Archivo de la categoría: Entradas

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

How does Digitalisation Affect the Universities?

Dr. Wolfram Laaser

Former “Akademischer Direktor“

FernUniversität in Hagen

Germany

 

This work is the preprint of an article in issue number 57 of RED

Este trabajo es el preprint de un artículo en el número 57 de RED.

 

Abstract

At present a substantial insecurity prevails about the future of eLearning and particularly about the future of recent MOOCs. Those who have been enthusiastic at the beginning are now more esceptical about the future development of teaching with digital media, others maintain their positive attitude and look for ways to promote and implement their use in the university. Numerous institutions publish forecasts and time frames about relevance of the upcomong innovations. We took the critique raised against the methodological background of some studies as a point of departure to discuss the possible impact of digitalization  on a future digital university from a historical and economic perspective. It shows that digitalization followed a  continuous development especially pushed by  distance education universities and that phenomena such as MOOCs turned out to be  not as “disruptive” as some providers pretend. Instead  national policies, economic sustainability and the impact of digitalization on different stakeholders will determine the future shape of the “digital University”.

 

Introduction:  Chrystal gazing about future innovations in educational technology

 

These days forecasting of future implementations of teaching and learning technologies and the related concepts is very much “en vogue”. The Horizon Reports (NMC, 2017), the Innovation Reports of the British OU (Sharples et al. 2016) or the Gartner Cycles (Gartner, 2016) are prominent examples. A very recent one is from a blog and shows the 9 top eLearning Trends in 2017.

Fig. 1: ELearning Trends of 2017 (Jones,  2017)

 

The problem is that the technological development is fast and underlying varying economic and political influences. Therefore, the reliability and validity of such attempts is not easy to be achieved. Most of the studies are based on simple questionnaires filled in by educational stakeholders or “so called experts”. Unspecific terms are used in the description of the innovations such as “grassroots video” (see also critical points raised by Baggaley, 2016) or are overlapping such as “Adaptive Learning “and “Artificial Intelligence”, probably chosen to avoid some future criticism, after time has passed and the forecasts turned out to be wrong (see also the critique of Baggaley (2016) and Watters (2017). Therefore, it seems to be extremely risky to sketch the “Digital University of the Future”, without taking into account the history of the university and its cultural and technological development.  However, the option that the university as such might even disappear some time ahead can not completely be excluded (Bates, 2014).

 

We will not add another forecast. There is a sufficient number already in the market. Instead we will discuss some aspects of past and present development that may be relevant for the future development of digital media in Higher Education. So firstly, we will look back and relate the findings and experience with digitization experienced up  to the present state of the art. We will furthermore focus mainly on a small subsystem, the pubic universities and discuss different views and options that will impact on the future “digital university”, assuming, that something like a digitalized university may then exist.

 

Historical flash back from Distance Education to Blended Learning

Traditionally lectures at the classical university used face to face lectures with chalk and blackboard supplemented by textbooks and reading assignments. This changed after the Second World War. Media played an increasing role to satisfy the high demand for continuous adult education which the conventional universities could not provide at short term. This was the time when distance teaching universities entered the scene, first in Europe Canada and the United The printed modules remained the core medium used. Many Distance Education Universities soon became Mega Universities due to massive enrollment.

The Distance Education Universities have been among the first to apply digitalization  to development and distribution of educational content. For example the German Distance Teaching University of Hagen started already in the early 1980ies experimenting with text processing and computer conferencing. Later didactic computer simulations, online courses and virtual laboratories have been developed. Digitalization allowed for a very close integration of the different media. Pushed by the developing internet, digital media such as pdf files, podcasts or webcasts etc. have been added and integrated into complex learning management systems that provided also web spaces for simultaneous or delayed communication.

 

The media development in distance education and the potential of the world wide web forced the conventional universities to keep up with the rapid development and to make greater use of the new facilities for teaching and learning. With regard to the learning management system developed to integrate teching and administrative  task it turned out that these systems initially were isolated from each other. Put together, learning management systems and integration of smooth data linkage with administrative processes such as matriculation, certification, lecture schedules, costing led to the complete campus management systems that are introduced today. This development is still ongoing and has a great potential for future development (Shacklock, 2016).

 

Since the end of the 90ies production and distribution of teaching content could be provided at very low cost via learning and campus management systems, conferencing facilities and network services.  So, conventional universities could adjust their teaching model to integrate off campus learning and teaching activities into their programs. The outcome is for most universities at present a mixed mode system labelled “Blended Learning” which includes recordings of online lecturing activities, mediated self study, group work and face to face activities. At present the mix of these system components vary across universities and even between departments or chairs. The term “Blended Learning” though, is another example of a buzzword which practically does not exclude any specific teaching mode. Offline learning by reading a book at home before attending a classroom lecture is in a broad sense a representation of blended learning as well.  Concluding we can state, that the innovation called “distance education” finally trickled down to some extent to the entire educational sector and is going to dissolve itself as a specific teaching model.

Some Economics of the “Digital University”

Distance education had since its early years already applied a type of industrialized pattern of development, production and distribution, which included course development teams, modular teaching units and professional management and organization. The digitization and the web changed the cost structure step by step as well for the conventional universities turning from investment in “Brick and Mortar” to investment in content, IT and training of staff. The inexpensive or free digital web tools allowed for a more decentralized mode of production and distribution of digitized media. The communication technology changed from “one to many” to a “networked community” with different clusters which include also social networks outside the university.

Some Economics

Wagner (1972) showed that the cost per student at the British Open University, the famous distance teaching university, is about one third of the other conventional British universities.

 

Fig. 3: Cost of F2F and Distance education (According to Wagner, 1972)

Symbols used :

TC = Total Cost;  F2F = Face to Face;  DE = Distance Education N = Number of Students

 

From the diagram it can be observed, that there exists an enrollment level where distance education becomes cheaper than face to face education. Whether distance learning can really be sketched like shown in the diagram is debatable, because also output quality and other factors might be relevant for the comparison. In any case, what is presented by Wagner is not equally valid for todays blended scenarios.

The introduction of phases of self-study by recording of lectures or other digital material (flipped classroom model) needs training of teachers, the acquisition and updating of software and probably permanent technical support services for teachers and students.  These costs can be balanced against some cost reduction for lecture halls and other local assets. Though, the lecture halls for types of blended learning must be especially equipped with good recording facilities and some location for final editing has to be provided if this can not be done by the teacher himself.

Blended learning is at present the predominant style of teaching and learning. One of the general problems of blended learning, as a mixture of face to face meetings with phases of autonomous learning with digital media, is the pacing of individual learner progress considering very heterogeneous learner experiences. This holds especially for the Massive Open Online Courses when offered without any restriction of access and free of charge. The coordination especially with respect to f2f meetings is difficult and  time consuming for both teachers and learners. Individualization needs free timing of your own activities, which can conflict with obligations with respect to collaborative learning or f2f events. Thus, a system which concentrates heavily on network based instruction without face to face meetings but with some delayed and simultaneous support feed back by conferencing or fora maybe still an economically attractive alternative. The relatively strict mix of online and offline phases will not achieve comparable cost reduction as those known from the former distance education systems.

Fig.4: Total Cost of a Blended Scenario

Due to regular phases of self study an increase in student numbers will require less additional lecturing hours than in a fully F2F teaching model. So, some workload is transferred to the students. However, a jump of fixed costs will happen from time to time for the additional cost of expanding the number of lecture halls and updating the recording and editing facilities once the capacity limit is reached. Furthermore, there are still some variable cost such as operational cost of the platform or software updates.  Therfore there is a certain trade off between scalability, educational quality and the share of simultaneous communication. Every type of fixed schedules for simultaneous communication, be it electronically or face to face, is hampering the full exploitation of economies of scale (Laaser, 2008).

 

The “disruptive evolution” of MOOCs – Are they sustainable?

To illustrate the arguments above we will look at the actual debate about MOOCs (Massive Open Online Courses).  MOOCs seemed to be a low-cost alternative to conventional lectures and a strategy to enter global markets. The massively enrolled students in the first xMOOCs (MOOCs offered by leading US universities) were not supported by tutors or lecturers. They received streamed or downloadable video lectures and some multiple-choice tests. Initially the development and running of MOOCs have been funded by large grants in the US to offer the programs free of charge. But after funding cuts the universities had to look for other sources of financing. If there is no special permanent budget for MOOCs allocated, the activity has to generate some own revenue to cover the development cost of new courses and pay some amount for the platform operation. However, with increasing enrollment and increasing heterogeneity of participants the necessity to offer more specific support services such as online or f2f tutorials will increase and in case that they are not provided will lead to high drop out rates. So, MOOCs either will loose one of their constitutive attributes – being free of charge – or they will be restricted without special funding to offer a limited number of short “low service quality” courses with high enrollment numbers and high drop out rates, hoping to be compensated by some image gain that may lead to new enrollments in other courses. Udacity and  Coursera already gave up  their policy to offer certificates or tutorials completely for free.

Thus, the xMOOC concept is in a dilemma situation, either to deliver low service quality and high drop out or charging at least for some  running cost such as platform operating, tutorials  or certificates. In this case the number of students will be more limited and the xMooc-type of courses turns out finally to be just  a regular offer that is only independent of having a respective entrance qualification and of being a student of the university. As expressed by a report of Siemens “The sheer scale of numbers of students led to bold proclamations of education disruption and a sector on the verge of systemic change. However, from the perspective of 2015 , these statements appear increasingly erroneous as Moocs have proven to be simply an additional opportunity instead of a direct challenge to higher education itself” (Siemens et al. 2015, p. 6).

The MOOC programs represent a marketing strategy by which some of the university’s teaching content is provided for free as an appetizer but soon after the institutions will  look for business models to cover the substantial expenses (see also Laaser, 2014). Though it may be fascinating to think about the accessability of internet screencasts or classroom lecture  recordings for free which  can be viewed at real time or later by an nearly unlimited number of students from a webpage at minimal  costs or for free as the marginal cost for distributing  an additional lecture copy tends to be zero for the institution. The old economies of scale seem to re-appear to a certain extent. Though, even if marginal cost are zero, the fixed costs – or after investment also called “sunk cost” –  in terms of recording facilities, teacher training and time for preparation of the lecture as well as initial expenses for the platform development will remain a substantial cost driver for further programs.

 

In economics, a situation where the costs of production per unit of output (students taught) is mainly dominated by the fixed initial investment cost and is characterized by very low or zero distribution cost has an inherent tendency to lead to a “natural monopoly”.

 

Fig.5: Marginal and average total cost of software (according to Shy (2001)

Each output unit is generated by lower average cost.  Prices(P) can not be determined anymore by marginal cost (MC) in a way as they are determined in an ideal competitive market because the competition  would lead to permanent losses. Therefore, these markets need either government control or suppliers can make excessive profits. At price P0 and enrollment N0 the profit is zero because the price equals average total cost, as it prevails in non profit public institutions,  but profit increases if N > N0 while maintaining the price level.

Fig.6: Enrollment, average total cost and quality                   

Let us come back to the case of a  natural monopoly for a public good. You can see from the graph, that if the state sets the price at P0 for a public  company to cover at least its costs           (P0 ∙N0)  at output  N 0 , average costs equal the price for a given small amount of variable cost that is needed for the basic level of quality to serve the students.  If the price remains fixed a further  extension of the production up to N1 , net profits will be made. But the higher enrollment can lead to a lower quality of the course. To maintain a profit of zero with the price kept unchanged the quality has to be increased, which could be done by more tutorials or increased operational cost of the platform. The cost curve shifts to the right until profits equal the average total cost.  The quality level is now Q1 .

If students´ fees are zero then the production will be increased until the demand of students is completely satisfied. If the fees rise for the students, their contribution lowers the public subsidies necessary assuming that the price does´t change. Probably the willingness of students to pay for higher additional services (quality) will not be linear or progressive but will drop at some point.

Any newcomer has to invest in the developed technology before offering his product whereas the already existing companies are able at least temporarily to offer their product at marginal cost in order to kick newcomers out of the market, as their investment is already made and thus, considered as sunk cost.

As the production cost of online teaching content declined, e.g. video recording and editing can already be done just using a smartphone and then be uploaded to a free server space on the web, any educational software monopoly or oligopoly has to count with entrance of new competitors, as the cost of market entrance is lower. As a strategy to defend its strong position in the market upcoming new start-ups are simply bought up by the companies that are already in the market. Furthermore, the ruling companies take an enormous effort to defend or extend their market share by huge expenses for marketing using data analysis for targeting precisely the potential customer. So, smaller firms are much less visible to the customer.

A comparable tendency towards  high  market concentration can be  observed in digital academic publishing, where a similar cost structure prevails. According to Larivière et al.  (2015) since the advent of the digital era of the mid 1990s the leading publishers increased their share of scientific output published. In 2013 about 70 % of the papers published in social sciences are  from the top five publishers.

Several universities in the U.S. use a common platform for distribution of their xMOOCs like Udacity  or Coursera to reduce development and operating cost of MOOCs (for economies of scope see Li  et al. (2012) . However, it is already visible that at least in Europe there will be not one common “European MOOC platform” and probably not even a single national platform – as announced by the Norwegian Ministries –   because development of such a platform is not very expensive – e.g. they can created also with moodle –  and can be better tailored to the needs of smaller and more homogeneous institutional groups (Creelman, 2014), (Cooch et al.,  2015).

Nevertheless, the pressure of rising expenses for education onto public budgets to cope with salary increases to rise with corresponding increases in the private sector is not yet solved. The consequence will be, that the cost intensive parts like tutoring will be replaced to a

greater extent by robots or bots. To substitute lecturing time and evaluation by student’s peer collaboration and evaluation is not a convincing and efficient solution, because the time, students will need to organize  meaningful learning for themselves might enlarge study time and thus,  lead to a longer graduation period, which would be  costly as well  for the economy. It is furthermore, in the light of the past experience with applications  of artificial intelligence, insecure, up to which degree the human dialogue can be substituted in Higher Education by non-human machines, as Higher Education is  a segment of the educational sector, where repetitive processes or dialogues are less frequent and where the look, tone of voice, corporal expression etc. are important to establish a good rapport.

At first sight it would be reasonable to standardize somehow the MOOCs according to different criteria and thereby create a more transparent educational market that allows for mutual accreditation of the partners. Then, negotiations can help a university to round up their curriculum by adding special parts that would be too expensive to be produced by themselves.

In the U.S. so far there is not yet much standardization visible and no common credit point system existent. The American educational system of Higher Education is characterized to a great extent  by private universities and foundations. So, the former free of charge MOOCs offered by some prestigious universities had to create after initial funding own income by certification, even selling of student data to other institutions or charging for tutorial support.

In contrast to the US, Europe has already made some progress in standardization and accreditation of careers with the ECTS (European Credit Transfer System) classification. Furthermore the share of public universities is much bigger than in the U.S..However, the problem has been in the past, that cooperation between universities still is very deficient across national borders because of existing social, cultural and legal differences. Therefore, the market is still not sufficiently developed. Furthermore, an early standardization or regulation can hamper innovations.

Futurists like Jeremy Rifkin (Rifkin, 2016) claim that the low cost of educational media, distributed nearly at marginal cost will challenge the existing monopoly of knowledge that the traditional university still represents. The (public) university is a service provider that will be replaced increasingly by individual access to teaching content at zero cost which can also be created, shared and evaluated in collaboration with the peers.

The hope,  expressed by Rifkin and others,  that the capitalist market economy will be transformed into a society where collaborative commons and sharing of self produced goods and services are dominating seems to be still unrealistic both from a viewpoint of the dynamics of a market economy and by taking the actual distribution of economic power into account. It seems rather that the public educational sector will become more dependent on the policy of the huge international companies.

Which are the more specific effects of digitization, networks and IT on the university? We will discuss this by differing the impact according to the stakeholders of the university, namely the external ones, such as ministries of education and industry and the internal ones, as there are the central leaders (Rector, CEO etc.), the administrative staff, the teachers and the students.

 

The Impact of Digitization on the Stakeholders

Students

Students are supposed to become digital literates, able to identify and use the resources of the web, learn to create content and to communicate and cooperate via the web. They will be able to check the correctness and credibility of web information and they will make creative use of the new options for ubiquitous learning. If these objectives are already pursued during school education, we might then get a much more autonomous learner to acquire the competences the European Community excels (see e.g. Williams, Kear & Rosewell, 2012).

 

However, what will be the “dark side” for this changed ecology? Social cohesion and interaction of students with their direct social environment will be less and in part be substituted by virtual identities of peers that may deviate from their real identity. Presentation in social networks can be a sign of a narcist culture. Students will sympathize or not with persons they know only by their virtual identity. This opens-up a big potential for seduction and distribution of hidden or faked information and ideologies (World Economic Forum 2016, p. 31).

 

Furthermore, they will be more distracted by reading from screen as the information they usually receive is diverse in design, sources and context. So, they might have some difficulties to concentrate on a problem for a longer period. Brabazon describes the problem that way:

“As each semester progresses, a greater proportion a greater proportion of my students are reading less, referencing less and writing with less boldness. There will be always the top 25 % oft he class who are rigorous and committed scholars in the making. They can operate in the models of student-centered learning. Increasingly the middle fifty per cent, who require greater guidance, attention and commitment from the teaching staff to pass a course, is producing inadequate stuff……These problems are not caused by Goggle. Instead, the popularity of Google is facilitating laziness, poor scholarship and compliant thinking” (Brabazon, 2014, chapter 1, p. 1). Morgan cites another interesting aspect referring to Hassan, which is the intensification of time expressed by the label “network time”.

“The more we inhabit the network – on a PC at work or at home, on a PDA on the train, or in the street with a mobile phone clamped to the ear – the more we inhabit its temporally accelerated domain, with its potentially disorienting and frenetic pace” (Hassan, 2004 p.28).

According to Hassan, network time leads to chronic distraction. Students will face an academic environment where social objectives and academic scholarship are, inter-twinned with an increasing extent of commercial influences, be it at school, home or workplace, especially if we look at social networks.

.

Fig. 6: Social ecology of networks and institutions

Teachers

In the digital university world university teachers are supposed to become facilitators, media experts and actors in front of a camera, knowledgeable users of web 2.0 tools and finally keep up to date with their own academic field of teaching. It is quite obvious that the teachers will have difficulties in following all of these demands. So, this problem will lead to splitting up the teacher’s role into different tasks carried out by a respective specialist, e.g. some of the lectures at Khan Academy are recorded with professional speakers or actors instead of the teachers voice. . In most cases the recorded lectures will not have the dynamics of the live lectures, because the teachers are aware that the material will be multiplied and distributed to a greater number of users.

One implication will be that some teachers will oppose to be reduced in their traditional role and autonomy. For those who accept the changing role they will take over a specialized task and will enter a system of coordinated professional production of teaching content. They will follow thereby the roads of early division of labour in distance education. A certain problem of the role of being just a facilitator lies in a tendency to present or moderate the views of other authors and not to develop their own view. The saying that “you have not to reinvent the wheel” is in a way not valid, because by reinventing also the knowledge embedded in the invention is reconstructed by the teacher and thus better understood by himself.

Another issue of importance is the trust that students will have for their teachers. In a time where many of the traditional functions of a university teacher are covered on the surface by content in the web or are accessible from the crowd of peers, the teacher will have to fight for establishing credibility. Students seem to trust often more on their co-students rather than on their teachers, eventually they even prefer to trust in search engines (World Economic Forum 2016, p. 18). Therefore at least some face to face contacts are so important to create a good emotional relation between the students and the teacher.

The educational policy makers

Educational policy makers usually are interested in limiting educational expenses without loosing efficiency. In a digital university environment they will have new options to use the available big data to influence and manage the entire sector. Formerly the main information items were enrollment data, number of graduates and programmes, salaries of employees and number of research publications. The huge quantity of digital data resulting from checking all workflow processes in detail offers ample possibilities to relate the different data and use them as inputs to manage the sector or the institution.

An important precondition is that data banks are compatible in their definitions and that programs to aggregate these data can be properly handled. To be effective the digitalized university needs to redefine IT supported processes which often implies structural adjustments towards decentralisation of the usually hierarchical organization of the academic and the administrative workflows. Otherwise it will not be able to react fast and flexible to the changing environment (Laaser, 2011). There have been made recently some interviews with leading staff of four European Universities but the results seem to be conflicting and the strategies towards innovations still rather vague (Bell et al., 2017).

 

Globalization of Higher Education

 

Who is interested in digital education, is it the individual learner, the teaching staff, the consumer or is it mainly the industry? As pointed out already there is hardly any academic discipline that is so closely related to industry like educational technology. Most of the academic conferences on educational technology are accompanied and sponsored by an exhibition of software and hardware vendors. Conference presentations frequently follow a simple modernization paradigm. The main interest seems to find out how educational applications can be identified for the new products developed for the consumer market. Therefore, critical issues such as detecting hidden ideologies or ethical problems embedded in vendor strategies are not very frequent. Buzzwords come and go at ease and keep the academic community going.

Today we observe that the educational global market is the target of the big educational technology providers. Translation is every time faster and easier to provide. Superficial localization became easier. With the globalisation a lot of underlying ideologies are connected.

The notion that the individual is best to control its learning progress, implies that the authority represented by the teacher is considered as an obstacle rather than being a partner or facilitator. The same ideology is underlying the claim that the crowd or peer group is the better teacher. The state and his academic institutions have to return to a policy that represent the social needs of the entire population. These needs do not match automatically industries interest.

MOOCs were concerned as a medium to ease access to everybody, that means to socialize a good that was accessible before only for a few. It is true that U.S. universities knowledge was opened-up a bit and was exported internationally at a subsidized price. It will probably loose some of its academic rigor and relate learning closer to edutainment accompanied by commercials (Bradford & Loble, 2016).

The xMOOCs have been criticized by the European Union for their low support of the teaching content delivered mainly by recorded lectures (EADTU 2015). However, in Europe the national differences are substantial and without special funding MOOCs will not survive in Europe either.

 

Conclusions

We tried to show in this article that the future of a “digital or digitized university” follows stepwise a trend towards more autonomous, individualized, interactive and media rich learning that can be traced back to the beginnings of distance education after world war two. So, a revolution or disruptive change in the way we learn and teach can not really be confirmed. Therefore, it is not surprising that after an intensive discussion of xMOOCs the conclusion remains that they represent in no way a disruptive approach and will end as another “come and go” episode of educational technology, at least what concerns the United States, or as Audray Watters puts it:

“After all, for many people edtech is a business, one that is quite excited by the prospect that – perhaps thanks to technologies – education itself is looking more and more like a private, consumer product rather than a public good. I think we must rethink both education practices and systems alongside our challenges to edtech as corporatisation and privatisation. Education technology is, after all, a series of practices itself – it isn’t just the hardware or software. Edtech carries with it ideologies and ideas” (Watters, 2017).

 

Rifkin writes in his book “The zero marginal cost society”, that different to Stanford’s students, who have to pay a fee of about 50.000 $ per year, the Udacity Online University had the objective to offer free university education for all, especially for the poor in developing countries (Rifkin, 2014, p.171). That unsupported, un-localized courses would be really a solution of the educational problems in developing countries, even if offered for free, is at best naive and reminds to the “One laptop per child” initiative of Negroponte.  In the meantime, Udacity courses and other American Moocs are anyway  not for free anymore.

 

The discussion of the possible influences showed that the future is still full of conflicting ideas and contradiction. A simple modernization paradigm according to  which the educational system just has to invest into the latest technology will be misleading. History is steered by interests of stakeholders and their conflict solving and cooperation ability. But also the general economic development is of considerable influence.

 

Educational network technology is based on the idea of a free economy and education will be regarded as a tradable good. So, governments are supposed to privatize the educational sector though education has been  regarded so far as a public good and not be determined by special interest groups. As the characteristics of educational software have some tendency towards natural monopolies we may expect a global educational market controlled by a few big players. If this will become our future, depends very much on the universities, their teachers and students to fight for their interests to determine change themselves. What the outcome of these struggles will be for a future “digital university” can hardly be determined by simple crystal gazing.

 

 

 

References

 

Allen I. E. & Seaman J. (2013), Changing Course. Ten Years of Tracking Online Education in the United States. Babson Survey Research Group and Quahog Research Group, LLC

Baggaley, J. (2013). When prophecy fails. Distance Education Vol. 34, No. 1, p. 119-128

Baggaley, J. (2016) Sandcastle competitions, Distance Education Vol. 37, No. 3 366-375)

Bates, A. (2014) Why lectures are dead (or soon will be) Blogpost:  Online Learning and Distance Education Resources, July 27, 2014

https://www.tonybates.ca/2014/07/27/why-lectures-are-dead-or-soon-will-be/

Bell, C., Douce C. , Caeiro, S., Teixeira, A. Martín-Aranda, R.  & Otto,D. (2017)

Sustainability and distance learning: a diverse European experience?

pages: 1-8 | DOI: 10.1080/02680513.2017.1319638

Brabazon, T. (2007) The University of Google: Education in the post-information age. Aldershot.

Bradford, K. & Loble, M. (2016), M. Classroom Hollywood: Using popular Entertainment to Engage New MOOC Audiences, MOOCs European Stakeholder Summit 2016   365-373

Cooch, M., Foster, H.  & Costello, E. (2015) Our Moocs with Moodle, Position paper for European cooperation on MOOCs, EADTU 2015

Creelman, A. (2014) The corridor of uncertainty: Norwegian Mooc Commission.  Blog retrieved  from http://acreelman.blogspot.de/2014/06/norwegian-mooc-commission.html

 

EADTU (2015). Position Paper for European Cooperation on Moocs. Jansen & Texeira (Eds.), March 2015, Brussels

 

Gartner (2016) Gartner’s 2016 Hype Cycle for Emerging Technologies Identifies Three Key Trends that Organizations Must Track to Gain Competitive Advantage. Newsroom, August 16, 2016 http://www.gartner.com/newsroom/id/3412017

 

Hart, J. (2015) Learning in the Social Enterprise. http://c4lpt.co.uk/resources/litw/

Hassan, R. (2004) Media, Politics and the Network Society. McGraw-Hill Education. UK

Jansen, D. & Schuwer, R. (2014) (eds): Institutional MOOC strategies in Europe. Status report based on a mapping survey conducted in October – December 2014. EADTU, February 2015

Jansen, D.  & Goes-Daniels (2016), Comparing Institutional MOOOC Strategies, EADTU 2015

Jones, B. (2017) eLearning Trends of 2017  Art 23.2.2017

Laaser W., (2014) The rise and fall of the “Massively Open Online Courses” (Review article). SEEJPH 2014, posted: 11 November 2014. DOI 10.12908/SEEJPH-2014-33

Laaser, W (2011) Some structural changes on the way towards eUniversity, Turkish Online Journal of Distance Education, Jan. 2011, Vol. 12, No. 1

Laaser, W. (2008) Economics of Distance Education Reconsidered, The Turkish Online Journal of Distance Education (TODJE), Vol. 9, No. 3. July 2008

Larivière, V. , Haustein, S. & Mongeon P. (2015) The Oligopoly of Academic Publishers in the Digital Era. PloS One, 10 (6); DOI: 10.1371

Li, F. & Chen, X. (2012) Economies of Scope in Distance Education, IRRODL Vol. 13,3

Morgan, J. (2013), Universities challenged: The impact of Digital Technology on Teaching and Learning, Educational Innovation Position Paper, Universitas 21, 2013

NMC (2017), Horizon Report 2017 Higher Education Edition.

https://www.nmc.org/publication/nmc-horizon-report-2017-higher-education-edition/

OEB News (2017) Watters, A. How do we make education a “practice of freedom”? – talking to Audrey Watters, OEB News

Rifkin J. (2016) Die Null Grenzkosten Gesellschaft, Fischer Verlag, Frankfurt

Shacklock, X. (2016) From Bricks to Clicks. The Potential of data analytics in higher education. Higher Education Commission, London

Sharples, M., de Roock, R., Ferguson, R., Gaved, M., Herodotou, C., Koh, E., Kukulska-Hulme, A., Looi, C-K, McAndrew, P., Rienties, B., Weller, M., Wong, L. H. (2016). Innovating Pedagogy 2016: Open University Innovation Report 5. Milton Keynes: The Open University

Shy, Oz (2001) The economics of network Industries, Cambridge University Press

Siemens, G. Gaševic & Dawson, S. (2015) Preparing for the digital university: A review of the history and current state of distance, blended and online learning. Retrieved from http://linkresearchlab.org/preparingdigital university.pdf

Wagner, L. (1972). “The Economics of the Open University,” Higher

Education 1. 2:159-183

Watters, A. (2017) What’s on the Horizon (Still, again, always) for Ed-Tech                                                   http://hackeducation.com/2017/02/16/horizon

Williams, K; Kear, K.& Rosewell, Jon (2012) Quality Assessment for E-learning: a Benchmarking Approach (2nd ed.). Heerlen, The Netherlands: European Association of Distance Teaching Universities (EADTU).

            World Economic Forum (2016), Digital Media and Society: Implications in a Hyperconnected Era. Report, Geneva, Switzerland

 

 

       Disclosure statement

 

No potential conflict of interest was reported by the author.

 

 

       Notes on contributor

 

Dr. Wolfram Laaser was “Akademischer Direktor” at the Centre for Distance Education of FernUniversität in Hagen, Germany. He is consultant and  lectures face to face and/or online internationally.

 

 

 

 

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

Comment j’utilise les médias sociaux dans mes cours à l’université

 

 

 

 

Pierre Lévy

Professeur à l’Université d’Ottawa.

Ce travail est la pré-impression d’un article dans le numéro 58 de RED. Il sera publié en tant que contribution d’invité, dans le genre «histoire personnelle comme recherche éducative» (Personal History as Educational Research).

 

Cet article n’a d’autre but que de raconter mon expérience d’enseignement avec les médias sociaux dans mes cours de communication à l’Université d’Ottawa. Je ne prétends nullement servir de modèle. Si j’avais cependant deux conseils à donner, je recommanderais d’abord aux enseignants de toujours penser à l’utilisation des médias sociaux dans une perspective pédagogique, en les intégrant dès l’origine dans le design de leur cours et dans l’évaluation des étudiants. Mon second conseil est de ne jamais appliquer une méthode toute faite. Ils devront plutôt acquérir par l’expérience une maîtrise de l’apprentissage collaboratif dans les médias sociaux puis amener les étudiants le plus près possible de leur propre niveau. La méthode changera donc avec le degré d’apprentissage de l’enseignant et devra tenir compte du savoir-faire des étudiants, du contexte disciplinaire, social, etc. Le chemin d’apprentissage personnel de l’enseignant joue un rôle essentiel dans la forme et la qualité de son enseignement.

Dans les cours que je donne à l’Université d’Ottawa, je demande à mes étudiants de participer à un groupe Facebook fermé, de s’enregistrer sur Twitter, d’ouvrir un blog s’ils n’en n’ont pas déjà un et d’utiliser une plateforme de curation collaborative de données comme Scoop.it, Diigo ou Pocket.

L’usage de plateformes de curation de contenu me sert à enseigner aux étudiants comment choisir des catégories ou « tags » pour classer les informations utiles dans une mémoire à long terme, afin de les retrouver facilement par la suite. Cette compétence leur sera fort utile dans le reste de leur carrière.

Les blogs sont utilisés comme supports de « devoir final » pour les cours gradués (c’est-à-dire avant le master), et comme carnets de recherche pour les étudiants en maîtrise ou en doctorat : notes sur les lectures, formulation d’hypothèses, accumulation de données, première version d’articles scientifiques ou de chapitres des mémoires ou thèses, etc. Le carnet de recherche public facilite la relation avec le superviseur et permet de réorienter à temps les directions de recherche hasardeuses, d’entrer en contact avec les équipes travaillant sur les mêmes sujets, etc.

Le groupe Facebook est utilisé pour partager le Syllabus ou « plan de cours », l’agenda de la classe, les lectures obligatoires, les discussions internes au groupe – par exemple celles qui concernent l’évaluation – ainsi que les adresses électroniques des étudiants (Twitter, blog, plateforme de curation sociale, etc.). Toutes ces informations sont en ligne et accessibles d’un seul clic, y compris les lectures obligatoires. Les étudiants peuvent participer à l’écriture de mini-wikis à l’intérieur du groupe Facebook sur des sujets de leur choix, ils sont invités à suggérer des lectures intéressantes reliées au sujet du cours en ajoutant des liens commentés. J’utilise Facebook parce que la quasi-totalité des étudiants y sont déjà abonnés et que la fonctionnalité de groupe de cette plateforme est bien rodée. Mais j’aurais pu utiliser n’importe quel autre support de gestion de groupe collaboratif, comme Slack ou les groupes de Linkedin.

Sur Twitter, la conversation propre à chaque classe est identifiée par un hashtag. Au début, j’utilisais le médium à l’oiseau bleu de manière ponctuelle. Par exemple, à la fin de chaque classe je demandais aux étudiants de noter l’idée la plus intéressante qu’ils avaient retenu du cours et je faisais défiler leurs tweets en temps réel sur l’écran de la classe. Puis, au bout de quelques semaines, je les invitais à relire leurs traces collectives sur Twitter pour rassembler et résumer ce qu’ils avaient appris et poser des questions – toujours sur Twitter – si quelque chose n’était pas clair, questions auxquelles je répondais par le même canal.

Au bout de quelques années d’utilisation de Twitter en classe, je me suis enhardi et je demande maintenant aux étudiants de prendre directement leurs notes sur ce medium social pendant le cours de manière à obtenir un cahier de notes collectif. Pouvoir regarder comment les autres prennent des notes (que ce soit sur le cours ou sur des textes à lire) permet aux étudiants de comparer leurs compréhensions et de préciser ainsi certaines notions. Ils découvrent ce que les autres ont relevé et qui qui n’est pas forcément ce qui les a stimulés eux-mêmes… Quand je sens que l’attention se relâche un peu, je leur demande de s’arrêter, de réfléchir à ce qu’ils viennent d’entendre et de noter leurs idées ou leurs questions, même si leurs remarques ne sont pas directement reliées au sujet du cours. Twitter leur permet de dialoguer librement entre eux sur les sujets étudiés sans déranger le fonctionnement de la classe. Je consacre toujours la fin du cours à une période de questions et de réponses qui s’appuie sur un visionnement collectif du fil Twitter. Cette méthode est particulièrement pertinente dans les groupes trop grands (parfois plus de deux cents personnes) pour permettre à tous les étudiants de s’exprimer oralement. Je peux répondre tranquillement aux questions après la classe en sachant que mes explications restent inscrites dans le fil du groupe. La conversation pédagogique se poursuit entre les cours.

En utilisant Facebook et Twitter en classe, les étudiants n’apprennent pas seulement la matière du cours mais aussi une façon « cultivée » de se servir des médias sociaux. Documenter ses petits déjeuners ou la dernière fête bien arrosée, disséminer des vidéos de chats et des images comiques, échanger des insultes entre ennemis politiques, s’extasier sur des vedettes du show-business ou faire de la publicité pour telle ou telle entreprise sont certainement des usages légitimes des médias sociaux. Mais on peut également entretenir des dialogues constructifs dans l’étude d’un sujet commun. On peut du même coup tisser des réseaux personnels d’apprentissage, c’est-à-dire collectionner des sources (individus, organisations) pertinentes pour se maintenir au courant dans les domaines d’expertise que l’on veut approfondir. (Dans le cas de Twitter, les réseaux personnels d’apprentissage prennent la forme de « listes » de personnes que l’on suit sur un sujet donné. Une liste bien construite permet de filtrer les tweets par sujets…) L’usage des médias sociaux en classe me permet de faire prendre conscience à mes étudiants qu’ils s’expriment dans une mémoire publique et qu’ils sont responsables des traces qu’ils y laissent, des idées qu’ils y diffusent, des émotions qu’ils y propagent. En somme, si petit soit-il, un Tweet ou un post sur Facebook sont déjà des « publications » : le télégramme social exprime publiquement un point de vue, cite d’autres usagers et renvoie à des données au moyen d’hyperliens. La responsabilité de son auteur s’étend évidemment aux gens qui le suivent et le lisent directement ; mais elle comprend aussi les employeurs ou partenaires potentiels qui font des recherches sur sa personne ; elle se prolonge enfin à toutes les recommandations et décisions – politiques, économiques ou autres – qui suivent des traitements automatiques effectuées sur les messages en ligne ! L’usage pédagogique de Facebook et Twitter semble paradoxal à de nombreux étudiants qui conçoivent les médias sociaux comme un espace « réservé aux adolescents », libre des contraintes imposées par les parents et l’école. Mais si cette conception des médias sociaux était encore valable au début des années 2000 elle ne l’est plus aujourd’hui puisque les médias sociaux sont devenus le moyen de communication dominant.

Quelles que soient les institutions dans lesquelles ils travaillent, j’estime que les enseignants devraient construire avec leurs étudiants des communautés ouvertes de pratique, de dialogue et de réflexion utilisant les plateformes gratuites qui sont déjà utilisées par les élèves et le grand public. Les plateformes fermées élèvent des murs virtuels qui bloquent les contacts transversaux pertinents avec des experts et d’autres communautés d’apprentissage. En revanche, l’usage de plateformes ouvertes inscrit résolument l’Université – et plus généralement l’école – dans le nouvel espace public. J’avoue que je ne crois pas aux « technologies éducatives ». Je donne ma préférence aux usages pédagogiques des techniques de communication grand public qui sont déjà utilisées par les étudiants. L’important n’est ni la plateforme, ni le logiciel ni la collection de ressources, mais les compétences cognitives trans-plateformes et trans-contenus dont les pratiques éducatives doivent stimuler l’acquisition. Ce n’est pas Twitter qui doit polariser l’attention des étudiants, mais l’apprentissage de la clarté, de la brièveté et de la synthèse dans un dialogue où se construit la connaissance réflexive. De même, telle ou telle plateforme de curation de contenu n’est qu’un outil grâce auquel l’étudiant va s’initier à la catégorisation intelligente des données pour leur mutualisation dans une mémoire commune.

L’usage éducatif des média sociaux publics peut aller jusqu’à inclure les examens et les devoirs. J’ai expérimenté un « examen Twitter » où les étudiants devaient évaluer vingt de mes tweets en temps réel. Le code de communication était le suivant : pas de réaction s’ils pensaient que mon Tweet était faux, un coeur s’il contenait une part de vérité, un retweet s’ils étaient en gros d’accord et un retweet plus un coeur s’ils étaient complètement d’accord. Cela revenait à leur demander d’évaluer mes tweets sur une échelle de pertinence de 1 à 4. Après avoir relu avec eux mes tweets et les réponses qu’ils leur avaient donné, je leur demandais quel était, selon eux, la plus catastrophique des erreurs d’appréciation. Evidemment, les étudiants différaient dans leur estimation de la pire réponse. Je retenais toutes celles qu’ils avaient mentionnées et je retirais un point à tous ceux qui avaient donné l’une des mauvaises réponses identifiées par le groupe. Ainsi mon évaluation appliquait aux étudiants les règles qu’ils avaient eux-mêmes déterminées.

J’utilise maintenant une autre méthode d’évaluation, qui suppose la prise de note et le dialogue continu sur Twitter. Deux fois par semestre, les étudiants doivent relire la mémoire collaborative de la classe et sélectionner les éléments (notes de cours, questions, réponses, diagrammes, photos…) qui leur paraissent les plus intéressants ou les plus pertinents afin de construire un récit commenté de leur propre apprentissage. Ils peuvent pour ce faire utiliser les Moments de Twitter ou encore Storify. Au moyen de citations plus ou moins commentées, chaque étudiant produit alors son histoire d’apprentissage – son interprétation originale du cours – selon ses intérêts et sa subjectivité propre. Toutes les histoires d’apprentissage sont publiées sur Twitter avec le hashtag du cours, ce qui permet d’observer non seulement l’accumulation de la mémoire collective mais également la multitude des réflexions personnelles sur cette mémoire, avec leurs complémentarités et leurs divergences.

Dans les deux cas – qu’il s’agisse de l’estimation de la pertinence de mes tweets ou du résumé personnel du cours que je demande aux élèves – l’exercice évalué demande aux participants de faire un retour réflexif sur leur apprentissage collectif. A la fin du semestre, les étudiants ont non seulement acquis une connaissance du sujet enseigné mais ils ont aussi amélioré leurs compétences en apprentissage collaboratif dans un environnement trans-plateforme et ils ont peu ou prou expérimenté un processus d’intelligence collective réflexive dans la nouvelle sphère publique. Dans leur immense majorité, les étudiants apprécient un dispositif d’apprentissage dans lequel ils sont plus actifs, s’ennuient moins et apprennent mieux. Ce type d’expérimentation et de perfectionnement pédagogique est aujourd’hui exploré un peu partout dans le monde.

En réfléchissant sur ma pratique d’enseignant depuis une dizaine d’années, je réalise qu’elle repose sur un modèle de l’apprentissage collaboratif à trois phases : 1) une pratique commune, 2) un dialogue sur cette pratique, 3) une réflexion collective émergeant du dialogue et qui vient enrichir la pratique en retour. Dans mon cas, la pratique commune est fort simple puisqu’il s’agit de la prise de notes. Comme cette pratique est enregistrée et partagée en temps réel, elle implique immédiatement une activité collaborative et pose les bases du dialogue et de la réflexion ultérieure. Le dialogue, ou plutôt le multilogue, a lieu sur un mode transversal entre tous les membres de la communauté d’apprentissage et non seulement entre le professeur et les étudiants. Aussi bien les élèves que l’enseignant peuvent poser des questions et y répondre. Qui a besoin de conseils ou d’encouragements ? Comment reformuler telle ou telle notion ? Tel exemple est-il pertinent ? De nouvelles ressources ou références peuvent-elles faciliter la compréhension des élèves ? Une simple image trouvée sur Internet par un étudiant fait parfois la différence. Enfin, la réflexion s’appuie sur une relecture de la mémoire enregistrée de la classe. A la fin du semestre, les étudiants sont suffisamment familiers avec le sujet du cours pour créer un ou plusieurs documents multimédias où sont mis en oeuvre les compétences, connaissances et réflexions personnelles qui ont émergé du dialogue et de l’expérience gagnées par la fréquentation de la classe. Dès aujourd’hui, les étudiants en informatique publient leurs travaux et leurs discussions sur Github afin d’obtenir la reconnaissance de leurs pairs et d’afficher leurs compétences auprès des employeurs potentiels. Pourquoi les étudiants en sciences humaines ne suivraient-ils pas leurs traces ?

Supposons maintenant qu’au lieu de représenter les connaissances acquises au moyen d’un diplôme ou d’un crédit (la cote d’un cours et la note obtenue), on les représente par un enregistrement de l’ensemble des transactions pédagogiques publiques auxquelles a participé un étudiant : pratiques, dialogues, oeuvres témoignant des compétences et de la réflexion développées (Grech and Camilleri, 2017). … Ce qui serait enregistré et authentifié ne serait plus un bref document statique et relativement opaque – comme aujourd’hui – mais une fenêtre sur l’apprentissage collaboratif vivant où le professeur et les étudiants se rendent mutuellement témoignage. La garantie des apprentissages individuels ne serait plus séparée du processus d’intelligence collective d’où les savoirs ont émergé et où ils ont pris sens. Indépendamment des mutations institutionnelles et culturelles qu’elle implique, une telle évolution de la reconnaissance des savoirs serait aujourd’hui techniquement possible. Les blockchains sont des registres informatisés qui contiennent l’historique de tous les échanges et transactions effectués entre ses utilisateurs depuis leur création. Ces bases de données sont sécurisées par un procédé cryptographique et partagées par leurs différents utilisateurs sans intermédiaire. D’abord utilisée en finance et en comptabilité, la technologie de la blockchain se répand aujourd’hui dans d’autres secteurs d’application. L’éducation et – plus généralement – l’authentification des expériences professionnelles et des compétences pourrait être une de ses futures applications vedette. Ainsi, à la fin d’un semestre, la mémoire de l’apprentissage collaboratif d’une classe, avec la participation de chaque étudiant, serait enregistrée et authentifiée par une blockchain. Cette nouvelle reconnaissance des savoirs amènerait un gain de transparence pour les contribuables qui financent l’éducation et pour les employeurs ou les collaborateurs potentiels des étudiants. Elle fournirait en outre aux institutions d’enseignement des flots de données fort précieuses pour étudier les évolutions cognitives et la qualité des apprentissages de leurs publics. De telles données seraient beaucoup plus précises et complètes que celles qui sont recueillies aujourd’hui au moyen d’évaluations après-coup et de sondages forcément partiels. Contrairement aux données récoltées au moyen des grilles fermées que l’on emploie souvent dans les enquêtes, elles ne préjugeraient pas des questions qui pourraient leur être posées. Les chercheurs pourraient interroger ces données au moyen d’algorithmes aussi variés que leurs hypothèses.

 

Quelques extraits des tweets de mes classes : https://twitter.com/plevy/moments

Hashtags de mes classes : #UOKM #UONM #UOAC #UOIM #UOTM17

 

Ressources en ligne et exemples de curation par l’auteur

 

BIBLIOGRAPHIE

 

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.

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

Indice H y citación colaborativa

La base de las métricas sobre edición científica y sobre la difusión de la investigación son las citas que cada trabajo recibe.

El índice H, la mediana H, y sus derivados H5 y mediana H5, tienen como base para su cálculo las citas.

Por su partes, las citas tienen como referencia el trabajo publicado (artículo, paper, libro, capítulo de libro, texto de la ponencia en un proceeding, etc.) y se asignan todas las un mismo trabajo a cada uno de sus autores, independientemente del número de estos que haya y de la participación que cada uno tenga en el trabajo.

El número de citas (citación), y los índices H, se aceptan universalmente porque son transparentes. Al menos en Google Scholar Metrics (GSM) se puede ver fácilmente de donde proceden todas y cada una de las citas, y se pueden impugnar cuando no sean correctas. El autor  también puede retractarse con una fácil operación. Y si no lo hace es igualmente visible… y sufre su reputación.

También el índice H es más aceptado que otros, como el índice de impacto, que utiliza JCR (por la comunidad, no por las autoridades españolas, ANECA, etc.), porque es visible su obtención, y sobre todo porque su cálculo no se limita exclusivamente a las citas de la agencia que los obtiene. En el caso de JCR, a las citas que se producen en las bases de datos de Clarivate (antes Thomson-Reuters).

Sin embargo la citación y sus derivados, los índices y medianas, y otros promedios H, tiene sus críticas, que básicamente se reducen a dos:

El sistema GSM mezcla, en español y en otros idiomas distintos del inglés, todas las especialidades. Y esto se reproduce en los rankings y listas que los toman como derivados, como es el caso del Ranking Web de Universidades y el de Investigadores en la web, del Cybermetrics Lab del CSIC. Sin embargo no es lo mismo la citación, por ejemplo, en Ciencias de la Salud, donde a la investigación básica, o simplemente a la investigación,  se atribuyen las citas procedentes de las prácticas profesionales y de las innovaciones en la práctica, que en Ciencias Sociales, particularmente en Educación, donde no es costumbre publicar prácticas e innovaciones profesionales, o no se fundamentan adecuadamente. Y como consecuencia, en este caso, no se publican como implementación de investigaciones en revistas científicas, ni en congresos homologados, y no contribuyen a la citación. Así pues la citación en Ciencias de la Salud es mucho más abundante que en Ciencias Experimentales, Matemáticas, Filosofía o en Ciencias de la Educación y del Aprendizaje. Este efecto, esta mezcla indiferenciada, no se produce así en los rankings de revistas en inglés de GSM, donde los dominios y áreas científicas están delimitadas, y las comparaciones se producen entre publicaciones homogéneas.

La otra crítica tiene su origen en que el índice H considera igual las citas que se producen como autores únicos y las que se producen como coautores. Como hemos dicho antes, la consideración  de las citas se hace por igual a todos los autores de un mismo trabajo, sea cual sea el número de estos y sea cual sea su contribución.

Vamos a dejar de lado, por ahora, lo primero y vamos a centrarnos en esto último.

No hay nada que garantice que la participación de todos los participantes en una publicación sea la misma, ni como requisito general ni en las prácticas editoriales. Tampoco de que, en un caso extremo, no haya coautores que no hayan contribuido nada  o lo hayan hecho en una porción irrelevante.

Así podría darse el caso de que cinco autores hiciesen cada uno una publicación y se pusieran de acuerdo de manera que cada uno de ellos figurase como autor en todas las demás. Esto llevaría a multiplicar por cinco, más o menos, las citas que obtendría si solo figurase cada uno como autor de su trabajo. No hay nada que nos asegure que esto no suceda, y sería una grave e injusta discriminación para autores que publican en correspondencia con su trabajo.

Pero por otro lado, en la investigación, como señalan Austin J. Parish, Kevin W. Boyack, John PA Ioannidis  (2018) y otros autores, es fundamental, en casi todas las modalidades, el trabajo colaborativo. Es indispensable. Por la complejidad de los procesos, por la división de funciones y tareas, lo cual todos aceptan que es un factor de productividad en la investigación y sobre todo por computar cuestiones como son la experiencia o las labores de coordinación. Por tanto se hace justo y es necesario tener en cuenta de forma efectiva estas situaciones, fomentarlas y valorarlas. También aportar procedimientos que garanticen de forma rigurosa qué modalidades de colaboración se producen, la relevancia de éstas y formas eficientes de asegurarlas.

Mientras eso no se produce o no se generaliza, planteamos un índice, al que provisionalmente llamaremos citación colaborativa, y una opción para utilizar de forma contextualizada que palíe y que tenga en cuanta ambas situaciones potencialmente distorsionantes. Sería un valor intermedio, para el caso que el número de autores sea dos o mayor, entre la asignación de todas las citas a todos y la fracción número de citas / número de autores (c/n) a cada uno de ellos.

El índice sería

Donde c es el número de citas atribuido al artículo, n es el número de autores, y b es la base de los logaritmos que se aplican al número de autores.

El utilizar la función logarítmica  es porque se trata de una función cuyo incremento va disminuyendo en la medida a que crece la variable. La variación en el impacto del número de autores varía muy poco cuando crece mucho el número de estos.

La base b debería ser mayor que 2.  Si fuese ésta, en el caso particular de que los autores sean dos no se vería primado el trabajo en grupo de dos, dado que el índice coincidiría con la fracción. No se vería pues premiado en este caso la colaboración.

Veamos pues varios casos:

A) Base b=3

Nº autores Nº citas Coeficiente Fracción
1 10 10,00 10,00
2 10 6,13 5,00
3 10 5,00 3,33
4 10 4,42 2,50
5 10 4,06 2,00
6 10 3,80 1,67
7 10 3,61 1,43
8 10 3,46 1,25
9 10 3,33 1,11
10 10 3,23 1,00

Tabla 1

El coeficiente sería el equivalente al número de citas que se atribuiría a cada uno de los autores.  Obviamente sería un número racional (en expresión decimal), no un número entero, como sucede con las citas.

Las diferencias del coeficiente con el número de citas, tal como se atribuye ahora, o con la fracción de las citas repartidas entre todos daría lugar a un rico debate.

Otro ejemplo para este mismo caso podríamos verlo con otro número de citas, por ejemplo 20.  Adjuntamos la hoja de cálculo para que el lector interesado pueda hacer otras pruebas:

Nº autores Nº citas Coeficiente Fracción
1 20 20,00 20,00
2 20 12,26 10,00
3 20 10,00 6,67
4 20 8,84 5,00
5 20 8,11 4,00
6 20 7,60 3,33
7 20 7,22 2,86
8 20 6,91 2,50
9 20 6,67 2,22
10 20 6,46 2,00

Tabla2

 

B) Base b=5

Nº autores Nº citas Coeficiente Fracción
1 10 10,00 10,00
2 10 6,99 5,00
3 10 5,94 3,33
4 10 5,37 2,50
5 10 5,00 2,00
6 10 4,73 1,67
7 10 4,53 1,43
8 10 4,36 1,25
9 10 4,23 1,11
10 10 4,11 1,00

Tabla 3

Vemos como primera consecuencia y más visible que, a medida que aumenta la base del logaritmo, el factor correctivo disminuye (Comparar tabla 1 y tabla 3). Sería pues un factor determinante a la hora de definir el coeficiente, y sería el parámetro clave para aplicar en distintos temas y dominios donde le trabajo colaborativo tenga una importancia y una significación mayor o menor. No sería igual en artes o ámbitos de creatividad donde la divergencia sea un factor básico, que en análisis empíricos complejos de ciencias sociales o de ciencias experimentales.

Referencias.-

Parish, AJ, Boyack, KW, and Ioannidis, JP (2018). Dinámica de la coautoría y la productividad en diferentes campos de la investigación científica. PloS uno , 13 (1), e0189742. http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0189742#pone-0189742-g002

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Pensamiento computacional. Una tercera competencia clave (y IX). Iniciativas institucionales en educación formal: C. Educación Secundaria.

Miguel Zapata-Ros, Universidad de Alcalá

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

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

 

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

Anteriormente señalábamos diversas fuentes de donde obteníamos estos datos, si ha leído ya las entradas anteriores se puede saltar esta parte e ir directamente a las tablas de datos:

Básicamente del informe Computing our future Computer programming and coding Priorities, school curricula and initiatives across Europe, versiones de 2014 (Balanskat & Engelhardt, October, 2014) y de 2015 (Balanskat & Engelhardt, October, 2015), el trabajo también de la Unión Europea (Bocconi et al, 2016) Developing Computational Thinking in Compulsory Education. Implications for policy and practice y la investigación, en preprint de ArXiv, de Lockwood & Mooney (2017) Computational Thinking in Education: Where does it Fit? A systematic literary review.

En ellos hemos podido constatar la existencia de iniciativas en el marco de la educación formal, promovidas por instituciones o por profesores, individualmente o en grupos, asociaciones, etc., pero siempre con reconocimiento y con repercusión en la acreditación y en la certificación de estudios formales.

Es importante enfatizar qué entendemos por iniciativas relacionadas con el Pensamiento Computacional: Son las que promueven un conjunto de competencias que, si bien son útiles y son utilizadas por los programadores en la elaboración de los códigos, sobre todo son útiles a los individuos en general, en otros contextos que no son los informáticos, para resolver problemas en su vida personal o profesional. O que en general constituyen o forman parte de métodos eficaces para trabajar en otras ciencias, técnicas o servicios, o para resolver problemas en sus respectivos ámbitos de conocimientos y con los objetivos que tienen atribuidos.

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

En la relación que sigue, podemos observar que hay situaciones muy consolidadas y muy potentes como pueda ser la del Reino Unido, junto con otras que o bien son institucionales y no han redundado en una práctica más o menos generalizada pero han sido recogidas por normativas reflejadas en el boletín oficial, o simplemente que hemos visto que hay constancia de ellas:

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

Orientación legal

Currículo nacional en Inglaterra: programas informáticos de estudio

Publicado el 11 de septiembre de 2013

 

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

 

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

 

Adoptan el C.N.

Orientación legal

Currículo nacional en Inglaterra: programas informáticos de estudio

Publicado el 11 de septiembre de 2013

 

Competencias específicas y competencias claves, reconocidas como tales, incluidas en el curriculum
UK

Capacitación docente

Computer science in secondary schools in the UK: Ways to empower teachers.

Sentance, S., Dorling, M., & McNicol, A. (2013, February).

 

 

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

A systematic literary review

James Lockwood, Aidan Mooney.

 

Es una reflexión sobre las necesidades de formación docente que el PC plantea a partir de la situación creada en UK con el PC Los autores dicen que en Inglaterra y otras partes del Reino Unido, se ha asistido a una cantidad y de 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 CC 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.

EE UU Estándares de CSTA.

Computer Science K–12 Learning Standards Adoption Statement

Dorn, R. I. (December, 2016).

 

Son las directrices de la Computer Science Teachers Association (CSTA) aprobadas por la administración nacional de EE UU. Establecen los princios genéricos a tener en cuenta para integrar el pensamiento Computacional de EE UU en K-12 (Secundaria). Pero contiene también directrices para Primaria (Elementary School)
EE UU Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

 

 

Se presentan numerosos casos en los que se identifican y describen elementos de pensamiento computacional que sirven de apoyo a materias del curriculum: Matemáticas, Biología, Física, Lengua e Informática. La estructura y el tratamiento es muy común se trata de una formación transversal y su experimentación en destrezas del curriculum, como son matemáticas, lenguaje, conocimiento del medio, etc. Se aíslan y determinan elementos del PC como pueden ser

1) Abstracción

2) Tratamiento de datos

3) Gestión de recursos y herramientas informáticas

4) Algoritmos

5) Diseño

6) Evaluación

7) Visualización y representación de datos.

Frecuentemente va acompañado de una materia con contenidos que favorecen el aprendizaje y el trabajo tal como se hace en programación, suele ser de un lenguaje.

EE UU

Alabama

Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

 

 

Jenkins, J.T. et al (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

 

Se presentan numerosos casos en los que se identifican y describen elementos de pensamiento computacional que sirven de apoyo a materias del curriculum: Matemáticas, Biología, Física, Lengua e Informática. Otra modalidad es la inmersión de PC en una asignatura, con preferencia matemáticas.

Por ejemplo Jenkins et al. (2012) Describen un diseño para la inmersión de CT en las aulas de matemáticas de las escuelas secundarias en Alabama, EE. UU.

En su trabajo ofrecen una descripción general del estado de la informática en Alabama y una descripción de las matemáticas, ciencias y Iniciativa Tecnológica (AMSTI).

Incluido en ellas dirigieron un taller para líderes de educación matemática en el cual los maestros recibieron problemas para resolver en los que tenían que usar la abstracción, la generalización y la justificación. Luego usan Python para crear mini-programas para resolver los problemas. Los resultados mostraron que era una forma efectiva de hacer que los maestros utilizaran la programación en clases de matemáticas y que los maestros lo vieron como una nueva herramienta para enseñar el razonamiento matemático. También estaban ansiosos por aprender más sobre programación y cómo integrarlo en sus clases. No hay datos de metodologías y de prácticas de la integración con alumnos.

EE UU

Formación del Profesorado en PC

Liu, J. et al (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/

Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

 

 

Formación docente en Pensamiento Computacional y Ciencias de la Computación para profesores y maestros de Secundaria (K-12) Liu et al. [16] presentan un resumen de una serie de programas de capacitación docente de profesores de K-12 para mejorar la educación de Ciencias de la Computación y PC.

Señala programas y los analiza:

De Cálculo, en el Instituto de Tecnología de Georgia

Un programa de  Disciplinary Commons en Georgia Institute of Technology

Estudios de verano de Computación para profesores de K-12 en University of California, Los Angeles

Vinculación de Matemáticas y Computación en Purdue University

Un taller de bioinformática en la Universidad Estatal de Winona

Formación docente en Computación  en la Universidad de Saint Joseph

CS4HS en la Universidad Carnegie Mellon

Rebótica en la Universidad Carnegie Mellon

Capacitación de Alice en la Universidad de Duke

Pensamiento Computacional para las Ciencias en la Universidad Marquette

Computación para el programa de Maestros K-12 en la Universidad Lamar

En el trabajo se establece una taxonomía  comparando los cursos anteriores entre sí usando categorías tales como duración, materia, grado y organizador. Así como las herramientas de capacitación utilizadas. El documento, en la parte de análisis empírico concluye que los programas de capacitación han demostrado ser un medio eficaz para hacer que CC sea accesible para los maestros. Los autores también señalan que, aunque actualmente no hay suficiente evidencia para mostrar que el mismo impacto se produjo en los estudiantes, los resultados de la evaluación de esos programas de capacitación mostraron que la mayoría de los docentes podría incorporar el conocimiento y los materiales obtenidos de la capacitación en sus clases.

EE UU

California

The fairy performance assessment: measuring computational thinking in middle school.

Por Werner, L., Denner, J., Campe, S., & Kawamoto, D. C. (2012, February).

Recogido en Computational Thinking in Education: Where does it fit?.

A systematic literary review

James Lockwood, Aidan Mooney.

 

Describimos estos estudios porque los incluyen James Lockwood y Aidan Mooney en su trabajo, pero en ningún momento se deduce que sean estudios formales, ni mucho menos de Common Core o de aplicación de los estándares de CSTA. Tienen interés como experiencias de PC orientado a otras materias, y sobre todo como referencia para evaluación y calidad de estos programas y enseñanzas. Werner et al. (2012) describen los resultados de evaluación del aprendizaje obtenidos por  una herramienta de evaluación del rendimiento para medir habilidades de TC en el medio californiano (centros y muestra de a costa central de California). Se trata pues de un tema específico de evaluación de rendimiento de PC, que puede tener interés para estas cuestiones: Cómo organizar y cómo evaluar la calidad de estas enseñanzas.
Irlanda Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

 

PACT: An initiative to introduce computational thinking to second-level education in Ireland. Mooney et al (2014).

Numerosas iniciativas transversales. Ninguna en el curriculum estatal.

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. Aunque se han tomado medidas para incluirlo, hasta ahora, todo lo que está disponible para los estudiantes en el currículum es un curso corto de programación

Como ejemplo y formando parte de este movimiento, los investigadores del Departamento de Ciencias de la Computación de la Universidad de Maynooth, Irlanda, diseñaron el programa PACT. PACT es un acrónimo de Programming ^ Algorithms = Computational Thinking. La esperanza era presentar a los estudiantes y profesores de secundaria irlandeses a la informática a través de programación y algoritmos, con la esperanza de mejorar la habilidad vital de CT en los estudiantes participantes. Ahora en su 4º año, el programa PACT ha sido entregado en más de 60 escuelas y más de 1000 estudiantes.
Israel Implementing a new computer science curriculum for middle school in Israel.

Bargury, I. Z., Muller, O., Haberman, B., Zohar, D., Cohen, A., Levy, D., & Hotoveli, R. (2012, October).

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

A systematic literary review

James Lockwood, Aidan Mooney.

 

En Israel no existe como tal PC incluido en el curriculum nacional, ni como competencias transversales. Lo que nos presenta Bargury et al es una propuesta que es aceptada y se incluye como una materia de secundaria, suponemos que optativa, de Computación. Sólo que aquí la novedad es el sesgo que se da a esta materia: Se la considera con los objetivos y contenidos de PC. Obviamente esta propuesta tiene elementos de ser un modelo distinto pero viable de integración del PC Bargury et al. (2012, octubre) presentan su plan de estudios para la escuela media israelí en el que plantean introducir a los estudiantes en los fundamentos de CC y PC. A partir de esto, Computación se incluyó en las escuelas secundarias, así como en una disciplina de ingeniería de software. El objetivo de esta nueva materia de la escuela intermedia no era hacer programadores a los estudiantes, sino enseñarles el pensamiento lógico y algorítmico y introducirlos en la programación. La materia contiene cuatro módulos impartidos durante tres años (180 horas, dos por semana), cada uno de estos módulos se resume de la siguiente manera:

 Módulo 1 – Expone a los estudiantes a los fundamentos de CT y programación tales como bucles, variables de ejecución y manejo de eventos. Scratch se usa para enseñar esto

 Módulo 2: investigación científica usando hojas de cálculo (requeridas para matemáticas y física, de modo que se crucen los currículos)

 Módulo 3 – Optativa: Introducción a la Robótica, Programación Básica de Internet (HTML5 y Javascript)

 Módulo 4 – Proyecto de programación (incluye una propuesta, modelando un problema, diseñando e implementando una solución)

Israel A new curriculum for junior-high in computer science.

Zur Bargury, I. (2012, July).

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

A systematic literary review

James Lockwood, Aidan Mooney.

 

El Ministerio de Educación de Israel ha lanzado un programa único para mejorar la educación en ciencia y tecnología. Es un programa de seis años para los grados siete a doce. El programa presenta un nuevo plan de estudios en ciencias de la computación para estudiantes de secundaria. El plan de estudios de ciencias de la computación se enfoca en desarrollar el pensamiento computacional. El propósito de este trabajo es describir ese plan de estudios y la evaluación preliminar de los logros de los estudiantes. Está descrito en el item anterior, es el mismo proyecto.
Polonia Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

 

Sysło, M. M., & Kwiatkowska, A. B. (2015, September). Learning Mathematics supported by computational thinking. Constructionism and Creativity.

No existe constancia de que el pensamiento computacional se incluya no solo como estudios del curriculum nacional, sino ni tan siquiera como actividad trasversal o integrada en las disciplinas troncales.

Sí existe un tratamiento de actividades en los libros de texto de Computación que podría trasladarse a matemáticas

Sysło y Kwiatkowska (2015) desde el punto de vista académico plantean cómo los conceptos de PC se pueden incorporar a las matemáticas escolares formales y ayudar a mejorar la experiencia de aprendizaje de los alumnos. Presentan como ejemplos extraidos de la realidad, en los libros de texto de secundaria de informática (CS) en Polonia. Y contrastan que estén ausentes de los libros de texto de matemáticas y muestran cómo pueden contribuir.

En ese trabajo plantean algunos ejemplos de los temas y dicen cómo  están vinculados a las matemáticas, faciulitando el aprendizaje de algunos temas:

 Recursividad -> que es difícil para las matemáticas, y  más fácil después de enseñar en Informática

 Pensamiento heurístico -> algoritmos de prueba/error, algoritmos codiciosos, de ruta más corta, etc.

Brasil Discussing the challenges related to deployment of computational thinking in brazilian basic education.

Carvalho, T., Andrade, D., Silveira, J., Auler, V., Cavalheiro, S., Aguiar, M., Foss, L., Pernas, A. and Reiser, R. (2013, October).

Computational Thinking: Possibilities and Challenges.

Ribeiro, L., Nunes, D.J., Da Cruz, M.K. and Matos, E.D.S. (2013, October).

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

A systematic literary review

James Lockwood, Aidan Mooney.

 

En Brasil no existe una integración transversal o en el curriculum nacional o de otros niveles de enseñanzas de PC. Si embargo estos documentos son un claro avance en los trabajos previos para incluirlos Carvalho et al. (2013) presentan un documento sobre las dificultades en el despliegue de CT en educación, específicamente en su contexto de Educación Básica y Media Brasileña. Ofrecen una descripción general de CT, así como algunos ejemplos de otros cursos e iniciativas para promover CT en la educación. Presentan igualmente algunos desafíos que el sistema educativo brasileño plantea para la incorporación del CT. Estos son:

 Falta de infraestructura, es decir, faltan ordenadores, wifi, etc.

 ¿Reordenación del plan de estudios, es decir, qué contenidos nuevos deben incluir las disciplinas nuevs o ser incorporado en otras? Debido a la estructura de las instituciones educativas en Brasil, cualquiera de estos es posible ya que es un sistema bastante flexible

 Cualificación y antecedentes de los instructores, es decir, ¿se necesita un grado de informática adaptado o un nuevo perfil?

 Estrategias para diseminar CT, es decir, talleres, libros de texto, etc.

 

Riberiro et al. (2013) también analizan algunos desafíos y posibilidades para incluir el PC en las escuelas brasileñas.

Están de acuerdo con Carvalho et al. en que se necesitarían cambios curriculares y la capacitación de los educadores de Computación es vital. También citan las Políticas del Gobierno como un problema potencial y señalan que es importante que el gobierno cree grupos de trabajo para liderar la inclusión de PC en la educación. También concluyen que las personas y las tradiciones en el aprendizaje pueden ser reacias a incluir el PC, ya que pueden ser difícil de convencerles de que es una habilidad que es necesaria y todavía no poseen.

Portugal Documento de ANPRI-Ledesma et al incluido como capítulo en este libro.
Dinamarca Computational thinking and practice: A generic approach to computing in Danish high schools.

Caspersen, M. E., & Nowack, P. (2013, January).

 

Reseñado en Computational Thinking in Education: Where

 

A systematic literary review

James Lockwood, Aidan Mooney.

 

Computing our future Computer programming and coding Priorities, school curricula and initiatives across Europe versión de 2015 (Balanskat & Engelhardt, October, 2015)

En Dinamarca (en los grados 7 al 10), la codificación está integrada en los Objetivos para Física y Química, con los siguientes contenidos

• Conocimiento sobre programación simple y transmisión de datos.

• Lenguajes de programación y habilidades de programación de soluciones digitales simples (Física y química).

• En Matemáticas para mejorar el pensamiento sistemático y abstracto con orientación específica.

En Grados 11-13 (educación secundaria superior), la codificación se intercala en la asignatura opcional Tecnología de la información. Actualmente, este curso es un curso piloto aprobado, que se prevé que se convierta en una asignatura optativa en el plan de estudios (Tratamiento de ley pendiente).

• Uso de tecnologías de programación para el desarrollo de productos de TI y adaptación de sistemas de TI existentes (estructuras de datos como condiciones anidadas, diferentes tipos de bucles, funciones que acoplan diferentes tecnologías de programación, enfoques de programación tales como Mejora gradual, Programación orientada a objetos, etc.)

El trabajo de Caspersen y Nowack  (2013) describe el modelo que están adoptando en Dinamarca

Caspersen y Nowack  (2013) presentan un enfoque nuevo y genérico para la informática en las escuelas secundarias danesas. Se basa en un marco que construyeron a partir de ideas basadas en ideas relacionadas con PC. Ofrecen una visión general de la informática en danés

Las escuelas secundarias antes de presentar dos tesis ‘de las que se basa y luego dar una visión general de los módulos (llamados “Áreas de conocimiento”).

La tesis ‘es que:

 “A través de la informática, las personas pueden crear y manejar pensamientos, procesos, productos y servicios que creen oportunidades nuevas, efectivas y de cruce de fronteras, imposibles sin tecnología digital”.

 “Existe un conjunto fundacional común y compartido de conceptos, principios y prácticas computacionales, que se puede aplicar de manera deliberada con la ciencia, las artes y las humanidades, y las ciencias de la salud y la vida”.

Las áreas de conocimiento son las siguientes:

 Importancia e impacto: se utilizan áreas de informática relevantes / significativas.

 Arquitectura de aplicaciones: arquitectura de TI de sistemas (presentación, lógica, datos)

 Digitalización: representación y manipulación de datos

 Programación y Programabilidad: introducción a la programación

 Abstracción y modelado: datos de modelado

 Diseño de interacción: describir y analizar el diseño de la interfaz, implementarlo

 Innovación: perspectiva de producto y proceso

A continuación, ofrecen una descripción general de los enfoques pedagógicos en los que han basado el marco, a saber:

 Orientación a la aplicación: de arriba hacia abajo en lugar de hacia abajo, su objetivo no es enseñar competencias específicas (por ejemplo, programación), sino desarrollar interés, pensamiento crítico y CT.

 Del consumidor al productor: los estudiantes comienzan como usuarios de un artefacto al usarlo / estudiarlo, luego modificarlo y posiblemente crearlo desde cero (use-modify-create)

 Ejemplos trabajados: declaración del problema y un procedimiento para resolver el problema

Nueva Zelanda Computer science unplugged: School students doing real computing without computers.

Bell, T., Alexander, J., Freeman, I., & Grimley, M. (2009).

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

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

 

A pilot computer science and programming course for primary school students

Duncan, C., & Bell, T. (2015, November)..

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

Thompson, D., & Bell, T. (2013, November).

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

A systematic literary review

James Lockwood, Aidan Mooney.

En Nueva Zelanda, hay un  Certificado Nacional de Secundaria que incluye Ciencias de la Computación entendidas en el sentido de PC. Desde 2011 hay un curriculum para la Secundaria en este sentido que está ampliamente documentado por Duncan and Bell (2015) Bell et al. (2014), Thompson, D., & Bell, T. (2013, November). Así pues Nueva Zelanda introdujo PC como un tema evaluado a nivel nacional en 2011. Constituye una asignatura impartida en tres años. Utilizan Scratch como una introducción inicial a la programación y los conceptos antes de pasar a la programación orientada a objetos en los próximos años. Se llevó a cabo un estudio piloto en 2014 en el que a más de 500 estudiantes de 11/12 años se les enseñaron conceptos de representación de datos utilizando CS Unplugged y luego programación usando Scratch. CS Unplegged es un programa formativo centrado en PC, y muy completo. CS Unplegged es un programa completo de actividades desarrollado por CS ducation Research Group (http://cosc.canterbury.ac.nz/research/RG/CSE/) en la Universidad de Canterbury, Nueva Zelanda (http://www.canterbury.ac.nz/ ), Está explicado por Bell et al (2009) y por James Lockwood y Aidan Mooney.

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

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

DISSECT (DIScover SciEnce through CT) Project

EE UU

[57] 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.

[58] 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.

[59] 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.

 

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

A systematic literary review

James Lockwood, Aidan Mooney.

 

Como en los casos anteriores de EE UU, ésta corresponde a una iniciativa de Secundaria que tiene repercusión en las actividades curriculares de K-12 DISSECT es una iniciativa de la Universidad Estatal de Nuevo México, EE. UU. Para incorporar CT en las aulas de 6º grado. Para hacer esto, utilizan una variedad de diferentes técnicas y herramientas, incluyendo la escritura de algoritmos y Scratch.

Utilizaron Scratch para reforzar las habilidades de PC y los conceptos que se enseñaban anteriormente en otros módulos. También lo usaron para enseñar el concepto de iteración al hacer “Anuncios Web” y concluyeron que era un módulo atractivo que permitía a los estudiantes demostrar sus conocimientos de iteración.

El análisis empírico evidenció que este modelo mejoró el vocabulario de PC y las habilidades para definir términos y conceptos.

El análisis cualitativo también mostró que los estudiantes tenían una comprensión más completa de los conceptos de PC enseñados y sugieren que podrían no solo reconocer los conceptos sino también reutilizarlos en asignaturas y disciplinas distintas. También indicó que los niveles de compromiso y aprendizaje en los conceptos del currículo de ciencias del 6º grado incorporados en sus módulos eran más altos y que los módulos aumentaban efectivamente el interés, la motivación y el conocimiento de Computación.

Foundations for Advancing Computational Thinking (FACT)

EE UU

California

Assessing computational learning in K-12.

Grover, S., Cooper, S., & Pea, R. (2014, June).

Factors influencing computer science learning in middle school.

Grover, S., Pea, R., & Cooper, S. (2016, February).

 

Grover, S., Pea, R., & Cooper, S. (2015). Designing for deeper learning in a blended computer science course for middle school students. Computer Science Education, 25(2), 199-237.

 

Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

Como en los casos anteriores de EE UU, ésta corresponde a una iniciativa de Secundaria que tiene repercusión en las actividades curriculares de K-12 Grover et. Al (2014,2015,2016) desarrollaron un plan de estudios llamado FACT que les enseñaron a los estudiantes de secundaria. Utilizaron Scratch como su principal herramienta de enseñanza y enseñaron temas tales como bucles, variables, entrada del usuario, algoritmos y condicionales.

Descubrieron que su curso mostraba mejoras en el aprendizaje y fomentaba las habilidades de TC, tal como lo midieron los instrumentos previos y posteriores a la prueba tomados de trabajos anteriores en Israel (Zur-Bargury, I., Pârv, B. and Lanzberg, D., 2013, July.), así como cuestionarios y tareas de Scratch. Descubrieron que su curso (24 horas durante aproximadamente seis semanas) no arrojó resultados estadísticamente mejores que el curso israelí de 60 horas impartido durante un año, sin embargo, hay otros factores que contribuyen como que los estudiantes israelíes son escogidos como aquellos “que sobresalió en su grupo de edad “. Una pregunta en la encuesta que produjo resultados significativamente diferentes incluyó rellenar 10 bloques de Scratch en blanco en un guión y esto implicó el más alto nivel de pensamiento, “Evaluar y Crear” en la taxonomía de Bloom. También descubrieron que los estudiantes que tenían un bajo rendimiento matemático previo luchaban por aprender conceptos de CS y sugieren que apunta a la necesidad de desarrollar habilidades de abstracción para las cuales las matemáticas preparan a los estudiantes.

 

Además de lo reseñado hay seguramente hay otras iniciativas igualmente interesantes, y constituye un desafío indagarlas y ver las soluciones que aportan a la integración del Pensamiento Computacional. Así por ejemplo en el trabajo de Caspersen y Nowack  (2013)  se señalan las siguientes, iniciativas, obtenidas a su vez de Cutts, Esper y Simon (2011), aunque posiblemente hayan quedado algunas de ellas desfasadas en sus planteamientos[1]:

Informe Computing in School (Royal Society, 2012) de la Royal Society del Reino Unido.

La Fundación Nacional de Ciencias de EE. UU. y el College Board respaldan el desarrollo de un curso de Advanced Placement, basado en los principios del PC (Astrachan et al., 2012) , con el objetivo de ampliar la participación en informática y ciencias de la computación mediante la transformación de la informática de la escuela secundaria (Astrachan et al., 2011).

Citan también iniciativas en otros países

Israel (Gal-Ezer y Harel 1998 y 1999, Bargury 2012)

Alemania (Steer y Hubwieser 2010)

Países Bajos (Van Diepen y otros, 2011)

Noruega (Hadjerrouit 2009)

Referencias.-

 

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

 

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

 

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Werner, L., Denner, J., Campe, S., & Kawamoto, D. C. (2012, February). The fairy performance assessment: measuring computational thinking in middle school. In Proceedings of the 43rd ACM technical symposium on Computer Science Education(pp. 215-220). ACM. https://www.cs.auckland.ac.nz/courses/compsci747s2c/lectures/wernerFairyComputationalThinkingAssessment.pdf   y   https://dl.acm.org/citation.cfm?id=2157200

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

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

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

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de educación a distancia, (46), 1-47. DOI : http://dx.doi.org/10.6018/red/46/4

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.

 

[1] Las referencias se pueden encontrar en el trabajo de Caspersen y Nowack  (2013)

 

 

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

Pensamiento computacional. Una tercera competencia clave (VIII). Iniciativas institucionales en educación formal: B Educación Primaria.

Miguel Zapata-Ros, Universidad de Alcalá

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

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

 

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

En el comienzo de la entrada anterior señalábamos diversas fuentes de donde obteníamos estos datos:

Básicamente del informe Computing our future Computer programming and coding Priorities, school curricula and initiatives across Europe, versiones de 2014 (Balanskat & Engelhardt, October, 2014) y de 2015 (Balanskat & Engelhardt, October, 2015), el trabajo también de la Unión Europea (Bocconi et al, 2016) Developing Computational Thinking in Compulsory Education. Implications for policy and practice y la investigación, en preprint de ArXiv, de Lockwood & Mooney (2017) Computational Thinking in Education: Where does it Fit? A systematic literary review.

En ellos hemos podido constatar la existencia de iniciativas en el marco de la educación formal, promovidas por instituciones o por profesores, individualmente o en grupos, asociaciones, etc., pero siempre con reconocimiento y con repercusión en la acreditación y en la certificación de estudios formales.

Es importante enfatizar qué entendemos por iniciativas relacionadas con el Pensamiento Computacional: Son las que promueven un conjunto de competencias que, si bien son útiles y son utilizadas por los programadores en la elaboración de los códigos, sobre todo son útiles a los individuos en general, en otros contextos que no son los informáticos, para resolver problemas en su vida personal o profesional. O que en general constituyen o forman parte de métodos eficaces para trabajar en otras ciencias, técnicas o servicios, o para resolver problemas en sus respectivos ámbitos de conocimientos y con los objetivos que tienen atribuidos.

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

En la relación que sigue, podemos observar que hay situaciones muy consolidadas y muy potentes como pueda ser la del Reino Unido, junto con otras que o bien son institucionales y no han redundado en una práctica más o menos generalizada pero han sido recogidas por normativas reflejadas en el boletín oficial, o simplemente que hemos visto que hay constancia de ellas:

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

Orientación legal

Currículo nacional en Inglaterra: programas informáticos de estudio

Publicado el 11 de septiembre de 2013

 

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

 

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

 

Adoptan el C.N.

Orientación legal

Currículo nacional en Inglaterra: programas informáticos de estudio

Publicado el 11 de septiembre de 2013

 

Competencias específicas y competencias claves, reconocidas como tales, incluidas en el curriculum
UK

Capacitación docente

Computer science in secondary schools in the UK: Ways to empower teachers.

Sentance, S., Dorling, M., & McNicol, A. (2013, February).

 

 

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

A systematic literary review

James Lockwood, Aidan Mooney.

 

Es una reflexión sobre las necesidades de formación docente que el PC plantea a partir de la situación creada en UK con el PC Los autores dicen que en Inglaterra y otras partes del Reino Unido, se ha asistido a una cantidad y de 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 CC 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.

EE UU CODE.ORG curriculum for elementary school (Introducing code studio for grades K-5)

 

En EE UU la educación primaria (Elementary School o K-5) está regulada por las autoridades locales. CODE.org es 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. En este documento están los contenidos y criterios para organizar la programación (code) en Primaria (Elementary School) por Code.org
EE UU Estándares de CSTA.

Computer Science K–12 Learning Standards Adoption Statement

Dorn, R. I. (December, 2016).

 

Son las directrices de la Computer Science Teachers Association (CSTA) aprobadas por la administración nacional de EE UU. Establecen los princios genéricos a tener en cuenta para integrar el pensamiento Computacional de EE UU en K-12 (Secundaria). Pero contiene también directrices para Primaria (Elementary School)
EE UU Common Core

Iniciativa del Distrito Escolar Unificado Paradise Valley (PVUSD) para enseñar la codificación a los estudiantes de K-8, y el pensamiento computacional / modelo requerido a través de las actividades de CCSS y planes de lecciones. Tres maestros de Educación Dotados (1 ° / 2 °, 3 ° / 4 °, 5 ° / 6 ° año) y el Director de Tecnología de la Información la articulan

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 Competencias instrumentales en el contexto del Common Core: Se evidencia 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 ELA y matemáticas (Mensing, K. et al, 2013, October)
EE UU Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

 

Se presentan numerosos casos en los que se identifican y describen elementos de pensamiento computacional que sirven de apoyo a materias y a destrezas del curriculum La estructura y el tratamiento es muy común se trata de una formación transversal y su experimentación en destrezas del curriculum, como son matemáticas, lenguaje, conocimiento del medio, etc. Se aíslan y determinan elementos del PC como pueden ser

1) Abstracción

2) Tratamiento de datos

3) Gestión de recursos y herramientas informáticas

4) Algoritmos

5) Diseño

6) Evaluación

7) Visualización y representación de datos.

Frecuentemente va acompañado de una materia con contenidos que favorecen el aprendizaje y el trabajo tal como se hace en programación, suele ser de un lenguaje.

Irlanda Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

PACT: An initiative to introduce computational thinking to second-level education in Ireland. Mooney et al (2014).

Numerosas iniciativas transversales. Ninguna en el curriculum estatal.

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. Aunque se han tomado medidas para incluirlo, hasta ahora, todo lo que está disponible para los estudiantes en el currículum es un curso corto de programación

Como ejemplo y formando parte de este movimiento, los investigadores del Departamento de Ciencias de la Computación de la Universidad de Maynooth, Irlanda, diseñaron el programa PACT. PACT es un acrónimo de Programming ^ Algorithms = Computational Thinking. La esperanza era presentar a los estudiantes y profesores de secundaria irlandeses a la informática a través de programación y algoritmos, con la esperanza de mejorar la habilidad vital de CT en los estudiantes participantes.

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 Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

 

Chiprianov & Gallon (2016, July). Introducing Computational Thinking to K-5 in a French Context. In Proceedings of the 2016 ACM

Francia ha tomado recientemente decisiones políticas para integrar CT Education (CTE) en el plan de estudios nacional obligatorio. En Primaria y en Secundaria. Asociaciones e institucionaes están elaborando propuestas de currículum.

Ésta es una propuesta de curriculum para Primaria.

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.

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 Ciencias de la Computación. A continuación, ofrecen una descripción general de las herramientas y actividades que planean usar para enseñar PC, que incluye juegos (code.org) y robots. Además, dan una visión general de cómo llevarlo a la práctica, es decir, el desarrollo de 10 lecciones y 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

 Reflexionando sobre las soluciones y discutiendo estos

Por último, ofrecen una visión general de algunas conclusiones que obtuvieron, que incluyeron su creencia de que los maestros son importantes tanto para 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.

Macedonia Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

 

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

En este documento tenemos constancia de que la situación y los presupuestos de PC 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, M., Stankov, E., Mihova, M., Ristov, S., & Gusev, M. (2016, April) en su documento e 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 denominará” Informática”en 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. 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.

 

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

Los últimos tres que se centran en PC. 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.

EE UU

California

Computational Thinking in Education: Where does it fit?

A systematic literary review

James Lockwood, Aidan Mooney.

 

Miller, R. B., Kelly, G. N., & Kelly, J. T. (1988). Effects of Logo computer programming experience on problem solving and spatial relations ability

 

Experiencia muy antigua que no puede referenciarse a lo que tratamos en el estdo actual del PC, pero que James Lockwood y Aidan Mooney la incluyen en su estudio. Miller et al. [1988] presentan un estudio sobre la resolución de problemas y las relaciones espaciales de los estudiantes de quinto y sexto grado que tuvieron 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, por lo que no se puede probar que un grupo aprendió menos o más.
Brasil Discussing the challenges related to deployment of computational thinking in brazilian basic education.

Carvalho, T., Andrade, D., Silveira, J., Auler, V., Cavalheiro, S., Aguiar, M., Foss, L., Pernas, A. and Reiser, R. (2013, October).

y también aquí

 

Computational Thinking: Possibilities and Challenges.

Ribeiro, L., Nunes, D.J., Da Cruz, M.K. and Matos, E.D.S. (2013, October).

 

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

A systematic literary review

James Lockwood, Aidan Mooney.

 

En Brasil no existe una integración transversal o en el curriculum nacional o de otros niveles de enseñanzas de PC. Si embargo estos documentos son un claro avance en los trabajos previos para incluirlos Carvalho et al. (2013) presentan un documento sobre las dificultades en el despliegue de CT en educación, específicamente en su contexto de Educación Básica y Media Brasileña. Ofrecen una descripción general de CT, así como algunos ejemplos de otros cursos e iniciativas para promover CT en la educación. Presentan igualmente algunos desafíos que el sistema educativo brasileño plantea para la incorporación del CT. Estos son:

 Falta de infraestructura, es decir, falta de ordenadores

 ¿Reordenación del plan de estudios, es decir, qué contenidos nuevos deben incluir las disciplinas nuevs o ser incorporado en otras? Debido a la estructura de las instituciones educativas en Brasil, cualquiera de estos es posible ya que es un sistema bastante flexible

 Cualificación y antecedentes de los instructores, es decir, ¿se necesita un grado de informática adaptado o un nuevo perfil?

 Estrategias para diseminar CT, es decir, talleres, libros de texto, etc.

 

Riberiro et al. (2013) también analizan algunos desafíos y posibilidades para incluir el PC en las escuelas brasileñas.

Están de acuerdo con Carvalho et al. en que se necesitarían cambios curriculares y la capacitación de los educadores de Computación es vital. También citan las Políticas del Gobierno como un problema potencial y señalan que es importante que el gobierno cree grupos de trabajo para liderar la inclusión de PC en la educación. También concluyen que las personas y las tradiciones en el aprendizaje pueden ser reacias a incluir el PC, ya que pueden ser difícil de convencerles de que es una habilidad que es necesaria y todavía no poseen.

Nueva Zelanda Computer science unplugged: School students doing real computing without computers. 

Bell, T., Alexander, J., Freeman, I., & Grimley, M. (2009).

 

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

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

aquí.

 

 

A pilot computer science and programming course for primary school students

Duncan, C., & Bell, T. (2015, November)..

y aquí.

 

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

A systematic literary review

James Lockwood, Aidan Mooney.

 

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

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

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

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

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

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

Videos de diferentes actividades

Hacer pulseras codificadas en binario

Competiciones

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

Actividades al aire libre

Actividad en línea

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

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

 

Programa piloto PlayMaker de Singapur.

Su objetivo es proporcionar ejemplos de éxitos y de áreas donde mejorar  el trabajo futuro en implementación de PC de los cuatro años en adelante. Estos ejemplos  se ofrecen como  resultados válidos, del año en el que se ha llevado a cabo la experiencia piloto del programa Playmaker de Singapur, 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.

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

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

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

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

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

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

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

Miguel Zapata-Ros, Universidad de Alcalá

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

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

 

 

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

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

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

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

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

Veamos el cuadro de Educación Infantil:

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

Orientación legal

Currículo nacional en Inglaterra: programas informáticos de estudio

Publicado el 11 de septiembre de 2013

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

 

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

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

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

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

Adoptan el C.N.

Orientación legal

Currículo nacional en Inglaterra: programas informáticos de estudio

Publicado el 11 de septiembre de 2013

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

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

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

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

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

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

A pilot computer science and programming course for primary school students

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

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

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

 

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

A systematic literary review

James Lockwood, Aidan Mooney.

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

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

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

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

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

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

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

Videos de diferentes actividades

Hacer pulseras codificadas en binario

Competiciones

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

Actividades al aire libre

Actividad en línea

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

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

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

Programa piloto PlayMaker de Singapur.

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

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

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

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

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

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

Referencias.-

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

 

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

 

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Werner, L., Denner, J., Campe, S., & Kawamoto, D. C. (2012, February). The fairy performance assessment: measuring computational thinking in middle school. In Proceedings of the 43rd ACM technical symposium on Computer Science Education(pp. 215-220). ACM. https://www.cs.auckland.ac.nz/courses/compsci747s2c/lectures/wernerFairyComputationalThinkingAssessment.pdf   y   https://dl.acm.org/citation.cfm?id=2157200

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

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

Miguel Zapata-Ros, Universidad de Alcalá

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

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

 

Discusión.-

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

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

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

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

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

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

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

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

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

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

 

Referencias.-

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

 

 

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

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

Miguel Zapata-Ros, Universidad de Alcalá

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

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

Fases de creación de un código y componentes de pensamiento computacional

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

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

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

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

 

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

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

La propuesta que se presenta es (tabla 1):

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

Tabla 1

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

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

Miguel Zapata-Ros, Universidad de Alcalá

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

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

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

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

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

Así lo planteamos, en el contexto de un análisis y de una elaboración interdisciplinar, viendo las implicaciones que tienen estas ideas para una redefinición de un dominio teórico específico dentro de las teorías del aprendizaje. Y desde luego con la intención de definir descriptivamente, en un primer acercamiento, un currículum adecuado a esos dominios conceptuales para las distintas etapas educativas y para la capacitación de maestros y profesores.

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

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

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

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

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

Análisis descendente.-

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

Análisis ascendente.-

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

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

Heurística[1].-

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

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

 

Pensamiento lateral  y pensamiento divergente.-

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

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

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

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

 

Creatividad[2].-

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

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

 

Resolución de problemas.-

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

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

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

 

Pensamiento abstracto.-

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

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

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

 

Recursividad

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

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

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

 

Iteración.-

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

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

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

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

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

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

 

Métodos por aproximaciones sucesivas. Ensayo – error.

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

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

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

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

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

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

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

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

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

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

 

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

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

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

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

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

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

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

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

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

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

 

Patrones.-

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

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

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

 

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

 

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

 

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

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

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

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

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

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

 

Sinéctica.-

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

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

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

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

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

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

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

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

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

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

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

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

 

Metacognición.-

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

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

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

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

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

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

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

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

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

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

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

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

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

 

Cinestesia

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

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

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

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

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

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

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

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

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

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

Referencias.-

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Werner, L., Denner, J., Campe, S., & Kawamoto, D. C. (2012, February). The fairy performance assessment: measuring computational thinking in middle school. In Proceedings of the 43rd ACM technical symposium on Computer Science Education(pp. 215-220). ACM. https://www.cs.auckland.ac.nz/courses/compsci747s2c/lectures/wernerFairyComputationalThinkingAssessment.pdf   y   https://dl.acm.org/citation.cfm?id=2157200

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

 

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

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

Miguel Zapata-Ros, Universidad de Alcalá

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

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

Definición de Pensamiento Computacional

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

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

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

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

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

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

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

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

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

En ese mismo artículo continúa diciendo que

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

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

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

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

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

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

Así lo planteamos, en el contexto de un análisis y de una elaboración interdisciplinar, viendo las implicaciones que tienen estas ideas para una redefinición de un dominio teórico específico dentro de las teorías del aprendizaje. Y desde luego con la intención de definir descriptivamente, en un primer acercamiento, un currículum adecuado a esos dominios conceptuales para las distintas etapas educativas y para la capacitación de maestros y profesores.

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

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

Fig. 2

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

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

 

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

Referencias

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

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

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

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

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

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

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

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

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus

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

Miguel Zapata-Ros, Universidad de Alcalá

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

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

 

¿Qué es el Pensamiento Computacional?

1. Alfabetizaciones y culturas digitales

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

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

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

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

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

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

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

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

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

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

Sobre estas competencias Bawden (2008) remite a las expuestas en otro trabajo anterior (Bawden, 2001). En las habilidades que señalan se constatan ideas como la de construir un “bagaje de información fiable” de diversas fuentes, las habilidades de recuperación, utilizando una forma de “pensamiento crítico” para hacer juicios informados sobre la información recuperada, y para asegurar la validez e integridad de las fuentes de Internet, leer y comprender de forma dinámica y cambiante material no secuencial. Y así una serie de habilidades donde como novedad se introducen las affordances de conocimiento en entornos sociales y de comunicación en redes, y la idea de relevancia. Sobre las ideas de Bawden se debería volver.

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

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

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

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

Lo que se propone en este trabajo, con la construcción de la idea del pensamiento computacional a partir de elementos o de formas específicas de pensamiento para resolver problemas, tiene que ver con la Alfabetización Digital en lo concerniente a que éste está constituido por competencias clave que sirven para aprender y comprender ideas, procesos y fenómenos no sólo en el ámbito de la programación de ordenadores o incluso del mundo de la computación, de Internet o de la nueva sociedad del conocimiento, sino que es sobre todo útil para emprender operaciones cognitivas y  para la elaboración compleja que, de otra forma, sería más complejo, o imposible, realizar. O bien, dicho de otra forma, sin estos elementos de conocimiento sería más difícil resolver ciertos problemas de cualquier ámbito, no solo de la vida científica o tecnológica, sino de la vida común.

Como dijimos, y concluyendo, se considera como un conjunto de habilidades esenciales para la vida en la mayoría de los casos y como un talante especial para afrontar problemas científicos y tecnológicos.

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

 

Referencias

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

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

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

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

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

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

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

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

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

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus