Archivo de la etiqueta: aprendizaje divergente

Enseñanza Universitaria en línea: MOOC, aprendizaje divergente y creatividad (y IV)

Análisis de variación y de covariación de datos entre conclusión del curso y aprendizaje divergente.

En las tres entradas anteriores hemos expuesto elementos teóricos, conceptualizaciones e ideas que permiten relacionar y atribuir sentido a la relación que existe entre evaluación, metodología docente e indice de conclusión con aprendizaje divergente y creatividad. En esta cuarta confirmaremos lo expuesto con la obtención de la correlación y veremos que la tendencia observada se produce para los distintos valores de los parámetros de entorno del trabajo de referencia y para todas los intervalos de la variable.

En primer lugar vamos a estudiar la covariación entre la permanencia y el grado de autoevaluación o, como hemos visto, el aumento de divergencia en el aprendizaje.

Para ello utilizamos la tabla que nos proporciona Jordan (2013b), en la infografía:

tabla1

 Tabla 1

Para procesarla pasamos los datos a una hoja de cálculo. Consideramos dos variables correspondientes a las columna “% completed”, variable X, y “Assessment type”, Variable Y. Esta última no es numérica, para que lo sea definimos una variable estadística discreta creciente teniendo en cuenta la tabla del segundo post (Evidentemente en un proceso más riguroso podríamos emplear otros valores más ponderados y posiblemente saldría un  Índice de correlación de Pearson mayor aún):

Variable Y Valor
Peer grading only 1
Auto and peer grading 2
Auto grading only 3

Prescindimos de valorar los casos donde la evaluación es desconocida al no poder integrarlos en una posición precisa de esa gradación.Con lo cual la tabla quedaría de la forma siguiente (estas son las primeras filas de las 154 que constituyen la tabla):

tabla2Tabla2

De esta forma obtenemos el valor del Índice de Correlación de Pearson:  0,66884678.

Este valor indica que hay un variación clara en el mismo sentido entre el porcentaje de conclusión, y por tanto de exíto en el curso, y la progresión en el carácter divergente de la modalidad de evaluación.

Es claro que el coeficiente de correlación no implica una relación funcional de ningún tipo, sólo nos pone ante una variación coincidente de dos variables. Lo que procedería sería en este punto hacer una investigación con su correspondiente diseño experimental para confirmar esta hipótesis.

Es razonable pues, como decíamos en la entrada anterior, pensar que existe una correlación entre aprendizaje divergente y creatividad por un lado y permanencia o éxito en el MOOC por otro, que más allá del análisis a partir del indice de Pearson, podemos pensar que se se basa en la cualificación de los maestros y en la interacción de estos con los alumnos. La evaluación de pares, al tener justamente una correlación inversa con el aprendizaje divergente, la inhibe.

Hasta aquí las conclusiones más importantes de esta serie de entradas, pero el trabajo de Jordan (2013b) permite obtener más pistas sobre lo que está pasando en esta cuestión, así como una posible forma de proceder para descartar que este efecto fuera causado por otra variable.

De esta forma alguien podría pensar que intervienen otros factores en la permanencia de alumnos como es la masificación. Es claro en la gráfica que al aumentar la masificación disminuye el porcentaje de permanencia, la recta de regresión de x sobre y tiene una pendiente negativa:

permanenc_masif

Pero esto sucede de igual medida para los tres tipos de evaluación, lo que se podría ver  en las gráficas de cada una de las modalidades de evaluación:

peer_only

auto-pares

O también estimando la recta de regresión y obteniendo el coeficiente de correlación entre porcentaje de conclusión y número de inscritos. O número de concluidos.

Al no haber escalas homogéneas de las dos variables renunciamos a calcular la regresión de Y sobre X, y la recta de regresión. Sin embargo sí es significativa la correlación entre el número de inscritos (X) y el porcentaje de alumnos que completan el MOOC (Y). El coeficiente de correlación de Pearson es -0,78053832. Por tanto es cierto y podemos decir que existe una variación conjunta inversa entre número de inscritos y el porcentaje de alumnos que concluyen. Sin embargo podríamos ver que no afecta al resultado anterior porque esa variación se produce con igual intensidad en los tres tipos de evaluación: Por pares, mixta y autoevaluación. Dejamos al lector que compruebe esto.

Esto es cierto y podríamos plantear la cuestión de otra forma, concluyendo que el aprendizaje divergente correlaciona con la menor masificación. Sin embargo podemos rebatir fácilmente esta objeción viendo que en todos los intervalos los cursos de autoevaluación están por encima claramente de los de evaluación por pares en el porcentaje de conclusión:

20-6060-100100-230

Igual sucede si filtramos por universidad, como podemos ver en las de Edimburgo, Stanford o en la de:

edimburgo

stanford

georgia

Igual sucede si el filtro lo hacemos por plataforma:

coursera

 

La idea que se expone en estas entradas es que  existe una correlación directa entre aprendizaje divergente y creatividad, por un lado, y permanencia o éxito en el MOOC por otro, y que la evaluación de pares, al tener justamente una correlación inversa con el aprendizaje divergente, la inhibe. Sin embargo lo que se ha expuesto no constituye una prueba de que sea así, solo son ideas y reflexiones hechos a partir del análisis de los datos ofrecidos por el estudio de Jordan (2013b), que tampoco tiene carácter de prueba en cuanto a que la muestra no se ha obtenido con una metodología estadística que garantice aleatoriedad, equiprobabilidad, intervalo de confianza, etc. Pero sí son datos fidedignos. Hay una realidad que se ha investigado y hay un registro organizado de esos datos, con un estimable sistema de filtrado. Igual sucede con las afirmaciones que hemos hecho vinculando aprendizaje divergente con motivación y permanencia en el MOOC, y con otras estimaciones: no tienen carácter de prueba, solo son estimaciones.

Sin embargo tienen el valor de constituir, bajo mi punto de vista, un conjunto de ideas con sentido y cohesión lógica Harían pues falta por tanto investigaciones hechas con el rigor que dan las herramientas y métodos de análisis, validación y contraste de hipótesis para que:

a) El estudio que suministra los datos tenga las garantías señaladas de  representatividad de la muestra.

b) Evidencie el vínculo entre permanencia, motivación y aprendizaje divergente de los alumnos creativos o que adquieren competencias creativas.

c) Realizar los cálculos que pongan de relieve que la influencia de  la masividad en la permanencia es común a todos los casos independientemente del tipo de evaluación que se produzca en el MOOC,

d) Realizar cálculos y estudios gráficos y analíticos que validen el resto de estimaciones que se han expuesto, y valoren el grado en el que se producen.

Esperamos por último haber suministrado a centros, y a equipos de profesores y de diseñadores instruccionales, algunas claves, o al menos algunos elementos de reflexión, para un trabajo y unos resultados más eficientes cuando se planteen poner en marcha programas formativos que incluyan como objetivos el desarrollo de competencias creativas.

Referencias.-

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

Jordan, K. (2013b). MOOC Completion Rates: The Data.  http://www.katyjordan.com/MOOCproject.html

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

Enseñanza Universitaria en línea: MOOC, aprendizaje divergente y creatividad (III)

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, facicilad para generar ideas, para cambiar de marco y para establecer asociaciones inusuales—  son las que se tienen en cuenta y se miden en los test de creatividad, y las habilidades que se trabajan en la mayoría de los talleres de  creatividad.

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

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

Csikszentmihalyi (1996) lo explica con claridad:

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

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

Hace falta igualmente, además de los maestros, que bien éstos o bien otros profesores, con la capacidad suficiente y adecuada, puedan distinguir una idea buena de otra mala. Y aquí vuelve a aparecer la necesidad de un pensamiento convergente asociado: Para realizar la selección con criterios de prueba y de validación basados en un pensamiento académico, lógico, convergente en definitiva.

Hace falta pues una interacción específica y cualificada para que en estos contextos fructifique la creatividad.

Podemos pues pensar, además de lo importante que es establecer estas condiciones, que existe una correlación entre aprendizaje divergente y creatividad, que se basa en una cualificación de los maestros y en la interacción con los alumnos. Y que la evaluación de pares, al tener justamente una correlación inversa con el aprendizaje divergente, la inhibe.

En definitiva podemos establecer la progresión que señalábamos para el aprendizaje divergente, asociado a la evaluación o a la metodología docente, como aplicado ahora a la progresión en situaciones que favorecen el desarrollo de competencias creativas.

creativ

Esta progresión sobre las condiciones, metodológicas y de evaluación, que favorecen la creatividad explicaría por otro lado (y esta es otra hipótesis que ofrecemos para investigar), a través de un mecanismo de motivación asociado, la permanencia en los MOOCs, que podemos observar en las distintas gráficas que se obtienen filtrando datos.

Hasta aquí lo sustancial de las ideas que hemos desglosado en estas tres entradas. En la cuarta veremos que la tendencia observada se produce para los distintos valores de los parametros de entorno que utiliza el trabajo de Jordan y para todas los intervalos de número de inscritos.

 

Referencias.-

Barrows, H. S. (1986). A taxonomy of problem‐based learning methods. Medical education20(6), 481-486.

Barrows, H.S. (1985), How to Design a Problem-based Curriculum for the PreclinicalYears, New York: Springer.

Barrows, H. S. (1992). The tutorial process. Springfield, IL: Southern Illinois University School of Medicine

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

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

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

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

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

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

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

Jordan, K. (2013b). MOOC Completion Rates: The Data. http://www.katyjordan.com/MOOCproject.html

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

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

Savery, J. R., & Duffy, T. M. (1995). Problem based learning: An instructional model and its constructivist framework. Educational technology35(5), 31-38. http://books.google.es/books?hl=es&lr=&id=mpsHa5f712wC&oi=fnd&pg=PA135&dq=Learning+problems+based&ots=sXibvd9-Kn&sig=hpOSFx18liLSRV8FXqYufDtfF7c.

Thrun, S. y Norvig, P. (2012). Online Introduction to Artificial Intelligence (based on Stanford CS221, Introduction to Artificial Intelligence). Information for students. https://www.ai-class.com/overview.

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

Enseñanza Universitaria en línea: MOOC, aprendizaje divergente y creatividad (II)

En el primer cuatrimestre del curso 2012-2013 impartía dos asignaturas de aprendizaje en redes. Algunos alumnos, como suele suceder con algunas tendencias o visiones del aprendizaje que están de vigencia en un momento, insistían sobre lo eficiente que era el “aprendizaje basado en problemas” (ABP o PBL: Problembased learning), además aplicado indiscriminadamente. Les insistía que PBL —tal como lo describe Barrows (1985, 1986 y 1992) y Savery&Duffy (1995)—   era un modelo instruccional útil, como otros modelos constructivistas, en determinadas situaciones o para determinados objetivos de aprendizaje. Y que tenía sentido tenerlo en cuenta en el diseño instruccional en situaciones que se hubiesen determinado como adecuadas mediante el análisis correspondiente. Y que sobre todo poco tenía que ver la “resolución de problemas” como heurística, que es un método para resolver problemas o situaciones problemáticas. Y les insistía que el primero era un modelo que por ejemplo tenia amplias coincidencias con el aprendizaje colaborativo, mientras que el segundo tenía que ver con el “aprendizaje divergente”. Esta idea fue la que me indujo a abordar el problema del “aprendizaje divergente “ y el “aprendizaje lateral en los MOOCs, a partir del infograma de Jordan (2013a). Para obtener tratar este tema, el del aprendizaje divergente y la resolución de problemas utilicé el desarrollo de Pólya (1989) en su obra sobre métodos heurísticos y divergentes, uno de mis temas favoritos, “Cómo plantear y resolver problemas”, de Ed Trillas, en castellano. Sobre el que después volveré.

Lo interesante es, para este caso, la contraposición que se produce entre aprendizaje colaborativo, según frecuentemente se entiende (Fainholc, 2008 p.26), y aprendizaje divergente. La cuestión es intentar eludir cualquier planteamiento de tipo universal, y hacer hincapié en que existen métodos concretos para situaciones, escenarios y actores de aprendizaje distintos y específicos, y que incluso casi ninguna situación admite un método o un tipo de aprendizaje en exclusiva. Ningún tipo de aprendizaje, o el modelo que suministra para describir lo que sucede en una situación de APRENDIZAJE, es válido universalmente

Otra tesis en presencia es que el pensamiento divergente, o lateral, está en la base de la creatividad, y la cuestión de si los MOOCs son compatibles con un aprendizaje que favorezca la creatividad o que la inhiba. Y en qué medida y cuáles son los parámetros cuya variación la favorece.

Por tanto el tema central de esta serie de posts lo constituyen los resultados y las relaciones que hay entre áreas de desarrollo y resultados de la psicología social, y de la psicología del aprendizaje, como son el aprendizaje divergente, heurísticos y creatividad, y lo que puedan favorecer o no a este tipo de aprendizajes y de desarrollos personales los cursos masivos.

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

Actualmente cuando los métodos de investigación o de creación  son complejos por la gran cantidad de variables que están presentes en los trabajos y estudios, aunque se empleen métodos automatizados para el análisis, tiene cada vez más sentido la heurística por dos razones: Para orientar la búsqueda de soluciones en este tipo de procesos y también cuando la búsqueda exhaustiva es poco práctica porque tiene ramas poco probables o porque conducen a soluciones inviables. Entonces los métodos heurísticos son utilizados para acelerar el proceso de encontrar una solución satisfactoria a través de atajos cognitivos, para aliviar la carga de tomar una decisión. Los ejemplos de este método incluyen el uso de una regla de oro , una conjetura , un juicio intuitivo, el Principio de Parsimonia (Navaja de Occan) o ciertos estereotipos (no sociales) que se forman en el devenir de los trabajos de los investigadores o creativos.

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

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

Polya ha escrito un importante libro,  How to Solve It, que describe métodos para resolver problemas y elaborar pequeñas demostraciones. Este libro fue publicado en 1945 en la Universidad de Princeton. Existe una traducción de Ed. Trillas de 1965 titulada Cómo plantear y resolver problemas

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

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

En cualquier caso es un saber que se basa en otro: el de los expertos. Y que tiene una naturaleza poco frecuente. También se le conoce como pensamiento lateral (lateral tinquen) en expresión introducida por Edward de Bono (1968) y en el libro Lateral Thinking. A textbook of Creativity (Bono, 1970), que se ha traducido en español como El pensamiento lateral. Manual de creatividad (Bono, 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 aquel que utiliza los recursos del pensamiento divergente.

La evaluación por pares, y no por maestros, no propicia esquemas de pensamientos  distintos o alternativos, en ese sentido no favorece pensamiento divergente, sino un pensamiento que se ajusta a los patrones ya aceptados. De esta forma, entre las distintas opciones de evaluación planteadas en nuestro caso,  podríamos establecer una línea de progreso en la evaluación en la medida que ésta favorezca el aprendizaje divergente, es decir en la medida en que la componente de evaluación por pares es menor. De esta forma, si bien no podríamos hablar con propiedad de que se produzca un mayor aprendizaje divergente que dependería de muchos otros factores, sí podemos establecer una línea de progreso de la divergencia en el aprendizaje, que comience en lo que se aprende con los pares, lo que se aprende por uno mismo y lo que se aprende con la ayuda de los expertos, o con la ayuda de los maestros.(Entendiendo por maestros la gente de la que podemos aprender algo, que tiene competencias docentes o alguna expertise propia de un dominio disciplinar):

 divergencia

Si establecemos esa progresión, podemos observar la gráfica 1:

graf1

y proponer una   conjetura: “la culminación de los alumnos en los MOOCs, y por tanto el éxito en el aprendizaje, o al menos un determinado éxito, se produce en mayor grado en la medida que aumenta la divergencia del aprendizaje”. Sin contar los casos en que los contenidos de los MOOCs son conocimientos cuyo aprendizaje es netamente divergente o heurístico.

Aportamos esta idea como una línea de investigación digna de ser tenida en cuenta en futuras investigaciones.

Referencias.-

Barrows, H. S. (1986). A taxonomy of problem‐based learning methods. Medical education20(6), 481-486.

Barrows, H.S. (1985), How to Design a Problem-based Curriculum for the Preclinical Years, New York: Springer.

Barrows, H. S. (1992). The tutorial process. Springfield, IL: Southern Illinois University School of Medicine

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

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

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

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

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

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

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

Jordan, K. (2013b). MOOC Completion Rates: The Data.  http://www.katyjordan.com/MOOCproject.html

Fainholc, B. (2008, Diciembre). Modelo tecnológico en línea de Aprendizaje electrónico mixto (o Blended learning) para el desarrollo profesional docente de estudiantes en formación, con énfasis en el trabajo colaborativo virtual. RED, Revista de Educación a Distancia, 21. Recuperado dd/mm/aaaa, de http://www.um.es/ead/red/21/fainholc.pdf.

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

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

Savery, J. R., & Duffy, T. M. (1995). Problem based learning: An instructional model and its constructivist framework. Educational technology35(5), 31-38. http://books.google.es/books?hl=es&lr=&id=mpsHa5f712wC&oi=fnd&pg=PA135&dq=Learning+problems+based&ots=sXibvd9-Kn&sig=hpOSFx18liLSRV8FXqYufDtfF7c.

Thrun, S. y Norvig, P. (2012). Online Introduction to Artificial Intelligence (based on Stanford CS221, Introduction to Artificial Intelligence). Information for students. https://www.ai-class.com/overview.

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

Enseñanza Universitaria en línea: MOOC, aprendizaje divergente y creatividad (I)

En esta entrada veremos que el análisis de los MOOCs, tal como han sido concebidos y como se están desarrollando, ofrece razones, que se podrían evidenciar, para pensar que, en su seno, se propicia el aprendizaje divergente en menor grado que en otras modalidades de formación, y por tanto es especialmente importante que se cuide el diseño instruccional en los casos en los que se quiere obtener una adquisición de competencias creativas entre los alumnos.

En cualquier caso habrá una configuración nueva de la enseñanza universitaria (entendiendo como tal exclusivamente la organización de actividades y recursos con el concurso de estrategias instruccionales y metodologías adecuadas: Lo que hacen los profesores para que los alumnos aprendan). Y esta configuración incluirá lo que quede de los cursos masivos abiertos online, que posiblemente ya no serán abiertos, pero también las distintas modalidades de enseñanza masiva emergente como son el  aprendizaje adaptativo, los cursos híbridos (b-learning), el flipped clasroon, el diseño basado ​​en competencias,… que actualmente son vistos como soluciones particulares, cuando no excluyentes y que aparecen como soluciones parciales a los problemas acuciantes de acceso, costo, inserción profesional y de calidad de la universidad.

Pues bien la nueva enseñanza on line universitaria deberá tener en su agenda cómo abordar la adquisición de competencias creativas o para la creatividad, y como integrar estos u otros aprendizajes divergentes.

Pero empecemos por donde estamos:

2012 fue declarado como el año de los MOOCs  por el New York Times, pero 2013 se ha convertido según muchos en el año de la crítica a los MOOCs, e incluso de su fracaso, según uno de sus iniciadores y máximos impulsores Sebastian Thurn. Se han analizado las causas de su auge, nuestra aportación está en “Los MOOCs, génesis, evolución y alternativa. Génesis (I). La crisis de la universidad como legitimadora social del conocimiento”, donde apuntábamos entre las causas de su prodigiosa proliferación (la hypercurva) a varias razones (http://red.hypotheses.org/299):  El descenso de la demanda de la enseñanza universitaria, los cambios demográficos o la trivialización de los estudios. Sin embargo el movimiento desencadenado por ellos es algo en lo que todos coinciden que supone un cambio de calado e irreversible. Su justificación está en su naturaleza de innovación disruptiva en la Enseñanza Superior (http://red.hypotheses.org/299) Este tipo de fenómenos se ha manifestado progresivamente en las actividades económicas de la educación o en la parte económica de otras actividades de naturaleza cultural. Este hecho lo describíamos diciendo que el núcleo no extensible, donde reside el valor (Zapata-Ros, 2013a) está en la matriz, donde se crea el conocimiento original, y no en el ejemplar, lo que se reproduce indefinidamente sin aumento notable del coste de producción, es decir en lo que llamábamos el núcleo extensible. Este hecho está en la base de nuevos modelos de negocios. Los más conocidos son servicios de Google, o las nuevas formas de venta como es Amazon, pero es también el que subyace en el modelo de los MOOCs que en esencia sigue el mismo esquema. Por tanto es considerado como un fenómeno que igualmente se analiza sobre la base de atribuirle una naturaleza de innovación disruptiva en el mundo de la universidad, considerada ésta como actividad económica, cultural y social. Este análisis sería suficiente para justificar la permanencia de fenómenos que tienen su origen en los MOOCs, aunque su evolución será posiblemente hacia realidades que evolucionarán rápidamente hasta encontrar una conformación más estable.

Recientemente hemos analizado todo esto en la Revista Campus Virtuales, en un especial titulado “Nuevos tiempos y nuevos modelos pedagógicos. Los MOOCs”, en uno de cuyos artículos he analizado de forma crítica el fenómeno, señalando cuales pueden ser las líneas de alternativa y los valores propios que pueden hacer de la Universidad la alternativa a los MOOCs, estableciendo una línea de continuidad con su trayectoria más genuina de apoyo y ayuda al aprendizaje. Posteriormente he coordinado otro número de la misma revista en el que también se hablaba de esto en clave de tendencias. Un interesante enfoque es el de Grainne Conole nos plantea en “MOOCs as disruptive technologies: Strategies for enhancing the learner experience and quality of MOOCs”. Y por último, con referencia al punto de inflexión de este tipo de cursos hacia nuevas formas de docencia he escrito en un eprint.

Otro aspecto interesante para analizar es que en este como en otros tantos casos, casi todos, la intervención educativa es diversa y compleja. No cabe hablar de estrategias docentes específicas asociadas a MOOCs ni de metodología MOOC. La diversidad de contextos, situaciones y variables que afectan a la práctica de estos fenómenos es semejante a lo que ocurre con otros. De hecho lo más probable es que a la vuelta de unos años, pasado el hype cycle, lo que tengamos sea unos cursos abiertos online en combinación con intervenciones muy moduladas y personalizadas de atención y de ayuda pedagógica que irán desde el tipo mentorización (mentoring o one to one) al xMOOC puro con exámenes o pruebas convencionales de acreditación de competencias, pasando por mastery learning.

Pero no es éste nuestro objetivo central, en ese panorama de variación y complejidad, hay y habrá que atender a la capacitación de competencias muy diversas en consonancia con la función de la universidad y con las demandas de la sociedad y de su configuración económica, de desarrollo de actividades y servicios, investigación, etc.

Es particularmente interesante y atractivo en este sentido, por lo que tiene de desafío a la práctica y a la teoría docente, como se conjugan la consecución de competencias creativas, donde pesa el pensamiento y el aprendizaje divergente, con el carácter masivo, y en gran medida con modalidades de evaluación por pares y de autoevaluación, de los MOOCs.

El 8 de marzo publiqué en el blog Aula Magna una entrada titulada “Enseñanza Universitaria en línea, MOOC y aprendizaje divergente” con referencia a la infografía que Katy Jordam (2013a) estaba realizando como trabajo fin de MOOC. La construcción se ha ido explicando en su blog MOOC moocher de forma dinámica, es decir va cambiando a medida que va progresando, y ahora podemos ver la versión  última en el post Synthesising MOOC completion rates, ya con relación a la versión última del trabajo MOOC Completion Rates: The Data.

Como podemos ver es una infografía que relaciona básicamente la tasa de permanencia (el porcentaje complementario al de abandono) con distintas variables, de las cuales la primera es la masividad del MOOC. Es esta edición definitiva ha añadido otra gráfica en la que la la variable en el eje de abcisas es la  duración, pero ahora no lo distingue por el tipo de evaluación. Por tanto la que utilizaremos es la primera. No obstante hace dos análisis básicos abandono con relación a la masividad y con relación a la duración.

Pero sobre todo, lo importante en relación con nuestro propósito es que los datos van referidos a la modalidad de evaluación. El gráfico es muy sencillo, cada incidencia, cada punto del gráfico, lleva un enlace con el curso de donde se han obtenido los datos, por eso es difícilmente contestable u objetivable. La infografía principal (Jordan, 2013b) relaciona el número de inscritos con el porcentaje de los que concluyen. Señala en distintos colores el tipo de evaluación, o más bien de revisión que se hace de lo aprendido. Y hay enlaces con las fuentes de los datos y con la institución. Además acompaña un filtro, a la derecha de la pantalla, para mostrar el análisis en función de distintos criterios: de la universidad, o tipo de o de agencia de MOOCs que lo organiza (y por tanto de la plataforma que se utiliza), por criterios de finalización,  por tipo de universidad, y por supuesto por tipo de evaluación:

imagen1

También incluye, y esto es importante, una última parte con el cuadro de datos obtenidos, que es muy útil para  hacer un estudio de correlaciones.

Pero al objeto que nos planteamos lo que nos es más útil es el primer gráfico, el de índices de conclusión del MOOCc relacionado con el tipo de evaluación utilizada:

graf1

Hay consideradas cuatro categorías de revisión: Autoevaluación y evaluación por pares, en color azúl, autoevaluación sólo, en color granate, evaluación por pares exclusivamente en verde y desconocido, en color gris.

Podemos destacar:

  1. Todos los que están con una tasa de conclusión superior al 30% son de autoevaluación sólo (excepto uno que utiliza autoevaluación con evaluación por grupos de pares). Alguien podría objetar que también son relativamente pocos numerosos, unos pocos miles de alumnos, pero podemos considerar que
  2. Independientemente del número (y los hay auténticamente masivos) todos los que están por encima del 20% son de autoevaluación excepto tres, de los cuales uno contempla también la autoevaluación, otro es  de sistema de evaluación desconocida y el tercero es un caso atípico, se trata del First Year Teaching (Elementary Grades) – Success from the Start, del New Teacher Center. Es decir es un curso para la obtención del grado de formación de maestros de Primaria, se trata por tanto de unos estudiantes que en principio deben de conocer y saber en alguna medida aplicar criterios de evaluación educativa.
  3. Pero hay más, independientemente de su masividad, todos los que están por encima del 10% llevan autoevaluación, excepto uno que es desconocido y otro que es de evaluación por pares. O lo que es lo miusmo
  4. Los de evaluación por pares exclusivamente no superan el 10% de tasa de conclusión, salvo un caso.
  5. Los que utilizan los MOOCs que utilizan ambos métodos tienen un índice de finalización que no supera el 16%. Excepto un caso, el de la École Centrale de Lille[1].

Estos cinco elementos de análisis que resaltamos son los que van a constituir el eje de nuestra argumentación en lo posts siguientes. La infografía por sí misma no nos dice explícitamente nada ni nos da la solución, pero un análisis más detallado sí nos puede suministrar

Veamos si se puede estableces un nexo o una serie de  nexos que vinculen ambos términos de la tesis: Pensamiento divergente y creatividad en función de la evaluación y éxito en la conclusión del MOOC.

Referencias.-

Barrows, H. S. (1986). A taxonomy of problem‐based learning methods. Medical education20(6), 481-486.

Barrows, H.S. (1985), How to Design a Problem-based Curriculum for the Preclinical Years, New York: Springer.

Barrows, H. S. (1992). The tutorial process. Springfield, IL: Southern Illinois University School of Medicine

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

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

Jordan, K. (2013b). MOOC Completion Rates: The Data.  http://www.katyjordan.com/MOOCproject.html

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

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

Savery, J. R., & Duffy, T. M. (1995). Problem based learning: An instructional model and its constructivist framework. Educational technology35(5), 31-38. http://books.google.es/books?hl=es&lr=&id=mpsHa5f712wC&oi=fnd&pg=PA135&dq=Learning+problems+based&ots=sXibvd9-Kn&sig=hpOSFx18liLSRV8FXqYufDtfF7c.

Thrun, S. y Norvig, P. (2012). Online Introduction to Artificial Intelligence (based on Stanford CS221, Introduction to Artificial Intelligence). Information for students. https://www.ai-class.com/overview.


[1] En este caso aparece en el cuadro  la nota “1821 (52.1%) completed the course out of a total of 3493students enrolled on the course”, sin embargo en la hoja de cálculo enlazada (enlace de los datos fuente) estos datos exactos no aparecen, y sin embargo dice que 1328 obtuvieron el “certificado básico” y solo 58 obtuvieron la validación por equipos al hacer el trabajo del MOOC.

Miguel Zapata Ros

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

More Posts - Website

Follow Me:
TwitterFacebookLinkedInGoogle Plus