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: análisis de datos

El análisis de redes sociales en la sociología computacional

Independientemente de la evolución de los modelos computacionales de los sistemas sociales, el análisis de redes sociales surgió en los años 1970 y 1980 de los avances en la teoría de grafos, de la investigación en estadísticas y estudios de la estructura social como un método de análisis diferente y de carácter relacional. Este se fue articulando con las investigaciones de los sociólogos  como James S. Coleman, Harrison White, Linton Freeman (tiene un libro de la evolución de redes muy interesante), J. Clyde Mitchell, M. Granovetter, Ronald Burt y Barry Wellman (todo un monstruo en publicaciones y equipos de investigación desde Canadá). Aunque no sea computacional se puede uno retrotaer a la década de los años 30 del siglo pasado con las investigaciones de Jacob L. Moreno como antecedente con su sociometría y también en antropólogos y etnógrafos en décadas posteriores. La penetración cada vez mayor de las tecnologías informáticas y de las telecomunicaciones en los años 1980 y 1990 exigían técnicas analíticas, tales como el análisis de redes y la modelización multinivel, que podrían escalar a conjuntos de datos cada vez más complejos y grandes. La ola más reciente de investigaciones en sociología computacional es utilizar el análisis de redes y técnicas estadísticas avanzadas para analizar grandes bases de datos informáticos de las delegaciones electrónicas de datos de comportamiento, en lugar de emplear simulaciones. Los registros electrónicos como el correo electrónico y los registros de mensajes instantáneos, los enlaces de la web, el uso del teléfono móvil y la discusión en foros científicos permiten a los científicos sociales observar directamente y analizar el comportamiento social en múltiples puntos en el tiempo (de carácter dinámico) y múltiples niveles de análisis sin las limitaciones del tradicional método empírico, tales como entrevistas, observación de los participantes, o mejoras en una encuesta. Las mejoras continuas en los automáticos algoritmos de aprendizaje (y la relación cada vez más estrecha con el análisis del aprendizaje – Learning Analytics) han permitido asimismo a los científicos sociales y a los empresarios utilizar nuevas técnicas para identificar los patrones latentes y significativo de la interacción social y la evolución en los grandes conjuntos de datos electrónicos.

Actualmente (en la anterior década y principios de esta) se ha expandido y explosionado a otros campos del conocimiento. La forma de presentarlo se ha relacionado con los métodos de la visualización de datos y más concretamente de la visualización de redes y la parte de visualización analítica a nivel científico (campo en el que queda mucho que investigar). Presentó en forma de mapa las áreas de la sociología computacional.


Crear su propio mapa mental a MindMeister

La autocuantificación: el emergente yo cuantificado en los procesos vitales

La autocuantificación o el yo cuantificado (también auto-cuantificación o como término epistémico: el yo cuantificado) es un movimiento para incorporar la tecnología en la adquisición de datos sobre aspectos de la vida diaria de una persona en términos de insumos (por ejemplo, alimentos consumidos, la calidad del aire ambiente), los estados (por ejemplo, el estado de ánimo, la excitación, los niveles de oxígeno en la sangre) y el desempeño ( de manera mental y físico). En la educación también será integrado por medio de la cuantificación del propio conocimiento con interface de web cuantificadas como nos demuestra R. Craig en este vídeo.

El movimiento fue iniciado por la revista Wired, con los editores Gary Wolf y Kevin Kelly en el año 2007, definiéndolo como «una colaboración de los usuarios y fabricantes de herramientas que comparten un interés en el autoconocimiento a través del autotracking. En 2010, Wolf habló sobre la autocuantificación en un TED (mayo de 2011). La  primera conferencia internacional sobre el tema se celebró en Mountain View, California.
La metodología principal de la auto-cuantificación es la recopilación de datos, seguido de la visualización, las referencias cruzadas y el descubrimiento de correlaciones.

Ver gráfico de Kevin Kelly que ha hecho al respecto hace un mes:

Mapa de Kevin KellyFuente original del mapa: http://j.mp/OrwctO

La idea de medir las cosas para trazar el progreso (trayectorias vitales. Ver mi TEDxLeon) hacia una meta es un lugar común en las grandes organizaciones y también la futura educación autogestionada y sin límites de tiempo y espacio.

El uso de métricas de los individuos es algo menos generalizado por ahora, con la notable excepción de las personas que están tratando de perder peso o mejorar su condición física. La mayoría de las personas no suelen registrar sus estados de ánimo o de felicidad como ya hay aplicaciones en smartphones, en medir determinados patrones de sueño o niveles de actividad, un seguimiento de cuánto alcohol o cafeína beben o trazar la frecuencia con que pasear al perro.
Pero algunas personas están haciendo justamente estas cosas. Son una mezcla ecléctica de los primeros usuarios, fanáticos de la aptitud y de los autoanálisis. Hay como todos sabemos adictos a la tecnología para el desarrollo personal. Son elementos en los que importa más los datos, las mejoras y la autoanalítica personal que la propia tecnología en si. Estamos dando los pasos para la tecnología o computación de la vida, y por lo tanto la desaparición de la tecnología como la entendemos hasta ahora. Está asociado a conceptos como auto-tracking, la autocuantificación y el hackeado del cuerpo (o como cuerpo y centro de base para la mejora en muchos órdenes de la vida, entre ellos la salud, que ha entrado con fuerza en estos últimos años, desarrollando aplicaciones para centros de salud a nivel profesional como a nivel personal para la autogestión de la propia salud. Esto unido a la medicina preventiva hará el resto para plantear unos sistemas de salud más sostenibles y rentables.
Entrariamos en la denominada ciencia del ciudadano y sus auto- . Una sociedad autogestionada. Elemento importante para evolucionar en este ámbito y despegarse de sanguijuelas político-económicas.

De todas formas esto no es un idea nueva. Los atletas y sus entrenadores comúnmente toman notas detalladas sobre nutrición, sesiones de entrenamiento, cómo es su sueño y otras variables. Tácticas similares han sido utilizadas para combatir problemas de salud como alergias y migrañas. Sin embargo, las nuevas tecnologías hacen más fácil que nunca para recoger y analizar los datos de carácter personal. Los sensores se han reducido desde hace un año se han reducido de precio y por lo tanto son más baratos para este tipo de corporaciones/organizaciones. Acelerómetros, que miden los cambios en la dirección y velocidad, utilizados para costar cientos de libras, pero ahora son baratos y lo suficientemente pequeño como para ser incluido habitualmente en los llamados teléfonos inteligentes. Esto hace que sea mucho más fácil tomar los métodos cuantitativos utilizados en la ciencia (la llamada ciencia de la ciudadanía), en los negocios y también aplicados a la esfera personal (yo tengo varias apps para medir mi sueño DreamON y otras cuantificaciones).

Tal como era de esperar, la idea de casarse con la tecnología de automejora se originó en San Francisco, donde Gary Wolf, periodista y escritor (seguir en Vimeo), cofundó el blog  «Quantified Self» blog en 2007. Esto llevó a las reuniones regulares, que ahora se celebran en cerca de 50 ciudades de todo el mundo. Comenta Gary que casi todo lo que hacemos genera datos. Por el momento, dice, los datos de los teléfonos, ordenadores y tarjetas de crédito se utilizan sobre todo por las empresas a dirigir la publicidad, recomendar productos o calibrar campañas de promoción o marketing mucho “precisas” por los insights que esto provoca.  Pero, aprovechando la corriente de datos que generan puede dar a la gente nuevas formas de lidiar con problemas médicos o mejorar su calidad de vida de otras maneras.

Algunos aspectos y aplicaciones de autocuantificación
En Silicon Valley y otros lugares están poniendo en marcha nuevos dispositivos y software destinado a autotracking de clientes, servicios y demás aspectos para llegar de manera más personalizada al cliente.
En sanidad pueden proporcionar una visión del futuro de la asistencia sanitaria, en el que se coloca un mayor énfasis en el seguimiento, usando una variedad de artilugios, para prevenir las enfermedades, prolongar la vida y reducir los costos médicos.
Para ver cómo la autotracking puede pagar dividendos, Consideremos el ejemplo de David (no es su nombre real), un banquero de inversiones en Londres. Con su rutina de salidas tempranas y los días de 11 horas, se encontró con que tenía problemas para conciliar el sueño y estaba preocupado, ya que esto afectó a su concentración en el trabajo. Él comenzó a usar una diadema hecha por Zeo, una start-up con sede en Newton, Massachusetts. Realiza un seguimiento de la cantidad y calidad del sueño mediante la medición de la actividad cerebral para determinar el tiempo que el usuario pasa a la luz, profundo y rápido movimiento de los ojos-(REM) del sueño.
David registró sus datos de sueño junto con información sobre su dieta, suplementos para la salud, el ejercicio y el consumo del alcohol, cargar todo en el sitio web Zeo. También trató de intervenciones tales como tomar suplementos de magnesio, eliminando la cafeína y el cambio de las condiciones de iluminación de su dormitorio. Usando las lecturas de la banda para la cabeza, pudo ver cómo cada una de estas cosas esta afectando a su sueño.
Él encontró que beber demasiado alcohol minó su calidad de sueño, pero también determinó que el tomar suplementos de magnesio ayudó a dormir más profundamente y alcanzar el sueño profundo más rápidamente. Ahora duerme un promedio de siete horas y media-a-una noche, un aumento de seis horas antes de iniciar su seguimiento propio experimento (personalización para mejorar SU sueño).
Muchas de las 250 personas que asistieron a la conferencia de Quantified Self  en Amsterdam en noviembre pasado tenían historias similares para contar. Robin Barooah, un diseñador de software, dijo que había perdido 20 kg mediante el control de su estado de ánimo después del almuerzo con flashcards, que elevó su conciencia de cómo los diferentes alimentos lo hacía sentir. Sara Riggare, un ingeniero de Suecia, que se describe cómo se utiliza una aplicación de iPhone para determinar la mejor combinación de fármacos para controlar la enfermedad de Parkinson, y un juego de Nintendo Wii para controlar y mejorar el equilibrio.
Cristiano Kleineidam, un estudiante de Berlín que sufre de una patología de la columna, explicó cómo se utiliza un dispositivo para medir su respiración y ejercicios de relajación indentificando cuáles fueron los más efectivos. Esto le ayudó a mejorar su función pulmonar en un 30%. También se habló de Asthmapolis, una start-up con sede en Madison, Wisconsin, que ha desarrollado un dispositivo llamado el Spiroscout. Se trata de un sensor que se acopla a un inhalador de asma y utiliza los datos de posicionamiento vía satélite para que los pacientes e investigadores a averiguen qué entornos son peores (tales como la proximidad a un determinado tipo de cultivo). Muchas personas han mencionado Boozerlyzer, una aplicación para Android que ayuda a las personas a rastrear su consumo y utiliza los juegos simples para ayudarles a medir el efecto del alcohol en su coordinación, tiempo de reacción, la memoria y las emociones. Y también de la posibilidad de fomentar autoseguimiento a través de «gamification», convirtiendo las actividades cotidianas en los juegos para atribuir puntos, trofeos y también animar a la gente a competir con sus amigos.
Algunos autocuantificadores pueden extraños y a la vez ser un poco para frikis en el entorno actual. No todo el mundo lleva a cabo experimentos para ver si llevaba gafas de color naranja o la realización periódica de ejercicios de salto puede mejorar la calidad del sueño, o si comer mantequilla mejora la capacidad aritmética. Un problema obvio es que la cuantificación para autoexperimentos carecen de los controles rigurosos y que sea una cuantificación homologada al respecto. También podría haber efectos placebo al usarlos, y cambiando de las pastillas placebo a las aplicaciones autocuantificadoras y experimentales.
Con el auto-tracking uno nunca sabe si es su experimento que está afectando al resultado, o sus expectativas del experimento», dice Nancy Dougherty, un entusiasta de auto-tracking, que trabaja como ingeniero de hardware en Proteus Biomedical, una compañía de dispositivos médicos en Redwood City, California. El uso de un parche adhesivo desarrollado por Proteus, se ha experimentado con la medición de la frecuencia cardíaca, la postura, el movimiento y la temperatura y relacionar los datos con su estado de ánimo. Ella encontró que toman placebos con la etiqueta «feliz», «tranquilo», «foco» y «fuerza de voluntad» tuvo un impacto notable, a pesar de que sabía que eran placebos.
Pero con un cuidadoso diseño de experimentos existe la posibilidad de autoseguimiento para producir datos útiles. El Zeo Sleep Manager, por ejemplo, ya ha generado la base de datos más grande de la historia en las fases del sueño, que reveló las diferencias entre hombres y mujeres en la cantidad de sueño REM. Asthmapolis también espera combinar los datos de miles de inhaladores provistos de su sensor Spiroscout en un esfuerzo por mejorar el manejo del asma. Y los datos desde la aplicación Boozerlyzer es anónima y agregada para investigar la variación en la respuesta de la gente al alcohol.

Aplicaciones para el autotracking y la autocuantificación
Esto puede sonar raro (la parte colaborativa y colectiva del tal concepto), pero decenas de miles de pacientes en todo el mundo ya están compartiendo información sobre los síntomas y tratamientos para cientos de enfermedades en los sitios web tales como PatientsLikeMe y CureTogether. Esto ha dado resultados valiosos, como el hallazgo de que los pacientes que sufrían de vértigo durante las migrañas tenían cuatro veces más probabilidades de sufrir efectos secundarios dolorosos cuando se usa una droga en particular. El creciente número de dispositivos de autoseguimiento que están llegando al mercado aumentará el alcance a gran escala con la recolección de datos, lo que permite a los usuarios analizar sus propias lecturas y agregados con los de otras personas y generar una inteligencia colectiva al respecto.
Fitbit, por ejemplo, mediante una empresa del mismo nombre con sede en San Francisco, se engancha en el cinturón y utiliza un acelerómetro y un altímetro para medir los niveles de actividad y los patrones de sueño. Claro no mide todavía los ronquidos. Se trata de un cuentapasos y analítica corporal para este siglo. Una lectura muestra los pasos que se han caminado, las escaleras que subió con la quema de las calorías por esa actividad física. La información también es cargada de forma inalámbrica a un sitio web en la que los usuarios analizan y muestran/comparten los datos de su autocuantificación, y así le permite comparar notas con sus amigos. Jawbone, también con sede en San Francisco, es una pulsera que se comunica con el iPhone y también se puede medir la actividad física y los patrones del sueño a nivel individual. Base, otra empresa en San Francisco, se trata de poner en marcha un dispositivo de reloj de pulsera como capaz de medir la frecuencia cardíaca, medir los niveles de stress a través de la piel y los patrones de sueño, todos los cuales se pueden visualizar en un «tablero salud» en tu dispositivo.

GreenGoose ha ideado pequeños sensores de movimiento que se puede conectar a artículos de uso diario, el envío de una señal inalámbrica a una estación base cada vez que el elemento se utiliza. Un sensor se puede conectar a un cepillo de dientes, por ejemplo, o una regadera, o el collar de un perro, por lo que es posible medir y seguimiento de la frecuencia se cepilla los dientes, regar las plantas o pasear a su perro. El objetivo de la compañía es crear una plataforma para la gamification de las actividades cotidianas con la filosofía de Internet de las cosas.

Las grandes compañías tecnológicas también están manteniendo un ojo en la tecnología de auto-seguimiento (tracking). La conferencia de Amsterdam fue patrocinado por Philips, Vodafone e Intel, todas ellas en relación con la salud como el seguimiento de un área prometedora para el crecimiento futuro. Philips ha lanzado Vital Signs, una aplicación experimental para dispositivos de Apple que utiliza la cámara incorporada para medir la frecuencia cardiaca del usuario y la frecuencia respiratoria, y el gráfico con el tiempo. Intel ha desarrollado una aplicación llamada Mobile Therapy que aparece al azar y se pide a los usuarios a registrar su estado de ánimo, para ver cómo varía durante la semana.
A medida que envejecen las poblaciones y de salud aumentan los costos, no es probable que sea un mayor énfasis en el seguimiento, la prevención y el mantenimiento de «bienestar» en el futuro, con los pacientes que tomaron un papel más activo. Con sus monitores de sueño y cuadros de mando de la salud, los aficionados de auto-tracking puede llegar a ser visto como pioneros de este modelo. Gary Wolf hace una analogía con el Homebrew Computer Club, que se reunió en Silicon Valley en la década de 1970 y pasó de un grupo de aficionados ‘a la base de una nueva industria. «Nos inspiramos en nuestro conocimiento de la historia de la computación personal», dice. «Nos preguntamos qué pasaría si convocamos a los usuarios avanzados de tecnologías de seguimiento auto para ver lo que podemos aprender unos de otros.

Otro estudio de interés sobre autocuantificación a nivel analítico personal del científico S. Wolfram (The Personal Analytics of My Life) y que E. Dans, adalid de la autocuantificación por estos pagos, plasma en una entrada en su blog.

El autotracking puede verse raro ahora, pero lo mismo que una vez fue el caso del e-mail. Y lo que los geeks hacen hoy, el resto de nosotros a menudo terminan haciendo mañana. Tengo la certeza que en menos de 10 años será lugar común en nuestras vidas y será muy importante en la educación del futuro como base cuantificable del conocimiento y de las interacciones en la vida real. Será una apuesta por la evaluación de los procesos de aprendizaje, relacionando las técnicas del análisis del aprendizaje más formas de autocuantificación para nuestras trayectorias de aprendizaje vital y base del concepto que he desarrollado en el TEDxLeon sobre #eduvida.

Más información, post y artículos en el tablero que he montado en Clipboard:
http://clipboard.com/lernys/boards/quantifiedself

Fuente [modificado y remixado]: Counting every moment: the quantified self. The Economist y entrada de la Wikipedia

Minería de texto: el auge por el análisis textual y la analítica de las interacciones sociales

Visualización de una minería de textos. Fuente: http://bit.ly/tuwYAE

Este campo de investigación lleva décadas rezagado entre las dos disciplinas que lo han configurado: la inteligencia artificial y la computación lingüística. En estos momentos  tiene un futuro prometedor para el mundo educativo y como uno de los complementos para el análisis del aprendizaje junto a la autorregulación y autogestión del aprendizaje. Requiere de mayor transparencia las aplicaciones que por ahora tienen su dificultad. Dentro de este se está también generando un campo como es el Sentiment Analysis (Análisis sentimental) para ver los comportamientos a través de textos en espacios interactivos como foros o en el mismo Twitter como podemos ver con Twitter Sentiment.

Dice la Wikipedia en la entrada de Text Mining que la minería de texto, a veces alternativamente denominada como minería de datos de texto, toscamente equivalente a análisis del texto, se refiere al proceso de deducir a partir de un texto la información de alta calidad. Esta información de alta calidad normalmente se deriva de la elaboración de patrones y tendencias a través de medios tales como el aprendizaje de patrones estadísticos. La minería de datos habitualmente incluye el proceso de estructuración de la entrada [input] de texto (usualmente análisis, de acuerdo con la adición de algunas características lingüísticas derivadas y la eliminación de otras, y la posterior inserción en una base de datos), deduciendo de patrones dentro de los datos estructurados, y finalmente la evaluación e interpretación de la salida [output]. “Alta calidad” en minería de texto usualmente se refiere a alguna combinación de la relevancia, novedad e interés. Habitualmente las tareas de minería de texto incluyen la categorización, agrupación de texto, extracción de la entidad (conceptos de linguística computacional), producción de taxonomías granulares, análisis de sentimientos, resumen del documento y modelización de la relación de la entidad (es decir, relaciones de aprendizaje entre las denominadas entidades).
Las técnicas de minería de texto han estado ganando en sofisticación a partir de principios de este siglo. Estas técnicas ahora ofrecen formas de descubrir redes sociales a partir de documentos publicados en Internet y de comunicación online basada en texto.
En general, para descubrir redes sociales  a partir de datos textuales, se dan los siguientes pasos:

  • Descubrimiento del nodo. Se identifican todas las referencias a las personas usando nombres, pronombres y dirección de correo electrónico.
  • Correferencia y resolución del alias. Las ambigüedades sobre las personas se resuelven, por ejemplo, diferenciando entre personas con el mismo nombre y creando una identidad individual para esos múltiples alias.
  • Descubrimiento del enlace. Las conexiones sociales están determinadas entre las personas identificadas en los dos primeros pasos.
  • Identificación de la relación y del rol. Se identifica los tipos de vínculos (ej.: amigo, compañero de trabajo, compañero de clase, etc.) y se asignan los roles (ej.: gestor, subordinado, etc.) para cada persona sobre la base del contenido o patrones de la comunicación.

Hasta hace poco, los sitios web más utilizados búsquedas basadas en texto, que sólo se encuentran los documentos que contienen palabras o frases específicas definidas por el usuario. Ahora, a través del uso de la web semántica por medio de ontologías, la minería de textos pueden encontrar contenidos basada en el significado y el contexto (y no sólo por una palabra).

Además, el software de minería de texto puede ser usado para construir grandes expedientes de información sobre personas y acontecimientos específicos. Por ejemplo, grandes conjuntos de datos basados ​​en los datos extraídos de los informes de noticias pueden ser construidos para facilitar el análisis de redes sociales o contra la inteligencia. En efecto, el software de minería de textos pueden actuar en una capacidad similar a un de analista de inteligencia o el bibliotecario de investigación, aunque con un alcance más limitado de análisis.
Minería de textos también se utiliza en algunos correo electrónico o filtros de spam y cómo determina las características de los mensajes que sean probablemente anuncios o el material no deseado.
En los próximo post hablaremos de una forma de análisis textual para generar un csv y poder establecer un grafo por medio de la aplicación Gephi y con las propiedades propias del análisis de redes como podemos apreciar en este video:

Text Network Analysis with Gephi from Dmitry Paranyushkin on Vimeo.

Referencias:

Habilidades esenciales para la supervivencia en el siglo XXI. Parte 4: previsión

Fuente original: Essential Skills for 21st Century Survival: Part 4: Foresight por Venessa Miemis

ebd-foresight-feature

La capacidad de desarrollar la previsión es una piedra angular para la visión de futuro de las personas y agentes de cambio. Puedo decir que a nivel personal en mi propia vida, cuando yo no tenía un objetivo claramente definido o visión de lo que quería o a donde quería ir, no prosperó. Mi habilidad para «ver» las oportunidades o peligros potenciales se ofuscó y caí en una rutina o patrón de aislamiento en la vida. Luego, cuando ocurrieron aquellos comodines y “eventos cisne negro”, yo estaba completamente ciega y no preparada para manejarlos. Creo que esto se aplica tanto a nivel individual como de organización.

Entonces, ¿qué es exactamente la previsión? Aquí hay algunas definiciones de la página de la Wikipedia sobre Previsión (estudios futuros):

  • El pensamiento crítico sobre el desarrollo a largo plazo.
  • Debate y esfuerzo para crear democracia participativa más amplia.
  • Configuración del futuro, especialmente por la incidencia de políticas públicas.

Estos componentes también se puede reformular como siguen:

  • Futuros (pronósticos, visión de futuro, perspectivas).
  • Planificación (análisis estratégico, establecimiento de prioridades).
  • Herramientas de creación de redes (participativas, dialógicas) y orientaciones o aquí hay una breve supervisión de los demás.

En esencia, la previsión es la capacidad para ver a «largo plazo;» para mirar a la información del pasado y del presente, extraer los patrones y lecciones, y utilizarlos para informar la toma de decisiones con el fin de impactar en la dirección en que van las cosas en el futuro. Hay una serie de instrumentos para la previsión, las más comunes son:

  • análisis del entorno,
  • análisis de tendencias,
  • tormenta de ideas,
  • generar modelos,
  • activar juegos,
  • proyección a futuro colectivo y
  • desarrollo de escenarios.

El análisis ya se trató al principio de esta serie, así que aquí hay un breve resumen de los demás.

Análisis de tendencias

Para tener una idea de lo que puede deparar el futuro, ayuda a ser conscientes de las fuerzas actuales que promueven esta iniciativa. Aunque hay varias formas de clasificar las tendencias globales, un recordatorio útil es la sigla «STAEP«, se trata de las ramas de Sociales, Tecnológicas, Ambientales, Económicas y Políticas [en inglés STEEP]. Estas categorías se pueden desglosar en subcategorías. (Es decir, «social» se puede ver en los niveles de cultura, organización y personal). Una vez que se identifica la tendencia, podemos ver tanto sus causas como sus efectos. Además, debido a que los acontecimientos y las ideas no existen de forma aislada, es útil pensar en las implicaciones de las tendencias a través de varias o todas estas áreas. Por ejemplo, un aumento de la esperanza de vida podría ser consecuencia del aumento de los niveles de vida, mejores tratamientos médicos y un entorno más saludable. Los impactos correspondientes de esta tendencia puede ser que una mayor parte de la vida de una persona se gasta en la jubilación, por lo que habrá una demanda creciente de bienes y servicios para los ancianos, y tal vez una mayor presión financiera sobre las familias que cuiden de padres ancianos o abuelos.

Lluvia de ideas

Ésta es una de mis favoritas, y paso una parte de cada día pensando en nuevas maneras de pensar sobre las cosas. Una de las características de la construcción de la inteligencia, como dirían algunos, se refiere a ser capaz de ampliar su contexto, ver las cosas a través de perspectivas múltiples y cambiar las perspectivas de manera rápida y fluida. Ser capaz de usar estos diferentes «sombreros» cuando se piensa acerca de los problemas es útil, para mí, para generar nuevas ideas. El mapeado de las ideas y personas también me ayuda a ver «panorama global» y pensar en nuevas maneras de combinar la información o situar a las personas. Por ejemplo, el software de mapas mentales como Mindmeister o Compendium son herramientas online útiles para la creación de una ayuda visual para la solución de problemas. (También funciona en un papel o pizarra).

Para mostrar un ejemplo personal, empecé a usar, conjuntamente hace un tiempo, un mapa de mis conexiones de Twitter para que pudiera ser más eficaz ver el tejido de red (Network Weaving). Me resultó más fácil construir puentes entre las personas, y la oportunidad de conocer ideas interesantes que podrían integrar y construir. Aquí el mapa. El siguiente mapa principal en el que estamos trabajando es una descripción visual de los componentes de la plataforma/entorno que son necesarios para que Junto puede existir y evolucionar.

Modelado

Los diseñadores y arquitectos están familiarizados con el uso de modelos físicos para ayudar a que las personas visualicen las estructuras o productos futuros. Como nuestra visualización como pensadores y filósofos sobre nuestro futuro cooperativo, tecnológico, también creamos modelos mentales para representar lo que esta «cosa» que todos estamos hablando podría ser similar. Llámalo fantasear, participar en un experimento mental, o mostrar una simulación, que somos capaces de pensar acerca de los potenciales una vez que hemos construido un modelo en el que podemos aplicar nuestras teorías.

Juegos

Llamado serious games o serious play cuando se utiliza de esta manera, el juego es una poderosa manera de simular posibles realidades. El ejército los utiliza para el entrenamiento y hay muchos proyectos de ir a animar a la gente para que se implique en cambiar el mundo, como Urgent Evoke. Los jugadores son capaces de participar en juegos de rol y simulación de cómo iban a responder en situaciones, interactuar con otros y crear soluciones positivas en un entorno grupal. La idea es crear decisiones conexas y aceptables que mejor sirvan a la comunidad. Y de hecho puede ocurrir.

Visión

Por lo que he experimentado, aclarar la visión es uno de los mecanismos más poderosos para involucrar a una organización o comunidad y conseguir que se entusiasmen por unirse. Cada uno de los posts de este blog de alguna manera aclaran mi propia visión para el futuro, tanto mi futuro personal como de un mejor futuro que me gustaría ver para la humanidad. Crear una visión clara es un precursor del planteamiento y planificación de objetivos, y como yo lo veo, una clave para movilizar a la gente. Hay una directriz agradable en el libro Futuring que descompone el proceso de futuro preferido (Preferred Futuring) en estas ocho tareas:

 

  • Revisar la historia común de la organización para crear una apreciación compartida.
  • Identificar lo que funciona y qué no. Lluvia de ideas y listar «pros» y «contras».
  • Identificar los valores y creencias subyacentes, y discutir cuáles mantener y cuáles abandonar.
  • Identificar los eventos, desarrollos y tendencias importantes que puedan tener un impacto sobre el logro de un futuro deseado.
  • Crear una visión del futuro preferido de lo que es una comprensión y comúnmente entendida. Todos los participantes, o por lo menos una masa crítica, debe tener un sentido de propiedad de inversión en la visión
  • Traducir las visiones de futuro en objetivos de acción.
  • Plan de acción: Estructura en medidas específicas previstas con la rendición de cuentas identificadas.
  • Crear una estructura para la ejecución del plan, con las correcciones de medio término, celebraciones y publicidad de los éxitos

 

 

Y, por supuesto, no se trata de la creación de una visión hecha por mi, sino de crear una visión compartida. Así que muchos de nosotros estamos hablando de crear un futuro mejor. Pero, ¿qué te parece? ¿Hemos definido que? ¿Lo hemos descrito? ¿Cómo estamos dentro de ella? ¿Cómo se ve la sociedad? ¿Qué se ve como hecho corriente? ¿Cómo es la interacción? Veo a tanta gente trabajando en los aspectos de la misma, pero ¿cómo la unión de estas ideas para crear una imagen más clara de esta visión compartida?
Si podemos verlo, podemos construirlo.

Desarrollo del escenario

Aquí es donde entra en juego el poder de la narración. A lo largo de la historia humana, estamos definidos por las historias que nos contamos unos a otros y a nosotros mismos. Creamos significado y cognición por la forma en que recordamos nuestras historias, como la carga personal que llevamos en nuestras mentes. Al pensar en el futuro, sea en el futuro de la sociedad, la organización, o por cuenta propia, desarrollar una serie de escenarios permite hacer frente objetivamente a la incertidumbre e imaginar los costos y beneficios plausibles para las distintas acciones y sus consecuencias. A menudo se sugiere crear al menos tres escenarios cuando se consideran los acontecimientos futuros o situaciones que impliquen toma de decisiones, mediante la identificación de los futuros posibles, probables y preferibles. Nuevamente, desde el libro Futuring, se sugieren cinco escenarios de ejemplo:

1. Un escenario libre de sorpresas: las cosas continuarán como están ahora. No serán sustancialmente mejor o peor.

2. Un escenario optimista: las cosas irán mucho mejor que en el pasado reciente.

3. Un escenario pesimista: algo irá mucho peor que en el pasado.

4. Un escenario de desastre: las cosas irán terriblemente mal, y nuestra situación será mucho peor que cualquier cosa que hayamos experimentado previamente.

5. http://future.alltop.com/: sucede algo espectacularmente maravilloso, algo que nunca nos atrevimos a esperar.

Así que, una vez que se ha escrito la historia que describe lo que parece cada uno de estos escenarios, puede comenzar la conversación. ¿Cuál es la probabilidad de cada uno de éstos? ¿Cuál es la conveniencia? ¿Cuáles son los valores de la correlación de la gente? ¿Qué medidas se pueden tomar hoy para dirigir la nave e influir en los acontecimientos que se crearán o para evitar estos varios escenarios?

Otros elementos del desarrollo del escenario incluyen la predicción y lo retrospectivo [backcasting]. Mientras que la previsión se inicia en el presente y los proyectos presentes se proyectan hacia el futuro, lo retrospectivo comienza con un objetivo o acontecimiento futuro y la acción es el camino de regreso al presente. En este método, se imagina y define la secuencia de eventos o pasos que condujeron a ese objetivo, a fin de crear un mapa de carreteras hacia a ese futuro.

Convertirse en un audaz futurista

Así que esto es una breve descripción de la previsión y el «pensamiento de futuros.» Hay muchos muchos recursos para aprender más sobre estas herramientas de pensamiento ¡y espero que se despierte su interés y siga explorando!

Aquí dejó unos sitios para comenzar:

Foresight Education and Research Network.

Acceleration Studies Foundation.

World Future Society.

World Future Studies Federation.

Global Foresight.

Future-focused blogs.

El futuro en los ecosistemas de aprendizaje

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

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

Comunidades escolares resilentes/resistentes

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

Amplificación de educadores y estudiantes

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

El aprendizaje en el contexto de la economía global

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

El diseño y los datos en la arquitectura del aprendizaje

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

Las heterarquías distribuidas

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

La diversificación de las geografías del aprendizaje

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

Referencias consultadas:

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