Successfully reported this slideshow.
Your SlideShare is downloading. ×

Tendencias emergentes de e-learning: MOOCs, gamificación y datos masivos

Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad

Check these out next

1 of 40 Ad

Tendencias emergentes de e-learning: MOOCs, gamificación y datos masivos

Download to read offline

Presentación en Expolearning 2014 Bogotá hablando de algunos conceptos claves y tendencias en educación como los MOOC, Big Data y gamificación.

Presentación en Expolearning 2014 Bogotá hablando de algunos conceptos claves y tendencias en educación como los MOOC, Big Data y gamificación.

Advertisement
Advertisement

More Related Content

Slideshows for you (20)

Viewers also liked (20)

Advertisement

Similar to Tendencias emergentes de e-learning: MOOCs, gamificación y datos masivos (20)

More from Fernando Santamaría (20)

Advertisement

Recently uploaded (20)

Tendencias emergentes de e-learning: MOOCs, gamificación y datos masivos

  1. 1. Tendencias emergentes de e-learning: MOOCs, gamificación y datos masivos Fernando Santamaría González Profesor e investigador Universidad Minuto de Dios (Uniminuto) y Universidad de La Sabana CEO de edumoocs.org
  2. 2. Índice • MOOCs: Qué son y los beneficios para una corporación • Gamificación y sus claves para aplicar a tú negocio. • Los datos masivos y los cambios que producirá en una organización. • Conclusiones
  3. 3. MOOC
  4. 4. 4 > >> > >
  5. 5. 5 > >> > >
  6. 6. 6 > >> > >
  7. 7. 7 > >> > >
  8. 8. Plataformas de aprendizaje > >> > > 8 Enlaces: http://bit.ly/1hmi1ns http://bit.ly/HClBd2 Pearson
  9. 9. Nuevos modelos de negocio 9 > >> > >
  10. 10. Modelos de cobro y capital riesgo. xMOOCs Cobros por la acreditación/certificación y por supervisión de exámenes y evaluación. Selección de personal. Relación con recursos humanos. Talentos. Modelo mixto por el soporte y la personalización del aprendizaje. Valor añadido en contenidos y acuerdos con empresas de contenidos (Editoriales). La venta de la plataforma MOOC a empresas a utilizar sus propios cursos de formación. Patrocinios y tasas de matrícula. Capital riesgo y financiaciones a costo perdido. > >> > > 10
  11. 11. Más allá del e-learning • La abertura y lo masivo. Conceptos que rompen la línea divisoria de un aprendizaje muy “encasillado” o encajado. • En cualquier momento y lugar, incluso no tiene un tiempo prefijado (técnicas atomatizadas) • Emergen una serie de tecnologías emergentes como flipped classroom, learning analytics/big data, BYOD, etc.
  12. 12. Ventajas competitivas • Expansión de la marca y de los contenidos. • Recrear aspectos como la desagregación del contenido y el modelo freemium. • Reforzar la marca y acceder a un amplio público. No tiene por qué ser plenamente gratis. Técnicas freemium.
  13. 13. Integrar dinámicas y mecánicas de juegos a procesos que no son un juego para subir la participación su motivación intrínseca.
  14. 14. Mecánicas del juego Puntos Niveles Premios Bienes Clasificaciones Desafios Misiones o retos Regalos
  15. 15. Dinámicas de juego Estatus Logro Altruísmo Recompensa Competición Expresión (o autoexpresión)
  16. 16. Ciclos de sobreexposición de Gartner Pico de expectativas sobredimensionadas - Abismo de desilusión
  17. 17. Big Data Fuente: http://bit.ly/1qfTbZO
  18. 18. Métodos analíticos • Análisis del contenido. • Analítica del discurso. • Analítica del aprendizaje social o en red. • Analítica disposicional.
  19. 19. Que supone el análisis del aprendizaje • En un ambiente de aprendizaje en red podemos detectar los nodos fuertes y débiles. • El concepto de evaluación del aprendizaje y de los alumnos cambia, de manera que se produce de forma emergente y se debe tomar decisiones ante la recepción de los datos. • Análisis productivo de alumnos o comunidades que no van a resultar exitosas. • A nivel de la investigación educativa será mucho más pertinente y con una profusión de datos importantes para que cambie el sistema investigativo. • Puede ser una buena herramienta para autogestionar el propio aprendizaje del estudiante.
  20. 20. Que supone el análisis del aprendizaje • Se puede mejorar la toma de decisiones administrativas y a nivel organizacional. • Se pueden identificar los alumnos de riesgo y proporcionar la debida intervención. • Se puede con estas técnicas generar mayor transparencia y generar innovación a partir de resultados en tiempo real. • La creación de algoritmos que permitan contrastar los datos y ver las problemáticas a resolver. • Se puede aumentar la productividad. • Se trata de un nuevo paradigma, y que dependiendo cómo se utilice será menos o más disruptivo.
  21. 21. Algunas ventajas • Mejora el rendimiento de los estudiantes y de las facultades. • Mejora la comprensión del estudiante en el material del curso. • Evaluar y atender las necesidades de los estudiantes con dificultades. • Mucha más precisión en las notas. • Fomentar un uso más eficiente de los recursos a nivel institucional. • Adecuado para investigadores, profesionales de la tecnología de la educación y ciencias del aprendizaje para cruzar datos y extraer la información adecuada. • Personalización y adaptación.
  22. 22. Desire2Learn Insights
  23. 23. Modelo de las 3 Vs - 5 Vs Volumen Veracidad Velocidad Variedad Valor
  24. 24. Volumen de datos a nivel mundial
  25. 25. Algunas apps
  26. 26. Fuente The Economist, 27 de febrero de 2010. Unidad Tamaño Qué significa Bit (b) 1 o 0 Dígito binario que utilizan los ordenadores para almacenar y procesar los datos Byte (B) 8 bits Información suficiente como para crear un carácter. Es la unidad básica de la informática. Kilobyte (KB) 1000 o 210 bytes Kilo en griego significa 1000. Una página de texto son KB. Megabyte (MB) 1000KB; 220 bytes Mega en griego significa grande. Las obras completas de Shakespeare son 5 MB. Una canción suele tener alrededor de 4 MB Gigabyte 1000MB; 230 bytes Giga en griego significa gigante. Una película de dos horas puede comprimirse entre 1 y 2 GB. Terabyte 1000GB; 240 bytes Tera significa monstruo en griego. Por ejemplo todos los libros de la Biblioteca del Congreso de EE.UU suman 15 TB. Petabyte (PB) 1000TB; 250 bytes Google procesa 1 PB cada hora. Exabyte (EB) 1000PB; 260 bytes El equivalente a 10.000 millones de copias de The Economist. Zettabyte (ZB) 1000EB; 270 bytes Se calcula que al final del año habrá un total de 4,4 ZB Yottabyte (YB) 1000ZB; 280 bytes LA NSA construirá un datacenter para la vigilancia de un YB
  27. 27. Los datos mundiales se duplican cada dos años
  28. 28. Algunos datos • En el 2012 Google creaba(mos) por día 2,5 exabytes de datos. • Se pronostica que para el año 2020 habrá en el planeta unos 40 zettabytes (actual estamos en 4,4). • En los últimos 2 años se han generado y almacenado más datos que en toda la historia de la humanidad. • Un ejemplo: el acelerador de partículas captura y almacena al año 25 petabytes.
  29. 29. Big Data Will Change Our World?
  30. 30. Big Data Analytics: Answers from Big Data
  31. 31. MUCHAS GRACIAS POR LA ATENCIÓN PRESTADA Fernando Santamaría Profesor de Gestión Básica de la Información (GBI) en Sede Central de Uniminuto > >> > > (Bogotá) y en MIE de la Universidad de la Sabana. Tutor Maestría en Entornos Virtuales de Aprendizaje (Virtual Educa) http://fernandosantamaria.com http://bit.ly/gplusfernando Twitter: lernys http://about.me/lernys

×