Aprendizaje personalizado: una revolución de datos
Los enfoques del siglo XXI abordan el estado cognitivo y motivacional del estudiante.
Autor
¿Quién no desea un mundo en el que todo con lo que interactúa esté personalizado a su medida?
El advenimiento de grandes volúmenes de datos El aprendizaje automático nos ha acercado a un punto en el que esta visión se está materializando a un ritmo vertiginoso, impulsado por nuestra capacidad de capturar y almacenar todo sobre nosotros mismos: desde las pulsaciones de teclas en nuestros ordenadores hasta nuestras secuencias genéticas y ADN. Esto ha propiciado el auge de la medicina personalizada, que selecciona procedimientos adaptados a nuestra química corporal específica; la publicidad personalizada, que nos muestra la marca de vaqueros que mejor nos sienta; e incluso el aprendizaje adaptado a nuestras necesidades individuales.
La idea inmensamente poderosa detrás del aprendizaje personalizado es proporcionar al alumno entornos de aprendizaje e instrucción significativos, como alternativa a un enfoque "de talla única" en el que todos en una clase ven el mismo material al mismo tiempo. Sin embargo, el término significa Abarca una amplia gama de métodos y estrategias, con diferentes significados para diferentes comunidades, lo que dificulta comprender con precisión cómo se implementará dicho enfoque.
“Los enfoques del siglo XXI para personalizar el aprendizaje se basan en el principio de que el aprendizaje se produce haciendo, en lugar de escuchando.”
Algunos de estos enfoques están relacionados con el aprendizaje basado en intereses, en el que la instrucción se personaliza permitiendo que el estudiante seleccione proyectos y problemas que lo motiven, ya sea la química en el activismo ambiental o la física detrás del paracaidismo. Otros métodos implican la creación de comunidades de aprendizaje que ofrecen trabajo en grupos pequeños y oportunidades para que los docentes se involucren más profundamente en la comprensión de las necesidades de aprendizaje de sus estudiantes.
Como alternativa, los enfoques del siglo XXI para personalizar el aprendizaje abordan la cognitiva y estado motivacional del aprendizEstos enfoques solo son posibles gracias a la gran cantidad de datos que se generan a medida que los estudiantes participan cada vez más en actividades de aprendizaje en línea, y se basan en el principio de que el aprendizaje se produce haciendo, no escuchando. Por lo tanto, se centran en la práctica de problemas importantes en un dominio específico.
La IA detecta y aprovecha las fortalezas y debilidades de cada alumno.
Los sistemas de aprendizaje personalizado que hacen esto están impulsados por Inteligencia Artificial que modela la cognición del estudiante para evaluar el estado actual del alumno individual y, a continuación, proporciona instrucción dirigida a ese estado.
Esto ocurre en dos etapas. Primero, mientras el estudiante trabaja en un problema, los sistemas de aprendizaje personalizado detectan los errores conceptuales comunes que pueda tener en cualquier momento. Esto permite que el sistema proporcione retroalimentación y apoyo directamente dirigidos al problema que el estudiante esté experimentando. Por ejemplo, al resolver un problema de suma de fracciones, un estudiante joven podría confundir el numerador con el denominador. El sistema puede detectar esto y proporcionar retroalimentación y pistas adicionales que lo guíen hacia la comprensión de los conceptos de numerador y denominador, y también lo ayuden a completar la tarea.
El segundo enfoque que adoptan estos sistemas consiste en seleccionar el material adecuado para que el alumno trabaje, basándose en lo que ha demostrado saber o no saber. Esto suele implicar desglosar los temas en sus habilidades componentes más básicas. De esta forma, los alumnos pueden centrarse en practicar donde más lo necesitan. Por ejemplo, ese mismo alumno puede haber demostrado su comprensión de la suma de fracciones, pero solo cuando los denominadores son iguales; por lo tanto, el sistema podría enfocar específicamente la práctica con fracciones de diferente denominador para ese alumno.
“El profesor queda liberado de la necesidad de homogeneizar su enseñanza y puede recorrer el aula para brindar ayuda adicional y específica a aquellos estudiantes que la necesiten.”
El aprendizaje personalizado amplía el alcance del profesor.
Si bien estos sistemas se basan en la recopilación de flujos de datos digitales mientras los estudiantes trabajan en una computadora, generalmente están diseñados para funcionar dentro del entorno del aula. Por ejemplo, el profesor puede impartir la clase tres días a la semana, mientras que los estudiantes trabajan en computadoras los otros dos. Esto evita el problema de que el profesor tenga que enseñar al nivel promedio de la clase.
Por el contrario, los alumnos que van adelantados y que suelen aburrirse en clase se sienten motivados para avanzar a su propio ritmo y, con frecuencia, se involucran más con el material. Los alumnos que tienen dificultades para seguir el ritmo del profesor, por otro lado, reciben ayuda personalizada del sistema. Pero lo más importante es que el profesor se libera de la necesidad de homogeneizar su enseñanza y puede recorrer el aula para brindar ayuda adicional y específica a los alumnos que la necesiten.
“Si bien la idea y la implementación inicial de estos sistemas existen desde hace un cuarto de siglo, ahora es el momento adecuado, ya que los avances en aprendizaje profundo, modelado cognitivo y hardware están convergiendo.”
Se ha demostrado en numerosos estudios que estos sistemas benefician a los estudiantes al mejorar el dominio del contenido. De hecho, algunos estudios han demostrado que Son especialmente beneficiosos para los estudiantes más necesitados., quienes de otro modo tendrían dificultades para seguir el ritmo de sus compañeros, y trabajos más recientes han incorporado Características adicionales que mejoran el aprendizaje, como agentes virtuales que motivan a los estudiantes. y apoyo para una mejor búsqueda de ayuda.
Si bien la idea y la implementación inicial de estos sistemas existen desde hace un cuarto de siglo, ahora es el momento oportuno, ya que los avances en aprendizaje profundo, modelado cognitivo y hardware están convergiendo. ¡La era del aprendizaje personalizado ha llegado!
Autor
Notas a pie de página
Referencias
Johnson, WL y Lester, JC (2016). Interacción cara a cara con agentes pedagógicos, veinte años después. Sociedad Internacional de Inteligencia Artificial en la Educación 2015, 26, 25–36.
Roll, I., Aleven, V., McLaren, BM y Koedinger, KR (2011). Mejorar las habilidades de los estudiantes para buscar ayuda mediante la retroalimentación metacognitiva en un sistema de tutoría inteligente. Aprendizaje e instrucción, 21(2), 267-280.
Koedinger, KR, Anderson, JR, Hadley, WH y Mark, MA (1997). La tutoría inteligente va a la escuela en la gran ciudad..
Un comentario
Los comentarios están cerrados.
Me interesa ver cómo los dispositivos portátiles siguen abordando este tema desde un punto de vista educativo; por favor, póngase en contacto conmigo.