Evaluación personalizada y automatizada

3,354 views

Published on

2 Comments
0 Likes
Statistics
Notes
  • Be the first to like this

No Downloads
Views
Total views
3,354
On SlideShare
0
From Embeds
0
Number of Embeds
1,777
Actions
Shares
0
Downloads
16
Comments
2
Likes
0
Embeds 0
No embeds

No notes for slide

Evaluación personalizada y automatizada

  1. 1. La tecnología ya propone una personalización automatizada de la evaluación Dolors Capdet Octubre 2013
  2. 2. Evaluar para el docente significa un proceso de valoración con una visión integradora (determinar necesidades), coherente (adaptada al proceso y a las necesidades), planificada (de acuerdo a las estrategias preestablecidas), contextualizada (a las características y entorno del alumno), exhaustiva, rigurosa, proporcionada, ponderada, dinámica,...
  3. 3. Para el aprendiz evaluar significa un proceso en el que se califica, clasifica, acredita y/o excluye, generalmente en una prueba única, sometido a presión y en la que no siempre obtiene los mejores resultados
  4. 4. Hasta hace relativamente poco el aprendiz no ha sido el centro del proceso. Las principales Teorías Educativas no han contribuido excesivamente a que lo fuera.
  5. 5. Modelo conductista / Modelo cognitivista: Lo importante es el resultado y no el proceso interno del alumno. Modelo constructivista: Aprender haciendo y demostrar lo aprendido Modelo conectivista: Interactuar para adquirir las habilidades y competencias necesarias para ser eficientes en la Sociedad del Conocimiento
  6. 6. La tecnología ya permite una evaluación continua, constructiva, que no clasifica y no excluye, gracias a los Sistemas de Recomendación, utilizados inicialmente como herramienta de marketing y posteriormente aplicados también a algunas situaciones y entornos de aprendizaje
  7. 7. Los sistemas de recomendación utilizan datos recogidos previamente ya sea de forma explícita (facilitados voluntariamente) o implícita (fruto de una monitorización) para la construcción de conceptualizaciones. Son albergados en repositorios y facilitados en función de las necesidades o la demanda.
  8. 8. Los sistemas de recomendación se basan en la utilización de perfiles para representar las necesidades del usuario a corto y medio plazo. Se construyen sobre una base de conocimiento (taxonomias, tesauros, ontologías) que utilizarán unos agentes de software capaces de operar con estos recursos a nivel semántico.
  9. 9. Los sistemas de recomendación utilizan algoritmos para filtrar algunos elementos previamente seleccionados entre un conjunto de información determinado y ofrecer respuesta a una demanda explicita o implícita.
  10. 10. En los sistemas de recomendación basados en contenido se analiza el peso y la frecuencia de algunos elementos clave para generar una retroalimentación de relevancia, necesariamente abierta y no exenta de aleatoriedad.
  11. 11. Los sistemas de recomendación se basan en un filtrado colaborativo realizado por un entorno cercano y adecuado que ha evaluado previamente y de manera automatizada los aspectos requeridos. Algunos modelos son: Fab (perfiles), Phoaks (mensajes), Referral Web (interacción en redes sociales), Siteseer (favoritos), Footprints (huellas de interacción digital), ...
  12. 12. Yu, Nakamura y colaboradores en 2007 (http://www.ajbasweb.com/ajbas/2012/February/115-123.pdf) modelan un sistema de recomendación específico para un elearning, personalizado, basado en la coincidencia entre las necesidades, preferencias, conocimientos y conducta del aprendiz, pero que distingue entre aprendizaje formal (sujeto a normas) e informal (totalmente abierto), los diferentes niveles y los distintos estilos de aprendizaje
  13. 13. Infantium (http://www.infantium.com/) utiliza un sistema de recomendación para detectar y mejorar las habilidades y competencias de niños de 0 a 3 años, mediante unos apps (diseñados por pedagogos) colocados en unos videojuegos (elegidos por los padres) y con los que juegan cuando los niños quieren, sin obligación de hacerlo y sin saber que son monitorizados.
  14. 14. En los sistemas de recomendación, basados en arquitecturas distribuidas dentro de un determinado dominio, los alumnos tienen asociada una ontología temporal que permite una mejor adaptación a modificaciones e incluso a posteriores cambios de dominio.
  15. 15. Con la llegada de las Teorías Constructivista y Conectivista cambia el rol del profesor que pasa a ser un facilitador o acompañante del proceso aunque sigue evaluando. Si los sistemas de recomendación siguen mejorando y avanzando hacia una ampliación de variables personalizadas es probable que le releven también de esta función
  16. 16. Pero la pregunta es ¿sigue siendo necesaria una calificación para obtener una acreditación de los conocimientos adquiridos?
  17. 17. Gracias por su atención

×