Aprendizaje adaptado y entornos de aprendizaje inteligentes

Aprendizaje adaptado e inteligencia artificial en formación

El aprendizaje adaptado (del inglés adaptive learning) es una de las tendencias actuales en la personalización de la formación. El objetivo es encontrar o crear los recursos y experiencias más apropiados para cada persona, los que más se ajustan a su situación, necesidades y expectativas, y los que más le ayudarán a desarrollar una competencia determinada.

Hasta hace pocos años, cuando se hablaba de ajustar la formación a las necesidades del alumno, nos referíamos siempre a un proceso en el que diseñadores instruccionales y tutores procuraban tener en cuenta las características de los aprendices para favorecer el aprendizaje. Este tipo de adaptación consiste, sobre todo, en:

  • diversificar los recursos formativos para tener un catálogo amplio del que echar mano.
  • variar la experiencia de aprendizaje sobre la marcha, respondiendo a los avances y necesidades detectadas.
  • atender a los perfiles particulares (conocimientos previos, intereses, progreso) para establecer objetivos a medida.

En conjunto, es una tarea esencial para dar ciertas garantías de eficacia, porque la talla única no suele ser buena idea. Sin embargo, las posibilidades de este tipo de personalización se reducen drásticamente cuando el número de alumnos es elevado, al aumentar la variabilidad.

Sistemas inteligentes

La adaptación al usuario es una tarea en la que la automatización tiene un peso importante, porque las máquinas manejan las variables internas del entorno de aprendizaje de forma más eficiente. Así, el entorno de formación se despliega de una forma particular en torno a cada usuario, teniendo en cuenta sus características a partir de:

  • la información de su perfil, que da una base sobre la que trabajar.
  • las interacciones con el mismo entorno, que dan información sobre sus tendencias, preferencias, nivel de competencia y necesidades (formativas o de soporte).

La vocación de cualquier entorno de aprendizaje virtual ha sido siempre aproximarse a esta idea. Los estándares de metadatos para objetos de aprendizaje como SCORM eran parte de ese intento, aunque que en realidad nunca llegaron a usarse para esto de forma extendida. Las versiones ampliadas, más flexibles, como xAPI, reflejan el énfasis en la explotación de datos a partir de búsquedas semánticas que los estructuren y devuelvan no solo acciones sino información sobre el contexto en el que estas tienen lugar, que ya no está restringido a las cuatro paredes virtuales de un LMS.

Cuando se planifican itinerarios para la formación de profesionales, ya quedan pocas excusas para plantear un modelo de talla única, que era un mal inevitable cuando personalizar equivalía a tiempo de tutoría individual. Ahora cualquier sistema lee suficientes datos de los participantes para permitir un nivel de adaptación decente. Pero ¿vale con esto?

Estrategia didáctica

La respuesta corta es “no”, pero lo más normal es un “depende”. Un buen análisis de información manual, por tutores expertos, puede (o no) ser mejor que una explotación de datos automatizada, pero siempre consume más recursos a medio y largo plazo, y está más expuesto a los sesgos cognitivos y a pasar por alto variables que pueden ser importantes. Un sistema inteligente, automatizado, corre el riesgo de no ser lo bastante bueno si no tiene por debajo un modelo pedagógico que sirva como base para las decisiones didácticas. Igual que el análisis humano, por otra parte.

Desde mi punto de vista, un modelo pragmático para un sistema adaptable debe procurar que los itinerarios sugeridos:

  • se ajusten lo más posible a los conocimientos previos, para obviar lo innecesario y reforzar lo nuevo. Esto implica dar cuenta, de algún modo, de las posibles fuentes (y grados) de conocimientos desarrollados fuera del sistema.
  • reflejen situaciones realistas con las que el alumno se puede identificar, para facilitar tanto la adquisición como la transferencia; para esto es necesaria tanto una categorización flexible de los roles como un conjunto variado y amplio de escenarios.
  • tengan en cuenta sus preferencias para suscitar interés y mejorar la retención.
  • inviten a la práctica reiterada y convenientemente espaciada, para modular la curva del olvido.

Estos parámetros deben incorporarse al entorno de forma previa, para que la adaptación no sea un encadenamiento lineal de recursos formativos según un orden predefinido (de complejidad, acumulativo o lo que sea). Por el contrario, un buen itinerario adaptado tiene pinta de zigzag, con pasos adelante y atrás que, en conjunto, muestran una tendencia progresiva.

Ese patrón es el esperable en cualquier proceso de formación corporativa, sea automatizado o guiado por personas, y si no es así posiblemente no está respondiendo a las necesidades de los profesionales.

 

Un comentario en “Aprendizaje adaptado y entornos de aprendizaje inteligentes

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s