Nueva dimensión didáctica del aprendizaje móvil en su multimedialidad y multimodalidad (EDUCACIÓN DISRUPTIVA-UNIVERSIDAD-INELIGENCIA ARTIFICIAL)

Juan Domingo Farnós Miró

((IMAGEN CREADA CON EL PROGRAMA DE INTELIGENCIA ARTIFICAL GENERATIVA——- DALL-E-2))

Juan Domingo Farnós Miró «La universidad ya no pertenece a la «academia», sino a toda la sociedad»

Dice un profesor de Germanistik de Mannheim “La universidad debe estar desactualizada, es la falta de intimidad lo que la hace atractiva”,

Jürgen Handke: “Mi oficina parece un estudio”

Un proceso de aprendizaje siempre tiene lugar en un entorno de aprendizaje específico caracterizado por una dimensión espacial y social (por ejemplo, entornos formales como la universidad, la escuela, seminarios de educación continua e instituciones educativas, entornos informales como el ocio y los contactos sociales). En una visión teórica del aprendizaje móvil, la característica clave de la movilidad es que el entorno de aprendizaje es cambiante en esta forma de aprendizaje. Esto plantea exigencias especiales en la implementación de aplicaciones de aprendizaje móvil y, por lo tanto, debe tenerse en cuenta en su concepción. Las teorías del aprendizaje clásico pueden servir de guía, pero deben adaptarse a estas necesidades y seleccionarse de acuerdo con el propósito de una aplicación.

Otros dos factores para el diseño didáctico del aprendizaje móvil son, además de la consideración de las teorías del aprendizaje, la interactividad y multimedia existentes. El aprendizaje móvil como una transferencia sin cambios de los conceptos de e-learning a dispositivos móviles no ha tenido éxito. En cambio, debido al equipo y al uso de dispositivos móviles, es necesaria una adaptación de los materiales y métodos de aprendizaje utilizados. La interactividad en el aprendizaje móvil se refiere a la interacción entre los alumnos y los profesores, así como entre los alumnos. La interacción entre el alumno y la aplicación, la interfaz hombre-máquina, también es un área de diseño de interactividad que debe implementarse de una manera técnicamente significativa y orientada al usuario ( usabilidad ).

Las funciones didácticas de la interactividad en el proceso de aprendizaje son :

-Proporcionar información para cerrar las brechas de conocimiento existentes.

-Controlar el proceso de aprendizaje por parte del alumno, por ejemplo. B. posibilidades de repetición de unidades o ejercicios; La adquisición de conocimiento se puede adaptar al ritmo de aprendizaje individual (obviamente en un entorno de aprendizaje ya obsoleto)

-Promover la comprensión a través de la presentación adaptativa del contenido, es decir, los contenidos son más sostenibles, ya que el alumno interactúa con nueva información de manera interactiva; El contenido no solo se presenta si no que entra dentro de una dinámica de interacción.

-Promover la capacidad de transferir conocimiento que puede aplicarse a otros contenidos; cuanto más fuerte es la interacción con el contenido, más sostenible es no solo el efecto de aprendizaje, sino también la comprensión; La interactividad intensifica el empleo de información e idealmente conduce al hecho de que las conexiones pueden transferirse a otras circunstancias

-Aumentar el grado de interactividad de las aplicaciones móviles promueve la inmersión en el entorno de aprendizaje y puede tener un impacto positivo en el éxito del aprendizaje. El nivel más alto de interactividad ofrece aprendizaje en mundos virtuales ( realidad aumentada ).

Si tratamos el Multimedia como elemento indispensable nos referiremos a la combinación de múltiples y diferentes medios en dispositivos móviles, p. Textos, imágenes, animaciones, formatos de audio y video. La base del uso de elementos multimedia para representar, estructurar y explicar el conocimiento es la suposición de que los humanos pueden aprender no solo a través de textos sino también a través de otros medios visuales y / o auditivos. Esta tesis está respaldada por la investigación de la memoria, que sugiere que la información se puede tomar más fácil, más rápido o más sostenible, si se presenta en otras formas de presentación o se utiliza además de los textos.

La multimedialidad va de la mano con la multimodalidad de los dispositivos móviles, es decir, las diversas funciones que el usuario usa de manera activa o automática cuando usa aplicaciones. Estos incluyen interfaces de usuario para el dispositivo, como entrada de voz y texto, sensores técnicos e interfaces de usuario visuales en la pantalla.

La presentación multimedia del contenido de aprendizaje puede mejorar la comprensión y los procesos de aprendizaje. Sin embargo, esto debe implementarse de manera adecuada. Una implementación lúdica del aprendizaje móvil es el juego móvil. Los llamados edugames (educación y juego en inglés) combinan varios elementos multimedia con la participación del usuario, de modo que se mejora la inmersión y el aspecto lúdico del aprendizaje puede aumentar la motivación y promover el aprendizaje.

Además de los enfoques lúdicos, se pueden implementar diferentes tipos de tareas en aplicaciones móviles. El diseño de este tipo de tareas depende de la interactividad y multimedia, así como del paradigma de la teoría del aprendizaje ( teorías del aprendizaje ). De acuerdo con la doctrina universitaria z. Como tareas de opción múltiple, de opción única y de texto libre o brecha concebibles.

Siguiendo un paradigma conductista , hay tareas que representan el contenido y contienen instrucciones claras. Luego, el aprendizaje móvil procede de acuerdo con el esquema: presentación de contenido, asignación de tareas y realización de comprobaciones de éxito. Los contenidos de aprendizaje se dividen en pequeñas unidades y se transmiten principalmente como texto. Las tareas posteriores se evalúan por su precisión o falta de corrección.

El propósito de la aplicación móvil en este caso es la retroalimentación inmediata al alumno. Si se usa un paradigma cognitivista , una gran cantidad de información no debe ofrecerse solo como texto, sino que debe proporcionar explicaciones claras y estructuradas por medio de elementos multimedia. Dado que el cognitivismo define el proceso de aprendizaje como una capacidad adaptativa permanente del ser humano, otras formas de presentación además del texto apoyan el registro de información.

La inteligencia artificial (IA) puede mejorar la multimedialidad y la multimodalidad de los dispositivos móviles de varias maneras. Algunas posibles mejoras incluyen:

1. Interacción más natural y personalizada: La IA puede ayudar a crear interfaces de usuario más intuitivas y personalizadas que se adapten a las necesidades y preferencias del usuario. Por ejemplo, los asistentes virtuales como Siri, Google Assistant y Alexa utilizan técnicas de procesamiento del lenguaje natural para entender el lenguaje humano y responder a las preguntas y comandos de manera más natural.
2. Mejor calidad de audio y video: La IA puede mejorar la calidad de los medios de comunicación en los dispositivos móviles, ya sea mediante la mejora de la calidad de la cámara o el micrófono, o mediante la optimización del procesamiento de la señal para mejorar la calidad del sonido y la imagen.
3. Automatización de tareas: La IA puede automatizar tareas y procesos en los dispositivos móviles, como el etiquetado automático de fotos y la clasificación de correos electrónicos. Esto puede ayudar a los usuarios a gestionar mejor su contenido y ahorrar tiempo.
4. Personalización de contenido: La IA puede analizar el comportamiento y las preferencias del usuario para ofrecer contenido personalizado, como sugerencias de productos, recomendaciones de películas o música y noticias relevantes.

La educación disruptiva también puede tener un papel importante en la mejora de la multimedialidad y la multimodalidad de los dispositivos móviles. Algunas formas en que la educación disruptiva puede mejorar la tecnología móvil son:

1. Fomentar la creatividad y la innovación: La educación disruptiva puede alentar a los estudiantes a pensar de manera más creativa y a encontrar nuevas formas de utilizar la tecnología móvil para la educación. Esto puede dar lugar a nuevas aplicaciones y herramientas que mejoren la multimedialidad y la multimodalidad de los dispositivos móviles.
2. Enseñar habilidades técnicas: La educación disruptiva puede ofrecer cursos y programas que enseñen a los estudiantes habilidades técnicas como la programación y el diseño de interfaces de usuario. Esto puede ayudar a los estudiantes a desarrollar aplicaciones y herramientas innovadoras que mejoren la experiencia de los usuarios de dispositivos móviles.
3. Fomentar la colaboración: La educación disruptiva puede fomentar la colaboración entre estudiantes y profesores de diferentes disciplinas. Esto puede llevar a la creación de equipos interdisciplinarios que trabajen juntos para mejorar la tecnología móvil.
4. Promover el aprendizaje a distancia: La educación disruptiva puede utilizar la tecnología móvil para ofrecer oportunidades de aprendizaje a distancia a los estudiantes en cualquier parte del mundo. Esto puede permitir que los estudiantes accedan a recursos educativos y herramientas de aprendizaje en línea que mejoren la multimedialidad y la multimodalidad de los dispositivos móviles.

Además, se tiene en cuenta la motivación intrínseca del alumno, es decir, el alumno se involucra más en el proceso de aprendizaje mediante el uso de tareas interactivas y abstractas que requieren su aplicación en lugar de una mera reproducción de lo aprendido. La motivación intrínseca y la disposición personal para aprender también son parte de la teoría del aprendizaje constructivista . En particular, la curiosidad y el aprendizaje lúdico, por ejemplo. Edugames , por ejemplo, será promovido por aplicaciones móviles y será útil para el aprendizaje. A diferencia de las tareas de “ejercicio y práctica”, que solo pueden responderse como “correctas” o “incorrectas”, un modelo de aprendizaje constructivista se esfuerza por mapear problemas iniciales complejos y situaciones auténticas.

El éxito de un proceso de aprendizaje generalmente es evaluado en el contexto institucional por un maestro o por un organismo externo. ¿Con el aprendizaje móvil, existe la posibilidad de que esto también lo haga la aplicación misma?

Sí, es posible que una aplicación móvil de aprendizaje pueda evaluar el progreso y el éxito del usuario en el aprendizaje. La evaluación automatizada del aprendizaje móvil se ha vuelto cada vez más común, ya que permite a los usuarios recibir retroalimentación inmediata y personalizada sobre su desempeño.

La aplicación móvil puede evaluar el progreso y el éxito del usuario de varias maneras, algunas posibles son:

1. Evaluación de habilidades: La aplicación móvil puede incluir ejercicios de práctica que permitan al usuario demostrar su comprensión y aplicación de habilidades específicas. La aplicación puede evaluar automáticamente las respuestas del usuario y proporcionar retroalimentación sobre las áreas que necesitan mejora.
2. Evaluación de conocimientos: La aplicación móvil puede incluir preguntas de opción múltiple o de respuesta abierta que permitan al usuario demostrar su comprensión de conceptos clave. La aplicación puede evaluar automáticamente las respuestas del usuario y proporcionar retroalimentación sobre las áreas que necesitan mejora.
3. Evaluación de progreso: La aplicación móvil puede realizar un seguimiento del progreso del usuario a lo largo del tiempo, utilizando datos como la frecuencia de uso, el tiempo de estudio y el desempeño en las evaluaciones. La aplicación puede proporcionar retroalimentación sobre el progreso del usuario y sugerir actividades o recursos adicionales para ayudar al usuario a alcanzar sus objetivos de aprendizaje.
4. Evaluación de habilidades blandas: La aplicación móvil puede evaluar también habilidades blandas, como la colaboración, la resolución de problemas, la comunicación, entre otras. Por ejemplo, una aplicación puede incluir simulaciones o juegos de roles que permitan al usuario demostrar su capacidad para trabajar en equipo o para tomar decisiones difíciles. La aplicación puede evaluar automáticamente el desempeño del usuario y proporcionar retroalimentación sobre las áreas que necesitan mejora.

En resumen, una aplicación móvil de aprendizaje puede evaluar el progreso y el éxito del usuario mediante la evaluación de habilidades, conocimientos, progreso y habilidades blandas. La evaluación automatizada puede proporcionar retroalimentación inmediata y personalizada que ayude al usuario a alcanzar sus objetivos de aprendizaje.

Presento un ejemplo práctico de cómo una aplicación móvil de aprendizaje podría evaluar las habilidades blandas de los estudiantes universitarios:

Supongamos que un profesor desea evaluar la habilidad de los estudiantes para trabajar en equipo. La aplicación móvil podría incluir una simulación de un proyecto de grupo en el que los estudiantes tendrían que colaborar para completar una tarea específica. Por ejemplo, la tarea podría ser la creación de un plan de negocios para una empresa ficticia.

Durante la simulación, la aplicación móvil podría evaluar el desempeño de los estudiantes en varios aspectos de la colaboración, como la comunicación, la toma de decisiones, la asignación de tareas y el trabajo en equipo. Por ejemplo, la aplicación podría evaluar la calidad de las comunicaciones de los estudiantes en línea, como el uso de correo electrónico y chats, y evaluar la claridad de sus instrucciones. La aplicación también podría evaluar cómo los estudiantes toman decisiones difíciles o manejan conflictos dentro del grupo.

Después de que los estudiantes completen la simulación, la aplicación móvil podría proporcionar retroalimentación inmediata y personalizada sobre el desempeño de cada estudiante en diferentes aspectos de la colaboración. Por ejemplo, la aplicación podría proporcionar sugerencias específicas sobre cómo mejorar la comunicación y la colaboración en futuros proyectos de grupo.

Además, la aplicación móvil podría proporcionar una evaluación general de las habilidades blandas de los estudiantes en base a su desempeño en la simulación de colaboración. Esta evaluación podría ser útil para los estudiantes para identificar las habilidades blandas que necesitan mejorar y desarrollar un plan de acción para hacerlo.

En resumen, una aplicación móvil de aprendizaje puede simular situaciones del mundo real para evaluar las habilidades blandas de los estudiantes universitarios. La retroalimentación automatizada e inmediata proporcionada por la aplicación puede ayudar a los estudiantes a mejorar sus habilidades blandas y a prepararse mejor para su futuro profesional.

Existen diversos programas y herramientas de inteligencia artificial que pueden ser utilizados en el desarrollo de aplicaciones móviles de aprendizaje. Algunos de los programas y técnicas de IA que podrían ser útiles en el contexto del aprendizaje móvil incluyen:

1. Aprendizaje automático: El aprendizaje automático es una rama de la IA que utiliza algoritmos para analizar datos y generar modelos predictivos. En el contexto del aprendizaje móvil, el aprendizaje automático puede ser utilizado para personalizar el contenido de la aplicación a las necesidades y preferencias del usuario. Por ejemplo, la aplicación podría analizar los patrones de uso del usuario para sugerir contenido relevante y adaptar el nivel de dificultad de las actividades de aprendizaje.
2. Procesamiento de lenguaje natural (NLP): El procesamiento de lenguaje natural es una técnica de IA que se utiliza para analizar y comprender el lenguaje humano. En el contexto del aprendizaje móvil, el NLP podría ser utilizado para mejorar las interfaces de usuario mediante la inclusión de asistentes virtuales que puedan responder a las preguntas de los usuarios en lenguaje natural. También podría ser utilizado para analizar las respuestas de los usuarios a las preguntas de opción múltiple y proporcionar retroalimentación automatizada.
3. Redes neuronales: Las redes neuronales son una técnica de IA que se inspira en la estructura del cerebro humano y se utiliza para analizar y procesar datos. En el contexto del aprendizaje móvil, las redes neuronales podrían ser utilizadas para analizar los patrones de uso de los usuarios y predecir sus preferencias y necesidades de aprendizaje. También podrían ser utilizadas para generar contenido de aprendizaje personalizado basado en las preferencias y habilidades del usuario.
4. Sistemas de recomendación: Los sistemas de recomendación son una técnica de IA que se utiliza para sugerir contenido relevante al usuario. En el contexto del aprendizaje móvil, los sistemas de recomendación podrían ser utilizados para sugerir contenido de aprendizaje relevante y adaptado a las necesidades y preferencias del usuario

Ejempo de como las redes neuronales pueden ser utilizadas para generar contenido de aprendizaje personalizado basado en las preferencias y habilidades del usuario. Pongamos por ejemplo realizar a cabo un programa con lenguaje python para hacer un robot:

En el contexto de un programa de aprendizaje de construcción de robots con lenguaje Python, las redes neuronales pueden ser utilizadas para generar contenido de aprendizaje personalizado para cada usuario en base a sus habilidades y preferencias.

Por ejemplo, una aplicación de aprendizaje de construcción de robots podría incluir una sección de evaluación de habilidades en la que los usuarios responden preguntas sobre sus habilidades en programación, electrónica y construcción de robots. Una vez que la evaluación ha sido completada, la aplicación podría utilizar una red neuronal para analizar las respuestas del usuario y generar un perfil de habilidades personalizado.

Con base en el perfil de habilidades del usuario, la aplicación podría generar contenido de aprendizaje personalizado que se adapte a sus habilidades y preferencias. La red neuronal podría ser entrenada para identificar las áreas en las que el usuario necesita mejorar, y generar contenido de aprendizaje específico para esas áreas. Por ejemplo, si el usuario tiene una fuerte habilidad en programación pero necesita mejorar sus habilidades en electrónica, la red neuronal podría generar contenido de aprendizaje que se centre en la construcción de circuitos electrónicos y la conexión de sensores.

Además, la red neuronal podría adaptar el nivel de dificultad del contenido de aprendizaje en base al perfil de habilidades del usuario. Si el usuario tiene habilidades avanzadas en programación y electrónica, la red neuronal podría generar contenido de aprendizaje más avanzado que desafíe al usuario y le permita seguir desarrollando sus habilidades.

Un ejemplo de cómo se podría utilizar una red neuronal para generar contenido de aprendizaje personalizado basado en las habilidades y preferencias del usuario en Python:

Supongamos que tenemos una lista de habilidades que se evalúan en el usuario, cada habilidad es un elemento de la lista. Podría ser algo como esto:

css

Copy code
habilidades = ['programacion', 'electronica', 'construccion'] 

Luego, podríamos pedirle al usuario que califique sus habilidades en cada una de ellas, por ejemplo, en una escala del 1 al 5:

python

Copy code
programacion = int(input("¿Cuál es tu nivel de habilidad en programación? (1-5)")) electronica = int(input("¿Cuál es tu nivel de habilidad en electrónica? (1-5)")) construccion = int(input("¿Cuál es tu nivel de habilidad en construcción? (1-5)")) 

A continuación, podemos definir una red neuronal que utilice las calificaciones del usuario para generar contenido de aprendizaje personalizado:

python

Copy code
import tensorflow as tf # Definir la red neuronal red_neuronal = tf.keras.Sequential([ tf.keras.layers.Dense(64, activation='relu', input_shape=(3,)), tf.keras.layers.Dense(64, activation='relu'), tf.keras.layers.Dense(3) ]) # Definir la función de pérdida def loss_fn(y_true, y_pred): return tf.reduce_mean(tf.square(y_true - y_pred)) # Definir los datos de entrada y salida x_train = [[programacion, electronica, construccion]] y_train = [[0, 0, 0]] # Entrenar la red neuronal red_neuronal.compile(optimizer=tf.keras.optimizers.Adam(0.001), loss=loss_fn) red_neuronal.fit(x_train, y_train, epochs=50) # Generar contenido de aprendizaje personalizado contenido_aprendizaje = red_neuronal.predict(x_train) print("Este es el contenido de aprendizaje personalizado para ti:") for i, habilidad in enumerate(habilidades): print(f"{habilidad}: {contenido_aprendizaje[0][i]}") 

En este ejemplo, utilizamos la biblioteca de Python TensorFlow para definir una red neuronal que tenga una capa de entrada de tres nodos (correspondiente a las habilidades que se evalúan), dos capas ocultas de 64 nodos y una capa de salida de tres nodos (correspondiente a cada habilidad evaluada). Después, definimos la función de pérdida y los datos de entrada y salida. Finalmente, entrenamos la red neuronal con los datos de entrada y utilizamos predict para generar el contenido de aprendizaje personalizado en base a las habilidades evaluadas por el usuario.

El uso de una red neuronal para generar contenido de aprendizaje personalizado podría ser una herramienta muy valiosa dentro del enfoque de la educación disruptiva, ya que busca adaptar el aprendizaje a las necesidades y preferencias de cada estudiante de manera individualizada.

En lugar de enseñar a todos los estudiantes de la misma manera, la educación disruptiva busca identificar las habilidades, necesidades e intereses de cada estudiante y adaptar el aprendizaje a ellas. En este contexto, la utilización de una red neuronal para generar contenido de aprendizaje personalizado sería una forma efectiva de lograr este objetivo.

La red neuronal podría evaluar las habilidades del estudiante en diferentes áreas y generar contenido de aprendizaje específico para cada una de ellas, teniendo en cuenta las preferencias y estilos de aprendizaje del estudiante. Por ejemplo, si un estudiante tiene un nivel alto de habilidad en programación y un interés particular en la robótica, la red neuronal podría generar contenido de aprendizaje específico sobre cómo construir un robot utilizando Python.

Además, la educación disruptiva también promueve un enfoque de aprendizaje activo y colaborativo. En este sentido, la utilización de una red neuronal para generar contenido de aprendizaje personalizado podría ser complementada con herramientas y recursos adicionales que fomenten la participación activa y la colaboración entre estudiantes.

En conclusión, la utilización de una red neuronal para generar contenido de aprendizaje personalizado podría ser una herramienta muy valiosa dentro del enfoque de la educación disruptiva, ya que permitiría adaptar el aprendizaje a las necesidades y preferencias de cada estudiante de manera individualizada, fomentando un enfoque de aprendizaje activo y colaborativo.

En consecuencia, las aplicaciones en esta área están diseñadas menos para un rendimiento específico del alumno, pero intente con múltiples perspectivas y referencias a contextos para crear una situación de aprendizaje virtual o incluso basada en el mundo real. La función del aprendizaje móvil es la combinación del entorno real y la adquisición de conocimiento, así como el desarrollo de habilidades comunicativas y relacionadas con el grupo. Por lo tanto, el uso de escenarios de aprendizaje, que requiere aspectos específicos, como. Por ejemplo, trabajo en equipo o tareas prácticas. El aprendizaje móvil, por lo tanto, utiliza el aprendizaje contextualizado que integra el proceso de aprendizaje en un contexto real o virtual.

Al igual que en EL APRENDIZAJE en el aula, independientemente de la teoría de aprendizaje subyacente, el desarrollo de aplicaciones debe responder las preguntas de cuál es el objetivo de aprendizaje, qué materiales de aprendizaje se utilizan para lograr el objetivo de aprendizaje, cómo y cuándo, y qué objetivos y metas de aprendizaje se definen y revisan. Estas preguntas fundamentales forman el punto de partida para la planificación de contenidos y funciones de una aplicación y permiten la medición del éxito del aprendizaje durante la implementación posterior.

El éxito de un proceso de aprendizaje generalmente es evaluado en el contexto institucional por un maestro o por un organismo externo. Con el aprendizaje móvil, existe la posibilidad de que esto también lo haga la aplicación misma. El objetivo es documentar o evaluar los conocimientos y habilidades adquiridos del alumno. La medición del éxito del aprendizaje también puede contribuir al desarrollo de calidad de la aplicación en sí misma al usarse para su revisión.

La definición de éxito de aprendizaje también depende del paradigma teórico de aprendizaje subyacente. Por lo tanto, el logro del aprendizaje puede ser la reproducción de hechos ( conductismo ), la realización de transferencias ( cognitivismo ) o la evaluación de soluciones y enfoques bien fundados para la resolución de problemas ( constructivismo ). Si bien la medición automática del éxito del aprendizaje puede implementarse muy fácilmente en entornos de aprendizaje influenciados por el comportamiento, los objetivos de aprendizaje que implican la transferencia de conocimiento o soluciones argumentativas aún no pueden verificarse de manera completamente automática.

Al disponer de aplicaciones personalizadas el autocontrol sera personal y social, es c¡decir, tanto a nivel de cada persona como con el grupo (equipo)¡ colaborativo) que se trabaje.

. La universidad u otras plataformas y proveedores pueden proporcionar materiales para el aprendizaje autodirigido en forma de grabaciones de video y capacitación en línea. Las grabaciones de video pueden ser transmisiones de video, es decir, grabaciones en vivo de conferencias, así como videos a su propio ritmo que son más cortos que las grabaciones de conferencias completas. Dichos videos pueden emplear animaciones y ejercicios de entrega de contenido interactivo y, por lo tanto, se producen de manera más elaborada.

Las capacitaciones basadas en la web son unidades de aprendizaje que abordarán temas individuales de una conferencia o un complejo de temas. Los materiales de aprendizaje también pueden estar disponibles como podcasts (archivos de audio con contenido hablado) o como documentos (por ejemplo, resúmenes) para descargar.

Más posibilidades que solo la provisión de materiales de aprendizaje ofrecen aplicaciones específicas. Dependiendo del área temática, estos módulos de aprendizaje, que presentan a los estudiantes con conocimiento a pequeña escala, y los métodos de revisión de éxito de aprendizaje. Las unidades consisten en textos breves de aprendizaje y explicaciones, que también pueden contener referencias a información adicional. Usando tareas de conocimiento, los estudiantes pueden determinar su propio progreso en el asunto mismo.

También funcionan aplicaciones similares en las que se consulta el conocimiento ya existente (por ejemplo, de conferencias) en forma de cuestionario. Dichas aplicaciones de preguntas y respuestas sirven para repetir el conocimiento ya adquirido. Las pruebas de verificación se pueden configurar con tareas de selección única y múltiple, tareas, arrastrar y soltar, así como tareas de cloze y texto.

Si bien algunas aplicaciones contienen solo una forma de revisión de conocimiento, otras consisten en pruebas de aprendizaje multidimensionales o contienen elementos visuales o lúdicos para indicar el progreso del aprendizaje. El aprendiz recibirá sus propios comentarios directos sobre su nivel de conocimiento al mostrar las respuestas como respuestas correctas o incorrectas. Por lo tanto, el aprendizaje móvil también es adecuado para la preparación de lo que hasta ahora eran los exámenes, pero llevados obviamente bajo otras premisas no solo en cuanto a su ejecución, sino en su planteamiento y fines para los que se entiendan.

En la concepción de las ofertas de aprendizaje móvil para el contexto universitario, algunos conocimientos y contenidos de aprendizaje aprendidos ya se presuponen.

Las ventajas, sin embargo, son:

-el tiempo y el lugar de aprendizaje independiente a través de repeticiones,

-la práctica de tareas de aprendizaje y el manejo de tales tareas, ya que se someten a autocontroles y posibles retroalimentaciones instantáneas.

-la implementación de un aprendizaje específico estableciendo el propio ritmo de aprendizaje y enfocándose también en las deficiencias personales (diversidad, Educación Inclusiva, personalized-socialized learning).

-la oportunidad de convertir un amplio contenido de aprendizaje en elementos de aprendizaje cortos y manejables.

-el aprendizaje autodirigido, en particular, puede complementarse aún más intensamente mediante el aprendizaje basado en el contexto.

En el aprendizaje en el aula en las universidades, los dispositivos móviles se pueden utilizar junto con las redes inalámbricas como complemento. Esto es adecuado para eventos masivos, es decir, conferencias con un gran número de participantes, pero también para seminarios, en los que los estudiantes deben trabajar solos en grupos pequeños.

El uso del aprendizaje móvil dentro de los escenarios de presencia implica dos desafíos principales:

– Por un lado, debe garantizarse que todos los estudiantes tengan acceso a la oferta móvil, es decir, todos los participantes deben contar con dispositivos finales apropiados o deben tener acceso a ellos mismos (BYOD com el contexto)

La combinación consciente del CONTEXTO, la computación ubicua y omnipresente proporciona para entornos que son capaces de adaptarse a las diferentes identidades y necesidades de usuarios y organizaciones, un aprendizaje permanente, personalizado y adaptable.

Necesitaremos instalaciones que hagan posibles el u-aprendizaje consciente del contexto que se apoya por medio de dispositivos móviles, wereables , redes inalámbricas, sensores…

A través de los últimos avances tecnológicos, los ordenadores portátiles se han convertido en potentes dispositivos de mano inalámbricos con las siguientes características:

 -Conectabilidad – Se conectan a Internet de forma inalámbrica a través de la fidelidad inalámbrica o WiFi.

-Portabilidad – Son portátil y por lo tanto siempre al alcance del usuario.

-Accesibilidad instantánea – Se enciende al instante y se apaga.

-Flexibilidad – Ayudan a recopilar datos al acomodar una amplia variedad de extensiones periféricas (por ejemplo, cámaras digitales, cargas de estudio científica, los dispositivos de sistema de posicionamiento global, la identificación por radiofrecuencia y lectores de códigos de barras).

-Viabilidad económica – Tienen gran parte de la capacidad de cómputo y capacidad de almacenamiento ampliable de ordenadores portátiles a una fracción del costo

Mediante el uso de u-learning se hace posible la creación de canales de comunicación ubicuas entre diferentes contextos de nuestra vida, que facilitan la creación de un marco de diálogo en todas partes dentro de la cual los aprendices, empresarios, facilitadores, tecnologías, recursos …podremos organizar UNA RUTA DE APRENDIZAJE-IMPLEMENTACIÓN, diversa pero adecuada a cada momento y circunstancia.

– Por otro lado, debe usarse una aplicación metodológica y sustantivamente sensata, que se ajuste a las condiciones generales así como al contenido del curso. Las aplicaciones posibles son aplicaciones que proporcionan tareas de activación, ya sea individualmente o en grupos y cuyas soluciones pueden transmitirse al conjunto de los diferentes equipos y a los acompañantes de sus aprendizajes, los docentes.

En el aprendizaje contextualizado , el proceso de aprendizaje está incrustado en una situación o contexto particular. Estos incluyen el entorno físico actual del alumno (p. Ej., Espacio, tiempo, marco de acción) y el contexto de socialización (la capacidad de interactuar con otros alumnos, objetos o materiales). La interacción social puede ser tanto informal como formal, y no solo se relaciona con la interacción humana, sino también con la interacción entre el dispositivo o la aplicación humana y tecnológica utilizada. Al tener en cuenta la situación individual del alumno, el proceso de aprendizaje está dirigido a situaciones concretas de aprendizaje y aplicación, mientras que un entorno de aprendizaje auténtico conduce a una experiencia sostenible y a la aplicación de lo aprendido.

Se utilizan las herramientas que cualquier contexto necesitaría enla base de la libertad que da a los estudiantes, diferentes modelos de integración de la BYOD, por lo que su emergencia puede ser circunstancial o no.

Sí, en un uso controlado, optaremos por un enfoque elegiremos una herramienta en particular (por ejemplo un aire 2 64 GB iPad), que generalmente sería igual para todos, pero que obviamente será personalizada para cada aprendiz.. Este modelo permite fácil control sobre enseñanza y aprendizaje, haciendo que la apropiación de la tecnología sea más fácil en cualquier tipo de aprendizaje.. Este proceso de alguna manera limita y mucho la INNOVACION.

 Eso significa que desean aportar, no solo escuchar, pues tienen propuestas, que quieren que se tengan en cuenta, que sienten importantes. No se conforman con lo que el docente ofrece y quiere que aprendan desde un estrato superior.

Las TIC (tecnologías de la información y la comunicación) convirtieron a los aprendices en “prosumidores” (productores y consumidores a la vez) y están consiguiendo incluso que pasen de ser protagonistas a ser los responsables de su educación.

Cuando se trata de puntos de vista sobre la enseñanza y el aprendizaje, la Web 2.0 ha cambiado todo! ¿No lo creen? En diciembre de 2006, la revista Time nombró al “USUARIO” como la persona del año.

El enfoque de uso objetivo deja la elección del dispositivo para el aprendiz (por ejemplo, una tableta o un ordenador). Sin embargo, debe cumplir determinadas características técnicas (como el procesador o la memoria mínima requerida). También debe respetar la elección de los programas proporcionados por el profesor. El control de aplicaciones y plataformas usadas. Sin embargo, es todavía limitada la libertad pedagógica del alumno, evidentemente en aprendizajes realizados con el docente como el centro de todo, si es el aprendiz, nos saltaríamos este paso, o por contra, invertiríamos los papeles.

El enfoque de uso abierto único permite al aprendiz elegir sus herramientas y sus aplicaciones de software. La libertad del alumno es más importante, sin embargo el profesor debe adaptarse a las diferentes plataformas, debe mostrar flexibilidad en sus enseñanzas (es un aprendizaje más propio de un nuevo paradigma y de una nueva educación)

Por último, el enfoque de uso múltiple abierto cubre todas las perspectivas BYOD. Permite al alumno utilizar cualquier herramienta y aun varias herramientas en el aula. Es importante la flexibilidad del docente y la gestión de la clase más compleja, pero la innovación educativa también es mayor. (la innovacion llega a su grado máximo.)

Así, en un ambiente 100% BYOD, la clase podría tener a su disposición:

-tocar las tabletas (iPad, Android, Windows), otros;

-ordenadores portátiles (Mac, PC, Linux);

-uno o más equipos fijados ya en la clase;

-reproductores de música digital (iPod, por ejemplo);

-luces de lectura electrónica;

-teléfonos (iPhone, Android, Windows), inteligentes otros.

¿Dolor de cabeza a la vista? De hecho, si conseguimos hacer cada una de estas herramientas tiene acceso a la red de la escuela, luego podemos centrarnos en el aspecto pedagógico: ¿Cuál es la tarea, el objetivo?

Obviamente las herramientas será siempre herramientas pero como sabemos condicionaron mucho el aprendizaje. 

La educación formal, reglada, se mantiene con un modelo del siglo XX. Pero esto con las tecnologías actuales es inviable, porque los aprendices cambiaron. Antes éramos sujetos pasivos, consumidores de información y formación; ahora son activos, miran a los profesores a la cara.

El aprendizaje contextualizado se basa en la teoría del aprendizaje situado, que fue acuñada a principios de la década de 1990 principalmente por el sociólogo estadounidense Jean Lave en colaboración con la investigadora social suiza Étienne Wenger.

Al igual que las teorías clásicas de aprendizaje ( conductismo , cognitivismo y constructivismo) , la teoría del aprendizaje situado es un intento de explicar los procesos de aprendizaje humano, incluida en particular la dimensión social. Además, la teoría se ocupa de la sostenibilidad del aprendizaje, que solo puede lograrse adquiriendo conocimientos relacionados con el alumno o su situación. Es decir, el individuo debe ser considerado en una interacción con el proceso de aprendizaje y su entorno.

En términos de aprendizaje móvil, el enfoque de aprendizaje contextualizado puede verse como una posible dimensión de diseño de los escenarios de aprendizaje / aprendizaje móvil. Dependiendo de la ubicación actual del alumno, los objetos y materiales de aprendizaje en este lugar, y los otros alumnos virtuales o físicos presentes, el proceso o contenido de aprendizaje se adapta al contexto dado.

Los escenarios de enseñanza-aprendizaje que sustentan el desarrollo y la aplicación de las ofertas de aprendizaje móvil pueden tener “contextos irrelevantes, formalizados, físicos o de socialización” :

-contexto irrelevante: no hay relación entre el entorno actual y la situación de aprendizaje

-contexto formalizado: espacio de aprendizaje común, p. ej. B. sala de conferencias

-contexto físico: relación con el lugar donde se encuentra el usuario, p. Museo, lugares distintivos o históricos de una ciudad; M-Learning como recurso para la información de contexto que involucra el medio ambiente

-contexto socializador: relaciones interpersonales; (Auto) reflexión, intercambio, aprendizaje recíproco y enseñanza (coaching)

Los diferentes contextos permiten el uso de diversas funciones del terminal móvil y también deben considerarse en el diseño de aplicaciones para el aprendizaje contextualizado.

El aprendizaje contextualizado establece una relación directa entre los objetos de aprendizaje abstractos y los casos y problemas de uso real, así como el entorno físico. Aunque el aprendizaje móvil tiene un gran potencial para desarrollar aún más el aprendizaje situado e individualizar los procesos de aprendizaje (por ejemplo, a través de objetivos de aprendizaje individuales, velocidad de aprendizaje, consideración de intereses y conocimiento), también existen desafíos y posibles límites. Estas son la dificultad de preparar temas complejos de manera integral y hacerlos adecuados para el aprendizaje móvil.

No se debe permitir que la concentración del conocimiento oculte detalles. Además, la capacidad de acceder al contenido en cualquier momento y en cualquier lugar no equivale a un aumento inagotable en el aprendizaje o la generación de nuevos conocimientos. Para hacer justicia a estos aspectos, el aprendizaje móvil contextualizado debe entenderse como un complemento de los procesos de aprendizaje y su diseño debe buscarse nuevas soluciones didácticas.

Para implementar el aprendizaje contextualizado en el sentido de REALIDAD AUMENTADA , es decir, una realidad aumentada por las características técnicas de los dispositivos móviles, se necesitan interfaces tangibles y objetos inteligentes. Las interfaces tangibles son aplicaciones o funciones integradas de un teléfono inteligente o tableta para capturar objetos del mundo real (como fotos o videos) o para determinar la ubicación geográfica del usuario (p. Ej. B. por sensor GPS ).

Los objetos inteligentes son objetos reales previamente categorizados que, vinculados a una aplicación correspondiente, proporcionan información sobre el objeto en sí o el entorno en cuestión. Ejemplos de este tipo de aprendizaje contextualizado son los museos o las guías de ciudades.

Dependiendo de la ubicación del usuario, muestra fotografías históricas en el teléfono inteligente o tableta, que también están incrustadas en perspectiva en la perspectiva actual de la cámara. De esta manera, el presente y el pasado se fusionan. Además, la aplicación proporciona información de fondo en forma de documentos originales, fotos y material histórico.

La integración de objetos físicos en nuevas tecnologías establecerá en el futuro nuevos tipos de interacción y apoyará el aprendizaje situacional y experimental a través de la experimentación y la experimentación en entornos reales.

Los entornos virtuales, LA REALIDAD VIRTUAL (VR), hacen uso de objetos inexistentes o existentes y son generados completamente por aplicaciones en el dispositivo móvil. Una experiencia óptima de una realidad virtual permite gafas especiales de realidad virtual. Sin embargo, las guías de museos virtuales, que ya ofrece Google en el Proyecto de Arte de Google ,se pueden usar de manera eficiente en teléfonos inteligentes y tabletas.

Las formas didácticas metódicas móviles tienen en cuenta aspectos como la inclusión (EDUCACIÓN INCLUSIVA) para abordar específicamente los grupos desfavorecidos y buscar LA EXCELENCIA PERSONALIZADA, tanto de personas a nivel individual como social y aportar su valor propio y añadido a la sociedad.

Además, la sensibilidad al contexto se refleja en la adaptación del enfoque didáctico a las situaciones de aprendizaje individuales, por ejemplo, las condiciones espaciales, la disposición de la sala, los asientos, el tamaño del curso, el tipo de curso y los objetivos de aprendizaje.

“La universidad sin el aprendizaje móvil, como se puede ya comprender, ser otra cosas, pero ya no universidad”.

juandon

Aquí hay algunos artículos escritos por Juan Domingo Farnós que abordan temas relacionados con lo discutido anteriormente:

• «La inteligencia artificial y la educación del futuro»: disponible en: https://juandomingofarnos.wordpress.com/2018/06/12/la-inteligencia-artificial-y-la-educacion-del-futuro/
• «La educación disruptiva y los desafíos para los educadores»: disponible en: https://juandomingofarnos.wordpress.com/2018/02/27/la-educacion-disruptiva-y-los-desafios-para-los-educadores/
• «El papel de la tecnología en la educación disruptiva»: disponible en: https://juandomingofarnos.wordpress.com/2017/05/18/el-papel-de-la-tecnologia-en-la-educacion-disruptiva/
• «La personalización del aprendizaje a través de la inteligencia artificial»: disponible en: https://juandomingofarnos.wordpress.com/2018/05/11/la-personalizacion-del-aprendizaje-a-traves-de-la-inteligencia-artificial/
• «Educar para el futuro: nuevas competencias y habilidades»: disponible en: https://juandomingofarnos.wordpress.com/2017/07/31/educar-para-el-futuro-nuevas-competencias-y-habilidades/

Estos son solo algunos de los muchos artículos escritos por Juan Domingo Farnós. Puedes encontrar más en su blog: https://juandomingofarnos.wordpress.com/.

A continuación, te proporciono una lista de bibliografía en español e inglés relacionada con los temas que hemos discutido:

Español:

• Aprende Programación: guía para principiantes en Python. Disponible en: https://www.aprendeprogramacion.net/python/guias-python/aprende-programacion-guia-para-principiantes-en-python/
• Aprendizaje adaptativo mediante redes neuronales. Disponible en: https://riunet.upv.es/bitstream/handle/10251/18939/TFG%20Mat%C3%ADas%20P%C3%A9rez%20Guillermo%20-%20Aprendizaje%20adaptativo%20mediante%20redes%20neuronales.pdf?sequence=1
• Educación disruptiva: ¿qué es y cómo aplicarla en el aula? Disponible en: https://www.educaweb.com/noticia/2019/02/06/educacion-disruptiva-aplicar-aula-17653/
• Inteligencia artificial en la educación: ¿cómo se está aplicando? Disponible en: https://www.bbva.com/es/inteligencia-artificial-educacion/

Inglés:

• Adaptive learning and the power of AI in education. Disponible en: https://emerj.com/ai-sector-overviews/adaptive-learning-power-ai-education/
• Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Disponible en: https://www.researchgate.net/publication/330863734_Artificial_Intelligence_in_Education_Promises_and_Implications_for_Teaching_and_Learning
• Disruptive Education: The Rise Of K-12 Blended Learning. Disponible en: https://www.forbes.com/sites/tomvanderark/2018/01/10/disruptive-education-the-rise-of-k-12-blended-learning/?sh=5807c21773e8
• Neural Networks and Deep Learning: A Textbook. Disponible en: http://neuralnetworksanddeeplearning.com/

A continuación, te proporciono una lista de bibliografía en ruso relacionada con los temas que hemos discutido:

• Начальный курс программирования на Python. Доступно на: https://pythonworld.ru/osnovy/nachalnyj-kurs-programmirovaniya-na-python.html
• Адаптивное обучение с помощью нейронных сетей. Доступно на: https://cyberleninka.ru/article/n/adaptivnoe-obuchenie-s-pomoschyu-neyronnyh-setey
• Образование на фоне цифровой революции: вопросы и тенденции. Доступно на: https://cyberleninka.ru/article/n/obrazovanie-na-fone-tsifrovoy-revolyutsii-voprosy-i-tendentsii
• Искусственный интеллект в образовании: перспективы и проблемы. Доступно на: https://www.elibrary.ru/item.asp?id=43015819
• Нейронные сети и глубокое обучение: учебник. Доступно на: http://www.deeplearningbook.org/

Lo mismo pero en chino:

当然！以下是涉及我们讨论的主题的中文参考书目列表：

• Python编程入门。可在此链接找到：https://www.runoob.com/python/python-tutorial.html
• 利用神经网络进行自适应学习。可在此链接找到：https://www.cnki.net/kcms/doi/10.1177/1687814019873373.html
• 数字革命背景下的教育：问题和趋势。可在此链接找到：https://www.cnki.net/kcms/doi/10.16484/j.issn.1671-9638.2019.05.003.html
• 人工智能在教育中的应用：前景和问题。可在此链接找到：https://www.cnki.net/kcms/doi/10.7652/xjtuxb201805024.html
• 神经网络与深度学习：教材。可在此链接找到：https://book.douban.com/subject/27087503/

Lo mismo pero en árabe:

بالتأكيد! فيما يلي قائمة بالمراجع باللغة العربية ذات الصلة بالمواضيع التي تم مناقشتها:

• دليل بدء تعلم لغة البرمجة بايثون. متاح على هذا الرابط: https://python.swaroopch.com/
• التعلم الذاتي بالاعتماد على الشبكات العصبونية. متاح على هذا الرابط: https://www.ijcai.org/Proceedings/15/Papers/194.pdf
• التعليم في ظل الثورة الرقمية: المشكلات والاتجاهات. متاح على هذا الرابط: https://www.iasj.net/iasj/article/155203
• تطبيقات الذكاء الاصطناعي في التعليم: الآفاق والمشكلات. متاح على هذا الرابط: https://www.iasj.net/iasj/article/146735
• الشبكات العصبونية والتعلم العميق: دليل الكتاب. متاح على هذا الرابط: https://www.digikala.com/product/dkp-1438475

آمل أن تساعد هذه المعلومات في العثور على مواد مفيدة باللغة العربية لدراسة الموضوعات التي ناقشناها.