Ir al contenido principal

Por qué el pensamiento computacional (y VIII). Métodos colaborativos.- ¿Hacer cosas juntos o entender cosas juntos?.

Hace un mes y medio, el 5 de Noviembre, comenzábamos esta serie de ocho entradas que hoy concluimos.

En este recorrido toca llegar al final, aunque quizá haya más componentes del pensamiento computacional de los que hemos visto, y esperamos futuras críticas y propuestas. Vamos a concluir con el trabajo colaborativo.
Expresiones como trabajo colaborativo o aprendizaje colaborativo son lugares comunes en la práctica de la enseñanza y en las teorías del aprendizaje. Tienen su origen remoto en los métodos socráticos, en el aprendizaje vicario y más recientemente en las teorías de Vygostky, en las del aprendizaje situado de Merrill y en el socioconstructivismo. Y han adquirido plena vigencia en los entornos conectados de aprendizaje. Si bien las aportaciones más fecundas en el mundo del aprendizaje con la ayuda de la tecnología se deben a David Jonassen, Mark Davidson, Mauri Collins, John Campbell, y  Brenda Bannan Haag (1995).


En el mundo computacional: La complejidad de desarrollos y arquitecturas hace inconcebible el trabajo aislado. Tienen que producirse fuertes flujos de trabajo y de comunicación que hagan posibles proyectos comunes en equipos amplios. De hecho se ha desarrollado una ética, casi una mística, conocida y popularizada por Pekka Himanen (2002) como la ética del hacker, basada en la emoción por compartir más que en el valor económico del trabajo propio de la ética de Weber, la ética protestante del trabajo.
En una buena parte esta disposición a compartir y al trabajo colaborativo constituye un elemento para la formación en valores del pensamiento computacional. Pero también implica un desafío, no todo el mundo de forma inicial acepta compartir, implica un compromiso e implica una técnica.

La definición más amplia pero igualmente imprecisa e insatisfactori, de "trabajo colaborativo" es la que da Dillenbourg (1999): Trabajo colaborativo es el que se produce en una situación en la que dos o más personas aprenden o intentan aprender algo juntos.

Es obvio que al menos hay tres imprecisiones en los elementos de esta definición, que se pueden interpretar de diferentes maneras:
"Dos o más" es ¿un par?, ¿un pequeño grupo (3-5 individuos)?, ¿una clase (20-30 sujetos)?, una comunidad (unos pocos cientos o miles de personas), ¿un MOOC?, ¿una sociedad (varios miles o millones de personas) ... ¿cualquier nivel intermedio?. Esto da lugar a situaciones de aprendizaje completamente distintas, cada una de las cuales lleva aparejado un análisis que de forma no simple es muy diverso. Los entornos de los que estamos hablando y que permiten un trabajo fecundo son aquellos que permitan de forma eficiente a cada individuo procesar la información que genera el resto.

"Aprender algo" puede ser interpretado como "seguir un curso con provecho", es decir cumpliendo los objetivos de aprendizaje previstos, o también se puede referir de forma laxa a aprender (en el sentido de comprender solo y memorizar de forma comprensiva) el "material del curso de estudio", o bien "realizar actividades de aprendizaje tales como la resolución de problemas", y en su caso óptimo que de ellas se desprenda conocimiento o elaboración, igualmente puede ser "aprender de la práctica del trabajo" que se realiza entre varios y en el que interviene la interacción.

Y en esto último es cuando interviene el último elemento de la definición: "juntos". Que en cualquier caso implica y se debe interpretar como como una referencia a diferentes formas de interacción que, por la forma física de realizarse, origina distintos entornos y proceso cognitivos: Cara a cara, grupo o videogrupo (hangout), mediada por entornos de red, sociales (web social), sincrónicas o no, frecuentes en el tiempo o no, si se trata de un esfuerzo verdaderamente conjuntado y coordinado, si el trabajo se divide de una manera sistemática en un entorno colaborativo, híbrido y organizado con affordances a ese fin.

Combinados de múltiples formas y en relación con fines de distinta naturaleza, pero todos ellos conducentes a aumentar el material cognitivo de los participantes, y el común, constituyen ambientes que se encuentran bajo la etiqueta de "aprendizaje colaborativo". Podemos reconocer así a parejas o tríos de aprendizaje, que se desenvuelven a través de trabajos intensivos y cortos para resolver un problema de forma conjunta y síncrona, durante una o dos horas, a grupos de estudiantes que utilizan el correo electrónico o Facebook durante un curso, o durante un año, a las comunidades de profesionales que se desarrollan vinculadas a una cultura específica a través de generaciones de participantes.
La actividad que se produce es singular y la capacitación o las competencias para obtener el máximo rendimiento son necesarias para el mundo computacional, con rasgos específicos (por ejemplo con pasarelas de datos y de resultados), pero igualmente para el resto de actividades que conducen a algún tipo de aprendizaje o de desarrollo. El análisis tiene al menos tres dimensiones como hemos visto, cada una constituye no de forma excluyente ni por separado del resto, un dominio de estudio y de investigación: la dimensión de la situación de colaboración (tamaño del grupo,  período de tiempo, affordances,…), el tipo y características del "aprendizaje" y las formas de "colaboración".

Referencias útiles en un primer acercamiento son:

Sobre la noción de escala en relación con las modalidades y los objetivos del trabajo colaborativo, "... los paradigmas de investigación basadas en distinciones entre lo  social y lo cognitivo”, se encuentra el trabajo de Perret-Clermont, Perret y Bell (1991). Sobre las teorías de la cognición distribuida (Salomon, 1993) en que el grupo es visto como un sistema cognitivo. El proceso de construcción de un grupo de micro-cultura es estudiado por Baker, Traum, Hansen y Joiner (1999), y por Hansen, Lewis, Rugelj y Dirckinck-Holmeld (1999).

En resumen la cuestión no es tanto aprender técnicas para trabajar juntos como encontrar una cultura común, unas referencias y  unas experiencias que hagan que esa forma de trabajar fluya.

Con este apartado dedicado a métodos colaborativos concluimos la serie de ocho posts y once elementos o componentes del pensamiento computacional.

Como dijimos al principio queda por desarrollar pormenorizadamente los contenidos en un corpus útil a las disintas modalidades y niveles de formación, así como para la formación de maestros y profesores que los impartan.
Queda igualmente por unificar las referencias teóricas


Otras informaciones las he aportado a propósito del pensamiento computacional con relación al año del código (year of code) en el post de Tumblr Pensamiento computacional y precodingY también en el post Coding y pre-coding. Otros enlaces y conceptos relacionados los podemos ver en la web oficial del Year of code.



















Referencias.-

Baker, M., Hansen, T., Joiner, R., & Traum, D. (1999). The role of grounding in collaborative learning tasks. In P. Dillenbourg (Ed.), Collaborative Learning: Cognitive and Computational Approaches. (pp. 31-63; 223-225). Elsevier Science.

Dillenbourg, P. (1999). What do you mean by collaborative learning?.Collaborative-learning: Cognitive and Computational Approaches., 1-19.

Jonassen, D., Davidson, M., Collins, M., Campbell, J., & Haag, B. B. (1995). Constructivism and computermediated communication in distance education.American journal of distance education, 9(2), 7-26. http://www.tandfonline.com/doi/abs/10.1080/08923649509526885

Hansen, T., Dirckinck-Holmfeld, L., Lewis, R., & Rugelj, J. (1999). Using telematics to support collaborative knowledge construction. Collaborative learning: Cognitive and computational approaches, 169-196. http://www.researchgate.net/publication/228559912_Using_telematics_to_support_collaborative_knowledge_construction/file/60b7d523962ffc2db3.pdf

Himanen, P. (2002). La ética del hacker y el espíritu de la era de la información. http://eprints.rclis.org/12851/

Salomon, G. (1993). Distributed cognitions. Psychological and educational considerations (pp.
111-138) Cambridge, USA: Cambridge University Press.


Comentarios

  1. Excelente artículo, muchas gracias. Pero perdone, no me quede claro quien es el autor ¿Miguel Zapata-Ros? Lo usare en mis CAMEL http://interconectados.org/
    Saludos desde Caracas, Venezuela

    ResponderEliminar

Publicar un comentario

Entradas populares de este blog

Pensamiento computacional desenchufado (VI).- Materiales

Esta serie de posts es un material extraido del libro   El pensamiento computacional, análisis de una competencia clave  (II Edición)  ISBN:   9781798608524. (Versión  ebook ) Muchos hemos estado en Ikea y hemos visto juguetes basados en metodologías de aprendizaje por manipulación, los popularmente conocidos como juguetes Montessori. Tienen este nombre por ser esta autora la que más impulsó y desarrolló este tipo de aprendizaje, el que se produce por la manipulación autónoma por el alumno en un entorno, al que en este caso se denomina rincón, organizado para este fin. Son juguetes para que los niños, a través de la exploración y del desarrollo de sus actividades motoras y sensoriales también desarrollen otras habilidades y facultades cognitivas que en otro momento pueden facilitar aprendizajes de este tipo más complejos. Nos referimos, solo a modo de ejemplo, sin ser exhaustivos, a algunos de estos aprendizajes: A sus habilidades de secuenciación: Por forma, tamaño, co

Pensamiento bayesiano, una componente distinta y relevante del pensamiento computacional (II)

Fuente:  http://www.forbes.com/2010/12/21/speechome-interactive-visualization-language-acquisition.html Veamos ahora otro campo: La lingüística, el aprendizaje automático de lenguajes naturales y el procesamiento del lenguaje natural (PNL). En él nos encontramos este libro de Shay Cohen (2019) titulado Bayesian Analysis in Natural Language Processing , y reseñado por Brett Drury (agosto 2019). En él se sostiene que el análisis y razonamiento probabilístico es un subcampo del aprendizaje automático aplicado al procesamiento del lenguaje natural (PNL). Y, en su contexto, un campo de Probabilidad, la estadística bayesiana, puede ofrecer técnicas únicas para el PNL. Como en el resto de la tradición bayesiana, pero ahora apoyada por el análisis de grandes conjuntos de datos, la asignación de probabilidad a un suceso se basa en la probabilidad de su inverso (probabilidad a priori ), a través del resultado en experimentos conocidos (probabilidad inversa, probabilidad compuesta y teorem

¿Cómo el pensamiento computacional se ha convertido en una competencia clave para los tiempos que corren?

Este post tiene su origen en la pregunta que, con el mismo enunciado que el título de este artículo, me hacen para la presentación del libro "Tecnologías en (y para) la educación" y del máster EduTIC, ambos de FLACSO. I Entre el quinto y tercer milenio antes de Cristo se desarrolla, primero en Mesopotamia del Sur y luego en amplias zonas que hay entre lo que hoy es Siria e Irán, un tipo de escritura basada en símbolos abstractos similares de los que hoy constituyen el código alfabético latino, el griego, el cirílico o el arameo. Es un código que supera las distintas escrituras ideográficas anteriores y posteriores, permitiendo la complejidad de expresar circunstancias, cualidades, acciones e ideas, modificándolas en función del tiempo, del modo, de la intención, del grado de desarrollo y de otros rasgos. Es la escritura cuneiforme Tableta del periodo Uruk ( 3800 a. C.  a  3200 a. C. https://es.wikipedia.org/wiki/Per%C3%ADodo_de_Uruk ) Fuente BBC News https://www.bbc.c