Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

La revolución de datos masivos en las aulas

480 views

Published on

Explicación sencilla de como los datos masivos y el big data es la tecnología que más va a influir en nuestra educación en los próximos años.

Published in: Education
  • Be the first to comment

La revolución de datos masivos en las aulas

  1. 1. Feria de Madrid - 3 y 4 de marzo - 2016 - La revolución de los datos masivos en las aulas
  2. 2. Hashtag del Congreso: #expoelearning @aefol
  3. 3. Revolución Industrial
  4. 4. Todos iguales
  5. 5. Elige el color que más te guste siempre y cuando sea negro “Henry Ford”
  6. 6. Todo esta definido • Quien es inteligente • Quien es tonto • Quien es raro
  7. 7. Pero resulta • Que un raro
  8. 8. Pero resulta
  9. 9. Pero resulta • Un tonto
  10. 10. Pero resulta • Cualquiera era un tonto si no cumplías los patrones establecidos
  11. 11. Y que pasaba con los distintos CONFLICTIVOS FRACASO CONFLICTIVOS FRACASO POR DEBAJO POR ENCIMA ALGUNOS ALUMNOS SIEMPRE FUNCIONAN BIEN
  12. 12. Sistema educativo
  13. 13. ¿Cómo es? • Un único sistema para todos • Un sistema que gira alrededor del contenido • Memorizar respuestas para nuestra vida • Por tanto necesita tests para comprobar que aprendes • El centro del aprendizaje gira alrededor del profesor/universidad • Caldo de cultivo para los “Gurus”
  14. 14. La probabilidad de que un Gurú acierte es la misma que un mono a una diana
  15. 15. La revolución digital
  16. 16. Cada uno de nosotros es distinto
  17. 17. #revolucióneducativa
  18. 18. Transformación y cambio • Cambio de modelo • Cambio de la sociedad • Todo cambia y lo hace rápido
  19. 19. Pasamos de las sociedad industrial donde todos somos iguales y donde el aprendizaje gira entorno al contenido y las Universidades
  20. 20. a la sociedad digital donde cada uno de nosotros es ÚNICO y el protagonismo del aprendizaje gira entorno a cada uno de nosotros
  21. 21. Múltiples inteligencias “Howard Gardner”
  22. 22. Ya no sólo hay una forma de ser listo Altas capacidades
  23. 23. Distintas capacidades • En la música • En el arte • En las matemáticas • En la creatividad
  24. 24. Distintas motivaciones • En la música • En el arte • En las matemáticas • En la creatividad
  25. 25. Distintos ritmos y estilos de aprendizaje
  26. 26. No todos aprendemos todo a la misma velocidad ni reaccionamos igual ante distintos estímulos
  27. 27. Entonces cual es el futuro
  28. 28. Claves del futuro • Aprendizaje personalizado • Aprendizaje adaptado • Aprendizaje ubicuo • Aprendizaje colaborativo • Aprendizaje social • Experiencias de aprendizaje
  29. 29. 30 Aprendizaje Compartido gracias a la Gestión del Conocimiento y Formalización del Aprendizaje Informal Mix de metodologías basado en Aprendizaje y Contenido Informal bajo demanda Aprendizaje Guiado por Tutor basado en Contenidos y Gestión (LMS) Enseñanza Asistida por Ordenador basada en Modelo de Autoaprendizaje 1990 s 2000 + 2005 + 2010 + Aprendizaje Extendido a la Comunidad gracias a las Redes Sociales y al mix de intereses personales y profesionales 2012+ e-learning CBT Informal Learning Collaborative Learning Social Learning Fuente: Bersin & Associates 2015… Entornos personales de aprendizaje. Contenidos autoadaptativos My Learning
  30. 30. Aprendizaje masivo personalizado
  31. 31. Cómo es posible • Muchos datos vs. Pocos datos • Todas las fuentes vs. Sólo algunas fuentes • Cantidad de datos vs. Calidad de datos • Todos los datos vs. Sólo algunos datos • Machine learning o aprendizaje automático de las máquinas
  32. 32. El Big data ya aporta más cambios a la medicina que los propios médicos
  33. 33. trVeamos un ejemplo IBM
  34. 34. trVeamos un ejemplo Microsoft
  35. 35. trVeamos un ejemplo Google
  36. 36. trVeamos un ejemplo Google
  37. 37. Retos • Aún faltan datos • No hay suficientes datos compartidos • Cuanto más datos más fiables los patrones y los resultados de las correlaciones entre variables significativas
  38. 38. Oportunidades • MOOCs • E-Learning todo queda registrado • xApi o bbdd de datos compartidas con millones de datos de usuarios
  39. 39. Qué estamos consiguiendo • Tenemos teradatos de información • 50.000 alumnos en todo tipo de cursos • Todo está registrado • Encontramos patrones significativos • Descubrimos cosas que no nos esperábamos
  40. 40. Qué estamos consiguiendo • Personalizamos y Adaptamos: – Contenidos – El nivel y casos – Ritmo de aprendizaje – Ofrecemos datos relevantes a los profesores • Problema con un contenido • Problema con una explicación • Sobre estilos de aprendizaje y motivaciones de cada alumno
  41. 41. Qué estamos consiguiendo • Adaptar los itinerarios de aprendizaje a cada estilo, ritmo, capacidad y motivación. – Resultados – Progreso – Estilo de aprendizaje – Nivel inicial – Patrones de otros usuarios (como Amazon)
  42. 42. CasoCaso: Altchool
  43. 43. El Big Data es la tecnología que cambiará la forma de ver el mundo también en las escuelas Descubriremos el qué aunque no llegaremos a saber el por qué pero para qué.
  44. 44. #FIN Rel_author: @oscarfuente Company: @IEBSchool

×