red/32/

Rueschemeyer, D. (1986). Power and the Division of Labour. Stanford University Press.

Stehr, N. (1994). Knowledge Societies. Sage Publications.


[1] La teoría de los grupos estratégicos la desarrolla Evers a partir de los análisis realizados en Indonesia y Malasia (Evers, 1987) (Evers, 2003) (Evers, Nordin & Nienkemper, 2010) y está reflejada básicamente en el documento Knowledge is Power: Experts as a Strategic Group. Hans-Dieter Evers and Solvay Gerke, 2005.

“MOOCs in the Higher Education crisis”. Book Critique, by Charles Reigeluth

Miguel Zapata-Ros is among the most active and prolific researchers in the field of open education and distance learning. He has written extensively about these topics in books, articles, blogs, and social media and has participated in multiple international conferences. It was a pleasure to finally meet him and his lovely wife in Madrid in July 2013.

In his book, Zapata-Ros addresses a controversial trend in distance education, the massive open online courses (MOOCs). Praised by some scholars, highly criticized by others, the fact is that, as the author affirms, MOOCs are here to stay. An elaborate concoction of social, economic, and technological factors has made possible the exponential expansion of these courses: steady increase in college tuition rates, devaluation of college degrees, an uncertain job market, and more abundant networks of distributed knowledge.

Part of the quandary about the effectiveness of MOOCs is that, in spite of being a relatively new educational approach, nowadays there are quite a few different varieties of MOOCs, varying in such critical instructional elements as the level of collaboration among students, type of interaction with instructor or mentors, number of students, amount of feedback provided, and hands-on opportunities.

In his book, the Zapata-Ros dives deep into different aspects of MOOCs, conducting an exhaustive analysis of multiple sources such as blogs, social networks, interviews, and articles. It describes the role of the major players in the evolution of MOOCs (individuals, universities, and corporations) and the way they have influenced other universities and institutions around the world, making it a global phenomenon.

The author also presents an evidence-based critical review about the substantial lack of fundamental instructional elements that some existing MOOCs have, thus causing a high attrition rate. Research has demonstrated that, in order to promote learning, it is critical to provide practice opportunities to students with immediate feedback for diverse situations (Merrill, Reigeluth, & Faust, 1979). Still, many MOOCs limit themselves to just presenting information, either as a set of video clips or written text following a “spray-and-pray-remember-what-I-say” type of instruction (Merrill, 2009). As such, these types of MOOCs should be intended to complement or supplement other types of instruction, instead of replacing them.

This is a thought-provoking book. After a thorough analysis of learning and instructional theories, the author puts forward several suggestions that could increase the effectiveness of MOOCs, such as: following a proposed instructional design, making content duration flexible, and using data mining techniques to personalize learning.

I highly recommended this book for those who have considered implementing a MOOC – faculty, staff, and administrators. It is also a useful read for instructors who are already offering them and are open to suggestions for enhancing the learning experience of their students.

Note: I am grateful to Miguel Lara at California State University at Monterey Bay for his role in preparing this critique.

reigeluth_madrid

Charles Reigeluth has founded the theory of and taught the principals of instructional design at Indiana University and at Syracuse University. He has also authored numerous books, chapters in books, and journal articles concerning instructional design and systemic change.

Charles Regeluth’s continued research has impacted the way educators and society views the learning process.

Educational Learning Theorists & Theories‎ > Reigeluth, Charles

Reigeluth is the creator of an instructional design system called Elaboration Theory, in which information to be learned is arranged so that simpler concepts build up to narrower and more detailed elaborations, thereby placing the content in a meaningful context.[2] In 1999, Reigeluth edited “Instructional-Design Theories and Models, Volume II: A New Paradigm of Instructional Design (Mahwah, New Jersey: Lawrence Erlbaum Associates). Reigeluth asserted that the primary goal of instructional design is enhancing human education (1999, p. ix).

In 2001 he received a distinguished service award from the Association for Educational Communications and Technology.[3]

Wikipedia

Los MOOC en la crisis de la Educación Universitaria. Docencia, diseño y aprendizaje.

Ebook: Los MOOC en la crisis de la Educación Universitaria. Docencia, diseño y aprendizaje.

Book authored by Miguel Zapata-Ros

 

Presentación del libro “Los MOOC en la crisis de la Educación Universitaria. Docencia, diseño y aprendizaje”

Karl Steffens.

Profesor e investigador de la Universidad de Colonia. Instituto de Didáctica e Investigación Educativa. Alemania

 

El presente  libro es una colección de 16 ensayos que Miguel Zapata publicó entre 2011 y 2014 como posts y artículos sobre MOOC. En su obra, el tema de los MOOC está relacionado con la situación en la Universidad que el autor describe como una crisis. Según él, es imprescindible que cambie el paradigma de la educación superior para resolver esta crisis. Mientras que el paradigma todavía existente supone una educación basada en estándares (unidad de lugar, de situación, de edad), el nuevo paradigma propone una educación basada en logros individuales. La tecnología permite un tratamiento personalizado y provee una potente analítica de aprendizaje que se puede aplicar a los procesos de enseñanza y en el aprendizaje. Al mismo tiempo, el nuevo paradigma destaca la importancia de una pedagogía de ayuda, una teoría de aprendizaje adecuada para explicar los procesos de aprender en entornos potenciados por las tecnologías digitales, de una teoría de instrucción basada en los principios teóricos que rigen el aprendizaje y en las informaciones que nos pueden suministrar las analíticas de aprendizaje. Todas estas consideraciones constituyen el transfondo para la discusión del papel que los MOOC están jugando en la universidad y en su desarrollo.

En los primeros dos capítulos, Miguel Zapata presenta y discute las teorías de aprendizaje, presentación y discusión que culminan en una crítica profunda y diferenciada  del conectivismo que George Siemens introdujo en 2004 como una teoría de aprendizaje para la era digital.

En los siguientes capítulos, el autor se dedica a los MOOC. En el capítulo 3 describe la  situación actual en las universidades caracterizado por un descenso de la demanda y los cambios demográficos, la devaluación de los títulos académicos y los costos de los estudios. Según el autor, todos estos factores han contribuido al desarrollo de una nueva forma de estudiar: el estudio mediante los MOOC. En contraposición a la gran ola de entusiasmo que han desencadenado los cursos masivos en una parte de la educación, el autor presenta una visión critica del propio concepto de los cursos masivos, que termina con una propuesta para una nueva visión  del aprendizaje, de manera que éste sea individualizado, ayudado por las tecnologías digitales y enfocando en los logros de los individuos. Como alternativa a los cursos masivos tradicionales, en el capitulo 5 el autor presenta una guía para diseñar y implementar uno curso abierto y en línea. Como destaca en los capítulos siguientes, un curso de este tipo debería ofrecer oportunidades para la interacción entre el profesor y los alumnos y entre los propios alumnos, una opción de la cual carecen muchos MOOC (capítulo 6). Además, un curso de éste tipo debería ser evaluable, en el sentido que debería mostrar la ganancia de aprendizaje y la ganancia educativa (capítulo 7).

Investigación y enseñanza son los dos pilares de la universidad. De esta manera, en los capítulos que van del 8 hasta el 13, el autor analiza la situación de la enseñanza y del aprendizaje en la universidad y propone nuevos caminos para mejorar estos procesos.  En el capítulo 8, el autor se refiere a estudios realizados por Bloom (1984) que mostraron que los estudiantes con tutores individuales  alcanzaron resultados de aprendizaje mucho mejores que los estudiantes con métodos convencionales. Lograron resultados de dos sigmas por encima de la medida de los otros grupos. Quedó pues de evidencia que el rol del profesor como tutor es un rol muy importante en el proceso de aprendizaje. Al mismo tiempo, podemos preguntar si no hay métodos que puedan ayudar a los estudiantes a lograr un resultado de dos sigmas por encima. El aprendizaje divergente y la creatividad son competencias importantes para estudiar en la Universidad. Como el autor muestra en el capitulo 9, referiendose a datos de Jordan (2013), existe una correlación directa entre aprendizaje divergente y creatividad, por un lado, y permanencia o éxito en el MOOC por otro, dado que el aprendizaje ha sido auto-evaluado. Si la evaluación ha sido hecha por pares, se obtiene una correlación inversa con el aprendizaje divergente. Otro punto de consideración es que hoy en día existe una gran diversidad entre los estudiantes, tanto más en los cursos masivos (capítulo10). Entonces, la interaccion entre profesores y estudiantes, y entre estudiantes, requiere una competencia intercultural. El autor también destaca que, para mejorar la enseñanza y el aprendizaje, es imprescindible  proveer a los estudiantes con un feedback adecuado (capítulo 11). Desde el punto de vista del profesor Zapata,  las analíticas de apredizaje  constituyen un instrumento privilegiado para esta tarea. No obstante, la evaluación debería orientarse a la enseñanza basada en la teoría instruccional para el nuevo paradigma de la educación de Reigeluth (2012). Las analíticas de aprendizaje van unidas con la idea de la personalización de aprendizaje (capítulo 12) porque estas técnicas de análisis de datos masivos nos permiten dar un feedback muy diferenciado a los estudiantes y ayudarles a adaptar y personalizar su forma de aprender y el entorno de su aprendizaje. La personalización de aprendizaje también se aplica a la configuración de los espacios personales físicos y los espacios personales virtuales así como en las redes sociales (capítulo 13).

En los últimos tres capítulos (14 al 16) el autor se dedica otra vez al desarrollo de los MOOCs y su posible futuro. Como él mismo destaca, en estos momentos los cursos masivos han llegado a un punto de inflexión en su devenir después de una fase de desarrollo importante y un entusiasmo acrítico: están en el valle de desilusión (capítulo 14). Parece que los MOOC se van a convertir en programas universitarios (capítulo 15). En realidad, las universidades van a ofrecer nanogrados (nanodegrees) para mini-cursos, tal como está haciendo Udacity. Desafortundamente, no es probable que estás cursos sean basados en teorías de aprendizaje y de instrucción. Desde del punto de vista del autor, hay dos caminos para el desarrollo de los MOOC. Uno es el reclutamiento de los talentos basado en los datos masivos de los estudiantes, como destaca Ferenstein que está convencido que el uso de los MOOC va a crear una nueva meritocracia en la educación superior. El otro camino tiene la perspectiva de una pedagogía de ayuda, un camino que ayude a los estudiantes para mejorar su manera de aprender utilizando las affordances de las tecnologías digitales.

El libro está dirigido a profesores, tutores y estudiantes de la universidad. Les ofrece muchas informaciones sobre el tema de los MOOC, su desarrollo y el papel que juegan en la enseñanza y en el aprendizaje universitario. Muestra que es un tema que tiene una gran variedad de aspectos. Al mismo tiempo, el autor ofrece una perspectiva crítica y propone un modelo de cursos abiertos y en línea, junto con una guía para diseñar e implementar cursos de  este tipo. Es un libro que une consideraciones pedagogicas como teorías de aprendizaje y de instrucción con propuestas prácticas. Es el libro, de un experto en el campo del uso de las tecnologías digitales en la educación, dedicado a la idea de que estas tecnologías deberían empoderar a los estudiantes a mejorar su aprendizaje, ayudar a los profesores a mejorar su enseñanza y facilitar la interacción intercultural entre ambos grupos.

Karl Steffens

Referencias.-

Bloom, B. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as ffective as One-to-One Tutoring, Educational Researcher, 13:6(4-16). Consultado el 29/05/2014 en http://www.comp.dit.ie/dgordon/Courses/ILT/ILT0004/TheTwoSigmaProblem.pdf

Jordan, K. (2013). Synthesising MOOC completion rateshttp://moocmoocher.wordpress.com/2013/02/13/synthesising-mooc-completion-rates/

Reigeluth, C. (2012). Teoría instruccional y tecnología para el nuevo paradigma de la educación. RED, Revista de Educación a Distancia. Número 32. 30 de septiembre de 2012. Consultado el 16/05/13 en http://www.um.es/ead/red/32

 

La duración de los vídeos

cover2En el libro  Los MOOC en la crisis de la Educación Universitaria. Docencia, diseño y aprendizaje (Zapata-Ros, 2014) el capítulo quinto está en parte dedicado al diseño instruccional de los cursos online,  los masivos y los personalizados. En particular la segunda parte constituye una guía de diseño que ya se había publicado, para la educación superior, para la educación en general y para los MOOC, en trabajos anteriores. En particular en el libro del Plan CEIBAL (Zapata-Ros, 2013c), en un post de RED.Hypotheses (Zapata-Ros, 2013b) y en el preprint de eLis (Zapata-Ros, 2013a) titulados El diseño instruccional de los MOOCs y el de los nuevos cursos online abiertos personalizados

En esa guía de diseño aparecen, en el punto 5.4 Creación de videos, las siguientes orientaciones:

  • Plantéese como objetivo que cada vídeo tenga una duración de 10 minutos (como máximo15), y que el visionado ocupe en torno a 1 – 2 horas dedicadas a  vídeos en total por semana.
  • Inserte en la guía, o en el propio vídeo, 1 a 3 preguntas como autoevaluación
  • Introduzca en el propio vídeo, o en la guía, scripts de esquema y temas de debate.
  • Si va a crear su propio vídeo piense y elija el formato más adecuado para el contenido que va a tratar: diapositivas comentadas, “busto parlante”, etc.
  • Utilice el vídeo con prudencia, consume mucho tiempo, sólo para cuestiones que tengan especial dificultad conceptual o para resolución de problemas que entrañen aspectos gráficos explicados, esquemas, etc. Utilice estilos directos como de clase presencial.
  • En el transcurso de la unidad, puede crear y publicar vídeos breves ad hoc para complementar las enseñanzas y las dificultades surgidas, y manifestadas en tutoría o en los foros, “en tiempo real”.

Sin embargo en marzo de 2014 se ha publicado el  informe How video production affects student engagement: An empirical study of mooc videos, realizado por un grupo de científicos de MIT, sobre una investigación empirica hecha con una muestra de  127.839  estudiantes a lo largo de 6.902.358 sesiones vídeo. Uno de los objetivos del estudio ha sido el de medir el nivel de implicación del alumno analizando el tiempo de visualización que cada uno dedica al vídeo y comprobar si al final de la sesión este soluciona los problemas propuestos. Entre sus conclusiones se señala que (Guo et al, 2014, March)

Los vídeos cortos son más interactivos y crean un nivel de implicación mayor: la brevedad es un elemento clave en conseguir mantener viva la atención del alumno por eso es recomendable que los vídeos no pasen de los 6 minutos de duración.

Por tanto, basándonos en este estudio empírico, en el capítulo 5 del libro, dedicado a “El diseño instruccional de los MOOCs y el de los nuevos cursos abiertos personalizados”, introducimos  esta modificación, de manera que el punto primero quedaría:

Plantéese como objetivo que cada vídeo tenga una duración de 6 minutos (como máximo10), y que el visionado ocupe en torno a 1 – 2 horas dedicadas a  vídeos en total por semana.

Referencias.-

Guo, P. J., Kim, J., & Rubin, R. (2014, March). How video production affects student engagement: An empirical study of mooc videos. In Proceedings of the first ACM conference on Learning@ scale conference (pp. 41-50). ACM

Zapata-Ros, M. (2013a). El diseño instruccional de los MOOCs y el de los nuevos cursos online abiertos personalizados (POOCs). http://eprints.rclis.org/19744/

Zapata-Ros, M. (2013b). El diseño instruccional de los MOOCs y el de los nuevos cursos abiertos personalizados (III): Materiales y profesores. http://red.hypotheses.org/176

Zapata-Ros, M. (2013c).La evaluación en la educación de la Sociedad del Conocimiento. Aprendizaje abierto y aprendizaje flexible -Más allá de formatos y espacios tradicionales http://www.anep.edu.uy/anep/phocadownload/Publicaciones/Plan_Ceibal/aprendizaje_abierto_anep_ceibal_2013.pdf (pp. 243-279)

Zapata-Ros, M. (2014) Los MOOC en la crisis de la Educación Universitaria. Docencia, diseño y aprendizaje. Amazon.

La fundamentación teórica y científica del conectivismo

Fig. 1 Ejemplo de ecuación y de función logística Xn=r(Xn-1)(1-Xn-1), que tratamos en la reseña de Tería del Caos y Sistemas Dinámicos

  El conectivismo (Siemens, 2004) se ha presentado como una teoría que supera “las tres grandes teorías” sobre el aprendizaje. Hay que señalar que conductismo, cognitivismo y constructivismo no son en sí mismo teorías, sino enfoques teóricos bajo cuya categoría se agrupan teorías que poseen unas características comunes respecto a la naturaleza del conocimiento, de las funciones de conocer y representar la realidad, así como de atribuir relaciones entre funciones del conocimiento, analizar las condiciones en que se produce y naturaleza de éste. E igualmente hay que señalar que el constructivismo es un enfoque que se incluye dentro de las corrientes cognitivistas.

El conectivismo, en el enfoque del análisis que hacemos en el libro Los MOOC en la crisis de la Educación Universitaria. Docencia, diseño y aprendizaje (Zapata-Ros, 2014), es un sistema de ideas, una epistemología, que interpreta y atribuye sentido a cómo se produce el conocimiento, cómo se aprende en entornos conectados. Y tiene un correlato práctico: los MOOC.

El conectivismo constituye pues la base pretendidamente teórica de los MOOC.

El documento más relevante (Siemens, 2004 y 2007) de las definiciones, enunciados y argumentaciones conectivistas lo constituye el documento Connectivism: A Learning Theory for the Digital Age, fechado el 12 de diciembre de 2004. Este trabajo es el que consideraremos como referencia principal en esta entrada, junto a su desarrollo posterior I’ve added awebsite to explore this concept at,  del 5 Abril de 2005.

En el libro citado de próxima aparición Los MOOC en la crisis de la Educación Universitaria. Docencia, diseño y aprendizaje (Zapata-Ros, 2014) dedico un capítulo completo a este enfoque epistemológico que constituye el conectivismo, que hoy es aceptado como la base teórica, no solo de los MOOC, sino de una forma de ver y entender cómo se produce el aprendizaje en los entornos conectados.

En el documento de referencia, y en su crítica a las teorías existentes, Siemens cita los desarrolla de Driscoll (2000) en  Psychology of Learning for Instruction como casi la exclusiva referencia teórica a su crítica.

Entre los planteamientos de Driscoll (2000), que Siemens sólo menciona como antecedentes de los suyos propios, se incluyen la crítica al cognitivismo y al construccionismo  por las limitaciones que suponen los esquemas simplificados que él mismo atribuye a estos enfoques teóricos: “El cognitivismo a menudo toma un modelo computacional de procesamiento de la información. El aprendizaje es visto como un proceso de entradas, administradas en la memoria de corto plazo, y codificadas para su recuperación a largo plazo” Desconoce todo lo concerniente a estrategias de selección, organización y elaboración.

En lo que sigue, Driscoll continúa enunciando aspectos muy generales de las teorías clásicas sin señalar claramente cuáles son las limitaciones. Por tanto podemos decir que no hay objeto de rebatirlo porque suponen una simplificación, por no decir un conjunto de lugares comunes, de lo que dicen los autores de esas corrientes. A  los que no cita, ni entra en detalle. Los autores y las visiones vigentes sobre el aprendizaje tienen un ingente desarrollo en conceptualizaciones, métodos y teorías, apoyadas todas ellas por investigaciones, que arrojan evidencias que no son tenidas en cuenta. En definitiva lo aportado por Siemens supone una simplificación que no se puede debatir por no tener los elementos concretos que constituyen el cuerpo y la la dinámica de las investigaciones y de las teorías. Rebatirlas sería caer en la misma banalización, y ya no estaríamos en un terreno académico sino en otro ámbito del que lo menos que cabría decir es que es hermenéutico o interpretativo.

Sin embargo no podemos soslayar las afirmaciones centrales. Entre las limitaciones que atribuye a las corrientes ya citadas está la que señala Siemens:

Un principio central de la mayoría de las teorías de aprendizaje es que el aprendizaje ocurre dentro de una persona (learning occurs inside a person).

 Esta afirmación así enunciada carece de contenido significativo preciso: Es un lugar común o una ambigüedad. ¿Qué quiere decir dentro de una persona? No es nada extraño que la afirmación sea expresada como tópico, estaríamos dentro de la tónica de irrelevancias que, por el simple hecho de serlo, son aceptadas sin discusión en las redes sociales, fenómeno del que no escapa este trabajo. O bien, si aceptamos que es ambigua — la expresión “dentro de una persona” es muy polisémica—, en un ejercicio de interpretación podemos aceptar que se refiere a lo que hemos tratado antes sobre “actividades internas relacionadas con el aprendizaje”, cuando hablábamos de la base biológica. Pero es difícil que así sea. Lo más probable es que haya querido decir que “el aprendizaje es exclusivo de las personas” (en el sentido “el aprendizaje no se produce fuera de las personas”: En los animales o en los artilugios). Lo cual coincide con lo visto, aunque Siemens lo considera como una limitación del resto de teorías. Y viene a confirmar, al considerar este principio como una limitación de las teorías existentes, lo que este autor considera como la principal aportación del conectivismo, en su principio tercero: El aprendizaje puede residir en dispositivos no humanos.

Esta interpretación de que “el aprendizaje puede residir en dispositivos no humanos” que contradice frontalmente todas las teorías y concepciones del aprendizajes, dado que cuestiona su misma base en el contenido central, se ve confirmada cuando señala que las teorías existentes tienen como limitación no contemplar esa posibilidad:

Estas teorías no hacen referencia al aprendizaje que ocurre por fuera de las personas (v.gr., aprendizaje que es almacenado y manipulado por la tecnología). También fallan al describir cómo ocurre el  aprendizaje al interior de las organizaciones.

Es obvio que confunde aprendizaje con contenidos e inferencia automática con elaboración.

Pero sigamos. Cuando dice

Las teorías de aprendizaje se ocupan del proceso de aprendizaje en sí mismo, no del valor de lo que está siendo aprendido.

Es evidente que el autor no conoce los rasgos más básicos de las teorías, descritos por Reigeluth según hemos visto al principio de este capítulo.

Lo así enunciado, directamente, es falso. Precisamente las teorías, según hemos constatado, consideran que el aprendizaje es tal si atribuye valor y significado a los conocimientos. Eso está está en su definición. El aprendizaje se produce como hecho efectivo con la atribución de sentido y valor. Precisamente esa es la aportación singular de la teoría del aprendizaje significativo de Ausubel.

En la línea de las limitaciones de las teorías anteriores, en el documento que estamos analizando, se plantean algunas preguntas. Veamos el propio enunciado de este apartado y las preguntas que en él se hacen.

En el enunciado dice:

Estas son algunas preguntas para explorar en relación con las teorías de aprendizaje y el impacto de la tecnología y de nuevas ciencias (caos y redes) en el aprendizaje

Ya veremos, en el desarrollo posterior, que la influencia de caos y de “nuevas ciencias” se produce exclusivamente a partir de significados atribuidos de forma trivial.

La primera pregunta dice:

¿Cómo son afectadas las teorías de aprendizaje cuando el conocimiento ya no es adquirido en una forma lineal?

Entendemos que se quiere decir que “el conocimiento ya no es elaborado o producido”. El aprendizaje como hemos visto supone una transustanciación de la información en algo que es distinto. Pero eso no es lo importante de su aserción. Lo significativo de la afirmación es la suposición de un punto de quiebra en la discontinuidad con la aparición de las tecnologías digitales las redes y las conexiones. La “adquisición” nunca ha sido lineal.

El incremento del conocimiento se ha producido siempre siguiendo el mismo modelo en entornos locales. Nunca ha sido lineal. Una ley universal es que los conocimientos producidos son función de los conocimientos existentes, luego no hay una constante de proporcionalidad. Tendría más que ver con una progresión geométrica (de razón más o menos próxima a 1), o con una función exponencial de base más o menos próxima a 1.

Pero en todo caso la masa de conocimientos existentes en un dominio afecta a las capas altas de la producción, la investigación básica, y casi nada a la instrucción básica y media. A los curricula escolares no se ha incorporado sustancialmente nada nuevo en los últimos siglos, en algunas materias (se puede señalar matemáticas, que los últimos contenidos son del siglo XVIII, y excepcionalmente del siglo XIX y XX). Es más, algunos luchamos por que  se incorporen contenidos nuevos y sencillos, como los fractales y las formas fractales, y no lo conseguimos. Sin embargo la complejidad conceptual de los contenidos no aumenta con el progreso tecnológico en las etapas básicas. Los niños actuales no transforman un diagrama elemental de flujo, realmente ni lo representan, en un anidamiento de paréntesis para realizar operaciones en una hoja de cálculo, cuando hace algunos años lo hacían sin dificultad en programación de LOGO o de BASIC. No es cierto que, en general, la riqueza cognitiva aumente con la potencia funcional de los entornos, ni la habilidad para manejarlos. En algunos casos disminuye. Y para algunas habilidades —el cálculo mental, la algoritmia,…— con todos.

En la siguiente pregunta se incluye una afirmación. Cuando dice: ¿Qué ajustes deben realizarse a las teorías de aprendizaje cuando la tecnología realiza muchas de las operaciones cognitivas que antes eran llevadas a cabo por los aprendices (almacenamiento y recuperación de la información)? está suponiendo que el almacenamiento y la recuperación de la información son operaciones cognitivas. En sí estas operaciones carecen de riqueza cognitiva. Es distinta la tarea o acto de almacenar la información que el procedimiento que se utiliza, su diseño para ello, su elaboración y el estudio correspondiente, que supone una disciplina altamente conceptualizada y teorizada. Sin embargo no considera un aspecto esencial del tema: El aprendizaje generativo. Al quedar el aprendiz liberado de tareas repetitivas puede percibir de forma limpia, sin fatigas ni distracciones, otras propiedades. Ya hemos citado en innumerables ocasiones como ejemplo de este hecho, el estudio de las propiedades gráficas de las funciones matemáticas elementales.

En las preguntas siguientes aparecen conceptos extraídos de otros dominios pero con una resonancia atractiva, biensonantes, pero que no se definen con claridad ni como concepto en este ámbito ni sus relaciones con el aprendizaje a través de la tecnología de redes. Así habla, por ejemplo, de ecología formativa. Y otras veces habla de conceptos perfectamente definidos en otros contextos teóricos, pero citándolos con acepciones simplificadas en consonancia con lo que en un contexto más trivial quieren decir. Así habla de complejidad, caos, patrones,… dando por hecho su vinculación con aspectos del aprendizaje o como novedad en la que el aprendizaje alcanza una dimensión distinta, digna de un tratamiento teórico nuevo:

¿Cómo podemos permanecer actualizados en una ecología informativa que evoluciona rápidamente?

¿Cuál es el impacto de las redes y las teorías de la complejidad en el aprendizaje?

¿Cuál es el impacto del caos como un proceso de reconocimiento de patrones complejos en el aprendizaje?

Con el incremento en el reconocimiento de interconexiones entre distintas áreas del conocimiento, ¿cómo son percibidos los sistemas y las teorías ecológicas a la luz de las tareas de aprendizaje?

Ante estas limitaciones Siemens plantea una teoría alternativa, fundada en la inclusión de la tecnología y el establecimiento de conexiones como actividades de aprendizaje. Ya no es posible experimentar y adquirir personalmente el aprendizaje que necesitamos para actuar. Ahora nuestras competencias derivan de la construcción de conexiones[1].

Con esta formulación no nos queda muy clara la fundamentación de la teoría. Queremos entender según lecturas posteriores de Downes (2012) (Zapata-Ros, 2012a) que “la teoría se funda en la potencia de la tecnología y la capacidad de establecer conexiones, entendemos entre distintos conocimientos o formulaciones o representaciones de estos conocimientos o de establecer conexiones entre individuos como elementos desencadenantes de aprendizajes”. Y que igualmente ahora a las vías tradicionales de adquisición de competencias se añade la posibilidad de que esa adquisición se produzca en un entorno de conexiones interindividuales o entre individuos y recursos. Pero en todo caso esta es una formulación que no coincide con la original y que en todo caso la suscribe Downes de esta forma matizada. Y sobre todo creemos que está fuera de lugar a partir de lo expuesto que ahora “ya no es posible experimentar y adquirir personalmente el aprendizaje que necesitamos para actuar.

En la formulación actual de Downes (2012) se experimenta un giro radical aceptando que no solo hace falta que sea el individuo quien, en un  entorno conectado, sea el que establezca enlaces y como resultado se produzca el conocimiento, sino que para ello es imprescindible la atribución de significado:

I don’t want to spend a whole lot of time on this, but I do want to take enough time to be clear that there are, unambiguously, numerous types of meaning. Why is this important? When we talk about teaching and learning, we are often talking about meaning. Consider the classic constructivist activity of ‘making meaning’, for example. Or even the concept of ‘content’, which is (ostensibly) the ‘meaning’ of whatever it is that a student is being taught.

En la parte siguiente del documento (Siemens, 2004), que analizamos, se justifica la necesidad de la teoría alternativa en función de los nuevos conocimientos, en particular señala la importancia del caos:

El caos es una nueva realidad para los trabajadores del conocimiento. ScienceWeek (2004) cita la definición de Nigel Calder en la que el caos es “una forma críptica de orden”. El caos es la interrupción de la posibilidad de predecir, evidenciada en configuraciones complejas que inicialmente desafían el orden.

Es justo al revés, podemos decir que “el caos es la posibilidad de predecir en ciertas condiciones iniciales y de contexto, de forma probabilística, en situaciones complejas que desafían el orden”.

Pongamos un ejemplo extraído de la sociología. Evers (2000), en un caso que recojo en otro trabajo (Zapata-Ros, 2012b), aborda la cuestión de la ignorancia en la Sociedad del Conocimiento.

Inicialmente en la propuesta de Evers (2000, p.7) (Fig. 2.3: El crecimiento de los conocimientos y de la ignorancia (supuesto)),  el crecimiento de la ignorancia es simplemente superior que el del conocimiento cabal. Por la gráfica que nos presenta parece atribuirse un sentido de crecimiento polinómico,  y de crecimiento mayor y progresivamente más amplio a la ignorancia.

ignor1

Fig. 2 Crecimiento de los conocimientos y de la ignorancia (supuesto).(Evers, 2000, p.7)

Se atribuye una función creciente, aparentemente polinómica, a la masa de conocimientos en función del tiempo, y una función igualmente polinómica, pero de mayor grado,  a la función de “la ignorancia” o en todo caso una función exponencial pero de base baja.

Si hacemos la consideración siguiente (Zapata-Ros, 2012b)  la interpretación es otra:

Por cada proposición aceptada se pueden derivar una cierta cantidad de derivaciones, consecuencias, conclusiones, deducciones posibles o probables o a las que simplemente se les pueda atribuir sentido dentro de un esquema de pensamiento (racional o no), y de ellas solo son ciertas con rigor de prueba un número reducido. Entonces se podrían extraer cuanto menos dos conclusiones:

a)      El crecimiento de conocimiento y de ignorancia son funciones exponenciales.

b)      Pero la base de la segunda es mayor, en una proporción estimativamente fija de la base de la segunda.

De esta forma cabría pensar en dos funciones exponenciales con sendas bases distintas (la segunda mayor) de tal manera que una sea una función proporcional de la otra:

ignor2

Por cada proposición aceptada se pueden derivar una cierta cantidad de derivaciones, consecuencias, conclusiones, deducciones posibles o probables o a las que simplemente se les pueda atribuir sentido dentro de un esquema de pensamiento (racional o no), y de ellas solo son ciertas con rigor de prueba un número reducido. Entonces se podrían extraer cuanto menos dos conclusiones:

a)      El crecimiento de conocimiento y de ignorancia son funciones exponenciales.

b)      Pero la base de la segunda es mayor, en una proporción estimativamente fija de la base de la segunda.

De esta forma cabría pensar en dos funciones exponenciales con sendas bases distintas (la segunda mayor) de tal manera que una sea una función proporcional de la otra:

 ignor2

De esta forma si, siendo prudente, atribuimos una estimación de entre una o dos consecuencias válidas a cada proposición (a=1,5) y como conclusiones aceptadas solo el doble obtendríamos dos funciones sensiblemente distintas:

 ignor3

Naturalmente se podrían llevar a cabo investigaciones sobre casos concretos y seguro que las diferencias serían mayores, pero ya en este ejemplo la gráfica es elocuente:

 ignor4

Fig. 3

 Naturalmente nos referimos a funciones de solo una variable y con las demás en igualdad de condiciones, pero igualmente podríamos considerar otras variables como son el medio de difusión (Internet, foros,…), o en combinación.

En el ejemplo que estamos, esta situación es problemática. El modelo llevaría a un colapso. En todo caso explicaría una situación en un intervalo de valores (localmente). Es un modelo simple válido para explicar “localmente” una situación.

Éste es el caso típico en el que habría que aplicar un modelo de Sistemas Dinámicos. De hecho en el caso que tratamos hay una gran cantidad de factores que afectan al crecimiento del conocimiento y de la ignorancia, y que interaccionan entre ellos y con la situación global. Estaríamos pues en una realidad compleja.

Los modelos de Sistemas Dinámicos, y eventualmente el subconjunto de Sistemas Dinámicos a los que se llama modelos de Caos, son una solución a este problema en el sentido en que describen mejor la situación, permiten ver situaciones e intervalos de valores iniciales de convergencia, estudiar qué modelo se ajusta más, con qué funciones matemáticas, etc.

En definitiva contribuyen a la solución del problema. Podemos decir que “el caos es la posibilidad de predecir en ciertas condiciones iniciales y de contexto, de forma probabilística, en situaciones complejas que desafían el orden”.

En el caso que hemos visto, la realidad sería compleja y con una interrelación entre ambas funciones. Habría que investigar un modelo basado en Sistemas Dinámicos (o en Teoría de Caos) del tipo:

 ignor5

 ignor6

Siguiendo con el análisis del documento, en las justificaciones de la nueva teoría se afirma que: A diferencia del constructivismo, el cual establece que los aprendices tratan de desarrollar comprensión a través de tareas que generan significado. Pero el constructivismo tampoco es eso. Además de la tarea existe la elaboración, la organización, etc. De hecho ciertos dominios solo se comprenden, y en cierto ámbitos de trabajo con Teoría del Caos, solo se progresa y solo cobran significado, si se trabaja de forma elaborativa.

Difícilmente, como veremos, se puede obtener de lo que sigue una afirmación que concuerde con el sentido que tienen los desarrollos de los sistemas dinámicos de caos. Podríamos ir puntualizando cada incidencia del texto siguiente pero son suficientemente claras a poco que analicemos lo que explicamos a continuación. Se trata pues de un abuso de interpretación a partir del enunciado de la teoría, de la metáfora interpretada de forma abusiva más allá de la intención, o del título:

El caos, como ciencia, reconoce la conexión de todo con todo. Gleick (1987) indica: “En el clima, por ejemplo, esto se traduce en lo que es medio en broma conocido como el Efecto Mariposa: la noción que una mariposa que bate sus alas hoy en Pekín puede transformar los sistemas de tormentas el próximo mes en Nueva York” (p.8). Esta analogía evidencia un reto real: “la dependencia sensible en las condiciones iniciales” impacta de manera profunda lo que aprendemos y la manera en la que actuamos, basados en nuestro aprendizaje. La toma de decisiones es un indicador de esto. Si las condiciones subyacentes usadas para tomar decisiones cambian, la decisión en sí misma deja de ser tan correcta como lo era en el momento en el que se tomó. La habilidad de reconocer y ajustarse a cambios en los patrones es una actividad de aprendizaje clave.

El eco y la rápida difusión que tienen en las redes desarrollos complejos científicos hace que los aspectos más anecdóticos, o más llamativos por su enunciado o por incluso su título, alcancen una rápida y amplia difusión otorgándose a esos aspectos triviales categorías científicas, con el prestigio que esto conlleva, pero sin ir acompañadas del rigor que suponen los procesos de prueba, demostración o validación.

Esto constituye un fenómeno propio de la sociedad de la información, de las redes, etc. donde el rápido y masivo acceso de personas sin una sólida formación científica o incluso lógica, acompañado del potencial de difusión de estos entornos, lo hace posible. Por otra parte el ritmo de novedades hace que una verdad nueva sustituya a la antigua sin tiempo para actuar con la parsimonia que la ciencia exige, y sin validar la verdad aceptada. Se constituyen así sistemas de creencias donde se aceptan de forma acrítica supuestas verdades únicamente avaladas por la aceptación de un número considerable de personas que incorporan estos enunciados a su bagaje académico, científico, profesional, artístico, o a las citas de sus trabajos, constituyendo en conjunto una mística, un sistema de ideas aceptadas con una actitud muy próxima a la fe religiosa. Con la diferencia de que en la religión, a favor de ella, las verdades aceptadas han sido decantadas por periodos muy largos de tiempo, depurándolas, mediante las vivencias y las experiencias de los fieles, las contingencias temporales, accidentales o intrascendentes. Por el contrario estos otros sistemas de creencias que aludimos aquí se convierten de esta forma en una especie de religiones efímeras.

Así sucede por ejemplo con el “efecto mariposa”. Inicialmente este concepto tiene su origen en una metáfora utilizada por  Edward Lorenz, en el invierno de 1961, en el contexto de un trabajo que estaba realizando con un sistema dinámico[2] utilizando su ordenador para una simulación del comportamiento del tiempo meteorológico, para predecirlo. Lo relata Ian Stewart (1991) en su libro “¿Juega Dios a los dados?”.

Descrito de forma simplificada Lorenz estaba trabajando con un algoritmo, y un programa de ordenador de la época, el comportamiento de un sistema dinámico para verificar las ejecuciones anteriores. Estos ordenadores por problemas de memoria y de capacidad de cálculo eran muy lentos para realizar las iteraciones propias del sistema dinámico. En un momento determinado pensó descansar e ir a tomar un té. Para ello anotó el ultimo resultado que le daba el ordenador en la impresora que para ahorrar espacio era de tres cifras decimales 0,506, cuando el almacenado en la memoria era de seis: 0,506127, que evidentemente era otra aproximación si bien menos  grosera. A la vuelta de tomar el té continuó las iteraciones con este dato. Al final encontró que la nueva ejecución no respetado la segunda mitad de las anteriores. Las dos ejecuciones divergían progresivamente, hasta que al final el resultado nuevo  no guardaba ningún parecido con los anteriores.

Los que hemos trabajado con sistemas dinámicos sabemos que incluso hay valores iniciales donde hay un límite para la convergencia del sistema. A un lado de ese valor se produce un ciclo y al otro no. Esto ha dado lugar a otra expresión que ha dado mucho juego por la palabra utilizada, se trata de la constante de Feigenbaum o constante del caos.

Pero volvamos a la mariposa. La metáfora que utiliza Lorenz (1963) (Diamond, 1993) literalmente es:

El movimiento de una  simple ala de una mariposa en China, hoy produce un diminuto cambio en el estado de la atmósfera. Después de un cierto período de tiempo, el comportamiento de la atmósfera diverge del que debería haber tenido. Así que, en el período de un mes, un tornado que habría devastado la costa de América no se forma. O quizás uno que no se iba a formar, se produce.

 

Esta frase es exclusivamente fruto del entusiasmo. Hay una variación en las condiciones iniciales que aun siendo infinitesimal, hace que el sistema converja o no. Pero para un mismo valor no se pueden producir dos situaciones distintas. Lo que sucedió era consecuencia exclusivamente una limitación de la tecnología desencadenado por un error humano: El error inicial, inferior a 10-3 (diez elevado a menos tres), en las sucesivas iteraciones aumenta progresivamente hasta cambiar sustancialmente el resultado. Ahí terminan las interpretaciones.

Esto lo saben los alumnos de secundaria cuando se les pide, y ellos hacen comprendiéndolo, los cálculos con la calculadora al final del problema, dejando indicadas las opresiones que contienen expresiones racionales, radicales o números transcendentes, como por ejemplo cuando calculan el volumen de un cono en función de la generatriz y del radio.

En todo caso si alguna vez una mariposa en el Golfo de Tonkín habrá desencadenado una tormenta en el Caribe no lo sabemos, es más no lo podremos saber. Y por supuesto no vendría avalado por los escritos ni por las metáforas de Lorenz. Sin embargo si podremos asegurar que habrá multitud de causas para la tormenta si aplicamos la Navaja de Occan que serán mucho más útiles para el estudio de este fenómeno que las posibles mariposas que haya en el mundo.

Lo enunciado aquí es justo lo contrario del principio de parsimonia o de la Navaja de Occan. Si tuviésemos que enfatizar en principios teóricos a aplicar en la complejidad más nos valdría hacerlo con este principio.

 

Referencias.-

Diamond, A. H. (1993). Chaos science. Marketing Research5(4), 9-14.

Downes, S. (2012) Connectivism and Connective Knowledge. Essays on meaning and learning networks. Accedido en  http://www.downes.ca/files/Connective_Knowledge-19May2012.pdf el 25/08/12.

Driscoll, M. (2000). Psychology of Learning for Instruction. Needham Heights, MA, Allyn & Bacon.

Evers, H-D., (2000) Working Paper No 335 Culturas Epistemológicas: Hacia una Nueva Sociología del Conocimiento[3]

Gleick, P. H. (1987). The development and testing of a water balance model for climate impact assessment: modeling the Sacramento basin. Water Resources Research, 23(6), 1049-1061.

Lorenz, E. N. (1963). Deterministic nonperiodic flow. Journal of the atmospheric sciences20(2), 130-141.

OCDE, 2009. Informes PISA-ERA 2009. Informe español Resumen ejecutivo. http://www.educacion.gob.es/dctm/ministerio/horizontales/prensa/notas/2011/20110627-resumen-ejecutivo-informe-espanol-pisa-era-2009.pdf?documentId=0901e72b80d241d7

ScienceWeek (2004) Mathematics: Catastrophe Theory, Strange Attractors, Chaos. Consultado el 18/8/2011 en de http://scienceweek.com/2003/sc031226-2.htm

Siemens, G. (December 12, 2004). Connectivism: A Learning Theory for the Digital Age Consultado el 18/8/2011 en http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.87.3793&rep=rep1&type=pdf el 30/08/2012

Stewart, I. (1991). ¿Juega Dios a los dados?: la nueva matemática del caos.  Crítica.

Zapata-Ros, M. (2012a). ¿Conectivismo, conocimiento conectivo, conocimiento conectado… ?: Aprendizaje elaborativo en entornos conectados. Blog de la Cátedra UNESCO de Educación a Distancia (CUED). Accedido en  http://blogcued.blogspot.com.es/2012/05/conectivismo-conocimiento-conectivo.html el 25/08/12.

Zapata-Ros, M. (2012b). La Sociedad Postindustrial del Conocimiento. Un enfoque multidisciplinar desde la perspectiva de los nuevos métodos para organizar el aprendizaje. Amazon. Consultado el [dd/mm/aa] en  http://www.amazon.es/Sociedad-Postindustrial-del-Conocimiento-multidisciplinar/dp/1492180580

Zapata-Ros, M. (2014) Los MOOC en la crisis de la Educación Universitaria. Docencia, diseño y aprendizaje . Amazon


[1] Including technology and connection making as learning activities. We can no longer personally experience and acquire learning that we need to act. We derive our competence from forming connections.

[2]  Los sistemas dinámicos constituyen una rama de la matemática que estudia procesos que cambian con el tiempo o con otra variable pero sin depender de ella. Tienen la propiedad de que se pueden simular con ordenador mediante modelos constituidos por funciones cuyos valores son calculados mediante iteraciones a partir de valores iniciales.

Cada iteración permite, a partir de un valor xi en un instante de tiempo t, calcular otro valor xi+1 en el tiempo t+Dt mediante funciones en las que el tiempo no interviene explícitamente.

Así la expresión general de la ecuación iterada sería de la forma

 ignor7.

Si los valores iterados tienen a un valor a éste se le llama punto fijo o atractor del sistema, así por ejemplo 1 es el atractor del sistema dinámico

ignor8

El comportamiento del sistema depende del punto inicial xo, pudiendo ser puntos fijos (no cambian con las iteraciones), tener comportamientos periódicos, caóticos etc.

Uno de los más conocidos es la curva logística. Ver fig. 1.

[3] Hans-Dieter Evers (Básico). Culturas Epistemológicas: Hacia una Nueva Sociología del Conocimiento. Bielefeld 2000. ISSN 0936-3408

http://www.uni-bielefeld.de/(de)/tdrc/ag_sozanth/publications/working_papers/wp335.pdf

El trabajo para este artículo comenzó con la preparación de un programa de investigación para el Institute of World Society, Universidad de Bielefeld. Con aportaciones de, entre otros, Karin Knorr Cetina, Peter Weingart, Helmut Willke y Rudolf Stichweh. El artículo se escribió mientras el autor era miembro del grupo de investigación sobre la sociedad del conocimiento, Departamento de Sociología, Universidad de Singapur. Compuesto también por Sayid Farid Alatas, Zaher Baber y Thomas Menkhoff.