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

Mes: agosto 2012

Aprendizaje por indagación personal

agosto 30, 2012 / / 2 comentarios

Según la entrada de la Wikipedia la Investigación basada en el aprendizaje (Enquiry-based learning, aprendizaje inductivo de aprendizaje en el inglés británico) o basado en la investigación científica (Inquiry-based science) describe una serie de enfoques filosóficos, curriculares y pedagógicos de la enseñanza. Este aprendizaje basado en las pesquisas o investigaciones tiene un carácter circular. Sus procesos son circulares.

La investigación basada en el aprendizaje es un método de enseñanza desarrollado durante el movimiento de aprendizaje por descubrimiento de la década de 1960 y el aprendizaje basado en problemas (ABP), que partió de los profesionales y docentes de universidad en la década de 1960 en la McMaster University en medicina (en las siguientes décadas se fueron confirmando las investigaciones en ABP).
Ha sido desarrollado en respuesta a la percepción de un fracaso de las formas más tradicionales de enseñanza, donde los estudiantes tenían que simplemente memorizar hechos puestos en los materiales de instrucción. El aprendizaje por investigación es una forma de aprendizaje activo, donde el progreso de los estudiantes se evalúa al desarrollar habilidades experimentales y analíticas en lugar de memorizar  conocimientos y relacionarlos.

Uno de los primero en poner la experiencia como forma de aprendizaje fue John Dewey. Hace más de 100 años propone la investigación como base de aprendizaje para la enseñanza de las ciencias. También defendió que esas experiencias deben ser estudiadas por los propios estudiantes buscando evidencias de lo investigado, con los estudiantes como aprendices activos preguntan a las que realmente quieren saber la respuesta, y que la realización de esas investigaciones se deben relacionar con sus propias necesidades e intereses, y discutir los hallazgos emergentes con colegas y expertos.

Se ha pasado de la investigación guiada (2007) a la investigación personalizada y autorregulada por el propio aprendiz de ahí la palabra “Personal”. En el ámbito educativo es pertinente la relación con los PLNs y en el ámbito organizacional tiene que ver con PKM (Personal Knowledge Management) o la visión más evolucionada de Mohamed Amine Chatti de Personal Knowledge Network (PKN).

Un aspecto central de este tipo de aprendizaje de indagación personal es que los estudiantes, individualmente y colectivamente, deben apropiarse del proceso de investigación. Para que esto suceda deben tener una clara comprensión del proceso y de su agencia en la adquisición de los conocimientos científicos. Deben llegar a conocer qué tipo de preguntas son científicamente apropiado, cómo pueden ser enmarcados como consultas válidas, que pueden encontrar y confiar en informantes expertos como científicos, ¿qué tipo de estudios son apropiados, por qué es importante recoger datos fiables, cómo pueden estos ser analizados y presentados como pruebas válidas, y cómo los resultados de una investigación pueden ser compartidos y discutidos. Una pregunta típica puede comenzar con una clase en línea donde un profesor ayuda a los alumnos a formar y perfeccionar sus preguntas, continúe en casa o al aire libre con los alumnos en esa recolección y visualización de datos, y luego volver a la configuración formal para compartir los resultados y el presente.

Si los alumnos se espera para participar en los procesos de aprendizaje según el modelo de las prácticas científicas, necesitan herramientas que les ofrecen las facultades de investigación iguales a las de los científicos. Toolkits Tales servicios de información son cada vez más asequibles como teléfonos móviles se conviertan en instrumentos científicos equipados con sensores integrados, cámara, grabadora de voz y un ordenador potente.

Los estudiantes también deben entender y participar en todo el proceso de investigación, como se muestra en la ilustración. Algunos puntos a tener en cuenta a partir de esta representación son los siguientes: una investigación puede comenzar en cualquier fase (por ejemplo, mediante el análisis de la evidencia de otra persona), el proceso forma un ciclo, con la reflexión que sugiere otros temas a investigar, a pesar de que hay una progresión sistemática de una fase de consulta a la siguiente, esto no es un fijo orden de actividad, las fases están interconectadas así. Por ejemplo, la pregunta o hipótesis inicial se revisa después de la evidencia que se ha recogido.

Aunque el aprendizaje investigación pone de relieve la responsabilidad de los alumnos para plantear  investigar a partir de preguntas, sino que también hace hincapié en que estas son habilidades que deben ser aprendidas, por lo que el profesor tiene un papel crucial en la orientación y el apoyo al ciclo de indagación. Esta toma de conciencia ha llevado al desarrollo de kits de herramientas para los profesores y los alumnos para gestionar el proceso de investigación y para acceder y compartir conjuntos de datos de gran tamaño (nquire).

El proyecto de investigación personal ha explorado cómo un profesor y los alumnos pueden estar equipados con herramientas personales para organizar el proceso de investigación (no sólo los toolkits, sino que aquí entra en juego un diseño de tu red personal de aprendizaje, véase Personal Learning Networks). El objetivo es apoyar el proceso de investigación completo y permitir una transición fluida de un maestro que trabaja con los estudiantes para seleccionar las preguntas adecuadas y para planificar una investigación, a través de los estudiantes de forma individual o en equipos. También es importante la recopilación de datos en una variedad de localizaciones con el software que proporciona controles de precisión y su método. Todos los datos e informaciones se comparten colectivamente, también el análisis y discusión de los resultados.

Uno de los primeros proyectos en el Reino Unido fue “Enquiring Minds”, desarrollado e implementado de forma curricular en algunas escuelas de UK. Exploran un enfoque más activo para la enseñanza y aprendizaje que es relevante para la vida de los estudiantes modernos y permite desarrollar ciertas habilidades. Se pasa de una pedagogía de la transmisión a una pedagogía de la investigación. En esta, se parte que los estudiantes tienen un determinado conocimiento para construir e investigar con el apoyo de los docentes:

  • Tienen control sobre su propio pensamiento y se encuentran motivados ya que lo ven como propio.
  • Ayuda a los estudiantes a organizar su propio aprendizaje.
  • Generar un pensamiento más analítico y cuando se atascan deben interpretar la situación y el contexto.
  • Mueve a los estudiantes al campo de la creación de conocimiento, alentandolos a organizar e interpretar la información.
  • Mejora el pensamiento y los procesos de la investigación, de cómo hacerlo.
  • Genera un ambiente colaborativo y activa al estudiante a trabajar juntos.

Otro proyecto es Personal Inquiry (PI) [y un informe en pdf], realizado por la Universidad de Nottingham y la Open University. En su web reza:

El objetivo es que los niños entiendan por sí mismos y al mundo en que viven, a través de un proceso científico de recopilación y valoración de las pruebas hechas, en la realización de experimentos y participar en un debate informado. Los portátiles, monitoreados y apoyados por su profesor, guiarán a los estudiantes a través de las actividades, que pueden cambiar en función del perfil y las aportaciones de cada parte toma de forma individual. Sus actividades se basan en torno a temas  – Yo, mi entorno, mi comunidad – que se dedican a los jóvenes estudiantes en la investigación de la salud, la dieta y el estado físico, su entorno inmediato y sus entornos más amplios. Estos temas son los elementos clave del nuevo plan de estudios de la ciencia de este siglo, también requiere que los niños razonen acerca de las ciencias de la naturaleza como un sistema complejo y explorar cómo las personas se relacionan con el mundo físico.

Para poder formarnos en ello la universidad P2PU esta creando un curso al respecto para facilitadores o profesores. Se trata de «Teaching in Personal Inquiry Learning Environments«.  Este curso le permitirá al maestro a ser un estudiante «translucido» junto a estudiantes individuales, para personalizar los planes de aprendizaje con los estudiantes, para convertirse en un experto en la investigación en ambientes de aprendizaje pequeños, para aprovechar el poder de la tecnología, de individualizar la instrucción, y para conectar estudiante a expertos mentores.
«WISE» es un entorno de investigación científica libre donde los estudiantes pueden examinar la evidencia del mundo real y participar en el debate científico. Guías basadas en la web de software a los estudiantes para reunir evidencia, colaborar y reflexionar, con herramientas para la visualización de datos, modelado, simulación y evaluación.
Otro proyecto de investigación personal es LETS GO, que está desarrollando un conjunto de herramientas de «investigación abierta» para la colaboración móvil en investigaciones al aire libre (una parte de mi concepto de #eduvida).
Y otro proyecto más es SCY, donde los estudiantes trabajan en misiones de investigación apoyados por los modelos en web y simulaciones para analizar los datos y artefactos que surgen del proceso de aprendizaje. En constante feedback (técnicas de aprendizaje colectivo/collective learning)

Las investigaciones recientes sobre la investigación del aprendizaje  ha puesto de manifiesto algunos desafíos. Los estudiantes pueden ser motivados para abordar las cuestiones de significado personal, pero esto requiere una investigación de fondo, la planificación cuidadosa y la autogestión de los procesos de aprendizaje complejos. Se ha demostrado que es difícil generar preguntas que se pueden explorar con las herramientas disponibles y en el medio ambiente circundante, lo que lleva a la repetición de proyectos para medir la calidad del agua o la contaminación del aire, por ejemplo. También existe lo que Edwards y Mercer (1987) denominaron  el “dilema” del profesor, donde un profesor puede tener que actuar en contra de la práctica de una clase establecido por retener respuestas en interés de mantener a los estudiantes autodirigidos en la investigación. Sin embargo, los estudiantes esperan a los expertos para dar respuesta (propiciado por el ambiente educacional que han recibido y por la fuerza de la costumbre. Los estudiantes de la Facultad de Educación, por ejemplo, harán en sus aulas lo que hayan visto y percibido de sus profesores), por lo que no pueden tolerar los intentos de un maestro/facilitador para proponer preguntas abiertas o dicen como estrategia que no saben la respuesta correcta.

Una dificultad se presenta en la integración de los resultados del trabajo de campo de nuevo en la actividad en el aula. No sólo habrá dificultades técnicas de la fusión y el intercambio de datos, sino también el profesor tiene que improvisar en torno a los resultados que surjan. Esa improvisación disciplinado presenta el desafío de construir una sesión de enseñanza en torno a la experiencia de los estudiantes colectivo de oficio.

Las dificultades que los educadores se enfrentan en aplicar el aprendizaje en parte de la investigación de una contradicción entre la forma en que se espera que se enseñe y cómo aprendieron con su profesorado, que sigue estando dominado por las pedagogías tradicionales, y una actividad de la ciencia basada en la práctica suele cubrir sólo un fragmento de una investigación. Una posible alternativa sería la de guiar a los educadores que perciben su trabajo como un lugar de investigación, lo que plantea interrogantes sobre el aprendizaje de sus alumnos, proponiendo conjeturas sobre cómo apoyar el aprendizaje, la formulación de estos diseños como el aprendizaje y la implementación y la evaluación de estos diseños.

Por el futuro, es una oportunidad para promover una amplia participación pública en la investigación científica mediante la combinación de ciencia ciudadana con la investigación basada en el aprendizaje. A través de tecnologías web sociales para la organización de grupos de personas con intereses comunes, los voluntarios podrían formar equipos para proponer e investigar cuestiones comunes, con métodos que van desde los experimentos de psicología online y las encuestas, las observaciones del mundo natural. Una indicación de cómo se puede hacer esto es la comunidad iSpot, actualmente con más de 18.000 usuarios registrados, que participa en el intercambio y la interpretación de las observaciones de la vida silvestre. Si las instalaciones se puede agregar a proponer preguntas y manejar el proceso de investigación, las personas sin formación científica formal será capaz de actuar como equipos de investigación y explorar la ciencia que afecta a sus vidas.

Referencias:
Informe donde se ha copiado mucha información:

VV.AA. (2012). Innovating pedagogy 2012: Exploring new forms of teaching, learning and assessment, to guide educators and policy makers. London: The Open University. Recuperado 24 julio, 2012 de http://www.open.ac.uk/personalpages/mike.sharples/Reports/Innovating_Pedagogy_report_July_2012.pdf

 Más fuentes sobre aprendizaje por investigación:

Anderson, E. R. (1975). Personal Inquiry in the Classroom: An Alternative Approach to Educational Research. Report No. 76-5. Retrieved from http://www.eric.ed.gov/ERICWebPortal/contentdelivery/servlet/ERICServlet?accno=ED113395

Bonnstetter, R. J. (1998). Inquiry: Learning from the Past with an Eye on the Future. Electronic Journal of Science Education, 3(1). Retrieved from http://ejse.southwestern.edu/article/view/7595

Colin Milligan. (2009, March 2). Collective Learning and Charting, Allison Littlejohn. Retrieved from http://www.slideshare.net/caledonianacademy/collective-learning-and-chartin

Edwards, D. and Mercer, N. (1987) Common Knowledge: The Development of Understanding in the Classroom. London: Methuen.

KUHLTHAU, C., MANIOTES, L., & CASPARI, A. (2007). Guided Inquiry: Learning in the 21st Century. Greenwood Publishing Group.

LETS GO: Learning Ecology with Technologies from Science for Global Outcomes. (2008).CeleKT. Retrieved from http://www.celekt.info/projects/show/20

Paavola, S., Lipponen, L., & Hakkarainen, K. (2004). Models of Innovative Knowledge Communities and Three Metaphors of Learning. Review of Educational Research, 74(4), 557–576. doi:10.3102/00346543074004557

Reader Idea | Personal Inquiry Projects With The Learning Network. (n.d.).The Learning Network Blog. Retrieved August 30, 2012, from http://learning.blogs.nytimes.com/2012/06/15/reader-idea-personal-inquiry-projects-with-the-learning-network/

Reigeluth, C. M. (1999). Instructional-design Theories and Models: A New Paradigm of Instructional Theory. Routledge.

University of Nottingham/ The Open University. (2010). Personal Inquiry (PI): Designing for Evidence-based Inquiry Learning across Formal and Informal Setting.

Wikipedia contributors. (2012, August 29). Inquiry-based learning. Wikipedia, the free encyclopedia. Wikimedia Foundation, Inc. Retrieved from http://en.wikipedia.org/w/index.php?title=Inquiry-based_learning&oldid=509762841

Tópicos emergentes para la investigación en redes sociales

agosto 28, 2012 / / 1 comentario

Este es un trabajo de clasificación que he ido desarrollando e invirtiendo tiempo para dilucidar y comprender mejor mi labor como asesor en redes sociales en organizaciones y universidades en países iberoamericanos. He intendado dar una serie de tópicos a través de las investigaciones hechas desde los años 50 del siglo pasado. Algunos de los tópicos (hibridados e interdisciplinares) que suelen ser uso frecuente en datos tomados de redes sociales.:

Análisis estadístico de redes sociales: uno de los trabajos pioneros en este campo es el experimento de Milgram. Creo que es uno de los primeros trabajos de un análisis amplio de datos con propiedades estructurales a gran escala. Es la investigación más frecuente y común.  La conducta de la conectividad de los nodos se examina para ver si la mayor parte de los nodos tienen pocas conexiones, con muchos “hubs” o si los grados están distribuidos más igualmente. Se examina el comportamiento del agrupamiento de los nodos en redes sociales típicas. Otro tema importante en este tópico son las características temporales típicas de las redes sociales. Por ejemplo, examinando cómo varía la estructra a medida que crece la red. Dado que la red evoluciona a lo largo del tiempo, se puede añadir a la red nuevas entidades, aunque ciertas propiedades del grafo puedan continuar retenidas a pesar de esto. También se examina la conducta y distribución de las componentes del grafo.

Caminos aleatorios y sus aplicaciones en redes sociales: la clasificación jerárquica en redes [ranking] es uno de los métodos mejor conocidos en la búsqueda en web. Empezando con bien conocido algoritmo PageRank de Google para clasificar documentos web, el principio más amplio se puede aplicar para buscar y clasificar entidades y actores en las redes sociales. El algoritmo de PageRank usa técnicas aleatorias para el proceso de clasificación. La idea es que el enfoque del camino aleatorio [trayectorias vitales de las que hablo en #eduvida y que tienen sus algunso marcos teóricos como aprendizaje experiencial y aprendizaje biográfico de Peter Alheit) se usa en la red  en orden a estimar la probabilidad de visitar cada nodo. Esta probabilidad se estima como el PageRank. Claramente, los nodos que están estructuralmente bien conectados tienen un PageRank alto y también son, naturalmente, de gran importancia. Las técnicas de camino/trayectoria aleatoria también se puden usar para personalizar el proceso de cálculo del PageRank polarizando el rango hacia tipos particulares de nodos y sus influencias.

Otro aspecto de investigación es la serindipia que emerge en el análisis de las trayectorias en redes sociales dinámicas.

Detección de comunidad en redes sociales: uno de los problemas más importantes en el contexto del análisis de redes sociales es el de la detección de comunidades. El     problema de la detección de comunidad está próximamente relacionado con el clustering e intenta determinar las regiones de una red que son más densas en términos de la conducta de enlaces (clusters específicos por sus relaciones). El tópico está relacionado con el problema genérico de la partición del grafo, que particiona la red en regiones densas basadas en el comportamiento del enlace. Sin embargo, habitualmente las redes sociales son dinámicas y esto conduce a algunos temas únicos desde el punto de vista de la detección de la comunidad. En tales casos, el contenido se puede aprovechar en ordenar a determinar grupos de actores con intereses similares. Se han creado una serie de algoritmos importantes sobre el problema de la detección de comunidad en redes sociales de larga escala. También es factible para al investigación de detección de comunidades en medios sociales [slides].

Clasificación de los nodos en las redes sociales: En muchas aplicaciones, algunos de los nodos de la red social pueden ser etiquetados y puede ser conveniente para usar el atributo y la información estructural en la red social con vistas a propagar estas etiquetas. Por ejemplo, en una aplicación de marketing (todavía existen), se puede conocer a ciertos nodos por estar interesados en un producto particular, y puede ser deseable utilizar el atributo y la información estructural en la red a fin de conocer otros nodos que también pueden estar interesados en el mismo producto. Las redes sociales también contienen una rica información sobre el contenido y la estructura de la red, que pueden ser aprovechados para este fin. Por ejemplo, cuando dos nodos en una red social están vinculados entre sí, es probable que las etiquetas del nodo también se correlacionen. Por lo tanto, la estructura de los vínculos se puede utilizar para propagar las etiquetas entre los diferentes nodos. En este caso para mi, el contenido y los atributos pueden ser utilizados con el fin de mejorar aún más la calidad de la clasificación hecha.

La evolución en las redes sociales dinámicas: Las redes sociales son  entidades intrínsecamente dinámicas por su naturaleza. Nuevos miembros se unen a ellas, antiguos miembros dejan de participar, emergen nuevos enlaces a medida que se construyen nuevos contactos, y los enlaces se hacen obsoletos a medida que los miembros dejar de interactuar con algún otro, etc.. Esto conduce a cambios en la estructura de la red social como un todo y de las comunidades que hay en ella. En este contexto surgen dos cuestiones importante:

  • ¿Cuáles son las leyes que rigen los cambios a largo plazo en la red social a través del tiempo?, Y también una pregunta subsidiaria de la anterior como ¿cuáles se observan con frecuencia en las clases de las redes sociales a gran escala?
  • (b) ¿Cómo evoluciona una comunidad dentro de una plataforma social a lo largo del tiempo? ¿Qué cambios pueden ocurrir y cómo capturarlos y presentarlos?

Análisis de la influencia social: Dado que las redes sociales están diseñadas principalmente sobre la base de las interacciones entre los diferentes participantes, es natural que estas interacciones pueden dar lugar a que los diferentes actores influyan el uno al otro en términos de su comportamiento. Un ejemplo clásico de esto sería una aplicación de marketing viral en la que utilizamos los mensajes entre los participantes interconectados en una red social con el fin de propagar la información a través de las diferentes partes de la red. En este contexto surgen una serie de preguntas naturales:

(a) ¿Cómo podemos modelar la naturaleza de la influencia entre los actores?
(b) ¿Cómo podemos modelar la propagación de la influencia?
(c) ¿Quiénes son los actores más influyentes para la propagación de la influencia?
A mi modo de ver, estos temas proporcionan un profundo conocimiento de la naturaleza del análisis de la influencia en las redes sociales. Hay herramientas específicas para este propósito, pero el análisis de redes sociales es la forma de tratarlo de una forma más holísitica y personalizando el análisis.

Descubrimiento de expertos en las redes: Las redes sociales se pueden utilizar como una herramienta con el fin de identificar a los expertos para una determinada tarea. Por ejemplo, teniendo en cuenta las actividades de los candidatos dentro de un contexto ( casos como la autoría de un documento o responder a una pregunta). Primero describimos los métodos para evaluar el nivel de conocimientos de cada uno de ellos. A menudo, los expertos están organizados en redes que corresponden a redes sociales o estructuras organizativas en una determinada empresa. Muchas de las tareas complejas requieren a menudo la experiencia colectiva de más de un experto. En estos casos, es más realista requerir un equipo de expertos o incluir la externalización con una firma de asesoria que puedan colaborar hacia un objetivo común.

Predicción de enlace en las redes sociales: gran parte de la investigación en minería de redes sociales se centra en el uso de los enlaces a fin de obtener información interesante sobre la red social, tal como las comunidades subyacentes o de subgrupos, o el etiquetado de los nodos con etiquetas de clase y personales (ejemplo de los hashtags). Sin embargo, en la mayor parte de las aplicaciones de redes sociales, los enlaces son dinámicos y pueden variar considerablemente con el tiempo. Por ejemplo, en una red social, los vínculos de amistad se crean continuamente a lo largo del tiempo. Por lo tanto, una pregunta natural es determinar o predecir futuros vínculos en la red social como campo emergente en estos años. El proceso de predicción puede utilizar tanto la estructura de la red como la información del atributos en los nodos diferentes.

Privacidad en las redes sociales: Las redes sociales contienen una gran información sobre el individuo en función de sus intereses, información demográfica, información de los vínculos de amistad y otros atributos. Esto puede conducir a la divulgación de diferentes tipos de información en la red social, como la revelación de la identidad, la divulgación de atributos y la divulgación de la información del vínculo.

Visualización de Redes Sociales (network visualization): a medida que las redes sociales se hacen más grandes y más complejas, el razonamiento acerca de las dinámicas sociales a través de simples estadísticas es muy complicado y no muy intuitivo. La visualización proporciona una forma natural de resumir la información con el fin de hacer que sea mucho más fácil de entender. Los últimos años han sido testigos de una convergencia de análisis de redes sociales y la visualización, junto con la interacción, que está cambiando la manera en que los analistas entienden y caracterizan las redes sociales. En el capítulo 11, se discute  el objetivo principal de la visualización en el contexto de la comprensión del usuario y de la interacción. El capítulo también analiza cómo diferentes metáforas están dirigidas hacia la aclaración de diferentes aspectos de las redes sociales, como la estructura y la semántica. Se describen una serie de métodos, en donde los análisis y la visualización se entrelazan para proporcionar una mejor comprensión de la estructura y dinámicas sociales.

Minería de datos en los medios sociales: los medios de comunicación social ofrecen una gran cantidad de datos de redes sociales, que se pueden extraer con el fin de descubrir las aplicaciones comerciales útiles. Las técnicas de minería de datos proporcionan a los investigadores y a los profesionales las herramientas necesarias para analizar el gran, complejo y frecuente cambio en los datos de los medios de comunicación social. En algunos libros y blogs ya hablan de tal fenómeno que hasta los marketinianos ven como lo próximo en Social Media. En algunos blogs como «Data Mining: Text Mining, visualization and social media» de Mathew Husrt. Estamos todavía en la época emergente y de entusiasmo. No creo que sea unas técnicas que hagan cambiar los Social Media.

Minería de texto en las redes sociales: las redes sociales contienen una gran cantidad de texto en los nodos en diversas formas. Por ejemplo, las redes sociales puede contener enlaces a posts, blogs y demás artículos de noticias. En algunos casos, los usuarios pueden etiquetarse mutuamente, que es también una forma de datos de texto sobre los enlaces. El uso del contenido puede mejorar enormemente la calidad de las inferencias que se puedan hacer en el contexto de los grafos y redes sociales.

Integración de sensores en redes sociales con datos: muchos teléfonos móviles ofrecen la posibilidad de que los actores interactúen entre sí dinámicamente y en tiempo real, dependiendo de su ubicación y el estado. Tales aplicaciones también dan lugar a la generación de flujos masivos en tiempo real, que se pueden utilizar para hacer inferencias sobre alguien o sobre las propiedades globales de los objetos que se están rastreando. Dado que la información de la ubicación es privada, esto también nos lleva naturalmente a una serie de preocupaciones sobre la privacidad desde una perspectiva del procesamiento.

Análisis de la red multimedia en los medios sociales: muchos modelos de sitios de compartición tales como Flickr y Youtube que ofrecen la posibilidad de compartir los medios de comunicación. Tales medios compartidos se utilizan a menudo junto con las interacciones de los diferentes usuarios, tales como la colocación de etiquetas o comentarios en diferentes imágenes. Tales ricas redes de información basadas en el contexto se pueden extraer mediante una amplia variedad de aplicaciones que aprovechan la combinación de las etiquetas de usuarios y los datos de imagen en el proceso de extracción y recuperación.

Etiquetado social (tagging): gran parte de la interacción entre los usuarios y las redes sociales se produce en forma de etiquetado, en la que los usuarios adjuntan descripciones cortas de los diferentes objetos en la red social, tales como imágenes, texto, vídeo u otros datos multimedia. En el capítulo se 16 ofrece un estudio detallado de los diversos aspectos del etiquetado. Entramos aquí en los modelos de etiquetado, de la semántica de las etiquetas, de las recomendaciones generadas a través de las etiquetas, de las visualizaciones de las etiquetas, de las aplicaciones de las etiquetas, de la integración de diferentes sistemas de etiquetado y los problemas asociados con el uso del etiquetado. Se discuten muchos temas interesantes, como la razón de la gente para etiquetar, lo que influye en la elección de las etiquetas, la forma de modelar el proceso de etiquetado, tipos de etiquetas, diferentes leyes de energía observados en el dominio de etiquetado, cómo se crean las etiquetas se crean y cómo elegir las etiquetas correctas para la recomendación.

Todos estos campos emergentes del análisis de datos de una red social o un medio social se encuentra todavía en su infancia. Hay una enorme cantidad de trabajo por hacer, particularmente en el área de las redes sociales basadas en el contenido y de carácter temporal (introducción el factor tiempo y porpio de redes dinámicas). Algunas líneas de investigación clave para el futuro son las siguientes:
En todo esto encotramos diversidad de procedencia y de los mismos datos para analizar. Esta visión híbrida en los datos será más importante al analizar las redes en el contexto de datos heterogéneos, en los que los enlaces son de tipos diferentes y corresponden a diferentes tipos de relaciones entre los actores. Una generalización del concepto de redes sociales son las redes de información, en la que los nodos pueden ser actores de entidades, y corresponder estos nodos con las relaciones lógicas entre estas entidades. Tales redes son también heterogéneas, por lo que es cada vez más importante diseñar herramientas y técnicas que  puedan analizar eficazamente redes heterogéneas.

Referencias:

Aggarwal, C. C. (2011). Social Network Data Analytics (1st ed.). Springer.
Aggarwal, C. C. (2009). Managing and Mining Uncertain Data. Springer.
Carrington, P. J., Scott, J., & Wasserman, S. (2005). Models and Methods in Social Network Analysis. Cambridge University Press.
Kadushin, C. (2011). Understanding Social Networks: Theories, Concepts, and Findings. Oxford University Press, USA.
Kadushin, C. (2012). Understanding Social Networks:Theories, Concepts, and Findings. New York: Oxford University Press.
Kilduff, M., & Tsai, W. (2003). Social Networks and Organizations. Sage Publications Ltd.
Prell, C. (2011). Social Network Analysis: History, Theory and Methodology. SAGE Publications.
Russell, M. A. (2011). Mining the Social Web: Analyzing Data from Facebook, Twitter, LinkedIn, and Other Social Media Sites (1st ed.). O’Reilly Media.
Scott, J. P., & Carrington, P. (2011). The SAGE Handbook of Social Network Analysis. Sage Publications Ltd.

Nuevo protocolo con su manifiesto: Tent

agosto 27, 2012 / / Sin comentarios

Tent es un nuevo protocolo abierto para redes sociales distribuidas y que ha provocado algún post interesante y también un manifiesto. Dice así:

Cada usuario tiene derecho a la libertad de expresión.
La libertad de expresión es una característica necesaria de todas las sociedades abiertas. El habla no puede ser libre si la comunicación es centralizada o tiene intermediarios. Los usuarios deben ser capaces de decir cualquier cosa a cualquier persona que quiera en sus propios términos.
Cada usuario tiene el derecho a controlar sus propios datos.
Esto incluye quién puede acceder a los datos que generan y la forma en que los datos se utilizaron más adelante.
Cada usuario tiene el derecho de elegir y cambiar sus proveedores de servicios sociales.
Esto incluye el derecho a negociar las condiciones razonables de servicio de forma colectiva o individual.

Cada usuario tiene el derecho a organizar sus propios servicios sociales.
Todos los proveedores de servicios sociales deben ser tratados por igual, con independencia del número de cuentas de usuarios alojados.
Cada usuario tiene derecho a comunicarse con cualquier otro usuario, independientemente de su proveedor de servicios.

Ningún proveedor de servicios debe interferir con las comunicaciones de cualquier grupo o par de usuarios, los ususarios deben ser la base sobre la que se asientan los proveedores de servicios.

Cada usuario tiene el derecho de tomar sus datos y las relaciones con ellos.
Las relaciones de los usuarios, como el contenido, pertenecen al usuario. Al cambiar los proveedores de servicios, los usuarios tienen derecho a transferir sus relaciones y datos, y para esas relaciones y datos a ser olvidado por el proveedor anterior.

Cada usuario tiene derecho a elegir su propio nombre. Seudónimos, cuentas múltiples, y el anonimato son una parte integral de las comunicaciones, y no debe restringirse. Los diferentes usuarios tienen diferentes necesidades. La identidad del usuario está multifragmentada.

Ninguna compañía, producto o plataforma puede resolverlos todos por igual. Los ecosistemas únicos capaces de atender a estas necesidades están basados en un protocolo descentralizado. Necesidades del usuario y generar auténticos ecosistemas distribuidos.

La comunicación debe ser descentralizada. Sólo los sistemas descentralizados los que proporcionan protección contra el control externo y nacen alrededor sistemas de protección. Los sistemas descentralizados limitan las consecuencias de un solo elemento que falla. Los sistemas centralizados tienen la naturaleza de limitar quien puede compartir y por quién. En los sistemas distribuidos, los usuarios tienen el poder.

Los protocolos de comunicación deben ser estandarizados. Toda la comunicación del lenguaje hablado a los paquetes digitales requiere un conjunto básico de ideas compartidas. Los sistemas mundiales de comunicación requieren un mayor grado de detalle para ser interoperable. Estas normas deben estar disponibles para su extensibilidad y por la comunidad de usuarios con el fin de adaptarse a las necesidades cambiantes.
Tener en cuenta que Internet es capaz de más.

Los sistemas cerrados y fragmentados han sofocado el crecimiento y el cambio innovador. Una red social abierta crea detrás una nueva generación de herramientas, servicios y contenidos imposible en los sistemas actuales (y no digan que Facebook genera esto. Eso es otra cuestión de negocio).

Las conversaciones cambian el mundo. Esa fue la esencia de algunos movimientos actuales, otra cuestión fue la plataforma y soporte utilizado (de ahí que muchas sean como «gaseosas» y no tengan consistencia en el tiempo. La «trama» abierta de las plataformas es fundamental e imposible ya las grandes redes tipo Facebook imponen formas de compartir y comunicarse dentro de su jardín amurallado. Lo verdaderamente revolucionario es que cada usuario tenga su propio toolkit para «construir» sus redes que interconectan y con protocolos abiertos, no que me impongan la red social donde debo ir (esto no interesa, pero es factible desarrollar). Toda revolución, ya sea político, científico o ideológica comenzó como una conversación. Las reglas, convenciones, y la ética de la comunicación puede ser determinada sólo por los participantes. La conversación es demasiado importante como para confiar a terceros.

También (como nota personal mía) se debería establecer rangos de fiabilidad en las fuentes y de no «traficar con los flujos y datos informacionales» cuando es un tema ajeno a uno y no es la fuente original (Véase casos como scoop.it o Visibli). Están haciendo irreales las fuentes. Las formas de hacerlo, como si en una época  informacional se trata, se deben medir los parámetros de búsqueda y delimitación/filtrado. Esto es, filtros de búsqueda para quitar información secundaria y poco relevante al tratarse de sólo un contenedor de información de usuario. El negocio de todos estos servicios es el tráfico de datos a costa de un falso SEO y empoderamiento del usuario. Toma un caramelo para…pero la ética la aparto con tal de ser…(pon lo que quieras).

Tent será o no será dependiendo de muchos intereses y organizaciones que quieran apostar por él. Detrás también ven un posible negocio. Del mercado de los datos en mobilidad y nube no habla nada. Tampoco habla nada del protocolo status (StatusNet).

Cómo aprenden los estudiantes: siete principios para un óptimo aprendizaje

agosto 27, 2012 / / 8 comentarios

Front: How Learning Works: Seven Research-Based Principles for Smart Teaching (Ed. Jossey-Bass)

Cualquier conversación sobre aprendizaje eficaz o auténtico debe comenzar con una consideración de cómo aprenden los estudiantes. Sin embargo, los instructores pueden encontrar una diferencia entre los recursos que se centran en la investigación técnica en el aprendizaje y los que proporcionan estrategias prácticas en el aula. Este libro intenta crear un puente para tal brecha.

En este volumen, los autores introducen siete principios generales del aprendizaje, derivados de la literatura de investigación de esta área, así como de veintisiete años de experiencia de los disitintos autores como profesores. Se han basado en la investigación desde la amplitud de perspectivas (estudios de neurociencia cognitiva, de psicología social y desarrollo, de la investigación educativa, de la antropología, de la demografía y del comportamiento/aprendizaje organizacional) para identificar una serie de principios clave que subyacen en el aprendizaje de cómo una organización eficaz mejora la recuperación y uso de la información, así cómo la mejora estratégica para una buena motivación.

En otras palabras, los profesores necesitan un puente entre la investigación y la práctica, entre la enseñanza y el aprendizaje. Por eso se necesitan libros como este para tener un buen feedback (por lo menos ami a la hora de formar al profesorado) sobre la práctica profesional para mejorar la calidad de formación del profesorado.

Estos autores del libro comentan lo siguiente:

Mientras que trabajamos con los profesores para explorar las fuentes de estos problemas, recurrimos a la investigación sobre el aprendizaje, y a partir de esta investigación se destilan siete principios, cada uno de los cuales cristaliza en un aspecto clave del aprendizaje del estudiante. Estos principios se han convertido en la base de nuestro trabajo. No sólo los hemos encontrado indispensables en nuestra propia enseñanza y en nuestras consultas con el profesorado, sino que a medida que hemos hablado y trabajado con miles de profesores de todo el mundo, también hemos encontrado que los principios resuenan a través de las disciplinas, tipos de instituciones culturas, desde América Latina hasta Asia. En nuestra experiencia, estos principios proporcionan a los instructores un entendimiento del aprendizaje de los estudiantes que pueden ayudarles a (a) ver por qué ciertos enfoques de enseñanza apoyan o no el aprendizaje de los estudiantes, (b) generar o perfeccionar los enfoques de la enseñanza y estrategias que sean más efectivas para fomentar el aprendizaje del estudiante en contextos específicos, y (c) transferir y aplicar estos principios a los nuevos cursos (p. 2).

 

En este libro se define el aprendizaje como un proceso que conduce al cambio, que se produce como resultado de la experiencia y aumenta el potencial de mejorar el rendimiento y el aprendizaje futuro ( esta adaptado del libro de Clark Mayer de 2002 entre otros). Hay tres componentes críticos en esta definición:

  1. El aprendizaje es un proceso, no un producto. Sin embargo, dado que este proceso tiene lugar en la mente, sólo podemos inferir que ha ocurrido a partir de los productos o actuaciones de los estudiantes.
  2. El aprendizaje conlleva cambio en el conocimiento, creencias, conductas y actitudes. Este cambio se despliega a lo largo del tiempo. No es efímero sino que tiene un impacto duradero sobre cómo los estudiantes piensan y actúan.
  3. El aprendizaje no es algo dado a los estudiantes, sino algo que los estudiantes crean por sí mismos. Es el resultado directo de cómo los estudiantes interpretan y responden a sus experiencias, conscientes e inconscientes, pasadas y presentes.

LOS SIETE PRINCIPIOS DEL APRENDIZAJE

Nuestros siete principios del aprendizaje provienen de una perspectiva interdisciplinar y holística. En otras palabras, parten del reconocimiento de que

a) el aprendizaje es un proceso de desarrollo que se cruza con otros procesos de desarrollo en la vida de un estudiante, y

(b) los estudiantes entran a las aulas, no sólo con destrezas, conocimientos y habilidades, sino también con experiencias sociales y emocionales que influyen en lo que valoran, en cómo se perciben a sí mismos y perciben a los demás, y cómo van a participar en el proceso de aprendizaje (un análisis de sus costumbres, formas y maneras de aprender).
En los siguientes párrafos resumimos brevemente cada uno de los principios en el orden en que se analizan en el libro y que cada capítulo trata uno de los principios:
* El conocimiento previo de los estudiantes puede ayudar o dificultar el aprendizaje.
Los estudiantes vienen a nuestros cursos con los conocimientos, las creencias y las actitudes adquiridas en otros cursos y en la vida diaria. Como los estudiantes traen este conocimiento para tener en nuestras aulas, influyen en cómo filtrar e interpretar lo que están aprendiendo. Si el conocimiento previo de los estudiantes es robusta y precisa y se activa en el momento apropiado, entonces proporciona una base sólida para la construcción de nuevos conocimientos. Sin embargo, cuando el conocimiento es inerte, insuficiente para la tarea, que se activa inapropiadamente, o inexacta, puede interferir con o impedir un nuevo aprendizaje

* Cómo los estudiantes organizan el conocimiento influye en cómo aprenden y aplican lo que saben

Los estudiantes hacen conexiones de manera natural entre piezas de conocimiento. Cuando esas conexiones forman estructuras de conocimiento que son precisas y están significativamente organizado, los estudiantes son más capaces de recuperar y aplicar sus conocimientos de manera eficaz y eficiente. En contraste, cuando el conocimiento está conectado de manera inexacta o aleatoria, los estudiantes pueden no recuperar o aplicarlo de manera apropiada. Es un principio conectivista y que atiende a unos principios emergentes a partir de un caos de datos e informaciones.

* La motivación de los estudiantes determina, dirige y sostiene lo que hacen para aprender.

Cuando los estudiantes ingresan en la universidad y obtienen una mayor autonomía sobre qué, cuándo y cómo estudiar y aprender, la motivación juegará un papel fundamental en la orientación de la dirección, intensidad, persistencia y calidad de los comportamientos de aprendizaje en las que participen. Cuando los estudiantes encuentran un valor positivo en un objetivo de aprendizaje o actividad, esperan alcanzar con éxito un resultado de aprendizaje deseado, y perciben el apoyo de su entorno, es probable que estén muy motivados para aprender.

* Para desarrollar la maestría, los estudiantes deben adquirir habilidades componentes, practicar su integración y saber cuándo hay que aplicar lo que han aprendido.
Los estudiantes deben desarrollar no sólo las habilidades de los componentes y el conocimiento necesario para realizar tareas complejas, también deben practicar su combinación e integración para desarrollar una mayor fluidez y automaticidad. Por último, los estudiantes deben aprender cuándo y cómo aplicar las habilidades y los conocimientos que aprenden. Como instructores, es importante que desarrollemos la conciencia de estos elementos de dominio con el fin de ayudar a nuestros estudiantes a aprender más efectivamente.

* La práctica orientada por el objetivo junto con la retroalimentación dirigida mejora la calidad del aprendizaje de los estudiantes.
El aprendizaje y la ejecución se desarrollan mejor cuando los estudiantes se involucran en la práctica que se centra en un objetivo o criterio específico, se dirige a un nivel apropiado de desafío y es de suficiente cantidad y frecuencia para satisfacer los criterios de rendimiento. La práctica debe ir acompañada de retroalimentación que comunica explícitamente para algún aspecto(s) del desempeño de los estudiantes en relación con los criterios específicos, aporta información para ayudar a los estudiantes a progresar en el cumplimiento de estos criterios, y se da en un momento y con la frecuencia que le permita ser útil.

* Los estudiantes no son seres sólo intelectuales, sino también sociales y emocionales, y todavía están desarrollando una amplia gama de habilidades intelectuales, sociales y emocionales. Si bien no podemos controlar el proceso de desarrollo, podemos dar forma a los aspectos intelectuales, sociales, emocionales y físicos del clima del aula en formas de desarrollo apropiadas. De hecho, muchos estudios han demostrado que el clima que creamos tiene implicaciones para nuestros estudiantes. Un clima negativo puede impedir el aprendizaje y el rendimiento, pero uno positivo puede activar el aprendizaje de los estudiantes.

* Para convertirse en aprendices auto-dirigidos, los estudiantes deben aprender a controlar y ajustar sus enfoques del aprendizaje.
Los estudiantes pueden participar en una variedad de procesos metacognitivos para monitorear y controlar su aprendizaje, evaluando la tarea en cuestión, sus propias fortalezas y debilidades, planificando y aplicando su enfoque y vigilando estrategias diversas y reflexionando sobre el grado en que su enfoque actual está funcionando de trabajo. Desafortunadamente, los estudiantes tienden a no participar en estos procesos de forma natural. Cuando los estudiantes desarrollan las habilidades para emplear estos procesos, adquieren hábitos intelectuales que no sólo mejoran su rendimiento, sino también su eficacia como aprendices.

¿QUÉ HACE QUE ESTOS PRINCIPIOS SEAN POTENTES?
La potencia principal de estos siete principios es que se basan directamente en la investigación y están diseñados sobre la base de la literatura cognitiva, de desarrollo y de psicología social, de antropología, educación y estudios de diversidad y la investigación dirigida no sólo en educación superior, sino también en la educación K-12. Aunque, por supuesto, no se trata de una revisión exhaustiva y cualquier resumen de la investigación necesariamente simplifica una serie de complejidades en aras de la accesibilidad, creemos que nuestras discusiones sobre la investigación que subyace a cada principio son fieles a la erudición y describen las características del aprendizaje sobre las que existe un amplio acuerdo. De hecho, varios de nuestros principios convergen con los que otros han delineado  (Pittsburgh Science of Learning Center, 2009; American Psychological Society, 2008), una convergencia que creemos que da fe de su relevancia.

No sólo estos principios están basados en la investigación, sino que a medida que los hemos compartido con colegas a lo largo de los años, hemos encontrado que son:

  • Independientes del dominio: se aplican igualmente bien en todas las disciplinas, desde biología al diseño de la historia de la robótica. Los factores fundamentales que afectan a la manera en que los estudiantes aprenden trasciende las diferencias disciplinarias.
  • Independientes de la experiencia: se aplican a todos los niveles educativos y situaciones pedagógicas. En otras palabras, a pesar de las implicaciones pedagógicas de que un principio será un poco diferente para los estudiantes de primer año de licenciatura en un entorno de laboratorio que para los estudiantes graduados en un entorno de estudio, el principio sigue siendo válido.
  • Relevantes transculturalmente: aunque la investigación a la que nos referimos se ha llevado a cabo principalmente en el mundo occidental, los colegas profesores de otros países se han hecho eco de los principios, encontrándolos relevantes para sus propias clases y estudiantes. Sin embargo, es importante tener en cuenta que la cultura puede y debe influir en cómo los principios se deben aplicar a medida que los instructores diseñan y enseñan en sus cursos.

Referencia:

Ambrose, S. A., Bridges, M. W., DiPietro, M., Lovett, M. C., & Norman, M. K. (2010). How Learning Works: Seven Research-Based Principles for Smart Teaching (1st ed.). San Francisco: Jossey-Bass.

Microlearning – microaprendizaje: definiciones y características

agosto 12, 2012 / / 5 comentarios

El microaprendizaje (microlearning, usados a veces indistintamente) se plasma unidades de aprendizaje y actividades relativamente pequeños y de corto plazo de tiempo (máximo 15 minutos). Generalmente, el término microaprendizaje se refiere a micropuntos de vista en el contexto del aprendizaje, la educación y la formación. Más frecuentemente, el término se utiliza en el dominio de e-learning y los campos relacionados en el sentido de una nueva perspectiva paradigmática de los procesos de aprendizaje en entornos mediados por el nivel micro (le envuelve estos procesos con microcontenido, microformatos y microlecturas).

Microlearning Didactics
Uploaded with Skitch!

Ver más definiciones extraídos de Edutech Wiki, que a si vez lo extrajeron del wiki que formaron los componentes de microlearning.org. Una de ellas:

[Microlearning/Microaprendizaje] «es un término utilizado en el contexto de e-learning para la interacción en un tiempo corto de un alumno con una materia de aprendizaje que se descompone en pedazos muy pequeños de contenido. En la actualidad este término no está claramente definido. Los procesos de aprendizaje que han sido llamadas «microaprendizaje» puede cubrir un lapso de algunos segundos (por ejemplo, en el aprendizaje móvil) hasta 15 minutos (los objetos de aprendizaje enviados como e-mails). Hay una cierta relación con los viejos conceptos como la microenseñanza. Por supuesto, la noción de microaprendizaje se eleva la cuestión de la micropedagogía adecuada y microdidáctica, así como el problema de aprendizaje en sí mismo. «(Extraído de Microwiki, ya desaparecido), recuperada 18:44, 24 de julio de 2007 (MEST).)

Introducción y su contexto.

El enfoque de microaprendizaje fue un paradigma emergente en primera década de este siglo.Algunos lo consideran como un simple framework, pero muy disperso y con investigaciones dispares, al estilo del ANT (Actor-Network Theory). Se expandió y se realizaron papers en centroeuropa durante la anterior década de este siglo. En el 2002 empezaron a tener un Congreso cada año en la ciudad austriaca de Innsbruck (o por lo menos los primeros años hasta el 2007). Sin embargo, el enfoque creciente sobre las actividades microaprendizaje puede ser visto por las actividades de  los internautas sobre el tema, que etiquetan sus correspondientes blog, anuncios y marcadores sociales con el término «microaprendizaje» (ver los correspondientes Diigo o Delicious).

En un sentido amplio, el microaprendizaje puede entenderse como una metáfora que se refiere a los aspectos o niveles de micro en una gran variedad de modelos de aprendizaje, conceptos y también en procesos.

«No importa si el aprendizaje se refiere al proceso de construcción de conocimiento, al cambio de comportamiento de actitudes, de valores, de las capacidades mentales, de estructuras cognitivas, de las reacciones emocionales, de pautas de acción o de las dimensiones sociales, en todos los casos tenemos la posibilidad de considerar los aspectos  micro, meso y macro de los diversos puntos de vista sobre los cambios más o menos persistente y alteraciones sostenibles de las actuaciones” (Hug, 2005).
En función de los marcos y ámbitos de referencia, los aspectos micro, meso y macro varían. Son conceptos relacionales. Por ejemplo, en el contexto del aprendizaje de idiomas, uno podría pensar en los aspectos micro en términos de vocabulario, frases, oraciones, distinguirlas de las situaciones y episodios o capítulos (aspectos meso) y específicas acciones socio-culturales o semánticas complejas (aspectos macroeconómicos). En un discurso más general sobre el aprendizaje, se puede diferenciar entre el aprendizaje de los individuos, el aprendizaje de los grupos o el aprendizaje de las organizaciones y el aprendizaje de las generaciones o de las sociedades a nivel general.

Por otra parte, el microaprendizaje marca una transición de los modelos comunes de aprendizaje hacia las perspectivas de micro y la importancia de las dimensiones micro en el proceso de aprendizaje.
Como la tecnología educativa, el microaprendizaje se centra en el diseño de las actividades de microaprendizaje a través de pasos micro en entornos digitales de los medios de comunicación, que ya es una realidad cotidiana para los llamados trabajadores del conocimiento. Estas actividades se pueden incorporar en las rutinas diarias de aprendiz y tareas. A diferencia de los tradicionales enfoques de e-learning, el microaprendizaje, a menudo, tiende a impulsar la tecnología a través de impulsar los medios de comunicación, lo que reduce el la carga cognitiva de los alumnos. Por lo tanto, la selección de las micro objetos de aprendizaje y también el ritmo y el calendario de actividades de microaprendizaje son de importancia para los diseños didácticos

Caracterización

El microaprendizaje se puede caracterizar de las siguientes maneras:

Los procesos de microaprendizaje a menudo se derivan de la interacción con el contenido de las micro, que tiene lugar ya sea en diseño (los medios) la configuración (e-learning) emergentes o en las estructuras de contenido micro como envíos de registro de web o administradores de marcadores sociales en la Web.

El microaprendizaje puede ser una hipótesis sobre el tiempo necesario para resolver una tarea de aprendizaje, por ejemplo, responder a una pregunta, la memorización de un elemento de información, o la búsqueda de un recurso necesario. Los procesos de aprendizaje que han sido llamadas «microaprendizajes» puede cubrir un lapso de pocos segundos (por ejemplo, muy típico en el aprendizaje móvil) hasta 15 minutos o más. Hay una cierta relación con la enseñanza de micro-término, que es una práctica establecida en la formación docente.
El microaprendizaje también puede ser entendida como un proceso de posteriores actividades  de aprendizaje en “corto”, es decir, el aprendizaje mediante la interacción con los objetos de contenido en  microplazos de tiempo. En este caso, el diseño, la selección, la retroalimentación y el ritmo de las tareas repetidas o de otro tipo de cadena de microaprendizaje está a la vista.

En un sentido más amplio, el microaprendizaje es un término que puede ser utilizado para describir la manera más y más personas están haciendo aprendizaje informal y la adquisición de conocimientos en el contenido de las micro, los medios de comunicación micro o entornos multitarea (microcosmos), especialmente aquellos que se vuelven cada vez más basada en la web social y las tecnologías inalámbricas. En este sentido se redefine y se hace más amplio, las fronteras entre el aprendizaje de lo micro y el concepto complementario de los conocimientos micro que se están de esta manera difuminando:.

Caracterización del microaprendizaje

El microaprendizaje se puede caracterizar por lo siguientes pautas:

  • Los procesos de microaprendizaje a menudo se derivan de la interacción con microcontenidos, que se lleva a cabo ya sea en el diseño (de los medios utilizados),  la configuración (e-learning) o en las estructuras de microcontenidos emergentes como blogs, wikis, microblogging, marcadores sociales, etc. (Mosel, 2005).
  • El microaprendizaje puede ser una hipótesis sobre el tiempo necesario para resolver una tarea de aprendizaje, por ejemplo, responder a una pregunta, la memorización de un elemento de información, o la búsqueda de un recurso necesario según E. Masie (2006). Los procesos de aprendizaje que han sido llamadas «microaprendizaje» puede cubrir desde un lapso de pocos segundos (por ejemplo, en el aprendizaje móvil) hasta 15 minutos o más. Hay una cierta relación con el término microenseñanza,que es una práctica establecida en la formación docente.
  • El microaprendizaje también puede ser entendida como un proceso de actividades “cortas” de aprendizaje, es decir, el aprendizaje mediante la interacción con los objetos de microcontenidos en plazos pequeños. En este caso, el diseño, la selección, la retroalimentación y el ritmo de las tareas repetidas o de otro modo «encadenadas» al microaprendizaje está a la vista.
  • En un sentido más amplio, el microaprendizaje es un término que puede ser utilizado para describir la manera en que muchas personas están haciendo un aprendizaje informal (sin saberlo a veces) y adquiriendo conocimientos en estructura de microcontenido, micromedios o en entornos de multitarea (llamados microcosmos), especialmente aquellos que se vuelven más rápidos y cortos como muchos de los servicios de la web a hoy en día.  En este sentido más amplio, las fronteras entre microaprendizaje y el concepto complementario de microconocimiento (microknowledge) se están difuminando.

Las dimensiones de microaprendizaje

Las siguientes dimensiones se puede utilizar (Hug, 2005) para describir o diseñar actividades de microlearning:

  • Hora: esfuerzo relativamente corto, los gastos operativos, el grado de consumo de tiempo, el tiempo mensurable, tiempo subjetivo, etc.
  • Contenido: las unidades pequeñas o muy pequeñas, temas estrechos, las cuestiones más simples, etc.
  • Currículum: pequeña parte de la configuración curricular, las piezas de los módulos, elementos de aprendizaje informal, etc.
  • Formas: fragmentos, facetas, los episodios, «pepitas de conocimiento», los elementos de habilidad, etc.
  • Procesos: independiente, concomitante o reales, actividades situadas o integradas, método iterativo, la gestión de la atención, la conciencia (entrar o estar en un proceso), etc.
  • Medialidad: medios impresos, medios electrónicos, monomedios frente multimedia, los (inter)formas mediadas, etc.
  • Tipo de aprendizaje: repetitivo, activista, pragmático reflexivo, conceptionalista, constructivista, conductista, conectivista. También destacamos: aprendizaje activo, aprendizaje en el aula, el aprendizaje social, etc.

Ejemplos de actividades microaprendizaje

  • Lectura de un párrafo de la texto, e-mail o SMS.
  • Escuchar un informativo (corto) o un podcast o un videoclip educativo.
  • Visión de una tarjeta de memoria flash.
  • Memorizar una palabra, un vocabulario, una definición o una fórmula.
  • Clasificación de un conjunto de artículos (microcontenido) en un orden cronológico.
  • La selección de una respuesta a una pregunta.
  • Responder a las preguntas en pruebas.
  • Crear entornos de aprendizaje lúdico, con micro-juegos.
  • Por ejemplo, componer una haiku o un poema corto.

Aplicaciones de microaprendizaje (ejemplos)

  • Protectores de pantalla que soliciten al usuario una pequeña serie de tareas simples para resolver, después de un período determinado de inactividad (típico de la otra década)
  • Cuestionarios de opciones múltiples distribuidos a través de smartphones (En aquella época, o sea hace 7 años hablaban de Symbian y Java midlets).
  • Crear una palabra del día, libro del día u otro objeto y que se use como pequeño microcontenido a dictar de manera distribuida.
  • Software  de fichas para la memorización de contenidos a través de la repetición espaciada

Como se ve, usan la memoria para el aprendizaje como si se tratará de técnicas conductistas. Es curioso que este movimiento fundado por Theo Hug, Norm Friesen, Martin Lindner y Peter A. Bruck componen las personas más representativas. Tuvo su repercusión ya que en el libro de “Didactics of Microlearning: concepts, Discourses and examples” (2007) puso un artículo G. Siemens sobre Conectivismo: “Connectivism: creating a learning ecology in distributed environments”. A parte de la visión teórica, se expandió por medio de proyectos de investigación en mlearning (G. Kress y N. Pachler), tambíen se investigó en la importancia de la narración o storytelling en los miniprocesos de aprendizaje de la mano de The Hug [http://web.mit.edu/comm-forum/mit4/papers/hug.pdf], de la relación del microlearning con las comunidades virtuales (de práctica o de aprendizaje) tanto Nina Khanwald como T. Köhler. M. Kerres desarrolla diseños instruccionales en niveles micro y se pregunta si verdaderamente se necesita un diseño instruccional en sistemas autodirigidos y autogestionados con la organización de los propios usuarios de entornos personales de aprendizaje. O en todo caso una miniturización del diseño con el nanolerning.

También ha desarrollado aplicaciones en concreto para procesos en microlearning: Knowledge Pulse y GEM.

Otro concepto que tiene su interés: microenseñanza (Microteaching) Ver Wikipedia.

Relación con mlearning, microcontenido, microformatos, aprendizaje ubicuo, U-learning de C. O. Scharmer, Rapid Learning, aprendizaje de triple circuito (Triple Loop Learning).

Referencias:

Buchem, I., & Hamelmann, H. (2010). Microlearning: a strategy for ongoing professional development. eLearning Papers, 3. Recuperado el 13 de julio del 2012 en http://www.elearningeuropa.info/files/media/media23707.pdf

Hug, Theo. (2005). Micro Learning and Narration Exploring possibilities of utilization of narrations and storytelling for the designing of “micro units” and didactical micro-learning arrangements. Recuperado el 26 de mayo del 2011 en http://web.mit.edu/comm-forum/mit4/papers/hug.pdf

Hug, Theo. (2006). Microlearning: a new pedagogical Challenge (Introductory Note). Recuperado el 24 de julio del 2011 en http://www.microlearning.org/ml_files/microlearning-conference2005_hug.pdf

T. Hug, Lindner, M., & Bruck, P. A. (2006, 12-15 november). Microlearning: Emerging Concepts, Practices and Technologies after e-Learning. Actas de Proceedings of Microlearning 2005. Learning & Working in New Media, Innsbruck. Recuperado de http://www.microlearning.org/micropapers/microlearning2005_proceedings_digitalversion.pdf

T. Hug, Lindner, M., & Bruck, P. A. (2006, 12-15 november). Micromedia and eLearning 2.0: gaining the big picture. Actas de Proceedings of Microlearning Conference 2006, Innsbruck. Recuperado de http://www.microlearning.org/micropapers/microlearning2005_proceedings_digitalversion.pdf

Hug, T. (Ed.). (2007). Didactics of Microlearning: Concepts, Discourses and Examples. New York: Waxmann Verlag GmbH.

Kahnwald, N. (2007). Lurking as Microlearning in Virtual Communities. An Explorative Analysis of Changing Information Behavior. En: T. Hug (Ed.), Didactics of Microlearning: Concepts, Discourses and Examples. New York: Waxmann Verlag GmbH.

Kerres, M. (2007). Microlearning as a challenge for instructional design. Didactics of Microlearning: Concepts, Discourses and Examples, 98.

Kerres, M. (2007). Microlearning as a challenge for instructional design. En: T. Hug & Lindner, M. (Eds.), Didactics of Microlearning: Concepts, Discourses and Examples. Münster: Waxmann.

Lindner, Martin. (2005). What is Microlearning? (introductory Note). Recuperado el 14 de julio del 2011 en http://www.microlearning.org/ml_files/lindner_in_proceedings_2007_final.pdf
Mosel, S. (2005, 18 de diciembre). Self Directed Learning With Personal Publishing and Microcontent. Actas de Microlearning 2005 conference, Innsbruck,. Recuperado de http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.167.4378&rep=rep1&type=pdf

Licencia CC

Licencia de Creative Commons
Este blog está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 3.0 España.

Archivos

agosto 2012
L M X J V S D
 12345
6789101112
13141516171819
20212223242526
2728293031  

© 2025 Blog de Fernando Santamaría

Tema por Anders Noren — Arriba ↑