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: interacciones

La cognición aumentada, siguiente capa para una plena realidad aumentada

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

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

Los parámetros HIP

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

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

Referencias:

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

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”:

Complejidad. El nuevo mundo entre la probabilidad y la posibilidad

Dinámicas no lineal se refieren a “desordenados sistemas complejos”, escribe Esko Kilpi en este excelente post que describe la interacción entre los patrones y conexiones. “La teoría del caos explica cómo los parámetros de las ecuaciones pueden producir patrones en el tiempo. Estos patrones se denominan atractores … En las altas tasas muy de, por ejemplo, el flujo de información, el sistema muestra un comportamiento totalmente al azar. El patrón es muy inestable. Sin embargo, hay un nivel entre la repetición / la estabilidad y la aleatoriedad y la inestabilidad. Este nivel se llama al borde del caos. Otros autores, como Ilya Prigogine, desde la visión de la termodinámica (evolucionando y viendo que no sirven para estructuras no-lineales) con sus estructuras disipativas. Por otro lado, el patrón en el tiempo se llama un atractor extraño. Lo extraño con un atractor extraño es que el movimiento en curso no es la misma pero siempre reconocible. ”

Todo estos desequilibrios te dan una manera de organizar las cosas. No se puede administrar o controlar un sistema caótico – incluso puede no predecir el resultado. Pero como este artículo sugiere, se puede identificar, y la posición, incluso, de los atractores. “En resumen, nuestra estrategia era controlar sólo lo que puede ser ordenado. Respecto de las actividades en el ámbito de lo que es, y debe ser, sin ordenar, que vistos de esta forma, nos da un cambio de paradigma en la organización y la forma de pensar a nivel de investigación en muchos de los entornos vivos (y artificiales) que establecen interacciones en sus procesos. Veamos que dice Esko Kilpi en este brillante post escrito el 10 de abril de 2010:

Las dinámicas no lineales tienen que ver con sistemas desordenados/confusos, complejos. Ejemplos de estos sistemas son el cerebro humano, la evolución de la vida en sí misma y el tiempo atmosférico. No hay un ciencia individual de no linealidad, sino que hay distintos flujos de investigación como la teoría del caos o la teoría de los sistemas adaptativos complejos. El último hilo recoge un agente y reglas de un enfoque basado en la interacción para modelizar la complejidad. El primero explica la conducta de los sistemas que se pueden modelizar mediante ecuaciones complejas en las que el resultado/output de un cálculo se toma como la entrada/input del siguiente. Estas ecuaciones son repetitivas e iterativas.

La teoría del caos explica cómo los parámetros de las ecuaciones crean modelos/patrones a lo largo del tiempo. Estos modelos se llaman atractores. Un parámetro podría ser el flujo de información o la cantidad de energía en el sistema. A tasas bajas el sistema se desplaza hasta mostrar un comportamiento repetitivo. A este modelo se le llama atractor de un punto. A tasas altas el modelo cambia. A tasas muy altas, por ejemplo, de flujo de información, el sistema muestra un comportamiento totalmente aleatorio. El modelo es altamente inestable. Sin embargo, hay un nivel entre repetición/estabilidad y aleatoriedad/inestabilidad. Este nivel se llama el eje del caos. El modelo a lo largo del tiempo se llama un atractor caótico/extraño. Lo extraño en un atractor caótico es que el movimiento progresivo nunca es el mismo, pero siempre es reconocible. El modelo es, paradójicamente, estable e inestable, predecible e impredecible al mismo tiempo. Estos modelos se llaman, espacialmente, fractales.

El caos describe una dinámica que no es una síntesis de orden y desorden. Se refiere al desorden ordenado o al desorden ordenado. El verdadero significado de estas palabras está transformado.

El tiempo (atmosférico) normalmente se usa como ejemplo de un sistema que muestra este patrón. En conjunto, los modelos del tiempo atmosférico se pueden predecir (más o menos) en períodos cortos de tiempo. Para períodos largos no se puede predecir el comportamiento. El comportamiento a largo plazo de un sistema como éste está determinado tanto por los cambios más pequeños en las partes más pequeñas del sistema como por las leyes que lo rigen. La conclusión es muy clara. La previsibilidad es siempre a corto plazo. Las predicciones a largo plazo sólo serían posibles si absolutamente todas las variables del sistema se pudiesen medir con exactitud absoluta. Pero es imposible conocer todas las variables y totalmente imposible medirlas con la exactitud requerida.

La variable más pequeña que se pase por alto o el cambio más diminuto puede incrementarse por iteraciones no lineales en un gran cambio transformador en la vida posterior de todo el sistema. Otra conclusión es que desde la perspectiva de la teoría del caos, un movimiento hacia el equilibro siempre es un movimiento hacia la muerte. Si un sistema es saludable, exitoso y vivo, está “en el eje del caos”, en donde no se puede ver el largo plazo.

La física clásica tomó entidades individuales y su movimiento (trayectorias) como unidad de análisis. Los teóricos del caos tal como Ilya Prigogine, afirmaban que no se podían calcular esas trayectorias porque la imposibilidad de medir con la precisión requerida. Pero había en progreso algo incluso más apasionante. Henri Poincaré fue el primer científico que identificó dos tipos de energía diferentes. El primero fue la energía (cinética) en el movimiento de una partícula en sí misma. El segundo era la energía que surge de las interacciones entre partículas. Cuando no hay este segundo tipo de energía, el sistema en un estado estático. Cuando hay energía interactiva, el sistema es dinámico y capaz de novedad y renovación. La interacción crea resonancia entre las partículas. La resonancia es un resultado de acoplar las frecuencias de las partículas yendo hacia un incremento de la amplitud del movimiento. La resonancia hace imposible la identificación del movimiento individual en entornos interactivos porque la trayectoria individual depende más de la resonancia con otros que de la energía cinética contenida en el individuo en sí mismo.

Cualquier interacción entre partículas cualesquiera es entonces potencialmente significativa y puede conducir a la amplificación de la mínima variación. Los sistemas interactivos con incluso las variaciones más pequeñas enfrentan una vida de sí mismas que está en continua construcción. La forma futura y la dirección del sistema no es visible en el sistema en ningún momento dado. El futuro no está en el sistema y no puede ser elegido ni planificado por nadie.

Los científicos del Instituto Santa Fe desarrollaron el otro hilo de la investigación: el enfoque de los sistemas adaptativos complejos (SAC). Un SAC está formado por un gran número de agentes. Cada agente se comporta de acuerdo con sus propias intenciones y reglas para la interacción local. Interacción local significa que ningún agente puede interactuar con toda la población de agentes al mismo tiempo. Ningún agente individual puede determinar el modelo de comportamiento que muestra el sistema como un todo. Estos sistemas adaptativos muestran la misma dinámica que encontraron los teóricos del caos: el equilibrio estable en un extremo del espectro, el caos aleatorio en el otro, y en medio la encontrada dinámica compleja de estabilidad e inestabilidad, predecibilidad y impredicibilidad, paradógicamente al mismo tiempo: el eje del caos.

Las conclusiones son importantes para nosotros.

Primeramente, la novedad también emerge en una forma radicalmente impredecible.

En segundo lugar, el modelo de comportamiento saludable no está causado por la selección competitiva o las elecciones independientes realizadas por agentes independientes. En lugar de ello, lo que está ocurriendo, ocurre en interacción, no por causualidad o por elección propia, sino como resultado de la interacción en sí misma.

La Internet cambia los modelos de conectividad y hace posible una nueva variedad enriquecedora en la interacción. Las dinámicas cambiantes que experimentamos cada día a través de los medios de comunicación social que tienen las meras características del eje del caos.

Las ciencias de la complejidad cambian nuestra perspectiva y pensamiento. Quizás, como un resultado que deberíamos, especialmente en la gestión, prestar más atención a lo que estamos haciendo que a lo que estamos haciendo. Siguiendo el pensamiento presentado por los investigadores científicos más avanzado, ¿la cuestión importante a responder no es que debería ocurrir en el futuro sino lo que está ocurriendo ahora?
Nuestro centro de atención debería estar en la interacción comunicativa creando el modelo que se desarrolla continuamente, que es nuestra vida.

Gracias a Stu Kauffman y W Brian Arthur. Basándose en Ralph Stacey y Doug Griffin.

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 3.0 Unported.

Perspectivas y focalizaciones de los entornos personales de aprendizaje

Esto está escrito durante más de una semana como borrador y activador de ideas que me van surgiendo.
Ante la avalancha de artículos y acciones sobre PLE/PLN, me he decidido a escribir sobre estos temas que me embeben y me llevan más tiempo de todos los abiertos por mi. La verdad es que me dicen, y lo acepto con gusto las críticas ya que no disponemos de verdades ni la visión del tópico siempre será fragmentada y desestructurada en los tiempos que nos ha tocado vivir, que soy un teórico sin ninguna práctica. Debo decir que detrás de proyecto de investigación en entornos personales de aprendizaje en la Universidad de León viene de lejos. En el 2006 empezamos a generar una plataforma de herramientas teniendo en cuenta la metodología empleada por Concepción Abraira (Chiti) en sus asignaturas. No partimos de la herramienta en si, sino de su metodología potencial. En nuestro caso para alejarnos de los LMS institucionales. No queremos saber nada de Moodle. No pretendo criticarlo con esta acción, ya que he trabajado con él tanto aquí donde me encuentro ahora como en Madrid. No es una crítica sino que creemos que las competencias y habilidades para una buena autorregulación y autogestión del aprendizaje debería ser en plataforma abierta e interconectadas las distintas herramientas a otros nodos y fuentes de conocimiento.
Es una pena que aquí en España haya ahora un boom de lo social y de la integración en los campus. No digo nombres, pero creo que no han dado el paso hasta que ven que el mercado se vea favorable y como imagen externa de lo cool que es. Creo que eso debe ser básico desde hace años. Y lo que se tiende es a modelos híbridos como ya comenté en una entrevista en Lerning Review junto a Stephen Downes (febrero de 2007).

Los asteroides de los PLEs

Los Entornos Personales de Aprendizaje se han desarrollado a partir de otros términos y conceptos que lo han amplificado y en algunos casos concretado para una acción delimitada en el campus universitario: Cloud Learning Environment, Social Learning Environment y Open Learning Networks.
Los modelos que han ido implementando estos años algunas universidades anglosajones suelen ser híbridos (la widgetización de los LMS y la estandarización de los PLEs) a partir de estos conceptos reseñados. Universidades que han ampliado sus plataformas con determinado software social: Open University, University of Portsmouth, etc. Por lo general, hay muchos más experimentación de profesores y grupos de investigación que una propia abertura de la plataforma al exterior y la creación de una ciberinfraestructura modular que permita de manera personal la integración y uso de herramientas para generar el propio entorno personal de aprendizaje.
Esto es posible por medio de servicios y protocolos (SOA/SOAIF, LDAP, Interface de servicios de redes XML, JSON, Mashups, APIs, …)
Como comenta Ismael Peña en un reciente post, se debe abogar por una equidistancia y eclecticismo para afrontar “conjugaciones” entre centralidad y descentralización, entre el estudiante y la institución, entre los LMS y los PLEs, por ello nos habla de HIPLE (Hybrid-Institutional Personal Learning Environment). Por mi parte, creo que esas dualidades irán desapareciendo y no estarán tan enfrentadas. En Sistemas Distribuidos de los entornos personales no hay un centro y control del flujo informacional, pero a la vez hay un control “social” por las interacciones establecidas. Se puede convertir como las rotondas de tráfico. La autogestión y autoorganización es una de las formas pertinentes para un futuro. En términos de Campus podríamos hablar mejor de Ecosistemas de aprendizaje y gestión. No se puede establecer planes a 5 años en un entorno complejo como el que nos movemos, sino establecer patrones de comportamiento y acción para establecer estructuras adaptativas.

Dos visiones de PLEs

Los PLEs o como los llamemos son indefinibles en algunos aspectos por lo ambivalente. Tenemos muchas definicionesrecopiladas por Illona Buchem, pero me voy a referir a una transcripción de una conversación de Illona Buchemy Joanna que puso G Attwell en un post. En esta conversación establecen dos maneras de ver los PLEs:
Por un lado, hay la mayoría de investigadores que ven estos entornos como un conjunto de aplicaciones y servicios que permiten al estudiante crear y publicar contenido nuevo.
Y un segundo grupo de investigadores que lo ve de manera más amplia. No sólo se refieren a herramientas web y tecnologías digitales, sino que abarca también la importancia de tecnologías maduras y otros recursos no-digitales, como por ejemplo, compañeros de trabajo, periódicos, libros, televisión, radio, teatro y cine. Todo lo que de apoyo al estudiante para un aprendizaje significativo.

Este último por lo amplio y complejo de su estructura llega a ser un ecosistema digital. Esta forma es la que nos interesa como novedad. Este amplio espectro está más imbricado en la vida del usuario. Más ligado de forma holística a las múltiples interacciones y acciones del usuario, estableciéndose un ecosistema del conocimiento. Si ese PLN amplio esta bien intrincado sus elementos. Como sistema abierto distribuido que es, con propiedades de auto-organización, de escalabilidad, sostenibilidad y modularidad si cabe. Sería como un “life e-portfolio” a lo largo de la vida.
Engranajes, artefactos, flujos, interacciones múltiples, cambios modulares, análisis cognitivos, evaluación por medio de datos visual (los procesos evaluativos del flujo generado por un PLE es algo que debe abordarse y donde no tenemos todavía en donde asirse para que el cambio de paradigma sea completo),….

Diseño de las interacciones

Red egocentrica vs red sociocentrica combinando la perspectiva de análisis de redes con los datos de Ciencias Sociales (métricas) es una diferenciación propia de los estudios científicos en Redes. Creemos que hay una diferencia clara en redes sociales entre redes sociales egocentricas de las redes sociales basadas en objetos sociales. Las primeras a mi modo de ver son más volátiles y son las que se les ha llamado generalistas en estos años (Bebo, Friendster, Facebook, Hi5, Orkut, Sonico, Tuenti,…). Podemos ver los cambios percibidos a los largo de estos últimos 10 años desde Friendster a MySpace y de MySpace a Facebook.
Los sitios de redes sociales centradas en objeto social (Flickr, Youtube, Diigo, Delicious, …) es más complicado su migración y tienen un valor de permanencia y multiplicador por el valor dado en sí a cada objeto a través de otros artefactos. Son las que podemos nombrar como “redes sociales de nicho”.
Dependiendo del uso y de lo que queramos conseguir al trabajar con aprendizaje en red podemos hacer uso de unas u otras. ¿Seguimos pensando que el “core” de un PLE es un e-portfolios como soporte principal a este tipo de entornos? ¿O el core en estos momentos se está trasladando al networking? Creo en esto segundo y así lo intentamos llevar a cabo en el PLE montado para las asignaturas en cuestión desde 2007. No creemos en en el uso de los LMS (Moodle) para las competencias y habilidades que queremos conseguir (Más información al respecto en el paper que he mandado a PLE Conference de Barcelona 2010).
El diseño de interacciones debe partir de la “construcción” (como arquitectos) de los diferentes artefactos para generar lo que queramos (mayor interacción o mayor diálogo o mayor reflexión interna e individual, o la relación de ambas,..).
En los próximos días haré una diferenciación de los distintos conceptos que han ido surgiendo a partir de las implicaciones de los entornos personales y el aprendizaje social.
Continuará..