Miguel Zapata-Ros, Universidad de Alcalá

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

Título completo:

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

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

 

 

 

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

 

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

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

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

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

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

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

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

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

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

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

Hasta aquí ejemplos de situaciones emergentes que requieren pedagogías propias

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

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

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

 

Referencias

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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