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

Categoría: smartcities (Página 1 de 2)

Ciudades inteligentes y aprendizaje: aprendizaje expandido en el diseño de plataformas IoT

Ciudades Inteligentes y aprendizaje – Smart cities and learning #EduExpandida (me gusta más hablar de #aprendizajeexpandido)

IoT=Internet of Things

Este texto se trata de la introducción que elaboré a un proyecto de investigación que se me rechazó. Quería dejar constancia de las bases de este y cómo podría llevarlo por un nuevo camino, si es posible.

Ciudad inteligente y aprendizaje

 

Contextualización

Las «Smart Cities» prometen de preservar y mejorar el bienestar de la sociedad, la explotación y/o exploración de la información y la comunicación ( través de las plataformas de Internet of Things (IoT) tanto para la estructura Top-Down como para Bottom-Up) como una columna vertebral de la ciudad para la infraestructura de influir y mejorar los factores clave, como la movilidad, el medio ambiente, las personas, la calidad de vida (y la salud como su derivado) y la gobernanza, y, por supuesto, el aprendizaje (expandido). Estas estrategias se acerca una nueva visión impulsada por una «persona centrada en su lugar» (y el conocimiento contextualizado) que está emergiendo con un enfoque de diseño. En este enfoque, el aprendizaje no es sólo una manera de entrenar a un capital humano adecuado, también se convierte en una de las fuerzas impulsoras del bienestar de una comunidad (el aprendizaje revierte sobre la misma comunidad en su proceso, no se trata de una entelequia para uno mismo). Inevitablemente los tecnosistemas subyacentes y ubicuos, en los que se embeben la inteligencia, la sensibilidad y la capacidad de respuesta al entorno y a las interacciones, desafiando el futuro del aprendizaje y exigen una redefinición de los espacios, los contenidos, los procesos, como también en las habilidades y enfoques de evaluación.

En este escenario destacaríamos los siguiente puntos:

a) El proceso de interacción con el medio ambiente se está moviendo desde la metáfora «ser capaz de utilizar» hacia la metáfora «activamente influenciado». Los consumidores digitales se van a transformar en «enactivos digitales» (ver enactivismo y de la cognición embebida o corpórea) para producir una cantidad cada vez más de datos que contribuya activamente a la redefinición de los lugares y espacios.

b) El aprendizaje se va a transformar en un proceso a lo largo vida para el conocimiento, la habilidad y la adquisición de experiencia y, además, para el fortalecimiento de las comunidades con habilidades metacognitivas, que están relacionados con una autorregulación genuina, con el fin de determinar conscientemente la trayectoria (el aprendizaje como ruta) dentro de las nuevos ecosistemas tecnológicos (llamados también entornos de tecno(eco)sistemas), más allá del angosto concepto de las TIC.

c) Se requiere un nuevo conjunto de habilidades personales e interpersonales para evitar posibles nuevas «brechas» y para permitir a desarrollar adecuadamente los procesos antes mencionados en las personas y en la sociedad.

d) El arraigo con dispositivos móviles y tecnologías cada vez más incrustadas/embebidas en nosotros mismos (wearable tech), sensoresinterconectados y otros artilugios que nos permiten aprender en cualquier sitio o lugar que lo permita y a cualquier hora (lo que se hace es que se “expande» el concepto espacio-tiempo, algo fundamental en la era informacional de la que hablaba Manuel Castells).

e) La representación y uso de las principales fuentes de conocimiento tiene que cambiar para permitir nuevas formas de aprendizaje fuera de los procesos de aprendizaje del aula. La representación medial tradicional, por ejemplo libro (es decir, la unidad de texto) o película (es decir, unidad de material audio-video), tendrán que actuar como una semilla para una nueva estructura abierta que será personalizable y proporcionará el acceso a los datos que está disponible en todas partes, pero podrían ser tema de permanente y cambio. El objeto de conocimiento al que uno va o se dirige para aprender hacia el conocimiento está en todas partes y lugares/objetos, viene hacia ti para contextualizar el entorno donde estamos. De un aprendizaje descontextualizado a un aprendizaje contextualizado y de flujo de vida (Eduvida).

Esta investigación trabajará en algunas de las cuestiones planteadas, teniendo como objetivo abordar el gran reto de diseñar para el aprendizaje en las Smart Cities, siguiendo un enfoque holístico y multidisciplinario que aborda cuestiones relacionadas con la redefinición de los contenidos de aprendizaje, procesos, competencias y espacios.

Las ciudades, los pueblos y sus alrededores están evolucionando hacia una nueva dimensión en la que la infraestructura de información se convierte en un activo indispensable de nuestra vida, contribuyendo al desarrollo de infosistemas tecno-sociales, que abarcaría movilidad inteligente y logística de última milla, de la salud inteligente, del gobierno inteligente, cultura y el turismo inteligente, la sostenibilidad de los recursos naturales y la economía verde. Se espera que produzca la innovación social e, inevitablemente, conduce a preguntarse acerca de qué formas puede tomar la educación inteligente subrayado por todas las piezas que componen el mosaico de las infosistemas. Tal esfuerzo integrado de infourbanismo.

La infraestructura virtual, web y móvil, se integrarán más estrechamente con el paisaje físico – internet de cosas y lugares físicos sensibles con dispositivos de sensores -, y la incorporación de este último en un ecosistema complejo que llevará adelante la oportunidad de aprender de la vida cotidiana. Tecnologías, cada vez más integrados en los espacios cotidianos y artefactos, hará que los lugares no sólo sean más sensible, pero también sensible y, potencialmente, con una considerable coevolución (Lugares/Localizaciones mejoradas por el Aprendizaje) dará lugar a nuevos paisajes en los que uno puede experimentar, sin fisuras, la integración de lo físico y lo virtual. Esto llevará a cabo nuevos caminos en el desarrollo humano, de una expansión de lo sensomotor y de la conectividad junto con lo espacial en las ciudades.

La persona, considerada en toda su complejidad, se colocará en el centro de los contextos educativos y escenarios cada vez más ubicuos, complejos y orgánicos. Escenarios donde el papel mediador de la tecnología se ampliará con el tiempo a:

a)Fomentar las relaciones con los entornos naturales,

b) Filtrar el contenido necesario para apoyar experiencias significativas a nivel glocal.

c) Divulgar la información necesaria para aprender a manejar «en acción», la complejidad de estática y dinámico, de contextos y procesos de aprendizaje.

d) Establecer pedagogías sobre rutas de aprendizaje en la misma ciudad o territorio.

En este escenario tan nuevo surgen muchas preguntas y esperar respuestas y soluciones, que en las próximas décadas se irán “mascando” y resolviendo sobre la misma práctica:

  • A través de qué camino educativo a todos, y especialmente los jóvenes, se convierten en ciudadanos conscientes de participación?
  • Reconocer los datos y su veracidad. Saber filtrarlos y adaptarlos a su entorno para las rutas de aprendizaje establecidas.
  • ¿Cómo vamos a aprender de los libros abiertos que están representados por las ciudades de arte, parques, agro-tecnología y los distritos industriales / productivas?. Nosotros en el día a día vamos construyendo nuestras notas particulares y nuestros libros colectivos.
  • ¿Cómo crear “espacios interconectados” (cospaces) para desarrollar rutas de aprendizaje?
  • ¿Cómo los datos provenientes de las áreas sensorizado y dispositivos personales serán elaborados para apoyar la conciencia colectiva y el aprendizaje continuo? ¿Qué conexiones, interacciones, hubs nos sirve para estas dinámicas?
  • ¿Cómo será nuestro comportamiento influenciado por el conocimiento de los mecanismos de coevolución y donde demarcar límites de los ecosistemas/tecnosistemas?
  • ¿La infraestructura educativa será lo suficientemente inteligente (y amplia) como para reajustar en tiempo real, incluso «autopoiéticamente», para satisfacer las necesidades que cada uno pueda desarrollar toda la vida, en diferentes contextos?
  • ¿Le ‘ciudades inteligentes’ de aprendizaje ayuda a reforzar la inclusión social y un sentido común de pertenencia?

Alguna pregunta más que te hagas será bienvenida.

Construyendo los ecosistemas de futuro en los paisajes urbanos…. Continuamos.

Fuentes y referencias del artículo:

Buchem, I.Attwell, G. & Tur, G. (Eds.) (2013). The PLE Conference 2013. Learning and Diversity in the Cities of the Future. Berlin, Melbourne: Beuth University of Applied Sciences, Monash University. Retrieved July 20, 2014 from http://revistas.ua.pt/index.php/ple/issue/view/118 o https://ibuchem.files.wordpress.com/2014/07/pproceedings-ple13.pdf

http://www.mifav.uniroma2.it/inevent/events/scl13/?s=156

Campbell, T. (2012). Beyond Smart Cities: How Cities Network, Learn and Innovate. Abingdon, Oxon ; New York, NY: Routledge.
Learning Sessions « Smart Cities in Europe. (s. f.). Recuperado a partir de http://www.smartcitiesineurope.com/learning-sessions/
SALSA: Smart cities and language learning. (s. f.). Recuperado a partir de http://www.open.ac.uk/blogs/salsa/
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 (1.a ed.). Jossey-Bass.
Chen, G., Kumar, V., Huang, R., & Kong, S.-C. (2015). Emerging issues in smart learning.
Giovannella, C., & Baraniello, V. (2012). Smart Cities Learning. Int. J. Digit. Lit. Digit. Competence, 3(4), 1–15. http://doi.org/10.4018/jdldc.2012100101
mar. (s. f.). About Smart Cities Learning: A revision of an Special Issue. Recuperado a partir de http://mperezsanagustin.wordpress.com/2013/08/21/about-smart-cities-learning-a-revision-of-an-special-issue/
Pedroni, M. (2012). Dynamic Maps’ Use in Smart-Cities Learning Contexts: International Journal of Digital Literacy and Digital Competence, 3(4), 33-49. http://doi.org/10.4018/jdldc.2012100103

 

Diseños de la infraestructura de los data y de las smart cities: Top-Down y Bottom-Up

Las ciudades son como órganos vivientes cuyos agentes interactúan para hacer determinadas gestiones y procesos. Nunca descansa. Lo importante es crear una sistema de sistemas de innovación abierta y colaborativa en esta plataforma que es la misma ciudad. Como comenta Anthony M. Townsend (2014) que uno de los problemas de las ciudades contemporáneas es la poca participación del ciudadano:

“Patrick Geddes’s approach to fixing the problems of cities demanded total participation. This was achievable only by thinking about large-scale transformation as a series of small, incremental changes. Historically, that was the way we always built cities. As writer and architect Bernard Rudofsky explained in Architecture Without Architects, traditional cities were designed and built by everyday people, working together as communities to respond to local challenges using local materials.”

Fragmento de: Townsend, Anthony M. “Smart Cities: Big Data, Civic Hackers, and the Quest for a New Utopia”.

Hay tres vertientes del “diseño de la infraestructura” ante la creación de plataformas para generar políticas de Smart Cities y, por ende, de la generación de todos los datos que se procesarán desde el concepto la data.

Se trata de sistemas que parten de la Ciencia de la Computación, pero atienden al análisis estructurales de una ciudad y al diseño estructural:

1.El enfoque Top-down. Para entenderlo desde las estrategias computacionales y como metáfora de las estrategias del diseño de ciudades inteligentes podemos definirlo este enfoque como un resumen del sistema, sin especificar detalles. Cada parte del sistema se refina diseñando con mayor detalle. Cada parte nueva es entonces redefinida, cada vez con mayor detalle, hasta que la especificación completa es lo suficientemente detallada para validar el modelo. El modelo top-down se diseña con frecuencia con la ayuda de “cajas negras” que hacen más fácil cumplir requisitos aunque estas cajas negras no expliquen en detalle los componentes individuales [Entrada Wikipedia]

2. Y el enfoque Bottom-Up se observa que las partes individuales se diseñan con detalle y luego se enlazan para formar componentes más grandes, que a su vez se enlazan hasta que se forma el sistema completo. Las estrategias basadas en el flujo de información “bottom-up” se antojan potencialmente necesarias y suficientes porque se basan en el conocimiento de todas las partes y sus variables que pueden afectar los elementos del sistema. Son estructuras sintéticas que se pueden convertir en ecosistemas retroalimentados constantemente.

3. Hay un tercer enfoque (de diseño de infraestructura vertical pero con estructura de City API o CityOS. Ciudades programables), intermedio entre los dos, donde los datos en abierto juegan un papel importante. La open data como pegante de los dos “diseños de la infraestructura”. Crean infraestructura y un flujo de datos en abierto gestionados por la administración y dando la capacidad de crear una API para poder hacer uso de datos dispares. Las APIs es un elemento de participación para el ciudadano. El Instituto de SENSEable City Lab del MIT se centra en la creación de una API flexible y accesible para los sensores en las ciudades. Carlo Ratti, director del laboratorio, cree que los módulos conectores son fundamentales para el desarrollo de una plataforma que utiliza diferentes tipos de datos en tiempo real. Con el fin de lograr esto, APIs deben estructurarse con facilidad de uso en mente. “El desarrollo de la API tiene por objeto permitir un mecanismo de consulta de datos que permite a los usuarios con poca experiencia en programación para aprovechar fácilmente el pool de datos reunidos en la plataforma. Diría que se trata de una ciudad multiplexada.

En un enfoque de abajo hacia arriba los elementos de base individuales del sistema se especifican primero con gran detalle. Estos elementos son unidos entre sí, para formar subsistemas más grandes, que luego a su vez están vinculados, a veces en muchos niveles, hasta que se forma un sistema completo de nivel superior (un sistema de sistemas). Esta estrategia a menudo se asemeja a un modelo de “semilla”, con lo que los comienzos son pequeñas pero con el tiempo crecen en complejidad y totalidad. Sin embargo, “las estrategias orgánicas” pueden resultar en una maraña de elementos y subsistemas, desarrollados de forma aislada y con sujeción a optimización local en lugar de cumplir con un propósito global y sintético. Se necesita sentarse y planificar desde una idea holística de ciudad que emerge, de una ciudad viviente y en red y de una ciudad sensible, términos que han ido investigando diferentes autores.

Los proyectos de arriba hacia abajo (Top-Down) tienden a ser a gran escala y requieren una inversión significativa, por ejemplo en la nueva ciudad de Songdo y el Centro de Operaciones de la ciudad de Río de Janeiro como ejemplos reconocidos.

Estos proyectos tienen su entorno en las grandes empresas de tecnología que quieren vender sus soluciones de smart city (Ej: Cisco, IBM, Telefónica etc). En medio de la fuerte comercialización de productos y servicios de la ciudad inteligente es difícil encontrar evidencia de los impactos en el mundo de ciudades. Es una forma de estandarización y crear ciudades sin un “estilo” y maneras propias según el contexto y características de cada ciudad. Por ello, en esta perspectiva los ciudadanos tienen poco que decir. Se les recoge los datos, pero ellos no serán creativos, activos en el desarrollo de la plataforma de la ciudad.

Otros han establecido con la creencia de que la tecnología inteligente, como los contadores inteligentes, vehículos eléctricos, un centro “dashboard o el control de la ciudad inteligente va resolver sus retos de la ciudad, sino ocuparse de la elaboración de dónde implementar la tecnología inteligente en lugar de tener claro su objetivo, la identificación del problema y luego considerar si la tecnología inteligente es la solución correcta.

Los proyectos de abajo hacia arriba (Bottom-Up) como MK:Smart (todos los proyectos de MK:Smart) en la ciudad de Milton Keynes (Inglaterra), tienden a ser más de bajo costo y soluciones centradas en los ciudadanos. Este es un sólo ejemplo de cientos de ellos que hay desde una perspectiva de aplicaciones colaborativas, de proyectos crowdfounding (Big Data Analytics se ha encontrado con crowdfounding, y con ejemplos el crowdfounding para la investigación y desarrollo de las ciudades, y en Inglaterra se ha creado unCentro de datos Crowdfounding), y de economía colaborativa implementando datos que emergen. Las ciudades que adoptan un Bottom-Up deben establecer infraestructura y plataformas colaborativas que hagan posible esto, desde la propia intervención, creación y desarrollo del propio ciudadano. El potencial creativo e intelectual viene de estos y no de entidades que hasta ahora se consideraban las más aptas para ello (Centros de investigación, Universidades, Empresas, etc). Pero en los tiempos que vivimos ya no es así. Un Gobierno inteligente debe ser deudor de los ciudadanos y SERVIRLES poniendo la infraestructura adecuada para ello (como comenté con los APIs, por ejemplo).

En Bogotá hay mucho por hacer (la movilidad como el transmilenio y salud entre otros factores críticos). Empezar a plantear estos nodos conflictivos y unidad del sistema para ir creando desde abajo un sistema de sistemas (un ecosistema abierto de innovación). Hay herramientas y potencial humano para que todos puedan colaborar y el Centro de Excelencia y Apropiación deje de ser un ente asistemático, jerárquico y piramidal que no activará la economía de este país para el postconflicto.

Otro concepto del que desde la estructura Bottom-Up hablaremos es el de detección participativa (Participatory Sensing) y unida a la gamificación es un arma poderosa.

En los datos y en las ciudades podemos plantear rutas de acción epistémicas, y que en este gráfico que podemos revisar en Nestler Analytics:

Seguimos hablando de esto y otros temas ligados a datos y participación ciudadana? Ustedes quieren?

Referencias:

Couldry, N., y Powell, A. (2014). Big Data from the bottom up. Big Data & Society, 1(2), 2053951714539277. doi:10.1177/2053951714539277

Goldman, J., Shilton, K., Burke, J., Estrin, D., Hansen, M., Ramanathan, N., Reddy, S., et al. (2009, mayo). Participatory Sensing: A citizen-powered approach to illuminating the patterns that shape our world. Recuperado a partir dehttp://www.wilsoncenter.org/sites/default/files/participatory_sensing.pdf

Institut d’Arquitectura Avançada de Catalunya. (2012). City sense: shaping our environment with real-time data : 4th Advanced Architecture Contest. (Cappelli, Lucas, Ed.). Barcelona: Actar ; IaaC.

McGuirk, J. (2014). Radical Cities. London ; New York: Verso.

Mitchell, W. J. (1996). City of Bits: Space, Place, and the Infobahn (New edition edition.). Cambridge, Mass.: The MIT Press.

Pedroni, M. (2012). Dynamic Maps’ Use in Smart-Cities Learning Contexts:International Journal of Digital Literacy and Digital Competence, 3(4), 33–49. doi:10.4018/jdldc.2012100103

Strohbach, M., Ziekow, H., Gazis, V., y Akiva, N. (2015). Towards a Big Data Analytics Framework for IoT and Smart City Applications. En F. Xhafa, L. Barolli, A. Barolli, y P. Papajorgji (Eds.), Modeling and Processing for Next-Generation Big-Data Technologies, Modeling and Optimization in Science and Technologies (pp 257–282). Springer. Recuperado a partir dehttp://link.springer.com/chapter/10.1007/978-3-319-09177-8_11

Townsend, A. M. (2013). Smart cities: big data, civic hackers, and the quest for a new utopia. New York, NY: W.W. Norton & Company.

StreetScore: algoritmia y crowdsourcing para mejorar las ciudades

Las ciudades son organismos vivientes que con la «explosión» de los datos y su algoritmia (Machine Learning) permiten realizar proyectos como el que ha presentado el MIT (Massachusetts Institute of Technology) este año. El proyecto se llama StreetSquare y fusiona conceptos de crowdsourcing y algoritmos de aprendizajes automáticos (Machine Learning).

En 2011, los investigadores del Laboratorio de Medios del MIT debutaron con Place Pulse, un sitio web que sirve como una especie de «zona caliente o no caliente» para las ciudades. A partir de imágenes de la ciudad tomadas por los propios usuarios se les califica cada imagen de un rango de 0 a 10. Debe tenerse en cuenta que muchas de estas imágenes están tomadas desde automóviles y como tal debe mejorarse la percepción del sitio donde se ha tomado la foto.

Los datos generados algorítmicamente podrían un día ser utilizadas para investigar la relación entre la percepción y la delincuencia urbana, así como informar las decisiones de diseño urbano y en ciudades como Bogotá establecer estrategias y acciones para la seguridad por barrios.
Por de pronto, sólo estñan implementado en Nueva York, Boston, Chicago y Detroit. En un futuro se expanderá a ciudades de todo el mundo.
Se trata de una colaboración entre Macro Connections y Camera Culture, ambos proyectos del MIT.

El algoritmo, creado por Nikhil Naik, Ph.D. estudiante en el laboratorio de Camera Culture, establece una manera retroalimentada de ciudad por medio de la colaboración ciudadana (crowdsourcing), lo describe con técnicas simples de visualización de datos como la construcción de textura, colores, y formas. De acuerdo a la aplicación Place Pulse se va alimentado la base de datos con todas las fotos tomadas y clasificadas de 0 a 10, luego se le aplica el algoritmo creado por Naik y da como resultado un mapa de la situación de la seguridad descrita por diferentes puntos de colores. Estos resultados se visualizan como puntos geográficos en el mapa, diseñado por Jade Philipoom. Cada imagen está disponible a partir de Google Maps en las cuatro ciudades nombradas y están representadas por un punto de color: rojo para los lugares que las etiquetas de algoritmo establecen como inseguros, y verde oscuro para los que aparecen más segura (el el medio se encuentran otros colores como el amarillo). El sitio, limitado por ahora a estas cuatro ciudades de EE.UU, contará con decenas de ciudades de todo el mundo. Al hacer click sobre un punto, sale la imagen y la puntuación:

Captura de imagen de StreetScore

Captura de imagen de StreetScore

Más información de este proyecto en
http://streetscore.media.mit.edu/
Spot-the-difference software maps city’s mean streets
How Crowdsourcing And Machine Learning Will Change The Way We Design Cities

« Entradas anteriores