Impacto de los sistemas de ayuda en el aprendizaje

David Gutiérrez 5 comentarios
Sistemas de ayuda al aprendizaje en el puesto de trabajo

Los sistemas de ayuda en el puesto de trabajo (performance support systems) son estructuras de recursos disponibles en el momento y lugar de necesidad, para resolver dudas o problemas que surgen durante las tareas propias de un perfil laboral. He hablado anteriormente de cómo diseñarlos para favorecer la autonomía y reducir la dependencia de formaciones iniciales y de refuerzo.

Si hacemos caso al modelo 70:20:10, la mayoría del aprendizaje se realiza directamente sobre las tareas, a través de la práctica y la corrección de errores. Esto tiene mucho sentido si consideramos que en un entorno real tenemos feedback inmediato y relevante sobre lo que hacemos, y el nivel de activación al acometer tareas nuevas es superior al de un entorno de formación corporativo.

Procesos de aprendizaje mediados por un sistema de ayuda

Más allá del ajuste teórico de los sistemas de ayuda a la forma en que aprendemos en el trabajo, hay varios principios del aprendizaje extraídos de la investigación de campo (eso que llamamos pedagogía basada en la evidencia) que tienen impacto directo en una solución de este tipo:

  • Curva del olvido: cualquier cosa que aprendas se perderá irremediablemente en un tiempo francamente breve a menos que la practiques periódicamente. Si hace dos días que aprendiste a hacer algo y no lo has usado desde entonces, más vale que tengas una guía a mano.
  • Carga cognitiva: hay un límite a lo que podemos hacer a la vez. Tener una parte de ese trabajo en forma de guía reduce las posibilidades de error por distracción.
  • Orden y fragmentación: cuando los recursos están estructurados de forma minimalista y homogénea, ordenados en función de cómo se interrelacionan y son breves, resultan más potentes didácticamente.
  • Atención y contextualización: nada guía mejor la atención que la necesidad, y nada da más relevancia a un contenido que usarlo en el contexto en que es necesario.
  • Aprendizaje activo: un contenido diseñado para usarse sobre la marcha, en plena tarea, estará orientado a la acción y generará aprendizajes más duraderos.
  • Aprendizaje colaborativo: usar el grupo de pares como referencia para ayudar a cada profesional a establecer sus metas de aprendizaje, mediante clasificaciones de carácter no competitivo e identificación de usuarios avanzados que puedan funcionar como mentores.

Precauciones a tener en cuenta

Los sistemas de ayuda no están exentos de riesgos, y su diseño debe estar orientado a reducirlos todo lo posible:

  • Deterioro del aprendizaje: tener un recurso de ayuda siempre a mano reduce la necesidad de recuperación activa, que es una actividad clave para reducir el olvido. Esto puede prevenirse analizando la actividad de los usuarios del sistema, y desencadenando acciones automáticas. Por ejemplo, cuando alguien accede más de 3 veces en una semana al mismo recurso se le puede ofrecer un ejercicio que le permita practicar la tarea sin ayudas y en un entorno seguro.
  • No actualización: un sistema de ayuda supone recursos muy atomizados que requieren actualizaciones frecuentes, y un contenido obsoleto puede llevar a errores. La prevención pasa por una organización concienzuda y procesos sistemáticos de revisión para controlar que todo está al día.

Los sistemas de ayuda son un ajuste necesario para compensar el hecho de que las personas tendemos a fallar al hacer las cosas de memoria. Es un diseño que cubre la parte de errores correspondiente a despistes y a aprendizajes incompletos. Por el contrario, no resuelve errores debidos a malos aprendizajes, malas prácticas o conceptos erróneos, porque cuando una persona consigue su objetivo, aunque sea de forma chapucera, no es habitual que busque cómo hacerlo mejor. Para resolver ese tipo de problemas es mejor tirar de estrategias formales de formación, que pueden proporcionar oportunidades de práctica deliberada en entornos seguros.

¿Qué es xAPI? Resumen no técnico para diseñadores instruccionales

David Gutiérrez 1 comentario
el estándar xAPI en diseño instruccional

Hace ya varios años que xAPI se perfiló como un estándar potente para trazar la actividad de aprendizaje. A lo largo del tiempo se le ha conocido como TinCan o Experience API, y habitualmente se habla de ella como un sustituto de SCORM. Y aunque ha pasado el tiempo aún es habitual encontrarse con perfiles -sobre todo no muy técnicos- que tienen dudas sobre su funcionamiento y, en realidad, sobre qué es exactamente. Aquí recopilo algunos datos generales que pueden ayudar a tomar decisiones sobre ese tipo de trazabilidad en un proyecto de formación corporativa.

xAPI vs SCORM

Que xAPI es un sustituto de SCORM es cierto solo parcialmente. SCORM viene de una época en la que el análisis de datos de formación equivalía a registrar lo que se hacía dentro de un LMS, un paradigma anterior a la demanda masiva de interoperabilidad de hoy día. Es un estándar casi universalmente aceptado, pero tiene muy limitado el tipo de información que transmite. xAPI permite, en potencia, registrar todo lo que se hace fuera del LMS: cursos presenciales, búsquedas en Google, consulta de páginas web, actividad en redes sociales… Además, facilita conectar sistemas externos para que el aprendizaje formal no quede circunscrito a un LMS corporativo.

Así pues, xAPI va sobre interconectar sistemas, no hacer seguimiento de contenidos. Con SCORM puedes saber en qué punto está una persona respecto a un objetivo que, normalmente, se mide en actividades superadas (con más o menos nivel de detalle) dentro de un LMS. Con xAPI es posible conectar esa actividad con otros sistemas que registren, por ejemplo, lo que hace una persona en su trabajo (una aplicación cualquiera que utilice para trabajar). Esto permite relacionar ambas fuentes de datos de dos formas:

  • vincular el rendimiento con la formación: si una persona supera el curso X, es de esperar que se vea una mejora en los registros de las tareas relacionadas con lo aprendido.
  • vincular la formación con el rendimiento: si hay registros que indican que una persona tiene problemas para hacer una tarea (por ejemplo, ha llamado varias veces a un servicio de soporte para preguntar por ella), se le puede ofrecer automáticamente una actividad formativa para reforzarla.

Vale, pero ¿qué es?

xAPI no es software, no es nada instalable ni configurable. Es una especificación, un documento que describe un lenguaje común para comunicar sistemas. La terminología que incluye se refiere a eventos relacionados con el aprendizaje y la formación. Por tanto, un sistema que registre algo que ha hecho un usuario (un vídeo que haya visto, una clase presencial a la que haya asistido…) puede convertirlo en una «sentencia» de este lenguaje común y enviarlo a otro sistema que sea capaz de entenderla.

Para que los sistemas puedan traducir sus datos al estándar xAPI deben contar con una API que entienda esas especificaciones, un elemento de software que pueda hacer de intérprete para los datos que salen y entran. Ese elemento puede existir ya desarrollado (varios LMS incluyen ya una API que lee xAPI), pero muchas veces habrá que desarrollarlo para que nuestros sistemas se hablen entre ellos.

Por ejemplo, si tengo una aplicación de RRHH donde se registra la gente que acude a un seminario, tendré que desarrollar una API que transforme ese dato al estándar xAPI y lo envíe a, pongamos, mi LMS, donde queda registrado junto al resto de información de eventos de aprendizaje de cada persona.

En resumen, mientras que SCORM hace que un paquete de software (un objeto de aprendizaje) se comunique con un LMS, xAPI permite que cualquier sistema se comunique con otro, siempre que ambos cuenten con una API que sepa traducir sentencias a este estándar.

Este envío puede producirse dentro de un sistema corporativo (dentro de un firewall) o a través de internet con una conexión segura, por lo que teóricamente pueden recogerse datos de cualquier sitio que disponga de una API que entienda este estándar.

¿Qué tipo de información maneja?

Básicamente cualquier cosa. Las sentencias de xAPI siguen un esquema persona-verbo-objeto-complementos que puede transmitir virtualmente lo que sea:

  • Alicia abrió el excel «Parte horario»
  • Alicia preguntó «¿Alguien sabe poner contraseña a un excel?» en Yammer
  • Alicia consulto la ayuda de trabajo ‘Cómo cubrir un parte horario‘»
  • Alicia llamó al servicio de soporte técnico el día D a la hora H.
  • Alicia consultó «Manual básico de excel» en la intranet
  • Alicia buscó ‘Cómo poner contraseña a un excel’ en Google
  • Alicia se matriculó en el curso «Excel básico»

Siguiendo la pauta habitual con SCORM, tendríamos los datos del LMS sobre la matrícula y resultados del curso, y los datos que pudiéramos extraer de fuentes indirectas. Sin embargo, con los distintos sistemas enviando información, el conjunto cuenta una historia relevante para el diseño didáctico.

Es importante ver que no estamos hablando exclusivamente de actividades de formación: haciendo que los sistemas hablen entre ellos vinculamos formación con práctica. Esto da alas al apoyo al trabajo in situ, porque puedes, teóricamente, hacer que un sistema informe de que alguien ha hecho mal un determinado flujo de trabajo, para que otro sistema lea eso y ofrezca una ayuda de trabajo adecuada en el momento en que hace falta.

¿Y cuáles son las desventajas?

La principal es el desarrollo que necesita. Al ser un estándar de codificación, si quieres que tus sistemas lo usen tendrás que tener una API que traduzca los datos que manejan de forma nativa a ese estándar. Ya hay APIs para sistemas populares, pero dependiendo de los datos que manejes quizá no se ajusten a lo que necesitas. Si tu sistema dice «Fulanito ha asistido al curso X» y la API está preparada para recibir «Fulanito ha realizado el curso X», ya no se van a entender. De hecho, el problema más grande es el esfuerzo que requiere para unificar la terminología de cada sistema.

También requiere un sistema de almacenamiento para todos esos datos llamado LRS. El LRS es software que recibe e interpreta las sentencias enviadas por las API y las traduce al estándar xAPI. Puede usarse con conectividad ocasional, y puede registrar cualquier cosa (por ejemplo información de un giroscopio o de un acelerómetro). Puede funcionar como un componente añadido en un LMS, así que no es necesariamente una pieza más a añadir, pero en ese caso posiblemente esté limitado a las posibilidades de explotación de datos que ofrezca el LMS.

Algo a tener en cuenta (realmente no es una desventaja sino una precaución) es que al cruzar los datos de sentencias referidas a aprendizaje con las de resultados de trabajo vamos a encontrar muchas relaciones espurias. «Diez personas asistieron a un seminario y han subido sus ventas» es una conclusión tentadora, pero hay muchas variables que pueden estar mediando en esa relación. Es importante recordar que correlación y causa no son lo mismo, y someter los datos a un análisis riguroso.

Entonces, ¿vale la pena?

En términos de aprendizaje adaptado y de evaluación de impacto es un cambio enorme. Por otro lado, el esfuerzo de construcción es grande también. Desde mi punto de vista, tiene sentido si:

  • tienes varios sistemas que pueden recoger información relevante para la formación.
  • tienes una estrategia de aprendizaje adaptado que pasa por automatizar determinadas sugerencias y recursos personalizados en función de determinadas acciones de un trabajador.
  • tienes una estrategia de evaluación de impacto real.
  • si trabajas con proveedores externos y sus sistemas se ajustan al estándar (para que puedan reportar directamente a tu LRS).

Si tienes interés en profundizar más sobre xAPI, termino con dos recomendaciones: este estupendo MOOC para una visión completa, y este detallado artículo para una visión realista de las posibilidades.

4 consejos más para crear vídeos formativos (tutoriales)

David Gutiérrez Deja un comentario
Cómo hacer videotutoriales

Hace tiempo publiqué ocho consejos para crear vídeos didácticos. Eran pautas de diseño instruccional enfocadas a vídeos formativos en general, así que voy a añadir unos pocos más enfocados a tutoriales de ayuda para ofimática.

Uso mucho y desde hace años este tipo de recursos para formación en tecnología sanitaria (uso de historias clínicas electrónicas, por ejemplo), y a estas alturas creo que cuatro simples factores determinan buena parte de la calidad final:

1. Usa una herramienta de autor que te permita editar

No hay nada peor que un puntero de ratón dando vueltas por la pantalla y distrayendo. No te conformes con grabar lo que hay en pantalla y ajusta velocidad y acciones. A veces no basta con recortar, sino que es bueno poder cambiar el movimiento del ratón, acelerar la escritura o intercalar pausas. Captivate es mi elección habitual, pero hay bastantes más y prácticamente cualquiera vale para este tipo de vídeos que no incluyen interacciones complejas.

2. Sustituye el guion por un prototipo

Me gusta trabajar con prototipos: normalmente llevan menos tiempo que escribir un guion y dan una idea mucho más fiel del resultado final. En videotutoriales es especialmente cierto: tardas en grabarlo lo que tardas en ejecutar el flujo en pantalla, y a partir de ahí incluir una locución provisional y algunas etiquetas orientativas es cuestión de poco. Sobre todo, ves claramente si tu idea inicial estaba bien enfocada o no.

3. Graba primero, locuta después

Una voz que va atropellada intentando seguir el ritmo del vídeo, o un vídeo que se para a esperar a que el locutor diga todo lo que tiene que decir, quedan francamente mal. Si sigues el consejo 1 puedes ajustar la velocidad del vídeo para que imagen y sonido fluyan. Graba la locución por partes, pero asegúrate de que no se notan estos cortes (no grabes en distintos lugares, con distinto micro o ruido de ambiente). Practica la locución y prepárate para repetir varias veces la misma frase hasta que quede como te gustaría oirla.

4. No crees un Frankenstein

Tanto si estás guiando paso a paso (ma non troppo) como si quieres mostrar varios caminos posibles, no hagas cortes abruptos ni des saltos no naturales de una pantalla a otra. Si un flujo de trabajo requiere usar más de una aplicación, o distintas partes de la misma, es buena idea intercalar pantallas explicando brevemente este cambio y dando datos de contexto. Procura que estas explicaciones se basen en un caso de ejemplo (que idealmente estarás siguiendo durante todo el vídeo). Puedes plantearte incluir una pequeña secuencia de acción real o animada que deje claro el por qué del cambio.

Recuerda que el resultado final tiene que dejar clara tanto la secuencia de pasos como la lógica que hay detrás (no se trata de que aprendan a pulsar como palomas amaestradas, sino de que entiendan por qué las acciones son esas y no otras)

Aprendizaje adaptado y entornos de aprendizaje inteligentes

David Gutiérrez 1 comentario
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.

 

Diseñar un sistema de ayuda en el puesto de trabajo

David Gutiérrez 4 comentarios

Buena parte de mis proyectos se desarrollan en el sector sanitario, apoyando la implantación de sistemas informáticos de historia clínica electrónica y gestión de pacientes. Estas operaciones generan muchas necesidades de formación y soporte, tanto por el número de usuarios (que pueden ir de un centenar a varios miles) como por las mil situaciones diferentes que pueden encontrarse. Eso por no hablar del grado de alfabetización tecnológica que tengan.

En cualquier caso, estas necesidades se cubren normalmente con un esfuerzo muy grande en formación inicial, sea presencial, online o una combinación. La formación de base sirve para familiarizar al personal con las tareas y asumir la lógica subyacente a los flujos de trabajo (o «por qué esto se hace así»), pero difícilmente va a resolver las dudas que surgen sobre la marcha, o a prevenir malas prácticas. Conforme al enfoque 70:20:10, con el tiempo la necesidad de soporte en el puesto de trabajo (que también está ahí desde el principio) va ganando peso relativo, es decir, la mayoría de las intervenciones serán de soporte y no de formación.

Esta demanda suele canalizarse a través de servicios de soporte, formaciones de refuerzo y usuarios avanzados que sirvan como nodos de conocimiento y referencia para el resto. Solo cuando ha pasado el tiempo y los gestores se preguntan por qué sigue habiendo problemas (y ya no queda presupuesto para formaciones masivas) surge la reflexión: ¿cómo puedo hacer que haya menos errores y que dejen de llamar a soporte para resolver dudas?

El objetivo: favorecer la autonomía

Siempre va a haber carencias funcionales, porque siempre va a haber una diferencia, por pequeña que sea, entre las mejores prácticas y la forma de trabajar del conjunto de usuarios de un sistema. Y no hay curso que acabe con eso. Sin embargo, sí es posible reducir esa diferencia procurando que el conocimiento no tenga que estar en mi cabeza, sino en el entorno, fácil de encontrar y rápido de consultar.

La idea es simple pero potente: si me atasco cuando estoy en la pantalla X haciendo la operación Y, tendré un enlace ahí mismo que me llevará, idealmente, al recurso que me explica qué hacer. Un sistema de ayuda para estas situaciones será básicamente una estructura que aloja los recursos de ayuda (fichas, guías paso a paso, pequeños vídeos…) y los enlaza desde los puntos de la aplicación en los que resultan relevantes.

La clave: estructura y formato de los recursos

Para quitar dependencia de la memoria o de la familiaridad con una tarea, un sistema de ayuda debe cumplir dos principios: acceso (fácil de encontrar) e inteligibilidad (se aplica rápido porque se entiende rápido). Es decir, hay que poner el esfuerzo en planificar la estructura (cómo están organizados) y el formato (qué muestran y cómo) de los recursos.

Estructura de los recursos

Obviamente hay un paso previo, que es contar con los recursos necesarios, y que lleva un buen trabajo de análisis de necesidades (incluyendo errores comunes y dudas frecuentes) , y en este sentido no es muy diferente del que se haría para otro tipo de intervención. Pero una vez dado este paso, la clasificación que se haga debe contar con que cada recurso puede ser accesible desde diferentes lugares que generen problemas similares. Esto significa que harán falta contenidos neutros que tengan sentido independientemente de si se accede a ellos desde el flujo de trabajo A o B, o bien contenidos casi duplicados, para recoger esas diferencias. Ambos casos tienen pros y contras y, claro está, puede aplicarse una u otra solución caso por caso.

Como estamos hablando de múltiples enlaces a un mismo documento, que deben ubicarse en los lugares donde hay más posibilidades de que se necesite, trabajaremos con dos estructuras paralelas: una en función del contenido y otra en función del acceso. La primera se organiza de forma jerárquica, por ejemplo en función de la complejidad del contenido (a la izquierda en la figura de abajo). La segunda tiene una organización hipertextual, en forma de red, donde cada recurso se conecta con varios puntos de enlace dentro de las aplicaciones, lo que genera una estructura paralela (representada por colores en la figura):

estructura_cruzada

Formato de los recursos

La forma en que presentamos la información debe ser consecuente con la función que cumple. Una explicación inicial destinada a que alguien comprenda por qué hay que hacer un determinado flujo de trabajo puede incluir un diagrama con la lógica subyacente, unos objetivos y posiblemente una recapitulación final. Un recurso destinado a aprender cómo se hace ese mismo flujo será idealmente una práctica más o menos guiada, o en su defecto una demo clara y sencilla. Una ayuda de trabajo, a su vez, tendrá forma de ficha (como un esquema con las partes principales), una lista de puntos clave (un checklist, vaya) o un diagrama de pasos. Una breve demo puede ser de ayuda si se trata de un flujo de cierta complejidad que quedaría demasiado confuso con una explicación de texto e imágenes.

La idea general es ofrecer un recurso lo más claro, sintético y minimalista posible, adaptado a la situación en la que se va a usar, y con la información imprescindible (y usando un concepto muy restrictivo de imprescindible).

El riesgo: mantener actualizado el contenido

Puedes tener el mejor sistema de ayudas de trabajo del mundo, que si no se mantiene al día sirve de muy poco. Cualquier cambio en los flujos de trabajo debe verse reflejado en la documentación con la mayor rapidez posible, bien a través de nuevos documentos, bien corrigiendo los ya existentes. Si hay una buena indización de los contenidos será fácil localizar los afectados para hacer los cambios oportunos. Algunos sistemas facilitan este mantenimiento usando, por ejemplo, imágenes almacenadas en un repositorio único que luego son insertadas en los documentos individuales, de forma que, cambiando la fuente, la nueva imagen se refleja automáticamente en todas sus réplicas.

La guinda: integración correctiva

El uso de recursos de ayuda bajo demanda facilita resolver dudas y errores, pero deja en el aire la aplicación de buenas prácticas. Cuando un usuario consigue lo que necesita, normalmente no se dedicará a ver si hay una forma mejor de hacerlo (al fin y al cabo, tiene el resultado que quiere). Esto implica que los malos aprendizajes y los atajos indebidos se enquistan y difícilmente se corrigen.

Ahora, imaginemos que un sistema de ayuda puede leer los flujos de trabajo de un usuario y sugerir un documento que corrija una mala práctica. La aplicación de trabajo enviaría sentencias tipo «Alicia hizo esto» (la sintaxis que usa xAPI) que serían reconocidas por el sistema de ayuda y servirían para lanzar una acción predeterminada, como sugerir un documento.

Esto ni siquiera es una inteligencia artificial, pero supone un paso de gigante en la eficiencia de la formación. Capacitar en sistemas de información tiene la gran ventaja de permitir este tipo de integraciones, que son objetivos realistas y necesarios a marcarse por cualquiera que se dedique al diseño didáctico en este ámbito.

 

Visualización de datos en elearning

David Gutiérrez Deja un comentario

Buena parte del trabajo de diseño didáctico consiste en adaptar información para que se comprenda mejor. Es lo que persiguen normalmente los libros de texto, manuales y demás fuentes de información masticada y estructurada.

Contar o mostrar algo es solo un paso para entenderlo (y a veces ni siquiera es un paso necesario), y raramente produce un aprendizaje duradero. Sin embargo, cuando se trata de interpretar datos, el formato sí que supone una diferencia grande.

Algunas pautas para representar datos

Las infografías son un ejemplo de visualización de datos para hacerlos más comprensibles. Son más que eso, porque los mismos datos pueden contar una historia diferente dependiendo de cómo se muestren. Muchos de los recursos habituales de visualización de datos (gráficos de sectores, de barras, de líneas) llevan usándose desde hace más de dos siglos, así que no estamos hablando de una novedad, ni mucho menos.

La idea de fondo es aprovechar la facilidad que tenemos para procesar determinadas formas y patrones para entender magnitudes, comparar valores y detectar tendencias más fácilmente: usar lo que sabemos sobre la percepción humana para estimular la cognición. Hay determinadas tareas visuales que nos resulta fácil realizar, y de las que sacamos conclusiones rápidamente.

tareas visuales

Algunas de las tareas visuales que mejor hacemos (de más a menos rapidez de procesamiento)

¿Cuál es el mejor formato para presentar datos?

Como casi siempre, depende del contexto y  de la tarea para la que esos datos son necesarios. La información crítica para la tarea es la que debe verse más claramente, sean valores, comparaciones o tendencias. Hay algunos puntos de partida bastante obvios:

  • Tablas para extraer valores numéricos concretos
  • Diagramas de sectores o de barras para extraer proporciones
  • Diagramas de barras, de líneas o de dispersión para comparar valores
  • Gráficos de líneas para detectar tendencias

A partir de esta base, hay que tener en cuenta:

  • quién es la audiencia
  • qué objetivo se persigue
  • qué tipo de datos tenemos estadísticamente (continuos, categóricos, series temporales…).

En función de estos parámetros enriqueceremos la presentación para destacar las conclusiones que nuestro público necesita para el fin perseguido, usando colores o variando el formato de inicio. Por ejemplo, en función de la información que queramos destacar, la colocación de los elementos será diferente.

Distintas variantes de una misma representación gráfica transmiten mejor o peor los datos

Las variantes de una misma representación gráfica transmiten distinta información

5 pautas que suelo seguir para crear representaciones de datos

Cuando tengo que crear una visualización de datos, hay 5 líneas rojas que procuro no cruzar:

  1. Uso una estética limpia, minimalista. Intento que el formato no distraiga, usando una paleta de colores reducida y jugando con la saturacion.
  2. Me esfuerzo en no acumular demasiada información en una misma representación. Si hay muchos datos, los agrupo por tipo y hago representaciones diferenciadas.
  3. Procuro que los datos aparezcan siguendo una secuencia lógica. Si hay un hilo conductor que ayude a sacar conclusiones, lo sigo.
  4. Evito poner más de unas pocas palabras acompañando a las imágenes. Prefiero una leyenda a tener texto encima de una gráfica.
  5. Hay dos datos que deben destacar: por qué esa información es importante y qué conclusión puede extraerse de ella.

 

¿Qué tipo de material didáctico preferimos los diseñadores?

David Gutiérrez Deja un comentario
Materiales didácticos más usados en e-learning

Mi mujer es profesora de Secundaria. Se interesa por el aprendizaje activo y trata de aplicar en sus clases modelos de enseñanza que cambien el habitualmente deprimente panorama educativo. Y aunque hay más como ella, lo cierto es que parecen ser mayoría los que no abandonan las clases magistrales como eje de su práctica docente.

En los últimos años se ha movido algo en el campo del e-learning también, y a veces pienso que lo que se hace hoy día quizá sea mejor que hace un tiempo. Sin embargo, luego me encuentro con proyectos que me dan de narices con esa realidad tan familiar en la que la búsqueda del aprendizaje brilla por su ausencia, en la que el eje del diseño didáctico no es el alumno sino el currículo, y donde todo se reduce a dar un curso o presentar un material. Y busco un poco, y veo que aunque hay una minoría ruidosa de innovadores (o al menos de gente que se queja), buena parte sigue en la misma línea, sordos y ciegos a todos los datos que señalan un camino diferente.

Uno se pregunta si es que realmente la mayoría de los diseñadores didácticos pensamos que esa es la forma correcta de hacer las cosas, o simplemente es la inercia del mercado, que hace que respondamos a una demanda que sigue ahí antes que arriesgarnos a decirle a un cliente que eso que pide es inútil y absurdo. O quizá se lo decimos pero, cuando vemos que no hace caso, optamos por aceptar igualmente un encargo que paga las facturas y que, de todos modos, alguien acabaría haciendo.

Hace ya tiempo llegó a mis manos una encuesta realizada por ébolo en el que analizaban qué tipos de materiales e-learning preferían los profesionales del ramo. Al no haber control y ser una muestra sesgada, las conclusiones son bastante de andar por casa, como advierten los propios autores, pero es un vistazo informal interesante a qué pensamos que se debe usar en un curso en línea.

Lo que nos gusta a los diseñadores de formación

El análisis no pasa de ser una curiosidad, pero me gusta especialmente esta gráfica, que compara la preferencia por unos u otros recursos en función de su relevancia (para el aprendizaje, se supone).

Lo que nos preferimos los profesionales o, al menos, lo que queremos que piensen que preferimos.

Tipos de contenido que los profesionales de la formación queremos que piensen que preferimos (imagen propiedad de ébolo).

Lo primero que me llamó la atención es que algunos tipos de recursos se basan en la forma (esquemas, mapas conceptuales, manuales, vídeos, locuciones… ) y otros en la función (introducciones, ejercicios, casos prácticos, resúmenes), lo que seguramente sesga bastante la respuesta (si “mapa conceptual” es una categoría aparte, asumo que un “resumen” no va a ser en forma de mapa conceptual, cuando es perfectamente posible y hasta recomendable). Pero más interesante aún es ver cómo este sesgo puede hacer que los contenidos que solemos asociar con texto (introducciones, resúmenes y manuales) caigan a las últimas posiciones. Aunque casos prácticos y ejercicios pueden basarse en un texto, la orientación activa hace que suban a los primeros puestos. Que el vídeo esté en tercer lugar, por delante de alternativas como los esquemas o los mapas conceptuales, vendría a confirmar que, puestos a explicar algo, mejor no tener que leerlo.

Entonces, ¿por qué no hacemos lo que nos gusta?

Como reflexión sin gota de fiabilidad, mi propia conclusión es que existe cierto consenso sobre lo que funciona mejor: “ponles a trabajar y, si tienes que contarles algo que sea rápido y bonito”. Si efectivamente fuera así, quiere decir que el sector no está tan descaminado como a veces puede parecer. Pero esto lanza una pregunta más interesante: estos datos dicen que sabemos lo que vale, lo que es bueno. ¿Somos, entonces, como los responsables de televisión que saben que la telerealidad es bazofia, pero lo hacen porque se sigue vendiendo? ¿No hay esperanza hasta que logremos infiltrar un pedagogo decente en cada departamento de recursos humanos del planeta?

Pasos críticos en el diseño de formación

David Gutiérrez Deja un comentario

He hablado anteriormente de los factores que inevitablemente tengo en cuenta al planificar una formación. A pesar de que en su momento los llamé esenciales, no quiero decir que solo con esos lleguemos a algún lado: escribí la entrada pensando en el momento en que ya estás con las manos en la masa, cuando cosas como el análisis de necesidades o el intercambio de documentación con los expertos han quedado atrás.

¿Dónde empieza el proceso de diseño?

Debo confesar que, cuando me hice la pregunta, asumí que el proceso de diseño como tal empezaba tras las fases preliminares de cualquier proyecto. Fases igualmente importantes, claro, pero que están fuera de la imagen que me viene a la cabeza cuando pienso en qué es crear un material didáctico.

Esta reflexión viene a raíz de una investigación de Kirschner (de quien ya he hablado por su crítica al aprendizaje por descubrimiento), que podéis encontrar revisada por Clark Quinn en la excelente serie Research for practitioners de Learning Solutions (en serio, es una gozada de leer). Brevemente, viene a decir que hay quien enfoca el tema más o menos como yo, y quien empieza en un nivel anterior al responder a la misma pregunta: ¿qué factores son más importantes al diseñar un curso? Por resumir brevemente lo que comentan en la revisión, el experimento de Kirschner intenta ver en qué se diferencian los diseñadores de formación del ámbito académico y los del corporativo. Centrándome en el top 4 de prioridades, aparentemente los académicos:

  1. académicodan más importancia a buscar una aproximación menos centrada en el contenido y más en cubrir necesidades de los alumnos
  2. buscan soluciones alternativas, incluso cuando ya han encontrado una que parece buena.
  3. usan prototipos en las etapas iniciales del proyecto
  4. dividen el proceso de diseño en fases.

Los del entorno corporativo coinciden en los puntos 1 y 3, aunque en distinto puesto (4 y 1 respectivamente), pero además incluyen otros dos. Su top 4 es:

  1. usconsultoran prototipos en las etapas iniciales del proyecto.
  2. intentan ganarse al cliente para el proceso de diseño y desarollo.
  3. buscan una aproximación menos centrada en el contenido y más en cubrir necesidades de los alumnos.
  4. enseñan al cliente muestras de otros proyectos como referencia, para que elija lo que le interesa.

Las prioridades 2 y 3 de esta lista están también entre las de los académicos, pero ya en los puestos 5 y 7. Mi impresión es que la segunda lista está más orientada al cliente que al usuario final, o que al propio proceso de diseño.

¿Orientación al cliente o a la tarea?

No creo que pueda aportar mucho más de lo que dice Quinn, pero sí me parece interesante que los diseñadores corporativos (que sería mi grupo natural) pongan más énfasis en aspectos relacionados con la gestión del proyecto, y que, sin embargo, los diseñadores académicos se centren más en la parte que yo abordé en mi anterior entrada. Hay zonas grises, porque aunque
conozco la importancia de los prototipos tempranos (y he hablado de ellos) me cuesta verlos como un elemento de gestión. Ganarse al cliente, estimar tiempos y esfuerzo, coordinarse con otros profesionales; todas esas tareas propias de un jefe de proyecto son necesarias, pero creo que son cualitativamente diferentes del trabajo de diseño didáctico, que es el de un técnico que aporta su saber hacer.

La gestión es otro animal diferente, y es importante saber en qué papel estamos en cada momento, especialmente para tener claro cuándo estamos tomando una decisión por criterios técnicos y cuándo por criterios de negocio.

Consejos para diseñar un libro de texto electrónico

David Gutiérrez Deja un comentario
Diseño de libro electrónico

Los libros de texto electrónicos se usan bastante en educación formal. La verdad es que no es mi formato favorito, ni mucho menos. Un libro de texto tiene sentido como material de consulta, cuando se necesita una visión más o menos profunda de un tema en poco tiempo y como base para trabajar sobre ella. En ningún caso los usaría como núcleo de un curso, como a menudo ocurre.

Al tratarse de un material de consulta, los principios que deberían guiar su diseño son:

  • localización de la información: cualquier dato o concepto debería poder encontrarse rápidamente.
  • discriminación de la información relevante: todos los temas tienen datos esenciales y otros accesorios. Los primeros deberían destacar, y los segundos estar ahí únicamente por si se quiere profundizar.

Los libros de texto convencionales son bastante buenos en el primer punto (o quizá es que nos hemos habituado tanto a buscar a través de un índice que nos parece mejor de lo que es en realidad). Sin embargo, tienden a ser bastante malos en el segundo: párrafos y párrafos de texto con algún resalte aquí y allá, referencias constantes a apartados anteriores y un estilo más literario que didáctico. Todo esto hace complicado saber si, en una lectura diagonal, te estás perdiendo algo crucial.

El formato electrónico ayuda un poco en este sentido: para empezar, puedes incluir un buscador, y tienes un índice con hipervínculos. Pero si quieres aprovechar el formato más allá de lo obvio, hay unas pocas pautas generales que cambian el resultado considerablemente:

Escescanearribe para ojear, no para leer

Nadie lee un texto de consulta de arriba abajo y de derecha a izquierda (incluso hay indicios de que el hábito de leer en la red está cambiando la forma en que leemos todo,
esté en una pantalla o en papel). Las páginas se recorren en un patrón con forma de F o a saltos, buscando palabras clave para pararse, leer un par de frases y seguir, añadiendo algo de profundidad a la comprensión sin perder demasiado tiempo. La estructura de tus páginas debería responder a esta tendencia, incluyendo únicamente la información relevante y con resaltes donde de verdad te interesa que se paren un poco más.

hipertextoPiensa en hipertexto

Supongo que a estas alturas es obvio. No hace falta que definas una palabra varias veces, porque tienes un glosario al alcance de un clic (o de un mouseover).
Si explicaste un gráfico en otro lugar y necesitas recordarlo, puedes traerlo en una ventana modal. Si cierta información importante se amplía en otros textos o en fuentes, no esperes al final de la página para referenciarlas: pon un vínculo ahí mismo para que se abran en otra pestaña del navegador.

Ojo, porque un texto saturado de enlaces puede hacer que abarcarlo parezca imposible y acaben por no abrir ninguno: incluye solo los relevantes.

Oculta el texto opcional

Incluir solo la información relevante no quiere decir que la otra no esté ahí, pero no lo pongas todo junto. Un botoncito de «saber más» le da lo que quiere a quien esté interesado en profundizar, y da un respiro a quien solo venía a enterarse de lo fundamental.

mano_dolorUsa interacciones significativas

Ya he hablado de qué es una interacción significativa. En el caso de un libro de texto, estamos hablando de gráficos o diagramas de flujo que se expanden para ampliar información, líneas de tiempo, el «saber más» del que hablaba antes o respuestas a ejercicios prácticos. Pasar página no es significativo, pinchar en un botón para que aparezca algo que necesitas leer sí o sí no es significativo (y es un poco incordio). Se trata, en definitiva, de respetar la inteligencia de los lectores. Deja que descansen la mano.

No escribas tanto

Lo bueno de un formato electrónico es que lo aguanta todo: vídeo, audio, texto e imagen. No te ciñas a las dos últimas si ves que un vídeo de dos minutos te puede ahorrar dos páginas de explicaciones, o si en lugar de citar a una persona puedes poner un extracto de sus declaraciones.

Eso sí, si vas a usar imágenes, que sean relevantes, no mera decoración (para evitar el efecto de redundancia). Una imagen que ilustra un concepto solo tiene sentido si está claramente asociada a la parte correspondiente del texto, y si el concepto en sí es especialmente relevante; de otro modo, te la puedes ahorrar.

dividirEscribe menos aún

Recorta todo lo que puedas. Usa palabras más cortas y voces activas, evita los giros y los comodines… En definitiva, haz todo lo que esté en tu mano para que el texto sea ligero. Sobre todo, escribe lo menos posible.

formato Apóyate en el formato

No es lo mismo una enumeración en un párrafo que en forma de lista. No es lo mismo una idea por párrafo que la misma idea dividida en conceptos menores, cada uno en un párrafo. Procesamos la información en chunks, así que divide todo lo que puedas y estarás facilitando el aprendizaje. Puedes usar títulos de párrafo, como en esta entrada, para dejar claro de qué estás hablando en cada momento.

Recuerda que destacar frases o palabras tiene como fin destacar conceptos; hay más posibilidades que ponerlas en negrita (incluirlas en un cuadro resalte o sobre una imagen, escribirlas en forma de cita, transformarlo en un vídeo o una infografía…).

Conclusiones

Un libro de texto electrónico no debería parecerse a un libro de texto en papel. Si me apuras, ni siquiera un libro de texto en papel debería parecerse a lo que suelen ser. No puedo hacer suficiente hincapié en esto: no es un ensayo, así que su objetivo no debe ser leerlo, sino consultarlo con más o menos detalle o, en el peor de los casos, estudiarlo para un examen (¡razón de más para quitar paja!).

No caigas en la tentación de imitar los que has visto durante toda tu vida pensando que algo tendrán si los hacen así: rompe la inercia.

Referencias

  1. Morkes, J., and Nielsen, J. (1997). Concise, SCANNABLE, and Objective: How to Write for the Web. http://www.nngroup.com/articles/how-users-read-on-the-web/ (sí, 20 años después aún tiene sentido)

  2. Clark, R. C. y Mayer, R.E (2011), E-learning and the science of instruction: Proven guidelines for consumers and designers of multimedia learning.

Estilos de aprendizaje

David Gutiérrez Deja un comentario
Los estilos de aprendizaje son un timo

Esta semana leí esto en el blog de Roger Schank, y no me resisto a compartirlo:

"Learning Styles: everyone learn differently, or so I hear. So, that means there are some people who don’t learn by trying something out, figuring out what they did well and what they did wrong, and then possibly getting help from others, and then trying again. I wonder who those people are."

«Estilos de aprendizaje: todo el mundo aprende de forma distinta, o eso se dice. Eso quiere decir que hay gente que no aprende probando a hacer algo, razonando qué hicieron bien y qué hicieron mal, pidiendo ayuda a otros y volviéndolo a intentar. Me pregunto quiénes son»

Dos apuntes:

  1. Es obvio que no todo el mundo procesa la información de la misma manera, pero no pierdas el tiempo en intentar saber cómo y ajustarte a ello, porque a estas alturas la investigación va dejando claro que no tendrá ninguna repercusión en la cantidad o calidad de lo que aprendan. Emplea ese tiempo y esfuerzo en que hagan cosas que les interesen y en darles apoyo y retroalimentación.
  2. Si diseñas experiencias de aprendizaje, procura que permitan hacer precisamente eso que dice Schank (añadiendo unos cuantos ejemplos para ayudar a entender la lógica de la tarea, y ya lo bordas).

Hay muchas cosas que favorecen al aprendizaje: fijar objetivos, retroalimentar centrándose en los procesos, dar ayudas de trabajo y demás; tantas que es difícil tenerlas todas en cuenta cuando los medios son limitados. Centrarse en las que aportan valor real es un ejercicio de economía y de responsabilidad.