Lic. Miguel MoralesAutor: Verónica Hernández2015

INTRODUCCIÓN

La web ha revolucionado de manera drástica la forma en que nos relacionamos, estudiamos y trabajamos. Podemos conectarnos de forma remota, acceder a grandes cantidades de información e incluso hacer negocios a cambio de un servicio de bajo costo para la mayoría.

La web ha evolucionado , su inmenso éxito ha traído consigo también grandes retos. La cantidad de información que se intercambia en la red ha llegado a superar la tecnología de sus primeras versions.

Ha pasado de ser una web de búsqueda de documentos a ser un “agente inteligente ideal” que como explica James A. Hendler en su artículo Is there and Intelligente Agent in Your Future? , tiene todas las características necesarias, siendo comunicativa, capaz, autónoma y adaptable. ( Lamarca, 2001)Un agente que entiende, comprende, valida y deduce la información solicitada y que llega a ser un asistente personal para el usuario.

INTRODUCCIÓN

De la mano de la web 3.0 encontramos nuevas posibilidades y oportunidades para mejorar la experiencia de enseñanza-aprendizaje. Big data, Learning Analytics y Gamification ofrecen la posibilidad de analizar los datos que el usuario genera y generar modelos o patrones basados en la información almacenada en los servidores. De esta forma los estudiantes reciben una experiencia personalizada, retroalimentación y apoyo y las instituciones educativas pueden mejorar sus cursos e internvenciones educativas basadas en dicha información.

El siguiente trabajo consiste en una breve descripción de la web 3.0, Big Data, Learning Analytics and Gamification y pretende dar una explicación breve y fácil de entender de estas innovaciones tecnológicas, educativas y sociales.

WEB 3.0

Llamada también web semántica porque tiene un significado universal que hace que compartir, procesar y transferir información sea más sencillo y que pueda ser procesada por computadoras y por seres humanos. Es una extension de la web 2.0. (Guía Breve de Web Semántica)

La web 2.0 está basada en documentos y enlaces que no pueden ser procesados automáticamente; fueron creados para lectura humana. Puede leer y procesar los datos pero no puede entenderlos.(Lamarca,2001)

El usuario puede encontrar en la web 3.0 respuesta a sus búsquedas de una forma más fácil.

“Un agente inteligente es aquella entidad de software que recoge, filtra y procesa la información contenida en la Web, realiza inferencias sobre dicha información e interactúa con el entorno sin necesidad de supervisión o control constante por parte del usuario” (Lamarca, 2001)

La web 3.0 require del uso de otros lenguajes que permitan darle significado a la información así la red podrá rastrear automáticamente las páginas con el significado preciso y el concepto que buscamos. Para esto buscará e interactuará con el ambiente, por ejemplo podrá reservar un cupo en un curso o en un avión.( Lamarca, 2001)

“El objetivo de la Web Semántica es que la Web pase de ser una colección de documentos a convertirse en una base de conocimiento”( Lamarca, 2001)

La web semántica hace possible que se deleguen tareas en el software pues es capaz de entender lo que se le pide, razonar y comprender lo que hay en un sitio, validar la información y hacer deducciones acerca de la información obtenida

Por ejemplo si usted hace la búsqueda de “Vuelos a Miami viernes por la mañana” obtendrá resultados como:

Visite Miami Atracciones turísticas en Miami Ofertas de paquetes a Miami

Deberá continuar la búsqueda manualmente hasta obtener lo que desea.

La web 3.0 podrá identificar su ubicación, entender la palabra mañana, avión y deducir a partir de esto lo que usted busca según su significado.

Para entender major, un ejemplo…

¿Qué es Big Data y Learning Analytics?

Big data son sets de datos extremadamente grandes que pueden ser analizados por computadora y revelar patrones, tendencias y asociaciones relacionadas con el comportamiento humano y sus interacciones ( Scapin, 2015)

Big Data and Learning Analytics

El 90% de los datos que actualmente se encuentran en internet han sido creados en los últimos dos años. La tecnología actual se ha quedado corta para analizar la cantidad de datos que generan sitios de prensa, negocios, social media, la web pública, datos de servidores etc.

La Big Data tiene varias características:

Velocidad

Volumen

Variedad

Las dimensiones de los datos han dejado obsoleta a la tecnología. La cantidad de información que maneja el FBI de las personas se mide en Yottabytes que equivalen a 250 millones de CD´s. (Big Data for Dummies Slide Share, 2015)

Ante la alta velocidad a la que los datos se generan, necesitamos alta velocidad de respuesta para poder procesarla.

Los datos han pasado de ser estructurados a ser semi estructurados y en su mayoría no estructurados. (Big Data for Dummies, Slide Share, 2015)

Big Data and Learning Analytics

La mayoría de herramientas utilizadas en Big Data son de código abierto e impulsadas por grandes empresas. Un ejemplo de esto es como Amazon y Netflix analizan los datos de sus consumidores para personalizar el contenido y las ofertas presentadas al usuario.

Learning Analytics

Learning Analytics se refiere a el uso de datos del sistema que mide, recolecta, analiza y reporta la información de un aprendiz y su contexto para poder orientar los recursos instruccionales y curriculares y apoyar el logro de determinados objetivos de aprendizaje.

Se basa en el comportamiento educativo del estudiante.

Por ejemplo el sistema puede:

Reportar datos, resumiendo el historial

Analizar las tendencias y correlaciones

Predecir, respuestas y conductas futuras

Scaplin, Slide Share, 2015)

Learning Analytics

Tipos de Learning Analytics:

• Sistema de alertas académicas• Visualización de datos• Recomendaciones• Aprendizaje adaptativo • Tutorías

El Sistema compara la actividad del estudiante con otros dentro y/o fuera de su grupo para crear un modelo.Esto permite a la institución mejorar el aprendizaje al predecir el desempeño, intervenir y dar feedback, personalizar y adaptarse al estilo de aprendizaje del estudiante según patrones de aprendizaje.

Learning Analytics

Las aplicaciones de Learning analytics se agregan al LMS o son atadas al software.

Learning Analytics es usado por instituciones educativas y maestros par poder identificar a los estudiantes que tienen dificultades y poder apoyarlos adecuadamente. También ayudan a identificar las áreas en donde los estudiantes tienen mayor dificultad para poder hacer mejoras.

Los reportes y patrones analizados por el sistema por sí solos no dicen nada ni mejoran la instrucción. Es necesaria la internvención de un analista para agregar la parte “inteligente” al sistema.(Scapin Slide Share, 2015)

Aprendizaje Adaptivo

El aprendizaje adaptativo según Torres y Gago (2014) es la respuesta en tiempo real al desempeño y las actividades de cada individuo en su entorno de aprendizaje esto con el objetivo de mejorar y optimizar el aprendizaje.

El aprendizaje adaptativo es utilizado en mobile and blended learning, MOOCS, Gamification y Flipped Classroom y es posible gracias a las aplicaciones de la web, learning analytics y big data.

Los alumnos reciben alertas, comparaciones y retroalimentación personalizada, los maestros reciben datos acerca del estado del alumno, comparaciones de clases y alertas.

Gamificación

La gamificación ha sido usada por grandes empresas desde hace mucho tiempo para generar lealtad hacia una marca y para involucrar más al consumidor.

Ahora la gamificación está siendo aplicada en la educación porque se ha comprobado que aumenta la retención y la motivación de los estudiantes.

Gamificación es el uso de elementos de juego con el objetivo de mejorar el interés y la motivación de los estudiantes hacia el aprendizaje.

Según “The Ed Arcade”, los jugadores regulares muestran características deseables en la educación como: persistencia, toma de riesgos y atención a detalles.

Gamificación

Los estudiantes se motivan e involucran a través de diferentes actividades de gamificación como por ejemplo:

Navegar por el aprendizaje y descubrir conocimiento

Recibir recompensas

Cumplir con retos en menos tiempo

Jugar para evitar perder lo ganado

Trabajar en retos que requieren multiples habilidades

Simular situaciones reales

Gamificación

Según la Universidad de MIT en su articulo “Moving Learning Games Forward, los juegos pueden ser usados para:

• Plataformas de autoría – La creación de un modelo

• Sistemas de Contenido

• Simulaciones y

• Aprendizaje de tecnología

Gamificación

Es importante mencionar que la gamificación no es jugar para aprender , gamificar consiste en utilizar elementos de juego para mejorar la experiencia de aprendizaje e involucrar y motivar al estudiante.

La tecnología y los juegos son un aliado en la pedagogía su éxito depende de una cuidadosa revision de los objetivos educativos, elección de herramientas y aplicaciones adecuadas así como la continua intervención del tutor o docente.

Conclusiones

Las propuestas e innovaciones tecnológicas actuales aplicadas a la educación pretenden mejorar la experiencia del estudiante brindándole variedad de oportunidades para acceder al conocimiento y la información y aplicarlo de forma inmediata.

Desde búsquedas más amigables e intuitivas hasta recordatorios, avisos y alertas de rendimiento, retroalimentación y apoyo, el estudiante no tiene excusa para alejarse del aprendizaje.

La educación tradicional “ unitalla” dirigida al promedio del grupo ha quedado atrás con las opciones que las nuevas innovaciones que la web 3.0 trae consigo. Ahora estamos ante una educación a la medida a través de divversos métodos y herramientas de enseñanza-aprendizaje.

La responsabilidad recae ahora sobre el ser humano el cual debe aportar el factor “inteligente” a la tecnología, la cual por si sola no es capaz de modificar la experiencia de aprendizaje.

Referencias

Big Data for Dummies. Slide Share. http://es.slideshare.net/zanorte/big-data-para-dummies?qid=79723437-66dd-4947-8fee-ab4e0c8ce0b4&v=qf1&b=&from_search=1

Bright, Sarah (2014) 8 Surprising Gamifiction Statistics. http://www.digitalchalk.com/blog/8-surprising-gamification-statistics

Gago y Torres (2014) http://es.slideshare.net/emadridnet/20140117-emadrid-big-data-in-education-csev-daniel-torres-david-gago-uned?qid=93cecbff-2f49-474e-9896-a29bb2df018d&v=qf1&b=&from_search=3

Hendler, James (1999). Is there an Intelligent Agent in Your Future?. http://www.nature.com/nature/webmatters/agents/agents.html

Lamarca, María Jesús (2001) Hacia La Web Semántica. http://www.hipertexto.info/documentos/web_semantica.htm

Nations, Daniel (s/f). What is Web 3.o? http://webtrends.about.com/od/web20/a/what-is-web-30.htm

Oficina Española. Guía Breve de Web Semántica. http://www.w3c.es/Divulgacion/GuiasBreves/WebSemantica

Scapin, Daniel (2015) Learning Analytics in Education: Using Student’s Big Data to Improve Teaching. http://es.slideshare.net/rscapin/learning-analytics-47463622/50-rscapindawsoncollegeqccarscapinDawsonITE_BloghttpdawsonitedawsoncollegeqccaContact_MeRafael_Scapin_PhD

Web 3.0 https://es.wikipedia.org/wiki/Web_3.0