Wikipedia:Proyecto educativo/Fundamentos tecnológicos del e-learning/Aula 2/Grupo 15

De Wikipedia, la enciclopedia libre
Ir a la navegación Ir a la búsqueda

Integrantes del grupo y Aprendizaje Adaptativo[editar]

A continuación los cuatros nombres de los integrantes del grupo 15:

Tema escogido por el grupo: Aprendizaje Adaptativo.

Acuerdos y fases para la elaboración de un artículo en la Wikipedia[editar]

Una vez establecido el grupo de trabajo en torno a una temática de interés común, a continuación se muestran las indicaciones para el establecimiento explícito de acuerdos entre los integrantes y la atribución de responsabilidades según las diferentes fases del trabajo:

  1. Fase de acuerdos iniciales. Distribución del trabajo entre los participantes del grupo, estableciendo los roles de cada uno, las tareas a realizar y su temporización. Primer acuerdo sobre los elementos del artículo a modificar y/o completar en el espacio de “Taller”.
  2. Fase de documentación sobre la temática. Incluye la profundización sobre la temática mediante una búsqueda e identificación de fuentes relevantes.
  3. Fase de análisis y síntesis individual de la información de relevancia a ser incorporada en el artículo. Esta redacción puede realizarse de manera privada o directamente en el “Taller” para que todos los integrantes del grupo puedan ir haciendo un seguimiento del avance del artículo.
  4. Fase de publicación en el taller de todas las secciones/párrafos del artículo acordados por cada uno de los participantes. Se debe utilizar la “Lista de control” para verificar que se respetan los criterios formales de publicación de la Wikipedia.
  5. Fase de revisión. En base a una versión cuasi definitiva del artículo, cada participante del grupo debe realizar una revisión general para asegurar que el texto de todo el grupo respeta una estructura, estilo y lenguaje coherentes y que los contenidos han sido desarrollados en su totalidad.
  6. Fase de verificación. Cuando se disponga de la versión definitiva, se debe consultar nuevamente el documento “Lista de control” y revisar que todo el documento cumple cada punto. En caso contrario se revisará el artículo nuevamente antes de escribir al profesor para pedir su autorización para publicar.
  7. Fase de publicación. Una vez recibida la autorización del profesor, se puede proceder a la publicación en Wikipedia párrafo a párrafo, no todo a la vez.
Tarea Responsable Semana 1 Semana 2 Semana 3 Semana 4
Seguimiento del trabajo en grupo (monitorear y alertar posibles retrasos) (Fran Ruiz) x x x x
Elementos del artículo a modificar todos X
Documentación todos de manera individual X
Análisis y síntesis todos de manera individual X
Publicación en el taller todos X
Revisión todos X
Verificación (Rafael Vico) X
Notificación al profesor (Belén Poveda) X
Publicación en Wikipedia (Jose Roldán) X

Fases para la elaboración del artículo[editar]

Fase de acuerdos iniciales.

El grupo de trabajo 15 (Aprendizaje Adaptativo) ha acordado trabajar los siguientes puntos:

1. Hacer una revisión de la información.

2. Modificar y/o ampliar información sobre el Aprendizaje Adaptativo.

3. Revisar la bibliografía.


Comunicación interna.

La comunicación del grupo será a través de “Drive” y de "WhatsApp" para una mayor rapidez del intercambio de la información.


Aprendizaje Adaptativo[editar]

El Aprendizaje adaptativo es un método educativo que utiliza los ordenadores como dispositivos de enseñanza interactiva, y para orquestar la asignación de recursos humanos y mediados de acuerdo a las necesidades específicas de cada alumno. Las computadoras se adaptan a la presentación de material educativo de acuerdo a las necesidades de aprendizaje de los estudiantes, como lo indican sus respuestas a las preguntas, tareas y experiencias. La tecnología abarca aspectos derivados de diversos campos de estudio, incluyendo la informática, la educación, la psicología y la ciencia del cerebro.

El aprendizaje adaptativo ha sido parcialmente impulsado por una realización que el aprendizaje hecho a medida no puede lograr a gran escala utilizando los enfoques tradicionales, de aproximaciones no adaptativas. Los sistemas de aprendizaje adaptativo tratan de transformar al aprendiz de receptor-pasivo de la información a colaborador en el proceso educativo. La principal aplicación de los sistemas de aprendizaje adaptativo está en la educación, pero otra aplicación frecuente es la formación empresarial. Han sido diseñados como aplicaciones para los ordenadores de sobremesa, aplicaciones web, y ahora se están introduciendo en los programas en general.[1]

El aprendizaje adaptativo se ha implementado en varios tipos de sistemas educativos como: hipermedia adaptativo, sistemas tutoriales inteligentes, tests adaptativos informatizados, y agentes pedagógicos basados en ordenadores.

Historia[editar]

El aprendizaje adaptativo o tutoría inteligente tiene su origen en el movimiento de la inteligencia artificial y comenzó a ganar popularidad en la década de 1970. En ese momento, era comúnmente aceptado que los ordenadores, con el tiempo, alcanzarían la capacidad humana de la adaptabilidad. En el aprendizaje adaptativo, la premisa básica es que la herramienta o el sistema será capaz de adaptarse al método de aprendizaje del estudiante/usuario, lo que resulta una mejor y más eficaz experiencia de aprendizaje para el usuario. Ya en los años 70 la principal barrera fue el coste y el tamaño de los equipos, lo que hace impracticable la aplicación generalizada. Otro obstáculo en la adopción de sistemas inteligentes tempranos era que las interfaces de usuario no eran propicias para el proceso de aprendizaje. El inicio de los trabajos en los sistemas de aprendizaje adaptativo e inteligente por lo general se remonta al sistema escolar que ofrece el aprendizaje adaptativo para el tema de la geografía de América del Sur.[2]​ Un número de otros sistemas innovadores apareció en los cinco años siguientes. Una buena cuenta de los primeros trabajos sobre el aprendizaje adaptativo y sistemas inteligentes de tutoría se puede encontrar en el clásico libro Sistemas de Tutoría Inteligente.[3]

En 1905, el psicólogo Alfred Binet y su socio Théodore Simon publicaron una escala por niveles que abarcaba de los 3 a los 13 años en la cual, a través de la correcta realización de una serie de pruebas se iba pasando de nivel y así conseguían determinar la capacidad del niño.[4]

Durante la década de los cincuenta del siglo XX, se dio el que a día de hoy se considera como el primer paso en el camino hacia la conceptualización del aprendizaje adaptativo: la Teoría del Aprendizaje Programado promulgada por el psicólogo y filósofo social Burrhus Frederic Skinner (1904-1990) y, muy especialmente, una de sus bases: la máquina de enseñar . El Aprendizaje Programado ya ofrecía algunas de las cualidades pedagógicas propias del futuro aprendizaje adaptativo, aunque desde una perspectiva puramente conductista. El proceso formativo se construía a partir de pequeñas secuencias que estaban divididas en tareas, que el alumno debía superar una por una antes de pasar a la siguiente secuencia de aprendizaje. Y sólo entonces se consideraba que el estudiante había logrado asumir los conocimientos que se le exigían.

En 1960 surgió en la Universidad de Illinois el Programmed Logic Automated Teaching Operations (PLATO), que es considerado como el primer programa de enseñanza asistida por ordenador.[5]​ Con la llegada de la inteligencia artificial, en la década de los 70, se va desarrollando un auge tecnológico aunque surgían algunos problemas por resolver como el coste y el tamaño de los ordenadores. Es en estos años cuando se comienzan a crear los sistema de tutoría inteligente (STI), aunque es ya en la década de los 80 cuando tendrá más difusión con la expansión y abaratamiento de los dispositivos informáticos.[6]

Desde 1989 se han realizado distintas conferencias internacionales de inteligencia artificial en educación (AIED). El objetivo es poner en común las últimas investigaciones en sistemas inteligentes y diversas aplicaciones informáticas relacionadas con la educación. [7]​ En la segunda década de los 2000, aumentan las oportunidades para que el aprendizaje adaptativo cobre mayor relevancia y aumente su aplicación, gracias a la facilidad de acceso a la tecnología necesaria por parte de los docentes; una cada vez más sofisticada analítica de datos y aprendizaje; y el emergente desarrollo de la investigación sobre teorías del aprendizaje. La unión de estos tres elementos posibilita construir sistemas inteligentes de aprendizaje adaptativo. [8]

El auge de estas TIC, hoy prácticamente omnipresentes en nuestras vidas, y el estallido del Big-Data y la consiguiente irrupción de Internet, permitieron que el aprendizaje adaptativo diese el salto cualitativo que lo ha convertido, a día de hoy y no sin polémica, en un modelo pedagógico con un creciente número de seguidores. Y también en un sistema educativo que, gracias a la red de redes, perfecciona considerablemente sus modelos precedentes.

En la actualidad está alcanzando su mayor nivel de extensión y perfeccionamiento gracias al avance de las nuevas tecnologías, al desarrollo de algoritmos para procesar y relacionar gran cantidad de datos masivos y generar propuestas específicas para cada usuario según su experiencia previa.

El aprendizaje adaptativo en tiempos de las TIC[editar]

Por su capacidad para almacenar y cotejar información, las TIC permiten la creación de rutas de aprendizaje específicas para cada alumno, combinando datos generados por la actividad del alumnado con información estadística y generando patrones y respuestas predefinidas a partir del estudio del grado de eficiencia y frecuencia con la que el estudiante complementa sus tareas. Además, y debido a su naturaleza en línea a través de Internet, el aprendizaje adaptativo digital del siglo XXI es capaz de mejorar como programa pedagógico, afinando sus estadísticas cuanto más uso le den los estudiantes que lo utilicen. De este modo, y como demuestran programas como LearnSmart, que utiliza el libro digital del alumno para crear su itinerario educativo, o Knewton, que crea el itinerario educativo mientras es utilizado por el alumno en tiempo real, estos sistemas de aprendizaje adaptativos aprenden de los estudiantes para personalizar su educación.

Además, su implementación a través de las TIC ofrece una ventaja respecto a anteriores “versiones” de este sistema de aprendizaje: su ubicuidad. Gracias a la omnipresencia de dispositivos vinculados de algún modo u otro a las TIC, y sobre todo a lo cotidiano de su uso, el aprendizaje adaptativo puede llevarse a cabo tanto dentro como fuera del aula en el más claro ejemplo de educación a través de la iniciativa Bring Your Own Device (BYOD), que aprovecha los dispositivos tecnológicos de los alumnos como fuente de aprendizaje.

La tecnología y la metodología[editar]

Los sistemas de aprendizaje adaptativo se han dividido tradicionalmente en componentes separados o modelos. Aunque se han presentado diferentes grupos de modelos, la mayoría de los sistemas incluyen algunos o todos los siguientes modelos (en ocasiones con diferentes nombres):[9][10]

  • Modelo de Expertos - El modelo con la información que ha de ser enseñado.
  • Modelo de Estudiante - El modelo que sigue y aprende sobre el estudiante.
  • Modelo de Instrucción - El modelo que realmente transmite la información.
  • Entorno de Instrucción - La interfaz de usuario para interactuar con el sistema.

Modelo experto[editar]

El modelo experto almacena información sobre el material que se está enseñando. Esto puede ser tan simple como las soluciones para el conjunto de preguntas, pero también, puede incluir lecciones y tutoriales y, en sistemas más sofisticados, incluso metodologías de expertos para ilustrar enfoques a las preguntas.

Los sistemas de aprendizaje adaptativo que no incluyen un modelo experto incorporarán normalmente estas funciones en el modelo de instrucción.

Modelo de estudiante[editar]

El medio más simple de determinar el nivel de habilidad de un estudiante es el método utilizado en el CAT (prueba de adaptación computerizada o computerized adaptive testing). En el CAT, el sujeto se presenta con las preguntas que se seleccionan en función de su nivel de dificultad en relación al presunto nivel de habilidad del sujeto. A medida que avanza la prueba, el ordenador ajusta la puntuación del sujeto en función de sus respuestas, de forma continua afinando la puntuación mediante la selección de las preguntas de un rango más estrecho de dificultad.

Un algoritmo para una evaluación de estilo CAT es fácil de implementar. Un gran número de preguntas se reúnen y clasifican de acuerdo a la dificultad, a través de análisis de expertos, la experimentación o una combinación de los dos. El ordenador realiza entonces lo que es esencialmente una búsqueda binaria, dando siempre una cuestión que está a medio camino entre lo que el equipo ya ha determinado que son máximos y mínimos posibles niveles de habilidad. Estos niveles se ajustan posteriormente para el nivel de la dificultad de la pregunta, reasignando el mínimo si el sujeto responde correctamente, y el máximo si el sujeto responde incorrectamente. Obviamente, un cierto margen de error tiene que ser construido para permitir escenarios en los que la respuesta del sujeto no sea indicativo de su verdadero nivel de habilidad, sino simplemente una coincidencia. Haciendo múltiples preguntas de un nivel de dificultad se reduce en gran medida la probabilidad de una respuesta engañosa, y permitiendo que la gama de crecimiento más allá del nivel de habilidad asumido puede compensar posibles evaluaciones y/o valoraciones.

Una extensión adicional para identificar debilidades en términos de conceptos es programar el modelo de estudiante para analizar las respuestas incorrectas. Esto es especialmente aplicable a preguntas de elección múltiple. Consideremos el siguiente ejemplo :

Q. Simplificar: 2X2+X3

a) No se puede simplificar

b) 3X5

c) ...

d) ...

Es evidente que un estudiante que responde (b) está añadiendo los exponentes y no llega a comprender el concepto de términos semejantes. En este caso, la respuesta incorrecta proporciona información adicional más allá del simple hecho de que es incorrecta.

Modelo instruccional[editar]

El modelo instruccional generalmente se tiene en cuenta para incorporar las mejores herramientas educativas que ofrece la tecnología (como presentaciones multimedia) con el asesoramiento experto de un profesor sobre métodos de presentación. El nivel de sofisticación del modelo instruccional depende en gran medida del nivel de sofisticación del modelo de estudiante. En un modelo de estudiante de estilo CAT, el modelo instruccional simplemente clasifica lecciones en correspondencia con los rangos para el grupo de preguntas. Cuando el nivel del estudiante se ha determinado de manera satisfactoria, el modelo instruccional proporciona la lección apropiada. Los modelos de los estudiantes más avanzados, cuyas evaluaciones se basan en conceptos, necesitan un modelo de instrucción que organiza sus lecciones por concepto también. El modelo instruccional puede ser diseñado para analizar el conjunto de debilidades y diseñar un plan de lecciones en consecuencia.

Cuando las respuestas incorrectas están siendo evaluadas por el modelo de estudiante, algunos sistemas parecen proporcionar información a las preguntas reales en forma de 'consejos'. A medida que el estudiante comete errores, aparecen sugerencias útiles como "prestar atención a la señal del número". Esto también puede caer en el dominio del modelo instruccional, con toques genéricos basados en conceptos que se ofrecen sobre la base de las debilidades conceptuales, o los consejos puede ser preguntas específicas en cuyo caso el estudiante, instruccional, y los modelos expertos se solapan.

Implementaciones[editar]

Adaptación del aprendizaje[editar]

Las posibilidades de personalización afectan a diferentes aspectos del aprendizaje, lo que permite adaptar los procesos de enseñanza a las necesidades específicas del alumno. Por ejemplo, son personalizables:

  • El contenido: pueden modificarse las exigencias y la dificultad de las actividades, las aptitudes o los aspectos trabajados, y los temas tratados; también los enunciados, los conceptos y habilidades que se quieren desarrollar, o las situaciones para resolver planteadas al alumno.
  • El formato: pueden variar tanto la tipología de las actividades como el formato.
  • La organización: pueden cambiar el orden y las secuencias de actividades.

Aprendizaje a distancia[editar]

Los sistemas de aprendizaje adaptativo pueden ser implementadas en Internet para su uso en la enseñanza a distancia y la colaboración en grupo. El campo de la educación a distancia está incorporando aspectos de aprendizaje adaptativo. Sistemas iniciales sin aprendizaje adaptativo fueron capaces de proporcionar información automatizada a los estudiantes a los que se hacen preguntas de un banco de preguntas preseleccionado. Sin embargo, esa estrategia carece de la orientación que los profesores pueden proporcionar en el aula. Las tendencias actuales en educación a distancia requieren del uso de aprendizaje adaptativo para implementar el comportamiento dinámico inteligente en el entorno de aprendizaje.

Durante el tiempo que un estudiante pasa aprendiendo un nuevo concepto, se prueban sus capacidades y bases de datos de seguimiento de su progreso a través de uno de los modelos. La última generación de sistemas de enseñanza a distancia tiene en cuenta las respuestas de los estudiantes y se adaptan a las capacidades cognitivas del estudiante usando un concepto llamado andamiaje cognitivo. Andamiaje cognitivo es la capacidad de un sistema de aprendizaje automático para crear un camino cognitivo de evaluación de menor a mayor en función de las capacidades cognitivas demostradas.[11]​ Una actual y exitosa aplicación de aprendizaje adaptativo en la educación a distancia basada en la Web, es el motor Maple de WebLearn, de la Universidad RMIT.[12]​ WebLearn está lo suficientemente avanzada para proporcionar la evaluación de los problemas que plantea a los estudiantes, incluso si esas preguntas no tienen una respuesta única, como los que están en el campo de las matemáticas.

El aprendizaje adaptativo puede ser incorporado para facilitar la colaboración en grupo dentro de los entornos de aprendizaje a distancia como los foros o los servicios de intercambio de recursos.[13]​ Algunos ejemplos de cómo el aprendizaje adaptativo puede ayudar con la colaboración incluyen la agrupación automatizada de usuarios con los mismos intereses, y la personalización de enlaces a fuentes de información basado en los intereses declarados por el usuario o los hábitos de navegación del usuario.

Diseño del juego[editar]

En 2014, un investigador educativo concluyó un estudio de varios años de aprendizaje adaptativo para el diseño de juegos educativos. La investigación se desarrolló y validó el modelo ALGAE (Adaptive Learning Game dEsign), un modelo integral de aprendizaje adaptativo basado en las teorías y prácticas de diseño de juegos, estrategias de enseñanza y modelos de adaptación. La investigación se extendió, previa investigación en el diseño del juego, estrategias de enseñanza y aprendizaje adaptativo, combinando estos tres componentes en un solo modelo complejo.

El estudio dio como resultado el desarrollo de un modelo de diseño juego educativo adaptativo para servir como guía para los diseñadores de juegos, diseñadores instruccionales, y educadores con el objetivo de aumentar los resultados de aprendizaje. Los participantes en la encuesta validaron el valor del modelo ALGAE y proporcionaron una comprensión específica de la construcción, el uso, beneficios y retos del modelo. El modelo ALGAE actual se basa en estos conocimientos. El modelo sirve ahora como una guía para el diseño y desarrollo de juegos de ordenador educativos. La aplicabilidad del modelo se evalúa como intersectorial, incluyendo al gobierno y agencias/unidades militares, la industria del juego y el mundo académico. El valor real del modelo y el enfoque de implementación apropiada (enfocado o desenfocado) será plenamente efectivo cuando la adopción del modelo de ALGAE se hace más generalizada.Lavieri, Edward (2014).[14]

El papel del docente en el aprendizaje adaptativo[editar]

El aprendizaje adaptativo a través de herramientas online no limita el trabajo del profesor ni elimina el contacto con el estudiante. Al contrario, facilita la labor docente, agiliza el aprendizaje, le da información útil sobre cómo aprenden sus alumnos y ahorra tiempo para realizar otras actividades y trabajar de forma más directa con los estudiantes aquellos aspectos que suponen un reto mayor para ellos.

Beneficios del aprendizaje adaptativo[editar]

Ofrece beneficios directos para la mejora del aprendizaje y ventajas muy claras tanto para el alumno como para el profesor.

Para el docente[editar]

  • El tiempo invertido es inferior respecto a la elaboración del material didáctico así como en el proceso de evaluación de los alumnos. En este sentido, el uso de las tecnologías de la información y la comunicación (TIC), permite destinar mayor tiempo hacia una atención más personalizada e individualizada en función de las necesidades de los aprendices. Para este fin existen varios programas, como el australiano smart sparrow,por ejemplo, ofrece a los maestros un software con el que pueden construir sus propias tablas de ejercicios e itinerarios adaptativos.
  • Permite llevar a cabo la observación de los progresos de cada alumno pues el profesorado tiene un acceso cercano y directo a la actividad que los alumnos desempeñan a lo largo de las distintas sesiones. En este caso, el docente sirve de guía proporcionándoles la ayuda necesaria.[15]
  • De manera generalizada, estos programas aportan datos sobre la evolución del curso informando, no sólo al maestro sino también a los tutores legales de cada estudiante, respecto al grado de conocimiento adquirido hasta el momento. [16]
  • Ofrece la posibilidad de personalizar la asignación de tareas, de forma individual y/o grupal, facilitando el acceso directo al contenido que se desea impartir; aspecto esencial para no solo motivar sino también reforzar el proceso de aprendizaje. [17]
  • Los docentes, mejoran su conocimiento de los alumnos y de sus capacidades, puntos débiles y fortalezas en el aprendizaje, y pueden dirigirse a ellos de manera más individualizada y adecuada a sus objetivos.
  • Pueden focalizar su atención en los aspectos menos consolidados, abordar las dificultades de forma personalizada o plantear nuevos retos a los alumnos más avanzados para que no pierdan el interés.
  • Facilita el seguimiento de los alumnos y sus progresos, ya que permite al profesorado visualizar la actividad de los alumnos durante cada una de sus sesiones y así poder ayudarle o guiarle, si así lo necesita.
  • Permite asignar tareas alternativas o complementarias, de forma individual y/o grupal, con rapidez y de forma cómoda.

Para los alumnos[editar]

  • Son protagonistas de su propio proceso de aprendizaje, ya que les concede autonomía e independencia a la hora trabajar dentro y fuera del contexto escolar potenciando, entre el alumnado, una actitud reflexiva en relación con los posibles errores cometidos. Para ello, existe una variedad de actividades complementarias, intuitivas, para trabajar con distintos contenidos tantas veces como sean necesarias. [18]
  • Los estudiantes mejoran los resultados porque el sistema inteligente adapta el itinerario de aprendizaje según sus necesidades, dificultades o fortalezas; conoce los resultados de forma inmediata y les ayuda a detectar y comprender errores.
  • Facilita el acceso a plataformas como Matic de aula Planeta, destinada al aprendizaje adaptativo en base a las matemáticas para Educación Secundaria Obligatoria, permiten trabajar conceptos y habilidades, y no sólo asimilar los contenidos propuestos. Además de materias curriculares, la buena ejecución de estos sistemas enseña a interpretar, aplicar y evaluar resultados y a utilizar conceptos y procedimientos matemáticos, pero también da autonomía a los alumnos y, sobretodo, les permite saber en qué punto de su proceso de aprendizaje se encuentran. Básicamente, les permiten aprender a aprender.
  • Su aplicación es posible adaptarla a cualquier etapa educativa, ajustándose en función de las respuestas de los aprendices.
  • Incrementa la motivación y el grado de implicación del estudiante. Además, al mismo tiempo el proceso les motiva porque ven cómo avanzan en su aprendizaje y ganan confianza en sí mismos.
  • Promueve un aprendizaje efectivo y gradual.
  • Capta con mayor facilidad la atención del estudiante.[19]
  • De este modo aprenden mejor y de manera más eficaz y rápida.

Analíticas de aprendizaje[editar]

Las analíticas de aprendizaje consisten en la recogida, medición, análisis y obtención de información a partir de datos recogidos de estudiantes y sus contextos. Su propósito es entender y optimizar tanto el aprendizaje como el entorno en el que se lleva a cabo.[20]

Recogida de datos[editar]

La fuente principal de recogida de datos es el entorno virtual de aprendizaje donde el estudiante deja una huella digital cada vez que interactúa en foros, consulta calendarios o materiales educativos. También pueden recogerse datos de otras fuentes donde queda registro como los sistemas de información del estudiante, bibliotecas, tarjetas de acceso a diferentes espacios de un campus universitario o las conexiones a redes wifi institucionales.[21]

Estos sistemas de trabajo online combinan los datos recopilados de los alumnos (con multiplicidad de parámetros cuantitativos y cualitativos) con información estadística, respuestas predefinidas, patrones de aprendizaje ya establecidos y algoritmos especialmente diseñados para procesar estos datos e identificar fortalezas y debilidades. No solo se tienen en cuenta las respuestas, sino también la forma de interactuar del estudiante o el tiempo que invierte en completar una acción o sus dudas.

Uso de datos y aprendizaje adaptativo[editar]

La utilización de las analíticas de aprendizaje tiene un gran potencial en el desarrollo e introducción del aprendizaje adaptativo, entendido como un aprendizaje ofrecido a escala donde los estudiantes son dirigidos a materiales educativos en base a sus interacciones previas con tareas y contenidos relacionados.[21]​En relación a este tema, se observa además que a medida que los estudiantes son más conscientes de su cesión de datos educativos, demandan una mayor personalización de aprendizaje del mismo modo que se produce en otros sectores. Este aprendizaje adaptativo no sólo se ajusta a las preferencias de aprendizaje o competencias individuales, sino que facilita la integración con el estilo de vida del estudiante, siendo la tecnología portátil un elemento clave.[22]

Con ello, la plataforma crea una ruta de aprendizaje específica para el alumno. Además, al ser plataformas online y digitales, permiten contrastar datos de estudiantes que ayudan a generar nuevas pautas, de forma que el propio sistema va mejorando sus características y ajustando sus resultados cuanto más se utiliza.

Los sistemas de aprendizaje adaptativo dependen en gran parte de los datos recogidos acerca de las aptitudes y actuaciones de los estudiantes, así como de su analítica de clics. Estos datos son una gran ayuda para los educadores, porque permiten analizar cómo se utilizan sus materiales educativos y comprobar su efectividad. Además pueden ser agregados y combinados con otro tipo de datos educacionales, proveyendo de una información muy valiosa a instancias educativas más altas, desde directores de programas hasta autoridades y gobiernos.[23]

Herramientas de aprendizaje adaptativo[editar]

Existen hoy en día, herramientas web que administran la formación en entornos digitales, creando entornos de aprendizaje adaptativo, estas son dos de ellas:

  1. Socrative es una aplicación fundada en el 2010. Se definen como “un sistema que provocará la motivación desde cualquier dispositivo”. Se trata de que los participen en tiempo real en el aula. Hacen actividades o evaluaciones y tanto el profesor como el alumno, tienen un apartado para acceder a su cuenta. Puede ser gratuita o con un pago de 50 euros al mes. Existen diferentes versiones: adaptadas a navegadores, como extensión de Chrome o para uso en dispositivos móviles, tanto para sistemas IOS como Android.
  2. LearnSmart Advantage es un sistema de MacGraw Hill que ofrece soluciones para mejorar en el aprendizaje, basado en experiencias personalizadas. Estas experiencias cambian conforme el alumno avanza gradualmente en el conocimiento, de esta manera el estudiante puede centrarse en temas más complejos, de un modo adaptativo. En paralelo, este entorno ofrece herramientas como el smartbook o los llamados Learnsmartlabs o Learnsmart achive, que ayudan al estudiante en situaciones de exploración científica y en señalar sus áreas débiles, mejorándolas con recursos adaptados.
  3. Dreambox: un maestro infinitamente paciente. El software de Dreambox captura cada click del mouse de los alumnos y puede anticipar 60 parámetros distintos de comportamiento (por ejemplo, frecuencia, tipo y velocidad de respuestas, cantidad y tipos de errores, etc.). El programa amasa una cantidad inmensa de datos: 50.000 puntos de datos por alumno por hora. Con esta información cambia la presentación y el tipo de clases y la secuencia siguiente en tiempo real ante cada alumno.
  4. Cerego: la máquina de la memoria. Cerego es una de las más conocidas, se basa en principios de las neurociencias y las ciencias cognitivas y utiliza la dimensión espacial como la base de la memoria de largo plazo. Los que se inscriben pueden hacer diversos trayectos de aprendizaje basados en la memorización. Es un sitio extremadamente innovador y limitado a la vez: en un tiempo donde se promueve el pensamiento crítico, la creatividad y la comprensión, Cerego se ocupa de construir una memoria perfecta donde las personas encuentren rápidamente aquello que antes olvidaban.
  5. Smart Parrow: el gigante australiano para docentes. Smart Parrow es una de las plataformas más conocidas. Nació de un grupo de investigación en la Univeridad de South Wales en Australia. Ofrece una interfaz adaptada para que escuelas y docentes creen clases adaptativas, simulaciones de ejercicios y “deberes inteligentes”: ¿la evolución futura de las tradicionales tareas para el hogar, ahora con asistencia de algoritmos?
  6. New Classrooms: entrando en las escuelas. New Classrooms es distinta a las demás porque no es una plataforma: es una modalidad de intervención directa en las escuelas. El equipo de New Classrooms visita las escuelas que lo contratan para “re-arreglar” las aulas. Las propuestas redefinen el rol del docente, el uso del tiempo, los espacios y los grupos en base al apoyo de la tecnología y los datos para lograr una enseñanza blended (parte presencial, parte digital) personalizada.
  7. KnowRe: el imperio de las matemáticas. Cuando un alumno entra en KnowRe se encuentra con un “imperio” similar al de videojuegos como World of Warcraft. Cada área del imperio representa conceptos matemáticos, o unidades de conocimiento basados en el currículum oficial. Al cliquear los alumnos comienzan a resolver problemas. Todo a partir de allí se conduce mediante los algoritmos adaptativos de KnowRe. Si un alumno no logra resolver un problema, se le presentan los pasos que debería seguir para lograrlo. En base a cada sucesión compleja de interacciones, KnowRe sabe si debe recomendar revisar el ejercicio, pasar a otro, aprender reglas, dar una clase o proponer más problemas.
  8. Lightsail: la biblioteca adaptativa. Lightsail es una plataforma original: una biblioteca adaptativa para los alumnos. Se usa en el Ipad y tiene cargados más de 80 mil libros. En base a datos de los alumnos que los leen, puede predecir qué libros van a interesarle a nuevos perfiles de alumnos. En base a miles de lecturas previas, el algoritmo predictivo sugiere nuevas lecturas según ritmo y tipo de lecturas anteriores de cada alumno. Como un Netflix de lectura adolescente.
  9. Chesscademy: el futuro anticipado en el ajedrez. El ajedrez es un campo de experimentación del futuro de la educación. Aprender a jugar profesionalmente es hoy impensable sin la asistencia de computadoras. Chessacademy es la mayor plataforma de aprendizaje adaptativo de ajedrez. Uno se inscribe (es gratuito) y lo primero que hace es jugar una corta partida contra la computadora: eso determina nuestro nivel de juego.

Referencias[editar]

  1. Brusilovsky, Peter (2003). "Adaptive and Intelligent Web-based Educational Systems". International Journal of Artificial Intelligence in Education 13 (2–4): 159–172.
  2. J. R. Carbonell (1970). "AI in CAI: An artificial intelligence approach to computer aided instruction". IEEE Transactions on Man-Machine Systems. MMS-11 (4): 190–202. doi:10.1109/TMMS.1970.299942.
  3. Derek Sleeman; John Seely Brown, eds. (1982). Intelligent tutoring systems. Academic Press.
  4. Binet, A. «Binet's IQ quest» (en inglés). L'Année Psychologique. Consultado el 6 de abril de 2019. 
  5. Seoane Pardo, Antonio; García Peñalvo, Francisco J. «De la Enseñanza Asistida por Ordenador (EAO) a la formación online. Algunos hitos significativos». Grupo de Investigación en interAcción y eLearning (GRIAL). Consultado el 7 de abril de 2019. 
  6. Cataldi, Zulma; Lage, Fernando J. (Marzo de 2009). «Sistema tutores inteligentes orientados a la enseñanza para la comprensión». Revista Electrónica de Tecnología Educativa (28). Consultado el 6 de abril de 2019. 
  7. «International AIED Society» (en inglés). International AIED Society. Consultado el 7 de abril de 2019. 
  8. Lemke, C. (2014). «Intelligent Adaptive Learning: An Essential Element of 21st Century Teaching and Learning». Dreambox (en inglés). Consultado el 6 de abril de 2019. 
  9. Charles P. Bloom, R. Bowen Loftin Facilitating the Development and Use of Interactive Learning Environments, Lawrence Erlbaum Associates (1998).
  10. "A Proposed Student Model Algorithm for Student Modeling and its Evaluation" (PDF). Consultado el 6 de Agosto, 2008.
  11. "Cognitive scaffolding for a web-based adaptive learning environment". Consultado el 17 de Agosto, 2008.
  12. "Addressing Different Cognitive Levels for On-line Learning" (PDF). Consultado el 17 de Agosto, 2008
  13. "Towards web-based adaptive learning communities" (PDF). Consultado el 17 de Agosto, 2008.
  14. A Study of Adaptive Learning for Educational Game Design. ProQuest UMI. ISBN 9781321049602. Consultado el 11 de Diciembre, 2014.
  15. Sandoval, Carla (15 de febrero de 2017). «Uso de tecnología para el aprendizaje adaptativo». Galileo. Consultado el 30 de marzo de 2019. 
  16. Araus, Manuel (8 de febrero de 2017). «Aprendizaje adaptativo». Planeta. Consultado el 30 de marzo de 2019. 
  17. «Aprendizaje adaptativo. Una educación personalizada a través de las TIC». Planeta. 2017. Consultado el 30 de marzo de 2019. 
  18. Macias, Miguel (16 de septiembre de 2016). «Ventajas del aprendizaje adaptativo». Equipo Inevery Crea. Consultado el 30 de marzo de 2019. 
  19. Caro, Manuel (14 de diciembre de 2015). «Los beneficios del aprendizaje adaptativo». Pearson. Archivado desde el original el 30 de marzo de 2019. Consultado el 30 de marzo de 2019. 
  20. Siemens, George; Gasevic, Dragan (2012). «Guest editorial-Learning and knowledge analytics». Educational technology and society (en inglés) (Guest editorial) (15): 1-2. Consultado el 5 de abril de 2019. 
  21. a b Sclater, N; Mullan, J; Peaswood, A. Learning analytics in higher education: a review of UK and International practice (en inglés). Jisc. Consultado el 5 de abril de 2019. 
  22. From bricks to clicks:the potential of Data and Analytics in higher education (en inglés). Policy connect. 2016. Consultado el 6 de abril de 2019. 
  23. Sclater, N.; Mullan, J.; Peaswood, A. (2016). Learning analytics in higher education: a review of UK and International practice (en inglés). Jisc. Consultado el 5 de abril de 2019. 

El contenido de esta edición pertenece al artículo ya existente en la Wikipedia inglesa Adaptive learning https://en.wikipedia.org/wiki/Adaptive_learning

Este artículo incorpora material de Citizendium, el artículo Adaptive learning, que está disponible bajo la Licencia Creative Commons Attribution-ShareAlike 3.0 Unported License pero no bajo la GFDL.