Beruflich Dokumente
Kultur Dokumente
INTELIGENCIA ARTIFICIAL
GRUPO: 8CM42
A riesgo de mencionar una trivialidad les diré que el software educativo o más
específicamente el software para la educación en matemáticas involucra a tres
grandes ciencias:
Es conocido que los índices de reprobación en la secundaria son tan alarmantes que
los profesores son obligados a maquillar sus resultados. Existe la regla de que no se
puede reprobar más del 10%. Sin embargo numerosas investigaciones demuestran
que muchas de las veces los estudiantes de secundaria en lugar de adquirir nuevas
habilidades pierden algunas que tenían de la educación elemental (smm, 1986). Más
recientemente la SEP reconoce y se acaba de publicar que 50% de los estudiantes
de sexto año de primaria fallan en matemáticas. El estudio comprende tanto escuelas
públicas como privadas. La subsecretaría de la SEP reconoció que particularmente
en matemáticas, los estudiantes no sólo no mejoran, en la secundaria, sino que
decrecen en su rendimiento (Reforma, 16-oct-2001).
Querer acotar o definir con precisión, lo qué es software educativo; Es tanto como
pretender acotar la imaginación humana. Hace poco yo mismo he sido sorprendido
por algunos trabajos que me han presentado, en el pasado taller de software
educativo, aquí en el CIMAT.
Uno de los resultados más notables en esta dirección es el caso del lenguaje LOGO,
un lenguaje desarrollado por un grupo de investigadores en el M.I.T. de U.S.A. Este
es un es un lenguaje estructurado y recursivo que posee la ventaja (que de hecho fue
su principal atractivo cuando apareció) de tener un fácil manejo de gráficas, que
permite visualizar procesos típicos de programación, que hasta aquel entonces
permanecían implícitos en los demás lenguajes. LOGO se crea con la premisa de que
su aprendizaje produciría en los estudiantes habilidades matemáticas y lógicas en la
resolución de problemas (Furzeig y Papert et al, 1969).
El que LOGO posea o no esta virtud, es algo que hasta hoy se cuestiona y que por
desgracia no se cuenta con una buena evaluación al respecto.
...Uno de los trabajos más abundantes citados (Pea, 1983), en el que se investigaba
el efecto de LOGO sobre la capacidad de resolución en los alumnos, no se apreciaron
diferencias significativas entre los alumnos que utilizaban LOGO y el grupo niños que
no lo utilizó (Solomon, 1987)
Sin embargo, cabe anotar que desde los inicios de la aplicación de la computadora en
la enseñanza este ha sido uno de los puntos más atractivos para los investigadores.
Taylor (1980), en uno de los primeros intentos por clasificar la computación en la
enseñanza nos menciona que ni como tutor ni como herramienta, la computadora
adquiere un mayor relieve que cuando se utiliza como pupilo. Agrega el autor, que
aquí se trata de enseñar a la computadora a realizar determinado propósito o proyecto,
para lo cual el estudiante o profesor necesita aprender muy bien el tema a programar,
para poder “enseñarle” a la computadora. Para esto el autor nos propone a LOGO
como uno de los lenguajes más adecuados. A su vez Hatfield (1983), en la
subcategoría, Programación de una computadora por parte de los estudiantes, plantea
el hecho de que numerosos profesores han encontrado una conexión entre el trabajo
de elaborar, corregir, realizar pruebas y refinar sus propios programas de computación
por parte de los estudiantes, con aspectos del pensamiento matemático. O’Shea &
Self (1983) por su parte, mencionan que LOGO genero una controversia entre quienes
veían que los intentos anteriores introducían la computación sin cambios significativos
en el sistema educativo. En cambio aseguraban que con LOGO los alumnos serían
los constructores de sus propias estructuras intelectuales. “Aprender sin que se
enseñe”. Pero no todo es miel sobre hojuelas, y uno de los primeros obstáculos es
que, bajo mi experiencia personal, no siempre profesores y/o alumnos tienen el deseo
de aprender a programar una computadora. Lo cual se dificulta más cuando el
lenguaje a enseñar no es sencillo, como es el caso de LOGO, en donde muchos han
entrado en confusión al suponer que manejar algunas instrucciones de la parte gráfica
(las que corresponden a la tortuga) es programar. Este júbilo desaparece, o decrece
mucho, en cuanto se inician programas que requieran un poco más de instrucciones.
Tenemos que recordar que LOGO deviene y hereda las estructuras del lenguaje
computacional LISP, el lenguaje utilizado para programar en Inteligencia artificial.
Ciertamente el lector podrá argüir que posiblemente lo anterior se deba a una mala
planeación y/o forma de instrucción y desde luego cabe esta posibilidad, pero al
menos en mi experiencia personal no ha sido un problema sencillo. Una posible
respuesta a este problema lo constituye precisamente los micromundos Con esto no
intento restarle méritos o importancia a este, por demás interesante, uso de la
computadora en la enseñanza, sino por el contrario destacar que es este un resultado
más dentro del cautivante mundo de la investigación en el binomio: computación-
enseñanza. En efecto, un grupo grande de investigadores han ido desarrollando
experiencias didácticas mediante la creación de ambientes de aprendizaje a través de
LOGO. O en sus propias palabras: creando “puentes” entre el lenguaje y la enseñanza
de conceptos matemáticos mediante la creación de micromundos (Hoyles & Noss,
1987). Incluso, en este mismo artículo los autores proponen la inclusión de LOGO en
la currícula de matemáticas en la educación elemental, lo cual como es conocido se
llevó a cabo en algunos países. Este uso se sigue desarrollando hasta nuestros días,
creando alrededor de LOGO una fuerte corriente de investigación, la cual mediante la
creación de micromundos desarrolla lecciones didácticas (Hoyles, 1994). Dentro de
este mismo apartado, Moreno y Sacristan (1996) han desarrollado experimentos con
estudiantes, tendientes a lograr la interiorización del concepto de límite mediante la
elaboración de programas recursivos en LOGO. Los autores afirman que conceptos
como el de continuidad y diferenciación se pueden ilustrar mediante la construcción
de fractales. Afirman: “logramos instrumentar una didáctica constructivista en el
sentido piagetiano además de contextualizar los conceptos matemáticos a enseñar”.
En este mismo rubro, un grupo de investigadores ha desarrollado investigaciones,
con la idea de que los estudiantes al aprender a programar en algún lenguaje como
VISUAL BASIC, C, PASCAL, FORTRAN, etc.; adquieran ciertos conceptos
matemáticos, como por ejemplo el de función, variable, límite, sucesión, etc.
Ciertamente los lenguajes de alto nivel, como los mencionados, poseen la posibilidad
de definir en sus instrucciones funciones y variables, con una estructura francamente
sencilla y transparente.
Dentro de esta línea, una de las personas que destaca es Patrick Suppes quien, en
1967, conjuntamente con otros investigadores forma la Computer Curriculum
Corporation (CCC), en donde se intentaba producir material educativo para el
aprendizaje de Matemáticas y Lenguaje. El proyecto fue enérgicamente criticado por
su filiación conductista, sin embargo tuvo éxito en las minorías raciales.
En este mismo proyecto, Davis propone una serie de juegos para el aprendizaje de
números, operaciones, relaciones, etc. y de hecho esto abre una perspectiva de
aplicación que algunos autores como O’Shea y Self (1983); Olds, Schwartz y Willie
(1980); Kaput (1992); le confieren un apartado especial en su clasificación. Se
clasifican los juegos en dos tipos. Los de contenido (content games) que son juegos
cuyo propósito es la enseñanza de un hecho particular de alguna materia, y los de
proceso (process games) que pretenden la enseñanza de un cognitivo mayor o de una
estrategia para la resolución de problemas aplicable a través de varias materias. Sin
embargo, es necesario cuestionar: ¿cuál es el planteamiento didáctico subyacente en
los juegos propuestos para la enseñanza? Esto es, para poder evaluar con más
precisión un determinado juego, tenemos que tener claro cuál es el planteamiento
didáctico. Por ejemplo en el juego: Adivina mi regla (Barclay, 1985) en donde se trata
de adivinar la expresión analítica de una función mediante la aparición de los valores
que la función, desconocida por el estudiante, toma ante valores propuestos por el
usuario. Surgen los siguientes cuestionamientos: ¿Se quiere que el estudiante
adquiera el concepto de función?; ¿Es el juego parte de un proceso de enseñanza-
aprendizaje más amplio?; ¿Se quiere promover la articulación entre diversos registros
de representación?; ¿Qué operaciones intelectuales (de acuerdo a la definición de
Piaget) se involucran en este proceso?; etc. Todo esto tendría que ser contestado
antes para tener claridad en el juicio que se realice del juego. Además, no es claro
que los juegos merezcan una subcategoría en la clasificación puesto que la mayoría
de los juegos propuestos tienden a apoyar un determinado concepto matemático y
vienen a ser parte de una propuesta didáctica mucho más general. Es decir, los juegos
no son la propuesta didáctica.
Paralelo al proyecto PLATO surge otro proyecto financiado por la misma institución
NSF (National Science Foudation) a este proyecto se le conoce por sus siglas TICCIT
(Time-shared Interactive Computer Controlled Information Television). El objetivo de
este proyecto era demostrar que la enseñanza asistida por la computadora puede
proporcionar mejor enseñanza a un costo menor que la que ofrece la enseñanza
pública. La evaluación del proyecto difiere según los autores. Para algunos, el
profesorado se disgusto fuertemente al ser desplazados de principio y también se
cuestionó la metodología y contenido. Por otra parte la NSF facilita una evaluación en
donde se menciona que el efecto del TICCIT fue positivo en los alumnos tanto en
matemáticas como en composición inglesa (Alderman, 1977). Sin embargo, no existe
ningún documento concluyente al respecto.
Los sistemas tutoriales inteligentes, vienen a ser uno más de los dramáticos
resultados, en la exploración e investigación de la computación y el aprendizaje, y nos
muestra la creación de un cierto tipo de ambiente de aprendizaje (Cuevas, 1992).
Aunque no existe una definición clara de lo que se entiende por un Sistema Tutorial
Inteligente (Intelligent Tutoring System (ITS)), se puede contemplar como una
extensión de las lecciones tutoriales, es decir, un sistema que contenga una o varias
lecciones tutoriales implementadas en una computadora o microcomputadora las
cuales al interactuar con el estudiante, tengan un cierto comportamiento inteligente.
Para muchos autores, lo anterior sólo es posible de realizar mediante la combinación
de la inteligencia artificial y las ciencias cognitivas. Sin embargo, los ITS vistos como
una extensión de las lecciones tutoriales comprenden un rango más amplio.
The LISP Intelligent Tutoring System, (Anderson, et al, 1987). En donde los autores
presentan un tutor inteligente para la enseñanza del lenguaje de computación LISP.
La arquitectura básica del tutor la constituyen tres componentes: Dominio de
Conocimiento (El Modelo de Estudiante), La componente Tutorial (reglas tutoriales) y
La interface (Ibidem, p. 90). Learnig Companion System, (Chang & Baskin, 1990). En
este tutorial, los autores mencionan que al tradicional ITS se le agrega un
acompañante dado por la misma computadora (ibídem, pag 6). Los componentes
básicos de este ITS son: La computadora-profesor, el estudiante humano y la
computadora-estudiante (acompañante). Geometría (Anderson, et al, 1985); TAPS,
para Aritmética y Álgebra elemental desarrollado por Derry y Hawkes (1989/90);
CLORIS (Parkes,1986; Parkes &Self, 1990) la combinación de un ITS con video
interactivo; SCENT-3 (McCalla et al, 1990) y el tutor ZEERA, para Estadística
Descriptiva.
Es necesario señalar que en los sistemas anteriores los autores parten de dos
premisas: La substitución total del maestro lo cual nos obliga a tener un modelo de
enseñanza; y la creación en la computadora de un modelo de estudiante que implica
el desarrollo de una teoría del conocimiento. Una de las principales características de
los sistemas tutoriales inteligentes es la separación que hacen del conocimiento
tutorial del conocimiento del dominio que enseñan.
Desde los sensores inteligentes que nos ayudan a tomar imágenes perfectas, los
características de estacionamiento automático en los automóviles, hasta los
asistentes personales a veces frustrantes en los teléfonos inteligentes, la inteligencia
artificial de un tipo u otro está a nuestro alrededor ya todo el tiempo.
Si bien aún tendríamos que crear robots autoconscientes como los que usan películas
populares como 2001: A Space Odyssey y Star Wars, hemos hecho un uso inteligente
y a menudo significativo, de la tecnología de inteligencia artificial en una amplia gama
de aplicaciones que, aunque no son tan vistosas como los androides, han cambiado
nuestra vida cotidiana. Un lugar donde la inteligencia artificial está preparada para
hacer grandes cambios (y en algunos casos ya lo está) es en educación.
Si bien es posible que no veamos a los robots humanoides actuando como maestros
en la próxima década, hay muchos proyectos que ya están trabajando y que usan la
inteligencia de la computadora, para ayudar a los estudiantes y maestros a obtener
más de la experiencia educativa. Estas son solo algunas de las formas en que esas
herramientas ya son usadas, así como aquellas que las seguirán, que estamos
seguros que darán forma y definirán la experiencia educativa del futuro.
Este tipo de educación personalizada puede ser una solución asistida por máquina,
para ayudar a los estudiantes de diferentes niveles a trabajar sea juntos en un aula o
en conjunto con los maestros, facilitando el aprendizaje ofreciendo ayuda y apoyo
cuando sea necesario. El aprendizaje adaptativo ya ha tenido un gran impacto en la
educación en todo el mundo (especialmente a través de programas como Khan
Academy) y a medida que avance la IA en las próximas décadas, es probable que los
programas de adaptación como estos solo mejoren y se amplíen.
Los docentes pueden no estar siempre al tanto de las lagunas en sus conferencias y
materiales educativos, pudiendo dejar a los estudiantes confundidos acerca de ciertos
conceptos. La Inteligencia Artificial ofrece una manera de resolver ese problema.
Coursera, un gran proveedor abierto de cursos en línea, ya está poniendo esto en
práctica. Cuando se descubre que una gran cantidad de estudiantes envía una
respuesta incorrecta a una tarea asignada, el sistema alerta al maestro y ofrece a los
futuros alumnos un mensaje personalizado que ofrece sugerencias para la respuesta
correcta.
Este tipo de sistema ayuda a llenar los vacíos en la explicación que puede darse en
los cursos ayudando a asegurar que todos los estudiantes estén construyendo la
misma base conceptual. En lugar de esperar a recibir una respuesta del profesor, los
alumnos obtienen una respuesta inmediata, que les ayuda a comprender un concepto
y recordar cómo hacerlo correctamente la próxima vez.
Si bien obviamente hay cosas que los tutores humanos pueden ofrecer que las
máquinas no pueden, al menos no todavía, el futuro podría ver a más estudiantes
siendo apoyados por tutores que solo existen en el mundo binario de los ceros y unos.
Ya existen algunos programas de tutoría basados en inteligencia artificial que pueden
ayudar a los estudiantes a través de las matemáticas básicas, la escritura y otras
materias.
Estos programas pueden enseñar a los estudiantes los fundamentos, pero hasta
ahora no son ideales para ayudar a los estudiantes a aprender el pensamiento y la
creatividad de alto orden, algo que los maestros humanos del mundo real aún deben
facilitar. Sin embargo, eso no debería descartar la posibilidad de que los tutores
basados en Inteligencia Artificial puedan hacer estas cosas en el futuro. Con el ritmo
acelerado del avance tecnológico que ha marcado las últimas décadas, los sistemas
avanzados de tutoría pueden no ser una quimera.
Este tipo de sistemas de Inteligencia Artificial les permite a los estudiantes obtener el
apoyo que necesitan, así como también para que los profesores encuentren áreas en
las que puedan mejorar la instrucción, para los estudiantes que puedan tener
problemas con el tema. Sin embargo, los programas de Inteligencia Artificial en estas
escuelas no solo ofrecen consejos sobre cursos individuales. Algunos están
trabajando para desarrollar sistemas que pueden ayudar a los estudiantes a elegir
especialidades basadas en áreas donde tienen éxito. Si bien los estudiantes no tienen
que seguir el consejo, podría marcar un nuevo precedente en la selección principal de
la universidad para futuros estudiantes.
Siempre habrá un papel para los docentes en la educación, pero cuál es su función y
qué implica puede cambiar debido a las nuevas tecnologías en forma de sistemas
informáticos inteligentes. Como ya hemos discutido, la Inteligencia Artificial puede
encargarse de tareas como la calificación, puede ayudar a los estudiantes a mejorar
el aprendizaje e incluso puede ser un sustituto de la tutoría del mundo real. Sin
embargo, la Inteligencia Artificial podría adaptarse a muchos otros aspectos de la
enseñanza también. Los sistemas de Inteligencia Artificial podrían programarse para
proporcionar experiencia, sirviendo como un lugar para que los estudiantes hagan
preguntas y encuentren información, o incluso podrían tomar el lugar de los maestros
para obtener materiales de cursos muy básicos. En la mayoría de los casos sin
embargo, la Inteligencia Artificial cambiará el rol del docente desde un simple dictador
al de un facilitador.
Si bien los cambios importantes aún pueden durar algunas décadas en el futuro, la
realidad es que la inteligencia artificial tiene el potencial de cambiar radicalmente casi
todo lo que damos por sentado sobre la educación.
¿En conclusión? La Inteligencia Artificial nunca podrá sustituir (ni hoy ni nunca) al
trabajo de quienes se dedican al noble oficio de guiar, conducir, educar a quienes hoy
son alumnos y mañana serán los que guíen el destino de la humanidad. Pero no cabe
duda que la educación podría verse muy diferente dentro de unas décadas, gracias a
la Inteligencia Artificial.
Vivimos en una sociedad cada vez más tecnificada. Poco a poco todos los los sectores
que la componen van asimilando los avances tecnológicos y adaptándose a ellos.
La educación también está atravesando este proceso de adaptación, y en su
interacción con la tecnología está dando como resultado nuevas formas de
enseñanza. ¿Pero hasta qué punto puede la tecnología revolucionar el mundo de la
educación?
Son precisamente los sistemas de inteligencia artificial los que pueden revolucionar
el futuro de la educación. Al contrario que en otros casos está previsto que la
aplicación de estos sistemas esté generalizado en la próxima década. Son cinco los
que según la Universidad de Stanford serán los más utilizados en las aulas.
1. Realidad Virtual
Aunque ya se usa hoy en día está previsto que se extienda más en los próximos años.
Esta herramienta permite a los alumnos interaccionar con entornos creados
expresamente para los contenidos a enseñar. Con los años se espera que sean cada
vez más refinados. Utilizar esta clase de recursos puede enriquecer lecciones de
historia o de arte, trasladando a los alumnos a ese entorno.
2. Robótica educativa
Cada vez se extiende más en las aulas la enseñanza de la robótica. Los alumnos
aprenden a programar pequeños robots quel es ponen en contacto directo con la
tecnología. De esta forma se desarrolla el pensamiento lógico y la creatividad. La
robótica les estimula y les permite obtener mejores resultados académicos.
¿Te imaginas tener un profesor virtual? Estos sistemas pueden guiar al alumno en
el aprendizaje y les ayudan a solucionar sus problemas con las asignaturas. Ofrecen
respuestas de forma instantánea y permiten que el alumno sea consciente de sus
errores de forma más rápida. Además con ellos se pueden diseñar sesiones de
aprendizaje adaptadas a cada alumno.
A pesar de que ya los conocemos a través de los famosos MOOC su uso se extenderá
y perfeccionará en la próxima década. Estos sistemas permiten una evaluación más
sencilla. Su uso en el futuro podría suponer el fin de la educación presencial tal y
como la conocemos.
El informe Artificial Intelligence and Life in 2030 es el primero que se publica dentro
del proyecto One Hundred Year Study on Artificial Intelligence (AI100), impulsado por
la Universidad de Stanford para promover el debate social acerca de estas tecnologías
y guiar el desarrollo ético de programas, sensores y máquinas inteligentes. La
publicación, en la que participan 24 expertos de distintas universidades, disecciona el
panorama actual de la IA en distintas áreas, y vaticina qué tendencias se consolidarán
hacia el 2030 en cada ámbito, tomando como escenario una típica ciudad de Estados
Unidos.
Sin embargo, para que este escenario sea posible, los docentes y demás actores de
la comunidad educativa tendrán que afrontar un reto clave: “saber integrar este
tipo de tecnologías con el aprendizaje presencial y la interacción humana”,
explica el informe. Esto supone tomar conciencia de las posibilidades de la inteligencia
artificial en la educación y reformular el proceso de enseñanza-aprendizaje para que
estas nuevas tecnologías encajen de una forma práctica y significativa, de forma que
puedan reportar los beneficios señalados.
Si el código que lee BAYOU incluye cualquier tipo de información sobre lo que hace
el código, BAYOU también aprendió lo que esos programas estaban destinados a
hacer junto con la forma en que funcionan. Esta información contextual es lo que
permite a la IA escribir software funcional basado en solo un par de palabras clave e
información básica sobre lo que el programador desea.
Desde hace casi una década, los investigadores en las universidades y en las
empresas dedicadas a vender sistemas educativos han invertido tiempo en estudiar
cómo la inteligencia artificial puede ayudar a los profesores a personalizar la
educación y volverla más relevante, eficiente y efectiva.
Por: Rafael Rangel Sostmann
Cada día me sorprende más cómo los motores de búsqueda de información que usan
las compañías que venden productos y servicios, como Amazon y Google, aprenden
de nuestros gustos, intereses y estilos personales al comprar. Nos envían
promociones de libros, cámaras fotográficas, viajes, o suplementos alimenticios, de
acuerdo a nuestro perfil y basándose únicamente en la información que obtuvieron de
nosotros al usar sus plataformas.
Los automóviles también aprenden sobre nuestros estilos de manejo, con el objetivo
de sincronizar la respuesta del motor y la transmisión con la persona al volante. De
hecho, cada vez son más los automóviles que cuentan con dispositivos que
constantemente envían información a los sistemas centrales de las automotrices con
datos sobre la distancia que recorremos, en qué lugares nos detenemos, qué rutas
tomamos, etc. La razón detrás de estas herramientas es que, a través de dicha
información, las compañías automotrices pueden diseñar mejores unidades que
respondan mejor a nuestras necesidades, tanto de seguridad como personales.
De la misma forma en que estos sistemas aprenden sobre los requerimientos de cada
persona, existen sistemas para impartir educación que aprenden de los alumnos en
forma individual, utilizando bases de datos que obtienen de los exámenes y encuestas
que aplican directamente a los estudiantes. A estos sistemas se les denomina
“Sistemas Adaptativos de Aprendizaje;” y la razón del nombre es porque se adaptan
a las necesidades de cada alumno.
¿No sería mejor si el profesor contara con el apoyo de un tutor para cada alumno, y
que éste ayudara al estudiante en sus necesidades individuales? El tutor personal
guiaría al alumno en su proceso de aprendizaje y lo apoyaría con los temas que
necesita dominar, a través de recomendaciones específicas sobre qué material
consultar. A este tutor personal se le define como “tutor digital” y se comunica con el
alumno a través de una computadora o dispositivo. Este tutor está conectado a un
sistema inteligente central, que recaba la información del alumno cuando contesta
encuestas y exámenes, e incluso puede contar con su historial académico y
extracurricular.
Con esta información, el sistema analiza las respuestas enviadas por cada alumno y
emite recomendaciones personalizadas a través del tutor digital. El profesor supervisa
la asesoría que los tutores digitales imparten a los alumnos y, si es necesario,
interviene. A medida que el alumno cubre los contenidos recomendados, el sistema
efectúa evaluaciones adicionales. Dependiendo de las repuestas del alumno, el
sistema asigna nuevas tareas que pueden ser reforzar temas complementarios, o
avanzar en el plan de estudios.
Desde hace casi una década, los investigadores en las universidades y en las
empresas dedicadas a vender sistemas educativos han invertido tiempo en estudiar
cómo la inteligencia artificial puede ayudar a los profesores a personalizar la
educación y volverla más relevante, eficiente y efectiva.
Esto abre toda una nueva área de oportunidades para incrementar la calidad de la
educación, hacerla más efectiva, más inclusiva, reducir la deserción e incrementar la
motivación de los alumnos por aprender. Las plataformas de Aprendizaje Adaptativo
ofrecen la posibilidad de llevar a un gran número de estudiantes una educación de
calidad personalizada. Estos sistemas ofrecen una alternativa muy prometedora para
un país como México, en el cual la educación sigue teniendo grandes áreas de
oportunidad.
Son varios los conceptos en tecnología que hacen referencia a la misma idea
innovadora: Inteligencia Artificial, aprendizaje automático o Machine Learning.
1. Apoyo
La IA es el mejor recurso para los docentes, pues les permite acceder a los datos de
todos sus alumnos, mejorar su seguimiento y ofrecer los recursos idóneos para cada
experiencia de aprendizaje.
2. Predicción
3. Cualificación ciega
4. Personalización
5. Contenido efectivo
El continuo análisis de datos y resultados ayuda a detectar a los estudiantes que están
en riesgo de exclusión por su bajo rendimiento y que corren peligro de abandonar
los estudios.
Arthur Samuel, pionero en inteligencia artificial, afirma que el machine learning “da a
la computadora la habilidad de aprender sin ser explícitamente programada”. Ésta
tecnología ha sido adaptada a herramientas y software en línea, útiles en la
educación. Hoy te compartimos 5 herramientas de machine learning.
Un ejemplo específico de qué es machine learning son las sugerencias que servicios
de compra en línea, de manera casi instantánea, te envía publicidad de productos que
quizás puedan interesarte.
El machine learning permite que los estudiantes aprendan de una mejor manera, ya
que el sistema analiza su rendimiento y personaliza el contenido con el objetivo de
reforzar aspectos específicos de manera individual, orienta al estudiante hacia lo que
debería reforzar.
Los docentes deben encontrar una manera de presentar esta tecnología a los jóvenes
como una herramienta para que ellos les sorprendan, el sistema se encargará de
guiarlos y el docente revisará posteriormente sus avances.
Las herramientas y servicios en línea que integran el machine learning son un refuerzo
para optimizar los procesos de aprendizaje, convirtiéndose en un apoyo para el
docente y guiar a los estudiantes.
Gracias a la información y datos que provee Mangahigh el docente puede analizar los
resultados del grupo de estudiantes y cambiar instrucciones para mejorar el proceso
de aprendizaje.
Se trata de una forma de aprendizaje diseñada para las máquinas. Esta forma de
aprendizaje trata de emular la forma en la que el ser humano asimila los
conocimientos, replicando en sus algoritmos una estructura similar a la de las
conexiones neuronales del cerebro. Fascinante, ¿verdad?
¿Sabes lo que es aún más fascinante? El hecho de que esta forma de aprendizaje
esté comenzando a dar sus frutos. Aunque su planteamiento teórico se remonta a los
años 80 no ha sido hasta hace unos años cuando se ha contado con la tecnología
necesaria para desarrollarla. ¿Y sabes qué es lo que se pretende conseguir con el
Deep Learning? Que la automatización de las máquinas sea cada vez más eficiente.
Pero centrémonos en este Deep Learning y las inteligencias artificiales para las
que se ha desarrollado. ¿Qué aplicaciones crees que podrían tener? Los coches
automatizados actuales ya hacen uso de esta tecnología. Y otros aspectos en los que
se aplica el Deep Learning es en los algoritmos de búsqueda de Google o el
reconocimiento de caras de Facebook. Todos estos usos están bien, tienen su
utilidad y nos hacen algunas labores más sencillas. ¿Te preguntas en qué más
ámbitos podría aplicarse?
La educación es uno de los sectores en los que el Deep Learning podría tener gran
futuro. No cabe duda que en un futuro cercano las inteligencias artificiales entrarán en
el aula para hacer la experiencia educativa más eficiente.
¿Por qué no utilizar el aprendizaje profundo en ellas? Hace ya algunos años que las
TIC forman parte del día a día de los estudiantes en el colegio. La llegada de la
inteligencia artificial solo supondría un paso más allá.
¿Pero qué pasaría si optimizáramos las TIC de las aulas con el aprendizaje Deep
Learning? Con esta combinación podríamos crear herramientas de apoyo para el
aprendizaje de los niños. ¿Cuál sería el beneficio?
La enseñanza como actividad conjunta del maestro y los alumnos se divide en dos
procesos relacionados: la enseñanza como la actividad del maestro y la del
aprendizaje como la actividad del alumno. El maestro representa los intereses de la
sociedad, y tiene la obligación de enseñar y educar a los escolares. Reinaldo E. Abreu
Concepción en su tesis para la maestría define lo siguiente: “El Proceso de
Enseñanza-Aprendizaje tiene como propósito esencial contribuir a la formación
integral de la personalidad del alumno y de la alumna, constituyendo la vía
fundamental para la adquisición de los conocimientos, procedimientos, habilidades,
normas de comportamientos y valores legados por la humanidad”.
Por otra parte, Rita M. Álvarez de Zayas manifiesta que “el Proceso de
Enseñanza-Aprendizaje es un proceso de dirección, de comunicación, de
socialización donde el profesor comunica, expresa, organiza, facilita los contenidos
científicos-históricos”.
AL revisar las definiciones acerca de este proceso se asume la del Licenciado, por
acercarse más al propósito de la investigación. El software educativo como medio de
enseñanza Los medios de enseñanza son las herramientas mediadoras del proceso
enseñanza aprendizaje utilizadas por maestros y alumnos, que contribuyen a la
participación activa, tanto individuales como colectivas, sobre el objeto de
conocimiento. Los medios no solamente son usados por los maestros, sino que deben
resultar de verdadera utilidad a los alumnos para el desarrollo de la interacción y
habilidades específicas.
El Dr. Vicente González Castro a partir de sus funciones pedagógicas planteó “Los
medios de enseñanza son los medios de objetivación del trabajo, que están vinculados
a los objetos materiales que sirven de apoyo al proceso de enseñanza y contribuyen
decisivamente al logro de su objetivo… Teoría y Práctica de los
medios de enseñanza son todos los componentes del proceso docente –
educativo que actúan como soporte material de los métodos (instructivos o
educativos).
Analizando esta definición se puede ver que la computación forma parte del
componente material que favorece la flexibilidad del pensamiento de los alumnos, ya
que estimula la búsqueda de distintas soluciones para un mismo problema,
permitiendo un mayor despliegue de los recursos cognitivos de los alumnos. Es por
esto que la utilización de la computadora en el aula implica un mayor grado de
abstracción de las acciones, una toma de conciencia y anticipación de lo que muchas
veces se hace “automáticamente”, estimulando el pasaje de conductas sensorio-
motoras a las conductas operatorias, generalizando la reversibilidad a todos los planos
del pensamiento.
En las ciencias pedagógicas cuenta Sánchez J y Rodríguez Lamas, entre otros, que
han abordado desde sus investigaciones el concepto, las características y
potencialidades de los software educativos. Sánchez J. define el concepto genérico
de Software Educativo como cualquier programa computacional cuyas características
estructurales y funcionales sirvan de apoyo al proceso de enseñar, aprender y
administrar. Según Rodríguez Lamas es una aplicación informática, que soportada
sobre una bien definida estrategia pedagógica, apoya directamente el proceso de
enseñanza aprendizaje constituyendo un efectivo instrumento para el desarrollo
educacional del hombre del próximo siglo.
El software educativo se caracteriza por ser altamente interactivo, a partir del empleo
de recursos multimedia, como videos, sonidos, fotografías, diccionarios
especializados, explicaciones de experimentados profesores, ejercicios y juegos
instructivos que apoyan las funciones de evaluación y diagnóstico. El objetivo es que
el intercambio sea más eficiente: incrementar la satisfacción, disminuir la frustración
y, en definitiva, hacer más productivas las tareas que rodean a los alumnos, de ahí:
¿Qué ventajas o beneficios aporta el trabajo con el software educativo?
Permite la interactividad con los alumnos, retroalimentando y evaluando lo
aprendido, a través de ella se puede demostrar el problema como tal. • Facilita
las representaciones animadas.
Incide en el desarrollo de las habilidades a través de la ejercitación. • Permite
simular procesos complejos.
Reduce el tiempo que se dispone para impartir gran cantidad de
conocimientos facilitando un trabajo diferenciado, introduciendo al alumno en
el trabajo con los medios computarizados.
Permiten transmitir gran volumen de información en un menor tiempo, de forma
amena y regulada por maestro. • Facilita el trabajo independiente y a la vez un
tratamiento individual de las diferencias en correspondencia con el diagnóstico
de los educandos. •
Desarrollan los procesos lógicos del pensamiento, la imaginación, la
creatividad y la memoria. El uso del software por parte del maestro proporciona
numerosas ventajas, entre ellas:
Enriquece el campo de la Pedagogía al incorporar la tecnología de punta que
revoluciona los métodos de enseñanza aprendizaje.
Constituye una nueva, atractiva, dinámica y rica fuente de conocimientos.
Pueden adaptar el software a las características y necesidades de su grupo
teniendo en cuenta el diagnóstico en el proceso de enseñanza aprendizaje, lo
cual permite elevar su calidad.
Permiten controlar las tareas docentes de forma individual o colectiva.
Muestran la interdisciplinariedad de las asignaturas. Clasificación del software
educativo Existen diversos criterios referentes a las distintas clasificaciones del
software educativo, unos se basan en las funciones didácticas de la actividad
que simulan, otros en las teorías de aprendizaje en que se sustentan, otros
según la forma de organización de la enseñanza que modelan, etc. El MsC
Alfonso Rivero12, lo clasifica a partir de criterios que responden a las funciones
o propósitos para los que fueron diseñados. En esta se establecen tres grupos,
ellos son:
1. Medios de enseñanza activos.
2. Medios de enseñanza pasivos.
3. Medios de enseñanza de acción indirecta.
Tomando del folleto de Informática Educativa elaborado por el colectivo de autores del
ISPETP13 se asumen las definiciones para los distintos tipos de software que sigue:
En el primer grupo se encuentran todos aquellos medios diseñados para intentar
sustituir al maestro y dirigir el proceso docente que tendrá un marcado carácter
autodidacta. Se incluyen en este grupo:
4. Tutoriales
5. Entrenadores.
6. Repasador.
7. Evaluadores.
En el segundo se agrupan los medios que se desarrollan para ser empleados en una
actividad docente conducida por el profesor, no pretendiendo sustituirlo. Se asemejan
en este propósito a los medios de enseñanza tradicionales. Aquí se incluyen entre
otros: • Libro electrónico.
Este tipo de actividad, constituye también una vía que brindará a los alumnos, la
posibilidad de solucionar problemas prácticos, de la vida cotidiana, que guarden
relación con lo aprendido, así como
desarrollar actividades investigativas, acordes con las posibilidades de los
mismos.
Exigencia de la softarea
Para ello utilizará diferentes niveles de ayuda, que le permitan intervenir con su papel
mediador hasta que lleguen al éxito. Estos niveles de ayuda son: apoyo verbal de lo
que hay que realizar en la tarea para que el alumno actúe; alerta verbal sobre un error
que cometan al ejecutar la tarea y la demostración de la tarea por el maestro para que
el alumno la pueda realizar después. Las sesiones de trabajo con el alumno constan
de tres momentos los cuales deben cumplirse siempre para obtener éxito en las
mismas, fueron acogidas por la Licenciada Niuris Gil de Monte16. Estos momentos
son: Orientación inicial: este momento abarca desde el saludo, la entrada del alumno
al local, la motivación inicial para que sienta deseos y placer de trabajar en la máquina,
hasta la orientación de la tarea que va a resolver. Este momento puede comenzar
fuera del local de trabajo hasta que el alumno se siente frente a la computadora.
Desarrollo de la tarea: comienza cuando el alumno ya orientado se enfrenta en la
búsqueda de la solución de la tarea. Es aquí cuando el maestro aplicará los diferentes
niveles de ayuda si así se requieren. En este momento también se cumple con el
algoritmo a ejecutar por el alumno al resolver cada tarea con el cual el maestro debe
conocer y propiciar, ya que de su realización depende el desarrollo de procesos
mentales en los mismos.
El algoritmo comprende los pasos siguientes: 1ro. Planificar la acción a ejecutar: el
alumno comprende la tarea y traza la vía de solución a emplear. 2do. Ejecutar la
acción: cuando utiliza el mouse o el teclado para realizar las acciones. 3ro. Control
parcial de la acción: cuando al resolver la tarea comprueba simultáneamente si lo hizo
bien o cometió algún error, lo que le permite modificar la planificación inicial y ejecutar
con éxito la misma. 4to. Evaluar los resultados finales de la acción: cuando es capaz
de valorar si finalizó correctamente la tarea, o si cometió algún error, preparándose
para rectificarlo o pasar a otra tarea más compleja.
Este algoritmo se repite en la ejecución de cada tarea, cuyos pasos se dan de forma
rápida, y a veces simultáneas, que en la práctica se hace imposible separar uno de
otro. Conclusión y valoración de la sesión de trabajo: se incluye la conversación final
del maestro con los alumnos sobre la tarea realizada, los éxitos obtenidos, dejándolos
motivados para próximas sesiones de trabajo. Además, abarca la despedida del
alumno hasta su salida del local. Se debe destacar la necesidad de preparar a los
docentes a nivel de centro para el diseño y utilización de softareas durante el proceso
de enseñanza aprendizaje de las asignaturas del currículum. La softarea racionaliza
el tiempo disponible para impartir, asimilar y consolidar el contenido, por lo que es una
importante vía a utilizar por los maestros, asesores de laboratorio de Computación
para favorecer el perfeccionamiento del proceso de enseñanza aprendizaje. Es un
soporte que contribuye a la motivación, la comprensión, la preparación y la fijación de
conocimientos.
http://estudiarspringroo.blogspot.com/2012/06/software-educativo.html
https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0718-
07642005000500012
http://www.redalyc.org/html/925/92551202/
http://sedici.unlp.edu.ar/bitstream/handle/10915/13180/Documento_completo.pdf?se
quence=1
http://www.matedu.cinvestav.mx/~ccuevas/SoftwareEducativo.htm
https://www.gestiopolis.com/uso-del-software-educativo-en-el-proceso-de-
ensenanza-y-aprendizaje/
http://barros1.blogspot.com/2012/11/evolucion-del-software-educativo.html
http://repensareducativo.com/origen-del-software-educativo-y-su-relacion-con-la-
tecnologia-educativa-primera-parte/