Todas las entradas de: Miguel Zapata Ros

Acerca de Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

Pensamiento computacional. Una tercera competencia clave (VII). Iniciativas institucionales en educación formal relacionadas con el pensamiento computacional: A Educación Infantil

Miguel Zapata-Ros, Universidad de Alcalá

Ésta es la séptima entrada de una serie que, en conjunto, constituirán un capítulo de un libro que será  publicado por la editorial de la Universidad Católica de Santa María de Arequipa (Perú) con el título “El pensamiento computacional: La nueva alfabetización de las culturas digitales”.

En las anteriores entradas se han planteado distintas cuestiones: que el pensamiento computacional  debe constituir una tercera competencia clave dentro del curriculum escolar, qué son las alfabetizaciones y las culturas digitales , una definición de Pensamiento Computacional, cuáles son las habilidades y procedimientos que lo constituyen y en qué fases de la elaboración de un código intervienen y unas conclusiones de carácter general. En ésta última parte reseñamos las que se consideran experiencias y prácticas más notables de integración del Pensamiento Computacional, con el sentido expuesto, dentro del curriculum oficial o con repercusión en él.

 

 

Iniciativas institucionales en educación formal de Educación Infantil relacionadas con pensamiento computacional

En diversas fuentes, básicamente en el informe Computing our future Computer programming and coding Priorities, school curricula and initiatives across Europe, versiones de 2014 (Balanskat & Engelhardt, October, 2014) y de 2015 (Balanskat & Engelhardt, October, 2015), el trabajo también de la Unión Europea (Bocconi et al, 2016) Developing Computational Thinking in Compulsory Education. Implications for policy and practice y la investigación, en preprint de ArXiv, de Lockwood & Mooney (2017) Computational Thinking in Education: Where does it Fit? A systematic literary review, hemos podido constatar la existencia de iniciativas en el marco de la educación formal, promovidas por instituciones o por profesores, individualmente o en grupos, asociaciones, etc., pero siempre con reconocimiento y con repercusión en la acreditación y en la certificación de estudios formales.

Es importante enfatizar qué entendemos por iniciativas relacionadas con el Pensamiento Computacional. Nos referimos a  aquellas que lo integran en el sentido que señala Wing, o en el que ponemos de relieve en este trabajo o en su precedente (Zapata-Ros, 2015). Es decir, las que promueven un conjunto de competencias que, si bien son útiles y son utilizadas por los programadores en la elaboración de los códigos, sobre todo son útiles a los individuos en general, en otros contextos que no son los informáticos, para resolver problemas en su vida personal o profesional. O que en general constituyen o forman parte de métodos eficaces para trabajar en otras ciencias, técnicas o servicios, o para resolver problemas en sus respectivos ámbitos de conocimientos y con los objetivos que tienen atribuidos.

No tendremos en cuenta pues los casos de la inclusión de la programación pura y simple, la que sirve para hacer programas informáticos, en los currículos o en los sistemas formales de enseñanza. Por eso hemos excluido los casos de España o de muchos países de la UE que sí están contenplados en los informes Computing our future Computer programming and coding Priorities, school curricula and initiatives across Europe.Aunque el debate sobre este particular está abierto, como lo hemos reseñado en el apartado “El primer dilema del Pensamiento Computacional”.

Si volvemos a considerar los casos de integración del Pensamiento Compuacional en el sentido descrito, en la relación que sigue, podemos observar que hay situaciones muy consolidadas y muy potentes como pueda ser la del Reino Unido, y otras que o bien son institucionales y no han redundado en una práctica más o menos generalizada pero han sido recogidas por normativas reflejadas en el boletín oficial. O simplemente que hemos visto que hay constancia de ellas.

Veamos el cuadro de Educación Infantil:

Educación Infanti (Key stage 1 in UK)
País Referencia Situación en el contexto del curriculum y del sistema educativo oficial Características en relación con la clasificación que hemos determinado (programación sólo / desarrollo de competencias específicas como área transversal) Cuáles de los elementos definidos se pueden detectar
UK- Inglaterra Curriculum Nacional

Orientación legal

Currículo nacional en Inglaterra: programas informáticos de estudio

Publicado el 11 de septiembre de 2013

https://www.gov.uk/government/publications/national-curriculum-in-england-computing-programmes-of-study/national-curriculum-in-england-computing-programmes-of-study#key-stage-1

 

Desarrollo de competencias específicas como área transversal Competencias específicas y competencias claves, reconocidas como tales, incluidas en el curriculum
UK- Escocia Curriculum escocés

https://education.gov.scot/scottish-education-system/policy-for-scottish-education/policy-drivers/cfe-(building-from-the-statement-appendix-incl-btc1-5)/curriculum-areas/Technologies

Adoptan prácticamente uno similar al C.N. pero menos desarrollado Competencias específicas y competencias claves, reconocidas como tales, incluidas en el curriculum
UK-Gales e Irlanda del Norte Incorporan el curriculum nacional como curriculum galés o de Eire.

http://learning.gov.wales/resources/browse-all/digital-competence-framework/?lang=en

Adoptan el C.N.

Orientación legal

Currículo nacional en Inglaterra: programas informáticos de estudio

Publicado el 11 de septiembre de 2013

https://www.gov.uk/government/publications/national-curriculum-in-england-computing-programmes-of-study/national-curriculum-in-england-computing-programmes-of-study#key-stage-1

Competencias específicas y competencias claves, reconocidas como tales, incluidas en el curriculum
Nueva Zelanda Computer science unplugged: School students doing real computing without computers.

Bell, T., Alexander, J., Freeman, I., & Grimley, M. (2009). http://www.computingunplugged.org/sites/default/files/papers/Unplugged-JACIT2009submit.pdf

A case study of the introduction of computer science in NZ schools.

Bell, T., Andreae, P., & Robins, A. (2014)

https://ir.canterbury.ac.nz/bitstream/handle/10092/10570/12652431_NZ-case-study-TOCE-v5.pdf?sequence=1  y  https://dl.acm.org/citation.cfm?id=2602485

A pilot computer science and programming course for primary school students

Duncan, C., & Bell, T. (2015, November).. https://dl.acm.org/citation.cfm?id=2818328

Adoption of new computer science high school standards by New Zealand teachers.

Thompson, D., & Bell, T. (2013, November). https://itp.nz/files/wipsce-teachers-2013.pdf y https://dl.acm.org/citation.cfm?id=2532759

 

Reseñados en Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

https://arxiv.org/ftp/arxiv/papers/1703/1703.07659.pdf

El programa CS Unplegged es un programa completo de actividades desarrollado por CS ducation Research Group  (http://cosc.canterbury.ac.nz/research/RG/CSE/) en la Universidad de Canterbury, Nueva Zelanda (http://www.canterbury.ac.nz/ ), Está explicado por Bell et al (2009) y por James Lockwood y Aidan Mooney.

Básicamente está orientado a Educación Secundaria e informa al  Certificado Nacional de Secundaria que incluye Ciencias de la Computación entendidas en el sentido de PC.

Pero esto implica actividades incluidas en el curriculum para etapas anteriores a partir de los cinco años.

CS Unplugged (http://csunplugged.org/) es una colección de actividades de aprendizaje gratuitas que enseñan Ciencias de la Computación a través de interesantes juegos y acertijos, que usan tarjetas, cuerdas, lápices de colores y muchos juegos como los de Ikea o Montesori-Amazon, del tipo de los que explicamos en el artículo de referencia de este trabajo (Zapata-Ros, 2015). Fue desarrollado para que los jóvenes estudiantes puedan interactuar con la informática, experimentar los tipos de preguntas y desafíos que experimentan los científicos informáticos, pero sin tener que aprender primero la programación.

Las actividades para las primeras etapas podemos verlas en https://www.csunplugged.org/en/topics/

Bell et al. (2009) son ​​los investigadores responsables del proyecto CS Unplugged y en este documento, dan una visión general inicial del proyecto y también exploran por qué se ha popularizado y describen las diferentes formas en que se ha adaptado, que son

Videos de diferentes actividades

Hacer pulseras codificadas en binario

Competiciones

Adaptar las actividades de CS Unplugged a diferentes temas del currículo.

Actividades al aire libre

Actividad en línea

También analizan y justifican los principios de aprendizaje al diseñar las actividades y discuten sus planes futuros

Singapur Sullivan, A., & Bers, M. U. (2017). Dancing robots: integrating art, music, and robotics in Singapore’s early childhood centers. International Journal of Technology and Design Education, 1-22.

https://link.springer.com/article/10.1007/s10798-017-9397-0

Programa piloto PlayMaker de Singapur.

Su objetivo es proporcionar ejemplos de éxitos y de áreas donde mejorar  el trabajo futuro en implementación de PC en primeras etapas. Estos ejemplos  se ofrecen como  resultados válidos de este año en el que se ha llevado a cabo la experiencia piloto del programa Playmaker de Singapur que puede ser útil no solo para el trabajo futuro en este país, sino también en otros países que están desarrollando nuevos programas para la educación de la primera infancia.

Para abordar la creciente necesidad de nuevos programas de tecnología educativa (en este caso de PC a través fundamentalmente de robótica) en las aulas de la primera infancia, se lanzó el programa PlayMaker de Singapur. Es un programa en línea destinado a los maestros, para introducir a los niños más pequeños a la tecnología (Chambers 2015; Digital News Asia 2015). Según Steve Leonard, vicepresidente de la Autoridad de Desarrollo de Infocomm de Singapur (IDA), “a medida que Singapur se convierta en una nación inteligente, nuestros hijos necesitarán sentirse cómodos creando con tecnología” (IDA Singapur 2015).

Aprovechando el creciente movimiento STEAM, el objetivo del programa Playmaker no es solo promover el conocimiento técnico sino también brindar a los niños herramientas para divertirse, practicar la resolución de problemas y generar confianza y creatividad (Chambers 2015; Digital News Asia 2015).

Como parte del programa PlayMaker, 160 centros preescolares en Singapur fueron dotados de una variedad de juguetes tecnológicos que involucran a los niños con la robótica, la programación, la construcción y la ingeniería, incluyendo: BeeBot, Circuit Stickers y la robótica KIBO (Chambers 2015). Además del lanzamiento de nuevas herramientas, los educadores de la primera infancia también recibieron capacitación en un simposio de 1 día sobre cómo usar y enseñar con cada una de estas herramientas (Chambers 2015).

Estas escuelas piloto también reciben apoyo técnico continuo y asistencia con la integración curricular como parte de este enfoque integral (IDA Singapur 2015).

El estudio de referencia (Sullivan & Bers, 2017) se centra en evaluar los resultados de aprendizaje y compromiso de una de las herramientas de Playmaker implementadas: el kit de robótica KIBO. KIBO es un kit de construcción de robótica diseñado específicamente para niños de 4 a 7 años de edad para aprender habilidades básicas de ingeniería y programación (Sullivan y Bers 2015). Las características del kit KIBO y cómo se utilizó se describen en detalle en la sección ”Métodos’ del estudio’. Además de evaluar los conceptos técnicos que los niños dominan con KIBO, este estudio también examina el potencial de la robótica KIBO para promover conductas personales y sociales positivas en niños pequeños. Finalmente, describe la experiencia desde la perspectiva de los docentes.

Referencias.-

Ausubel, D. P. (1963). The psychology of meaningful verbal learning; an introduction to school learning. New York: Grune & Stratton.

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

Arraki, K., Blair, K., Bürgert, T., Greenling, J., Haebe, J., Lee, G., Peel, A., Szczepanski, V., Pontelli, E. and Hug, S. (2014, October). DISSECT: An experiment in infusing computational thinking in K-12 science curricula. In Frontiers in Education Conference (FIE), 2014 IEEE (pp. 1-9). IEEE.

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

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

Balanskat, A.  & Engelhardt , K. (October, 2015). Computing our future Computer programming and coding – Priorities, school curricula and initiatives across Europe.  European Schoolnet (EUN Partnership AISBL)

Bargury, I. Z., Muller, O., Haberman, B., Zohar, D., Cohen, A., Levy, D., & Hotoveli, R. (2012, October). Implementing a new computer science curriculum for middle school in Israel. In Frontiers in Education Conference (FIE), 2012 (pp. 1-6). IEEE. http://ieeexplore.ieee.org/abstract/document/6462365/   y   https://www.researchgate.net/profile/Dalit_Levy/publication/261196400_Implementing_a_new_Computer_Science_Curriculum_for_middle_school_in_Israel/links/5605989108ae8e08c08c9079/Implementing-a-new-Computer-Science-Curriculum-for-middle-school-in-Israel.pdf en abierto.

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., 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

Bell, T., Andreae, P., & Robins, A. (2014). A case study of the introduction of computer science in NZ schools. ACM Transactions on Computing Education (TOCE)14(2), 10. https://ir.canterbury.ac.nz/bitstream/handle/10092/10570/12652431_NZ-case-study-TOCE-v5.pdf?sequence=1  y  https://dl.acm.org/citation.cfm?id=2602485

Bergin, J. (2008) Pedagogical Patterns Project [en línea]. Disponible en: http://www.pedagogicalpatterns.org/

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

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

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

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

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

Bocconi, S. et al (2016). Developing Computational Thinking in Compulsory Education. Implications for policy and practice.   http://publications.jrc.ec.europa.eu/repository/bitstream/JRC104188/jrc104188_computhinkreport.pdf

Burgett, T., Folk, R., Fulton, J., Peel, A., Pontelli, E. and Szczepanski, V. (2015, October). DISSECT: Analysis of pedagogical techniques to integrate computational thinking into K-12 curricula. In Frontiers in Education Conference (FIE), 2015. 32614 2015. IEEE (pp. 1-9). IEEE.

Carvalho, T., Andrade, D., Silveira, J., Auler, V., Cavalheiro, S., Aguiar, M., Foss, L., Pernas, A. and Reiser, R., 2013, October. Discussing the challenges related to deployment of computational thinking in brazilian basic education. In Theoretical Computer Science (WEIT), 2013 2nd Workshop-School on (pp. 111-115). IEEE. https://www.researchgate.net/profile/Marilton_Aguiar/publication/268240422_Discussing_the_Challenges_Related_to_Deployment_of_Computational_Thinking_in_Brazilian_Basic_Education/links/54abd8080cf2bce6aa1dbf62.pdf y http://ieeexplore.ieee.org/abstract/document/6778575/

Caspersen, M. E., & Nowack, P. (2013, January). Computational thinking and practice: A generic approach to computing in Danish high schools. In Proceedings of the Fifteenth Australasian Computing Education Conference-Volume 136 (pp. 137-143). Australian Computer Society, Inc. https://dl.acm.org/citation.cfm?id=2667214 y en abierto http://cs.au.dk/~mic/publications/conference/41–ace2013.pdf

Chambers, J. (2015). Inside Singapore’s plans for robots in pre-schools. GovInsider. Retrieved from: https://govinsider.asia/smart-gov/exclusive-singapore-puts-robots-in-pre-schools/

Chiprianov, V., & Gallon, L. (2016, July). Introducing Computational Thinking to K-5 in a French Context. In Proceedings of the 2016 ACM Conference on Innovation and Technology in Computer Science Education (pp. 112-117). ACM. https://dl.acm.org/citation.cfm?id=2899439

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

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

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

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

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

DeLano, D.E. y  Rising, L. (1997).  Introducing Technology into the Workplace. Proceedings  PLoP’97 Conference. Consultado en http://hillside.net/plop/plop97/Proceedings/delano.pdf

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

Dorn, R. I. (December, 2016) Computer Science K–12 Learning Standards Adoption Statement. http://www.k12.wa.us/ComputerScience/pubdocs/ComputerScienceStandards.pdf

Duncan, C., & Bell, T. (2015, November). A pilot computer science and programming course for primary school students. In Proceedings of the Workshop in Primary and Secondary Computing Education (pp. 39-48). ACM. https://dl.acm.org/citation.cfm?id=2818328

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

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

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

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

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

Fricke, A. y Voelter, M. (2000). SEMINARS: A Pedagogical Pattern Language about teaching seminars, [en línea]. Proceding EuroPLoP 2000. Disponible en: http://www.voelter.de/publications/seminars.html [2008, 2 diciembre].

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

Gordon, W. J. (1961). Synectics: The development of creative capacity.

Grover, S., Cooper, S., & Pea, R. (2014, June). Assessing computational learning in K-12. In Proceedings of the 2014 conference on Innovation & technology in computer science education (pp. 57-62). ACM. https://s3.amazonaws.com/academia.edu.documents/41163349/Assessing_computational_learning_in_K-1220160114-23479-hj8516.pdf

Grover, S., Pea, R., & Cooper, S. (2016, February). Factors influencing computer science learning in middle school. In Proceedings of the 47th ACM technical symposium on computing science education (pp. 552-557). ACM.  http://life-slc.org/docs/LSLC_rp_A211_Grover-Pea-Cooper-SIGSCE2016.pdf

 

Grover, S., Pea, R., & Cooper, S. (2015). Designing for deeper learning in a blended computer science course for middle school students. Computer Science Education25(2), 199-237. http://www.tandfonline.com/doi/abs/10.1080/08993408.2015.1033142 y https://pdfs.semanticscholar.org/4f37/83f96f0c4aa579d5eea160ff56c15f5e7c85.pdf

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

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

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

Hayman-Abello SE, Warriner EM (2002). (2002). Child clinical/pediatric neuropsychology: some recent advances. Annual review of psychology,53(1), 309-339.

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

IDA Singapore. (2015). IDA supports preschool centres with technology-enabled toys to build creativity and confidence in learning. Retrieved from: https://www.ida.gov.sg/About-Us/Newsroom/Media-Releases/ 2015/IDA-supports-preschool-centres-with-technology-enabled-toys-to-build-creativity-andconfidence-in-learning.

Jenkins, J.T., Jerkins, J.A. and Stenger, C.L. (2012), March. A plan for immediate immersion of computational thinking into the high school math classroom through a partnership with the alabama math, science, and technology initiative. In Proceedings of the 50th Annual Southeast Regional Conference (pp. 148-152). ACM.

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

Jovanov, M., Stankov, E., Mihova, M., Ristov, S., & Gusev, M. (2016, April). Computing as a new compulsory subject in the Macedonian primary schools curriculum. In Global Engineering Education Conference (EDUCON), 2016 IEEE (pp. 680-685). IEEE. http://ieeexplore.ieee.org/abstract/document/7474623/

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

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

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

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

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

Liu, J., Hasson, E. P., Barnett, Z. D., & Zhang, P. (2011, October). A survey on computer science K-12 outreach: teacher training programs. In Frontiers in Education Conference (FIE), 2011 (pp. T4F-1). IEEE. http://ieeexplore.ieee.org/abstract/document/6143111/

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

 

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

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

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

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

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. (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.

Mensing, K., Mak, J., Bird, M., & Billings, J. (2013, October). Computational, model thinking and computer coding for US Common Core Standards with 6 to 12 year old students. In Emerging eLearning Technologies and Applications (ICETA), 2013 IEEE 11th International Conference on (pp. 17-22). IEEE.

Miller, R. B., Kelly, G. N., & Kelly, J. T. (1988). Effects of Logo computer programming experience on problem solving and spatial relations ability. Contemporary Educational Psychology13(4), 348-357. http://www.sciencedirect.com/science/article/pii/0361476X88900343

MONTESSORI, M. (1928). Antropología Pedagógica. Barcelona: Araluce

MONTESSORI, M. (1937). Método de la Pedagogía Científica. Barcelona: Araluce

MONTESSORI, M. (1935). Manual práctico del método. Barcelona: Araluce

Mooney, A., Duffin, J., Naughton, T., Monahan, R., Power, J. and Maguire, P. (2014). PACT: An initiative to introduce computational thinking to second-level education in Ireland.

Nesiba, N., Pontelli, E. and Staley, T., (2015, October). DISSECT: Exploring the relationship between computational thinking and English literature in K-12 curricula. In Frontiers in Education Conference (FIE), 2015. 32614 2015. IEEE (pp. 1- 8). IEEE.

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

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., & 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.

Ribeiro, L., Nunes, D.J., Da Cruz, M.K. and Matos, E.D.S., 2013, October. Computational Thinking: Possibilities and Challenges. In Theoretical Computer Science (WEIT), 2013 2nd Workshop-School on (pp. 22-25). IEEE.  http://ieeexplore.ieee.org/abstract/document/6778560/ y http://www.computacional.com.br/arquivos/Gerais/RIBEIRO%20-%20Computational%20Thinking%20-%20Possibilities%20and%20Challenges.pdf

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

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

Sentance, S., Dorling, M., & McNicol, A. (2013, February). Computer science in secondary schools in the UK: Ways to empower teachers. In International Conference on Informatics in Schools: Situation, Evolution, and Perspectives (pp. 15-30). Springer, Berlin, Heidelberg. https://pdfs.semanticscholar.org/44b0/074bd6fc438a459638f029667ff1ff79d9dd.pdf en abierto y https://link.springer.com/chapter/10.1007/978-3-642-36617-8_2

Silva, R. (2014). START CODING THIS YEAR IT’S EASIER THAN YOU THINK. http://yearofcode.org/

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

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

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

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

Sullivan, A., & Bers, M. U. (2015). Robotics in the early childhood classroom: Learning outcomes from an 8-week robotics curriculum in pre-kindergarten through second grade. International Journal of Technology and Design Education. doi:10.1007/s10798-015-9304-5.

Sullivan, A., & Bers, M. U. (2017). Dancing robots: integrating art, music, and robotics in Singapore’s early childhood centers. International Journal of Technology and Design Education, 1-22.https://link.springer.com/article/10.1007/s10798-017-9397-0

Sysło, M. M., & Kwiatkowska, A. B. (2015, September). Introducing a new computer science curriculum for all school levels in Poland. In International Conference on Informatics in Schools: Situation, Evolution, and Perspectives (pp. 141-154). Springer, Cham. https://link.springer.com/chapter/10.1007/978-3-319-25396-1_13

Thompson, D., & Bell, T. (2013, November). Adoption of new computer science high school standards by New Zealand teachers. In Proceedings of the 8th Workshop in Primary and Secondary Computing Education (pp. 87-90). ACM. https://itp.nz/files/wipsce-teachers-2013.pdf y https://dl.acm.org/citation.cfm?id=2532759

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

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

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

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). ACM. https://www.cs.auckland.ac.nz/courses/compsci747s2c/lectures/wernerFairyComputationalThinkingAssessment.pdf   y   https://dl.acm.org/citation.cfm?id=2157200

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Zur-Bargury, I. (2012, July). A new curriculum for junior-high in computer science. In Proceedings of the 17th ACM annual conference on Innovation and technology in computer science education (pp. 204-208). ACM. https://dl.acm.org/citation.cfm?id=2325347

Zur-Bargury, I., Pârv, B., & Lanzberg, D. (2013, July). A nationwide exam as a tool for improving a new curriculum. In Proceedings of the 18th ACM conference on Innovation and technology in computer science education (pp. 267-272). ACM. https://dl.acm.org/citation.cfm?id=2462479.

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Pensamiento computacional. Una tercera competencia clave (VI): Discusión.

Miguel Zapata-Ros, Universidad de Alcalá

Ésta es la sexta entrada de una serie que, en conjunto, constituirán un capítulo de un libro que será  publicado por la editorial de la Universidad Católica de Santa María de Arequipa (Perú) con el título “El pensamiento computacional: La nueva alfabetización de las culturas digitales”.

En las anteriores entradas se ha planteado que el pensamiento computacional  debe constituir una tercera competencia clave dentro del curriculum escolar, qué son las alfabetizaciones y las culturas digitales , una definición de Pensamiento Computacional, cuáles son las habilidades y procedimientos que lo constituyen y en qué fases de la elaboración de un código intervienen.

 

Discusión.-

Por último hará falta dilucidar cuales son los caminos abiertos y cuales los problemas que podemos encontrarnos en la consideración del Pensamiento Computacional como una competencia clave, en el diseño de un currículo formal y en el diseño de competencias docentes vinculadas a él. En otro punto de este libro abordamos la creación de un lenguaje de patrones.

Falta pues por determinar con evidencias empíricas si, como parece, la codificación es una competencia compleja o un conjunto de competencias, así como establecer en términos diferenciados cuáles son esas competencias y determinar el diseño y los términos de las investigaciones que diesen lugar a estas delimitaciones.

Faltaría pues definir qué es codificación en un sentido pluridisciplinar que implique a profesionales de la psicología del Aprendizaje y del Desarrollo, los especialistas en Educación (Pedagogía del pensamiento computacional, curriculum, etc)

Code, o codificación como lo hemos traducido, o programming code (programación de códigos) consiste en elaborar códigos fuente de programas de ordenador que puedan ser interpretados y/o compilados por un interface para decirle a  un sistema informático cómo se resuelve un problema o cómo se realiza un procedimiento de forma eficaz.

En los documentos utilizados para elaborar este trabajo se ha definido (Balanskat y Engelhardt, October 2014 p. 5) como

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

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

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

Sin embargo en este trabajo hemos puesto de relieve que la codificación es una competencia compleja o más bien un complejo de habilidades de las que participan posiblemente, entre otras, las 14 que hemos glosado, y al que en conjunto es lo que llamamos pensamiento computacional, de manera que su adquisición quedaría incompleta si faltase alguno de estos elementos.

Por último quedaría analizar además cuales serían los pasos siguientes `para determinar el curriculum y las características de la formación de los profesores y maestros.

 

Referencias.-

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

 

 

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Pensamiento computacional. Una tercera competencia clave (V): Fases de creación de un código y componentes de pensamiento computacional.

Miguel Zapata-Ros, Universidad de Alcalá

Ésta es la quinta entrada de una serie que, en conjunto, constituirán un capítulo de un libro que será  publicado por la editorial de la Universidad Católica de Santa María de Arequipa (Perú) con el título “El pensamiento computacional: La nueva alfabetización de las culturas digitales”.

En las anteriores entradas se ha planteado que el pensamiento computacional  debe constituir una tercera competencia clave dentro del curriculum escolar, qué son las alfabetizaciones y las culturas digitales , una definición de Pensamiento Computacional y cuáles son las habilidades y procedimientos que lo constituyen.

Fases de creación de un código y componentes de pensamiento computacional

¿Cómo intervienen o cómo se integran estas componentes en las distintas fases de que consta un proceso de creación de un código? En lo que sigue haremos un abordamiento de ese problema.

Las fases del proceso de creación de un código están muy estudiadas desde el punto de vista de la informática. Ahora queremos estudiarlo desde el punto de vista del pensamiento computacional: qué elementos de este pensamiento, de los que hemos visto en las entradas anteriores, están presentes en cada una de estas fases.

La propuesta cuales son las fases diferenciadas en el proceso de creación de un código es

  • Detección y delimitación del problema y de su naturaleza
  • Delimitación de métodos y disciplinas en la resolución del problema
  • Organización de la resolución,feed back e investigación formativa
  • Diseño de la resolución
  • Algoritmia/ diagrama de flujo.- Incluye la discusión
  • Elaboración del código (programa).- Incluye codificación, ejecuciones e implementación, documentación, etiquetas, modularización
  • Prueba/ Validación .- Incluye implementación y depuraciones de errores,

 

Considerando además que hay elementos que se repiten o que se pueden considerar que están presentes en todas las fases, sin que tengan que ver directamente  y de forma exclusiva con algunas de ellas. Un ejemplo de este tipo de competencias es la metacognición.

La segunda cuestión es qué componentes están presentes en las distintas fases o en todas.

La propuesta que se presenta es (tabla 1):

Competencias  necesarias en todas las fases , sin que tengan que ver directamente  y de forma exclusiva con algunas de ellas Detección y delimitación del problema y de su naturaleza Delimitación de métodos y disciplinas en la resolución del problema Organización de la resolución, feed back e investigación formativa Diseño de la resolución Algoritmia/ diagrama de flujo Elaboración del código (programa) Validación
Metacognición X
Sinéctica X X X X X
Análisis descendente     X   X X
Análisis ascendente         X X
Recursividad     X   X X
Método por aprox.  sucesiv. Ensayo – error         X X X
Heurística       X X X
Iteración         X X
Pensamiento divergente       X    
Creatividad X X X X    
Resolución de problemas X X X X X X X
Pensamiento abstracto X            
Métodos colaborativos X X X X      
Patrones X            

Tabla 1

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Pensamiento computacional. Una tercera competencia clave (IV): Un dominio teórico específico en las teorías del aprendizaje y un currículum.

Miguel Zapata-Ros, Universidad de Alcalá

Ésta es la cuarta entrada de una serie que, en conjunto, constituirán un capítulo de un libro que será  publicado por la editorial de la Universidad Católica de Santa María de Arequipa (Perú) con el título “El pensamiento computacional: La nueva alfabetización de las culturas digitales”.

En las anteriores entradas se ha planteado que el pensamiento computacional  debe constituir una tercera competencia clave dentro del curriculum escolar, qué son las alfabetizaciones y las culturas digitales y una definición de Pensamiento Computacional.

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

El post anterior lo concluíamos con la elaboración de una definición de Pensamiento computacional que contenía una serie de elementos: habilidades específicas y de técnicas necesarias . Decíamos:

Siguiendo los trabajos de Eggleston (1980), en el artículo publicado en el número monográfico de RED sobre Pensamiento Computacional (Zapata-Ros, 2015), basado en la necesidad de contar con un corpus curricular, y que ahora resumimos, establecimos una relación de habilidades y de elementos más o menos complejos de desarrollo cognitivos asociados al Pensamiento Computacional y que en conjunto lo definen

Así lo planteamos, en el contexto de un análisis y de una elaboración interdisciplinar, viendo las implicaciones que tienen estas ideas para una 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.

Esto es lo que en una primera aproximación hicimos con las limitaciones de un tratamiento general, pero que ahora estamos tratando de ampliar y de documentar, así como recoger las aportaciones que en los desarrollos prácticos e institucionales se están produciendo. Este es el sentido pues que tiene este trabajo.

En primer lugar resumimos las siguientes componentes del pensamiento computacional, tal como las definimos en el primer trabajo:

Con lo cual abordábamos el problema de la definición del Pensamiento Computacional con la siguiente propuesta, uniendo y completando las ideas de David Bawden (2008, Capítulo 1) con la definición de  Jeannette Wing (Wing, March 2006) y lo analizado el trabajo que precede al presente (Zapata-Ros, 2015):

El pensamiento computacional consiste en la resolución de problemas, el diseño de los sistemas, y la comprensión de la conducta y de las actividades humanas haciendo uso de conceptos y procedimientos básicos para el trabajo y la elaboración de programas y algoritmos en la informática, valiéndose para ello de habilidades específicas y de técnicas necesarias para estos objetivos, que en conjunto constituyen  la base de la cultura digital. Entre estas habilidades y técnicas se identifican las quince siguientes: Análisis ascendente, análisis descendente, heurística, pensamiento divergente, creatividad, resolución de problemas, pensamiento abstracto, recursividad, iteración, métodos por aproximaciones sucesivas (Ensayo – error), métodos colaborativos, patrones, sinéctica, metacognición y cinestesia

En este post vamos a realizar una descripción sucinta de cada uno de estos elementos.

Análisis descendente.-

Frecuentemente la aplicación de un método de resolución de un problema, o el abordamiento de una tarea compleja, es inaplicable tal como se nos presenta. Es entonces cuando la aplicación de un método general de resolución, o de un  algoritmo, implica un proceso detallado de análisis descendente que puede llevar  al diseño de submétodos de resolución, o bien de módulos de resolución de problemas distintos y auxiliares, o bien a definir acciones concretas,  modelos o funciones matemáticas auxiliares, etc.

Análisis ascendente.-

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

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

Heurística[1].-

Habitualmente se define  Heurística como un saber no científico, pero que se aplica en entornos científicos y que se refiere técnicas basadas en la experiencia para la resolución de problemas, al aprendizaje y al descubrimiento de propiedades o de reglas. Los métodos heurísticos no tienen el valor de la prueba sobre los resultados obtenidos con ellos, tienen más bien el valor de la conjetura o de la “regla de oro”,  ni tienen tampoco la garantía de que la solución que se obtiene es  única ni es la óptima. Este saber se obtiene  frecuentemente mediante la observación, el análisis y el registro, como un conocimiento derivado del estudio de los hábitos de trabajo de los científicos (en ese sentido es un arte, una técnica o un conjunto de procedimientos prácticos o informales) para resolver problemas. Cada uno de los procedimientos que constituyen ese saber es un heurístico.  Así podemos decir que un heurístico es cada una de las reglas metodológicas, no necesariamente formuladas como enunciados formales, en las que se  propone cómo proceder y cómo evitar dificultades para resolver problemas y conjeturar hipótesis.

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

 

Pensamiento lateral  y pensamiento divergente.-

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

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

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

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

 

Creatividad[2].-

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

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

 

Resolución de problemas.-

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

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

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

 

Pensamiento abstracto.-

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

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

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

 

Recursividad

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

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

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

 

Iteración.-

La iteración consiste en la descomposición de un problema complejo en problemas sencillos, elementales, todos iguales y que se repiten hasta conseguir el objetivo deseado, Construir o diseñar una escalera es un ejemplo de iteración.

Escalera de Bramante (scala del bramante). Escalera de doble hélice iterativa. Museos Vaticanos, Estado de la Ciudad del Vaticano. Wikipedia CC BY-SA 4.0

De esta forma Iteración significa repetir un proceso con la intención de alcanzar una meta, un objetivo o un resultado deseados. Cada elemento que se repite en el proceso también se llama una “iteración”. Otras características lo son: la transferencia de resultados  entre iteraciones: los resultados de una se utilizan como punto de partida para la siguiente iteración; y la cláusula de parada: Qué condición ha de cumplirse para que se detenga el proceso, bien por alcanzar el objetivo, bien por cualquier otra razón

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

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

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

 

Métodos por aproximaciones sucesivas. Ensayo – error.

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

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

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

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

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

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

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

Una derivación de este método es el la acción educativa, particularmente en la tutoría. Y en él las ideas de contingencia e inmediatez. En este planteamiento juegan un papel clave las aproximaciones sucesivas a los objetivos educativos, es decir la acción tutorial.

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

De esta forma, en la tutoría, el cuándo y el dónde la ayuda pueden ser ofrecidas por el tutor es la clave. Ha de hacerse en los momentos pertinentes, es decir, de manera contingente. El tutor debe detectar, en el lugar y en el momento que se produzca, la dificultad de aquel aprendiz que comprenda insuficientemente el tema que es objeto de aprendizaje. De esta forma el tutor puede tener que intervenir con frecuencia para reparar el error y mostrar al alumno qué hacer.

 

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

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

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

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

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

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

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

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

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

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

 

Patrones.-

Los patrones constituyen una herramienta para el análisis de la programación en dos aspectos: Evitan el trabajo tedioso que supone repetir partes de código o de diagramas de flujo o de procedimientos que en esencia se repiten pero aplicados a contextos y situaciones distintas, y por otro lado exige la capacidad de distinguir lo que tienen de común situaciones distintas. Esta facultad es útil en la programación pero igualmente en multitud de situaciones de la vida o de las actividades científica y profesionales, de hecho nacieron como tales en la arquitectura.

El concepto de patrón y su práctica se aplica, en la computación y en otros dominios, a estructuras de información que permiten resumir y comunicar la experiencia acumulada y la resolución de problemas, tanto en la práctica como en el diseño.

Así un patrón puede entenderse como una plantilla, una guía, un conjunto de directrices o de normas de diseño. Los patrones pueden entenderse desde dos perspectivas: La propia del dominio en el que estamos trabajando (la arquitectura, el diseño industrial, el diseño instruccional, etc.), o bien desde la perspectiva de los lenguajes y las técnicas computacionales que permiten el desarrollo de patrones.

 

Un patrón pues permite la adquisición de “buenas prácticas” y sirve como referencia para nuevas aplicaciones y casos. El almacenamiento y proceso sistemático de estos patrones permite construir corpus de información o bases de datos de referencias documentadas a las que los distintos profesionales o investigadores pueden dirigirse para sus trabajos específicos.

 

Los patrones tienen su origen en los patrones de diseño, o en lo patrones genéricos, y sirven  para aplicar en un campo cualquiera de la actividad de creación y de desarrollo, donde se quiere optimizar el trabajo intelectual haciendo más eficaz el trabajo empleado, o bien donde se quiere comunicar una parte operativa del diseño independientemente del dominio técnico del que se trate. Originalmente los patrones de diseño se deben al arquitecto Christopher Alexander (Alexander et al., 1977). Posteriormente estas técnicas se han adoptado en el campo de la ingeniería de software, y de allí se han incorporado al diseño instruccional tecnológico.

 

Un patrón (Alexander et al., 1977) “describe un problema que ocurre una y otra vez en nuestro entorno y, a continuación, describe el núcleo de la solución de ese problema, de tal manera que el usuario puede utilizar esta solución un millón de veces más, sin tener que hacerlo de la misma manera dos veces “.

Especial importancia merecen los los patrones instruccionales, aunque el término igualmente acuñado puede ser el de patrones pedagógicos (Pedagogical Patterns Project, 2008), porque sirven de comunicación en equipos pluridisciplinares en los que concurren técnicos en computación, diseñadores instruccionales y profesores.

Para desarrollar un patrón se utiliza un “lenguajes de patrón”. Su naturaleza y principales características están descritas como buena parte de este apartado en un artículo dedicado exclusivamete a patrones (Zapata-Ros, 2011), y sobre todo en lo que respoecta a patrones y Pensamiento computacional en otro capítulo de esta obra (Pérez-Paredes y Zapata-Ros, 2018a, b y c)

Un ejemplo notable de desarrollo de patrones y de lenguaje de patrones es el de las wikis. De las cuales la más conocida es Wikipedia. Las wikis constituyen el ejemplo más importante de construcciones utilizando lenguajes de patrón, y de hecho cada wiki se ha desarrollado utilizando un patrón concreto: El patrón de las wikis.

El origen de las wikis está en la comunidad de patrones de diseño Portland Pattern, cuyos integrantes, informáticos las utilizaron para escribir patrones de programa de ordenador. La primera wiki llamada WikiWikiWeb fue creada por Ward Cunningham, quien creó y dio nombre al concepto wiki, además implementó el primer servidor WikiWiki, y con él creó el primer servicio de este tipo, para el repositorio de patrones del Portland (Portland Pattern Repository) en 1995.

En el citado artículo (Zapata-Ros, 2011) reproducimos el método que utilizó Ward Cunningham para diseñar la Wiki original como un ejemplo concreto para expresar los lenguajes de patrón de forma efectiva (http://c2.com/cgi/wiki).

 

Sinéctica.-

La Sinéctica es un punto de confluencia de las teorías que tratan de explicar y estudian la creatividad, de las técnicas de trabajo en grupo como medio para exteriorizar flujos e impulsos que de otra forma no serían observables y por tanto analizados, mejorados y compartidos, y los procesos de sistematización y racionalización de esos flujos e impulsos.

Como consecuencia de esta naturaleza y de estos procesos, la Sinéctica también puede considerarse como una teoría para la resolución de problemas.

Así (Gordon,1961) “la Teoría Sinéctica estudia cómo organizar la integración de los diversos individuos que componen  un grupo para la resolución de problemas. Es pues una teoría operacional que orientada al uso consciente de los mecanismos psicológicos preconscientes que hay presentes en la actividad creadora humana.”

Situationa l Methods of I nstructionReigeluth (2012) considera la Sinéctica dentro de los Métodos Situados de Instrucción.

Una de las posibles dimensiones que puede considerarse al estudiar lPrinciples and methods of instruction can be described on many levels of precision ( Reigeluth & Carr-Chellman, 2009b ) .os principios y los métodos de enseñanza, dice, son los diversos niveles de precisión (Reigeluth y Carr Chellman, 2009b).For example, on the least precise level, Merrill state s that i nstr uction should provide coaching. Por ejemplo, en el nivel menos preciso, Merrill (2009) indica que la instrucción debe provenir del entrenamiento. On a highly precise level, one could state, “when teaching a procedure, if a learner skips a step during a performance of the procedure, the learner should be reminded of the step by asking the lear ner a question that prompts the learner to recognize the omission. ” When we provide more precision in a principle or method of instruction, we usually find that it needs to be different for different situations. En el extremo opuesto, en un nivel de alta precisión, siguiendo con los ejemplos, “al enseñar un procedimiento, si un alumno se salta un paso durante la ejecución del procedimiento, se debe inducir al alumno hacia la identificación del paso omitido mediante preguntas que lo guíen hasta llegar al reconocimiento de la omisión”. De esta manera cuando proporcionamos mayor precisión sobre un principio o sobre un método instruccional, por lo general descubrimos que hace falta que éste sea diferente para diferentes situaciones. Reigeluth ( 1999a ) referred to the contextual factors that influence the effects of methods as “situationalities.” Reigeluth (1999a) se refirió a los factores contextuales que influyen en los efectos de los métodos como “escenarios”. En definitiva se trata de métodos situados.

Reigeluth and Carr-Chellman Reigeluth y Carr-Chellman ( 2009a ) propose that there are two major types of situationalities that call for fundamentally different sets of methods: (2009a) proponen dos principales tipos de escenarios que requieren conjuntos fundamentalmente diferentes de métodos: 1.Situationalities based on different approaches to instruction (means) , Escenarios basados ​​en distintos enfoques de la enseñanza (medios), such as: y eSituationalities based on dif ferent learning outcomes (ends), such as:escenarios basados ​​en diferentes resultados de aprendizaje (fines). Entre los primeros incluye, entre otros, al 1.1.juego de rol  (role-playing), resolución de conflictos, 1.7.Peer learning aprendizaje entre iguales, 1.9. Problem-based learning aprendizaje basado en problemas,  Simulation-based learning aprendizaje por simulación, y también a la Synectics sinéctica

Los capítulosUnits 2 and 3 in Reigeluth and Carr-Chellman’s ( 2009c ) en las Unidades de 2 y 3 del libro de Reigeluth y Carr-Chellman (2009c) “Green Book 3” ( Instructional-Design Theories and Models, Vol. III: Building a Common Knowledge Base ) describe the “common kno wledge base” for nine of those sets of methods. Teorías y Modelos de Diseño  Instruccional, (Volumen III: Construyendo una base de conocimientos en común) describen una “base de conocimientos” para esos conjuntos de métodos.

La Teorías Sinécticas tiene su fuente empírica en las historias de casos que ilustran el uso de mecanismos operativos, que de esta forma se llaman mecanismos sinécticos, y en cómo operan estos en los procedimientos, que se estudian detalladamente, para la organización y funcionamiento de los grupos, llamados grupos sinécticos, fundamentalmente  en contextos industriales. En estos procesos se hace especial énfasis en el papel que juega en la actividad creativa la metáfora y en su análisis.

La sinéctica se ha presentado por sus creadores, y así se ha aceptado, como una metodología de resolución de problemas que estimula los procesos de pensamiento de los cuales el sujeto puede no ser consciente.

Este método fue desarrollado por George M. Prince (5 abril 1918 a 9 junio 2009) y William JJ Gordon , originarios de la Arthur D. Little Unidad Invención Diseño en la década de 1950.

Inicialmente el método consistió en grabar en audio y en vídeo reuniones en las que se hablaba sobre experimentos, su desarrollo y el análisis de los resultados, haciendo interpretaciones de ellos. Después el método se completaba con el análisis de las grabaciones. Se discutía sobre formas alternativas de resolución del problema y se procuraba llegar a soluciones de compromiso sobre lo que se consensuaba como una solución creativa.

Como teoría la Sinéctica nos ofrece procedimientos para utilizar las habilidades creativas, en la resolución de problemas, de una manera racional. De esta forma (Gordon, 1961)  “(…), tradicionalmente, el proceso creativo ha sido considerado después de los hechos. Los estudios sinécticos han intentado investigar el proceso creativo en vivo, mientras que está pasando.”

 

Metacognición.-

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

Cuando las teorías del aprendizaje incorporan el concepto de estrategias se ve resaltado el carácter procedimental que tiene todo aprendizaje (Esteban y Zapata-Ros, 2008). Con ello además se está aceptado que  los procedimientos utilizados para aprender constituyen una parte muy decisiva del propio aprendizaje y del  resultado final de ese proceso. El concepto de estrategia de aprendizaje es, pues, un concepto que se integra adecuadamente con los principios de la psicología cognitiva, desde la perspectiva constructivista del conocimiento y del aprendizaje. Lo hace además con la importancia atribuida a los elementos procedimentales en el proceso de construcción de conocimientos y, asimismo, teniendo en cuenta aspectos diferenciales de los individuos.

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

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

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

En todo esto ha de existir la conciencia de los propios recursos cognitivos con que cuenta el aprendiz. Eso es lo que se ha denominado metacognición.

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

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

Si los alumnos son conscientes, primero, de las limitaciones que tienen en su forma de aprender y, segundo, de la necesidad del cambio de los  procedimientos que utilizan para aprender, o de consolidarlos y potenciarlos, y por último de sus propias capacidades para llevar de forma autónoma ese cambio o de la necesidad de adquirirlas (capacidades metacognitivas) estaríamos en presencia de la cuestión clave para abordar el resto de competencias del pensamiento computacional para la mayor parte de los alumnos.

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

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

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

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

 

Cinestesia

La cinestesia es la rama de la ciencia que estudia el movimiento humano. Hay aspectos cognitivos y representativos: Es un saber que trata cómo se percibe el esquema corporal, el equilibrio, el espacio y el tiempo. También es una habilidad.

Hay una lógica sensorial que nace de la “sensación o percepción del movimiento, del espacio, del tiempo y de la propia posición”.  Así nace el concepto de velocidad instantánea, y constructos como son la derivada y la diferencial en matemáticas. La tortuga de Logo vincula esta lógica con el aprendizaje de la geometría (Solomon y Paper, 1976).

En el Seminario Smart University 4.0, en la edición de 2015, organizado  por la Universidad Internacional Menéndez Pelayo (UIPM) tuve el privilegio de coincidir con Theresa Zabell, bimedallísta  olímpica española en vela, que,  cuando le hablé del pensamiento computacional y le conté mis dudas sobre incluir la cinestesia, me convenció contándome una experiencia. Theresa es además informática. Su opinión es pues autorizada.

La deportista, en la competencia y en los entrenamientos, se colocaba una cinta en la cabeza que le sujetaba el cabello, dejándole el rostro muy despejado. Incluso era muy meticulosa en esta tarea. No dejaba que ningún mechoncillo o cabello se escapase de esa sujeción. Todo el mundo se preguntaba el porqué de aquello que muchos consideraban una manía.

La razón era que quería percibir con toda precisión la dirección e intensidad el viento, y mediante un mecanismo de coordinación sensorio motriz, e imagino que con alguna mediación cognitiva previa y automatizada pero muy interactiva, y en función de esa percepción utilizar el timón orientando el rumbo del barco para aprovechar al máximo la fuerza del viento.

Esta habilidad como ponen de relieve los creadores de LOGO, tiene especial importancia a la hora de percibir ciertas propiedades en geometría y robótica, que intervienen en aspectos de programación de estas áreas.

Así pues con la sinéctica  concluimos la propuesta de los quince elementos/ componentes del pensamiento computacional reseñados en la fig. 2

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

[1] La descripción que presentamos está obtenida, salvo giros y adaptaciones al formato de paper, del post Enseñanza Universitaria en línea: MOOC, aprendizaje divergente y creatividad (II) (Zapata-Ros, 2014a))

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

Referencias.-

Alexander, C., Ishikawa, S., Silverstein, M., Jacobson, M., Fiksdahl-King, I., & Angel, S. (1977). A Pattern Language: Towns, Buildings, Construction (Center for Environmental Structure).

Alexander et al., 1977, A Pattern Language, Oxford University Press, px.

Ausubel, D. P. (1963). The psychology of meaningful verbal learning; an introduction to school learning. New York: Grune & Stratton.

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

Arraki, K., Blair, K., Bürgert, T., Greenling, J., Haebe, J., Lee, G., Peel, A., Szczepanski, V., Pontelli, E. and Hug, S. (2014, October). DISSECT: An experiment in infusing computational thinking in K-12 science curricula. In Frontiers in Education Conference (FIE), 2014 IEEE (pp. 1-9). IEEE.

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

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

Balanskat, A.  & Engelhardt , K. (October, 2015). Computing our future Computer programming and coding – Priorities, school curricula and initiatives across Europe.  European Schoolnet (EUN Partnership AISBL)

Bargury, I. Z., Muller, O., Haberman, B., Zohar, D., Cohen, A., Levy, D., & Hotoveli, R. (2012, October). Implementing a new computer science curriculum for middle school in Israel. In Frontiers in Education Conference (FIE), 2012 (pp. 1-6). IEEE. http://ieeexplore.ieee.org/abstract/document/6462365/   y   https://www.researchgate.net/profile/Dalit_Levy/publication/261196400_Implementing_a_new_Computer_Science_Curriculum_for_middle_school_in_Israel/links/5605989108ae8e08c08c9079/Implementing-a-new-Computer-Science-Curriculum-for-middle-school-in-Israel.pdf en abierto.

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., 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

Bell, T., Andreae, P., & Robins, A. (2014). A case study of the introduction of computer science in NZ schools. ACM Transactions on Computing Education (TOCE)14(2), 10. https://ir.canterbury.ac.nz/bitstream/handle/10092/10570/12652431_NZ-case-study-TOCE-v5.pdf?sequence=1  y  https://dl.acm.org/citation.cfm?id=2602485

Bergin, J. (2008) Pedagogical Patterns Project [en línea]. Disponible en: http://www.pedagogicalpatterns.org/

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

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

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

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

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

Bocconi, S. et al (2016). Developing Computational Thinking in Compulsory Education. Implications for policy and practice.   http://publications.jrc.ec.europa.eu/repository/bitstream/JRC104188/jrc104188_computhinkreport.pdf

Burgett, T., Folk, R., Fulton, J., Peel, A., Pontelli, E. and Szczepanski, V. (2015, October). DISSECT: Analysis of pedagogical techniques to integrate computational thinking into K-12 curricula. In Frontiers in Education Conference (FIE), 2015. 32614 2015. IEEE (pp. 1-9). IEEE.

Carvalho, T., Andrade, D., Silveira, J., Auler, V., Cavalheiro, S., Aguiar, M., Foss, L., Pernas, A. and Reiser, R., 2013, October. Discussing the challenges related to deployment of computational thinking in brazilian basic education. In Theoretical Computer Science (WEIT), 2013 2nd Workshop-School on (pp. 111-115). IEEE. https://www.researchgate.net/profile/Marilton_Aguiar/publication/268240422_Discussing_the_Challenges_Related_to_Deployment_of_Computational_Thinking_in_Brazilian_Basic_Education/links/54abd8080cf2bce6aa1dbf62.pdf y http://ieeexplore.ieee.org/abstract/document/6778575/

Caspersen, M. E., & Nowack, P. (2013, January). Computational thinking and practice: A generic approach to computing in Danish high schools. In Proceedings of the Fifteenth Australasian Computing Education Conference-Volume 136 (pp. 137-143). Australian Computer Society, Inc. https://dl.acm.org/citation.cfm?id=2667214 y en abierto http://cs.au.dk/~mic/publications/conference/41–ace2013.pdf

Chiprianov, V., & Gallon, L. (2016, July). Introducing Computational Thinking to K-5 in a French Context. In Proceedings of the 2016 ACM Conference on Innovation and Technology in Computer Science Education (pp. 112-117). ACM. https://dl.acm.org/citation.cfm?id=2899439

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

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

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

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

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

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

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

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

DeLano, D.E. y  Rising, L. (1997).  Introducing Technology into the Workplace. Proceedings  PLoP’97 Conference. Consultado en http://hillside.net/plop/plop97/Proceedings/delano.pdf

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

Dorn, R. I. (December, 2016) Computer Science K–12 Learning Standards Adoption Statement. http://www.k12.wa.us/ComputerScience/pubdocs/ComputerScienceStandards.pdf

Duncan, C., & Bell, T. (2015, November). A pilot computer science and programming course for primary school students. In Proceedings of the Workshop in Primary and Secondary Computing Education (pp. 39-48). ACM. https://dl.acm.org/citation.cfm?id=2818328

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

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

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

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

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

Fricke, A. y Voelter, M. (2000). SEMINARS: A Pedagogical Pattern Language about teaching seminars, [en línea]. Proceding EuroPLoP 2000. Disponible en: http://www.voelter.de/publications/seminars.html [2008, 2 diciembre].

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

Gordon, W. J. (1961). Synectics: The development of creative capacity.

Grover, S., Cooper, S., & Pea, R. (2014, June). Assessing computational learning in K-12. In Proceedings of the 2014 conference on Innovation & technology in computer science education (pp. 57-62). ACM. https://s3.amazonaws.com/academia.edu.documents/41163349/Assessing_computational_learning_in_K-1220160114-23479-hj8516.pdf

Grover, S., Pea, R., & Cooper, S. (2016, February). Factors influencing computer science learning in middle school. In Proceedings of the 47th ACM technical symposium on computing science education (pp. 552-557). ACM.  http://life-slc.org/docs/LSLC_rp_A211_Grover-Pea-Cooper-SIGSCE2016.pdf

Grover, S., Pea, R., & Cooper, S. (2015). Designing for deeper learning in a blended computer science course for middle school students. Computer Science Education25(2), 199-237. http://www.tandfonline.com/doi/abs/10.1080/08993408.2015.1033142 y https://pdfs.semanticscholar.org/4f37/83f96f0c4aa579d5eea160ff56c15f5e7c85.pdf

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

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

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

Hayman-Abello SE, Warriner EM (2002). (2002). Child clinical/pediatric neuropsychology: some recent advances. Annual review of psychology,53(1), 309-339.

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

Jenkins, J.T., Jerkins, J.A. and Stenger, C.L. (2012), March. A plan for immediate immersion of computational thinking into the high school math classroom through a partnership with the alabama math, science, and technology initiative. In Proceedings of the 50th Annual Southeast Regional Conference (pp. 148-152). ACM.

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

Jovanov, M., Stankov, E., Mihova, M., Ristov, S., & Gusev, M. (2016, April). Computing as a new compulsory subject in the Macedonian primary schools curriculum. In Global Engineering Education Conference (EDUCON), 2016 IEEE (pp. 680-685). IEEE. http://ieeexplore.ieee.org/abstract/document/7474623/

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

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

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

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

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

Liu, J., Hasson, E. P., Barnett, Z. D., & Zhang, P. (2011, October). A survey on computer science K-12 outreach: teacher training programs. In Frontiers in Education Conference (FIE), 2011 (pp. T4F-1). IEEE. http://ieeexplore.ieee.org/abstract/document/6143111/

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

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

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

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

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

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. (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.

Mensing, K., Mak, J., Bird, M., & Billings, J. (2013, October). Computational, model thinking and computer coding for US Common Core Standards with 6 to 12 year old students. In Emerging eLearning Technologies and Applications (ICETA), 2013 IEEE 11th International Conference on (pp. 17-22). IEEE.

Miller, R. B., Kelly, G. N., & Kelly, J. T. (1988). Effects of Logo computer programming experience on problem solving and spatial relations ability. Contemporary Educational Psychology13(4), 348-357. http://www.sciencedirect.com/science/article/pii/0361476X88900343

MONTESSORI, M. (1928). Antropología Pedagógica. Barcelona: Araluce

MONTESSORI, M. (1937). Método de la Pedagogía Científica. Barcelona: Araluce

MONTESSORI, M. (1935). Manual práctico del método. Barcelona: Araluce

Mooney, A., Duffin, J., Naughton, T., Monahan, R., Power, J. and Maguire, P. (2014). PACT: An initiative to introduce computational thinking to second-level education in Ireland.

Nesiba, N., Pontelli, E. and Staley, T., (2015, October). DISSECT: Exploring the relationship between computational thinking and English literature in K-12 curricula. In Frontiers in Education Conference (FIE), 2015. 32614 2015. IEEE (pp. 1- 8). IEEE.

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

Pérez-Paredes, P. y  Zapata-Ros, M. (2018a).  Patrones de Pensamiento Computacional y corpus lingüísticos: el aprendizaje de lenguas con datos lingüísticos (Preprint). http://eprints.rclis.org/32209/

Pérez-Paredes, P. y  Zapata-Ros, M. (2018b).  Patrones de Pensamiento Computacional y corpus lingüísticos: el aprendizaje de lenguas con datos lingüísticos (I).  RED de Hypotheses.  https://red.hypotheses.org/1025

Pérez-Paredes, P. y  Zapata-Ros, M. (2018c).  Patrones de Pensamiento Computacional y corpus lingüísticos: el aprendizaje de lenguas con datos lingüísticos (y II).  RED de Hypotheses. https://red.hypotheses.org/1045

Piaget, J. (1947). La psychologie de l’intelligence [The psychology of intelligence]. http://dx.doi.org/10.4324/9780203278895

Piaget, J. (1972). Psicología de la inteligencia. Editorial Psique. Buenos Aires.

Piaget, J. (1977). The role of action in the development of thinking. In Knowledge and development (pp. 17-42). Springer US.

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

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

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

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

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

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

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

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., & 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.

Ribeiro, L., Nunes, D.J., Da Cruz, M.K. and Matos, E.D.S., 2013, October. Computational Thinking: Possibilities and Challenges. In Theoretical Computer Science (WEIT), 2013 2nd Workshop-School on (pp. 22-25). IEEE.  http://ieeexplore.ieee.org/abstract/document/6778560/ y http://www.computacional.com.br/arquivos/Gerais/RIBEIRO%20-%20Computational%20Thinking%20-%20Possibilities%20and%20Challenges.pdf

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

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

Sentance, S., Dorling, M., & McNicol, A. (2013, February). Computer science in secondary schools in the UK: Ways to empower teachers. In International Conference on Informatics in Schools: Situation, Evolution, and Perspectives (pp. 15-30). Springer, Berlin, Heidelberg. https://pdfs.semanticscholar.org/44b0/074bd6fc438a459638f029667ff1ff79d9dd.pdf en abierto y https://link.springer.com/chapter/10.1007/978-3-642-36617-8_2

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

Silva, R. (2014). START CODING THIS YEAR IT’S EASIER THAN YOU THINK. http://yearofcode.org/

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

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

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

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

Sysło, M. M., & Kwiatkowska, A. B. (2015, September). Introducing a new computer science curriculum for all school levels in Poland. In International Conference on Informatics in Schools: Situation, Evolution, and Perspectives (pp. 141-154). Springer, Cham. https://link.springer.com/chapter/10.1007/978-3-319-25396-1_13

Thompson, D., & Bell, T. (2013, November). Adoption of new computer science high school standards by New Zealand teachers. In Proceedings of the 8th Workshop in Primary and Secondary Computing Education (pp. 87-90). ACM. https://itp.nz/files/wipsce-teachers-2013.pdf y https://dl.acm.org/citation.cfm?id=2532759

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

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

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

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). ACM. https://www.cs.auckland.ac.nz/courses/compsci747s2c/lectures/wernerFairyComputationalThinkingAssessment.pdf   y   https://dl.acm.org/citation.cfm?id=2157200

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

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

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

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

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

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

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

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

Zapata-Ros, M. (2011). Patrones en elearning. Elementos y referencias para la formación. 15 de julio de 2011. RED, Revista de Educación a Distancia. Número 27. Consultado el [dd/mm/aaaa] en http://www.um.es/ead/red/27/

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

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

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

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

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

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

Zur-Bargury, I. (2012, July). A new curriculum for junior-high in computer science. In Proceedings of the 17th ACM annual conference on Innovation and technology in computer science education (pp. 204-208). ACM. https://dl.acm.org/citation.cfm?id=2325347

Zur-Bargury, I., Pârv, B., & Lanzberg, D. (2013, July). A nationwide exam as a tool for improving a new curriculum. In Proceedings of the 18th ACM conference on Innovation and technology in computer science education (pp. 267-272). ACM. https://dl.acm.org/citation.cfm?id=2462479.

 

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Pensamiento computacional. Una tercera competencia clave (III): ¿Qué es el Pensamiento Computacional? Una definición.

Miguel Zapata-Ros, Universidad de Alcalá

Ésta es la tercera entrada de una serie que, en conjunto, constituirán un capítulo de un libro que será  publicado por la editorial de la Universidad Católica de Santa María de Arequipa (Perú) con el título “El pensamiento computacional: La nueva alfabetización de las culturas digitales”.

En las anteriores entradas se plantea que el pensamiento computacional  debe constituir una tercera competencia clave dentro del curriculum escolar junto con la Lengua y las Matemáticas, y qué son las alfabetizaciones y las culturas digitales

Definición de Pensamiento Computacional

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

Una primera aproximación a ese concepto es la que hace la informática Tasneem Raja (2014) en el post We Can Code It! , de la revista-blog Mother Jones:

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

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

Sin embargo, aunque todo el mundo la cita, no es  una buena definición. En general no es una definición es simplemente una cercamiento, eso sí afortunado al problema. Tampoco aborda la cuestión de una forma mínimamente estructurada o sistemática, ni con la complejidad que requiere, como veremos.

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

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

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

“El pensamiento computacional consiste en la resolución de problemas, el diseño de los sistemas, y la comprensión de la conducta humana haciendo uso de los conceptos fundamentales de la informática”.

En ese mismo artículo continúa diciendo que

“esas son habilidades útiles para todo el mundo, no sólo para los científicos de la computación”.

Pero lo más interesante y lo que nos dio el método para trabajar en el artículo precedente de este trabajo (Zapata-Ros, 2015), es que describe una serie de rasgos que nos van a ser muy útiles para continuar con el trabajo de construir un corpus curricular para el aprendizaje basado en el pensamiento computacional. Así por ejemplo se dice:

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

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

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

Siguiendo los trabajos de Eggleston (1980), en el artículo publicado en el número monográfico de RED sobre Pensamiento Computacional (Zapata-Ros, 2015), basado en la necesidad de contar con un corpus curricular, y que ahora resumimos, establecimos una relación de habilidades y de elementos más o menos complejos de desarrollo cognitivos asociados al Pensamiento Computacional y que en conjunto lo definen

Así lo planteamos, en el contexto de un análisis y de una elaboración interdisciplinar, viendo las implicaciones que tienen estas ideas para una 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.

Esto es lo que en una primera aproximación hicimos con las limitaciones de un tratamiento general, pero que ahora estamos tratando de ampliar y de documentar, así como recoger las aportaciones que n los desarrollos prácticos e institucionales se están produciendo. Este es el sentido pues que tiene este trabajo.

En primer lugar resumimos las siguientes componentes del pensamiento computacional, tal como las definimos en el primer trabajo (Zapata-Ros, 2015):

Fig. 2

Volviendo al problema de la definición del Pensamiento Computacional, podemos establecer la siguiente, uniendo y completando las ideas de David Bawden (2008, Capítulo 1) con la definición de  Jeannette Wing (Wing, March 2006) y con lo analizado el trabajo que precede al presente (Zapata-Ros, 2015):

El pensamiento computacional consiste en la resolución de problemas, el diseño de los sistemas, y la comprensión de la conducta y de las actividades humanas haciendo uso de conceptos y procedimientos básicos para el trabajo y la elaboración de programas y algoritmos en la informática, valiéndose para ello de habilidades específicas y de técnicas necesarias para estos objetivos, que en conjunto constituyen  la base de la cultura digital. Entre estas habilidades y técnicas se identifican las quince siguientes: Análisis ascendente, análisis descendente, heurística, pensamiento divergente, creatividad, resolución de problemas, pensamiento abstracto, recursividad, iteración, métodos por aproximaciones sucesivas (Ensayo – error), métodos colaborativos, patrones, sinéctica, metacognición y cinestesia.

 

En la entrada siguiente procederemos pues a una descripción sucinta de cada uno de estos elementos.

Referencias

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

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

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

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

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

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

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

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

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Pensamiento computacional. Una tercera competencia clave (II): Alfabetizaciones y culturas digitales.

Miguel Zapata-Ros, Universidad de Alcalá

Ésta es la segunda entrada de una serie que, en conjunto, constituirán un capítulo de un libro que será  publicado por la editorial de la Universidad Católica de Santa María de Arequipa (Perú) con el título “El pensamiento computacional: La nueva alfabetización de las culturas digitales”.

En la primera entrada se plantea lo que debe ser el pensamiento computacional dentro del curriculum escolar de Primaria, de Secundaria Obligatoria y de Bachillerato o Secundaria Postobligatoria y también de Educación Infantil: Una tercera competencia clave, junto con las dos que de forma comúnmente aceptada así se consideran: Lenguaje y matemáticas.

 

¿Qué es el Pensamiento Computacional?

1. Alfabetizaciones y culturas digitales

El pensamiento computacional se ha definido como una nueva alfabetización digital. Será importante que primero nos acerquemos a este concepto.

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

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

Ésta es la idea del autor que pasó como el creador del concepto: Paul Gilster (1997). Este autor no nos proporcionó una listas de habilidades, competencias o actitudes en la  definición de lo que es una cultura digital (a diferencia de como nosotros tratamos de hacer). Dio una explicación muy general, la definió como la capacidad de entender y utilizar la información de una gran variedad de fuentes digitales. Por tanto, se trata de la actualización per se de lo que se entiende de forma  tradicional por alfabetización. Sólo que en este caso se trata de  la capacidad de leer, escribir y realizar cualquier transacción con la información, pero ahora utilizando las tecnologías y los formatos de datos actuales, al igual que la alfabetización clásica utilizaba la tecnología de la información y los formatos de cada época (libros, papiros, pergaminos, tablillas,…). Pero sobre todo, en ambos casos, se considera como un conjunto de habilidades esenciales para la vida. La crítica es que ésta es una expresión genérica del concepto, sin ir ilustrada o acompañada de una “listas de competencias”. Limitación que intentamos superar en nuestro trabajo (Zapata-Ros, 2015)

Otros autores utilizaron y explicaron el concepto durante los años noventa:

Bawden (2001) la define como la capacidad de leer y comprender  elementos de información en los formatos de hipertexto o multimedia

Lanham (1995) la considera como una especie de “alfabetización multimedia”. Se basaba, de forma débil, en que desde una fuente digital se podrían generar muchas formas de texto, de informaciones, imágenes, sonidos, etc.  Esto justificaba la necesidad de una nueva forma de alfabetización, con el fin de interpretar, de  dar sentido a estas nuevas formas de presentación, pues es claro que una alfabetización entraña muchas más operaciones y ámbitos de desarrollo que las técnicas interpretativas. Obviamente se trataba además de un planteamiento restrictivo al centrarse en el multimedia, frente al concepto más amplio de la alfabetización digital. Era una interpretación demasiado focalizada en una tecnología concreta de una época concreta.

Distintas concepciones de este tipo son revisadas ​​por Eshet (2002). Que, tras el análisis de estas concepciones, llega a la conclusión de que la alfabetización digital debe considerarse  más como  la capacidad de utilizar las fuentes digitales de forma eficaz que de otra cosa. Se trata pues  de un tipo especial de mentalidad o pensamiento. Esta conceptualización está bastante más próxima a lo que planteamos en este trabajo, únicamente que se refiere a la forma de procesar la información, no a organizar la resolución de problemas. El pensamiento computacional es más una resolución de problemas.

Pero un gran mérito de la definición de Gilster, en su libro de 1997, es que rechaza de plano la idea que dio lugar al mito de los “nativos digitales”.  Afirma explícitamente que “la alfabetización digital tiene que ver con  el dominio de las ideas, no con las pulsaciones en el teclado”. Dice claramente, en su concepción, lo limitado de las “habilidades técnicas” desde la perspectiva de la alfabetización digital. Señala que “no sólo hay que adquirir la habilidad de hallar las cosas, sobre todo se debe adquirir la capacidad de utilizar esas cosas en la vida del individuo”(pp. 1-2).

Un fuerte impulso de esta idea sobre lo establecido por Gilster (1997) lo da David Bawden (2008, Capítulo 1), donde afirma  que la alfabetización digital implica una forma de distinguir una variedad creciente de conceptos y de hechos, para delimitar los que son relevantes en orden a conseguir  el dominio de las ideas. E insiste en lo necesario para ello de una evaluación cuidadosa de la información, en el análisis inteligente y en la síntesis. Todo ello como vemos tiene que ver con la metacognición. Para ello  proporciona listas de habilidades específicas y de técnicas que se consideran necesarias para estos objetivos, y  que en conjunto constituyen  lo que califica como una cultura digital. Es importante señalar que los auténticos avances sobre estas ideas siempre son las mismas, provienen de listas de competencias, donde resaltan los aspectos metacognitivos

Sobre estas competencias Bawden (2008) remite a las expuestas en otro trabajo anterior (Bawden, 2001). En las habilidades que señalan se constatan ideas como la de construir un “bagaje de información fiable” de diversas fuentes, 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. Sobre las ideas de Bawden se debería volver.

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

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

Es importante esta última tendencia, la de definiciones basadas en operaciones,  porque implica una estandarización. Y esto confiere un carácter “funcional” a  la Alfabetización Digital. Estamos pues en presencia de un enfoque de índole cultura digital, centrando en el estudio en la naturaleza de las  tareas, presentaciones, demostraciones de habilidades, etc. que se realizan, que progresan en la construcción de estándares  para definir qué es o no es Alfabetización Digital.

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

Lo que se propone en este trabajo, con la construcción de la idea del pensamiento computacional a partir de elementos o de formas específicas de pensamiento para resolver problemas, tiene que ver con la Alfabetización Digital en lo concerniente a que éste 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  para la elaboración compleja que, de otra forma, sería más complejo, o imposible, realizar. O bien, dicho de otra forma, 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, y concluyendo, 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.

Señalamos en relación con esta última acepción algunos ejemplos que veremos después, o hemos visto, en este trabajo, como son el de la  determinación de la génesis de los contagios, en el caso que cuestiona teorías generales como la teoría miasmática del origen de las enfermedades, o la secuencia de llenado de los asientos en el embarque de aeronaves.

 

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

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

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

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

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

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

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

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

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Pensamiento computacional. Una tercera competencia clave. (I)

Miguel Zapata-Ros, Universidad de Alcalá

Con ésta entrada se inicia una serie que, en conjunto, constituirán un capítulo de un libro que está acordado sea publicado por la editorial de la Universidad Católica de Santa María de Arequipa (Perú) con el título provisional de “El pensamiento computacional: La nueva alfabetización de las culturas digitales”.

El título del capítulo ya, de entrada, presupone una propuesta de atribución de valor y sentido de lo que debe ser el pensamiento computacional dentro del curriculum escolar de Primaria, de Secundaria Obligatoria y de Bachillerato o Secundaria Postobligatoria y también de Educación Infantil: Una tercera competencia clave, junto con las dos que de forma comúnmente aceptada así se consideran: Lenguaje y matemáticas. 

¿Por qué un corpus curricular sobre “pensamiento computacional” ahora?

Hace dos años decíamos (Zapata-Ros, 2015) que “las instituciones y agencias competentes, los expertos y los autores de informes de tendencia se han visto sorprendidos por un hecho: la sociedad y los sistemas de producción, de servicios y de consumo demandan profesionales cualificados en las industrias de la información”. Constatando, en el mundo desarrollado, la existencia de altas tasas de paro con un considerable número de puestos de trabajo de ingenieros de software, desarrolladores de aplicaciones, documentalistas digitales, que se quedan sin cubrir por falta de egresados de las escuelas técnicas, por falta de demanda de estos estudios por parte de potenciales alumnos y sobre todo por la falta de personal capacitado.

Esta era una causa pero hay otras que señalamos en (Zapata-Ros, 2012) como son las disrupciones universitarias que hacen que un número considerable de individuos, algunos extremadamente competentes, soslayen la vía de formación, y promoción profesional formales que teóricamente la universidad tienen encomendadas por otras vías más autónomas.

Ahora la toma de conciencia de las instituciones y agencias públicas, estatales e interestatales es mucho mayor. Una muestra de ello es la declaración de la UE en el documento The Computational Thinking Study[1]

Computational thinking (CT) is a shorthand for “thinking as a computer scientist”, i.e. the ability to use the concepts of computer science to formulate and solve problems. Computational thinking has been promoted in recent years as a skill or competence that is as fundamental as numeracy and literacy. Despite the high interest in developing CT among schoolchildren and the large public and private investment in CT initiatives, there are a number of issues and challenges for the integration of CT in the school curricula.

Tras una primera etapa de toma de conciencia ante la situación, algunos países han reaccionado de forma diversa según podemos ver en la tabla que constituye la última parte del presente trabajo.

En ese cuadro podemos ver distintas respuestas por parte de los sistemas educativos de los países más sensibles, los que han abordado el problema desde la perspectiva de una reorganización del curriculum. Sin embargo la cuestión de fondo supone la aparición de unas nuevas destrezas básicas. Las sociedades más conscientes han visto que se trata de una nueva alfabetización, una nueva alfabetización digital, y que por tanto hay que comenzar desde las primeras etapas del desarrollo individual, al igual como sucede con otras habilidades clave: la lectura, la escritura y las habilidades matemáticas, e incluso estudiando las concomitancias y coincidencias de esta nueva alfabetización con estas competencias claves tradicionales.

Afortunadamente la propuesta de poner a los niños a programar desde las primeras etapas, como única o principal estrategia de enseñanza, está cediendo. Según esta opción, la que ha sido la más frecuente hasta ahora y la más simple, a fuer de ser una respuesta  mecánica, ha consistido en favorecer el aprendizaje de la programación y de sus lenguajes de forma progresiva. En la práctica este procedimiento ha consistido, y aún constituye de forma muy frecuente, en proponer a los niños tareas de programar desde las primeras etapas. De manera que la progresión estuviese en la dificultad de las tareas y en su carácter motivador, desde las más sencillas y más lúdicas a las más complejas y aburridas. Se vincula aprendizaje con la respuesta a un estímulo, no con las características de aprendizaje y cognitivas del niño, en la tradición más clásica del conductismo.

Sin embargo una propuesta que hacíamos hace dos años (Zapata-Ros, 2015) se está abriendo cada vez más paso y lo hace de manera más decisiva. Se trata de la alternativa, ya tenida en cuenta por Papert (1980),  la que enlaza con corrientes clásicas del aprendizaje apoyado en la tecnología. Nos referimos al construccionismo. Esta alternativa está sostenida por algunos autores, inspira a profesores y grupos innovadores en la puesta en marcha de actividades y en algunos pocos casos a corporaciones que,  frecuentemente de forma aislada, nos planteamos la cuestión de otro modo: Las competencias que se muestran como más eficaces en la codificación son la parte más visible de una forma de pensar, que es útil no sólo en ese ámbito de actividades cognitivas, las que se utilizan en el desarrollo y en la creación de programas y de sistemas informáticos, sino en otras actividades de la vida profesional o científica y de la vida personal. En definitiva sostienen que hay una forma específica de pensar, de organizar ideas y representaciones, que propicia y que favorece las competencias computacionales, pero no sólo. Se trata de una forma de pensar que propicia el análisis y la relación de ideas  para la organización y la representación lógica de procedimientos. Esas habilidades se ven favorecidas con ciertas actividades y con ciertos entornos de aprendizaje desde las primeras etapas. Se trata del desarrollo de un pensamiento específico, de un pensamiento computacional.

Hemos dicho que un precedente remoto de estas ideas está en el construccionismo, en las ideas de autores como Seymourt Paper, en las ideas que puso en marcha ahora hace cincuenta años y que le llevaron a construir el lenguaje LOGO, sus entornos de aprendizaje y micromundos.

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

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

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

Este trabajo, el anterior (Zapata-Ros, 2015), y en general las actividades y reflexiones que se proponen, están justificados por el papel que, en el contexto de cambios sociales, laborales, y culturales (Zapata-Ros, 2014), tiene el desarrollo individual que, desde las primeras etapas, faciliten una integración en ese nuevo entorno, mediante un  aprendizaje orientado hacia las competencias que son necesarias en la programación.

Se trata pues, como vamos a ver, de una nueva alfabetización. De una alfabetización que permita a las personas en su vida real afrontar retos propios de la nueva sociedad. Pero no solo eso, que permita a los individuos organizar su entorno, sus estrategias de desenvolvimiento, de resolución de problemas cotidianos, además de  organizar su mundo de relaciones, en un contexto de comunicación más racional y eficiente.

Todo ello con el resultado de que los individuos puedan organizar estrategias más eficientes para conseguir objetivos personales de índole muy diversa. En definitiva se trata de conseguir una mayor calidad de vida y un mayor nivel de felicidad.

Coincidiendo con la perspectiva que señaló Paper (1980) y antes los psicólogos genéticos y constructivistas (Piaget, 1977) sobre el desarrollo cognitivo, en este planteamiento subyace, como idea-fuerza,  que, al igual a como sucede con la música, con la danza o con la práctica de deportes, es clave  que se fomente una práctica formativa del pensamiento computacional desde las primeras etapas de desarrollo. De manera que, al igual que se pone en contacto a los niños con un entorno musical, de danza o de  deporte, se haga con un entorno de juegos, affordances y en general de actividades que promuevan, a través de la observación y de la manipulación, destrezas y formas de pensar que sean un campo abonado donde se inserten, y se produzcan de manera fluída, las formas de trabajar y de resolver problemas propias de los programadores eficientes.

Sin embargo hay que decir, y así lo constatamos en las indagaciones que hemos hecho para escribir este capítulo, que no tenemos en muchos casos ni evidencias de que esos entornos y esas manipulaciones desarrollen las destrezas computacionales o habilidades asociadas a lo que hemos llamado pensamiento computacional.  Habría pues, como primera cuestión, señalar la necesidad de fomentar investigaciones para tenerlas.

De alguna forma, no es nueva esta perspectiva, pero sí descontextualizada de esa situación. Tradicionalmente, en el diseño curricular de las primeras etapas de desarrollo se ha hablado de aprendizajes  o de destrezas concretas que en un futuro predispondría a los aprendices para aprender mejor en un futuro habilidades matemáticas, geométricas, de lenguaje, como son la seriación, el encaje, la discriminación de objetos por propiedades, en las primeras etapas, y también en las de desarrollo del pensamiento abstracto o para la resolución de problemas. Así se ha hablado de la modularización, del análisis descendente, de análisis ascendente, de recursividad, e incluso de sinéctica y de cinestesia… En la perspectiva Montessori (1928, 1935 y 1937) por ejemplo esto es básico. Para ello se han desarrollado ya multitud de recursos, juegos y actividades que los educadores infantiles conocen bien.

En el trabajo que sirve de precedente a este (Zapata-Ros, 2015) recurrimos a un caso de un niño que secuencia objetos con unos pocos meses de edad, con la circunstancia coincidente de que ha utilizado juguetes de este tipo. Ese mismo niño también ha utilizado, en los meses siguientes, juegos de composición (tangram y puzles) y de percepción y manipulación del espacio 3D, con un notable rendimiento en pensamiento abstracto en esta área para los observadores. También de forma coincidente con esta práctica regular y rutinaria, pero no por ello menos lúdica, en un ejercicio de dibujo de los que hace en clase sin que tuviese el resultado que veremos como objetivo, y sin orientaciones previas en ese sentido, el niño fue capaz de dibujar (fig.1) la planta de su clase, como podemos ver en la reproducción que adjuntamos, donde se distinguen elementos claramente simbolizados en formas, como son la pizarra la mesa y sillas o la escalera. Así como una persona que el niño identifica como “la seño”, la maestra.

Fig. 1

De esta forma deducimos que el niño se ha desprendido de su contingencia corporal-espacial y ha visto, ha percibido, la distribución del espacio y objetos, claramente simbolizados como si él estuviese desde arriba.

 

 

 

 

 

 

 

 

Obviamente es un hecho aislado sólo. Pero podemos intuir que hay multitud de áreas y de formas de aprendizaje que conviene explorar e investigar en esta nueva frontera. Y, en la planificación de los curricula, tendrán que plantearse los diseñadores 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, la delimitación y la definición del pensamiento computacional.

Tropezamos con varios problemas de comienzo: acotar 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 en los textos que publicitaron 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 (Silva, 2014):

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 (Balanskat & Engelhardt , October, 2015) Computing our future Computer programmingand coding – Priorities, school curricula and initiatives across Europe:

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

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

Por otro lado, de igual forma que se habla de prelectura, pre-escritura o precálculo para nombrar competencias que allanan el camino a las destrezas clave y a las competencias instrumentales que anuncian, cabe hablar de precodificación 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 a preconceptos de variable, función, valor, parámetros, que sin necesidad de referencias explícitas, desarrollen habilidades y preconceptos  que en el futuro puedan alojar 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. 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. Sin embargo creemos que es más propio llamarle precodificación, pues codificación describe, con más precisión y más ajuste conceptual, la transferencia de acciones e informaciones para que puedan ser interpretados por los ordenadores y otros dispositivos de proceso, 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, en otros dominios y con anterioridad, 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 su uso. 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 APPs, o al que se maneja con fluidez y rapidez en los ambientes de menús, ventanas y opciones, o simplemente al que tiene habilidad en los pulgares para manejar un smartphone, o con el índice para moverse por un tablet. En una acepción lamentablemente muy extendida y banal ha dado lugar a que prendan conceptos paracientíficos como son los de nativo y emigrante digital.

Como veremos después estas adherencias las eliminaremos al hablar de alfabetizaciones en relación con culturas epistemológicas, así la alfabetización digital tendrá que ver, estará relacionada forzosamente, con la cultura o las culturas digitales.

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.

El primer dilema del pensamiento computacional

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, se nos proponen, 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, bifurcaciones lógicas,…—- luego lenguajes sencillos utilizados para resolver problemas divertidos, de juegos, etc. para 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 lo que se aprende con la respuesta a un estímulo, no con las características propias de aprendizaje y cognición del niño. En definitiva, nada nuevo, se sigue con ello la tradición más clásica del conductismo.

Este es el tipo de planteamiento que está detrás de la idea, simple pero de supuesta eficiencia 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,  que hace poco deseable para muchos ser programador, o al menos les confiere una imagen de frikis, poco deseable, 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, no solo poco deseable sino 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 les 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 a 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 se 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.

Referencias.-

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

Balanskat, A.  & Engelhardt , K. (October, 2015). Computing our future Computer programming and coding – Priorities, school curricula and initiatives across Europe.  European Schoolnet (EUN Partnership AISBL)

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

MONTESSORI, M. (1928). Antropología Pedagógica. Barcelona: Araluce

MONTESSORI, M. (1937). Método de la Pedagogía Científica. Barcelona: Araluce

MONTESSORI, M. (1935). Manual práctico del método. Barcelona: Araluce

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

Piaget, J. (1947). La psychologie de l’intelligence [The psychology of intelligence]. http://dx.doi.org/10.4324/9780203278895

Piaget, J. (1972). Psicología de la inteligencia. Editorial Psique. Buenos Aires.

Piaget, J. (1977). The role of action in the development of thinking. In Knowledge and development (pp. 17-42). Springer US.

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

Silva, R. (2014). START CODING THIS YEAR IT’S EASIER THAN YOU THINK. http://yearofcode.org/

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

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

 

[1] The Computational Thinking Study. Joint Research Centre (JRC). EU Science Hub

https://ec.europa.eu/jrc/en/computational-thinking

[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

 

 

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Patrones de Pensamiento Computacional y corpus lingüísticos: el aprendizaje de lenguas con datos lingüísticos (y II)

 

Pascual Pérez-Paredes,  University of Cambridge

Miguel Zapata-Ros, Universidad de Alcalá

3. Elaboración de un patrón pedagógico para el uso de DDL (aplicación de la categoría de aprendizaje activo)

 

3.1. Componentes de los lenguajes de patrón

 

La expresión “lenguajes de patrón”, al igual que el término “patrón” son constructos acuñados por el arquitecto Christopher Alexander. Los defensores de este enfoque para los métodos de diseño suponen que esta forma de proceder ayuda a los no expertos (a los aprendices de lenguas en nuestro caso y en última instancia) a resolver con éxito problemas de diseño complejo en bastantes ocasiones. Al igual los lenguajes humanos, un lenguaje de patrones tiene un vocabulario, una sintaxis y una gramática. En los lenguajes de patrones utilizados para el diseño, las partes se descomponen de esta manera:

 

  1. El vocabulario. Es el contenido del lenguaje. Lo constituyen una colección de términos, que de forma especializada van a ayudar a describir soluciones a los problemas “en un campo de interés”.  Así, por ejemplo, en el lenguaje Arquitectura el lenguaje lo constituyen términos como: cimientos, edificios, salas, ventanas, cerraduras, etc. En nuestro caso el vocabulario necesario para la descripción del patrón pedgógico estará constituido por los seis conceptos abordados en el apartado 2.2, a saber, corpus, interfaz de búsqueda o concordanciero, nodo, líneas de concordancia, colocaciones y n-grams.
  2. “Sintaxis”. Cada solución a un problema incluye una descripción insertándola en una solución, o en un contexto, más amplio, de manera que cada solución se ajusta a un diseño más grande, más amplio o más abstractos y cada solución se vincula a otras soluciones en una red de soluciones necesarias. Por ejemplo, las habitaciones disponen de formas de obtener la luz, y las formas de acceder y de salir. La sintaxis tiene que ver con las reglas que rigen el lenguaje en tanto que estas reglas van referidas a los términos en sus relaciones con otros términos o con otros contextos más amplios que los contienen. En el caso del uso de DDL para el aprendizaje de lenguas adoptaremos el proceso lineal expuesto en la Figura 3, el cual se divide, a grandes rasgos, en cuatro etapas: inicio de la búsqueda (1), fase de interpretación de datos (2), fase de consolidación de la hipótesis (3) y fase de formulación final de los hallazgos realizados (4). En cada una de estas etapas los aprendices utilizarán alguno de los cinco bloques   (A,B,C,D,E) en los que hemos dividido
  3. “Gramática”. Cada patrón, cada solución, incluye la descripción del problema que resuelve y cómo lo hace, y el beneficio que se obtiene. Por lo tanto, si el beneficio no es necesario o no compensa, la solución no se utiliza. Incluso puede darse que una parte del diseño se puede omitir para ahorrar recursos. En el ejemplo de la arquitectura, en el diseño de edificios o viviendas podría darse el caso de que la gente no tenga que esperar para entrar en una habitación, y en lugar de una sala de espera, tal vez se pueda utilizar un sencillo vestíbulo.
  4. “Índice de relaciones entre términos”. La descripción del lenguaje debe de contemplar el índice que incluya aspectos gramaticales y sintácticos, con otros tipos de enlaces entre términos (patrones) de manera que el diseñador puede pensar rápidamente de una solución a soluciones relacionadas de una manera lógica.
  5. “Diseño”. La red de relaciones en el índice de la lengua permite muchas rutas diferentes a través del proceso de diseño. Esto simplifica el trabajo del diseñador, ya que el proceso puede comenzar desde cualquier parte del problema que el diseñador ya conoce, y caminar hacia lo que se quiere construir de nuevo en el diseño. No es preciso incluso que el diseñador comprenda de forma exhaustiva las razones que llevan a solucionar un problema para aceptar en un primer momento la estructura del patrón. Puede aceptarlo si el patrón ha funcionado bien y en un momento posterior comprenderlo, y el diseño resultante puede resultar utilizable. Por ejemplo, podríamos no comprender que el equipo de limpieza de los esquís se quedase fuera de la casa, y después comprender con el uso o incluso antes, que esto debe ser así porque los esquiadores se deshacen del equipo antes de entrar en casa. En este sentido el lenguaje de patrones no tiene porqué ser un instrumento de comunicación o de transmisión de información, o de procedimientos, sólo entre individuos de distintos niveles de experticia sino incluso de ámbitos de conocimiento diferentes. Puede ser un instrumento de comunicación y de trabajo interdisciplinar. La Figura 5 recoge nuestra propuesta de diseño. Las diferentes etapas están numeradas del 1 al 4, mientras que la sintaxis, la gramática y vocabulario aparecen clasificadas de la A a la E.

 

En el caso que nos planteamos, el del Pensamiento Computacional y de las actividades para el trabajo con DDL, los patrones pedagógicos pueden ser un instrumento de comunicación entre pedagogos (expertos en enseñanza), o psicólogos (expertos en aprendizaje), expertos en lingüística, expertos y educadores y diseñadores en didácticas específicas de todos los niveles educativos, etc. de una parte, e informáticos expertos en sistemas computacionales, desarrolladores, etc. De esta manera, y de igual forma que señalábamos en los ámbitos y con los ejemplos de arquitectura en los que no era preciso en un primer momento comprender enteramente la naturaleza de patrón, es decir no hace falta las razones que llevan a solucionar un problema, para aceptar la estructura del patrón, se pueden dar situaciones análogas en los patrones de Pensamiento Computacional. Así por ejemplo se pueden definir pautas (elementos de patrones no justificados) que tengan en cuenta los principios del aprendizaje significativo de Ausubel (Ausubel, 1963) o los principios de la secuenciación de contenidos de cualquiera de las teorías existentes, sin necesidad de comprender su esencia más profunda desde el primer momento.

Así pues, los lenguajes de patrón se utilizan para formalizar los valores de decisiones cuya efectividad resulta obvia a través de la experiencia, pero que es difícil de documentar y pasar a los aprendices. También son herramientas útiles a la hora de estructurar el conocimiento y comprender sistemas complejos sin caer en la simplificación extrema. Estos procesos incluyen la organización de personas o grupos que tienen que tomar decisiones complejas, y revelan cómo interactúan las diferentes funciones como parte del total.

Si los patrones están diseñados para acoger y tener en cuenta las mejores prácticas en un determinado dominio, los patrones de Pensamiento Computacional tratarán de alojar, para tener en cuenta el conocimiento de expertos en la práctica de la enseñanza de esta nueva alfabetización y en las características de aprendizaje e instruccional de los individuos y de los entornos donde se desarrolla el programa de formación. El objetivo es captar la esencia de la buena práctica en una forma resumida (abstrayendo los elementos más significativos) de manera que pueda ser fácilmente comunicada a los que la necesitan en un contexto de condiciones distinto. En su naturaleza el patrón puede ser igualmente la presentación de esta información (de las buenas prácticas, los conocimientos expertos, las soluciones a problemas,…) de una forma accesible y sistematizada, de manera que para cada nuevo diseñador pueda aprender o tener en cuenta lo que se conoce por expertos o por  profesores, o por otros especialistas, que hayan resuelto ya el problema en cuestión, y sea fácil la transferencia de conocimiento dentro de la comunidad.

 

3.2. Descripción de un patrón asociado a las actividades de DDL

Siguiendo lo establecido por Alexander, un patrón singular debe describirse en 3 partes:

  1. “Contexto” – ¿Bajo qué condiciones resolverá el problema la solución propuesta? Un aspecto importante de los patrones de diseño es identificar y documentar las ideas claves que hacen de un buen sistema un sistema diferente de un sistema normal (para construir una casa, un programa de ordenador, un objeto de uso cotidiano, o la secuencia de la iteración a un problema de embarque en aviones comerciales de pasajeros., o al diseño instruccional de una unidad de números en Primaria), y que ayude en el diseño de futuros sistemas. La idea que se expresa en un patrón debe ser lo suficientemente general para ser aplicadas en casos muy diferentes dentro de un contexto, pero aún lo suficientemente específico como para dar orientaciones constructivas. El contexto donde se aplica es pues el elemento definitorio del patrón. La gama pues de situaciones en las que los problemas y soluciones se resuelven desde un patrón se llama su contexto. De ahí se deriva que una parte importante de cada patrón es la descripción de su contexto. En el caso que nos ocupa, el contexto viene dado por la necesidad de entender y describir en comportamiento léxico-gramatical de una palabra (nodo) y de entender y describir la(s) cadena(s) sintagmática(s) en las que parece, los elementos léxicos que co-selecciona y los significados comunes a los que se asocia su uso. El Apartado 2.1 aborda este contexto específico en profundidad.

 

  1. “Sistema de fuerzas” – Se puede considerar como el problema o el objetivo. Frecuentemente estos problemas surgen en un conflicto de intereses encontrados o “fuerzas”. Un patrón emerge como un diálogo entre posturas contrapuestas o en tensión, de tal forma que la solución ayudará a equilibrar las fuerzas y finalmente a tomar una decisión. Por ejemplo, en un patrón cuya solución fuese utilizar un teléfono inalámbrico las fuerzas serían: por un lado la necesidad de comunicarse, y por otro la necesidad de hacer otras cosas al mismo tiempo (cocinar, limpiar el polvo, etc.). Un patrón muy concreto sería simplemente “utilizar teléfono inalámbrico”. Patrones más generales sería “dispositivo inalámbrico” o “actividad secundaria”, lo que sugiere que una actividad secundaria no debe interferir con otras actividades. En el caso que nos ocupa, el problema viene dado por la necesidad de describir el comportamiento de un elemento léxico o palabra (nodo) con datos reales de uso. En la Figura 5, A-D representan las tareas a realizar para la consecución de E.

 

  1. “Solución” – Es una configuración del sistema que pone las fuerzas en equilibrio o resuelve el problema presentado

 

Contexto → Sistema de fuerzas  → Solución

 

De esta forma un patrón siempre tendría: Una entrada, que es un nombre sencillo, una descripción concisa del problema, una solución definida, y suficiente información para ayudar al usuario a entender cuando debe aplicar esa solución. En la Figura 5, la solución vendría representada por E.

Figura 5. Patrón pedagógico propuesto para el trabajo con actividades DDL para el aprendizaje de lenguas.

Las tareas (A-D) utilizan elementos del pensamiento computacional aplicados, en este caso, a la resolución de un problema de índole lingüística (¿Cómo podemos describir el comportamiento de un nodo atendiendo a la distribución sintagmática y a la frecuencia del mismo en diferentes registros lingüísticos?). Algunos de los elementos de pensamiento computacional usados son   la metacognición, la sinéctica, la recursividad, la aproximación sucesiva, la heurística, la iteración, la creatividad, la resolución de problemas y los patrones. En el capítulo “Pensamiento computacional. Una tercera competencia clave” de esta misma obra se ofrece más información sobre estos y otros elementos del pensamiento computacional.

 

4. Conclusión

En este trabajo, el carácter pedagógico de los patrones y de sus lenguajes viene dado no sólo por su propia naturaleza y función en los procesos de aprendizaje, sino que se aplica a estructuras de información que permiten resumir y comunicar la experiencia acumulada y la resolución de problemas, tanto en la práctica como en el diseño, en programas de enseñanza y aprendizaje (Zapata-Ros, 2015). La utilización de patrones pedagógicos permite compartir buenas prácticas y sirve como referencia para nuevas aplicaciones y casos. El almacenamiento y proceso sistemático de estos patrones permite además construir no solo un corpus de información y una base de datos de referencias documentadas a las que los profesores, diseñadores instruccionales, profesionales o investigadores pueden dirigirse para sus trabajos específicos, sino también, por ser un instrumento de trabajo y de intercambio profesional (Zapata-Ros, 2015), posibilita un mejor entendimiento del papel del Pensamiento Computacional en un área educativa escasamente tratada: el aprendizaje de lenguas. De esta forma, nuestra contribución probablemente consiste en haber definido los elementos de lenguaje específicos del Pensamiento Computacional orientados al trabajo interdisciplinar: el de maestros, pedagogos, y expertos en computación o en diseño instruccional. Así, además de dar una propuesta general de los elementos que constituyen las componentes del lenguaje (Tabla 1), en ese mismo esquema ofrecemos una propuesta de desarrollo de futuras investigaciones que tendrán que determinar con mucho más nivel de detalle cuáles son los elementos de cada uno de esos apartados en relación con el Pensamiento Computacional y el aprendizaje de lenguas mediante datos (DDL).

El presente trabajo ofrece una taxonomía de conceptos y términos procedentes de Data-Driven-Learning (DDL) que rigen los criterios del tipo de análisis de datos necesarios en el aprendizaje inductivo del uso de la lengua mediante datos. Estos criterios se articulan no tanto como patrones de ubicación y colisión, contextos, frecuencias de palabras, etc., sino como patrones de uso y atribución de sentido. El patrón pedagógico propuesto para el trabajo con actividades DDL para el aprendizaje de lenguas (Figura 5) supone el reconocimiento del importante papel que el pensamiento computacional puede y debe jugar en DDL, en particular, y en el aprendizaje de lenguas, en general. DDL y el patrón pedagógico propuesto suponen la afirmación de la necesidad de profundizar en la alfabetización digital relacionada con el lenguaje propuesta por Pegrum (2016) y que, en parte, Dudney et al. (2013) concibieron como data literacy. Este subtipo de alfabetización reconoce el papel que el aprendiz juega en la toma de decisiones/aprendizaje por lo que es, precisamente, el individuo, el aprendiz, la pieza clave en el aprendizaje con datos.

La existencia de grandes bases de datos estructuradas de nada sirve si los aprendices no saben cómo gestionar la búsqueda, cribar los resultados, interpretar la importancia de los datos cuantitativos y cualitativos que se presentan y, en última instancia, formar conclusiones apoyadas en datos y su propia capacidad crítica. Es exactamente en este contexto en el que el uso de patrones pedagógicos puede ser de enrome utilidad al establecer un vínculo entre el conocimiento especialista propio de los lingüistas y la escasa motivación pedagógica de muchas de las aplicaciones DDL (Pérez-Paredes, 2010) en el aula de idiomas.


Tabla1.- Elementos de lenguaje de patrones del Pensamiento Computacional aplicados a las actividades DDL

 

 
Clase
Descripción
Elementos que lo componen
Ejemplos
Vocabulario Es el contenido del lenguaje. Lo constituyen una colección de términos, que de forma especializada van a ayudar a describir soluciones a los problemas “en un campo de interés”.  Términos obtenidos de la jerga de los programadores, pero con una formulación asequible al resto: relevantes para el ámbito semántico del PC, Corpus, nodo, concordanciero, líneas de concordancia, colocación, n-gram
Los propios elementos del Pensamiento computacional Metacognición, análisis ascendente, sinectica, recursividad,…
los procedentes de las ciencias conexas pero con relevancia para este dominio nuevo del lenguaje:

 

Heurístico, algoritmo, metacognición, elaboración, andamiaje cognitivos,…
Sintaxis Cada solución a un problema  incluye  una descripción insertándola en una solución, o en un contexto, más amplio, de manera que cada solución se ajusta a un diseño más grande, más amplio o más abstractos. De manera que cada solución se vincula a otras soluciones en una red de soluciones necesarias.

 

Reglas para organizar los elementos compuestos.

Un problema complejo normalmente necesita de varias formas de pensamiento computacional y sobre todo de un contexto amplio.

En la resolución de un problema de álgebra (de un sistema lineal) los elementos irán ensamblados por relaciones. En nuestro caso, el proceso de resolución es initiate > interpret > consolidate > report.
Gramática Está constituida por elementos que son la descripción del problema y de la solución. En la idea de que cada patrón, cada solución, incluye la descripción del problema que resuelve y cómo lo hace, y el beneficio que se obtiene.  En el caso del PC cada elemento está constituido por un problema descrito en un lenguaje comprensible por todos los que componen el equipo multidisciplinar que lo aborda y por los elementos teóricos y prácticos que fundamentan la solución así como la descripción del procedimiento para resolverlo así como las herramientas informáticas que se han desarrollado o pueden ser útiles. En el problema del viajante (TSP, Traveling Salesman Problem) (Zapata-Ros, 2015 pp 22,23) el elemento de Gramática está constituido por la descripción del problema y la solución, entendiendo que en ella se incluyen los elementos teóricos y procedimentales que son necesarios: la parte de Teoría de grafos que es necesaria para resolverlo, y el método específico opt y k-opt, o heurística Lin-Kernighan, así como las herramientas informáticas que se han desarrollado o pueden ser útiles.
Índice de relaciones entre términos La descripción del lenguaje debe de contemplar el índice que incluya aspectos gramaticales y sintácticos, con otros tipos de enlaces entre términos (patrones) de manera que el diseñador puede pensar rápidamente de una solución a soluciones relacionadas de una manera lógica.  En el caso del PC, las relaciones pueden ser la de secuenciación, qué orden seguirán los elementos para ser utilizados en un problema, y necesidad: Para resolver el problema A hace falta el elemento B, como relaciones más importantes, pero hay muchas más que pueden surgir fruto de un análisis que vaya más allá de los objetivos de este trabajo. Para resolver el problema del viajante (TSP, Traveling Salesman Problem) (Zapata-Ros, 2015 pp 22,23) es necesario el método opt y k-opt, o heurística Lin-Kernighan,
Diseño Las relaciones pueden integrarse en estructuras complejas y orientadas a la resolución de un problema. Entonces su elaboración y las técnicas para hacerla constituyen el diseño. La red de relaciones en el índice de la lengua permite muchas rutas diferentes a través del proceso de diseño. Esto simplifica el trabajo del diseñador, ya que el proceso puede comenzar desde cualquier parte del problema que el diseñador ya conoce, y caminar hacia lo que se quiere construir de nuevo en el diseño. No es preciso incluso que el diseñador comprenda de forma exhaustiva las razones que llevan a solucionar un problema para aceptar en un primer momento la estructura del patrón. Puede aceptarlo si el patrón ha funcionado bien y en un momento posterior comprenderlo, y el diseño resultante puede resultar utilizable. En el caso del PC el diseño de patrones precisaría definir cuales aspectos del patrón son indiferentes del problema que queramos resolver, e incluso qué elementos es preciso analizar entre problemas de naturaleza diferente para que se pueda utilizar el mismo patrón. Por ejemplo: qué tienen de común el problema del viajante y el problema del embarque de los pasajeros en un avión para que podamos utilizar el mismo algoritmo o un algoritmo de la misma naturaleza.

En un trabajo de elaboración de un lenguaje de patrones para el PC habría pues de delimitar y definir estos elementos de diseño.

 

 

 

 

 

 

 

Pérez-Paredes, P. y  Zapata-Ros, M. (2018).  Patrones de Pensamiento Computacional y corpus lingüísticos: el aprendizaje de lenguas con datos lingüísticos (Preprint). http://eprints.rclis.org/32209/

Referencias

 Alexander, C. (1977). A Pattern Language: Towns, Buildings, Construction. Oxford University Press.

Alexander, C., Ishikawa, S. y Silverstein, M. (1977). A Pattern Language. Oxford University Press. http://library.uniteddiversity.coop/Ecological_Building/A_Pattern_Language.pdf

Ausubel, D. P. (1963). The psychology of meaningful verbal learning; an introduction to school learning. New York: Grune & Stratton.

Ballance, O. J. (2017). Pedagogical models of concordance use: correlations between concordance user preferences. Computer Assisted Language Learning30(3-4), 259-283.

Biber, D., Johansson, S., Leech, G., Conrad, S., Finegan, E., & Quirk, R. (1999). Longman grammar of spoken and written English. Harlow: Longman.

Biber, D., & Conrad, S. (2009). Register, genre, and style. Cambridge: Cambridge University Press.

Boulton, A., & Pérez-Paredes, P. (2014). ReCALL special issue: Researching uses of corpora for language teaching and learning. Editorial Researching uses of corpora for language teaching and learning. ReCALL26(2), 121-127.

Chomsky, N. (1965). Aspects of the Theory of Syntax. Cambridge, MA: MIT Press.

Cunningham, W. (1995a). The Portland Pattern Repository. Cunningham & Cunningham. Consultado el [dd/mm/aaaa] en Inc,.. http://www.c2.com/

Cunningham, W. (1995b). Tips For Writing Pattern Languages. Consultado el [dd/mm/aaaa] en http://www.c2.com/cgi/wiki?TipsForWritingPatternLanguages

DeLano, D.E. y Rising, L. (1997). Introducing Technology into the Workplace. Proceedings PLoP’97 Conference. Consultado el [dd/mm/aaaa] en http://hillside.net/plop/plop97/Proceedings/delano.pdf

Dudeney, G., Hockly, N., & Pegrum, M. (2013). Digital Literacies. Harlow: Pearson.

Ellis, P., Hunston, S. Manning, E. (1996). Grammar Patterns 1: Verbs (COBUILD). New York: Collins.

Flowerdew, L. (2015). Data-Driven learning and language learning theories. In Leńko- Agnieszka Szymańska, & Alex Boulton (eds.) Multiple Affordances in Language Corpora for Data-Driven Learning. Amsterdam: John Benjamins, pp. 15-36.

Fricke, A. y Voelter, M. (2000). SEMINARS: A Pedagogical Pattern Language about teaching seminars, [en línea]. Trabajo presentado en EuroPLoP 2000. Disponible en: http://www.voelter.de/publications/seminars.html [2008, 2 diciembre].

Novak, J.D.: Teoría y práctica de la educación. Alianza Universidad, Madrid, 1988. Pedagogical Patterns Project (2008), [en línea]. Disponible en: http://www.pedagogicalpatterns.org/ [2008, Enero]

O’keeffe, A., McCarthy, M., & Carter, R. (2007). From corpus to classroom: Language use and language teaching. Cambridge: Cambridge University Press.

Pegrum, M. (2016). Languages and literacies for digital lives. In Elenea Martín-Momnje, Izaskun Eloraz & Blanca García Riaza (eds) Technology-Enhanced Language Learning for Specialized Domains, pp. 9-22.

Basanta, C. P., & Martín, M. E. R. (2007). The application of data-driven learning to a small-scale corpus: using film transcripts for teaching conversational skills. Language and computers studies in practical linguistics61(1), 141-147.

Pérez-Paredes, P. (2010). Corpus linguistics and language education in perspective: Appropriation and the possibilities scenario. Corpus linguistics in language teaching. Bern: Peter Lang, 53-73.

Pérez-Paredes, P., & Díez Bedmar, B. (2010). Language corpora and the language classroom. Materiales de formación del profesorado de lengua extranjera Inglés. Murcia: Consejería de Educación, 1-48.

Pérez-Paredes, P., Sánchez-Tornel, M., Alcaraz Calero, J. M., & Jiménez, P. A. (2011). Tracking learners’ actual uses of corpora: guided vs non-guided corpus consultation. Computer Assisted Language Learning24(3), 233-253.

Sinclair, J. (1991). Corpus, concordance, collocation. Oxford: Oxford University Press.

Sinclair, J. (2003). Reading concordances: an introduction. Harlow: Pearson Longman.

Sinclair, J. & Mauranen, A. (2006). Linear unit grammar: Integrating speech and writing. Amsterdam: John Benjamins Publishing.

Zapata, M. (2005a). SEQUENCING OF CONTENTS AND LEARNING OBJECTS. RED. Revista de Educación a Distancia, número 13. Available: dd/mm/yy http://www.um.es/ead/red/13/

Zapata, M. (2005b). SEQUENCING OF CONTENTS AND LEARNING OBJECTS – part II. RED. Revista de Educación a Distancia, número 14. Available: http://www.um.es/ead/red/14/

Zapata, M. (2005,c). Secuenciación de contenidos y objetos de aprendizaje. RED. Revista de Educación a Distancia, número monográfico II. Consultado el 9 de Febrero, 2005, en http://www.um.es/ead/red/M2/zapata47.pdf

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

Bibliografía básica de referencia en computación

Gamma, E. et al. (1995). Design Patterns. Elements of Reusable Object-Oriented Software – Gamma, Helm, Johnson, Vlissides – Addison Wesley

Gamma, E. et al. (1995). Design Patterns: Elements of Reusable Object Oriented Software. Erich Gamma, Richard Helm, Ralph Johnson, John Vlissides, http://www.cs.up.ac.za/cs/aboake/sws780/references/patternstoarchitecture/Gama-DesignPatternsIntro.pdf

Gamma, E. et al. (2006) Patrones de diseño: elementos de software orientado a objetos reutilizables. Addison-Wesley.

Buschmann et al. (1995) A System of Patterns– Wiley

Larman, (1999) UML y Patrones. Introducción al análisis y diseño orientado a objetos – – Prentice Hall.

Brown, et al. (2004). AntiPatterns. Refactoring Software, Architectures and Projects in Crisis – Wiley.

 

Referencias en la web

The Portland Pattern Repository. Cunningham & Cunningham, Inc, , de Ward Cunningham.. http://www.c2.com/

Tips For Writing Pattern Languages, , de Ward Cunningham. http://www.c2.com/cgi/wiki?TipsForWritingPatternLanguages

Architypes.net – proyecto de lenguajes de patrón comunitarios de arquitectura http://www.architypes.net/pattern/categorizations

Liberating Voices! Proyecto de lenguajes de patrón, http://www.publicsphereproject.org/patterns/

El sitio de Christopher Alexander patternlanguage.com http://www.patternlanguage.com/

Ensayo sobre los lenguajes de patrón y su uso en el diseño urbano. Christopher Alexander . http://www.gardenvisit.com/history_theory/library_online_ebooks/architecture_city_as_landscape/christopher_alexanders_city_not_tree

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Patrones de Pensamiento Computacional y corpus lingüísticos: el aprendizaje de lenguas con datos lingüísticos (I)

Pascual Pérez-Paredes, University of Cambridge.

 

 

 

Miguel Zapata-Ros, Universidad de Alcalá

 

1. Introducción a los patrones pedagógicos

 

En este trabajo abordaremos el problema general de cómo favorecer la comunicación y el trabajo colaborativo entre educadores, diseñadores instruccionales y otros profesionales vinculados al dominio del conocimiento que constituye el pensamiento computacional en el contexto de aprendizaje de lenguas. Para ello abordaremos el problema desde la experiencia, la teoría desarrollada y la práctica que ofrecen los patrones, hasta ahora desarrollados en los ámbitos de la computación, de la arquitectura y el urbanismo, la lingüística de corpus y, más recientemente, el aprendizaje en entornos conectados y ubicuos de aprendizaje.

 

El concepto de patrón y su práctica en estos dominios del conocimiento se aplica a estructuras de información que permiten resumir y comunicar la experiencia acumulada y la resolución de problemas, tanto en la práctica como en el diseño, en actividades específicas de esos ámbitos de desarrollo y de trabajo. De esta forma un patrón puede entenderse como una plantilla, una guía, un conjunto de directrices o de normas de diseño. Los patrones pueden entenderse desde dos perspectivas: Desde las técnicas y teorías especificas del ámbito de problemas en el que trabajemos, en este caso desde el ámbito del Pensamiento Computacional, o bien desde la perspectiva de los lenguajes y las técnicas computacionales, no solo hipertextuales, que permiten el desarrollo de patrones. Un patrón pues permite la adquisición de “buenas prácticas” y sirve como referencia para nuevas aplicaciones y casos. El almacenamiento y proceso sistemático de estos patrones permite construir corpus de información o bases de datos de referencias documentadas a las que los profesores, diseñadores instruccionales, profesionales o investigadores pueden dirigirse para sus trabajos específicos.

Los patrones de e-learning tienen su origen en los patrones de diseño o en lo patrones en general para aplicar en un campo cualquiera de la actividad de creación y de desarrollo, donde se quiere optimizar el trabajo intelectual haciendo más eficaz el trabajo empleado. Originalmente los patrones de diseño se deben al arquitecto Christopher Alexander. Posteriormente, estas técnicas se han adoptado en la ingeniería de software, desde donde se han incorporado al diseño instruccional tecnológico. Sin embargo, es conveniente atribuirle un sentido instruccional utilizando lo que se pueda de este ámbito como del de las teorías del aprendizaje.

Podríamos plantearnos pues qué son en esencia los patrones. Un patrón (Alexander et al., 1977 p X) “describe un problema que ocurre una y otra vez en nuestro entorno y, a continuación, describe el núcleo de la solución de ese problema, de tal manera que el usuario puede utilizar esta solución un millón de veces más, sin tener que hacerlo de la misma manera dos veces”. Igualmente podemos plantearnos qué son los patrones instruccionales, aunque el término igualmente acuñado puede ser el de patrones pedagógicos (Pedagogical Patterns Project, 2008).

En esencia un patrón resuelve un problema. Este problema debe ser una naturaleza tal que se repita en distintos contextos. En el ámbito del pensamiento computacional tenemos muchos problemas de esta naturaleza, de hecho constituye la esencia de su naturaleza. Son, por ejemplo, los relacionados con la iteración, el pensamiento divergente o la metacognición.

A este planteamiento se puede añadir el de carácter general que se desarrolla para la elaboración de los patrones pedagógicos. No en balde la perspectiva del pensamiento computacional es una perspectiva pedagógica. El Pedagogical Patterns Project (2008) establece una clasificación de los patrones pedagógicos en tres categorías:

  • Aprendizaje activo. Un patrón de este tipo se basaría en un conjunto de actividades que involucren a los alumnos de manera activa. El patrón se construye utilizando algún problema concreto que a menudo pueden ocurrir en un entorno de enseñanza y que maximice la atención del alumno por estar implicado en la resolución, o por sus experiencias pasadas o presentes, por su carácter real etc.
  • Aprendizaje experimental. Un patrón de este tipo se basaría en lo que es necesario aprender mediante la experimentación o bien mediante las experiencias pasadas de los alumnos estudiantes.
  • Enseñando desde diferentes perspectivas. Un patrón de este tipo se basaría en la bondad de los aprendizajes que supone por los alumnos el estudio de los recursos educativos desde diferentes perspectivas, tratando los siguientes problemas: preparar al estudiante para el mundo real, hacer uso de diferentes perspectivas por pares (por ejemplo, utilizando personal profesional de empresa).

A lo anterior podríamos añadir “aprendizaje autónomo” y “aprendizaje basado en problemas”. En esta catalogación podríamos estudiar, de hecho, dejamos esa puerta abierta a los patrones de aprendizaje divergente, patrones de aprendizaje creativo y a toda una serie de patrones cada uno de los cuales tiene que ver con una forma de aprendizaje asociada a un elemento del pensamiento computacional

La naturaleza de estos problemas, los que son objeto de patrones, es, como vemos, que se pueden repetir de forma diferente (en partes no sustanciales) cada vez. Y cuando aparece un problema de este tipo conlleva consideraciones a tener en cuenta para tomar las decisiones en la selección del procedimiento a utilizar para la resolución. Estas consideraciones son las que influyen en los expertos a optar por una u otra resolución. Son las consideraciones que el patrón presenta para que las tengamos en cuenta en nuestra elección y que nos pueden acercar o alejar de una buena solución al problema.  Un patrón presenta un problema y una solución. O bien el criterio de la solución. De tal forma que los criterios que deben aplicarse deben hacer que la solución sea la más acertada para el problema planteado.

 

2. El aprendizaje de lenguas con datos lingüísticos: lingüística de corpus y DDL

La utilización de patrones pedagógicos basados en el pensamiento computacional para la adquisición de lenguas nos permite asomarnos a una concepción del lenguaje y de la comunicación que es el resultado de la evolución de diversas técnicas analíticas de índole cuantitativa que se han desarrollado aproximadamente en los últimos 40 años. En concreto, el aprendizaje con corpus lingüísticos (Data Driven Learning) es un área que en la actualidad atrae a un importante número de investigadores procedentes de la lingüística aplicada, la lingüística de corpus y la adquisición de segundas lenguas.

En los siguientes párrafos trazaremos una ruta que nos permita entender cómo la utilización de corpus lingüísticos ha favorecido la formulación de una teoría lingüística que explica el uso de la lengua, su análisis y aprendizaje como la intersección entre registros (tipo de texto, p.ej. ficción, texto periodístico, manual académico, etc.), función comunicativa (intención del hablante, p.ej. describir, explicar, etc.) y el uso de patrones lingüísticos (patterns) de índole léxico-gramatical. Estos últimos constituyen la parte formal en la que se perfeccionan las elecciones sintagmáticas y paradigmáticas de los hablantes y que, como veremos más adelante, no forman generalmente parte de los currículos oficiales enseñanza de lenguas (Pérez-Paredes, 2010).

 

2.1 Primera aproximación a Data Driven Learning (DDL): de la teoría lingüística a la lingüística aplicada al aprendizaje de lenguas

 

La lingüística del Corpus, así como los métodos de investigación que se asocian a esta ciencia lingüística, se utilizan con la finalidad de profundizar en lo que el lingüista John Sinclair (Sinclair, 1992, 2003) describió como nuevas unidades de significado. Estás unidades sobrepasan la dicotomía que estableció Saussure entre significado y significante a nivel de palabra y, a grandes rasgos, cuestionan el nivel léxico de análisis, la palabra si se quiere, como unidad fundamental de análisis del uso de la lengua. La gran mayoría de lingüistas del corpus trabajan con la hipótesis de que los niveles de análisis léxico y gramatical están tan intrínsecamente unidos que no es posible entender y describir fenómenos asociados al uso de la lengua sin utilizar ambos ámbitos de análisis de forma integrada en el análisis de patrones lingüísticos. Esta forma de entender la lengua (Sinclair & Mauranen, 2006) ha ido cobrando forma y ganando adhesiones, en gran parte gracias a la utilización métodos de análisis cuantitativos que abordan la relación entre ambos ámbitos.

Durante las últimas décadas, la lingüística del corpus ha demostrado que el uso de la lengua presenta una tendencia muy marcada a la utilización de patrones léxico gramaticales que se repiten de forma sistemática en diferentes registros comunicativos, por ejemplo, por citar dos registros bien diferentes, en conversaciones telefónicas con conocidos o en artículos de investigación. El análisis del uso de la lengua basado en datos ha supuesto una revolución en la lingüística de corte Chomskyano, la cual, favorecía una concepción generativista de la lengua: “a generative grammar must be a system of rules that can iterate to generate an indefinitely large number of structures. This system of rules can be analyzed into the three major components […] the syntactic component of a grammar must specify, for each sentence, a deep structure that determines its semantic interpretation and a surface structure that determines its phonetic interpretation” (Chomsky, 1965: 15-6). En esta gramática generativista de la lengua, los patrones de uso léxico-gramaticales y su frecuencia no jugaban papel alguno, ya que el objeto de análisis del lingüista recaía en el estudio de las estructuras profundas que condicionan la producción lingüística accesible mediante nuestros sentidos a los interlocutores en un proceso comunicativo determinado.

Biber y Conrtad (2009) sostienen que la variación lingüística es sistemática y que se articula en torno a diferentes funciones que se perfeccionan en diferentes tipos de registros lingüísticos. Por ejemplo, gracias al estudio de grandes cantidades de datos lingüísticos, sabemos que, en la lengua inglesa, el uso de pronombres es estadísticamente más frecuente en conversaciones que en otros registros (p.ej. inglés académico o en lenguaje periodístico). La conversación tiene lugar en contextos donde los interlocutores comparten tiempo y referencias espaciales, por lo que podemos hablar de la existencia de un contexto compartido que facilita la utilización de, entre otros, deícticos y formas pro-nominales. Este hecho condiciona las oportunidades de uso de modificadores en el sintagma nominal, ya que los sintagmas preposicionales que suelen aparecer en posición post nominal lo hacen más frecuentemente detrás de núcleos sintagmáticos ocupados por nombres en vez de por pronombres (Biber et al., 1999). Este ejemplo, pese a su sencillez, muestra que los registros (conversación, registro académico, periodístico, etc) presentan una orientación funcional que a su vez condiciona las posibilidades léxico gramaticales que los usuarios del lenguaje tienen a su disposición cuándo generan y crean contenidos, esto es, cuando se comunican.

En la década de los 90, John Sinclair y su equipo desarrollaron materiales para el aprendizaje de lenguas en los que se describían los patrones (patterns) utilizados en la lengua inglesa procedentes del Bank of English[1] y desarrollados junto al diccionario Cobuild en la Universidad de Birmingham. Citaremos aquí un ejemplo de estos patrones lingüísticos con la finalidad de que el lector entienda con precisión el concepto que nos ocupa. Tomemos la siguiente estructura gramatical (Ellis, Hunston & Manning, 1996):

Figura 1. Un ejemplo de patrón léxico gramatical extraído del corpus Bank of English.

Estamos ante una secuencia de verbo (1) seguido de un sintagma proposicional (2) complementado a su vez por un sintagma nominal cuyo núcleo es un grupo nominal compuesto (3). Un ejemplo de esta secuencia sería (She) alternated (1) between (2) anger and depression (3). Al examinar todos los ejemplos de esta secuencia en el corpus, los autores encontraron que la posición (1) está sistemáticamente ocupada por un grupo muy restringido de verbos que, a su vez, expresan un rango de significados que determinan que la posición (3) se vea ocupada por un rango limitado de nombres. En la Figura 2 el lector podrá apreciar los grupos de verbos en la posición (1) y sus significados:

Figura 2. Grupos verbales que ocupan la posición (1) en la secuencia ejemplificada.

Los verbos que aparecen en la posición (1) se ocupan de relaciones entre personas o cosas con la finalidad de ayudar, diferenciar, elegir o informar sobre un rango de posibilidades o acciones. Por cuestiones de espacio, en la Figura 2 nos centramos en el tercer grupo de verbos (alternate group). Según los datos extraídos del corpus, los verbos que ocupan esta posición son alternate, flit, oscillate, vacillate y waver. Cuando van seguidos de la preposición between y un nombre en plural, el hablante quiere exponer la existencia de una alternativa que, generalmente, implica la aceptación de un escenario negativo en el que se ha de tomar una decisión. Los siguientes dos ejemplos extraídos del Corpus of Contemporary American English (COCA)[2] ilustran esta secuencia con el verbo waver:

COCA:1998:ACAD

AfricaToday   rather to reassure us of the solidarity of its foundations. While former times constantly wavered between lofty ideologies building international castles in the air, and coarse scepticism or even)

COCA:1995:FIC

It seemed to take longer to drive back. A sobering interlude where Kelsey wavered between tears and anger. Most of the anger died by the time she pulled)

 

Curiosamente, en nuestra búsqueda encontramos que la mayoría de usos recientes de esta secuencia utilizan nombres abstractos en vez de nombres comunes. Sin duda, no es el lugar para indagar de forma más extensa en esta observación, pero el lector se hará cargo de las posibilidades que ofrece la utilización de este tipo de datos estructurados que nos permite conocer el tipo de registro usado (ficción, lenguaje periodístico), el medio usado (oral, escrito), la variedad (en este caso inglés americano), año de producción, etc. El siguiente ejemplo de uso también procede del corpus COCA:

COCA:2015:FIC

Again there were the Red Gross lines, again the harried crowd wavered between capitulation and outrage. We looked out on our unfamiliar neighbors, all of)

Ahora bien, ¿cómo llega un aprendiz a la Figura 2 partiendo del input en la Figura 1? Desde el aprendizaje de segundas lenguas, se proponen teorías (Usage-based theory) que sostienen que el uso de lenguaje y el conocimiento que poseemos del mismo están condicionados tanto por la exposición al uso de la lengua como por procesos cognitivos de índole general (domain general), no necesariamente específicos y singulares. Se sostiene que el aprendizaje de una lengua, bien sea la lengua materna como una segunda o una tercera lengua, depende del input recibido por el aprendiz o hablante. En este sentido estamos ante una teoría que cuestiona los postulados fundamentales de la lingüística Chomsky en lo concerniente a la lengua materna. No es este el lugar para abundar en esta teoría, pero basté citar aquí las contribuciones de la gramática de construcciones o las contribuciones de la lingüística cognitiva a la semántica de las construcciones. La utilización de actividades DDL pueden permitir al aprendiz de lenguas acceder a un conocimiento que de forma intuitiva puede llegar a poseer un hablante nativo de la lengua en al menos algunos de los numerosos registros de uso de la lengua.

 

2.2. DDL y pensamiento computacional

En pleno siglo XXI, en la era del big data, la utilización de datos lingüísticos en forma de corpus nos abre una puerta al estudio y comprensión de los usos comunicativos de una forma nunca antes contemplada en la enseñanza reglada de idiomas. La utilización de herramientas del Corpus para la enseñanza y el aprendizaje de lenguas comenzó en la década de los 90 (Boulton & Pérez-Paredes, 2014), cuando se acuña el término Data-driven-learning (DDL). Mediante el mismo, los estudiantes pueden acceder a un conocimiento sobre el uso de la L2 que, por diversos motivos, no suele formar parte del currículo oficial en la enseñanza de lenguas (Pérez-Paredes, 2010). O’Keeffe, McCarthy & Carter (2007:21) resumen así algunos de los beneficios del uso de corpus lingüísticos, en general, y de DDL, en particular:

As well as providing an empirical basis for checking our intuitions about language, corpora have also brought to light features about language which had eluded our intuition […] In terms of what we actually teach, numerous studies have shown us that the language presented in textbooks is frequently still based on intuitions about how we use language, rather than actual evidence of use. It seems that language corpora can help us discover that which apparently appears undisputed in prescriptive or in intuition-led textbooks and other reference materials.

 

DDL utiliza actividades inductivas (Flowerdew, 2015) mediante las cuales los aprendices se convierten en investigadores, en aprendices activos en busca de patrones lingüísticos mediante el acceso a grandes cantidades de información.  Este enfoque activo contrasta con las metodologías más tradicionales, deductivas, basadas en el conocimiento conceptual (Pérez Basanta & Rodríguez Martín, 2007: 146-7).  Según Pérez-Paredes & Díez Bedmar (2010), para usar DDL el estudiante debe estar familiarizado al menos con seis conceptos fundamentales en la lingüística de corpus, a saber:

  • ¿Qué es un corpus lingüístico? ¿Qué supone buscar información en él? ¿En qué forma es representativo de un idioma o de una variedad?
  • Interfaz de búsqueda o concordanciero. El interfaz de búsqueda suele ser un servicio web que nos permite acceder al corpus y extraer información del mismo.
  • Listado de palabras. En un corpus, el listado de palabras es el listado de los elementos léxicos que aparecen el mismo junto a su frecuencia relativa.
  • N-grams. Los N-grams son agrupaciones lineales de términos léxicos que aparecen de forma frecuente en un determinado corpus. Pueden estar constituidos por n elementos, aunque frecuentemente el rango se establece entre 3 y 5.
  • Líneas de concordancia o concordancias. Es el resultado de una búsqueda

usando un concordanciero. Los elementos buscados son los nodos que aparecen centrados en la pantalla y a su izquierda y derecha encontramos las palabras que acompañan al nodo en la cadena sintagmática.

  • Dado un nodo determinado, las colocacionesson las palabras que estadísticamente tienden a aparecer conjuntamente con él. Dicho de otra forma, las colocaciones son las agrupaciones de elementos léxicos que se atraen de forma significativa.

 

En su forma más básica, los aprendices buscan un término léxico en un corpus mediante un concordanciero, obtienen una serie de líneas de concordancia, las examinan, las interpretan, formulan hipótesis sobre el uso de lengua y cómo las relaciones entre elementos discretos y significados se acoplan, vuelven a buscar más datos en el corpus, vuelven a examinar las líneas de concordancia y finalmente llegan a una conclusión sobre el funcionamiento de la lengua que implica tanto el comportamiento de elementos léxicos discretos (palabras) como patrones lingüísticos en cadenas sintagmáticas de mayor longitud. La Figura 3 ilustra este proceso de trabajo según Sinclair (2003) y Pérez-Paredes et al. (2011):

Figura 3. Etapas de la consulta de un corpus durante actividades de DDL (Sinclair, 2003; Pérez-Paredes et al., 2011).

El citado proceso implica que el aprendiz aborde de forma autónoma una actividad inductiva con un gran potencial para un aprendizaje del uso de la lengua más próximo al conocimiento intuitivo de un hablante nativo que al conocimiento declarativo que se adquiere en las clases de idioma. Tomemos el ejemplo de waver, visto con anterioridad. En la Figura 4 podemos ver cómo la información que nos ofrece un diccionario en línea (A) es muy limitada y se circunscribe a diversos sentidos de la palabra tanto como verbo como nombre. Un solo ejemplo de uso se ofrece para cada una de las acepciones. Un aprendiz de lengua con las herramientas adecuadas podría acceder a una comprensión más profunda de los contextos y frecuencia de usos en los que este término léxico se utiliza. En (B), podemos ver cómo en el corpus de inglés americano contemporáneo COCA (aprox. >>500 millones de palabras) podemos obtener información sobre los registros de usos (lenguaje oral, académico, etc.) así como sobre la diacronía de estos usos. En el caso que nos ocupa, waver es mucho más frecuente en lenguaje literario que, por ejemplo, en lenguaje oral. En (C) usamos un corpus aún mayor, NOW, un corpus de noticias en inglés recopilado desde 2010 y compuesto por 5500 millones de palabras. Podemos apreciar las colocaciones de esta palabra y comprobar cómo aparece, generalmente, en contextos de negación en el sintagma verbal. En (D), finalmente, podemos acceder a lagunas de estas líneas de concordancia donde waver aparece con not y en donde podemos apreciar que aparece frecuentemente seguido de las preposiciones in y on. El lector habrá apreciado que ninguno de estos datos aparecía en el diccionario consultado (A).

           

Figura 4. Búsqueda de waver en un diccionario en línea (A), el corpus COCA (B) y en el corpus NOW (C y D).

Pérez-Paredes (2010) y Ballance (2017) han apuntado que uno de los principales retos que presenta el uso de DDL es que se utilizan herramientas propias de la lingüística del corpus que precisan de las habilidades de un experto lingüista en al menos las fases (2) y (3) glosadas en la Figura 3. Pérez-Paredes (2010: 55) sostiene que la utilización de DDL en contextos de aula no se ha visto acompañada de un esfuerzo pedagógico que adaptase las etapas de consulta y confirmación de hipótesis expuestas en la Figura 3:

It does not strike us as a surprise that the classroom-based research which reports [the use of DDL] applications has paid very little attention to the pedagogic transfer which is essential in the adaptation of methods and corpora which were devised for language research purposes.

En el siguiente apartado presentaremos el diseño de un patrón pedagógico aplicado al uso de DDL para el aprendizaje de lenguas que persigue especificar cada una de las tareas implicadas en el trabajo con datos lingüísticos en el contexto del aprendizaje con datos.

[1] For information on the Bank of English, please visit the following URL: http://www.titania.bham.ac.uk/docs/svenguide.html

[2] URL: https://corpus.byu.edu/coca/

Pérez-Paredes, P. y Zapata-Ros, M. (2018). Patrones de Pensamiento Computacional y corpus lingüísticos: el aprendizaje de lenguas con datos lingüísticos (I) (Preprint de capítulo de libro). RED de Hypotheses.  https://red.hypotheses.org/1025

Referencias

 

Alexander, C. (1977). A Pattern Language: Towns, Buildings, Construction. Oxford University Press.

Alexander, C., Ishikawa, S. y Silverstein, M. (1977). A Pattern Language. Oxford University Press. http://library.uniteddiversity.coop/Ecological_Building/A_Pattern_Language.pdf

Ausubel, D. P. (1963). The psychology of meaningful verbal learning; an introduction to school learning. New York: Grune & Stratton.

Ballance, O. J. (2017). Pedagogical models of concordance use: correlations between concordance user preferences. Computer Assisted Language Learning30(3-4), 259-283.

Biber, D., Johansson, S., Leech, G., Conrad, S., Finegan, E., & Quirk, R. (1999). Longman grammar of spoken and written English. Harlow: Longman.

Biber, D., & Conrad, S. (2009). Register, genre, and style. Cambridge: Cambridge University Press.

Boulton, A., & Pérez-Paredes, P. (2014). ReCALL special issue: Researching uses of corpora for language teaching and learning. Editorial Researching uses of corpora for language teaching and learning. ReCALL26(2), 121-127.

Chomsky, N. (1965). Aspects of the Theory of Syntax. Cambridge, MA: MIT Press.

Cunningham, W. (1995a). The Portland Pattern Repository. Cunningham & Cunningham. Consultado el [dd/mm/aaaa] en Inc,.. http://www.c2.com/

Cunningham, W. (1995b). Tips For Writing Pattern Languages. Consultado el [dd/mm/aaaa] en http://www.c2.com/cgi/wiki?TipsForWritingPatternLanguages

DeLano, D.E. y Rising, L. (1997). Introducing Technology into the Workplace. Proceedings PLoP’97 Conference. Consultado el [dd/mm/aaaa] en http://hillside.net/plop/plop97/Proceedings/delano.pdf

Dudeney, G., Hockly, N., & Pegrum, M. (2013). Digital Literacies. Harlow: Pearson.

Ellis, P., Hunston, S. Manning, E. (1996). Grammar Patterns 1: Verbs (COBUILD). New York: Collins.

Flowerdew, L. (2015). Data-Driven learning and language learning theories. In Leńko- Agnieszka Szymańska, & Alex Boulton (eds.) Multiple Affordances in Language Corpora for Data-Driven Learning. Amsterdam: John Benjamins, pp. 15-36.

Fricke, A. y Voelter, M. (2000). SEMINARS: A Pedagogical Pattern Language about teaching seminars, [en línea]. Trabajo presentado en EuroPLoP 2000. Disponible en: http://www.voelter.de/publications/seminars.html [2008, 2 diciembre].

Novak, J.D.: Teoría y práctica de la educación. Alianza Universidad, Madrid, 1988. Pedagogical Patterns Project (2008), [en línea]. Disponible en: http://www.pedagogicalpatterns.org/ [2008, Enero]

 

O’keeffe, A., McCarthy, M., & Carter, R. (2007). From corpus to classroom: Language use and language teaching. Cambridge: Cambridge University Press.

Pegrum, M. (2016). Languages and literacies for digital lives. In Elenea Martín-Momnje, Izaskun Eloraz & Blanca García Riaza (eds) Technology-Enhanced Language Learning for Specialized Domains, pp. 9-22.

Basanta, C. P., & Martín, M. E. R. (2007). The application of data-driven learning to a small-scale corpus: using film transcripts for teaching conversational skills. Language and computers studies in practical linguistics61(1), 141-147.

Pérez-Paredes, P. (2010). Corpus linguistics and language education in perspective: Appropriation and the possibilities scenario. Corpus linguistics in language teaching. Bern: Peter Lang, 53-73.

Pérez-Paredes, P., & Díez Bedmar, B. (2010). Language corpora and the language classroom. Materiales de formación del profesorado de lengua extranjera Inglés. Murcia: Consejería de Educación, 1-48.

Pérez-Paredes, P., Sánchez-Tornel, M., Alcaraz Calero, J. M., & Jiménez, P. A. (2011). Tracking learners’ actual uses of corpora: guided vs non-guided corpus consultation. Computer Assisted Language Learning24(3), 233-253.

Sinclair, J. (1991). Corpus, concordance, collocation. Oxford: Oxford University Press.

Sinclair, J. (2003). Reading concordances: an introduction. Harlow: Pearson Longman.

Sinclair, J. & Mauranen, A. (2006). Linear unit grammar: Integrating speech and writing. Amsterdam: John Benjamins Publishing.

Zapata, M. (2005a). SEQUENCING OF CONTENTS AND LEARNING OBJECTS. RED. Revista de Educación a Distancia, número 13. Available: dd/mm/yy http://www.um.es/ead/red/13/

Zapata, M. (2005b). SEQUENCING OF CONTENTS AND LEARNING OBJECTS – part II. RED. Revista de Educación a Distancia, número 14. Available: http://www.um.es/ead/red/14/

Zapata, M. (2005,c). Secuenciación de contenidos y objetos de aprendizaje. RED. Revista de Educación a Distancia, número monográfico II. Consultado el 9 de Febrero, 2005, en http://www.um.es/ead/red/M2/zapata47.pdf

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

 

Bibliografía básica de referencia en computación

Gamma, E. et al. (1995). Design Patterns. Elements of Reusable Object-Oriented Software – Gamma, Helm, Johnson, Vlissides – Addison Wesley

Gamma, E. et al. (1995). Design Patterns: Elements of Reusable Object Oriented Software. Erich Gamma, Richard Helm, Ralph Johnson, John Vlissides, http://www.cs.up.ac.za/cs/aboake/sws780/references/patternstoarchitecture/Gama-DesignPatternsIntro.pdf

Gamma, E. et al. (2006) Patrones de diseño: elementos de software orientado a objetos reutilizables. Addison-Wesley.

Buschmann et al. (1995) A System of Patterns– Wiley

Larman, (1999) UML y Patrones. Introducción al análisis y diseño orientado a objetos – – Prentice Hall.

Brown, et al. (2004). AntiPatterns. Refactoring Software, Architectures and Projects in Crisis – Wiley.

 

Referencias en la web

The Portland Pattern Repository. Cunningham & Cunningham, Inc, , de Ward Cunningham.. http://www.c2.com/

Tips For Writing Pattern Languages, , de Ward Cunningham. http://www.c2.com/cgi/wiki?TipsForWritingPatternLanguages

Architypes.net – proyecto de lenguajes de patrón comunitarios de arquitectura http://www.architypes.net/pattern/categorizations

Liberating Voices! Proyecto de lenguajes de patrón, http://www.publicsphereproject.org/patterns/

El sitio de Christopher Alexander patternlanguage.com http://www.patternlanguage.com/

Ensayo sobre los lenguajes de patrón y su uso en el diseño urbano. Christopher Alexander . http://www.gardenvisit.com/history_theory/library_online_ebooks/architecture_city_as_landscape/christopher_alexanders_city_not_tree

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

El “problema de 2 sigma” y el aprendizaje ayudado por la tecnología en la Educación Universitaria.

Publicado por primera vez el 25 de marzo de 2013 en Aula Magna 2.0

 

Simplificando mucho, el futuro de la docencia universitaria ayudada con la tecnología, que en mayor o menor intensidad es toda, se dilucida en dos horizontes. Uno el del acceso abierto a los recursos formativos y a los fondos científicos, separando y adjudicando el valor al reconocimiento y acreditación de las competencias obtenidas en una pluralidad de opciones y métodos. El otro es el de la adaptación a los perfiles individuales de aprendizaje, utilizando las posibilidades de los entornos personales de gestión del conocimiento y de socialización de éste.

Estas líneas no son divergentes ni excluyentes, posiblemente el resultado o la configuración de la docencia universitaria integrará elementos de ambas tendencias. Sin embargo mientras tanto es conveniente el análisis detallado de los procesos, métodos y recursos. Y no sería bueno ignorar todo el bagaje de evidencias, investigaciones y teorías desarrolladas hasta ahora. Con esta intención consideramos pertinente traer el problema de 2 sigma: creemos que puede ilustrar y justificar orientaciones metodológicas con criterios de eficiencia pedagógica y avalar un modelo de docencia universitaria: la de la ayuda pedagógica individual, centrado en el aprendizaje, y en el alumno, en aprender haciendo, en avance basado en logros, la instrucción personalizada, y de evaluación formativa y basada en criterios.

Benjamín Bloom es conocido por su taxonomía (Bloom, 1956), que supuso un gran avance en el estudio de los dominios o niveles de aprendizaje. Fue un gran avance en efecto para el estudio de dominios cognitivos sobre todo.

Posteriormente, en un proceso de banalización de los que son tan frecuentes en la era del conocimiento (Evers, 2000 p.6, a través de Zapata-Ros, 2012 p.35) ciertos divulgadores de la pedagogía, o más bien simplificadores,  han tomado como referencia el esquema, ciertamente deslumbrante, para aplicarlo a aspectos, no siempre relacionados con el aprendizaje, vinculados con las actividades con ordenadores.

Estos divulgadores se han explayado con versiones triviales de la taxonomía de Bloom,  al tiempo que se han apropiado de su etiqueta. Por otro lado muchos de entre ellos han difundido pseudoteorías acerca de cómo se produce el aprendizaje en la era del conocimiento. Sin embargo pocos, o ninguno, ha reparado en un no menos importante trabajo. Se trata de (Bloom, 1984) The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring.

Lo hemos rescatado a partir de la lectura del post de  Donald Clark (April 26, 2012), en su blog Plan B sobre pedagogos y figuras históricas y la enseñanza, dedicado a Benjamin Bloom con el título Bloom (1913-1999) one e-learning paper you must read plus his taxonomy of learning.

La naturaleza del Problema 2 sigma lo describe en la pág. 4 (Bloom, 1984):

“Sin embargo, lo más llamativo de los resultados es que en las mejores condiciones de aprendizaje que podemos concebir (tutoría), el estudiante promedio es de 2 sigma por encima de la media de los estudiantes de control al que se ha enseñado con métodos convencionales de grupos de enseñanza.

El proceso de tutoría demuestra que la mayoría de los estudiantes tienen el potencial de llegar a este alto nivel de aprendizaje. Creo que una tarea importante de la investigación y la instrucción es buscar maneras de lograr esto en condiciones más prácticas y realistas que la tutoría uno-a-uno, que es demasiado costoso para la mayoría de las sociedades para llevar a gran escala. Este es el “2 sigma” problema. ¿Pueden los investigadores y profesores de enseñanza-aprendizaje idear condiciones que permitan a la mayoría de los estudiantes bajo la instrucción de grupo para alcanzar los niveles de logro que puede ser alcanzado en la actualidad sólo en condiciones buenas de tutoría?”

La investigación fue diseñada por dos estudiantes de doctorado en su tesis, y consistía en comparar el rendimiento de tres grupos de alumnos en tres ambientes de instrucción:

Dos estudiantes de la Universidad de Chicago, de doctorado en educación, Anania (1982,1983) y Burke (1984), en sus tesis doctorales comparan el aprendizaje de los estudiantes en las siguientes tres condiciones de la instrucción:

1. Convencional. Los estudiantes aprenden el tema en una clase con 30 alumnos por profesor. Se hacen pruebas periódicamente para calificar a los estudiantes.

2. Mastery Learning. Los estudiantes aprenden el tema en una clase con 30 alumnos por profesor. La instrucción es la misma que en la clase convencional (generalmente con el mismo maestro). Las pruebas son formativas (las mismas pruebas utilizadas con el grupo convencional) se realizan ahora para la retroalimentación, con procedimientos de corrección y pruebas formativas paralelas para determinar el grado en que los estudiantes han dominado el tema.

3. Tutoría. Los estudiantes aprenden la materia con un buen tutor para cada estudiante (o por dos o tres estudiantes al mismo tiempo). Esta instrucción-tutoría es seguida periódicamente por pruebas formativas, procedimientos correctivos de retroalimentación, y ensayos paralelos en formación como en las clases de dominio del aprendizaje. Cabe señalar que la necesidad de trabajos de reparación en virtud de tutoría es muy pequeña.

Los resultados de las curvas de la distribución de las puntuaciones en la evaluación sumativa correspondiente a los tres ambientes de instrucción fue:

zapata1

El efecto ponderado de las variables modificables en el rendimiento estudiantil fue:zapata2

Como vemos, y esa es la tesis del problema de las dos sigmas, la diferencia entre la cresta de las dos campanas de Gauss, es de dos veces la desviación típica, dos veces sigma. O si queremos la diferencia entre lo que afectan factores como la peer group influence y la tutoria instruccional es de CUARENTA PERCENTILES.

Evidentemente ese es un límite, es inviable social y económicamente un sistema instruccional que pueda mantener un tutor por un alumno. Pero nos indica que hay un horizonte en el rendimiento en el aprendizaje y en cómo organizar la educación. La investigación de Bloom tiene otra tesis y es la de que el trabajo de diseño instruccional tiene que barajar distintas posibilidades, de manera que coordinadas en una acción adecuada puedan conseguir un resultado cada vez más próximo a  ese límite (ya sabemos pues cual es la amplitud de la zona próxima de  Vigotsky, como mínimo DOS SIGMA):

zapata3

Hoy día con la tecnología y las redes, el problema de las dos sigmas se puede interpretar de una manera más amplia, su naturaleza la constituye además, y sobre todo, cómo saltar esa barrera con el concurso de las herramientas sociales, del proceso de la información contenida en el entorno del alumno, de la atención y del análisis a la elaboración del alumno en su material de elaboración y de relación. De la individualización del aprendizaje en definitiva. La influencia de los pares es un recurso que sabiamente utilizado, y mediante él, los alumnos atribuyen mucho más valor en según qué cosas a lo que dicen su pares. Y orientado hacia un objetivo, unos temas, unas actividades por un tutor o por un mentor, convierte los efectos, que en otro caso serían distractivos, en un factor de eficacia para el aprendizaje.

Una entrada como esta debería concluir aquí. Ya han visto que no he introducido la palabra MOOC en todo el texto, ni tampoco conectivismo. Si quieren concluyan en este punto. Sin embargo no me resisto a pensar y a relacionar lo dicho con los principios que inspiran los MOOCs y el conectivismo (Zapata-Ros,2012 y 2013) sobre todo a pensar en cómo se justifica la ausencia de los tutores, de la interacción profesor-alumno y de la evaluación formativa. Lean ustedes mismos y extraigan sus conclusiones.

Si analizásemos los resultados de los MOOCs en términos de consecución de los aprendizajes que implican los contenidos de los cursos el resultado podría ser similar al de este gráfico, en el que se ha incluido una nueva curva de Gauss:

zapata4

Naturalmente en una investigación esto tendría que ser adecuadamente diseñado. Para que la campana fuese equiparable habría que tomar una muestra del mismo tamaño que en el resto de grupos. Probablemente la curva estaría bastante más desplazada a la izquierda, el gráfico es optimista. Sería una atractiva tesis de doctorado.

Referencias.-

Bloom, B.S. (Ed.) (1956). Taxonomy of educational objectives: The classification of educational goals: Handbook I, cognitive domain. Longmans, Green.

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

Clark, D. (April 26, 2012), el plan B, dedicado a Benjamin Bloom: Bloom (1913-1999) one e-learning paper you must read plus his taxonomy of learninghttp://donaldclarkplanb.blogspot.com.es/2012/04/bloom-1913-1999-one-e-learning-paper.html

Evers, H-D., (2000a) Working Paper No 335 Culturas Epistemológicas: Hacia una

Nueva Sociología del Conocimiento. https://www.uni-bielefeld.de/(de)/tdrc/ag_sozanth/publications/working_papers/wp335.pdf

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

Zapata-Ros, M. (2012a) La calidad y los MOOCs (I): La interacción. Blog Redes abiertas. http://redesabiertas.blogspot.com.es/search/label/MOOC

Zapata-Ros, M. (2012b) La calidad y los MOOCs (II): La investigación y la evaluación de la calidad. Blog Redes abiertas. http://redesabiertas.blogspot.com.es/search/label/MOOC

Zapata-Ros, M. (2013a) MOOCs, una visión crítica. El valor no está en el ejemplar (II)Blog Redes abiertas. http://redesabiertas.blogspot.com.es/search/label/MOOC

Zapata-Ros, M. (2013b) MOOCs: Negar la evaluación, negar la metodología,…negar al estudiante Blog Redes abiertas. http://redesabiertas.blogspot.com.es/search/label/MOOC

Zapata-Ros, M. (2013c) MOOCs: Una visión crítica (III): La fundamentaciónBlog Redes abiertas. http://redesabiertas.blogspot.com.es/2013/02/moocs-una-vision-critica-iii-la.html

Zapata-Ros, M. (2013d) Una visión crítica (IV). ¿Sabemos qué son los MOOCs? Blog Redes abiertas. http://redesabiertas.blogspot.com.es/2013/02/una-vision-critica-iv-sabemos-que-son.html

Zapata-Ros, M. (2012c) ¿Es el “conectivismo” una teoría? ¿Lo es del aprendizaje? (I) Blog Redes abiertas. http://redesabiertas.blogspot.com.es/search/label/MOOC

Zapata-Ros, M. (2012d) ¿Es el “conectivismo” una teoría? ¿Lo es del aprendizaje? (II) Blog Redes abiertas. http://redesabiertas.blogspot.com.es/search/label/MOOC

Zapata-Ros, M. (2012e) ¿Es el “conectivismo” una teoría? ¿Lo es del aprendizaje? (III): Metacognición y elaboración Blog Redes abiertas. http://redesabiertas.blogspot.com.es/search/label/MOOC

Zapata-Ros, M. (2012f) ¿Es el “conectivismo” una teoría? ¿Lo es del aprendizaje? (y IV) Blog Redes abiertas. http://redesabiertas.blogspot.com.es/search/label/MOOC

Zapata-Ros, M. (2012g) ¿Conectivismo, conocimiento conectivo, conocimiento conectado… ?: Aprendizaje elaborativo en entornos conectados. Blog Redes abiertas. http://redesabiertas.blogspot.com.es/search/label/MOOC

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Latinoamérica y la educación superior en la encrucijada de la Sociedad del Conocimiento. Desafíos y disrupciones.

Resumen.-

La educación abierta, en la que se superen las dificultades de condiciones y organización para el aprendizaje, se ha constituido en un objetivo para los sistemas educativos en las sociedades desarrolladas.  Las instituciones, las experiencias que se desarrollan en ellas  y centros de investigación se esmeran en indagar qué modalidades de organización, con los usos más adecuados de aplicaciones —affordances— son más eficaces para obtener los resultados de aprendizaje propuestos para cada modalidad de estudio, o de rendimiento profesional. Se trata de ofrecer a los profesores y gestores docentes de la enseñanza superior modalidades de diseño instruccional que consigan estos objetivos, que faciliten en definitiva la itinerancia de las situaciones actuales a una enseñanza universitaria abierta. Este es el desafío también en Latinoamérica.

Este trabajo sirve pues para presentar y atribuir sentido al presente número especial, pero también para intentar dar una panorámica general de cuál es la situación de la enseñanza abierta en línea, cuáles son las tendencias en presencia y analizar las causas que la determinan.

Concluimos con la idea de que estamos asistiendo a un cambio global que viene impuesto por la permeabilización del espacio interuniversitario y la presencia de universidades globales. La disrupción universitaria supone un reto. La forma de afrontarlo es con las fortalezas intrínsecas de las universidades locales, con lo que Christensen (Hardesty, March 6, 2013), a través de Zapata-Ros (2013d)): La creación de iniciativas de personalización y de inclusión genuinas para las comunidades latinas, y de polos de investigación propios, incluyendo los de investigación educativa, con los nuevos entornos y metodologías, con la ayuda pedagógica in situ y personalizada. Es de esta forma con este tipo de hábitats con  los que no pueden competir las agencias internacionales.

Summary.-

Open education will overcome conditions that make learning difficult. In this way, open education has become an objective for educational systems in developed societies. Institutions and research centers are keen to explore which organizational modalities are most effective in achieving the best learning outcomes and which get the best results for each mode of study, or professional performance. The aim is to provide teachers and instructional managers in higher education with instructional design modalities that achieve these objectives, and then facilitate the roaming of the current situation to an open university education. This is also the challenge in Latin America.

This paper serves not only to present and attribute meaning to this special issue, but also to offer a general overview of the state of the art of open online teaching, analysing its current trends and the causes which determine it.

We conclude that we are witnessing a global change imposed by the permeabilization of the interuniversity space, and by the presence of global universities. The university disruption is a challenge. The way to face it is via the intrinsic strengths of local universities, which constitute the extensible core according to Christensen (Hardesty, March 6, 2013), through Zapata-Ros (2013d)): Creating genuine personalization and inclusion initiatives for Latino communities and creating their own poles of research, including educational research. It is in this way-this type of habitats-, which international agencies cannot compete with.

Introducción

Desde la aparición de las modalidades de educación a distancia, la universidad, o  mejor cabría decir las universidades latinoamericanas, se han visto inmersas en una cultura de diferenciación en cuanto a modalidades de enseñanza, de atención a los alumnos y por añadidura de atribución de perfiles diferenciados a los profesores.

La Sociedad del conocimiento sin embargo en los últimos tiempos ha propiciado unos esquemas de convergencia. La justificación de la educación a distancia, en sus inicios, fue la superación de las dificultades y de las limitaciones que imponían las barreras de la ubicación física o de las comunicaciones. Hoy, esa razón, que dio lugar a esa modalidad de educación, ha quedado subsumida como una forma más de dificultad, junto con otras, que pueden ser superadas con las redes y la tecnología. Son las dificultades impuestas por la ubicación, pero también por la disposición de tiempo, de recursos, por las diferencias de edad, o culturales,… o incluso por las dificultades que impone la propia institución o la organización de la enseñanza. Como lo es, por ejemplo, una misma atención para todos los alumnos independientemente de cual sea su perfil o su situación de aprendizaje. Son las barreras y las dificultades que plantean los estándares educativos a los alumnos. Dificultades que por ser propias de la sociedad imperante, la industrial, se han aceptado como inevitables. Eso por un lado, pero por otro se constata el papel que ha jugado y está jugando la tecnología en la superación de estas dificultades. Ahora, la misma tecnología que ayudó a la educación a distancia convencional, o su evolución, ayuda a todas las modalidades de educación, y a su socaire se han desarrollado innovaciones docentes que antes eran impensables.

De esta forma la educación abierta, en la que, en una situación ideal, se superen todas estas dificultades, se ha constituido en un objetivo para los sistemas educativos en las sociedades desarrolladas. Y sus instituciones, las experiencias que se desarrollan en ellas  y centros de investigación se esmeran en indagar qué modalidades de organización, con los usos más adecuados de aplicaciones —affordances— son más eficaces para obtener los resultados de aprendizaje propuestos para cada modalidad de estudio, o de rendimiento profesional. Se trata de ofrecer a los profesores y gestores docentes de la enseñanza superior modalidades de diseño instruccional que consigan estos objetivos que faciliten en definitiva la itinerancia de las situaciones actuales a una enseñanza universitaria abierta.

En esta situación la revista “Virtualidad, educación y ciencia” y sus consejos editoriales han abordado la edición de un número especial en el que se estudie precisamente ese tema en el contexto de la universidad latinoamericana.

El presente trabajo sirve pues a un doble objetivo presentar y atribuir sentido al número especial  y por otro lado realizar un intento de dar una panorámica general de cuál es la situación de la enseñanza abierta en línea, cuáles son las tendencias en presencia y analizar las causas que la determinan.

El contexto

Cuando, en el albor de la Edad Moderna, nacen y se generalizan las universidades en su primera configuración, en Europa y en la América Hispana, éste fenómeno se produce por la confluencia de causas que son exógenas: La invención de la imprenta y la necesidad de difundir, de hacer útiles y de poner al servicio de las elites dirigentes e intelectuales los conocimientos hasta entonces preservados en abadías y cenobios, desde la época del mundo clásico, durante toda la Edad Media. En ese contexto se produce un gran cambio en la forma en que se soporta del saber, aparece el libro impreso, y eso supone una transformación básica en la forma en cómo se difunde el conocimiento y en la forma en que circula. Pero lo sustancial, el factor sin el cual no hubiera sido posible el gran cambio, son los conocimientos conservados que se integran en los nuevos soportes y en los nuevos procedimientos de diseminación. Estos conocimientos, que se habían impartido en las primeras universidades en plena Edad Media, con unos rudimentos docentes que surgen en los cenobios, esta forma de hacer es heredada e integrada en las nuevas instituciones, no se pone en ningún caso en contraposición a lo nuevo, sino que por el contrario encuentran un espacio incomparablemente más amplio donde expandirse: El libro sustituye a los códices, pero la cátedra es muy parecida al púlpito.

  Cuando aparecieron la Mecánica Cuántica o la Teoría dela Relatividad, nadie las contrapuso con la mecánica clásica de Newton y de Leibnitz, sino que éstas quedaron integradas como una restricción de unas teorías más generales, que continuaron siendo válidas en entornos locales, los conocidos hasta entonces. No debiera suceder algo distinto con las investigaciones y con los desarrollos teóricos existentes sobre aprendizaje y sobre enseñanza, en relación con la pedagogía necesaria en los nuevos entornos. No validar o no investigar al menos su validez y sus variantes en los nuevos contextos supondría una pérdida difícilmente justificable. Por el contrario es de esperar que se produzca una continuidad en la línea de adaptación de las estrategias docentes, de la ayuda pedagógica, a las nuevas condiciones.

De esta forma, el que se abran o se liberen los contenidos del conocimiento, su representación en texto, imágenes o multimedia, no significa que automáticamente se éstos se incorporen a los esquemas cognitivos de los individuos y mucho menos atribuyéndoles sentido, significatividad y capacidad de ser transferidos a situaciones cambiantes o para resolver problemas. Se hace más necesario que nunca la necesidad de, en presencia de la abundancia de datos e informaciones, dotarse de instrumentos que permitan establecer enlaces entre estos recursos y el mundo de representaciones y de cogniciones de los alumnos, y una buena base son los conocimientos instruccionales existentes.

Como hasta ahora, pero más porque el medio es más complejo, habrá que establecer métodos y estrategias para que esto suceda. Para acercar los bienes del conocimiento, los OER y los contenidos de los MOOC, a las distintas formas de aprender y de integrar los conocimientos en los distintos esquemas y en las representaciones individuales, para posibilitar que los alumnos hagan sus elaboraciones a partir de ellas, y para que sean transferidas en contextos diferentes, atribuyéndoles sentido. En definitiva se trata ahora de posibilitar que se aprenda en los nuevos contextos y con las nuevas affordances.

Este propósito de las teorías y de las prácticas de la enseñanza, tiene tradición en el diseño instruccional, de hecho constituye su esencia. No es nueva, arrancó como hemos dicho en los trabajos de Reigeluth, que le llevaron a formular en sus distintas versiones la Teoría de la Elaboración (Reigeluth et al 1994), tiene su origen y su fundamentación en los trabajos previos de Ausubel, Gagné, Merril y Novak, continúa con las teorías y técnicas del diseño instruccional (Reigeluth, 2012). Y constituye como hemos visto el entramado teórico del que se nutren las tramoyas de diseño de los MOOC, como caso más significativo, pero también las iniciativas más exitosas aplicadas en las affordances de los nuevos entornos, de la web social, y a la creación de entornos personales de los alumnos, así como de las posibilidades de la analítica de aprendizaje personalizada, que permiten diseños de programas formativos centrados en los alumnos y en el aprendizaje.

Por tanto, esto, la vigencia de los conocimientos, teorías, investigaciones sobre cómo se produce el aprendizaje y sobre cómo organizamos la instrucción, sería lo primero que parece que ha de permanecer y va a permanecer en la educación universitaria de calidad.

No es nuestro objetivo hacer un análisis económico o sociológico. Por tanto vamos a prescindir de los aspectos de esta naturaleza, como es ver cuál va a ser el modelo de negocio que va a haber detrás de la nueva Enseñanza Superior, sea de rentabilidad social o de rentabilidad corporativa. Solo utilizaremos ese tipo de referencias cuando sea inevitable para justificar algún rasgo de la forma de aprender,  como pueda ser tratar de forma secundaria si un determinado recurso es sostenible o merece la pena en función de la ganancia pedagógica que produce. O en otro caso, por ejemplo, cuando hablemos de las causas que hacen que se produzca el abandono y hablemos en relación con ello de la falta de confianza en los títulos.

Centrándonos pues en ese análisis podemos detectar que hay unas líneas de fuerza o vectores que no solo son una constante en todo el proceso de cambio sino que crecen y lo caracterizan: Unas tendencias consolidadas, unos rasgos pedagógicos y el aprendizaje, su eficiencia, como eje de modelos y procesos

Hay ciertos rasgos que muchas veces pasan desapercibidos porque se tienen asumidos implícitamente o porque su origen resulta ya lejano, pero no por eso son menos importantes u operantes.

Así por ejemplo uno de estos rasgos es la evolución de los recursos y entornos que están operativos en un momento. Si miramos los recursos abiertos, entendiendo por ellos no solo los recursos educativos propiamente dichos, sino  la edición científica de acceso abierto y el open source, podemos constatar que todo el movimiento MOOC se produce como una evolución de los recursos abiertos, y que éste nace con los objetos de aprendizaje, y continúa con los OER, el opencourseware, hasta llegar a los cMOOC, que no es más que una forma de crear un acceso comunitario, con un mínimo compromiso de aprendizaje y de diseño, a los recursos abiertos. E incluso lo hemos considerado como una subclase de la evolución del e-learning.

Pero esta tendencia no es exclusiva de este ámbito, es coincidente con otros fenómenos que hemos considerado básicos, específicos y definitorios de la sociedad postindustrial. Los recursos abiertos son lo equivalente en la educación a lo que sucede en otros ámbitos (la música, la edición de libros, el entretenimiento,…) Es la bajada de precio o la gratuidad, debida a la naturaleza del procedimiento de circulación y reproducción que se produce en la parte material de los contenidos soportados digitalmente. Lo que pone de relieve que, en el conocimiento, el valor no está en la representación material, en el ejemplar tangible o en el contenido. Como vimos estos procesos dan lugar a las innovaciones disruptivas (Christensen, 2012 y 2013) y a la  napsterización[1]

Como consecuencia inevitablemente ligada   los recursos serán abiertos y esto no le restará valor a la opción formativa, porque el valor va a estar en otro punto, en lo que Christensen (2012 y 2013) llama núcleo no extensible, es decir en la matriz, la fuente de donde surge el conocimiento, la investigación y en la ayuda pedagógica.

El segundo elemento lo constituye la personalización. Convendría, para no banalizar la cuestión desde el principio, si hablamos de tendencias previsibles, precisar este concepto. Ya dijimos en la introducción que la palabra personalización quizá resulte confusa o ambivalente a los que se inician en el mundo del diseño de la enseñanza provenientes de otros mundos como el de la computación. También descartamos la expresión individualización  o también adaptación, porque cada una de esas palabras tiene una carga semántica por el uso en los medios especializados, visible a poco que se indague,  que no acaba de cuadrar con el sentido que queremos utilizar.

La expresión  personalización en consonancia con el uso que se le ha dado en los medios interdisciplinares y por ser el que parece que convencionalmente se ha aceptado (Hopkins, 2007): En el de utilizar los recursos que la tecnología nos proporciona para, a través de su socialización, conseguir una percepción lo más completa posible de cuáles son las preferencias y las representaciones que el individuo posee de la realidad y del mundo que le rodea, cuáles son las características de su andamiaje cognitivo, para a partir de él, y de su rol en él, presentar los nuevos conocimientos. En palabras de Reigeluth (2010), McCombs y Whisler (1997) cuando definen la expresión “centrado en el estudiante” como:

La perspectiva que empareja un enfoque en los estudiantes individualmente (…) con un enfoque en el aprendizaje (el mejor conocimiento disponible sobre el aprendizaje y cómo se produce).  (p. 9)

Esto irá a más porque hay una nueva línea de desarrollo: La analítica masiva de datos personalizados. Pero aplicados a este campo. Son los algoritmos utilizados en otros medios y con otras herramientas, adecuadamente orientados por las teorías del aprendizaje personalizado,  por técnicas pedagógicas y de diseño instruccional. De esta forma pueden obtener informaciones para ajustar mejor la intervención educativa, para mejorar el rendimiento cada alumno, para aumentar su satisfacción, y la eficacia del programa educativo.

Otro aspecto importante es la identidad digital, el perfil de aprendizaje en la red. Se trata de utilizar los recursos que la tecnología nos proporciona para, a partir del cúmulo de datos e informaciones, que se producen a partir de la socialización  del alumno, obtener una imagen lo más completa posible de cuáles son los rasgos, y las modalidades de esos rasgos, que constituyen su perfil individual con relación al aprendizaje, y que sean relevantes.

Por otro lado si está cambiando el paradigma educativo, en el sentido de que los sistemas existentes basados en la selección de los individuos sean sustituidos por otros basados en el logro personal, es coherente que se haga con el concurso de la tecnología.

También hemos visto que estas posibilidades de personalización posibles con la tecnología pueden hacer avanzar en el horizonte señalado por el problema de dos sigmas de Bloom (1984) (Zapata-Ros, 2013).

En definitiva se pueden  cambiar los sistemas de educación y de capacitación desde los aún vigentes, que fueron diseñados para seleccionar a los alumnos, por otra  alternativa más deseable, en la que se produzca un cambio a otros sistemas diseñados para maximizar el aprendizaje mediante el análisis y la adaptación de las estrategias de enseñanza para  no solo enfocarlas a los estudiantes que de forma natural sean competentes en determinadas áreas.

Esta transformación es posible hoy, por los avances de la tecnología educativa, pero también por los desarrollos teóricos, en parte desconocidos por el gran público y por buena parte de autoridades, gestores y técnicos, de estudiar las “situaciones” individuales para  determinar las formas, las metodologías, en las cuales la instrucción debe diferir de unos casos a otros, agrupando a los alumnos en función de variables como son las similitudes de perfiles de aprendizaje y los racimos de competencias.

Éste sería pues el horizonte deseable frente a los desafíos que nos plantean las disrupciones en general en la Sociedad del Conocimiento y en particular en Latinoamérica.

Un dilema

En lo que sigue abordaremos el dilema ante el que se encuentra la evolución de la Educación Superior en Latinoamérica:

  • la personalización y la inclusión pedagógicas empoderadas por la tecnología o
  • servir de cantera en el reclutamiento de talentos

Hay una línea de pensamiento sobre la universidad, sus funciones y su misión que ha permanecido invariante desde sus inicios, y que lamentablemente hemos constatado que es común en Latinoamérica. Es un pensamiento que satisface las expectativas de muchos profesores, gestores y de no pocos alumnos universitarios y de sus familias.

Según él hay unas fórmulas de educación que establecen el vínculo, sólo a través de los materiales con contenidos, entre destacados especialistas en determinadas materias y un tipo de alumno que es aventajado para adquirir el conocimiento es esa materia, un tipo de alumnos que constituyen una minoría. Según ese pensamiento la educación se hace con esos materiales expuestos y organizados mediante explicaciones tipo conferencia a un auditorio masivo y con exámenes de pruebas objetivas. Según este pensamiento esa es la  fórmula correcta de la enseñanza universitaria. Y para muchos la única, lo que no está contemplado en ese método de transmisión del conocimiento no es educación.

Estas fórmulas siempre han asegurado el éxito y han dado satisfacciones a un modelo de profesor. Pero han dejado fuera una gran cantidad alumnos, y por ende de recursos humanos. Son los alumnos que están en la parte central de la Campana de Gauss.

La sociedad hasta ahora ha conferido a la universidad la misión de seleccionar a esa élite, y esa misión incluso sigue vigente según algunas modalidades disruptivas como son los MOOC. Sin embargo las sociedades, y más aún las sociedades en desarrollo, no pueden prescindir de los recursos que suponen los alumnos que puedan de alguna forma desarrollar sus capacidades profesionales o de creación de conocimiento, y esos según el problema de dos sigmas de Bloom (1984) son casi todos. Tampoco se pueden desatender las expectativas personales: las situaciones de frustración no deben estar en el horizonte de bienestar que toda sociedad debe perseguir para sus miembros.

Esta línea, la de la educación de clases expositivas con exámenes,  va a continuar, es la esencia de los xMOOC, y de las opciones disruptivas de ES como son los nanodegrees, los micromaster, y otras modalidades similares de Educación Superior (ES), que una vez transformados en una modalidad de formación universitaria (la alianza OAE según hemos visto) es coherente con lo que Ferenstein (Sep 9, 2013) señala como su objetivo:

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

(…)La OEA va a crear (esperemos) una nueva meritocracia en la educación superior

Pero en este dilema hay otra línea de desarrollo en el uso de la tecnología como apoyo a la educación universitaria, es la línea adaptativa, pero que con más propiedad[2] hemos llamado de personalización.

Término que, recordemos, hemos tomado en el sentido de utilizar los recursos que la tecnología nos proporciona para, a través de su socialización, conseguir una percepción lo más completa posible de cuáles son las preferencias y las representaciones que el individuo posee de la realidad y del mundo que le rodea, cuáles son las características de su andamiaje cognitivo, para a partir de él, y de su rol en el proceso, presentar los nuevos conocimientos. Es lo que se hace, con otro fin, por los algoritmos de recomendación en sus búsquedas personalizadas: Utilizan unan gran cantidad de información procedente sólo del individuo, y de las referencias anteriores que posee, de cada uno de nosotros, para orientar la búsqueda orientada de esta forma por la información que posee. En el caso de la analítica de aprendizaje el proceso va gobernado por la información que se obtiene del individuo a través de su actividad tanto del procesamiento de la información que hace en su elaboración, como de su mundo de relaciones sociales, sin cuyo concurso no se produciría con igual eficiencia lo anterior, o simplemente no sería posible.

Hay una corriente que apoya esta evolución. El cambio que estos autores plantean para la educación  tienen su origen en los cambios sociales y de todo tipo donde la sitúan: Los de la era industrial a la era del conocimiento, y subsiguientemente entre dos etapas muy diferenciadas del desarrollo de las teorías del aprendizaje: La primera donde las teorías están orientadas para describir y clasificar a los alumnos desde la perspectiva de sus capacidades, y la segunda caracterizada por las teorías orientadas a maximizar el aprendizaje de todos los alumnos. Con distintos valores: En unas el progreso se mide en función del tiempo (de pautas y ciclos temporales: Cursos, clases, etc.), en  otras se basa en los logros individuales (Reigeluth, 2012).

Por otra parte nunca como ahora ha sido posible intervenir en la evaluación de los procesos de aprendizaje y adaptar la ayuda pedagógica a los estilos más singulares de aprender a partir del análisis de lo que se ha dado en llamar la huella digital de aprendizaje, a partir dela analítica de aprendizaje.

Esta tendencia supone una línea de continuidad en la adaptación de las estrategias docentes, de la ayuda pedagógica, poniendo los contenidos cerca de las distintas formas de aprender y de integrar los conocimientos en los esquemas y en las representaciones individuales. Como vimos las aportaciones más relevantes proceden de los trabajos que hace Reigeluth, de las distintas versiones de la Teoría de la Elaboración, y de los trabajos previos sobre el andamiaje cognitivo, la significación de los contenidos de aprendizaje, los esquemas cognitivos, y las distintas teorías de secuenciación que realizaron Ausubel, Gagné, Merril y Novak. Continúan en la definición de técnicas del diseño instruccional, a la luz de estas teorías, que permiten diseños de programas formativos centrados en los alumnos y en el aprendizaje. Por último, esa línea culmina por ahora en investigaciones y desarrollos prácticos para transformar los sistemas de educación y de capacitación vigentes.

Esto también es posible por los avances de la teoría y de la tecnología instruccional. Y de la posibilidad de observar las “situaciones” que determinan cómo la instrucción debe diferir de unos casos a otros en función de variables tales como las similitudes y los agrupamientos por perfiles individuales.

Otra evolución a partir de la experiencia de los MOOC es la del reclutamiento de talentos.

Podemos señalar a título de ejemplo un caso:

Ferenstein  (Sep 9, 2013 ) señala que Udacity, uno de los tres oligopolios del  complejo Universidades de Excelencia – Empresas tecnologícas – Agencias MOOC (u otoras disrupciones universitarias) tiene como objetivo para la OEA[cita] seleccionar los estudiantes más brillantes de todo el mundo, que sólo tienen acceso a los contenidos de calidad a través de la propia Udacity o de Khan Academy,  para  permitir mostrar su talento a las empresas de tecnología. La OEA va a crear de esta forma una nueva meritocracia en la educación superior.

Esta es pues la alternativa, si bien no contrapuesta ni excluyente, a la anterior. Sólo que aquella, la personalización, está lejos de ser considerada por Udacity, y suponemos que por las otras agencias, un modelo válido.

Esto tiene implicaciones de coste y por tanto metodológicas. Las grandes agencias no ven interés en invertir en alumnos que precisan ayudas con costes, si pueden obtener a bajo coste talentos. Así pues, en este caso, en los MOOC y sus derivaciones disruptivas, se trata de establecer un marco donde, en un contexto de acceso autónomo a recursos, explicaciones enlatadas, etc., sobrevivan aquellos alumnos más dotados, con competencias naturales para la materia (talentos) o con más capacidad de  aprendizaje autónomo, sin preocuparse por los demás.

La evolución de la educación universitaria a partir de los MOOC y de otras innovaciones disruptivas en América Latina

Hasta aquí el análisis es indiferenciado. Igual podría aplicarse a entornos, instituciones o sistemas de ES de Latinoamérica, Europa, EE UU o extremo Oriente Asiático. En lo que sigue nos plantearemos las mismas cuestiones en relación a la evolución de la Educación Superior (ES) en las sociedades y países que se pueden considerar desde la perspectiva de la OEA, según hemos visto, como países destinatarios. Para ello tomaremos como referencia por ser el objetivo del artículo y del número monográfico, los de América Latina.

De esta forma se puede plantear cuál sería la repercusión en las universidades de estos países. Cómo afectarán las propuestas disruptivas, herederas de los xMOOC y sus propuestas didácticas a las carreras, a las Facultades, las Cátedras, etc.

En principio no habría por qué imaginar lo que pasará en América Latina si se adopta el modelo MOOC para sus carreras oficiales universitarias. Es decir para sus estudios acreditados. No hay por qué imaginarlo porque de hecho esto no se ha producido de forma significativa, ni estable, ni sostenible en ningún lugar. Otra cosa son los productos educativos que de ellos se derivan: Nanodegrees, micromasters, credentials, etc. En trabajosos anteriores (Zapata-Ros, 2014) he reseñado casos notables: En la Universidad estatal de San José se hizo la experiencia (Udacity) y tuvo que deshacerse por presiones de los propios profesores. En algunos casos como en las universidades de Coursera, lo más que llegan es a  acreditar en el modelo oficial a alumnos procedentes de los MOOC.  Pero sobre todo el caso que más ha avanzado en esta línea es el de Udacity, con el máster del Georgia Tech que es la evolución de los xMOOC a partir del modelo rechazado en su configuración actual por Thrun en su entrevista y declaraciones a la revista Fast Company, y lo han reconvertido en Máster. Otro tanto sucede con los cMOOC y con los xMOOC de EDX-Fundación Belinda y Bill Gates, tras la adscripción de Siemens a esta organización: En este caso adosan un MOOC a un Máster con pasarelas.

Se ha demostrado pues que no es viable en los cursos desarrollados por estas agencias por la imposibilidad de integrar en un marco de gestión académica estándar, con diseño instrucccional, evaluación, acreditación, etc., un sistema que no es evaluativo, que apenas tiene interacción profesor-alumno, y sobre todo que no satisface requisitos mínimos de eficiencia de algún tipo de aprendizajes, como ya hemos tratado suficientemente cuando se trata de aprendizaje divergente (Zapata-Ros, 2013c).

Si esto es así en los ámbitos que son los genuinos, donde han nacido y se han desarrollado los MOOC, ¿cuánto menos se puede esperar que suceda en universidades que los tendrían que adoptar como algo no propio y con  estructuras más enclavadas en esquemas de promoción social como son los casos de América Latina? Menciono la promoción social porque es el factor que más los ha potenciado en EE UU y en Europa, junto con el de excelencia.

Igualmente nos podríamos plantear cuáles podrían ser los impactos que generaría esta inclusión metodológica sobre la educación convencional y en los cursos universitarios aun de corte tradicional.

A este respecto, el impacto no se va a producir de facto porque, consistentemente con lo dicho en el apartado anterior, no se van a incluir. Pero sí va a haber un impacto, y debe de haberlo, porque lamentablemente en las universidades latinoamericanas, los gestores de docencia y currículum, adolecen de mímesis. Los MOOC han generado una onda que ha contribuido a prestigiar, malgré lui, a la docencia virtual en general. De hecho hasta ahora se dudaba bastante de la eficiencia en cuanto a la adquisición de ciertas habilidades, sobre todo prácticas, no sólo de la educación a distancia, sino también de la educación a distancia tecnológica y de la educación en entornos virtuales. Y es precisamente ahora cuando las universidades de prestigio (Harvard, MIT, Princenton, Edimburgo,…) han implementado los MOOC como una operación de marketing, cuando las autoridades y el público han vuelto la mirada sobre las modalidades virtuales.

Por tanto el impacto más notable va a ser la dignificación y el crédito de las modalidades de docencia virtual universitaria.

En la fase actual, de escaso desarrollo, con muy escasos estudios y experiencias en niveles de grado o postgrado no profesional, no sabemos cuál puede ser el grado de aceptación por parte de las nuevas generaciones de estudiantes a tiempo completo (otra cosa son los profesionales en servicio) ante  este tipo de propuestas educativas. Pero indudablemente los MOOC están produciendo un impacto sobre la población potencialmente universitaria en Latinoamérica. No por favorecer una mayor igualdad, que es lo que según la publicidad se va  a producir, sino por ejercer un atractivo y proporcionar un canal de integración en los estudios universitarios, y particularmente en universidades de prestigio, a los individuos talentosos de ese sector de la población estudiantil oriunda.

Hace tres años (Zapata-Ros, 2014) decíamos que  la estructura hibrida de algunos Máster que llevan un xMOOC adosado, permite un flujo entre las dos estructuras, y posibilita que estos alumnos puedan ser captados. Ahora ya directamente las estructuras de rendimiento (nanodegrees, micromaster, credentials, etc) permiten hacerlo directamente. Esto, la captación de su talento, supone un peligro estructural que las universidades y los gobiernos latinoamericanos deben afrontar. Y deben de hacerlo cambiando en profundidad la naturaleza y estructura de los estudios universitarios. Pero no, o no sólo, cambiándolo en aspectos tecnológicos, este es el error, es la percepción trivial del asunto, sino hacerlo con estructuras, sistemas, métodos y talantes que permitan una ayuda personalizada y tutorizada. Un cambio de la naturaleza que hemos descrito, que permita a este tipo de alumnos, los talentosos, integrase en una educación superior de calidad, y satisfactoria para sus expectativas, en su propia cultura de origen.

De esta forma, si bien descartamos una sustitución aún parcial de los estudios universitarios reglados por alguna modalidad de MOOC, no sólo en Latinoamérica, sí que es previsible que las modalidades de disrupciones universitarias de rendimiento  emergentes desplacen en el hábitat de los estudios superiores latinoamericanos un número mayor o menor de las propuestas existentes, sobre todo a las que no se adapten, al igual a como ha sucedido en otros ámbitos de las actividades productivas o de los servicios: Las finanzas, los medios de comunicación, el mundo editorial, o el comercio y distribución de mercancías.

Ante esa eventualidad y aceptando modalidades innovadoras de las que se ha señalado que utilizan la tecnología para una mayor personalización y para la consecución de aprendizajes más eficientes, porque incluyen aspectos como los que hemos considerado de esta naturaleza: son abiertos, personalizados, situados, etc., podríamos plantearnos igualmente cuales deberían ser los rasgos más sobresalientes de los actores implicados para conseguir esos progresos.

Y puestos a ello, en primer lugar están los  profesores.

Hay un rasgo que poseen en general los profesionales: es la conciencia de pertenencia a un estamento. Según las situaciones o sociedades se da esta conciencia en mayor o menor grado. A lo largo de mis estancias en distintos países y regiones latinoamericanas, de años de trabajo y de realización de proyectos e investigaciones en comunidad, de contacto con especialistas y de lecturas de trabajos, tesis, artículos y proyectos, he llegado a la conclusión, o mejor a la percepción, de que existe un rasgo común en los profesores universitarios de Latinoamérica: es el alto grado de esta conciencia estamental. Pues bien, como primer rasgo necesario para una inculturación en estas nuevas modalidades de educación es la necesidad de que esta conciencia no sea un obstáculo para asumir los cambios que se deben producir. Los atributos de casta y los estereotipos sociales y gremiales son enemigos de este cambio. En esencia constituyen una causa de prejuicios conservadores.

Así el profesor no debe recelar, debe ser receptivo al trabajo en los nuevos entornos y con los nuevos recursos. Debe ser un profesor abierto a los nuevo métodos: que utilice el mastery learning, que fomente estrategias metacognitivas entre sus alumnos y como leit motiv de sus actividades, y debe fomentar además estrategias de trabajo autónomo, colaborativo, intercultural, de clase invertida (flipped classroom), etc. Debe utilizar el diseño instruccional, la evaluación y la investigación formativas, o basadas en el diseño. Debe ser un profesional que utilice como métodos reguladores y autorreguladores de su actividad la evaluación y el diseño basado en competencias, en resolución de problemas. En fin sería muy prolijo reseñar todo  o lo más significativo porque además el nuevo paradigma se basa en escenarios y en individuos.

En definitiva se trata de que el perfil deba ser muy flexible y con una excelente disposición a adoptar los cambios que estos nuevos entornos suponen.

Para el análisis que estamos haciendo en lo que sigue deberíamos tener en cuenta, y de hecho vamos a hacerlo, cuál es la situación de progreso y cuáles son las tendencias presentes en la educación abierta en línea. El esquema de progresión que sigue lo iniciamos en 2015 (Zapata-Ros, Septiembre 2015, Marzo 2015), continuó con motivo de los trabajos sobre Smart Universities (Zapata-Ros, 2016) y lo hemos actualizado con motivo de este trabajo a partir de (Shah, 2016) MOOC Trends in 2016: College Credit, Credentials, and Degrees:

 

Para actualizarla hemos utilizado, además de las referencias de este documento, la serie de posts que, a partir de junio de 2014 (Zapata-Ros, )publiqué en Tumblr, en Redes Abiertas y en RED de  Hypotheses con el título genérico de “Los MOOC han muerto” y de los enlaces que de ellos se derivan, para las  últimas actualizaciones de la evolución de las disrupciones hemos utilizado el artículo MOOC Trends in 2016: College Credit, Credentials, and Degrees (Shah, 2016) y los documentos enlazados. Todo ello lo sugerimos a los interesados investigadores y estudiosos de este tema.

Respecto a la repercusión que posiblemente tengan estos procesos educativos globales en materia de evaluación y acreditación, una cosa han sido los MOOC, cuyo recorrido se constata ha concluido en el área donde se generaron: EE UU y Canadá, y otra cosa son los entornos y las configuraciones de amplios sectores o ámbitos de la educación universitaria que han quedado como resultado del cambio que se está produciendo, del cual un síntoma y no el más intenso ni el más profundo han sido los MOOC.

Los cursos masivos por sí mismos no producirán ningún cambio notable. Pero el cambio que se está produciendo en la educación superior, y que tiene como aspecto más visible los entornos basados en la tecnología, sí que se adivina profundo e irreversible. Afecta a los aspectos más centrales como son el papel que desempeña la clase y el trabajo autónomo de los alumnos (en la lipped classroom por ejemplo). Afecta a cómo es la evaluación, al papel central que en ella jugará la analítica de aprendizaje, es decir el análisis de todo lo que el alumno hace y produce en su entorno de trabajo, a su naturaleza de material vivo para evaluar su progreso y el del propio sistema de enseñanza. Incluso afecta a la gestión, la organización y a la configuración de cosas tales como los edificios y los equipamientos universitarios (Zapata-Ros, 21 y 26 de Abril 2014).

El otro gran cambio, el global, viene impuesto por la permeabilización del espacio interuniversitario y la presencia de universidades globales. La disrupción universitaria supone un reto. La forma de afrontarlo es con las fortalezas intrínsecas de las universidades locales, con su núcleo no extensible en palabras de Christensen (Hardesty, March 6, 2013), a través de Zapata-Ros (2013d)): En este caso ese núcleo no extensible pasaría por crear polos de investigación propios, incluyendo los de investigación educativa con los nuevos entornos y metodologías, con la ayuda pedagógica in situ y personalizada. Es de esta forma con este tipo de hábitats con  los que no pueden competir las agencias internacionales.

Concluido el 10 de octubre de 2017

Zapata-Ros, M. (2017). Latinoamérica y la educación superior en la encrucijada de la Sociedad del Conocimiento. Desafíos y disrupciones.

 

 

 

 

Referencias.-

Alexander, B. (2008). Web 2.0 and Emergent Multiliteracies. Theory into Practice 47(2), 150-160.

Armstrong , J. and Franklin, T. (September 2008).  A review of current and developing international practice in the use of social networking (Web 2.0) in higher education. Franklin Consulting. Accedido en http://www.franklin-consulting.co.uk/LinkedDocuments/the%20use%20of%20social%20networking%20in%20HE.pdf el 01/08/14.

Bates, T. (2014). Learning theories and online learning. Accedido en http://www.tonybates.ca/2014/07/29/learning-theories-and-online-learning/ el 01/08/14.

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

Brandman,  R. (2013) 5 Tips: Learn more effectively in class with Mastery Learning. Course Operations MOOC Pedagogy Specialist, Accesible el 09/06/13 en http://blog.coursera.org/post/50352075945/5-tips-learn-more-effectively-in-class-with-mastery

Byram, M. (1992), Culture et éducation en langue étrangère, Paris, Hatier/Didier collection «Langues et apprentissage des langues».

Byram, M., Gribkova, B. and Starkey, H. (2002), Developing The Intercultural Dimension In Language Teaching. A Practical Introduction For Teachers, Council of Europe, Strasbourg. Consultado el 29/05/2014 en http://lrc.cornell.edu/director/intercultural.pdf

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.

CIT (Center for Intructional Technologie) (2013) Building a Coursera Course  Version 2.0 https://docs.google.com/document/d/1ST44i6fjoaRHvs5IWYXqJbiI31muJii_iqeJ_y1pxG0/edit?pli=1

Clark, D. (2012). Napsterisation of learning: Democratisation, decentralisation and disintermediation of learning. Blog Donald Clark Plan B   http://donaldclarkplanb.blogspot.com.es/2012/10/napsterisation-of-learning.html

Conole, G. (2013). MOOCs as disruptive technologies: strategies for enhancing the learner experience and quality of MOOCs.  RED, Revista de Educación a Distancia. Número 33. Consultado el (dd/mm/aaa) en http://www.um.es/ead/red/33

Coursera (2013) The 5 tips learn more effectively in class with mastery learning. http://blog.coursera.org/post/50352075945/5-tips-learn-more-effectively-in-class-with-mastery

Ferenstein, G. (Sep 9, 2014 ). Tech Titans And Online Education Orgs Team Up With The Open Education Alliance. http://techcrunch.com/2013/09/09/tech-titans-and-online-education-orgs-team-up-for-career-standards-alliance/

Ferenstein, G. (June 16, 2014). AT&T and Udacitypartner to createthe ‘nanodegree,’ a new type of college degree. http://venturebeat.com/2014/06/16/att-and-udacity-partner-to-create-the-nanodegree-a-new-type-of-college-degree/

Hopkins, D. (2007). Every School a Great School: Realizing the Potential of System Leadership. McGraw Hill.

Hardesty, L. (March 6, 2013). Higher-ed leaders meet to discuss future of online education  MIT News http://news.mit.edu/2013/edx-summit-0306

McCombs, B., & Whisler, J. S. (1997). The learner-centered classroom and school: Strategies for increasing student motivation and achievement. San Francisco: Jossey-Bass Publishers.

Shah, D. (2016). MOOC Trends in 2016: College Credit, Credentials, and Degrees. https://www.class-central.com/report/mooc-trends-credit-credentials-degrees/

Reigeluth, C. M. (1994). The imperative for systemic change. In C. M. Reigeluth & R. J. Garfinkle (Eds.), Systemic change in education (pp. 3-11). Englewood Cliffs, NJ: Educational Technology Publications.

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. Accedido en http://www.um.es/ead/red/32 el 01/08/14.

Reigeluth, C.M., Watson, W.R., Watson, S.L., Dutta, P., Chen, Z., & Powell, N.D.P.  (2008).  Roles for technology in the information-age paradigm of education: Learning Management Systems. Educational Technology, 48(6), 32-39.

Weller, M. (2013). Coursera’s new plans – The Ed Techie: You can stop worrying about MOOC now  http://ow.ly/1WTQCf

Zapata-Ros, M. (2013). El “problema de las dos sigmas” y el aprendizaje ayudado por la tecnología en la Educación Universitaria. Blog RED El aprendizaje en la Sociedad del Conocimiento, Hypotheses. https://red.hypotheses.org/287 http://eprints.rclis.org/18866/8/MOOCs.pdf

Zapata-Ros, M. (2013b).  Analítica de aprendizaje y personalización. CAMPUS VIRTUALES; VOL II; 02 http://www.revistacampusvirtuales.es

Zapata-Ros, M. (2013c). Enseñanza Universitaria en línea, MOOC y aprendizaje divergente. Preprint en Researchgate. https://www.researchgate.net/profile/Miguel_Zapata-Ros/publication/235955610_Ensenanza_Universitaria_en_linea_MOOC_y_aprendizaje_divergente/links/00b7d514b8ce72a982000000.pdf  

Zapata-Ros, M. (2013d). Los MOOCs, génesis, evolución y alternativa. Génesis (I). La crisis de la universidad como legitimadora social del conocimiento. Blog RED El aprendizaje en la Sociedad del Conocimiento, Hypotheses. http://red.hypotheses.org/505

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

Zapata-Ros, M. (21 de Abril de 2014) La configuración de espacios y de entornos físicos y tecnológicos en la nueva Enseñanza Superior (I). Redes abiertas. http://redesabiertas.blogspot.com.es/2014/04/la-configuracion-de-espacios-y-de.html

Zapata-Ros, M. (26 Abril de 2014) La configuración de espacios y de entornos físicos y tecnológicos en la nueva Enseñanza Superior (II). Redes abiertas. http://redesabiertas.blogspot.com.es/2014/04/la-configuracion-de-espacios-y-de_26.html

Zapata-Ros, M. (Junio de 2014). Los MOOCs han muerto (1). Micro posts de Miguel Zapata http://miguelzapataros.tumblr.com/post/88960768465/los-moocs-han-muerto-1

Zapata-Ros, M. (Febrero de 2015). La evolución de la Educación Abierta. Blog Redes abiertas. http://redesabiertas.blogspot.com.es/2015/02/la-evolucion-de-la-educacion-abierta.html

Zapata-Ros, M. (Marzo, 2015). El diseño instruccional de los MOOCs y el de los nuevos cursos abiertos personalizados. Revista de Educación a Distancia. 45(2). http://www.um.es/ead/red/45/zapata.pdf

Zapata-Ros, M. (2016). La universidad inteligente. RED El aprendizaje en la Sociedad del Conocimiento. Blog RED El aprendizaje en la Sociedad del Conocimiento, Hypotheses. https://red.hypotheses.org/904

 

 

[1] El fenómeno de la napsterización hace alusión a un programa, Napster, que adquirió mucha fama y uso hace unos años, y que permitía a los usuarios intercambiar, mediante un repositorio, música, libros, vídeos y otras obras soportadas en ficheros de ordenador. Entre nosotros fue más conocido un sucesor suyo: eMule.

El fenómeno consiste en una trivialización de contenidos al prescindir de la mediación tanto de especialistas como de servicios.

Según lo sautores que han hecho popular el término (Clark, 2012), este proceso tiene tres fases: La democratización, la descentralización y la desintermediación.

Sin embargo no acaba aquí, en otros casos ha posibilitado además la aparición de un modelo de negocio. Clark (2012) sostiene que los programas tipo Naspster y eMule allanaron  el camino para el iPhone de Apple y el iPad. Y tiene razón, ya que condujo a la desintermediación en la industria musical. Es el peligro de la disrupción de la enseñanza universitaria: la desintermediación.

La cuestión es cómo se producirá la mapsterización del aprendizaje, y sobre todo cuáles serán los efectos en este caso de la trivialización de los contenidos de aprendizaje.

 

[2] Descartamos la expresión “adaptativo” por dos razones. La primera por diferenciarlo del “aprendizaje adaptativo”, suficientemente conocido, que únicamente utiliza las necesidades de aprendizaje del estudiante para presentarle los contenidos de aprendizaje, y en nuestra propuesta lo que se individualiza es el diseño instruccional en su conjunto, o en lo más posible, para adaptarlo a las características de aprendizaje detectadas en el entorno personal del alumno. Y la segunda para hacer más énfasis en el sujeto de la expresión, que es el que tiene que hacer el esfuerzo para adaptarse a una situación compleja y cambiante. El ser humano es, en un plazo más largo que el de su vida, un sistema adaptativo. Pero nosotros hablamos de sistema educativo. En nuestro caso la fuerza recae sobre el objeto del sistema, en este caso el individuo y sus características de aprendizaje.

La expresión adaptativo se vincula con  sistema adaptativo complejo (CAS, del inglés complex adaptive system) que es un tipo especial de sistema complejo; El ser humano sí se puede considerar como un sistema complejo, como lo es la bolsa de valores o un ecosistema, en el sentido que se utiliza en estos dominios teóricos. En el sentido de que es diverso y conformado por múltiples elementos interconectados, algunos de los cuales son emergentes.

Pero en este caso los sistemas educativos no hacen énfasis en estos aspectos o en esta dimensión del ser humano por ser una dimensión ontológica que no tiene como referencia el individuo singular. A los sistemas educativos les interesa el individuo singularizado en un intervalo de tiempo que afecta a una fase de su vida o exclusivamente a su vida.

En todo caso cabría hablar de meta-adaptativo pero solo atendiendo a las formación de las competencias que desarrollan las características adaptativas del individuo.

 

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

La guía didáctica en la enseñanza abierta universitaria. Formato convencional (y II)

Esta entrada es continuación de otra en la que abordábamos la guía didáctica en la enseñanza abierta en línea universitaria. En ella describíamos los elementos que la constituyen hasta llegar al apartado de la evaluación. En ésta concluiremos tratando los recursos y la metodología docente. Recordemos también que utilizábamos, para construir la guía didáctica en formato convencional, unza tabla de doble entrada donde las filas correspondían a componentes, partes, de la unidad y las columnas a elementos del diseño instruccional, o de la guía didáctica.

Ésta y la anterior entrada forman el capítulo “La guía didáctica en la enseñanza abierta universitaria. Formato convencional” en lo que será el libro El diseño instruccional en la enseñanza abierta en línea

Recursos

Este apartado, en la guía didáctica, está constituido por la lista de materiales a utilizar para la consecución de los resultados de aprendizaje establecidos, y las consideraciones que se hacen sobre ellos.

Como en los casos de los apartados anteriores la metodología que proponemos es construirlo con la unión de los recursos de esta columna en la tabla, reelaborándolo, con la supresión de duplicidades, la unificación de redundancias y la redacción de lo resultante dándole contexto y relato. De esta forma el resultado cobrará una unidad holística en relación con las actividades, resultados de aprendizaje y con la evaluación y las estrategias de enseñanza que empleemos:

(Para ver a tamaño completo haga clic sobre la figura)

Obsérvese que en la tabla realmente las columnas de recursos sólo son dos, las que aparecen enmarcadas en rojo: La de los recursos propiamente y la de su ubicación. El resto, señalado en naranja corresponde a vídeos y a foros que, aunque se podrían conceptualizar como recursos, corresponden a ambientes de aprendizaje o a affordances.

Se utilizan para realizar las actividades de que consta la unidad didáctica, y suelen estar constituidos por textos: documentos PDF o en formato Word o de Open Office, aunque también pueden ser libros digitales (e-books) o revistas digitales en 3D (e-magazines); por videos temáticos, vídeos de conferencias, otros vídeos, capítulos o fragmentos en documentos o de libros impresos, presentaciones PPT, páginas web enlazadas, foros, etc.

Pero en todo caso hay que tener en cuenta dos cuestiones clave:

Una, que el apartado de recursos solo tiene una naturaleza: La de un repertorio de medios. La importancia real y efectiva del uso de recursos nos la da el apartado de actividades. Donde, en cada una de ellas, viene integrado el recurso correspondiente, y el uso que de él se hace, así como de los resultados que se esperan.

Y la otra cuestión va implícita en la primera, la constituye la entrega. Dijimos que la enseñanza es eminentemente ayuda y entrega: Ayuda pedagógica, pertinente y relevante, y entrega de contenidos, actividades y recursos. Pues bien, la entrega de recursos va determinada, en la guía, por la secuencia de actividades y por el cronograma. Si se rompe se crea una ansiedad o una distracción, que impide el dominio de la habilidad asociada, o la plenitud del aprendizaje conceptual.

Es clave pues la entrega de recursos. Entrega que está determinada en las actividades, y en la práctica por la subida del recursos, o su apertura, en la plataforma a decisión del instructor.

En la modalidad de Mastery learning la entrega de recursos, integrados en actividades, se hace como hemos visto de forma personalizada, cuando el alumno ha obtenido el dominio de la fase o actividad anterior. Y la determina el TA.

En todo caso es muy importante:

  • Tener en cuenta las necesidades de los alumnos para utilizar el recurso y hacer cuantas anotaciones sean necesarias en este sentido. En algunos casos es recomendable crear o enlazar con una guía particular para la actividad utilizando este recurso. Por ejemplo: De qué forma deberían seguir los videos o el vídeo propuesto con el fin de ayudar a aprender más efectivamente lo que se espera para la actividad concreta.
  • Es muy importante contar con los derechos de autor. No incluya materiales de los que no disponga de los derechos de copia. Utilice preferentemente recursos abiertos ( http://search.creativecommons.org/) o cree recursos propios. Con las facilidades de Internet y de edición es posible.

Metodologías docentes

Habitualmente todo lo relacionado con el constructo metodología docente se identifica con  el “cómo enseñar”. Sin embargo esta vinculación no tiene por qué producirse necesariamente, como veremos. La metodología docente o las metodologías docentes van más vinculadas a las teorías del aprendizaje, y el cómo enseñar , además, tienen que ver con estrategias de enseñanza, constructo que tiene connotaciones prácticas y estratégicas, y con ambientes de enseñanza, que tienen también carácter práctico y está vinculado con el cómo se organizan espacios y recursos y tiene una connotación también estratégica por cuanto implica una forma de hacer la entrega, que como vimos es una parte esencial de la enseñanza en entornos abiertos en línea.

En el diseño instruccional se establecen correspondencias entre cómo enseñar y el resto de elementos de diseño: Resultados de aprendizaje, actividades, evaluación y recursos.

De esta forma no hay que olvidad la naturaleza situacional del diseño instruccional (Reigeluth, 2016 p.4),  también hay que tener en cuenta que (Zapata-Ros, 2013):

 “La Teoría del Diseño Instruccional 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.

Consiste en 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 andamios conceptuales.

Los métodos del diseño instruccional suponen un ciclo continuo y una evaluación formativa que permiten introducir mejoras sobre el proceso en el diseño del programa educativo, sin necesidad de concluir.”

Por tanto como, consecuencia para la práctica del diseño instruccional y para la construcción de la guía didáctica no hemos de olvidar que las metodologías docentes llevan indisociablemente unidas la evaluación formativa. Y en la parte dedicada a este punto hemos de incluir instrumentos y momentos para el ajuste de las estrategias y ambientes de enseñanza en función de una evaluación formativa diseñada con ese fin.

Para una correcta redacción de la guía docente que sea concordante con el sentido que tiene cada término hemos de distinguir entre

  • Metodología docente, que tiene que ver, y rápidamente nos remite, al tipo de aprendizaje que queramos propiciar, y a su sentido según las distintas teorías. De esta forma si hablamos de metodología cognitivista, constructivista o, por qué no, conductista, estamos atribuyendo un sentido al aprendizaje que queremos que se produzca, con todas las implicaciones que esto tiene. Sin embargo esto nunca se produce en la práctica así. En la práctica y en el diseño instruccional se tienen en cuenta las teorías para utilizar lo que nos dicen o nos informan los principios avalados por investigaciones y por videncias. El carácter constructivista de la metodología, por ejemplo, no es como una religión cuyos principios haya que aplicarlos a fortiori. Más que de metodología constructivista cabría hablar de rasgos constructivistas de la práctica de la enseñanza. O de entornos organizados con criterios constructivistas. Muy pocos entornos o diseños de la enseñanza son en este sentido puros o participan de una única teoría.
  • Ambiente de enseñanza/aprendizaje. Esto es lo que con más frecuencia se describe en las guías docentes. Al hacerlo se pormenorizan las relaciones que se establecen y las interacciones y roles de profesores y alumnos que ese ambiente implica. Y que se evocan con su sola mención cuando se habla de: clase magistral, grupo de trabajo, pequeño grupo, taller, laboratorio, mentorización (algunos lo identifican con tutoría), …
  • Estrategias docentes.- Implican una intencionalidad. Sobre esta cuestión nos vamos a extender más.

En el contexto de las reformas educativas españolas hubo una tendencia de fundamentar el diseño curricular, y su práctica a distintos niveles que incluían los más próximos y en los que el profesor era el actor de la planificación docente, en las percepciones y los esquemas de los alumnos, era un modelo entrado en el aprendizaje y en el alumno y hacía especial énfasis en una fundamentación psicoeducativa.

Era un planteamiento eminentemente situacionista: La eficiencia del aprendizaje dependía de la situación del contexto en y de las condiciones en que se producía. Esta perspetiva se consolidé en el diseño instruccional (Zapata-Ros, 2013):

La Teoría del Diseño Instruccional de Reigeluth es un instrumento con un doble fin: facilitar el aprendizaje y el desarrollo humano, o mejordicho 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.

En el esquema siguiente se explica ese planteamiento a partir de “Psicología y curriculum: una aproximación psicopedagógica a la elaboración del curriculum escolar” (Coll, 1987)

Esquema de metodologías y teorías del aprendizaje

Estrategias docentes

El concepto de estrategias se incorpora recientemente a la psicología educativa[1], dentro de las corrientes cognitivistas, como un correlato inevitable con el carácter procedimental que tiene todo aprendizaje.

Es tanto como afirmar que los procedimientos usados para aprender son una parte muy decisiva del resultado final de ese proceso.

Es un concepto moderno que conecta con los principios de la psicología cognitiva, con la perspectiva constructivista del conocimiento y aprendizaje, con la importancia atribuida a los elementos procedimentales en el proceso de construcción de conocimientos y con los aspectos diferenciales de los individuos que enfatiza la  psicología cognitiva.

El concepto de estrategia implica una connotación finalista e intencional.

Toda estrategia ha de ser un plan de acción ante una tarea que requiere una actividad cognitiva que implica aprendizaje.

No se trata, por tanto, de la aplicación de una técnica concreta.

Se trata de una secuencia  de disposiciones que desencadenen  habilidades y destrezas –que el aprendiz ha de poseer previamente- con una serie de técnicas que se aplican en función de los resultados de aprendizaje que se desean obtener.

Modelo de guía didáctica

Finalmente, y a partir de todo lo tratado en éste y en el post anterior, éste es el modelo de guía didáctica que proponemos

1. Datos de contexto.-

2. Presentación

3. Tabla con las componentes instruccionales por elementos de elaboración (epígrafes)

4. Descripción de los elementos de diseño instruccional  que constituyen la guía didáctica

A. CONTENIDOS

B. RESULTADOS DE APRENDIZAJE / COMPETENCIAS

Genéricos

Específicos

C. METODOLOGÍAS DOCENTES

D. ACTIVIDADES

E. EVALUACIÓN

F. RECURSOS

5. Temporalización / Cronograma

 

Para los participantes en los programas de formación y para obtener el ejemplo que hemos seguido todo el tiempo hemos utilizado la guía oficial de unidad didáctica “Metodologías de investigación y nueva naturaleza de la ciencia en la Sociedad de la Información y del Conocimiento (SIC)” correspondiente a la asignatura “Sociedad de la Información y del Conocimiento” del “Máster Universitario en Informática Pluridisciplinar” de la Universidad de Alcalá, impartida en la edición de 1011-2012 y la guía docente de la misma asignatura (http://srv.aneca.es/ListadoTitulos/sites/default/files/informes/verificacion/InformeFinal_ABR_II_0107-2009.pdf)

Referencias

Adam, S. (2006) An introduction to learning outcomes. A consideration of the nature, function and position of learning outcomes in the creation of the European Higher Education Area. In: E. Froment & J. Kohler (eds.) EUA Bologna Handbook. Berlin: Raabe Verlag. http://pedagogie-universitaire.blogs.usj.edu.lb/files/2013/03/An-introduction-of-learning-outcomes.pdf

ANECA(2013) Guía para la redacción y evaluación de los resultados del aprendizaje.  http://www.aneca.es/Sala-de-prensa/Noticias/2013/ANECA-presenta-la-Guia-para-la-redaccion-y-evaluacion-de-los-resultados-del-aprendizaje

CIT (Center for Intructional Technologie) (2013) Building a Coursera Course  Version 2.0 https://docs.google.com/document/d/1ST44i6fjoaRHvs5IWYXqJbiI31muJii_iqeJ_y1pxG0/edit?pli=1

Coll, C. (1987) Psicología y curriculum: una aproximación psicopedagógica a la elaboración del curriculum escolar: Laia.

European Consortium for Accreditation in higher education (2013). Learning Outcomes in Quality Assurance and Accreditation Principles, recommendations and practice. http://ecahe.eu/w/images/b/ba/Publication-Learning_Outcomes_in_Quality_Assurance_and_Accreditation.pdf

Fink, L.D. (2003), A Self-Directed Guide to Designing Courses for Significant Learning. http://www.deefinkandassociates.com/GuidetoCourseDesignAug05.pdf

Reigeluth, C. (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

Zapata-Ros, M. (2013). Charles Reigeluth: la personalización del aprendizaje y el nuevo paradigma de la educación para la sociedad postindustrial del conocimiento. In Pensadores de ayer para problemas de hoy: teóricos de las ciencias sociales (pp. 153-191).

—————————————

[1] http://revistas.um.es/red/article/view/23941, http://revistas.um.es/red/article/view/271261, pág. 6

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

La guía didáctica en la enseñanza abierta universitaria. Formato convencional (I).

Éste es el segundo post de una serie que comenzó con  otro dedicado a la Guía Didáctica construida como una tabla de doble entrada. Y todos ellos  esperamos que en un futuro próximo constituyan un libro sobre “el diseño instruccional en la enseñada abierta en línea”.

El orden de aparición y el hilo de los posts no va a seguir la secuencia de capítulos y partes del libro. Aparecerán a medida que los vaya concluyendo en un estado razonable de elaboración. Y esto sucederá previsiblemente a medida que con el uso en cursos y seminarios  queden completos, o al menos en un estado razonablemente completo.

Éste y el anterior proceden de  un curso en un programa de formación y cambio en la estructura docente y en el diseño de la enseñanza de postgrado en la Universidad Técnica Particular de Loja (UTPL), y es  la parte más reciente y más elaborada en ese curso: La elaboración de la guía didáctica y de la guía docente. Tanto en formato de tabla, como en formato extenso o completo, y del método de construcción que esto implica: El utilizar la estructura de tabla como núcleo cuyo desarrollo da lugar a la estructura completa, y como referencia holística de todos los elementos instruccionales que constituyen la guía didáctica.

 

El diseño instruccional en la enseñada abierta en línea

IV.- Naturaleza y elaboración de la Guía didáctica de una unidad.

Capítulo “La guía didáctica en formato convencional”

Hemos visto, tal como lo plantean Fink (2003) y Coursera (CIT – Center for Intructional Technologie, 2013) que una guía didáctica para estar bien diseñada tiene que admitir el formato de tabla de doble entrada. Sin embargo casi todas las instituciones y agencias de acreditación de la calidad de docencia universitaria piden un formato convencional, menos conceptual y más descriptivo. Piden un documento organizado en apartados, uno detrás de otro, que aborden, no de forma relacional, los elementos o dimensiones que constituyen tradicionalmente la guía, o su correlato en el diseño instruccional. Y que de forma clásica constituyen, cuando menos, los contenidos, los resultados de aprendizaje, las actividades, los procedimientos de evaluación, las metodologías docentes seguidas y los recursos. Además de los datos de contexto (básicamente a qué curso o asignatura corresponden en qué nivel educativo y en qué especialidad, así como la versión de que se trate y fecha de la más reciente versión).

Respecto de estos últimos nada podemos añadir a lo dicho en el apartado anterior.

Los otros apartados están constituidos por la yuxtaposición de lo que en la versión anterior tratábamos de forma relacional, vinculando cada apartado o ítem de  los contenidos con sus correspondientes resultados de aprendizaje esperados, su evaluación y sus actividades.

Ahora el apartado de contenidos de la unidad didáctica lo constituye la unión de todo lo que aparece en lo primera columna de la tabla, el apartado de resultados de aprendizaje lo constituye la unión de todo lo que estaba en la segunda columna, eliminando las repeticiones (un resultado de aprendizaje se puede obtener por el desarrollo de varios contenidos elementales), y así sucesivamente.

Contenidos

Los contenidos en una versión más clásica y con más consenso lo constituyen el incremento del material cognitivo que hay entre el antes y el después de la acción formativa., del proceso educativo. En él se incluyen los conocimientos que el alumno incorpora en términos de competencias operativas, contenidos conceptuales, ideas, procedimientos que domina, atribuye sentido y los transfiere a contextos diferentes ejecutándolos de forma autónoma y los valores. En términos de diseño instruccional es el resultado de la secuencia elaborativa.

En el diseño de una versión normal de curso, de un MOOC, o de una asignatura convencional, nos conformaríamos con un primer nivel de elaboración. El que nos da los temas de que consta la unidad. Pero en un curso personalizado o en un trabajo bien hecho, o simplemente si deseamos desglosar los contenidos o tareas para el método de Mastery learning, tendríamos que llegar al segundo, tercer, cuarto nivel, o al nivel máximo posible de elaboración. El que nos daría las claves del contenido, competencias o tareas que habría que dominar. Y obviamente su descripción sería el guion jerarquizado con distintos niveles (correspondientes a los niveles de elaboración) que obtenemos como resultado de la secuenciación.

Este guion es importante porque supone en cada momento un irremplazable guía para el alumno: Le orienta sobre dónde y cómo está situado en cada momento en su progreso de aprendizaje.

En el ejemplo que hemos utilizado el esquema elaborativo nos suministra el guión de contenidos

Así pues los contenidos serían los enunciados en el siguiente guion, todo lo más ilustrados con alguna nota aclaratoria:

Metodologías de investigación y nueva naturaleza de la ciencia en la SIC

1.       Esquemas anteriores

1.1.    Esquemas omnipresentes

1.1.1. El método hipotético deductivo. Popper

1.1.2.    La evidencia, la prueba

1.1.3. El contraste de hipótesis

1.2.    Dilemas en cuestión

1.2.1. Investigación en CC SS vs CC NN, CC Exp

1.2.2. Métodos de investigación Cuantitativos vs Cualitativos

1.3.    La difusión de la ciencia

2.       Rasgos de la investigación en la  SIC

2.1.    Ciencia como actividad compartida

2.1.1. Entornos de gestión de la investigación

2.1.2. Literatura gris

2.1.3. Nueva dinámica de la ciencia.

2.2.    Ciencia y web social

2.3.    Explotación común de recursos

3.       Nueva naturaleza de la ciencia en la SIC

3.1.    Naturaleza centrada en procesos

3.2.    Naturaleza Formativa

3.3.    Naturaleza Holística

3.4.    Naturaleza  Interdisciplinar

3.5.    Naturaleza compartida

4.       Nuevas metodologías de investigación en la SIC

4.1.    Investigación centrada en el diseño

4.2.    La investigación formativa en el contexto de la investigación basada en el diseño

4.3.    Investigación formativa

5.       Consecuencias para la práctica

5.1.    Consecuencias para la práctica: Organización

5.2.    Consecuencias para la práctica: Financiación

5.3.    Consecuencias para la práctica: Infraestructura y recursos

5.4.    Consecuencias para la práctica: Cambios en la cultura científica

5.5.    Consecuencias para la práctica: Cambios éticos y legales

Llegados a este punto, como en todos los siguientes, proponemos como actividad que el lector construya su propia secuencia de contenidos. Obviamente debe ir precedida de una justificación, en un texto de unos pocos párrafos, en los que justifique estos contenidos en relación con los resultados de aprendizaje que se esperan para esta unidad y la relación en términos generales que tienen con su evaluación y con los recursos y metodologías que va a emplear señalando sólo los aspectos más relevantes que merezcan la pena ser tratados aquí, teniendo en cuenta que la descripción extensa y exhaustiva se realiza en los correspondientes apartados.

Resultados de Aprendizaje

Es lo qué van a aprender los estudiantes en la unidad. La ganancia cognitiva, la diferencia entre el antes y después. Lo que en definitiva se ve incrementado su bagage de ideas, habilidades, competencias, valores que, como dijimos en el capitulo dedicado al aprendizaje, implica comprensión, asimilación, incorporación, atribución de sentido, ejecución autónoma y transferencia.

El método operativo para obtenerlos, en la guía en su versión extensa, es similar  al que utilizamos para los contenidos: Como la unión de todos los resultados de aprendizaje que se asocian a los elementos de diseño instrucciona, a los items resultantes de la elaboración. Así obtenemos los resultados de aprendizaje específicos, los generales vienen dados habitualmente de forma preceptiva, y si no es así los podemos obtener por síntesis de los específicos.

Sin embargo no se trata de un “corta y pega”. Es precisa una elaboración. Eliminando duplicidades y redundancias. Es así porque no tienen porqué corresponderse las celdas de epígrafes con las celdas de resultados de aprendizaje. Un elemento de contenidos puede contribuir parcialmente a una competencia o a un resultado de aprendizaje. Incluso un único contenido puede dar lugar a actividades para varios resultados.

Justificación

¿Objetivos, competencias o resultados de aprendizaje?

Se han planteado hasta la saciedad la necesidad de cambiar un modelo de enseñanza universitaria centrada en contenidos por un modelo centrado en las capacidades de los alumnos en la vida profesional y científica. A un modelo centrado en las competencias. Indudablemente eso supone un gran salto y un notable cambio conceptual y de paradigma en relación con el modelo anterior, el de un modelo contenidista centrado contenidos teorizantes o librescos. Parece razonable que se tenga como referencia el rendimiento y la inserción en contextos profesionales o que se orienten hacia ellos.  Sin embargo no existe un consenso sobre la naturaleza de las competencias ni sobre metodologías y procedimientos de evaluación eficientes, sobre todo en un contexto académico, lejos de los entornos profesionales y con alcances diferentes. Esto ha llevado a la Unión Europea (Adam, 2006) (European Consortium for Accreditation in higher education, 2013) a instar a las instituciones a que definan sus metas para la acreditación en términos de resultados de aprendizaje. La agencia española de calidad en el trabajo encargó a un grupo liderado por Carmen Vizcarro (ANECA, 2013) una ”Guía para la redacción y evaluación de los resultados del aprendizaje”. En ella se dice:

“(…) la necesidad de que la formación universitaria revise sus pilares constitutivos y centre su labor docente en la profundización de los aprendizajes de los universitarios, así como en mejorar la experiencia universitaria de los estudiantes.”

Definición

Así pues uno de los elementos novedosos y claves de los nuevos planes de estudios son los resultados del aprendizaje que en una aproximación a su definición son elementos del diseño curricular que ayudan a describir lo que se quiere conseguir con un programa formativo, o parte de éste.

De esta forma, para nuestras necesidades, los resultados de aprendizaje de la unidad los podemos obtener a partir del conjunto de resultados de aprendizaje de los ítems o de los elementos de contenidos. Naturalmente es precisa una labor de depuración, eliminando duplicidades, y de reelaboracion.

Una explicación más amplia la podemos obtener del libro citado “Guía de apoyo para la redacción, puesta en práctica y evaluación de los resultados de aprendizaje”, donde además se dan de forma muy explicita “Orientaciones para redactar resultados del aprendizaje” (ANECA, 2013 p. 25).

En el ejemplo que hemos propuesto los resultados de aprendizaje los obtendríamos como el conjunto de los resultados de aprendizaje de todos los elementos de esa columna en la matriz debidamente sistematizados y depurados de repeticiones y de redundancias:

Actividades

Las actividades están constituidas por propuestas operativas a realizar por los alumnos para alcanzar los resultados de aprendizaje que se evaluarán sumativamente o formativamente.

Como en todos los demás casos el apartado de actividades de la guía extensa lo construimos siguiendo el mismo proceso: A partir de la información contenida en la cuarta columna de la tabla, que nos la relaciona con los elementos que constituyen la unidad (la primera columna), los resultados de aprendizaje (la segunda) y en una fase posterior con recursos, metodología y sobre todo con la evaluación, en un conjunto de  significados, relaciones e implicaciones recíprocas.

Una vez que obtenemos esta información en bruto, se procede a una reelaboración eliminando duplicidades (una misma actividad puede servir a la consecución de distintos resultados de aprendizaje) y redundancias (posiblemente hayamos previsto actividades muy parecidas con partes o elementos comunes y tengamos que referir una a la otra, suprimiendo en las partes repetidas). Y sobre todo cada actividad tendrá que redactarse en una forma más completa y comprensible para el alumno en un texto contextualizado y con un relato adecuado.

De esta forma las actividades se formulan en estilo descriptivo y con las expresiones y verbos de acción adecuados. Señalando las lecturas a realizar, proyectos, trabajos monográficos, intervenciones en foros, visionado de vídeos,…

Frecuentemente se confunde la ejecución o el logro de una actividad concluida satisfactoriamente con la superación de la evaluación de esa parte, o con la consecución el resultado de aprendizaje de esa parte. Olvidando que el aprendizaje, y sobre todo si es de mastery learning, es mucho más, es por supuesto comprensión pero también es atribución de sentido, autonomía y transferencia. Resultados que no pueden evaluarse con la conclusión de la actividad.

Resumiento: No se evalúa la conclusión de actividades sino el aprendizaje obtenido con ellas.

Un punto discutido a propósito de las guías didácticas, sobre todo cuando se refieren a unidades o a módulos cortos, es la relación y el sentido que tienen las actividades, relacionando el tratamiento que se les da en ellas y en los textos guía, en los e-textos o simplemente en los textos de la unidad o de la asignatura. ¿En qué se diferencia formalmente y funcionalmente una actividad en una guía y una actividad en un texto guía o en un libros de texto?

En la guía una actividad, como todo lo demás, tiene un carácter orientativo: indica lo que hay que hacer para alcanzar un objetivo u obtener un resultado de aprendizaje. En este caso se describen y enlazan recursos y se indica escuetamente lo que hay que hacer. En el libro de texto la actividad está en un contexto instruccional, el objetivo no es tanto orientativo como apoyar y complementar el conjunto que forma con el texto, como información necesaria para aprender. Sobre todo como información conceptual. Por tanto la actividad tiene en este caso un fin instruccional.

En todo caso no se ha de olvidar referenciar de forma clara y sencilla los recursos que se utilizan.

Y también consignar como un punto clave los criterios de evaluación y el nivel de dominio que se debe conseguir con la actividad.

Evaluación

Es un elemento clave y regulador de todo lo demás: es el que nos suministra la evidencia de los resultados de aprendizaje e información para la regulación del proceso. En la guía didáctica se debe incluir un apartado dedicado a la evaluación, tanto a la sumativa como a la formativa.

En el primer caso se debe hacer constar de forma clara y sucinta qué evidencias ha de aportar el alumno para demostrar que ha alcanzado las competencias pedidas en esta unidad. Y en qué consiste alcanzar esa competencia. De esta forma la evaluación se basa en el principio de demostración. Todo ello, dicho de forma entendible por los alumnos, constituye los criterios de evaluación.

En cualquier caso se debe hacer constar de forma clara y sucinta:

  • qué evidencias ha de aportar el alumno para demostrar que ha alcanzado as competencias pedidas en esta unidad. Y
  • en qué consiste alcanzar esa competencia.

La evaluación se basa en el principio de demostración. Los dos elementos anteriores constituyen los criterios de evaluación, que han de ser conocidos de forma clara y comprensible por los alumnos.

Por tanto en cualquier caso se han de hacer constar:

  • Las tareas cuya ejecución manifiesta la evidencia de haber conseguido el dominio y en qué consiste éste. Es decir la expresión muy sucinta de lo que debe saber hacer para pasar a la unidad siguiente. Debe ser verificado por el profesor instructor, el profesor asistente, o eventualmente por el alumno asistente que tenga asignado.
  • Las actividades (lecturas, participar en los foros, visitar webs, ver vídeos, realizar síntesis o trabajos, etc.). Actividades que se proponen para ayudar a alcanzar los objetivos y que son objeto de autoevaluación o de apoyo por los profesores asistentes en el caso de cursos personalizados.
  • Autoevaluación. Si optamos por esta modalidad o creemos conveniente que los alumnos la utilicen en algún momento, en este apartado se indica el procedimiento, su enlace en caso de que esté en la web para que el alumno realice la autoevaluación de las actividades propuestas.

Como en los casos anteriores, para construir el apartado de evaluación de la guía didáctica podemos tomar como base lo que aparece contenido en la columna de evaluación (La que hemos llamado “Tareas o destrezas que se deben dominar para evidenciar el logro. Criterios de evaluación” en el ejemplo propuesto). El conjunto de estas informaciones reelaboradas, eliminando redundancias y repeticiones, dotándole de contexto (justificación en los resultados de aprendizaje) y de relato (modalidades de logro y de dominio) es lo que constituye el apartado de evaluación de la guía didáctica:

Evaluación por Mastery Learning

Si las evaluaciones se realizan en la modalidad de  dominio de tarea (Mastery learning y cursos personalizados), es preciso haber realizados antes una secuenciación utilizando alguna de las técnicas clásicas (Análisis de contenidos, análisis de las tareas, Teoría de la Elaboración). En el caso de la Teoría de la elaboración habría que realizar reelaboraciones hasta conseguir un nivel adecuado para aplicar el Mastery Learning..

En todo caso hay hacer una indicación sucinta de los criterios que el profesor va a tener en cuenta para aceptar que se han producido de forma suficiente los niveles de

  • Comprensión.

Es decir, habrá que especificar las tareas, preguntas conceptuales, intervenciones en el foro, etc. que en el desarrollo de las actividades el alumno tendrá que hacer o responder para asegurar la comprensión. Advirtiendo que en este caso el Profesor Asistentes (PA o Teacher Assistant, TA) tomará notas y devolverá información textual o verbal.

  • Asimilación. Incorporación. Atribución de significado

Es decir, habrá que verificar si los alumnos consiguen realizar las tareas de forma autónoma, o resolver los problemas sin ayuda.

  • Dominio

Por último habrá que verificar si los alumnos resuelven todos los problemas y realizan todas las tareas de forma autónoma en todos los casos, en situaciones diferentes y con datos distintos.

Referencias

Adam, S. (2006) An introduction to learning outcomes. A consideration of the nature, function and position of learning outcomes in the creation of the European Higher Education Area. In: E. Froment & J. Kohler (eds.) EUA Bologna Handbook. Berlin: Raabe Verlag. http://pedagogie-universitaire.blogs.usj.edu.lb/files/2013/03/An-introduction-of-learning-outcomes.pdf

ANECA(2013) Guía para la redacción y evaluación de los resultados del aprendizaje.  http://www.aneca.es/Sala-de-prensa/Noticias/2013/ANECA-presenta-la-Guia-para-la-redaccion-y-evaluacion-de-los-resultados-del-aprendizaje

CIT (Center for Intructional Technologie) (2013) Building a Coursera Course  Version 2.0 https://docs.google.com/document/d/1ST44i6fjoaRHvs5IWYXqJbiI31muJii_iqeJ_y1pxG0/edit?pli=1

European Consortium for Accreditation in higher education (2013). Learning Outcomes in Quality Assurance and Accreditation Principles, recommendations and practice. http://ecahe.eu/w/images/b/ba/Publication-Learning_Outcomes_in_Quality_Assurance_and_Accreditation.pdf

Fink, L.D. (2003), A Self-Directed Guide to Designing Courses for Significant Learning. http://www.deefinkandassociates.com/GuidetoCourseDesignAug05.pdf

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Construcción de la guía didáctica como tabla de doble entrada

Con este post comienzo en RED de Hypotheses lo que espero que en un futuro próximo se transforme en un libro sobre “el diseño instruccional en la enseñada abierta en línea”.
El orden de aparición y el hilo de los posts no va a seguir la secuencia de capítulos y partes del libro. Los publicaré a medida que los vaya concluyendo en un estado razonable de elaboración. Y esto sucederá a medida que los vaya utilizando en los cursos, seminarios, talleres y conferencias y que queden completos, o al menos mi satisfacción con ellos sea la adecuada. Así por ejemplo, ahora he concluido una parte, un curso de un programa de formación y cambio en la estructura docente y en el diseño de la enseñanza de postgrado en la Universidad Técnica Particular de Loja (UTPL Pues bien empezaré por la parte más reciente y más elaborada en ese curso: La elaboración de la guía didáctica y de la guía docente. Tanto en formato de tabla, como en formato extenso o completo, y del método de construcción que esto implica: El utilizar la estructura de tabla como núcleo cuyo desarrollo da lugar a la estructura completa, y como referencia holística de todos los elementos instruccionales que constituyen la guía didáctica.

Este material procede del que he estado utilizando, además de en el programa de formación y de cambio señalado en la Universidad Técnica Particular de Loja (Ecuador), en un curso abierto en línea de carácter investigativo que en la actualidad se desarrolla en su tercera edición, en la Universidad de Alcalá de Henares, y de donde he obtenido la verificación de la mayor parte de ideas y principios que constituyen este material, en la plataforma Open Education de BlackBoard, en un curso de la Universidad de Guadalajara (México) para los técnicos docentes y organizadores del Sistema de Universidad Virtual de dicha universidad y próximamente constituirá también material para sendos cursos, uno organizado por la Universidadd de Valladolid, por el Vicerrectorado de Ordenación Académica e Innovación Docente,  y el otro organizado por la Universidad de Murcia, por su Centro de Formación y Desarrollo Profesional.

Como precedentes de este trabajo están un preprint (Zapata-Ros, 2013) editado en ELIS, un artículo publicado en RED – Revista de Educación a Distancia (Zapata-Ros, 2015)

El diseño instruccional en la enseñada abierta en línea

IV.- Naturaleza y elaboración de la Guía didáctica de una unidad.

Capítulo “La guía didáctica como tabla de doble entrada”

Cuando el instructor o el diseñador instruccional  construye la guía didáctica de una unidad,  trata de describir lo que el alumno debe hacer, con el fin de durante el proceso conducente a los objetivos de aprendizaje y los logros, en las actividades, el alumno se sienta en todo momento guiado.

Un forma de organizar la información de la guía didáctica que hemos comprobado que da excelentes resultados es escribir cada unidad en una hoja de cálculo. Utilizando las filas para las actividades y las columnas para las dimensiones de esas actividades, como podemos ver en el anexo.

Una buena guía es pues la que se puede organizar en una hoja de cálculo

Introducción.-

La guía didáctica de la unidad es el principal documento para que el alumno sepa en qué lugar está en cada momento en su progresión hacia los objetivos.

El instructor, profesor o diseñador instruccional debe de tener claro esto de manera que el lenguaje sea adecuado al tipo de alumnos que van a seguir el curso y no tenga tecnicismos de tipo pedagógico o de otra naturaleza distinta de la materia que el alumno va a aprender o de las metáforas o imágenes que necesita para una mayor comprensión y aún así éstas deben de estar escritas en un estilo neutro y deslocalizado (sin localismos) para posibilitar la comprensión de los alumnos en los lugares más diversos.

El formato de la guía puede ser secuencial, es decir  conteniendo una secuencia de elementos menores de contenidos, tareas o elaboraciones (ítems o epígrafes). Cada uno con sus actividades, recursos, evaluación, etc. O puede constituir el desarrollo de un modelo de dos dimensiones, tabla, matriz utilizando una hoja de cálculo. Le recomendamos esta opción, aunque yo personalmente he utilizado durante bastante tiempo la primera. Pero en todo caso no confundir la guía didáctica que es el desarrollo con la tabla que es el esquema operativo y de trabajo de ese desarrollo.

Si utilizamos este modelo tenemos que tener claras dos cosas:

La secuencia de epígrafes (elementos de contenidos, tareas o elaboraciones) de manera que cada una constituya una fila o línea en la tabla.

Las dimensiones que constituyen la unidad didáctica: Título, nombre o síntesis del contenido o tareas; descripción de los contenidos; objetivos, tareas o competencias que se deben dominar; actividades (lecturas, ver vídeos, realizar síntesis o trabajos, etc.); recursos y sistema de evaluación. De todas formas esto lo describiremos con más detalle después. Lo importante es que estas dimensiones constituyan las columnas de la tabla.

En cualquier caso cada guía de unidad debe contener referenciado de forma clara el material didáctico (videos, lecturas, evaluaciones) que guiarán a los estudiantes hacia los resultados de aprendizaje de la unidad. Las unidades incluirán además  elementos de evaluación graduados y progresivos y, en su caso, diversificados, con base a los materiales entregados en la unidad. Ofrecemos un ejemplo de hoja de cálculo desarrollada con un caso general y fácilmente comprensible.

Describimos después con más detalle los elementos de que consta la unidad como columnas de la hoja de cálculo que utilizamos como guía didáctica.

La construcción de los apartados (Items) de la guía didáctica a partir de la secuencia elaborativa. Un ejemplo.-

Pafra lo que sigue vamos a considerar un caso, un ejemplo que nos ayude en la construcción de la tabla y de la guía didáctica.

Utilizaremos para ello el diagrama elaborativo construido para la unidad didáctica “Metodologías de investigación y nueva naturaleza de la ciencia en la Sociedad de la Información y del Conocimiento (SIC)” que forma parte de  la asignatura Sociedad de la Información y del Conocimiento, en el “Máster Universitario en Informática Pluridisciplinar” de la Universidad de Alcalá, aprobado por la ANECA. Asignatura impartida como troncal. Nos referimos a la edición del máster de 1011-2012.

Para realizar este diagrama utilizamos la técnica descrita en el capítulo correspondiente. En ella utilizamos algunas actividades para ejemplificar la secuencia y la tabla que ilustraba entonces algunos elementos del diseño instruccional.  En particular las columnas dedicadas a la evaluación por Mástery learning. Pero sólo lo utilizaremos para ilustrar, como relleno. Lo importante es la elaboración de los elementos de contenido de la unidad didáctica, de lo que será la primera columna de la tabla.

Con esta unidad de la asignatura se trataba de desarrollar la competencia genérica “4. Entender el concepto de trabajo pluri-disciplinar y conocer herramientas y métodos de trabajo y de investigación en diferentes áreas disciplinares”

De esta forma llegamos al siguiente esquema elaborativo de tres niveles de elaboración (hacer clic sobre la imagen para verla completa):

Fig. 1

 

El último nivel de elaboración nos suministra los epígrafes con los contenidos conceptuales o procedimentales de la unidad didáctica. Hay que destacar que el primer elemento del primer nivel de elaboración “Esquemas anteriores” tiene tres niveles mientras que el resto tiene dos. Por tanto tomaremos los epígrafes más elaborados en cada caso: Del tercer nivel en el primer caso y del segundo en el resto. La idea igualmente  es que la carga de trabajo sea homogénea en todos los casos.

Con ello los ítems, o la primera columna de la tabla, quedaría:

 

 

Describimos ahora con más detalle los elementos de que consta la unidad como columnas de la hoja de cálculo que utilizamos como guía didáctica. Empezamos con los datos de contexto.

Encabezamiento y metadatos.-

Son los datos que sitúan la unidad didáctica dentro del contexto amplio de los estudios donde está ubicada y el momento, la versión, en que se redacta o se actualiza. Esta parte consta de

Título y fecha de la edición de la guía, así como versión.-  El título debe reflejar una síntesis de los contenidos (epitome) o un concepto globalizador donde se inserten los contenidos, o el objetivo más importante. Pero es preferible lo primero.

Encabezamiento.- En la versión de la guía didáctica como tabla, o en la tabla que se incluye en la guía didáctica, la primera fila o cabecera está formada por los descriptores de cada una de las componentes del ítem: Título, resultados de aprendizaje (objetivos, competencias,…), en el caso de mastery learning la competencia que debe dominar, o su descriptor, etc.:

Lo que vamos a hacer a continuación es desglosar cada uno de los elementos, que componen esa cabecera, describiéndolos. Pero antes hemos de aclarar que estos son los elementos que como mínimo hay que incluir, los que de forma común incluyen casi todas las versiones que hemos consultado. De forma que una guía didáctica, sea de una unidad, de un curso completo o de una clase, ha de contener al menos los  elementos siguientes, o componentes de cada actividad, descritos de forma clara y comprensible por alumnos y profesores:

Título o descriptor del epígrafe sobre contenido, sea un contenido conceptual, un procedimiento o un valor que se quiere que los alumnos incorporen.

Resultado del aprendizaje que se espera y que debe evocar  claramente  un criterio y una forma de evaluación.

Tareas o destrezas que se deben dominar para evidenciar el logro. Criterios de evaluación.

La actividad o actividades que se proponen para alcanzarlo.

La forma de autoevaluación que se propone, si ha lugar a ella..

Evaluación sumativa o el procedimiento de evaluación que se siga, en nuestro caso es de Mastery Learning con criterios para verificar los niveles de comprensión, asimilación–atribución de sentido y dominio, al menos.

Recursos educativos que se proponen.

Ubicación.- Es provechoso y orientador para el alumno deslindar lo que constituye material directamente utilizable para el aprendizaje  de lo que constituye la propia guía, de la parte orientativa.

Así los textos, imágenes, datos o referencias a otros documentos, a vídeos, a grabaciones o posdast, o a bibliografía complementaria, en definitiva  todo lo que el alumno para aprender,  debe constituir un corpus diferenciado escrito en una clave y con un estilo propio, la clave  y el estilo adecuado al apoyo en el aprendizaje: Es el texto base, lo que siempre se ha denominado “libro de texto”, y que ahora se denomina e-text.

Pues bien este conjunto de textos y referencias a materiales de apoyo, así como los enunciados en clave de ejecución de las actividades y las orientaciones para realizarlas, y otros elementos de apoyo constituyen bien los fascículos del texto base o bien en conjunto el texto base. Que debe existir y debe estar referenciado en la Guía Didáctica mediante su ubicación, descripción del sitio y de la URL.

Referencias.-

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

Zapata-Ros, M. (2015). El diseño instruccional de los MOOC y el de los nuevos cursos abiertos personalizados. Revista de Educación a Distancia, (45). http://revistas.um.es/red/article/view/238661

 

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

“Theory for the New Paradigm of Education” de Charles Reigeluth, versión oficial

Con motivo de su número 50 y de su XV aniversario la revista RED ha publicado sus artículos más relevantes en una edición especial. Uno de ellos es “Theory for the New Paradigm of Educación” (en español “Teoría instruccional y tecnología para el nuevo paradigma de la educación”), de Charles Reigeluth (2016) con una referencia única e invariante (DOI). De esta forma esta versión se convierte en la “Official Full-Text Publication” de la teoría.

En el artículo “Teoría instruccional y tecnología para el nuevo paradigmade la educación” (Instructional Theory and Technology for the New Paradigm of Education) se describe la teoría instruccional como base y apoyo a la educación postindustrial y a los sistemas de formación, a los sistemas personalizados, que están centrados en el alumno, en los que el progreso del estudiante se basa en el aprendizaje más que en una organización apoyada en el tiempo. El artículo describe los métodos y las ideas centrales del nuevo paradigma post-industrial de instrucción, la importancia y los problemas de la educación basada en la tarea. Los aborda desde la visión de una teoría de un diseño instruccional para la educación y para la formación post-industrial, así como los papeles que pueden jugar el profesor, el alumno y la tecnología en el nuevo paradigma.

Es pues un trabajo que establece una línea de ruptura, la marca de un cambio de era y de paradigma en la teoría instruccional que sirve de apoyo a la nueva educación. Este artículo fue publicado originalmente en RED, en el número 32. el 30 de Septiembre de 2012, posteriormente, el 1 de julio de 2013 se publicó el libro Reinventing Schools: It’s Time To Break The Mold de Charles M. Reigeluth (Autor) y Jennifer R. Karnopp (Colaboradora), que incluye la mayor parte de las ideas y desarrollos del artículo.

Recientemente ha aparecido el volumen IV de la obra Instructional-Design Theories and Models”, que desde 1983 coordina Reigeluth y en la que participa él mismo junto con otros autores en trabajos que son clave para la teoría, la práctica y la investigación del Diseño Instruccional. En el primer volumen publicado en 1983 se da conocer la Teoría del Diseño Instruccional y la Teoría de la Elaboración, ambas han tenido un peso decisivo e indiscutible en la práctica y en la teoría de la Educación. En el segundo volumen aparece el capitulo de Flint y Reigeluth dedicado a la Investigación Formativa (Flint & Reigeluth Formative research), hoy dia considerada una modalidad de metodología investigadora idonea para investigar procesos y diseños no sólo educativos sino en general en Ciencias Sociales. Pues bien en él aparecen al menos dos referencias al artículo publicado en RED.

Charles M. Reigeluth está considerado como uno de los once teóricos del aprendizaje que más ha contribuido a la educación en toda la historia, según la página de “Teóricos y teorías del aprendizaje” de la Universidad del Norte de Arizona. Su Teoría de la Elaboración es considerada en este sentido una aportación clave.

Ahora, con motivo del número 50 y del 15 aniversario, se ha reeditado el artículo en un número conmemorativo de RED, en el cual hemos incluido los artículos más relevantes y de más impacto. De esta forma, con el formato exigido  por WoS – ESCI y FECYT, se asigna DOI como referencia única para los artículos. Como editor he pedido a los autores de este número especial que suban a sus perfiles académicos en las redes sociales científicas sus trabajos y los difundan. Al hacerlo Charles Reigeluth ha calificado en Research Gate esta versión como  la “versión oficial a texto completo de la publicación” (La “Official Full-Text Publication” del artículo). De manera que a partir de ahora cuando se cite la versión oficial y original de  la “Theory for the New Paradigm of Educación” necesariamente han de referirse a este trabajo con el DOI asignado a la versión depositada en el directorio de RED.

Pero pasemos a examinar el artículo y su contenido.

En la introducción el autor señala como hechos consensuados por la comunidad de autores de Teoría de la Instrucción que en los distintos contextos educativos las personas aprenden a ritmos diferentes y tienen necesidades de aprendizaje diferentes. Sin embargo las escuelas, y los programas de formación, están organizados para  enseñar  una cantidad fija y predeterminada de contenidos en un periodo de tiempo establecido de forma previa e igual para todos. De esta forma los alumnos más lentos se ven obligados a pasar de tema antes de haber llegado a dominar el contenido. Esto sucede con los distintos tipos de unidades instruccionales: lecciones, trimestres, cursos y ciclos,  y así acumulan déficits en su aprendizaje que les dificultarán para aprender contenidos relacionados posteriores. Actualmente se llega a promocionar a alumnos sin un dominio adecuado, hay un gran miedo social  a afrontar lo que se ha denominado “fracaso escolar”, y nadie se preocupa de asegurar un nivel de dominio en el aprendizaje, el que permite asegurar una consolidación eficaz de competencias posteriores. Por otro lado los alumnos más rápidos se aburren hasta la frustración y pierden mucho tiempo, muy valioso en esas etapas, esperando al grupo para seguir adelante. Eso constituye un despilfarro considerable del talento que nuestras comunidades y empresas, en una época en la que el conocimiento y el rendimiento del aprendizaje es un bien básico. Además en el plano personal esta situación es un germen de frustraciones. En un sistema social y personalmente eficiente que hubiese sido diseñado para maximizar el aprendizaje esto no ocurriría, no se forzaría a los alumnos a promocionar antes de haber aprendido los contenidos, y no se obligaría a los estudiantes más rápidos a perder tiempo, motivación y confianza en el sistema.

Este estado de cosas, el paradigma de educación imperante que es el de los estándares de producción y por extensión de aprendizaje, es insostenible, sobre todo cuando existen medios y ambientes propiciados por la tecnología que nos ofrecen alternativas.

Pero hay fuertes resistencias. Nuestro paradigma actual de educación es quizá dentro de los cambios disruptivos que se están produciendo el sistema que más resiste.

Pero, tal como está considerada por ejemplo la educación superior en la organización del trabajo industrial  no podríamos darnos el lujo de educar o capacitar a todas las personas hasta el nivel superior, y tampoco tenemos esa necesidad en esa sociedad porque la  forma predominante de trabajo es el trabajo manual. De hecho, si educáramos a todos hasta la educación superior, muy pocos estarían dispuestos a trabajar en las líneas de montaje, haciendo tareas mecánicas una y otra vez.

Sin embargo todas las ideas que eran operativas en la era industrial cambian con el nuevo paradigma de organización de la sociedad: Ya no necesitamos, como en la era industrial, un sistema educativo que seleccione a los estudiantes. Un sistema que separara a los niños que debieran hacer el trabajo manual de los que debieran ser gerentes o profesionales; donde, de este modo,  se reprobaba a los estudiantes “menos brillantes”, y se promovía a niveles superiores de educación a los más brillantes. Donde las escuelas evalúan por normas para seleccionar a los estudiantes. En este sentido Reigeluth sostiene  que el principal problema de nuestra educación y de nuestros sistemas de formación no son los profesores ni los estudiantes, es el sistema – un sistema diseñado para clasificar más que para el aprendizaje . (Ver Reigeluth, 1987 , 1994).

Reigeluth referencia en el trabajo otros textos donde ya ha señalado cómo podría ser un sistema educativo post-industrial, es decir un sistema diseñado para maximizar el aprendizaje en las actuales condiciones (Reigeluth, 1987; Reigeluth y Garfinkle, 1994). Sin embargo en el presente artículo se da unidad a la cuestión. En particular, en este texto:

  • Se describe cómo son los métodos universales de enseñanza basados en los “principios fundamentales” de Dave Merrill (1983, 2007 y 20099).
  • Se aborda la importancia de adaptar los métodos universales a situaciones particulares y de resolver las aparentes contradicciones con los métodos universales.
  • Se describen las “ideas centrales” que constituyen el paradigma post-industrial de la instrucción.
  • Se discute la importancia que tiene en este contexto y los problemas que plantea el aprendizaje por tareas (recordemos que el trabajo central de Reigeluth es la secuenciación, tanto por análisis de tareas como a través de su Teoría de la Elaboración).
  • Se presenta, obviamente, una visión global de la enseñanza post-industrial, y se la completa con algunas de las más importantes estrategias instruccionales.
  • Y por último se describen los roles que debe desempeñar, en esas situaciones, el maestro, el alumno y la tecnología como definitorias de sus roles en el nuevo paradigma.

Aunque el artículo es sumamente detallado en cada uno de los puntos, conviene destacar algunos aspectos especialmente relevantes por el alcance global. Así en lo que respecta a los métodos universales de  instrucción, recupera lo que recoge de David Merrill como principios instruccionales prescriptivos en cualquier situación, son sus cinco “principios fundamentales”,  que mejoran la calidad de la enseñanza en todas las situaciones ( Merrill, 2007 , 2009 ). Esos cinco principios son acerca de la centralidad de la tarea, de la activación, de la demostración, de la aplicación y de la integración. Sostienen que en todo caso la organización de la enseñanza debe hacerse mediante estrategias centradas en la tarea y mediante una progresión de tareas completas cada vez más complejas. Vinculado con la evaluación, la instrucción debe proporcionar una demostración de la habilidad, y  esa demostración  necesariamente debe ser consistente con el tipo de la componente de la habilidad que se quiere que el alumno adquiera en aspectos como de qué clase es, cómo se hace y qué sucede cuando se ejecuta.

Por lo demás la organización de la enseñanza debe ser en todo momento orientativa. Debe proporcionar orientaciones que relacionen  la demostración en concreto de la ejecución de esa habilidad con aspectos generales de la habilidad. Y por último, lo que se haga en el transcurso de la instrucción debe implicar a los estudiantes en la discusión y en la demostración, con otros alumnos de iguales circunstancias de aprendizaje.

Hay otras líneas fuerza en el trabajo, las constituyen lo que el autor llama ideas centrales del Paradigma de Instrucción Post-industrial. La técnica literaria consiste en proponerlas como dicotomías entre el paradigma de instrucción post-industrial y las ideas centrales que caracterizan el paradigma de instrucción de la era industrial. Pero él mismo aclara a continuación que se trata de unas dicotomías falsas. De manera que el pensamiento post-industrial que introduce se caracteriza por ser un planteamiento sumativo, del tipo “ambas cosas”, y no por uno excluyente, del tipo “o esto o lo otro”.  Así contrapone:

Lo centrado en el aprendizaje con lo centrado en la selección de los individuos (es una idea central recurrente y epitómica).

La organización de la enseñanza centrada en el alumno[1] con la instrucción centrada en el docente[2].

El “aprender haciendo” contra el “aprender a través de las presentaciones del docente”.

El progreso basado en logros con el progreso basado en tiempo.

La instrucción personalizada con la estandarizada.

Finalmente, el trabajo señala un conjunto de roles claves para el nuevo paradigma de instrucción y detalla sus características y sentido. Entre los nuevos roles para los docentes, sintetizando mucho, podemos ver que se incluyen los de diseñador del trabajo del alumno, facilitador del proceso de aprendizaje y mentor de un nuevo tipo, anywhere and anytime. Entre  los nuevos roles para los estudiantes se incluyen: trabajador, estudiante autónomo y co-instructor. Se describen cuatro nuevos roles centrales para la tecnología:  El almacenamiento de los registros de aprendizaje de los alumnos, que incluye ofrecer un inventario de estándares, un inventario de logros personales y un inventario de características personales. En segundo lugar, la tecnología cumple el papel de la planificación del aprendizaje del alumno, que supone ayudar al estudiante, a los padres y a los docentes a identificar y a decidir los objetivos a largo plazo, las metas que en cada momento están al alcance del alumno, así como las metas a alcanzar en el futuro inmediato, a señalar los otros estudiantes que puedan trabajar en el grupo, y por último los roles del docente y de los padres y el plan personal de aprendizaje. En tercer lugar, la organización de la enseñanza, con tecnolía  para el aprendizaje de los alumnos incluye una amplia variedad de herramientas tanto para el espacio de la tarea como para el espacio instruccional. Estos roles junto con la centralidad de la tarea tienen hondas repercusiones para la práctica de la evaluación y para el aprendizaje del alumno. Aquella está integrada con la instrucción, utiliza tareas y ejecuciones auténticas, certificaciones de logros y retroalimentación formativa.

En definitiva y como como conclusión el trabajo pone sobre todo de relieve, y su lectura propicia argumentos y datos detallados, que, en el mundo post-industrial, necesitamos transformar la mayoría de nuestros sistemas de educación  desde la estructura, funciones y naturaleza para lo que fueron diseñados, para seleccionar a los alumnos, a otros sistemas diferentes que estén diseñados para maximizar el aprendizaje. En definitiva necesitan ser transformados  desde aquellos sistemas en los cuales el progreso de los alumnos se mide en función del tiempo a otros basados en sus logros. Esta transformación requerirá de avances tanto en la teoría como en la tecnología que se utiliza para organizar la enseñanza y el aprendizaje.

Frecuentemente los planes de cambio olvidan aspectos de valores y de desarrollo personal de los individuos inherentes a los cambios y sus repercusiones éticas, sociales o motivacionales. El trabajo de Reigeluth concluye señalando precisamente estas componentes en el nuevo paradigma. Y aunque acepta que gran parte de la teoría instruccional se ha generado para guiar el diseño del nuevo paradigma de instrucción, aún queda mucho por hacer y por aprender en este terreno. Necesitamos aprender a cómo responder de forma adecuada al fuerte componente emocional del aprendizaje (Greenspan, 1997) en los nuevos entornos propiciados por los nuevos medios y redes, cómo facililitar el desarrollo social y emocional de los individuos, y cómo promover el desarrollo de actitudes, valores morales  y  de éticas positivas.

REFERENCIAS

Greenspan, S. I. (1997). The growth of the mind and the endangered origins of intelligence. Reading, MA: Addison-Wesley Publishing Company.

McCombs, B., & Whisler, J. S. (1997). The learner-centered classroom and school: Strategies for increasing student motivation and achievement. San Francisco: Jossey-Bass Publishers.

Merrill, M. D. (1983). Component display theory. In C. M. Reigeluth (Ed.), Instructional-design theories and models: An overview of their current status. Hillsdale, NJ: Lawrence Erlbaum Associates.

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.

Reigeluth, C. M. (1987). The search for meaningful reform: A third-wave educational system. Journal of Instructional Development, 10(4), 3-14.

Reigeluth, C. (2016). Instructional Theory and Technology for the New Paradigm of Education. 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., & Garfinkle, R. J. (1994). Envisioning a new system of education. In C. M. Reigeluth & R. J. Garfinkle (Eds.), Systemic Change in Education (pp. 59-70). Englewood Cliffs, NJ: Educational Technology Publications.

 

[1] En este punto el autor referencia la definición de McCombs y Whisler (1997) que definen la expresión “centrado en el estudiante” como:

The perspective that couples a focus on individual learners (their heredity, experiences, perspectives, backgrounds, talents, interests, capacities, and needs) with a focus on learning (the best available knowledge about learning and how it occurs and about teaching practices that are most effective in promoting the highest levels of motivation, learning, and achievement for all learners) . La perspectiva que empareja un enfoque en los estudiantes individualmente (lo que asume de otros, las experiencias propias, perspectivas, antecedentes, talentos, intereses, capacidades y necesidades), con un enfoque en el aprendizaje (el mejor conocimiento disponible sobre el aprendizaje y cómo se produce, y sobre las prácticas docentes que son más eficaces para promover los más altos niveles de motivación, de aprendizaje y de logro para todos los alumnos). (p. 9) (p. 9)

[2] A esto añade un aspecto metacognitivo y constructivista de la cuestión cuando añade que “los métodos de enseñanza son en gran parte a medida para cada alumno, y llevada a cabo por el alumno, en vez de por el profesor.Learners also play a larger role in directing their own learning, including reflection on and in learning. Los estudiantes también juegan un papel más importante en la dirección de su propio aprendizaje, incluyendo la reflexión sobre él y de él.”

 

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario de Economía Internacional. Profesor Externo en la Universidad de Alcalá de Henares, miembro del programas de doctorado en Ingeniería de la Información y del Conocimiento, distinguido con Mención hacia la Excelencia por el Ministerio de Educación (Referencia: MEE2011-0159). Editor de RED, Revista de Educación a Distancia y de Docencia Universitaria. Miembro de INTCODE, agencia consultiva de ONU sobre educación a distancia, y representante en la sede de New York. Doctor en Ingeniería Informática.

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus