Archivo de la etiqueta: divergent learning

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