lunes, 16 de abril de 2018

Aprendizaje inteligente




Éste post, como el anterior y  los siguientes, recoge un aspecto particular de lo tratado en el artículo La universidad inteligente (Zapata-Ros, 2018) de RED: Revista de Educación a Distancia.

Nos vamos a remitir para introducir el concepto de aprendizaje inteligente a una especie de tautología o de cláusula recursiva.


De esta forma vamos inicialmente a definir aprendizaje inteligente como aquél que se desarrolla en los entornos inteligentes de aprendizaje. Pero esta tautología es solo aparente. Supone un avance conceptual. Porque este último constructo proviene de dos anteriores: el de entornos de aprendizaje, algo que es suficientemente conocido (Watson & Watson, 2007; Zapata-Ros, 2003) tanto en la vertiente de LMS, como en la de entornos inclusivos, y el de tecnología inteligente, la que utiliza recursos y affordances tecnológicas de detección y de recomendación.

Aprendizaje inteligente es aquél aprendizaje que pueden desencadenar y producir los sistemas de aprendizaje inteligente, y que se puede entender de forma diferenciada por las funciones y efectos que no se pueden realizar en ambientes de aprendizaje adaptativo y de aprendizaje contextualizado, sin excluir estas posibilidades y esta naturaleza. El aprendizaje social y el aprendizaje colaborativo de esta forma se puede entender como una subcategoría del aprendizaje contextualizado.

Resumiendo 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 inteligente de detección y de recomendación en los lugares adecuados y en el momento oportuno, según las necesidades individuales de cada alumno, 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.

Entendiendo por soporte adecuado el que proporciona al alumno orientación, retroalimentación, consejos o herramientas apropiados a su situación de aprendizaje, a sus intenciones y a los objetivos que el programa o la unidad formativa tiene previstos.

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. Es al que va mas allá en la adaptación al que llamaremos aprendizaje inteligente en lo sucesivo.

Como veremos igualmente, 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 gestión del aprendizaje en cualquier lugar y en cualquier momento, sino que también proporciona activa y dinámicamente una guía para progresar en los contenidos y actividades, 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. Y para darle retroalimentación.

Hay varias características que hacen que una noción tan innovadora, 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 aprendizaje ubícuo (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 lugar apropiado, basándose para ello en el estado de aprendizaje en línea y del mundo real de los estudiantes individuales, así como en sus factores personales.
De esta forma la diferenciación quedaría de la forma siguiente:

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 complete su aprendizaje en condiciones que pueda 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 las aulas, en los campus, 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


Referencias

Gagné, R. M. (1965). The conditions of learning and theory of instruction ( 1st ed.). New York, NY: Holt, Rinehart & Winston.
Gagné, R. M. (1985). The conditions of learning and theory of instruction ( 4th ed.). New York, NY: Holt, Rinehart & Winston.
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).
Watson, W., & Watson, S. L. (2007). An Argument for Clarity: What are Learning Management Systems, What are They Not, and What Should They Become.
Zapata-Ros, M. (2003). Sistemas de gestión del aprendizaje–Plataformas de teleformación. RED: Revista de educación a distancia, (9).
Zapata-Ros, M. (2018). La universidad inteligente. RED. Revista de Educación a Distancia, 57(10). Consultado el (dd/mm/aaaa) en http://www.



[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, 1985)

viernes, 13 de abril de 2018

Del aprendizaje apoyado en la web al aprendizaje inteligente


Éste post, como los siguientes, recoge un aspecto particular de lo tratado en el artículo La universidad inteligente (Zapata-Ros, 2018) de RED: Revista de Educación a Distancia.

La tecnología ha ofrecido una línea de avance a la atención y a la entrega de contenidos a los alumnos. De manera que 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 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 auxilio 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. Y cómo se manifiesta en la literatura especializada.


Sistemas adaptativos y tutorías inteligentes


Desde este punto de vista, de lo que es inteligente en cuanto a tecnología educativa, entornos y aprendizaje, 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 (Clark, February  19, 2016) 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). Y lo hacen 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 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 les llama “aprendizaje contextualizado” (Hwang, Tsai y Yang, 2008). Es un  enfoque del aprendizaje que emplea tecnologías móviles, inalámbricas, de comunicación y detección para permitir a los estudiantes interactuar con el mundo real y con los objetos del mundo digital, se consigue un conocimiento al que se llama "conocimiento ubicuo consciente del contexto" (Hwang, Tsai y Yang, 2008). 

Hay numerosos estudios que han evidenciado 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 un 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 personalización con rutas de aprendizaje mediante la adaptación del contenido de aprendizaje con la estructura de enlace han escrito Tseng y otros (2008a, b),  Brusilovsky ( 2001), Kinshuk y otros (2012) y Yang y otros (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 aprendizaje 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 recensión  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.-

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.
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.
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 Intelligence in Education26(2), 561-581. https://link.springer.com/article/10.1007%2Fs40593-016-0108-x
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.
Clark, D. (February  19, 2016) 10 powerful results from Adaptive (AI) learning trial at ASU. Plan B. http://donaldclarkplanb.blogspot.com.es/2016/02/10-powerful-results-from-adaptive-ai.html
Clark, D. (JANUARY 13, 2016). 5 level taxonomy of AI in learning (with real examples). Plan B. http://donaldclarkplanb.blogspot.com.es/search?q=ai+taxonomy
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.
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.
Delgado, C. et al (2017) Informe Tendencias TIC. Publicaciones de la CRUE. http://tic.crue.org/wp-content/uploads/2017/11/9.50-Sesion-Tecnica-CRUE-TIC-GTDIR-Tendencias-UCM-2017v1.pdf
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.
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
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.
Goel, A. K., & Polepeddi, L. (2016). Jill Watson: A Virtual Teaching Assistant for Online Education. Georgia Institute of Technology. https://smartech.gatech.edu/bitstream/handle/1853/59104/goelpolepeddi-harvardvolume-v7.1.pdf?sequence=1&isAllowed=y
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).
Kinshuk (2014). Roadmap for adaptive and personalized learning in Ubiquitous environments. In Ubiquitous Learning Environments and Technologies (pp. 1–13). Heidelberg: Springer.
Lave, J. (1991). Situating learning in communities of practice. Perspectives on socially shared cognition2, 63-82.
Linden, A., & Fenn, J. (2003). Understanding Gartner’s hype cycles. Strategic Analysis Report Nº R-20-1971. Gartner, Inc.
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.
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. (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)
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.
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.
Pazzani, M. J., & Billsus, D. (2007). Content-based recommendation systems. In The adaptive web (pp. 325-341). Springer, Berlin, Heidelberg.
Reigeluth, C. M., Ed. (1999). Instructional-Design Theories and Models: A New Paradigm of Instructional Theory. Mahwah, NJ, Lawrence Erlbaum Associates Publishers.
Reigeluth, C. (2016).  Teoría instruccional y tecnología para el nuevo paradigma de la educación. RED. Revista de Educación a Distancia. Número 50. 30 de septiembre de 2016. Consultado el (dd/mm/aaa) en http://www.um.es/ead/red/50
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.
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).
Siemens, G. (2014, May). Multiple pathways: Blending xMOOCs & cMOOCs. http://www.elearnspace.org/blog/2014/05/06/multiple-pathways-blending-xmoocscmoocs/
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. (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. (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).
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 

Zapata-Ros, M. (2018). La universidad inteligente. RED. Revista de Educación a Distancia, 57(10). Consultado el (dd/mm/aaaa) en http://www.um.es/ead/red/57/zapata2.pdf