¿Cómo y por qué adquirimos nuevos conocimientos por medio de un aprendizaje automatizado? (Educación Disruptiva)

Juan Domingo Farnos Miro

El aprendizaje automático es el arte de hacer que una computadora haga cosas útiles sin codificarla explícitamente. Más específicamente, el aprendizaje automático es la adquisición de nuevos conocimientos a través de un sistema artificial.

Al igual que un ser humano, la computadora de forma independiente genera conocimiento a partir de la experiencia y puede encontrar de forma independiente soluciones a problemas nuevos y desconocidos. Para hacer esto, un programa de computadora analiza ejemplos y usa algoritmos de autoaprendizaje

El objetivo de Machine Learning es vincular de manera inteligente los datos, reconocer relaciones, sacar conclusiones y hacer predicciones.

¿Cómo funciona el aprendizaje automático en principio?

En principio, similar al aprendizaje humano. De forma similar a como un niño aprende que ciertos objetos se pueden ver en las imágenes, una computadora también puede “aprender” a identificar objetos o distinguir personas. Para este propósito, el software de aprendizaje primero se alimenta con datos y se entrena. Por ejemplo, los programadores le dicen al sistema que un objeto es “un perro” y otro “no un perro”. A medida que avanza, el software de aprendizaje recibe constantemente comentarios del programador, que utiliza el algoritmo para ajustar y optimizar el modelo: con cada nuevo registro, el modelo mejora y finalmente puede distinguir claramente a los perros de los que no lo son.

El aprendizaje automático ayuda a las personas a trabajar de manera más eficiente y creativa y siempre de manera personalizada/socializadora. Por ejemplo, pueden usar el aprendizaje automático para organizar y editar sus imágenes más rápido. Con el aprendizaje automático, también pueden dejar el trabajo aburrido o elaborado en la computadora. Los documentos en papel, como las facturas, pueden escanear, almacenar y almacenar software de aprendizaje de forma independiente.

La diversidad de pensamiento crea “interrupción constructiva” (DISRUPCION-EDUCACION DISRUPTIVA -learnig is the work) que pueden influir en las nuevas formas de pensar, innovación y nuevas iniciativas, lo que nos lleva a crear un nuevo paradigma.

Cada vez más vamos a situaciones donde “las organizaciones que definen a las personas, las personas definen a las instituciones”.

Estamos próximos a la posibilidad de utilizar agentes que comprenden contextos, que sean capaces de hacer “coherente” el sentido de los flujos de datos variados para buscar información, descubrir y proporcionar el contenido necesario para cada uno..

Una cosa que me parece fascinante la idea de que se podrá crear un “perfil de aprendizaje”, una identidad que es esencialmente un paquete digital de nuestras preferencias de aprendizaje y los contenidos del aprendizaje del pasado, que se podrá acceder por las máquina (PERSONALIZED LEARNING + MACHINE LEARNING. by Juan Domingo Farnos)

Esto permitirá que la “máquina” en realidad adapte sus interfaces de usuario, el contenido de aprendizaje y la experiencia en sí misma, y presentar información de una manera que se adapte a las preferencias de los humanos….eso sin duda nos lleva a la VERDADERA SOCIEDAD INTELIGENTE.

Todo ello ocasionará un Aprendizaje integrado – aprendizaje en red que estará integrado en cada dispositivo, cada herramienta, cada recurso físico de LAS PERSONAS, no hay necesidad de una formación específica, la información más reciente estará disponible sólo en el tiempo, de fuentes auténticas COMPUTACIÓN UBÍCUA E I-BICUA, a juzgar por el valioso análisis de la red, siempre con el contexto y que las personas prestemos nuestra ayuda.

La Personalización puede tomar muchas formas, ya que se adapta el contenido, la práctica, la retroalimentación, o de dirección para que coincida con el progreso y el rendimiento individual. Por ejemplo, dos personas que utilizan la misma instrucción al mismo tiempo pueden ver dos conjuntos completamente diferentes de los objetos de aprendizaje. El mayor beneficio de la personalización de aprendizaje es la capacidad para hacer más fácil la instrucción compleja, presentando sólo lo concreto que será útil o aceptado por cada uno.

Una buena retroalimentación hace pensar:….

       a-Si el voto es uno de los factores más importantes para mejorar el trabajo del aprendiz y los resultados….a…

       b- ¿qué esperamos? que todos en los centros puedan intervenir por igual…

       c-¿no sería mas justo?

Si el modelado del proceso de retroalimentación permite a los jóvenes desarrollar su propia autorregulación de mejorar el trabajo….

¿Cómo no un centro cualquiera deja de implementar toda una política de la regeneración de la universidad, escuela que tenga en cuenta los muchos matices de cada tema?

La retroalimentación es importante. Nos retroalimentamos con los aprendices a a diario, es más, nosotros también lo somos, pero si podemos hacerlo ayudandonos de la Machine learning (La tecnología Machine Learning está abriendo nuevas oportunidades para las aplicaciones de software en temas de retroalimentación, al permitir a los ordenadores aprender de grandes y de pequeñas cantidades de información sin necesidad de ser programados explícitamente, aprendiendo de los errores producidos y segun los datos personalizados, readaptarlos en otras direcciones, lo cual nos permite optar por otras opciones de aprendizaje…)

En este sentido, los sistemas Machine Learning representan un gran avance en el desarrollo de la inteligencia artificial, al imitar la forma en que aprende el cerebro humano -mediante la asignación de significado a la información y darnos más posibilidades de opción segun nuestros personalismos.

El Machine learning identificará y categorizará las entradas repetitivas y utilizar la retroalimentación para fortalecer y mejorar su rendimiento. Es un proceso similar a cómo un niño aprende los nombres y la identidad de los animales, haciendo coincidir las palabras con las imágenes; el ordenador, poco a poco, aprende a procesar la información correctamente.

La evolución de los algoritmos que “aprenden” de los datos sin tener que programarse de forma explícita. Un subgrupo particular de Machine Learning se conoce como “aprendizaje profundo” (Deep Learning de Roger Schank ). Este término describe el uso de un conjunto de algoritmos llamados redes neuronales que toman como modelo el cerebro humano. Los avances en este aprendizaje profundo han impulsado una rápida evolución de las tareas de aprendizaje por parte de las máquinas en los últimos años, en particular el procesamiento del lenguaje y texto, y la interpretación de imágenes y vídeos. Estos sistemas, por ejemplo, llegan a identificar caras o a interpretar el idioma natural a una velocidad y con un grado de acierto que puede superar al de un ser humano.

Estamos hoy en la clase difusa del pensamiento calculador y comparaciones cuantitativas insta a que el utilitarismo, tal razonamiento no se basa en el trabajo de visibilidad a hacer. Más bien, eso depende de algoritmos de análisis, qui a su vez depende de la presa de los algoritmos silenciosos –los que convierten en silencio nuestro comportamiento en una avalancha de datos. (son la metafora de los presos alrededor que se pusieron alrededor de una torre de vigilancia para ser visualizados, hasta que estos alcanzaron la manera de evitarlo( estos eran los algoritmos)….

Si partimos de la idea de que la REALIDAD es múltiple, podemos entender por qué aprender en la diversidad no tiene porque llevarnos a un punto común-….esta premisa es fundamental para entender el pensamiento crítico en los aprendizajes y sin la cuál sería imposible llevar a cabo aprendizajes basados en la diversidad-INCLUSIVIDAD (EXCELENCIA)…

Todo el mundo será capaz de clasificar los datos como quieran. Cualquier disciplina, ninguna cultura, ninguna teoría será capaz de clasificar los datos a su manera, para permitir la diversidad, utilizando un único metalenguaje, para garantizar la interoperabilidad. (EXCELENCIA PERSONALIZADA AUTOMATIZADA), por medio de una mezcla de inteligencia artificial y algorítmica.

El beneficio más evidente de estas innovaciones es la creación de una ecología de aprendizaje que comparte recursos de grandes depósitos de contenidos en los objetos de aprendizaje que se comparten de forma individual, ampliamente, y de forma más económica.

Por tanto debemos elegir entre dos posturas que condicionarán el futuro de la Sociedad, ya que la Educación es una de las principales piedras angulares en que gravita cualquier hábitat.

Una, sería seguir buscando mejoras, modificaciones, regeneraciones…a los Sistemas Educativos de amplio aspectro que venimos realizando las últimas generaciones-que sería seguir con una Educación eminentemente formal, estandarizada, homogeneizadora…basada en Curriculums prescriptivos e igualadores… y enfocada a dar resultados que generen titulaciones previstas para que luego deriven en la sociedad en los trabajos clásicos de siempre….

.Poder personalizar el proceso de aprendizaje a cada estudiante es vital para facilitar su progreso y conseguir que utilice todo su potencial. Es necesario adaptar la enseñanza a las necesidades de cada alumno para lograr atender sus dificultades y aprender a potenciar sus puntos más fuertes. Aquí interviene la trazabilidad educativa, un elemento importantísimo en este proceso.

Es una investigación de este calado se habla de recursos síncronos y asíncronos, se habla de los diferentes Roles y responsabilidades, sobre todo de la del investigador, o equipo de investigadores, adjudicándoles el papel no solo de promotores del proceso si no de la retroalimentación del mismo y de su continua revisión.

También hablamos que se aplicará en la Formación Superior (Universidades) en las empresas y en la formación de cualquier etapa, gracias a ala aplicación de la metodología y las herramientas de la web 2.0.,

Se habla de todo el marco teórico, cómo una implementación del E.learning-clásico y de la Escuela Inclusiva, hablamos de la Calidad, de los costes que pueden producirse…

En cuanto a los principios metodológicos, hablamos de un análisis cualitativo, pero con herramientas cuantitativas y cualitativas y aspectos deductivos: consiste en desarrollar una teoría empezando por formular sus puntos de partida o hipótesis básicas y deduciendo luego sus consecuencia con la ayuda de las subyacentes teorías formales. Sus partidarios señalan que toda explicación verdaderamente científica tendrá la misma estructura lógica, estará basada en una ley universal, junto a ésta, aparecen una serie de condicionantes iniciales o premisas, de las cuales se deducen las afirmaciones sobre el fenómeno que se quiere explica.

Completar el marco conceptual tal como se les pidió en la entrega segunda, queremos avanzar con el análisis de necesidades y la identificación de usuarios.

E-learning-Inclusivo, está pensado para la formación Superior (Universidades), pero también para la formación continuada de docentes, para las empresas y profesionales, para las distintas etapas educativas, ya que con los tratamientos de la web 2.0, se puede desarrollar perfectamente con los planteamientos de la Web 2.0.

Por lo tanto, es una investigación que quiere perdurar en el tiempo, que no puede tener fechas cerradas de duración, ya que es de por si flexible y abierta-en contínua revisión- y pretende alcanzar a todos los niveles formativos de la sociedad, de ahí que consideremos que su Necesidad en la Educación sea vital, nunca excluyente de cualquier otra, pero si necesaria.

2º FASE

Para esta siguiente fase además de completar el marco conceptual entraremos en el análisis de necesidades y la identificación de usuarios trabajando en las especificaciones del entorno que vamos a diseñar, en concreto analizaremos la situación: el contexto y las características de los usuarios potenciales. Este es un momento de suma importancia. Se trata de documentarnos acerca del contexto de utilización y de los usuarios de nuestro entorno.

Para ayudar a concretar el perfil de usuario y contexto de utilización proponemos trabajar sobre las siguientes cuestiones:

1. El problema: Plantear el motivo que nos lleva a propuesta nuestro entorno de formación, en forma de necesidades formativas o propuesta de mejora

2. Contexto en el que se utilizar el entorno:

a. Es un contexto de enseñanza formal reglada, informal; formación permanente; no formal, informal,..

b. Cuál es la función principal del entorno: distribuir cursos de formación, recursos, novedades, poner en contacto a un determinado colectivo,…

c. En un contexto de enseñanza a distancia, semipresencial , presencial

d. Cuál es la cobertura geográfica -local, universal- esperada

e. En qué modelo de enseñanza-aprendizaje potencia el entorno?

f. Cómo afectará la introducción de las TIC en ese contexto: aspectos organizativos, personales, didácticos, tecnológicos,…

3. Usuarios: Una de las tareas más importantes es definir lo mejor posible el perfil o perfiles de usuario al que nos dirigimos. Lo que diferencia a un creador de materiales amateur de un profesional es que el primero piensa en su material el segundo en los destinatarios;

a. Edad. Nuestro entorno va dirigido a niños, jóvenes, adultos? Existen diferencias en el nivel de madurez de los usuarios potenciales?

b. Perfil de usuario: profesionales, padres, alumnos

c. Intereses. Qué buscarán en nuestro entorno: formación, recursos, compartir ideas, publicar material,…

d. Conocimientos previos

e. Habilidades cognitivas, grado de motricidad,… de los usuarios de nuestro entorno

El USUARIO-ALUMNO, pasa a ser el protagonista y responsable ÚNICO de la formación, todos los mecanismos girarán alrededor de él, incluso y, sobre todo, el mismo proceso formativo , poniendo todos sus mecanismos metodológicos, organizativos y evaluativos, a la disposición “personalizada” del alumno-usuario.

Tampoco significa que el elearning pierda su impacto colaborativo y socializador, sino todo lo contrario, lo mejora, ya que a partir de esta colaboración entre alumnos, profesores, empresas, profesionales,…,su desarrollo aumenta de potencialidad ya que ha de buscar en todo momento y de manera continuada, posibles alternativas, tanto en la enseñanza-aprendizaje, cómo en formas metodológicas de actuar, como en la adaptación de recursos e instrumentos, según las necesidades que se puedan plantear, dando para ello prioridad absoluta a los planteamientos sincrónos (ACROBAT CONNECT, CHATS, COMPARTIR PANTALLLAS, PRESENTACIONES EN PIZARRAS DIGITALES COMPARTIDAS…); en videoconferencias –la medida del tiempo cambia completamente, los e-mails, foros…pasan a un segundo plano, sin desaparecer, para aumentar en un noventa por ciento la comunicación instantánea, por eso lo hace parecido a la formación presencial, por su interacción constante y al momento, y a la vez saca lo mejor de la formación on-line, por sus características en cuánto a situación espacial y de libre elección temporal en la formación, con una usabilidad del material más dinámica, constante, socializadora y evaluativa..que hace que todo el proceso se pueda regenerar al momento y según los cambios que vayan produciéndose en todo lo anterior.

La metodología se apoya en la literatura revisada, donde los modelos de evaluación por medio de indicadores coinciden, en general, en las siguientes fases de construcción:

-Conocimiento del programa o proceso a evaluar.

-Identificar el elemento para el cual se quiere construir el indicador.

-Identificar los indicadores diseñados con anterioridad.

-En caso de no existir esta base del conocimiento con anterioridad, construir un árbol de factores críticos de éxito para el logro del elemento que se va a evaluar.

-Identificar las palabras clave que requieren llegar a un acuerdo sobre su significado preciso (variables).

-Construcción del algoritmo (relacionar los significados atribuidos a las palabras clave)

-Nombrar a los indicadores.

Os recordamos que los puntos que señalamos son orientativos y puede ocurrir que en algunos proyectos sean coherentes y centrales y en otros no sean relevantes. Queda a su criterio.

¿Cómo funciona la trazabilidad educativa?

Utilizar herramientas digitales orientadas a este objetivo nos permite acceder a una gran cantidad de datos que nos aportarán la información necesaria para personalizar la educación a cada alumno. Aunque varían según la plataforma, generalmente podemos agruparlas en dos categorías:

               a-Seguimiento de uso: Se refiere a los datos relacionados con las conexiones a la plataforma y a cada recurso. Cuántas veces la visitan, cuánto tiempo dedican a cada recurso, cuántas veces acceden a ellos…

               b-Seguimiento de actividades: Suelen incluirse dos tipos de actividades, las autocorrectivas y las entregables. Las primeras, de respuesta cerrada (tipo test), tienen la ventaja de que son corregidas de forma automática por la aplicación, lo que ahorra un tiempo considerable al docente.

               c-Se podrá acceder a todos los datos relativos al tiempo dedicado, si han necesitado salir de la página para buscar más información, los intentos realizados, etc. Además, también puede medirse la participación en foros y debates.

Es también habitual que las herramientas nos permitan elaborar un seguimiento del progreso de los alumnos. Para ello, generan automáticamente informes a partir de las diferentes actividades y el uso de la plataforma, pudiendo referirse al conjunto de la clase o a estudiantes individuales.

Los objetivos de estos proceso pretenden hacer frente a las necesidades actuales y las oportunidades de aprendizaje, mediante esta analítica recogiendo los enfoques multidisciplinares pero complementarios de diferentes campos, tales como Ciencias de la Computación, Ciencias de datos, Matemáticas, Educación, Sociología…, eso si, deben ser siempre personalizados y con la responsabilidad de los propios aprendices.

Necesitamos por tanto:

        1–Análizar el aprendizaje basado en competencias, lo que nos llevará…

        2–Aprender y por tanto a realizar la propia evaluación (recordemos que cada aprendizaje lleva impreso consigo la evaluación, ya no como una medición, si no como parte del mismo) con los procesos de aprendizaje de los demás mediante el análisis de ruta de aprendizaje personal y social. Al mismo tiempo, el mecanismo de aprendizaje tecno-social personalizado nos permite que el aprendiz aprenda de acuerdo a su situación y objetivos.

        3–Establecer una ruta de aprendizaje individual lo podemos modelar para registrar su proceso de aprendizaje. Por tanto, el espacio de aprendizaje personal (PLE), sera siempre un espacio no lineal…, es en esta situación donde el pensamiento crítico actúa de manera determinante, para manifestarse capaz de deducir las consecuencias de lo que cada uno sabe, y sabe cómo hacer uso de la información para resolver problemas, y buscar fuentes de información pertinentes para aprender más…

        4-Realizar un análisis de aprendizaje para la evaluación de las competencias genéricas y específicas:

     a-La integración de la analítica de investigación y aprendizajes educativos.

     b-Analíticas de aprendizaje y el aprendizaje autorregulado.

     c-Intervenciones y análisis de los diferentes aprendizajes, estudio de casos…

     d-Implementaciones de la analítica de aprendizaje.

     e-Analíticas de aprendizaje y efectos a largo plazo (estudios sobre la analítica de aprendizaje).

     f-Los avances teóricos en la analítica de aprendizaje.

     g-Replicación y validación cruzada de las investigaciones existentes.

     h-Aspectos éticos de la analítica de aprendizaje.

     i-Analíticas de aprendizaje y formulación de políticas (policy makers)

     j–Interoperabilidad para la analítica de aprendizaje.

Otro beneficio de la personalización es que cada vez que se personaliza, a aprender y almacenar un poco más sobre el conjunto único de un alumno, se aportan posiciones diferenciadas al aprendizaje social.

Esto no solo permite llegar a un mejor AUTOAPRENDIZAJE, si no también una manera más de “emprendimiento” y “apropiación” de la red, como “espacio” claramente de aprendizaje personalizado y socializador, dentro de un aspectro abierto, inclusivo y ubícuo.