Éste post, como sucede en los anteriores y en 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.
Tras ver qué es el aprendizaje
inteligente, 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 de los principales
teóricos del aprendizaje, 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 básicamente 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.
En el post siguiente vamos a
aportar, para ilustrar ese tercer nivel de ámbitos pedagógicos donde puede
intervenir el proceso inteligente en alguna medida, un caso desarrollado en la
Universidad de Alcalá, en el que ha
participado el autor. Se trata de una experiencia de curso abierto online que,
en su cuarta edición desde 2014, se está desarrollando en dicha universidad.
Referencias
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
Education, 26(2), 561-581.
https://link.springer.com/article/10.1007%2Fs40593-016-0108-x.
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.
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.
Kinshuk
(2015). Smart learning/ecology of education/.... Personal blog. Retrieved from
http://www.kinshuk.info/2015/10/smart-learning-ecology-of-education/
Merrill, M. D. (1991). Constructivism and instructional design. Educational
technology, 31(5), 45-53.
Merrill, M. D. (2002).
First principles of instruction. Educational Technology Research and
Development, 50(3), 43-59. Instructional-Design Theories and Models, Volume III:
Building a Common Knowledge Base.
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.
Reigeluth,
C. M., Ed. (1999). Instructional-Design Theories and Models: A New Paradigm of
Instructional Theory. Mahwah, NJ, Lawrence Erlbaum Associates Publishers.
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
[1] La
traducción literal de nugget es pepita, 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.
Comentarios
Publicar un comentario