Archivo de la categoría: Entradas

¿Qué tipo de innovaciones necesitamos en la educación?

 

Klinge Orlando Villalba-Condori

Universidad Nacional de San Agustín de Arequipa, PERU

Francisco José García-Peñalvo

Full Professor, Computer Science Department, Research Institute for Educational Sciences, University of Salamanca, GRIAL Research Group

University of Salamanca, SPAIN

Jari Lavonen

Professor, Director of the National Teacher Education Reform Program

University of Helsinki, FINLAND

Miguel Zapata-Ros

Universidad de Murcia, ESPAÑA

RED, Editor

Miembro del  Interuniversity Institute of International Economics

ISSN 2386-8562

Este artículo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0

Debe ser citado como

Villalba-Condori, K. et al (2019) ¿Qué tipo de innovaciones necesitamos en la educación? Blog RED de Hypotheses. El aprendizaje en la Sociedad del Conocimiento.  https://red.hypotheses.org/1782

Prólogo de las Actas del Congreso Internacional sobre Tendencias en Innovación Educativa, CITIE 2018

Nos complace contribuir con este prólogo al Congreso Internacional sobre Tendencias en Innovación Educativa, CITIE 2018. El congreso ha creado un ambiente entusiasta en el que los académicos pueden discutir las innovaciones educativas y su naturaleza. Dominó una actitud muy positiva en las discusiones, y muchos participantes preguntaban: ‘¿Podemos mejorar las cosas?’ En este tipo de discusión, es importante que conozcamos los desafíos en nuestro contexto educativo, así como los procesos que son apropiados para seguir en la transferencia o implementación de estas innovaciones a nuestro propio contexto.

En todos los países, los desafíos en educación se discuten en varios foros, conferencias y comités curriculares a nivel nacional. Los desafíos pueden reconocerse sobre la base de estudios comparativos internacionales, como las encuestas de la OCDE, PISA [1] y TALIS [2] y los informes de monitoreo a nivel nacional. Además, es importante que los desafíos educativos se analicen desde la perspectiva de la sociedad, incluidos los cambios en la vida laboral, las brechas de género y el medio ambiente (por ejemplo, el cambio climático). Estos desafíos que se reconozcan pueden resumirse de diferentes maneras y en diferentes niveles.

Los desafíos pueden clasificarse, por ejemplo, a nivel de estudiante, aula, a nivel escolar, a nivel municipal y, así como a nivel de la sociedad. En la mayoría de los países, los políticos y los maestros no están contentos con el nivel de resultados de aprendizaje y la gran variación en esos resultados; la variación en los resultados de aprendizaje entre las escuelas se considera un indicio de desigualdad en el sistema educativo. Otro desafío común a nivel de los estudiantes es la falta de participación (interés) en el aprendizaje y, más en general, la falta de bienestar mental. La falta de interés de los estudiantes en los estudios y carreras de Ciencias, Tecnología, Ingeniería y Matemáticas (STEM) [3] se ha considerado específicamente como un desafío serio tanto para el individuo como para la sociedad.

Ha habido discusiones en muchos países sobre la enseñanza y el aprendizaje de las competencias genéricas y del siglo XXI [4]. El aprendizaje de estas competencias representa un desafío a nivel del aula y se refiere a la redefinición de los objetivos educativos y las formas de organizar el aprendizaje en un aula con el fin de satisfacer las demandas del futuro. Estas competencias se han definido de varias maneras (por ejemplo, ver un análisis en [5]). El proyecto DeSeCo de la OCDE [6] analizó las competencias del siglo XXI en el contexto de la vida laboral futura y reconoció que las personas necesitan poder utilizar una amplia gama de herramientas, incluidas las herramientas socioculturales (lenguaje) y digitales (tecnológicas), para interactuar de manera efectiva con el medio ambiente, participar e interactuar en un grupo heterogéneo, participar en el trabajo orientado a la investigación y la resolución de problemas y, además, actuar de manera autónoma y asumir la responsabilidad de administrar sus propias vidas. En este contexto, así como en el contexto de trabajo, el pensamiento crítico y creativo, y el aprendizaje, son necesarios para que uno pueda desarrollar competencias. Aunque DeSeCo se enfoca en las necesidades de la vida laboral, sus ideas pueden interpretarse en el contexto de la escuela. Según esta interpretación, es importante recordar que los estudiantes son novatos y aún están aprendiendo estas competencias. En consecuencia, el profesor debe apoyar a los estudiantes en el aprendizaje de las competencias del siglo XXI a través de procesos de aprendizaje activo y colaborativo en los diversos entornos de aprendizaje. Otro desafío a nivel del aula es el apoyo de los alumnos como individuos y la organización de un aula heterogénea y multicultural que respalde los procesos de aprendizaje de varios alumnos.

En los niveles de la escuela y la ciudad, existen desafíos en la planificación del plan de estudios local o el plan de trabajo anual y en los entornos de aprendizaje físico y digital de los equipos de maestros y redes de maestros. Para superar este tipo de desafío, se necesita un liderazgo pedagógico de alta calidad para apoyar la colaboración y el desarrollo profesional de los maestros.

A nivel de la sociedad, la inteligencia artificial y la robotización están cambiando la vida laboral; las tareas o responsabilidades y roles de trabajo desaparecen y cambian y, además, aparecen nuevas tareas y roles sobre los que aún no sabemos. Las habilidades de pensamiento computacional (PC) [7,8,9] se han determinado como una competencia clave para los estudiantes preuniversitarios [10,11]. Sin embargo, debido a la definición difusa de PC [12], muchas voces defienden un enfoque más pragmático basado en la codificación de la enseñanza [13], utilizando robots [14,15,16] o construyendo cosas [16,17] ( Por ejemplo, consulte el proyecto de la UE TACCLE 3 – Codificación de resultados, en [18]; TACCLE 3 Consortium [19]). Además, hay propuestas que abogan por incluir la programación [20] o las asignaturas de ciencias de la computación [21,22] en el currículo oficial preuniversitario. La introducción del PC y/o informática/programación en las escuelas tiene un desafío importante en este contexto: la capacitación de maestros desde educación primaria hasta preuniversitaria [23,24,25].

Otro ejemplo de un desafío a nivel de la sociedad, relacionado con los cambios en la vida laboral y la empleabilidad [26,27,28], es el número de jóvenes que abandonan tanto la educación, como el mercado laboral. Además, existe la necesidad de capacitar continuamente a los adultos para reflejar los cambios en la vida laboral, como la digitalización.

Para avanzar y superar estos desafíos, se necesitan programas de reforma a nivel nacional. Sin embargo, el diseño y la implementación de un programa nacional de reforma es un proceso complejo. Por ejemplo, Beach, Bagley, Eriksson y Player-Koro [29], reconocieron, basándose en su análisis de políticas a largo plazo de Suecia, que las reformas suecas son lideradas solo por los gobiernos: “los gobiernos a menudo se ven tentados a imponer su ideología sobre los intereses del conocimiento científico ‘(p. 167). Además, es común que los objetivos del programa de reforma no tengan en cuenta los resultados de la investigación en este campo. La OCDE [30] ha sugerido que, en un contexto de estrategia nacional, ciertas características son importantes. Sin embargo, la lista de la OCDE no incluye la orientación de la investigación en la planificación y la implementación, ni tampoco incluye la garantía de calidad continua (QA), que incluye, por ejemplo, una recopilación de datos de la información y el progreso de los proyectos piloto. Además, en la colaboración y las reuniones que apoyan los proyectos nacionales pilotos se comunican los resultados de estos a otros proyectos pilotos y reflexionan sobre los resultados. Una lista actualizada de la OCDE explica los requisitos para avanzar y superar los desafíos reconocidos a nivel nacional:

  • Tener tiempo suficiente para la planificación, un cronograma cuidadoso y su implementación;
  • Involucrar a las partes interesadas, como instituciones de educación, y emplear a organizaciones que participen en el diseño de la estrategia;
  • Involucrar a los investigadores para implementen activamente el conocimiento, basado en la investigación, en el diseño de la estrategia;
  • Estar en asociación con el sindicato de docentes y el sindicato de empleo;
  • Luchar por el consenso en el diseño;
  • Proveer recursos sostenibles para la planificación e implementación de la estrategia;
  • Planifique proyectos piloto de acuerdo con la estrategia y tome en cuenta el conocimiento basado en la investigación al planificar e implementar proyectos pilotos, aprender de estos, modificar los objetivos estratégicos (si es necesario) y, además, usar los proyectos pilotos para implementar la estrategia. Los investigadores deben alentar a los proyectos pilotos a participar y utilizar recursos sostenibles en los mismos;
  • Difundir los resultados de los proyectos pilotos.

Este tipo de enfoque para la implementación de reformas educativas tiene muchos beneficios tanto en el diseño como en la implementación de la estrategia. Este enfoque hace posible que las reformas sean aceptadas e implementadas. El compromiso de los interesados aumenta su pertinencia y ayuda con la implementación. Además, es esencial que sus criterios e ideas sean reflejados y considerados durante la implementación de las prácticas educativas. Planeamos hacerlo con el propósito de aumentar la eficiencia del aprendizaje y la satisfacción de los actores e instituciones involucrados a través de la personalización y la adaptabilidad [31,32], que son las características y objetivos más importantes de los entornos de aprendizaje y están respaldados no solo por las tecnologías sociales y ubicuas, sino también por la detección y la recomendación.

Necesitamos una respuesta a un hecho indiscutible: el uso de tecnologías inteligentes [33] como un medio poderoso para adaptar e incluir el apoyo en la entrega de ayuda y recursos de manera relevante y pertinente para el personal. [34] y el aprendizaje en grupo [35], así como la demanda de conocimientos y habilidades de los estudiantes.

Se necesita un marco de modelo pedagógico, diseño instruccional y guías que integren a los estudiantes y ayuden a alcanzar resultados de aprendizaje comunes y deseables. También planteamos la necesidad de analizar las condiciones necesarias para su validación. Finalmente, proponemos la necesidad de respuestas concretas a la insuficiencia y consecuencias resultantes de las políticas institucionales que contemplan estas modalidades de integración, que se pueden lograr a través de un análisis basado en las experiencias.

Estamos acostumbrados a la literatura que enfatiza las posibilidades de una educación adaptativa, así como las posibilidades de los grandes volumenes de datos (big data), combinados con algoritmos, para crear oportunidades únicas y sin precedentes para que las organizaciones académicas enseñen estándares más altos y enfoques innovadores. Sin embargo, actualmente hay una falta de propuestas pedagógicas sistematizadas.

En última instancia, proponemos mejorar las siguientes líneas de desarrollo [32]:

  • Estrategias de aprendizaje y enseñanza para una pedagogía social e inteligente y ubicua [36];
  • Servicios altamente tecnológicos y singulares respaldados por ecosistemas tecnológicos [37,38,39], ambos para estudiantes locales en el campus y estudiantes remotos en línea, para crear ecologías de aprendizaje dentro de las cuales el conocimiento puede ser creado, administrado, transformado y transferido [40];
  • Configuraciones de aulas y centros innovadores y adaptables que facilitan las interacciones locales/remotas entre estudiantes y maestros;
  • Diseño y desarrollo de contenidos multimedia enriquecidos con presentaciones interactivas, videoconferencias, cuestionarios y evaluaciones que permitan una evaluación instantánea e individualizada;
  • Otras posibilidades y entornos gestionados con tecnología y software adaptativo;
  • Un uso ético del aprendizaje y la analítica académica para aumentar el apoyo brindado a los estudiantes y administradores académicos en relación con sus procesos de aprendizaje y toma de decisiones, respectivamente [41,42];
  • Una incorporación, reconocimiento y mezcla más natural de los procesos de aprendizaje informal en la educación formal [43].

Como mencionamos anteriormente, hemos aprendido sobre varias innovaciones educativas de varios países durante el CITIE 2018. Ahora, nuestro deber es analizar cómo podemos beneficiarnos de esas innovaciones dentro de nuestro propio contexto educativo. Por lo tanto, debemos analizar nuestros desafíos educativos y luego modificar la innovación para satisfacer nuestras necesidades locales de acuerdo con los desafíos reconocidos. Además, es importante que encontremos formas adecuadas de apoyar la transferencia de innovación. En general, la transferencia de innovación educativa de un contexto a otro se ha considerado un desafío. La transferencia exitosa requiere una colaboración y un desarrollo sólido dentro de un ambiente abierto y de confianza en función de las características locales del contexto. En el área de educación, las características locales incluyen la orientación pedagógica de los docentes, sus creencias sobre la enseñanza y el aprendizaje, y el liderazgo y apoyo disponible para ellos en la institución. Además, el contexto educativo del país (por ejemplo, el plan de estudios, el nivel de responsabilidad, la política y la inspección escolar) influye en las decisiones de los docentes al considerar la adopción de la innovación. En consecuencia, la transferencia de una innovación educativa se considera una tarea compleja y altamente contextualizada.

Referencias

  1. PISA 2012. Results in focus. What 15-year-olds know and what they can do with what they know. Paris: OECD (2013).
  2. Talis 2013 Results: An international perspective on teaching and learning. Paris: OECD Publishing. (2014).
  3. Ramírez-Montoya, M. S. (Ed.). Handbook of research on driving STEM learning with educational technologies. Hershey PA, USA: IGI Global. (2017).
  4. Ananiadou, K., & Claro, M. 21st century skills and competences for new millennium learners in OECD Countries. OECD Education Working Papers, 41. (2009).
  5. Voogt, J. & Roblin, N.P. A comparative analysis of international frameworks for 21st century competences: Implications for national curriculum policies. Journal of Curriculum Studies, 44(3), 299–321. (2012). doi:10.1080/00220272.2012.668938
  6. Definition and selection of competencies (DeSeCo): Executive summary. Paris: OECD Publishing. (2005).
  7. Wing, J. M. Computational thinking. Communications of the ACM, 49(3), 33–35. (2006). doi:10.1145/1118178.1118215
  8. Zapata-Ros, M. Pensamiento computacional: Una nueva alfabetización digital. RED, Revista de Educación a distancia, 46. (2015).
  9. García-Peñalvo, F. J., & Mendes, J. A. Exploring the computational thinking effects in pre-university education. Computers in Human Behavior, 80, 407–411. (2018). doi:10.1016/j.chb.2017.12.005
  10. Mohaghegh, M., & McCauley, M. Computational thinking: The skill set of the 21st century. International Journal of Computer Science and Information Technologies, 7(3), 1524–1530. (2016).
  11. Pérez-Paredes, P., & Zapata-Ros, M. El pensamiento computacional, análisis de una competencia clave. Scotts Valley, CA, USA: Createspace Independent Publishing Platform. (2018).
  12. García-Peñalvo, F. J., Reimann, D., Tuul, M., Rees, A., & Jormanainen, I. An overview of the most relevant literature on coding and computational thinking with emphasis on the relevant issues for teachers. Belgium: TACCLE3. (2016). doi:10.5281/zenodo.165123
  13. DePryck, K. From computational thinking to coding and back. In F. J. García-Peñalvo (Ed.), Proceedings of the Fourth International Conference on Technological Ecosystems for Enhancing Multiculturality (TEEM’16) (Salamanca, Spain, November 2–4, 2016) (pp. 27–29). New York, NY, USA: ACM. (2016). doi:10.1145/3012430.3012492
  14. Curto, B., & Moreno, V. Robotics in education. Journal of Intelligent and Robotic Systems, 81(1), 3–4. (2016). doi:10.1007/s10846-015-0314-z
  15. Fernández-Llamas, C., Conde-González, M. Á., Rodríguez-Lera, F. J., Rodríguez-Sedano, F. J., & García-Peñalvo, F. J. May I teach you? Students’ behavior when lectured by robotic vs. human teachers. Computers in Human Behavior, 80, 460–469. doi:10.1016/j.chb.2017.09.028. (2018).
  16. Reimann, D., & Maday, C. Enseñanza y aprendizaje del modelado computacional en procesos creativos y contextos estéticos. Education in the Knowledge Society, 18(3), 87–97. (2017). doi:10.14201/eks20171838797
  17. García-Peñalvo, F. J., Reimann, D., & Maday, C. Introducing coding and computational thinking in the schools: The TACCLE 3 – coding project experience. In M. S. Khine (Ed.), Computational thinking in the STEM disciplines. Foundations and research highlights (pp. 213–226). Cham, Switzerland: Springer. (2018).doi:10.1007/978-3-319-93566-9_11
  18. García-Peñalvo, F. J. A brief introduction to TACCLE 3 – coding European project. In F. J. García-Peñalvo & J. A. Mendes (Eds.), 2016 International Symposium on Computers in Education (SIIE 16). USA: IEEE. (2016). doi:10.1109/SIIE.2016.7751876
  19. TACCLE 3 Consortium. TACCLE 3: Coding Erasmus + project website. (2017). Retrieved from https://goo.gl/f4QZUA
  20. Balanskat, A., & Engelhardt, K. Computing our future. Computer programming and coding priorities, school curricula and initiatives across Europe. Brussels, Belgium: European Schoolnet. (2015).
  21. Velázquez-Iturbide, J. Á. Report of the Spanish computing scientific society on computing education in pre-university stages. In F. J. García-Peñalvo (Ed.), Proceedings TEEM’18. Sixth International Conference on Technological Ecosystems for Enhancing Multiculturality (Salamanca, Spain, October 24–26, 2018) (pp. 2–7). New York, NY, USA: ACM. (2018). doi:10.1145/3284179.3284180
  22. Velázquez-Iturbide, J. Á., Bahamonde, A., Dabic, S., Escalona, M. J., Feito, F., Fernández Cabaleiro, S., . . . & Zapata Ros, M. Informe del grupo de trabajo SCIE/CODDII sobre la enseñanza preuniversitaria de la informática. España: Sociedad Científica Informática de España, Conferencia de Decanos y Directores de Ingeniería Informática. (2018).
  23. Yadav, A., Gretter, S., Good, J., & McLean, T. Computational thinking in teacher education. In P. J. Rich & C. B. Hodges (Eds.), Emerging research, practice, and policy on computational thinking (pp. 205–220). Cham, Switzerland: Springer. (2017). doi:10.1007/978-3-319-52691-1_13
  24. Villalba-Condori, K. O. Teaching formation to develop computational thinking. In F. J. García-Peñalvo (Ed.), Global implications of emerging technology trends (pp. 59–72). Hershey, PA, USA: IGI Global. (2018). doi:10.4018/978-1-5225-4944-4.ch004
  25. Villalba-Condori, K. O., Castro Cuba-Sayco, S. E., Guillen Chávez, E. P., Deco, C., & Bender, C. Approaches of learning and computational thinking in students that get into the computer sciences career. In F. J. García-Peñalvo (Ed.), Proceedings TEEM’18. Sixth International Conference on Technological Ecosystems for Enhancing Multiculturality (Salamanca, Spain, October 24–26, 2018) (pp. 36–40). New York, NY, USA: ACM. (2018). doi:10.1145/3284179.3284185
  26. Michavila, F., Martínez, J. M., Martín-González, M., García-Peñalvo, F. J., & Cruz-Benito, J. Barómetro de empleabilidad y empleo de los universitarios en España, 2015 (Primer informe de resultados). Madrid: Observatorio de Empleabilidad y Empleo Universitarios. (2016).
  27. Michavila, F., Martínez, J. M., Martín-González, M., García-Peñalvo, F. J., & Cruz Benito, J. Empleabilidad de los titulados universitarios en España. Proyecto OEEU. Education in the Knowledge Society, 19(1), 21–39. (2018a). doi:10.14201/eks20181912139
  28. Michavila, F., Martínez, J. M., Martín-González, M., García-Peñalvo, F. J., Cruz-Benito, J., & Vázquez-Ingelmo, A. Barómetro de empleabilidad y empleo universitarios. Edición Máster 2017. Madrid, España: Observatorio de Empleabilidad y Empleo Universitarios. (2018b).
  29. Beach, D., Bagley, C., Eriksson, A. & Player-Koro, C. Changing teacher education in Sweden: Using meta-ethnographic analysis to understand and describe policy making and educational changes. Teaching and Teacher Education, 44, 160–167. (2016).
  30. Burns, T., & Köster, F. (Eds.). Governing education in a complex world. Paris: OECD Publishing. (2016). doi:10.1787/9789264255364-en
  31. Berlanga, A. J., & García-Peñalvo, F. J. Learning design in adaptive educational hypermedia systems. Journal of Universal Computer Science, 14(22), 3627–3647. (2008). doi:10.3217/jucs-014-22-3627
  32. Zapata-Ros, M. La universidad inteligente. La transición de los LMS a los sistemas inteligentes de aprendizaje en educación superior. RED, Revista de Educación a distancia, 57(10). (2018). doi:10.6018/red/57/10
  33. Molina-Carmona, R., & Villagrá-Arnedo, C. J. Smart learning. In F. J. García-Peñalvo (Ed.), Proceedings TEEM’18. Sixth International Conference on Technological Ecosystems for Enhancing Multiculturality (Salamanca, Spain, October 24–26, 2018) (pp. 645–647). New York, NY, USA: ACM. (2018). doi:10.1145/3284179.3284288
  34. Lerís, D., & Sein-Echaluce, M. L. La personalización del aprendizaje: Un objetivo del paradigma educativo centrado en el aprendizaje. Arbor, 187 (Extra_3), 123–134. (2011). doi:10.3989/arbor.2011.Extra-3n3135
  35. Conde-González, M. Á., Colomo-Palacios, R., García-Peñalvo, F. J., & Larrueca, X. Teamwork assessment in the educational web of data: A learning analytics approach towards ISO 10018. Telematics and Informatics, 35(3), 551–563. (2018). doi:10.1016/j.tele.2017.02.001
  36. Fidalgo-Blanco, Á., Sein-Echaluce, M. L., & García-Peñalvo, F. J. Micro flip teaching with collective intelligence (2018). In P. Zaphiris & A. Ioannou (Eds.), Learning and collaboration technologies. Design, development and technological innovation. 5th International Conference, LCT 2018, held as part of HCI International 2018, Las Vegas, NV, USA, July 15–20, 2018, Proceedings, Part I (pp. 400–415). Cham, Switzerland: Springer. doi:10.1007/978-3-319-91743-6_30
  37. Llorens-Largo, F., Molina-Carmona, R., Compañ, P., & Satorre, R. Technological ecosystem for open education. In R. Neves-Silva, G. A. Tsihrintzis, V. Uskov, R. J. Howlett, & L. C. Jain (Eds.), Smart digital futures 2014. (pp. 706–715). Amsterdam, The Netherlands: IOS Press. (2014).
  38. García-Peñalvo, F. J. Ecosistemas tecnológicos universitarios. In J. Gómez (Ed.), UNIVERSITIC 2017. Análisis de las TIC en las Universidades Españolas (pp. 164–170). Madrid, España: Crue Universidades Españolas. (2018).
  39. García-Holgado, A., & García-Peñalvo, F. J. Validation of the learning ecosystem metamodel using transformation rules. Future Generation Computer Systems, 91, 300–310. (2019). doi:10.1016/j.future.2018.09.011
  40. Rubio Royo, E., Cranfield McKay, S., Nelson-Santana, J. C., Delgado Rodríguez, R. N., & Occon-Carreras, A. A. Web knowledge turbine as a proposal for personal and professional self-organisation in complex times. Journal of Information Technology Research, 11(1), 70–90. (2018). doi:10.4018/JITR.2018010105
  41. Ferguson, R. Learning analytics: Drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5/6), 304–317. (2012). doi:10.1504/IJTEL.2012.051816
  42. Conde-González, M. Á., & Hernández-García, Á. Learning analytics for educational decision making. Computers in Human Behavior, 47, 1–3. (2015). doi:10.1016/j.chb.2014.12.03
  43. Griffiths, D., & García-Peñalvo, F. J. Informal learning recognition and management. Computers in Human Behavior, 55A, 501–503. (2016). doi:10.1016/j.chb.2015.10.019

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 en los primeros ciclos educativos, un pensamiento computacional desenchufado (y II)

 

Miguel Zapata-Ros, Universidad de Murcia

ISSN 2386-8562

DOI : 10.13140/RG.2.2.12945.48481

Este artículo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0

Debe ser citado como:

Zapata-Ros, M. (2018)Pensamiento computacional en los primeros ciclos educativos, un pensamiento computacional desenchufado (II). Blog RED de Hypotheses. El aprendizaje en la Sociedad del Conocimiento.  https://red.hypotheses.org/1662

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

Continuamos en esta entrada desarrollando el tema con ideas acerca de cómo pueden ser las actividades, con qué recursos podemos contar, y con la propuesta  de un modelo concreto, adjuntando un prototipo de diseño de actividades. También hablaremos de qué bases reales contamos para ello.

Actividades

El diseño instruccional del pensamiento computacional desenchufado, como en cualquier otro caso, deberá procurar enlazar intenciones, condiciones y recursos con objetivos, con  resultados deseados de aprendizaje. En este caso con el desarrollo de las habilidades que constituyen los elementos del pensamiento computacional tal como lo hemos definido en El pensamiento computacional, análisis de una competencia clave (Pérez-Paredes & Zapata-Ros, 2018) y en Pensamiento computacional: Una nueva alfabetización digital (Zapata-Ros, 2015).  En este esquema, el del diseño instruccional ocupan un lugar clave las actividades. Sin actividades no hay aprendizajes, y es haciendo como se aprende. Pero ¿qué actividades? Las que sin duda propicien el mayor acercamiento y el mayor y más eficiente adquisición de habilidades y constructos cognitivos de  las componentes del pensamiento computacional. Pero además el pensamiento computacional de este tipo supone crear espacios, organizar recursos y dotarse de metodologías adecuadas. Consistemente con lo dicho en otros sitios, y sin anímo de ser exclusivos, dos van a ser las componentes metodológicas dominantes: la perspectiva Montessori de los rincones de trabajo para estas etapas y el dominio del aprendizaje (mastery learning).

En este libro (Pérez-Paredes & Zapata-Ros, 2018, pág. 63), en este artículo (Zapata-Ros, 2015) y en estos posts decíamos que el pensamiento computacional estaba constituido por los elementos siguientes, los definíamos y los describimos. Pues bien las actividades deben desarrollar estos elementos, y habrá que definirlas y diseñarlas con elementos curriculares adecuados (guías para maestros y profesores) y materiales para alumnos.

Los elementos recordemos que eran:

El trabajo que hay por delante es diseñar actividades adecuadas para cada uno o para cada racimo de ellos. Y hay que relacionarlas adecuadamente con las habilidades que desarrollan. También hay que decir cómo se verifican y en qué grado se consigue el domino (evaluación).

El corolario es que hay que encontrar y explorar juegos y actividades con más potencial cognitivo para el desarrollo de esas habilidades. Y que hay que hacer un diseño educativo de esos juegos y de esas actividades.

Veamos un ejemplo:

Pre-álgebra para niños

Vamos a intentar introducir un juego o una actividad para desarrollo de pensamiento abstracto, preálgebra, en niños de entre 4 y 6 años. Conviene aclarar que el intervalo de edad lo hacemos de forma estimativa, porque igual podría el intervalo tomarse en función de otras características madurativas que se puedan tener en cuenta de manera convenientemente documentada y adaptada.

Youkara Youkara 1 PC es un juego infantil fabricado en China, cerca de Cantón, por la empresa Youkara, que se vende a través Amazon por el precio de 0,89€.

Es útil en principio, o está pensado, para que, con ayuda del maestro o de los padres, los niños desde los dos años se ejerciten en identificar los símbolos de los números o guarismos con la cantidad, o con el resultado de contar, abstrayendo esta cualidad de otras como es el color. Y para adquirir la práctica de las operaciones elementales a través de la práctica de contar.

Pero también podemos utilizar un juego tan versátil como éste de otra forma, en el sentido señalado en el preámbulo de este post. Pensemos, para ello, en esta actividad:

Presentar y pedir al niño que realice de forma consecutiva operaciones de multiplicar, con barras y con números indistintamente, hasta que alcance un completo dominio:

En ese punto podemos empezar a proponer prácticas mezclando barritas con números, donde al cabo de un rato si bien puede identificar la cantidad con el dígito, también puede identificar la cantidad o el dígito con un ente sustitutivo:

En este caso el elemento sustitutivo serán las barritas, y además en el mismo  número. En fases alternativas podemos sustituir por una sola barrita o por un objeto,… y ver qué pasa:

Pidiendo al niño que diga a qué equivale o a qué ha sustituido el botón.

Incluso poniendo botones en otras posiciones, como por ejemplo:

Repitiendo la operación hasta el dominio o hasta que el niño empiece a dar muestras de cansancio, pero rápidamente haciéndole ver el gran éxito que supone su logro.

Podemos incluso utilizar el mismo botón para otros casos y ver en ellos a qué número o cantidad sustituye:

Y por último utilizar en vez de un botón otro objeto.

Si finalmente conseguimos que adquiera el dominio en casos así habremos conseguido que adquiera un concepto muy próximo al de incógnita, ecuación y variable.

La cuestión ahora estriba en formar a maestros y dotarles de guías adecuadas, en destrezas docentes para que desarrollen en los niños un pensamiento preabstracto, que pueda ser evocado posteriormente.

Esta actividad enlaza pues con el elemento,  de pensamiento computacional, que hemos considerado como pensamiento abstracto.

 

Materiales

Muchos hemos estado en Ikea y hemos visto juguetes basados en metodologías de aprendizaje por manipulación, los popularmente conocidos como juguetes Montessori. Tienen este nombre por ser esta autora la que más impulsó y desarrolló este tipo de aprendizaje, el que se produce por la manipulación autónoma por el alumno en un entorno, al que en este caso se denomina rincón, organizado para este fin. Son juguetes para que los niños, a través de la exploración y del desarrollo de sus actividades motoras y sensoriales también desarrollen otras habilidades y facultades cognitivas que en otro momento pueden facilitar aprendizajes de este tipo más complejos. Nos referimos, solo a modo de ejemplo, sin ser exhaustivos, a algunos de estos aprendizajes:

A sus habilidades de secuenciación: Por forma, tamaño, color,… con la consiguiente creación de ideas sobre conceptos como variable, o en sentido más amplio, de rasgos multivariantes de los objetos y de otros entes más o menos abstractos.

A sus habilidades de encaje, con discriminación de objetos por formas y tamaños, y del concepto más abstracto de encaje, qué tipos de cosas encajan con qué tipo de cosas. Pensemos en un futuro en variables y tipos de datos. En una variable booleana solo encajan datos booleanos, en una variable string solo encajan datos string,…

A su pensamiento lógico y a su capacidad de resolución de problemas. Puede parecer  exagerado o traído por los pelos. Pero pensemos que con la percepción sensorial  y las facultades cenestésicas se adquieren habilidades y conocimientos, se practica el ensayo-error: Como por ejemplo resolver problemas complejos como el de las Torres de Hanoi.

Que incluso en sus versiones más sencillas sirven para que  alumnos de Educación Infantil puedan secuenciar por formas y colores

También, si en la página de Amazon, en la búsqueda, escribimos las palabras juguetes y Montessori, aparecen multitud de juguetes que podemos utilizar para todas las actividades que vamos describiendo en estos posts.

También, más allá de los diseños educativos y de las guías, en las iniciativas que hemos estudiado (Pérez-Paredes & Zapata-Ros, 2018) (Zapata-Ros, 2018) podemos encontrar más juegos y actividades. Todas ellas tienen en común un mismo rasgo: Con muy poco artificio consiguen un conocimiento, un incremento cognitivo muy fuerte, muy considerable. Vamos a ver algunos ejemplos, pero en los lugares de CS Unplugged y de Play Maker se pueden encontrar muchos más que pueden servir de base o de referencia para diseñar adaptándolo de nuevo o recreándolo adaptado a nuestros entornos y a nuestras condiciones educativas con gran facilidad.

De tipo CS Unpluged (Informática desenchufada)

En https://www.csunplugged.org/en/topics/ podemos encontrar 23 lecciones (actividades completas para desarrollar un tópico) para niños básicamente entre 5 y 10 años, propuestas por Cs Unplugged (https://www.csunplugged.org/es/)

De ellas una ACTIVIDAD MUY IMPORTANTE, aunque las demás también lo sean, es la que dedican a escritura, lectura e interpretación de números binarios. Ese es un tema que, con ser tan importante, se desconoce en la era digital, no solo por alumnos de cualquier nivel, sino por maestros. Lamentablemente hay que reconocerlo: con el nivel que se propone y que se puede conseguir fácilmente para niños de 5 a 10 años, en nuestro país es difícil encontrar a maestros que lo dispongan. Me da la impresión que iniciar un programa de formación de maestros para que desarrollen estas actividades en niños encontraría un primer e insalvable obstáculo: Los destinatarios nos exigirían de entrada otro programa para formarse en numeración binaria.   Me gustaría equivocarme y que alguien me lo demostrara.

En este sitio nos lo dan todo y nos lo explican con un coste cero, o casi, https://www.csunplugged.org/en/topics/binary-numbers/unit-plan/how-binary-digits-work-junior/

El material son cartulinas, que la página del programa nos da como imprimibles. También nos suministra un vídeo decómo se desarrolla una clase. Y donde es fácil ver cuál es el nivel de dominio.

No es este el lugar para explicar con más profundidad las actividades, guías, etc. Sólo remito a que próximamente desarrollaremos nuestro propio material en español, y nuestras propias guías.

Hay otros temas, otras lecciones, por ver y tratar. Tanto las que ellos han previsto: Numeración binaria, kitbots y formas geométricas, redes de clasificación, detección y corrección de errores, y algoritmos de búsqueda. Así como otras que se pueden en un futuro elaborar: Álgebra, tipos de datos y variables, diagramas de flujo, operadores lógicos,…

Actividades con juguetes animados PlayMaker

Desde septiembre de 2015 la iniciativa Playmaker ha estado experimentando con las abejas bee bot en un preescolar experimental dirigido por Temasek Polytechnic. Esto fue tras un proceso de selección (curación) internacional. Toda la información está en este enlace y en éste.

Imagen de IMDA

Con diversas modalidades, desde entonces hasta ahora, se han desarrollado múltiples opciones de dispositivo que sin pantallas de ningún tipo permiten hacer con juguetes reales lo que hacía LOGO con las órdenes elementales de la tortuga, y programarle para que camine o salga de un laberinto. Ésta es la idea y la tarea básica. El último ha sido SPRK Sphero del Lightning Lab app, en su versión para Apple que ha comercializado con el nombre de SPRK Sphero, y en el que está invirtiendo mucho, pero siempre desde el punto de vista  de vincularlo a sus otros productos de Apple y a la venta de estos, más que a lo que hemos propuesto como pensamiento computacional, desenchufado o no y a la nueva alfabetización digital. De hecho lo de no utilizar pantallas para niños es algo nominal puramente para ellos, de forma casi inmediata utilizan iPad, iPhone y Mac para programar y controlar el artilugio. Un trabajo al respecto sobre sus posibilidades lo hacen Ioannou y Bratitsis (2017, July) en Teaching the notion of Speed in Kindergarten using the Sphero SPRK robot. Sin embargo los resultados son pobres, sólo aprendizajes conceptuales sobre términos y acciones que serían igualmente posibles, e incluso más eficaces, de adquirir con un diseño mucho más simple y sin tanto aparataje tecnológico que puede complicarlo y hacerlo distractivo.

Un repertorio actual de actividades pueden encontrarlo en Sphero.edu, y de sus programas para el artilugio en https://edu.sphero.com/

Pero volvamos a los juguetes de Play Maker. Del proceso gubernamental, diez juguetes fueron preseleccionados después de un proceso de investigación internacional, después fueron elegidos cuatro candidatos exitosos por un equipo de funcionarios expertos. Finalmente se implementaron Bee Bot y Kibo.

Ninguno de estos juguetes requiere una pantalla. Se trataba de que los niños no sobrepasasen ni se les indujese a pasar más de 2 horas al día usando una pantalla, incluido el uso en el hogar. Y por otra parte se deseaba fomentar la interacción social y desarrollar habilidades de comunicación. 

En 2015 los juguetes fueron validados (Chambers, 2015) en el preescolar Yuhua PCF en el distrito de Jurong Lake. Fue elegido, porque es una escuela con tarifas bajas en lugar de una de las escuelas preescolares más caras de Singapur. El año 2016, se dotó un plan de $1.5 millones para estos juguetes y su uso escolar en otros 160 centros preescolares en toda el país (Chambers, 2015).

Los procesos de validación, continuando con lo que dice la página oficial (Chambers, 2015 y Infocomm Media Development Authority, November 2017)   han asegurado que los maestros pueden incorporar los juguetes en los planes curriculares oficiales, y reunieron una serie de actividades una mezcla de robots complejos y herramientas simples, procurando desarrollar una variedad de habilidades de pensamiento computacional desenchufado en los alumnos.

Todo esto está descrito en las news gubernamentales , en New tech toys debut at pilot preschools as part of IDA’s PlayMaker Programme.

Sin embargo no hemos encontrado registros de la investigación que validó los resultados, sólo el trabajo de Sullivan & Bers (2017) Dancing robots: integrating art, music, and robotics in Singapore’s early childhood centers.

En este sentido hay que decir que, en Singapur, según la ordenación educativa los niños de 3 a 6 años de edad asisten a centros preescolares, en su mayoría de gestión privada. Como en otros países existe una agencia pública autónoma, la Autoridad de Desarrollo de Medios de Infocomm ( The Infocomm Media Development Authority (IMDA)), que fue la que lanzó la iniciativa Playmaker con el objetivo de introducir el Pensamiento Computacional en las Escuelas Infantiles y Preescolares en Singapur (IMDA, 2017). Hay más de 3000 centros preescolares en Singapur, la fase experimental fue en 160 de esos centros. La idea del IMDA para la introducción del pensamiento computacional  era seleccionar juguetes sin pantalla, sin el uso auxiliar o central de tablets, ordenadores o smartphones, que involucrasen a los niños más pequeños en el juego y desarrollasen habilidades del pensamiento computacional,  como son el pensamiento algorítmico.

El papel del IMDA fue proporcionar un kit de juguetes a los centros piloto para que los maestros los usen en el aula.

El paquete estaba compuesto por: 1) Beebot; 2) Kibo y 3) Pegatinas de circuito (peel-and-stick electronics for crafting circuits).

 

Actividades con Beebot en el programa PlayMaker

Beebot (Abeja robot) es un juguete que puede dar pasos sencillos, elementales, como lo hacía la tortuga de LOGO, pero sin tener que utilizar ordenador, pantalla y órdenes de programación. Pasos sencillos que son programables manualmente para controlar el movimiento, y para hacer secuencias de movimiento más complejas. De esta forma los niños pueden programar el juguete para que se place según un camino deseado, mediante la secuencia lógica de pasos, en su número y dirección adecuados, para llegar al destino.

Jugar a Beebot puede ayudar a los niños pequeños a desarrollar habilidades de resolución de problemas y pensamiento lógico al planificar y programar el movimiento del juguete.

En el documento de Jack Graham(2018), reproducido y adaptado después por Infocomm Media Development Authority de Singapur (2018 October) en The game is on for PlayMaker, se dan ideas y conceptos generales de las actividades que se proponen y se han llevado a cabo de forma experimental en PlayMaker. Como hemos dicho antes, la única referencia sobre la validación que da es, la única que hasta ahora hemos encontrado por otra parte es el trabajo de Sullivan & Bers (2017). Dancing robots: integrating art, music, and robotics in Singapore’s early childhood centers en la revista International Journal of Technology and Design Education . Por tanto saltándome la línea argumental de este post quiero aprovechar la ocasión para remarcar la necesidad de investigaciones que validen estas estrategias educativas utilizando este tipo de recursos, y la tendencia de pensamiento computacional desenchufado.

El trabajo de Graham (2018) es muy importante no solo porque hable de actividades y de Beebot, también habla de Kibo y de Play Maker en general, sino porque da referencias sobre el proyecto muy importantes, señala cuales son las ideas generales, cuales son los efectos que supuestamente debe producir (outcomes) todo ello supone un cambio de paradigma, sostiene, y resuelve temas claves como son la animación a las chicas: “¿Por qué no empezar a involucrar a las niñas temprano, antes de que los estereotipos de género estén profundamente arraigados?”.  Y sobre todo porque pone la evidencia de todo, en esta experiencia que después se generaliza, en el trabajo de Sullivan & Bers (2017):

La evidencia muestra que los niños en el piloto dominaron los conceptos de programación muy rápidamente. Al completar tareas que crean órdenes de instrucciones para los robots, los niños aprenden a hacer secuencias. Esta es una importante habilidad pre-matemática y de pre-alfabetización, dijo Amanda Sullivan, investigadora del equipo DevTech de la Universidad de Tufts, que creó el robot Kibo.

De todas formas el más completo e interesante trabajo sobre propuestas de actividades con BeeBot lo hemos encontrado en la presentación Power Point  de Gallagher, Thissen y Hrdina (2018) Little Coders Computational Thinking in K-2 Classrooms al congreso NCCE 2019. En ella dan una relación muy extensa, pero sólo nominal, de actividades en relación con los objetivos de aprendizaje de pensamiento computacional, prematemáticos y pre-STEM esperados.

Actividades con Kibo en el programa PlayMaker

Kibo fue desarrollado por investigadores en la Universidad de Tufts. Con él los niños pueden crear una secuencia de instrucciones al organizar bloques de madera Kibo. Los bloques se pueden incluir en la secuencia con las instrucciones, que se pasan al robot a través de un escaneo de códigos que llevan los bloques, y éste ejecuta sucesivamente los pasos.

Playmaker Project from Nurul Ameera on Vimeo.

Nurul A. (2016). Playmaker Project. The children were introduced to the robots named Bee-Bot and Kibo for this Playmaker Project. Recuperado de https://vimeo.com/179032348

Todo lo dicho anteriormente y lo tratado por Jack Graham(2018), reproducido y adaptado después por Infocomm Media Development Authority de Singapur (2018 October) en The game is on for PlayMaker, y  la validación que dan, la única que hasta ahora hemos encontrado , en su trabajo Sullivan & Bers (2017). Dancing robots: integrating art, music, and robotics in Singapore’s early childhood centers en la revista International Journal of Technology and Design Education son válidos para KIBO.

El trabajo de Graham (2018) es muy importante porque da referencias sobre el proyecto (también sobre KIBO) muy importantes. Y sobre todo porque nos indica donde se evidencian los resultados de esta experiencia que después se generaliza. Nos referencia en este sentido el trabajo de Sullivan & Bers (2017).

Para empezar a hablar de las actividades con KIBO citaremos las guías que la propia empresa fabricante pone en circulación y regala con el kit de KIBO.

KinderLab ha lanzado una guía curricular para actividades de robótica autodirigida. Realmente va orientada a los aspectos más llamativos, pero no a los más eficaces, en el paso de la Universidad de Tufts ha perdido bastante de la potencia original. KinderLab Robotics es el fabricante del kit de robótica KIBO. Ésta, llamada guía curricular,  proporciona planes de lecciones autoinstructivas para las actividades de los estudiantes, que pueden realizarse bien en un equipo de diseñadores curriculares e en un centro, como actividades escolares.

Las dotaciones KIBO están diseñados para niños de 4 a 7 años de edad, y proporcionan las componentes necesarias para “construir, programar, decidir el aspecto y dar vida a su propio robot” sin la necesidad de ordenador o dispositivo móvil. Hay cuatro tipos distintos de dotaciones disponibles; dos están disponibles en equipaciones para aulas de hasta 24 alumnos e incluyen guías y materiales para maestros.

La nueva guía curricular incluye tres programas de actividades distintas Cada una se centra en un aspecto diferente de la educación STEAM. :

  • KIBO Bowling; se usa para las matemáticas
  • KIBO Dance Party; incluye arte, codificación y música. 
  • Diseño de formas con KIBO. Sirve para el dibujo y la geometría.

A las actividades se puede acceder desde la web oficial de Kinder Lab Robotics, impulsada por el grupo de la Universidad de Tufts (DEVTECH Research Group) en http://kinderlabrobotics.com/ , y de las páginas específicas que de ahí sales. Por ejemplo para niños de 4 a 7 años: http://kinderlabrobotics.com/kibo/

Como en el caso de Bee Bot , más información se puede obtener de la web Apolitical https://apolitical.co/solution_article/meet-the-robots-teaching-singapores-kids-tech/ , que reproduce el trabajo de Graham (2018 July): Meet the robots teaching Singapore’s kids tech. The interactive toys reduce time children spend in front of screens

Actividades desarrolladas en DevTech Research Group, Tufts University:

KIBO es el resultado aparentemente sencillo de décadas de investigaciones complejas sobre aprendizaje cinestésico, construccionismo y otras investigaciones precedentes sobre este tipo de parendizajes, lideradas por la Dra. Marina Umaschi Bers, profesora en el Departamento de Desarrollo Infantil y Desarrollo Humano de Eliot-Pearson y director del Grupo de Investigación DevTech en la Universidad de Tufts. En las páginas del grupo están los trabajos sobre las investigaciones que respaldan Kibo, y las evidencias de que KIBO establece una gran diferencia entre el aprendizaje convencional y ciertos aprendizajes ayudados por este recurso, y además los niños lo hacen con gran motivación por su componente lúdico.

El acceso a estas actividades (mediante compra) está aquí.

Para instituciones educativas

Los KIBO 18 y KIBO 21 están disponibles en varios Paquetes de Aula, que incluyen materiales de currículo (guías).

Además, se pueden comprar a la carta kits de robots individuales, bloques de programaciónmódulosplanes de estudio adicionales y materiales para maestros.

Para individuos

Además KIBO está disponible en 4 configuraciones de robots diferentes. Otros artículos disponibles incluyen bloques y módulos de programación a la carta, currículo y materiales para maestros

Un ejemplo de estas actividades es la que sigue (DevTech Research Group, 2016). Adjuntamos pues el enlace a la guía para Literacy Activities with KIBO’s Expression Module, en la que se describen siete actividades para este tema. Este documento está disponible de forma gratuita en el sitio web de la Tufts University’s Early Childhood Robotics Network.

Este folleto contiene actividades pensadas para que los niños practiquen la lectura y la escritura utilizando el Módulo de Expresión de KIBO. Las actividades se pueden realizar individualmente o se pueden integrar con un módulo de robótica. Puede elegir las actividades que más se adapten a cada profesor y a sus alumnos. No obstante, si bien están diseñadas para niños de Educación Infantil, pueden adaptarse fácilmente para alumnos de primer ciclo de Primaria, hasta 8 años.

Otro ejemplo de actividad con KIBO es “Dónde viven los monstruos, guías para profesores, un curriculum completo” (Where the Wild Things Are). Como documento en PDF aquí

Esta unidad está Inspirada en el libro  Where the Wild Things Are, los contenidos son sobre alfabetización digital y robótica. Es mediante trabajo en  proyecto. Los estudiantes trabajan solos o en grupos (Metodología Montessori) para recrear el “wild rumpus” del libro original, programando sus robots KIBO para representar esta escena del libro.

Otras guías y recursos se pueden encontrar en el sitio de Tufts University’s Early Childhood Robotics Network.

La página con los recursos y todo lo demás de Tufts University’s Early Childhood Robotics Network está en http://sites.tufts.edu/devtech/  y en The Developmental Technologies Research Group, dirigida por la Profesora Marina Umaschi Bers en el Eliot-Pearson Department of Child Study and Human DevelopmentTufts University ( Grupo de Investigación sobre Tecnologías del Desarrollo, dirigido por la  Prof. Marina Umaschi Bers  en el  Departamento de Estudio del Niño y Desarrollo Humano de Eliot-Pearson , en  la Universidad de Tufts)  http://ase.tufts.edu/epcshd/ 

El repertorio completo de Kinder Lab Robotics está en  http://resources.kinderlabrobotics.com/category/curriculum/

Amazon

Algunos de estas affordances de pensamiento computacional desenchufado y sin pantallas  también las podemos encontrar en Amazon o en otros sitios:

La primera de ella es el kit de Ratón,  similar a bee‑bot, en Amazon Learning Resources Code & Go Robot Mouse Activity Set

Hasta bien reciente ha estado igualmente disponible en Amazon la abeja programable Beet Bot.

Etiquetas adhesivas y circuitos (peel-and-stick electronics for crafting circuits).-

Se trata de un conjunto de herramientas que consta de componentes electrónicos para quitar el plástico y pegar, tales como LED y cintas de cobre como conductor. Con este kit de herramientas, los niños pequeños pueden crear proyectos interactivos de arte, o como artesanía, incrustados con adhesivos LED y sensores que responden al entorno o estímulos externos (ver la figura). Los niños pueden desarrollar su creatividad en actividades prácticas mientras aprenden y aplican conceptos básicos de electricidad, como son circuitos e interruptores. E incluso aprender circuitos lógicos. En el apartado de propuestas de actividades de este trabajo incluimos como ejemplo de actividad con este recurso la construcción de circuitos lógicos (puertas lógicas). 

Bases para la propuesta de actividades.-

Con todo lo dicho en este trabajo cabría hacer una o varias propuestas de guías de actividades que sirviese de modelo. Incluso, en un estado más avanzado, cabría hacer una propuesta de lección (módulo, unidad didáctica,…) que incluyese, organizadas en un diseño instruccional completo, todas las actividades para esa unidad que contuviesen elementos de pensamiento computacional de este tipo, para educación infantil o de primer tramo de primaria.

No hace falta, para hacer la propuesta, que hagamos referencia y describamos todos los elementos de pedagogía específica o los principios de aprendizaje que utilizamos. Todo ello subyace y está presente en la propuesta.

Podemos tomar como ejemplos algunos que ya están consolidados y son de uso avalado por la edición y la práctica en entornos reales.

Material Montessori para actividades en las etapas de Ciclo Inicial primaria y Educación Infantil

Creo que no seríamos excesivamente osados si dijéramos que la aritmética es la ciencia de la computación utilizando números racionales positivos. Si hacemos una restricción utilizando la expresión aritmética como frecuentemente se hace, es decir como una parte de las competencias claves (las otras serían el álgebra elemental, la geometría la lectura, la escritura y la cinestesia), o sea específicamente los  procesos de sumar, restar, multiplicar y dividir, estaríamos dentro de un conjunto de habilidades para las que es idónea la metodología Montessori. Con el añadido de que los materiales del aula infantil y primaria pensada por Montessori también presentan experiencias sensoriales para geometría y álgebra.

Los escritos, basados en experiencias e investigaciones, de Montessori hacen énfasis en que  los niños pequeños se sienten atraídos de forma natural por la peculiaridad y las propiedades del número. Este instinto es el que hace que las matemáticas, como lenguaje, sean el producto exclusivo del intelecto humano. Es parte de la naturaleza de las personas. Las matemáticas surgen de la mente humana cuando entra en contacto con el mundo y contempla en el universo, en el mundo que le rodea, los factores de cantidad, cardinalidad, tiempo y el espacio.

Destacan la evidencia del esfuerzo del humano por comprender el mundo en el que vive, y el uso de los números para ello. Todos los humanos exhiben esta propensión matemática, incluso los niños pequeños. Por lo tanto, se puede decir que la humanidad tiene una mente matemática.

Hay pues un precedente a lo que consideramos el pensamiento computacional en las primeras etapas del desarrollo cognitivo, es lo que María Montessori llama mente matemática.

Esta percepción la tuvieron Maria Montessori, y sus muchos colegas y colaboradores , al observar muchas evidencias espontáneas y no programadas en el contexto del desarrollo de los niños. Estos hechos se pudieron generalizar constituyendo principios que fueron la base de su metodología, al ser invariantes al lugar y al momento donde se producían. Estos principios constituyeron el ambiente preparado de su primera experiencia diseñada en la Casa dei Bambini.

Así pues el trabajo de Montessori se centra en estas características universales del ser humano y de los niños. Para ilustrar este conjunto de características de la mente humana, Montessori rescata el término “mente matemática” de Blaise Pascal (1623-1662), quien dice que la esencia íntima del pensamiento humano (la mente humana) es de “de naturaleza matemática”. En La Mente Absorbente (The absorbent mind)  Montessori (1959) escribe:

En nuestro trabajo, le hemos dado un nombre a esta parte de la mente que se construye con exactitud … la llamamos “la mente matemática”. Tomo el término de Pascal … quien dijo que la mente del hombre era matemática por naturaleza y que el conocimiento y el progreso proviene de la observación precisa.

Así pues Montessori tomó el término del matemático, filósofo y teólogo francés del siglo XVII, Blaise Pascal (1623-1662). Otra coincidencia notable: los intereses de Pascal eran a la vez profundos que amplios, ¿o quizá es que la mente matemática era un ente más amplio, como ahora vemos al hablar de STEM y de pensamiento computacional, y los integraba. Pascal  inventó un artificio que hoy se considera un antecesor, el primero de los ordenadores, pero mecánico: la Pascalina; también produjo puntos de singularidad en la geometría, la teoría de probabilidades y la defensa del método científico como prueba de los asertos científicos (una idea nueva en su época); En esa época, en 1653, ya escribió lo siguiente en un ensayo titulado Discours sur les Passions de l’Amour:

There are two types of mind … the mathematical, and what might be called the intuitive. The former arrives at its views slowly, but they are firm and rigid; the latter is endowed with greater flexibility and applies itself simultaneously to the diverse lovable parts of that which it loves.

En su trabajo La Mente Absorbente (The Absorbent Mind), en la versión versión de 1949,  encontramos que Montessori (1949, a través de Sackett, 2014).) utiliza el término “la mente matemática”en el capítulo “Further Elaboration through Culture”. Lo utiliza para describir una característica universal del ser humano, específicamente, que la mente “se desarrolla y funciona … con exactitud”, a partir en este caso también a partir de las ideas de Pascal:

En nuestro trabajo, le hemos dado un nombre a esta parte de la mente que se construye con exactitud … la llamamos “la mente matemática”. Tomo el término de Pascal … quien dijo que la mente del hombre era matemática por naturaleza y que el conocimiento y el progreso proviene de la observación precisa.

Hay otros autores, además de Pascal y Montessori, que destacan esta característica humana universal. Traemos una que ofrece más detalles sobre este funcionamiento exacto a través de la observación, es en la creación de patrones, se debe al  matemático, y especialista en Matemáticas de la cadena de radio NPR[1], Keith Devlin (2001):

La mente humana es un reconocedor de patrones … La capacidad de ver patrones y similitudes es una de las mayores fortalezas de la mente humana … patrones visuales, patrones auditivos, patrones lingüísticos, patrones de actividades, patrones de comportamiento, patrones lógicos y muchos otros. Esos patrones pueden estar presentes en el mundo, o pueden ser impuestos por la mente humana como parte integral de su visión del mundo.

Pasamos pues a varios ejemplos de guías de actividades que hemos encontrado a partir de propuestas Montessori y que pueden servir de modelo.

Primer ejemplo.- Montessori à la maison de Delphine Gilles Cotte

Un ejemplo de diseño de actividades de este tipo nos lo da el libro Montessori à la maison, para padres, de Delphine Gilles Cotte,  que en España se publica como Montessori en casa (Tu hijo y tú) y en él la actividad “la torre rosa”

El guion es sencillo y la presentación sugestiva. No se necesita más.

Título: La torre rosa

Breve descripción y justificación: “El niño trabaja la lógica e inicia su capacidad de juicio…”

Elementos materiales que se necesitan. Descripción: “Necesitarás: 10 cubos de madera rosa…”

Enunciado de las actividades: “Ejercicio 1.- Pídele al niño que vaya a buscar los diez cubos de la torre…”

Descripción más extensa y comentada de las actividades: “En tiendas puedes encontrar torres…”

Segundo ejemplo.- Actividades Montessori de Matemáticas.

Living Montessori Now. Maths Activities Primary Guide es un repositorio de actividades y recursos para matemáticas que nos parece muy interesante como modelo de repositorio de recursos y actividades para pensamiento computacional desenchufado.

La web Living Montessori Now de Deb Chitwood[2]  dedica una página a Matemáticas. En ella podemos ver una numerosa y variada colección de actividades.

De ellas elegimos, sólo a título de ejemplo significativo, la denominada Small Bead Frame: introduction to addition, substraction and multiplication (Ábaco: Introducción a la suma, la resta y la multiplicación) en el apartado Passage to Abstraction (Transición a la abstracción).

Se trata de un ejemplo que se propone recurrentemente como actividad, conocida por todos, por eso la elegimos. Pero también en ese mismo apartado y en el resto hay numerosos y muy interesantes casos y ejemplos de actividades todos con un esquema y una estructura similar. También señalamos que, aunque utiliza una expresión en inglés muy elaboradaSmall Bead Frame que es la expresión estándar utilizada en los medios Montessori (Lillard, 2011),   se está refiriendo al ábaco decimal, diez cuentas por barra. El que podemos encontrar en Ikea o en Amazon, como tantos otros juegos que en este trabajo citamos.

Pues bien la estructura de estas guías didácticas es la siguiente, tomando como referencia Small Bead Frame: introduction to addition, substraction and multiplication:

Título:

Materiales (Elementos materiales que se necesitan. Descripción): En este caso el ábaco (Small Bead Frame), las pegatinas con las unidades, decenas, etc y materiales de anotación, papel y lápiz.

Notas.- Este apartado hace referencia a notas metodologías. Observaciones que se hacen al maestro sobre su trabajo con los alumnos.

Actividades.- Descripción de los ejercicios o actividades, en este caso agrupadas en racimos de actividades (a las que llama “presentaciones”). La primera incluye introducción, contando sin cero, contando con cero,…; la segunda incluye adición estática, adición, …; y así sucesivamente.

Más notas metodológicas.- Parece ser que estas son con carácter más generales que las anteriores, en este caso da una nota que vagamente recuerda un criterio de dominio (mastery learning):

Dr. Montessori referred to this piece of material as marking the passage to abstraction.

This material allows the child to stop using the material when he no longer needs it to find the answer to the problem.

Objetivos.- Escritos de forma directa y sencilla, como propósitos. En este caso para mostrar la relación entre las categorías posicionales del sistema decimal y para aclarar el sentido de posición y valor de posición, como requisitos necesarios y de ayuda para sumar y restar.

Control de error.- Se refiere a evaluación formativa, en este caso la propia habilidad del niño y las inscripciones en las anotaciones del niño.

Este apartado es importante y junto con los elementos o criterios de mastery learning los incluiremos en nuestra propuesta.

Edad.- Periodo madurativo para el que de forma estándar está recomendado. En este caso desde 5 años y medio a 6 años

Preguntas y comentarios.-  Apartado dedicado a los maestro para que compartan y discutan. En este caso se da la indicación de que compartan sus tus experiencias en un foro.

Otros materiales Montessori que pueden ayudar a elaborar las guías de actividades

Un ejemplo de proyecto con una colección  de libros que se dedica en su totalidad a la metodología Montessori y con un repertorio muy extenso de actividades es Libros Pedagógicos Montessori Paso a Paso de Escuela Viva. Son libros que agrupan las presentaciones de  materiales importantes desde los 2 a los 6 años.  Incluye traducidos al español varios libros escritos por María Montessori, y varios libros en los que se habla sobre la filosofía del método y en los que puedes profundizar. Lleva una buena presentación, secuenciada, ordenada, y con gráficos de calidad.

En particular recomendamos como útil por su estructura y formato utiizable para actividades de pensamiento computacional desenchufado:

Montessori Paso a Paso. El cálculo y las matemáticas. 3-6 años

Se puede adquirir en Amazon 

Va dedicado al aprendizaje de las matemáticas con el método Montessori . Tiene agrupadas y secuenciadas numerosas actividades y presentaciones para edades entre los 3 a los 6 años.

Podéis ver el índice detallado con todas las presentaciones aquí. Y el índice por aprendizajes en la foto de abajo.

Un ejemplo de actividad es la de La división.  Y de material es el del Gabinete geométrico 

Where the Wild Things Are.

Una exclente guía para el diseño de material curricular y el diseño de actividades lo constituye el Material de para KIBO titulado Where the Wild Things Are.  A KIBO Curriculum Unit on Programming and Robots Integrated with Foundational Literacy Topics de DevTech Research Group (2018), de Tufts University.

Un ejemplo para nuestra propuesta sería la actividad siguiente, incluida en el trabajo:

Activity 3: Vowel Maker

Goal: Students will program their robot to travel around and create new words.

Materials: 1 KIBO set per group of students, one Expression Module per KIBO, index cards, pen/marker

KIBO Concept: Sequencing with KIBOs programming blocks

Activity Preparation: Review KIBO’s different blocks. Identify three letter words that students are familiar with and have a vowel as one of the letters (ex. cat, bat, jet, bus, dog, top, hen, bib, lip). Choose a handful of words (at least as many words as there are robots) and write one word on each index card; however, do not write the vowel. Instead, draw a line to indicate that the vowel belongs in that area.

Activity Description: Students will choose one vowel (either of their choosing or one that is assigned) to write on their Expression Module. Then, they will program their robot to travel from a designated spot to one of the index cards. In order to go to an index card, the vowel on the Expression Module needs to be the vowel that completes the index card to create a real word. For example, if a group has “e” written on their index card, their KIBO could travel to “h_n” and “j_t” but not “c_t.” If desired, this activity can be repeated, either by having the groups change their vowel or have the robots travel to another index card.

Activity Extension: Try lengthening the words or choosing words that have the same vowel in two different places in a word.

Actividad 3: Hacedor de vocales

Objetivo: Los estudiantes programarán su robot para viajar y crear nuevas palabras.

Materiales: 1 conjunto de KIBO por grupo de estudiantes, un módulo de expresión por KIBO, fichas, bolígrafo / marcador

Concepto KIBO: Secuenciación con bloques de programación KIBOs

Preparación de la actividad: revisar los diferentes bloques de KIBO. Identifique las palabras de tres letras con las que los estudiantes están familiarizados y tenga una vocal como una de las letras (por ejemplo, gato, murciélago, avión, autobús, perro, parte superior, gallina, babero, labio). Elija un puñado de palabras (al menos tantas palabras como robots) y escriba una palabra en cada tarjeta de índice; Sin embargo, no escriba la vocal. En su lugar, dibuje una línea para indicar que la vocal pertenece a esa área.

Descripción de la actividad: Los estudiantes elegirán una vocal (ya sea de su elección o asignada) para escribir en su Módulo de Expresión. Luego, programarán su robot para viajar desde un lugar designado a una de las tarjetas de índice. Para ir a una tarjeta de índice, la vocal en el Módulo de Expresión debe ser la vocal que completa la tarjeta de índice para crear una palabra real. Por ejemplo, si un grupo tiene una “e” escrita en su tarjeta de índice, su KIBO podría viajar a “h_n” y “j_t” pero no a “c_t”. Si lo desea, esta actividad se puede repetir, ya sea haciendo que los grupos cambien su Vocal o haz que los robots viajen a otra ficha.

Extensión de actividad: intente alargar las palabras o elegir palabras que tengan la misma vocal en dos lugares diferentes de una palabra.

En este caso introduce además de los apartados de titulo, descripción. Materiales, etc un apartado con el objetivo efectivo de la actividad (Goal): “Los estudiantes programarán su robot para viajar y crear nuevas palabras.” Que puede servir como en casos anteriores como criterio de dominio.

Propuestas de actividades

1. Preálgebra

Pre-álgebra para niños

Objetivo.- Vamos a intentar introducir un juego o una actividad para desarrollo de pensamiento abstracto, preálgebra, en niños.

Intervalo de edad.- Niños de entre 4 y 6 años. Conviene aclarar que el intervalo de edad lo hacemos de forma estimativa, porque igual podría el intervalo tomarse en función de otras características madurativas que se puedan tener en cuenta de manera convenientemente documentada y adaptada.

Materiales.- Youkara Youkara 1 PC es un juego infantil fabricado en China, cerca de Cantón, por la empresa Youkara, que se vende a través Amazon por el precio de 0,89€.

Descripción de la actividad.-

  1. Presentar y pedir al niño que realice de forma consecutiva operaciones de multiplicar, con barras y con números indistintamente, hasta que alcance un completo dominio:

  1. Cuando lo consiga, podemos empezar a proponer prácticas mezclando barritas con números, donde al cabo de un rato si bien puede identificar la cantidad con el dígito, también puede identificar la cantidad o el dígito con un ente sustitutivo:

  1. Cuando consiga esa familiarización podemos sustituir las barritas, en intentos alternativos, por una sola barrita o por un objeto,… y ver qué pasa:

Pidiendo al niño que diga a qué equivale o a qué ha sustituido el botón.

  1. En una última fase podemos pedir que diga a qué números corresponden los botones (u otro objeto) poniéndolos en distintas o en varias posiciones, como por ejemplo:

Repitiendo la operación hasta el dominio o hasta que el niño empiece a dar muestras de cansancio, pero rápidamente haciéndole ver el gran éxito que supone su logro.

  1. Podemos incluso utilizar el mismo botón para otros casos y ver en ellos a qué número o cantidad sustituye:

Y por último utilizar en vez de un botón otro objeto.

Si finalmente conseguimos que adquiera el dominio en casos así habremos conseguido que adquiera un concepto muy próximo al de incógnita, ecuación y variable.

La cuestión ahora estriba en formar a maestros y dotarles de guías adecuadas, en destrezas docentes para que desarrollen en los niños un pensamiento preabstracto, que pueda ser evocado posteriormente.

Comentario.- Esta actividad enlaza pues con el elemento,  de pensamiento computacional, que hemos considerado como pensamiento abstracto.

 

2. Pegatinas y circuitos lógicos.- Puertas lógicas. OR

Título.- Puerta lógica OR con pegatinas, leds y circuitos electrónicos

Objetivo.-

Se trata de construir con pegatinas de circuitos circuitos lógicos OR, AND y NOT, y que los niños lo manipulen, experimenten reiteradas veces y hablen sobre ello.

Empezamos con ésta dedicada a la puerta OR, pero con un esquema similar se pueden diseñar actividades para AND, NOT o XOR

Materiales.-  Etiquetas adhesivas y circuitos.- Pegatinas de circuito (peel-and-stick electronics for crafting circuits).

Se trata de un conjunto de herramientas que consta de componentes electrónicos para quitar el plástico y pegar, tales como LED y cintas de cobre como conductor. Con este kit de herramientas, los niños pequeños pueden crear proyectos interactivos de arte, o como artesanía, incrustados con adhesivos LED y sensores que responden al entorno o estímulos externos (ver la figura). Los niños pueden desarrollar su creatividad en actividades prácticas mientras aprenden y aplican conceptos básicos de electricidad, como son circuitos e interruptores. En este caso, incluso se puede aplicar para aprender circuitos lógicos.

Los circuitos electrónicos con pegativas (Peel-and-stick Electronics for Crafting Circuits)  se pueden encontrar en muchos sitios en internet, por ejemplo Circuit Sticker Starter Kit with Chinese Sketchbook – Peel-and-stick Electronics for Crafting Circuits[1]

 

Actividad

Construir, con luces leds y etiquetas, un circuito OR

El maestro debe de dar explicaciones (muy sencillas) sobre lo que es un circuito OR y lo que se esperan que los niños hagan (en pequeño grupo de dos o tres o de forma individual) enseñándole fotos e imágenes construidas por él, de la forma más próxima al resultado de lo que se espera que hagan. Y a ser posible mostrándoles un prototipo construido por él.

Se trata de que los niños adquieran una idea lo más cercana posible de lo que es y cómo funciona un circuito lógico OR.

Debe hacerlo funcionar tantas veces como haga falta con todas las posiciones de la tabla de verdad

Y enseñar el simbolismo

Por último explicar de forma combinada de todo y manipular hasta el dominio todas las posiciones y el sentido que tienen

Poner sencillos ejemplos de la vida real. Por ejemplo que su madre los mande a comprar:

“Helados y chuches”, y discutan cosas que puedan pasar y en cuales de ellas se cumple el recado.

También la madre les puede decir que traigan “helados o chuches”. En este caso también tienen que discutir cosas que puedan pasar y en cuales de ellas se cumple el recado.

[1][1]https://www.seeedstudio.com/Circuit-Sticker-Starter-Kit-with-Chinese-Sketchbook-Peel-and-stick-Electronics-for-Crafting-Circuits-p-1935.html


Este trabajo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0 

DOI : 10.13140/RG.2.2.12945.48481

Debe ser citado como:

Zapata-Ros, M. (2018) Pensamiento computacional en los primeros ciclos educativos, un pensamiento computacional desenchufado. Blog RED de Hypotheses. El aprendizaje en la Sociedad del Conocimiento.  https://red.hypotheses.org/1662


Referencias.-

Bawden, D. (2001). Information and digital literacies: a review of concepts. Journal of Documentation57(2), 218–259.

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

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?seq. uence=1  y  https://dl.acm.org/citation.cfm?id=2602485

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

Chambers, J. (2015). Inside Singapore’s plans for robots in pre-schools. How a bold new scheme is teaching tech skills to 6 year olds. GovInsider.  https://govinsider.asia/smart-gov/exclusive-singapore-puts-robots-in-pre-schools/

Devlin, K. (2001) The Math Gene: How Mathematical Thinking Evolved and Why Numbers Are like Gossip. NY: Basic Books.

DevTech Research Group (2016). Literacy Activities with KIBO’s Expression Modulehttp://resources.kinderlabrobotics.com/resource/kibo-expression-module-literacy-activities/  http://resources.kinderlabrobotics.com/wp-content/uploads/sites/2/2016/08/KIBO-Expression-Module-Activities.pdf

DevTech Research Group (October 2018). Where the Wild Things Are http://resources.kinderlabrobotics.com/resource/where-the-wild-things-are/  http://api.ning.com/files/v4ZZJy3ZUOe-9JkKS8PAGKUSlmkJV7E0G*7Oz8Mjzv8qvoDLYZzabUlbKp6HxUBEgEyKQUKUxgkHJ*rO9P6MepE3pWQypzcw/KIBOCurriculum_WheretheWildThingsAreEdited.pdf

Digital News Asia, (2015) https://www.digitalnewsasia.com/digital-economy/ida-launches-pilot-to-roll-out-tech-toys-for-preschoolers

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

Gallagher, A., Thissen, S. & Hrdina, V. (2018). Little Coders Computational Thinking in K-2 Classrooms – NCCE 2019https://conference.ncce.org/uploads/NCCE2018/HANDOUTS/KEY_14396394/LittleCoders_NCCEConference_Feb2018.pptx

Graham, J. (2018 July). Meet the robots teaching Singapore’s kids tech. The interactive toys reduce time children spend in front of screens. Apolitical.  https://apolitical.co/solution_article/meet-the-robots-teaching-singapores-kids-tech/

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.

IMDA. (2017). PlayMaker Changing the Game. Retrieved Feb 13, 2017, from https://www.imda.gov.sg/infocomm-and-media-news/buzz-central/2015/10/playmaker-changing-the-game

Infocomm Media Development Authority (2017 November) PlayMaker Changing the Game. IMPACT INFOCOMM MEDIA TRENDS, INSIGHTS AND ANALYSIShttps://www.imda.gov.sg/infocomm-and-media-news/buzz-central/2015/10/playmaker-changing-the-game   

Infocomm Media Development Authority (2018 October) The game is on for PlayMaker. IMPACT INFOCOMM MEDIA TRENDS, INSIGHTS AND ANALYSIShttps://www.imda.gov.sg/infocomm-and-media-news/buzz-central/2018/10/the-game-is-on-for-playmaker

Ioannou, M., & Bratitsis, T. (2017, July). Teaching the notion of Speed in Kindergarten using the Sphero SPRK robot. In Advanced Learning Technologies (ICALT), 2017 IEEE 17th International Conference on (pp. 311-312). IEEE.

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/

Lillard, A. S. (2011). What Belongs in a Montessori Primary Classroom?. Montessori Life23(3), 18.

Lockwood, J., & Mooney, A. (2017). Computational Thinking in Education: Where does it Fit? A systematic literary review. arXiv preprint arXiv:1703.07659.Pérez-Paredes, P., & Zapata-Ros, M. (2018). El pensamiento computacional, análisis de una competencia clave. Scotts Valley, CA, USA: Createspace Independent Publishing Platform. 

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

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

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

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

Montessori, M. (1967). The Absorbent Mind. 1949. Trans. Claude A. Claremont. Holt, Rinehart, and Winston.

Montessori, M. (1991). The Advanced Montessori Method, Vol. 1. 1917. Trans. Florence Simmonds and Lily Hutchinson. Oxford: Clio.

Montessori, M. (1934). Psychogeometry. Trans. Benedetto Scoppola. Ed. Kay Baker. Laren, The Netherlands: Montessori-Pierson Publishing Company, 2011. Retrans. of Psychogeometry Spanish ed.

Montessori, M. (1989). The Secret of Childhood. Trans. Barbara Barclay Carter. Hyderabad: Orient Longman: 1963. Montessori, Maria. What You Should Know About Your Child. Oxford: Clio.

Nurul A. (2016). Playmaker Project. The children were introduced to the robots named Bee-Bot and Kibo for this Playmaker Project. Recuperado de https://vimeo.com/179032348

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

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

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

Sackett, G. (2014). “THE LINES THAT MAKE THE CLOUDS” THE ESSENCE OF THE MATHEMATICAL MIND IN THE FIRST SIx YEARS OF LIFE. NAMTA Journal, 39(2). https://static1.squarespace.com/static/519e5c43e4b036d1b98629c5/t/53a9a56ee4b0cae9d4e6564f/1403626862785/Sackett.pdf

Sackett, G. (sin fecha). The Mathematical Mindhttps://static1.squarespace.com/static/519e5c43e4b036d1b98629c5/t/527d3d72e4b07ed7f733eb15/1383939442753/Mathematical+Mind.pdf

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  y https://sites.tufts.edu/devtech/files/2018/02/Dancing-Robots.pdf

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

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

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

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

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

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

 

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 en los primeros ciclos educativos, un pensamiento computacional desenchufado (I)

 

Miguel Zapata-Ros, Universidad de Murcia
ISSN 2386-8562
DOI : 10.13140/RG.2.2.12945.48481
 

Este artículo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0

Debe ser citado como

Zapata-Ros, M. (2018)Pensamiento computacional en los primeros ciclos educativos, un pensamiento computacional desenchufado (I1). Blog RED de Hypotheses. El aprendizaje en la Sociedad del Conocimiento.  https://red.hypotheses.org/1508

Introducción.-

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

Hay una serie de datos, ideas y circunstancias que avalan un trabajo como éste, y hacen posible ahora que se implementen actividades, iniciativas y experiencias de pensamiento computacional desenchufado. Es lo que intentamos exponer en la serie de posts que comienzan con éste.

Como anécdota, pero que es importante señalar a la hora de tener en cuenta cómo se ha forjado este trabajo y en qué contexto lo ha hecho, hay que decir que se ha originado  en las últimas actividades realizadas por el autor, a socaire de un ciclo organizado por ANEP-Uruguay y las Fundaciones Telefónica de Uruguay y de Argentina (ver los vídeos, éste y éste) de conferencias, talleres y eventos rurales en colegios y pueblos del interior de Uruguay, con niños y maestros de Primaria y de Secundaria. Pero sobre todo en el microclima que se creó en Arequipa, en el CITIE 2018, con la concurrencia derelevantísimos puntales en lo que ha sido el desarrollo del pensamiento computacional, con su experiencia y testimonio, como son entre otros Artemis Papert y Margaret Minsky, junto con otras individualidades que trabajan el tema.

 

En las fotos podemos ver en animado coloquio y trabajo a Artemis Papert, Margaret Minsky, Pascual Pérez Paredes, Raidell Avello y un servidor. En el ambiente de charlas, discusiones, exposiciones de ideas hubo una comunidad de enfoques que, además de poder modificar los esquemas de los participantes, abrió espacios de desarrollo en el trabajo de cada uno, así lo veo, y al menos en mi caso así fue. Y también explícitamente en el caso de Artemis para colaborar con sus ideas y con sus creaciones gráficas, a partir de Turtle Art y Tortugarte, en la elaboración de materiales para los ciclos iniciales de la educación. Obviamente sólo hubo un amplio consenso, eso sí, en las ideas centrales del proyecto que después debería ser ratificado en la práctica por equipos e instituciones, y sobre todo por las experiencias que se realicen.

 

 

Ése era el pues el ambiente que reinaba por las dependencias y los espacios del Hotel Conquistador de Arequipa. Ahí nacieron una serie de compromisos y una serie de ideas que voy a desarrollar estos días en esta colección de posts sobre el Pensamiento Computacional en las primeras etapas. 


Voy pues a comenzar una serie de entradas sobre este tipo de materiales. Para disipar equívocos desde el principio le voy a llamar, a este conjunto de posts, “Pensamiento computacional desenchufado” (eso es algo más que desconectado). En inglés ya existe la expresión Computer Science Unplugged. La ha utilizado Tim Bell de la University of Canterbury de Nueva Zelanda, con algunas diferencias prácticas y conceptuales que ya veremos. En definitiva queremos poner de relieve que lo importante es que los niños no jueguen con trastos, no solo digitales, sino ni tan siquiera enchufados… y que a pesar de ello adquieran pensamiento computacional. O quizás por ello.

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

Vamos, para ello a proponer un tipo de actividades , a este nivel sólo de forma enunciativa y descriptiva, pero en lo posible lo más indicativa posible de cómo debería ser una propuesta más elaborada, y sobre todo la necesidad de guías para maestros y maestras de estos ciclos que doten de valor pedagógico en el sentido de los objetivos, tratados en el apartado anterior, propuestos para el pensamiento computacional. Orientar el diseño y la práctica en este sentido.

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

 

El principio de activación

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

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

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

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

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

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

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

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

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

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

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

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

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

Son las FASES DE INSTRUCCIÓN

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

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

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

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

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

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

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

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

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

Debe pues potenciarse una pedagogía que atribuya valores a estas ideas y principios para aplicar en las primeras etapas de educación.

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

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

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

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

 

Pensamiento computacional en la infancia.-

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

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

Así lo decíamos el 18 de junio de 2014 en Tumblr

La idea que algunos tenemos es la de que no hay que esperar a la universidad ni tan siquiera a la educación secundaria para iniciar el aprendizaje de habilidades de programación, y que al igual a como sucede en otras habilidades instrumentales (cálculo o lectura) y claves o con competencias que empiezan a desarrollarse en las primeras etapas de la vida (música, danza), las habilidades necesarias para la codificación han de ser detectadas y desarrolladas desde las primeras etapas. Es la precodificación (precoding) o el desarrollo del pensamiento computacional.

El 5 de Noviembre de 2014:

“(…) es fundamental que, al igual que sucede con la música, con la danza o con la práctica de deportes, se fomente una práctica formativa del pensamiento computacional desde las primeras etapas de desarrollo. Y para ello, al igual que se pone en contacto a los niños con un entorno musical o de práctica de danza o deportiva,… se haga con un entorno de objetos que promuevan, que fomenten, a través de la observación y de la manipulación, aprendizajes adecuados para favorecer este pensamiento. No tenemos en muchos casos evidencias de que esos entornos y esas manipulaciones desarrollen las destrezas, habría que fomentar investigaciones para tenerlas, pero sí sospechamos fuertemente que ocurre. 

Tradicionalmente se ha hablado de aprendizajes  o de destrezas concretas: Seriación, discriminación de objetos por propiedades, en las primeras etapas, y en las del pensamiento abstracto o para la resolución de problemas se ha hablado de la modularización, el análisis descendente, el análisis ascendente, la recursividad,…

Para lo primero hay multitud de recursos, juegos y actividades que los educadores infantiles conocen bien.” (Zapata-Ros, Noviembre 2014)

En el artículo de RED (Zapata-Ros, 2015) Pensamiento computacional: Una nueva alfabetización digital

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

En el blog RED de Hypotheses (Zapata-Ros, 2018b):

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

En el capítulo “Pensamiento computacional. Una tercera competencia clave”, del libro El pensamiento computacional, análisis de una competencia clave (Pérez-Paredes & Zapata-Ros, 2018) se dice:

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 ese mismo capítulo hablamos de los programas y trabajos que se desarrollan en UK, EE UU como programas específicos dentro del currículum oficial que implementan pensamiento Computacional en Educación Infantil (Key stage 1 in UK) y que veremos en la parte de materiales de este mismo post, o en el post de esta serie dedicado a materiales.

 

Iniciativas ya existentes

Nos referimos a iniciativas ya existentes de pensamiento computacional, con actividades no estrictamente de programación, como competencias claves, ya incluidas en el curriculum oficial de Educación Infantil o de etapas equivalentes, Key stage 1 in UK,  etc. y al primer ciclo de primaria. Con ligeras variantes, son las edades y ciclos escolares que hay hasta los 8 años.

En el libro El pensamiento computacional, análisis de una competencia clave (Pérez-Paredes & Zapata-Ros, 2018), en la parte final, a partir de la página 89, hacíamos en una tabla un resumen de las situaciones del Pensamiento Computacional en los distintos sistemas educativos de los países en los que hemos encontrado que éste está recogido en los curricula, en el sentido que se apunta en el libro, y que sostenemos en este trabajo: como competencias transversales o competencias clave que sirven para favorecer el aprendizaje de la informática y de la programación, pero también para la resolución de problemas en otras materias aportando sus formas de pensamiento y métodos específicos, y también para problemas de la vida cotidiana.

De ella entresacamos las experiencias e incidencias que tienen que ver con el pensamiento computacional desenchufado en las primeras etapas. En la época en que se hizo el trabajo sólo pudimos detectar, a partir de lo publicado en papers que difunden experiencias, con investigaciones aparejadas que aseguraban un mínimo de rigor y consistencia en su desarrollo y conclusiones, dos casos propiamente dichos que cumplieran estos requisitos: incorporar el pensamiento computacional como competencia clave que fuese en estas etapas iniciales y que estuviese recogido como parte del curriculum oficial de sus países, o sistemas educativos. Se trata de CS Unplugged en Nueva Zelanda, y del programa PlayMaker de Singapur. También incluimos, aunque propiamente no se puede considerar que cumple estos requisitos,  el caso de una propuesta de currículum, ya introducido en su país, Macedonia, que hacen  Jovanov et al (2016, April)  titulado “Trabajar con computadoras y conceptos básicos de programación” o simplemente “Computación”, para abreviar. Ofrecen una visión general del estado de la educación informática en Macedonia antes del currículo propuesto y luego ofrecen una visión general de la nueva materia introductoria para alumnos de ocho años. La incluimos aquí porque, aunque es híbrido de programación y de juegos, es otra iniciativa que prescinde de la computación y de los ordenadores para desarrollar el pensamiento computacional, aunque sólo sea en parte.

En cada uno de los tres casos describimos primero qué se hace o qué hay, luego describo la situación en el contexto del curriculum y del sistema educativo oficial, las características del caso en relación con la características definitorias que hemos propuesto (programación sólo / desarrollo de competencias específicas como área transversal), y por último decimos las referencias de los documentos de donde hemos obtenido la información.

NUEVA ZELANDA

¿Qué hay?

CS Unplugged 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) y en el libro  El pensamiento computacional, análisis de una competencia clave (Pérez-Paredes & Zapata-Ros, 2018). 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 web [i]

Bell, Alexander, Freeman y Grimley (2009) son ​​los investigadores responsables del proyecto CS Unplugged y en el documento Computer science unplugged: School students doing real computing without computers 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

  •         Vídeos 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.

Situación en el curriculum

El programa CS Unplegged es un programa completo de actividades desarrollado por CS Education Research Group [ii] en la Universidad de Canterbury, Nueva Zelanda. 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.

Referencias

Computer science unplugged: School students doing real computing without computers. Bell, T., Alexander, J., Freeman, I., & Grimley, M. (2009). [iii]

A case study of the introduction of computer science in NZ schools. Bell, T., Andreae, P., & Robins, A. (2014)[iv]

A pilot computer science and programming course for primary school students. Duncan, C., & Bell, T. (2015, November).[v]

Adoption of new computer science high school standards by New Zealand teachers. Thompson, D., & Bell, T. (2013, November). [vi]

Estos trabajos e investigaciones están reseñados  además en Computational Thinking in Education: Where does it fit? A systematic literary review. James Lockwood, Aidan Mooney.[vii]

SINGAPUR

¿Qué hay?

Para abordar la creciente necesidad de nuevos programas de tecnología educativa (en este caso de Pensamiento Computacional 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 STEM, 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.

Situación en el curriculum

El objetivo del programa piloto PlayMaker de Singapur 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.

Referencias

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.[viii]

Como hemos dicho, estas situaciones se producen tanto en Educación Infantil como en Primaria, además hay un caso que es interesante y que se da también en primaria, pero en el que se mezclan elementos de pensamiento computacional como programación y como juegos, nos referimos al caso de Macedonia

 

MACEDONIA

¿Qué hay?

Jovanov, M., Stankov, E., Mihova, M., Ristov, S., & Gusev, M. (2016, April) presentan en EDUCON, 2016 IEEE, una descripción general de una aportación al currículo macedónico, introducida en 2015, titulada “Trabajar con computadoras y conceptos básicos de programación” o simplemente “Computación”, para abreviar. Ofrecen una visión general del estado de la educación informática en Macedonia antes de esta propuesta, hacen un análisis  y luego ofrecen una visión general de la nueva materia introductoria para alumnos de ocho años. En su comunicación dan una visión general del contenido que incluye siete unidades que se impartirán en dos clases por semana.

Lo presentan en el congreso  (Jovanov, M., Stankov, E., Mihova, M., Ristov, S. and Gusev, M., 2016, April) Global Engineering Education Conference (EDUCON), 2016 IEEE con el título Computing as a new compulsory subject in the Macedonian primary schools curriculum.

En ella comunicaron que llevaron a cabo una investigación sobre esta integración curricular. En este trabajo, considerado documento de referencia, y en la propia investigación se centran en el cambio introducido en el currículo macedonio. Presentan el plan de estudios propuesto y aceptado, con énfasis en los temas sobre pensamiento computacional y programación. También discuten el software disponible y las herramientas adecuadas para la implementación de los temas mencionados en la propuesta, y presentan un juego recientemente desarrollado. Al final explican la formación necesaria de los profesores,y el formato de la capacitación preliminar de todos los maestros de escuela primaria en el país.

La investigación incluye las primeras impresiones de los capacitadores que realizaron la capacitación, y la elaboración de las opiniones de los maestros.

En su trabajo Jovanov et al. (2016) comunican que en la iniciativa organizan los contenidos  en siete unidades que se impartirán en dos clases por semana:

  • Primeros pasos para usar la computadora
  • Gráficos por computadora
  • Procesamiento de texto
  • Vida en línea
  • Concepto de algoritmos y programas
  • Pensamiento computacional a través de un juego
  • Creación de programas simples

Obviamente destacamos en el sentido propuesto de pensamiento computacional desenchufado las unidades quinta y sexta. En ésta a los estudiantes se les enseña la noción de programación y aprenden a través de un juego, el DigitMile,  que fue especialmente diseñado para ser utilizado en este plan de estudios junto con él.

Situación en el curriculum

En el documento de referencia tenemos constancia y la descripción de la situación y los presupuestos sobre pensamiento computacional que llevaron a los responsables políticos en Macedonia a incluir la programación como parte de una nueva asignatura obligatoria para los alumnos a la edad de 8 años

Referencias

Reseñado en Computational Thinking in Education: Where does it fit? . A systematic literary review . James Lockwood, Aidan Mooney.

Documento base: Jovanov, M., Stankov, E., Mihova, M., Ristov, S., & Gusev, M. (2016, April). Computing as a new compulsory subject in the Macedonian primary schools curriculum.



Referencias del post en formato APA.-

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?seq. uence=1  y  https://dl.acm.org/citation.cfm?id=2602485

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/

Digital News Asia, (2015) https://www.digitalnewsasia.com/digital-economy/ida-launches-pilot-to-roll-out-tech-toys-for-preschoolers

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

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.

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/

Lockwood, J., & Mooney, A. (2017). Computational Thinking in Education: Where does it Fit? A systematic literary review. arXiv preprint arXiv:1703.07659.Pérez-Paredes, P., & Zapata-Ros, M. (2018). El pensamiento computacional, análisis de una competencia clave. Scotts Valley, CA, USA: Createspace Independent Publishing Platform. 

 

[i] https://www.csunplugged.org/en/topics/

[ii] http://cosc.canterbury.ac.nz/research/RG/CSE/

[iii] http://www.computingunplugged.org/sites/default/files/papers/Unplugged-JACIT2009submit.pdf

[iv] 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

[v] https://dl.acm.org/citation.cfm?id=2818328

[vi] https://itp.nz/files/wipsce-teachers-2013.pdf y https://dl.acm.org/citation.cfm?id=2532759

[vii] https://arxiv.org/ftp/arxiv/papers/1703/1703.07659.pdf

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

 

Referencias.-

Bawden, D. (2001). Information and digital literacies: a review of concepts. Journal of Documentation57(2), 218–259.

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

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?seq. uence=1  y  https://dl.acm.org/citation.cfm?id=2602485

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

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/

Digital News Asia, (2015) https://www.digitalnewsasia.com/digital-economy/ida-launches-pilot-to-roll-out-tech-toys-for-preschoolers

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

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.

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/

Lockwood, J., & Mooney, A. (2017). Computational Thinking in Education: Where does it Fit? A systematic literary review. arXiv preprint arXiv:1703.07659.Pérez-Paredes, P., & Zapata-Ros, M. (2018). El pensamiento computacional, análisis de una competencia clave. Scotts Valley, CA, USA: Createspace Independent Publishing Platform. 

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

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

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

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

Pérez-Paredes, P., & Zapata-Ros, M. (2018). El pensamiento computacional, análisis de una competencia clave. Scotts Valley, CA, USA: Createspace Independent Publishing Platform.

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

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

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

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

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

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

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

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

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


[1] 

Este trabajo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0  Debe ser citado como:

Zapata-Ros, M. (2018) Pensamiento computacional desenchufado / Computational thinking unplugged. Blog RED de Hypotheses. El aprendizaje en la Sociedad del Conocimientohttps://red.hypotheses.org/1508

DOI : 10.13140/RG.2.2.12945.48481

 

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

What Kind of Innovations We Need in Education?

Klinge Orlando Villalba-Condori

Universidad Nacional de San Agustín de Arequipa, PERU

Francisco José García-Peñalvo

Full Professor, Computer Science Department, Research Institute for Educational Sciences, University of Salamanca, GRIAL Research Group

University of Salamanca, SPAIN

Jari Lavonen

Professor, Director of the National Teacher Education Reform Program

University of Helsinki, FINLAND

Miguel Zapata-Ros

University of Murcia, SPAIN

RED Editor

Member of the Interuniversity Institute of International Economics

ISSN 2386-8562

Este artículo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0

Debe ser citado como

Villalba-Condori, K. et al (2018) What Kind of Innovations We Need in Education?. Blog RED de Hypotheses. El aprendizaje en la Sociedad del Conocimiento.  https://red.hypotheses.org/1413

We are happy to contribute this prologue to the Proceedings of the International Congress on Educational Innovation Trends, CITIE 2018. The congress has created an enthusiastic environment within which scholars may discuss educational innovations and their nature. A very positive attitude dominated the discussions, and individuals were asking: ‘Can we make things better?’ In this type of discussion, it is important that we know the challenges in our education context as well as the processes that are appropriate to follow in the transfer or implementation of these innovations to our own context.

In all countries, challenges in education have been discussed in several forums, conferences, and national-level curriculum committees. The challenges may be recognised on the basis of international comparative studies, such as OECD, PISA (OECD, 2013), and TALIS (OECD, 2014) surveys, and national-level monitoring reports. Moreover, it is important that education challenges be analysed from the society’s perspective, including changes in working life, gender gaps, and the environment (e.g., climate change). These recognised challenges may be summarised in different ways and at different levels.

The challenges may be classified, for example, at the student level, classroom level, school level, municipality level, and thus, the society level. In most countries, politicians and teachers are not happy with the level of learning outcomes and the amount of variation in those outcomes; the variation in learning outcomes between schools is namely considered an indication of inequality in the education system. Another common student-level challenge is the lack of engagement (interest) in learning and, more generally, the lack of mental well-being. The lack of students’ interest in Science, Technology, Engineering and Mathematics (STEM) studies and careers (Ramírez-Montoya, 2017) have been specifically considered a serious challenge for both the individual and society.

There have been discussions in many countries about the teaching and learning of 21st-century and/or generic competencies (Ananiadou & Claro, 2009). The learning of these competencies represents a classroom-level challenge and refers to the redefinition of educational goals and ways of organising learning in a classroom in order to meet the future’s demands. These competencies have been defined in various ways (e.g., see an analysis of Voogt & Roblin, 2012). The OECD (2005) DeSeCo project analysed 21st-century competences in the context of the future working life and recognised that individuals need to be able to use a wide range of tools, including socio-cultural (language) and digital (technological) tools, to interact effectively with the environment, to engage and interact in a heterogeneous group, to engage in inquiry-oriented working and problem solving, and, moreover, to act autonomously and take responsibility for managing their own lives. In this context, as well as in the working context, critical and creative thinking and learning are necessary for one to learn competencies. Although DeSeCo focuses on the needs of working life, its ideas may be interpreted in the context of school. By this interpretation, it is important to remember that students are novices and are still learning these competencies. Consequently, the teacher should support the students in the learning of 21st-century competencies through active and collaborative learning processes in the diverse learning environments. Another classroom-level challenge is the support of individual learners’ and the organisation of a heterogeneous and multicultural classroom that supports the learning processes of various learners.

At the school and city levels, there exist challenges in the planning of the local curriculum or annual work plan and within the physical and digital learning environments of teams of teachers and teacher networks. In order to overcome this type of challenge, high-quality pedagogical leadership is needed to support teachers’ collaboration and professional development.

At a society level, artificial intelligence and robotization are changing working life; tasks or work responsibilities and roles disappear and change and, moreover, new tasks and roles appear about which we do not yet know. Computational thinking (CT) skills (Wing, 2006; Zapata-Ros, 2015; García-Peñalvo & Mendes, 2018) have been determined a key competency for pre-university students (Mohaghegh & McCauley, 2016; Pérez-Paredes & Zapata-Ros, 2018). However, due the fuzzy definition of CT (García-Peñalvo, Reimann, Tuul, Rees, & Jormanainen, 2016), many voices defend a most pragmatical approach based on teaching coding (DePryck, 2016), using robots (Curto & Moreno, 2016; Fernández-Llamas, Conde-González, Rodríguez-Lera, Rodríguez-Sedano, & García-Peñalvo, 2018; Reimann & Maday, 2017) or constructing things (Reimann & Maday, 2017; García-Peñalvo et al., 2018) (e.g., see the EU project TACCLE 3 – Coding outcomes, in García-Peñalvo, 2016; TACCLE 3 Consortium, 2017). Moreover, there are proposals advocating to include programming (Balanskat & Engelhardt, 2015) or computer science subjects (Velázquez-Iturbide, 2018; Velázquez-Iturbide et al., 2018) in the pre-university official curricula. The CT and/or computer science/programming introduction in schools has a significant, related challenge in these contexts: the training of kindergarten to high school pre-university teachers (Yadav, Gretter, Good, & McLean, 2017; Villalba-Condori, 2018; Villalba-Condori, Castro Cuba-Sayco, Guillen Chávez, Deco, & Bender, 2018).

Another example of a society-level challenge, which is related to changes in working life and employability (Michavila, Martínez, Martín-González, García-Peñalvo, & Cruz-Benito, 2016, 2018a, 2018b), is the number of young people who drop out from both education and the labour market. Furthermore, there is a need to continuously train adults in order to reflect the changes in working life, such as digitalisation.

In order to make progress and overcome the recognised challenges, national-level reform programs are needed. However, the designing and implementing of a national reform program are challenging processes. For example, Beach, Bagley, Eriksson, and Player-Koro (2014) recognised, based on their long-term policy analysis from Sweden, that Swedish reforms are too strongly led by governments alone: ‘governments too often become tempted to allow their ideological interests to predominate over scientific knowledge’ (p. 167). Moreover, it is common that the aims of the reform program do not consider the research outcomes in the field. OECD (Burns & Köster, 2016) have suggested that, in a national strategy context, certain characteristics are important. However, the OECD list does not include research orientation in planning and implementation, nor does it include continuous quality assurance (QA)—meaning, for example, a collection of progress data from the pilot projects and informing of the pilot projects. Moreover, collaboration and meetings that support pilot projects communicate the pilots’ outcomes to other pilots and reflect on the missing outcomes. An updated OECD list explains the requirements for making progress and overcoming the recognised challenges at the national level:

  • Have enough time for planning, careful timing, and implementation;
  • Engage stakeholders, such as education providers, and employ organisations participate the strategy design;
  • Engage researchers to actively implement the research-based knowledge in the strategy design;
  • Be in partnership with the teacher union and employment union;
  • Strive for consensus in the design;
  • Serve sustainable resources for the planning and implementation of the strategy;
  • Plan pilot projects according to the strategy and take research-based knowledge into account while planning and implementing the pilots, learning from the pilots, modifying the strategic aims (if needed), and, moreover, using pilots to implement the strategy. Researchers should encourage pilots to participate and use sustainable resources in thereof;
  • Disseminate the pilots’ outcomes.

This kind of approach for the implementation of educational reforms has many benefits in both the strategy design and implementation. The approach makes it possible for reforms to be accepted and implemented. The stakeholder engagement namely increases their ownership and assists with implementation. Also, it is essential that criteria and ideas be reflected upon and considered during the implementation of educational practices. We plan to do so for the purpose of increasing learning efficiency and the involved actors’ and institutions’ satisfaction through personalization and adaptability (Berlanga & García-Peñalvo, 2008) (Zapata-Ros, 2018), which are the most important characteristics and objectives of the learning environments and are supported by not only social and ubiquitous technologies, but also detection and recommendation.

We need a response to an indisputable fact: the use of smart technologies (Molina-Carmona & Villagrá-Arnedo, 2018) as a powerful means to adapt and include support in the delivery of help and resources in a relevant and pertinent way to the personal (Lerís & Sein-Echaluce, 2011) and group learning (Conde-González, Colomo-Palacios, García-Peñalvo, & Larrueca, 2018) situations as well as the demand of students’ knowledge and skills.

There is a need for a pedagogical model framework, instructional design, and guides that integrate students and help reach common and desirable learning outcomes. We also raise the need to analyse the necessary conditions regarding their validation. Finally, we propose the need for concrete answers to the insufficiency and resulting consequences of institutional policies that contemplate integration modalities, which may be achieved through an analysis based on experiences.

We are accustomed to literature that emphasizes the possibilities of an adaptive education as well as the possibilities for big data—combined with algorithms—to create unique and unprecedented opportunities for academic organizations to teach higher standards and innovative approaches. However, there is currently a lack of systematized pedagogical proposals.

Ultimately, we propose to enhance the following lines of development (Zapata-Ros, 2018):

  • Learning and teaching strategies for a ubiquitous social and intelligent pedagogy (Fidalgo-Blanco, Sein-Echaluce, & García-Peñalvo, 2018);
  • Highly technological and singular services supported by technological ecosystems (Llorens-Largo, Molina-Carmona, Compañ, & Satorre, 2014; García-Peñalvo, 2018; García-Holgado & García-Peñalvo, 2019), both for local students on campus and remote students online, to create learning ecologies within which knowledge may be created, managed, transformed, and transferred (Rubio Royo, Cranfield McKay, Nelson-Santana, Delgado Rodríguez, & Occon-Carreras, 2018);
  • Configurations of innovative, adaptive classrooms and centres that facilitate easy local/remote interactions among students and teachers;
  • Design and development of multimedia-enriched contents with interactive presentations, videoconferences, questionnaires, and assessments that allow instant and individualized evaluation;
  • Other affordances and managed environments with technology and adaptive software;
  • An ethical use of the learning and academic analytics to increase the support given to students and academic managers in regard to their learning processes and decision-making processes, respectively (Ferguson, 2012; Conde-González & Hernández-García, 2015);
  • A more natural incorporation, recognition, and mixture of the informal learning processes into formal education (Griffiths & García-Peñalvo, 2016).

As we mentioned earlier, we have learned about various education innovations from several countries during the CITIE 2018. Now, our duty is to analyse how we can benefit from those innovations within our own educational context. Therefore, we should analyse our education challenges and then modify the innovation to meet our local needs according to the recognized challenges. Moreover, it is important that we find proper ways to support the transfer of innovation. In general, the transfer of educational innovation from one context to another has been considered challenging. Successful transfer requires strong collaboration and development within an open and trusting atmosphere depending on the local characteristics of the context. In the area of education, local characteristics include teachers’ pedagogical orientation, their teaching and learning beliefs, and the leadership and support available to them in school. Moreover, the educational context of the country (e.g., a curriculum, level of accountability, policy, and school inspection) influence teachers’ decisions as they consider adopting the innovation. Consequently, the transfer of an educational innovation is regarded as a complex and highly contextualized task.

References

Ananiadou, K., & Claro, M. (2009). 21st century skills and competences for new millennium learners in OECD Countries. OECD Education Working Papers, 41.

Berlanga, A. J., & García-Peñalvo, F. J. (2008). Learning design in adaptive educational hypermedia systems. Journal of Universal Computer Science, 14(22), 3627–3647. doi:10.3217/jucs-014-22-3627

Balanskat, A., & Engelhardt, K. (2015). Computing our future. Computer programming and coding priorities, school curricula and initiatives across Europe. Brussels, Belgium: European Schoolnet.

Burns, T., & Köster, F. (Eds.) (2016). Governing education in a complex world. Paris: OECD Publishing. doi:10.1787/9789264255364-en

Beach, D., Bagley, C., Eriksson, A. & Player-Koro, C. (2016). Changing teacher education in Sweden: Using meta-ethnographic analysis to understand and describe policy making and educational changes. Teaching and Teacher Education, 44, 160–167.

Conde-González, M. Á., Colomo-Palacios, R., García-Peñalvo, F. J., & Larrueca, X. (2018). Teamwork assessment in the educational web of data: A learning analytics approach towards ISO 10018. Telematics and Informatics, 35(3), 551–563. doi:10.1016/j.tele.2017.02.001

Conde-González, M. Á., & Hernández-García, Á. (2015). Learning analytics for educational decision making. Computers in Human Behavior, 47, 1–3. doi:10.1016/j.chb.2014.12.03

Curto, B., & Moreno, V. (2016). Robotics in education. Journal of Intelligent and Robotic Systems, 81(1), 3–4. doi:10.1007/s10846-015-0314-z

DePryck, K. (2016). From computational thinking to coding and back. In F. J. García-Peñalvo (Ed.), Proceedings of the Fourth International Conference on Technological Ecosystems for Enhancing Multiculturality (TEEM’16) (Salamanca, Spain, November 24, 2016) (pp. 27–29). New York, NY, USA: ACM. doi:10.1145/3012430.3012492

Ferguson, R. (2012). Learning analytics: Drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5/6), 304–317. doi:10.1504/IJTEL.2012.051816

Fernández-Llamas, C., Conde-González, M. Á., Rodríguez-Lera, F. J., Rodríguez-Sedano, F. J., & García-Peñalvo, F. J. (2018). May I teach you? Students’ behavior when lectured by robotic vs. human teachers. Computers in Human Behavior, 80, 460–469. doi:10.1016/j.chb.2017.09.028.

Fidalgo-Blanco, Á., Sein-Echaluce, M. L., & García-Peñalvo, F. J. (2018). Micro flip teaching with collective intelligence. In P. Zaphiris & A. Ioannou (Eds.), Learning and collaboration technologies. Design, development and technological innovation. 5th International Conference, LCT 2018, held as part of HCI International 2018, Las Vegas, NV, USA, July 1520, 2018, Proceedings, Part I (pp. 400–415). Cham, Switzerland: Springer. doi:10.1007/978-3-319-91743-6_30

García-Holgado, A., & García-Peñalvo, F. J. (2019). Validation of the learning ecosystem metamodel using transformation rules. Future Generation Computer Systems, 91, 300–310. doi:10.1016/j.future.2018.09.011

García-Peñalvo, F. J. (2016). A brief introduction to TACCLE 3 – coding European project. In F. J. García-Peñalvo & J. A. Mendes (Eds.), 2016 International Symposium on Computers in Education (SIIE 16). USA: IEEE. doi:10.1109/SIIE.2016.7751876

García-Peñalvo, F. J. (2018). Ecosistemas tecnológicos universitarios. In J. Gómez (Ed.), UNIVERSITIC 2017. Análisis de las TIC en las Universidades Españolas (pp. 164–170). Madrid, España: Crue Universidades Españolas.

García-Peñalvo, F. J., & Mendes, J. A. (2018). Exploring the computational thinking effects in pre-university education. Computers in Human Behavior, 80, 407–411. doi:10.1016/j.chb.2017.12.005

García-Peñalvo, F. J., Reimann, D., & Maday, C. (2018). Introducing coding and computational thinking in the schools: The TACCLE 3 – coding project experience. In M. S. Khine (Ed.), Computational thinking in the STEM disciplines. Foundations and research highlights (pp. 213–226). Cham, Switzerland: Springer. doi:10.1007/978-3-319-93566-9_11

García-Peñalvo, F. J., Reimann, D., Tuul, M., Rees, A., & Jormanainen, I. (2016). An overview of the most relevant literature on coding and computational thinking with emphasis on the relevant issues for teachers. Belgium: TACCLE3. doi:10.5281/zenodo.165123

Griffiths, D., & García-Peñalvo, F. J. (2016). Informal learning recognition and management. Computers in Human Behavior, 55A, 501–503. doi:10.1016/j.chb.2015.10.019

Lerís, D., & Sein-Echaluce, M. L. (2011). La personalización del aprendizaje: Un objetivo del paradigma educativo centrado en el aprendizaje. Arbor, 187 (Extra_3), 123–134. doi:doi:10.3989/arbor.2011.Extra-3n3135

Llorens-Largo, F., Molina-Carmona, R., Compañ, P., & Satorre, R. (2014). Technological ecosystem for open education. In R. Neves-Silva, G. A. Tsihrintzis, V. Uskov, R. J. Howlett, & L. C. Jain (Eds.), Smart digital futures 2014. (pp. 706–715). Amsterdam, The Netherlands: IOS Press.

Michavila, F., Martínez, J. M., Martín-González, M., García-Peñalvo, F. J., & Cruz-Benito, J. (2016). Barómetro de empleabilidad y empleo de los universitarios en España, 2015 (Primer informe de resultados). Madrid: Observatorio de Empleabilidad y Empleo Universitarios.

Michavila, F., Martínez, J. M., Martín-González, M., García-Peñalvo, F. J., & Cruz Benito, J. (2018a). Empleabilidad de los titulados universitarios en España. Proyecto OEEU. Education in the Knowledge Society, 19(1), 21–39. doi:10.14201/eks20181912139

Michavila, F., Martínez, J. M., Martín-González, M., García-Peñalvo, F. J., Cruz-Benito, J., & Vázquez-Ingelmo, A. (2018b). Barómetro de empleabilidad y empleo universitarios. Edición Máster 2017. Madrid, España: Observatorio de Empleabilidad y Empleo Universitarios.

Mohaghegh, M., & McCauley, M. (2016). Computational thinking: The skill set of the 21st century. International Journal of Computer Science and Information Technologies, 7(3), 1524–1530.

Molina-Carmona, R., & Villagrá-Arnedo, C. J. (2018). Smart learning. In F. J. García-Peñalvo (Ed.), Proceedings TEEM’18. Sixth International Conference on Technological Ecosystems for Enhancing Multiculturality (Salamanca, Spain, October 2426, 2018) (pp. 645–647). New York, NY, USA: ACM. doi:10.1145/3284179.3284288

OECD. (2005). Definition and selection of competencies (DeSeCo): Executive summary. Paris: OECD Publishing.

OECD. (2013). PISA 2012. Results in focus. What 15-year-olds know and what they can do with what they know. Paris: OECD.

OECD. (2014). Talis 2013 Results: An international perspective on teaching and learning. Paris: OECD Publishing.

Pérez-Paredes, P., & Zapata-Ros, M. (2018). El pensamiento computacional, análisis de una competencia clave. Scotts Valley, CA, USA: Createspace Independent Publishing Platform.

Ramírez-Montoya, M. S. (Ed.) (2017). Handbook of research on driving STEM learning with educational technologies. Hershey PA, USA: IGI Global.

Reimann, D., & Maday, C. (2017). Enseñanza y aprendizaje del modelado computacional en procesos creativos y contextos estéticos. Education in the Knowledge Society, 18(3), 87–97. doi:10.14201/eks20171838797

Rubio Royo, E., Cranfield McKay, S., Nelson-Santana, J. C., Delgado Rodríguez, R. N., & Occon-Carreras, A. A. (2018). Web knowledge turbine as a proposal for personal and professional self-organisation in complex times. Journal of Information Technology Research, 11(1), 70–90. doi:10.4018/JITR.2018010105

TACCLE 3 Consortium. (2017). TACCLE 3: Coding Erasmus + project website. Retrieved from https://goo.gl/f4QZUA

Velázquez-Iturbide, J. Á. (2018). Report of the Spanish computing scientific society on computing education in pre-university stages. In F. J. García-Peñalvo (Ed.), Proceedings TEEM’18. Sixth International Conference on Technological Ecosystems for Enhancing Multiculturality (Salamanca, Spain, October 2426, 2018) (pp. 2–7). New York, NY, USA: ACM. doi:10.1145/3284179.3284180

Velázquez-Iturbide, J. Á., Bahamonde, A., Dabic, S., Escalona, M. J., Feito, F., Fernández Cabaleiro, S., . . . & Zapata Ros, M. (2018). Informe del grupo de trabajo SCIE/CODDII sobre la enseñanza preuniversitaria de la informática. España: Sociedad Científica Informática de España, Conferencia de Decanos y Directores de Ingeniería Informática.

Villalba-Condori, K. O. (2018). Teaching formation to develop computational thinking. In F. J. García-Peñalvo (Ed.), Global implications of emerging technology trends (pp. 59–72). Hershey, PA, USA: IGI Global. doi:10.4018/978-1-5225-4944-4.ch004

Villalba-Condori, K. O., Castro Cuba-Sayco, S. E., Guillen Chávez, E. P., Deco, C., & Bender, C. (2018). Approaches of learning and computational thinking in students that get into the computer sciences career. In F. J. García-Peñalvo (Ed.), Proceedings TEEM’18. Sixth International Conference on Technological Ecosystems for Enhancing Multiculturality (Salamanca, Spain, October 2426, 2018) (pp. 36–40). New York, NY, USA: ACM. doi:10.1145/3284179.3284185

Voogt, J. & Roblin, N.P. (2012). A comparative analysis of international frameworks for 21st century competences: Implications for national curriculum policies. Journal of Curriculum Studies, 44(3), 299–321. doi:10.1080/00220272.2012.668938

Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. doi:10.1145/1118178.1118215

Yadav, A., Gretter, S., Good, J., & McLean, T. (2017). Computational thinking in teacher education. In P. J. Rich & C. B. Hodges (Eds.), Emerging research, practice, and policy on computational thinking (pp. 205–220). Cham, Switzerland: Springer. doi:10.1007/978-3-319-52691-1_13

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED, Revista de Educación a distancia, 46.

Zapata-Ros, M. (2018). La universidad inteligente. La transición de los LMS a los sistemas inteligentes de aprendizaje en educación superior. RED, Revista de Educación a distancia, 57(10). doi:10.6018/red/57/10

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

Prólogo de César Coll a “El pensamiento computacional. Análisis de una competencia clave”

 

César Coll i Salvador, Universidad de Barcelona

ISSN 2386-8562

Este artículo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0

Debe ser citado como

Coll i Salvador, C. (2018) Prólogo de César Coll a “El pensamiento computacional. Análisis de una competencia clave”. RED, el aprendizaje en la Sociedad del Conocimiento.  Hypotheses. https://red.hypotheses.org/1329

¿Qué es el pensamiento computacional?; ¿qué características diferenciales presenta respecto a otras modalidades de pensamiento como el pensamiento lógico, matemático, hipotético-deductivo, inductivo, creativo, narrativo, etc.?; ¿a qué se debe el interés creciente acordado al pensamiento computacional en las publicaciones académicas y en los discursos psicológico y educativo contemporáneos?; ¿cómo se refleja este interés en las reformas educativas acometidas en la última década y en los currículos de la educación infantil, primaria y secundaria de los países de nuestro entorno?; ¿mediante qué metodologías didácticas y qué tipos de actividades se puede facilitar y promover el desarrollo del pensamiento computacional en las aulas y en los centros educativos?…

He aquí algunas de las muchas cuestiones de gran relevancia y actualidad que los autores de este libro (Zapata-Ros y Pérez-Paredes, 2018) plantean y responden sobre la base de una amplia revisión de la literatura y de su propia experiencia como docentes. Nada más lejos de mi intención que intentar resumir aquí el abordaje y las respuestas de los autores. Querría aprovechar, sin embargo, su amable invitación a escribir este prólogo para formular brevemente dos consideraciones relativas, respectivamente, a la naturaleza y características del pensamiento computacional y a su traslación a las aulas en forma de contenidos curriculares y de propuestas metodológicas. Estos dos puntos conforman, a mi juicio, la columna vertebral del libro y están, al mismo tiempo, en el centro de las discusiones y debates actuales sobre el pensamiento computacional.

Lo primero que llama la atención cuando nos aproximamos al pensamiento computacional es, junto con la diversidad y heterogeneidad de sus definiciones y caracterizaciones, el hecho de que en él se incluyen la mayoría, por no decir la totalidad, de los otros tipos o modalidades de pensamiento identificados y descritos hasta el momento. Así, en la relación que hacen los autores de los componentes del pensamiento computacional (p. 63), encontramos el análisis ascendente, el análisis descendente , la heurística, el pensamiento divergente, la creatividad, la recursividad, la iteración, el ensayo y error, la metacognición, etc. Podríamos pues decir, en una primera aproximación, que el pensamiento computacional se caracteriza por incorporar o incluir todas las modalidades y tipos de pensamiento que podemos desplegar las personas.

La simple convergencia de modalidades y tipos de pensamiento, sin embargo, difícilmente puede dar al conjunto un carácter integrador. Sin un componente vertebrador la convergencia derivaría en realidad en simple amalgama, es decir, en una sucesión más o menos articulada de tipos y modos de pensamiento carente de unidad como un todo. Lo que confiere unidad al pensamiento computacional y autoriza a identificarlo como un tipo de pensamiento diferente a los otros, aunque capaz de incorporar a todos ellos, es justamente su orientación a la acción sobre la realidad, a la resolución de problemas reales o, en palabras de los autores, su carácter “ingenieril”. Lo que caracteriza el pensamiento computacional es su orientación a la construcción de “sistemas que interactúan con el mundo real” (p. 60), es decir, que actúan en y sobre la realidad y la transforman, al tiempo que son susceptibles de ser transformados por ella.

El reconocimiento de la naturaleza “ingenieril” del pensamiento computacional permite entender, además, otros tres rasgos del mismo que son igualmente cruciales, a mi juicio, para entender su especificidad. En primer lugar, es un pensamiento que desemboca necesariamente en la elaboración de un producto (el “sistema” al que se refieren los autores) que permite obtener un resultado (consecuencia de la interacción del sistema con la realidad). La actividad de codificación, presentada a menudo como expresión máxima del pensamiento computacional es, a este respecto, un ejemplo altamente ilustrativo: la actividad está orientada a la creación de un programa (sistema) que, al ser ejecutado por un ordenador, produce un resultado (por ejemplo, una serie de acciones de un robot). En segundo lugar, como su propio nombre indica, el pensamiento computacional tiene siempre un componente de cómputo, de cálculo, que puede ser, sin embargo, de naturaleza muy diversa abarcando desde cálculos matemáticos en sentido estricto hasta la previsión de las consecuencias de una u otra acción o no-acción. Y en tercer lugar, tanto el producto (sistema) como el resultado al que conduce el pensamiento computacional están presididos por la voluntad de difundir y compartir uno y otro con otras personas.

A la sucinta caracterización del pensamiento computacional que precede hay que añadir aún, a mi juicio, un rasgo más para poder valorar su alcance y el interés creciente del que es objeto en los ámbitos académico, profesional y educativo. Me refiero a su estrecha vinculación con la cultura digital propia de la Sociedad de la Información en la que estamos inmersos. No es exagerado, en este sentido, afirmar, como hacen los autores, que el pensamiento computacional es el exponente de una cultura epistemológica “vinculada al desarrollo y la generalización de los medios y de las redes digitales [que] apareció con la informática personal, la internet, y continuará con la IA y el blockchain posiblemente, entre otros medios”(p. viii). Como tampoco lo es su vinculación a una nueva forma de alfabetización, la alfabetización digital, y a la necesidad que se plantea a las personas en el escenario actual de adquirir y desarrollar una serie de competencias básicas para poder crecer y desarrollarse adecuadamente en el marco de la cultura digital.

 

La vinculación del pensamiento computacional con la cultura digital y la adquisición de las competencias básicas de la alfabetización digital tiene, a mi entender, dos implicaciones importantes desde el punto de vista educativo, lo que nos lleva al segundo bloque de consideraciones anunciadas al principio de estas páginas. La primera es que el pensamiento computacional está vinculado a lo digital y, en consecuencia, al conocimiento, dominio y uso de las herramientas y dispositivos digitales. Y la segunda, que en ningún caso puede identificarse el pensamiento computacional con el conocimiento, dominio y uso de estas herramientas y dispositivos. Se puede y se debe promover el pensamiento computacional mediante situaciones y actividades que no comportan el conocimiento y dominio de herramientas y dispositivos digitales ni exigen su uso. Ninguna de las características del pensamiento computacional anteriormente mencionadas implica el conocimiento, dominio y uso de estas herramientas como exigencia sine qua non. Ahora bien, por una parte, no cabe duda de que las situaciones y actividades que se apoyan en estas herramientas y dispositivos, por sus propias características y por las affordances que ofrecen a los usuarios, proporcionan un marco potencialmente idóneo para el ejercicio y el desarrollo el pensamiento computacional; y por otra, no hay que olvidar la vinculación del pensamiento computacional con la cultura digital y, en consecuencia, con el uso de las herramientas y dispositivos digitales que es uno de los pilares en los que se asienta esta cultura.

Las consideraciones anteriores son particularmente relevantes en lo que concierne a la toma de decisiones sobre la selección y organización de los contenidos curriculares. De un lado, es indispensable formar a las nuevas generaciones en el conocimiento, dominio y uso de las herramientas y dispositivos digitales que median ya en la actualidad buena parte de las prácticas sociales y culturales en prácticamente todos los ámbitos de la actividad de las personas, lo que aboga a favor de la incorporación de contenidos específicos de aprendizaje sobre estas cuestiones en los currículos escolares. De otro lado, sin embargo, hay que facilitar el desarrollo del pensamiento computacional de manera transversal en todas las áreas curriculares y con todo tipo de contenidos, incluidos por supuesto los contenidos relacionados con el conocimiento, dominio y uso de las herramientas y dispositivos digitales. De ahí que la estrategia de circunscribir y limitar la adquisición y el desarrollo de las competencias que subyacen al pensamiento competencial a una materia o asignatura, sea cual sea su denominación –informática, robótica, codificación…– resulte claramente restrictiva e insuficiente. Parece mucho más acorde con la naturaleza y características del pensamiento computacional, en cambio, trabajar esas competencias de forma transversal en las diferentes materias o asignaturas curriculares; sin menoscabo, por supuesto, de introducir también contenidos específicos orientados a promover el conocimiento, dominio y uso de las herramientas y dispositivos digitales, bien sea también de forma transversal, bien sea como materias, asignaturas o módulos cuando las características del alumnado, de las herramientas y dispositivos u otros factores contextuales así lo aconsejen.

Un último comentario, para terminar, relativo a las estrategias metodológicas más adecuadas para facilitar y promover la adquisición y desarrollo de las competencias asociadas al pensamiento computacional en las aulas. El carácter ingenieril y los otros rasgos distintivos de este tipo de pensamiento a los que hemos aludido más arriba llevan indefectiblemente a señalar las llamadas metodologías de indagación (aprendizaje basado en proyectos, en casos y en problemas) como las más apropiadas para alcanzar este objetivo. Es altamente significativo a este respecto el paralelismo que se puede establecer entre, por una parte, las fases de creación de un código tal como las describen los autores (p. 83), y por otra, las fases mediante las cuales se describen habitualmente los procesos de aprendizaje basados en proyectos, casos o problemas en la literatura especializada. No debe pues sorprendernos que el interés creciente acordado al pensamiento computacional y a las metodologías de indagación en el pensamiento educativo y en los movimientos y propuestas de innovación y mejora de la educación discurran en paralelo. 

Referencias.-

Zapata-Ros, M. y Pérez-Paredes, P.  (2018). El pensamiento computacional, análisis de una competencia clave. Createspace Independent Publishing Platform.

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 modelo educativo de Singapur y el “mastery learning” de Bloom

Miguel Zapata-Ros, Universidad de Alcalá
ISSN 2386-8562

Este artículo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0

Debe ser citado como

Zapata-Ros, M. (2018) El modelo educativo de Singapur y el “mastery learning” de Bloom. Blog RED de Hypotheses. El aprendizaje en la Sociedad del Conocimientohttps://red.hypotheses.org/1261

Este mes de junio, al igual a como lo he hecho durante los dos años anteriores en la Universidad de Valladolid para profesores de enseñanza en línea y abierta, estoy desarrollando e impartiendo un curso para los de la Universidad de Murcia. Se trata de “El diseño instruccional de la enseñanza abierta en línea universitaria”.Está incluido en del Plan de Formación Corporativa de la UM. En el apartado  destinado al Personal Docente e Investigador,  en el programa formación para centros y servicios. En este caso es para el Servicio de Innovación, del vicerrectorado de la misma área de la Universidad de Murcia.

Estas actividades resultan muy agradables porque los profesores tienen un interés claro en incursionar en este mundo de la docencia utilizando redes y plataformas. No obstante en este caso el curso está siendo presencial en un 80%. Hay un clima distendido y animado de discusión y de curiosidad por ver qué es esto del diseño instruccional y por participar en un curso donde lo importante no sea la tecnología.

En el transcurso de las actividades, ha llegado un momento, como siempre pasa, en el que tenía que hablar de algo que la mayoría de los participantes oyen por primera vez. En este caso se trataba de una metodología docente, que es al mismo tiempo un sistema de evaluación. Era algo desconocido, una novedad, al menos para ellos. Se llama mastery learning (maestría, o dominio, del aprendizaje). El riesgo en casos así siempre es el mismo: que le tomen a uno por el charlatán de la última moda pedagógica, o por el fan del país al que hay que seguir ahora. Eso es terrible porque socava mucho una cuestión que es clave: El vínculo de confianza y credibilidad que se establece entre el ponente y los participantes de este tipo de cursos.

Tenía pues que fortalecer esa confianza diciendo algo así como “ya sé que me vais a tomar por el friki de turno, pero esto que os voy a contar es una cosa seria que han puesto en práctica sistemas educativos de países serios, y lo han hecho con éxito”.

Los sistemas educativos y sistemas universitarios que han integrado formalmente, con los márchamos de la oficialidad, esta metodología han sido los de algunos países de Extremo Oriente, entre los que destaca Singapur, pero también los sistemas chinos de Shanghai y Hong-Kong y Japón. Ese fenómeno está siendo estudiado en profundidad por los departamentos de Investigación Educativa de los gobiernos del Reino Unido y de Francia, y por el World Economic Forum.

Pero vayamos por partes.

1

El informe Pisa (pág. 44) (en español pág.5), desde hace varias ediciones, pero sobre todo en las dos últimas, en 2012 y en 2015,  ha puesto de relieve el ascenso de los sistemas educativos de algunos países de Extremo Oriente, sobre todo el de Singapur, en las tres áreas de que consta el informe, pero sobre todo en la de matemáticas:

Resultados Pisa 2012

También lo pone de relieve el otro gran informe sobre calidad de los sistemas educativos, el TIMSS. Que señala esa circunstancia dándole una especial relevancia:

3

Algo parecido sucede en la Educación Superior. Los recientes rankings QS han situado las dos universidades de Singapur en la lista de hace un año en las posiciones 12 y 13:

Y este año en mejor posición aún: las dos universidades de Singapur aparecen más arriba, en las posiciones 11 y 12. Si han colocado entre las universidades de más prestigio norteamericanas y británicas, por encima de Princeton y Yale:

4

Este hecho, y la preocupación subsiguiente en otros países, ha llevado a algunos de ellos  a preocuparse por cuál es la razón del éxito de estos sistemas educativos y universitarios. Con mucho interés se lo han tomado particularmente en el Reino Unido, país más consciente del hecho, más preocupado y con un sentido más práctico y riguroso de la investigación educativa. No en balde Hong-Kong y Singapur hasta hace bien poco eran colonias suyas. El caso es que este fenómeno ha dado lugar a importantes estudios e investigaciones oficiales, como la Longitudinal evaluation of the mathematics teacher exchange: China-England, y otros que se reseñan en la página Evaluation of the maths teacherexchange: China and England :

Mas allá del reino Unido, la cuestión también ha preocupado en otros países conscientes del fenómeno y preocupados por su propia situación, mereciendo un análisis y una mirada rigurosa.

Así en Francia el diputado y matemático Cédric VillaniMedallaFields (máximo galardón en matemáticas, equivalente al Nobel, y en el que Francia tiene el máximo de logros junto con EE UU: doce) interpela en la Asamblea Francesa al ministro de Educación, en base a un informe que ha hecho él junto con la Alta Inspección de la República, acerca de porqué un país como Francia con matemáticos como Pascal, Galois o Poincaré, tiene tan mal resultado en Pisa, en Matemáticas particularmente. En ese informe y en la intervención indica su interés por el que llama “método Singapur”

(ver el vídeo en el perfil de Twitter de Villani)

Que sin embargo no aciertan a explicar muy bien, ni ellos en su documento 21 MESURES POUR L’ENSEIGNEMENT DES MATHÉMATIQUES, donde le dedican un capítulo entero (2.1. Le cas de Singapour, pág. 18) ni en la prensa que se hace eco (ver cómo lo conceptualizan en Liberation, es muy ilustrativo del poco conocimiento).

 

5

No es menos importante la atención que el World Economic Forum le ha prestado. Ahí es donde finalmente, en la breve indagación que hemos hecho, aparece el concepto de “el método de dominio”.

De este enfoque, como explicación a  lo que sucede en Singapur, en su sistema educativo y con relación a los resultados obtenidos en Pisa, QS y otros informes, es muestra el artículo Top of the class: how East Asia has dominated the PISA rankingsque además nos ha puesto en la pista de lo que llaman “dominio de las Matemáticas”.

 

 

En este artículo se atribuye el éxito a una metodología, o mejor a un enfoque de Mastery (“mastery approach”):

The success of East Asian education has turned these countries into “reference societies” – ones by which policymakers in the UK and elsewhere measure their own education systems and seek to emulate. Interest in East Asian education in the UK has informed the current “mastery approach” which is used in primary mathematics. Teaching for mastery uses methods found in Shanghai and Singapore and has been the basis of many recent research projects – some sponsored by government funding and others promoted by educational charities or commercial organisations.

El éxito de la educación en Asia Oriental ha convertido a estos países en “sociedades de referencia”, por las cuales los diseñadores de políticas en el Reino Unido y en otros lugares miden sus propios sistemas educativos y buscan emularlos. El interés en la educación de Asia Oriental en el Reino Unido ha informado el actual “enfoque de dominio” que se utiliza en matemáticas de Primaria. La enseñanza para el dominio utiliza métodos encontrados en Shanghai y Singapur, y ha sido la base de muchos proyectos de investigación recientes, algunos patrocinados por fondos del gobierno y otros promovidos por organizaciones benéficas u organizaciones comerciales.

Hasta aquí, en el artículo del World Economic Forum.  Se sostiene que la enseñanza para el dominio utiliza métodos encontrados en Shanghai y Singapur, sin profundizar más en qué es la enseñanza para el dominio.

A continuación veremos que eso no es así, que esos métodos no son propios ni originales de Singapur o de Shangai,  explicaremos qué es el dominio, en el sentido que Bloom utilizó en sus investigaciones y en las conclusiones de éstas, y cómo hemos llegado a la conclusión de que ese método no es original ni tiene su origen en Extremo Oriente, es el resultado de unas investigaciones que Bloom había hecho en los años ochenta. Unos estudios que estaban olvidados. Eran lo que en el mundo científico se conoce como una “bella durmiente”.

 

6.

La agenda de Wordl Economic Forum de diciembre de 2016 dice  teaching for mastery uses methods found in Shanghai and Singapore and has been the basis of many recent research projects Pero eso no es así,  eso es sólo una apreciación, un truco efectista, de los periodistas o de3 los publicistas que hacen la agenda. Aunque sean periodistas especializados del Wordl Economic Forum:

Hemos indagado más el tema. La revista The Conversation estudia Singapur de 18 de junio de 2015, en un artículo de John Jerrim, especialista en educación cuantitativa e investigación social, ya habla de  la metodología de dominio en los países de extremo oriente, en Singapur, y dice:

Durante los últimos años se ha debatido mucho sobre por qué los niños de Asia oriental rinden tan bien en las pruebas internacionales de educación. Antes he argumentado que no hay una sola razón para los resultados estelares de estos países, que [además] los antecedentes y la cultura del hogar juegan un papel importante. En el Reino Unido, las iniciativas para introducir métodos de enseñanza populares en países como Singapur en el aula han sido anunciadas por políticos deseosos de reproducir algunos de los éxitos de los sistemas educativos de Asia oriental.

[Para comprobarlo] Estamos empezando a ver si estos métodos prestados funcionan en el aula. Mi nuevo estudio , que examinó un método llamado “Dominio de las matemáticas” que se introdujo en las escuelas primarias y secundarias de Inglaterra [para comprobar si funciona aquí], ha demostrado un pequeño impacto en el progreso de los niños en matemáticas después de un año. En el programa, se cubren menos temas que en una clase de matemáticas estándar y en mayor profundidad. 

De manera que el aceptar esto como factor de éxito en Singapur y experimentarlo en RU significa una aceptación del método como factor de éxito. y lo que es más importante: lo relaciona claramente con el mastery learning de Bloom:

En el artículo donde explica el método, citado desde éste, dice:

El método de maestría (“learning for mastery”) ha existido en medios educativos desde hace tiempo. El término “aprender para el dominio” (Mastery learning) fue introducido por el psicólogo educativo estadounidense Benjamin Bloom en 1968. Su idea era que una meta de aprendizaje debe dividirse en una serie de pequeños objetivos de aprendizaje.

Esta es una metodología anterior a las computadoras, pero a menudo es tan prolongada que necesita poder de la computadora para ser práctica. También se relaciona con la enseñanza de la precisión, iniciada por otro psicólogo estadounidense Ogden Lindsley , de nuevo donde un objetivo se divide en pasos progresivos minúsculos.

 

East Asian maths teaching method boosts English children’s progress by a month

We are beginning to see whether these borrowed methods are working in the classroom. My new study, which looked at a method called “Mathematics Mastery” that was introduced in primary and secondary schools in England, has shown a small impact on children’s progress in maths after one year. In the programme, fewer topics are covered than in a standard maths lesson and in greater depth. All the children are expected to master the material before the rest of the class moves on.

Estamos empezando a ver si estos métodos prestados funcionan en el aula. Mi nuevo estudio, que examinó un método llamado “Dominio de las matemáticas” que se introdujo en las escuelas primarias y secundarias de Inglaterra, ha demostrado un pequeño impacto en el progreso de los niños en matemáticas después de un año. En el programa, se cubren menos temas que en una clase de matemáticas estándar y en mayor profundidad. Se espera que todos los niños dominen el material antes de que el resto de la clase siga adelante.

 

7

El paso siguiente que hemos seguido en la indagación es averiguar cómo se concreta, cómo han llevado a la práctica este método. En este artículo, el que ya hemos citado anteriormente y donde se explica el método, además se explica en qué consiste la aplicación dando la referencia de donde se explica:

Explainer: what is the mastery model of teaching maths?

She mentioned the term “mastery” and enthusiastically welcomed Singapore Maths, a series of textbooks following the “mastery model” by Marshall Cavendish Education, that will be published in the UK from 2015 by Oxford University Press.

Mencionó el término “maestría” y dio la bienvenida entusiasta a Singapore Maths, una serie de libros de texto siguiendo el “modelo de maestría” de Marshall Cavendish Education, que será publicado en el Reino Unido a partir de 2015 por Oxford University Press.

De esta forma, para explicar en qué consiste el Modelo de Maestría, aplicado particularmente a matemáticas de Primaria y Secundaria hace referencia a una colección de libros, que son el sustento y el ejemplo del modelo, elaborados por laa fundación Marshall Cavendish Education y que siguen los maestros de los colegios oficiales de Singapur.

En ese artículo de The Conversation (Explainer: what is the mastery model of teaching maths?) se anunciaba que la colección de materiales sería publicada a lo largo de 2015 en el Reino Unido por Oxford University Press.

Sin embargo hecha la consulta, al día de hoy 26 de junio de 2018, esa colección de libros enlazada a Oxford no existe.

Pero sin embargo sí existe el modelo de maestría de Marshall Cavendish Education. Como después veremos los ha editado, mediante el méto de autoedición, en Amazon, sus autores Douglas Edge PhD y Yeap Ban Har PhD

Marshall Cavendish Education  es el principal proveedor nacional de Singapur y regional de extremo oriente, de recursos educativos K-12. Según su propia declaración “Marshall Cavendish Education integra su enfoque distintivo orientado a la investigación en su plan de estudios y desarrollo profesional, al tiempo que aprovecha la tecnología para facilitar la enseñanza efectiva y el aprendizaje activo en el aula y más allá. Con más de 60 años de experiencia en la industria, hemos proporcionado constantemente una amplia gama de publicaciones de enriquecimiento académico de calidad”

 

8

Los autores de los recursos que hemos analizado, de entre los publicados en la colección de mastery learning, por Marshall Cavendish Education,  son Douglas Edge PhD y Yeap Ban Har PhD.

De esta colección de recursos (Teaching To Mastery Mathematics) hemos examinado varios, por ahora sólo con el objetivo de determinar hasta qué punto siguen los principios teóricos que se derivan del “Problema de dos sigmas” y de Mastery learning) Uno de ellos es el recurso titulado

Teaching To Mastery Mathematics: Teaching Of Decimals By Douglas Edge PhD;Yeap Ban Har PhD (Enseñanza a la maestría Matemáticas: enseñanza de decimales Por Douglas Edge PhD; Yeap Ban Har PhD)

Este material lo podemos descargar en PDF.

O bien comprar como libro de papel o Kindle en Amazon.

Los autores declaran paladinamente que este trabajo está inspirado en el Mastery Learning de Bloom, una de las didácticas más intuitivas y efectivas (This remains among the most intuitive and effective teaching)

El encabezamiento dice literalmente

Books under terms Marshall Cavendish Education – free download science Teaching to Mastery Mathematics: K. M. Walton Douglas Edge PhD Yeap Ban Har PhD

Benjamin Bloom coined the term “Learning for Mastery” and then later “Mastery Learning” in 1968 and This remains among the most intuitive and effective teaching

Libros bajo términos Marshall Cavendish Educación – ciencia de descarga gratuita Enseñanza para dominar Matemáticas: K. M. Walton Douglas Edge PhD Yeap Ban Har PhD

Benjamin Bloom acuñó el término “Aprender para el dominio” y luego “Dominio” Aprendizaje “en 1968 y Esta sigue siendo una de las enseñanzas más intuitivas y efectivas

Como hemos visto, Marshall Cavendish Education es la fundación que ha puesto en valor en Singapur el método de dominio a partir de las teorías y métodos de Bloom “Master Learning”. Podemos ver la colección completa de materiales explicados en  https://www.internationalpublishers.org/images/what-works/2015/andrewfong.pdf. Hay que destacar que son materiales básicos para ser utilizados en clase por el profesor, y están publicados de forma artsanal autoeditados utilizando los recursos que dispone Amazon. Por tanto hay que tener en cuenta que es una edición pobre y aplicada: No tiene contenidos, ni es lógico que los tenga, académicos ni espere encontrar en estos materiales unas bases teóricas.

Ya hemos dicho que es una colección de materiales de unos mismos autores Douglas Edge PhD y Yeap Ban Har PhD, publicados en Amazon. Hemos hablado de “Teaching to Mastery MathematicsTeaching of Decimals”.

Pero hay otros:

Los autores aseguran que:

Mastery learning in math is best because basic skills must be built Here’s an easy way to get started teaching math using mastery learning. Testing for Mastery.

Books under terms Marshall Cavendish Education – free download science Teaching to Mastery Mathematics: K. M. Walton Douglas Edge PhD Yeap Ban Har PhD Fun way to ensure math fact mastery! and Connection ) to teach Math facts rather than just having students memorize in a traditional rote Teacher: Class, I Chinese teachers bring the art of maths to English schools her husband and her job as a primary school teacher in Shanghai to come Teaching Mathematics Benjamin Bloom coined the term “Learning for Mastery” and then later “Mastery Learning” in 1968 and This remains among the most intuitive and effective teaching ARK s approach to teaching maths, Mathematics Mastery, has completed its first ye *

 

9

Pero, después de todo esto es natural que nos planteemos de una forma mínimamente documentada qué es el Mastery Learning.

Tradicionalmente, en las aulas convencionales las que constituyen la forma común de aprender en nuestra época, desde que existen las escuelas de la era industrial, o en las escuelas napoleónicas, en la educación como sevicvio que asume la nación, los estudiantes avanzan en su progreso en una materia, en la clase, independientemente de su nivel de logro. Por el contrario en la metodología de enseñanza y con el método de evaluación de Mastery Learning, los estudiantes deben entender completamente (demostrar el dominio de lo que aprenden) el material que se les ofrece antes de pasar al siguiente tema. Por tanto el mastery learning ante todo nos habla de cómo los estudiantes deben navegar en su progreso a través de ejercicios y tareas.

Esta metodología fue propuesta por Benjamin Bloom en un estudio seminal[1], en la dirección de dos tesis doctorales. En la investigación correspondiente  se encontró que un enfoque de este tipo  mejoraba la distribución del rendimiento  de los estudiantes en una desviación estándar por encima del grupo de control (la clase completa) que utiliza el mismo método de enseñanza, pero que no requiere que los estudiantes dominen el material antes de pasar al siguiente tema.

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.

Resulta interesante, en este sentido, 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:

Por otra parte el efecto ponderado de las variables modificables en el rendimiento estudiantil fue:

 

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):

Hoy día el mérito de haber rescatado el Mastery Learning y el problema de dos sigmas corresponde básicamente a Coursera que lo rescata para su metodología docente y evaluadora para (¡oh, paradoja!) sus MOOC. Lo hace de la mano del teórico del diseño instruccional L. Dee Fink (2003) y de los especialistas en el tema Relly Brandman y Daphne Koller (Chuong et al, 2013).

Finalmente como hemos visto, parece ser que lo que hay detrás de los éxitos de estos sistemas educativos y también a su sistema docente de educación Superior, es este enfoque.

Esperemos que futuros estudios, también en nuestro país profundicen en esta línea en vez de caer en las trivialidades y tópicos, claramente interesados,  cuando no tendenciosos, por llevar el agua a molinos exclusivamente propagandísticos.

 

Más información en:

El “problema de las dos sigmas” y el aprendizaje ayudado por la tecnología en la Educación Universitaria. RED de Hypotheses.

El “problema de las dos sigmas”, una bella durmiente de la Educación

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

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

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



Este trabajo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0

ISSN 2386-8562

Debe ser citado como

Zapata-Ros, M. (2018) El modelo educativo de Singapur y el “mastery learning” de Bloom. Blog RED de Hypotheses. El aprendizaje en la Sociedad del Conocimiento.   https://red.hypotheses.org/1261

 

[1] “The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring.”  B. Bloom, Educational Researcher (1984).

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 pensamiento computacional en la transición entre culturas epistemológicas

Miguel Zapata-Ros, Universidad de Alcalá

ISSN 2386-8562

Este artículo está bajo una licencia de Creative Commons Attribution-NonCommercial 4.0

 

 

 

Alfabetización digital y culturas epistemológicas

En este artículo veremos que el pensamiento computacional tiene varias formas de abordamiento. Una de ellas lo vincula a una nueva alfabetización digital:

Se entiende por alfabetización digital la capacidad de entender y utilizar eficientemente la información de una gran variedad de fuentes digitales.

Esta idea constituye la actualización per se de lo que se ha entendido hasta ahora por alfabetización.

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 y cuadernos impresos para la lectura, escritura y cálculo, papiros, pergaminos, tablillas,…).

Se considera como un conjunto de habilidades esenciales para la vida.

En este contexto conceptual vamos a desarrollar las siguientes ideas:

Cultura digital.- Conjunto de concepciones y valores sobre cómo funcionan las cosas en la sociedad del conocimiento y pautas para vivir en ella. Es una nueva cultura epistemológica.

Alfabetización digital.- Un conjunto de habilidades esenciales para la vida, en la mayoría de los casos, en la cultura digital. Un talante especial para afrontar problemas científicos y tecnológicos.

Pensamiento computacional.- Competencia clave en la alfabetización digital. Como leer o escribir lo son para las culturas literales (o textuales).

Esa va a ser pues la tesis de nuestro trabajo. Y lo que vamos a desarrollar en él.

Por tanto, si el pensamiento computacional se va a definir 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 (UK Government, 2015 p.7) de lo que es tradicionalmente una alfabetización a la cultura digital, lo que hay de común en todas ellas:

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

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

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

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

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

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

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

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

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

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

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

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

Cultura espistemológica Competencias básicas para Competencias claves y básicas Destinatarios Tecnología
Biblos, Mesopotamia, Egipto, Grecia, Roma,.. Edad Media

3000 aC

·  Ser un buen orador

·  Persuadir

·  Registrar datos, fechas y acontecimientos

·  Leer

·  Escribir

·  Hablar

·  Cálculo

·  Geometría

Una élite de funcionarios, políticos y sacerdotes Papiros, códices, tablillas
Imprenta

1450

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

·  Acceder a cualquier conocimiento

Lectura

Escritura

Matemáticas

Aprender a aprender (metacognición[1])

Toda la sociedad como usufructuaria de algún tipo de conocimiento Libro impreso

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

Sociedad digital, sociedad del conocimiento

1981-…

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

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

·  Para la propia vida.

Lectoescritura

Matemáticas

Pensamiento computacional

Todos los individuos, como usuarios y como creadores Informática personal, Internet, tecnología ubicua y social, IA,  blockchain y  otros medios que se desconocen.

Tabla 1

 

Así, según esta idea, la Alfabetización Digital consiste en la adaptación y la capacitación de los individuos para esas funciones de comunicación, representación y proceso a las coordenadas de la revolución tecnológica y de la sociedad de la información, consideradas, en sentido no estrictamente tecnológico, como una revolución de medios de comunicación y de difusión de ideas.

Ésta es la idea del autor que pasó como el creador del concepto: Paul Gilster (1997). Sin embargo 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), lo cual la hace incompleta y sobre todo poco útil. Dio una explicación muy general e imprecisa, cuando la define 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, lo importante en ambos casos y que recogemos, es que se considera como un conjunto de habilidades esenciales para la vida. La crítica es que ésta es una expresión genérica del concepto, sin ir ilustrada o acompañada “listas de competencias”. Limitación que intentamos superar en nuestro trabajo (Zapata-Ros, 2015)

A lo largo de los años noventa, otros autores utilizaron y explicaron el concepto. Así:

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, obviamente 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, demasiado focalizado en una tecnología concreta de una época concreta.

Esto coincide con lo que en el la tabla 1 hemos considerado como una subcultura epistemológica dentro de la cultura de la imprenta: La de los medios audiovisuales analógicos. Que según estos autores demandaba una nueva alfabetización: la de la lectura gráfica, visual e icónica. Esta conceptualización carece, desde nuestra perspectiva actual de entidad suficiente para ser considerada como una cultura epistemológica y además, en esencia , tiene los mismos rasgos de la cultura de la imprenta: Un solo creador para muchos usuarios, incapacidad de interacción, y por tanto unidireccional en el flujo de comunicación y de circulación del conocimiento.

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

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 encontrar 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 imprime David Bawden (2008, Capítulo 1), que 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. Este es un gran rasgo de la nueva alfabetización, donde se incluye la metacognición, como se hace en las versiones últimas de la cultura anterior, y como lo hace zapata-Ros (2018) al incluirla en sus elementos definitorios del pensamiento computacional. Bawden 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, la importancia de las habilidades de recuperación (como por otro lado señala Merrill (2009) con el principio de activación), 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.

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 —que no es propiamente una alfabetización, porque no tiene aspectos propiamente de inculturación—, y los que la ven centrada en aspectos cognitivos y socio-emocionales del trabajo en entornos digitales”.

Otro criterio, en este mismo sentido, que se ha tenido en cuenta, en la creación progresiva al concepto de Alfabetización Digital, fue el de clasificar (Lankshear y Knobel, 2006) los contenidos y las habilidades 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 extremadamente estandarizada de la Alfabetización Digital, que consiste en una certificación de competencias. Es la acreditación conocida como Internet and Computing Core Certificación (IC³) (www.certiport.com). Su página web  afirma que la “certificación IC³ ayuda a aprender y demostrar a Internet y la alfabetización digital a través de un estándar de evaluación del aprendizaje válido para la industria en todo el mundo”. Se basa en un sistema de formación y de certificación a través de un examen que abarca contenidos sobre Fundamentos de  Informática, en aplicaciones básicas y clave para la vida,  y en lo que llaman la “vida conectada”.

Hasta aquí un resumen de las ideas más importantes o significativas de la Alfabetización digital coincidentes con el patrón propuesto de adaptación a una nueva cultura epistemológica.

Partimos de la idea del pensamiento computacional como conjunto de elementos o de formas específicas de pensamiento que sirven para resolver problemas en diversos ámbitos como son la ciencia, el trabajo personal o profesional y en la vida cotidiana.

Lo que se propone en este trabajo, y el de los trabajos precedentes, con la construcción de esa idea del pensamiento computacional, está fuertemente relacionado con la Alfabetización Digital en que aquéle está constituido por competencias clave que sirven para aprender y comprender ideas, procesos y fenómenos no sólo en el ámbito de la programación de ordenadores o incluso del mundo de la computación, de Internet o de la nueva sociedad del conocimiento, sino que es sobre todo útil para emprender operaciones cognitivas y  elaboración complejas que de otra forma sería más complejo, o imposible, realizar. O bien, porque sin estos elementos de conocimiento, sería más difícil resolver ciertos problemas de cualquier ámbito no solo de la vida científica o tecnológica sino de la vida común. Como dijimos se considera como un conjunto de habilidades esenciales para la vida en la mayoría de los casos y como un talante especial para afrontar problemas científicos y tecnológicos. 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 los 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.

El pensamiento computacional en el contexto de las alfabetizaciones digitales

Tras lo visto sobre Alfabetización Digital y conceptos asociados podemos analizar la idea de pensamiento computacional, y las propuestas que se han presentado, en relación con ella, de forma ciertamente crítica.

Una primera aproximación a ese concepto ques e hizo fue el de 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”.

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

Sin embargo, aunque todo el mundo la cita, no es  una buena definición. Más propiamente se puede decir que 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. Y por supuesto no incardina el concepto en el momento de desarrollo social y cultural actual, con las implicaciones que tiene. Eso podría haberlo dicho con relación a los programadores de Fortran en los años sesenta y setenta del siglo pasado, sin embargo eso mismo carecía de relevancia y de impacto social en esa época. Era algo extremadamente limitado a una minoría de individuos, como eran los programadores de mainframes.

Igualmente, en la actualidad, hay otros procedimientos diferenciados por el desarrollo de ciencias colaterales como son las del aprendizaje, para abordar tareas complejas que  se pueden considerar como propias de este pensamiento, estre las que están 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, en el sentido que planteamos como necesidad de una alfabetización cultural, y la que a falta de otra utilizaremos como canónica, 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”.

Aquí vemos aspectos netamente culturales, como son el diseño, general no específicamente informático, de los sistemas, y sobre todo la comprensión de la conducta humana.

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, en la perspectiva de ver las implicaciones que tienen estas ideas para una redefinición de un dominio teórico específico como competencia clave en la nueva alfabetización. Y por otro encontrar un currículum adecuado, actividades, recursos, estrategias de enseñanza y formas de evaluación adecuados y concordantes con esa idea de competencia clave para las distintas etapas educativas y para la capacitación de maestros y profesores.

 

El pensamiento computacional como competencia clave en alfabetización digital es un hecho

Alguien pensará que lo desarrollado hasta aquí forma parte de un análisis de tendencias, muy argumentado y muy justificado, pero que no deja de ser un ensayo con una amplia carga de especulación.

Sin embargo no es así. En otros trabajos hemos descrito, lo más exhaustivamente que hemos podido, el estado del arte sobre iniciativas oficiales de integración en el curriculum oficial de educación infantil y primaria del pensamiento computacional en el sentido indicado: Como desarrollo de habilidades, no estrictamente ni siempre de programación, que son claves y pueden ser evocadas [cita] en un contexto de aprendizaje, ese sí, de competencias digitales en otros niveles, incluidos los profesionalizantes.

A continuación ofrecemos algunas referencias que son ejemplos significativos en ese sentido.

Las hemos obtenido 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), en 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 . En estos documentos 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. En conjunto las hemos recogido en su mayoría y las hemos sistematizado en un trabajo anterior (Zapata-Ros, March 2018).

Es importante señalar lo que entendemos por iniciativas de Pensamiento Computacional: Son aquellas que lo integran en el sentido que señala Wing o en el que ponemos de relieve en trabajos  precedentes a éste (Zapata-Ros, 2015), es decir para promover un conjunto de competencias que, si bien son útiles y son utilizadoas 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. Por esa razón no tendremos en cuenta los casos en que se incluye en los currículos la programación pura y simple (la que sirve para hacer exclusivamente programas informáticos). 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.

Veamos primero casos de Educación Infantil, preescolar o Key stage 1

En esta etapa se pueden citar unas situaciones que son ya clásicas, dentro de lo reciente que es este tema (datan de 2013) y que por ello son las que siempre se citan: El curriculum nacional de Inglaterra o los restantes curricula de UK, que describimos y referenciamos muy escuetamente en este caso: Las orientaciones legales están en  “Curriculum Nacional. Currículo Nacional en Inglaterra: programas informáticos de estudio”, publicado el 11 de septiembre de 2013[2] y los correspondientes de Escocia, Gales e Irlanda del Norte, que con pocas diferencias vienen a ser una adaptación a los correspondientes curricula.

En ellos hay un desarrollo de competencias específicas como área transversal. Lo importante es que hay un tratamiento como competencias específicas y competencias claves, reconocidas como tales, y que están incluidas en el curriculum.

Singular interés merecen los casos de Nueva Zelanda, desarrollado por Computer Science Unplugged, y de Singapur, programa PlayMaker.

En Nueva Zelanda encontramos el programa “Computer science unplugged” reseñado, estudiado y analizado por Bell, T., Alexander, J., Freeman, I., & Grimley, M. (2009), Bell, T., Andreae, P., & Robins, A. (2014), Duncan, C., & Bell, T. (2015, November), y por Thompson, D., & Bell, T. (2013, November), reseñados en Computational Thinking in Education: Where does it fit?A systematic literary review, por James Lockwood, Aidan Mooney (2017).

El programa CS Unplegged es un programa completo de actividades desarrollado por CS Education Research Group en la Universidad de Canterbury, Nueva Zelanda. Básicamente está orientado a Educación Secundaria e informa al  Certificado Nacional de Secundaria que incluye Ciencias de la Computación entendidas en el sentido del Pensamiento Computacional. Pero esto implica actividades incluidas en el curriculum para etapas anteriores a partir de los cinco años.

CS Unplugged  consiste  en 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 lo que es clave: 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.

Por último en este resumen, o mejor en estas notas, citaremos el caso de en Singapur, y del programa piloto PlayMaker. Está descrito ampliamente por Sullivan y Bers (2017 p1-22) en  el artículo “Dancing robots: integrating art, music, and robotics in Singapore’s early childhood centers” de International Journal of Technology and Design Education,

El objetivo de PlayMaker, considerado como programa piloto de Singapur, es proporcionar ejemplos de éxitos y de áreas donde mejorar  el trabajo futuro en implementación del Pensamiento Computacional en las primeras etapas educativas. Estos ejemplos recopilados  se ofrecen como  resultados válidos de este año, 2016, en el que se ha llevado a cabo la experiencia piloto del programa. Ejemplos que pueden ser útiles 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.

El programa PlayMaker se lanzó para abordar la creciente necesidad de nuevas propuestas de tecnología educativa (en este caso de Pensamiento Computacional, según el planteamiento que hemos presentado, a través fundamentalmente de robótica) en las aulas de primera infancia. Básicamente es un programa en línea destinado a los maestros, para que estos favorezcan la introducción 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 STEM, el objetivo del programa Playmaker no es sólo 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 gran variedad de juguetes tecnológicos manipulativos que implican a los niños en la robótica, la programación, la construcción y la ingeniería. Estos juguetes tecnológicos incluyen BeeBot, Circuit Stickers y el kit de robótica KIBO (Chambers, 2015). Además, coincidiendo con el lanzamiento de las nuevas herramientas, los educadores de Educación Infantil también recibieron una capacitación corta pero intensa, en un simposio de un día, sobre cómo usar y enseñar con cada una de estas herramientas (Chambers, 2015).

Las escuelas piloto seleccionadas  también recibieron apoyo técnico continuo y asistencia en, y para, la integración curricular como parte de este enfoque integral (IDA Singapur 2015).

El estudio de referencia (Sullivan & Bers, 2017) se centró 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, con el fin de que estos aprendan habilidades básicas de ingeniería y programación (Sullivan y Bers 2015). Las características del kit KIBO, y cómo se utilizó en la experiencia, se describen en detalle en la sección ”Métodos’ del estudio’ del trabajo señalado. 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 el informe, describe la experiencia desde la perspectiva de los docentes.

Pasamos ahora a educación primaria.

Las experiencias reseñadas en Reino Unido, Nueva Zelanda y Singapur tienen su correlato y continuación en este nivel, por lo cual no es preciso describir de nuevo en este apartado estos programas.

En adición, podemos, con el carácter señalado al principio, reseñar otros casos en Reino Unido,  [decir cuales]

A lo señalado en el Reino Unido podríamos añadir lo reseñado por Sentance y McNicol  (2013, February) sobre la formación de los profesores en los cursos de capacitación de Python School, Digital Schoolhouse y Computing at School Master Teachers.

Los autores dicen que en Inglaterra y otras partes del Reino Unido, se ha asistido a una cantidad, y con un alcance, sin precedentes a cambios en la forma en que los planes de estudio cambian de un enfoque a otro en cómo se aprende con el uso de aplicaciones de software y a través de la introducción de la informática en las escuelas primarias y secundarias. En este documento describen algunos de los desafíos que enfrentamos, el progreso realizado en la integración de las Ciencias de la Computación y el apoyo brindado a los docentes en su desarrollo profesional. Pretenden como en otros casos apoyar a los docentes de una manera holística y proponen un modelo transformacional de desarrollo profesional para CC, tanto para maestros en servicio como formando la base de nuevos programas de capacitación docente.

Acompañan una investigación que describen:

Se distribuyó una encuesta a los maestros que deseaban asistir a cursos / capacitación de desarrollo profesional en CC. Concluyen que las áreas donde los docentes buscan apoyo son “orientación sobre las formas de enseñar informática” y la necesidad de recursos y herramientas.

También encontraron que los talleres de un día y el trabajo con un maestro experimentado eran el tipo de desarrollo más útil.

La administración de tiempos, y su consideración, fue el tema al que se dio más importancia con respecto a los maestros y a la voluntad de la escuela para participar en estos cambios.

Presentan algunos ejemplos de estos cursos de capacitación que incluyen Python School, Digital Schoolhouse y Computing at School Master Teachers.

Por último analizan dos temas a trabajar en el futuro: la acreditación y la investigación en la  acción.

En EE UU, en el contexto del Common Core, bajo la administración Obama, se puso en marcha una Iniciativa del Distrito Escolar Unificado Paradise Valley (PVUSD) para enseñar la codificación a los estudiantes de K-8, y el pensamiento computacional, mediante un modelo a través de las actividades de CC SS y de su programación. Tres maestros de Educación como dotación para el plan (En 1 ° / 2 °, 3 ° / 4 °, 5 ° / 6 ° años) y el Director de Tecnología de la Información del distrito lo articulan.

Hay que recordar que tras el acceso a la presidencia de Trump, o más bien tras la paralización de hecho, de lo que sólo fue expuesto como directrices por la administración Obama y por el CSTA, el panorama queda reducido a iniciativas aisladas como es la Iniciativa del Distrito Escolar Unificado Paradise Valley (PVUSD), en el contexto del Common Core de otras materias de Lengua o de Matemáticas, o en otro sentido por organizaciones privadas como es el caso de CODE.ORG.

Esta iniciativa está explicada y documentada ampliamente por Mensing y otros (2013, October)

Se pretende desarrollar competencias instrumentales de pensamiento Computacional y STEM, en el contexto del Common Core: Se basa en la evidencia de que el pensamiento computacional y su modelo pueden llevar a una práctica de uso de codificación donde se pueden incorporar muchos de los cambios necesarios para el aprendizaje de los estándares de English Language Arts (ELA) y Matemáticas (Mensing, K. et al, 2013, October).

No sólo en EE UU la organización CODE.ORG tiene como misión aprovechar las posibilidades y oportunidades que ofrece el curriculum oficial para integrar el pensamiento computacional en una orientación compatible a como lo hemos definido en el preámbulo de este punto. Los aspectos más importantes de esta orientación están en el documento “CODE.ORG curriculum for elementary school (Introducing code studio for grades K-5)”[3]. En este documento están los contenidos y criterios para organizar la programación (code) en Primaria (Elementary School) por Code.org. En EE UU la educación primaria (Elementary School o K-5) está regulada por las autoridades locales. Esta organización es pues una iniciativa privada, sin ánimo de lucro, que tiene establecido un curriculum compatible con el que tiene la administración nacional para Secundaria (K-12) y que también contiene directrices para primaria.

Lo que en general de forma oficial la administración de EE UU tiene establecido para la regulación de las Ciencias de la Computación, y por añadidura para el pensamiento Computacioneal en educación anterior a la universidad se cono ce como los Estándares de CSTA[4]. Y están recogidos en el documento y “Computer Science K–12 Learning Standards Adoption Statement” (Dorn, December, 2016). Como veremos, estos estándares determinan o influyen en gran medida lo que otras administraciones, como la francesa o la inglesa, tienen establecido sobre los mismos temas.

PACT es un acrónimo de Programming ^ Algorithms = Computational Thinking, un programa avalado por el Ministerio de Educación de Irlanda. Está ampliamente documentado en el trabajo PACT: An initiative to introduce computational thinking to second-level education in Ireland (Mooney et al, 2014), y como el rsto de iniciativas por James Lockwood y Aidan Mooney en  Computational Thinking in Education: Where does it fit? A systematic literary review.

Numerosas iniciativas transversales. Ninguna en el curriculum estatal.

La situación es que en la República de Irlanda, como en muchos otros países, la Ciencia de la Computación o la Informática todavía no es un tema que los estudiantes pueden realizar un examen estatal, es decir no hay estándares. Aunque se han tomado medidas para incluirlo, lo que se puede decir hasta ahora es que todo lo que está disponible para los estudiantes en el currículum es un curso corto de programación.

Como ejemplo y formando parte del debate propuesto, los investigadores del Departamento de Ciencias de la Computación de la Universidad de Maynooth, Irlanda, diseñaron el programa PACT. El objetivo era preparar a los estudiantes y profesores de secundaria irlandeses a la informática a través de programación y algoritmos, con la intención de mejorar la habilidad vital de CT en los estudiantes participantes. Este plan tiene repercusión sobre la primaria: El programa incluye material en cinco unidades diferentes para enseñar a los estudiantes del Año de Transición de Primaria a Secundaria. Estos fueron Programación 1, Programación 2, Algoritmos, Gráficos y Recursión.

Francia ha tomado recientemente, en 2016, decisiones políticas para integrar elementos de Educación Profesional y Técnica (CTE) en el plan de estudios nacional obligatorio en Primaria y en Secundaria. Asociaciones e institucionaes están elaborando propuestas de currículum. Ésta es una de ellas, quizá la más interesante en la línea que proponemos. Es una propuesta de curriculum para Primaria. Está documentada por los autores Chiprianov y Gallon (2016, July) en Introducing Computational Thinking to K-5 in a French Context. In Proceedings of the 2016 ACM.

En esta propuesta Chiprianov y Gallon (2016) presentan un resumen de un proyecto para integrar PC en la educación primaria francesa. Ofrecen una visión general del estado actual del PC en Educación en Francia y hablan sobre el desarrollo cognitivo y afectivo del niño.

En primer lugar discuten el marco teórico del currículum.

El nuevo plan de estudios francés incluyó la programación y está en línea con el estándar de la Computer Science Teachers Association (CSTA) (Dorn, R. I., December, 2016)), pero no incluye explícitamente las Ciencias de la Computación. A continuación, ofrecen una descripción general de las herramientas y actividades que planean usar para enseñar Pensamiento Computacional, que incluye juegos (en el sentido de code.org) y robots. Además, dan una visión general de cómo llevarlo a la práctica mediante el desarrollo de 10 lecciones. Además dan algunas estrategias de enseñanza que por lo general coinciden con las siguientes:

  • Discusiones y demostraciones de toda la clase, seguidas por
  • Aprendizaje colaborativo o individual, y finalmente
  • Reflexionar sobre las soluciones y discusión de estas estrategias

Por último, ofrecen una visión general de algunas de las conclusiones que obtuvieron, que incluían su creencia en que los maestros son importantes tanto para que se cree una actitud positiva como para adaptar los materiales a sus aulas. También encontraron que los niños adquirieron y aprendieron habilidades, como la ubicación del espacio, a partir de las tareas ejercitadas. Es la parte empírica del trabajo.

Otra experiencia interesante es la que se desarrolla en Macedonia y exponen Jovanov,  Stankov, Mihova, Ristov y Gusev (2016, April) en Computing as a new compulsory subject in the Macedonian primary schools curriculum.

En este documento tenemos constancia de que la situación y los presupuestos del pensamiento computacional en el sentido que se señala en este trabajo, o compatible con él, llevaron a los responsables políticos en Macedonia a incluir la programación como parte de una nueva asignatura obligatoria para los alumnos a la edad de 8 años.

Jovanov y otros (2016, April) en su documento y en la correspondiente investigación se centran en el cambio citado en el currículo macedonio: la introducción del curso “Trabajo con computadoras y conceptos básicos de programación”, que en breve se denominaría “Informática”, hablamos de 2015. Presentan el plan de estudios propuesto y aceptado, con énfasis en los temas sobre pensamiento computacional y programación. También discuten el software disponible y las herramientas adecuadas para la implementación de los temas mencionados en la propuesta, y presentan un juego recientemente desarrollado por un equipo vinculado a ellos (DigitMile). Al final explican la formación necesaria de los profesores,y el formato de la capacitación preliminar de todos los maestros de escuela primaria en el país. La investigación incluye las primeras impresiones de los capacitadores que realizaron la capacitación, y la elaboración de las opiniones de los maestros.

En el trabajo (Jovanov et al, 2016) ofrecen una descripción general del contenido que incluye siete unidades que se impartirán en dos clases por semana:

  • Primeros pasos para usar la computadora
  • Gráficos por computadora
  • Procesamiento de texto
  • Vida en línea
  • Concepto de algoritmos y programas
  • Pensamiento computacional a través de un juego
  • Creación de programas simples

De ellos, los últimos tres se centran explícitamente en pensamiento computacional en los términos que exponemos. Es decir, a los estudiantes se les enseña la noción de programación y aprenden a través de un juego que fue especialmente diseñado, el DigitMile, que está diseñado para ser utilizado en este plan de estudios junto con él. Finalmente, los estudiantes usan ScratchJr para desarrollar programas simples.

En esta línea y aunque no es reciente sí creemos conveniente reseñar una experiencia antigua, para que quede constancia de que esta visión está consolidada y hay experiencias desde una época anterior al periodo que se supone de eclosión del pensamiento computacional. Nos referimos al estudio que hicieron en Califormia EE UU Miller,  Kelly y Kelly (1988) titulado Effects of Logo computer programming experience on problem solving and spatial relations ability. Se trata pues de una experiencia muy antigua que no podríamos en propiedad referenciar a lo que tratamos con relación al estado actual del pensamiento computacional, pero que James Lockwood y Aidan Mooney (2017) la incluyen en su estudio, y nosotros también por ser en esencia una experiencia coincidente con el modelo que proponemos.

Miller et al. (1988) presentan un estudio sobre las habilidades de resolución de problemas y para establecer relaciones espaciales de los estudiantes de quinto y sexto grado tras un año académico de experiencia usando Logo. Se utilizaron dos programas, The Factory y Teasers de Tobbs para evaluar la capacidad de resolución de problemas y relaciones espaciales mediante subtests del CTMM (Prueba de Madurez Mental de California: Nivel 1) y PMA (Grados de habilidades mentales primarias 2-4). Se describen los dos programas, así como los datos de los participantes. Los resultados mostraron que hubo una diferencia significativa entre el grupo de tratamiento y los grupos control tanto en las medidas de resolución de problemas como en una de las tres pruebas espaciales. Sin embargo, no se realizaron pruebas previas, pretest, por lo que no se pudo probar que un grupo aprendió menos o más que el otro, en sentido estricto.

 

[1] Explicita hasta muy recientemente

[2] 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

[3] https://code.org/educate/curriculum/elementary-school

[4] http://www.k12.wa.us/ComputerScience/pubdocs/ComputerScienceStandards.pdf

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.

Astrachan, O., Cuny, J., Stephenson, C., and Wilson, C. (2011): The CS10K Project: Mobilizing the Community to Transform High School Computing. Proc. of the 42nd ACM Technical Symposium on Computer Science Education, Dallas, TX, USA, 42:85-86, ACM Press.

Astrachan, O., Briggs, A., Cuny, J., Diaz, L., and Stephenson, C. (2012): Update on the CS Principles Project. Proc. of the 43rd ACM Technical Symposium on Computer Science Education, Raleigh, NC, USA, 43:477-478, ACM Press.

 

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.

 

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

 

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

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.

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

 

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.

 

Cutts, Q., Esper, S., and Simon, B. (2011): Computing as the 4th “R”. Proc. of the International Computing Education Research Workshop, Providence, RI, USA, 7:133-138, ACM Press.

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.

 

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

 

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

 

 

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

 

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].

 

Gal-Ezer, J. and Harel, D. (1998): What (Else) Should CS Educators Know?, Communications of the ACM, 41(9):77-84.

 

Gal-Ezer, J. and Harel, D. (1999): Curriculum and Course Syllabi for a High-School Program in Computer Science, Computer Science Education, 9(2):114-147

 

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.

 

Hadjerrouit, S. (2009): Teaching and Learning School Informatics: A Concept-Based Pedagogical Approach, Informatics in Education, 8(2):227-250.

 

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.

 

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.

 

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.

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

 

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)

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

 

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

Royal Society (2012): Shut down or restart? The way forward for computing in UK schools. The Royal Society, UK

 

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

 

Steer, C. and Hubwieser, P. (2010): Comparing the Efficiency of Different Approaches to Teach Informatics at Secondary Schools, Informatics in Education, 9(2):239-247

 

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

 

 

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

 

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

 

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

 

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

 

Van Diepen, N., Perrenet, J., and Zwaneveld, B. (2011): Which Way with Informatics in High Schools in the Netherlands? The Dutch Dilemma, Informatics in Education, 10(1):123-148.

 

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

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

Zapata-Ros, M. (March 2018). La universidad inteligente (y VI): Discusión y conclusiones. RED. El aprendizaje en la Sociedad del Conocimiento. https://red.hypotheses.org/1222

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

La universidad inteligente (y VI): Discusión y conclusiones

Miguel Zapata-Ros, Universidad de Alcalá

Éste es el séptimo y último de una serie de posts que sobre este tema, y con este título, constituirán un artículo en el número 57 de RED, especial dedicado a la “Web social y sistemas inteligentes de gestión del aprendizaje en Educación Superior”. En la entradas anteriores se introdujo el tema, se hizo una sucinta revisión de la literatura, e habló de qué es el aprendizaje inteligente y qué son los entornos inteligentes de aprendizaje, de por qué la universidad necesita la AI y por último hablamos de pedagogías de los entornos inteligentes

Título completo:

La universidad  inteligente. La transición de los LMS a los Sistemas Inteligentes de Aprendizaje en Educación Superior

 The smart university. The transition from Learning Management Systems (LMS) to Smart Learning Systems (SLS) in Higher Education

 

 

Discusión.- Cuestiones pendientes y líneas de  investigación abiertas sobre el aprendizaje inteligente

Hasta aquí la tesis que hemos defendido es que el aprendizaje inteligente en la Educación Superior es un nuevo concepto, una nueva ratio, del aprendizaje potenciado por la tecnología y de la enseñanza abierta universitaria. No se reduce pues a integrar los criterios y funciones de los sistemas de tutoría inteligente, de los sistemas de aprendizaje ubicuo conscientes del contexto, o de los propios sistemas adaptativos en un marco ya existente. Es una evolución de lo anterior con naturaleza propia, una fase distinta en una línea de progreso que ya existe; En ese contexto se plantean los siguientes temas de investigación para reconocer la presencia diferenciada de la concepción de “aprendizaje inteligente”:

1.

Desarrollo de marcos de implementación tecnológica de entornos de aprendizaje inteligentes que alojen, con las funciones y affordances señaladas (apoyo en el aprendizaje y en la entrega pertinente y relevante de contenidos), el resultado del  rápido avance de las tecnologías digitales (por ejemplo, realidad aumentada, visión artificial, reconocimiento de voz, tecnologías portátiles e inteligentes) y de las herramientas analíticas, por ejemplo: análisis de aprendizaje y tecnologías de conciencia social (social-awareness technologies) (Hwang, G. J. (2014)).

2.

Desarrolla de marcos del tipo anterior que ofrezcan posibilidades diversas de implementación de entornos de aprendizaje inteligentes basados ​​con diferentes propósitos educativos y desde diferentes perspectivas de las teorías pedagógicas y del aprendizaje. Es por  tanto un tema prioritario y un reto proponer marcos de implementación tecnológica e instruccional de entornos de aprendizaje inteligente con estas tecnologías emergentes.

 

3.

Reinterpretación y examen de las teorías pedagógicas y de las teorías sobre el aprendizaje existentes a la luz de lo que ofrecen los  nuevos entornos de aprendizaje inteligente. Las nuevas formas de aprender nos demandan cómo organizar la instrucción en estos entornos. Hay un nuevo concepto de aprendizaje; por lo tanto, los investigadores y los docentes deberán proponer nuevas formas de enseñar, nuevas metodologías y estrategias docentes basadas en las teorías existentes, como el constructivismo, la teoría de la motivación, el modelo de aceptación de la tecnología, la teoría de la carga cognitiva o la teoría del diseño de entornos tecnológicos.

4.

Nuevas estrategias de aprendizaje y de evaluación para el aprendizaje inteligente.

5.

Ámbitos nuevos de aprendizaje que antes no eran asequibles a la tecnología. Por ejemplo la cinestesia.

Se espera que con los nuevos enfoques inteligentes y los nuevos conceptos de aprendizaje, se podrán poner en marcha investigaciones en nuevos dominios de aplicación, que ahora son difíciles de implementar en los entornos de aprendizaje existentes, y con los actuales y ya obsoletos LMS

6.

Rendimiento del aprendizaje por percepción y evaluación de la percepción. Se deben potenciar mecanismos de autorregulación y de determinación de la autoeficacia.

7.

Tipologías y patrones de comportamiento de aprendizaje y análisis de patrones de aprendizaje. Y más importante aún, las observaciones a largo plazo y el análisis de las conductas de aprendizaje podrían desarrollarse de manera que los investigadores puedan conocer más acerca de los impactos sociales, a través de la nueva tecnología educativa.

 

Conclusiones

La presencia y el avance de las tecnologías de detección y de recomendación están ofreciendo grandes y determinantes oportunidades para desarrollar nuevos entornos de aprendizaje. Definitivamente el aprendizaje inteligente es un concepto extremadamente innovador, como en otros ámbitos, para desarrollar visiones y planteamientos distintos. En este caso para crear entornos de aprendizaje más potentes y útiles que los enfoques de aprendizaje ayudados por la tecnología ya existentes, mediante la incorporación de nuevas herramientas y nuevos criterios para el aprendizaje.

Todo ello es prometedor pero supone importantes desafíos que son claves para el desarrollo y la evolución de la nueva universidad que salga de las actuales disrupciones.

Por otra parte estos entornos también desafían las prácticas educativas existentes y consolidadas, que se han utilizado durante décadas, si no siglos, e impulsan a los docentes y expertos educativos fuera de su zona de confort haciéndoles conscientes de las limitaciones de las prácticas de enseñanza y evaluación vigentes y la evidencia de que pueden mejorarse a través de estos nuevas posibilidades.

La filosofía, las convicciones, los patrones consolidados de análisis y de comportamiento que ilustran las políticas universitarias existentes también se convierten en una barrera frente a la mejora de la educación universitaria y de las expectativas personales que estos entornos permiten. Y eso es así en función de que estas prácticas están orientadas y determinadas por viejos y caducos paradigmas educativos. Hacer frente a estos desafíos requerirá esfuerzos concertados de diversas partes interesadas en diferentes niveles: Docentes a nivel de base, responsables de la gestión universitaria, políticos y, en realidad, de todas las personas, de la industria, los servicios y de las profesiones.

En Murcia, a 31 de Marzo de 2018

Referencias.-

Hwang, G. J. (2014). Definition, framework and research issues of smart learning environments-a context-aware ubiquitous learning perspective. Smart Learning Environments1(1), 4. https://slejournal.springeropen.com/articles/10.1186/s40561-014-0004-5

 

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 universidad inteligente (V): Ejemplos y experiencias reales

Miguel Zapata-Ros, Universidad de Alcalá

Éste es el sexto de una serie de posts que sobre este tema, y con este título, constituirán un artículo en el número 57 de RED, especial dedicado a la “Web social y sistemas inteligentes de gestión del aprendizaje en Educación Superior”. En la entradas anteriores se introdujo el tema, se hizo una sucinta revisión de la literatura, e habló de qué es el aprendizaje inteligente y qué son los entornos inteligentes de aprendizaje, de por qué la universidad necesita la AI y por último hablamos de pedagogías de los entornos inteligentes

Título completo:

La universidad  inteligente. La transición de los LMS a los Sistemas Inteligentes de Aprendizaje en Educación Superior

 The smart university. The transition from Learning Management Systems (LMS) to Smart Learning Systems (SLS) in Higher Education

 

 

 

Ejemplos y experiencias

 

BIO100 de Global Freshman Academy

 

Entre los varios ejemplos significativos que hay de la adopción de la IA para organizar el aprendizaje y la asistencia a los alumnos, podemos destacar el de la Arizona State University, particularmente el caso de la Global Freshman Academy apoyada por la plataforma software de Inteligencia Artificial ALEKS de McGraw-Hill Education.

Este caso ha sido señalado tanto por Clark  (February  19, 2016) en sus post de plan B que hacen un extracto de su informe, como por el informe de la CRUE  (Delgado et al, 2017))@

Las conclusiones son que la IA en general, y los sistemas de aprendizaje adaptativo en particular, tendrán un enorme efecto a largo plazo en la mejora de la calidad de la enseñanza demostrada en los logros, en la eficiencia del aprendizaje, el rendimiento del alumno y el descenso del abandono escolar.

Esto fue confirmado por los resultados de los cursos realizados en la Universidad Estatal de Arizona en otoño de 2015 presentados en Educause Learning Initiative en San Antonio en febrero de 2016. Los datos y gráficos están obtenidos de Donald Clark (February  19, 2016)

La referencia es el curso, Biology 100 (BIO100)[1], en modalidad de blended learning En él se hizo el informe. Se llevó a cabo en la  plataforma CogBooks[2] . Está descrito por Clark (February  19, 2016): Las actividades las llevaron a cabo en la plataforma y luego el trabajo grupal y las dudas se llevaron a clase en modalidad flipped classroom.

El informe se centra en los objetivos del curso, como experimento de sistema de enseñanza mejorado con tecnología:

  • aumentar el logro
  • reducir las tasas de deserción escolar
  • mantener la motivación del estudiante
  • aumentar la efectividad docente

Respecto del primero, mejorar los resultados del aprendizaje esta gráfica con expresión del tamaño de la muestra es elocuente:

Fig. 10

Respecto del abandono

Fig. 11

Se reduce en la misma institución en un dos por ciento. Pero esto no es lo importante, lo importante es comparar con esta modalidad de enseñanza en estudios similares que en EE UU está entre el 41% y el 45% de los que se matriculan en universidades estadounidenses. Lo cual es dramático si consideramos que después tienen que hacer frente a la deuda, que en estos tipos de estudiantes es en EE UU de 1,3 millones de dólares y el hecho de que estos estudiantes abandonaron, pero todavía cargan con la carga de esa deuda, este es un nivel catastrófico de fracaso. En el Reino Unido la tasa de abandono es de  16%.

Los tableros de los profesores no son muy distintos de los que hemos utilizado en Open Education,  y que hemos descrito en un post anterior:

Fig. 12

Diferentes paneles de control brindan información, en tiempo real, del rendimiento de los estudiantes. Esto le permite al instructor ayudar a los necesitados.

La realidad es que según Clark el sistema promete en este punto una mejora continua, “muy necesaria en educación”. No ofrece evidencias de una aportación concreta de la IA: “ Podríamos mirar un enfoque que no solo mejore el desempeño de los docentes sino también el del sistema en sí, con la consecuencia de una mejora continua en el rendimiento, la deserción y la motivación en los estudiantes”.

No estamos muy por los selft report studies. Como bien hemos justificdo en otras ocasiones no son un elemento significativo del rendimiento del aprendizaje ni de la calidad de la docencia. En este caso el informe dice “que los estudiantes quieren más”

Fig. 13

Más del 80% de los estudiantes en esta primera experiencia de un curso adaptativo, dijeron que querían utilizar este enfoque en otros módulos y cursos.

Sin embargo no hemos obtenido una información técnica (sobre la metodología docente y de apoyo al alumno) detallada. Tampoco nos la ha dado Clark.

Lo más aproximado es la información que da la propia plataforma CogBook en pantallas como ésta:

Fig. 14

Lo más aproximado es la descripción que hace Clark (February  19, 2016) en el párrafo siguiente:

“Una de las dificultades en los sistemas adaptables, impulsados ​​por AI, es la creación de contenido utilizable. Por contenido, me refiero a materiales de aprendizaje, estructuras, elementos de evaluación, etc. CogBooks ha creado un conjunto de herramientas que permiten a los instructores crear una red de contenido, trabajando desde objetivos. También se usa la ayuda automática con el diseño y con la conversión de contenidos. Una vez hecho esto, se crea una red compleja de contenido de aprendizaje a través de la cual los estudiantes circulan, cada estudiante mediante un camino diferente, dependiendo de su rendimiento continuo. El sistema es como un satélite, siempre trata de llevar a los estudiantes a su destino, incluso cuando se salen de curso.”

También el propio Clark (JANUARY 13, 2016) ha descrito una taxonomía para los sistemas AI adaptativos (sistemas inteligentes) de apoyo al aprendizaje en base a la asistencia con  cinco niveles:

Nivel 1: Tecnológico

Nivel 2: Asistido

Nivel 3: Analítico

Nivel 4: Híbrido

Nivel 5: Autónomo

Él sitúa la experiencia de CogBook en BIO100 en el nivel 4, sistema adaptativo híbrido, con mezcla de ayuda humana y de detección y de recomendación. Algo que guarda ciertas similitudes con lo que hemos descrito para el análisis de la relevancia en las contribuciones de los foros en el curso “El diseño intruccional de la Universidad de Alcalá. Que actualmente estaría en el límite entre 3 y 4.

 

Otras experiencias reales.-

Otras experiencias actuales que hemos examinado, rastreando los enlaces de una presentación hecha a la CRUE para justificar el  Informe Tendencias TIC 2018 (Delgado et al, 2017) han sido las dos siguientes:

AI en educación – The Genie of Deakin University.- En la universidad Deakin[3], en Victoria, Australia, se ha estado experimentando con la plataforma Watson durante bastante tiempo con el fin de servir a sus alumnos de una manera más personalizada. Desde 2015, los estudiantes han podido pedir consejo a Deakin Genie, con sede en Watson, sobre una amplia variedad de temas.

Jill Watson: la primera asistente de enseñanza de IA de Georgia Tech[4]

El equipo dirigido porGoel y Polepeddi, L. (2016) ha trabajado sobre el uso de sistemas basados en herramientas de respuesta y recomendación para responder a las preguntas de los estudiantes en los foros de su clase en línea de Inteligencia Artificial basada en el Conocimiento (KBAI).

La asistente ha sido nombrada Jill Watson, se basó en la plataforma Watson de IBM, que es quizás mejor conocida como la computadora que venció a dos campeones de Jeopardy. Jill se desarrolló específicamente para manejar la gran cantidad de publicaciones en el foro por parte de los estudiantes inscriptos en un curso en línea que es un requisito para obtener el título de maestría en ciencias en el programa de informática de Georgia Tech.

Referencias

Clark, D. (February  19, 2016) 10 powerful results from Adaptive (AI) learning trial at ASU. Plan B. http://donaldclarkplanb.blogspot.com.es/2016/02/10-powerful-results-from-adaptive-ai.html

Clark, D. (JANUARY 13, 2016). 5 level taxonomy of AI in learning (with real examples). Plan B. http://donaldclarkplanb.blogspot.com.es/search?q=ai+taxonomy

Delgado, C. et al (2017) Informe Tendencias TIC . Publicaciones de la CRUE. http://tic.crue.org/wp-content/uploads/2017/11/9.50-Sesion-Tecnica-CRUE-TIC-GTDIR-Tendencias-UCM-2017v1.pdf

Goel, A. K., & Polepeddi, L. (2016). Jill Watson: A Virtual Teaching Assistant for Online Education. Georgia Institute of Technology. https://smartech.gatech.edu/bitstream/handle/1853/59104/goelpolepeddi-harvardvolume-v7.1.pdf?sequence=1&isAllowed=y

[1] https://www.coursehero.com/sitemap/schools/168-ASU/courses/639255-BIO100/

[2] https://www.cogbooks.com/biology/

[3] https://medium.com/@Hubert.ai/ai-in-education-the-genie-of-deakins-university-e29fbcde27d1

[4] https://pe.gatech.edu/blog/meet-jill-watson-georgia-techs-first-ai-teaching-assistant

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 universidad inteligente (IV): El marco teórico y la pedagogía de un entorno de aprendizaje inteligente. 2) Un caso.

Miguel Zapata-Ros, Universidad de Alcalá

Éste es el quinto de una serie de posts que sobre este tema, y con este título, constituirán un artículo en el número 57 de RED, especial dedicado a la “Web social y sistemas inteligentes de gestión del aprendizaje en Educación Superior”. En la entradas anteriores se introdujo el tema, se hizo una sucinta revisión de la literatura, e habló de qué es el aprendizaje inteligente y qué son los entornos inteligentes de aprendizaje, y por último de por qué la universidad necesita la AI.

Título completo:

La universidad  inteligente. La transición de los LMS a los Sistemas Inteligentes de Aprendizaje en Educación Superior

 The smart university. The transition from Learning Management Systems (LMS) to Smart Learning Systems (SLS) in Higher Education

 

 

En la entrada anterior hablamos de la aplicación de principios universales del aprendizaje como los de Merrill, Gagné o Reigeluth a los nuevos procesos y a las nuevas potencialidades que los entornos inteligentes proporcionan y de un espacio nuevo que necesita nuevas pedagogías.

Ahora vamos a ver que  hay un espacio pedagógico que no es la aplicación de los principios universales del aprendizaje a los entornos inteligentes ni algo tan distinto e innovador como la pedagogía para las píldoras de aprendizaje. Y vamos a presentar un caso en el que eso puede suceder.

Con ello nos referimos a ámbitos nuevos propios de los entornos tecnológicos pero donde hasta ahora la intervención había sido exclusivamente humana.

Vamos a aportar, para ilustrar ese tercer nivel de ámbitos pedagógicos donde puede intervenir el proceso inteligente en alguna medida, un caso desarrollado en la Universidad de Alcalá, en  el que ha participado el autor. Se trata de una experiencia de curso abierto online que, en su cuarta edición desde 2014, se está desarrollando en dicha universidad, apoyado por el Departamento de Computación y el Servicio de Extensión Universitaria. En él ha participado unos 1500 inscritos en los cuatro años y en las tres capas (de que consta.

La Universidad de Alcalá es una de las más antiguas de Europa, sin embargo ello no impide que apueste por las modalidades docentes más innovadoras y disruptivas, como son la educación abierta, y dentro de ella los cursos dual layer (Siemens, 2014 May)(Crosslin, 2014 May), con metodología de Mastery Learning (Bloom, 1984) y el diseño instruccional de los cursos abiertos online. Se hace en la plataforma para MOOC de BlackBoard: Open Edition.

“El diseño instruccional de los cursos abiertos on-line”[1] está destinado a profesores y diseñadores de estudios abiertos online Se trata de un curso abierto, personalizado, y de acceso escalable en la metodología docente y en la ayuda pedagógica. Es decir no es un MOOC al uso, tiene unos rasgos propios, los de un nuevo tipo de cursos. Toda la información se difunde en un blog[2]

Hasta ahora son nueve las universidades e instituciones que han incorporado, en la organización y en la práctica de la docencia, las habilidades sobre Diseño Instruccional obtenidas por profesores y gestores de dichas universidades e instituciones en este curso[3]: Universidad Técnica Particular de Loja (Ecuador), Universidad de Valladolid (España), Universidad de Quilmes (Argentina), Universidad de Guadalajara (México), Universidad de Alcalá (Máster de Ciberseguridad y Análisis de datos),Universidad Autónoma Intercultural de Sinaloa (México), CRESUR Chiapas (México), Natanael SL y Hewlett Packard (Estas dos en el Máster de Ciberseguridad y Análisis de datos de la Universidad de Alcalá).

En el desarrollo del curso, al principio, la analítica nos dio los siguientes datos:

 

Fig. 4

Había muchos accesos a los foros, casi dos mil insights, pero la actividad era escasa 36 intervenciones de 19 intervinientes. Nada sabíamos a partir de la analítica de la relevancia de las intervenciones. Eso lo sabían los Teaching Assistants (TA). Tomamos la decisión de pautar y analizar la relevancia de las intervenciones, adjudicándoles valor para el logro. El resultado fue un significativo aumento de las intervenciones, en número y también de accesos:

Fig. 5

Del 28 de marzo al 18 de abril pasaron de 36 a 320.

Este tipo de evaluación formativa es fácilmente implementable en un algoritmo. Casi sólo son un par de instrucciones condicionales.

Un aspecto más interesante es el de la relevancia en las intervenciones. En un aprendizaje de tipo conceptual, como era el de este módulo eso adquiere una importancia clave en nuestra metodología, de mastery learning. En el curso lo resolvíamos, en este punto, si el participante contribuía con dos intervenciones relevantes en el foro. La cuestión era qué es la “relevancia”.  Porque el sistema adjudicaba automáticamente el logro cuando detectaba dos intervenciones valoradas por los TA como relevantes.

A los participantes en la guía didáctica del módulo se le daban instrucciones precisas (volcado de pantalla de la plataforma Open Education):

Fig. 6

Ese análisis era efectuado mediante lectura, evaluación, notas al participante y retroali-mentación por el TA, que finalmente acreditaba que el alumno había obtenido el logro:

Fig. 7

El criterio para que el TA adjudicara la relevancia era una reelaboración de lo analizado en el trabajo de Gagné “Las condiciones del aprendizaje” (Gagné, 1965 y 1985) (Driscoll, 1994 y 2013), a partir las condiciones que establece para que el aprendizaje sea efectivo, en particular de lo que establece para los nueve niveles de aprendizaje (Gagne’s Nine Levels of Learning)[4]:

Fig. 8

Y una reelaboración, cuya justificación teórica expondremos en un próximo trabajo, de tal forma que interpretándolos con la ayuda de lo elaborado por Bloom (1984) para el problema de dos sigmas, y la metodología docente de Mastery Learning, el dominio del aprendizaje supone al menos las siguientes características de lo aprendido:

  1. Comprensión
  2. Adquisición y atribución de sentido
  3. Ejecución autónoma
  4. Transferencia

En el caso que nos ocupa todo esto se concretaba en el siguiente procedimiento para utilizar por los TA y que era conocido por los participantes, en la determinación del grado de relevancia de las contribuciones al foro en este caso:

Fig. 9

La cuestión en este punto es trasladar los criterios señalados, que utilizaban los TA, a procedimientos inteligentes a aplicar en un sistema inteligente. Cómo se implementa por ejemplo, “escribir sobre el tema nombrando un término o un concepto”, se supone que en un contexto con sentido lógico y con relación al dominio disciplinar, o si “nombra un concepto y lo relaciona con una affordance”, también en un contexto textual con sentido. Etc. para que el sistema lo detecte en una contribución al foro que evalúe con un grado de relevancia.

Aquí dejamos la cuestión, en esta modalidad de líneas de desarrollo, a la espera de propuestas interesantes o de experiencias ya desarrolladas en esta dirección.

Referencias

Clark, R. C. (2003). Building Expertise: Cognitive Methods for Training and Performance Improvement. Washington D.C., International Society for Performance Improvement.

Clark, R. C. and R. E. Mayer (2003). E-Learning and the Science of Instruction. San Francisco, Jossey-Bass Pfeiffer.

Crosslin, M (2014 May).  Designing a Dual Layer cMOOC/xMOOC. http://www.edugeekjournal.com/2014/05/04/designing-a-dual-layer-cmoocxmooc/

Dabbagh, N., & Kitsantas, A. (2012). Personal Learning environments, social media, and self-regulated learning: A natural formula for connecting formal and informal learning. The Internet and Higher Education, 15(1), 3–8.

Driscoll, M. (1994). Gagne’s theory of instruction. Psychology of Learning for Instruction. Boston, MA, Allyn and Bacon, 329-358. http://ocw.metu.edu.tr/pluginfile.php/9013/mod_resource/content/1/driscoll-ch10%20(1).pdf

Driscoll, M. P. (2013). Psychology of Learning for Instruction: Pearson New International Edition. Pearson Higher Ed.

Fink, L.D. (2003), A Self-Directed Guide to Designing Courses for Significant Learning.http://www.deefinkandassociates.com/GuidetoCourseDesignAug05.pdf

Gagné, R. M. (1965). The conditions of learning and theory of instruction ( 1st ed.). New York, NY: Holt, Rinehart & Winston.

Gagné, R. M., & Briggs, L. J. (1974). The principles of instructional design ( 1st ed.). New York, NY: Holt.

Gagné, R. M. (1985). The conditions of learning and theory of instruction ( 4th ed.). New York, NY: Holt, Rinehart & Winston.

Kinshuk (2014). Roadmap for adaptive and personalized learning in Ubiquitous environments. In Ubiquitous Learning Environments and Technologies (pp. 1–13). Heidelberg: Springer.

Merrill, M. D. (2002). First principles of instruction. Educational Technology Research and Development, 50(3), 43-59. (Click for copy from Dr. Merrill’s personal website).  Instructional-Design Theories and Models, Volume III: Building a Common Knowledge Base (link to book site)

Merrill, M. D. (September 2002). First principles of instruction. Educational Technology Research and Development. Volume 50, Issue 3, pp 43–59. https://link.springer.com/article/10.1007/BF02505024

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

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

Siemens, G. (2014, May). Multiple pathways: Blending xMOOCs & cMOOCs. http://www.elearnspace.org/blog/2014/05/06/multiple-pathways-blending-xmoocscmoocs/

[1] El diseño instruccional de los cursos abiertos on-line https://openeducation.blackboard.com/mooc-catalog/courseDetails/view?course_id=_1684_1

[2] http://cursosabiertos.blogspot.com.es/

[3] Para figurar en esta lista ha sido necesario que esas habilidades hayan redundado en un cambio relevante en enseñanzas de grado, de postgrado o en estudios propios en línea.

[4] Sintesis de Gagné’s Conditions of Learning para  habilidades intelectuales y estrategias cognitivas.

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 universidad inteligente (IV): El marco teórico y la pedagogía de un entorno de aprendizaje inteligente. 1 El aprendizaje oportunista.

Miguel Zapata-Ros, Universidad de Alcalá

Éste es el cuarto de una serie de posts que sobre este tema, y con este título, constituirán un artículo en el número 57 de RED, especial dedicado a la “Web social y sistemas inteligentes de gestión del aprendizaje en Educación Superior”. En la entradas anteriores se introdujo el tema, se hizo una sucinta revisión de la literatura, e habló de qué es el aprendizaje inteligente y qué son los entornos inteligentes de aprendizaje, y por último de por qué la universidad necesita la AI.

Título completo:

La universidad  inteligente. La transición de los LMS a los Sistemas Inteligentes de Aprendizaje en Educación Superior

 The smart university. The transition from Learning Management Systems (LMS) to Smart Learning Systems (SLS) in Higher Education

 

 

 

El marco teórico y la pedagogía de un entorno de aprendizaje inteligente.

 

Tras ver qué es el aprendizaje inteligente y los entornos inteligentes de aprendizaje, y cuáles son las ventajas de la IA para la universidad, es pertinente plantearse qué marco es necesario para la adopción eficiente de estas posibilidades, cuáles son las pedagogías que más partido pueden sacar de ellas. Hay que construir un marco educativo.

Algunos teóricos, haciendo una síntesis, sostienen que la instrucción se reduce estrictamente a un problema de entrega: Entrega de ayuda y entrega de recursos (Merrill, 2002 y 2009) (Reigeluth, 1999) (Clark, 2003) (Clark and Mayer, 2003). Y que las estrategias de enseñanza consisten exclusivamente en encontrar el momento y el lugar de la entrega, en función del estudiante, de su situación respecto del aprendizaje y de su contexto. En este sentido una pedagogía apropiada es la que use la inteligencia artificial para determinar qué se entrega, en qué momento se hace y cómo se hace. En determinar esto último tienen bastante que decir los principios clásicos y universales del aprendizaje. O lo que es lo mismo: saber y utilizar lo que conocemos acerca de cómo los individuos aprenden.

Para ello es básico conocer al menos, y aplicar a este nuevo contexto, los citados “principales principios del aprendizaje” estudiados y enunciados de forma sistemática por David Merrill (Merrill, 2002 y 2009) y las “condiciones del aprendizaje” investigadas y enunciadas por Gagné (1965 y 1985) y Gagné & Briggs (1974), así como los elementos de diseño instruccional de Reigeluth (1999) y de Fink (2003).

Estos son principios universales también operativos en los entornos inteligentes de aprendizaje, pero además hacen falta incorporar innovaciones pedagógicas específicas para estos entornos. Existe una necesidad de incorporar innovaciones pedagogías para apoyar  los nuevos requisitos de aprendizaje. Así es percibido por ejemplo por Chen, Cheng y Chew (2016).

En lo que sigue veremos muy sucintamente algunos ejemplos de innovaciones pedagógicas que permiten identificar algunas diferencias fundamentales que establecen los entornos de aprendizaje inteligentes de forma divergente a los enfoques tradicionales.

Las microinteracciones sociales y el conocimiento generado a partir de ellas. El aprendizaje oportunista (Bopportunistic learning)

Además de las situaciones de aprendizaje formales ahora hay otras. El conocimiento en entornos de aprendizaje inteligentes no se limita a una reproducción mimética de actividades convencionales, al igual que un email no es una carta, ni como se ha dicho son una virtualización (reproducción idéntica como en un espejo digital) de ellas.

Ahora se empieza a aceptar que el aprendizaje puede suceder y sucede en cualquier entorno, y que la interacción y la conversación cuando los estudiantes se involucran produce insights de aprendizaje (Dabbagh y Kitsantas 2012). No es un aprendizaje inteligente, es lo que se conoce como aprendizaje social. Pero veamos qué sucede después. Cuando los alumnos se implican en los medios sociales, como en la navegación por los posts de Facebook, la lectura de tuits en Twitter, o simplemente al tener una conversación con alguien en Skype o WhatsApp, se producen momentos de aprendizaje. Ahora el reto para la nueva pedagogía, y esto sí que forma parte de las bases de la pedagogía inteligente, la que ayuda al aprendizaje inteligente, es identificar esos momentos de aprendizajeBopportunistic learning— (Kinshuk 2014) mediante el análisis de las micro-interacciones sociales. Y a partir de ello ver cómo son estas píldoras[1] de conocimientoknowledge nuggets— que se generan y cómo se puede producir/favorecer su integración con el conocimiento previamente adquirido por el alumno. Es decir la inserción en sus andamiajes cognitivos.

La evaluación del conocimiento generado a partir de micro- interacciones sociales

Lo que hemos visto antes, la integración efectiva de los conocimientos generados mediante las micro-interacciones sociales, también plantea unas necesidades nuevas en la evaluación: Las prácticas de evaluación también necesitan reconsideración. Algo parecido sucede con el análisis de la relevancia de las interacciones en los foros, y lo que hemos hecho en el curso investigativo de la Universidad de Murcia que después comentaremos con más extensión. Obviamente los métodos de evaluación formales, como de dos horas de exámenes finales en una sala de examen con papel y lápiz, o responder cuestionarios en el ordenador, no proporcionan medios adecuados para evaluar las knowledge nuggets  que los alumnos han adquirido durante sus interacciones sociales, o la integración de esas píldoras de conocimiento en su andamiaje cognitivo atribuyéndoles sentido (Kinshuk 2015). Se necesitan pues métodos nuevos de evaluación para analizar los fenómenos de adquisición del conocimiento debido a las interacciones sociales, así como el impacto que tienen en el nivel de competencia del alumno individual. La investigación se espera que nos dé resultados acerca de análisis necesario para la evaluación y nos indique métodos de identificar  patrones en el comportamiento del alumno que se puedan extrapolar desde el nivel micro.

Hasta aquí ejemplos de situaciones emergentes que requieren pedagogías propias

Por otra parte hay un espacio pedagógico que no es la aplicación de los principios universales del aprendizaje a los entornos inteligentes ni algo tan distinto e innovador como la pedagogía para las píldoras de aprendizaje.

Nos referimos a ámbitos nuevos propios de los entornos tecnológicos pero donde hasta ahora la intervención había sido exclusivamente humana. A esto nos referiremos en la próxima entrada.

[1] La traducción literal de nugget es pepipa, semilla de fruta aunque también en inglés este término sirve para nombrar a un preparado culinario en forma de pequeñas albóndigas. Esta expresión en inglés quizá haga más divertido el concepto. Sin embargo en español parece más aconsejable utilizar la palabra píldora, que en castellano hace referencia a pequeñas dosis, y que tiene más sentido hablando de micro aprendizajes.

 

Referencias

Clark, R. C. (2003). Building Expertise: Cognitive Methods for Training and Performance Improvement. Washington D.C., International Society for Performance Improvement.

Clark, R. C. and R. E. Mayer (2003). E-Learning and the Science of Instruction. San Francisco, Jossey-Bass Pfeiffer.

Crosslin, M (2014 May).  Designing a Dual Layer cMOOC/xMOOC. http://www.edugeekjournal.com/2014/05/04/designing-a-dual-layer-cmoocxmooc/

Dabbagh, N., & Kitsantas, A. (2012). Personal Learning environments, social media, and self-regulated learning: A natural formula for connecting formal and informal learning. The Internet and Higher Education, 15(1), 3–8.

Driscoll, M. (1994). Gagne’s theory of instruction. Psychology of Learning for Instruction. Boston, MA, Allyn and Bacon, 329-358. http://ocw.metu.edu.tr/pluginfile.php/9013/mod_resource/content/1/driscoll-ch10%20(1).pdf

Driscoll, M. P. (2013). Psychology of Learning for Instruction: Pearson New International Edition. Pearson Higher Ed.

Fink, L.D. (2003), A Self-Directed Guide to Designing Courses for Significant Learning.http://www.deefinkandassociates.com/GuidetoCourseDesignAug05.pdf

Gagné, R. M. (1965). The conditions of learning and theory of instruction ( 1st ed.). New York, NY: Holt, Rinehart & Winston.

Gagné, R. M., & Briggs, L. J. (1974). The principles of instructional design ( 1st ed.). New York, NY: Holt.

Gagné, R. M. (1985). The conditions of learning and theory of instruction ( 4th ed.). New York, NY: Holt, Rinehart & Winston.

Kinshuk (2014). Roadmap for adaptive and personalized learning in Ubiquitous environments. In Ubiquitous Learning Environments and Technologies (pp. 1–13). Heidelberg: Springer.

Merrill, M. D. (2002). First principles of instruction. Educational Technology Research and Development, 50(3), 43-59. (Click for copy from Dr. Merrill’s personal website).  Instructional-Design Theories and Models, Volume III: Building a Common Knowledge Base (link to book site)

Merrill, M. D. (September 2002). First principles of instruction. Educational Technology Research and Development. Volume 50, Issue 3, pp 43–59. https://link.springer.com/article/10.1007/BF02505024

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

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

Siemens, G. (2014, May). Multiple pathways: Blending xMOOCs & cMOOCs. http://www.elearnspace.org/blog/2014/05/06/multiple-pathways-blending-xmoocscmoocs/

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 universidad inteligente (III): Por qué la universidad necesita la IA

Miguel Zapata-Ros, Universidad de Alcalá

Éste es el tercero de una serie de posts que sobre este tema, y con este título, constituirán un artículo en el número 57 de RED, especial dedicado a la “Web social y sistemas inteligentes de gestión del aprendizaje en Educación Superior”. En la primera entrada se introdujo el tema y se hizo una sucinta revisión de la literatura. En la anterior se habló de qué es el aprendizaje inteligente y qué son los entornos inteligentes de aprendizaje.

La universidad  inteligente. La transición de los LMS a los Sistemas Inteligentes de Aprendizaje en Educación Superior

 The smart university. The transition from Learning Management Systems (LMS) to Smart Learning Systems (SLS) in Higher Education

 

Por qué la universidad necesita la IA

1 La evolución de la enseñanza abierta universitaria

No se puede excluir la universidad inteligente, la que incorpora los sistemas inteligentes de gestión del aprendizaje, de la evolución de la universidad abierta, desde la lógica de su propia concepción original.

En 1997 ya el Further Education Funding Council (FEFC, 1997 p.25; Zapata-Ros, , 2001 p.1) de Gran Bretaña define la educación a distancia como:

” those on which students study with specially prepared learning materials for their private study and are provided with a marking and comment service for their written work which may be     accompanied by some counselling or tutorial support This definition is intended to cover situations where study is essentially home based and there is only occasional contact with the institution”

La educación abierta universitaria tiene tradicionalmente como fin el que se superen las dificultades de condiciones y organización para el aprendizaje (Zapata-Ros, 2001 p.1). Y esto se ha constituido en un objetivo para los sistemas educativos universitarios 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.

La evolución de la enseñanza abierta universitaria ha sido objeto de estudio  en varios trabajos anteriores. En un artículo (Zapata-Ros, 2017, October 11 y Zapata-Ros, 2017, December) y en varios posts (Zapata-Ros, 2017)

Tras lo aparecido en ese artículo, los herederos de los MOOC finalmente han evolucionado hacia un nuevo modelo de enseñanza formal universitaria. De forma que tras pasar por varias fases, han llegado a una situación completamente distinta a la inicial: Se han convertido en formas de enseñanza universitaria que otorga títulos oficiales de grado y postgrado,  como sucede en los tradicionales. En nada se diferencian de ellos, si pensamos en todos los efectos que aquellos conllevaban.

Lo han hecho  la Universidad de Londres y el Imperial College de Londres (a través de Coursera, con su plataforma y su metodología, y The Open University a través de Future Learn. En el primer caso son grados formales y en el segundo son postgrados (másteres) también formales. La universidad disruptiva es un hecho. Cualquier alumno en Alcalá o en Murcia, o en Buenos Aires, o México capital puede obtener un grado (licenciatura ) en el Imperial College de Londres como si fuera un MOOC.

Este post está escrito a partir de la noticia de Times Higher Education  el   07/03/2018 (Bothwell, March 6, 2018) titulado Coursera ofrecerá títulos de universidades del Reino Unido.

En él se informa (Bothwell, March 6, 2018) de nuevos cursos de la Universidad de Londres y del Imperial College de Londres  que incluyen el primer programa de licenciatura de la plataforma y de másteres oficiales también con el soporte y la metodología de Coursera

En particular la plataforma de aprendizaje en línea Coursera se nos dice está lista para ofrecer sus primeros títulos de universidades del Reino Unido, incluido su primer programa de licenciatura: Un grado en Ciencias de la Computación de la Universidad de Londres (Goldsmiths) y un nuevo máster de salud pública en el Imperial College de Londres. Además de cuatro nuevos títulos de máster de instituciones estadounidenses, incluidos programas de informática de la Universidad Estatal de Arizona y la Universidad de Illinois en Urbana-Champaign , y títulos de ciencias de la información y salud pública de la Universidad de Michigan. Coursera igualmente anuncia que el número de grados disponibles a través de su plataforma se elevará a diez, a lo largo de este año y en 2019.

Con respecto a esta plataforma, esto significa la culminación de un proceso que se inició con los MOOC, continuó con los MOOC con diseño instruccional de Fink (2003) y clásico, y por último con Credentials, College Credits y Microdegrees. Reflejan pues la evolución de las plataformas de aprendizaje en línea desde sus raíces, ofreciendo cursos gratuitos masivos abiertos en línea, hasta ahora que ofrecen programas acreditados y pagados de títulos oficiales universitarios completos.

Este punto, en el que Coursera lanza un grado, significa un hito, marca la culminación de una fase clave en un proceso. Después vendrán otros grados que ya se han iniciado. Pero antes ya existían títulos oficiales universitarios sobre marcos y con metodologías de plataformas de estudios abiertos online. Antes que los grados del Reino Unido puestos en marcha por Coursera, la gran plataforma con sede en el Reino Unido Future Learn, propiedad de The Open University, lanzó una  serie de postgrados en su plataforma y con su estilo, en la Universidad de Coventry  el año pasado. Future Learn también ofrece títulos oficiales de másteres en las universidades Deakin y Murdoch en Australia.

Así el esquema de la evolución de la enseñanza abierta universitaria, ahora quedaría pues completo, en este ciclo, con la inclusión de estudios formales de grado y postgrado, en esta línea del tiempo:

Fig. 2

Con lo visto en el apartado anterior el esquema de la evolución de los entornos inteligentes de aprendizaje quedaría:

Fig. 3

2 Cómo la inteligencia artificial puede beneficiar a las universidades

La IA en general, y los sistemas inteligentes de gestión del aprendizaje, como caso particular de los sistemas de aprendizaje adaptativo, en particular, se espera que tengan un enorme efecto a largo plazo en tres campos de la educación universitaria: En la docencia, en el rendimiento de los  alumno y en el abandono escolar.

Como veremos en el apartado de experiencias, estas expectativas ha sido confirmado por los resultados de los cursos realizados en la Universidad Estatal de Arizona en otoño de 2015, y por el correspondiente informe (Clark,  February  19, 2016) donde el curso  Biology 100 (BIO100), realizado como aprendizaje mixto en la plataforma CogBooks, se estudió en detalle.

Las evidencias obtenidas fueron sobre los objetivos siguientes, que por otro lado constituyen la preocupación principal de las autoridades y gestores universitarios:

  • aumentar el logro individual
  • reducir las tasas de deserción escolar
  • mantener la motivación del estudiante
  • aumentar la efectividad del docente

A esto habría que añadir obviamente lo que se supone objetivo implícito de las universidades: Aumentar la eficiencia de los aprendizajes obtenidos por los alumnos más allá del límite actual, superando barreras y dificultades que de otra forma no desaparecerían.

Pero no solamente están los beneficios que se derivan del uso de los entornos inteligentes para la mejora del rendimiento educativo que directamente proporciona la ayuda pedagógica. Hay otros beneficios que podríamos resumir en los cuatro ítems siguientes

La Educación Superior (ES) en nuestro entorno está en una posición ideal para preparar a los estudiantes para el mundo de la Inteligencia Artificial

Hay muchos nichos profesionales emergentes bajo el paraguas de la IA. Tradicionalmente la Universidad ha provisto de capacitación para los nuevos roles profesionales, máxime estos tan cercanos a ciencias y desarrollos teóricos básicos. En primer lugar, hay un nuevo rol para que HE equipe a los graduados para que trabajen efectivamente junto con sistemas artificialmente inteligentes.

Por lo tanto, los profesores universitarios deben garantizar, no solo para las titulaciones nuevas, sino también para las que tienen dominios de actuación tradicionales,  que los estudiantes ingresen al lugar de trabajo con una comprensión de las competencias y de las limitaciones de AI, y la capacidad de continuar aprendiendo a medida que AI desarrolla y continúa cambiando los roles y las expectativas del lugar de trabajo.

La universidad no puede quedar al margen de esta oportunidad. Conlleva un riesgo similar al que las ingenierías no hubiesen adoptado los temas concernientes a los nuevos medios de transporte o los nuevos materiales como objetivos de capacitación y de investigación.

La IA puede ayudar a resolver grandes desafíos que la ES tiene en la Sociedad del Conocimiento, particularmente los que plantean las innovaciones disruptivas

En el terreno estratégico de la política universitaria, la Inteligencia Artificial puede proporcionar parte de la solución a los grandes desafíos con los que habitualmente se enfrenta la toma de decisiones de las universidades. Por ejemplo, el proceso de la enorme en la cantidad de datos educativos, cada vez mayor, sobre estudiantes. Datos que tienen disponibles las universidades.

Numerosos trabajos (Parr, February 28, 2013) han investigado los patrones sobre la actividad de los estudiantes, sobre datos que rutinariamente son registrados y analizados por las universidades usando “análisis de patrones de aprendizaje”. Hasta ahora, estos análisis se usan principalmente para predecir qué estudiantes podrían fallar o abandonar. Pero, como hemos visto, el potencial principal es en el apoyo a la tutoría, que a partir del análisis de los procesos de aprendizaje de los alumnos individualmente, proporcione intervenciones oportunas en tiempo real para ayudarles.

La investigación que se realice en la universidad sobre IA, puede ser una parte clave y estratégica de la revolución de la IA en España, o en el país y en la sociedad, en particular, donde se desarrolle. En particular en el ámbito de la Educación

Los investigadores y los educadores de la universidad  son las personas y poseen los recursos de conocimiento clave para ayudar al país donde se ubiquen y a su economía a desarrollar el tipo correcto de sistemas de inteligencia artificial en los distintos ámbitos y servicios pero también en particular para su uso en educación, y debe hacerse sin demora.

Las universidades están ubicadas en el contexto correcto para investigar la IA

El contexto es una variable clave para la adquisición del conocimiento y es por tanto un factor básico en la efectividad de la educación. Los partidarios del aprendizaje situado señalan que es el factor más importante y algunas universidades de excelencia como Cambridge u Oxford así lo estiman.

El contexto, en este sentido, se puede definir como la combinación de personas, entornos, conocimiento, tecnología y recursos que constituyen una  parte esencial de las interacciones de cada estudiante con el resto y con el mundo real. Son variables relevantes que intervienen en el éxito educativo de cada estudiante. Los desarrolladores de la IA deben conocer y trabajar por tanto el modelado contextual que permita a las herramientas  de IA determinar cómo y por qué lo que funciona en una universidad no funciona en otra. Y no trasplantar esquemas y patrones de forma mecánica

La educación superior debe enfrentarse pues al desafío de la investigación de modelado contextual.

Resumiendo, la Inteligencia Artificial tiene el potencial de aportar grandes beneficios a la universidad. Sin embargo, solo cosecharemos estos beneficios si desarrollamos y usamos la IA como una innovación, es decir de una forma eficiente (Linden & Fenn, 2003).

 

 

Referencias

Bothwell, E. (March 6, 2018). Coursera to offer degrees from UK universities. Times Higher Education https://www.timeshighereducation.com/news/coursera-offer-degrees-uk-universities.

Clark, D. (February  19, 2016) 10 powerful results from Adaptive (AI) learning trial at ASU. Plan B. http://donaldclarkplanb.blogspot.com.es/2016/02/10-powerful-results-from-adaptive-ai.html

FEFC (1997). How to Apply for Funding. Bristol: Further Education Funding Council.

Fink, L.D. (2003), A Self-Directed Guide to Designing Courses for Significant Learning.http://www.deefinkandassociates.com/GuidetoCourseDesignAug05.pdf

Linden, A., & Fenn, J. (2003). Understanding Gartner’s hype cycles. Strategic Analysis Report Nº R-20-1971. Gartner, Inc.

Parr, C. (February 28, 2013). Universities mine institutional data in search of gold Analysis of information on staff and students can help to improve recruitment and retention. Times Higher Education. https://www.timeshighereducation.com/news/universities-mine-institutional-data-in-search-of-gold/2002053.article.

Zapata-Ros, M. (2001). Formación abierta ya distancia a través de redes digitales: Modelos de redes de aprendizaje. RED: Revista de Educación a Distancia, (1).

Zapata-Ros, M. (2017, October 11). Latinoamérica y la educación superior en la encrucijada de la Sociedad del Conocimiento. Desafíos y disrupciones. Retrieved from https://osf.io/f8e39.

Zapata-Ros, M. (2017, December). Latinoamérica y la educación superior en la encrucijada de la sociedad del conocimiento. Desafíos y disrupciones. Virtualidad, Educación y Ciencia8(15), 193-199.

Zapata-Ros, M. (2017). Latinoamérica y la educación superior en la encrucijada de la Sociedad del Conocimiento. Desafíos y disrupciones. RED de Hypotheses. Retrieved from  https://red.hypotheses.org/1011

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 universidad inteligente (II)

Miguel Zapata-Ros, Universidad de Alcalá

Éste es el segundo de una serie de posts que sobre este tema, y con este título, constituirán un artículo en el número 57 de RED, especial dedicado a la “Web social y sistemas inteligentes de gestión del aprendizaje en Educación Superior”. En la entrada anterior se introduce el tema y se hace una sucinta revisión de la literatura.

La transición de los LMS a los Sistemas inteligentes de gestión del aprendizaje (Smart Learning Environment SLE) en Educación Superior.

(Ensayo y revisión de la literatura)

 

Aprendizaje inteligente

Los sistemas de aprendizaje inteligente, desde el punto de vista que vamos a desarrollar, constituyen una evolución de los sistemas adaptativos de aprendizaje y de los sistemas de aprendizaje sensibles y conscientes del contexto, a los que se han añadido las posibilidades de ayuda pedagógica que posibilitan las herramientas de detección y de recomendación que presta la Inteligencia artificial. De manera que no podremos entender el constructo aprendizaje inteligente sin hacer referencia a estos entornos.

Así entenderemos que “aprendizaje inteligente” es aquél aprendizaje que pueden desencadenar y producir los sistemas de aprendizaje inteligente, y que se puede entender de forma diferenciado por las funciones y efectos que no se pueden realizar en ambientes de aprendizaje adaptativo y de aprendizaje contextualizado [el aprendizaje social y el aprendizaje colaborativo de esta forma se puede entender como una subcategoría del aprendizaje contextualizado] sin excluirlas. De esta forma se puede decir que el aprendizaje inteligente es el aprendizaje adaptativo y contextualizado con mecanismos de detección, de respuesta y de recomendación.

Así, como veremos en el apartado siguiente, los “entornos de aprendizaje inteligentes” pueden considerarse, a partir de la definición de Hwang et al (2008), como entornos de aprendizaje apoyados por la tecnología que realizan adaptaciones y brindan el soporte adecuado con la tecnología de detección y de recomendación (por ejemplo, orientación, retroalimentación, consejos o herramientas) en los lugares adecuados y en el momento oportuno, según las necesidades individuales de cada alumnos, determinados mediante el análisis de sus comportamientos de aprendizaje, su trayectoria de rendimiento y los contextos en línea y del mundo real en los que se encuentran tanto grupales y sociales como compuesto por los recursos de que se provee o a los que accede, descarga, lee o elabora.

Diferencias entre aprendizaje en entornos inteligentes, aprendizaje por contexto y aprendizaje inclusivo

Hemos dicho que el aprendizaje inteligente como apoyo a los alumnos en la tutoría y en la entrega de materiales se considera una evolución del aprendizaje adaptativo y del aprendizaje contextualizado, o sensible al contexto.

Por tanto ninguno de los dos puede considerarse como estado óptimo de aprendizaje apoyado por la tecnología, al que llamaremos aprendizaje inteligente en lo sucesivo.

Como veremos igualmente en el apartado siguiente, y consecuentemente con la distinción anterior, un entorno de aprendizaje inteligente no sólo es el que permite a los estudiantes acceder a recursos digitales e interactuar mediante un sistema adecuado de aprendizaje en cualquier lugar y en cualquier momento, sino que también proporciona activamente y dinámicamente una guía de aprendizaje, orientaciones, affordances de apoyo o propuestas de actividades de aprendizaje necesarias y adecuadas a los objetivos y a su situación de aprendizajes, en el lugar adecuado, en el momento oportuno y en la forma correcta.

Hay varias características que hacen que una noción tan innovadora de aprendizaje, como es la de aprendizaje inteligente, vaya más allá de la combinación de las dos de donde procede. En lo que sigue se proporcionan elementos de discusión en profundidad para definir claramente el “entorno de aprendizaje inteligente” y su marco teniendo como referencia lo que hace o cómo se produce en relación a sus predecesores, es decir haciendo una comparación entre entornos de aprendizaje adaptativos, entornos de aprendizaje ubicuos conscientes del contexto y sistemas de tutoría inteligentes.

Sobre la base de esos criterios y en ese marco, en la Tabla 1, obtenida a partir del trabajo anterior de  Hwang (2014) se presenta una comparación de un entorno de aprendizaje inteligente, un entorno de aprendizaje basado en el contexto y un entorno de aprendizaje adaptativo convencional. Se puede ver que un entorno de aprendizaje inteligente es más que una combinación de u-learning consciente del contexto y aprendizaje adaptativo. En particular, guía a los estudiantes a hacer lo correcto (es decir, las tareas que son más factibles e importantes para el alumno en este momento) de la manera correcta (es decir, con herramientas o estrategias de aprendizaje efectivas) en el momento adecuado y en el derecho lugar basado en el estado de aprendizaje en línea y del mundo real de los estudiantes individuales, así como sus factores personales.

Tabla 1.- Comparación del aprendizaje inteligente con los sistemas de aprendizaje por contexto y con el aprendizaje adaptativo

  Aprendizaje inteligente Aprendizaje contextualizado Aprendizaje adaptativo
Detecta y tiene en cuenta los contextos del mundo real del alumno No
Sitúa a los alumnos en escenarios del mundo real,  para que completen su aprendizaje en condiciones que puedan aplicar lo aprendido con autonomía y transfiriéndolo a situaciones diferentes[1] No
Adapta contenidos y situaciones de aprendizaje para alumnos individuales No
Adapta la interfaz y las affordances de aprendizaje para alumnos individuales No
Adapta tareas u objetivos de aprendizaje para alumnos individuales, y los criterios de evaluación, cómo alcanza los logros No No
Proporciona comentarios personalizados y orientaciones
Proporciona comentarios personalizados y orientaciones como resultado de sistemas de recomendación No No
Proporciona orientación de aprendizaje, apoyo y regulación en la entrega de materiales en todas las disciplinas No No
Proporciona orientación de aprendizaje o apoyo en todos los contextos (por ejemplo, en los salones de clase, en los campus de las escuelas, en la biblioteca, en casa y en la calle) No
Recomienda herramientas o estrategias de aprendizaje específicas para cada situación No No
Tiene en cuenta la situación y las condiciones de aprendizaje en línea de los estudiantes No
Tiene en cuenta la situación de aprendizaje en el mundo real de los estudiantes No
Facilita tanto el aprendizaje formal como el informal No
Tiene en cuenta los múltiples y diversos factores personales y ambientales del alumno (en relación con aspectos relacionados con el aprendizaje. Por ejemplo, necesidades de aprendizaje, preferencias, hábitos, horarios y contexto del mundo real) No No
Utiliza sistemas de recomendación a partir de lo detectado, y que se describe en los apartados anteriores No No
Interactúa con los usuarios a través de múltiples canales (por ejemplo teléfonos inteligentes, affordances sociales u otros medios informáticos ubicuos) No
Brinda apoyo a los alumnos con “adaptación anticipada” al desarrollo o la ejecución de actividades  en contextos reales y virtuales No No
Brinda apoyo a los alumnos con “adaptaciones en progreso” en contextos reales y virtuales No No

 

Los entornos inteligentes de aprendizaje

Qué son los entornos inteligentes de aprendizaje. Definición, criterios y marco de un entorno de aprendizaje inteligente.

Así, a partir de lo dicho para los entornos inteligentes de gestión del aprendizaje, y desde la posibilidad de que el aprendizaje sea ubicuo y sensible al contexto, es decir de que pueda crear y detectar y procesar las interacciones entre los estudiantes y de ellos con el ambiente, proporcionando recomendaciones podemos hablar de entornos inteligentes de aprendizaje.

Por tanto, siguiendo lo dicho por Hwang et al (2008) y añadiendo la consideración de las posibilidades de recomendación que permite la tecnología inteligente, podemos decir que

Los “entornos de aprendizaje inteligentes” pueden considerarse como aquellos entornos de aprendizaje apoyados por la tecnología que realizan recomendaciones, adaptaciones de la ayuda al individuo (por ejemplo, orientación, retroalimentación, consejos o affordances),  y que proporcionan el soporte adecuado para ello en el   lugar en que se produce la necesidad de la ayuda, en el momento oportuno según las necesidades individuales de los alumnos, y en la forma más eficiente. Coordenadas que podrían determinarse mediante el análisis de los comportamientos de aprendizaje, el rendimiento anterior y en proceso y los contextos del estudiante, tanto en línea como del mundo real.

Obviamente una consideración nueva que aparece es la de la distribución del  tiempo del alumno, la diferenciación entre ocio y trabajo.  En un entorno de aprendizaje no existe una cantidad de tiempo fijo y libre. No porque se le quite el ocio, que ahora lo tendrá igualmente y posiblemente más sino que recibirá consejos y aportaciones incluso en su tiempo libre, es como un sabio amigo. Este sistema tiene como objetivo ayudar a los alumnos a aprender incluso cuando tiene otras relaciones o realizan otras actividades. Es el amigo aventajado, o el profesor amigo, que busca oportunidades para asesorar al estudiante en su vida diaria teniendo en cuenta sus necesidades y preferencias. Obviamente esto es una ventaja pero igualmente puede ser considerado como algo intrusivo, en cualquier caso los conceptos de disposición y de distribución del tiempo cambian, como cambian en otros órdenes estos conceptos con relación al trabajo en la sociedad del conocimiento. Y esto tendrá repercusiones evidentes para la configuración de espacios universitarios, espacios de aprendizaje y espacios vitales.

Por tanto podemos visto lo anterior podemos definir un entorno inteligente de aprendizaje como aquél que cumple los criterios potenciales siguientes:

  1. Es sensible y consciente del contexto y puede elaborar recomendaciones en función de él. Es decir detecta la situación del alumno en su contexto en el mundo real, y puede proporcionar ayuda al alumno en función de ella.

 

  1. Es adaptativo. Puede ofrecer apoyo instantáneo y adaptado a los alumnos mediante el análisis inmediato de las necesidades, en términos de organizar la instrucción en el nivel más pequeño e inmediato, y hacerlo desde diferentes perspectivas (por ejemplo desde la perspectiva del rendimiento del aprendizaje, conociendo las estrategias de aprendizaje del alumno, su perfil para el trabajo y el estudio, otros factores personales), así como su contexto en línea y el del mundo real (familia, amigos, hábitos,…). Este carácter supone además que puede proporcionar ayuda pedagógica de diverso tipo y activamente, incluidas guías específicas de aprendizaje, comentarios, sugerencias y affordances educativas en función de sus necesidades.

 

  1. Puede modificar en proceso la interfaz de usuario (es decir, las formas de presentación de la información) y los contenidos de la asignatura. Adaptándolos a los factores personales (por ejemplo, a la forma de leer y reconocer la información que es más eficiente para él y su forma de aprender y a sus preferencias para leer e interpretar información) y al estado de aprendizaje (por ejemplo, presentando la información en la forma y en el momento que es mayor el rendimiento de aprendizaje) de los alumnos individuales. La interfaz de usuario no es necesariamente una computadora convencional, puede ser un teléfono móvil, o un tablet. Los alumnos pueden interactuar con el sistema de aprendizaje a través de dispositivos actuales, por ejemplo, teléfonos inteligentes o tablets, dispositivos que vayan apareciendo, por ejemplo visores de realidad virtual, relojes digitales o incluso, en un futuro no muy lejano sistemas informáticos integrados en objetos cotidianos (Internet of Things, IoT).  Es un reto pues para la investigación adaptar la interfaz de usuario para satisfacer las necesidades educativas en un entorno de aprendizaje inteligente.

 

Es la idea de quien esto escribe que los requerimientos pedagógicos de los sistemas se pueden establecer desde un conocimiento sucinto de las funcionalidades de los sistemas inteligentes en otros entornos,  de lo que los algoritmos de recomendación son capaces de hacer  en otros ámbitos Y que su papel culmina ahí. Cualquier otra pretensión quedaría necesariamente inadecuada al poco de producirse y además se produciría de forma pretenciosa al conocer del conocimiento suficiente y en profundidad para saber cuales son las posibilidades ce los sistemas computacionales.

Por tanto no recomendamos ninguna configuración de sistemas. Sin embargo dentro del objetivo de poner a disposición de los investigadores lo que hay en la literatura sobre el tema no podemos evitar incluir la propuesta de Para que se cumplan estas funciones, según Hwang et al (2008) el marco de un entorno de aprendizaje inteligente debe contemplar al menos los siguientes módulos:

  1. Un módulo de detección de estado de aprendizaje, que detecte el estado del mundo real de los estudiantes (por ejemplo, ubicaciones y comportamientos, hábitos de aprendizaje) y contextos ambientales (por ejemplo horarios, temperatura y humedad) mediante la conexión a algunos dispositivos de detección y de recomendación, y con algoritmos que busquen regularidades.
  2. Un módulo de evaluación formativa del rendimiento de aprendizaje que registra todo lo que está sucediendo y los resultados de aprendizaje valorando cómo inciden los cambios de organización y de carácter instruccional en el total del curso. Por ejemplo análisis e atención y de abandono, accesos a los elementos de entrega de contenidos de aprendizaje y resultados, efecto de las medidas que se toman, por ejemplo en la evaluación en el rendimiento global del curso o de los grupos de alumnos etc.
  3. Un módulo de tareas de aprendizaje adaptativo. Este módulo, ayudado por una base de datos, asigna tareas de aprendizaje a cada alumno en función de su progreso de aprendizaje (recomendamos en este sentido la metodología docente y de evaluación Mastery Learning, que hemos tratado en otros trabajos (Zapata-Ros, 2015), Brandman (2013) y que se debe originalmente a Bloom (1984) ), pero también a otros datos que hay en el sistema sobre rendimiento de aprendizaje, expectativas, intereses, percepciones, aspectos léxicos y, sobre todo, a sus objetivos de aprendizaje en todas las disciplinas. Sobre el carácter adaptativo de las tareas en línea o en el mundo real hay bastante escrito (Hwang et al, 2014). Con la ayuda de este módulo se consigue que los alumnos además trabajen de forma adecuada y adaptada al medio donde están, no es igual el repaso de un PDF cuando viaja en el transporte colectivo, que una labor que necesita un ambiente cómodo para consultar escribir, o una actividad de laboratorio o de campo. Los alumnos de esta forma siempre tendrán la oportunidad de hacer las tareas de aprendizaje más factibles e importantes en relación con el contexto, al considerar su estado de aprendizaje y sus factores personales cuando se le recomiendan en el lugar correcto y en el momento adecuado.
  4. Un módulo de contenidos de aprendizaje adaptativos. Este módulo proporciona materiales de aprendizaje para los estudiantes basándose para ello en el progreso del aprendizaje y el rendimiento del aprendizaje efectivo. Aquí otra vez recomendamos Mastery Learning (Zapata-Ros, 2015; Bloom, 1984) y en los factores personales de aprendizaje del alumno. Para esto, en la línea de utilizar los resultados de la investigación y de las teorías del aprendizaje recomendamos lo que hay estudiado y elaborado sobre técnicas y teoría de la secuenciación de contenidos, en el contexto de Diseño Instruccional. Todo para recomendar contenidos en función de las actividades que el alumno necesita realizar para conseguir un resultado específico de aprendizaje. Es fundamental pues adaptar las técnicas y algoritmos de recomendación a este tema. El sistema de aprendizaje debe recomendar y organizar materiales de aprendizaje, que propone a través de la interfaz del usuario al alumno, para satisfacer la demanda individual de contenidos de cara a un objetivo específico.
  5. El módulo de apoyo de aprendizaje personal es el núcleo del sistema En él deben estar centradas las funciones de asistencia y recomendación al alumno en función de sus necesidades de aprendizaje que detectan el resto de herramientas de detección y procesando las informaciones que sobre él y sobre su contexto disponen las bases de datos del sistema. Como ejemplos, el apoyo al aprendizaje puede consistir en una guía de la tareas de aprendizaje o con documentos, textos, PDF,… con contenidos, una ayuda particular para una tarea, feedback sobre lo que está haciendo la herramienta adecuada para ayudar a su trabajo, retroalimentación sobre su trabajo, o una Mindtools para ayudar a organizar sus ideas.

  6. El módulo anterior puede contener otro o estar diferenciado del que gestiona las bases de datos para organizar la ayuda al estudiante. Sería en todo caso el módulo soporte de la ayuda al estudiante. Y lo realmente importante sería el conjunto de bases de datos para mantener y gestionar los perfiles del alumno, los porfolios (carteras de aprendizaje), las guías de aprendizaje (es decir, las fichas que presentan las tareas de aprendizaje para cada unidad temática o para cada tema de aprendizaje), y en general los materiales de aprendizaje, los ejercicios a proponer y las evidencias de logros (elementos que sirven para probar los aprendizajes conseguidos). A través del análisis de los registros en los porfolios, el sistema tiene constancia y permite analizar los conceptos y las habilidades individuales que los estudiantes han desarrollado y cuáles han de ser mejoradas.

  1. Un módulo de evaluación del rendimiento de aprendizaje. Este módulo debe estar basado en los criterios del diseño instruccional y debe relacionar el rendimiento en el aprendizaje con las otras componentes del diseño instruccional: Resultados esperados y deseados de aprendizaje, actividades, tareas, competencias que se desea que el alumno desarrolle, grado de logro y de desempeño progresivos, en conexión con el módulo de evaluación adaptativa,… Este módulo evalúa y registra el desempeño de los estudiantes a través de pruebas en línea o en el mundo real.
  2. Y por último, un módulo constituido por un motor de inferencia y por una base de conocimientos (Zapata-Ros, 1990) en el sentido clásico de la programación declarativa. Mediante el motor de inferencia se determinaría (Hwang, 2014) el “valor” de las tareas, estrategias y herramientas de aprendizaje del candidato, así como sus posibles combinaciones. Y la  base de conocimientos estaría constituida por la recopilación del conocimiento y de experiencias de tutoría de proveída por los docentes, tutores y evaluadores. El motor de inferencia también podría  contener las reglas para toma de decisiones generadas por el análisis de casos anteriores. El motor de inferencia es un sistema de software de bajo nivel en los sistemas declarativos que toma decisiones mediante reglas (zapata-Ros, 1990), obtenidas en este caso de las experiencia, aplicadas al caso actual (es decir, el estado del estudiante y los contextos ambientales) en base a las reglas en la base de conocimiento (Wu et al. (2013a, b).

Figura 1 

[1] Según lo que establecen los desarrollos clásicos sobre condiciones de aprendizaje, como son por ejemplo “Las condiciones del aprendizaje” y los “Principios del diseño instruccional” de Gagné (1965, 1975)

Referencias

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).

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

Brown, J. S., Collins, A., & Duguid, P. (1989). Situated cognition and the culture of learning. Educational researcher18(1), 32-42.

Bomsdorf, B. (2005). Adaptation of learning spaces: Supporting ubiquitous learning in higher distance education. In Dagstuhl Seminar Proceedings. Schloss Dagstuhl-Leibniz-Zentrum fr Informatik.

Brusilovsky, P. (1996). Methods and techniques of adaptive hypermedia. User modeling and user-adapted interaction6(2-3), 87-129.

Chen, N. S., Cheng, I. L., & Chew, S. W. (2016). Evolution is not enough: Revolutionizing current learning environments to smart learning environments. International Journal of Artificial

Chen, Y. L., Cheng, L. C., & Chuang, C. N. (2008). A group recommendation system with consideration of interactions among group members. Expert systems with applications34(3), 2082-2090.

Chu, H. C., Hwang, G. J., & Tsai, C. C. (2010). A knowledge engineering approach to developing mindtools for context-aware ubiquitous learning. Computers & Education54(1), 289-297.

Chiou, C. K., Tseng, J. C., Hwang, G. J., & Heller, S. (2010). An adaptive navigation support system for conducting context-aware ubiquitous learning in museums. Computers & Education55(2), 834-845.

Clancey, W. J. (1984). Methodology for building an intelligent tutoring system. Methods and tactics in cognitive science, 51-84.

Gagné, R. M. (1965). The conditions of learning and theory of instruction ( 1st ed.). New York, NY: Holt, Rinehart & Winston.

Gagné, R. M., & Briggs, L. J. (1974). The principles of instructional design ( 1st ed.). New York, NY: Holt.

Gagné, R. M. (1985). The conditions of learning and theory of instruction ( 4th ed.). New York, NY: Holt, Rinehart & Winston.

Gonzalez, A. J., & Ingraham, L. R. (1994). Automated exercise progression in simulation-based training. IEEE transactions on systems, man, and cybernetics24(6), 863-874.

Graf, S., & Ives, C. (2010, July). A flexible mechanism for providing adaptivity based on learning styles in learning management systems. In Advanced Learning Technologies (ICALT), 2010 IEEE 10th International Conference on (pp. 30-34). IEEE.

Hsieh, S. W., Jang, Y. R., Hwang, G. J., & Chen, N. S. (2011). Effects of teaching and learning styles on students’ reflection levels for ubiquitous learning. Computers & Education57(1), 1194-1201.

Hung, P. H., Hwang, G. J., Lin, Y. F., Wu, T. H., & Su, I. H. (2013). Seamless Connection between Learning and Assessment-Applying Progressive Learning Tasks in Mobile Ecology Inquiry. Educational Technology & Society16(1), 194-205.

Hung, I. C., Yang, X. J., Fang, W. C., Hwang, G. J., & Chen, N. S. (2014). A context-aware video prompt approach to improving students’ in-field reflection levels. Computers & Education70, 80-91.

Hwang, G. J. (1998). A tutoring strategy supporting system for distance learning on computer networks. IEEE TRANSACTIONS ON EDUCATION E41, 343-343.

Hwang, G. J., & Chang, H. F. (2011). A formative assessment-based mobile learning approach to improving the learning attitudes and achievements of students. Computers & Education56(4), 1023-1031.

Hwang, G. J., Tsai, C. C., Chu, H. C., Kinshuk, K., & Chen, C. Y. (2012). A context-aware ubiquitous learning approach to conducting scientific inquiry activities in a science park. Australasian Journal of Educational Technology28(5).

Hwang, G. J. (2014). Definition, framework and research issues of smart learning environments-a context-aware ubiquitous learning perspective. Smart Learning Environments1(1), 4. https://slejournal.springeropen.com/articles/10.1186/s40561-014-0004-5

Hwang, G. J., Chin-Chung, T., & Yang, S. J. (2008). Criteria, strategies and research issues of context-aware ubiquitous learning. Journal of Educational Technology & Society11(2).

Hwang, G. J., Hung, P. H., Chen, N. S., & Liu, G. Z. (2014). Mindtool-assisted in-field learning (MAIL): An advanced ubiquitous learning project in Taiwan. Journal of Educational Technology & Society17(2).

Joiner, R., Nethercott, J., Hull, R., & Reid, J. (2006). Designing Educational Experiences Using Ubiquitous Technology. Computers in Human Behavior, 22 (1), 67-76.

Jonassen, D. H., Carr, C., & Yueh, H. P. (1998). Computers as mindtools for engaging learners in critical thinking. TechTrends43(2), 24-32.

Karampiperis, P., & Sampson, D. (2005). Adaptive learning resources sequencing in educational hypermedia systems. Journal of Educational Technology & Society8(4).

Kinshuk, T. L., & Patel, A. (2003). User exploration based adaptation in adaptive learning systems. International Journal of Information Systems in Education1(1), 22-31.

Kinshuk, K., Hwang, G. J., Tsai, C. C., Chu, H. C. & Chen, C. Y. (2012). A context-aware ubiquitous learning approach to conducting scientific inquiry activities in a science park. Australasian Journal of Educational Technology28(5).

Lave, J. (1991). Situating learning in communities of practice. Perspectives on socially shared cognition2, 63-82.

Liu, G. Z., & Hwang, G. J. (2010). A key step to understanding paradigm shifts in e‐learning: towards context‐aware ubiquitous learning. British Journal of Educational Technology41(2).

Mampadi, F., Chen, S. Y., Ghinea, G., & Chen, M. P. (2011). Design of adaptive hypermedia learning systems: A cognitive style approach. Computers & Education56(4), 1003-1011.

Martens, A., & Uhrmacher, A. M. (2002, June). Adaptive tutoring processes and mental plans. In International Conference on Intelligent Tutoring Systems (pp. 71-80). Springer, Berlin, Heidelberg.

Martens, A. (2006). Modeling of adaptive tutoring processes. Web-based intelligent e-learning systems: Technologies and applications, 193-215.

Merrill, M. D. (1991). Constructivism and instructional design. Educational technology31(5), 45-53.

Minami, M., Morikawa, H., & Aoyama, T. (2004, January). The design of naming-based service composition system for ubiquitous computing applications. In Applications and the Internet Workshops, 2004. SAINT 2004 Workshops. 2004 International Symposium on (pp. 304-312). IEEE.

Ogata, H., & Yano, Y. (2004). Context-aware support for computer-supported ubiquitous learning. In Wireless and Mobile Technologies in Education, 2004. Proceedings. The 2nd IEEE International Workshop on (pp. 27-34). IEEE.

Papanikolaou, K. A., Grigoriadou, M., Magoulas, G. D., & Kornilakis, H. (2002). Towards new forms of knowledge communication: the adaptive dimension of a web-based learning environment. Computers & Education39(4), 333-360.

Pazzani, M. J., & Billsus, D. (2007). Content-based recommendation systems. In The adaptive web (pp. 325-341). Springer, Berlin, Heidelberg.

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

Rogers, Y., Price, S., Randell, C., Fraser, D. S., Weal, M., & Fitzpatrick, G. (2005). Ubi-learning integrates indoor and outdoor experiences. Communications of the ACM48(1), 55-59.

Sharples, M., Sánchez, I. A., Milrad, M., & Vavoula, G. (2009). Mobile Learning: Small devices, Big issues. In and SBS Balacheff, S. Ludvigsen, T. de Long, A. Lazonder (Ed.), Technology enhanced learning: Principles and products (pp. 233–49).

Specht, M., Weber, G., Heitmeyer, S., & Schöch, V. (1997, June). AST: adaptive WWW-courseware for statistics. In Proceedings of Workshop” Adaptive Systems and User Modeling on the World Wide Web” at 6th International Conference on User Modeling, UM97, Chia Laguna, Sardinia, Italy (pp. 91-95).

Tsai, P. S., Tsai, C. C., & Hwang, G. J. (2012). Developing a survey for assessing preferences in constructivist context‐aware ubiquitous learning environments. Journal of computer assisted learning28(3), 250-264.

Tseng, J. C., Chu, H. C., Hwang, G. J., & Tsai, C. C. (2008a). Development of an adaptive learning system with two sources of personalization information. Computers & Education51(2), 776-786.

Tseng, S. S., Jun-Ming, S., Hwang, G. J., Hwang, G. H., Chin-Chung, T., & Tsai, C. J. (2008b). An object-oriented course framework for developing adaptive learning systems. Journal of Educational Technology & Society11(2).

Van Seters, J. R., Ossevoort, M. A., Tramper, J., & Goedhart, M. J. (2012). The influence of student characteristics on the use of adaptive e-learning material. Computers & Education58(3), 942-952.

Wu, H. K., Lee, S. W. Y., Chang, H. Y., & Liang, J. C. (2013a). Current status, opportunities and challenges of augmented reality in education. Computers & education62, 41-49.

Wu, P. H., Hwang, G. J., & Tsai, W. H. (2013b). An expert system-based context-aware ubiquitous learning approach for conducting science learning activities. Journal of Educational Technology & Society16(4).

Yang, C. C., Hwang, G. J., Hung, C. M., & Tseng, S. S. (2013a). An evaluation of the learning effectiveness of concept map-based science book reading via mobile devices. Journal of Educational Technology & Society16(3).

Yang, T. C., Hwang, G. J., & Yang, S. J. H. (2013b). Development of an adaptive learning system with multiple perspectives based on students’ learning styles and cognitive styles. Journal of Educational Technology & Society16(4), 185.

ZAPATA-ROS, M. (1990) Técnicas de programación declarativa en el aula. Seco Olea Ediciones, SL Madrid.

Zapata-Ros, M. (2012). Calidad en entornos ubicuos de aprendizaje. RED: Revista de Educación a Distancia, (31), 1-12.

Zapata-Ros, M. (2015). Teorías y modelos sobre el aprendizaje en entornos conectados y ubicuos. Bases para un nuevo modelo teórico a partir de una visión crítica del “conectivismo”. Teoría de la Educación. Educación y Cultura en la Sociedad de la Información16(1).

Zapata-Ros, M. (2015b). El diseño instruccional de los MOOC y el de los nuevos cursos abiertos personalizados. Revista de Educación a Distancia, (45).

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 universidad  inteligente

Miguel Zapata-Ros, Universidad de Alcalá

Éste es el primero de una serie de posts que sobre este tema, y con este título, constituirán un artículo en el número 57 de RED, especial dedicado a la “Web social y sistemas inteligentes de gestión del aprendizaje en Educación Superior”

La transición de los LMS a los Sistemas inteligentes de gestión del aprendizaje (Smart Learning Environment SLE) en Educación Superior.

(Ensayo y revisión de la literatura)

“Durante treinta años he asistido a conferencias donde oradores han hablado con diapositivas que comparan las imágenes de un aula de principios del siglo 20 con otra de hoy, y deliberadamente han preguntado: ‘¿por qué hay tan pocos cambios’ La variante moderna de esa pregunta es algo así como esto: las tecnologías inteligentes ya han transformado muchas partes de nuestras vidas – desde la forma en que hoy reservamos un taxi. Podría parecer razonable que la IA también influyera significativamente en lo que enseñamos y en lo que aprendemos, así como la forma en que lo hacemos. Y sin embargo …”

Sir Michael Barber

1. Introducción

Hace falta una respuesta ante un hecho indiscutible: El uso de la IA como un potente medio de adaptabilidad y de inclusión del apoyo de la entrega de ayuda y de recursos de forma relevante y pertinente a la situación personal  y grupal de aprendizaje y a la demanda de conocimientos y de habilidades de los estudiantes.

Hay una necesidad de un marco de modelo pedagógico y de diseño instruccional que  integre a los alumnos y oriente esa ayuda a unos resultados de aprendizaje comunes y deseables. Planteamos igualmente la necesidad de un análisis de las condiciones necesarias para su validación. Por último, proponemos, a través de análisis basados en experiencias, respuestas concretas ante la insuficiencia de políticas instituciones que contemplen modalidades de integración y sus repercusiones.

A partir de investigaciones sobre el tema, vemos necesarias propuestas de indicadores sobre calidad en entornos sociales de aprendizaje, como resultados procesados y conclusiones obtenidas de investigaciones y experiencias.

Estamos acostumbrados a una literatura que enfatiza las posibilidades de la educación inteligente, y de los big data combinados con los algoritmos de respuesta para crear oportunidades únicas y sin precedentes a las organizaciones académicas para un capacitación en términos de estándares más altos y de enfoques innovadores. Sin embargo se carece de propuestas pedagógicas sistematizadas

En definitiva se trata de ver, a este propósito, qué hay en presencia y disponible en cuanto a enfoques teóricos, prácticas y experiencias sobre

(1) estrategias de aprendizaje y enseñanza: pedagogía inteligente,

(2) servicios altamente tecnológicos y singulares basados en entornos de este tipo, tanto para estudiantes locales, en el campus, como para estudiantes remotos, en línea,

(3) configuraciones de aulas inteligentes innovadoras con fácil interacción local/remota de alumno con profesores y centros y para la colaboración local/remota entre alumnos,

(4) diseño y desarrollo de contenidos multimedia-enriquecidos basado en la Web, con presentaciones interactivas, videoconferencias, cuestionarios y pruebas interactivas basadas en la web, que admitan evaluación instantánea e inteligente del conocimiento

(5) otras affordances y entornos gestionados con tecnología y software de respuesta inteligente.

Queremos pues plantear una visión sobre la evolución de los LMS hacia los SLE y dar cabida al debate sobre las perspectivas y las tendencias en presencia, con una mirada a algunos resultados de proyectos de investigación y de experiencias en curso. También daremos cabida a trabajos que tengan como objetivos crear una taxonomía de educación universitaria inteligente e identificar sus principales características y componentes.

Los avances en la tecnología en los últimos años han cambiado los comportamientos de aprendizaje de los alumnos y los métodos de enseñanza con nuevas metodologías ambientes y recursos. Esta situación ha dado lugar a nuevos retos: Una mayor presencia y posibilidad del aprendizaje informal, los recursos ubicuos con la posibilidad no solo de que el alumno acceda desde cualquier sitio a las fuentes y recursos de aprendizaje y en general de conocimiento, sino también de que sea accedido, ayudado en el aprendizaje con conocimiento de su situación de aprendizaje merced a ingentes datos que sobre sus hábitos, estilos y formas de aprender se tienen. o ha dado lugar a varios retos que enfrentan los sistemas educativos actuales, tales como un mayor enfoque en el aprendizaje informal, una brecha cada vez mayor de los conocimientos previos de los estudiantes a su acceso a las aulas y una falta de correspondencia entre las opciones de carreras que se ofrecen a los individuos y las que demanda el desarrollo de la fuerza de trabajo.

En este trabajo queremos echar una mirada a esa situación para ver qué nos ofrecen los llamados entornos inteligentes de aprendizaje y la nueva forma de aprender, el aprendizaje inteligente en ese contexto de desafíos y para aprovechar mejor lo que conocemos sobre cómo aprenden los individuos.

No se quiere dar un salto en el vacío, plantemos un punto de vista realista que permita enlazar los actuales entornos de aprendizaje con lo que los recursos inteligentes nos proporcionan.

Eso posiblemente se logre mediante una reingenierización de las estructura tecnológicas y los cambios necesarios de los sistemas universitarios actuales para mejorar la integración de estas nuevas tecnologías con un con el cambio pedagógico adecuado.

La base del desarrollo de los entornos inteligentes es posible merced a dos factores (Hwang, 2014):

  1. El rápido progreso de las tecnologías móviles, de comunicación inalámbrica y
  2. Las procedimientos/affordances/tecnologías de detección que ha permitido el desarrollo de entornos de aprendizaje ubicuo (u-learning) que, sensibles al contexto, son capaces de detectar el estado de aprendizaje en el mundo real de los estudiantes y las características de los contextos ambientales.

En consecuencia, y ateniéndose a los principios del aprendizaje y de intervención educativa en cuanto a pertinencia y relevancia de la ayuda, y en cuanto a la forma de diseñar la entrega de recursos y contenidos,  la información apropiada en cada caso se puede proporcionar a estudiantes individuales en el lugar correcto y en el momento adecuado para ello. Recordemos que los procesos instruccionales son procesos eminentemente situacionales (Merrill, 1991) (Reigeluth, 2016)

Sin embargo, los investigadores han indicado que, para ayudar a los estudiantes a aprender en contextos del mundo real de manera inteligente, se deben tener en cuenta más factores al diseñar y desarrollar sistemas de aprendizaje.

En este sentido , en este trabajo se tratará de adecuar la ayuda inteligente, partiendo de lo que es, la definición, y de los criterios de los entornos de aprendizaje inteligentes (con énfasis en la ubicuidad y en la detección) a lo que dicen las teorías y principios clásicos del aprendizaje.

Así trataremos

  1. El estado del arte de la cuestión y una sucinta revisión de la literatura
  2. Qué es el aprendizaje inteligente. Diferencias entre aprendizaje inteligente, aprendizaje contextualizado y aprendizaje inclusivo.
  3. Qué son los entornos inteligentes de aprendizaje. Grandes datos, analíticas y detección, sistemas de recomendación tutorial. Innovaciones pedagógicas en EIA. Innovaciones tecnológicas favorables al aprendizaje inteligente. Y cómo organizar la enseñanza en EIA.
  4. Por qué la universidad tiene que ser sensible y adoptar estas innovaciones
  5. Los entornos inteligentes en el contexto de la evolución de la enseñanza abierta universitaria.
  6. Riesgos
  7. Discusión. Cuestiones de investigación del aprendizaje inteligente
  8. Conclusiones

 

2. El estado del arte de la cuestión y una sucinta revisión de la literatura

La tecnología ha ofrecido una línea de avance a la atención y a la entrega de contenidos a los alumnos. De manera que como después justificaremos más detenidamente, entenderemos que la línea de progreso en el aprendizaje inteligente y en la creación y uso eficiente de entornos inteligentes de aprendizaje la marca la línea de de adaptabilidad, es decir algo que va más allá de la tutoría, es una tutoría contextualizada y después una tutoría inteligente que da respuestas al alumno detectando sus necesidades, en todo lugar y en todo momento, con el auxiliar de la tecnología ubicua, con sistemas de detección y de respuesta, con sistemas de recomendación. Por tanto veremos cómo progresa la elaboración de una teoría pedagógica en esta línea

Sistemas adaptativos y tutorías inteligentes

Desde este punto de vista, de lo que es inteligente, han proliferado en el contexto internacional de una forma ciertamente notable, no así en nuestro país, los trabajos de investigadores tanto en el campo de la computación, de la ingeniería educativa, como en el de la educación, no así las prácticas consolidadas y mucho menos las institucionales, si hacemos excepción de la Universidad de Arizona y algunas pocas más.

Hacer que los sistemas de aprendizaje tradicionales, apoyados por los LSM, sean inteligentes ha sido pues el objetivo de numerosos investigadores en los campos de la informática y la educación.

Empezaremos por los sistemas inteligentes de tutoría (SIT o en inglés intelligent tutoring systems ITSs o ITS) que incorporan técnicas de inteligencia artificial en aplicaciones educativas. Con estos criterios de evolución de la adaptatividad y de la contextualización, y con este nombre, son tratados por Martens y Uhrmacher (2002) y por van Seters y otros (van Seters et al, 2012).

Basándose en que el objetivo de desarrollar los STI es ayudar a los alumnos a aprender. Y que lo hacen con elementos que guían la adaptación de las interfaces de aprendizaje y de los recursos, a los STI también se les llama “sistemas de aprendizaje adaptativo”  (Graf et al., 2010; Kinshuk y Lin, 2003), o “adaptive learning systems” (ALS), en función de estas funciones de ayuda contextualizada.

Estos sistemas llevan, con el auge de las redes y de la World Wide Web, que implementan y extienden los mecanismos de ayuda, haciéndolos colaborativos y de mucha más confluencia de recursos, a la implementación y al estudio de sistemas de aprendizaje tutorizado en la web. Y entonces se llaman sistemas de aprendizaje basados ​​en la web (Karampiperis y Sampson, 2005).

Aprendizaje ubicuo y aprendizaje inteligente

Otro pilar de la asistencia, de respuesta inteligente, es la tecnología ubicua utilizada con este fin. El rápido avance de las redes de comunicación wifi, 4G,… y la el uso de los smartphones han permitido a los alumnos también acceder a recursos digitales e interactuar con sistemas informáticos sin estar limitados ni por ubicación ni por tiempo. Esto ha sido estudiado en esta perspectiva por Hwang y Chang ( 2011) y con criterios de calidad basada en el aprendizaje por Zapata-Ros (2012 y 2015). Los autores llaman a este enfoque de aprendizaje, que utiliza tecnologías de comunicación móviles e inalámbricas, “aprendizaje móvil” (Sharples et al.  2009) o “aprendizaje ubicuo” (Zapata-Ros, 2012 y 2015). El otro pilar son las tecnologías de detección: GPS (Sistema de Posicionamiento Global), RFID (Identificación de Radio Frecuencia), QR (Respuesta Rápida),… Ellas ha permitido que “los sistemas de aprendizaje detecten las ubicaciones y contextos del mundo real de los estudiantes” (Hwang, Tsai y Yang, 2008) y los sistemas de recomendación (Pazzani & Billsus, 2007; Chen, Cheng & Chuang, 2008) puedan hacer propuestas basándose en ellas.

Si estas posibilidades son utilizadas para organizar la enseñanza, la ayuda pedagógica y la tutoría se llama “aprendizaje contextualizado” (Hwang, Tsai y Yang, 2008) Es un  enfoque de aprendizaje que emplea tecnologías móviles, inalámbricas, de comunicación y detección para permitir a los estudiantes interactuar con el mundo real y los objetos del mundo digital, se consigue un “conocimiento ubicuo consciente del contexto” (Hwang, Tsai y Yang, 2008).

Hay numerosos estudios que han evidenciado acerca de los beneficios de estos enfoques y han enfatizado la relevancia de que los estudiantes aprendan del mundo real con acceso a recursos digitales que utilizan en sus actividades y son asistidos por sus profesores en el aprendizaje (Bomsdorf, 2005; Chu et al, 2010). Ha cambiado pues desde el enfoque del aprendizaje ayudado por la tecnología en general y el del aprendizaje basado en la web, hacia el del aprendizaje móvil y sobre todo hacia el del “aprendizaje ubicuo consciente del contexto”, como lo indica Liu y Hwang (2010).

Tutoría inteligente y aprendizaje adaptativo

Sobre el desarrollo de tutorías inteligentes en el contexto de aprendizaje adaptativo para apoyar a los estudiantes en función de su estado de aprendizaje y otros factores personales, como son su forma de progresar en el aprendizaje, los niveles de conocimientos previos, los estilos de aprendizaje, estilos cognitivos y preferencias, han escrito Mampadi, Chen, Ghinea, y Chen (2011); Papanikolaou, Grigoriadou, Magoulas y Kornilakis (2002) y Yang et al. (2013a, b).

Sobre la estructura y los elementos de que consta  sistema clásico de tutoría inteligente, ha escrito Clancey ( 1984).

Sobre sistemas de aprendizaje adaptativo basados ​​en la web, también llamados sistemas hipermedia adaptativos de educación o hipermedia adaptativo, han escrito Kinshuk et al. (2012), y  Specht et al. ( 1997). Y sobre sistemas basados ​​en la web que tienen potencial de proporcionar apoyo de aprendizaje personalizado y  orientación a los estudiantes en función de sus características personales o rendimiento de aprendizaje han escrito Chiou et al. (2010) y  Hwang (1998). Sobre persobnalización con rutas de aprendizaje mediante la adaptación del contenido de aprendizaje con la estructura de enlace han escrito Tseng et al. (2008a, b),  Brusilovsky ( 2001), Kinshuk et al. (2012) y Yang et al. (2013a, b).

Y por último, han investigado sobre sistemas adaptativos e inteligentes basados en la web y difundido los resultados de sus trabajos Tseng et al. (2008a, b), González e Ingraham ( 1994), Papanikolaou et al. (2002),  Karampiperis y Sampson (2005) y Martens (2006).

 

Sobre el “aprendizaje ubicuo sensible al contexto”

Han justificado este planteamiento y esta perspectiva, la importancia y la necesidad de situar a los estudiantes en escenarios de aprendizaje del mundo real, como una variante específica del conocido y estudiado como aprendizaje situado (Merrill, 1991) (Reigeluth, 2016), y lo han identificado como tal Lave (1991), Hung et al. (2013 y 2014) y Brown et al. (1989).

Entre los investigadores que han intentado desarrollar entornos de aprendizaje que combinan contextos del mundo real y recursos del mundo digital para proporcionar a los estudiantes experiencias directas del mundo real, con apoyo en las teorías del aprendizaje podemos citar a  (Minami et al. (2004),  Hung et al. (2014), Wu y otros (2013a,  b).

Sobre el aprendizaje ubicuo consciente del contexto y sobre su naturaleza como  enfoque que permite a los estudiantes aprender del mundo real con el apoyo de tecnologías móviles, de comunicación inalámbrica, y de tecnologías de detección han escrito Hwang et al. (2008), Tsai et al. (2012) y además con la concurrencia de herramientas de recomendación podemos citar a Chen, Cheng & Chuang (2008).

Sobre apoyo pedagógico en función de sistemas de detección en un entorno de aprendizaje ubicuo consciente del contexto, han investigado y han escrito Chu et al. (2010), Joiner et al. (2006), Rogers et al. (2005).

En este capítulo se pueden citar ejemplos concretos:

Ogata y Yano (2004) desarrollaron  un sistema de aprendizaje ubicuo consciente del contexto con GPS para la enseñanza y la práctica de japonés

Hwang y otros (2012) desarrollaron un sistema de aprendizaje con RFID para enseñar a utilizar instrumentos científicos, en un parque científico, a través de la asignación de varias tareas “operativas” y de la evaluación de sus resultados operativos.

Sobre la importancia de proporcionar estrategias de aprendizaje efectivas, herramientas y apoyo de aprendizaje personalizado en sistemas de aprendizaje ubicuo conscientes del contexto, es decir, sobre incorporar tutoría inteligente o técnicas de aprendizaje adaptativo, han escrito Hung et al. (2014), Wu et al. (2013a, b).

Citamos, aunque después se ha cuestionado todo lo concerniente a los estilos de apredizaje como criterio orientador del diseño instruccional y de la organización de las actividades y procesos educativos, el trabajo  de Hsieh et al. (2011) que presentaron un sistema de aprendizaje adaptativo para guiar a los estudiantes a realizar observaciones en un jardín de mariposas en función de sus estilos de aprendizaje. Sí tiene interés como ejemplo de tutoría inteligente o de técnicas de aprendizaje adaptativo a escenarios de aprendizaje del mundo real.

De forma general todo lo tratado en esta recesión  está desarrollado y muy bien organizado, con detalles, en los trabajos de Hwang (2014) y de Chen, Cheng y Chew(2016).

Hasta ahora hemos hecho una revisión de la literatura basada en conceptos, a partir de ahora se revisan con relación a temas y a prácticas, es decir  se revisan varios temas de investigación relacionados con el desarrollo de sistemas de aprendizaje inteligente que pueden ayudar a los estudiantes a aprender de forma eficiente y efectiva.

Ya nos hemos acercado al “aprendizaje ubicuo consciente del contexto”. Los sistemas inteligentes de tutoría y adaptación y los sistemas de aprendizaje ubicuo conscientes del contexto son sistemas que pretenden proporcionar un soporte de aprendizaje personalizado basado en las preferencias de los estudiantes, el estado de aprendizaje, los factores personales y las características de los contenidos de aprendizaje y entornos de aprendizaje.

Mindtools

Los Mindtools son affordances que implican a los estudiantes en actividades cognitivas de orden superior y en el pensamiento significativo durante el proceso de aprendizaje según Jonassen, Carr y Yueh (1998). Sirven para ayudar a los estudiantes a comprender y organizar el conocimiento, para resolver problemas y para hacer inferencias basadas en lo que han aprendido. En los entornos conscientes de contexto es importante suministrar estas herramientas de forma oportuna y relevante para que se puedan abordar diferentes tareas de aprendizaje o resolver diferentes tipos de problemas en el momento adecuado y en el correcto contexto. Sobre estas herramientas en este contexto han escrito  Chu, Hwang y Tsai  (2010) y  Hwang, Hung, Chen y Liu (2014).

Referencias

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).

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

Brown, J. S., Collins, A., & Duguid, P. (1989). Situated cognition and the culture of learning. Educational researcher18(1), 32-42.

Bomsdorf, B. (2005). Adaptation of learning spaces: Supporting ubiquitous learning in higher distance education. In Dagstuhl Seminar Proceedings. Schloss Dagstuhl-Leibniz-Zentrum fr Informatik.

Brusilovsky, P. (1996). Methods and techniques of adaptive hypermedia. User modeling and user-adapted interaction6(2-3), 87-129.

Chen, N. S., Cheng, I. L., & Chew, S. W. (2016). Evolution is not enough: Revolutionizing current learning environments to smart learning environments. International Journal of Artificial

Chen, Y. L., Cheng, L. C., & Chuang, C. N. (2008). A group recommendation system with consideration of interactions among group members. Expert systems with applications34(3), 2082-2090.

Chu, H. C., Hwang, G. J., & Tsai, C. C. (2010). A knowledge engineering approach to developing mindtools for context-aware ubiquitous learning. Computers & Education54(1), 289-297.

Chiou, C. K., Tseng, J. C., Hwang, G. J., & Heller, S. (2010). An adaptive navigation support system for conducting context-aware ubiquitous learning in museums. Computers & Education55(2), 834-845.

Clancey, W. J. (1984). Methodology for building an intelligent tutoring system. Methods and tactics in cognitive science, 51-84.

Gagné, R. M. (1965). The conditions of learning and theory of instruction ( 1st ed.). New York, NY: Holt, Rinehart & Winston.

Gagné, R. M., & Briggs, L. J. (1974). The principles of instructional design ( 1st ed.). New York, NY: Holt.

Gagné, R. M. (1985). The conditions of learning and theory of instruction ( 4th ed.). New York, NY: Holt, Rinehart & Winston.

Gonzalez, A. J., & Ingraham, L. R. (1994). Automated exercise progression in simulation-based training. IEEE transactions on systems, man, and cybernetics24(6), 863-874.

Graf, S., & Ives, C. (2010, July). A flexible mechanism for providing adaptivity based on learning styles in learning management systems. In Advanced Learning Technologies (ICALT), 2010 IEEE 10th International Conference on (pp. 30-34). IEEE.

Hsieh, S. W., Jang, Y. R., Hwang, G. J., & Chen, N. S. (2011). Effects of teaching and learning styles on students’ reflection levels for ubiquitous learning. Computers & Education57(1), 1194-1201.

Hung, P. H., Hwang, G. J., Lin, Y. F., Wu, T. H., & Su, I. H. (2013). Seamless Connection between Learning and Assessment-Applying Progressive Learning Tasks in Mobile Ecology Inquiry. Educational Technology & Society16(1), 194-205.

Hung, I. C., Yang, X. J., Fang, W. C., Hwang, G. J., & Chen, N. S. (2014). A context-aware video prompt approach to improving students’ in-field reflection levels. Computers & Education70, 80-91.

Hwang, G. J. (1998). A tutoring strategy supporting system for distance learning on computer networks. IEEE TRANSACTIONS ON EDUCATION E41, 343-343.

Hwang, G. J., & Chang, H. F. (2011). A formative assessment-based mobile learning approach to improving the learning attitudes and achievements of students. Computers & Education56(4), 1023-1031.

Hwang, G. J., Tsai, C. C., Chu, H. C., Kinshuk, K., & Chen, C. Y. (2012). A context-aware ubiquitous learning approach to conducting scientific inquiry activities in a science park. Australasian Journal of Educational Technology28(5).

Hwang, G. J. (2014). Definition, framework and research issues of smart learning environments-a context-aware ubiquitous learning perspective. Smart Learning Environments1(1), 4. https://slejournal.springeropen.com/articles/10.1186/s40561-014-0004-5

Hwang, G. J., Chin-Chung, T., & Yang, S. J. (2008). Criteria, strategies and research issues of context-aware ubiquitous learning. Journal of Educational Technology & Society11(2).

Hwang, G. J., Hung, P. H., Chen, N. S., & Liu, G. Z. (2014). Mindtool-assisted in-field learning (MAIL): An advanced ubiquitous learning project in Taiwan. Journal of Educational Technology & Society17(2).

Joiner, R., Nethercott, J., Hull, R., & Reid, J. (2006). Designing Educational Experiences Using Ubiquitous Technology. Computers in Human Behavior, 22 (1), 67-76.

Jonassen, D. H., Carr, C., & Yueh, H. P. (1998). Computers as mindtools for engaging learners in critical thinking. TechTrends43(2), 24-32.

Karampiperis, P., & Sampson, D. (2005). Adaptive learning resources sequencing in educational hypermedia systems. Journal of Educational Technology & Society8(4).

Kinshuk, T. L., & Patel, A. (2003). User exploration based adaptation in adaptive learning systems. International Journal of Information Systems in Education1(1), 22-31.

Kinshuk, K., Hwang, G. J., Tsai, C. C., Chu, H. C. & Chen, C. Y. (2012). A context-aware ubiquitous learning approach to conducting scientific inquiry activities in a science park. Australasian Journal of Educational Technology28(5).

Lave, J. (1991). Situating learning in communities of practice. Perspectives on socially shared cognition2, 63-82.

Liu, G. Z., & Hwang, G. J. (2010). A key step to understanding paradigm shifts in e‐learning: towards context‐aware ubiquitous learning. British Journal of Educational Technology41(2).

Mampadi, F., Chen, S. Y., Ghinea, G., & Chen, M. P. (2011). Design of adaptive hypermedia learning systems: A cognitive style approach. Computers & Education56(4), 1003-1011.

Martens, A., & Uhrmacher, A. M. (2002, June). Adaptive tutoring processes and mental plans. In International Conference on Intelligent Tutoring Systems (pp. 71-80). Springer, Berlin, Heidelberg.

Martens, A. (2006). Modeling of adaptive tutoring processes. Web-based intelligent e-learning systems: Technologies and applications, 193-215.

Merrill, M. D. (1991). Constructivism and instructional design. Educational technology31(5), 45-53.

Minami, M., Morikawa, H., & Aoyama, T. (2004, January). The design of naming-based service composition system for ubiquitous computing applications. In Applications and the Internet Workshops, 2004. SAINT 2004 Workshops. 2004 International Symposium on (pp. 304-312). IEEE.

Ogata, H., & Yano, Y. (2004). Context-aware support for computer-supported ubiquitous learning. In Wireless and Mobile Technologies in Education, 2004. Proceedings. The 2nd IEEE International Workshop on (pp. 27-34). IEEE.

Papanikolaou, K. A., Grigoriadou, M., Magoulas, G. D., & Kornilakis, H. (2002). Towards new forms of knowledge communication: the adaptive dimension of a web-based learning environment. Computers & Education39(4), 333-360.

Pazzani, M. J., & Billsus, D. (2007). Content-based recommendation systems. In The adaptive web (pp. 325-341). Springer, Berlin, Heidelberg.

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

Rogers, Y., Price, S., Randell, C., Fraser, D. S., Weal, M., & Fitzpatrick, G. (2005). Ubi-learning integrates indoor and outdoor experiences. Communications of the ACM48(1), 55-59.

Sharples, M., Sánchez, I. A., Milrad, M., & Vavoula, G. (2009). Mobile Learning: Small devices, Big issues. In and SBS Balacheff, S. Ludvigsen, T. de Long, A. Lazonder (Ed.), Technology enhanced learning: Principles and products (pp. 233–49).

Specht, M., Weber, G., Heitmeyer, S., & Schöch, V. (1997, June). AST: adaptive WWW-courseware for statistics. In Proceedings of Workshop” Adaptive Systems and User Modeling on the World Wide Web” at 6th International Conference on User Modeling, UM97, Chia Laguna, Sardinia, Italy (pp. 91-95).

Tsai, P. S., Tsai, C. C., & Hwang, G. J. (2012). Developing a survey for assessing preferences in constructivist context‐aware ubiquitous learning environments. Journal of computer assisted learning28(3), 250-264.

Tseng, J. C., Chu, H. C., Hwang, G. J., & Tsai, C. C. (2008a). Development of an adaptive learning system with two sources of personalization information. Computers & Education51(2), 776-786.

Tseng, S. S., Jun-Ming, S., Hwang, G. J., Hwang, G. H., Chin-Chung, T., & Tsai, C. J. (2008b). An object-oriented course framework for developing adaptive learning systems. Journal of Educational Technology & Society11(2).

Van Seters, J. R., Ossevoort, M. A., Tramper, J., & Goedhart, M. J. (2012). The influence of student characteristics on the use of adaptive e-learning material. Computers & Education58(3), 942-952.

Wu, H. K., Lee, S. W. Y., Chang, H. Y., & Liang, J. C. (2013a). Current status, opportunities and challenges of augmented reality in education. Computers & education62, 41-49.

Wu, P. H., Hwang, G. J., & Tsai, W. H. (2013b). An expert system-based context-aware ubiquitous learning approach for conducting science learning activities. Journal of Educational Technology & Society16(4).

Yang, C. C., Hwang, G. J., Hung, C. M., & Tseng, S. S. (2013a). An evaluation of the learning effectiveness of concept map-based science book reading via mobile devices. Journal of Educational Technology & Society16(3).

Yang, T. C., Hwang, G. J., & Yang, S. J. H. (2013b). Development of an adaptive learning system with multiple perspectives based on students’ learning styles and cognitive styles. Journal of Educational Technology & Society16(4), 185.

ZAPATA-ROS, M. (1990) Técnicas de programación declarativa en el aula. Seco Olea Ediciones, SL Madrid.

Zapata-Ros, M. (2012). Calidad en entornos ubicuos de aprendizaje. RED: Revista de Educación a Distancia, (31), 1-12.

Zapata-Ros, M. (2015). Teorías y modelos sobre el aprendizaje en entornos conectados y ubicuos. Bases para un nuevo modelo teórico a partir de una visión crítica del “conectivismo”. Teoría de la Educación. Educación y Cultura en la Sociedad de la Información16(1).

Zapata-Ros, M. (2015b). El diseño instruccional de los MOOC y el de los nuevos cursos abiertos personalizados. Revista de Educación a Distancia, (45).

 

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

Cómo utilizo la web social en mis clases de la universidad

 

 

Pierre Lévy

Profesor de la Universidad de Ottawa.

Este trabajo es un preprint de un artículo [1] del número 58 de RED. Será publicado en calidad de contribución invitada, en el género «historia personal como investigación educativa» (Personal History as Educational Research).

Este artículo no tiene otro objetivo que el de contar mi experiencia de enseñanza con los medios sociales en mis clases de comunicación en la Universidad de Ottawa. No pretendo en ningún momento servir de modelo. Sin embargo, si tuviera que dar dos consejos, en primer lugar recomendaría a los docentes pensar siempre en la utilización de los medios sociales con una perspectiva pedagógica, integrándolos desde el principio en el diseño de sus cursos y en la evaluación de los estudiantes. Mi segundo consejo es el de no aplicar jamás un método que de lugar a algo completamente acabado. Más bien por la experiencia deberán adquirir una maestría del aprendizaje colaborativo en los medios sociales, tras llevar a los estudiantes lo más cerca posible de su nivel máximo y propio de aprendizaje. Por lo tanto, el método cambiará con el grado de aprendizaje que exige la enseñanza y deberá tener en cuenta el saber-hacer de los estudiantes, el contexto disciplinario, social, etc. El itinerario personal de aprendizaje establecido por el docente juega un papel esencial en la forma y la calidad de su enseñanza.

En las clases que imparto en la Universidad de Ottawa, pido a mis estudiantes que participen en un grupo de Facebook cerrado, que se registren en Twitter, que abran un blog, si no tienen ya uno, y que utilicen una plataforma de curación colaborativa de datos como Scoop.it, Diigo o Pocket.

El uso de plataformas de curación de contenidos me sirve para enseñar a los estudiantes cómo elegir categorías o etiquetas (tags ) para clasificar las informaciones útiles para almacenarlos y rescatarlos a largo plazo, con el fin de encontrarlas fácilmente a partir del mismo momento que hacen la curación. Esta competencia les será muy útil en el resto de su carrera.

Los blogs son utilizados como soportes del «trabajo final» para las asignaturas de Grado (es decir, anteriores al máster), los blogs son también utilizados como cuadernos de investigación para los estudiantes de máster o de doctorado, donde hacen anotaciones sobre las lecturas, formulaciones de hipótesis, recopilaciones de datos, los borradores de artículos científicos, de capítulos de memorias, de tesis, etc. El blog de investigación público facilita la relación con el supervisor y permite reorientar a tiempo las direcciones de investigaciones arriesgadas, entrar en contacto con los equipos que están trabajando en los mismos temas, etc.

El grupo de Facebook es utilizado para compartir el Syllabus o “plan de la unidad didáctica”, la agenda de clase, las lecturas obligatorias, las discusiones internas de grupos – por ejemplo, las relativas a la evaluación – así como las direcciones de correo electrónico de los estudiantes (Twitter, blog, plataforma de curación social, etc.). Todas estas informaciones están en línea y accesibles con un solo clic, incluyendo las lecturas obligatorias. Los estudiantes pueden participar en la escritura de mini-wikis dentro del grupo de Facebook sobre temas de su elección, se les invita a sugerir lecturas interesantes relacionadas con el tema del curso añadiendo enlaces comentados. Yo uso Facebook, porque la casi-totalidad de los estudiantes ya está suscrito a él y porque la funcionalidad de grupo de la plataforma está muy rodada. Pero hubiera podido utilizar cualquier otro soporte colaborativo de gestión de grupos, como Slack o los grupos de Linkedin.

En Twitter, la conversación propia de cada clase es identificada por un hashtag. Al principio, yo utilizaba el medio del pájaro azul de manera puntual. Por ejemplo, al final de cada clase pedía a los estudiantes que tomasen nota de la idea más interesante del curso que había retenido y hacía desfilar sus tweets en tiempo real en la pantalla del aula. Después, al cabo de unas semanas, los invitaba a releer sus pasos colectivos en Twitter  para recopilar y resumir lo que habían aprendido y hacer preguntas – siempre en Twitter – si algo no estaba claro, preguntas a las que yo respondía por el mismo canal.

Al cabo de algunos años de uso de Twitter en clase, estoy envalentonado y ahora pido a los estudiantes que tomen sus notas directamente en este medio social durante el curso de forma que se obtenga un cuaderno de notas colectivo Poder mirar cómo otros toman notas (ya sea sobre el curso o sobre textos para leer) permite a los estudiantes a comparar sus conocimientos y precisar así ciertas nociones. Descubren lo que los otros han observado y que no es necesariamente lo que les estimula a ellos mismos … Cuando siento que la atención se relaja un poco, les pido que se paren, que reflexionen sobre lo que acaban de escuchar y que tomen nota de sus ideas o de sus preguntas, incluso si sus observaciones no están directamente relacionadas con el tema del curso. Twitter les permite dialogar libremente entre ellos sobre los temas estudiados sin perturbar el funcionamiento de la clase. Siempre dedico el final del curso a un período de preguntas y respuestas que se apoya en un visionado colectivo del hilo Twiter. Este método es particularmente relevante en los grupos demasiado grandes (a veces más de doscientas personas) para permitir que todos los estudiantes se expresen oralmente. Yo puedo responder tranquilamente a las preguntas después de la clase sabiendo que mis explicaciones permanecen inscritas en el hilo del grupo. La conversación pedagógica continúa entre clases.

Utilizando Facebook y Twitter en clase, los estudiantes no sólo aprenden la materia del curso, sino también una forma “cultivada” de servirse de  los medios sociales. Documentar sus desayunos o la última fiesta bien regada, difundir videos de gatos y fotos divertidas, intercambiar insultos entre enemigos políticos, extasiarse con las vedettes del show-business o hacer publicidad para tal o tal empresa son ciertamente usos legítimos de los medios sociales. Pero se puede igualmente mantener diálogos constructivos en el estudio de un tema común. Al mismo tiempo, se pueden tejer redes personales de aprendizaje, es decir, coleccionar fuentes  (individuos, organizaciones) relevantes para mantenerse al corriente en las áreas de conocimiento en las que se quiere profundizar. (En el caso de Twitter, las redes personales de aprendizaje toman la forma de “listas” de personas que siguen un tema determinado. Una lista bien construida permite filtrar los tweets por temas …) El uso de los medios sociales en clase me permite hacer que mis alumnos tomen conciencia de que se están expresando en algo que permanece de forma pública y que son responsables de las huellas que allí dejan, de las ideas que allí difunden y de las emociones que allí propagan. En suma, por pequeño que sea, un tuit o un post en Facebook son ya “publicaciones”: el telegrama social expresa públicamente un punto de vista, cita otros usuarios y se refiere a datos mediante hipervínculos. La responsabilidad de su autor se extiende evidentemente a las personas que le siguen y le leen directamente; pero que también incluye a los empleadores o socios potenciales que hacen investigaciones sobre su persona; finalmente se extiende a todas las recomendaciones y decisiones – políticas, económicas u otras – que siguen tratamientos automáticos efectuados sobre los mensajes en línea! El uso educativo de Facebook y Twitter parece paradójico a numerosos estudiantes que conciben los medios sociales como un espacio “reservado a los adolescentes”, libre de las restricciones impuestas por los padres y la escuela. Pero si esta concepción de los medios sociales era aún válida al comienzo de los años 2000 no lo es hoy, ya que las medias sociales se han convertido en el medio de comunicación dominante.

Cualesquiera que sean las instituciones en las que trabajan, creo que los maestros deben construir con sus estudiantes comunidades abiertas de práctica, de diálogo y de reflexión utilizando plataformas gratuitas que son ya utilizadas por los alumnos y el público en general. Las plataformas cerradas levantan muros virtuales que bloquean los contactos transversales relevantes con expertos y otras comunidades de aprendizaje. Por el contrario, el uso de plataformas abiertas inscribe decididamente a la Universidad – y más generalmente la escuela – en el nuevo espacio público. Confieso que yo no creo en las “tecnologías educativas”. Doy mi preferencia a los usos pedagógicos de las técnicas de comunicación del gran público que ya están siendo utilizados por los estudiantes. Lo importante no es ni la plataforma, ni el software ni la recolección de recursos, sino las habilidades cognitivas trans-plataforma y trans-contenidos cuyas  prácticas educativas deben estimular la adquisición. No es Twitter quien debería centrar la atención de los estudiantes, sino  el aprendizaje de la claridad, de la brevedad y de la síntesis en un diálogo donde se construye el conocimiento reflexivo. Del mismo modo, ésta o aquella plataforma de curación de contenidos, sea la que sea, no es más que una herramienta gracias a la cual el estudiante se va a iniciar en la categorización inteligente de datos para su participación en un acerbo común.

El uso educativo de los medios sociales públicos puede llegar a incluir los exámenes y los deberes. He experimentado un “examen Twitter”, donde los estudiantes debían evaluar veinte de mis tweets en tiempo real. El código de comunicación era el siguiente: ninguna reacción si pensaban que mi Tweet era falso, un corazón si contenía una parte de verdad, un retuit si estaban básicamente de acuerdo y un retuit más un corazón si estaban completamente de acuerdo. Esto equivalía a pedirles que evaluasen mis tweets en una escala de relevancia de 1 a 4. Después haber releído con ellos mis tweets y las respuestas que les habían dado, les preguntaba cuál era, según ellos, el más catastrófico de los errores de apreciación. Evidentemente, los estudiantes diferían en sus estimaciones de la peor respuesta. Yo retenía todas las que habían mencionado y retiraba un punto a todos los que habían dado  una de las respuestas erróneas identificadas por el grupo. Así mi evaluación aplicaba a los estudiantes las reglas que ellos mismos habían determinado.

Utilizo ahora otro método de evaluación, que supone la toma de notas y el diálogo continuo en Twitter. Dos veces por semestre, los estudiantes deben volver a leer la memoria de colaboración de la clase y seleccionar los elementos (notas de clase, preguntas, respuestas, diagramas, fotos …) que consideren los más interesantes o los más relevantes para construir una historia comentada de su propio aprendizaje. Para hacer esto pueden utilizar los moments de Twitter o también los Storify. A través de citas más o menos comentadas, cada estudiante produce entonces su historial de aprendizaje – su interpretación original del curso – según sus intereses y su propia subjetividad. Todas las historias de aprendizaje son publicadas en Twitter con el hashtag del curso, lo que permite observar no sólo la acumulación de la memoria colectiva, sino también la multitud de reflexiones personales en esta memoria con sus complementariedades y sus divergencias.

En ambos casos – se trate de la estimación de la relevancia de mis tweets o del  resumen personal del curso que pido a los alumnos – el ejercicio evaluado pide a los participantes que hagan un retorno reflexivo sobre su aprendizaje colectivo. Al final del semestre, los estudiantes no solamente han adquirido un conocimiento del tema enseñado, sino que también han mejorado sus competencias en aprendizaje colaborativo en un entorno multi-herramienta y más o menos han experimentado un proceso de inteligencia colectiva reflexiva en la nueva esfera pública. En su inmensa mayoría, los estudiantes aprecian un dispositivo de aprendizaje en el que son más activos, se aburren menos y aprenden mejor. Este tipo de experimentación y de perfeccionamiento pedagógico está hoy explorado en todo el mundo.

Reflexionando sobre mi práctica docente desde una decena de años, me doy cuenta que descansa en un modelo de aprendizaje colaborativo de tres fases: 1) una práctica común, 2) un diálogo sobre esta práctica, 3) una reflexión colectiva que emerge del diálogo y que enriquece la práctica a cambio. En mi caso, la práctica común es muy simple ya que se trata de tomar notas. Dado que esta práctica es grabada y compartida en tiempo real, inmediatamente implica una actividad de colaboración y sienta las bases del diálogo y la reflexión posterior. El diálogo, o más bien el diálogo a varios, tiene lugar en un modo transversal entre todos los miembros de la comunidad de aprendizaje y no sólo entre el profesor y los estudiantes. Tanto los estudiantes como el profesor pueden hacer preguntas y responderlas. ¿Quién necesita consejos o estímulos? ¿Cómo reformular tal o tal idea? Tal ejemplo es relevante? Nuevos recursos o referencias que pueden facilitar la comprensión de los alumnos? Una simple foto encontrada en Internet por un estudiante a veces hace la diferencia. Por último, la reflexión se basa en una re-lectura de la memoria grabada de la clase. Al final del semestre, los estudiantes están lo suficientemente familiarizados con el tema del curso para crear uno o más documentos multimedia donde son implementadas las competencias, conocimientos y reflexiones personales que han surgido del diálogo y de la experiencia adquiridos por la asistencia la clase. A partir de hoy, los estudiantes de TI publican sus trabajos y sus discusiones en Github con el fin de obtener el reconocimiento de sus pares y hacer visibles sus competencias cerca de los potenciales empleadores. ¿Por qué los estudiantes de Humanidades no seguirían sus pasos?

Supongamos ahora que en lugar de representar los conocimientos adquiridos por medio de un diploma o de un crédito (el coste de un curso y la nota obtenida), se los representa por un registro de todas las transacciones pedagógicas públicas en las que ha participado un estudiante: prácticas, diálogos, obras que atestiguan las competencias y el pensamiento desarrollados (Grech y Camilleri, 2017). Lo que estaría registrado y autenticado no sería más que un breve documento estático y relativamente opaco – como hoy – pero una ventana sobre el aprendizaje colaborativo vivo donde el profesor y los estudiantes son testigos mutuos. La garantía de los aprendizajes individuales ya no estaría separada de los procesos de inteligencia colectiva, donde los saberes han emergido y donde han tomado sentido. Independientemente de los cambios institucionales y culturales que ello implica, tales cambios en el reconocimiento de los saberes serían técnicamente posibles hoy en día. Los blockchains son registros informatizados que contienen el histórico de todos los cambios y las transacciones efectuadas entre los usuarios desde su creación. Estas bases de datos están aseguradas por un proceso criptográfico y compartidas por sus diferentes usuarios sin intermediario. Utilizado por primera vez en finanzas y contabilidad, la tecnología blockchain se extiende hoy en día a otros sectores de aplicación. La educación y – más generalmente – la autenticación de experiencias profesionales y de competencias podría ser una característica de sus futuras aplicaciones estrella. Así, al final de un semestre, el registro de toda la memoria del aprendizaje colaborativo de una clase, con la participación de cada estudiante,  sería grabado y autenticado por un blockchain. Este nuevo reconocimiento de los saberes traería una ganancia de transparencia  para los contribuyentes que financian la educación y para los empleadores o los potenciales colaboradores de los estudiantes. Por otra parte,  proporcionaría a las instituciones educativas de flujos de datos muy valiosos para estudiar las evoluciones cognitivas y la calidad de los aprendizajes de sus públicos. Tales datos serían mucho más precisos y completos que los que hoy son recogidos y recopilados a través de post-evaluaciones (en su mayor parte encuestas) y de sondeos necesariamente parciales. Contrariamente a los datos recogidos por medio de cuadrículas cerradas que se emplean a menudo en las encuestas, no prejuzgarían preguntas que podrían serles formuladas. Los investigadores podrían consultar estos datos por medio de algoritmos tan variados como sus hipótesis.

Algunos tuits extraidos de mis clases: https://twitter.com/plevy/moments

Los hashtagsde mis clases son: #UOKM #UONM #UOAC #UOIM # UOTM17

Recursos en línea y ejemplos de curación propuestos por el autor

 

BIBLIOGRAFÍA

Barton, S. (2013). Social capital framework in the adoption of e-learning. International Jl. on E-Learning, 12 (2), 115-137.

Biskupic, I., Lackovic, S., & Kresimir, J. (2015). Successful and proactive e-learning environment fostered by teachers’ motivation in technology use. Social and Behavioral Sciences, 174, 3656-3662.

Bozanta, A., & Mardikyan, S. (2017). The effects of social media use on collaborative learning: A case of Turkey. Turkish Online Journal of Distance Education, 18(1), 96-110.

Chugh, R., 2016. Harnessing social media as a knowledge management tool. IGI Global. Hershey, Pennsylvanie.

Cooke, S. (2017). Social teaching: Student perspectives on the inclusion of social media in higher education. Education and Information Technologies, 22(1), 255-269.

Craig-Hare, J. et al. (2017). The Effect of Socioscientific Topics on Discourse within an Online Game Designed to Engage Middle School Students in Scientific Argumentation, Journal of Education in Science, Environment and Health . DOI: 10.21891/jeseh.325783

Danley, St., Dahan, T., & Benson, K. (2017). Publishing as social capital: Amplifying community with digital tools. Journal of Scholarly Publishing, 48(2), 116-130.

Grech, A. and Camilleri, A. F. (2017). Blockchain in Education. Inamorato dos Santos, A.(ed.) EUR 28778 EN; doi:10.2760/60649

Lepage, N. L. (2017). Des classes qui collaborent et apprennent avec Twitter. In Ecole branchée. Retrieved from: https://ecolebranchee.com/2017/01/19/classes-collaborent-apprennent-twitter/

Levy, P. (2004). Inteligencia colectiva. Trad. Organización Panamericana de la Salud. Washington, DC. Retrieved from: http://inteligenciacolectiva.bvsalud.org/public/documents/pdf/es/inteligenciaColectiva.pdf

Levy, P. (2011). The Semantic Sphere. Computation, cognition and information economy. ISTE / Wiley, Paris and London.

Megele, C. (2015). eABLE. Embedding social media in academic curriculum as a learning and assessment strategy to enhance students learning and e-professionalism. Innovations in Education and Teaching International, 52(4), 414-425.

Redecker, C. Punie, Y (2017). Digital competence framework for educators, Publications office of the European Union, DOI online: 10.2760/159770

Reinie, L. and Wellman, B. 2012. Networked: The New Social Operating System, MIT Press, Cambridge Mass.

Rowland, A. et al. (2017). Social media: How the next generation can practice argumentation, Educational Media International. DOI: 10.1080/09523987.2017.1362818

Université Laval (2017). Guide sur l’utilisation des appareils mobiles en classe. Retrieved from: http://www.capres.ca/2017/05/guide-lutilisation-appareils-mobiles-classe/

Wan, Y. (2014). Building student trust in online learning environments, Distance Education, 35 (3), 345–359.

[1] Traducido por Sagrario Avezuela  Sánchez, de la Universidad Internacional Menéndez Pelayo y Miguel Zapata-Ros, de la Universidad de Alcalá.

Adaptado por Miguel Zapata-Ros.

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