Blog de Fernando Santamaría

Reflexiones sobre ecologías y espacios del aprendizaje, análisis del aprendizaje y análisis de redes sociales, visualización de datos, Big Data y otros temas emergentes

Etiqueta: datos (página 1 de 2)

Redes sociales y periodismo [slides]

Dejo la presentación que hice en Quito y Loja sobre cómo las tecnologías de redes y las tecnologías de movilidad están transformando significativamente el periodismo. Es una visión foránea al periodismo (no soy periodista). Creo que se requiere este ejercicio para que se vean distintas visiones del cambio y transformación de un oficio. Gracias a la Universidad Técnica Particular de Loja y su sede en Quito por acogerme tan bien.
Espero vuestros aportes y comentarios.

Las ciudades de los datos y empoderadas por la ciencia de los ciudadanos (II)

Información suave pero implacable llovizna sobre nosotros en una lluvia eléctrica, invisible e impalpable. Codificado en las ondas de radio que llenan la atmósfera, sus brumas llenan el aire, que pasa a través de las paredes de nuestras casas y penetrar en nuestros propios cuerpos.

Estas fueron las primeras palabras del físico Hans Christian von Baeyer en su libro “Information: The New Language of Science” (2005). La declaración no es sólo una metáfora interesante para nuestro mundo contemporáneo inundado de datos, sino una aguda mirada hacia el futuro. Si la visualización ha desempeñado hasta ahora un papel fundamental como un filtro de relevancia verificado, la divulgación de los patrones imperceptibles y las conexiones ocultas de esa lluvia eléctrica de la que habla Hans Christian, simplemente se convertirá en indispensable como las gotas de agua que rápidamente se convierten en un aguacero torrencial. La visualización llegará a ser imprescindible no sólo como una respuesta a la creciente oleada de datos, sino también como un mecanismo de apoyo a los distintos avances políticos, económicos, culturales, sociológicos y tecnológicos que configuran los próximos años.           

Algunos de los topics que están emergiendo y que tendrán un papel relevante en el mundo de la visualización son la visualización ubicua, la recopilación de datos sociales en la que el ciudadano tendrá un amplio protagonismo, la neocartografía, la visualización ambiental, la inteligencia colectiva y el tipo de redes por medio de sensores y la interconectividad inalámbrica ad hoc.

Los principios

En los años 30 del siglo pasado un antropólogo, un poeta y un cineasta comenzaron un proyecto en el Reino Unido, llamado Mass-Observation (Observación de masas), en el que el objetivo era lograr una mejor comprensión de su comunidad. Se pidió a los participantes que llevasen un diario que documentase su vida cotidiana. A veces se daba a los participantes objetivos específicos, como contar cuántas personas en un pub llevaban sombreros. Otras veces, el tema de la documentación fue de composición abierta con muy poca o ninguna estructura. El resultado colectivo fue una micro-visión del Reino Unido, hecho posible  gracias a miles de personas que trabajaban hacia un objetivo común. Estos diarios fueron significativos para las personas que los mantenían pero que también proporcionaron  algo útil como un conjunto. Esto, por supuesto, fue antes de los ordenadores e Internet.

Los desarrollos tecnológicos actuales ofrecen la oportunidad de recoger datos de la misma veta que Mass-Observation (esta organización sigue en pie y adaptada a los tiempos que corren) en una escala mucho mayor, aún más detallada. Podemos utilizar los avances tecnológicos, como teléfonos móviles e Internet, para recopilar información sobre nuestro entorno y nosotros mismos. Una persona puede recolectar miles de puntos de datos en un solo día sin ni siquiera pestañear o usar un lápiz y un bloc de notas. Cientos de miles de personas que forman parte de este mundo digital de ritmo rápido.

Las ciudades dinámicas a partir de sus datos

Ciudades inteligentesSegún Fran Castillo nos descubre una Internet de las ciudades y de las ciudades en tiempo real. Por todo ello este autor cree que estamos involucrados en la exploración de nuevos modelos de ciudades dinámicas. En paralelo a la evolución del modelo “Internet de las Cosas”, en el que el cálculo micro está integrado en el diseño de objetos, está emergiendo el modelo Internet de las ciudades: consiste en varias capas interconectadas de energía, de movilidad y de información, como un ejemplo de una de sus capas, la Internet de la Energía. Se propone, este autor, un nuevo modelo de generación distribuida y gestión de la energía sobre la base de la infraestructura info-energética. Le ha llamado Open Energy. En el modelo, Internet de las Ciudades, el cálculo se distribuye entre la infraestructura urbana, el despliegue de la tecnología de redes de sensores que permitirá el seguimiento de los diferentes entornos urbanos y con parámetros de energía concretos. Esta tecnología produce una gran cantidad de datos (Big Data). La exploración y el análisis de estas estructuras de datos a través del diseño de sistemas de visualización (e interacción) que nos permitirá mostrar nuevas dinámicas de comportamiento en la ciudad y también nuevas dinámicas humanas. Alrededor de la confluencia entre la ciudad y de datos (Ciudad de sensores de datos) surge el concepto de Ciudad en tiempo real, en el que se explicita una dimensión evolutiva, auto adaptable y dinámica en los sistemas de información que constituyen este nuevo modelo de ciudad, por lo tanto, los ciudadanos pueden cambiar su patrones de comportamiento en relación con estos sistemas de información, creando una reconfiguración dinámica de la ciudad.

Con estos avances vienen una serie de aplicaciones posibles. Un área es la ciencia de los ciudadanos (citizen science y dos referencias: 1, 2), que se basará sobre los tres principios de la dinámica humana (de su corazón) que postula Sandra Seagal (1997): mental, emocional y físico. Las personas pueden tomar roles activos en su comunidad mediante la recopilación de datos acerca de lo que les rodea, contribuyendo a una base de datos común que los expertos a su vez puede analizar para encontrar soluciones a los problemas locales. Por ejemplo, las personas pueden reportar los niveles de tráfico, niveles atmosféricos, donde hay actividad en una ciudad, cuales son los puntos informativos candentes a nivel local, rutas/trayectorias retroalimentadas, ya que a su vez podría ayudar a otros a encontrar la mejor ruta a casa o al trabajo en tiempo real. Los ciudadanos pueden recoger los niveles de contaminación en su área, que en conjunto podrían proporcionar un punto de vista de la calidad del aire de la ciudad y proporcionar una dirección clara para la política pública. También se pueden medir temas menos formales, como ayudar a las personas a encontrar un lugar divertido para pasar el rato.

Es fácil ver el potencial de estas ideas. Sin embargo todavía estamos muy al comienzo de la recolección de datos sociales, o de detección de la participación. Antes de chocar con cualquier acontecimiento importante y realmente hacer uso de estos nuevos flujos de datos y las trayectorias. Hay tres áreas principales según Ethan You en las que tenemos que trabajar: recolección, análisis e interacción.

Recolección de datos
Con el enorme crecimiento y adopción de la tecnología móvil, la recolección de datos es más fácil que nunca. Podemos grabar nuestra posición cada pocos segundos con los dispositivos GPS, tomar fotos digitales a nuestro antojo y enviar mensajes de texto en cualquier lugar donde haya conectividad y la geolocalización. Algunos flujos de datos de este tipo se autoactualizan automáticamente de manera transparente. Otros son manuales e involucran procedimientos de recolección más activos. De cualquier manera, una de las claves para la recolección de datos es hacer que el proceso sea fácil y se entrelace con las actividades diarias.

Millones de personas alrededor del mundo poseen teléfonos móviles propios y se suscriben a los servicios de modo que están conectados en casi todos los lugares a donde van. Estos teléfonos podrían ser reutilizados en los dispositivos de recopilación de datos con el software que hace que el smartphone recupere los datos un par de veces por minuto para que la gente pueda recogerlos en casi cualquier lugar a donde vayan. Los programas se podrían crear para permitir a los usuarios que tomen fotografías y las anoten junto con la ubicación y los metadatos. Aplicaciones que cada vez serán más sencillas en el uso de metadatos colectivos e integración en dispositivos móviles.

Por supuesto que no es tan fácil como parece. Igual que con cualquier experimento, hay muchas vueltas que dar para resolver antes de ir al paso siguiente y su recopilación. La conectividad, por ejemplo, inevitablemente irregular en algunas áreas. Junto con la conectividad y el almacenamiento vienen los problemas de sincronización con el teléfono y el servidor o los sistemas en nube que se están desplegando.

Después están la cuestión de la privacidad de los datos. ¿Quién ve los datos cuando se carga en el servidor? ¿Qué tan seguros son sus datos y cuánto tiempo va a permanecer en la memoria? Algo de lo que no tenemos conciencia por su automatismo, algo que creo que se trata de otro “pozo de la privacidad” en el que dejamos pasar como si no fuera grande. Si los datos son utilizados para la investigación, son los datos correctamente “anónimos”? Por ejemplo, algunos no le importe compartir lo que comen, pero la mayoría de las personas no se sienten cómodos revelando su ubicación cada minuto del día.

En definitiva, se trata de temas a tratar, manteniendo la transparencia para el usuario. Cuando el usuario, que no está necesariamente capacitado profesionalmente para hacer frente a los datos, se convierte en un analista, es importante que sepa lo que está pasando.

Análisis
Una vez que hay flujos de datos para trabajar, tenemos que decidir qué hacer con ellos en esta economía de la abundancia. Hay una tendencia a mostrar todos los datos a la vez, lo cual puede ser apropiado a veces, pero ¿qué sucede cuando hay demasiados como para caber en una sola pantalla? En estos casos, en que en número continúan creciendo, el análisis tiene lugar entre la recolección de datos y el uso final en estado de background. Los algoritmos y las técnicas estadísticas tradicionales ayudan a localizar los puntos útiles en los datos, los que después se visualizan.

Por ejemplo, imagine un teléfono con cámara programado para tomar varias fotos por minuto, quizá con la intención de examinar con quien interactuamos o los alimentos que comemos durante un solo día. Sin algoritmos apropiados para refinar los datos, los cientos de miles de imágenes son difíciles de procesar. Nuestros cerebros son muy buenos en la búsqueda de patrones, pero cuando tenemos gigabytes o terabytes de información, es fácil ver como podrían perderse detalles importantes. El análisis no sólo ayuda a encontrar los puntos de interés en nuestros datos, sino que también filtra los valores atípicos, incluso archivos corruptos y, por otro lado, automatiza tareas tediosas como la clasificación y correlación.

Interacción
Una vez que la información está en la base de datos y adecuadamente repasada, por fin podemos ver nuestro mundo en los datos a través de la visualización. Con la creciente cantidad de datos, se han aplicado muchas herramientas, algunas artísticas, algunas análiticas y otras en el medio, para proporcionar una vista única de nuestro entorno. Y la web ha hecho que sea mucho más fácil propagar estas ideas.

La cartografía dinámica en línea, también llamada neocartografía, ha llevado a interfaces intuitivas en un entorno geográfico familiar para que todos los usuarios accedan a la información específica acerca de su país o ciudad. ¿Qué ocurriría si fuésemos capaces de ver lo que estaba pasando en la comunidad de vecinos desde  el punto de vista de los datos?  ¿Qué farolas son las que parpadean por la noche? O ¿Acaso los niveles de ruido son demasiado altos en medio de la noche? Todo será posible en tiempo real. Las personas pueden acceder a esta información, que no satisface la curiosidad sino que también proporciona evidencia cuantitativa que se pueden usar en los sectores públicos y las reuniones del Consejo o suministrada a los responsables políticos. Los participantes también pueden recoger y agregar información acerca de sus propios barrios. Así, mientras que las personas interactúan con los datos a través de un ordenador, realmente son capaces de mejorar sus comunidades.

Aunque no todos los que “analizan” estos datos tienen un trasfondo en las técnicas adecuadas, debe desarrollarse un cierto nivel de alfabetización en los datos. La visualización será esencial para hacer los datos más accesibles y se debe tener competencias de lectura de datos ambientales en el entorno de una ciudad inteligente. 

¿Y en un futuro?

Al final, todo se reduce a los datos. Todo se reduce a la persona que toma un interés por su entorno. No todas los ciudadanos serán activos. La visualización sólo es tan buena como lo son los datos que la crean y conforman, y si no hay datos, no hay nada que analizar, no hay una nueva comprensión del mundo.

Si nadie hubiera enviado a revistas para la observación de masas, no habría narración localizada en los archivos de Gran Bretaña. Hemos recorrido un largo camino desde los primeros años del siglo XX. La recolección de datos es mucho más fácil hoy en día, y tenemos la oportunidad de implicar a no profesionales en la visualización y análisis. De alguna manera, esto ya está ocurriendo con el microblogging en las aplicaciones sociales como Twitter y Facebook, o con información ciudadana en los sitios populares de noticias, con el periodismo de datos. El siguiente paso es añadir la estructura y las herramientas que se aprovechan de estas aplicaciones abiertas (fundamental para que todo esto funcione), y cuando eso sucede, obtener micro-puntos de vista de nuestro vecindario. Pero de manera más importante, vamos a empezar a ver relaciones por descubrir entre barrios y comparativas de estos, comunidades, estados, países y continentes. Veremos cómo nosotros, como individuos, interactuamos con nuestros alrededores y cómo podemos usar esa información para mejorar y para cambiar decisiones tomadas en modo autocuantificación personal. Todo un negocio en un futuro. Los ordenadores e Internet, a menudo, se consideran como la tecnología que nos aleja del mundo físico y de las interacciones sociales. Todo lo contrario. Cada vez que avancemos en esta línea de futuro y a través de los datos, la visualización y las interfaces, puede acercarnos de forma transparente y casi de forma invisible a esas capas informacionales de estas ciudades inteligentes. Serán casi invisibles por medio de las redes de sensores que se comunican con nuestro dispositivo móvil. La ciencia de los datos se abre al ciudadano de a pie y es algo que sin duda esperamos con interés.

En este entorno de sensores de datos serán ciudades microtópicasLas microtopías congregan personas, ideas y prácticas a escala local, sostenible y descentralizada. Las microtopías catalizan la interacción social, la participación colectiva y los cambios en el paisaje. Las microtopías transforman el mundo haciendo que los confines vigilados sean más permeables. ¿Contradictorio ante una ciudad de los datos que se considera sobrevigilada? No lo creo. En el próximo post hablaremos de ello.

Referencias:

13. Measure and evaluate. (n.d.). Retrieved July 3, 2012, from http://www.smartcities.info/13-measure-and-evaluate
Baeyer, H. C. V. (2004). Information: The New Language of Science. Harvard University Press.
How do you measure a Smart City? – Smart+ Connected Communities Institute. (n.d.). Retrieved July 3, 2012, from http://www.smartconnectedcommunities.org/message/1482
Hubbard, D. W. (2010). How to Measure Anything: Finding the Value of Intangibles in Business (2nd ed.). Wiley.
Hubbard, D. W. (2011). Pulse: The New Science of Harnessing Internet Buzz to Track Threats and Opportunities (1st ed.). Wiley.
IBM – How Smart is your city? Helping cities measure progress. (n.d.). Retrieved July 3, 2012, from http://www-935.ibm.com/services/us/gbs/bus/html/ibv-smarter-cities-assessment.html
Kozinets, R. V. (2009). Netnography: Doing Ethnographic Research Online. Sage Publications Ltd.
Lima, M. (2011). Visual Complexity: Mapping Patterns of Information. Princeton Architectural Press.
Seagal, S. (1997). Human Dynamics : A New Framework for Understanding People and Realizing the Potential in Our Organizations (1st ed.). Pegasus Communications.
The disposable academic: why doing a PhD is often a waste of time. (n.d.). Retrieved January 1, 2011, from http://www.economist.com/node/17723223
You, Ethan (2011). Looking Ahead. In Visual Complexity: Mapping Patterns of Information. Princeton Architectural Press

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:

Venta de libros seminuevos

Portada TítuloEditorialAñoPrecioVendido
Big Data y el Internet de las cosasCatarata2016$31.000No
La Universidad: un espacio para el aprendizaje.Narcea2012$50.000No
¿Sociedad virtual?: Tecnología, 'ciberbolé', realidad.Editorial UOC2005$48.000No
Ortografía de la lengua españolaReal Academia Española2010$50.000No
Amor líquido: acerca de la fragilidad de los vínculos humanosFondo de Cultura Económica2005$20.000No
Aprendizaje cooperativo en las aulasAlianza Editorial2012$42,000No
Enseñanza virtual para la innovación universitariaNarcea2003$17.000No
El aprendizaje basado en problemas: una propuesta metodológica en Educación SuperiorNarcea2008$20.000No
El aprendizaje Autónomo en Educación SuperiorNarcea2009$20.000No
Aceptación de las TIC en la docencia: una tipología de los académicos de la UNAMUNAM2012$18.000No
El apendizaje creativo: 10 ideas claveGrao2009$22.000No
Modelos universitarios: los rumbos alternaivos de la universidad y la innovaciónFondo de Cultura Económica2005$18.000No
La enseñanza universitaria centrada en el aprendizaje: estrategias útiles para el profesoradoOctaedro2008$30.000No
Buenas prácticas docentes en la universidad: modelos y experiencias en la universidad de BarcelonaOctaedro2010$32.000No
Enseñando a enseñar en la Universidad: la formación del profesorado basada en incidentes críticosOctaedro2014$42.000No
Políticas, prácticas e investigación en tecnología educativaOctaedro2009$32.000No
La gestión de la tecnología en la educación superior: estrategias para transformar la enseñanza y el aprendizajeOctaedro2012$42.000No
Calidad del aprendizaje universitarioNarcea2005$22.000No
Andragogía: el aprendizaje de los adultosAlfaomega2006$18.000No
Tecnología educativaMcGraw Hill2009$45.000No
Nuevas tecnologías aplicadas a la educaciónMcGraw Hill2006$85.000No
Estrategias y competencias de aprendizaje en educaciónEditorial Síntesis2012$32.000No
Diseño curricular a partir de competenciasEdiciones de la U2013$17.000No
Competencias, TIC e innovaciónEdiciones de la U2011$12.000No
La evaluación de competencias en la Educación SuperiorEdiciones de la U2011$14.000No
Competencias en argumentación y uso de pruebas: 10 ideas claveGraó2010$30.000No
Sociedad del conocimiento: cómo cambia el mundo ante nuestros ojosEditorial UOC2005$30.000No
Competencias cognitivas en educación superiorNarces/Ediciones de la U2014$14.000No (2 ejemplares)
Desarrollar la competencia digital: educación mediática a lo largo de toda la vidaEdiciones de la U2013$10.000No
Las competencias básicas: claves y propuestas para su desarrollo en los centrosGraó2008$18.000No
Cómo aprender y enseñar competencias: 11 ideas claveGraó2009$34.000No
Las competencias docentes en la formación del profesoradoEditorial Síntesis2012$35.000No
Identity, Community and Learning Lives in the Digital AgeCambridge2013$25.000No
Designing Globally Networked Learning Environments: Visionary Partnerships, Policies and PedagogiesSense Publishers2008$50.000No
Prácticas educativas en entornos web 2.0Editorial Síntesis2008$20.000No
La cuarta revolución industrialDebate2016$22.000No
Homo mobilis: la nueva era de la movilidadLa Crujía2010$12.000No
Makers: la nueva revolución industrialEmpresa Actva2013$8.000No
The Data Revolution: Big Data, Open Data, Data Infastructures & Their consequencesSage2014$35.000No
Re-designing Learning Contexts: tecnology-rich, Learner-centred ecologiesRoutledge2010$20.000No
¿Cómo investigar en educación? (2ª ed.)Magisterio Editorial2011$20.000No
Metodología de la investigación: propuesta, anteproyecto y proyecto (4ª ed.)ECOE Ediciones2009$12.000No
Evaluación del aprendizaje en espacios virtuales TICECOE Ediciones/Universidad del Norte2011$16.000No
7 pasos para elaborar una tesisEditorial Macro2015$30.000No
Educomunicación: más allá del 2.0Gedisa2010$25.000No
Human Media: las personas en la era de InternetFormación Alcalá2014$20.000No
La generación AppPaidós2014$28.000No
Escuelas creativas: la revolución que está transformando la educaciónGrijalbo2015$13.000No
Diversidad innovadora: intangibles para la creatividad colectivaNetbiblo2011$20.000No
Libros seminuevos que vendo debido a que me voy de Colombia y no puedo llevarlos conmigo. Están bien tratados y merece la pena tenerlos por una rebaja de más de 30% sobre el precio original de la librería.

 

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

Antiguas entradas