El registro y análisis de datos semánticos podrá convertirse en un nuevo lenguaje común para las ciencias humanas y contribuir a su renovación y el desarrollo futuro.

Juan Domingo Farnos

Image for post
Image for post

En la educación — especialmente en la tecnología de mejora de la educación — se nota el final de una época y el principio de otra, la propia OBSOLESCENCIA nos lo indica, lo que es más difícil de ver en la vida cotidiana de los espacios cerrados y obligatorios educativos..

Los asesores de educación y altavoces normalmente nos preguntamos “si un estudiante de hace 100 años llegó a nuestras aulas, se sentiría como en casa”. Obviamente, esta es una afirmación absurda (incluso si pasamos por alto los retos de viajes en el tiempo).

Por tanto pronto el registro y análisis de datos semánticos podrá convertirse en un nuevo lenguaje común para las ciencias humanas y contribuir a su renovación y el desarrollo futuro.
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.

Estamos ya convencidos que la web ofrece la tecnología perfecta y el medio ambiente para el aprendizaje individualizado porque para los aprendices puede ser identificativa, el contenido se puede personalizar específicamente, y el progreso del alumno puede ser monitoreado, apoyado y evaluado.

Tecnológicamente y técnicamente, los investigadores estamos haciendo progresos hacia la realización del sueño del aprendizaje personalizado con la tecnología de objetos de aprendizaje (para algunos adaptativos, para nosotros, nada más lejos de la realidad, no hay nada de adaptación, si no de personalización, que no es lo mismo) y eso el machine learning puede ayudarnos a conseguirlo.

Sin embargo, dos consideraciones importantes están siendo ignoradas o pasadas por alto en el cumplimiento del sueño de personalización con machine learning.

Lo “adaptativo” es el ‘ajuste de una o más características del entorno de aprendizaje’. Estas acciones adaptativas tienen lugar en tres áreas distintas:

1-Apariencia/forma: Cómo se muestran al aprendiz las acciones de aprendizaje, como contenido, incorporación de texto, gráficos o videos, etc. La mayoría de las plataformas adaptativas de hoy día lo denominan “consumo de contenido” y esperan que el conocimiento se adquiera simplemente leyendo el contenido.

2-Orden/secuencia: Cómo se ordenan y se bifurcan las acciones de aprendizaje según el progreso del alumno, como las rutas de aprendizaje.

3-Orientación hacia el objetivo/dominio Las acciones del sistema que conducen al aprendiz hacia el éxito (excelencia personalizada)

Esto permite que se realicen cambios según los resultados óptimos de aprendizaje, el grado de dificultad y el creciente nivel de conocimientos o aptitudes del alumno.

“Vamos ya a aprender durante toda nuestra vida y en cualquier momento, el qué, cuándo, cómo y dónde (eligiendo con quién), ya han dejado de ser, una obligación para pasar a seer algo usual en nuestra vida, las TIC, Internet, la Inteligencia Artificial, “han dinamitado” todo ese planteamiento que no sabíamos ni podíamos superar, ahora el estaticismo de aprender de manera controlada, uniforme, el “ocupar un espacio y un tiempo”, han dejado ya de existir, por lo cuál, vivimos aprendiendo, aprendemos en cada momento de nuestra vida, por eso, cualquier planteamiento que hagamos en este impás, debe acomodarse a esta nueva manera de entender la vida que ya está aquí, pero estamos “suscribiendo” las maneras de llegar a ello”

Hay muchas maneras de personalizar el aprendizaje. Sin embargo, al igual que los términos de estilos y la motivación del aprendizaje, la personalización es otro término mal definido. Para ser más específicos, se describe la personalización aquí con cinco niveles con creciente sofistificación, cada nivel que describe una estrategia de personalización específica.

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 según nuestros personalismos.

Desde los más simples a las más complejas, las cinco estrategias son:

(a) nombre reconocido;

(B) describe a sí mismo;

© segmentados;

(D) cognitivo-basada; y

(e) de base integral de la persona.

A lo mejor el “sueño de algunos de una educación autónoma y libre (solo realizable mediado con la Machine learning, AI, internet, TIC), no es tal sueño y es una realidad.

juandon

Investigador y docente en e-learning, tecnologías educativas y gestión de l conocimiento, online facilitator.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store