En un contexto caracterizado por el acceso masivo a la educación superior y la persistente escasez de recursos en el ámbito universitario español, nos hemos visto abocados a la implementación de un modelo educativo de talla única. En la Universidad de Alicante nos hemos planteado si el desarrollo tecnológico puede llevarnos a poner de nuevo el foco en el estudiante y si es posible aspirar a una educación personalizada gracias a las tecnologías digitales. Esta aspiración constituye la hipótesis de partida del presente artículo.
RAFAEL MOLINA CARMONA
El modelo CALM
Empecemos por la definición de dos términos emparentados, pero con matices distintos: aprendizaje personalizado y aprendizaje adaptativo. La personalización implica ajustar el contenido y la metodología según las necesidades individuales de los estudiantes, mientras que la adaptación supone la capacidad del sistema de aprendizaje para ajustarse en tiempo real a las respuestas del estudiante.
Estos dos conceptos son el punto de partida del modelo de aprendizaje CALM (Customized Adaptive Learning Model) (Real-Fernández, 2022). CALM se inspira en la Teoría de la Autodeterminación (Ryan & Deci, 2000), que sostiene que la motivación intrínseca se produce por la satisfacción de necesidades psicológicas básicas como la autonomía, la competencia y la relación, para conducir a un mayor bienestar y rendimiento. Bajo esta premisa, CALM introduce características tales como la interacción, la recompensa y la progresión (Llorens-Largo et al., 2016)(Gallego-Durán et al., 2019), lo que emparenta al modelo con las experiencias gamificadas de aprendizaje.
Otras características importantes de CALM, que se benefician del uso de tecnologías digitales, son la retroalimentación en tiempo real, el ciclo de aprendizaje continuo y la autonomía del estudiante en su proceso de aprendizaje (Molina-Carmona & Llorens-Largo, 2020). Y, sobre todo, el elemento diferenciador que nos lleva a la personalización es la idea de establecer diferentes itinerarios de aprendizaje, variados y con diferente progresión en la dificultad, que el aprendiz podrá elegir a su propio ritmo, además. El sistema es capaz de adaptarse proporcionado actividades de aprendizaje de un tipo u otro en función de las necesidades a cubrir y de los conceptos a mejorar.
La personalización implica ajustar el contenido y la metodología según las necesidades individuales de los estudiantes, mientras que la adaptación supone la capacidad del sistema de aprendizaje para ajustarse en tiempo real a las respuestas del estudiante
Por último, se incorporan diferentes estrategias de aprendizaje seleccionadas por el profesor para cada aprendiz, de manera que es el profesor el último responsable del aprendizaje del estudiante. Dicho de otra manera, el motor de Inteligencia Artificial que gestiona el aprendizaje es un asistente que monitoriza al aprendiz en cada momento y le ofrece las alternativas y las actividades formativas más adecuadas, pero es el profesor, liberado de la parte más rutinaria, el que define las estrategias para conseguir que cada estudiante aprenda de la mejor manera posible.
La plataforma Khipulearn
El modelo CALM se ve concretado en una plataforma por la que la Universidad de Alicante ha apostado liderando su desarrollo, con el apoyo de otras cuatro universidades y la financiación ofrecida por el Ministerio de Universidades a través del plan UniDigital: la plataforma KhipuLearn (www.khipulearn.com).
La plataforma muestra un conjunto de competencias (habilidades y conocimientos a adquirir por los aprendices) dispuestas en forma de mapa. Además, se dispone de un conjunto de actividades de aprendizaje, a través de las cuales los estudiantes desarrollarán dichas competencias. Por último, todo ello está orquestado por un motor de Inteligencia Artificial, que será el encargado de asignar actividades a los aprendices.
El mapa presenta las competencias como nodos conectados entre sí, representando el camino o los posibles caminos que los aprendices seguirán en su proceso de aprendizaje. El docente será el encargado de diseñar este mapa, creando las competencias que considere, colocándolas en el orden que elija y estableciendo las relaciones de dependencia entre ellas. Así podrá definirse un modelo de aprendizaje básico, a través de un mapa lineal cuyas competencias están dispuestas sucesivamente, o uno más complejo, en el que las competencias se dispongan formando una red de conocimientos.
El modelo CALM se ve concretado en una plataforma por la que la Universidad de Alicante ha apostado liderando su desarrollo, con el apoyo de otras cuatro universidades y la financiación del Ministerio de Universidades a través del plan UniDigital: la plataforma KhipuLearn
Por otro lado, el conjunto de actividades que los aprendices deben realizar, están asociadas a una o varias de las competencias del curso, de manera que conforme los estudiantes realizan estas actividades y las superan con éxito, van desbloqueando y completando las competencias del mapa. Será también el docente quien cree las actividades para un curso concreto.
Khipulearn para los estudiantes
La forma en que Khipulearn se presenta ante los estudiantes marca la diferencia con respecto a otras plataformas. Una metáfora que ayuda a entender la plataforma es compararla con un videojuego. Así, la primera imagen que el estudiante tiene es el mapa de competencias, que representa todas las competencias del curso a modo de los niveles de un videojuego.
Las competencias (o niveles) están ordenadas según las dependencias lógicas entre ellas, marcando diferentes itinerarios de aprendizaje (diferentes recorridos de los niveles del juego) y con algunas competencias que se encuentran desbloqueadas (desbloqueo de niveles). Este mapa (ver figura) representa todo el curso y también el estado actual del aprendizaje del estudiante, con las competencias superadas y en qué medida las ha superado.
Mapa de competencias para una asignatura. En verde, las competencias que el estudiante ha ido trabajando y su progreso; en rojo las competencias desbloqueadas; en gris las competencias bloqueadas. Los enlaces muestran los caminos de aprendizaje.
El estudiante tiene la posibilidad de acceder a cualquiera de las competencias desbloqueadas (de jugar a cualquier nivel desbloqueado) y el sistema, una vez elegida la competencia, le ofrece una actividad que es la que tiene que resolver (el juego propuesto). Las actividades son variadas, interactivas, con retroalimentación inmediata y fomentan el aprendizaje activo.
La personalización del aprendizaje viene dada por la posibilidad de elegir en cualquier momento la competencia que cada estudiante desea desarrollar y por el ritmo que desee imprimir a su aprendizaje. La adaptación viene dada por la actividad que el sistema propone, acorde a las habilidades demostradas por el aprendiz y a las estrategias marcadas por el profesor.
Khipulearn para el profesorado
Khipulearn no es solo una plataforma de aprendizaje (para el estudiante) sino que es también una plataforma docente (para el profesor). El profesor es el diseñador del aprendizaje en el sentido más amplio: proporciona el mapa de competencias, es decir, establece el marco completo de conocimiento de la asignatura, generalmente en forma de red, con lo que se pueden definir diferentes caminos de aprendizaje, frente al modelo lineal de camino único.
El profesor proporciona también las actividades que los estudiantes deben realizar, proponiendo idealmente un número elevado de actividades, variadas, apropiadas para estudiantes de diferentes capacidades, de manera que el sistema pueda adaptarse. Además, el profesor adquiere un papel de acompañante del aprendizaje, a través de la definición de las estrategias instruccionales de asignación de las actividades, con lo que puede, sin preocuparse de los detalles más operativos, definir cómo quiere que sus estudiantes aprendan.
De este modo, el motor de Inteligencia Artificial es el tutor que monitoriza en todo momento las acciones del estudiante, recoge el conocimiento sobre sus habilidades y capacidades, aplica las estrategias marcadas por el profesor, y guía al estudiante en su aprendizaje. En este sistema, el tándem profesor-inteligencia artificial es el que permite la personalización y la adaptación, no pudiendo entender la una sin el otro.
el tándem profesor-inteligencia artificial es el que permite la personalización y la adaptación, no pudiendo entender la una sin el otro
Khipulearn para la institución
Las instituciones de educación superior tenemos el deber de facilitar una educación de calidad, acorde a la persona y al contexto socio-laboral de cada momento. La educación masiva de talla única nos ha permitido dar respuesta a las necesidades de la sociedad hasta el momento, pero difícilmente puede ser la solución a los retos del futuro. Por ello, las universidades nos afanamos en buscar el éxito de nuestros estudiantes a través del mejor profesorado, de las mejores metodologías y de las mejores herramientas para el aprendizaje. Las tecnologías digitales pueden ser nuestras grandes aliadas.
Frente a un modelo educativo uniforme, con recorridos lineales, con todos los estudiantes trabajando al mismo ritmo, resolviendo las mismas actividades, y en un contexto en el que el error se penaliza sin posibilidad de enmienda, nosotros proponemos una herramienta para el aprendizaje personalizado y adaptativo, con recorridos múltiples en los que cada estudiante elige su camino, en que se avanza al ritmo que cada uno imprima, resolviendo actividades diversas y adaptadas a cada uno y con posibilidad de rectificar el error, buscando procesos de aprendizaje alternativos.
Bibliografía
Gallego-Durán, F. J., Villagrá-Arnedo, C. J., Satorre-Cuerda, R., Compañ-Rosique, P., Molina-Carmona, R., & Llorens-Largo, F. (2019). A Guide for Game-Design-Based Gamification. Informatics, 6(4), 49. https://doi.org/10.3390/informatics6040049
Llorens-Largo, F., Villagrá-Arnedo, C. J., Gallego-Durán, F. J., Satorre-Cuerda, R., Compañ-Rosique, P., & Molina-Carmona, R. (2016). LudifyME. En Formative Assessment, Learning Data Analytics and Gamification (pp. 245-269). Elsevier. https://doi.org/10.1016/B978-0-12-803637-2.00012-9
Molina-Carmona, R., & Llorens-Largo, F. (2020). Gamification and Advanced Technology to Enhance Motivation in Education. Informatics, 7(2), 20. https://doi.org/10.3390/informatics7020020
Real-Fernández, A. (2022). CALM: un modelo de aprendizaje personalizado y adaptativo [Universidad de Alicante]. http://hdl.handle.net/10045/127967
Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. The American Psychologist, 55(1), 68-78.
RAFAEL MOLINA CARMONA
Investigador del Grupo de Investigación “Smart Learning”
Vicerrector de Transformación Digital
Universidad de Alicante
