Redes en espacios abiertos de innovación y las trayectorias individuales representadas

A Network of Civic Forums

A medida que el entorno empresarial actual se hace más global, competitivo y cada vez más complejo y turbulento, las organizaciones se ven obligadas a innovar más rápidamente para poder sobrevivir.
La complejidad creciente ha dado mayor importancia a personas que se encuentran en nichos de conocimiento diferentes, tales como departamentos de una organización u organizaciones de un sector determinado, para colaborar a través de estas demarcaciones con el fin de impulsar para que la innovación sea más rápida y mejor. Sin embargo, si bien hay una fuerte necesidad de este tipo de colaboración transfronteriza, existen fuertes presiones que preserva a las personas para que lleguen a interactuar con los socios: hay razones de la organización que refuerzan la creación y el mantenimiento de los límites por el bien de la coherencia y reproducibilidad y flujo de la organización  (Perrow, 1986), y existen presiones interpersonales para mantener contacto homofílico con otros. Estas presiones son tan omnipresentes que incluso en ausencia de límites formales, como ocurriría en una mezcla orientada específicamente para ayudar a que las personas encuentren nuevos socios en nichos distintos con diferentes conocimientos, las personas tienden a volver a mantener relaciones homofílicas en lugar de cruzar fronteras. Es uno de los problemas que se encuentra en este tipo de espacios abiertos de innovación.Hay algunos individuos que, sin embargo, son capaces de superar estas presiones y colaborar con nuevos socios en este tipo de ajuste. Nuestro interés aquí es entender la forma en que son capaces de desarrollar nuevos vínculos, cuando esto ocurre, y si este proceso conduce a ideas originales. Nuestra esperanza es que al comprender mejor el proceso, podríamos ser capaces de fomentar una mayor innovación en el futuro. El escenario es un espacio abierto como comenta Harrison Owen en su libro [Wikipedia]. Un espacio social que reúne a los participantes por un período corto de tiempo (normalmente uno o más días) para discutir y trabajar sobre temas específicos del proyecto. Al igual que en el concepto de proyectos de código abierto de software, los participantes son libres de escoger con quien colaborar y en qué proyecto, que tiene el potencial para crear un enjambre hacia nuevas ideas interesantes de Peter A. Gloor en su conocido libro. Algunos de los participantes ya están familiarizados con los demás antes de tomar parte en el ejercicio de un espacio abierto, lo que nos permite explorar cómo se desarrollan nuevos vínculos a lo largo del ejercicio. Peter A. Gloor comenta muchas de sus ideas en este vídeo:


Setenta alumnos de un curso universitario en ciencias de la computación se reunieron en un ejercicio de espacio abierto en la Universidad Tecnológica de Viena durante un día (lo siento no encuentro los vídeos que hay de este proyecto. En su web pueden encontrar otros de interés). Su única tarea era el intercambio de ideas sobre cómo usar una tecnología de software de código abierto que se les proporcionó. No había otra estructura formal de impuestos a los participantes. Podían decidir libremente cómo usar este software, con quien querían intercambia de ideas, y con quien podrían colaboraría en estos proyectos después de ese día. Estos proyectos continuaron después durante el resto del semestre y más allá de si los estudiantes siguiesen interesados en el proyecto. Se administró un cuestionario a los estudiantes antes del ejercicio (ej., que se sabía antes de comenzar el ejercicio), en cuatro momentos durante el ejercicio para recoger datos sociométricos de carácter logitudinal (o sea, que no es periódico). Esta recogida de datos incluiría con quien se habían comunicado, con quien habían compartido ideas, quienes resultaron ser fuente de inspiración,  así como datos sobre sus atributos (por ejemplo, género y origen) y las ideas que se estaban generando.Este método nos permite examinar no sólo si los nuevos lazos, efectivamente, llevaron a ideas más útiles, sino también si había diferentes trayectorias individuales hacia redes que se pudieran identificar. Por ejemplo, algunas personas podrían haber comenzado de inmediato a través del acercamiento a nuevas personas, pero luego habían vuelto a trabajar con un pequeño grupo de otros que conocían previamente, mientras que otros podrían haber comenzado con los que ya conocían, y después se acercaron a nuevos socios, y todavía otros podrían haber elegido trabajar sólo con nuevos o antiguos socios. Estas trayectorias de red egocéntricas son dignas de estudio por derecho propio como en el magnífico libro de Kilduff y Tsai (2003) y podrían estar relacionadas con la generación de mejores o peores ideas.

En este libro estableció una tabla para diferenciar los procesos de red dirigidos a objetivos y los procesos de red serindípicos:

Proceso dominante dirigido a objetivos Procesos dominante serendípico
Suposiciones subyacentesTeleológico e instrumental. Los actores comparten un objetivo. La red está formada para alcanzar este objetivo. El éxito se mide frente al objetivo.No hay objetivo pre-existente. La red evoluciona a través de un proceso de variación, selección y retención aleatorio.
Crecimiento típico de la redSe forma rápidamente en torno a objetivos compartidos. La supervivencia está amenazada tanto por el éxito como por el fracaso. El descubrimiento de un nuevo objetivo prolonga la duración de la vida.Se forma lentamente. Crece a través de vínculos diádicos. Larga vida, supervivencia robusta en tiempos de cambio.
Dinámica estructuralEstructura centralizada con un líder: núcleo-periferia. Minimiza los agujeros estructurales. Unión estrecha. Demarcación clara. Crecimiento basado en la elegibilidad. Menos probabilidad de sobrevivir a la formación de sub-redes.Estructura descentralizada sin líderes individuales.
Produce agujeros estructurales. Unión débil. Demarcación difusa. Crecimiento basado en coincidencias diádicas. Creación de redes más probable a lo largo del tiempo.
ConflictosSi los conflictos surgen sobre los objetivos, es probable que se disgregue la red.Pueden sobrevivir en la misma red subgrupos (cliques), cada uno con solidaridad interna.
Implicaciones para los actores individuales Actores más homogéneos. Participan sobre la base de objetivos compartidos. Movilidad a través de organizaciones parecidas. Trayectoria profesional más predecible. Énfasis en la confianza de toda la red.Actores más diversos. Participan sobre la base de vínculos compartidos. Movilidad a través de enlaces de la red. Puede ocurrir un cambio inesperado en la trayectoria profesional. Énfasis en la confianza interpersonal a nivel diádico.

 

La revolución de los datos sociales: una nueva ciencia para interpretar los comportamientos sociales

Portada del libro

El libro “Pulse: The New Science of Harnessing Internet Buzz to Track Threats and Opportunities” de Douglas Hubbard (anteriormente había publicado otro de gran interés y que no he tenido ocasión de leer. Se titula “How to Measure Anything: Finding the Value of Intangibles in Business“) describe y analiza un nuevo panorama de la ciencia por la capacidad que se tiene de generar análisis de esas huellas digitales. El le llama Pulse. También en la enseñanza tendrá una capacidad disruptiva y de ser un “trigger” (como disparador) para el cambio. Un libro recomendado y que pongo algunas de los párrafos con los que abren el Capítulo 1 “An Emerging Science: What is this new thing?”. Esta ciencia emergente que analiza los datos de manera transparente y con la capacidad de poder visualizarlos en tiempo real. Una nueva era para la medición y predicción de la sociedad.

La primera mitad del siglo XXI está viendo el surgimiento de un nuevo tipo de instrumentos científicos que permitan medir las tendencias más importantes en la sociedad. Más personas pasan más tiempo haciendo más cosas en línea y al hacerlo, dejan tras de sí un gran registro digital. Mediante la combinación de esas “huellas digitales” tanto sociólogos como psicólogos, economistas e incluso los médicos están aprendiendo a medir los aspectos de nuestra sociedad que de otra manera sería prácticamente invisible. El análisis de estas huellas digitales generará nuevos descubrimientos en todos los ámbitos de la investigación. El volumen de esos datos será detectar nuevos patrones en los mercados, en la opinión pública e incluso la salud y la seguridad.

Datos disponibles al público acerca de la frecuencia de determinadas búsquedas en Google se han utilizado para rastrear los brotes de gripe, la confianza de los consumidores o el niveles de desempleo más rápido que las autoridades del gobierno son capaces de hacerlo. El análisis de millones de “tweets” en Twitter se han utilizado para predecir la popularidad de una película, las aprobación calificaciones de las presidenciales a nivel político e incluso los movimientos del mercado de valores y la bolsa. Anuncios en sitios como Craigslist se correlacionan con las ejecuciones hipotecarias y el desempleo. Los datos recogidos de forma pasiva en los teléfonos móviles pueden ser utilizados para rastrear patrones de tráfico, enfermedades, e incluso daños después de un terremoto. Y esto es sólo el principio.

En educación a la hora de establecer metodologías cuya base es la red (Networked Learning) y establecidas en ecosistemas abiertos generan multitud de tráfico y acciones interactivas sin una delimitación clara (veáse MOOC). En estos casos hacer la evaluación del propio aprendizaje de los estudiantes es tarea ingente, o, metafóricamente, matar elefantes con un matamoscas.

Por eso creo que es revolucionario y disruptivo con respecto a la concepciones de medida anteriores. Esto es un hecho más potente y disruptivo de lo que fue para la educación la web social. El problema es que vivimos en un constante devenir de formas disruptivas. Por esto, algunos autores le han llamado “la revolución de los datos sociales (Social data revolution)

Por eso, incluso los científicos más reservados describen este fenómeno como una revolución en el estudio de la humanidad y en la previsión de la conducta humana. Estas herramientas cambiará fundamentalmente la forma en que los insights serán encontrados entre el análisis de esos datos cruzados. En última instancia, esta nueva fuente de datos (datos inteligentes + sensores + tiempo real) influirá en cómo algunas de las decisiones más importantes son tomadas por individuos, empresas y gobiernos.

En la crisis actual, por ejemplo hay las suficientes “señales” (palabra clave para esta era de los datos) como para ver que deben producirse cambios reales y disruptivos para que no sea una hecatombe.

Sólo recientemente los investigadores han ido descubriendo la manera de seguir las tendencias económicas, los brotes de gripe y la opinión pública mediante el uso de los datos a disposición del público por una cantidad ingente de usuarios de Internet y de telefonía móvil. Estas huellas digitales dejadas por los pueblos del mundo, ya que utilizan la Internet y los teléfonos móviles para interactuar por Internet, buscar información,

conectarse con otras personas y jugar en línea. Este conjunto de datos es lo que le llaman los “big data”. Es la primera oportunidad para que muchas de las ciencias sociales para trabajar con una cantidad de estadísticas detalladas que rivaliza e incluso supera los conjuntos de datos de, por ejemplo, la física de partículas o la astronomía.

Al igual que el pronóstico del tiempo se hace más preciso con mayor número de sensores, así los equipos de computación y análisis han mejorado, por eso los pronósticos del “clima” de la sociedad será de corte científico.

La analogía con el mapa del tiempo funciona a varios niveles. El valor real de los mapas del tiempo no está en ver los patrones climáticos, sino las posibles “tendencias”. Por eso, cuanto más macroscópico sea la focalización del mapa, más capaces seremos de ver las tendencias. Del mismo modo, muchas de las amenazas a las que nos estamos enfrentando en este siglo como son el terrorismo, el caos financiero, las epidemias, podrían ser mejor vistas (sus insights) de antemano si tuviéramos una especie de mapa del tiempo a nivel macro de la sociedad.

Observaciones individuales acerca de dónde vive alguien o la salida de una pequeña empresa no suele decir casi nada sobre las grandes tendencias. No se puede ver el tamaño y la forma de una tormenta al examinar unas gotas de lluvia, de manera similar, usted no puede ver grandes cambios en la economía o la sociedad por buscar sólo en sus otros vecinos o compañeros de trabajo. Sin embargo, un gran número de estos puntos de datos pueden mostrarnos los patrones a gran escala.

El Internet se ha utilizado para grandes oportunidades de negocio, como un depósito de todo conocimiento humano, como el medio de la colaboración de todo el

mundo y como la mejor herramienta del diálogo público. Sin embargo, vemos que hay un deficit en la propia Internet, ya que es casi totalmente subutilizada como un instrumento de medición de la sociedad. El principal método de seguimiento de las grandes tendencias en la sociedad sigue siendo el estudio y, en el caso de los negocios, el sistema de informes financieros. Negocios y gobiernos a entender la importancia de la utilización de estas encuestas tradicionales para informar a las estrategias críticas. En 2002, el Gobierno de los EE.UU. era el único gasto de más de $4 mil millones por año en las encuestas para medir la economía y otros aspectos de la sociedad. El sector comercial se gasto alrededor de $15 mil millones por año en el mismo.

Los métodos tradicionales de encuestas implican estudia cuidadosamente diseñado que permite un análisis estadístico sencillo. Desafortunadamente, son costosos, lentos, y aún con las metodologías, a menudo riguroso no captan lo que está sucediendo realmente. Ellos están plagadas de las tasas de respuesta pequeños, y en algunos casos lo que se dice en las encuestas tiene poco que ver con la realidad. Estos métodos suelen tardar semanas o meses para que el informe se termine, muchas veces esto es mucho después de que los datos hubieran sido útiles.

Internet es ya en muchos órdenes de magnitud más grande que todos los datos recopilados por los gobiernos y las empresas que utilizan las encuestas tradicionales.

La red social Facebook procesa por día 25 terabytes de datos. Esto es aproximadamente 1.000 veces la cantidad de datos por correo electrónico de EE.UU. La encuesta más grande del mundo-Censo de los EE.UU. produce menor cantidad de datos que esta en una década. En 2010, el servicio de microblogging de Twitter dio a la Biblioteca del Congreso 167 terabytes de datos que representan más de 6 mil millones de “tweets”. Y estas fuentes aún sólo forman parte de los datos digitales públicamente visibles que dejamos atrás.

Los datos de Internet son, por supuesto, no estructurados y en algunos aspectos más difíciles de analizar que una encuesta especialmente diseñada para evaluar determinado comportamiento. Afortunadamente, los nuevos métodos para el análisis de estos datos científicos están evolucionando, incluso cuando el volumen de datos continúa creciendo a un ritmo endiablado. El registro digital de carácter colectivo y de datos interaccionados para ver nuestro comportamiento ha crecido hasta un punto en que puede reflejar algo útil acerca de los usuarios del sistema. Ahora podemos ver el equivalente del mapa del tiempo que depara la opinión pública (trend topics), la economía, nuestra salud y nuestras ansiedades.

Por todo ello, el autor intenta ponerle nombre a esta ciencia en proceso emergente. Habla de análisis de datos sociales, de cibersociología, de huella digital, de psicohistoria (retomando el concepto de Isaac Asimov), pero el que más le convence (por lo llamativo del término) es el de “La revolución de los datos sociales” [slides y web]. Por todo ello, podemos definirlo el término revolución social de Datos (RSD) como el cambio en los patrones de la comunicación humana (en la que conjugan en la comunicación virtual. Podemos decir que por primera vez en la historia la comunicación puede ser de “todos a todos”) hacia un mayor intercambio de información personal y sus implicaciones relacionadas, hecha posible por el auge de las redes sociales en la primera década de este siglo. Mientras que las redes sociales se utilizaron en los primeros días para compartir fotos en privado y mensajes privados, la tendencia posterior de la gente es el intercambio de información personal de manera más amplia se ha traducido en cantidades sin precedentes de información pública. Y esto mezclado con la geolocalización hace posible nueva evolución en la generación de redes sociales.

Esta fuente de datos de gran tamaño y actualizada con frecuencia se ha descrito como un nuevo tipo de instrumento científico de las ciencias sociales. Varios investigadores independientes han utilizado los datos sociales para hacer un “nowcast” (como si se tratara de una predicción meteorológica a corto plazo, pero aquí es en lo social, con la amalgama de datos del contexto que queremos analizar) y prever las tendencias tales como el desempleo, los brotes de gripe, los gastos de viajes y opiniones políticas de una manera mucho más rápida, más precisa y más baratos que los informes estándar del gobierno o las encuestas de Gallup, por ejemplo.

En este vídeo da las claves de lo entiende por “Social Data Revolution”:

El futuro en los ecosistemas de aprendizaje

En un futuro, el aprendizaje será mucho más efectivo como agente sistémico. Por ello, nos inclinamos hablar de ecosistemas de aprendizaje (blog de interés), donde la tecnología será un componente más dentro de un todo como sistema. El ejemplo de Complex Adaptative System (CAS) es un buen elemento para estructuras cambiantes y no estables. Los patrones se infieren de los múltiples datos en un contexto determinado. El futuro es apasionante en cuanto a las posibilidades de aplicación en datos + contexto. Una de las competencias clave será el poder entender y cambiar/transformarse con el feedback de los datos. Seremos nuevos cartógrafos de la visualización de nuestras redes y entornos, pudiendo crear como arquitectos de espacios (contextuales) para el aprendizaje.El futuro no es monolítico, es activo a nuestros flujos, anteponiéndonos a ellos para cambiar y poder transformarlos.

El aprendizaje se organiza en torno a impulsores (tiggers) y catalizadores del cambio, que son las principales fuerzas de transformación que darán forma a nuestros esfuerzos para rehacer el aprendizaje. Estos catalizadores (tiggers) sinápticos del cambio, junto con las tendencias conexas y señales aparecen en el interior de esta previsión. Es posible que resulte útil echar un vistazo dentro del sistema antes de considerar estas implicaciones globales para el futuro del aprendizaje. Mirando a través de los impulsores del cambio, se pone de relieve la necesidad de “escuelas”(sentido extendido) y de centros de aprendizaje para la vida en los entornos de las organizaciones para los estudiantes, de sus familias, de los educadores y de la comunidad en general. Se debe hacer hincapié en la necesidad de aprender como un proceso continuo mediante el cual todos nos convertimos en ciudadanos comprometidos de una sociedad global. Uno de los más importantes para este pronóstico es la necesidad vital de todos los interesados sobre el aprendizaje a gran escala planetaria, no sólo la educación “por dentro”, sino también a las acciones innovadoras de gran alcance, que se encuentran en la periferia (las periferias como catalizadores de innovaciones), y que se involucran activamente en la creación del futuro del aprendizaje. Nuestra capacidad para cumplir las condiciones sociales, económicas, y los desafíos del clima de las próximas décadas dependerá de nuestra conciencia global y de las señales biológicas.

Comunidades escolares resilentes/resistentes

En el desarrollo futuro, las escuelas se convertirán en sitios críticos/experimentales/prácticos para la promoción de la salud, la vitalidad del medio ambiente, el crecimiento académico, el bienestar estudiantil, y las conexiones a través de las distintas comunidades en diferentes áreas (catalizadores de la innovación de carácter distribuido). Las escuelas llegará a ser dinámica, los sistemas de toda la comunidad y las redes que tienen la capacidad de reponerse por sí solos en el contexto del cambio. La creación de comunidades resistentes a la escuela exige que los educadores, las familias y los demás ciudadanos deben desarrollar nuevas capacidades. Tendremos que profundizar en nuestro poder, tanto de redes y nuestra capacidad de utilizar los medios interactivos para formar grupos y catalizar esas acciones. Al hacerlo, tendremos que fomentar la “innovación distribuida” que se extiende más allá de las fronteras de cualquier organización o comunidad y será necesario crear plataformas de colaboración y la aplicación de la “inteligencia colectiva” de muchas personas para formar nuestras estrategias de resistencia. La fuente e influencia de los sistemas biológicos es importante para generar esa resilencia, influenciada por la “inteligencia de enjambre” (swarm intelligence) y donde los procesos de autoorganización (propios de los sistemas de redes) mejorarán por medio de la implicación de las partes en un todo, por la colaboración estigmergia, por el control descentralizado y las heterarquías densas, en las que los insectos sociales nos muestran los signos emergentes para generar los algoritmos necesarios de interacción. Por último, los educadores, familias y otros ciudadanos tendrán que ser transparentes acerca de los impactos sociales, económicos, biológicos y la tensiones en nuestras comunidades. La filosofía Open hace posible generar transparencias en las identidades y en los procesos.

Amplificación de educadores y estudiantes

Al abrazar las tecnologías de la cooperación, creación de prototipos de nuevos modelos de aprendizaje, y el cultivo de criterios abiertos y de colaboración para el liderazgo, el “amplificado” de educadores y educandos se convertirán en la organización en “superhéroes” de las escuelas y los distritos. Sus enfoques desafiará las jerarquías institucionales y políticas y también proporcionará las fuentes de la innovación. Se debe observar si hay señales de amplificación exterior en los bordes/periferias del sistema formal, en lugares como las redes contextuales y cognitvas para que terminen convirtiéndose en un superorganismo con vida propia y que se enmarcan en las distintas capas como ciudadanos del mundo (módulos tecnológicos paralelos a tu yo real/virtual, relaciones e interacciones, (edu)comunicación,…), también en la escuela-hogar, en las escuelas independientes, en las escuelas invisibles y no registradas, en programas para después de la escuela y los programas de aprendizaje basados en comunidad. Curriculum=flujos de la vida, reflexiones y acciones para interaccionar con el amplio ecosistema del aprendizaje. Lo que se le ha llamado en estos años escuela expandida como sistema integral y holístico.

El aprendizaje en el contexto de la economía global

Tanto la geográfica como las migraciones digitales facilitarán el movimiento mundial de las familias, la identidad, los valores, los recursos educativos, el capital social, y las innovaciones, contribuyendo así a una economía cada vez más global de aprendizaje y en constante cambio. No se pueden usar marcos (frameworks) de actuación con un corto período de tiempo. Se sustituirá por los patrones emergentes que nos señalan los caminos del aprendizaje para determinado contexto. Como tales migraciones se dispone como una rutina de la moderna vida, que impulsará diversas nuevas demandas de derechos y/o recursos (creados artificialmente en algunos casos) para el aprendizaje. La creación y el intercambio de recursos de aprendizaje, entornos y experiencias forman un ecosistema global de aprendizaje, que van más allá de una delimitación nacional o fronteriza. La globalización de los sistemas abiertos en estos ecosistemas de aprendizaje está caracterizado por la creación de recursos de cooperación, evaluación y la distribución de estos. Esto cambiará la forma en las instituciones educativas, al ver sus funciones de los distintas partes y componentes de este ecosistema y ofrecerá nuevas formas de valor en el ecosistema global de aprendizaje. Los centros de enseñanza ya no será exclusivo de los agentes de la coordinación/dirección, la prestación de servicios, aseguramiento de la calidad, la evaluación del desempeño, o de apoyo. De hecho, otros actores podrían estar más equipado para proporcionar estas funciones en estos ecosistemas distribuidos.

El diseño y los datos en la arquitectura del aprendizaje

Las nuevas herramientas (algoritmos, data analysis, realidad aumentada, predicciones de nuestro flujo de interacciones y acciones registradas viaja con nosotros en todo momento, más allá de la computación ubicua) y enfoques para el diseño de la experiencias de aprendizaje hará posible unas capacidades infinitas para personalizar el aprendizaje como arquitectos ante diseños modulares. Se podrá crear objetos en 3D y aplicaciones por el propio usuario. Los datos sobre las preferencias y las interacciones, así como caminos de colaboración (por ejemplo registros de como los alumnos navegan en Internet, capa detrás para generar datos de sus interacciones para el aprendizaje, y cómo contribuyen a las actividades de grupo e interactúan unos con otros sin un eje central), creará nuevas fuentes de información sobre experiencias de los alumnos y el rendimiento. Es lo que viene emergiendo desde distintas investigaciones como Learning Analytics. Uno de los propulsores es EDUCAUSE elaborando diversos papers y una página de interés sobre las próximas generaciones del aprendizaje. Lo que conocemos como evaluación formativa, se irá haciendo autoformativa con estas emergentes métricas personales. El control de los aprendices no estará sobre las propias organizaciones, sino sobre las invisibles acciones e interacciones para el aprendizaje. La evaluación (gráfico visual – visualgraph) viajará contigo y serás el responsable de ella de su transmisión. Las herramientas de visualización proporcionará nuevas formas de ver los datos y de desarrollo de conocimiento de apoyo al estudiante. Además, los avances neurológicos nos ayudará a hacer conexiones entre determinados entornos físicos y virtuales y sus efectos sobre la cognición y la salud del cerebro. El resultado será un conjunto de herramientas emergentes para el diseño personalizado, y por supuesto que este centrado en el alumno con las experiencias y ambientes que reflejan la diferenciación entre los estudiantes en vez de forzar el cumplimiento de un promedio de estilo de aprendizaje y el nivel de rendimiento. A nivel comunitario, se trabajará/experimentará con la capacidad práctica de resolución de problemas que se aplica a asuntos de la comunidad y ayuda a fortalecer esa resistencia local, como un auténtico ser vivo.

Las heterarquías distribuidas

Dado que la estructura jerárquica de la propia educación, los movimientos tradicionales de arriba hacia abajo de la autoridad, conocimiento y poder desentrañan las jerarquías. Antes de obtener nuevos patrones establecidos, parecerá como si una gran cantidad de nuevas especies hayan sido introducida en el ecosistema de aprendizaje. La autoridad será un recurso muy discutido, y habrá la posibilidad de conflicto y desconfianza, como ya esta ocurriendo ahora con los Social Media y las organizaciones. Con las estrategias de medición y métricas de la producción con ingentes cantidades de información, tendremos que decidir qué datos son importantes, lo que significan, y cómo podemos actuar sobre ellos. Los exámenes estandarizados ya está rodeada de controversia, pero nuevas métricas y mediciones surgirá de una variedad de lugares fuera de la educación. Queda por ver si los nuevos agentes de aprendizaje y los profesores tradicionalmente certificados podrán cooperar o competir. Si bien podemos esperar que el aprendizaje de certificación de terceros agentes debe emerger, en muchos casos, la ausencia de regulación supondrá tecnicas emergentes de autocontrol y la responsabilidad recíproca serán los mejores métodos para garantizar la calidad. Se formarán puntos distribuidos de poder, o lo que podemos describir como heterarquías distribuidas.

La diversificación de las geografías del aprendizaje

Los recursos de aprendizaje proliferan en los barrios y ciudades de todo el mundo como diversificación de geografías del aprendizaje en un mundo de excendencia y proliferación del aprendizaje (informal). Las comunidades se convertirán en las aulas del mundo. Estas geografías de aprendizaje se diversificarán (en positivo y en negativo) como algunas comunidades se convierten en desiertos estériles de aprendizaje de recursos de aprendizaje, mientras que otros se convierten en oasis como buenos ecosistemas dinámicos de aprendizaje. Estos ecosistemas de aprendizaje harán uso de los marcos sociales y capital de reputación, que ayudará a las comunidades crear confianza y localizar los recursos, lo que creará incentivos para participar en la generación colectiva de los recursos y la coordinación de los intercambios de aprendizaje, y mecanismos para convertir la educación en visibles por medio de sofisticados mapas visuales de los recursos que se hayan obtenido. Estas geografías de aprendizaje serán accesible a las comunidades a través de una serie de herramientas clave, como los datos agregados de fuentes dispares, datos geo-codificados que relacionen los recursos de aprendizaje e información educativa a las localizaciones específicas y contextuales de la comunidad y herramientas de visualización que ayudan a transmitir esta información en fácil comprensión visual y en las formas gráficas. Esta información a menudo contienen múltiples capas de datos (por ejemplo, las estadísticas de rendimiento escolar, las tasas de pobreza, y el grado de acceso a los alimentos frescos).
Estas nuevas dimensiones del aprendizaje en geografías se requieren nuevas habilidades básicas. Entre ellos estará la nueva cartografía de navegación visual, la identificación de recursos de aprendizaje en los lugares previamente inesperadas, aprovechando las redes para empoderar las oportunidades de aprendizaje, y la creación de infraestructuras educativas flexibles que pueden hacer uso de los distintos recursos de la comunidad. A través de una mayor visibilidad y accesibilidad, las geografías de aprendizaje traerá la transparencia con respecto a los problemas de equidad en el aprendizaje.

Referencias consultadas:

Adams, &. E. (1994). The fish community of Loch Lomond, Scotland : its history and rapidly changing status. Hydrobiologia, 290(1-3), 91–102. doi:10.1007/BF00008956
Annunziato, M. (s.d.). Encoding Altruism. Recuperado Febrero 12, 2010, a partir de http://publish.seti.org/art_science/2003/abstract_details.php?aID=70&language=e&year=2003
Camazine, S., Deneubourg, J., Franks, N. R., Sneyd, J., Theraula, G., & Bonabeau, E. (2003). Self-Organization in Biological Systems: Princeton University Press.
Costanza, &., d’Arge, &., de Groot, &., Farber, &., Grasso, &., Hannon, &., et al., &., et al. (1997). The value of the world’s ecosystem
services and natural capital. Nature, 387, 253–260. doi:10.1038/387253a0
Crabtree, A., & Rodden, T. (2008). Hybrid ecologies: understanding cooperative interaction in emerging physical-digital environments. Personal and Ubiquitous Computing, 12(7), 481-493. doi:10.1007/s00779-007-0142-7
Davis, B., & Sumara, D. (2006). Complexity and Education: Inquiries Into Learning, Teaching, and Research (1º ed.). Lawrence Erlbaum Associates.
Deren, L., Qing, Z., & Xiafei, L. (2000). Cybercity: Conception, technical supports and typical applications. Geo-Spatial Information Science, 3(4), 1-8. doi:10.1007/BF02829388
Dong, H., Hussain, F. K., & Chang, E. (2009). A Hybrid Service Metadata Clustering Methodology in the Digital Ecosystem Environment. En Advanced Information Networking and Applications Workshops, International Conference on (Vol. 0, págs. 238-243). Los Alamitos, CA, USA: IEEE Computer Society. doi:http://doi.ieeecomputersociety.org/10.1109/WAINA.2009.205
Ficheman, I. K., & Lopes, R. D. D. (2008). Digital learning ecosystems: authoring, collaboration, immersion and mobility. En Proceedings of the 7th international conference on Interaction design and children (págs. 9-12). Chicago, Illinois: ACM. doi:10.1145/1463689.1463705
Friend, A. D., Stevens, A. K., Knox, R. G., & Cannell, M. G. R. (1997). A process-based, terrestrial biosphere model of ecosystem dynamics (Hybrid v3.0). Ecological Modelling, 95(2-3), 249-287. doi:10.1016/S0304-3800(96)00034-8
Hidding, G. J. (2001). Sustaining strategic IT advantage in the information age: how strategy paradigms differ by speed. The Journal of Strategic Information Systems, 10(3), 201-222. doi:10.1016/S0963-8687(01)00052-X
Jones, H. P., & Schmitz, O. J. (2009). Rapid Recovery of Damaged Ecosystems. (G. C. Trussell, Ed.)PLoS ONE, 4(5), e5653. doi:10.1371/journal.pone.0005653
Kabisch, E. (2008). Datascape: A Synthesis of Digital and Embodied Worlds. Space and Culture, 11(3), 222-238. doi:10.1177/1206331208319147
Knowledge ecosystem. (s.d.). . Recuperado a partir de http://en.wikipedia.org/wiki/Knowledge_ecosystem
Learning Ecosystems. (s.d.). . Recuperado Septiembre 20, 2010, a partir de http://www.calvin.edu/~dsc8/learning_ecosystems.htm
Learning Zeitgeist: The Future of Education is Just-in-Time, Multidisciplinary, Experimental, Emergent. (s.d.). . Recuperado Septiembre 20, 2010, a partir de http://www.masternewmedia.org/news/2008/02/13/learning_zeitgeist_the_future_of.htm
Licoppe, C., & Inada, Y. (2010). Shared Encounters in a Location-Aware and Proximity-Aware Mobile Community. The Mogi Case. En Shared Encounters (págs. 105-125). Recuperado a partir de http://dx.doi.org/10.1007/978-1-84882-727-1_6
Luckin, R. (2010). Re-designing Learning Contexts (1º ed.). Routledge.
Mason, M. (2008). Complexity Theory and the Philosophy of Education. Wiley-Blackwell.
Miller, F. P., Vandome, A. F., & McBrewster, J. (2009a). Memetics: Cultural selection theory, Dual inheritance theory, Evolutionary epistemology, General semantics, Human-based genetic algorithm, Knowledge ecosystem, … Lamarckism, Meme pool, Multiple discovery. Alphascript Publishing.
Miller, F. P., Vandome, A. F., & McBrewster, J. (2009b). Information Ecology: Information ecology, Information society, Ecology, Metaphor, Ecosystem, Collective intelligence, Knowledge ecosystem, Crowd psychology, … Diffusion of innovations, Digital ecosystem. Alphascript Publishing.
Miller, F. P., Vandome, A. F., & McBrewster, J. (2010a). Knowledge Ecosystem. Alphascript Publishing.
Miller, F. P., Vandome, A. F., & McBrewster, J. (2010b). Digital Ecosystem. Alphascript Publishing.
Nachira, F., Dini, P., Nicolai, A., & Le Louarn, M. (s.d.). Digital Business Ecosystems. Recuperado Mayo 21, 2010, a partir de http://www.digital-ecosystems.org/book/
Quayle, M., & van der Lieck, T. C. D. (1997). Growing community: A case for hybrid landscapes. Landscape and Urban Planning, 39(2-3), 99-107. doi:10.1016/S0169-2046(97)00048-0
de Souza e Silva, A. (2006). From Cyber to Hybrid: Mobile Technologies as Interfaces of Hybrid Spaces. Space and Culture, 9(3), 261-278. doi:10.1177/1206331206289022
Uden, L., Wangsa, I. T., & Damiani, E. (2007). The future of E-learning: E-learning ecosystem. En 2007 Inaugural IEEE-IES Digital EcoSystems and Technologies Conference (págs. 113-117). Presented at the 2007 Inaugural IEEE-IES Digital EcoSystems and Technologies Conference, Cairns, Australia. doi:10.1109/DEST.2007.371955
Ulanowicz, R. E. (1986). Growth and Development: Ecosystems Phenomenology (1º ed.). Springer.
Visualizing the hybrid landscape | Lalalab arte y tecnología. (s.d.). . Recuperado Febrero 12, 2010, a partir de http://www.lalalab.org/drupal/index.php?q=en/node/153
Zedler, J. B. (2007). Success: An Unclear, Subjective Descriptor of Restoration Outcomes. Ecological Restoration, 25(3), 162-168. doi:10.3368/er.25.3.162

El “tsunami” de la ecología informacional

Si consideramos a la información como un organismo mutante y diluido, sólo lograremos que los datos nos apabullen de tal manera, que quedemos “enterrados” ante tal inmensidad. Los datos y el tráfico de Internet son como un “tsunami” que nos está exigiendo otra forma de estructurar las ideas y el pensamiento, que está cambiando la manera de interrelacionarnos y, sobre todo, de ver que no tenemos a donde asirnos para explicar cualquier área del conocimiento con solvencia y sostenibilidad. Ya no existe. La velocidad informacional como metástasis está provocando un cambio (a veces radical) en las estructuras organizativas. Todo es confuso, misceláneo y heterogéneo.
Esto viene a cuento del excelente post de Cristobal Cobo que a partir de otro de George Dvorsky (y remezclando con otro de Laura Siri en el que se pregunta ¿Cuánta información hay en el mundo?) nos muestra unos datos que dan pie para la reflexión. Me permito copiarlo de C. Cobo con su permiso:

  • La cantidad de información creada en 2007 estuvo a punto de sobrepasar, por primera vez, la capacidad física de almacenamiento disponible (ver imagen).
  • La cantidad de información digitalizada fue 3 millones de veces mayor que la de todos los libros escritos.
  • En 2006, la cantidad de información digital creada, capturada y replicada fue de 161 exabytes o 161 billones de gigabytes. Esto es más de lo generado en los 5000 años anteriores.
  • Se generan 45 gigabytes de información digital por cada persona. Un tercio lo produce ella directamente y los otros dos escapan a su control.
  • Se envían mundialmente 60 mil millones de e-mails por día.
  • En 1997 existía 1 millón de sitios web, en el 2000 pasaron a ser 10 millones. En el 2006 la cifra alcanzaba los 105 y en el 2007 superó los 155 millones de sitios Web.
  • Hay cerca de 74 millones de blog y en las últimas 24 horas se generaron más de 100 mil.
  • Se hacen más de 2700 millones de búsquedas en Google cada mes en todo el mundo. A Google le cuesta cerca de un millón de dólares diarios mantener y actualizar el hardware por indexación.
  • Google almacena 850 TeraBytes en Google Search; 220 TeraBytes – Google Analytics; 70.5 TeraBytes – Google Earth; 9 TeraBytes – Orkut; 4 TeraBytes – Personalized Search y 2 TeraBytes – Google Base.
  • Flujo de datos
    Fuente: iStockphoto
    1 byte: Una letra
    10 bytes: Una o dos palabras
    100 bytes: una o dos frases
    1 kilobyte: Una muy breve historia
    10 kilobyte: Una enciclopedia de la página (quizá con una simple foto)
    100 kilobytes: Una fotografía de resolución media
    1 megabyte = 106: Una novela
    10 megabytes: Dos ejemplares de las obras completas de Shakespeare
    1 gigabyte = Una camioneta llena de páginas de texto
    1 terabyte = 50.000 árboles de papel
    10 terabytes: La colección impresa de la Biblioteca del Congreso de USA (que consta de 130 millones de artículos en alrededor de 530 millas de libros, entre ellos 29 millones de libros, 2,7 millones de grabaciones, 12 millones de fotografías, 4,8 millones de mapas y 58 millones de manuscritos).
    1 petabyte = El Archivo de Internet Wayback Machine contiene casi 2 petabytes de datos y en la actualidad está creciendo a un ritmo de 20 Terabytes por mes.
    1 exabyte = Estudios de Berkeley estiman que a fines de 1999 la suma de los conocimientos producidos en humanos (incluidos todos los de audio, grabaciones de vídeo y texto / libros) fue cerca de 12 exabytes de datos.
    1 zettabyte = La IDC estima que para el año 2010, habrá 988 exabytes, poco menos de una zettabyte, en todas las computadoras de almacenamiento en todo el mundo.
    1 yottabyte = IBM calcula que después de 2010 el volumen de datos accesibles en línea, ya sea en Internet o en redes corporativas se espera que acercarse a un yottabyte, o 1 billón de terabytes

    Con esto datos (al final datos) podemos inferir que saber manejarse por este mar de datos es algo fundamental para la competencia educativa de gestionar la información, estructurarla, remezclarla/sintetizarla y abstraerla a un plano de conocimiento. Un reto importante en los tiempos que vivimos.