Figura 1. Ejemplo de modelo del dominio
Revista Electrónica
de Investigación Educativa
Vol. 16, Núm. 3, 2014
Una
plataforma para la implementación de cursos en línea adaptativos:
descripción y punto de vista de los docentes
Julián Moreno Cadavid (1)
jmoreno1@unal.edu.co
Demetrio Arturo Ovalle Carranza (1)
dovalle@unal.edu.co
Rosa María
Vicari (2)
rosa@inf.ufrgs.br
(1) Universidad Nacional
de Colombia – Medellín
(2)Universidade Federal do Rio Grande do Sul, Brazil
Carrera 80, 65-223 Oficina
M8A 311
Medellín (Antioquia), Colombia
(Recibido: 1 de marzo de 2013; Aceptado para su publicación: 15 de octubre
de 2013)
Resumen
La adaptación es una funcionalidad deseable de los cursos en línea
pues, permite la consideración de las necesidades y características
propias de cada estudiante. Pese a esto, no es común que los profesores
adopten tecnologías relacionadas con esta funcionalidad, lo cual se debe
principalmente a: a) el desconocimiento de herramientas de autor apropiadas;
y b) la resistencia frente a su uso. El presente estudio tiene dos propósitos.
El primero es presentar una herramienta de autor para crear cursos en línea
adaptativos considerando tres funcionalidades particulares: secuenciación
del currículo, presentación de contenido, y evaluación.
El segundo es presentar una validación de dicha herramienta con usuarios
reales, más específicamente 51 profesores de básica primaria
y secundaria. Los resultados obtenidos muestran que pese a existir desconfianza
por parte de los profesores a la hora de utilizar la herramienta, existe un
interés general por contar con una alternativa que les permita brindar
una experiencia de enseñanza/aprendizaje individualizada.
Palabras clave: Adaptabilidad, Sistema de autor, Currículo,
Evaluación.
I. Introducción
Una de las principales críticas que reciben los cursos en línea
es la aproximación “lo mismo para todos” (interpretación
de la frase original en inglés “one size fits all”)
que tales cursos usualmente siguen (Stewart, Cristea, Brailsford y Ashman, 2005).
Dicha aproximación significa que la mayoría de los cursos proveen
la misma experiencia de aprendizaje estática a todos los estudiantes,
sin considerar sus diferencias particulares. De hecho, tal como lo afirman Karampiperis
y Sampson (2005), los cursos en línea generalmente sufren de altas tasas
de deserción porque los estudiantes se sienten insatisfechos en cursos
que ni los motivan ni se ajustan a sus necesidades.
Como alternativa para resolver este inconveniente, diversas aproximaciones han
surgido en las últimas décadas. Una de ellas es conocida como
los sistemas educacionales adaptativos. Aquí el término adaptativo
no debe confundirse con adaptable. Los sistemas que permiten a los usuarios
alterar ciertos parámetros de configuración y alterar su comportamiento
correspondiente de una manera explícita son denominados adaptables. Por
su parte, los sistemas que se adaptan por ellos mismos a los usuarios basados
en las inferencias realizadas automáticamente sobre sus necesidades,
se denominan adaptativos (Oppermann y Kinshuk, 1997).
Con el fin de suministrar dicha experiencia adaptativa en el contexto educativo,
sobresalen dos aproximaciones diferentes: los Sistemas Hipermedia Educacionales
Adaptativos (SHEA) y los Sistemas Tutoriales Inteligentes
(STI).
Por un lado, el objetivo principal de los SHEA es presentar
el dominio de conocimiento a los estudiantes de forma adaptada a ellos con la
particularidad, como su nombre lo indica, de que el formato de presentación
se basa en contenido hipermedia, es decir, hipertexto y multimedia. Bajo el
principio de que de esta manera se incrementa significativamente la velocidad
de aprendizaje.
Por el otro lado, una definición general de los STI
es que son sistemas de enseñanza que incorporan componentes inteligentes,
comúnmente asociados a técnicas de inteligencia artificial. Sin
embargo, diferentes autores extienden dicha definición agregando que
estos sistemas pueden contar con procedimientos y representaciones de conocimiento
propios de los campos de lingüística computacional y de las ciencias
de la computación (Samuelis, 2007).
Como una evolución natural, las dos aproximaciones descritas previamente,
los SHEA y los STI, se mezclaron
en lo que se conoce como Sistemas Educacionales Inteligentes y Adaptativos (SEIA)
tratando de aprovechar las principales fortalezas de ambos puntos de vista.
Más específicamente, se puede decir que de los SHEA
heredaron varias funcionalidades como la presentación adaptativa de contenido
educativo y el soporte adaptativo a la navegación, mientras que de los
STI heredaron algunas como la secuenciación del currículo, la
evaluación adaptativa, el análisis inteligente de soluciones,
el soporte a la solución de problemas, el soporte colaborativo adaptativo,
entre otras (Brusilovsky y Peylo, 2003).
Otra característica importante de los SEIA es que
en este momento no sólo están disponibles para los investigadores,
por el contrario, también están disponibles para los docentes.
¿Significa esto que en general los docentes han adoptado esta tecnología
en sus cursos en línea? La desafortunada respuesta a este interrogante
es que no. La principal causa de esta realidad es que la mayoría de los
docentes o no están al tanto siquiera de la existencia de los SEIA
o no tienen conocimiento de herramientas de autor que les permitan adoptarlos
de una manera sencilla. Esta problemática es precisamente el objeto de
estudio de este artículo, el cual se divide en dos partes principales.
En la primera se describen con cierto nivel de detalle tres funcionalidades
de los SEIA y se explica cómo pueden ser empleadas
en la versión prototipo de una herramienta de autor llamada “Doctus”,
que consiste en una plataforma Web para crear cursos en línea adaptativos.
La segunda parte presenta el reporte de una experiencia con 51 docentes de básica
primaria y secundaria con dicha plataforma. El reporte incluye información
cuantitativa recolectada a partir de un cuestionario con una escala tipo Likert
de cinco puntos, así como una discusión de los comentarios cualitativos
recibidos por los docentes encuestados.
II. Funcionalidades Adaptativas
2.1 Secuenciación
del currículo
Según Brusilovsky (2003), el punto de partida de cualquier sistema adaptativo
es un modelo del dominio bien estructurado compuesto por un conjunto de elementos
de conocimiento pequeños. Tales elementos son denominados de diferente
manera por distintos autores: conceptos, ítems de conocimiento, temas,
elementos de aprendizaje; pero en todos los casos denotan fragmentos elementales
del dominio. En Doctus, con el fin de utilizar una terminología familiar
para los docentes, se usó para este fin la noción de objetivo
de aprendizaje. También conocidos como objetivos educativos, objetivos
pedagógicos y otras denominaciones en diversas investigaciones, los objetivos
de aprendizaje pueden ser definidos como declaraciones que describen, en términos
de comportamiento observables, los resultados que se esperan del proceso de
enseñanza/aprendizaje.
La manera de estructurar estos objetivos en Doctus, y por tanto el modelo del
dominio, es por medio de un grafo dirigido simple como el presentado a manera
de ejemplo en la Figura 1 para un curso hipotético sobre Historia de
la Filosofía. Los nodos (círculos) representan los objetivos,
mientras que las aristas (líneas continuas) representan las relaciones
de composición. Esto significa que un objetivo puede ser atómico
o compuesto. La estructura resultante es bastante natural para los docentes,
pues les permite representar sus cursos de una manera jerárquica, de
la misma forma que lo harían dividiendo un curso en temas y subtemas,
o pensando en un libro de texto, en capítulos y subcapítulos.
La única diferencia es que esta estructura les permite tener un nivel
de desagregación tan pequeño o tan grande como los docentes requieran.
Figura 1. Ejemplo de modelo del dominio
Como lo afirman Knutov, De Bra y Pechenizkiy (2009), este tipo de modelo del dominio, donde todos los elementos son estructurados minuciosamente y de manera jerárquica, es el que permite que el proceso de adaptación se lleve a cabo. De hecho, la mayoría de los sistemas adaptativos que se citan en la literatura adoptan esquemas similares al presentado aquí. Las únicas diferencias entre unos y otros yacen básicamente en el nombre de los elementos, en las restricciones de conexión, y en la profundidad de las relaciones de jerarquía.
Otra ventaja de este esquema es que
los docentes pueden definir relaciones de prerrequisitos entre los objetivos
de aprendizaje para establecer una secuencia lineal dentro del curso. La Figura
1 muestra este tipo de relaciones mediante líneas punteadas. De esta
manera Doctus permite crear cursos que pueden ser completamente lineales, completamente
libres, o un punto intermedio, como es el caso presentado en la Figura 1.
Una vez el modelo del dominio está definido, el siguiente paso es determinar
cómo debe ser desarrollado por los estudiantes. Para esto, Doctus usa
la noción de actividad, teniendo como base que un objetivo de aprendizaje
puede alcanzarse por medio de la realización de una o varias actividades.
Una actividad puede ser, por ejemplo, llevar a cabo una lectura, resolver un
ejercicio, hacer la discusión de un contenido, etc. Tener esta estructura
genérica de objetivos y actividades es lo que le permite a Doctus ser
una plataforma genérica en la cual los profesores pueden crear cursos
con todo tipo de temas y hacer uso de diferentes consideraciones pedagógicas.
Lo último porque dichas consideraciones se verían reflejadas en
las actividades definidas y en el orden de realización de las mismas.
Al definirse todas las actividades correspondientes a los objetivos es cuando
la secuenciación del currículo puede llevarse a cabo. Según
Brusilovsky y Peylo (2003), el propósito de dicha secuenciación
es brindarle al estudiante, de manera individual, una secuencia de temas a aprender
junto con las tareas para hacerlo. En otras palabras, esta funcionalidad le
ayuda al estudiante a encontrar el camino óptimo a través de todo
el contenido disponible.
La secuenciación del currículo se puede diferenciar generalmente
entre secuenciación del conocimiento y secuenciación de tareas.
El primero determina el siguiente elemento del dominio de conocimiento a ser
abordado, mientras que el segundo determina la siguiente tarea a ser desarrollada
dentro del elemento actual (Chen, Liu y Chang, 2006). Ambos niveles de secuenciación
son incluidos en Doctus: el de conocimiento se refiere a los objetivos de aprendizaje
y el de tareas a las actividades. Un ejemplo de ello puede verse en la Figura
1. Si un estudiante aprueba el objetivo 1 (según el proceso de evaluación
que se explica más adelante), la secuenciación de conocimiento
activará automáticamente el objetivo 2, donde el estudiante podrá
desarrollar ya sea el 2.1 o el 2.2. Una vez que el estudiante se adentra en
uno de esos objetivos, la secuenciación de tareas le presentará
las actividades correspondientes según el orden establecido para ello
por el docente.
2.2 Presentación de contenido
Es dentro de las actividades que conforman los objetivos de aprendizaje donde
los docentes pueden agregar archivos para presentar el contenido a los estudiantes.
La idea no es que el mismo sea simplemente dividido en partes. Por el contrario,
la intención es que el contenido completo de una actividad sea “encapsulado”
dentro de un único archivo para esa actividad, pero en diversos medios
de presentación. Volviendo al ejemplo de la Figura 1, un docente podría
agregar tres tipos de archivos diferentes para una actividad introductoria,
como pueden ser un video, un archivo de texto y una presentación. De
esta forma cada estudiante recibiría un único archivo dependiendo
de sus características.
Más específicamente, las características de los estudiantes
consideradas por Doctus son sus estilos de aprendizaje predominantes. Para justificar
la incorporación de dicha característica dentro del mecanismo
de presentación de contenido es importante mencionar que numerosos estudios
han demostrado que la consideración de los estilos de aprendizaje es
un factor fundamental que afecta significativamente el rendimiento de los estudiantes
(Stash, 2007). Existen sin embargo docenas de modelos diferentes de estilos
de aprendizaje. Coffield, Moseley, Hall, y Ecclestone (2004) mencionan más
de 70. Entre todas estas alternativas, Doctus adopta el modelo de estilos de
aprendizaje de Felder (Felder y Silverman, 1988). Este modelo define cuatro
dimensiones dicotómicas: visual/verbal, secuencial/global, activo/reflexivo,
y sensitivo/intuitivo. Considerando esto, cuando un docente agrega un contenido
educativo a una actividad debe primero subir el archivo correspondiente y luego
especificar ciertos metadatos del mismo entre los que se incluye la valoración
de dichas dimensiones. Para cada dicotomía los docentes deben determinar
hacia cual se inclina el archivo y en que grado, o si se puede considerar neutral.
Una vez que el docente realiza este proceso de incorporar uno o más archivos
a una actividad y determinar los metadatos correspondientes, la adaptación
de contenido puede llevarse a cabo. Más específicamente, cuando
un estudiante está desarrollando una actividad, Doctus determina cuál
de los archivos disponibles es el más adecuado para él o ella.
Para esto se hace uso de una ecuación simple basada en el método
propuesto por Moreno, Ovalle y Vicari (2010).
(Ecuación 1)
Esta ecuación mide la distancia
euclidiana entre un vector que representa a un estudiante Si y un archivo Mj.
Mientras menor sea esta medida, más adecuado será el archivo para
el estudiante. En el caso de los estudiantes, tal vector se determina mediante
un cuestionario conocido como el test de Felder para estilos de aprendizaje,
el cual se compone de 44 preguntas, 11 para cada dicotomía, en las que
el estudiante debe responder (implícitamente) a favor de uno de los dos
extremos. Así, cuando finaliza el cuestionario, cada estudiante tendrá
8 valores entre 0 y 11 para cada extremo. Restando el valor del extremo de la
derecha al de la izquierda por cada dicotomía se obtienen 4 valores entre
-11 y 11, los cuales se pueden llevar a una escala [-1,1] dividiéndolos
por 11. En este formato tales valores son fácilmente interpretables:
entre más cercano a +1, más inclinado se encontrará el
estudiante hacia el extremo derecho de la dicotomía, y viceversa.
En el caso de los archivos, una vez que el docente determina por medio de la
interfaz la inclinación de un archivo a cada dicotomía, Doctus
convierte los 5 niveles (muy inclinado a la izquierda, inclinado a la izquierda,
neutral, inclinado a la derecha, muy inclinado a la derecha) en valores igualmente
espaciados dentro del rango [-1,1]: -1, -0.5, 0, 0.5 y 1.
Con el fin de aclarar el procedimiento completo, considérese el siguiente
ejemplo hipotético. Hay un estudiante S1 representado por el vector {0.27,
-0.45, 0.64, -0.27} y dos archivos disponibles M1 y M2 para la actividad que
está desarrollando. M1 es representado por el vector {1, -1, -0.5, 0.5}
y M2 por {0, -1, 1, -0.5}. De acuerdo con la Ecuación 1, D11 sería
1.65 y D12 0.75. Esto significa que para este caso hipotético M2 sería
el archivo más adecuado de los disponibles para S1. Nótese que
en el caso extremo, un valor de 0 en la distancia euclidiana significaría
una correspondencia total entre el estilo de aprendizaje inferido para el estudiante
y el estilo de aprendizaje para el que está enfocado el archivo según
la valoración del docente. Por el contrario, un valor de 16 significaría
una disonancia total.
2.3 Evaluación
Tanto en los cursos en línea como en los cursos presenciales tradicionales,
la evaluación es una parte indispensable del proceso de enseñanza/aprendizaje,
no sólo porque permite determinar la eficiencia de dicho proceso mediante
medidas observables, sino también porque tales medidas pueden ayudar
a definir una ayuda adecuada para cada estudiante. En Doctus se adopta un enfoque
conocido como Evaluación Adaptativa Computarizada (EAC)
el cual difiere de la naturaleza estática de las evaluaciones tradicionales
en que su proceso de construcción es dinámico y la cantidad de
preguntas no es predefinida. La idea de la EAC es aplicar
a un estudiante determinado únicamente aquellos ítems de evaluación,
entiéndase preguntas, que son más adecuados para determinar su
rendimiento. Como consecuencia de esto, la EAC es usualmente
más eficiente que la evaluación tradicional, es decir, aquella
de preguntas fijas, pues provee medidas más precisas para pruebas de
la misma longitud o pruebas más cortas para medidas de la misma precisión
(Ponsoda, 2000).
Desde la perspectiva del estudiante, la dificultad en las pruebas parece que
estuviera a la medida de su nivel de conocimiento, es por este motivo que en
los primeros sistemas que usaron este enfoque se le llamó “evaluación
a medida” (interpretación de la frase en inglés “tailored
testing”. Así, por ejemplo, si un estudiante se desenvuelve
bien en una pregunta de dificultad intermedia, habrá una alta probabilidad
de que la siguiente sea un poco más difícil. En otro caso, si
el estudiante se desenvuelve mal, una pregunta más fácil sería
el paso a seguir más adecuado.
Esto no significa que la intención de la EAC sea
facilitar las evaluaciones para los estudiantes presentándoles preguntas
sencillas porque su nivel de conocimiento estimado sea bajo, ni tampoco complicar
las evaluaciones de aquellos que han contestado acertadamente debido a que dominan
el tema. Lo que busca en realidad la EAC es evitar la
frustración que puede llegar a sentir un estudiante cuando se bloquea
mentalmente al afrontar una prueba que se le hace difícil, así
como el aburrimiento que puede llegar a sentir quien se ve en la necesidad de
responder preguntas sobre temas que ya ha demostrado dominar.
Para lograr esto, el procedimiento general de la EAC consiste
en un algoritmo iterativo que se compone de los siguientes pasos (Thissen y
Mislevy, 2000):
Para implementar los pasos 2 y 3
existen diversas aproximaciones, siendo una de las más conocidas la Teoría
de Respuesta al Ítem (TRI). Previamente conocida
como teoría de rasgos latentes, la TRI intenta
proveer bases probabilísticas al problema de medir rasgos no directamente
observables (rasgos latentes) y su nombre proviene de considerar los ítems
o preguntas como las unidades fundamentales de una prueba de evaluación
en vez de la calificación final, como sucede en las aproximaciones tradicionales.
Según esta teoría, la relación entre el rasgo θ, que puede
interpretarse como la habilidad o nivel de conocimiento de un estudiante, y
su respuesta a cada ítem puede ser explicada a través de una función
monótona creciente conocida como Curva Característica del Ítem
(CCI), la cual establece la probabilidad de una respuesta
correcta. Dependiendo de la naturaleza y parámetros de dicha función,
existen varios modelos que pueden aplicarse. En Doctus se emplea una variación
del modelo logístico de tres parámetros o 3PL cuya fórmula
se presenta en la Ecuación 2.
(Ecuación 2)
El dominio de esta función
es el intervalo abierto (c,1) siendo ambos valores sus límites asintóticos.
Por su parte, el rango es el intervalo (-∞,+∞) pero para fines prácticos
sólo se considera el intervalo cerrado [-3,3].
En el contexto de la TRI, el valor de adivinación
c define la probabilidad de obtener una respuesta correcta independientemente
del nivel de conocimiento del estudiante. En otras palabras, este parámetro
es inherente al tipo de pregunta y es calculado automáticamente por Doctus.
Por ejemplo, en una pregunta de tipo Falso/Verdadero, dicho valor es igual a
0.5. Por otro lado el valor de dificultad b define que tanto se ajusta el ítem
al nivel de conocimiento del estudiante. En términos gráficos,
define la ubicación del punto de inflexión de la curva a lo largo
del eje θ.
Doctus se encarga automáticamente de todo el procedimiento de la
EAC incluyendo todos los cálculos involucrados, es decir, que
el mismo es completamente transparente tanto para docentes como para estudiantes.
Siendo así la responsabilidad de los docentes yace en la creación
de un banco de ítems de evaluación lo suficientemente grande para
cada objetivo de aprendizaje (entre más, mejor) y en determinar la dificultad
b de cada ítem. Tal dificultad es definida por el docente en
una escala de 1 a 100 y luego Doctus la escala a un valor que se ajusta a la
CCI. Entre más fácil la pregunta menor el
valor y viceversa.
Determinar tal valor no es una labor simple. De hecho, diversos estudios recomiendan
que debe ser calculado automáticamente a partir de respuestas previas
de estudiantes. Esto, sin embargo, requeriría de una gran cantidad de
información disponible y, por tanto, no es el camino seguido en Doctus.
Lo que sí provee Doctus para facilitar esta labor es un mensaje informativo
sobre dicho valor: que debe ser entendido como la dificultad propia del ítem
independiente de su formulación. En el contexto de la educación
secundaria por ejemplo, la pregunta: ¿en qué año Colón
descubrió América? Es relativamente simple tanto si se formula
como una pregunta de selección múltiple como si se formula como
una de respuesta libre. Por otro lado, dentro del mismo contexto otra pregunta
como: ¿cuál es el peso atómico del Bario? Puede ser considerada
como difícil incluso si es formulada como una pregunta de Falso/Verdadero.
III. Experiencia de profesores
Como se mencionó al final de la sección de introducción,
la segunda parte de este artículo presenta la validación de la
plataforma descrita, Doctus, por parte de usuarios finales reales. Al hablar
de usuarios finales se pueden diferenciar dos actores: los docentes y los estudiantes.
Este estudio sin embargo se enfoca únicamente en la experiencia de los
docentes y en particular en: a) cuáles son sus opiniones respecto a cómo
Doctus implementa las tres funcionalidades adaptativas descritas; y b) cómo
perciben su rol y las responsabilidades que el mismo representa para que dichas
funcionalidades puedan llevarse a cabo.
Más específicamente, esta validación se realizó
con 51 docentes de educación básica primaria y secundaria, 27
hombres y 24 mujeres con una edad promedio de 34.61 años y desviación
estándar de 7.42. Todos los sujetos estaban inscritos en el curso “Taller
TIC y Educación en Ciencias I” de la maestría
en Enseñanza de las Ciencias Exactas y Naturales en la Universidad Nacional
de Colombia-Sede Medellín durante el primer semestre de 2012. El proceso
se realizó durante cuatro horas presenciales más un estimado de
cuatro a 8 ocho horas de trabajo extra, dentro del período comprendido
del 14 al 28 de abril. Las sesiones presenciales se dividieron en dos sesiones
de dos horas cada una. Ambas sesiones fueron grabadas en video y luego subidas
a YouTube de manera que todos pudieran revisarlas las veces que fuera necesario.
Para el trabajo extra se puso a disposición material adicional compuesto
de una serie de videos tutoriales, 14 en total, que también fueron subidos
a YouTube.
La validación se dividió en cinco etapas, siendo la primera de
ellas una breve introducción Doctus junto una descripción del
objetivo de la validación. La segunda etapa consistió en una charla
sobre los principales conceptos de los SEIA, así
como sobre su correspondiente instanciación en Doctus. Estas primeras
dos etapas fueron cubiertas durante la primera sesión presencial.
Durante la tercera etapa todos los sujetos de prueba interactuaron directamente
con Doctus (http://doctus.medellin.unal.edu.co), pero adoptando el rol de estudiante
en un curso de prueba. Dicho curso les permitió experimentar de primera
mano cómo un estudiante percibe las funcionalidades adaptativas. Esta
etapa dio inicio en la primera sesión presencial y finalizó durante
el trabajo extra.
En la cuarta etapa los sujetos interactuaron de nuevo con Doctus, pero esta
vez adoptando el rol de docentes y creando sus propios cursos, o al menos parte
de ellos, desde cero. En esta etapa pudieron experimentar, con una guía
apropiada, lo que un curso adaptativo implica, es decir, cuánto esfuerzo
involucra su construcción. Esta etapa dio inicio durante la segunda sesión
presencial y finalizó durante el trabajo extra.
En la quinta y última etapa se llevó a cabo un test de usabilidad
para recopilar las percepciones de los sujetos acerca de Doctus y de todos los
conceptos sobre adaptación subyacentes. Esta etapa fue introducida en
la segunda sesión presencial pero fue desarrollada completamente durante
el trabajo extra. Con el fin de cuantificar las opiniones de los sujetos se
diseñó un cuestionario usando una escala tipo Likert: valores
enteros entre 1 (el más bajo) y 5 (el más alto). Las preguntas
utilizadas se presentan en la Tabla I y en todos los casos comenzaban con la
frase: “De acuerdo a su interacción previa con Doctus, cómo
calificaría usted …”
Tabla I. Cuestionario
de usabilidad
La Figura 2 presenta los resultados cuantitativos de este cuestionario, mientras que la Tabla II presenta un resumen de los mismos. Adicional a las medidas cuantitativas, se alentó a todos los sujetos a expresar sus juicios cualitativos sobre los temas tratados en cada pregunta. Esto se hizo agregando un espacio en blanco al final de cada una con la frase: “Si tiene cualquier comentario, por favor expréselo aquí”.
Figura 2. Resultados
del cuestionario de usabilidad
Tabla II. Resumen de resultados
En términos generales la mayoría de los sujetos dieron altas calificaciones, 4 y 5, a todas las preguntas. Más específicamente, en las preguntas 1 y 2, relacionadas con la definición del dominio de conocimiento, los sujetos expresaron que se sentían cómodos organizando sus cursos según la estructura propuesta. Por ejemplo, respecto a la pregunta 1, que se refiere a la definición de la jerarquía de objetivos de aprendizaje, alguien expresó:
Ayuda mucho a estructurar el conocimiento. (Hombre, 30 años).
Respecto a la pregunta 2, que se refiere a la definición de las actividades y la incorporación de estrategias pedagógicas, expresaron que encontraban este aspecto muy importante e interesante. Sin embargo algunos comentaron su preocupación frente al esfuerzo que implica:
Es importante, ya que nos lleva a pensar y repensar nuestro quehacer pedagógico, nuestra forma de realizar actividades, así como su evaluación. (Hombre, 53 años).
Implica más trabajo para el docente pero después todo saldría perfecto. (Mujer, 27 años).
En la pregunta 3, relacionada con la implementación de la secuenciación adaptativa, muchos sujetos dijeron que era sumamente apropiada, aunque algunos expresaron que hubieran preferido una interfaz más atractiva:
Es bastante intuitivo. (Hombre, 36 años).
Sería interesante mejorar un poco la interfaz, pero es muy funcional. (Hombre, 33 años).
En la pregunta 4, que se refiere a la especificación de las características cognitivas asociadas a los archivos en las actividades, los sujetos encontraron difícil su caracterización en términos de estilos de aprendizaje:
A veces resulta algo complicado. (Hombre, 30 años).
Es algo subjetivo porque casi siempre se asocian dos estilos opuestos y no es fácil hacer una calificación exacta o correcta. (Hombre, 46 años).
En la pregunta 5 la mayoría de los sujetos opinaron que la presentación adaptativa de contenido era una de las funcionalidades más importantes de toda la plataforma:
Excelente porque tiene en cuenta la gran variedad de estudiantes que tenemos. (Mujer, 27 años).
Permite desarrollar contenidos dirigidos a los estudiantes con mayores posibilidades de éxito en el proceso de aprendizaje. (Hombre, 53 años).
De todas las preguntas, la 6, que se refiere a la creación del banco de ítems de evaluación, fue la que obtuvo la menor valoración promedio y la más alta desviación estándar. De hecho, fue la que obtuvo el porcentaje más alto de valoraciones por debajo de 3 puntos. Para los sujetos, aunque eran conscientes de que este proceso es importante y necesario, su realización resultó difícil y laboriosa:
Requiere mucho trabajo, ya que no estamos acostumbrados a categorizar por nivel las preguntas, aunque es lo ideal. (Mujer, 31 años).
Sin embargo, una vez creado el banco de ítems de evaluación, la mayoría de los sujetos opinaron que el procedimiento de evaluación adaptativa era mejor que el tradicional (pregunta 7). Aun así, algunos de ellos expresaron algo de recelo sobre el procedimiento:
Es bueno tener en cuenta las capacidades de cada estudiante” hombre, 31 años.
No comparto el hecho de preguntas de menor nivel para unos que para otros. (Mujer, 27 años).
IV. Conclusiones
Pese a que la adaptación es una característica deseable de los
cursos en línea, la mayor parte de las veces esta tecnología se
encuentra confinada a ambientes académicos y raramente es adoptada por
docentes en ambientes educativos reales. Este fenómeno puede deberse
a múltiples causas, siendo una de ellas el desconocimiento por parte
de dichos docentes de las funcionalidades adaptativas que pueden emplearse,
así como de herramientas de autor que permitan usarlas.
El presente estudio se enfoca en esta problemática, haciendo una breve
descripción de la plataforma Web llamada Doctus, la cual considera tres
funcionalidades adaptativas: la secuenciación del currículo usando
una estructura de prerrequisitos, la presentación de contenido considerando
estilos de aprendizaje, y la evaluación basada en el enfoque de la teoría
de respuesta al ítem. Sin embargo, más que presentar todos los
detalles acerca de los algoritmos que dichas funcionalidades implementan, la
idea es exponer las ideas subyacentes y los procedimientos generales, esperando
así reducir la brecha entre esta tecnología y los usuarios finales
que deberían usarla: los docentes.
Para lograr este cometido el estudio también presentó la experiencia
frente a Doctus de 51 docentes de educación básica primaria y
secundaria. Los resultados obtenidos fueron sumamente valiosos en el sentido
de que mostraron que dichos docentes se concientizaron de la importancia de
considerar las diferencias individuales de los estudiantes. Asimismo, mostraron
que se sintieron entusiasmados a la hora de incorporar nuevos modelos como los
estilos de aprendizaje de Felder, como también nuevos procedimientos
como la Evaluación Adaptativa Computarizada dentro del proceso de enseñanza/aprendizaje.
Sin embargo, no todo es color de rosa. Los resultados también demostraron
que para muchos docentes las tareas requeridas para que tales funcionalidades
adaptativas se lleven a cabo les parecieron complejas. Para muchos, por ejemplo,
el proceso de presentación adaptativa de contenido les pareció
difícil a la hora de definir a qué estilo de aprendizaje estaba
enfocado un determinado archivo que incorporaban a una actividad. Asimismo,
en el caso de la evaluación adaptativa muchos expresaron que la creación
del banco de ítems era muy laboriosa.
Como comentario final debemos decir que, pese a estos contratiempos, esperamos
que en el futuro cercano más y más docentes acojan esta tecnología
en sus cursos en línea. Cada día surgen más evidencias
a favor de los Sistemas Educacionales Inteligentes y Adaptativos, lo que consideramos
que falta todavía es la socialización de herramientas de autor
robustas y amigables que ayuden a superar los temores y dificultades de quienes
son los primeros llamados a usarlas: los docentes.
Reconocimientos
Agradecemos a los docentes y estudiantes del curso Taller TIC
y Educación en Ciencias I, de la Maestría en Enseñanza
de las Ciencias Exactas y Naturales en la Universidad Nacional de Colombia-Sede
Medellín, su participación en el presente estudio durante el primer
semestre de 2012.
Referencias
Brusilovsky, P. (2003). Developing adaptive educational hypermedia systems:
from design models to authoring tools. En Murray et al. (Eds.) Authoring
tools for advanced technology learning environment (pp. 377-409). Dordrecht,
Países Bajos: Kluwer Academic Publishers.
Brusilovsky, P. y Peylo, C. (2003). Adaptive and Intelligent web-based educational
systems. International Journal of Artificial Intelligence in Education,
13, 156-169.
Chen, C. H., Liu, C. Y. y Chang, M. H. (2006). Personalized curriculum sequencing
utilizing modified item response theory for web-based instruction. Expert Systems
with Applications, 30, 378-396.
Coffield, F., Moseley, D., Hall, E. y Ecclestone, K. (2004). Learning styles
and pedagogy in post-16 learning, a systematic and critical review. Londres:
Learning and Skills Research Centre.
Felder, R. y Silverman, L. (1988). Learning and teaching styles in engineering
education. Engineering Education, 78(7), 674-681.
Karampiperis, P. y Sampson, D. (2005). Adaptive learning resources sequencing
in educational hypermedia systems. Educational Technology & Society,
8(4), 128-147.
Knutov, E., De Bra, P. y Pechenizkiy, M. (2009). AH 12 years later: a comprehensive
survey of adaptive hypermedia methods and techniques. New Review of Hypermedia
and Multimedia, 15(1), 5-38.
Moreno, J., Ovalle, D. y Vicari, R. (2010, Noviembre). Método para
la selección de objetos de aprendizaje a partir de características
cognitivas del estudiante. Artículo presentado en el 21 Simpósio
Brasileiro de Informática en Educación, João Pessoa, Brasil.
Oppermann, R. y Kinshuk, R. (1997). Adaptability and adaptivity in learning
systems. Knowledge Transfer, 2, 173-179.
Ponsoda, V. (2000). Overview of the computerized adaptive testing. Psicológica,
21(1), 115-120.
Samuelis, L. (2007). Notes on the components for intelligent tutoring systems.
Acta Polytechnica Hungarica, 4(2), 77-85.
Stash, N. (2007). Incorporating cognitive/learning Styles in a general-purpose
adaptive hypermedia system. Tesis de doctorado, Technische Universiteit
Eindhoven, Países Bajos. Recuperado de http://alexandria.tue.nl/extra2/200710975.pdf
Stewart, C., Cristea, A., Brailsford, T. y Ashman, H. (2005, Febrero). Authoring
once, delivering many: Creating reusable Adaptive Courseware. Artículo
presentado en IASTED International Conference on Web-based
Education, Grindelwald, Suiza.
Thissen, D. y Mislevy, R. (2000). Testing Algorithms. En H. Wainer (Ed.)
Computerized adaptive testing: A primer (pp. 101-134). Mahwah, NJ: Lawrence
Erlbaum Associates.
Para citar este artículo,
le recomendamos el siguiente formato:
Moreno, J., Ovalle, D. y Vicari, R. (2014). Una plataforma para la implementación
de cursos en línea adaptativos: descripción y punto de vista de
los docentes. Revista Electrónica de Investigación Educativa,
16(3), 103-117. Recuperado de http://redie.uabc.mx/vol16no3/contenido-moreno-ovalle-vicari.html