Lo hemos contado en muchos artículos: el aprendizaje personalizado, un enfoque de aprendizaje que se encuentra en la naturaleza misma de la educación (no podemos aprender algo bien si no hemos comprendido qué pertinencia tiene ese aprendizaje y cómo podemos aplicarlo a nuestra situación personal), está adquiriendo un nuevo y revitalizado papel: sistemas de tutoría inteligente, plataformas de aprendizaje, aprendizaje adaptativo…
Las posibilidades de este enfoque de aprendizaje para reducir la brecha educativa en entornos vulnerables son grandes. Sin embargo, la implantación de este tipo de soluciones debe ser convenientemente analizada y estudiada si queremos sacar el máximo partido de sus beneficios y evitar que se conviertan en un factor más de desigualdad que acabe produciendo el efecto contrario al que se pretende.
En este artículo hacíamos referencia a un estudio de UNICEF que analizaba diversas aplicaciones de aprendizaje digital personalizado y su implantación y funcionamiento en países de ingresos bajos y medios y resumíamos las principales conclusiones del informe. En este post queremos centrarnos en las recomendaciones y acciones que pueden emprenderse a partir de estas conclusiones y lecciones aprendidas.
¿Cuáles son estas recomendaciones? ¿Qué tipo de acciones pueden emprender gobiernos, empresas y organizaciones para mejorar la calidad de la educación en estos entornos utilizando el aprendizaje personalizado con tecnología? Lo vemos a continuación:
- Apoyar la innovación local. Los gobiernos y los actores de la industria de la tecnología educativa deberían apoyar a los proveedores de aprendizaje personalizado de los países vulnerables para promover más innovación local y una mayor colaboración Sur-Sur con los mercados aún desatendidos o con importantes lagunas de aprendizaje.
- Más temáticas e idiomas. Las empresas de aprendizaje personalizado y los investigadores deberían considerar la posibilidad de explorar su eficacia en áreas temáticas y dominios de competencias más allá de las matemáticas y la lectoescritura, especialmente las ciencias y las competencias transferibles. Además, los actores del ecosistema deberían explorar conjuntamente formas de ampliar la cobertura de las lenguas locales, especialmente las no dominantes.
- Más evaluaciones de impacto. Las empresas y los investigadores deberían diseñar evaluaciones de impacto que consideren y comparen cómo las soluciones de aprendizaje personalizado producen aprendizaje en diferentes entornos educativos (en la escuela, después de la escuela, en casa, etc.) y con diferentes propósitos (aprendizaje básico frente a aprendizaje complementario), pues aún faltan evaluaciones exhaustivas que comparen los diferentes modelos en cuanto a sus criterios de éxito, eficacia e impacto.
- Un esfuerzo sistémico para ampliar los contenidos abiertos. Es necesario un esfuerzo colectivo y sistemático dentro del ecosistema de aprendizaje personalizado para desarrollar catálogos de contenidos de calidad con una variedad de recursos y metadatos relevantes que las diferentes soluciones puedan aprovechar para escalar sus repositorios de contenidos y alinearse con los estándares locales más fácilmente.
- Investigar los algoritmos y alinearse con parámetros comunes para evaluar. Es necesario seguir investigando para comprender mejor la eficacia, la precisión y el sesgo de los distintos enfoques algorítmicos. Además, es necesario alinearse con parámetros o normas de rendimiento ampliamente aceptados con los que puedan evaluarse las soluciones basadas en IA con fines educativos.
- Investigar sobre la influencia de la motivación y el compromiso de los estudiantes en el aprendizaje. Se necesita más investigación para comprender qué tipo de intervenciones resultan más eficaces para el compromiso de los estudiantes y los resultados del aprendizaje, y si los modelos de adaptación informados por el estado afectivo de los estudiantes tienen algún impacto adicional en sus comportamientos y en sus resultados de aprendizaje.
- Mayor capacitación docente para apoyar el aprendizaje personalizado. En el caso de los productos de PL destinados a ser utilizados en entornos institucionales (es decir, escuelas o centros de aprendizaje), su diseño y despliegue deberían explorar cómo se puede capacitar a los profesores para que desempeñen un papel de mayor apoyo en el proceso de aprendizaje de los niños. En concreto, el futuro diseño de los programas de aprendizaje debería tener en cuenta la posibilidad de proporcionar a los profesores una retroalimentación práctica. Una vez desplegado el producto, el apoyo continuo y el desarrollo de capacidades de los profesores deben ser una prioridad para garantizar que puedan utilizar las funciones de la plataforma de manera significativa.
- Traducir los datos en recomendaciones prácticas. El futuro diseño de este tipo de soluciones debería aspirar a la transparencia de los datos en todos los grupos interesados (incluidos profesores, padres y administradores escolares) y proporcionar una mayor amplitud de datos y recomendaciones prácticas sobre el rendimiento de los usuarios más allá de los resultados.
- Priorizar el diseño de funciones offline o para baja conectividad. Es necesario experimentar más con dispositivos de baja tecnología para ampliar el acceso a soluciones de aprendizaje personalizado en entornos con recursos limitados. El diseño debe priorizar también el diseño de funciones offline a las que se pueda acceder en entornos con poco ancho de banda y sin conectividad.
- Facilitar el registro y el inicio de sesión. Las empresas desarrolladoras deberían considerar la posibilidad de facilitar las funciones de registro e inicio de sesión para reducir las barreras de acceso a la plataforma derivadas de procedimientos engorrosos.
- Mayor interoperabilidad. Las empresas desarrolladoras deberían esforzarse por alinearse con las normas de la industria en materia de interoperabilidad. Los gobiernos también deberían tener una visión y un plan estratégicos para implantar sistemas de datos interoperables seguros, que deberían compartir con los proveedores.
- Prácticas responsables en materia de datos. Las empresas deberían seguir normas aprobadas sobre propiedad, seguridad y protección de datos y presupuestar los costes asociados. Los financiadores deberían considerar la posibilidad de que las medidas de protección de datos y privacidad sean un componente necesario en las solicitudes de financiación.
- Prestar más atención a los más vulnerables entre los vulnerables. Las empresas de aprendizaje personalizado deberían seguir incorporando en el diseño de sus productos elementos que tengan en cuenta la diversidad racial, étnica y de género. Sin embargo, deben prestar más atención al diseño de características que satisfagan las necesidades de los alumnos con discapacidad. Además, los modelos de despliegue deben abordar mejor el reto de llegar a los niños marginados.
- Una implicación gubernamental mayor y más sistémica. Dado que los esfuerzos de implicación local tienden a ser ad hoc, es necesario hacer más hincapié en un proceso sistematizado y en modelos para implicar a las partes interesadas locales con el fin de desarrollar la capacidad local y cultivar la aceptación y el apoyo. Se necesitan más asociaciones a largo plazo con los gobiernos, así como implicar al gobierno desde el principio del proceso.
- Explorar modelos de negocio que promuevan la sostenibilidad. Es necesario explorar modelos de negocio y estrategias de financiación alternativos que minimicen o eliminen el coste para los estudiantes y sus familias, al tiempo que permitan a las empresas de PL mantenerse y crecer.
