Análisis sobre la citación de documentos en WoS, Scopus y Google Scholar y su relación con los instrumentos de investigación  

 

Carmen Yazveth García-Almeida

carmen.garcia@uaz.edu.mx

Universidad Autónoma de Zacatecas

 

Introducción

 

Como investigadores tenemos la necesidad de evaluar el comportamiento de la ciencia, las tendencias que existen en cuanto a citaciones, como menciona Zapata-Ros (2022) conocer el estado de los artículos, su impacto y citas para, de ser necesario reorientar las investigaciones, siempre con el objetivo de una vez culminado un estudio comenzar la difusión de los resultados, para ello es preciso analizar el comportamiento de las citaciones en las tres principales bases de datos Google Scholar, Scopus y Web of Science (WoS). Cabe decir que muchas de las publicaciones de acceso abierto de las distintas ciencias o disciplinas se encuentran en Google Scholar.

 

Sobre esto, la página oficial de WoS menciona la existencia de diferencias entre las publicaciones encontradas en esta base de datos respecto a Google Scholar (GS) y esto se debe a que mientras en la primera el contenido es seleccionado de acuerdo a estándares estrictos y revisión por pares, -lo mismo para Scopus-, en GS son conjuntos de publicaciones con mayor inclusión de distintos tipos de documentos  como artículos de revista, disertaciones de tesis, capítulos de libros, preprints, entre otros, lo cual según Bustos-Gonzalez (2015) no se consideran investigaciones científicas o documentos citables.

 

Sobre esto último, Orduna-Malea et al. (2015) y Martín-Martín et al. (2018) mencionan que GS indexa documentos con una estructura académica lo cual otorga una mayor cobertura de literatura científica y académica comparada con Scopus y WoS cuyas políticas de inclusión son más selectivas, basadas en “journals”. Además, es considerada la base de datos sobre publicaciones científicas más amplia e incluyente que existe, indexa fuentes de múltiples sitios, incluyendo literatura gris, convirtiéndose en una de las principales bases de datos que permite al investigador potenciar su visibilidad y reputación científica (García- Peñalvo, 2018). Mientras que según Santa y Herrero-Solana (2010), Scopus es una de las principales bases de datos multidisciplinar que existe; sin embargo, tanto esta base de datos como WoS tienen poca cobertura en disciplinas como las Ciencias Sociales y Humanidades (Chavarro et al., 2018).

 

Cabe decir, que los datos de citación están determinados por la cobertura de cada una de las bases de datos en las disciplinas del campo de conocimiento (Bar-Ilan et al. (2007); Neuhaus y Daniel (2007)), esto pudiera estar relacionado con los instrumentos utilizados por investigadores para la recolección de datos, pues mientras GS tiene criterios más flexibles de aceptación de contribuciones, revistas indexadas a Scopus y WoS consideran normas explícitas y criterios de evaluación de contribuciones rigurosos que determinan su aceptación. Además, según Rozemblum et al. (2021) existen disciplinas como las Ciencias Sociales poco representadas en estas bases de datos, lo que pudiera estar relacionado con la evaluación que hace el editor de determinada revista sobre la metodología utilizada, concretamente los instrumentos de recolección, aspecto evaluado rigurosamente para garantizar la objetividad y verdadero aporte al campo científico no aceptando los llamados self reports para comprobación de hipótesis, pero ampliamente utilizados en la disciplina mencionada (Avello, 2022); entonces, esto pudiera repercutir en la tasa de aceptación de documentos de esta categoría en dichas bases de datos.

 

En el presente documento se analiza el trabajo de Martín-Martín, Orduna- Malea, Thelwall y López- Cózar (2018) respecto a la comparación de las citaciones encontradas en Google Schoolar, WoS y Scopus de varias de las disciplinas o categorías del conocimiento y a partir de los datos encontrados por estos autores se ofrece una reflexión sobre la relación entre los instrumentos de recolección de información utilizados en las investigaciones y las citaciones de las publicaciones de estas. Cabe resaltar que no se pretende aseverar un hecho sino llegar a un análisis y reflexión a partir de datos encontrados por los autores.

 

 

La visibilidad del autor

 

En el siglo XXI gracias al Internet la manera de difundir ciencia ha cambiado, la difusión no es exclusiva de los medios impresos y con ello la visibilidad de un autor y por ende la institución de la que forma parte se amplían de manera significativa. De manera que, al estar presente una publicación en varias bases de datos se amplía y diversifica su visibilidad repercutiendo tanto al autor como al grupo académico y ranking de la institución educativa a la que pertenece mejorando además su reputación como investigador (Rozemblum et al., 2021). Al respecto García Peñalvo (2018) asevera que uno de los factores que determinan la visibilidad y capacidad de recibir citas es tener perfiles públicos en las principales bases de datos científicas Google Scholar, Scopus y WoS.

 

Sobre esto, la reputación científica es entendida como el prestigio que tiene un investigador gracias a la calidad e impacto de sus resultados de investigación y se encuentra estrechamente relacionada con la identidad digital, concepto que tiene mayor peso cuando se establecen evidencias que permiten identificar indicadores para medir el impacto de la producción científica y que forman parte de un sistema de evaluación para ranking de instituciones e investigadores pertenecientes a estas (García-Peñalvo, 2018); esto se encuentra estrechamente relacionado con la citación.

 

Sin embargo, es importante tomar en cuenta la selección de la revista en la que se pretende difundir los resultados producto de la investigación. pues esto puede tener relación con los índices de impacto y citación y por ende el reconocimiento que como investigadores se obtendrá ante la comunidad científica. Cabe decir, que muchas publicaciones no producen el impacto esperado pues las vías de difusión no son las más adecuadas (Reyes Rodríguez y Moraga Muñoz, 2020). Por ello, es importante que la revista elegida tenga criterios de evaluación para garantizar la calidad de las publicaciones y sus mecanismos de validación de instrumentos que de manera consecuente generan los resultados a difundir y con ello mayor confiabilidad por parte de la comunidad científica. Sobre esto, Macias-Chapala (1998) considera que la evaluación científica es un elemento indispensable para las comunidades de investigación.

 

Cabe decir, que para que una contribución pueda considerarse científica debe contar con las siguientes características: ser original con aporte al campo del conocimiento que se aborda, los resultados presentados deben ser válidos y fidedignos, generalizables y cuyos instrumentos utilizados tengan posibilidad de réplica en otros contextos, por lo que la información presentada en la contribución debe ser clara y suficiente para reproducir los resultados. Tal como menciona Hernando (2019), quien expresa que las contribuciones científicas deben aportar al campo de conocimiento y sus resultados han de ser válidos y fidedignos, escritos en un lenguaje claro y preciso y utilizar una metodología con instrumentos científicamente válidos sea cual fuere el enfoque –cuantitativo, cualitativo o mixto-. Por lo que, es de suma importancia elegir cuidadosamente las técnicas e instrumentos a utilizar en una investigación.

 

En este sentido, existen diferentes instrumentos de investigación como cuestionarios, test, escalas de Likert, de Gutman, guías de entrevista, de observación, diarios de campo, entre otros, pero todos con la finalidad de recolectar la información necesaria para dar respuesta a determinado fenómeno de estudio y alcanzar los objetivos de investigación (Hernández-Sampieri y Mendoza Torres, 2018). Aunque, no todos son vistos con la misma objetividad para el carácter científico de una publicación e incluso las revistas científicas indexadas lo expresan en sus pautas; tal es el caso de los self-reports o autoreporte, entendidos como toda aquella evaluación, encuesta, escala o cuestionario que se utilice para recabar información de un sujeto con la particularidad que es el mismo individuo quien debe responder preguntas sobre sí mismo (Avello, 2022). Es decir, cada sujeto se entrevista a sí mismo.

 

Sin embargo, pese a esto en las ciencias sociales es muy común este tipo de instrumentos, generalmente escalas tipo Likert con varias opciones de respuesta donde el sujeto le brinda al investigador una valoración subjetiva de sus niveles en cuanto a habilidades, conocimientos, competencias, opiniones o perspectivas sobre determinado hecho. Y Aunque estos métodos presentan beneficios para la investigación también otorgan desventajas derivadas de sus características, tales como la subjetividad y esto ha provocado que revistas de prestigio, indexadas a bases de datos como Scopus y WoS con altos estándares de calidad, tomen en cuenta estos elementos en su tasa de aceptación y no admitan artículos que incluyan estos instrumentos como los principales o únicos en la investigación.

 

Reflexiones sobre las citaciones en WoS, Scopus y Google Scholar

 

Actualmente han proliferado las revistas de acceso abierto, pero también aquellas que carecen de procesos estrictos de revisión de artículos, con tasas de aceptación muy altas generalmente indexadas a Google Scholar, con criterios de evaluación de documentos menos rigurosos que las pertenecientes a WoS y Scopus. Determinando con esto posiblemente la elección de la revista tanto por sus criterios de evaluación del manuscrito, como de métodos de comprobación de hipótesis de investigación.

 

Aun así, existe interés en los investigadores de consultar los recuentos que ofrecen estas tres bases de datos para orientar sobre el comportamiento de las citas en las diferentes disciplinas o áreas del conocimiento, aunque según Zapata –Ros (2022) no hay estudios sobre la consistencia de los datos de las fuentes, tampoco evidencia sobre las diferencias entre ellas.  Sin embargo, Martín-Martín et al.  (2018) analizaron 2448 055 citas de 2299 documentos de 252 categorías estableciendo comparaciones entre las tres bases de datos, Google Scholar, Scopus y WoS entre lo que se determina son fuentes y documentos científicos, encontrando mayor porcentaje de citaciones en GS en todas las categorías.

 

Entonces, en el presente documento se realiza una comparación entre los datos encontrados por los autores de la categoría de las Ciencias Sociales (campo ampliamente investigado) respecto a Física y Matemáticas para revisar el comportamiento dadas las diferencias entre ambas disciplinas o campos de conocimiento, así como el solapamiento existente de citaciones en GS, Scopus y WoS, y de manera individual; apreciando que las publicaciones del área de las Ciencias Sociales, la cual según el diagrama de Venn mostrado en la figura 1, el 53.5 % de las citas se encuentran solo en Google Scholar, lo que representa un gran porcentaje respecto a la totalidad de citas (299, 788). El solapamiento entre las tres bases de datos es solo del 29.8%.

Figura 1. Citaciones de la disciplina de las Ciencias sociales (Tomado de Martín-Martín et al., 2018).

 

Lo presentado en la figura 1 sirve de guía sobre cómo se orientan las citas de las contribuciones enviadas a distintas revistas y medios científicos, pues la idea es comunicar conocimiento descubierto, pero llama la atención la gran cantidad que existe solo en Google Scholar, esto, aunque no se puede aseverar, pudiera deberse a que para Ciencias Sociales frecuentemente se utilizan instrumentos y técnicas de recolección de datos subjetivos o no comprobatorios estadísticamente o bien los llamados self-report studios que como se mencionó anteriormente utilizan ampliamente instrumentos de autopercepción como las escalas de Likert, lo que puede restarle objetividad y que además, según Avello (2022) no son aceptados para publicarse en revistas indexadas en Scopus o WoS,  pues una de las características a tomar en cuenta una investigación científica, es que la recolección de datos se lleve a cabo mediante un método científico riguroso y objetivo, donde los resultados puedan ser comprobados y con posibilidad de réplica en otros contextos, esto para obtener resultados que abonen al campo del conocimiento y sean candidatos mediante una contribución para publicación en revista académica de calidad.

 

Esto puede ser apoyado por lo mostrado en la figura 2, donde se aprecia el solapamiento que existe entre las tres bases de datos el cual es de un 54.5 % para el área de Física y Matemáticas, indicando con esto que se tiene un gran porcentaje respecto a la totalidad de citas existentes en Google Schoolar, Scopus y WoS. Es decir, hay mayor consistencia en los documentos porque existen mayor convergencia en las tres bases de datos, en las tres se encuentran los documentos citables y que han sido citados.

 

Figura 2. Solapamiento de Google Schoolar, Scopus y WoS para el área de Fisica y Matemáticas (Tomado de Martín-Martín et al., 2018).

 

 

Entonces, tomando en cuenta lo presentado en la figura 2, se puede argumentar que los artículos que se envían a revistas indexadas en Scopus y WoS cuentan con instrumentos considerados de mayor rigor científico, con posibilidad de ser replicados a otros contextos y generalmente con un carácter experimental. Por ello se tiene mayor solapamiento en las tres bases de datos respecto al encontrado en las Ciencias Sociales, en el caso de la categoría de Física y Matemáticas existe un 54.5 %. La tabla 1 puede representar mejor estos resultados para apreciar más detalladamente estos argumentos.

 

 

Categoría

Solapamiento (GS, Scopus y WoS)

Google Scholar

Ciencias Sociales

(n= 299,788)

29.8 %

89, 337 citas

 

53.5 %

160,376

Física y Matemáticas

(n= 271, 609)

54.5 %

148,027 citas

32.2%

87, 458 citas

 

Tabla 1. Comparación de citas entre las categorías de Ciencias Sociales y Física y Matemáticas.

 

De acuerdo a lo expuesto anteriormente, es necesario reflexionar en la necesidad como investigadores de conocer y comprender las ventajas y desventajas de los instrumentos mencionados para efectuar mejores decisiones metodológicas y considerar el alcance de los resultados obtenidos en el estudio. Pues, aunque los métodos de auto-informe o percepción son útiles para capturar información y describir un concepto o corroborar o refutar una hipótesis, son infructuosos para generar nuevas ideas o teorías (Del Valle y Zamora, 2021). Además, al ser el mismo sujeto quien se “evalúa” puede dar lugar a información errónea que como consecuencia se generen resultados y conclusiones equívocas por la poca objetividad poniendo en tela de juicio la validez y confiabilidad de estos  y por ende los resultados de una investigación científica.

 

Esto es de suma importancia pues el objetivo último de un proceso de investigación es comunicar hallazgos, conclusiones a las que se llega después del proceso de análisis de los datos, pero la elección de la revista donde se publicarán esos resultados es clave para la difusión, la réplica y utilidad para la comunidad científica, por lo que es posible expresar que la elección de los métodos para la recolección de datos es determinante para la valoración del manuscrito, y tener mayores posibilidades de pasar por el flujo de edición para su publicación en una revista científica indexada a bases de datos de Scopus y WoS, que puede repercutir en la reputación y visibilidad del autor.

 

Sobre esto, revistas como RED (indexada a Scopus y WoS) expresan que no se publicarán artículos que utilicen los self-reports como opción principal para validar una propuesta o hipótesis, solo en caso de ser utilizado como secundario para apoyar matizar o triangular un primer método, además Elsevier incluye este criterio en las guías para autores, recomendando que este tipo de contribuciones se rechacen sin revisión (Avello, 2022). Esto sin duda es un aspecto importante a considerar por investigadores, quienes buscan revistas de alto perfil ubicadas en los primeros cuartiles para posicionar su contribución científica.

 

Además, según lo analizado en los diagramas presentados es un elemento que puede ser determinante en el comportamiento de la cantidad de documentos que convergen en las tres bases de datos, pues guarda relación con la aceptación de investigaciones en revistas indexadas en Scopus y WoS.

 

Finalmente, a manera de conclusión de acuerdo a los datos mostrados en las figuras 1 y 2 (tomadas de Martín-Martín et al., 2018), es posible reflexionar en que estos resultados pueden deberse a que las revistas indexadas aceptan contribuciones con datos experimentales o de ciencias exactas o experimentales como las Ingenierías, Ciencias de la Tierra y Química, así como Física y Matemáticas, donde se desarrollan experimentos o se hace uso de instrumentos con un alto grado de objetividad, omitiendo los self-reports como parte de ellos o bien como opción complementaria de comprobación de hipótesis; de ahí que existan gráficas como la mostrada en la figura 2 donde existen solapamientos de hasta el 54.5 % respecto a las tres bases de datos.

 

Entonces, en categorías como Física y Matemáticas, Ciencias Médicas y de la Salud, Ingeniería y Ciencias Computacionales se tiene mayor solapamiento, contrario a las Ciencias Sociales y de las Humanidades, lo que pudiera deberse a los tipos de investigaciones que se realizan, ya que estas se orientan más a lo cualitativo con un uso general de instrumentos como los self report, entrevistas u observaciones para la recolección de información y puede existir un sesgo en el investigador, además no pueden ser replicables y comprobatorios como el caso de las investigaciones cuantitativas con datos experimentales y/o de laboratorio incluso.

 

Conclusiones

 

Al realizar una investigación se debe tomar en cuenta la intención final del investigador y del proceso mismo, comunicar a la comunidad científica los hallazgos, de lo contrario el flujo queda inconcluso, por ello la importancia de las decisiones metodológicas donde se debe tomar en cuenta las técnicas e instrumentos a utilizar para recolectar los datos y dar respuesta al planteamiento del problema, recordando la imperiosa necesidad que sean contribuciones originales, que abonen a la ciencia, con resultados válidos y fidedignos, generalizables y cuyos instrumentos utilizados tengan posibilidad de réplica en otros contextos, con técnicas de recolección objetivas y comprobatorias estadísticamente; lo cual le va a otorgar objetividad y carácter científico y con mayor probabilidad de ser aceptados en revistas indexadas en Scopus o WoS, donde el comité editorial considera determinantes los métodos de recolección de datos para comprobación de hipótesis.

 

Cabe decir, que la posibilidad de publicar en una revista indexada a Scopus o WoS permite indicadores de citación e impacto reconocidos internacionalmente, por lo que estas revistas cuentan con altos niveles de calidad, impacto y citación que permitirá en consecuencia mayor visibilidad y divulgación del conocimiento encontrado y con ello, aumento en la reputación del autor y ranking de la institución de la que forma parte.

 

Por esto es de suma importancia para investigadores conocer y comprender las ventajas, desventajas y posibilidades de los instrumentos de recolección en una investigación, que en definitiva van a determinar el medio en el cual será posible divulgar sus resultados.

 

 

Referencias

Avello, R. (2022). El artículo y otros documentos de difusión de la ciencia, su estructura y naturaleza. Formatos. Proceso de revisión. Editores, revisores, autores. En M. Zapata-Ros La edición y la publicación: Procesos y actores en presencia. La edición en la sociedad del conocimiento.

Bar-Ilan, J., Levene, M., y Lin, A., (2007). Some measures for comparing citation databases, Journal of Informetrics, 1(1), 26-34. https://doi.org/10.1016/j.joi.2006.08.001

 

Bustos-Gonzalez, A. (2015, septiembre 9). Taller para autores el proceso de publicar artículos [Seminario]. Buenas prácticas de comunicación y publicaciones científicas, Perú. http://hdl.handle.net/20.500.12390/87

 

Chavarro, D., Ràfols, I., & Tang, P. (2018). To what extent is inclusion in the Web of Science an indicator of journal ‘quality’? Research Evaluation, 27(2), 106–118. https://doi.org/10.1093/reseval/rvy001

Del Valle, M. V., y Zamora, E. V. (2021). El uso de las medidas de auto-informe: ventajas y limitaciones en la investigación en Psicología. Alternativas en Psicología, 47. https://alternativas.me/attachments/article/264/El%20uso%20de%20las%20medidas%20de%20auto-informe.pdf

 

García-Peñalvo, F. (2018). Identidad digital como investigadores. La evidencia y la transparencia de la producción científica. EKS, 19(2), 7-28. https://doi.org/10.14201/eks2018192728

Hernández-Sampieri, R., y Mendoza-Torres, C. P. (2018). Metodología de la investigación. Las rutas cuantitativa, cualitativa y mixta. México: McGrawHill.

 

Hernando, A. (2019). ¿Qué es y qué no es un artículo científico?. https://doi.org/10.3916/escuela-de-autores-089

 

Macias-Chapala, C. (1998). Papel de la informetría y de la cienciometría y su perspectiva  nacional e internacional. http://scielo.sld.cu/pdf/aci/v9s4/aci06100.pdf

 

Martín-Martín, A., Orduna-Malea, E., Thelwall, M., &Emilio Delgado López-Cózar, E. (2018). Google Scholar, Web of Science, and Scopus: A systematic comparison of citations in 252 subject categories. Journal of Informetrics,12(4), 1160-1177 https://doi.org/10.1016/j.joi.2018.09.002.

 

Neuhaus, C., y Daniel, H., (2008). Data sources for performing citation analysis: An overview. Journal of Documentation, 64 (2), 193-210. https://doi.org/10.1108/00220410810858010

 

Orduna-Malea, E., Ayllón, J. M., Martín-Martín, A., & Delgado López-Cózar, E. (2015). Methods for estimating the size of Google Scholar. Scientometrics, 104(3), 931–949. https://doi.org/10.1007/s11192-015-1614-6

 

Reyes Rodríguez, A., y Moraga Muñoz, R. (2020). Criterios de selección de una revista científica para postular un artículo: breve guía para no ‘quemar’ un paper. Sophia16(1), 93-109. https://doi.org/10.18634/sophiaj.16v.1i.977

 

Rozemblum, C., Alperin, J. y Unzurrunzaga, C. (2021). Las limitaciones de Scopus como fuente de indicadores: Buscando una visibilidad integral para revistas argentinas en ciencias sociales. E-ciencias de la información 11(2). http://dx.doi.org/10.15517/eci.v11i2.44300

Santa, S., y Herrero-Solana, V. (2010). Cobertura de la ciencia de América latina y el caribe en Scpus vs WoS. Investigación Bibliotecológica, 24 (52), 13-27

Zapata-Ros, M. (2022). Edición científica. Situación actual, crisis y cambio. 10.13140/RG.2.2.31615.48800

 

 

 

La evaluación del Pensamiento Computacional

Miguel Zapata Ros.

Capítulo 9 del libro El pensamiento computacional, la competencia clave de una nueva alfabetización (preprint).

DOI10.13140/RG.2.2.19594.95680

ISBN-13: 978-1718987739

ISBN-10: 1718987730

CC 4.0

En el transcurso de los últimos años, desde los primeros artículos en 2014 (Zapata-Ros, 2014 y 2015) hasta la primera edición del presente libro (Pérez-Paredes y Zapata-Ros, 2018), se han producido multitud de experiencias aisladas, sin supervisión, y de experiencias controladas, pero sin validación. Y, sobre todo, lo que es realmente importante, muchos países en Europa, América y Asia han revisado su currículo de educación obligatoria preceptiva, introduciendo conceptos básicos de informática, prácticas para la adquisición de habilidades y el tratamiento de contenidos. Esto, por un lado, ha servido en alguna medida para que un buen número de estudiantes hayan adquirido algunas habilidades del PC y para que se hayan concienciado la comunidad educativa, los gestores y la sociedad de la necesidad  de una regulación más completa que establezca un estatus de naturaleza propia en la educación y en el currículo.

Sin embargo, esa situación no ha conllevado al desarrollo de un corpus propio de diseño instruccional y sobre todo de evaluación de los resultados de aprendizaje, incluyendo destrezas especificas de PC y habilidades en otras áreas con el uso del PC. Como veremos, el desarrollo más elaborado en esta línea ha consistido en establecer procedimientos similares a los que ya había para otras disciplinas y habilidades de carácter similar en el currículo: Es decir, para la evaluación del PC

Bocconi et al (2022) en su segundo informe señalan que

En educación primaria y secundaria obligatoria, la evaluación formativa de competencias de estudiantes en el pensamiento computacional se basa principalmente en la observación de los estudiantes por parte de los profesores durante el desarrollo de proyectos, resolución de problemas y el uso de cuestionarios (por ejemplo, Bebras tasks[1]), ejercicios y encuestas. En el nivel secundario inferior, la evaluación sumatoria de habilidades de pensamiento computacional (por ejemplo, exámenes, monederos e-wallet) juega un papel más importante y se centra en el dominio del estudiante de las tareas de programación y la comprensión de soluciones que ofrecen.

Esta evolución es positiva, y a través de ella se han desarrollado de forma espontánea algunas buenas prácticas que se han manifestado adecuadas para otras competencias clave y para otros desarrollos trasversales. Pero hace falta regularizarlo y, lo que es más importante, hacer que la evaluación del PC tenga un tratamiento pedagógico e instruccional especifico de acuerdo con sus requerimientos y principios.

De esta forma, como primera cuestión, estos enfoques de enseñanza y ahora de evaluación requieren unos conocimientos pedagógicos y de contenidos que aún no ha sido adquirido por la mayoría de los docentes involucrados en la implementación de la enseñanza de informática en los niveles obligatorios.

Así, para la docencia del PC y sobre todo para su evaluación, la evaluación del aprendizaje como componente instruccional que responde al principio de demostración, en educación infantil, primaria general y en secundaria obligatoria, hay  tres grandes desafíos que intentaremos abordar aquí: el más importante, y de lejos, está en el desarrollo y apoyo de los maestros; el segundo, la relación con otras competencias y con otras prioridades curriculares, y sobre todo, a lo que nos referiremos aquí, la adopción de métodos de evaluación apropiados. Las principales recomendaciones de política para un pensamiento computacional de calidad giran en torno a estas tres dimensiones o dominios.

En este capitulo veremos pues el tercero, pero en íntima relación con los dos primeros.

Pero antes de entrar en ello, veamos cual es el panorama. En primer lugar, trataremos datos generales sobre la evaluación que se han constatado.

Para ello utilizaremos el interesante documento, Assessing computational thinking: A systematic review of empirical studies, de Tang, Yin, Lin, Hadad y Zhai (2020). Se trata de una revisión de las evaluaciones actuales de PC, sobre su contexto, el propio constructo, tipo de evaluación y evidencia psicométrica sobre su eficiencia.

En él se establecen las siguientes conclusiones generales que marcan fuertemente y definen la realidad de la evaluación del aprendizaje en PC:

  • Se encontraron menos propuestas de evaluación de Pensamiento Computacional en educación secundaria (obligatoria y no obligatoria), en la educación universitaria y en formación profesional que en la educación primaria.
  • La mayoría de las propuestas de evaluación de Pensamiento Computacional se centraron en las habilidades informáticas o de programación que poseían los estudiantes.
  • En una gran mayoría de los casos se utilizan métodos de evaluación tradicionales y portfolio, para evaluar PC, y se utilizaban encuestas (cuestionarios de opinión) para medir la disposición y la actitud hacia el PC
  • Solo la mitad de los estudios aportaron evidencias de confiabilidad y validez en sus estudios sobre la evaluación de PC.

A partir de la segunda década del siglo XXI, aprovechando el creciente interés en integrar el Pensamiento Computacional, no solo STEM pero principalmente, han proliferado multitud de estudios en diversos ámbitos, pero sobre todo en Educación. Particular interés han tenido las investigaciones cuyos esfuerzos se han encaminado a  promover y examinar las habilidades de PC en los estudiantes. 

Entre estos esfuerzos se incluyen, pero no se limitan, los siguientes temas, que ilustramos con ejemplos que hemos obtenido revisando la literatura, especialmente el trabajo de Tang, Yin, Lin, Hadad y Zhai (2020). Son los tendentes:

  • A desarrollar un plan de estudios integrado de PC.

Señalamos los trabajos de  Rich, Spaepen, Strickland y Moran (2019) sobre cómo se usa el pensamiento computacional (PC) dentro de disciplinas distintas a las ciencias de la computación, y los de Sung (2017 ), sobre cómo llevar el pensamiento computacional a la educación ya existente de matemáticas y programación en las aulas de primaria; 

  • A inventar herramientas de enseñanza y aprendizaje inspirándolas en PC.

Citamos como ejemplo el trabajo de Bers (2010) que describe el programa de robótica TangibleK para niños pequeños; el de Grover (2017) describe un plan de estudios de computación introductorio de escuela intermedia incluyendo especificaciones de programación dirigidas y abiertas en Scratch,. ; y el de Weintrop et al. (2014 ) presenta un par de evaluaciones interactivas en línea diseñadas para medir las habilidades de pensamiento computacional de los estudiantes. Las evaluaciones son parte de un proyecto más amplio para llevar el pensamiento computacional a las aulas STEM de la escuela secundaria. 

  • Para crear un entorno de aprendizaje integrado en PC.

Citamos el trabajo de García-Valcárcel-Muñoz-Repiso y Caballero-González (2019) cuyo objetivo es verificar la repercusión de las actividades de robótica educativa en
estudiantes de educación infantil para la adquisición de habilidades de pensamiento computacional y programación.

  • Y también para desarrollar evaluaciones, pero centradas en las habilidades de PC como computación y no trasversales o claves.

Citamos como ejemplo el trabajo de  González (2015) presenta el diseño de un Test de Pensamiento Computacional dirigido a estudiantes españoles de entre 12 y 13 años ; y el de Korkmaz, Çakir y Özden (2017) que desarrolla una escala con el fin de determinar los niveles de habilidades de pensamiento computacional de los alumnos. 

Se han investigado, además de lo dicho, otros temas singulares relacionados con el Pensamiento Computacional. Así, por ejemplo:

 Lockwood y Mooney (2018) hicieron una revisión sistemática con el resumen de investigaciones del uso de Pensamiento Computacional en Secundaria dando información sobre temas como :

  • los temas utilizados como enseñanzas propias del PC
  • herramientas utilizadas para enseñar y evaluar PC,
  • beneficios y barreras de la incorporación de PC en la educación secundaria. 

Hsu, Chang y Hung (2018) investigaron que actividades se proponían y qué estrategias de enseñanza y de aprendizaje se utilizaban para favorecer el PC. 

En fin, todos estos años, desde 2006 para unos y desde 2014 para otros, se han investigado y difundido multitud de temas vinculados con el PC. Se ha investigado de todo, herramientas, temas, modalidades de inclusión y de docencia, excepto de un tema esencial que motiva este trabajo: No hemos encontrado una reflexión sistemática sobre instrumentos y criterios de evaluación de las habilidades y del rendimiento en PC de los estudiantes. Instrumentos y criterios que se están utilizando y que se pueden utilizar, bajo el prisma de lo que se sabe sobre evaluación de aprendizajes y de ella en el contexto del diseño instruccional que se utilizan en estos estudios.

Esta situación hace que las direcciones futuras de investigación sobre evaluación de las prácticas de PC, y la promoción a partir de ellas, no estén claras. 

Esto, la ausencia de estudios, creemos que es cierto si hablamos de una evaluación del aprendizaje, de sus resultados, y de la eficiencia de métodos y actividades para desarrollar las destrezas vinculadas al PC. Pero e más cierta aún, si cabe, bajo el prisma del principio de activación y de la eficiencia del pensamiento computacional desenchufado adquirido en las primeras etapas para ser activado en etapas posteriores o en estudios profesionales o universitarios.

Estamos hablando de la evaluación del PC considerándolo como una alfabetización, orientado para la resolución de problemas en otros ámbitos distintos de la computación o de la propia adquisición del PC, del PC como competencia clave y como habilidades trasversales.

Sin embargo, sí se han hecho estudios sobre la evaluación para determinar la consecución de los objetivos propios del PC, y de los resultados de aprendizaje establecido como meta para cada caso, en qué medida se han cumplido y sobre la evaluación formativa. Hay distintos planteamientos. Veamos algunos.

Sobre la cuestión central, la evaluación de los aprendizajes propios del PC, se han hecho apuntes sobre su carácter y necesidad. Así se ha dicho que la evaluación juega un papel fundamental cuando los educadores introducen el PC en las aulas de secundaria obligatoria (K-12). De este tenor son las aportaciones que hace la propia Grover y Pea (2013). 

En la misma línea Kalelioglu et al. (2016) también plante la necesitad de estudiar y discutir más acerca de cómo evaluar la maestría y la aplicación de las habilidades de PC que poseen los estudiantes para aplicar en situaciones de la vida real. Pero más como ejercicios prácticos de fin de lección que como otra cosa. Es como cuando en matemáticas se hacen problemas con edades de padres e hijos para que los alumnos aprendan a plantear ecuaciones o sistemas de ecuaciones. El objetivo no es resolver un ejercicio, de dudosa utilidad en la vida real, sino aprender a plantear ecuaciones y sistemas.

Pero, aún en estos, como en otros casos, no se ha ido más allá de enunciados generales.

Además de sobre la cuestión central, evaluación del aprendizaje propio del PC, en el terreno de lo concreto, se han ofrecido propuestas, en algunos casos de implementación de PC, para la evaluación de esas propuestas con medios convencionales. Así:

  • en algunos casos se emplearon pruebas de respuesta múltiple[2] y/o de respuesta construida[3], por ejemplo, Shell y Soh (2013)
  • otros desarrollaron pruebas convencionales de redactar texto abierto con papel y lápiz para evaluar el conocimiento de CS y las habilidades de PC de los estudiantes, particularmente de estudiantes universitarios (Tang, X et al, 2020); 
  • algunos (como Chen et al. (2017) diseñaron, para responder con papel y lápiz, cuestionarios con preguntas de opción múltiple o con preguntas abiertas, para evaluar la aplicación de las habilidades de PC que poseían los estudiantes para resolver problemas de la vida diaria. Es decir, para algo que sí parecía razonable desde la perspectiva  que Grover & Pea (2013 ) señalaba.

La evaluación a través del desempeño o de los logros es otra forma muy importante de evaluación, a la que hemos hecho referencia en numerosos casos mediante su versión clásica, Mastery learning (Zapata-Ros, 2013a y 2018), o a través de la herramienta con que tan frecuentemente se implementa y confunde: el portafolios. Este caso también se ha dado. Ha habido investigadores e innovadores de implementaciones de PC que han diseñado actividades para desarrollar el PC, y o para que las completaran, y luego empleaban una rúbrica de calificación (portafolios) donde congregaban los productos de sus trabajos de forma sistematizada para evaluarlos. Pero esto se hizo para iniciativas particulares fuera del currículo. Éste es el caso, por ejemplo, de Werner, Denner, Campe y Kawamoto (2012 ) que usaron Fairy Assessment de Alice[4], un entorno que permite a los usuarios construir mundos virtuales en 3D

y mediante su construcción evaluar la supuesta adquisición de comprensión, dominio de diseño o de habilidad resolución de problemas.

para lo cual va dotado el sistema de instrumentos de evaluación y de sus indicadores.

Pero, sin embargo, le falta la validez y capacidad para validar el dominio en situaciones de problemas concretos donde se precisen esas habilidades.

Otro ejemplo de esta misma modalidad es el análisis de portafolios digitales diseñados por estudiantes para completar proyectos en los que se usa PC. Este trabajo fue presentado por Fields, Shaw y Kafai (2018) por un lado y por Lui et al (2019 ) por otro.

Otro caso e evaluación de logros fue la que hicieron Garneli y Chorianopoulos (2018) en la evaluación de proyectos Scratch, hechos por estudiantes, basándose ​​en un entorno de programación visual.

Somos bastantes los que consideramos que los self report studies no son métodos de investigación que validen métodos educativos y su evaluación. Así sucede con la revista RED, por ejemplo. No obstante creemos que en un sucinto repaso sobre lo que se ha hecho, merece la pena señalar, aunque sólo sea para incluirlo en esta categoría, el trabajo de Sáez-López et al. (2016). En el caso objeto de estudio se han utilizado cuestionarios y entrevistas. Por ejemplo,  se ha utilizado un cuestionario para examinar las percepciones de los estudiantes de primaria sobre los conceptos computacionales, después de aprender el lenguaje de programación visual en la plataforma Scratch.

Todo esto está visto desde la perspectiva de la evaluación para determinar la consecución de los objetivos propios del PC. Es decir, en qué medida se han cumplido los resultados de aprendizaje establecido como meta para cada caso o bien como evaluación en progreso, evaluación formativa, para reorientar el proceso.

Aún así, sería interesante, incluso en estos casos de actividades y programas no integrados en un diseño instruccional, averiguar

¿Cuáles son los contextos educativos en los que se han aplicado las evaluaciones?

¿Qué constructos y qué conceptualizaciones de PC se miden mediante estos tipos de evaluaciones del PC?

¿Qué herramientas de evaluación se utilizan para evaluar los constructos de CT?

¿Cuál es la evidencia de confiabilidad y validez de estos métodos  de evaluación del PC?

Esto lo hemos echado en falta.

Pero la cuestión central, la verdaderamente importante en una perspectiva de integración normal, es cómo establecer un diseño completo que, en el contexto de una actividad programada con unas características curriculares determinadas, evalúe el dominio en la adquisición de esas habilidades, teniendo como referencia los rasgos y grados de consecución que debe tener un resultado de aprendizaje para decir que se ha adquirido: Comprensión, atribución de sentido (incorporación), autonomía en su realización y capacidad de transferencia a situaciones distintas y originales. Así como la correspondiente metodología para conseguirlo. Y sólo en ese contexto poder asegurar ese dominio.

No hace falta pensar en diseños muy complejos o tecnológicamente muy sofisticados, o en conceptos teóricamente muy elaborados. Si aceptamos el carácter de competencia clave del PC, tenemos una referencia concreta y muy útil, o mejor dos: pensar cómo los alumnos adquieren los rudimentos de la lecto escritura o de la aritmética y el cálculo elementales. Para estos casos, paradigmáticos, existen métodos y experiencias muy vartiadas y extensas que se han desarrollado en toda la historia de la pedagogía, desde los métodos, espacios de aprendizaje y materiales Montessori, hasta lo sque se basan en el Mastery learning (Zapata-Ros, 2013a y 2013b), desarrollados teórica e investigativamente por Bloom (May 68, 1976, 1984a y 1984b) y ampliados después hasta los materiales de la Fundación Cavendish (Har & Edge, 2011). Eso en una horquilla de visiones innovadoras o de actualización de métodos y teorías ya existentes (Bellas durmientes pedagógicas (Zapata-Ros, 2013d)). Pero pensemos, sobre todo, en una dinámica de desarrollo curricular generalizado y aplicable de forma normal en un sistema educativo determinado

Pensemos en un caso canónico de ello, el recogido por el curriculum ingles, en el Statutory guidance National curriculum in England: computing programmes of study (England, N. C., 2013). En él vienen detallados los objetivos generales (Aims) y los logros de la etapa (Attainment targets) para las Key stages 1, 2, 3 and 4 perfectamente explicados.

Sin embargo, no hemos encontrado directrices concretas para evaluar aprendizajes o habilidades adquiridas de pensamiento computacional en el documento desarrollado The national curriculum in England Framework (DfE (Department for Education), 2014). Documento oficial que publica las directrices de evaluación para el currículo inglés, donde aparecen directrices para evaluar las habilidades y resultados de aprendizaje de las distintas materias, pero no de Computación, de la cual dice sin embargo:

A high-quality computing education equips pupils to use computational thinking and creativity to understand and change the world. [5]

Esto en cuanto se refiere a pautas para la evaluación de la adquisición de los contenidos y de los resultados de aprendizaje que aparece en el currículo nacional. Sin embargo, los métodos y directrices para la evaluación de resultados de aprendizaje de las áreas clave (Inglés y Matemáticas), que aparecen en el currículo nacional, se corresponden con lo que ya conocemos sobre métodos y pruebas tradicionales. Así en el documento de referencia (GOV.UK, 2019), en la Collection. National curriculum assessments: practice materials. Practice materials for the phonics screening check, key stage 1 and key stage 2 national curriculum tests, including past test papers, vemos que están los documentos, pruebas para lengua inglesa (lestura y escritura) y para  matemáticas (aritmética) de la etapa

De entre ellos podemos considerar estereotipo los materiales para matemáticas (aritmética) que además tienen el sentido de material para la alfabetización y su evaluación.

Fuente 2019 national curriculum tests Key stage 2. Mathematics Paper 1: arithmetic https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/804053/STA198216e_2019_ks2_mathematics_Paper1_arithmetic.pdf

Sin embargo, en pensamiento computacional, o computación considerada como PC, no aparece nada semejante. Pero podríamos pensar que el tratamiento dado, de haberlo, podría ser similar si se considerase como una serie de competencias clave.

Obviamente no sería esta nuestra propuesta, a pesar de considerar ejemplar el trato dado en los contenidos del Currículo Nacional al PC. Pero sí la cuestión de fondo: Un tratamiento para la evaluación del pensamiento computacional semejante al que se da a las otras habilidades clave en esa y en otras etapas. Que consecuentemente no podría ser otro que el que hemos propuesto para el resto de habilidades y adquisición de resultados de aprendizaje: La conocida como “Mastery learning”, “Learning for Mastery” o “Dominio del aprendizaje” que ya hemos desarrollado en otros trabajos (Zapata-Ros, 2013a y 2013b), basadas en las investigaciones de Bloom (May 68, 1976, 1984a y 1984b) y que han servido para fundamentar otros sistemas educativos (Har & Edge, 2011; Zapata-Ros, Junio 2018).

Para avanzar en esa línea, sin pormenorizar en detalles específicos del PC que siempre habría que tenerlos en cuenta como primera referencia, si habría que tener en cuenta algunos rasgos generales de la propuesta que hacemos, que en todo caso habrían de concrtarse en los diseños que se hagan de la implementación de enseñanzas del PC.

La evaluación es un complejo de procedimientos que, en condiciones normales, se distribuyen a lo largo de todo el proceso educativo y difícilmente, para que sea una evaluación de calidad, en un único momento o en unos pocos momentos a lo largo del curso. Si se hace así, como aún se hace con demasiada frecuencia con la evaluación, se corre el riesgo de tomar decisiones sesgadas o arbitrarias. Además de crear en los alumnos una ansiedad que los desmotiva y perturba el aprendizaje.

Actualmente tenemos el conocimiento de cómo se produce el aprendizaje y de cómo se realizan las prácticas pedagógicas en las mejores condiciones. Lo hemos obtenido a través de investigaciones que ha aportado resultados y evidencias. También lo tenemos para organizar una evaluación de manera confiable sin necesidad de recurrir a las consabidas pruebas de conocimiento durante o a final de curso, ciclo, trimestre, cuatrimestre o materia. Todo lo que se ha publicado en la literatura, como consecuencia de esas investigaciones y de esa elaboración científica, nos proporciona esos procedimientos y esos métodos. Es papel de los diseñadores de la instrucción en todos sus niveles el conocerlos y el aplicarlos en TODOS LOS ESCENARIOS. Y su responsabilidad el no hacerlo así.

Recientemente, la pandemia ha tenido la virtualidad de poner de relieve hábitos, tradiciones y procesos que estaban pasando desapercibidos y que han manifestado por un lado su vulnerabilidad, sus insuficiencias y las alternativas que la teorías pedagógicas nos venían suministrando, siendo muchas veces ignoradas, y por otro el papel que la tecnología y las redes digitales con sus affordances nos estaban suministrando para la implementación de esos enfoque teóricos así como la oportunidad de validarlos con la práctica.

Con respecto a la evaluación, la segunda cuestión clave que se ha de tener en cuenta es que desde siempre la evaluación ha sido un proceso que, para ser de calidad, difícilmente se puede desvincular del quehacer cotidiano del alumno. Pues bien, si siempre ha sido así, ahora es más vital ese factor: Es en esta situación, en la que no hay una presencia directa de alumnos y profesores, cuando esa interacción debe ser especialmente detallada y frecuente, de forma casi continua, en la medida en que la tecnología lo permita. Y la tecnología lo permite bastante. La tecnología sustituye la presencia directa en la evaluación continua. Alguien planteará que eso es imposible o muy difícil. Hoy no es así. Y no por la eficiencia de las herramientas tecnológicas, que también, sino porque hay metodologías docentes que lo permiten. Desde hace ya tiempo. Y entre ellas, como después veremos, la principal es la de Mastery learning (Zapata-Ros, Junio 2018).

Se trata pues de una cuestión de metodología docente, de cómo los maestros hacemos las cosas, y no tanto de tecnología.

La primera conclusión que he sacado, en toda mi experiencia, es que la evaluación e incluso la acreditación de conocimientos o de habilidades no debe abordarse como algo aislado, condicionado exclusivamente por variables limitadas a la coyuntura o por otros factores recientes y directos, ni tan siquiera en un contexto de emergencia como éste. Si lo hacemos así se pueden derivar más males que beneficios, y además los resultados van a ser irreparables.

La evaluación en todos sus aspectos debe de estar, en todas sus facetas y ejecuciones, integrada en un proceso de diseño instruccional amplio y detallado lo más posible.

Pero, ¿qué es el diseño instruccional?:

Un diseño es, en general, un proyecto o un plan que configura algo antes de su realización o de su desarrollo. Pero que también permite saber en qué punto de él estamos en su ejecución, y cómo relacionar lo que estamos haciendo con los resultados últimos de lo que hagamos. Pudiendo retomar y modificar decisiones, en progreso, para cambiar la ejecución y que ésta se ajuste con nuestros objetivos en un feedback continuo.

Los procesos y programas formativos, y la educación, también se diseñan.

En general el diseño instruccional, como veremos, se define como “un proceso sistemático que se emplea para desarrollar programas de educación y capacitación de manera continua y confiable”.

Existe una amplia base de modelos de diseño instruccional y de desarrollos teóricos considerados como marcos para el desarrollo de módulos formativos o clases que aumenten, haciéndolo de acuerdo con sus pautas y preceptos, la posibilidad de aprender, de fomentar la participación de los alumnos para que aprendan más rápido, y obtener de esta forma niveles más profundos de entendimiento.

Los principales creadores e impulsores del diseño instruccional y de sus bases teóricas ha sido David Merrill (2002 y 2012) y Charles M. Reigeluth.

Así la Teoría del Diseño Instruccional clásica de Reigeluth se considera, en general, como un instrumento con un doble fin: facilitar el aprendizaje y el desarrollo humano, o mejor dicho facilitar el desarrollo humano en la medida que se consigue un mejor aprendizaje. Es en esencia una teoría situacional. Sostiene que los métodos y situaciones de aprendizaje son esenciales para que el aprendizaje tenga lugar de forma efectiva. Está constituida por 

una serie de principios para organizar la enseñanza en un esquema complejo de elementos más pequeños, y por tanto más cerca de la comprensión individual, que posteriormente son insertados en estructuras conceptuales interrelacionadas.

 

Los métodos del diseño instruccional suponen un ciclo continuo y una evaluación formativa (Zapata-Ros, 2013e) que permiten introducir mejoras sobre el proceso en el diseño del programa educativo, sin necesidad de concluir.

El diseño instruccional permite pues partir, en un proceso inverso, desde la consideración de cuáles son los resultados deseados del proceso de aprendizaje para organizar las pautas, para distribuir en el tiempo todo lo demás, incluida la secuencia de acciones y de contenidos. Permite distribuir no solo la entrega de materiales, de actividades y de ayuda, sino de establecer cuáles son los logros parciales que, en una cadena, lleven al alumno a conseguir los logros de la unidad didáctica, el módulo o la materia. De forma que su consecución sea gradual, continua, sin saltos. 

El diseño instruccional consiste también en la aplicación de los principios teóricos que se conocen sobre como los individuos aprenden para organizar la educación. Veamos particularmente cómo funciona esto, la aplicación de los principios teóricos, en un punto concreto, el de la evaluación, que es el tema de este post.

Lo hace a través del principio de demostración.

Antes de abordarlo, expliquemos un poco más qué son los principios del aprendizaje. Como referencia teórica, hemos utilizado el trabajo de M. David Merrill (2002 y 2012) conocido como los “Primeros [o principales] principios de la instrucción” (First principles of instruction, Prentice Hall). Todo ello, en un trabajo más específico, se podría ampliar con más detalle, así como con la lectura de las referencias, que contienen enlaces a los documentos originales.

Estos principios son una constante de la educación en todas las investigaciones, son aceptados por todos los teóricos, hay un consenso sobre ellos.

Merrill estableció cinco principios: El aprendizaje ha de ser centrado en el problema, el principio de activación, el de demostración, el de aplicación y el principio de integración o de transferencia.

El principio que fundamenta la evaluación es el principio de demostración. Y es el que debiéramos tener presente en todo momento en que hablásemos de ella.

¿Qué dice?

En primer lugar, y para entender lo que sigue, hemos de tener en cuenta que los principios de la instrucción están enunciados en forma de criterios que ha de cumplir la enseñanza para que el aprendizaje sea eficiente, de calidad. Hemos de recordar que la evaluación forma parte de la instrucción.

 

Principio 3-Demostración.-

El aprendizaje se promueve cuando la instrucción demuestra lo que se debe aprender en lugar de simplemente decir información sobre lo que se debe aprender.

Así la demostración es un factor de consistencia: El aprendizaje se promueve cuando la demostración es coherente con el objetivo de aprendizaje, con:

(a) ejemplos y contraejemplos de conceptos,

(b) demostraciones para procedimientos,

(c) visualización (evidenciar visualmente) para los procesos, y

(d) el modelado (presentación de modelos) para adquisición de valores y conductas

Fig. 1. Fases de la instrucción

La repercusión del diseño instruccional en la evaluación tiene otro punto clave: La cuestión inmaterial, pero sobre la que gira la docencia, el entregar ayuda y contenidos cuando el alumno esté receptivo y los perciba como útiles, estriba en distribuir los logros parciales y evaluar su consecución, y únicamente entonces proseguir. En esto juega un papel central el diseño y sobre todo, si finalmente los hay, el papel de los Teaching Assistant (TA).

Por último, se trata también de una cuestión de confianza. En una educación de estándares se han establecido medidas iguales para todos, que en su consecución acreditan al alumno para superar el curso o la asignatura. Es un sistema basado en estándares iguales para todos, de superación de pruebas y de exámenes iguales para todos. Esta dinámica permite trasladar la eficiencia al escrutinio de las pruebas y de sus resultados por padres, familias e inspección, donde además con esa supuesta objetividad los docentes se sienten seguros, aunque por contrapartida lo que se hace es sembrar la semilla de la desconfianza, de que no haya equidad en el proceso.

En la nueva educación, la basada en logros personales, el entorno social del alumno debe depositar la confianza en el modelo, personalizado a través de los TA y del método de dominio, pero sobre todo en el maestro y en la expertise docente, de igual forma como la deposita en el método, en su capacidad de diagnóstico y de decidir un tratamiento adecuado.

Todo esto está desarrollado en numerosos documentos y en dos o tres libros. Así de Reigeluth podemos citar Teoría instruccional y tecnología para el nuevo paradigma de la educación (Instructional Theory and Technology for the New Paradigm of Education) y Reinventing Schools: It’s Time To Break The Mold, de Merrill First principles of instruction y en el capítulo siete, dedicado a Reigeluth, de Pensadores de ayer para problemas de hoy: Teóricos de las ciencias sociales (Albert & Carreras, 2014). 

 

Referencias

 

Albert, M. E., & Carreras, J. S. (2014). Pensadores de ayer para problemas de hoy: Teóricos de las Ciencias Sociales (Vol. 6). Editorial UOC.

Bers, M. U. (2010). The TangibleK robotics program: Applied computational thinking for young children. Early Childhood Research & Practice12(2), n2.

Bloom, B. (May 68). Learning for Mastery. Instruction and Curriculum. https://files.eric.ed.gov/fulltext/ED053419.pdf

Bloom, B. S. (1976). Human characteristics and school learning. McGraw-Hill.

Bloom, B. (1984a). 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

Bloom, B. S. (1984b). The 2 sigma problem: The search for methods of group instruction as effective as one-to-one tutoring. Educational researcher, 13(6), 4-16. https://www.jstor.org/stable/pdf/1175554.pdf

Bocconi, S., Chioccariello, A., Kampylis, P., Dagienė, V., Wastiau, P., Engelhardt, K., Earp, J., Horvath, MA, Jasutė, E., Malagoli, C., Masiulionytė -Dagienė, V. and Stupurienė, G. (2022) Reviewing Computational Thinking in Compulsory Education, Oficina de Publicaciones de la Unión Europea , , doi:10.2760/126955. https://publications.jrc.ec.europa.eu/repository/handle/JRC128347

Bocconi, S., Chioccariello, A., Dettori, G., Ferrari, A., Engelhardt, K. (2016). Developing computational thinking in compulsory education – Implications for policy and practice; EUR 28295 EN; doi: 10.2791/792158

Chen, G., Shen, J., Barth-Cohen, L., Jiang, S., Huang, X., & Eltoukhy, M. (2017). Assessing elementary students’ computational thinking in everyday reasoning and robotics programming. Computers & education109, 162-175.

England, N. C. (2013). National curriculum in England: computing programmes of study. Gov. Uk. https://www.gov.uk/government/publications/national-curriculum-in-england-computing-programmes-of-study/national-curriculum-in-england-computing-programmes-of-study

DfE (Department for Education). (2014). The national curriculum in England: Framework document. https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/381344/Master_final_national_curriculum_28_Nov.pdf

García-Valcárcel-Muñoz-Repiso, A., & Caballero-González, Y. A. (2019). Robotics to develop computational thinking in early Childhood Education. Comunicar. Media Education Research Journal27(1).

González, M. R. (2015, July). Computational thinking test: Design guidelines and content validation. In Proceedings of EDULEARN15 conference (pp. 2436-2444).

GOV.UK (2019) Guidance Key stage 2 tests: 2019 mathematics test materials. Mathematics test materials were administered to eligible pupils at the end of key stage 2 in May 2019. https://www.gov.uk/government/publications/key-stage-2-tests-2019-mathematics-test-materials

Grover, S., & Pea, R. (2013). Computational thinking in K–12: A review of the state of the field. Educational researcher42(1), 38-43.

Har, Y. B., & Edge, D. (2011). Teaching to Mastery Mathematics: Teaching of Whole Numbers: from Research to Practice Based on the Singapore Approach. Marshall Cavendish Education.

Hsu, T. C., Chang, S. C., & Hung, Y. T. (2018). How to learn and how to teach computational thinking: Suggestions based on a review of the literature. Computers & Education126, 296-310.

Kalelioglu, F., Gülbahar, Y., & Kukul, V. (2016). A framework for computational thinking based on a systematic research review. Baltic Journal of Modern Computing4(3), 583.

Korkmaz, Ö., Çakir, R., & Özden, M. Y. (2017). A validity and reliability study of the computational thinking scales (CTS). Computers in human behavior72, 558-569.

Lockwood, J., & Mooney, A. (2017). Computational Thinking in Education: Where does it fit? A systematic literary review. arXiv preprint arXiv:1703.07659.

Merrill, M. D. (2002). First principles of instruction. Educational technology research and development, 50(3), 43-59. http://csapoer.pbworks.com/f/First+Principles+of+Instruction+(Merrill,+2002).pdf

Merrill, M. D. (2012). First principles of instruction. John Wiley & Sons.

Merrill, M. D. (1991). Constructivism and instructional design. Educational technology, 31(5), 45-53.

Merrill, M. D. (2002). First principles of instruction. Educational Technology Research and Development, 50(3), 43-59.  Instructional-Design Theories and Models, Volume III: Building a Common Knowledge Base.

Merrill, M. D. (2009). First Principles of Instruction. In C. M. Reigeluth & A. Carr (Eds.), Instructional Design Theories and Models: Building a Common Knowledge Base (Vol. III). New York: Routledge Publishers.

Perez Paredes, P. & Zapata Ros, M.. (2018). El pensamiento computacional, análisis de una competencia clave. New York: Create Space Independent Publishing.

Reigeluth, C. M., Ed. (1999). Instructional-Design Theories and Models: A New Paradigm of Instructional Theory. Mahwah, NJ, Lawrence Erlbaum Associates Publishers.

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 (dd/mm/aaa) en http://www.um.es/ead/red/32

Rich, K. M., Spaepen, E., Strickland, C., & Moran, C. (2020). Synergies and differences in mathematical and computational thinking: Implications for integrated instruction. Interactive Learning Environments28(3), 272-283.

Sáez-López, J. M., Román-González, M., & Vázquez-Cano, E. (2016). Visual programming languages integrated across the curriculum in elementary school: A two year case study using “Scratch” in five schools. Computers & Education97, 129-141.

Shell, D. F., & Soh, L. K. (2013). Profiles of motivated self-regulation in college computer science courses: Differences in major versus required non-major courses. Journal of Science Education and Technology22(6), 899-913.

Suskie, L. (2018). Assessing student learning: A common sense guide. (3rd Ed.). San Francisco, CA: Jossey-Bass

Tang, X., Yin, Y., Lin, Q., Hadad, R., & Zhai, X. (2020). Assessing computational thinking: A systematic review of empirical studies. Computers & Education148, 103798. https://www.sciencedirect.com/science/article/abs/pii/S0360131519303483

Werner, L., Denner, J., Campe, S., & Kawamoto, D. C. (2012, February). The fairy performance assessment: Measuring computational thinking in middle school. In Proceedings of the 43rd ACM technical symposium on Computer Science Education (pp. 215-220). https://users.soe.ucsc.edu/~linda/pubs/SIGCSE2012Fairy.pdf

Weintrop, D., Beheshti, E., Horn, M. S., Orton, K., Trouille, L., Jona, K., & Wilensky, U. (2014, July). Interactive assessment tools for computational thinking in high school STEM classrooms. In international conference on intelligent Technologies for interactive entertainment (pp. 22-25). Springer, Cham.

Zapata-Ros, M. (2013a). La evaluación en el nuevo paradigma de la educación en la Sociedad Postindustrial del Conocimiento.

Zapata-Ros, M. (2013b). El “problema de 2 sigma” y el aprendizaje ayudado por la tecnología en la Educación Universitaria. http://cuedespyd.hypotheses.org/115

Zapata-Ros, M. (2013c). El “problema de 2 sigma” y el aprendizaje ayudado por la tecnología.http://eprints.rclis.org/18866/

Zapata-Ros, M. (2013d) El “problema de las dos sigmas” y el aprendizaje ayudado por la tecnología en la Educación Universitaria.

Zapata-Ros, M. (2013e). La evaluación en el nuevo paradigma de la educación en la Sociedad Postindustrial del Conocimiento. Eprint de Rclis. http://eprints.rclis.org/20157/

Zapata-Ros, M. (2014). Pensamiento computacional y alfabetización digital (I). Blog RED de Hypotheses. https://red.hypotheses.org/776

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. Revista de Educación a Distancia (RED), (46). https://revistas.um.es/red/article/view/240321

Zapata Ros, M. (2018). La universidad inteligente: La transición de los LMS a los Sistemas Inteligentes de Aprendizaje en Educación Superior. RED. Revista de educación a distancia.

Zapata Ros, M. (Junio 2018). El modelo educativo de Singapur y el “mastery learning” de Bloom. RED de Hypotheses.


 

 

[1] Bebras es una iniciativa internacional que tiene como objetivo promover la Informática  y el pensamiento computacional entre estudiantes escolares de todas las edades. Los participantes suelen estar supervisados ​​por profesores que pueden integrar el desafío Bebras en sus actividades de enseñanza. El desafío se realiza en las escuelas utilizando computadoras o dispositivos móviles. https://www.bebras.org/

[2] A veces se denominan pruebas objetivas (Suskie, 2018), pero siempre se componen de preguntas para las que normalmente hay una mejor respuesta.

 

[3] En el caso de respuesta construida se pide que el evaluado cree la respuesta, en lugar de simplemente elegirla de una lista. La respuesta requerida puede ser tan simple como escribir una sola palabra o tan compleja como el diseño de un experimento de laboratorio para probar una hipótesis científica.

Estos tipos de preguntas de prueba, en conjunto, se conocen como preguntas de respuesta construida.

 

[4]  Fairy Assessment como un programa de Alice para analizar dos de las tres partes de PC identificadas por el Carnegie Mellon Center for Computational Thinking (CMCCT): pensar algorítmicamente y hacer un uso efectivo de la abstracción y el modelado.

[5] Una educación informática de alta calidad equipa a los alumnos para utilizar el pensamiento computacional y la creatividad para comprender y cambiar el mundo (Traducción del autor)

 

Moodle Offline Analytics: a web application to monitor student activity

 

Raidell Avello Martínez and Marcos Carrera Ramos

ravellom@gmail.com

Universidad de Cienfuegos

 

Introduction

Learning Management Systems (LMS) are the main computerized educational systems today. In particular, Moodle is one of the most widely used LMS today, which was adopted by the Cuban Ministry of Higher Education to deploy and use in the universities of the system. Like other LMS tools, Moodle collects a large amount of data including all the ratings and interactions of the participants allowing the application of a complete set of Learning analytics (LA) techniques.

The relevance of LA is palpable given its increase in scientific publications and international projects. It is impossible to ignore these techniques as something fundamental embedded in the learning process and in higher education, to manage actions to improve learning. The large volume of data (records) of each participant, from the interaction of hundreds of students, with more than a dozen qualifying activities, show the need to apply specialized tools in LA.

Moodle does not include visual learning analysis functionalities in its modules that it installs by default. There are functional plugin-based extensions to Moodle, which support visual exploration of student activity and performance. But the decision to make a new extension available to teachers depends on multiple factors of the academic institution: size, organization chart, economy, etc. That are beyond the scope of the teacher’s decision (Ji et al, 2020).

There are several pluings (Luna et al, 2017) and external tools (Sáiz-Manzanares et al, 2021) to analyze and monitor the participants of a course in Moodle, including advanced Machine Learning analyzes to predict the performance of students, classify them according to different variables extracted from their interaction and completion of activities among other analyzes (Ahmed & Khan, 2019). However, few of these applications analyse the reports provided by Moodle, that is, they work by connecting directly to the server and extracting the information online.

The goal of the Moodle Offline Analytics web application is to provide a simple and basic solution for analyzing Moodle course logs and providing useful interactive graphs to describe student activity.

App description

Moodle Offline Analytics is a web application for teachers or managers, developed in python and using the Django framework, which analyzes the records of one or more Moodle courses. Faced with more common solutions, such as Moodle plugins or blocks, a web application lacks the bureaucratic, technical and economic problems of installing and updating versions on an institutional server decision (Ji et al, 2020). This application follows an open source and free use policy, under the MIT license, with the latest version available in the GitHub repository (https://github.com/ravellom/moodle_csv_prof).

 

Basic functionality

In order to use the application, it is necessary to enter the course in question and download the records as explained in the help section of the application. Then in the “Load data” section you can upload the file and exclude participants who do not want to be part of the analysis, as well as set the date range to analyse.

Figure 1. Load data and filters

In the general analysis section there is a description of the accesses for the days analysed, a heatmap that provides the accesses by day of the week and time using color intensity to indicate more or less number of accesses, a graph with the amount of access by type of activity and another by specific activities, that is, the most popular activities. Finally, a world map is provided with a color scale according to the amount of access by country.

Figure 2. General analysis

In the participants section, 2 graphs are shown, one with an analysis of the number of participants for the main activities of the course and a cluster analysis that classifies the students into two groups according to the variables presented in the table below of the graphics. This table has 5 variables that describe the contributions of the participants in the main knowledge-building activities that Moodle provides.

Figure 3. Participants analysis

Evaluation

 The tool is being evaluated during this course (2020-2021), using the institutional Moodle server for undergraduate students at our University of Cienfuegos (moodle versions 3.7 and 3.11 latest as of the date of this publication). In a first phase, it is being tested by 5 teachers (3 from the Computer Science area and 2 from Social Sciences) checking the tool with their own courses and reporting errors or proposing improvements.

In addition, it was used for the analysis of the pre-congress courses of the 3rd Scientific Conference of the University of Cienfuegos (cursos.ucf.edu.cu) with 17 courses, with a real data load. The results obtained were highly accepted and useful for teachers and conference coordinators.

 

Conclusions

 In this paper, the Moodle Offline Analytics web application is presented as a basic and simple solution to analyse the records of Moodle courses and provide useful interactive graphics to describe the activity of the students, with great acceptance by managers and teachers who tested the first version available in the national network of Cuban Universities (moodlestats.ucf.edu.cu).

 

References

 Ahmed, S.A.; Khan, S.I. A Machine Learning Approach to Predict the Engineering Students at Risk of Dropout and Factors Behind: Bangladesh Perspective. In Proceedings of the 10th International Conference on Computing, Communication and Networking Technologies (ICCCNT), Kanpur, India, 6–8 July 2019; pp. 1–6.

Ji, Y.P., Marticorena, R., Pardo, C., López, C., Juez, M. (2020). Monitorización de la actividad y rendimiento de los alumnos en Moodle para su análisis visual. Actas de las Jenui, vol. 5. Páginas: 261-268

Luna, J.M.; Castro, C.; Romero, C. (2017). MDM tool: A data mining framework integrated into Moodle. Comput. Appl. Eng. Educ, 25, 90–102.

Sáiz-Manzanares, M.C.; Rodríguez-Díez, J.J.; Díez-Pastor, J.F.; Rodríguez-Arribas, S.; Marticorena-Sánchez, R.; Ji, Y.P. (2021). Monitoring of Student Learning in Learning Management Systems: An Application of Educational Data Mining Techniques. Appl. Sci., 11, 2677. https://doi.org/10.3390/ app11062677

 

 

El Principio de Activación en el Pensamiento Computacional, las Matemáticas y el STEM

José Miguel Zapata, University College of Dublin. Dublin. Irlanda.
Ellen Jameson, University of Cambridge. Cambridge. UK
Miguel Zapata-Ros, profesor honorífico en la Universidad de Murcia. Murcia. España.
David Merrill,  professor emeritus at Utah State University. Logan. EE UU

 

 

Preprint con la presentación del número especial de RED “La educación en Matemáticas, Pensamiento Computacional y STEM apoyada por la tecnología digital. Su diseño instruccional. El principio de activación”

 

 

El presente número monográfico de RED se convocó con el título La educación en Matemáticas, Pensamiento Computacional y STEM apoyada por la tecnología digital. Su diseño instruccional. El principio de activación.

Hay numerosas destrezas y conceptos, propios de Pensamiento Computacional, Matemáticas y STEM, que son necesarios como base para los estudios de grado. Frecuentemente estos conceptos y procedimientos no constan de forma explícita en el currículo de los niveles anteriores a la universidad o, constando, no se garantizado su dominio.  En estos casos no podemos esperar que aparezcan de forma espontánea, en el mismo momento en que se necesitan para los contenidos de grado o de secundaria superior. Es necesaria una sólida base cognitiva para que puedan ser evocados.

El presente número monográfico está convocado con el objetivo de dar oportunidad de difundir investigaciones y casos que parcial o totalmente tengan como referencia esas ideas. E investiguen si efectivamente el uso del principio de activación (Merrill, 2002; 2020 revised edition) convenientemente utilizado en un diseño instruccional adecuado, con métodos, actividades y recursos, consigue una mejora en la calidad de los resultados de aprendizaje cuando lo aprendido en las etapas anteriores es evocado y reactivado convenientemente en los estudios de grado.

Finalmente, sólo se han recibido dos trabajos con ese fin. Ello no exime a la revista a justificar la importancia de ese planteamiento y a dar la bienvenida a esos primeros trabajos, de los cuales no dudamos habrá continuación en el futuro.

Las habilidades que son necesarias para la programación de algoritmos complejos, las destrezas del pensamiento computacional en todo su vigor (análisis descendente, análisis ascendente, métodos de aproximaciones sucesivas, ensayo-error, ….) y las que entraña la operatividad lógica o abstracta que son necesarias para la programación de ordenadores, para resolver problemas, no podemos esperar a que aparezcan, o a que se manifiesten de forma espontánea. Y que lo hagan en el mismo momento de necesitarlas en los estudios de grado de Matemáticas, Computación o Ingeniería, en la etapa de madurez del alumno que corresponde a esa edad, ni tan siquiera en la etapa de desarrollo del pensamiento abstracto, en la secundaria postobligatoria o incluso en Secundaria.

En esto, estas habilidades no son distintas de otras habilidades complejas que tienen que ver con el desarrollo de los individuos, que se adquieren de forma progresiva y que solo son utilizables en forma operativa en su última fase.

Esta naturaleza del aprendizaje, el enlace de las situaciones en que se produce, o se debiera producir, con los objetivos finales a través de etapas, niveles y condiciones de aprendizaje, es la que justifica el diseño instruccional y de ello no se libra la adquisición de las habilidades de STEM ni, siendo distinto, el pensamiento computacional. Los aprendizajes complejos se dividen, se fraccionan en aprendizajes más simples, más cercanos a las capacidades de los individuos y más lejanos del momento que adquieren su mayor eficiencia u operatividad práctica, o incluso que nunca lo alcancen porque no exista, como sucede en el caso que no lo alcancen ese punto en su dominio propio, por sí mismas, sino como habilidades auxiliares a otras. Así pasa con los conocimientos y las habilidades básicas y con las competencias clave, entre las que tradicionalmente se encuentras la escritura, la lectura y la aritmética (las “tres erres”)

En este punto es donde obtienen su justificación en las teorías del aprendizaje, en el principio de activación, y en la forma en como transitar desde que se adquieren las habilidades hasta que son útiles en su destino final. Este tránsito y la forma de organizarlo es lo que constituye la base del diseño instruccional. Por tanto, son dos núcleos clave que está en la justificación en la teoría del aprendizaje y en la base de una pedagogía del STEM: El principio de activación y el diseño instruccional.

En este caso nos vamos a dedicar exclusivamente al principio de activación.

Así pues, vamos a justificar con este principio la necesidad y la conveniencia de trabajar aspectos del aprendizaje previos para todos los contenidos de STEM en la Educación Superior, y que son necesarios desde las primeras etapas del desarrollo cognitivo de los individuos.

Esto es lo que va a justificar después qué actividades constituyen el currículo (Por ejemplo, entre ellas incluiremos juegos, tarjetas, escarabajos robots, etc.) y cómo se organizan. También nos informa cómo lo hacemos para que los conceptos y preconceptos (Piaget, 1973 y Piaget & Herborth, 1973 a través de Burgmann, C., & Wille, R., 2006) se activen y fluyan en la fase de resolver problemas en las etapas de enseñanza universitaria.

Esto obviamente sería una ejemplificación extrema. En un caso más normal, la adquisición se produciría de una forma más progresiva. A través de las distintas etapas educativas, de los niveles. E incluso en el trascurrir de estos y de los módulos y unidades instruccionales que los componen.

En su trabajo, Merrill (2002) desarrolla lo que llama unos principios fundamentales del aprendizaje (first priciples) lo hace decantando los principios subyacentes en los que hay consensos, hay un acuerdo esencial, en todas las teorías y que previamente ha identificado.

Ese trabajo está expuesto y desarrollado en su artículo First principles of instruction (Merrill, 2002), en Educational technology research and development, incluido también como capítulo en el tercer volumen de los libros de Reigueluth  Instructional-design theories and models: Building a common knowledge base (Merrill, 2009). Y de forma resumida en First principles of instruction: A synthesis (Merrill, 2007). También son glosados como base del nuevo paradigma instruccional de Reigeluth, cuya versión oficial pueden encontrar en RED número 50, en el artículo Teoría instruccional y tecnología para el nuevo paradigma de la educación (Reigeluth, 2016).

En este último trabajo, Reigeluth (2016) distingue entre principios universales y escenarios particulares. Cuando aplicamos con mayor precisión un principio o un método instruccional, por lo general descubrimos que hace falta que éste sea diferente para diferentes situaciones y perfiles de aprendizaje o, en una mayor precisión, para obtener objetivos contextualizados y personalizados. Reigeluth ( 1999a ) referred to the contextual factors that influence the effects of methods as “situationalities.” Reigeluth (1999) se refirió a los factores contextuales que influyen en los efectos de los métodos como “escenarios”.

Los principios fundamentales de instrucción (first priciples) los propone y los define Merrill (2002) en First principles of instruction. Este documento se refiere a los métodos variables como programas y prácticas. Un principio fundamental (Merrill, 2002), o un método básico según Reigueluth (1999a), es un aserto que siempre es verdadero bajo las condiciones apropiadas independientemente del programa o de la práctica en que se aplique, que de  esta forma dan lugar a un método variable. Teniendo en cuenta como el mismo Merrill (2002) las define:

Una práctica es una actividad instruccional específica. Un programa es un enfoque que consiste en un conjunto de prácticas prescritas. Las prácticas siempre implementan o no implementan los principios subyacentes ya sea que estos principios se especifiquen o no. Un enfoque de instrucción dado solo puede enfatizar la implementación de uno o más de estos principios de instrucción. Los mismos principios pueden ser implementados por una amplia variedad de programas y prácticas.

De esta forma Merrill propuso un conjunto de cinco principios instruccionales prescriptivos (o “principios fundamentales”) que mejoran la calidad de la enseñanza en todas las situaciones (Merrill, 2007, 2009). Esos principios tienen que ver con la centralidad de la tarea, la activación, la demostración, la aplicación y la integración.

Para ello Merrill (2002) propone un esquema en fases como el más eficiente para el aprendizaje, de manera que centran el problema y crean un entorno que implica al alumno  para la resolución de cualquier problema En cuatro fases distintas, cuando habitualmente solo se hace en una: la de demostración, reduciendo todo el problema a que el alumno pueda demostrar su conocimiento o su habilidad en la resolución del problema en una última fase. Son las FASES DE INSTRUCCIÓN (ver Figura 1).

Figura 1. Fases de la instrucción según Merrill (2002)

Las fases son (a) activación de experiencia previa, (b) demostración de habilidades, (c) aplicación de habilidades, y (d) integración de estas habilidades en actividades del mundo real.

Así la figura anterior proporciona un marco conceptual para establecer y relacionar los principios fundamentales de la instrucción. De ellos uno tiene que ver con la implicación y la naturaleza real del problema, así percibida por el alumno, y los cuatro restantes para cada una de las fases. Así estos cinco principios enunciados en su forma más concisa (Merrill 2002) son:

  1. El aprendizaje se promueve cuando los estudiantes se comprometen a resolver problemas del mundo real. Es decir, el aprendizaje se promueve cuando es un aprendizaje centrado en la tarea.
  2. El aprendizaje se favorece cuando existen conocimientos que se activan como base para el nuevo conocimiento.
  3. El aprendizaje se promueve cuando se centra en que el alumno debe demostrar su nuevo conocimiento. Y el alumno es consciente de ello.
  4. El aprendizaje se promueve igualmente cuando se centra en que el aprendiz aplique el nuevo conocimiento.
  5. El aprendizaje se favorece cuando el nuevo conocimiento se tiende a que se integre en el mundo del alumno.

Pero, de todos estos principios, el que justifica sobremanera la inclusión del pensamiento computacional, como pensamiento computacional desenchufado en las primeras etapas, es el principio de activación. En él nos vamos a centrar, y no solo en su aplicación para el diseño instruccional en la fase de activación, en la que el conocimiento existente se activa, sino en las fases en las que se crean los conocimientos y habilidades que son activados, y en cómo hacerlo para que la activación sea más eficiente.

En su trabajo Teoría instruccional y tecnología para el nuevo paradigma de la educación, Reigeluth (2016 pág. 4) caracteriza el principio de activación de manera que:

  • El diseño educativo de actividades, organización, recursos, etc. debe ser tendente a activar en los alumnos estructuras cognitivas relevantes, haciéndoles recordar, describir o demostrar conocimientos o experiencias previas que sean relevantes para él.
  • La activación puede ser social. La instrucción debe lograr que los estudiantes compartan sus experiencias anteriores entre ellos.
  • La instrucción debe hacer que los estudiantes recuerden o adquieran una estructura para organizar los nuevos conocimientos.

Los trabajos de Merrill (2002) y Reigeluth (2016) hacen énfasis en la fase de activación, pero no en la fase de crear estructuras cognitivas, experiencias y en general conocimientos y habilidades que puedan ser evocados. Ni tampoco en crear una pedagogía o un diseño educativo que incluya, o tendente a favorecer, elementos cognitivos de enlace que promuevan la  activación. Tampoco a fomentar la investigación sobre estos temas, o a investigar qué tipos de enlaces fortalecen más las estructuras cognitivas de enlace y de evocación.

A partir de lo que dicen, sobre las características del diseño instruccional que implica el principio de activación, los ítems anteriores, podemos concluir que la instrucción, en la fase de crear elementos para ser evocadora, debe:

  • Crear estructuras cognitivas que incluyan conocimientos, habilidades, elementos de reconocimiento que permitan distinguir al alumno y otorgar relevancia en su momento de forma fluida a esas habilidades para conseguir su efectividad en ese momento a partir de elementos contextuales, metáforas, etc.
  • Otorgar a esas habilidades elementos de reconocimiento que permitan la activación.
  • Asociar esas habilidades a tareas que tengan similitud con las que se en su momento sean necesarias para resolver los problemas a los que ayuda la activación. En nuestro caso, a los problemas computacionales, o habilidades propias a los elementos que constituyen el pensamiento computacional.
  • Diseñar instruccionalmente las actividades que sean relevantes para evocar los elementos de pensamiento computacional (Pérez-Paredes y Zapata-Ros, 2018).
  • Propiciar experiencias de aprendizaje compartido en las primeras etapas y hacer que esos grupos y experiencias sociales sean estables a lo largo del tiempo. Las experiencias compartidas crean elementos de activación a través de grupos o de pares alumnos. El propiciar grupos y claves de comunicación, de lenguaje, y que esos grupos sean estables a lo largo del tiempo aumenta la potencia de activación.
  • Crear estructuras cognitivas en los alumnos capaces de recomponerse y aumentar en el futuro. Dotar a los conocimientos y habilidades de referencias y de metadatos que permitan ser recuperados mediante evocación.

Debe pues potenciarse una pedagogía que establezca valores en estas ideas y principios para las primeras etapas.

El principio de activación es pues clave para tenerlo en cuenta cuando se diseña la educación infantil y del primer ciclo de primaria teniendo en el horizonte los aprendizajes futuros, incluidos los de STEM.

Además de Merrill ha habido más aportaciones sobre el principio de activación y el aprendizaje STEM.

Como señalamos en otro trabajo (Zapata-Ros, 2018b), Bawden (2008) refiriéndonos a Pensamiento Computacional, se habla de habilidades de recuperación, y se remite a lo expuestas en otro trabajo anterior (Bawden, 2001). En las habilidades que señala se constatan ideas como la de construir un “bagaje de información fiable” de diversas fuentes, la importancia de las habilidades de recuperación, utilizando una forma de “pensamiento metacognitivo” 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.

Para concluir, no podemos finalizar esta presentación sin agradecer a Chales M. Reigeluth su participación y aliento en todas las fases del monográfico. Primero con su producción teórica poniendo en relación los principios principales del aprendizaje con el diseño instruccional en todas las fases niveles y programas educativos, y particularmente en Pensamiento Computacional. Y luego con su implicación en la elaboración del número, invitando a quien hoy es autor de esta presentación, Dave Merrill, a participar. También propiciando la participación de autores con su implicación personal en la difusión y valoración de las ideas que se quieren potenciar sobre el principio de activación y el pensamiento computacional.

También agradecemos al Profesor Richard West, de la BYU, su apoyo difundiendo la iniciativa y animando a investigadores no sólo en participar en este número, lo cual era difícil si previamente esta idea no contaba, como ha sucedido, con la suficiente tradición y producción, sino sobre todo a sembrar inquietudes para propiciar futuras investigaciones.

Citar como

Zapata, J.M.,  Jameson, E.,  Zapata-Ros, M. y Merrill, M.  (2021). El Principio de Activación en el Pensamiento Computacional, las Matemáticas y el STEM.   RED. Revista de Educación a Distancia. Núm. 68, DOI: http://dx.doi.org/10.6018/red.498531

Financiación

Este trabajo no ha recibido ninguna subvención específica de los organismos de financiación en los sectores públicos, comerciales o sin fines de lucro

 

Referencias

Bawden, D. (2001). Information and digital literacies: a review of concepts. Journal of Documentation57(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

Burgmann, C., & Wille, R. (2006). The basic theorem on preconcept lattices. In Formal Concept Analysis (pp. 80-88). Springer, Berlin, Heidelberg. https://link.springer.com/chapter/10.1007/11671404_5 https://link.springer.com/content/pdf/10.1007%2F11671404.pdf

Merrill, M. D. (2002). First principles of instruction. Educational technology research and development, 50(3), 43-59. https://link.springer.com/article/10.1007/BF02505024 y https://mdavidmerrill.com/Papers/firstprinciplesbymerrill.pdf

Merrill, M. D. (2007). First principles of instruction: A synthesis. In R. A. Reiser & J. V. Dempsey (Eds.), Trends and issues in instructional design and technology (2nd ed., pp. 62-71). Upper Saddle River, NJ: Merrill/Prentice-Hall.

Merrill, M. D. (2009). First principles of instruction. In C. M. Reigeluth & A. A. Carr-Chellman (Eds.), Instructional-design theories and models: Building a common knowledge base (Vol. III, pp. 41-56). New York: Routledge.

Merrill, D. (2020). First principles of instruction (revised edition). Association for Educational Communications and Technology.

Piaget J. (1973)  Einf¨uhrung in die genetische Erkenntnistheorie. suhrkamp taschenbuch wissenschaft 6. Suhrkamp.

Piaget, J., & Herborth, F. (1973). Einführung in die genetische Erkenntnistheorie. Frankfurt am Main: Suhrkamp.

Reigeluth, C. M. (1999). What is instructional-design theory and how is it changing? In C. M. Reigeluth (Ed.), Instructional-design theories and models: A new paradigm of instructional theory (Vol. II, pp. 5-29). Mahwah, NJ: Lawrence Erlbaum Associates.

Reigeluth, C. M. (2016). Teoría instruccional y tecnología para el nuevo paradigma de la educación. RED. Revista de Educación a Distancia. Número 50. http://www.um.es/ead/red/50

Zapata-Ros, M. (2018b). Pensamiento computacional. Una tercera competencia clave. (I) Blog RED El aprendizaje en la Sociedad del Conocimiento. https://red.hypotheses.org/1059

 

COVID19: La transición pedagógica de la docencia universitaria hacia el modo en pandemia y hacia la educación de la postpandemia

INTRODUCCIÓN DE URGENCIA

Esta entrada constituye la primera versión pública de la introducción de lo que, normalmente, ha de ser un libro sobre diseño instruccional de la educación en la pandemia y después de ella. Por otro lado constituye parte del material utilizado sobre esos temas en cursos y estudios de postgrado que el autor está impartiendo para distintas universidades e instituciones. El identificador que debe utilizarse cuando se cite o para cualquier mención es el que sirve para referenciar todos los materiales de este proyecto  DOI: 10.13140/RG.2.2.21911.29605   

I.

La irrupción de la pandemia COVID 19 y el impacto que tuvo, está teniendo y tendrá en la educación, en todos los niveles, es un hecho suficientemente tratado en muy diversos lugares. No cansaremos a los lectores repitiendo descripciones y datos. Lo que sea relevante para el tema que nos concierne, el diseño instruccional de la enseñanza en estas condiciones, así como el de la educación que salga de ella, estará tratado en el desarrollo del punto que en cada momento estemos tratando.

Remitimos en todo caso a los informes de las entidades oficiales que tienen competencia en la educación y a los informes de las agencias de reputación (UNESCO, 2021) (World Economic Forum, 2021).

Sobre la particular percepción de esos hechos que tiene el autor, basado en sus experiencias, estudios e investigaciones los podemos encontrar en la presentación del número especial sobre el tema de la revista RED (Teixeira y Zapata-Ros, 2021),

Lo importante es asegurar pues, en estas condiciones, que la transición a este modo sea pedagógicamente lo más eficiente posible. No tendría sentido por otra parte el esfuerzo y el desembolso que todos estos años se ha hecho en equipamientos y en capacitación docente, no siempre eficiente ni efectiva, para la enseñanza y el aprendizaje en línea.

La idea que debe prevalecer, en todo caso, es favorecer las iniciativas y la flexibilidad de los profesores, grupos y departamentos académicos. Debe predominar sobre la iniciativa institucional, ante la que en ningún caso deben de quedar expectantes y paralizados.

Dame Minouche Shafik (2020), directora de LSE, nos da la referencia en su post de THE. La frase clave del artículo es “Se aconseja a los colegas que haya flexibilidad en términos de la evaluación que decidan establecer, con una gama de opciones disponibles. Los métodos de evaluación quedarán a discreción del profesorado académico y deberán ser aprobados por el presidente de su comité de enseñanza departamental”.

Este es un post de urgencia que induce algunas preguntas que en parte desarrollaremos mínimamente, pero a las cuales este libro también quiere dar respuesta en el capítulo de temas prioritarios en situaciones como esta.

¿Cuál es la prioridad? ¿Qué es lo que hay que hacer ya para que los alumnos no se escapen? ¿Cómo mantener el vínculo?

¿Qué es lo mínimo imprescindible para asegurar que la entrega de materiales y tareas lleguen a todos oportuna y dosificadamente? Y ¿cómo asegurar la ayuda oportuna, la revisión de las tareas y el feedback?

Pero, en todo caso, desde el principio, queremos dejar constancia de LA PRIORIDAD DE LAS GUIAS. Que haya una cultura de las guías. Fomentándola, LAS GUÍAS DIDÁCTICAS hacen que los alumnos sepan lo que han de hacer en cada momento y regulan la entrega y la devolución en todos los escenarios con un mínimo de recursos. Sólo unas hijas impresas o un sencillo fichero PDF o Word.

II. Prioridad.- Lo que hay que hacer ya. Mantener el vínculo.

La conmoción del estado de alarma y las medidas que impone, entre ellas el cierre físico de espacios y edificios universitarios, ha conmocionado a la comunidad universitaria que no sabe qué hacer, o no tiene  directrices claras.

Es un momento de mucha responsabilidad. Los alumnos y, lo que es más grave, los profesores pueden quedar desconectados. Los servicios técnicos y de computación también, por atender a lo que creen las autoridades que son las prioridades.

En estos posts trataré con más profundidad temas como son los elementos del diseño instruccional: Epítome, cómo establecer competencias u objetivos de aprendizaje, actividades, entrega de contenidos y recursos, métodos docentes, evaluación,… Pero el tema de urgencia ahora es QUE LOS ALUMNOS NO QUEDEN DESCONECTADOS, MANTENER EL VÍNCULO. Y después, que sepan qué hacer en su tiempo. Mantener la tensión de la actividad.

Hay distintos complejos tecnológicos: Los LMS de las universidades, los que ofrecen las corporaciones de forma gratuita, pero que son nuevos y desconocidos para la mayoría de eventuales usuarios en este caso, y que por tanto necesitan una inversión de aprendizaje nuevo y posiblemente sólo para esta ocasión y los que habitualmente utilizan los estudiantes y la mayoría de profesores para su vida de forma habitual, de los que después hablaremos.

Si sus servicios de informática para la docencia, los que su universidad le provee, siguen funcionando y manteniéndose, enhorabuena. Los LMS siempre tienen un sistema de correo y avisos que están conectados con el correo corporativo de alumnos y profesores. También los foros y con ellos los servicio de envíos y descargas están conectados con los correos. Y siempre hay un chat, o una affordance de chat para trabajo colaborativo y en grupos.

Sólo con estos elementos ya se puede constituir un entorno de aprendizaje muy completo y cognitivamente muy potente. Si además dispone de gestión de vídeos, genial.

Pero si todo esto no es así, una red social también cumple estas condiciones y es capaz de prestar estos servicios y dar soporte para una rica y compleja actividad docente y discente. Además, siempre tenemos Youtube. Pero no atribuyamos expectativas a un medio poco interactivo como es el vídeo y, reconozcámoslo, poco elaborativo. Los alumnos tienen que procesar ideas y datos, y la forma cognitivamente más potente de hacerlo es la escritura, en la redacción de trabajos y proyectos, y en la interacción grupal. Y la lectura.

De todo esto podemos disponer ya, sin más, alumnos y profesores (casi todos saben manejar una red como Facebook o Whatsapp).

Por tanto ¿qué hay que hacer?

1.- Que los alumnos no se escapen. Mantener el vínculo.

Para ello es indispensable tener una lista con las direcciones de email (institucionales o las que utilizan de forma personal, y a veces más eficientescomo gamail), También direciones y perfiles: Facebook, Twitter y sobre todo Whatsap y Skype.

Y tener una mínima organización por grupo de aula, o de otro tipo, por trabajos y proyectos, por ejemplo. No son incompatibles. Se impone por lo menos crear un grupo por aula en Facebook, Whatsap, Linkedin,…

2.- Dejar bien claro que esto, lo que se haga aquí, en este entorno, improvisado o no, decidirá muy significativamente en quién aprueba y quién no. Se trata de la evaluación del aprendizaje, y todo lo que se haga aquí será relevante para la evaluación y para acreditar los logros. En las guías didácticas se dice como se conseguirá: PRIORIDAD DE LAS GUÍAS.

2.- Con dos o tres vínculos se puede hacer mucho: Correo y grupo de Facebook o de Linkedin.

3.- Que sepan lo que tienen que hacer en cada momento y regular la entrega: LAS GUÍAS DIDÁCTICAS.

Éste último elemento es clave. Después veremos cómo hacer y cómo poner en marcha unas guías didácticas.

De momento me permito poner a su disposición, la de usted profesor, las guías didácticas que utilicé en mi curso abierto online de la Universidad de Alcalá de Henares. Lo hago como todo lo demás en el espacio que he creado en Google Drive con este enlace.

Cuando se publicó este contenido como post, señalamos que éste, los siguientes y el anterior, es decir la serie completa, se irán actualizando y adaptando progresivamente. Por tanto, es conveniente que lo visite frecuentemente. El repositorio de Google Drive también. En un futuro crearé uno más estable e independiente en el servidor de la Universidad de Murcia.

 

III. Los Teaching Assistant en la urgencia.

La primera disrupción necesaria de esta nueva y desconcertante situación es el papel inédito, de urgencia, que cumple la educación abierta y en línea. Pero conviene bajar al detalle de disrupciones concretas. Mas abajo veremos el concepto de disrupción tal como lo estableció el teórico Christensen. Lo que tienen de común estas situaciones es su novedad, en un contexto distinto, como enfoques necesarios e impuestos por la realidad frente a las situaciones o prácticas existentes, consolidadas por los años, la necesidad anterior y la tradición. Esta irrupción se hace generalmente con la resistencia y con la inercia de los hábitos humanos consolidados.

Así pues, el coronavirus crea un contexto nuevo y distinto para una práctica como la educación on line, su diseño instruccional y para todas sus componentes.

Vamos a tratar pues el diseño instruccional de la enseñanza online en estas circunstancias. Pero, por razones de urgencia y oportunidad, alternaremos la secuencia natural de temas. Abordamos ahora el tema de los Teaching Assistant, los profesores que asisten, que ayudan, en el aprendizaje a los alumnos.

El Prof. Días Figueiredo se ha dado cuenta de algunas de estas disrupciones que en otros contextos propicia la situación del COVID19.  

Así habla de la Innovación Disruptiva que se produce en los supermercados por el COVID-19. Con la perspectiva del principio de la distancia social que se va a instalar durante varios meses, aparee una innovación rápida en ganar auge y fuerza: Traer a los domicilios las compras del supermercado. Se presenta primero como hecho aislado y voluntario, y después como estrategia. Estratégica que posiblemente sea asumida por las grandes superficies que puedan adaptarse y hacer con ello, tal vez, un hábito definitivo para muchos consumidores. En este momento, el tiempo de entrega se ha vuelto innecesariamente largo para la comida, sobre todo, situación que la hace innecesaria para competir con el hábito de compra directa hasta ahora, pero las empresas que se adapten finalmente habrán reinventado el modelo del negocio y quedarán en la memoria de los consumidores como las que los ayudaron en un momento difícil.

Ese mismo esquema puede repetirse con las universidades que se adapten a la situación de confinamiento de alumnos y profesores con una adaptación flexible y útil de la educación abierta en línea. Pero sobre todo estamos pensando como factor clave de la eficiencia en los profesores asistentes en el aprendizaje, los famosos Teaching Assistant del diseño instruccional que otras veces hemos tratado y los de la metodología de Mastery learning. Además en un marco cambiante de oferta y necesidad de trabajo, estos nuevos empleos, los de Teaching assistant, como salvando todas las distancias, los logísticos y repartidores del suministro de alimentos, pueden dar respuesta a la caída de empleo que se puede producir en otros nichos ahora inestables, como la hostelería, donde hay muchos graduados universitarios de educación y otras carreras subempleados.

Una solución que con ser provisional puede devenir en estratégica a fuer del razonamiento que hace el Dr. Figueiredo “el modelo del negocio quedarán en la memoria de los consumidores (padres y alumnos) como las universidades que los ayudaron en un momento difícil”. Y lo hicieron bien.

Hace tiempo dije que la política de edificios y espacios universitarios debe cambiar con las disrupciones universitarias. Lo venimos diciendo desde 2012, aquí y aquí. Perdonen que me extienda en este tema, pero este escrito es como una especie bloc de notas donde vuelco en bruto mis ideas, luego trataré de refinarlo:

Decía entonces que “se están produciendo cambios no solo de metodologías docentes sino en el complejo mundo que rodea la actividad educativa en la universidad.  Los cambios son estructurales y sistémicos, y en consecuencia todos los elementos que configuran el sistema se ven afectados” evidentemente en esa época solo era por pioneros e innovadores, pero el cambio e auguraba.

Sin embargo, se está produciendo una línea de desarrollo que posiblemente conduzca a una vía muerta. Se están utilizando criterios, medios, configuración de espacios y de tiempos, de una etapa anterior, a sistemas de naturaleza distinta.

Las referencias siguen siendo las mismas, se habla, se utilizan expresiones y metáforas de la fase anterior. Así se habla de espacios, de aulas virtuales y de campus virtuales, pensando en los de ladrillo, se habla de libros y de revistas digitales pensando en el papel, y esto limita no solo las affordances de estas herramientas y soportes, sino incluso sus funciones y las de los actores en los procesos que se desarrollan.

Pensamos en espacios y en edificios. La universidad siempre los ha tenido y han sido su referencia.

Por un momento pensemos, como un ejemplo para situarnos, en la prensa digital, y que en los periódicos digitales tuvieran que construirse edificios para almacenar el papel, y que hubiese algo en la edición a lo que se llamase rotativas digitales, pensemos en hora de cierre y en hora de salida. Pensar así es una limitación que lastra muchas funciones que constituyen la esencia del periodismo digital.

Otro tanto sucede con espacios, tiempos y funciones de la universidad. Habrá que pensar en funciones de los distintos actores, en sus roles, en las posibilidades que ofrecen los entornos, en las que aparecen.

En definitiva, habrá que pensar en las formas de ubicarse los actores en función de las emergentes posibilidades, y ahora obligados por el coronavirus.

La ubicación de profesores y alumnos es distinta y variante para la enseñanza y para el aprendizaje, es distinta de la única existente en la fase anterior, y de la única de posicionarse en los entornos tecnológicos que existe en la educación virtual tradicional.

Pero esto transciende de la situación actual y quedara para después de forma irreversible. Ahora estamos confinados, pero después, cada vez más, el aprendizaje será ubicuo (Zapata-Ros, 2012a y b) se produce anywhere y anytime (Zapata-Ros, julio 2013), por tanto lo actual se perpetuará favorecido por estas otras variables, a pesar de que ahora estamos constreñidos en el espacio. También habrá que considerar que aparecen ganancias del aprendizaje en las situaciones y usos con los dispositivos personales (Los que el alumno utiliza en su vida real y en sus relaciones personales). De esta forma la posición relativa, la ubicación física en que pueden situarse universidad, alumno y profesores es cada vez más relativa. Afecta menos al resultado del aprendizaje o según en qué casos puede mejorarlo incluso. La confinación tampoco nos debe hacer olvidar esta oportunidad.

Hasta aquí hablamos del aprendizaje. Pero otro tanto sucede con los recursos: Bibliotecas digitales, revistas online, OER y en general los recursos en red. En el confinamiento la biblioteca estará accesible desde nuestra casa y los libros en bits, bytes y electrones. Habrá todo lo más un ejemplar en papel guardado en alguna parte, pero el resto estará en la red ¿Hacen falta para esto edificios de ladrillo y cemento?

Todo ello determina una nueva economía de espacios en la universidad. No se pueden crear aulas masivas o de gran grupo simplemente como hasta ahora si la van a utilizar una vez a la semana o al mes.

Esto, digámoslo así, pone a la universidad en una tesitura por la urgencia: Cerrar inmuebles, reconvertirlos o venderlos para, si no queremos desequilibrar el presupuesto comprometiendo otros gastos igualmente prioritarios, contratar Teaching Assistant (TA), editores de guías didácticas y documentalistas instruccionales. También diseñadores instruccionales, editores, realizadores, etc. de vídeos.

Hay mucha gente que va a pasar al paro desde la industria turística y la de sus servicios periféricos, la hostelería,… que son subempleados. Muchos de ellos son maestros graduados y pedagogos, pero no sólo ni exclusivamente. Es una buena oportunidad para cualificar el empleo de estos especialistas y pasar a sectores realmente estratégicos y menos vulnerables, a estas crisis y a otras contingencias, como es la educación.

Todo lo concerniente a la figura del TA lo podemos encontrar en distintos sitios. 

Pero qué es el Teaching Assistant (TA). Esta es la descripción que sucintamente he incluido en el material referenciado. En época de emergencia, y desde su casa, las iniciativas de la transicion al sistema online deben proveerse de nutridos grupos de TA, bien voluntarios, o en la modalidad que las universidades determinen, pero siempre con el máximo reconocimiento. Son la pieza clave del sistema, bajo la perspectiva de dominio (Mastering learning)  que se ha manifestado como la más eficiente en esta modalidad (ver todos los documentos que he publicado sobre el tema):

Hay unos únicos profesores instructores que deben participar y tener competencias en todas las funciones educativas de las asignaturas. Son los especialistas en la materia, en los recursos, en su organización, en la enseñanza (estrategias docentes, actividades, objetivos y evaluación) deben conocer a los alumnos en la medida de lo posible e interactuar con ellos y entre ellos. Cualquier división de esta figura y en su responsabilidad supone una fragmentación en el sistema pedagógico con el consiguiente deterioro de la calidad. Para decir esto nos basamos en el problema 2 sigma y en otras investigaciones que validan las teorías en las que nos basamos, descritas al principio.

Sin embargo la metodología docente de Mastery learning supone la existencia de unos Profesores Asistentes (asistentes del alumno, no del profesor, si bien actúan coordinados y supervisados por él y bajo su responsabilidad) o TA (de Teaching Assinstant) que verifican el progreso hasta dominio de la tarea de los alumnos. 

Antes de la organización del curso, pero sobre todo antes del inicio del curso, los instructores deben determinar las funciones de los ayudantes del curso. Tanto para los alumnos implicados en el Mastery learning como para el resto. 

La función del TA en el dominio de la tarea es clave y su responsabilidad máxima, deben asegurar que cada alumno supera cada nivel para pasar al siguiente, deben atenderlos en las dificultades, proponer ritmos distintos y problemas o tareas alternativas, y hacerlo de forma flexible, personal e interactuando con ellos. En definitiva deben de ser profesores especializados en esta tarea cuya complejidad no se debe menospreciar. 

El TA también puede ayudar a los alumnos no implicados en el Mastey learning, alumnos a los que podemos llamar libres. Pero en este caso el papel de TA lo pueden cumplir otros alumnos (alumnos asistentes, o LA) y también deben estar coordinados por el instructor. 

Todos ellos deben de coordinarse para supervisar el material que producen los estudiantes en los foros y en la web social: Mensajes, post, comentarios, etc. detectando de forma temprana posibles déficits o frustraciones. 

Tenga en cuenta que este monitoreo proporciona una inestimable retroalimentación.Se ha de dejar claro que el instructor no puede atender todas las interacciones, Los TA cumplen esta función como la de filtro para las interacciones que deba atender el instructor. 

Los alumnos aceptan con satisfacción esto.

Recuerdo que el material de referencia, al que hago alusión continuamente, considerado desde la perspectiva del diseño instruccional de la enseñanza abierta online universitaria, lo podemos encontrar incluido, en este repositorio de Google Drive, como proyecto de un capítulo del libro. Está en el capítulo dedicado a los TA y también está descrito como componente de la metodología de Mastery learning, central en nuestro proyecto.

De momento me permito poner a su disposición, la de usted profesor, las guías didácticas que utilicé en mi curso abierto online de la Universidad de Alcalá de Henares, en Open Education de BlackBoard. Lo hago como todo lo demás en el espacio que he creado en Google Drive con este enlace.

Ahora también están en una web de urgencia que ha puesto en marcha la CRUE y el Ministerio de Universidades en colaboración con la UNED y la UOC. 

En ellas podrán ver ejemplos prácticos de cómo funcionan los Teaching Assistant a partir del papel que desempeñaron en el curso investigativo que impartí y coordiné en la Universidad de Alcalá de Henares, con Open Education.

Todo este material será constitutivo, convenientemente organizado y depurado, de este libro sobre diseño instruccional de la enseñanza en la pandemia y tras ella.

 

Pero antes, como he prometido al principio diré algo sobre innvaciones disruptivas, Christensen y la Universidad. En parte lo he obtenido de documentos publicados en distintas partes desde 2012

Clayton Christensen [2], profesor de administración de empresas en Harvard Business School, es conocido por su teoría de la “innovación disruptiva” en los negocios. Esta teoría  sostiene que los rivales advenedizos generalmente desplazan a los participantes ya existentes en el mercado, estableciendo primero un punto de apoyo con productos de bajo costo, dentro de las ofertas posibles, tema en el que los titulares están dispuestos a ceder. Con el tiempo, los rivales que ya no son neófitos consiguen aumentar la calidad sin dejar de mantener los costos bajos. De esta forma van asumiendo progresivamente las franjas de  mercado de mayor margen, hasta que finalmente lo dominan en su conjunto. 

Christensen añade un hecho importante en su discurso. Si bien este patrón se repite, no siempre es así. Y analizó cual es la diferencia. El patrón se ha repetido en la industria del acero, en la industria del automóvil, en la industria de las computadoras – y después se produjo en la industria de la tecnología móvil. Pero, añade, nunca se ha producido en la industria hotelera. En este caso los rivales que llegan no pueden competir por el negocio de alto nivel, sin adoptar el modelo del costo de los titulares: Si Holiday Inn quiere competir contra Ritz-Carlton, no tiene más remedio que contratar conserjes en número y calidad adecuados, poner el piso de mármol y maderas nobles. En los hoteles no hay lo que llama un “núcleo extensible” (extendable core). Lo que en nuestro post “MOOC, el modelo de negocio“ llamábamos “el ejemplar” (algo que se puede reproducir sin elevar el coste ostensiblemente). Es decir, poner en marcha un nuevo enfoque tecnológico que puede ser mejorado de manera constante a bajo costo.

La educación superior está en el mismo caso que los primeros ejemplos, los de la innovación disruptiva. Tiene un amplio “núcleo extensible”. Al menos hasta ahora. El conjunto de tecnologías que los disruptores (EDX y otros) han introducido – video conferencias, foros de discusión en línea, los algoritmos de clasificación automatizada, programas de texto de anotación comunales, laboratorios virtuales y similares – constituyen el “núcleo extensible” de la educación. El ejemplar, lo que apenas cuesta dinero o no, es una función lineal del número de participantes. Estas tecnologías ya están en el origen del modelo en igual coste. Pero Christensen dice que hay algo que está también en el origen del negocio, o de la actividad, que es factor que hace que el valor aumente de forma constante.

 

IV. La evaluación

La evaluación es un complejo de procedimientos que en condiciones normales se distribuyen a lo largo de todo el proceso educativo y difícilmente para que sea una evaluación de calidad en un único momento o en unos pocos momentos a lo largo del curso. Si se hace así, como se hacía, y aún se hace con demasiada frecuencia, con la evaluación se corre el riesgo de tomar decisiones sesgadas o arbitrarias. Además de crear en los alumnos una ansiedad que los desmotiva y perturba el aprendizaje.

Actualmente el conocimiento de cómo se produce el aprendizaje y de las prácticas pedagógicas a través de investigaciones ha aportado resultados y evidencias para organizar una evaluación de manera confiable sin necesidad de recurrir a las consabidas pruebas de conocimiento a final de curso, ciclo, trimestre, cuatrimestre o materia. Todo lo que se ha publicado en la literatura científica nos proporciona esos procedimientos y esos métodos.

Lo que se preveía para marzo, abril y mayo de 2020 se ha prolongado un año y es posible que se prolongue en igual situación bastante más tiempo. En cualquier caso las condiciones comunes de la docencia han cambiado de forma estratégica. Hay cuestiones latentes en cuanto a la evaluación y a otros componentes de la instrucción que han emergido con la situación nueva.

Si como hemos dicho, la evaluación es un proceso que para ser de calidad difícilmente se puede desvincular del quehacer cotidiano del alumno, es este caso en el que no hay una presencia directa esa interacción debe ser especialmente detallada y frecuente, de forma casi continua, en la medida que la tecnología lo permita.

Así, la tecnología sustituye la presencia directa en la evaluación continua. Alguien planteará que eso es imposible o muy difícil. Hoy no es así, y no por la eficiencia de las herramientas tecnológicas sino porque hay metodologías docentes que lo permiten y entre ellas, como después veremos, la principal es la de Mastery learning.

Se trata pues de una cuestión de metodología docente, de cómo los maestros hacemos las cosas, y no tanto de tecnología.

Para abordar la cuestión empezaremos por recordar cuál es la esencia del diseño instruccional.

En conjunto se trata de una serie de procedimientos que permiten, de forma inversa a como se desarrolla en el tiempo, establecer a partir de la definición de los resultados deseados en el aprendizaje establecer todo lo demás. Crear una secuencia de acciones en la que se distribuye no solo la entrega de materiales, la realización de de actividades y la ayuda pedagógica,  sino que además se distribuyen en el tiempo los logros parciales que, en una cadena, lleven al alumno a conseguir los logros globales de la unidad didáctica, el módulo o la materia. De forma que su consecución sea gradual y continua sin saltos. Todo ello está explicado en el material de los capítulos del libro que ahora comenzamos.

En esa tarea de distribuir los logros parciales, juega un papel clave la evaluación, determinar cuáles son las señales que nos digan que se han conseguido los logros por los alumnos y la determinación del avance o de las correcciones que hagan falta. En esto juega un papel central el diseño y sobre todo, si finalmente los hay, el papel de los TA. Más adelante describiremos, como ejemplo, lo que hicimos en el curso investigativo de Alcalá.

Por último, se trata también de una cuestión de confianza. En una educación de estándares se han establecido medidas iguales para todos, que en su consecución acreditan al alumno para superar el curso o la asignatura. Es un sistema basado en estándares de superación de pruebas y de exámenes. Estándares que son iguales para todos. Esta dinámica permite trasladar la eficiencia al escrutinio de las pruebas y de sus resultados por parte de padres, familias e inspección, de manera que aparentemente se obtiene una confianza basada en una supuesta equidad que les asegura el sistema, basado en una tradición de muchos años, los de la sociedad industrial de los estándares. Situación en la que además, con esa supuesta objetividad, los docentes se sienten seguros. Aunque como contrapartida lo que se hace es admitir un factor de discordia social, la semilla de la desconfianza, de que no haya equidad en el proceso simplemente por no tratar de forma igual a los que en realidad tienen distintas formas y ritmos de aprender y representarse lo aprendido.

Así pues, como consecuencia de este nuevo planteamiento, en la nueva educación, la basada en logros personales, el entorno social del alumno debe depositar la confianza en el modelo, personalizado. Debe de tener confianza en los dictámenes y en las orientaciones que le llegan a través de los TA y del método de dominio, pero sobre todo en los maestros, en los profesores titulares y en su expertise docente, de igual forma como la deposita en el médico, en su capacidad de diagnóstico y para decidir un tratamiento adecuado.

Todas estas ideas y principios están desarrolladas y fundadas de forma extensa en los trabajos sobre la nueva educación de Reigeluth (2013 y 2016, ) y en las que de forma, obviamente, más limitada he ido haciendo estos años (Zapata-Ros, 2014 ).

Pero la prioridad ahora está, no en la discusión de fondo, cosa que se debiera haber producido anteriormente peo como tantas cosas en este país no se hace merced a estar enredado en cuestiones ideológicas con un nivel mínimo de profundidad y de cientificidad.

Así las preguntas que la gente hace y he recogido en mis redes son más o menos:

En julio de 2020, la CRUE, el sistema universitario y en general el sistema educativo tuvieron un desafía enorme con la EBAU, la prueba de acceso a la universidad española, y que tiene un amplio efecto sobre el presente y el futuro de los alumnos y de las familias de España. Particularmente supuso un gran desafío el organizarla y sobre todo cómo hacerlo. Finalmente se hizo de forma presencial con las medidas sanitarias de mascarillas, distanciamiento social y un número mayor de sedes y de profesores. El número de aprobados fue con variaciones superior al de los años anteriores.

 Un sector muy grande creía o aportaba por su no realización. Sin embargo, de haberse producido ello se hubiera enfrentado con graves perjuicios. No es el menor de ellos el retraso en un año al menos del sistema universitario, con la consiguiente demora en la salida al mercado profesional de graduados, técnicos y científicos en una época clave. Obviamente resultaba contradictorio pedir que la ciencia siga la investigación contra el coronavirus y por otro lado retrasar o diferir la investigación general del país de forma subsiguiente, con su repercusión en  varias generaciones.

En cualquier caso no se debió suspender la EBAU, y en general no se debe negar a quien quiera o pueda, si así lo desea, seguir el progreso en su aprendizaje en consonancia  con sus expectativas de desarrollo personales.

De esta forma se debieran crear las condiciones para que quien lo desease la hiciera. La EBAU o la evaluación de sus logros.

Pero la mayor fuente de información y la más fiable para conocer tanto el nivel de logro y de adquisición de nuevos aprendizajes por los alumnos como para tener una cabal idea de cómo va la instrucción para conseguir esos logros, no proviene de los exámenes ni en general de las llamadas pruebas de conocimiento. Recordemos, a este fin, una investigación seminal ya clásica y que siempre cito como fundamento del mastery learning. En ella se obtuvieron, entre otras cosas el efecto producido por distintas variables y fuentes que intervienen en los procesos de aprendizaje, como son la acción tutorial, el refuerzo de lo aprendido, el feed-back, la interacción en el ambiente de clase y otras.

De todo esto no proporcionan evidencia directa los exámenes, ni las pruebas de conocimiento. Y sí lo hacen la supervisión y el seguimiento individualizado.

Veamos pues cual es la ponderación de la influencia en la adquisición según os distintos factores analizados por Bloom:

Observamos, por un lado que la mayor fuente de información procede de la acción tutorial, cuyo resultado se evalúa directamente por la supervisión de la tarea, y a partir de ella, del reforzamiento que, como vemos, ocupa el segundo lugar en la ponderación. En fin, esta misma consideración la podemos aplicar al resto de factores.

Como cuestión lateral, pero muy importante, observamos que la influencia de aspectos que sólo se desarrollan en ambiente de clase ocupan un lugar muy relegado en la tabla. En particular la influencia de los pares alumnos afecta hasta un 58% de la población (percentil 58), y con una ponderación de 0,20, mientras que la acción tutorial afecta al 98% de la clase, con una ponderación de 2. Hay un salto de cuarenta percentiles y la ponderación de la tutoría es diez veces más.

Esto justifica que la campana de Gauss del aprendizaje de desplace en el caso de la mentorización en dos desviaciones típicas (dos sigmas) con respecto a las metodologías expositivas y una sigma con respecto a la metodología de mastery learning.

Es decir, una instrucción que utilice la metodología de Mastery learning puede aumentar la curva de rendimiento en dos desviaciones típicas (2 sigmas) en un caso extremo (1×1), y de una sigma para el caso de Mastery learning con respecto a la metodología tradicional (expositiva con exámenes):

Por tanto, es falso el dilema según el cual si se suspenden las actividades presenciales, las clases y los exámenes, se suspende la actividad educativa, y lo que es peor LA EVALUACIÓN.

Se pueden suspender las clases presenciales y los exámenes como instrumento de evaluación y no por ello tener pérdida de aprendizaje o de acreditación de resultados de aprendizaje, si se utilizan los medios y métodos de que potencialmente disponemos y nos ofrece la investigación y la ciencia del aprendizaje, con un diseño instruccional adecuado. Incluso, según los casos, y según lo que hemos estado estudiando estos años atrás, podríamos salir ganado. Eso es algo que al día de la fecha han comprobado muchos docentes. De los cuales muchos han asegurado que, tras la pandemia, seguirán utilizando los medios y métodos docentes puestos en marcha durante ella.

Por el contrario, si con motivo de la pandemia, se suspenden las pruebas, o al supenderlas no se ponen en marcha formas de evaluación alternativas o incluso más eficaces, estaríamos restando posibilidades a un porcentaje muy alto de estudiantes y lo que, desde el punto de vista social es más grave, la marcha del progreso e la investigación y en el desarrollo del país.

Debemos pues aplicar estas metodologías docentes y estas formas de evaluación. Bajo este punto de vista no podemos olvidarnos de las consecuencias negativas del cierre de las escuelas según la UNESCO Unesco:

Tendencia al incremento de las tasas de abandono escolar: Es muy difícil lograr que los niños y jóvenes regresen a la escuela y que permanezcan en el sistema cuando los centros escolares vuelven a abrir. Es algo que sucede en particular tras cierres prolongados.

Un enunciado de este tipo está avalado por expertos y estos a su vez por investigaciones sobre la relación que se establece entre interrupción y abandono escolar. Como podemos ver en este estudio, éste o éste. Sin discriminar en niveles.

Una razón frecuente que se alega para suspender las pruebas es que “los chavales están perdidos”. Obviamente están perdidos los alumnos entrenados para superar unos estándares, en cuando se modifican las condiciones del entrenamiento o de los estándares surge el desconcierto, pero eso es un defecto propio de una educación basada en estándares y en esa superación y no para el rendimiento y el logro personal.

Ese conflicto y esta deficiencia de la enseñanza industrial, basada en estándares, más tarde o más temprano tendría que salir. Y la pandemia como en tantas disrupciones, lo que ha hecho ha sido acelerar, en este caso abruptamente, el proceso. Aflora el planteamiento que estaba en el fondo de las disrupciones emergentes hasta ahora: Los logros de los aprendices son consustanciales a las habilidades a desarrollar no a las pruebas a las que van a ser sometidos para superarlas. Para las cuales han estado entrenándose hasta ahora.

Con este nuevo planteamiento, el de la evaluación basada en el dominio, la atención personalizada, la supervisión, si los alumnos, con una ayuda adecuada, como se ve en la tabla de variables de Bloom, están capacitados porque han trabajado de una forma no dependiente de la mecánica del proceso, se le dan las condiciones adecuadas para demostrarlo, podrán manifestar esos logros y sus condiciones para seguir.

Otra cuestión la constituyen los que lamentablemente centran todo lo concerniente a la evaluación en la mecánica del proceso. En este caso, cuando esa mecánica falla o no se dan las condiciones para que funcione (caso de los exámenes presenciales) cunde el estrés entre estudiantes. Entonces la idea que surge entre alumnos y padres es que lo mejor es no presentarse o que no se hagan los exámenes hasta haber conseguido la seguridad que supone el dominio. Pero el hecho de que esto ocurra a algunos alumnos, incluso el que esto ocurra a la mayoría no debiera en ningún caso suponer una imposición para todos, sobre todo para las expectativas vitales de los que incluso en esta situación, o quizá por ella se sientan capaces o incluso estimulados.

Además como hemos dicho que ponen de manifiesto las recomendaciones de la UNESCO sobre las consecuencias negativas de la suspensión de clases y de otras actividades lectivas, y ponen de manifiesto numerosos estudios, psicológicamente esto favorece condiciones para abandonos masivos. Por tanto las alternativas deberían ser graduales y adaptadas para los distintos perfiles de alumnos, desde tareas adaptadas a la situación de cada uno, restando importancia a la presentación a las pruebas, hasta ofrecer condiciones, aprovechando la tecnología, a que los alumnos que se sientan en condiciones de manifestar sus logros y validarlos el que puedan hacerlo, sin merma del dominio en el aprendizaje.

Esto por lo demás supone un pacto tácito, que ojalá las condiciones de esta situación traigan como valor añadido para el futura, y es un pacto tácito de confianza en el papel del profesor como autoridad capaz de validar la maestría d ellos alumnos y el otorgamiento de su acreditación.

Si así fuera, esta validación se podría conseguir con mecanismos tecnológicamente elementales, como pueden ser entrevistas mediante videoconferencia o validación de pruebas de conocimiento o de habilidades por este mismo método, videoconferencia mediante Zoom, Hangout, Skipe, etc. Como precedente de esto tenemos la experiencia que desarrollamos en unos cursos de postgrado a distancia, exclusivamente en Internet, organizados por la Universidad de Murcia y en las evaluaciones (procedimientos de evaluación mediante proyectos con entrevistas) del que presentamos el ejmplo de participantes de Rio Gallegos (Argentina) evaluados en La Plata (Argentina) desde Murcia (https://revistas.um.es/red/article/view/25681 ) con supervisores en México y Buenos Aires.

En cualquier caso, la validación o la acreditación de aprendizajes o de habilidades es una parte más de todo el proceso de evaluación en el contexto de diseño instruccional donde forma un todo holístico con resultados de aprendizaje, actividades y metodología docente, incluida entrega de recursos y de ayuda.

En todo caso para centrarnos en puntos de vista más sustantivos, habría que deslindar aspectos relativos a la evaluación normativa, la evaluación que se hace actualmente por estándares y con las componentes y características actuales, que son las socialmente aceptadas, que sean compatibles con las propuestas que hacemos, ahora para la pandemia, pero que posiblemente se consoliden como las habituales después.

Así, habría que deslindar cuestiones muchas de ellas formales, pero otras culturales, como las siguientes y ver cómo se encuadran o como se afrontan. Así por ejemplo , en el caso de la EBAU:

Hasta qué punto los alumnos no se presentan para subir la nota media presionados por el entorno familiar y social

Por qué, si el fin no es asegurar unas competencias mínimas para el ingreso en la universidad, no se contemplen distintas opciones más adaptativas

Estudiar y tener en cuenta qué van a hacer en países con más experiencia en combatir el COVID19 u otras experiencias similares anteriores de interrupciones. Por ejemplo, Israel, Singapur, etc.

Está entre las posibles opciones que se contemplen una posible EBAU virtual, o con alguna componente virtual, ¿cuál sería?

Esto estaría muy bien pero la infraestructura hay que planificarla, y más allá armarla pedagógicamente ¿cómo se evalúan competencias en consonancia con lo actual de esta forma? ¿es ello posible? ¿qué habría que cambiar?

Estoy recibiendo testimonios muy buenos, ejemplares y con un diseño muy depurado y adaptado a las actuales circunstancias, pero son sesgados porque proceden de un sector próximo a la modalidad online. Sin embargo, cuando he indagado por otro lado, amigos y familiares y sobre todo sus hijos he descubierto que hay un gran vacío. Muchos profesores se limitan a dar clases expositivas grabadas en vídeo o a través de webinar, hangouts, u ootro tipo de video conferencias. E incluso algunos que se limitan a enviar Power Points. No es criticable, es una manifestación de lo que está pasando y cuál es el nivel de competencia digital docente de los profesores. El nivel de capacitación es muy incipiente. Y sobre todo carente de una evaluación real.

Hay un modelo conceptual y cultural de la EBAU y también, por qué no decirlo de la enseñanza online convencional. Existen esquemas muy consolidados de la función y representación social de la Universidad y del acceso.

Todas estas son cuestiones con las que habría que contar a la hora de implementar este tipo de evaluaciones y de metodologías docentes basadas en la individualización, el dominio y la confianza.

No quisiera concluir este documento de trabajo e introducción al libro sin tener en cuenta, al menos como referencia, dos aspectos

Primero. Las plataformas tecnológicas y otras affordances para la educación abierta.

La tesis que sostenemos es que lo importante no es la plataforma tecnológica, casi cualquiera vale, lo importante es el diseño instruccional.

En este punto recomiendo lo dicho en el artículo sobre los LMS Por qué las universidades empiezan a no utilizar los campus virtuales (los LMS) de forma relevante ¿Cómo y por qué sistemas están siendo sustituidos? (Zapata-Ros, Julio 2019)

Antes de la pandemia estaba sucediendo el fenómeno o la constelación de fenómenos que analizo en el trabajo citado ¿Qué ha sucedido después? ¿Qué instrumentos y affordances utilizan los profesores con sus alumnos después? Quiero decir además de Zoom, Met o equivalente. Cómo distribuyen y entregan los recursos. Cómo se comunican con ellos ¿Utilizan los foros?

Segundo, sobre el vídeo y las lecciones en Zoom.

Hay una cosa que no es obvia, lamentablemente, y es que nunca, nunca, los complejos procesos de elaboración que culminan, en un momento determinado, en una unidad didáctica, una lección, son fruto de experiencia y estudio de años, así como de infinidad de interacciones, y no pueden ser sustituidos por una videoconferencia en un ordenador portátil. No es suficiente ni mucho menos.

Es necesaria cuanto menos una pedagogía de las videoconferencias, integrada en un adecuado diseño instruccional.  Una pedagogía en línea que, para ser buena, tiene que ver con legibilidad, pero también con comprobaciones de comprensión y con infinidad de interacciones infinitamente diversas basadas en el conocimiento experto sobre los contenidos y con la experiencia docente del profesor.  Ver Lecturing into your laptop is not nearly enough

Y, por supuesto, tener en cuenta las consecuencias negativas del cierre de colegios y universidades expuestas por la UNESCO.

 

 

Referencias.-

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.

Reigeluth, C. M. (Ed.). (2013). Instructional-design theories and models: A new paradigm of instructional theory (Vol. 2). Routledge.

 Reigeluth, C. M. (2016). Teoría instruccional y tecnología para el nuevo paradigma de la educación. Revista de Educación a Distancia (RED), (50).

Teixeira, A. M., & Zapata-Ros, M. (2021) Presentación del número especial de RED Transición de la educación convencional a la educación y al aprendizaje en línea, como consecuencia del COVID19. https://revistas.um.es/red/article/download/461041/297851/1577541

UNESCO (2021). Education: From disruption to recovery. https://en.unesco.org/covid19/educationresponse

World Economic Forum (2021). COVID-19 has transformed education – here are the 5 innovations we should keep. https://www.weforum.org/agenda/2021/02/covid-19-pandemic-higher-education-online-resources-students-lecturers-learning-teaching/

Zapata-Ros, M (2012a) Calidad en entornos ubicuos de aprendizaje. Revista de Educación a Distancia (RED), (31). http://www.um.es/ead/red/31/zapata_ros.pdf

Zapata-Ros, M. (2012b). 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”. Preprint eLis. http://eprints.rclis.org/17463/

Zapata-Ros, M. (julio 2013) Any time and anywhere. BLOGCUED. http://blogcued.blogspot.com.es/2013/07/any-time-and-anywhere.html

Zapata-Ros, M (2014). Charles Reigeluth: la personalización del aprendizaje y el nuevo paradigma de la educación para la sociedad postindustrial del conocimiento. En Pensadores de ayer para problemas de hoy: Teóricos de las Ciencias Sociales (Vol. 6). Manuel Esteban Albert (coord.), Juan Sáez Carreras (coord.)

Zapata-Ros, M (febrero 2014). BYOT, aprendiendo con el móvil.  http://redesabiertas.blogspot.com.es/2014/02/byot-aprendiendo-con-el-movil.html.

Zapata-Ros, M. (julio 2019). Por qué las universidades empiezan a no utilizar los campus virtuales (los LMS) de forma relevante ¿Cómo y por qué sistemas están siendo sustituidos? Preprint Research Gate. DOI: 10.13140/RG.2.2.21039.69286 y https://www.researchgate.net/publication/334480074_Por_que_las_universidades_empiezan_a_no_utilizar_los_campus_virtuales_los_LMS_de_forma_relevante_Como_y_por_que_sistemas_estan_siendo_sustituidos_Why_do_universities_start_not_to_use_virtual_campuses_

Zapata-Ros, M. (agosto 2019). Por qué las universidades empiezan a no utilizar los campus virtuales (los LMS) de forma relevante ¿Cómo y por qué sistemas están siendo sustituidos? Post de RED El aprendizaje en la Sociedad del Conocimiento. https://red.hypotheses.org/1883  


[1] Este tema lo pueden encontrar desarrollado más extensamente en La configuración de espacios y de entornos físicos y tecnológicos en la nueva Enseñanza Superior (II).

[2] A principios de marzo, en el MIT Media Lab, y convocados por el MIT, la Universidad de Harvard y los fundadores de la online-learning initiative, convocaron a un grupo de líderes académicos y otros expertos en esta línea de learning para una reunión cumbre de un día de duración titulado “Online Learning and the Future of Residential Education”  Allí estuvieron de la mano expertos, presidentes y peces gordos de MIT y Harvard, los prebostes de la Universidad de California en Berkeley, la Universidad de Cornell, la Universidad Carnegie Mellon y la Universidad McGill.

 

 

Pensamiento bayesiano como pensamiento computacional por todas partes.

El 20 de marzo The Lancet publica el artículo Estimates of the severity of coronavirus disease 2019: a model-based análisis, de Robert Verity, y otros.

La idea que plantea es simple y constituye el esquema más definido y puro de un caso de aplicación del Teorema de Bayes, en este caso con ayuda de analítica de datos: El artículo se centra en lo que sucedió en Hubei (China), donde surge por primera vez la pandemia y desde allí se propaga, se sabe los contagiados por COVID19 que fallecieron, cómo se distribuyen por edad y el tiempo que transcurre desde la detección de la enfermedad hasta el fallecimiento. En el resto de los países no existían patrones todavía respecto de esta cuestión. Es decir, cómo afectaría la pandemia en los casos más graves, de fallecimiento, en función de estas variables.

En estas condiciones es fácil, por el Teorema de Bayes (aplicado con analítica de datos a un número muy grande de casos), establecer a partir de los datos obtenidos en Hubei la probabilidad de que alguien, que haya contraído la enfermedad, la curse en modalidad grave (con dificultades severas respiratorias) y su posible fallecimiento, así como el número de días que estará hospitalizado y en la UCI. Con estos datos es fácil hacer previsiones para evitar el colapso del sistema. También se dieron modelos para otras variables definidas a partir de situaciones de los enfermos en relación con la frecuencia de los viajes o los lugares de procedencia.

Esto constituye un ejemplo de cómo, con un resultado matemático simple, se pueden construir modelos complejos para obtener probabilísticamente el comportamiento de grupos, comunidades de individuos o de agregados de datos sujetos a una probabilidad o a un riesgo cuya distribución a priori se desconoce.

Esto que pasó con relación a Hubei, y su precedente con respecto al COVID y a su comportamiento que, merced a la probabilidad bayesiana y a la analítica de datos, permitió establecer patrones predictivos para otras regiones del mundo, en las que no se sabían a priori las estadísticas de comportamiento de la pandemia o eran dudosas por los datos oficiales, sucede con frecuencia en la ciencia, en el transcurso de investigaciones con datos difusos, así como en la práctica profesional cuando se indagan datos sujetos a una dinámica similar a la descrita para Hubei y el COVID.

Veamos ahora otro campo: La lingüística, el aprendizaje automático de lenguajes naturales y el procesamiento del lenguaje natural (PNL). En él nos encontramos este libro de Shay Cohen (2019) titulado Bayesian Analysis in Natural Language Processing, y reseñado por Brett Drury (agosto 2019):

En él se sostiene que el análisis y razonamiento probabilístico es un subcampo del aprendizaje automático aplicado al procesamiento del lenguaje natural (PNL). Y, en su contexto, un campo de Probabilidad, la estadística bayesiana, puede ofrecer técnicas únicas para el PNL.

Como en el resto de la tradición bayesiana, pero ahora apoyada por el análisis de grandes conjuntos de datos, la asignación de probabilidad a un suceso se basa en la probabilidad de su inverso (probabilidad a priori), a través del resultado en experimentos conocidos (probabilidad inversa, probabilidad compuesta y teorema de Bayes). En contraposición a la otra gran escuela clásica, la asignación a través de la frecuencia (probabilidad determinista o frecuentista) (Drury, agosto 2019):

Cohen states that the goal of Bayesian Point Estimation as: ”summarising the posterior over the parameters into a fixed set of parameters”, and he links this goal to a frequentist approach known as maximum likelihood estimation. Cohen states that Bayesian maximum a posterior estimation(MAP) is a suitable technique. The remainder of the section describes the mathematical principles of MAP as well its ability to adhere to the Minimum Message Length principle which is an encapsulation of Occam’s Razor. The section also includes sub-sections on smoothing (default probabilities for words that are absent from the sample data) and regularization as well as the computation of MAP with latent variables. 

En otro trabajo Barrow (2019 Apr), glosando el libro de Cohen dice:

El procesamiento del lenguaje natural (PNL) experimentó una profunda transformación a mediados de la década de 1980 cuando cambió para hacer un uso intensivo de corpora y de técnicas basadas en datos orientadas al análisis del lenguaje. Desde entonces, el uso de técnicas estadísticas en PNL ha evolucionado de varias formas. Un ejemplo de evolución tuvo lugar a finales de la década de 1990 o principios de la de 2000, cuando se introdujeron las herramientas bayesianas, en toda regla, en el PNL. Este enfoque bayesiano del PNL ha llegado a suplir resolviendo varias deficiencias en el enfoque frecuentista enriqueciéndolo, especialmente en el entorno no supervisado, donde el aprendizaje estadístico se realiza sin ejemplos de predicción de objetivos.

Fig. 1

En resumen: Hemos visto este uso de la probabilidad bayesiana, en modelos de epidemiología, para determinar modelos de evolución de datos sobre contagio y fallecimientos en el COVID y en el procesamiento del lenguaje natural. Pero igualmente podríamos verlo en multitud de casos en los más variados ampos científicos y de análisis de procesos. De esta forma, con la automatización de los métodos bayesianos y el uso de modelos gráficos probabilísticos es posible identificar patrones y anomalías en voluminosos conjuntos de datos en campos tan diversos como son los corpus lingüísticos, los mapas astronómicos, añadir funcionalidades a la práctica de la resonancia magnética, o a los hábitos de compra con tarjeta, online o smartphones. Esto por señalar sólo algunos casos, como son los que se asocian con el análisis de grandes datos y la teoría bayesiana. Pero hay muchos más (Bundy, 2007 y Wing, 2008, a través de Zapata-Ros, 2020 agosto).

Así pues, este esquema que hemos analizado en el artículo de The Lancet, está presente en multitud de casos. Así decíamos (Zapata Ros, Agosto 2020) que, si consideramos que el pensamiento bayesiano, esta forma de proceder, como una parte un elemento más y relevante, del pensamiento computacional, entonces a lo dicho en anteriores ocasiones hay que añadir ahora la idea de  pensamiento computacional generalizado (pervasive computational thinking) como avance y desarrollo de lo tratado en el pensamiento computacional simple, el que Wing (2006) plantea en su primera aproximación.

De esta forma se habla del “pensamiento computacional por todas partes” (computational thinking everywhere) (Wing, 2008). Ello se hace al considerar que ya no se trata de aspectos puramente asociados a la práctica profesional o vital ordinaria para manejarse por la vida y el mundo del trabajo, como lo ha sido lo que hemos llamado pensamiento computacional hasta ahora, sino como una preparación para la investigación básica y para metodología investigadora en casi todas las disciplinas. Así definido , el pensamiento computacional está influyendo en la investigación en casi todas las áreas, tanto en las ciencias como en las humanidades (Bundy, 2007). Abundan evidencias sobre la influencia del pensamiento computacional en otros campos: Está transformando las estadísticas, donde con el aprendizaje automático, la automatización de los métodos bayesianos y el uso de modelos gráficos probabilísticos es posible identificar patrones y anomalías en voluminosos conjuntos de datos.

A lo dicho anteriormente hay que añadir que la perspectiva de un “pensamiento bayesiano” viene de mucho más atrás y sólo se solapa parcialmente con la analítica de datos. De hecho, ésta se puede considerar como un elemento de una metodología muy amplia que cita Wing (2008) aplicada a una serie muy amplia de casos y procesos. La intuición de esta forma de pensamiento, al que no sé si propiamente se debe llamar  bayesiano, la he tenido, además de en esta ocasión, en otra anterior: ante unos trabajos sobre corpora lingüísticos que conocí cuando estuve en Cambridge, ante un trabajo de Maths Cambridge. En ambos casos se trata de lo mismo: el Teorema de Bayes. En una versión para una gran cantidad de variables, toma como probabilidades inversas parciales las que suministran los procesos de análisis de datos. Por ejemplo, los fallecimientos en los casos de la pandemia en los países que primero la padecieron, obteniendo cual era la función de probabilidad de casos condicionada a la de fallecidos, asumiendo que aquellos pudieran estar sesgados o falseados. Esto permitió a algunos países a aprovisionarse. A otros no. Ese mismo mecanismo aparece en los casos complejos y diversos que Bundy (2017) señala en lo que llama pervasive computational thinking.

Como elemento de pensamiento computacional, el pensamiento de Bayes es muy sencillo, comprensible y adquirible como aprendizaje y su uso como habilidad desde los cursos de secundaria. La expresión más sencilla del Teorema de Bayes es el teorema y fórmula de la probabilidad inversa. Tiene todos los elementos del teorema de Bayes y su uso incluye todos los elementos y características de esta forma de pensamiento.

Su deducción es muy sencilla, pero no es cuestión de abordarla aquí.

Es preciso conocer previamente en concepto de probabilidad condicionada. Esa es una probabilidad que se asigna a un suceso A, condicionada a que suceda otro suceso B, y se escribe P(A/B). De esta manera la fórmula nos permite obtener la probabilidad de A condicionada a B — P(A/B) — en función o conociendo la probabilidad de B condicionada a A — P(B/A)  — o probabilidad inversa.

Un uso muy frecuente, y que permite hacerse una idea de su potencia, es el relativo a obtener la eficiencia de un test, como el PCR para el COVID19. 

Así, por ejemplo, nos permite obtener la probabilidad de que alguien esté enfermo de COVID cuando la PCR da positiva, en función de la probabilidad del suceso inverso: La probabilidad de que el test PCR de positivo estando el individuo, al que se practica la prueba, enfermo. Como se ve, la probabilidad en el segundo caso es muy fácil obtener pasando la prueba PCR a una población de la que sepamos positivamente que esté enferma porque se le ha diagnosticado. Sin embargo, la primera la desconocemos absolutamente.

De igual forma podemos conocer a priori la probabilidad de que alguien esté enfermo, P(A), a partir de los datos empíricos y de la frecuencia con que aparece la enfermedad. También podemos calcular la probabilidad de que el test sea positivo, a partir de los datos empíricos sobre los casos en que, en una población sin otros datos previos, elegidos al azar por ejemplo, dé positiva la prueba.

El teorema de Bayes en su versión clásica y completa se formula para el caso en que el suceso A se pueda descomponer en un conjunto completo y excluyente de casos elementales. Eso permite obtener la probabilidad de A, o de cualquiera de los sucesos en que se descompone, por la fórmula de la probabilidad compuesta a través de un conjunto de unos cuantos sucesos elementales. Cuando la población es muy grande y son muchos los sucesos elementales son cuando se utiliza la analítica de datos para computar esas grandes masas de datos, procesarlos y obtener las frecuencias.

Pensemos que el suceso A es tener el COVID, y que la descomposición en un conjunto de casos completos y excluyentes pueden determinarla los intervalos de edad, las zonas de origen, los perfiles patológicos, etc. En este caso estaríamos en el supuesto que nos ofrece la revista The Lancet, cuyos resultados son potentísimos con un aparataje matemático muy simple.

Otra cuestión notable es que una instrucción centrada en esta componente de pensamiento computacional, o que la incluyese, en una fase temprana, en Secundaria con la fórmula de la probabilidad inversa, permitiría activar estos aprendizajes como componentes muy valiosos y complejos en una etapa posterior de la actividad profesional o investigadora, o en la fase de formación, grados y postgrados, de estas profesiones o que capacitan para estas actividades y profesiones.

La revista RED, como veremos, tiene un claro papel y una vocación como difusora de la investigación, la práctica y la reflexión teórica acerca del pensamiento computacional, de un esquema determinado y de una definición concreta de pensamiento computacional y de cómo se integra en ese esquema todo lo que hemos hablado de pensamiento bayesiano.

En 2016, el informe de la UE Developing computational thinking in compulsory education. European Commission, en JRC Science for Policy Report 68 (Bocconi et al,2016)  se hace eco del trabajo publicado en RED en 2015 titulado “Pensamiento computacional: Una nueva alfabetización digital”, en particular de la definición holística por componentes. A partir de esa época nuestra revista se ha esforzado singularmente en propiciar y en difundir las investigaciones en este tema, tanto en la vertiente de análisis empírico, elaboración teórica y desarrollo de prácticas y experiencias dentro del campo de la educación y el aprendizaje apoyados por la tecnología como en el de la ingeniería del aprendizaje y del conocimiento, propiciando el análisis y experiencias con affordances tecnológicas que propicien el pensamiento computacional. En ambos campos lo ha hecho desde diversas perspectivas, dando acogida a distintos enfoques y a distintos tipos de aportaciones,dando aogida a trabajos que hoy se acogen a lo que se denomina Ingeniería del Aprendizaje e Ingeniería del Conocimiento. También lo ha hecho en la perspectiva de una nueva alfabetización (Zapata-Ros, 2015) y en la definición de una nueva competencia clave en la sociedad de la información.

La posición actual de la revista en las fuentes que denominamos primarias, las que analizan los datos de los fondos indexados originariamente es esta: 

RED está en el Q3 de Scielo Journal Rank (SJR) y en el centil 35 de CiteSocore de Scopus Elsevier, así como en la Core Collection de WoS

En la categoría de Educación de SJR la incorporación de RED a SJR se produce en el cuartil Q3, con un índice SJR 2019 de 0,22 y en la posición 163 de los 316 de que consta la categoría de Educación.

No obstante, la verdadera dimensión del impacto en el mundo educativo y en el de la investigación, por incluir además de papers y otras contribuciones científicas arbitradas los resultados de trabajos seminales como son tesis doctorales, de grado o TFM, son las Google  Scholar Metrics (GSM). En ellas RED ocupa la posición 14 en el top100 español con H5=27 y Mediana H5=46, en l edición de 2020.

Si nos fijamos en los artículos más citados, los tres primeros tienen como tema el pensamiento computacional, y 4 de los 11 primeros también. Sólo en los últimos cinco años.

Pero si buscamos por el término “pensamiento computacional” los tres primeros vuelven a ser artículos publicados en RED. Si combinamos la búsqueda con las expresiones “computational thinking” y “pensamiento computacional” vuelven a aparecer, tras los clásicos Wing, Grover, Bundy, Resnik,… en lugar destacado artículos en inglés y español publicados en RED a la par de autores internacionales.

Por último pero con la base que le da una sólida investigación, en el trabajo de Roig-Vila y Moreno-Isac (2020) El pensamiento computacional en Educación. Análisis bibliométrico y temático se  analiza la literatura científica que hay sobre la aplicación del pensamiento computacional en Educación, tomando como referencia las colecciones principales de la base de datos Web of Science. Para ello se lleva a cabo una revisión sistemática en la que se han tenido en cuenta las siguientes variables: año de publicación, países con más producciones, autorías más productivas en este campo y las fuentes documentales con mayor número de publicaciones, que es lo que a nuestro propósito interesa, pero además los autores “han realizado una clasificación según los tipos de documentos y los métodos de investigación utilizados, así como las etapas educativas objeto de estudio y los lenguajes de programación utilizados”.

En particular a la posición y el índice H de RED en la Web of Science la pueden ver accediendo al Informe de citas de la colección principal de WoS.

En las conclusiones de este estudio (Roig-Vila y Moreno-Isac, 2020) “se ha hallado una tendencia creciente de publicaciones en esta temática, donde España es uno de los países donde más se publica”. Veremos ahora que, según ese trabajo, RED ocupa un papel preeminente, y lo hace de forma destacada en cantidad y en calidad.

La producción de nuestro país es excepcionalmente grande, ocupa el tercer lugar detrás de EE UU y China: 

Tabla 1 

Distribución geográfica de las publicaciones

País

Publicaciones

 

País

Publicaciones

Estados Unidos

66

 

China

36

España

21

 

Canadá

8

Inglaterra

8

 

Alemania

7

Italia

6

 

Brasil

5

Singapur

5

 

Australia

4

Turquía

4

 

Dinamarca

4

Lituania

4

 

Holanda

4

Corea del sur

4

 

Colombia

3

Chipre

3

 

Grecia

2

India

3

 

Ecuador

2

Japón

2

 

Nueva Zelanda

2

Portugal

2

 

Sudáfrica

2

Escocia

2

 

Taiwán

2

Austria

2

 

Bélgica

1

Croacia

1

 

Argentina

1

República Dominicana

1

 

Estonia

1

Finlandia

1

 

Francia

1

Israel

1

 

Noruega

1

Perú

1

 

Méjico

1

Suiza

1

 

Irlanda

1

 Pero es en la producción por fuentes o revistas donde RED alcanza su verdadera dimensión

Tabla 2

Fuentes documentales con mayor volumen de publicaciones, país de procedencia y total de publicaciones.

Fuente

País

Frecuencia

Emerging Research Practice and Policy on

      Computational Thinking

Alemania

19

Inted Proceedings

España

9

26th International on Computers in Education

      ICCE 2018

Filipinas

7

ASEE Annual Conference Exposition

Estados Unidos

7

Edulearn Proceedings

España

7

Frontiers in Education Conference

Estados Unidos

7

Informatics in Education

Lituania

7

Red Revista de Educación a Distancia

España

7

Computers and Education

Reino Unido

6

Education in the Knowledge Society

España

6

Proceedings of the European Conference

      On Game Based Learning

Alemania

6

TechTrends

Estados Unidos

6

Advances in intelligent System Research

Francia

5

Donde podemos ver que RED ocupa la tercera posición, tras Emerging Research Practice and Policy on Computational Thinking, Inted Proceedings, exaequo con 26th International on Computers in Education ICCE 2018, ASEE Annual Conference Exposition, Edulearn Proceedings, Frontiers in Education Conference e Informatics in Education.

Los documentos que constituyen el total de la muestra han sido publicados en un total de 116 fuentes distintas, entre las cuales hay: recopilatorios de congresos, revistas y un libro. En particular, la tabla 2 incluye los títulos con más publicaciones –a partir de cinco— en relación con la investigación educativa sobre el pensamiento computacional.

Referencias.-

Barrow, B. (2019 Apr) Bayesian Analysis in Natural Language Processing: Cohenhttps://linguistlist.org/issues/30/30-1843/

Bocconi, S., Chioccariello, A., Dettori, G., Ferrari, A., Engelhardt, K., Kampylis, P., & Punie, Y. (2016). Developing computational thinking in compulsory education. European Commission, JRC Science for Policy Report, 68.

Bundy, A. 2007 Computational thinking is pervasive. J. Scient. Pract. Comput.1, 67–69. Google Scholar

Cohen, S. (2019). Bayesian analysis in natural language processing. Synthesis Lectures on Human Language Technologies12(1), 1-343.

Drury, B.(2019 Aug). Bayesian Analysis in Natural Language Processing, in Review: Computational Linguistics; Text/Corpus Linguistics: Cohen (2019)https://linguistlist.org/issues/30/30-4380/

Roig-Vila, R., & Moreno-Isac, V. (2020). El pensamiento computacional en Educación. Análisis bibliométrico y temático. Revista de Educación a Distancia20(63). https://revistas.um.es/red/article/view/402621

Verity, R., Okell, L. C., Dorigatti, I., Winskill, P., Whittaker, C., Imai, N., … & Dighe, A. (2020). Estimates of the severity of coronavirus disease 2019: a model-based analysis. The Lancet infectious diseases.

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. Commun. ACM 49(3).  https://doi.org/10.1109/vlhcc.2011.6070404

Wing, J.M. (July 2008) Computational thinking and thinking about computing.  The Royal SocietyPublishing. https://doi.org/10.1098/rsta.2008.0118 https://royalsocietypublishing.org/doi/10.1098/rsta.2008.0118 https://royalsocietypublishing.org/doi/pdf/10.1098/rsta.2008.0118

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de Educación a Distancia, (46). Recuperado de: https://www.um.es/ead/red/46/

Zapata-Ros, M. (Agosto 2020). El pensamiento computacional, una cuarta competencia clave planteada por la nueva alfabetización (II). Una nueva línea: computational thinking everywhere, pervasive computational thinking y el pensamiento bayesiano. RED de Hypotheses. https://red.hypotheses.org/2123

El pensamiento computacional, una cuarta competencia clave planteada por la nueva alfabetización (y III)

Necesidad de un currículo desde las primeras etapas: El pensamiento computacional desenchufado

Miguel Zapata-Ros, Agosto 2020

Trabajo acogido a una licencia CC 4.0

DOI: 10.13140 / RG.2.2.15575.91049

La necesidad de un curriculum

Según hemos visto en el capítulo anterior, hay multitud de áreas del aprendizaje que conviene explorar e investigar en esta nueva frontera. Y 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 tema central, la naturaleza y el tema del pensamiento computacional.

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

En un principio se utilizó la expresión codificación y precodificación. La segunda extraída de la literatura anglosajona, coding  o code. En este sentido se utilizó la expresión en los textos que dieron a conocer el año 2014 como el año del código, o de la codificación, o de la programación (Year of code). Es importante acceder al documento de difusión donde además de utilizar el término code dan una aproximación bastante general pero precisa del término ya desde el principio. 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.

 

Más precisa es la definición del informe de 2014 de la Unión Europea 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 en el capítulo anterior, y veremos en éste, 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 o preprogramación para designar las competencias que son previas y necesarias en las fases anteriores del desarrollo para la codificación.

Un planteamiento útil en este sentido es que los niños se familiaricen en las primeras etapas de desarrollo con preconceptos tales como variable, función, valor, parámetro. De forma que, sin necesidad de referencias explícitas, desarrollen habilidades y preconceptos  que en el futuro puedan alojar o servir de andamiaje conceptual para operaciones o conceptos más complejos propios de habilidades cognitivas superiores, más propios de la programación. Así los equivalentes a variables pueden ser rasgos de objetos como el color, la forma, el tamaño,… Y los procedimientos u operaciones con estos rasgos (variables) pueden ser la seriación, el encaje, etc.[1] 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. Así, este ámbito de la instrucción es lo que podría denominarse precodificación o preprogramación, y más recientemente ha sido conocido como unplugged computational thinking. Sin embargo en un principio creímos más adecuado 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, circulación y almacenamiento de la  información.

Si solamente hablásemos de algo preparatorio para la programación, podríamos hacerlo así, y sin duda sería correcto. Sin embargo, esto se correspondía con un propósito más amplio que es prepararse para dotarse de claves de comprensión y de representación de los objetos de conocimiento en general. Es por ello que vemos más adecuada la expresión “pensamiento computacional” (computational thinking), que a continuación desarrollaremos

Otra expresión que se propone habitualmente es la de alfabetización digital, o “una nueva alfabetización digital”. Sin embargo, hay que reconocer que, al menos en español e impropiamente, esta expresión tiene resonancias próximas al término “alfabetización informática”, al menos en el sentido que se ha utilizado hasta ahora. Expresión, que inevitablemente, por el uso, nos recuerda 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 APP, 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. En una acepción lamentablemente muy extendida y banal ha dado lugar a que prendan conceptos paracientíficos como son los de nativo y emigrante digital.

En lo que sigue aceptamos 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). Con el reparo, ya citado, de que en ese mismo documento se acepta que la expresión 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 las iniciativas necesarias para que esta nueva alfabetización digital se produzca: El estudio y la investigación de un nuevo curriculum escolar y el análisis de propuestas para la formación para maestros y profesores.

 

 

Dilema

Como hemos señalado, una vez aceptada la necesidad de que los niños, desde sus primeras etapas de desarrollo, adquieran las habilidades del pensamiento computacional, constatamos que se han producido dos alternativas que constituyen los términos de un dilema:

Por un lado la respuesta más frecuente y  más simple,  a fuer de ser una respuesta  mecánica, ha consistido en favorecer el aprendizaje de las técnicas ya consagradas de programación y de sus lenguajes de forma progresiva, o de lenguajes cada vez más complejos: primero juegos con estructuras constructivas de lenguajes —bucles, iteraciones, etc—- luego lenguajes sencillos utilizados para resolver problemas divertidos, de juegos, etc y posteriormente ir aumentando la dificultad, sin señalar que en cada uno de estos pasos hemos ido dejando gente por el camino y al final nos quedamos con la élite friki de los programadores de siempre. En esencia se trataba de 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.

Este es el tipo de planteamiento que está detrás de la idea simple pero de eficienmcia productiva de obtener individuos que hagan muchas líneas de programa y capaces de  hacerlas muy rápidamente, sin pensar previamente mucho en el problema a resolver, sin diagramas, sin diseño,… En definitiva, es la idea que hay detrás de los concursos de programación, de enseñar a programar a través de juegos, etc.

Como hemos dicho es un planteamiento competitivo que deja a fuera a muchos niños y como corolario, haga poco deseable para muchos ser programador, o al menos les dé una imagen de frikis a los programadores (individuo gordo descuidado, atado al ordenador poco amigo del ejercicio físico y del aseo personal). En definitiva, unos tipos raros con un perfil poco atractivo. Éste puede llegar a ser un planteamiento por muchas razones excluyente.

Luego está el otro término del dilema. Lo importante según esta visión no es que los alumnos escriban programas, sino desarrollar en ellos actitudes y capacidades para  enfrentar los problemas en las situaciones previas no solo al código, sino incluso al algoritmo. De manera que la organización de la solución, a partir de la visión del problema y de las herramientas cognitivas y metacognitivas, de que dispone para resolverlo, le fluya. Para ello lo importante es que los maestros sepan cómo los alumnos se representan la realidad, su mundo de objetivos y expectativas, pero también cómo funcionan los mecanismos de aprendizaje en estos casos, y cuáles son las formas de trabajar exitosas de los que tienen éxito en hacer programas potentes.

Así pues, lo importante no es el software que escriben, sino lo que piensan cuando lo escriben. Y sobre todo la forma en que lo piensan.

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

Éste es pues el segundo término del dilema en el que hay que decidir.

Desgraciadamente, como veremos en la segunda parte de este capítulo, la modalidad por la que se ha optado de forma más frecuente ha sido la de enseñar a programar directamente. Esa ha sido también la que se ha empezado a utilizar en nuestro país. Así, por ejemplo, se ha hecho en la Comunidad de Madrid[2] (Valverde et al, 2015). Simplemente se describen los contenidos y destrezas de programación a conseguir. La novedad consiste en introducir un bloque de contenidos, de forma convencional (no diferente de cómo se hace con el resto) dentro de las asignaturas de libre configuración autonómica. Así en el punto c (1º y 2º) del artículo 8, que remiten al anexo III de la orden, dice:

“1º (…) se establecen los contenidos, los criterios de evaluación y los estándares de aprendizaje evaluables de las materias Tecnología, Programación y Robótica, Ampliación de Matemáticas: Resolución de Problemas y Taller de Música.

2º. El Departamento de Coordinación Didáctica de Tecnología se responsabilizará de la impartición de la materia Tecnología, Programación y Robótica con carácter prioritario. Secundariamente, podrán impartirla profesores de la especialidad de Informática, siempre que previamente estén cubiertos en su totalidad los horarios de la Familia Profesional de Informática y Comunicaciones.”

El patrón es el mismo que cualquier otra disciplina, pero en este caso se hace además de forma subsidiaria.

Lo que subyace en la redacción, en éste como en otros casos es un abordamiento convencional: Conducir a los alumnos de secundaria por el camino más áspero, el de los contenidos y estándares de aprendizaje, pero en este caso, los de la programación per se. En este contexto no se proporcionan, ni se mencionan, otro tipo de ayudas o de claves para conseguir los efectos de que hablamos en el apartado anterior. Está muy lejos, cuando no en otra esfera, de lo que se plantea como Pensamiento Computacional.

Algunos de los resultados de esta forma de operar puede ser la exclusión de los que no tienen el don, o la habilidad innata, para programar directamente. De aquellos alumnos que ante sólo la presencia del problema a resolver se les activan mecanismos para con los elementos de programación (de los que proporciona un lenguaje específico: Sintaxis, órdenes, procedimientos, filosofía propia del lenguaje) elaborar el código.  Esta dinámica conduce a la creación de estereotipos y perfiles de alumnos con facilidad para la programación, y del tópico de que la programación es solo cosa de los programadores.

Hay otro efecto derivado. Si se aprende a programar como algo asociado a un lenguaje, es posible que no se produzca la transferencia,  y que en futuras ocasiones o en distintos contextos no se pueda repetir el proceso. Esto hace que la competencia profesional sea menos, y que la inserción 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 efímera, como algo vinculado a lenguajes y a programas pasajeros. De manera que en un futuro próximo, cuando cambie el programa o la versión actual, 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 de entre los glosados en el repertorio del trabajo de referencia (Zapata-Ros, 2015). Nos referimos a la facilidad con que estas empresas recurren a matemáticos o físicos, que sí tienen esa competencia de abstraer los procedimientos para distinguir aspectos invariantes de la resolución de problemas en entornos cambiantes.

Esto no ocurre así cuando se empieza por desarrollar habilidades generales previas que se puedan activar en situaciones de elaboración de códigos o de resolución de otros problemas. Podemos afirmar que 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.

Una última derivación del tema es que esta forma de organizar el aprendizaje supone un principio de democratización en el acceso a este conocimiento, que de esta forma no queda restringido a las élites de programadores. De manera que incluso, 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.

Con todos estos elementos de juicio y referencias teóricas, elaboramos una definición basada en la necesidad de dominio teórico específico del pensamiento computacional en las teorías del aprendizaje y en la necesidad de un currículum. Ese trabajo lo hicimos en entre 2014 y 2018 y constituye el contenido del artículo (Zapata-Ros, 2015) y del libro (Zapata-Ros, 2018) dedicados a este tema y que son referencia continua en este trabajo

Lo hicimos siguiendo los trabajos teóricos de Eggleston (1980) sobre la idea y la construcción de un currículum.

En el artículo publicado en el número monográfico de RED dedicado a Pensamiento Computacional (Zapata-Ros, 2015), nos basábamos en la necesidad de contar con un corpus curricular en torno a una serie de habilidades y de elementos más o menos complejos de desarrollo cognitivo. Estos elementos, análisis descendente, ascendente, metacognición, pensamiento lógico, ensayo-error, heurística, pensamiento divergentes, resolución de problemas, etc al mismo tiempo señalaban lo que debían ser los resultados de aprendizaje, los logros, y por tanto el resto de dimensiones del diseño instruccional, y lo definían.

Esta es la relación de los quince elementos que están descritos y justificados razonadamente en el artículo y libro citados:

Fig. 1

 

Por último, cabe decir que así lo planteamos, en el contexto de un análisis y de una elaboración interdisciplinar, teniendo presentes las implicaciones de este conjunto de ideas para la redefinición de un dominio teórico específico dentro de las teorías del aprendizaje. Y desde luego con la intención de 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.

Lo hicimos en una primera aproximación, con las limitaciones de un tratamiento general. Posteriormente lo estamos ampliando y desarrollando como construcción teórica (en el capítulo anterior hemos propuesto una nueva componente, la de “pensamiento bayesiano”, que desarrollaré en futuras elaboraciones). Eso por un lado. Por otro intentamos proponer desarrollos prácticos. En una primera parte lo hemos hecho pensando en una modalidad de pensamiento computacional que merece un particular interés por no ser el que habitualmente se trabaja, y por estar el tipo de alumnos y de docentes bastantea alejados de él.  Nos referimos al pensamiento computacional desenchufado o unplugged computational thinking  (Zapata-Ros, 2019)  y a los profesores y profesoras de Educación Infantil y primeros niveles de Primaria.

 

Pensamiento computacional desconectado

 

Introducción.-

La idea de pensamiento computacional desenchufado (Computational thinking unplugged) hace referencia al conjunto de actividades, y su diseño educativo, que se elaboran para fomentar en los niños, en las primeras etapas de desarrollo cognitivo (educación infantil, primer tramo de la educación primaria, juegos en casa con los padres y los amigos,…)  habilidades que luego pueden ser evocadas para favorecer y potenciar un buen aprendizaje del pensamiento computacional en otras etapas o en la formación técnica, profesional o en la universitaria incluso. Actividades que se suelen hacer con fichas, cartulinas, juegos de salón o de patio, juguetes mecánicos, etc.

Para disipar posibles equívocos desde el principio (Zapata-Ros, 2019) utilicé la expresión  de “Pensamiento computacional desenchufado” (que conceptualmente es algo distinto de desconectado, y sin sus connotaciones). En inglés ya existe la expresión Computer Science Unplugged. La ha utilizado Tim Bell (Bell y Vahrenhold, 2018) de la University of Canterbury de Nueva Zelanda, con algunas diferencias prácticas y conceptuales que ya veremos. En definitiva queremos poner de relieve que lo importante es que los niños no jueguen con trastos, no solo digitales, sino ni tan siquiera enchufados… y que a pesar de ello adquieran pensamiento computacional. O quizás por ello.

En este trabajo pues vamos a abordar la necesidad y la conveniencia de trabajar aspectos del aprendizaje previo, convergente con el pensamiento computacional y necesario para él, desde las primeras etapas del desarrollo cognitivo de los individuos. Lo vamos a justificar desde el punto de vista de la teoría del aprendizaje y del de una pedagogía necesaria a ese fin. Vamos a hacerlo desde el punto de vista experiencial.

Para ello, hemos propuesto a título indicativo en un par de actividades y vamos a continuar con investigaciones más consistentes hasta elaborar propuestas más completas que incluyan guías y otros materiales de apoyo para maestros y maestras de estos ciclos. Con ello intentaremos, como no puede ser menos en estos casos, , dotarles de valor pedagógico en el sentido de que las propuestas tengan un diseño instruccioal con objetivos del tipo de los  tratados en el apartado anterior, pero propuestos para el pensamiento computacional. Orientando con ello el diseño hacia la práctica del pensamiento computacional desenchufado.

 

Hemos sostenido en trabajos anteriores (desde Noviembre de 2014[3]) esa necesidad sobre la base de una perspectiva y de una opción, desde el punto de vista de que se trata de una nueva alfabetización, y que como tal el pensamiento computacional debe constituir globalmente una competencia clave en igualdad a como lo son las otras, las competencia claves de la alfabetización tradicional, la de la época industrial: La lectura, la escritura, el cálculo elemental y la geometría.

 

Principio de activación. –

Las destrezas del pensamiento computacional no podemos esperar que aparezcan de forma espontánea en el mismo momento en que se necesitan, en los estudios de grado o de secundaria superior.

Las habilidades que son necesarias para la programación de algoritmos complejos, las destrezas del pensamiento computacional en todo su vigor, es decir las que son necesarias para la programación de ordenadores, para resolver problemas, o para organizar el proceso y la circulación de datos, así como para que los ordenadores realices tareas las tareas para las que están construidos, estas habilidades, no podemos esperar a que aparezcan, o a se manifiesten de forma espontánea. Y que lo hagan en el mismo momento de necesitarlas en los estudios de grado de Computación o de Ingeniería Informática, en la etapa de madurez del alumno que corresponde a esa edad, ni tan siquiera en la etapa de desarrollo del pensamiento abstracto, en la secundaria postobligatoria o incluso en Secundaria.

En esto estas habilidades no son distintas de otras habilidades complejas que tienen que ver con el desarrollo de los individuos, que se adquieren de forma progresiva y que sólo son utilizables en forma operativa en su última fase.

Esta naturaleza del aprendizaje, el enlace de las situaciones en que se produce con los objetivos finales a través de etapas, niveles y condiciones de aprendizaje, es la que justifica el diseño instruccional y de ello no se libra la adquisición de las habilidades computacionales ni, siendo distinto, el pensamiento computacional: Los aprendizajes complejos se dividen, se fraccionan, en aprendizajes más simples, más cercanos a las capacidades de los individuos y más lejanos del momento que adquieren su mayor eficiencia o su mayor operatividad práctica, incluso en el caso de que nunca lo alcancen porque no exista, como sucede frecuentemente con las matemáticas, cuyo sentido lo adquieren en etapas muy diferidas, o como habilidades auxiliares de otras. Así sucede con los conocimientos y las competencias clave y con las habilidades básicas.

En este punto es donde obtienen su justificación en las teorías del aprendizaje, en el principio de activación, y en la forma en como transitar desde que se adquieren las habilidades hasta que son útiles en su destino final. Este tránsito y la forma de organizarlo es lo que constituye la base del diseño instruccional. Por tanto son dos núcleos clave que está en la justificación en la teoría del aprendizaje y en la base de una pedagogía del pensamiento computacional: El principio de activación y el diseño instruccional.

En esta parte nos vamos a dedicar exclusivamente al principio de activación. Dejaremos para otra ocasión o para después, aquí en esta serie de posts, en el apartado de las guías de actividades, el diseño instruccional. La otra cuestión, la consideración del pensamiento computacional como competencia clave de la nueva alfabetización tampoco la abordaremos en este punto, es una elaboración o una consecuencia elaborada del principio de activación.

Así pues, vamos a justificar con este principio la necesidad y la conveniencia de trabajar aspectos del aprendizaje previos, convergente con el pensamiento computacional y necesarios para él, desde las primeras etapas del desarrollo cognitivo de los individuos. Es lo que va a justificar después qué actividades y como se organizan juegos en la infancia para que habilidades de secuenciación o de encaje, entre objetos computacionales o entre variables y tipos de datos, por ejemplo, se activen y fluyan en la fase de resolver problemas con algoritmos y programas en las etapas de enseñanza profesional o universitaria. Esto obviamente sería una ejemplificación extrema. En un caso más normal, la adquisición se produciría de una forma más progresiva a través de las distintas etapas educativas, los niveles e incluso dentro de estos y de los módulos y unidades instruccionales que los componen.

En su trabajo, Merrill (2002) desarrolla lo que llama unos principios fundamentales del aprendizaje (first priciples) lo hace decantando los principios subyacentes en los que hay consensos, en los que hay un acuerdo esencial, en todas las teorías y que previamente ha identificado. Ese trabajo está expuesto y desarrollado en su trabajo First principles of instruction (Merrill, 2002). en Educational technology research and development, incluido como capítulo en el tercer volumen de los libros de Reigueluth  Instructional-design theories and models: Building a common knowledge base (Merrill, 2009). Y de forma resumida en First principles of instruction: A synthesis (Merrill, 2007). También son glosados como base del nuevo paradigma instruccional de Reigeluth, cuya versión oficial pueden encontrar en RED número 50, en el artículo Teoría instruccional y tecnología para el nuevo paradigma de la educación (Reigeluth, 2016).

En este último trabajo, Reigeluth (2016) distingue entre principios universales y escenarios particulares. Cuando aplicamos con mayor precisión un principio o un método instruccional, por lo general descubrimos que hace falta que éste sea diferente para diferentes situaciones y perfiles de aprendizaje, o una mayor precisión para obtener objetivos contextualizados y personalizados. Reigeluth (1999a) se refirió a los factores contextuales que influyen en los efectos de los métodos como “escenarios”.

Los principios fundamentales de instrucción (first priciples) los propone y los define Merrill (2002) en First principles of instruction. Este documento se refiere a los métodos variables como programas y prácticas. Un principio fundamental (Merrill, 2002), o un método básico según Reigueluth (1999a), es un aserto que siempre es verdadero bajo las condiciones apropiadas independientemente del programa o de la práctica en que se aplique, que de  esta forma dan lugar a un método variable. Teniendo en cuenta como el mismo Merrill (2002) las define:

 

Una práctica es una actividad instruccional específica. Un programa es un enfoque que consiste en un conjunto de prácticas prescritas. Las prácticas siempre implementan o no implementan los principios subyacentes ya sea que estos principios se especifiquen o no. Un enfoque de instrucción dado solo puede enfatizar la implementación de uno o más de estos principios de instrucción. Los mismos principios pueden ser implementados por una amplia variedad de programas y prácticas.

De esta forma Merrill propuso un conjunto de cinco principios instruccionales prescriptivos (o “principios fundamentales”) que mejoran la calidad de la enseñanza en todas las situaciones ( Merrill, 2007 , 2009 ). Esos principios tienen que ver con la centralidad de la tarea, la activación, la demostración, la aplicación y la integración.

Para ello Merrill (2002) propone un esquema en fases como el más eficiente para el aprendizaje, de manera que centran el problema y crean un entorno que implica al alumno  para la resolución de cualquier problema En cuatro fases distintas, cuando habitualmente solo se hace en una: la de demostración, reduciendo todo el problema a que el alumno pueda demostrar su conocimiento o su habilidad en la resolución del problema en una última fase. Son las FASES DE INSTRUCCIÓN

Las fases son (a) activación de experiencia previa, (b) demostración de habilidades, (c) aplicación de habilidades, y (d) integración de estas habilidades en actividades del mundo real.

Así la figura anterior proporciona un marco conceptual para establecer y relacionar los principios fundamentales de la instrucción. De ellos uno tiene que ver con la implicación y la naturaleza real del problema, así percibida por el alumno, y los cuatro restantes para cada una de las fases. Así estos cinco principios enunciados en su forma más concisa (Merrill 2002) son

 

  1. El aprendizaje se promueve cuando los estudiantes se comprometen a resolver problemas del mundo real. Es decir, el aprendizaje se promueve cuando es un aprendizaje centrado en la tarea.
  2. El aprendizaje se favorece cuando existen conocimientos que se activan como base para el nuevo conocimiento.
  3. El aprendizaje se promueve cuando se centra en que el alumno debe demostrar su nuevo conocimiento. Y el alumno es consciente de ello.
  4. El aprendizaje se promueve igualmente cuando se centra en que el aprendiz aplique el nuevo conocimiento. Y, por último
  5. El aprendizaje se favorece cuando en el nuevo conocimiento se tiende a que se integre en el mundo del alumno.

Pero, de todos estos principios, el que justifica sobremanera la inclusión del pensamiento computacional, como pensamiento computacional desenchufado, en las primeras etapas, es el principio de activación. En él nos vamos a centrar, y no sólo en su aplicación para el diseño instruccional en la fase de activación, en la que el conocimiento existente se activa, sino en las fases en las que se crean los conocimientos y habilidades que son activados, y en cómo hacerlo para que la activación sea más eficiente.

En su trabajo Teoría instruccional y tecnología para el nuevo paradigma de la educación, Reigeluth (2016 pág. 4) caracteriza el principio de activación de manera que

  • El diseño educativo de actividades, organización, recursos, etc. debe ser tendente a activar en los alumnos estructuras cognitivas relevantes, haciéndoles recordar, describir o demostrar conocimientos o experiencias previas que sean relevantes para él.
  • La activación puede ser social. La instrucción debe lograr que los estudiantes compartan sus experiencias anteriores entre ellos.
  • La instrucción debe hacer que los estudiantes recuerden o adquieran una estructura para organizar los nuevos conocimientos.

 

Los trabajos de Merrill (2002) y Reigeluth (2016) hacen énfasis en la fase de evocación, pero no en la fase de crear estructuras cognitivas, experiencias y en general conocimientos y habilidades que puedan ser evocados. Ni tampoco en crear una pedagogía o un diseño educativo que incluya, o tendente a favorecer, elementos cognitivos de enlace que promuevan la evocación. Tampoco a fomentar la investigación sobre estos temas, o a investigar qué tipos de enlaces fortalecen más las estructuras cognitivas de enlace y de evocación.

A partir de lo que dicen, sobre las características del diseño instruccional que implica el principio de activación, los ítems anteriores, podemos concluir que la instrucción, en la fase de crear elementos para ser evocadora, debe:

  • Crear estructuras cognitivas que incluyan conocimientos, habilidades, elementos de reconocimiento que permitan distinguir al alumno y otorgar relevancia en su momento de forma fluida a esas habilidades para conseguir su efectividad en ese momento a partir de elementos contextuales, metáforas, etc
  • Otorgar a esas habilidades elementos de reconocimiento que permitan la evocación.
  • Asociar esas habilidades a tareas que tengan similitud con las que se en su momento sean necesarias para resolver los problemas a los que ayuda la evocación. En nuestro caso, a los problemas computacionales, o habilidades propias a los elementos que constituyen el pensamiento computacional.
  • Diseñar instruccionalmente las actividades que sean relevantes para evocar los elementos de pensamiento computacional (Zapata-Ros, …)
  • Propiciar experiencias de aprendizaje compartido en las primeras etapas y hacer que esos grupos y experiencias sociales sean estables a lo largo del tiempo. Las experiencias compartidas crean elementos de activación a través de grupos o de pares alumnos. El propiciar grupos y claves de comunicación, de lenguaje, y que esos grupos sean estables a lo largo del tiempo aumenta la potencia de evocación.
  • Crear estructuras cognitivas en los alumnos capaces de recomponerse y aumentar en el futuro. Dotar a los conocimientos y habilidades de referencias y de metadatos que permitan ser recuperados mediante evocación.

Debe pues potenciarse una pedagogía que establezca valores en estas ideas y principios para las primeras etapas.

Los First principles of instruction (Merrill, 2002) se publicaron en el III Volumen de la obra dirigida por Charles Reigeluth Instructional-Design Theories and Models, (Instructional-Design Theories and Models, Volume III: Building a Common Knowledge Base).

El principio de activación es pues clave para tenerlo en cuenta cuando se diseña la educación infantil y del primer ciclo de primaria teniendo en el horizonte los aprendizajes futuros, también el Pensamiento Computacional.

Merrill ha sido quien más lo ha trabajado, pero no sólo.

Como señalamos en otro trabajo (Zapata-Ros, 2018), Bawden (2008) habla de habilidades de recuperación, y remite a lo expuestas en otro trabajo anterior (Bawden, 2001). En las habilidades que señala se constatan ideas como la de construir un “bagaje de información fiable” de diversas fuentes, la importancia de las habilidades de recuperación, utilizando una forma de “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. Y así una serie de habilidades donde como novedad se introducen las affordances de conocimiento en entornos sociales y de comunicación en redes, y la idea de relevancia. Sólo que en este caso son habilidades sobre el proceso de la información, y su posterior recuperación. Obviamente no son habilidades para desarrollar en esta etapa. Sin embargo sí sería interesante indagar sobre la recuperación de habilidades que se desarrollan mediante juegos de infancia como son habilidades cinestésicas.

 

 

 

Pensamiento computacional en la infancia. –

Desde junio de 2014 hemos argumentado, aportando muy diversas razones, acerca de por qué debían incluirse en el curriculum de Educación Infantil y de primaria actividades de Pensamiento Computacional. He aquí un resumen.

En el apartado anterior hemos hablado del principio de activación. Basándonos en él hemos sostenido desde hace tiempo la necesidad de favorecer aprendizajes a través de juegos y de otras actividades que estén cognitiva o cinestésicamente conectadas con las habilidades de computación. También hemos sostenido que esto es fácilmente asimilable por el público no especializado (Zapata-Ros, 2014): Al igual que sucede con los deportistas y con los músicos, a los niños para que programen bien, o simplemente para que no se vean excluidos de esta nueva alfabetización, que es el pensamiento computacional en la Sociedad del Conocimiento, debería fomentarse en ellos desde las primeras etapas competencias que puedan ser activadas en otras etapas de desarrollo, y en otras fases  de la instrucción, correspondientes a las etapas del pensamiento abstracto y a las de rendimiento profesional. Y citábamos el desarrollo de determinadas habilidades, como son las de seriación, encaje, modularización, organización espacial, etc., que, en estudios posteriores de grado, de bachillerato o de formación profesional, pudiesen ser activadas para elaborar procedimientos y funciones en la creación de códigos, o para desarrollar algoritmos propios de esta etapa.

 

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

 

Bell, T. y Vahrenhold, J. (2018). CS desenchufado: ¿cómo se usa y cómo funciona? En aventuras entre límites inferiores y altitudes superiores (pp. 497-521). Springer, Cham.

Bell, T., Alexander, J., Freeman, I., & Grimley, M. (2009). Computer science unplugged: School students doing real computing without computers. The New Zealand Journal of Applied Computing and Information Technology13(1), 20-29. http://www.computingunplugged.org/sites/default/files/papers/Unplugged-JACIT2009submit.pdf

 

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

 

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.

Merrill, M. D. (2002). First principles of instruction. Educational technology research and development, 50(3), 43-59. https://link.springer.com/article/10.1007/BF02505024 y https://mdavidmerrill.com/Papers/firstprinciplesbymerrill.pdf

 

Merrill, M. D. (2007). First principles of instruction: A synthesis. In R. A. Reiser & J. V. Dempsey (Eds.), Trends and issues in instructional design and technology (2nd ed., pp. 62-71). Upper Saddle River, NJ: Merrill/Prentice-Hall.

Merrill, M. D. (2009). First principles of instruction. In C. M. Reigeluth & A. A. Carr-Chellman (Eds.), Instructional-design theories and models: Building a common knowledge base (Vol. III, pp. 41-56). New York: Routledge.

 

Pérez-Paredes, P. & Zapata-Ros, M. (2018). El pensamiento computacional, análisis de una competencia clave. Scotts Valley, CA, USA: Createspace Independent Publishing Platform. P.63. https://www.amazon.es/pensamiento-computacional-analisis-competenciaclave/dp/1718987730/ref=sr_1_1

 

Raja, T. (2014). We Can Code It! Why computer literacy is key to winning the 21st century. Mother Jones, June. http://www.motherjones.com/media/2014/06/computer-science-programming-code-diversity-sexism-education.

Reigeluth, C. M. (1999). What is instructional-design theory and how is it changing? In C. M. Reigeluth (Ed.), Instructional-design theories and models: A new paradigm of instructional theory (Vol. II, pp. 5-29). Mahwah, NJ: Lawrence Erlbaum Associates.

 

Reigeluth, C. M. (2012). Instructional theory and technology for the new paradigm of education. RED, Revista de Educación a distancia32, 1-18. http://www.um.es/ead/red/32/reigeluth.pdf.

 

Reigeluth, C. M. (2016).  Teoría instruccional y tecnología para el nuevo paradigma de la educación. RED. Revista de Educación a Distancia. Número 50. 30 de septiembre de 2016. Consultado el (dd/mm/aaa) en http://www.um.es/ead/red/50

 

Reigeluth, C. M., & Carr-Chellman, A. A. (2009a). Situational principles of instruction. In C. M. Reigeluth & A. A. Carr-Chellman (Eds.), Instructional-design theories and models: Building a common knowledge base (Vol. III, pp. 57-68). New York: Routledge.

 

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 (dd/mm/aa) en http://www.um.es/ead/red/46

 

Zapata-Ros, M. (2014). Coding y pre-coding. Blog Microposts, Tumblr http://miguelzapataros.tumblr.com/post/89143450350/coding-y-pre-coding

Zapata-Ros, M. (Noviembre 2014). ¿Por qué “pensamiento computacional”? (I)  Blog Pensamiento computacional y alfabetización digital / Computational thinking and computer literacy. http://computational-think.blogspot.com/2014/11/por-que-pensamiento-computacional-i.html

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de Educación a Distancia (46), 1-47..  15 de Septiembre de 2015. Consultado el (dd/mm/aa) en http://www.um.es/ead/red/46

Zapata-Ros, M. (2018a). El pensamiento computacional en la transición entre culturas epistemológicas. Blog RED El aprendizaje en la Sociedad del Conocimiento. Consultado el (dd/mm/aaa) en https://red.hypotheses.org/1235

Zapata-Ros, M. (2018). Pensamiento computacional. Una tercera competencia clave. (I) Blog RED El aprendizaje en la Sociedad del Conocimiento. Consultado el (dd/mm/aaa) en https://red.hypotheses.org/1059

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de Educación a Distancia, 46(4). 15 de Septiembre de 2015. DOI: http://dx.doi.org/ 10.6018/red/46/4. Consultado el (dd/mm/aa) en http://www.um.es/ead/red/46

Zapata-Ros, M. (2019). Computational Thinking Unplugged. Education in the Knowledge Society20, 1-29. https://pdfs.semanticscholar.org/8ea2/7254a97161a9c75acbc26a1350cefdd5637c.pdf

Zapata-Ros, M. (January 2019) Pensamiento computacional desconectado.  http://dx.doi.org/10.13140/RG.2.2.12945.48481

 

[1] No hace alta que el lector sea muy avispado para darse cuenta que implícitamente estoy haciendo alusión a los juguetes de seriación, encaje, Torres de Hanoi,… que se pueden encontrar para las primeras etapas de desarrollo o para jugar en casa, en los establecimientos de Ikea o que constituyen las base de las actividades Montessori de rincones.

[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

 

[3] https://computational-think.blogspot.com/2014/11/por-que-pensamiento-computacional-i.html

El pensamiento computacional, una cuarta competencia clave planteada por la nueva alfabetización (II)

Una nueva línea: computational thinking everywhere, pervasive computational thinking  y el pensamiento bayesiano.

Miguel Zapata-Ros, agosto 2020

Trabajo acogido a una licencia CC 4.0

DOI: 10.13140 / RG.2.2.15575.91049

La idea más extendida sobre lo que es la alfabetización digital (Digital Literacy) es que consiste en una trasposición (UK Government, 2015 p.7) de lo que ha sido  tradicionalmente una alfabetización a la cultura digital:

So literacy in its fundamental sense is the sharing of meaning through language.

A lo largo de la historia de la Humanidad se han ido sucediendo distintas alfabetizaciones y todas han tenido una significación común y un mismo sentido: Han supuesto una adaptación, de la forma en que los humanos se comunican y representan la realidad, a los nuevos medios de comunicación, representación y proceso de la información que han dispuesto.

A grandes rasgos hay tres culturas epistemológicas, según el concepto acuñado por Stehr (2003 a través de Zapata-Ros, 2013), y tres grandes cambios que dan lugar a ellas.

Entre el año 3000 y 1500 aC se produce un cambio progresivo en distintas partes del mundo. Aparecen soportes que son capaces de llevar de forma móvil y personal la información y la representación del conocimiento, son las tabletas de arcilla o, de forma predominante para las culturas de la época, el papiro, los rollos de papiro, que son la base administrativa y cultural de los imperios egipcios. Su producción y comercio alcanza su auge en Biblos (Fenicia), nombre de ciudad que ha dado lugar a la palabra griega Byblos (βίβλος) y de allí la palabra griega también Biblion (βιβλιον) “libro”, que dará origen a los términos Biblia y Biblioteca. De hecho el nombre Biblia con el que se conoce al libro sagrado cristiano es atribuido a esta ciudad ya que la primera biblia se realizó en papiro proveniente de la misma

Este medio, que está en la base de una sociedad y de una cultura vastísima, continúa su expansión siendo el soporte para la difusión, la alfabetización y la inculturación de los pueblos y las gentes en la cultura griega y en la cultura romana, a través tanto del Imperio de Alejandro Magno como del Imperio Romano.

Aunque material y técnicamente es distinto, al pairo le sucede el pergamino y a los rollos los códices medievales. Pero es la misma forma de soporte y de medio de difusión: uno a uno, individual y móvil, como base material de información textual, gráfica o icónica. Siempre en entidades únicas e irrepetibles. es la que soporta la cultura en la Edad Media, en los monasterios y cenobios y la traslada hasta los albores del renacimiento y la Edad Moderna, cuando se produce el siguiente cambio que da lugar a la siguiente cultura epistemológica.

La segunda revolución la produce la imprenta, y llega hasta nuestros días: la base es el libro impreso y constituye un gran paso, una democratización y una producción industrial de la cultura soportada por este medio. La característica esencial es que el soporte del conocimiento es repetible e ilimitado prácticamente, las tiradas de libros son tan extensas como lectores pueda haber, porque compran libros o porque los leen en bibliotecas u otras instituciones. Igual sucede con el material impreso educativo. Las primeras universidades a distancia lo son por correspondencia con paquetes postales y envios de libros. Y eso ha sido así hasta ahora en que las crisis disruptivas de la sociedad del conocimiento han tambaleado a instituciones tan sólidas como la UK Open University (Bates, 2018)

En ambos casos todas las manifestaciones sociales o individuales, el cómo la gente se expresa, cómo se produce el intercambio de bienes y servicios, como queda registrada la propiedad, las ciencias, la medicina, como la gente acccede al poder y a la riqueza, la promoción interclase queda fuertemente determinada por la forma en que circula el conocimiento y son registrados los datos.

La tercera revolución con la consiguiente aparición de la cultura epistemológica y con la alfabetización va vinculada al desarrollo y la generalización de los medios y de las redes digitales, apareció con la informática personal, la Internet, y continuará con la IA y el blockchain posiblemente, entre otros medios.

La principal característica de la ‘sociedad del conocimiento’ (Stehr, 2003 a través de Zapata-Ros, 2013) 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 (Zapata-Ros, 2013). 

Como en los casos anteriores no solo cambia cómo se representa, cómo circula el conocimiento, y cómo lo usan los individuos para relacionarse y para otras funciones básicas, sino que afecta a la naturaleza más profunda de las actividades humanas: Las económicas, las sociales, las científicas, … No hace falta extenderse. Pero en este caso el individuo no solo recibe, incorpora o gestiona el conocimiento, sino que lo crea. Y la realidad se escribe en códigos informáticos, no solo en códigos textuales o literarios. Para acceder a cualquier trabajo es imprescindible una serie de competencias nuevas. Son las competencias computacionales, o digitales. Pero no sólo de usuario, no basta con usar los medios, también hay que conformarlos, a algún nivel, aunque sólo sea para filtrar la información o para interrogar a las bases de datos, o para crear metainformación eficiente, hace halta un conocimiento de codificación, de programación. Esta es la nueva competencia clave en la nueva alfabetización, como antes lo eran la lectura, la escritura o el cálculo.

En todos los casos, en todas las culturas epistemológicas, y la digital es la última, hay una serie de rasgos que son conformados de forma diferente: Qué determina las competencias básicas que han de adquirir los individuos, qué sectores sociales, las adquieren y para qué, cuáles son esas competencias claves y básicas, y cuál es la tecnología de soporte y de comunicación del conocimiento.

Cultura espistemológica

Competencias básicas para

Competencias claves y básicas

Destinatarios

Tecnología

Biblos, Mesopotamia, Egipto, Grecia, Roma,.. Edad Media.

3000 aC

·  Ser un buen orador

·  Persuadir

·  Registrar datos, fechas y acontecimientos

·  Leer

·  Escribir

·  Hablar

·  Cálculo

·  Geometría

Una élite de funcionarios, políticos y sacerdotes

Papiros, códices, tablillas

Imprenta

1450

·  Acceder a cualquier sector de la producción, los servicios y a las profesiones.

·  Acceder a cualquier conocimiento

Lectura

Escritura

Matemáticas

Aprender a aprender (metacognición[1])

Toda la sociedad como usufructuaria de algún tipo de conocimiento

Libro impreso

La fotografía. el cine, la TV, el vídeo, la radiofonía,… no digital (aunque para algunos constituye una subcultura epistemológica que justifica una alfabetización propia: La audiovisual e icónica

Sociedad digital, sociedad del conocimiento

1981-…

·  Acceder a cualquier sector de la producción, los servicios y a las profesiones.

·  Para acceder a cualquier conocimiento. Son digitales y gobernados por programas o con interfaces de lenguaje estructurado.

·  Para la propia vida.

Lectoescritura

Matemáticas

Pensamiento computacional

Todos los individuos, como usuarios y como creadores

Informática personal, Internet, tecnología ubicua y social, IA,  blockchain y  otros medios que se desconocen.

 

Así, según esta idea, la Alfabetización Digital consiste en la adaptación y la capacitación de los individuos 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 no estrictamente tecnológico, como una revolución de medios de comunicación y de difusión de ideas.

En todas las aproximaciones a través de las ideas más importantes o significativas sobre la alfabetización digital se coincide pues con el patrón de adaptación de la idea existente sobre alfabetización a una nueva cultura epistemológica.

En el resto de trabajos sobre este tema nos hemos acercado progresivamente a la idea de pensamiento computacional como conjunto de elementos, o de formas específicas de pensamiento, que sirven para resolver problemas en diversos ámbitos.

Lo que se propone ahora es la idea de un pensamiento computacional fuertemente relacionado con la Alfabetización Digital, en el sentido de que 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, realizar. O bien, porque 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. Como dijimos 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.

En este sentido a lo dicho en anteriores ocasiones hay que añadir ahora la idea de @ pensamiento computacional generalizado (pervasive computational thinking) como avance y desarrollo de lo tratado en el pensamiento computacional simple, el que Wing(2006) plantea en su promera aproximación.

De esta forma se habla del “pensamiento computacional por todas partes (computational thinking everywhere) (Wing, 2008). Se habla de ello al considerar que ya no se trata de aspectos puramente asociados a la práctica profesional o vital ordinaria para manejarse por la vida y el mundo del trabajo, sino como una preparación para la investigación básica y la para metodología investigadora en casi todas las disciplinas. El pensamiento computacional está influyendo en la investigación en casi todas las áreas, tanto en las ciencias como en las humanidades (Bundy, 2007). Abundan evidencias sobre la influencia del pensamiento computacional en otros campos: Así el pensamiento computacional está transformando las estadísticas, donde con el aprendizaje automático la automatización de los métodos bayesianos y el uso de modelos gráficos probabilísticos es posible identificar patrones y anomalías en voluminosos conjuntos de datos tan diversos como son los corpus lingüísticos (Pérez-Paredes y Zapata-Ros, 2018), los mapas astronómicos, añadir funcionalidades a la práctica de la resonancia magnética, o a los hábitos de compra con tarjeta, online o smartphone. Esto por señalar solo algunos casos como son los que se asocian con el análisis de grandes datos y la teoría bayesiana. Pero hay muchos más, recomendamos la lectura del apartado sobre   computational thinking everywhere en el artículo Computational thinking and thinking about computing (Wing, 2008).

Adelantamos que en nuestra próxima definición de pensamiento computacional por elementos añadamos, en esta dirección de tratar el computational thinking everywhere, un nuevo elemento, el de pensamiento bayesiano.

Referencias.-

Bates, A. (May 2, 2018) Online learning and disruptive change at the UK Open University. https://www.tonybates.ca/2018/05/02/online-learning-and-disruptive-change-at-the-uk-open-university/

Bundy, A. 2007 Computational thinking is pervasive. J. Scient. Pract. Comput.1, 67–69. Google Scholar

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

UK Government  (2015). Green Paper: Digital Literacy. 21st Century Competencies for Our Age: The Digital Age. The Fundamental Building Blocks of Digital Literacy From Enhancement to Transformation. Retrieved from http://dge.mec.pt/estudos-sobre-tecnologiaseducativas

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. Commun. ACM 49(3).  https://doi.org/10.1109/vlhcc.2011.6070404

Wing, J.M. (July 2008) Computational thinking and thinking about computing.  The Royal Society Publishing. https://doi.org/10.1098/rsta.2008.0118 https://royalsocietypublishing.org/doi/10.1098/rsta.2008.0118 https://royalsocietypublishing.org/doi/pdf/10.1098/rsta.2008.0118

Zapata-Ros, M. (2013). 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.


[1] Explicita hasta muy recientemente.

El pensamiento computacional, una cuarta competencia clave planteada por la nueva alfabetización (I)

 

Introducción

Miguel Zapata-Ros, agosto 2020

Trabajo acogido a una licencia CC 4.0

DOI: 10.13140 / RG.2.2.15575.91049

Como hace César Coll (2019) en su prólogo al libro que, sobre Pensamiento Computacional, escribimos Pérez Paredes de Cambridge University y quien suscribe (Pérz-Paredes y Zapata-Ros, 2018) podríamos plantearnos a qué se debe el interés progresivo que se concede al pensamiento computacional en las publicaciones académicas, en los discursos sobre el aprendizaje y en la preocupación educativa contemporáneos; también nos podríamos cuestionar el por qué se manifiesta este interés en las reformas educativas acometidas en los última años y los intentos con irregular éxito de introducirlo en los currículos de la educación infantil, primaria y secundaria de los países de nuestro entorno; mediante qué metodologías didácticas se hace y qué tipos de actividades se proponen para conseguir los objetivos que se plantean, igualmente nos podríamos plantear qué organización educativa, incluso ahora en tiempos de pandemia, puede facilitar y promover un  desarrollo efectivo del pensamiento computacional en las aulas y en los centros educativos.

Todo ello está profusamente tratado en multitud de libros, artículos de revistas especializadas, posts académicos y foros de opinión. Un capítulo como éste no es lugar para algo que necesitaría un programa amplio intenso y profundo de formación a más de una colección de artículos y libros.

En el espacio concedido apenas caben unas pocas reflexiones sobre el sentido de lo que está pasando y algunas reflexiones sobre lo que está por venir.

Sin embargo, ello no obsta por otro lado para que nos planteemos, al menos sucintamente, qué es el pensamiento computacional; qué características diferenciales presenta respecto a otras modalidades de pensamiento como el pensamiento lógico, matemático, hipotético-deductivo, inductivo, creativo, etc.; Y también para que nos planteemos qué no es el pensamiento computacional, cosa frecuentemente olvidada.

Al comienzo de este trabajo no podemos tampoco eludir formular escuetamente dos consideraciones relativas, respectivamente, a la naturaleza y características del pensamiento computacional y a su traslación a las aulas en forma de contenidos curriculares y de propuestas metodológicas.

Estos dos puntos están subyacentes en el resto del capítulo particularmente el primer de ellos está en el trasfondo de lo que viene a continuación sobre la definición de Pensamiento Computacional. La que le otorga sentido.

La primera cuestión por tanto que caracteriza al pensamiento computacional tal como lo definimos en los primeros documentos que escribimos al respecto, en el artículo. Pensamiento computacional: Una nueva alfabetización digital (Zapata-Ros, 2015) y en el libro citado, es, junto con la diversidad y heterogeneidad de los componentes que lo caracterizan, el hecho de que en él se incluyen lo que aparentemente constituye la mayoría, aunque no la totalidad, de los otros tipos o modalidades de pensamiento conocidos. Que son los que de una u otra forma se ponen en acción cuando los informáticos programan o diseñan los algoritmos, diagramas de flujo, análisis de los problemas, etc. Así los identificamos y los describimos cuando en esos primeros trabajos repasamos con ánimo de exhaustividad el quehacer de los programadores.

En esa relación de quince componentes están implícitas casi todas las formas de pensamiento conocidas en el trabajo intelectual. Así, en la relación que se describe en el último trabajo publicado (Pérez-Paredes y Zapata-Ros, 21018 p. 63), encontramos el análisis ascendente, el análisis descendente, la heurística, el pensamiento divergente, la creatividad, la recursividad, la iteración, el ensayo y error, la metacognición, etc.

¿Qué es lo que confiere unidad e identidad a este conjunto de habilidades para que no sea sólo una yuxtaposición? Como dice Coll (2019): La simple convergencia de modalidades y tipos de pensamiento, sin embargo, difícilmente puede dar al conjunto un carácter integrador. Sin un componente vertebrador la convergencia derivaría en realidad en simple amalgama.

Pues bien lo que confiere unidad e identidad al pensamiento computacional, a este conjunto de habilidades, y permite identificarlo como un tipo de pensamiento diferente a los otros,  a los que integra, al pensamiento divergente, al pensamiento abstracto, al pensamiento lógico, al pensamiento eleborativo , etc es justamente la capacidad que tiene para integrarlos en procesos, en sistemas y en diseños completos orientados a la acción sobre la realidad, a la resolución de problemas reales. Como dijimos en el libro citado (Pérez-Paredes y Zapata-Ros, 21018), lo que caracteriza el pensamiento computacional es su orientación a la construcción de “sistemas que interactúan con el mundo real” (p. 60).

A este rasgo, que caracteriza el pensamiento computacional, queremos añadir otro que es clave para lo que vamos a ver. Se trata de un rasgo que permite comprender y valorar su alcance y el interés creciente que tiene en los ámbitos académico, profesional y educativo: Se trata de su estrecha vinculación con la nueva cultura epistemológica, donde el conocimiento es trasmitido, procesado, adquirido con códigos y métodos nuevos. El papel que adquiere es el de una nueva alfabetización, a través de la cual los individuos aprenden habilidades para la representación y comunicación del conocimiento en los nuevos códigos, así como el análisis crítico y la intervención en ellos, en programas, en algoritmos y en sus ejecuciones.

De esta forma, el pensamiento computacional está en la base de una cultura “vinculada al desarrollo y la generalización de los medios y de las redes digitales que apareció con la informática personal, la internet, y continuará con la IA y el blockchain posiblemente, entre otros medios” (Pérez-Paredes y Zapata-Ros, 2018 p. viii).

Esto tiene una repercusión decisiva en lo que concierne a la selección y organización de los contenidos curriculares. No sólo es indispensable, como hasta ahora se hace, formar a las nuevas generaciones en el conocimiento, dominio y uso de affordances de herramientas y dispositivos digitales que median ya en las prácticas sociales y culturales en prácticamente todos los ámbitos de la actividad de las personas y de control de los procesos (robótica), o incluso en la enseñanza de la programación como disciplina o habilidad específica. Sino que además y sobre todo, lo que lo que hace indispensable la incorporación de contenidos específicos de aprendizaje trasversal en Pensamiento Computacional en los currículos escolares es la nueva visión de resolución de problemas que estos medios proporcionan. Y sólo se puede hacer conociendo las claves de funcionamiento interno de estos entornos. La lógica de los entornos computacionales tiene mucho que ver con el pensamiento lógico, simbólico, etc. Tradicionales, pero sin el lastre que implican los procesos y medios analógicos. En el libro tenemos multitud de ejemplos sobre aprendizajes concretos: representación de fracciones y decimales, definición de potencias numéricas a los niños, de factoriales con recursividad, etc.

La conclusión, como veremos, es que esta inclusión en el curriculum hay que hacerla facilitando el desarrollo del pensamiento computacional de manera transversal en todas las áreas curriculares, con todos los contenidos y como competencia clave desde los primeros ciclos.

Otra cuestión que conviene aclarar desde el principio es la del problema de definir el Pensamiento Computacional.

En el primer artículo y en el libro en vez de proponernos elaborar una definición acabada y depurada, y por tanto simple, del pensamiento computacional y partir de ella en todo el desarrollo, el procedimiento fue el inverso: Lo hicimos constructivamente, nos planteamos en la necesidad de un dominio teórico específico del pensamiento computacional en las teorías del aprendizaje y en la necesidad de un currículum. Y construimos una definición extensiva, basada en los elementos que satisfacían esas necesidades. Pensamos que por eso , por no adaptarse a las exigencias de la mercadotecnia educativa y de la omunicación académica, nuestra definición no tuvo éxito. Era muy pesada y difícil de digerir frente a la simpleza de definiciones como la de Wing.

Los elementos constitutivos del pensamiento computacional y que lo definen, de esta forma eran (Zapata-Ros, 2015) (Pérez-Paredes y Zapata-Ros, 2018):

Pensamiento computacional. Una tercera competencia clave (IV): Un ...

Fig. 1

Elementos que están ampliamente desarrollados en los trabajos citados.

En definitiva, esto supone una definición de Pensamiento Computacional por acumulación de elementos, cohexionados por una función o por unos objetivos, que es resolver problemas. En esto consiste la aportación central y clave de nuestro trabajo, iniciada en 2014, el un post sobre este tema (Zapata-Ros, 2014), donde empezábamos la relación de elementos con el pensamiento ascendente, diciendo previamente:

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.

En junio de 2019, un año después de su publicación, llegó a mí este artículo: The 5th ‘C’ of 21st Century Skills? Try Computational Thinking (Not Coding), de la profesora Shuchi Grover (2018), de Stanford, en el que por primera vez vi, en alguien distinto y lejano, sin contacto previo de ningún tipo, como no podría ser de otra forma, que se consideraba el pensamiento computacional como una acumulación de habilidades y elementos de conocimiento necesarios para programar y para caminar por la vida profesional y personal en la sociedad digital. Por fin un poco de luz. Hasta ahora mismo pensaba, ya casi a punto de abandonar al menos en lo fundamental, que ésta era una idea estéril y sin futuro.

Antes de entrar en el trabajo de Grover sería bueno que hiciésemos un sucinto recorrido por las definiciones previas. Son definiciones clásicas, que se repiten hasta la saciedad en artículos y conferencias, pero que son a nuestro juicio simples o incompletas, porque en el mejor de los casos a luden a unos pocos de los elementos que seún nuestro análisis y según vi después en el de Grove e incluso en el de Wing puedes encontrarse que lo componen.  

Así, la informática Tasneem Raja(2014) en el post We Can Code It! , de la revista-blog Mother Jones decía

“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”.

Pero ésta 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, además del de la computación. 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, todo hay que decirlo, habrá que incluir el nivel en el que hay que parar y dar marcha atrás.

La definición es simple y muy útil para el lenguaje periodístico, pero limitada e inexacta. Se limita a señalar un solo aspecto de lo que, en otros ámbitos que veremos, hemos incluido como aspectos particulares del pensamiento computacional, como es el análisis descendente. Y evidentemente reducir el pensamiento computacional al análisis descendente es muy pobre, aunque sea sugestivo y tenga impacto en blogs y en conferencias de divulgación.

La primera definición de Wing (2006), a la que siempre se recurre, es muy general, no hace pensar mucho a la gente y es fácilmente aceptable, pero no nos da pautas concretas para discernir lo que es pensamiento computacional, ahí realmente cabria todo. Wing dice que el “pensamiento computacional” es una forma de pensar que no es sólo para programadores:

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 volvamos al trabajo de Suchi Grover (2018):

En el apartado dedicado a decir qué es el PC, la autora dice que está constituido por[1] 

(…) los procesos de pensamiento involucrados en entender un problema y expresar sus soluciones de tal manera que una computadora pueda potencialmente llevar a cabo la solución. La TC se basa fundamentalmente en el uso de conceptos y estrategias analíticas y algorítmicas más estrechamente relacionadas con la informática para formular, analizar y resolver problemas.

Al igual que las habilidades de pensamiento general, la TC es un poco como el [concepto de] liderazgo: es difícil de definir, pero lo reconoces cuando lo ves. Si bien muchas personas lo asocian con conceptos como la programación y la automatización, que son todas partes centrales de la informática, los educadores e investigadores han encontrado que es más fácil operacionalizarlo para los propósitos de la enseñanza, el currículo y el diseño de evaluaciones.

Eso significa desglosar las habilidades de TC en sus partes componentes, que incluyen conceptos como lógica, algoritmos, patrones, abstracción, generalización, evaluación y automatización. También significa enfoques como “descomponer” problemas en subproblemas para facilitar la resolución, creando artefactos computacionales (generalmente a través de codificación); reutilizando soluciones, probando y depurando; refinamiento iterativo.

Y sí, también implica colaboración y creatividad! Y además, no es necesario que involucre una computadora.

Veamos pues. De entrada señala la dificultad de definir el PC, entonces adopta la posición de definir lo que es PC como, o a través, de un conjunto de cosas (Eso significa desglosar las habilidades de pensamiento computacional en sus partes componentes), la mayor parte de ellas implican o son habilidades, pero siempre son fáciles de operativizar (son todas partes centrales de la informática, los educadores e investigadores han encontrado que es más fácil operacionalizarlo para los propósitos de la enseñanza, el currículo y el diseño de evaluaciones) y sobre todo son posibles de incluir en un diseño educativo.

Son habilidades que incluyen facultades para operativizar la lógica (pensamiento lógico), los algoritmos (algoritmia), patrones, abstracción (pensamiento abstracto), generalización (pensamiento ascendente), evaluación y automatización. También significa enfoques como “descomponer” problemas en subproblemas para facilitar la resolución (pensamiento descendente), creando artefactos computacionales (generalmente a través de codificación); reutilizando soluciones, probando y depurando (ensayo y error); refinamiento iterativo (iteración).

Para concluir diciendo que “también implica colaboración (métodos colaborativos) y creatividad! 

Hasta aquí, si no he contado mal, coincidimos en DIEZ DE LOS QUINCE ELEMENTOS.

Pero hay más coincidencias, o al menos cierto paralelismo en cuanto a la relevancia del fenómeno en el contexto de la dinámica de las alfabetizaciones y de lo que es la alfabetización digital. En el artículo de Groves señala la relevancia del Pensamiento Computacional en cuanto a que constituye una competencia más a añadir a las ya aceptadas como competencias para la sociedad digital. En cualquier caso, lo que tienen de común ambos desarrollos, el articulo de Graves y los trabajos de quien suscribe, es que el pensamiento computacional supone un punto de inflexión.

En el caso de Shuchi Groves, desde el titulo (The 5th ‘C’ of 21st Century Skills? Try Computational Thinking (Not Coding)?[2], se señala que el pensamiento computacional añade una quinta C a las ya cuatro “ces” de las competencias digitales señaladas y aceptadas por todos. En el título está implícita esta afirmación, porque sólo es una pregunta retórica, en realidad es una afirmación. Y además afirma otra cosa, que la habilidad no consiste en programar, las habilidades son las del pensamiento computacional, una forma de pensamiento que permite programar. En esta segunda parte de la frase se sintetizan todas las argumentaciones de los trabajos referenciados anteriormente.

En lo siguiente detalla las otras C y argumenta la inclusión de la quinta:

“Desde el comienzo de este siglo, las habilidades de ” 4C del siglo XXI ” (pensamiento crítico, creatividad, colaboración y comunicación) han visto un creciente reconocimiento como ingredientes esenciales de los planes de estudio escolares. Este cambio ha llevado a una adopción de pedagogías y marcos tales como el aprendizaje basado en proyectos, el aprendizaje por indagación y el aprendizaje más profundo en todos los niveles de K-12 que enfatizan el pensamiento de orden superior sobre el aprendizaje de rutina . Sostengo que necesitamos que el pensamiento computacional (TC) sea otra habilidad central, o la “5ta C” de las habilidades del siglo XXI, que se enseña a todos los estudiantes.

Existe un creciente reconocimiento en los sistemas educativos de todo el mundo de que la capacidad de resolver problemas de manera computacional , es decir, pensar de manera lógica y algorítmica, y usar herramientas de computación para crear artefactos, incluidos modelos y visualizaciones de datos, se está convirtiendo rápidamente en una competencia indispensable para todos. campos.

Para quien suscribe, aceptando el principio general de la quinta C, el cambio es de mucho más impacto y relevancia, se trata de que estamos en presencia de una nueva alfabetización, que se distingue de las anteriores por el medio nuevo que soporta y transmite el conocimiento: el medio digital que se incorpora a los ya existentes: Los libros, la prensa, los documentos escritos y las imágenes en papel y en los medios audiovisuales. Antes el conocimiento se representaba y se trasmitía por la lectura, la escritura y las matemáticas, simbolizadas de forma simplificada por “las tres erres”. Ahora a las tradicionales tres erres: leeR, escribiR y aRitmética se una cuarta expresión, sin  erre, con la cuarta competencia clave para la alfabetización en la sociedad digital, y sin las cuales no se podrían adquirir el resto de conocimientos, representarlos o atribuirles sentido: Esta cuarta competencia clave es el pensamiento computacionalEn el libro y en su presentación en University of Cambridge lo decíamos así:

En la tradición pedagógica anglosajona se les denomina las tres erresThe three Rs: “Reading, wRiting and aRitmhetic and computational thinking”, que de esta forma se constituyen en una alfabetización de tres erres ampliada (three Rs+): The three Rs +: “Reading, wRiting, aRitmhetic and computational thinking”

Hay otro aspecto interesante. El pensamiento computacional no alcanza su verdadero carácter de innovación hasta que no está incluido en los programas oficiales, y esto supone previamente un diseño curricular (o sea: cómo es la nueva programación educativa que queda tras incluirlo) y sobre todo un diseño instruccional (cómo se hace). Es decir, cómo se enlazan los objetivos o resultados que se pretenden con lo que se hace para conseguirlos: La evaluación de aprendizajes y de proceso, los recursos, el propio diseño de objetivos, la metodología docente y sobre todo actividades. Estas últimas serían la pieza clave, la prueba del algodón, de forma que hasta que no lo hagamos no podemos decir que algo constituye una práctica educativa, como bien nos empeñamos a manifestar en el libro, en la parte dedicada a unplugged, en posts y en los artículos correspondientes (Zapata-Ros, January 2019)… En esos trabajos incluimos de forma significativa dos actividades: Una sobre álgebra en educación infantil y otra sobre puertas lógicas con pegatinas.

En este rápido análisis hay que destacar que si bien Grover no incluye actividades ni desenchufadas ni de cualquier otro tipo para el desarrollo de Pensamiento Computacional (en K12, K9, o en Elementary School, o en Key stage – educación Infantil) ni tampoco diseño instruccional, sí que se esfuerza en sugerir ejemplos de actividades y de aprendizajes en otras áreas donde pone en evidencia que el PC es útil, muy conveniente o en todo caso que es algo subyacente, y así lo manifiesta para las áreas de Lenguaje, Matemáticas, Ciencias y Ciencias Sociales. Por cierto, es curioso que señale el carácter desenchufado (Some are unplugged…) de algunas de estas actividades:

La codificación es un contexto excelente, divertido y útil para desarrollar habilidades de pensamiento computacional. Pero no es la única manera. Aquí hay algunas ideas para fomentar la TC en los sujetos. Algunos están desconectados, mientras que otros se beneficiarían con la codificación. ¡Los maestros pueden reconocer muchas de las actividades no programadas como cosas que ya hacen!

Esperamos y deseamos que, sea como sea, esa convergencia continúe, y se plasme como en los demás casos en un nuevo diseño curricular, y en programas de capacitación del profesorado, que integre estos elementos desde no sólo el K-12 sino, como nos empeñamos en dejar claro, desde la primeras etapas de educación infantil y primaria.

Por lo demás en este post de 2018 se resume lo que más ampliamente exponen Grover y Pea en 20113 y en 2018 (Grover & Pea, · December 2017) (Grover & Pea, 2013).

Lo curioso del caso es que en un trabajo posterior de Wing se matiza mucho más en lo que es el Pensamiento Computacional. Señala la variedad de tipos de pensamiento abstracto que existe, la diferencia con el pensamiento matemático. Así pues, en ese trabajo podemos rastrear como elementos de PC ciertos rasgos de éste que tienen que ver con el lenguaje y el pensamiento de patrones o la secuenciación de acciones.

A veces vemos incluso estos elementos mezclados en formas de pensamiento computacional más complejo (Wing, July 2008):

deeper computational thinking—through the choice ofcleverer or more sophisticated abstractions—may enable scientists and engineersto model and analyse their systems on a scale orders of magnitude greater thanthey are able to handle today. Through the use of abstraction layers, e.g hierarchical decomposition, we look forward to when we can: model systems atmultiple time scales and at multiple resolutions of the three space dimensions;model the interactions of these many complex systems to identify conditions fortipping points and emergent behaviour; increase the number of parameters andsets of initial conditions in these models; play these models backwards andforwards in time; and validate these models against ground truth.[2]

Lo que parece que sucede es que cuando Wing amplía el diapasón de los niveles, disciplinas y áreas de producción, servicios e investigación, la idea de un pensamiento computacional simple desaparece. Así lo dice en el epígrafe de su trabajo titulado  Pensamiento computacional en todas partes:

“El pensamiento computacional está influyendo en la investigación en casi todas las disciplinas, tanto en las ciencias como en las humanidades” ( Bundy 2007 ). Abunda la evidencia de la influencia del pensamiento computacional en otros campos: el pensamiento computacional está transformando las estadísticas, donde con el aprendizaje automático la automatización de los métodos bayesianos y el uso de modelos gráficos probabilísticos hacen posible identificar patrones y anomalías en voluminosos conjuntos de datos tan diversos como mapas astronómicos, funcionales escaneos de resonancia magnética, compras con tarjeta de crédito y recibos de la tienda de comestibles (por ejemplo, Machine Learning Department 2008).

Hay que pensar pues en un constructo conceptual de pensamiento computacional que sea capaz de alojar componentes tan variadas y complejas. Una primera aproximación fue la propuesta de Suchi Grover y modestamente la definición acumulativa de 15 componentes de quien suscribe, unificada por su orientación hacia la resolución de problemas y la consecución de objetivos en contextos profesionales, institucionales, investigativos o profesionales.

 

 

Referencias

Bundy, A. 2007 Computational thinking is pervasive. J. Scient. Pract. Comput.1, 67–69. Google Scholar

Coll, C. (2019). Presentación y prólogo del libro” El pensamiento computacional. Análisis de una competencia clave”. Revista de Educación a Distancia19. https://revistas.um.es/red/article/view/395281

Grover, S., & Pea, R. (December 2017). Computational Thinking: A competency whose time has come. Computer science education: Perspectives on teaching and learning in school19. https://www.researchgate.net/profile/Shuchi_Grover/publication/322104135_Computational_Thinking_A_Competency_Whose_Time_Has_Come/links/5a457813a6fdcce1971a5ce5/Computational-Thinking-A-Competency-Whose-Time-Has-Come.pdf

Grover, S., & Pea, R. (2013). Computational thinking in K–12: A review of the state of the field. Educational researcher42(1), 38-43. https://journals.sagepub.com/doi/pdf/10.3102/0013189X12463051?casa_token=R5cisYlHapoAAAAA:iELmqy0nX5dfeBP2ZaTxfIrNEjD-Y8N9_kHKQ_5labiLw5As3cKpugJalkod4px4gjbbELG9t2XCWBQ

Grover, S. (2018, March 13). The 5th ‘C’ of 21st century skills? Try computational thinking (not coding. Retrieved from EdSurge News: https://edtechbooks.org/-Pz

Pérez-Paredes, P. & Zapata-Ros, M. (2018). El pensamiento computacional, análisis de una competencia clave. Scotts Valley, CA, USA: Createspace Independent Publishing Platform. P.63. https://www.amazon.es/pensamiento-computacional-analisis-competenciaclave/dp/1718987730/ref=sr_1_1

Raja, T. (2014). We Can Code It! Why computer literacy is key to winning the 21st century. Mother Jones, June.

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. Commun. ACM 49(3).  https://doi.org/10.1109/vlhcc.2011.6070404

Wing, J.M. (July 2008) Computational thinking and thinking about computing.  The Royal Society Publishing. https://doi.org/10.1098/rsta.2008.0118 https://royalsocietypublishing.org/doi/10.1098/rsta.2008.0118 https://royalsocietypublishing.org/doi/pdf/10.1098/rsta.2008.0118

Zapata-Ros, M. (2014). Por qué el pensamiento computacional (IV). Un dominio teórico específico en las teorías del aprendizaje y un currículum. Blog Pensamiento computacional y alfabetización digital / Computational thinking and computer literacy https://computational-think.blogspot.com/2014/11/por-que-el-pensamiento-computacional-iv.html.

Zapata-Ros, M. (Enero 2018). Pensamiento computacional. Una tercera competencia clave (IV): Un dominio teórico específico en las teorías del aprendizaje y un currículum. Blog RED de Hypotheses.  https://red.hypotheses.org/1079

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de Educación a Distancia, 46(4). 15 de Septiembre de 2015. DOI: http://dx.doi.org/ 10.6018/red/46/4. Consultado el (dd/mm/aa) en http://www.um.es/ead/red/46

Zapata-Ros, M. (2019). Computational Thinking Unplugged. Education in the Knowledge Society20, 1-29. https://pdfs.semanticscholar.org/8ea2/7254a97161a9c75acbc26a1350cefdd5637c.pdf

Zapata-Ros, M. (January 2019) Pensamiento computacional desconectado.  http://dx.doi.org/10.13140/RG.2.2.12945.48481


[1] It is the thought processes involved in understanding a problem and expressing its solutions in such a way that a computer can potentially carry out the solution. CT is fundamentally about using analytic and algorithmic concepts and strategies most closely related to computer science to formulate, analyze and solve problems.

Like general thinking skills, CT is a bit like leadership—hard to define, but you know it when you see it. While many people associate it with concepts like programming and automation—which are all core parts of computer science—educators and researchers have found it easier to operationalize it for the purposes of teaching as well as curriculum and assessment design.

That means breaking down CT skills into its component parts, which include concepts like logic, algorithms, patterns, abstraction, generalization, evaluation, and automation. It also means approaches like “decomposing” problems into subproblems for ease in solving, creating computational artifacts (usually through coding); reusing solutions, testing and debugging; iterative refinement.

And yes, it also involves collaboration and creativity! And furthermore, it does not need to involve a computer.

 

[2] Mirando hacia el futuro, un pensamiento computacional más profundo, a través de la elección de la abstracción o las abstracciones más sofisticadas, puede permitir a los científicos e ingenieros modelar y analizar sus sistemas en una escala de magnitud mayor de la que pueden manejar hoy en día. Mediante el uso de capas de abstracción, por ejemplo la descomposición jerárquica, esperamos con ansias cuanto antes: modelar sistemas en escalas de tiempo múltiples y en múltiples resoluciones de 3D; modelar las interacciones de muchos de estos sistemas complejos, para identificar condiciones que fortalecen los puntos y el comportamiento emergente; aumentar el número de parámetros y conjuntos de condiciones iniciales en estos modelos; jugar estos modelos hacia atrás y hacia adelante en el tiempo; y validar estos modelos confrontando con datos reales.

 

LongForm or Microcontent? An analysis of supports for digital content courseware

RED Distance Education Journal. Preprints of the special issue «Transition from conventional education to online education and learning, as a consequence of COVID19» [1] 

 

Ronei Ximenes Martins. rxmartins@ufla.br 

Nicole Santana Gomes. nicole_sgomes@unifei.edu.br

Daniela Simone Azevedo. daniela.azevedo@semed.betim.mg.gov.br

 

Formats of digital teaching material for different purposes

The evolution of educational materials that are utilized in distance education courses is categorized in different generations and is closely related to technological resources available throughout each historical moment. Such evolution happens as a consequence of technological developments, but mainly because of the acceptance of methodologies that innovate the pedagogical mediation. Knowing how to conciliate technological resources and the methodological innovation in the process of teaching can bring forth new strategies to organize the formal education curriculum also may be used as a source of data to guide educational actions in the international context of Coronavirus.

The organization of courses whose desired learning can take place in different places from where the teaching structure is located requires pedagogical mediation provided by digital information and communication technologies (DICT), as well as competent actions by teachers, students and support professionals (Moore, 2011). With the technological improvement of digital artifacts and the increase of communication velocity that occurred the last decade on the web, the pedagogical mediation started to be grounded predominantly on devices that are connected to the Internet.

Laptop or desktop computers, cellphones or tablets are examples of technologies that increasingly become more accessible and, since they present constant innovations in their functions, they constitute themselves as a fertile field for the pedagogical mediation that currently happens with integral support of digital technologies. Facing innovation and the many possibilities the Internet and its means provide, the challenge of exploring the DICT for advantage of educational processes is recognized. In this sense, it is assumed that not only the instructional design of the courses mediated by technologies must align itself to the offer platforms, but beside that, the didactic materials must be thought according to the following concepts: usability, adaptability, connection, quickness, readability, loading time, lightness, plainness and others. How like is being observed in current times, the offer of educational contents about these new devices is predominantly formed by learning objects, which conceptual base and creation methodology (Willey, 2002; Amante & Morgado, 2001) determine that the information should be divided in small units of texts, videos, images and other audiovisual resources that will be identified as Microcontent in this work.

Buchem and Hamelmann (2010, p. 02) have described Microcontent as an information published in short form, with its length dictated by the constraint of a single main topic and by the physical and technical limitations of the software and devices that we use to view digital content today. For them, the Microcontent, when utilized within a Personal Learning Environment can be easily customized and distributed, allowing a high degree of control over learning and empowering the students to shape their own learning.

Microcontent has arisen by the need to fragment the contents to make them suitable for mobile devices and other technological artifacts, according to Silva, Vieira, Pereira and Braviano (2015). According to them, “[…] Microcontent emerges as innovative elements of pedagogical practices of these new learning models” (Silva et al., 2015, p. 03). Mobile devices, such as cellphones and tablets, meet the demands of fast and dynamic life rhythm and can accomplish multitasks. Because of these characteristics, Microcontent can be composed of a text, a video, audio, a picture, a diagram, a drawing or a photo; but also, by the varied combination of these items with each other.

The partitioned content in reduced fragments “[…] is not restricted to an idea of measurement of size, but rather to a unit, a module, and as such is dependent on the context in which it is inserted” (Silva et al., 2015, p. 03). Therefore, the Microcontent is defined by the subject topic that it approached and by the characteristics of where it is inserted.

Microcontent can be used as a strategy for continuous professional development like Buchem and Hamelmann argue (2010). According to them, with modern technologies, the so-called “didactics design” is currently organized with the student as a focus. Like so, the online study environment needs to be stimulating and organized so that it is initiated and administered individually by the student, rather than just a sequential proposition of steps and previous instructions that should be strictly followed by the students. It is therefore comprehended that the content would be “[…] co-created, modified and used by students […], distributed and both inside and outside of Learning Environment. This mobility of content across various platforms is supported by its light format” (Buchem & Hamelmann, 2010, p. 06).

Learning can be the result of the fractioned content offer, according to Gabrielli, Kimani and Cartaci (2006), as long as they allow the contact with the information and also the experimentation and the access rhythm control for the students. However, the Microcontent predominance can, hypothetically, bring forth the mitigation of the study deepening and, consequently, of the content comprehension, if the students do not seek to deep to studying by other sources. Added to this, much has been discussed about the ideal quality and quantity of online information, mainly for communication companies and producers of journalistic content. In the scope of these discussions, digital journalism has inaugurated an alternative to Microcontent, denominated LongForm. This format is characterized by offering deepened information, composed by images, videos, links and infographics, beside texts, which provide, according to Longhi and Winques (2015), a more immersive and deeper experience of the covered content.

The need to look for an alternative to Microcontents appears not only in the education area but to all that utilize digital media to broadcast information. The media corporations, great users of Microcontents in its websites and portals, are among those who have been looking for other ways to spread their news. Given that the online communication industry works to gather audience by clicking, joining, sharing and engaging with its readers, communication is always innovating and improving the methods of making information available to the audience. In this sense, it is worth noting which movements that digital communications have made and also trying to use the success cases in digital mediated education.

LongForm format emerged in this scenario of searching for media innovation to a new audience. The term, defined by Longhi and Winques (2015), surpasses a simple long text, as the name seems to suggest. LongForm is a content presentation with the abundance of texts, images, videos and any other features that can offer a “[…] quality, accuracy and context rescue” (Longhi & Winques, 2015).

The abundant features of the LongForm format, which are also called multimedia elements should compose the informational material in a coordinated manner. You can insert textual elements with different fonts, various font sizes or information boxes; images highlighted by their size, color treatment, galleries or movements (e.g.  GIFs – Graphics Interchange Format); videos longer or shorter; animated or non-animated infographics and links that lead the reader to other content that complements the presented subject.

Productions that use the LongForm format present, besides multimedia items, other characteristics highlighted:

  1. a) a long and deep text, with a lot of content;
  2. b) the use of HTML5 technology to merge screen media;
  3. c) nonlinear reading;
  4. d) responsive design, in which the material is adapted to the media that the user has chosen to consume.

According to the education evolution mediated by digital technologies of information and communication, of various user profiles, of new available devices for the mediation between learner, content and teachers, presentation characteristics, potentialities and limitations of each format, it is considered that, in hypothesis, LongForm can be a viable alternative to Microcontent for educational materials production for online courses.

Each digital educational material can, along with its organizational structure, propose a sequence of paths for student navigation, starting from early stages to more complex ones. Depending on the proposed navigation path and the resources utilized in the production of the didactic materials, students may have more or less complex distance learning experiences, whether they are mobile mediated or not.

Studying through hyperlinks, distributed throughout the educational material, allows and also requires that readers choose the information they want to interact with. Still, within the analogy of self-service, readers will choose at least one among many proposed informative contents, even if at the end of the studies they are not very satisfied with their choices and realize that more choices have made than they could assimilate. Interacting with a computer system involves understanding it, making decisions, solving problems, storing concepts and processing them in order to achieve knowledge.

Teachers, designers and other professionals that work in designing courses and developing digital educational material should, therefore, make sure that hyperlinks have a thematic link with the original content; that they are distributed according to their categories and functions, that range from the presentation of the information about the subject to the deepening and exploration of the offered content; that they appear embedded in the text, highlighting its most important data through colors, keywords or media; and that they are clearly highlighted at the end of sentences or texts, avoiding noises in the process of reading.

Based on above, a question arises about what possible contributions the LongForm application, today directed to the journalistic content production, can bring to the production of educational content if compared to the Microcontent format, which is a base for online courses content. The LongForm is considered to be better adjusted to the necessities of working with more complex educational themes, owing to its architecture and composition, that is concerned with density without losing sight of the usability and to the lightness adapted to more recent information and communication technologies, especially that of mobile devices.

Research Design

In this paper, part of extensive research, there is the presentation of a comparative analysis of Microcontent and LongForm formats applied to the production of materials that are utilized for pedagogical purposes both in Distance Education and in support to the face-to-face courses.

 In order to compare the use of LongForm and Microcontent formats, applied for the study of the educational content, exploratory research was designed in a quantitative-qualitative approach, with the initial hypothesis that LongForm is best suited for use in most complex educational content. The research aimed to compare the experiences of using the two models, the participants’ behavior and, consequently, to identify the adequacy and the inadequacy of each format for complex content.

Courseware in LongForm and Microcontent formats respectively referred to as Model 1 and Model 2, were elaborated addressing the same content and these materials were used as study activities in an undergraduate discipline offered in the hybrid course[1]. The research took place in eight undergraduate courses at a private university located in Minas Gerais state of Brazil that has, besides its headquarters, four other campuses in cities of the same state.

The educational material denominated Model 1 has used several resources, so-called multimedia elements, to compose the content about water subject, that the students would have to dominate. The items found in a journalistic article published on the Internet by a Folha de São Paulo newspaper were inserted in the material, which were the textual elements of differentiated fonts that contained various sizes of letters and subtitles, images highlighted by their size, colors and galleries, infographics, information boxes, and video (Figure 1). Authorization to use the journalistic article website was granted by the newspaper research department.

Figure 1 – Longform used in Model 1 educational material[2].

In turn, Model 2, followed all the characteristics of Microcontent, offered the students a page with five links, a list of short news, combined together, which overall approached the same themes of Model 1 with great similarity, but independent of each other. The following contents was organized in Model 2:

  1. a) A distribuição da água no mundo – Mundo Educação site[3].
  2. b) Brasil e as mudanças climáticas – WWF site[4].
  3. c) Reservatório da Cantareira atinge menor nível em 39 anos –Folha de São Paulo journal[5].
  4. d) Clima urbano: Grandes cidades são ilhas de calor – – Universo OnLine portal[6].

By offering these links, which were organized on a single Home Page that has hinted that all addresses should be visited, the individual participation of each student has occurred.

Microcontent, when used for educational purposes, especially in more complex content, was considered a very demanding process for students, making them active, explorers, collaborative, attentive readers, and smart digital navigators, in order to search within the various Microcontents that address the same theme, which are complements to their studies.

This research had like participants those students enrolled in the course that authorized the use of their personal and browsing data while reading for data collection, and who have answered the following question: “When you be studying, your actions on this page will be monitored for academic research, do you agree?”. This question has appeared on the screen via a pop-up message in the first access to the course. Thus, with these authorizations, individual data regarding utilization, preference, and navigation were automatically collected by Bots[7] inserted in the teaching material pages of those students.

However, data from students enrolled in the course, but who were not performing the assessment activities within the time frame provided in the institution’s Academic Calendar were excluded from the research, and also the data from those who have not wished to be part of the study or those which have not authorized by clicking on “Disagree” in the authorization message.

In the quantitative step, the bots collected the following: (a) from Model 1 – LongForm: data regarding reading time, media items on which the student clicked – such as image gallery, video, next page access button – and video retention time; (b) Model 2 – Microcontent: data for the five links the student clicked, in other words, if he clicked more than one link or all of them. The objective was to identify, in the first model, if the student explored all the resources offered and, in the second model, if the student was interested in exploring one of the available links or if one item of news information was enough.

In the qualitative step, whose data were obtained through descriptive answers to questions presented to the student after the end of the activity, it was possible to identify the utilization perception of students on the experience of using the models.

The analysis of quantitative data was performed using descriptive statistics and qualitative data were analyzed by the content, inspired by Bardin (2010), with a categorization of approximations and distances in both formats, the LongForm and the Microcontent.

Of the 488 students enrolled in the surveyed courses, 67 students agreed to participate in the survey, which represented 13.72% of the total. Greater accession was expected, but the nearly 70 participants formed a heterogeneous group, through which it was possible to identify different perceptions of use regarding the offered materials. Of the 67 participants, 19 students used Model 1 – the LongForm, and 45 students used Model 2 – the Microcontent, and three agreed to participate, but they did not respond to the activity, giving up their participation in the survey.

 

Microcontent and Longform: each format has its purpose

Considering of the limits that are necessary to concise a paper published in a journal, the discussion presented in this section has been focus on the main differences found between the LongForm and Microcontent formats based on statistical results and content analysis of the participants responses. The responses to the questionnaire were quantified and categorized based on perceptions of difficulties or facilities encountered during the tasks proposed in Models 1 or 2.

In Model 1 (LongForm) the answers were grouped into the assumptions described below.

Negative aspects:

  • Extensive and tiring teaching material.
  • Long and confusing text.
  • Difficult to understand what was requested.

Positive aspects:

  • No difficulty in performing tasks;
  • Clear text, objective and audiovisual resources that assist;
  • Reading holds attention.

 

In Model 2 (Microcontent), the assumptions resulting from the groupings of responses were as follows.

Negative aspects:

  • Short time available to access all links;
  • Extensive task.
  • Difficult to understand what was requested.
  • Many important items within one didactic material with several links.
  • Teacher support was lacking.

Positive aspects:

  • Access to the content of the links helped in the study.
  • Although restricted, the content offered was sufficient.
  • Simple task;
  • Didactic material very simple and clear.

Regardless of the format used (Model 1 or 2), it was observed that biggest challenge to study was the digital reading ability of each student. Mastering technologies to the point of using them as a facilitating tool in the knowledge construction is an individual process, and a result of their own experiences and skills. Therefore, the person when is studying needs to know how to deal with these tools, to know how to access the contents and to master the languages, something that would require proactivity. It would be necessary to know the digital resources, identify and make the correct use of equipment and controls, to finally using the technologies in the learning process.

Through the research application, it was possible to realize that the biggest challenge to study and to compare didactic materials for online study is not necessarily related to the organization format, but the digital reading ability of each student. After all, mastering technologies to the point of using them as a facilitating tool in the process of building knowledge is an individual process, the result of their own experiences, skills, and competences. Regardless of whether the material that the student contacted was LongForm or Microcontent, that student would need to be able to read online.

The results bring by Model 1 – LongForm had more positive reports about didactic material. There were 58% positive responses related to the material, against 5% negative reports. Into students’ perception, reading was been easy, regardless of the equipment used to access it, considering that no restrictions were pointed out of the collected perceptions of the device, which includes usability and ergonomics.  The great difference among participants who accessed themselves desktop content and those have used mobile devices centered on the reading time: 2.09 minutes when accessing their desktops and 11.06 minutes to has been accessing others via mobile devices such as tablets and cellphones.

The content offered by the LongForm model, while addressing the same theme as the content of the compared format, was all offered in a single two-page material, resulting in complex and dense content that required concentrating and exploratory reading. As a result, participants had low access (10%) to the second page of content, which was the other half of the material. Neither the media used to access and the consequent retention time they demanded for reading, not the inadequate access to the second half of the material interfered in the grades that were obtained by students, considering that the values were either 8 or 10 points. The good quality of the answers is because the “water” theme is generally known; teachers have had the opportunity to work well through the content modules that preceded the activity and, finally, by the features themselves in the LongForm model, which was enough material for the students to answer the proposed question – by offering various multimedia elements and a good amount of textual information in its first part.

In turn, Model 2 – Microcontent – presented different perceptions about the material. There were 47% of positive reports and 15% of negative reports related by participants. Students were also able to read easily, regardless of the support used to access it, considering that none of the collected perceptions were their observations related to the device, such as usability or ergonomics. The Desktop vs. Mobile Devices relation was also centered on reading time, which was of 2.26 minutes among Desktops and of 6.45 minutes among students using tablets and mobile devices. The content was better explored by students, with a more balanced number of visits among all available links, but with a gradual decline from the first to the last.

In Model 2 – Microcontent, consisting of a page with consolidated textual information and a series of sequential links, about 30% of all the students who accessed the first link clicked on the last one, a much higher rate than that of students who opened the second page of the content from Model 1 – LongForm (10%).

The navigation paths, despite being laid out, were materialized through the reader’s action only. Many items and navigation paths have been unexplored, and this reality may be related to the lack of reading habits, digital or not. This student behavior can also be linked to each person’s particular way of structuring information so that it makes sense and becomes knowledge, and therefore it is unconsidered a problem. It is likely that once the navigation path is defined by the reader, some of the participants considered that 50% of the content read – in the case of Model 1 – LongForm; and only one, two or three of the offered links – in the case of Model 2 – Microcontent, were enough to respond the activity, adding the didactic material information to previous knowledge about the subject. Even if the students have not clicked on all available tools or if they accessed the links out of order, it just proves the primary feature of digital texts is that paths cannot be predicted, they can only be available.

By searching for an alternative for didactic material production that would not simplify the contents and that would not harm the educational process, the research identified that the Microcontent format – once it needs to fragment the information in micro-units and demands that the students read more than one unit to build a meaningful comprehension about the subject at hand – remains a viable format for educational use in digital media, especially when it comes to less dense or complex subjects, like review topics and supplemental materials.

Finally, it was confirmed that the LongForm presents itself as a viable alternative for online studying because it is constituted by a single virtual space where larger texts and varied multimedia resources can be inserted to enrich the material and to allow the teacher to offer the students all the information, resources, additional items and whatever else is needed to work on the study unit in question. The students took more time to read in the LongForm, but it is inferred that this is due to the number of elements inserted in the material that require more careful reading to understand the data.

Therefore, the use of the Microcontent format is indicated to offer online learning materials intended for revision, the initial presentation of supplemental materials such as “learn more” links and for the use in minor subjects, both in extension and conceptual deepening. And it is proposed the use of LongForm – usually found in journalistic content of major reports – in distance education, in reaching didactic materials for regular study, as complete didactic modules composed of theory, examples, exercises, illustrations, videos and activity proposals; in other words, in larger issues, both in length and in conceptual density.

  

References

Amante, L. & Morgado L. (2001) Metodologia de concepção e desenvolvimento de aplicações educativas: o caso dos materiais hipermedia. Discursos: língua, cultura e sociedade, 27-43. Retrieved from: http://hdl.handle.net/10400.2/4348.

Bardin, L. (2010). Análise de conteúdo. (L. A. Reto & A. Pinheiro, Trad.). Lisboa: Edições 70.

Buchem, I., & Hamelmann, H. (2010). Microlearning: a strategy for ongoing professional development. eLearning Papers21(7), 1-15. Retrieved from: http://dx.doi.org/10.4236/ce.2015.623254.

Gabrielli, S., Kimani, S. & Catarci, T. (2017). The Design of MicroLearning Experiences: A Research Agenda (On Microlearning). Retrieved from: https://goo.gl/mB2GdY.

Longhi, R. R., & Winques, K. (2015). O lugar do longform no jornalismo online. Qualidade versus quantidade e algumas considerações sobre o consumo. Brazilian Journalism Research, 11(1), 110-127. Retrieved from: https://doi.org/10.25200/BJR.v11n1.2015.693.

Moore, M. G., & Anderson, W. G. (Eds.). (2007). Handbook of distance education. L. Erlbaum Associates.

Silva, M. D., Vieira, M. L. H., Pereira, A. T. C., & Braviano, G. Microconteúdos na forma de explainer videos para a educação. Uma revisão integrativa. Retrieved from: https://www.researchgate.net/publication/297918827_MICROCONTEUDOS_NA_FORMA_DE_EXPLAINER_VIDEOS_PARA_A_EDUCACAO_UMA_REVISAO_INTEGRATIVA

Willey, D. A. (2002) Connecting learning objects to instructional design theory: A definition, a metaphor, and a taxionomy.  Retrieved from:  http://reusability.org/read/chapters/wiley.doc

[1] Hybrid course are names commonly used to describe courses in which some traditional face-to-face has been replaced by online learning activities.

 

[2] http://arte.folha.uol.com.br/ambiente/2014/09/15/crise-da-agua/

[3] http://mundoeducacao.bol.uol.com.br/geografia/a-distribuicao-agua-no-mundo.htm

[4]http://www.wwf.org.br/natureza_brasileira/reducao_de_impactos2/clima/politicas_de_clima/brasil_mudancas_climaticas/

[5] http://www1.folha.uol.com.br/cotidiano/2014/01/1405442-reservatorio-da-cantareira-atinge-menor-nivel-em-39-anos.shtml

[6] https://educacao.uol.com.br/disciplinas/geografia/clima-urbano-grandes-cidades-sao-ilhas-de-calor.htm

[7] Bots are autonomous program on a network (especially the Internet) that can interact with computer systems or users.

 


[1]  RED – Revista de Educación a Distancia, haciéndose eco de la urgencia educativa que supone el COVID19 y la transición abrupta de la educación convencional a la educación en línea  entiende que, al igual que ha sucedido con la investigación biomédica, la investigación educativa debe propiciar elementos de conocimiento y de práctica que sean útiles en esta situación a los docentes, a los diseñadores de la educación y a otros investigadores.
Igualmente debe difundir los resultados que se produzcan en el mismo momento en que se produzcan.
Por eso además de convocar un número extraordinario, con este único tema, ofrecemos este blog académico para publicar resultados en progreso sin revisión de pares, sólo con la revisión editorial.

La convocatoria de RED la pueden encontrar en español e inglés en estas direcciones:

https://revistas.um.es/red/announcement

University teachers coping with a challenging situation – The transition from conventional teaching to online teaching: Organizational and pedagogical issues

 

 

 

RED Distance Education Journal. Preprints of the special issue “Transition from conventional education to online education and learning, as a consequence of COVID19” [1] 

Gabriel Horenczyk and  Marcelo I. Dorfsman. The Hebrew University of Jerusalem.

We plan to conduct an educational study in an unusual situation in Israel and in many countries of the world, where universities are forced to switch from conventional (face-to-face) teaching to online teaching overnight.

In the early days of the transition, the feeling is of mobilization and the concerns of most professors, and a great desire to understand the technological tools, some completely new and some familiar (at least some as Moodle) to adapt their teaching to the new environment.

The issues we will address in the research are:

A. Impact of online teaching on the lecturer’s practice during the lock period:

  • Does the online environment cause the lecturer to change the teaching method?
  • Can the lecturer utilize the tools offered to him to innovate the teaching method?
  • Is he just trying to continue the previous method with new tools?

B. Changes in lecturers’ perceptions throughout the semester (or the period this method will last):

  • What are the lecturers’ perceptions of teaching supported by technology tools in general, especially through online teaching?
  • Given that the lecturers did not “choose” to go online, at the end of the period, did these perceptions change?
  • How have they changed? Will the lecturers choose / want to use technology and online teaching tools after the lock period and return to normal?
  • Will the “forced” practice somehow affect his general practice?

C. Best Practices Throughout the study, we can ask certain lecturers to talk about certain lessons that are best practices for them. We can watch the recordings of the lessons or participate as observers in some live lessons.

An analysis of these practices will enrich our pedagogical knowledge of university teaching. We will ask ourselves why constitute best practices, what is the pedagogical innovation of these practices, and to what extent they are affected and – or are the result of the use of tools and a specialized pedagogical-technological environment.

  1. Online lecturer typology: Various lecturers’ responses to the new reality can already be identified today: 1. In agreement and even “submission”; 2. some lecturers see this situation as a challenge and try to teach and offer innovative teaching to students; 3. and others just think of transferring their methods to a new environment if possible and they also say they don’t think this kind of teaching is “the real thing”

From analyzing questionnaires + in-depth interviews and observations, we will try to identify different types of lecturers as they deal with the pedagogical transition, their and  answer to the situation, which will serve as the  basis for analysis.

The study will include quantitative tools (questionnaires to be distributed to all lecturers at the Hebrew University) + in-depth interviews, online lesson observation and an analysis of the Moodle platform of the online courses. This analysis will give us information on both synchronous and asynchronous tools that the lecturers use.

Prof. Gabriel Horenczyk – gabriel.horenczyk@mail.huji.ac.il

Dr. Marcelo I. Dorfsman  – marcelo.dorfsman@mail.huji.ac.il

 


[1]  Call for contributions for special issue

Transition from mainstream education to online education and learning, as a result of the  COVID-19 pandemic

Deadline to send manuscripts: October 15, 2020

Estimated date for publication: March / April 2021.

Publication norms and guidelines for authors http://www.um.es/ead/red/normasRED.htm#_Toc481505686

Presentation and justification. –

As a result of the COVID19 pandemic, in all affected countries, facilities and educational centers have been closed at all levels, and face-to-face teaching activity has been suspended in any of its forms.

Authorities have instructed that online activities be offered as an alternative. This has given rise to a great diversity of options and real situations. We believe that its evolution and outcome can condition the future of education, of states and societies, it can also change the professional and vital perspectives of several generations of individuals.

In Education an emergency situation of a colossal entity has been created. Similar to what happens in Health, in Health Sciences and Life Sciences research.

This urgency alone justifies the need to investigate the consequences of what is happening, so that results can be obtained on the fly that can serve other researchers. Also to serve educational systems to guide their decisions.

We need therefore that all ongoing and future experiencies in this emergency transition to online learning context resulting from the COVID-19 situation, have dissemination channel similar to that of medical or biomedical investigations.

For this purpose, the RED journal has undertaken two initiatives:

  1. To launch a call for a special issue in order to collect empirical research that is being developed. Mainly, the one studying changes introduced in the teaching methodology, instructional design, learning evaluation as a result of the transition from conventional education to online teaching and learning due to the COVID-19 crisis, at all levels.
  2. Dedicate the RED academic blog to post articles preprints for RED. Posts will have only editorial review. The themes will be the same as those indicated in the previous point.

The RED journal has become a clear reference on these topics among not only the publications published in the Spanish-speaking world, but in the general international context as well.

It is important that RED responds to this challenge by providing a monographic issue thatdisseminates the research and experiences that are taking place.

As in previous RED issues, the articles accepted should be of the the following types:

  • development and testing of one or more particular learning technologies or affordances
  • case studies of practices
  • critical annalysis of politics or research
  • longitudinal studies
  • empirical experiments
  • critical review of the literature produced around the educational transition by COVID19

For this issue we have the special collaboration of Dr. Antonio Moreira Teixeira, as invited International Editor.

Dr. Moreira Teixeira has a unique career as an author and expert researcher, Head of the Department of Education and Distance Learning at the Open University of Portugal and former President of the European Distance and E-learning Network (EDEN), from 2013 to 2016.

We call your attentio to the fact that RED, a Journal of Distance Education, is included in the ESCI index of the Web of Science, its work is included in the WoS Core Collection, as well as in Scopus and it has the FECYT quality certificate. It is also indexed in practically all specialized scientific repositories. Therefore, it has a commitment to additional quality, which is already characteristic in a traditional way.

Consequently, the review will be especially thorough in the research methodologies used and in the detection of non-scientific or para-scientific elements. RED does not consider self-report studies as a research method.

The works must comply with the rules on format, style, citation, ethics and plagiarism that can be found in

http://www.um.es/ead/red/normasRED.htm#_Toc481505686, and will be evaluated with the procedure and deadlines that are also described in

http://www.um.es/ead/red/normasRED.htm.

The website to present the originals is https://revistas.um.es/red/index

Yours faithfull on behalf of RED editorial boards

https://revistas.um.es/red/announcement

https://www.um.es/ead/red/call65_english.pdf

Hypoteses RED preprints should be sent to mzapata@um.es

 

Análisis de las competencias didácticas virtuales en la impartición de clases universitarias en línea, durante contingencia del COVID-19

 

 

 

 

 

Preprints del número especial de RED Revista de Educación a Distancia «Transición de la educación convencional a la educación y al aprendizaje en línea, como consecuencia del COVID19» [1]

Arturo Amaya Amaya, Daniel Cantú Cervantes y José Guillermo Marreros Vázquez, de la Universidad Autónoma de Tamaulipas. México

Desde hace aproximadamente una década en México, se ha venido reflexionando sobre la importancia de la flexibilidad curricular de programas educativos presenciales de nivel pregrado, así como la importancia de diversificar las opciones de enseñanza y aprendizaje a través de medios digitales, con la intención de brindar respuesta a los problemas de deserción, cobertura e inclusión escolar; desafíos que hasta la fecha se siguen presentando, principalmente en la educación superior. Algunas Instituciones de Educación Superior (IES) han atendido estas recomendaciones con la implementación de programas de capacitación docente, sin una intervención tecnológica verdadera, donde los profesores puedan poner a prueba sus competencias académicas-tecnológicas adquiridas para apoyar sus sesiones de clases presenciales con la incorporación de Tecnologías para el Aprendizaje y el Conocimiento (TAC).

En estos momentos de cuarentena sanitaria derivada de la pandemia del COVID-19, ha obligado a las IES a transitar de manera obligada hacia los medios digitales, comprometiendo la calidad de la enseñanza, principalmente porque son muy pocas las universidades que han atendido las recomendaciones de la UNESCO, ANUIES y SEP relacionadas principalmente con la adopción de las TAC, así como la inversión en la formación y especialización de profesores para el desarrollo de competencias académicas-tecnológicas.

Es decir, en estos momentos miles de profesores universitarios están poniendo a prueba sus competencias digitales básicas, intermedias o avanzadas; y algunos otros únicamente su creatividad para preparar sus sesiones de clases, contenidos, ejercicios y exámenes, apoyándose en plataformas tecnológicas disponibles en la nube, sin estar seguros que están utilizando la mejor opción para atender en primer lugar, las demandas educativas de sus estudiantes y en segundo lugar, las exigencias de la IES para el cumplimiento de los programas de estudios de sus asignaturas.

El artículo propuesto es un estudio cuantitativo con diseño transeccional descriptivo con el objetivo de analizar las competencias didácticas virtuales con base en una metodología soportada en el modelo T-PACK que se muestra en la figura 2, que mayormente fueron desarrolladas por los docentes (N=87, Edad: M=33.91, DE=7.699, Max=51, Min=20)  de la Universidad Autónoma de Tamaulipas (UAT) que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 e impartieron clases en línea durante contingencia del COVID-19 en el periodo comprendido de marzo a abril del año 2020.

Figura 2. El modelo TPACK

Fuente: Shulman (1986); Koehler & Mishra (2009)

Con base en lo anterior, se diseño la siguiente pregunta de investigación ¿Cuál es el nivel de logro que muestran los profesores que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 en la Universidad Autónoma de Tamaulipas, en relación con el modelo de competencias tecnologías y pedagógicas T-PACK durante la cátedra a distancia llevada a cabo en la contingencia del COVID-19?

De la cual se formularon las siguientes hipótesis:

H1: Los profesores que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 en la Universidad Autónoma de Tamaulipas, muestran competencias sobresalientes en el modelo T-PACK en su cátedra a distancia durante la contingencia del COVID-19.

H0: Los profesores que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 en la Universidad Autónoma de Tamaulipas, muestran competencias buenas o regulares en el modelo T-PACK en su cátedra a distancia durante la contingencia del COVID-19.

Ha: Los profesores que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 en la Universidad Autónoma de Tamaulipas, muestran competencias deficientes en el modelo T-PACK en su cátedra a distancia durante la contingencia del COVID-19.

H2: Los docentes varones y mujeres que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 en la Universidad Autónoma de Tamaulipas, muestran diferencias significativas entre sí, respecto a las dimensiones del modelo T-PACK en su cátedra a distancia durante la contingencia del COVID-19.

Ho2: Los docentes varones y mujeres que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 en la Universidad Autónoma de Tamaulipas, no muestran diferencias significativas entre sí, respecto a las dimensiones del modelo T-PACK en su cátedra a distancia durante la contingencia del COVID-19.

Los resultados muestran que los docentes presentaron competencias sobresalientes en su cátedra a distancia durante la contingencia, y además, no se encontraron diferencias significativas (p>0.05) entre el logro de los docentes varones (N=51, Edad: M=35.84, DE=7.298, Max=50, Min=20) y mujeres (N=36, Edad: M=29.33, DE=4.980, Max=49, Min=20) en ninguna de las dimensiones del modelo T-PACK.

Como conclusiones la Universidad Autónoma de Tamaulipas, al igual que todas las universidades del mundo tuvieron que transitar de manera vertiginosa de la educación presencial a la educación en línea, adaptando sus sesiones de clases presenciales a un formato virtual para poder atender a los estudiantes durante la contingencia de la pandemia del virus SARS-CoV-2 (COVID-19). Este estudio tuvo como fin analizar las habilidades y competencias didácticas virtuales del modelo T-PACK (Shulman, 1986; Koehler y Mishra, 2009), que mayormente fueron desarrolladas por los docentes que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 e impartieron clases en línea durante contingencia del COVID-19 en el periodo comprendido de marzo a abril del año 2020. En este sentido, se logró aportar evidencia que respaldó la H1 que dictó: Los profesores que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 en la Universidad Autónoma de Tamaulipas, muestran competencias sobresalientes en el modelo T-PACK en su cátedra a distancia durante la contingencia del COVID-19. Dando respuesta a la pregunta de investigación que estipuló: ¿Cuál es el nivel de logro que muestran los profesores que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 en la Universidad Autónoma de Tamaulipas, en relación con el modelo de competencias tecnologías y pedagógicas T-PACK durante la cátedra a distancia llevada a cabo en la contingencia del COVID-19? Además de lo visto, no se encontraron diferencias significativas (p>0.05) entre el género de los profesores que cursaron el Diplomado en Ambientes Virtuales de Aprendizaje del 2014 al 2019 en la Universidad Autónoma de Tamaulipas, en ninguna de las dimensiones del modelo T-PACK.

El aprendizaje que deja la pandemia del COVID-19 a las universidades, es valorar el quehacer académico de los profesores e invertir en el desarrollo de sus competencias digitales, porque seguramente la educación superior cambiara no únicamente en México, sino en toda Latinoamérica, donde la educación multimodal y/o educación a distancia tendrán un papel preponderante para el desarrollo disciplinar y profesional de las futuras generaciones de discentes.

Arturo, Amaya Amaya, arturo.amaya@docentes.uat.edu.mx
Daniel Cantú Cervantes, dcantu@docentes.uat.edu.mx
José Guillermo Marreros Vázquez, jgmarreros@docentes.uat.edu.mx


[1]  RED – Revista de Educación a Distancia, haciéndose eco de la urgencia educativa que supone el COVID19 y la transición abrupta de la educación convencional a la educación en línea  entiende que, al igual que ha sucedido con la investigación biomédica, la investigación educativa debe propiciar elementos de conocimiento y de práctica que sean útiles en esta situación a los docentes, a los diseñadores de la educación y a otros investigadores.
Igualmente debe difundir los resultados que se produzcan en el mismo momento en que se produzcan.
Por eso además de convocar un número extraordinario, con este único tema, ofrecemos este blog académico para publicar resultados en progreso sin revisión de pares, sólo con la revisión editorial.

La convocatoria de RED la pueden encontrar en español e inglés en estas direcciones:

https://revistas.um.es/red/announcement

https://www.um.es/ead/red/call65.pdf

https://www.um.es/ead/red/call65_english.pdf

El envío de preprints para RED de Hypoteses deben enviarlos a mzapata@um.es

La publicación de este preprint sólo supone una revisión editorial previa. No influye ni favorablemente ni desfavorablemente la publicación definitiva del artículo en RED, que está condicionada por la revisión de pares por el método de “par ciego simple”.

 

Docentes universitarios “bajo presión”: la transición (forzada) de la enseñanza convencional a la enseñanza en línea – cuestiones pedagógicas y organizacionales.

 

Preprints del número especial de RED Revista de Educación a Distancia “Transición de la educación convencional a la educación y al aprendizaje en línea, como consecuencia del COVID19” [1]

 

Gabriel Horenczyk y  Marcelo I. Dorfsman. Universidad Hebrea de Jerusalén.

El jueves 5 de marzo pasado, los docentes de la Universidad Hebrea de Jerusalem recibimos una comunicación del rectorado informando que – dada la situación de emergencia que se vivía en el país – la universidad había decidido postergar el inicio del segundo semestre del 15 al 22 de marzo. Las clases se reiniciarían totalmente a distancia. En la semana del 15.3, los docentes, sus departamentos y unidades académicas debían tomar los recaudos para iniciar las clases la semana siguiente, online.

Situaciones similares se dieron en todos los institutos universitarios del país, y posiblemente del mundo.

Nuestra universidad, a diferencia de otras, no tiene experiencia en enseñanza online. Existe solamente una Maestría en modalidad Blended Learning, en el área de educación; y no más de 15 cursos académicos online en toda la universidad (además de algunos Mooc´s, no académicos).

Un grupo de investigadores de la Escuela de Educación, junto con colegas de universidades de Suiza, Alemania, Argentina y EEUU, comenzamos a trabajar en un proyecto que tiene como foco al docente y su práctica pedagógica.

A diferencia de otros proyectos, que se focalizan en los aspectos psicológicos, sociológicos, políticos y económicos derivados de la situación bajo la pandemia, en esta investigación nos hemos focalizado en la práctica pedagógica del docente universitario y en la relación entre esta práctica y su contexto institucional.

La pregunta principal de la investigación es:  

¿De qué manera, el paso de la enseñanza convencional a la enseñanza online ha impactado – o no – en la práctica pedagógica del docente universitario?

Nuestros objetivos son:

  • Comprender de qué manera el paso “forzado” a la enseñanza online, impacta en la práctica pedagógica del docente.
  • Analizar el vínculo entre las percepciones docentes acerca de su práctica y el contexto institucional
  • Prever la posibilidad de cambios en la práctica pedagógica del docente luego de la crisis, a fin de contribuir a la inclusión de prácticas innovadoras.

La investigación integrará la metodología cuantitativa y la cualitativa. En una primera etapa, un cuestionario consensuado entre los investigadores, será suministrado a una muestra de por lo menos 200 docentes en cada una de las universidades participantes. En la encuesta, y como continuación de la investigación, los docentes serán invitados a participar de “focus groups” y de entrevistas en profundidad, con las cuales podremos completar nuestra etapa de recolección de información.

El análisis de los datos se iniciará tomando en cuenta los siguientes temas que hoy nos preocupan:

A. Impacto de la enseñanza en línea en la práctica del docente universitario durante el período de aislamiento:

  • ¿En qué medida el entorno induce al docente universitario a cambiar sus métodos de enseñanza?
  • ¿En qué medida el docente universitario está capacitado para aprovechar las herramientas que se le ofrecen e innovar sus métodos de enseñanza?
  • ¿En qué medida el docente universitario trata de aplicar métodos conocidos, en entornos desconocidos?

B. Cambios en las percepciones de los profesores a lo largo del semestre (o el período que durará la utilización forzada de la enseñanza online):

  • ¿Cuáles son las percepciones de los profesores sobre la enseñanza respaldada por herramientas tecnológicas en general, especialmente a través de la enseñanza en línea?
  • Dado que los profesores no “eligieron” utilizar herramientas tecnológicas; al final del período, ¿cambiaron estas percepciones?
  • ¿Cómo han cambiado? ¿Los profesores elegirán / querrán usar tecnología y herramientas de enseñanza en línea después del período de aislamientos y vuelta a la normalidad?
  • ¿La práctica “forzada” afectará de alguna manera su práctica pedagógica posterior?

 

C. Buenas prácticas: A lo largo del estudio, solicitaremos a algunos docentes que relaten clases que son consideradas por ellos como buenas prácticas. Podremos observar también las grabaciones de esas clases o bien participar como observadores en algunas de ellas.

Un análisis de estas prácticas enriquecerá nuestro conocimiento pedagógico de la enseñanza universitaria. Nos preguntaremos por qué constituyen “buenas prácticas”, cuál es su innovación pedagógica, y en qué medida se ven afectadas y – o son el resultado del uso de herramientas y un entorno pedagógico-tecnológico específico.

D. Tipología de los docentes en línea: Antes de comenzar la investigación, somos testigos de diferentes respuestas de docentes a esta nueva realidad: 1. Acuerdo e incluso “sumisión”; 2. Desafío e intento de ofrecer alternativas innovadoras a los estudiantes; 3. Transferir viejos métodos a un nuevo entorno. Hay quienes además, sostienen que este tipo de enseñanza no es “lo real”. El diseño de una tipología docente contribuirá a la comprensión profunda de las prácticas y también, al diseño de prácticas de formación del profesorado.

Seguramente, y dado que el diseño de esta investigación es formativo, nuevas preguntas y cuestiones surgirán surgirá a lo largo de la misma – en especial en su fase cualitativa.  Confiamos en que los resultados de la misma puedan contribuir a la mejora de la práctica pedagógica universitaria, así como a una buena adecuación de los contextos institucionales a situaciones de emergencia.

Prof. Gabriel Horenczyk – gabriel.horenczyk@mail.huji.ac.il

Dr. Marcelo I. Dorfsman  – marcelo.dorfsman@mail.huji.ac.il

 

Nota: aquellas universidades que estén interesadas en sumarse a esta investigación, utilizando las herramientas construidas por nuestro equipo, están invitadas a dirigirse a nosotros por correo para coordinar acciones.


[1]  RED – Revista de Educación a Distancia, haciéndose eco de la urgencia educativa que supone el COVID19 y la transición abrupta de la educación convencional a la educación en línea  entiende que, al igual que ha sucedido con la investigación biomédica, la investigación educativa debe propiciar elementos de conocimiento y de práctica que sean útiles en esta situación a los docentes, a los diseñadores de la educación y a otros investigadores.
Igualmente debe difundir los resultados que se produzcan en el mismo momento en que se produzcan.
Por eso además de convocar un número extraordinario, con este único tema, ofrecemos este blog académico para publicar resultados en progreso sin revisión de pares, sólo con la revisión editorial.

La convocatoria de RED la pueden encontrar en español e inglés en estas direcciones:

https://revistas.um.es/red/announcement

https://www.um.es/ead/red/call65.pdf

https://www.um.es/ead/red/call65_english.pdf

El envío de preprints para RED de Hypoteses deben enviarlos a mzapata@um.es

La publicación de este preprint sólo supone una revisión editorial previa. No influye ni favorablemente ni desfavorablemente la publicación definitiva del artículo en RED, que está condicionada por la revisión de pares por el método de “par ciego simple”.

Con este propósito empezamos a publicar la nota en la que comunican el comienzo de una investigación desde la Universidad de Jerusalem los investigadores del Instituto Melton Gabriel Horenczyk y Marcelo I. Dorfsman

 

Computational thinking predictable trends and desirable trends

Computational thinking cannot avoid trends that are otherwise marked for technology-supported education. However, there is a margin of variability. Next, we comment experiences of the authors and their commitment to the theoretical corpus of learning and instructional design make them conceive, within that margin, as more favorable trends for more effective learning within the field of social performance and personal development of individuals:

 

A. Learning ecologies of computational thinking.

Under this denominator various trends are grouped with a common factor: the premise that the context in which learning takes place has an enormous influence on students and their educational development. It is explained in The Ecology of Learning. Several Streams of Research Take a Broad Approach to Understanding the Learning Process and in Media ecology: An interdisciplinary approach to the study of communication by Breslow (2001 and 1986) and Nystrom (1973). This perspective is not new, now the difference is that it is structured in its approach and takes on a new meaning with the technological learning environments, particularly important now in the computational thinking environments as a cohesive element and interaction of the components that constitute it.

The theoretical construct has its roots in the production of seminal thinkers such as John Dewey, Jean Piaget, Lev Semenovich Vgotsky and Kurt Lewin; and it implies powerful news about how teaching is handled and learning is achieved when it transcends the individual, in its origin, as a cause of its formation, in its projection and in its interactive nature. There we include pedagogical perspectives such as context development and situated learning. To these contributions must be added those of Paper and recently those of Grover (2018) that we have found. But what will be the characteristics of these particular ecologies. It is something that remains to be determined by practice and research.


B. Computational thinking presents a challenge that can be pointed out as the most important.

That is the inclusiveness of all kinds. Its new frontier is Adaptive Artificial Intelligence and recommendation algorithms. In this regard and with learning ecologies, a version of artificial intelligence that has to do with intelligent learning environments (considered these as an evolution of adaptive environments and context-sensitive environments) and with recommendation algorithms.


C. Computational thinking as literacy and key competence.

Ephemerally computational thinking will have a strong validity considered as early learning of programming, of coding. But every time they will impose computational thinking modalities that will make sense as a new literacy in a new culture and as a key competence, in the sense that we have described elsewhere, in the line that Grover (2018) and Zapata-Ros (2015) advocate for now: As an accumulation of various related skills because of the meaning attributed to them being useful to this type of thinking, which serves to do things and work. Other collateral or basic initiatives will also come, such as unpplugged, educational robotics or the development of algorithm skills close to AI. But always aimed at developing a computational thinking of these characteristics.

 

D. In general, the differences between superficial learning and deep learning will be more marked.

In relation to what was commented in the previous section, this characteristic will particularly affect learning in environments of computational thinking, robotics, artificial intelligence, etc. In the Knowledge Society, in a first stage of the Internet and networks, a notable feature of its development has been a boom of banality and relevance. Myths, including educational ones, have proliferated in the network and have affect educational and research institutions, contaminating them in different ways. One in the application of supposed educational principles and procedures derived from it, and another in the nature of the contents themselves.

Traditionally, the difference between what they call “deep” and “superficial” learning is based on the fact that deep learning is accepted as learning that goes beyond memorization and reaches a more complete understanding of concepts and ideas, the results of the fundamental decisions that instructors make about how their courses will work (for example, the type of homework and exams that they plan). But currently the border is not only in purely memoristic assimilation, or even in a weak or linear understanding, as opposed to the authentic acquisition of knowledge, which entails attribution of meaning and execution with autonomy of what has been learned, but also encompasses the critical sense, the discernment between the consistent and logical of what is not or the metacognition. It is not only an application to humans of a concept, deep learning, which was defined thinking about machines, but a way of learning that goes beyond memorization and the application of trivial patterns in learning.

 

This post is included in an article of RED Distance Education Magazine. It should be cited as: 

Avello-Martínez, R., Lavonen, J. y Zapata, M. (2020). Coding and educational robotics and their relationship with computational and creative thinking. A compressive review. RED. Revista Educación a Distancia, 62. DOI: http://dx.doi.org/10.6018/red/6

References

Breslow, L. (1986). Media ecology: An interdisciplinary approach to the study of communication. Paper presented at the Association for Integrative Studies Conference, Bowling Green, Ohio

Breslow, L. (2001). The Ecology of Learning Several Streams of Research Take a Broad Approach to Understanding the Learning Process. http://web.mit.edu/fnl/vol/142/breslow.htm

Grover, S. & Pea, R. (2013). Computational Thinking in K–12 A Review of the State of the Field. Educational Researcher. 42. doi:10.3102/0013189×12463051

Grover, S. (2018, March 13). The 5th ‘C’ of 21st century skills? Try computational thinking (not coding. Retrieved from EdSurge News: https://edtechbooks.org/-Pz

Nystrom, C. (1973). Towards a science of media ecology: The formulation of integrated conceptual paradigms for the study of human communication systems. Unpublished doctoral dissertation, New York University

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de Educación a Distancia, 46. Retrieved from http://www.um.es/ead/red/46/zapata.pdf

Zapata-Ros, M. (2019). Pensamiento computacional desenchufado. Education in the knowled

Algunas referencias y comentarios sobre la codificación y la robótica educativa y su relación con el pensamiento computacional y creativo

Raidell Avello

Universidad de Cienfuegos, CUBA

Coordinador de edición de RED

 

 

Jari Lavonen

Director del Programa Nacional de Reforma Educativa para Maestros.

Universidad de Helsinki, FINLANDIA

Miguel Zapata-Ros

Universidad de Murcia, ESPAÑA

Editor de RED

Instituto interuniversitario de Economía Internacional

ISSN 2386-8562

Este artículo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0

Debe ser citado como

Avello, R. et al (2019) Algunas referencias y comentarios sobre la codificación y la robótica educativa y su relación con el pensamiento computacional y creativo. Blog RED de Hypotheses. El aprendizaje en la Sociedad del Conocimiento.  https://red.hypotheses.org/1991

 

La velocidad del cambio en nuestra sociedad se ha acelerado desde el nacimiento de Internet y se acelerará rápidamente mediante la implementación de las innovaciones de inteligencia artificial (IA), por ejemplo, en salud y atención social, en el transporte y en la educación, así como en el análisis de aprendizaje. Nuevas herramientas tecnológicas, servicios basados ​​en tecnología y soporte se están introduciendo en nuestra vida diaria más rápido que nunca. Entre estos avances tecnológicos, especialmente AI, la tecnología robótica ha aumentado drásticamente en los últimos años. Los titulares de noticias de las principales fuentes de noticias, incluidos el New York Times, CNN, Wall Street Journal y BBC, frecuentemente presentan varias innovaciones robóticas, lo cual es un fuerte indicio de este fenómeno (Yiannoutsou, 2017).

Se ha debatido en todo el mundo sobre la necesidad de competencias en sociedades que cambian rápidamente (Zapata, 2015) y estas competencias se han denominado habilidades / competencias del siglo XXI o competencias genéricas/transversales. Estas competencias del siglo XXI describen la amplia gama de competencias necesarias para participar plenamente en las sociedades modernas y apoyar la empleabilidad de los ciudadanos. Sin embargo, hay varias definiciones y connotaciones relacionadas con estas competencias. Por ejemplo, la UNESCO (Cinco pilares) enfatiza en la definición del aprendizaje y la educación para el desarrollo sostenible.

En la descripción de UNESCO Universal Learning, analizan qué el aprendizaje es importante para todos los niños y jóvenes para el siglo XXI y para una vida digna. La OCDE (DeSeCo) analiza las habilidades, que satisfacen demandas complejas, mediante la movilización de recursos psicosociales en diferentes contextos. La UE (aprendizaje permanente, 8 competencias clave) analiza las competencias (conocimientos, habilidades y actitudes) necesarias para la realización personal, la ciudadanía activa, la inclusión social y el empleo (Voogt y Roblin, 2012). Por ejemplo, según DeSeCo (OCDE, 2005), las personas en el siglo XXI deben poder utilizar una amplia gama de herramientas, incluidas las socioculturales (lingüísticas) y digitales (tecnológicas), para interactuar eficazmente con el medio ambiente, comprometerse e interactuar en un grupo heterogéneo, realizar un trabajo orientado a la investigación y la resolución de problemas, asumir la responsabilidad de administrar sus propias vidas y actuar de forma autónoma. En este entorno, tanto el pensamiento crítico, incluido el computacional como el creativo son necesarios para aprender estas competencias.

Particular importancia tiene en este contexto lo que se ha denominado pensamiento computacional desenchufado (Unplugged computational thinking), que Zapata-Ros (2019) hace referencia al conjunto de actividades y su diseño educativo, que se elaboran para fomentar en los niños, en las primeras etapas de desarrollo cognitivo (educación infantil, primer tramo de la educación primaria, juegos en casa con los padres y los amigos, etc.), habilidades que luego pueden ser evocadas para favorecer y potenciar un buen aprendizaje del pensamiento computacional en otras etapas o en la formación técnica, profesional o en la universitaria incluso. Actividades que se suelen hacer con fichas, cartulinas, juegos de salón o de patio, juguetes mecánicos, etc. Y que se ha incorporado en los currículos oficiales de algunos países como Singapur y Hong Kong.

La característica de la resolución de problemas, como construir un robot o elaborar un código, es un proceso que consta de diferentes pasos (por ejemplo, formulación del problema – evaluación de las ideas – elección de la solución – prueba y evaluación). En este proceso se necesita un pensamiento crítico, creativo y computacional. En general, el pensamiento crítico es el análisis de hechos para formar un juicio. Sin embargo, existen diversos tipos y situaciones para el pensamiento crítico y existen varias definiciones diferentes, que generalmente incluyen el análisis racional, escéptico, imparcial o la evaluación de la evidencia objetiva. Y la creatividad es la comprensión como un proceso relacionado con el contexto para generar o reconocer ideas, alternativas o posibilidades para resolver problemas individualmente o en colaboración con otros, y puede ser considerado como original, valioso y útil por un grupo de referencia.

En este sentido, se necesita un pensamiento creativo al generar y jugar con ideas inusuales y radicales relacionadas con el problema o el diseño. El pensamiento creativo puede ser estimulado tanto por un proceso no estructurado como la lluvia de ideas, como por un proceso estructurado como el pensamiento lateral (Fisher, 2005). Por otro lado, el pensamiento computacional es necesario para resolver problemas en el contexto del diseño de un código o robot. Es necesario para diseñar algoritmos que hagan que las computadoras realicen trabajos y para explicar e interpretar el mundo como un complejo de procesos de información. Las características del pensamiento computacional son la descomposición, el reconocimiento de patrones o la representación de datos, la generalización o la abstracción y los algoritmos (Grover y Pea, 2013).

El pensamiento computacional ha ganado gran atención en el campo de la educación en los últimos años, especialmente después del lanzamiento de la Hora del Código en diciembre de 2013 en los EE. UU. E Inglaterra implementó su educación en computación en 2014 (García-Valcárcel, y Caballero-González, 2019). En un artículo seminal sobre pensamiento computacional de Jeannette Wing en 2006, predijo que el pensamiento computacional sería una habilidad fundamental utilizada por todos en el mundo a mediados del siglo XXI (Wing 2006). En términos generales, pensamiento computacional consiste en la resolución de problemas utilizando conceptos básicos, procedimientos y desarrollo de programas y algoritmos en informática, y puede ayudar a desarrollar como: creatividad, resolución de problemas, pensamiento abstracto, recursividad, iteración, métodos colaborativos, patrones, entre otros.

No obstante existe un planteamiento más holístico acerca de lo que es el pensamiento computacional. Este se refiere al conjunto de habilidades y otros elementos de desarrollo cognitivo y procedimental que podemos encontrar en las habilidades que sirven a los programadores para hacer su tarea, pero que también son útiles a la gente en su vida profesional y en su vida personal como una forma de organizar la resolución de sus problemas, y de representar la realidad que hay en torno a ellos. Este complejo de habilidades hemos dicho que constituye una nueva alfabetización (Zapata-Ros, 2015) —o la parte más sustancial de ella— y una inculturación para manejarse en una nueva cultura, la cultura digital en la sociedad del conocimiento. De esta forma Zapata-Ros (2015) ha determinado 15 de estos elementos, entre los que hay tan diversos como pensamiento ascendente, pensamiento descendente, lenguaje de patrones o sinéctica. Sin descartar los clásicos de “aproximaciones sucesivas o ensayo error, resolución de problemas y pensamiento abstracto”. Esta definición por acumulación de habilidades también ha sido formulada por la profesora  Shuchi Grover (2018, March 13), de Stanford, quien igualmente señala la dificultad de definir el PC, y entonces adopta la posición de definirlo desglosando las habilidades como sus partes componentes. De forma que la mayor parte de ellas implican o son habilidades, pero siempre son fáciles de operativizar (son todas partes centrales de la informática, los educadores e investigadores han encontrado que es más fácil operacionalizarlo para los propósitos de la enseñanza, el currículo y el diseño de evaluaciones) y sobre todo son posibles de incluir en un diseño educativo.

Se trata de habilidades que incluyen facultades para operativizar la lógica (pensamiento lógico), los algoritmos (algoritmia), patrones, abstracción (pensamiento abstracto), generalización (pensamiento ascendente), evaluación y automatización. También significa enfoques como “descomponer” problemas en subproblemas para facilitar la resolución (pensamiento descendente), creando artefactos computacionales (generalmente a través de codificación); reutilizando soluciones, probando y depurando (ensayo y error); refinamiento iterativo (iteración). Por último, señala que el PC “también implica colaboración (métodos colaborativos) y creatividad. De manera que esta definición también por acumulación coincide en diez de los quince elementos de la definición anterior.

Hay otra coincidencia básica y es que en el artículo de Groves (2018, March 13) se señala la relevancia del Pensamiento Computacional en cuanto a que constituye una más a las ya aceptadas como competencias para la sociedad digital. En cualquier caso, lo que tienen de común ambos desarrollos es que el pensamiento computacional supone un punto de inflexión cultural, una nueva alfabetización.

En Europa, encontramos varios proyectos sobre pensamiento computacional; uno es Erasmus + KA2 “TACCLE3 – Codificación. Los contenidos presentados a través del sitio web del proyecto (http://taccle3.eu/), son un ejemplo de prácticas educativas exitosas y experiencias en el proceso de incorporación y promoción de estas habilidades (García-Peñalvo et al., 2016). Los investigadores Karen Brennan (Universidad de Harvard) y Mitch Resnick (MIT) han realizado una contribución significativa al marco conceptual sobre el pensamiento computacional al formular un modelo alternativo sobre este estilo de pensamiento. El modelo fue propuesto dentro del proyecto de investigación que resultó en la creación de Scratch, una plataforma de programación visual “por bloques” que permite a niños y jóvenes crear sus propias historias interactivas con animaciones y simulaciones en un ambiente lúdico. El modelo de pensamiento computacional formulado por Brennan y Resnick (2012) se basa en tres dimensiones: conceptos computacionales, prácticas y perspectivas.

Las habilidades para innovar o emplear el pensamiento creativo, crítico y computacional, no se pueden cultivar a través de la práctica educativa, centrándose en gran medida en la memorización del conocimiento sin proporcionar oportunidades para que los estudiantes los transfieran a la práctica y usen el conocimiento en diversas situaciones de resolución de problemas. Son necesarios enfoques educativos innovadores en todo el mundo que puedan fomentar el aprendizaje de las competencias del siglo XXI. Estos enfoques pedagógicos se deben diseñar de acuerdo con los resultados de la investigación en ciencias del aprendizaje. Krajcik y Shin (2015) enfatizaron las siguientes características de estos enfoques y describieron PBL como un enfoque de ejemplo:

  • PBL comienza con una pregunta de manejo, es decir, un problema a resolver y se enfoca en los objetivos de aprendizaje del plan de estudios que los estudiantes deben dominar.
  • Los estudiantes participan activamente en el aprendizaje y exploran la cuestión de la conducción participando colaborativamente en prácticas científicas y de ingeniería, como el diseño, la codificación, la indagación y la comunicación, que son fundamentales para el desempeño experto en ciencias e ingeniería.
  • Los estudiantes crean un conjunto de productos tangibles, como un código de programa o un robot, que abordan la pregunta de manejo. Estos artefactos compartidos son una especie de herramientas cognitivas y representaciones externas de acceso público.

En tal sentido, muchos investigadores han estado investigando la codificación y el uso de robots para apoyar la educación y el aprendizaje de los estudiantes. Los estudios han demostrado que los robots pueden ayudar a los estudiantes a desarrollar habilidades para resolver problemas y aprender programación de computadoras, matemáticas y ciencias. El enfoque educativo basado principalmente en el desarrollo de la lógica y la creatividad en las nuevas generaciones desde la primera etapa de la educación es muy prometedor (García-Valcárcel y Caballero-González, 2019). Para estos fines, el uso de sistemas robóticos se está volviendo fundamental si se aplica desde la etapa más temprana de la educación. En las escuelas primarias, secundarias y k12, la programación de robots es divertida y, por lo tanto, representa una excelente herramienta para introducir las TIC y ayudar al desarrollo de habilidades lógicas y lingüísticas, y la creatividad de los niños.

El panorama de la robótica educativa y la codificación es vasto, pero fragmentado dentro y fuera de los entornos y situaciones escolares. En las últimas dos décadas, los robots han comenzado su incursión en el sistema educativo formal. Aunque diversos investigadores han enfatizado el potencial de aprendizaje de la robótica, el lento ritmo de su introducción está parcialmente justificado por el costo de los kits y las diferentes prioridades de las escuelas para acceder a la tecnología. Recientemente, el costo de los kits y componentes electrónicos ha disminuido (es decir, LEGO Mindstorms – http://www.mindstorms.lego.com/, Arduino – https://www.arduino.cc, Raspberry Pi – https: //www.raspberrypi.org, entre otros), mientras que sus capacidades y la disponibilidad de hardware y software de soporte ha aumentado (Yiannoutsou, 2017). Con estos beneficios, los kits de robótica educativa se han vuelto más atractivos para las escuelas.
En este contexto, varios proveedores de tecnología, docentes, académicos, empresas que se centran en entregar material educativo, etc., invierten en la creación de diferentes actividades de aprendizaje en torno a kits robóticos, para mostrar sus características y hacerlas atractivas dentro y fuera de las escuelas. Por lo tanto, ha surgido un número creciente de actividades de aprendizaje. Estas actividades comparten elementos comunes, pero también son muy diversas, ya que abordan diferentes aspectos de la robótica como tecnología de enseñanza y aprendizaje, y su éxito radica en qué tan bien han identificado estos aspectos y qué tan bien los abordan.

Esto se debe en parte al hecho de que la robótica es una tecnología con características especiales en comparación con otras tecnologías de aprendizaje: son inherentemente multidisciplinarias, lo que en términos de diseño de una actividad de aprendizaje puede significar colaboración e inmersión en diferentes materias; se usan ampliamente en entornos de aprendizaje formal y no formal; su dimensión tangible causa perturbaciones, especialmente en entornos educativos formales, que están estrechamente relacionadas con la introducción de innovaciones en organizaciones y escuelas (es decir, desde considerar las orquestaciones en el aula hasta establecer o no conexiones con el plan de estudios, etc.); son relevantes para las nuevas prácticas de aprendizaje que florecen ahora en Internet, como el movimiento de creadores, las comunidades “Hágalo usted mismo” y “Hágalo con otros”, etc.

Este reciente desarrollo de herramientas educativas de vanguardia, tanto de software como de hardware, ha brindado oportunidades para que los niños participen en diversas actividades tecnológicas mejoradas, tales como “exploración científica avanzada, crear textiles interactivos, construir simulaciones y juegos, programar videojuegos, diseñar un sistema de robótica virtual , crear sofisticados mundos y juegos en 3D a través de la programación, construir nuevos tipos de criaturas cibernéticas, explorar la ciencia ambiental y los sistemas de información geográfica” (Blikstien 2013, p. 5) y construir invenciones robóticas. Aunque tales desarrollos han contribuido a la popularidad del movimiento de los fabricantes y la fabricación digital, todavía hay una división en la población de usuarios potenciales entre los que tienen y los que no tienen. Es crucial llevar la educación del fabricante a todas las aulas para que todos tengan la oportunidad de aprender de las actividades del fabricante. Por esta razón, es importante identificar los resultados de aprendizaje de los estudiantes a través de actividades de creación de robótica (Wang, Lim, Lavonen y Clark-Wilson, 2019).

Algunas investigaciones proporcionan evidencia que muestra los cambios positivos que ocurren en los estudiantes inmersos en cursos de capacitación en habilidades de programación y pensamiento computacional utilizando robots programables (Chen, Shen, Barth-Cohen, Jiang, Huang y Eltoukhy, 2017; Durak y Saritepeci, 2018). En el contexto español, por ejemplo, los programas están cada vez más dirigidos a los niños en las primeras etapas de la educación en contenido matemático, como el álgebra, con el uso de dispositivos robóticos adaptados a los niños para el desarrollo exitoso de habilidades de pensamiento computacional (Alsina y Acosta, 2018). En Cuba, Matias et al. (2018) describen una experiencia en el curso de Robótica Educativa “Aprender a jugar” que se enseña a los estudiantes de una escuela k12 con el software mBlock y el kit mBot. Específicamente, se describe la programación, los diferentes componentes del robot, tales como: LED, zumbadores, motores y sensores ultrasónicos con los que los estudiantes deben interactuar.

Dado que la informática forma parte de la fabricación con robótica, proporciona el entorno adecuado en el que los estudiantes obtienen habilidades de pensamiento computacional. Por ejemplo, los estudiantes demuestran su abstracción y pensamiento algorítmico a través del algoritmo que crean, ya que un algoritmo es una abstracción de un proceso, desglosado en pasos ordenados. Dichos pasos se crean con entradas de sensor, llevan a cabo la serie de pasos ordenados y producen salidas para lograr el objetivo. Los estudiantes que pueden crear algoritmos efectivos para sus problemas desarrollan la habilidad de formular los pasos para utilizar de manera efectiva la herramienta robótica (Bruni y Nisdeo, 2017).

Esto requiere las habilidades para identificar, analizar e implementar la solución con los pasos más efectivos y eficientes. Los programadores experimentados pueden crear soluciones efectivas pero simples. Esas habilidades deben estar respaldadas por las disposiciones correctas, incluida la persistencia, la tolerancia, la capacidad de comunicarse y trabajar de manera efectiva con los demás, y la capacidad de lidiar con problemas abiertos. Dichas disposiciones se pueden obtener de su participación en la realización de actividades de robótica y el proceso de aprendizaje. A través de actividades de fabricación con robótica, los estudiantes obtienen la confianza necesaria para lidiar con la complejidad. Muy a menudo, los estudiantes encuentran problemas complejos mientras hacen robótica, lo que ayuda a los estudiantes a desarrollar la confianza para persistir.

Una forma de reducir la barrera para maestros y educadores es conectar tales actividades de aprendizaje con los estándares de aprendizaje existentes. Sin embargo, simplemente llevar las actividades de robótica a las aulas no genera automáticamente resultados de aprendizaje deseables. Con el uso de kits de robótica generalmente no hay una forma correcta de resolver un desafío. No tener una respuesta correcta sino múltiples formas de abordar un problema es una experiencia con la que muchos maestros no están familiarizados. Es por ello que se necesita, más investigación científica al respecto, en términos de intervenciones exitosas que muestren evidencia y buenas prácticas que sirvan de formación y guía a los maestros.

Referencias

Alsina, A., & Acosta, Y. (2018). Iniciación al álgebra en Educación Infantil a través del pensamiento computacional: Una experiencia sobre patrones con robots educativos programables. Revista Iberoamericana de Educación Matemática, 52, 218-235. https://bit.ly/2PC1hLt

Bell, P., Hoadley, C.M., & Linn, M.C. (2004). Design-based research. In M.C. Linn, E.A. Davis, & P. Bell (Eds.), Internet environments for science education (pp. 73-88). Mahwah, New Jersey, Lawrence Erlbaum Associates.

Blikstien, P. (2013). Digital fabrication and ‘making in education”: The democratization of invention. In J. W. H. C. Buching (Ed.), FabLabs: Of makers and inventors. Bielefeld, Germany: Transcript Publishers.

Brennan, K., & Resnick, M. (2012). New frameworks for studying and assessing the development of computational thinking. In Proceedings of the 2012 Annual Meeting of the American Educational Research Association (AERA) (pp. 1-25). Vancouver, Canada.

Bruni, F., & Nisdeo, M. (2017). Educational robots and children’s imagery: A preliminary investigation in the first year of primary school. Research on Education and Media, 9(1), 37-44. https://doi.org/10.1515/rem-2017-0007

Chen, G., Shen, J., Barth-Cohen, L., Jiang, S., Huang, X., & Eltoukhy, M.M. (2017). Assessing elementary students’ computational thinking in everyday reasoning and robotics programming. Computers and Education, 109, 162-175. https://doi.org/10.1016/j.compedu.2017.03.001

Durak, H.Y., & Saritepeci, M. (2018). Analysis of the relation between computational thinking skills and various variables with the structural equation model. Computers & Education, 116, 191-202. https://doi.org/10.1016/j.compedu.2017.09.004

Fisher, R. (2005). Teaching children to think. Cheltenham: Nelson Thomes Ltd.

García-Peñalvo, F.J., Rees, A.M., Hughes, J., Jormanainen, I., Toivonen, T., & Vermeersch, J. (2016). A survey of resources for introducing coding into schools. Proceedings of the Fourth International Conference on Technological Ecosystems for Enhancing Multiculturality (TEEM’16) (pp.19-26). Salamanca, Spain, November 2-4, 2016. New York: ACM. https://doi.org/10.1145/3012430.3012491

García-Valcárcel, A., y Caballero-González, Y.A. (2019). Robotics to develop computational thinking in early Childhood Education. Comunicar, n. 59, v. XXVII, 63-72. DOI: https://doi.org/10.3916/C59-2019-06

Grover, S. & Pea, R. (2013). Computational Thinking in K–12 A Review of the State of the Field. Educational Researcher. 42. doi:10.3102/0013189×12463051

Grover, S. (2018, March 13). The 5th ‘C’ of 21st century skills? Try computational thinking (not coding. Retrieved from EdSurge News: https://edtechbooks.org/-Pz

Juuti, K., & Lavonen, J. (2006). Design-Based Research in Science Education. Nordina 3(1), 54-68.

Krajcik, J., & Shin, N. (2015). Project-based learning. In K. Sawyer (Ed.), The Cambridge handbook of the learning sciences (2nd ed., pp. 275–297). New York, NY: Cambridge University Press.

OECD (2005). Definition and selection of competencies (DeSeCo): Executive summary. Paris: OECD Publishing. Retrieved from http://www.oecd.org/pisa/35070367.pdf

Voogt, J. & Roblin, N.P. (2012). A comparative analysis of international frameworks for 21st century competences: Implications for national curriculum policies. Journal of Curriculum Studies, 44(3), 299-321. doi:10.1080/00220272.2012.668938

Wang, TH., Lim, K.Y.T., Lavonen, J., & Clark-Wilson, a. (2019). International Journal of Science and Mathematics Education, 17(Suppl 1):1. Doi: https://doi.org/10.1007/s10763-019-09999-8

Yiannoutsou, N., Nikitopoulou, S., Kynigos, C., Gueorguiev, I., & Fernandez, J. A. (2017). Activity plan template: a mediating tool for supporting learning design with robotics. In Robotics in Education (pp. 3-13). Springer, Cham.

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de Educación a Distancia, 46. Retrieved from http://www.um.es/ead/red/46/zapata.pdf

Zapata-Ros, M. (2019). Pensamiento computacional desenchufado. Education in the knowledge society (EKS), (20). https://repositorio.grial.eu/handle/grial/1690