La cognición aumentada, siguiente capa para una plena realidad aumentada

Posted on by
Reply

Estos días he estado pensando en los cambios emergentes de la inteligencia en los nuevos entornos tecno-sociales y amplificados. Desde la perspectiva de investigación del HCI (Human-Computer Interaction) hay unos estudios emergentes de investigación que toman campos como el mismo HCI, pero también la ergonomía, la psicología, la neurociencia para generar interacciones revolucionarias y que incluso se pueden adelantarse antes de que ocurra un hecho, y así una toma de decisión más inteligente al al analizar las ondas cerebrales de un ser humano. La creación de tales interacciones se deriva de la capacidad de la tecnología para medir procesamiento de la información y el estado cognitivo de un usuario en concreto. Todas estas mejoras y métodos de trabajo tiene un nombre: Cognición Aumentada (en inglés AugCog). De esta forma entraremos en un nuevo paradigma en la toma de decisiones. Varios proyectos de investigación tienen por objeto evaluar en tiempo real el estado cognitivo de un usuario, y esta es más comúnmente evaluada mediante el uso de cualquiera de los sistemas de EEG o fNIR. Otro concepto principal de AugCog es diseñar sistemas de bucle cerrado para modular el flujo de información con respecto a la capacidad cognitiva del usuario. Importante avance para los procesos de cognición humana.

Quien está investigando en esto último es el DARPA (Defense Advanced Research Projects Agency) y que tiene entre sus manos un proyecto de investigación de AugCog.

Los parámetros HIP

Muchos enfoques han tratado de abordar una verdadera relación simbiótica entre el hombre y la máquina, pero, hasta ahora, una deficiencia fundamental ha sido la incapacidad de un equipo para dar cuenta de procesamiento de la información humana (HIP, Human Information Processing) limitaciones. El campo de la Cognición Aumentada (AugCog) saca provecho de los últimos avances en las áreas de la neurociencia, la ciencia cognitiva y la interacción humano-computadora para crear sistemas de circuito cerrado que pueden medir HIP y dar cuenta de los problemas en tiempo real. La arquitectura de bucle cerrado se consigue empleando sensores neurofisiológicos que midan la actividad de los operadores del monitor cognitivo y responder a los indicadores de procesamiento de la información que no es óptima. Tras la indicación de un problema, las estrategias de mitigación se emplean en tiempo real para contrarrestar el problema. Ejemplos de parámetros HIP investigados por los sistemas existentes incluyen cuellos de botella sensoriales, carga de trabajo cognitivo, estado de alerta, la excitación y el conocimiento de la situación en tiempo real. Serán parámetros de dashboard para los futuros gestores de datos personales ante la toma de decisiones te encuentres donde te encuentres en una computación en nube e inteligente y sin dispositivos móviles como tenemos ahora.

Se obtiene beneficios en cuanto al rendimiento de la información, la reducción de errores y el rendimiento del operario siempre que tengamos las órdenes de gran espectro. Esto irá unido a lo que entendemos por realidad aumentada. A esta realidad aumentada se le irá poniendo una capa cognitiva y de decisión ante acontecimientos o hechos. Las mismas gafas de Google serán un buen ejemplo de Cognición Aumentada.

Referencias:

International Conference on Augmented Cognition, Schmorrow, D., Estabrooke, I. V., & Grootjen, M. (2009a). Foundations of Augmented Cognition. Berlin; Heidelberg; Berlin; Heidelberg: Springer ; Springer e-books.
International Conference on Augmented Cognition, Schmorrow, D., Estabrooke, I. V., & Grootjen, M. (2009b). Foundations of augmented cognition neuroergonomics and operational neuroscience: 5th international conference, FAC 2009, held as part of HCI International 2009, San Diego, CA, USA, July 19-24, 2009 : proceedings. Berlin; New York: Springer. Recuperado a partir de http://public.eblib.com/EBLPublic/PublicView.do?ptiID=451012
International Conference on Augmented Cognition, Schmorrow, D., & Fidopiastis, C. M. (2011). Foundations of augmented cognition directing the future of adaptive systems ; 6th International Conference, FAC 2011, Held as Part of HCI International 2011, Orlando, FL, USA, July 9-14, 2011, Proceedings. Berlin; Heidelberg; New York: Springer. Recuperado a partir de http://dx.doi.org/10.1007/978-3-642-21852-1
International Conference on Augmented Cognition, Schmorrow, D., & International Conference on Human-Computer Interaction. (2005). Foundations of augmented cognition. Volume 11. Lawrence Erlbaum.
International Conference on Augmented Cognition, Schmorrow, D., Reeves, L. M., & International Conference on Human-Computer Interaction. (2007). Foundations of augmented cognition third international conference, FAC 2007, held as part of HCI international 2007, Beijing, China, July 22-27, 2007: proceedings. Berlin; New York: Springer. Recuperado a partir de http://public.eblib.com/EBLPublic/PublicView.do?ptiID=337217
International Conference on Foundations of Augmented Cognition. (2005). Foundations of augmented cognition … International Conference, FAC …, held as Part of HCI International …: proceedings. Recuperado 24 de marzo de 2013, a partir de http://www.springerlink.com/content/k47q82k67x63/#section=378094&page=1
Norman, D. A., & Rumelhart, D. E. (1975). Explorations in cognition. San Francisco: W.H. Freeman.
Schmorrow, D., & Stanney, K. M. (2008). Augmented cognition: a practitioner’s guide. Santa Monica, CA: Human Factors and Ergonomics Society.
Schmorrow, D., Stanney, K. M., Reeves, L. M., & Augmented Cognition International. (2006). Foundations of augmented cognition: augmented cognition– past present and future. Strategic Analsysis, Inc.
Segev, I., & Markram, H. (2010). Augmenting cognition. Boca Raton, Fla.; London: EPFL Press ; Taylor & Francis [distributor].

Propuestas y modelos de negocio para la sostenibilidad de los MOOCs

Posted on by
Reply

En el artículo que escribí sobre MOOCs para Relpe/OEI no hablé del modelo de negocio que supone este tipo de cursos.

Hay por parte de muchas universidad anglosajonas y americanas más concretamente un modelo de negocio sostenible para los xMOOCs. Se habla de pérdidas de muchos cursos de xMOOCs. Algunos autores como comenta Martin Weller describe un escenario muy deprimente y que se convierten en insostenibles y que sólo se pueden permitir universidades de élite, y además son conservadores estos cursos, ya que no pueden arriesgar mucho o casi nada debido a que producirían más pérdidas. Esto comenta en un post el Sr. Weller. Desde mi humilde opinión creo que hay soluciones, habiendo soluciones y formas para todos los “gustos” universitarios.

En cuanto a su sostenibilidad podemos nombrar ciertas formas de recuperación monetaria o ROI para este tipo de cursos:

  • Al finalizar el curso se ofrece un examen final que te dará créditos y dependiendo de los acuerdos  con otras universidades. Suelen ser costosos.
  • Trás la capa analítica se puede percibir e incluso preveer los alumnos que son muy buenos o tienen unas determinadas competencias y habilidades ajustables a determinadas empresas. O sea, venta de estudiantes con unos requisitos específicos (en el argot anglosajón los headhunting) con venta a empresas.
  • Otro modelo es el utilizar la estrategia MOOC para reclutar estudiantes.
Uno de los modelos de negocio para universidades. El MOOC2degree

Uno de los modelos de negocio para universidades. El MOOC2degree

Nos extendemos en este último punto con la iniciativa MOOC2degree. Este proyecto de un consorcio de siete universidades de Estados Unidos ofrece el primer curso de una titulación como un MOOC con la esperanza de reclutar estudiantes en el programa completo. Los MOOCs será gratuita, abierta a todos y en realidad le dará créditos si se inscribe en el programa de estudios completo. Esto no está claro y no hay acuerdos con el resto de universidades para el tema de créditos, pero justificada si puede ayudar a la universidad a reclutar más estudiantes. Este vídeo no dice nada al respecto de forma clara.

En un post se comenta al respecto al vídeo linkeado “con MOOC2Degree, las asociaciones académicas ha colaborado con las universidades públicas para ofrecer créditos MOOCs como un primer paso y una salida libre hacia la obtención de un título. A través de esta nueva iniciativa, el curso inicial en determinados programas de grado en línea se convertirá en un MOOC. Cada MOOC será el mismo curso con el mismo contenido académico, impartido por los mismos instructores, ya que actualmente ofrecen programas de grado en las universidades participantes. Los estudiantes que completen con éxito un curso de MOOC2Degree obtendrán créditos académicos para obtener un título, en base a los criterios establecidos por las universidades participantes. ”
Esto es muy general y no es más que una forma de reclutar estudiantes a los programas regulares de titulaciones universitarias y eso es exactamente por lo que creo que será de interés para muchas universidades de corte tradicional (la mayoría). En realidad no es nuevo, ya sea porque universidades como la Open University del Reino Unido han ofrecido de forma abierta sus cursos a través de OpenLearn desde hace varios años y muchos estudiantes se han inspirado en los cursos gratuitos para inscribirse en las versiones de pago de estos cursos. Muchos estudiantes en MOOC2degree también deciden inscribirse en el grado de manera completa, pero al mismo tiempo aquellos que simplemente quería aprender sin necesidad de los créditos también pueden beneficiarse de esta experiencia.

Esta es una razón por las que creo que las universidades deben cambiar de estrategia en el diseño instruccional de los cursos, tanto en formación virtual como en la formación mixta o blended learning. Por eso las universidades (y ya más allá de MOOC2degree) se verán obligados a revisar a fondo su estrategia online y blended, para prestar atención a la pedagogía de los cursos en línea y asegurarse de que la experiencia MOOC sea más dinámica y estimulante suficiente para hacer estrategias de monetarización y en escala de los cursos.

La importancia de la cognición distribuida en las teorías contemporáneas

Posted on by
2
Cognición distribuida. Fuente Jared Donovan en http://bit.ly/12OSJGu

Cognición distribuida. Fuente Jared Donovan en http://bit.ly/12OSJGu

La cognición distribuida es una rama de la ciencia cognitiva que propone la cognición y el conocimiento no se limita a un individuo, sino que se distribuye a través de objetos, personas, objetos y herramientas en el entorno.

Edwin Hutchins, un psicólogo cognitivo y antropólogo, estudió cómo se coordina la navegación en buques de la Armada de Estados Unidos cerca de San Diego. A partir de sus observaciones, postuló que la mente está en el mundo (en comparación con el mundo esta en la mente). Se le considera uno de los grandes impulsores de la ciencia cognitiva y padre de la moderna etnografía cognitiva como antropólogo que es.
Podemos decir, según palabras del autor, que el conocimiento y la cognición para operar o dirigir un buque naval (estuvo en la marina de EE.UU y aviador civil) no existen únicamente dentro de la cabeza de una persona, sino que ese conocimiento se distribuye a través de objetos, personas y herramientas en el propio entorno. El objetivo de la cognición distribuida es describir la cantidad de unidades distribuidas que se coordinan mediante el análisis de las interacciones entre las personas, los medios de representación utilizados, así como el marco en el que se realiza la actividad. La unidad de análisis puede describirse como sistemas que dinámicamente reconfiguran sus subsistemas para llevar a cabo las funciones de los individuos, los artefactos y sus relaciones entre sí (por ejemplo, para la construcción de un puente de un barco, una cabina de avión o el control del tráfico aéreo). La cognición distribuida trata de definir los mecanismos que se producen en los procesos cognitivos: por ejemplo, la memoria en una cabina abarca los procesos internos, la manipulación física de los objetos, y la creación / intercambio de representaciones externas.

La cognición distribuida, que a menudo hace uso de los datos etnográficos recogidos, no es tanto un método como un marco útil descriptivo que describe (valga la redundancia) los sistemas humanos de trabajo en términos de información y de computacional. Es útil para el análisis de las situaciones que implican la resolución de problemas y su manera de resolver, al ayudar a proporcionar una comprensión del papel y la función de los medios de representación, tiene implicaciones para el diseño de la tecnología en la mediación de la actividad, ya que los diseñadores del sistema tendrá un robusto modelo, que hará más clara su “construcción”. Por lo tanto, es una teoría importante para campos como CSCL, CSCW, HCI, diseño instruccional y el aprendizaje a distancia (EaD) y en cualquier estructura reticular que se precie.

La interdisciplinariedad y sus componentes de actuación

Cognición distribuida es una teoría psicológica desarrollada a mediados de 1980 por Edward Hutchins. Tiene un carácter interdisciplinar ya parten sus investigaciones de conocimientos de  sociología, de ciencia cognitiva y de los estudios de psicología de Vygotsky (cf. psicología histórico-cultural, sobre todo compendiando en el libro Mind in Society de Vygotsky) se hace hincapié en los aspectos sociales de la cognición. Se trata de un marco de actuación o framework (no es un método) que implica la coordinación entre los individuos, los artefactos y el medio ambiente. Tiene varios componentes clave:

  • Realización de la información que está incrustada en las representaciones de interacción.
  • La coordinación de la promulgación de los agentes incorporados.
  • Las contribuciones ecológicas a un ecosistema cognitivo.

Por otro lado, podemos hablar de la cognición como el proceso de la información que se produce a partir de la interacción con símbolos en el mundo (de aquí la relación semiológica de sus estudios). Se considera y califica todos los fenómenos responsables de esta transformación como elementos ecológicos de un ecosistema cognitivo. El ecosistema es el entorno en el que los elementos ecológicos se ensamblan e interactuan con respecto a un proceso cognitivo específico. La cognición se le da forma por la transducción de la información a través de las modalidades extendidas y encarnadas. Estas las representaciones forman como resultado de sus interacciones y la distribución de esas representaciones atento hacia una metacognitiva.

Esta teoría se basa en la coordinación entre individuos y objetos, y propone que el conocimiento humano y la cognición no están confinados en el individuo, sino también en espacios de memoria distribuidos, en hechos, o en el conocimiento de los objetos de nuestro entorno. Para el estudio de la inteligencia colectiva y de la mente global se necesita estudiar este framework. La cognición distribuida puede servir y dar paso a una teoría del aprendizaje, en la que el desarrollo del conocimiento es el resultado de un sistema formado por la relación existente entre los agentes humanos y los objetos con los que interactúan. Podemos encontrar un ejemplo de aplicación en los sistemas de aprendizaje a distancia como EVAs y LMSs u otras herramientas de aprendizaje asistido por ordenador. La cognición distribuida ilustra el proceso de interacción entre personas y tecnologías, con el objetivo de determinar cómo representar, almacenar y proporcionar acceso a recursos digitales u otros artefactos.

La cognición distribuida es una rama de la ciencia cognitiva que propone que el conocimiento humano y la cognición no se limitan solamente a las personas. Por eso, para el estudio del Internet de las cosas es importante esta fuente de conocimiento para dilucidar la “comunicación” entre los artefactos y su contexto. Cada vez serán estos estudios de más relevancia en el Internet futuro y en las interacciones ambientales.

Podemos decir que se distribuyen por los recuerdos de colocación, por hechos o el conocimiento de los objetos, personas y herramientas en nuestro entorno. La cognición distribuida es un enfoque útil para (re)diseñar los aspectos sociales de la cognición, poniendo énfasis en el individuo y su entorno (Véase Vygotsky). La cognición distribuida considera que un sistema como un conjunto de representaciones y modelos del intercambio de información entre estas representaciones (su importancia para generar ecosistemas de conocimiento sostenibles). Estas representaciones pueden ser o bien en el espacio mental de los participantes o representaciones externas disponibles en ese entorno del que hablamos.

Esta abstracción se pueden clasificar en tres tipos distintos de procesos:

  • Los procesos cognitivos pueden ser distribuidos entre los miembros de un grupo social o comunidad.
  • Los procesos cognitivos pueden ser distribuidos en el sentido de que el funcionamiento del sistema cognitivo incluye la coordinación entre los componentes internos y externos (de carácter material o ambiental) de su estructura.
  • Los procesos pueden ser distribuidos a través de un determaindo tiempo, de tal manera que los acontecimientos anteriores puede transformar la naturaleza de los eventos relacionados en un ecosistema cognitivo.

Esta es una pequeña introducción a la cognición distribuida que ha tenido y tiene mucha relevancia en muchos marcos de actuación y teorías de aprendizaje contemporáneas.
¿Qué opinas al respecto?

Referencias:

Cognición distribuida. (n.d.). Blog entornos web 2.0. Blog. Retrieved from http://caquintero553.blogspot.com/2011/11/cognicion-distribuida.html

Hardy-Vallée, B., & Payette, N. (2008). Beyond the brain: embodied, situated, and distributed cognition. Cambridge Scholars Pub.

Hutchins, E. (1995). Cognition in the wild. Cambridge, Mass.: MIT Press.

Klahr, D. (1976). Cognition and instruction. Hillsdale, N.J.; New York: L. Erlbaum Associates ; distributed by the Halsted Press Division of Wiley.

Rogers, T. T., & McClelland, J. L. (2004). Semantic cognition: a parallel distributed processing approach. Cambridge, Mass.: MIT Press.

Rosch, E., Lloyd, B. B., & Social Science Research Council (U.S.). (1978). Cognition and categorization. Hillsdale, N.J.; New York: L. Erlbaum Associates ; distributed by Halsted Press.

Ross, D. (2007). Distributed cognition and the will: individual volition and social context. Cambridge, Mass.: MIT Press.

Rumelhart, D. E., McClelland, J. L., & University of California, S. D. P. R. G. (1986a). Parallel distributed processing: explorations in the microstructure of cognition. Cambridge, Mass.: MIT Press.

Rumelhart, D. E., McClelland, J. L., & University of California, S. D. P. R. G. (1986b). Parallel distributed processing: explorations in the microstructure of cognition. Vol. 1, Foundations. Cambridge, Mass.; London: MIT Press.

Salomon, G. (1993). Distributed cognitions: psychological and educational considerations. Cambridge [England]; New York, NY: Cambridge University Press.

Salomon, G. (2001). Cogniciones Distribuidas: Consideraciones psicológicas y educativas. Buenos Aires: Amorrortu Editores.

Socially distributed cognition. (2013, January 30). In Wikipedia, the free encyclopedia. Retrieved from http://en.wikipedia.org/w/index.php?title=Socially_distributed_cognition&oldid=535646814

Symposium on Cognition, Carroll, J. S., Payne, J. W., & Carnegie-Mellon University. (1976). Cognition and social behavior. L. Erlbaum Associates ; distributed by the Halsted Press Division of Wiley.

Symposium on Cognition, & Gregg, L. W. (1974). Knowledge and cognition. L. Erlbaum; distributed by the Halsted Press Division, Wiley, New York.

Weimer, W. B., & Palermo, D. S. (1974). Cognition and the symbolic processes,. Hillsdale, N.J: Lawrence Erlbaum Associates; distributed by Halsted Press Division, Wiley, New York.

Las tecnologías emergentes tienen caminos inesperados: no son unos top-hits

Posted on by
Reply

Los sitios o entornos de red por lo general fijan y estabilizan las ideas, generan grupos afines, comportamientos afines y lo que un servidor llama cliqueísmos ( término extraído de la Teoría de Grafos, en perspectiva sociológica, son personas que comparten unos mismos intereses). Por esta y otras razones, he comentado en alguna ocasión que las plataformas de sitios de redes sociales no es el único lugar para poder generar innovación en procesos). Esto viene a cuento con la forma del “Think different” de la campaña diseñada por Ken Segall para Apple en 1997. Detrás de ello, aunque sólo viéramos la parte de lo increíblemente simple, la unión de la simplicidad con la complejidad, todo un hallazgo de hibridación de conceptos. En los años posteriores fue copiado hasta la saciedad.

¿A que viene todo esto? Pues que las ideas se repiten y copian de una forma viral y con técnicas de mash-up de contenidos. Los vemos diariamente en los éxitos musicales, en el arte, en la ciencia y, por su puesto, en los procesos educativos. Hay una de estas ideas de difusión en la que vamos a centrarnos en concreto: las tendencias en tecnología educativa. Es la fecha en la que se hacen múltiples vaticinios y predicciones para el año en curso que entra: 2013.

Se trata de un futuro determinista. Es todo un mercado y empresas que están trabajando en ello para darnos los buzzwords que deberemos usar en nuestras consultorías y formaciones. Están en constante creación de términos nuevos para que su consumo no se agote y hagan ruido y nos maravillemos con lo que viene (la más, lo in, la próxima cuestión que va venir). Se debe fijar y poner en difusión como si se tratará de una “marca” y con una palabra clave que sea fácil de memorizar, sintética y que de juego. Para ello existe una palabra que es el hype. Hay una megaempresa consultora que nos muestra los hype de cada año y su ciclo de sobreexpectación (Christian Ruiz nos habla de ello) Se trata de Gartner.

 

Gartner Hype Cycle

Gartner Hype Cycle

 

Este es el último gráfico de sus Top-Hit de tecnologías emergentes. Nos sirve para ver los conceptos emergentes y su relación empresarial, lo que se habla en la red de ello y otros factores y metodología de uso a tener en cuenta que estén en el peak del gráfico anterior:

2012Emerging-Technologies-Graphic4

Se compone de cinco fases: una de lanzamiento (Technology Trigger), luego en poco tiempo pasa a un pico de expectativas sobredimensionadas (Peak of inflated expectations), luego como muchas de los “comportamientos informacionales” se desploma y ya no se habla de ello (ejemplo de ello son los medios informacionales y su difusión de noticias), cayendo en un abismo de desilusión y ya no cumplen las expectativas tan sobredimensionadas de esa nueva tecnología (Trough of disillusionment). En años posteriores se sigue investigando por empresas del sector y universidades de manera silenciosa y fuera de las visiones marketinianas. En estos años se produce una rampa de consolidación (Slope of Enlightenment) y, por último, viene la puesta en marcha de de proyectos y de puesta en marcha en las instituciones con ese tipo de tecnología. Es lo que llama Gartner una meseta de productividad (Plateau of Productivity).

Otro de los que nos prevé las futuras tecnologías en educación (donde son personas las que deciden por donde va a partir de conceptos) es el Informe Horizon (inglés NMC Horizon Project)

Cremos que los caminos recorridos por las tecnologías emergentes entran en el terreno emergente (valga la redundancia) y en la complejidad en términos más amplios. Decir que por unos estudios analíticos decir en que momento se encuentra una tecnología es falso. No tengo datos comparativos de una tecnología descrita en su camino hacia la productividad y la normalidad por parte de Gartner y un estudio de esta tecnología desde la perspectiva histórica y estando en la fase de normalización con el periodo de la meseta de productividad. Creemos que cada tecnología tiene unos recorridos, unos intereses empresariales, unas interrelaciones con otros mercados y productos. Con esto, lo que quiero decir es que es muy complejo ver por donde pueden ir las tecnologías y su éxito o fracaso. Se deben analizar tanto factores de usuario, medios, empresas que han invertido mucho dinero en ello y otros factores que juegan un papel importante en este mundo complejo en holísticos análisis emergentes. No hay una lógica y casualidad operativa y que siempre funciona.

Por eso, debemos entender todo estos factores para apostar por determinadas metatendencias más que unas tecnologías en concreto. Y también en la tendencia de esa tecnología disruptiva tendrá, ya que algunas de las tecnologías disruptivas se están “amansando” para perpetuar los conceptos transmisivos y jerárquicos que habilita y establece la educación como negocio. La educación emergente tiende hacia lo auto (autoaprendizaje, autogestión, autodeterminación y autorreflexión por medio de procesos de autocuantificación). Otro tema es que el control y poder a las instituciones se les escapa de las manos con este empoderamiento de las tecnologías. Un caso que todavía no está resuelto y veremos por donde se encamina es el aprendizaje analítico (Learning Analytics). Es una potente infraestructura tecnológica de lo auto y de no necesitar tutores para poder recorrer su evaluación (podríamos llamarlos asociados al aprendizaje) y un camino hacia los logros de su propio aprendizaje y poder integrar perfectamente elementos del aprendizaje informal. Dentro de unos años volveremos a hablar y veremos como muchas de las potencialidades quedan reducidas e impera la sustitución y la evaluación (analítica y de datos) por parte de los tutores y profesores. Aferrándose a una evaluación y análisis tautológico, ya que el propio aprendiz puede disponer de esos datos (y sepa interpretarlos y leerlos es una competencia clave) y los algoritmos creados permitirán “recomendar” la mejor opción para seguir en su trayectoria educativa (término que alguna vez desarrollaré como una metatendencia educativa) que tuve la suerte de hablar en el TEDxLeón en febrero de 2012.

 

La interdisciplinariedad del Análisis del Aprendizaje [Learning Analytics]: un modelo de referencia

Posted on by
2

El análisis del aprendizaje es la medición, recopilación, análisis y presentación de datos sobre los alumnos y sus contextos (pueden medirse otros contextos como el académico o el de campus, pero este es el general), a los efectos de entender y optimizar el aprendizaje y los entornos en los que se produce. En este aspecto, nos podemos liberar de estar en un lugar concreto como un aula o una institución, aunque esto no se ha dicho.

Un campo relacionado es la minería de datos educativos.

En el informe “The State of Learning Analytics in 2012: A Review and Future Challenges” desarrollado por la investigadora Rebecca Ferguson establece unos principios  para el desarrollo del análisis del aprendizaje :

1. El creciente interés del Big Data y su importancia a nivel educativo.

2. El auge de la educación en línea  se centró en torno a los entornos de aprendizaje virtual (VLE), los Sistemas de Gestión de Contenidos (CMS), y los Sistemas de Información Gerencial (SIG) para la educación, que registró un aumento en los datos digitales en cuanto a los antecedentes del alumnado (a menudo realizada en una plataforma SIG) y el aprendizaje por medio del registro de datos (de los VLE). Este desarrollo dio la oportunidad de aplicar las técnicas del Business Intelligence a los datos de carácter educativo.

3. Las preguntas relacionadas con la optimización de los sistemas para apoyar el aprendizaje en particular y ver como un estudiante está involucrado en el proceso de aprendizaje siendo a distancia la formación y no podemos verlo a simple vista.

4. El aumento de ℅ sobre los progresos sean palpables y evidentes (se trata de visualizar lo invisible como ocurre en las técnicas de análisis de redes) y sea factible para lo que los anglosajones llaman la “accountability” (la rendición de cuentas de lo que has hecho, trabajado y aprendido).

5. Este enfoque conducirá a que se tenga en cuenta esos resultados y su acceso e interés por las partes interesadas (stakeholders) y estando asociados al sistema de rendición de cuentas (muy propio de la educación anglosajona y americana en concreto).

6. Actualmente se está viendo un creciente énfasis en las affordances pedagógicas del análisis del aprendizaje.

7. La optimización de la educación en línea toma partido. Se incrementa el deseo de mejora económica de la educación en línea y a distancia (EaD) para una mayor optimización de alta calidad y para una mayor asequibilidad.

 

El Análisis del Aprendizaje utiliza una serie de técnicas y enfoques desarrollados en una variedad de disciplinas. Estos han incluido técnicas matemáticas (red y teoría de grafos), los enfoques sociológicos a las redes sociales, los enfoques del discurso analítico y textual, y los métodos estadísticos para el modelado predictivo del comportamiento estudiante exitoso. Aquí entraría la emergencia del Análisis Sentimental (Sentiment Analysis).

Trabajos en curso y de donde se han tomado fuentes de inspiración: sociólogos como Wellman y Watts, matemáticos como Barabási y Strogatz. El trabajo de estas personas nos ha proporcionado un buen sentido de los patrones que las redes de exhibición (mundo pequeño, las leyes de alimentación), los atributos de las conexiones (a principios de los 70, Granovetter explorando las conexiones desde el punto de vista de la fuerza del vínculo y el impacto de la nueva información) , y las dimensiones sociales de la red (por ejemplo, la geografía y lo urbano sigue siendo importante en un mundo digital en red).

Como vemos muchas disciplinas y subdisciplinas están conectadas para generar esta nueva ciencia de los datos para el aprendizaje.

Un modelo de M.A. Chatti y otros autores nos da muestra de su complejidad en los datos y en su estructura holística. Para estos autores el Aprendizaje Analítico es un campo multidisciplinario que involucra el aprendizaje automático, la inteligencia artificial, la recuperación de información, las estadísticas y la visualización (datos). Es también un campo en el que varias áreas relacionadas con la investigación en TEL convergen. Estos incluyen análisis académicos, análisis y minería de datos de acción educativa. En este trabajo que comentamos investigan estos autores las conexiones entre el Análisis del Aprendizaje y esos campos relacionados. Se describe un modelo de referencia para el Análisis del Aprendizaje basado en cuatro dimensiones, a saber, datos y entornos (¿qué?), actores (¿quién?), objetivos (¿por qué?) y los métodos a utilizar (¿cómo?).

Modelo de Referencia LA

Fuente: Wikipedia e informe The State of Learning Analytics in 2012: A Review and Future Challenges [pdf] y el artículo de M.A. Chatti et al.