lunes, 8 de julio de 2019

La nueva enseñanza universitaria cuando las disrupciones ya se han hecho realidad:


El caso de la Licenciatura de Ciencias de la Computación de la Universidad de Londres y de Coursera


Estos días atrás hemos estado escribiendo unos posts sobre lo que estimamos un proceso de abandono de las instituciones y de los usuarios de los LMS que significativamente hemos llamado “Por qué las universidades empiezan a no utilizar los campus virtuales tradicionales (los LMS) de forma relevante ¿Cómo están siendo sustituidos?”.

En ellos hemos argumentado esa percepción en base a varias series de datos. El primero era el análisis de los llamados “gráficos de calamares” (Squid Chart en inglés). El segundo es que ese descenso en la presencia de los LMS no se ha visto acompañado de un descenso del número de usuarios y de instituciones de las modalidades en línea (virtuales ) de la educación Universitaria, sino justamente lo contrario.  En el tercer punto veíamos qué ha sucedido con las iniciativas de innovaciones disruptivas que en la ES se produjeron tras los MOOC. Ese análisis lo hacíamos en tres fases, la primera con la aparición de esas disrupciones en 2014, con los nanodegrees, micromaster y “dual layer”, la segunda con modalidades disruptivas que por si mismas constituyen estudios acreditados oficialmente como partes de estudios de grado y postgrado o que como acumulaciones constituyen estudios enteros, son los Credentials, College credits y degrees, y una tercera fase en la que sucede al revés son estudios convencionales de postgrado y también de grado (licenciaturas, Bcs, tradicionales) los que se acogen al marco tecnológico y metodológico de las disrupciones anteriores (EDX, Coursera, Udacity a las que se añaden FutureLearn y Kadenze). Entre estas opciones es muy significativa y ejemplar la de la Licenciatura de Ciencias de la Computación (Computer Science BSc) de la Universidad de Londres. Así que llamamos la atención a nuestras queridas autoridades y expertos sobre este caso para que lo sigan de cerca.

En los estudios que señalamos en los dos primeros apartados se enumeran casos de innovaciones disruptivas universitarias basadas en la tecnología MOOC modificada y con sistemas de diseño instruccional más en consonancia con las teorías tradicionales. Casos que perviven y se incrementan en cuanto a participación hasta nuestros días, constituyendo ya una opción de estudios universitarios perfectamente consolidada y a tener en cuenta.

En el tercero aparece un elemento que supone un punto de inflexión incluso en esta dinámica. El día 6 de Marzo de 2018 aparece un artículo de Ellie Bothwell en Times Higher Education (THE) a partir de cual podemos constatar un considerable número de casos donde el procedimiento es a la inversa: Son los estudios convencionales y con tradición los que se pasan en bloque a las nuevas plataformas que son la transformación y adaptación de las originales plataformas de MOOC de Coursera y de FutureLearn.

No es de extrañar que sean precisamente estas plataformas, las que maduren y evolucionen hacia una modalidad de docencia universitaria que en otras ocasiones hemos señalado como de más calidad, desde la perspectiva de las teorías y principios clásicos del aprendizaje, las que sean adoptadas por universidades de excelencia británicas para sumergir en ellas sus títulos de más prestigio completos. De hecho, en trabajos anteriores (Zapata-Ros, Agosto 2013 y 2015) poníamos de relieve el depurado diseño instruccional que subyacía tras la metodología aparentemente simple de Coursera. Ese diseño y sus guías y documentaciones con sus avales teóricos (Fink, 2003),  los hemos utilizado como base de una propuesta concreta de diseño instruccional para cursos abiertos online[1].

La plataforma de aprendizaje en línea Coursera está impartiendo el título de Licenciado en Ciencias de la Computación de la Universidad de Londres completamente en línea siguiendo las líneas metodológicas de esta plataforma y su metodología.



La información que ofrece Coursera sobre Computer Science BSc es sencilla pero interesante. La estructura de los estudios de esta licenciatura permite tener alumnos en cualquier parte del mundo por un precio bastante asequible. Pero sobre todo, si entramos en detalles, visibles y muy esmerados en el folleto informativo (prospectus), tenemos acceso a una detallada información, académicamente muy cuidada, en el sentido que es una transcripción de los principios del aprendizaje, de donde obtiene su fundamento, en una literatura fácilmente comprensible por el estudiante medio.

Esta información del prospecto aborda aspectos fundamentales del diseño de la licenciatura, como son:

  • Objetivos educativos y resultados de aprendizaje (learning outcomes), en el sentido que atribuimos a esta expresión anteriormente (aquí, aquí, y sobre todo en el libro de la ANECA coordinado por Carmen Vizcarro), no utilizando la expresión competencias, pero sabiamente asegurado con creces con algo más que suficiente, con una aplicación del principio de demostración adaptado a cada situación de aprendizaje.
  • Estrategias de aprendizaje, enseñanza y evaluación.
  • Métodos de evaluación
  • Apoyo y orientación al alumno
  • Evaluación y mejora de la calidad


Pero sobre todo reclamamos la atención sobre lo cuidado de este diseño instruccional en una cuestión. Se trata del uso del principio de demostración propuesto por Merrill.

En su trabajo First principles of instructionEducational technology research and development, Merrill (2002) desarrolla esta idea (first priciples), lo hace decantando los principios subyacentes en los que hay consensos, en los que hay un acuerdo esencial, en todas las teorías y que previamente ha identificado.

En un trabajo anterior (Zapata-Ros, Diciembre 2018) citando al trabajo First principles of instruction decíamos

“Este documento se refiere a [unos métodos considerados] métodos variables, como programas y prácticas. Un principio fundamental (Merrill, 2002), o un método básico según Reigeluth (1999), es un aserto que siempre es verdadero bajo las condiciones apropiadas independientemente del programa o de la práctica en que se aplique, que de esta forma dan lugar a un método variable. Teniendo en cuenta como el mismo Merrill (2002) las define:
Una práctica es una actividad instruccional específica. Un programa es un enfoque que consiste en un conjunto de prácticas prescritas. Las prácticas siempre implementan o no implementan los principios subyacentes ya sea que estos principios se especifiquen o no. Un enfoque de instrucción dado solo puede enfatizar la implementación de uno o más de estos principios de instrucción. Los mismos principios pueden ser implementados por una amplia variedad de programas y prácticas.
De esta forma Merrill propuso un conjunto de cinco principios instruccionales prescriptivos (o “principios fundamentales”) que mejoran la calidad de la enseñanza en todas las situaciones (Merrill, 2007 , 2009 ). Esos principios tienen que ver con la centralidad de la tarea, la activación, la demostración, la aplicación y la integración.
Para ello Merrill (2002) propone un esquema en fases como el más eficiente para el aprendizaje, de manera que centran el problema y crean un entorno que implica al alumno  para la resolución de cualquier problema En cuatro fases distintas, cuando habitualmente solo se hace en una: la de demostración, reduciendo todo el problema a que el alumno pueda demostrar su conocimiento o su habilidad en la resolución del problema en una última fase. 
Son las FASES DE INSTRUCCIÓN
Fig. 1
Las fases son (a) activación de experiencia previa, (b) demostración de habilidades, (c) aplicación de habilidades, y (d) integración de estas habilidades en actividades del mundo real.
Así la figura anterior proporciona un marco conceptual para establecer y relacionar los principios fundamentales de la instrucción. De ellos uno tiene que ver con la implicación y la naturaleza real del problema, así percibida por el alumno, y los cuatro restantes para cada una de las fases. Así estos cinco principios enunciados en su forma más concisa (Merrill 2002) son
  1. El aprendizaje se promueve cuando los estudiantes se comprometen a resolver problemas del mundo real. Es decir, el aprendizaje se promueve cuando es un aprendizaje centrado en la tarea.
  2. El aprendizaje se favorece cuando existen conocimientos que se activan como base para el nuevo conocimiento.
  3. El aprendizaje se promueve cuando se centra en que el alumno debe demostrar su nuevo conocimiento. Y el alumno es consciente de ello.
  4. El aprendizaje se promueve igualmente cuando se centra en que el aprendiz aplique el nuevo conocimiento. Y por último
  5. El aprendizaje se favorece cuando el nuevo conocimiento se tienede a que se integre en el mundo del alumno.
De ellos, para este caso, nos quedamos con el tercero, el principio de la demostración, que es en el que se basan en los estudios de grado de la Universidad de Londres. De igual forma que el principio tercero. el de activación, lo utilizábamos para justificar el pensamientocomputacional unplugged.

Aquí pues vamos a hablar de un principio que han tenido en cuenta de forma muy relevante los diseñadores de la licenciatura de Ciencias de la Computación, sobre todo cuando han hablado de objetivos (resultados de aprendizaje, learning outcomes) y de evaluación, íntimamente ligada a ellos por el diseño instruccional. Obviamente nos referimos al PRINCIPIO DE ACTIVACIÓN.

Así lo establecen en el Programme Specification 2018-2019 Computer Science (BSc), en los fines educativos y resultados de aprendizaje, página 10 a12.



Fig. 2

Los estudiantes que completen con éxito la Licenciatura en Ciencias de la Computación (…) deben ser capaces de

Demostrar conocimiento de las principales áreas de la informática y la capacidad de Aplicar esto dentro del contexto de las aplicaciones informáticas.
Mostrar habilidades de resolución de problemas y evaluación, basándose en evidencia de apoyo.
Demostrar la capacidad de producir un trabajo organizado con la orientación adecuada.

Los alumnos que completen con éxito el Diploma de Educación Superior en Informática de la ciencia será capaz de:

Demostrar conocimiento y comprensión crítica de las principales áreas de ciencias de la computación y también demostrar la capacidad de aplicar esto a la evaluación de aplicaciones informáticas
Mostrar habilidades de resolución de problemas y evaluación, basarse en evidencia de apoyo y demostrar una comprensión general de la necesidad de una solución de alta calidad

Demostrar la capacidad de producir trabajo organizado (tanto individualmente como en parte de un equipo) dado la orientación adecuada.

Los estudiantes que completen con éxito la Licenciatura en Ciencias de la Computación, además de los objetivos de aprendizaje del Diploma de Educación Superior y Certificado de Educación Superior, deber ser capaces de:

Demostrar una comprensión sólida de todas las áreas principales de informática y también demostrar la capacidad de ejercer un juicio crítico en la evaluación de aplicaciones informáticas.
Mostrar habilidades de resolución de problemas y evaluación crítica, recurrir a evidencia de apoyo y demostrar una comprensión profunda de la necesidad de una solución de alta calidad.

Demostrar la capacidad de producir un trabajo organizado con una guía mínima.

Demostrar la capacidad de producir un trabajo sustancial desde el inicio del problema a la implementación y documentación.


Y así sucesivamente.

Otra manifestación de la potencia del sistema lo constituye, en el prospecto, en el apartado de Learning, teaching and assessment strategies, lo que llama The core principles of the learning, teaching and assessment strategy (pag. 11). Son siete principios en los que basa toda la metodología, todas las estrategias para el aprendizaje la enseñanza y la evaluación. 

Como dijimos, es la parte que llega al público de unas depuradas y concienzudas elaboraciones que previamente se han hecho a partir de una sólida base pedagógica. De entre ellos destacamos el principio de flexibilidad y el de evaluación:

Fig. 3

En ellos se percibe claramente el principio de Mastery Learning (Los estudiantes progresan a un ritmo adecuado para sus circunstancias) y explícitamente el de evaluación sumativa:

Se diseñarán métodos de evaluación sumativa para promover la retención [dominio] de conocimiento, proporcionando estímulo a través de la retroalimentación del tutor , con una amplia gama de métodos como sea posible para evaluar más efectivamente los resultados de aprendizaje.

Y en la evaluación, conservando los métodos tradicionales como alternativa, promueve como una parte considerable de la evaluación una mezcla de aprendizaje/evaluación basada en proyectos, con Mastery Learning: una retroalimentación para que los alumnos avancen en función de los logros parciales:

Fig. 4

Obviamente un solo caso, aunque sea tan significativo como éste, no demuestra una tendencia ni mucho menos un cambio sustancial. Sin embargo es una muestra bastante significativa de que esta nueva forma de universidad es posible y viable en instituciones muy consolidadas. Además se hace con un empeño de medios y esfuerzo en desarrollo considerable, que manifiesta una confianza decidida en el modelo. 

Esto coincide con el análisis que desde hace años venimos manteniendo de que los MOOC fueron el síntoma efímero de un cambio de mucho más calado que afectaría a fondo los sistemas universitarios vigentes: Eran y son las disrupciones universitarias, semejantes a las que se producen en otros sectores y servicios. Y a las que, en la terminología que Christensen desarrolla en su teoría para estas innovaciones, habría que afrontar en sus núcleos no extensibles. Como son en este caso la calidad de los diseños, de sistemas de universidades abiertas y en línea, basados en los que se consideran principios del aprendizaje, diseño instruccional y de las pedagogías derivadas que potencian la atención y la ayuda a los alumnos de forma singularizada y adaptativa utilizando las posibilidades que la tecnología ofrece. Ese diseño y esas potencias de las universidades constituyen el núcleo no extensible (Zapata-Ros, 2013 y 2014) de esas innovaciones.



Referencias.-

CIT (Center for Intructional Technologie) (2013) Building a Coursera Course Version 2.0 https://docs.google.com/document/d/1ST44i6fjoaRHvs5IWYXqJbiI31muJii_iqeJ_y1pxG0/edit?pli=1

Fink, L.D. (2003), A Self-Directed Guide to Designing Courses for Significant Learning. http://www.deefinkandassociates.com/GuidetoCourseDesignAug05.pdf

Merrill, M. D. (2002). First principles of instruction. Educational technology research and development, 50(3), 43-59. https://link.springer.com/article/10.1007/BF02505024 y https://mdavidmerrill.com/Papers/firstprinciplesbymerrill.pdf

Merrill, M. D. (2007). First principles of instruction: A synthesis. In R. A. Reiser & J. V. Dempsey (Eds.), Trends and issues in instructional design and technology (2nd ed., pp. 62-71). Upper Saddle River, NJ: Merrill/Prentice-Hall.

Merrill, M. D. (2009). First principles of instruction. In C. M. Reigeluth & A. A. Carr-Chellman (Eds.), Instructional-design theories and models: Building a common knowledge base (Vol. III, pp. 41-56). New York: Routledge.

Reigeluth, C. M. (1999). What is instructional-design theory and how is it changing. Instructional-design theories and models: A new paradigm of instructional theory2, 5-29.

Reigeluth (Ed.), Instructional-design theories and models: A new paradigm of instructional theory (Vol. II, pp. 5-29). Mahwah, NJ: Lawrence Erlbaum Associates.

Zapata-Ros, M. (2013). Los MOOCs, génesis, evolución y alternativa. Génesis (I). La crisis de la universidad como legitimadora social del  . https://red.hypotheses.org/505

Zapata-Ros, M. (Agosto 2013). El diseño instruccional de los MOOCs y el de los nuevos cursos online abiertos personalizados (POOCs). http://eprints.rclis.org/19744/

Zapata-Ros, M. (5 sep. 2014). Los MOOC en la crisis de la Educación Universitaria.: Docencia, diseño y aprendizaje. https://www.amazon.es/Los-MOOC-crisis-Educaci%C3%B3n-Universitaria/dp/1500607932/ref=sr_1_3

Zapata-Ros, M. (2015). El diseño instruccional de los MOOC y el de los nuevos cursos abiertos personalizados. Revista de Educación a Distancia, (45).





[1] “El otro hecho constatado es el cambio sobre su línea inicial de ausencia de diseño instrucional, o si lo queremos el avance desde situaciones casi de espontaneismo pedagógico explícito, defendido en los primitivos cMOOC por los autores (…), hasta y hacia modelos de diseño instruccional cada vez más apoyados en los avances de la moderna pedagogía, de las teorías del aprendizaje, de los modelos sobre cómo se aprende, se evalúan los aprendizajes y cada vez más apoyado también en el diseño instruccional (Weller, 2013). Tendencia que Coursera pone de manifiesto en su guía Building a Coursera Course (CIT, 2013), un manual ortodoxo sobre diseño instruccional, secuenciación, elaboración de guías didácticas, etc. y también en su apuesta por el método de tutoría, evaluación y docencia Mastering learning (Brandman, 2013).”

viernes, 28 de junio de 2019

¿Por qué las universidades empiezan a NO UTILIZAR los campus virtuales tradicionales, los LMS, de forma relevante? (y II)



Pero no basta con el gráfico de calamares. Alguien podría poner en cuestión las escalas de la gráfica.

Sin embargo tenemos el detalle que desarrolla sobre ello Phil Hill en palabras claras en el artículo State of Higher Ed LMS Market for US and Canada: 2018 Year-End Edition, posteado el 5 de febrero pasado [1]

Primero disipa cualquier duda respecto de las escalas cuando habla de la metodología seguida para hacer los gráficos:

 veamos un gráfico actualizado de la cuota de mercado de LMS, comúnmente conocido como el gráfico de calamar, para la educación superior de Estados Unidos y Canadá. La idea original sigue siendo: ofrecer una imagen del mercado de LMS en una página, destacando la historia del mercado a lo largo del tiempo. La clave del gráfico es que el ancho de cada banda representa el porcentaje de instituciones [de entre las analizadas] que utilizan un LMS particular como su sistema principal.”

En el párrafo siguiente precisa el ámbito geográfico que toma como referencia para hacer los cálculos

Con el lanzamiento de nuestro informe de fin de 2018 la semana pasada a los suscriptores, es hora de ver las actualizaciones en el mercado institucional de LMS para la educación superior en América del Norte (EE. UU. Y Canadá). Tenga en cuenta que nuestra cobertura para el análisis de mercado incluye Europa, América Latina, Oceanía (Australia, Nueva Zelanda y los países insulares circundantes), así como la cobertura emergente de Medio Oriente.”
De forma que;
“Presentamos los siguientes datos "por instituciones", con una participación de mercado como porcentaje del número total de instituciones que utilizan cada LMS como sistema primario , y "por inscripciones", en donde escalamos las instituciones por su inscripción total. Esto último capta mejor el negocio del mercado de LMS, ya que la mayoría de los acuerdos de licencia se basan en el número de estudiantes.” 
Conclusiones del gráfico:

hay dos tendencias interrelacionadas que merecen una explicación más amplia: el mercado de LMS se desaceleró con menos actividad en general, y Canvas y Blackboard continúan estando en el primer lugar de este mercado.”

Para lo que nos interesa nos centraremos en la primera parte de este párrafo, que el autor explica a continuación y en otro artículo con datos concluyentes:

“la desaceleración global en la actividad del mercado se constata en el número de LMS sometidos a evaluación formal desde mediados de 2018, con datos iniciales que apuntan a un 20 - 25% caída respecto al año anterior. Esta desaceleración parece constituir una meseta [ver figura 5, esta relación con el grafico la sugiere un servidor] en lugar de una tendencia continua, y estamos observando para ver si es temporal o no.”



Figura 5 https://i2.wp.com/eliterate.us/wp-content/uploads/2019/01/LMS-Market-Slowdown-1.png


Lo que notamos en el verano de 2018 fue una caída bastante dramática en los datos a primer vista, particularmente en América del Norte. Con el tiempo, también notamos un cambio en los datos de los últimos 12 meses de las nuevas implementaciones (el total de los 12 meses anteriores para cada mes medido para suavizar la estacionalidad del mercado). Para los datos T12M de diciembre de 2018, que capturan el año calendario 2018 completo, la actividad de las nuevas implementaciones es aproximadamente un 20-25% menor que en el año anterior.”
Obviamente son datos que precisarían ser avalados en futuras mediciones para poder afirmar que es una tendencia. Pero de todas formas en los cuadros de calamares se visualiza la tendencia si sumamos las áreas que en cada momento ocupan las distintas opciones, y observamos como progresan.

3
Esto contrasta con el aumento de la población universitaria en educación a distancia, y obviamente en entornos online. Ver la evolución en el mismo entorno

Figura 6


Hasta aquí los datos. Ahora las conjeturas.

La cuestión es:

¿Qué utilizan las universidades que no utilizan los LMS o las que no los utilizan preferentemente, como base para la docencia virtual? Y sobre todo ¿cómo organizan la docencia virtual?


Uno de los sustitutos pueden ser el complejo formado por la web social y la nube. En sus diversas y más conocidas modalidades, junto con los repositorios institucionales y los complejos editoriales científicos.

Como ejemplos muy significativos podemos poner la experiencia de Lévy y otras reseñadas en RED, particularmente en el monográfico "Web social y sistemas inteligentes de gestión de aprendizaje en Educación Superior



Esa, la sustitución  por el complejo formado por la web social y la nube, sería una hipótesis principal a investigar.

La otra sería qué parte de esa franja ocupan las opciones emergentes disruptivas, es decir las que han aparecido como evolución de los MOOC y de otras disrupciones, así como llas opciones, hoy por hoy muy minoritarias, constituido por las opciones universitarias que en alguna medida utilicen entornos inclusivos en sus distintas modalidades, inclutendo en ellos los propios entornos adaptativos (personalizados tradicionales), los entornos sensibles de contexto y los entornos inteligentes de aprendizaje.

Esto da paso a la siguiente cuestión:

¿Qué sucede con los herederos de los MOOC: Credentials, nanodegres y micromasters?

Sobre la primera hipótesis conviene recordar nuestro análisis sobre LMS sociales y la percepción de los profesores sobre su adopción que ha sido objeto de varias publicaciones (Zapata-Ros, Sept 2014) (Zapata-Ros, Enero 2018).  Y sobre la segunda  hemos hablado en diversos socumentos (Zapata-Ros, 2017) en un apartado titulado "La evolución de la educación universitaria a partir de los MOOC y de otras innovaciones disruptivas" 

Referencias.-

Ros, M. Z. (2014). Los MOOC en la crisis de la Educación Universitaria: Docencia, diseño y aprendizaje. Amazon.

Zapata-Ros, M. (Sept 2014). http://scholar.google.es/scholar_url?url=https://revistas.um.es/red/article/download/236611/180881&hl=es&sa=X&scisig=AAGBfm1PZKzQsXmioSmJv7TFDBbnBy7w7g&nossl=1&oi=scholarr 

Zapata-Ros, M. (2017). Latinoamérica y la educación superior en la encrucijada de la Sociedad del Conocimiento. Desafíos y disrupciones. OSF.IO. https://osf.io/preprints/f8e39/  DOI 10.31219/osf.io/f8e39

Zapara-Ros, M. (2018). Gestión del aprendizaje y web social en la educación superior en línea. RED. Revista de Educación a Distancia, 57(7). Consultado el (dd/mm/aaaa) en http://www.um.es/ead/red/57/zapata.pdf DOI: http://dx.doi.org/10.6018/red/57/7

Zapata-Ros, M. (Enero 2018). http://dx.doi.org/10.6018/red/57/

7


Zapata-Ros, M. (2018). La universidad inteligente. RED. Revista de Educación a Distancia, 57(10). Consultado el (dd/mm/aaaa) en http://www.um.es/ead/red/57/zapata2.pdf DOI: http://dx.doi.org/10.6018/red/57/10 

sábado, 22 de junio de 2019

El pensamiento computacional definido a partir de la acumulación holística de sus elementos constitutivos. Una grata convergencia


Ayer llegó a mí este artículo: The 5th ‘C’ of 21st Century Skills? Try Computational Thinking (Not Coding), de la profesora Shuchi Grover, de Stanford, en el que por primera vez vi en alguien distinto y lejano, sin contacto previo de ningún tipo, como no podría ser de otra forma, considerar el pensamiento computacional como una acumulación de habilidades y elementos de conocimiento necesarios para programar y para caminar por la vida profesional y personal en la sociedad digital. Por fin un poco de luz. Hasta ahora mismo pensaba, ya casi a punto de abandonar al menos en lo fundamental, que ésta era una idea estéril y sin futuro.


Esta conceptualización y la definición correspondiente la venimos desarrollando desde junio de 2014 y, al día de hoy, su expresión más clara y definitiva está en el libro El pensamiento computacional, análisis de una competencia clave (Pérez-Paredes y Zapata-Ros, 2018), además de en posts académicos  (Zapata-Ros, Diciembre 2018) (Zapata-Ros, Diciembre 2014), en el artículo Pensamiento computacional: Una nueva alfabetización digital (Zapata-Ros, 2015) y en numerosos preprints.


Pero vayamos por partes.

En 2014 tras lecturas dispersas pero indicativas de la importancia del tema, me propuse (aquí, aquí y, de forma totalmente concreta, aquí) abordar de una forma expresa el desafío de considerar la construcción conceptual del pensamiento computacional (PC) como una serie de habilidades específicas que sirven a los programadores para hacer su tarea, pero que también son útiles a la gente en su vida profesional y en su vida personal como una forma de organizar la resolución de sus problemas, y de representar la realidad que hay en torno a ellos. Este complejo de habilidades hemos dicho que constituye una nueva alfabetización ---o la parte más sustancial de ella--- y una inculturación para manejarse en una nueva cultura, la cultura digital en la sociedad del conocimiento.

Sin desarrollar demasiado esa idea en este post ---ya lo he hecho en muchos sitios a los que el lector puede acceder fácilmente con una simple búsqueda en Google o en Google Scholar--- podemos concluir que este planteamiento nos lleva a otro: el de justificar y definir el pensamiento computacional de una forma que podamos referenciarlo aceptablemente, y mínimamente consensuada, en otros trabajos y desarrollos. Y sobre todo que sirva como alternativa a la propuesta de aquellos que ven el pensamiento computacional como una serie de prácticas y actividades a incluir en el curriculum para que los niños aprendan exclusivamente a programar. 

Las definiciones clásicas, que se repiten hasta la saciedad en artículos y conferencias,son simples o incompletas.  

La de la informática Tasneem Raja(2014) en el post We Can Code It! , de la revista-blog Mother Jones dice

“El enfoque computacional se basa en ver el mundo como una serie de puzzles, a los que se puede romper en trozos más pequeños y resolver poco a poco a través de la lógica y el razonamiento deductivo”.

Pero ésta es una forma intuitiva en la que una autora, que proviene del mundo computacional, aborda una serie de métodos ampliamente conocidos en el mundo de la psicología del aprendizaje, además del de la computación. Implícitamente está hablando de análisis descendente y de elaboración: Puzzles ---problemas--- que se pueden dividir en puzzles ---problemas--- más pequeños, para ir resolviéndolos. También, en el mismo párrafo, vemos una alusión implícita a la recursividad. Falta la cláusula de parada y la vuelta atrás, pero evidentemente después de armar los puzzles pequeños cada uno hay que ensamblarlo en el puzzle general. Y también, todo hay que decirlo, habrá que incluir el nivel en el que hay que parar y dar marcha atrás.

La definición es simple y muy útil para el lenguaje periodístico, pero limitada e inexacta. Se limita a señalar un solo aspecto de lo que, en otros ámbitos que veremos, hemos incluido como aspectos particulares del pensamiento computacional, como es el análisis descendente. Y evidentemente reducir el pensamiento computacional al análisis descendente es muy pobre, aunque sea sugestivo y tenga impacto en blogs y en conferencias de divulgación.

La definición de Wing (2006), a la que siempre se recurre, es muy general, no hace pensar mucho a la gente y es fácilmente aceptable, pero no nos da pautas concretas para discernir lo que es pensamiento computacional, ahí realmente cabria todo. Wing dice que el "pensamiento computacional" es una forma de pensar que no es sólo para programadores:

El pensamiento computacional consiste en la resolución de problemas, el diseño de los sistemas, y la comprensión de la conducta humana haciendo uso de los conceptos fundamentales de la informática.

En ese mismo artículo continúa diciendo “que esas son habilidades útiles para todo el mundo, no sólo los científicos de la computación”.

El caso es que, finalmente, esto nos llevó a iniciar una serie de incursiones y desarrollos en el tema de la definición del pensamiento computacional por acumulación de habilidades y componentes de desarrollo cognitivo que son necesarios para el uso eficiente de esta forma de pensar.

En junio de 2014 planteábamos esta disyuntiva, o

¿Empezamos a enseñar programación incluida en los contenidos básicos del curriculum?
o
¿más bien se trata de aceptar que existe un pensamiento propio, al igual a como existe un pensamiento heurístico o un pensamiento divergente —al que ya se denomina  pensamiento computacional, y al que algunos hemos llamado precoding (algoritmia, análisis descendente, análisis ascendente, modularización, recurrencia, backtracking,…) — y que habría que empezar por un diseño que favorezca la adquisición de este pensamiento desde las primeras etapas de aprendizaje?
Y el 5 de noviembre de 2014 empezamos, en un blog muy de andar por casa, para simplemente fijar las ideas y comunicarlas de forma fácil, pero destinado en exclusiva este tema, una serie de posts titulada ¿Por qué "pensamiento computacional"?

En el post cuarto, el 23 de noviembre de 2014, empezamos a desarrollar los componentes del Pensamiento Computacional. Comenzamos por “análisis ascendente”, “análisis descendente”, heurística, “pensamiento lateral y pensamiento divergente”, creatividad, resolución de problemas y pensamiento abstracto.

El conjunto de componentes lo concluí en esta primera versión, el martes, 4 de agosto de 2015, con la última componente de catorce: La metacognición.

El esquema en esta primera versión quedaba así:



Fig. 1

En un post posterior incluimos una decimoquinta componente “la cinestesia”. La historia es muy interesante, la podemos encontrar junto con el esquema definitivo en esa fase inicial en el artículo: ¿Por qué "pensamiento computacional"? (¿y XII?) CINESTESIA


Fig. 2: Esquema de 15 componentes en su primera versión 23 de septiembre de 2015


Hay que decir que una serie de posts más pulcra y conteniendo esta última entrada la podemos encontrar en Redes abiertas entre el post ¿Por qué pensamiento computacional? (I) y éste.

  
Hasta aquí la historia inicial del esquema y de la elaboración de la que es resumen. Posteriormente a estas referencias iniciales, la elaboración más completa y la descripción de los elementos que constituyen, bajo esta perspectiva, el pensamiento computacional y una definición por extensión o por compilación la podemos encontrar en:

·         el libro El pensamiento computacional, análisis de una competencia clave (II Edición) (Pérez-Paredes y Zapata-Ros, 2018). En una primera edición en 2017, también aparecen la misma definición y el mismo esquema de 15 componentes ya completo, junto con una primera parte dedicada a la componente “patrones” y “lenguaje de patrones” de Zapata-Ros y Pérez Paredes (Enero 2018). En la II Edición hay además una tercera parte dedicada a “pensamiento computacional desenchufado” (“unpluged computational think”) y un interesante prólogo de César Coll.

·         posts académicos en el blog RED de Hypotheses (Zapata-Ros, Diciembre 2018) (Zapata-Ros, Diciembre 2014),

·         en el artículo Pensamiento computacional: Una nueva alfabetización digital (Zapata-Ros, 2015) y

·         en numerosos preprints.


Pero veamos qué ha escrito la profesora Shuchi Groverde Stanford en el artículo, The 5th ‘C’ of 21st Century Skills? Try Computational Thinking (Not Coding), y el interés que tiene con relación a esta forma de definir el pensamiento computacional.



En el apartado dedicado a decir qué es el PC, la autora dice que está constituido por[1] 

(…) los procesos de pensamiento involucrados en entender un problema y expresar sus soluciones de tal manera que una computadora pueda potencialmente llevar a cabo la solución. La TC se basa fundamentalmente en el uso de conceptos y estrategias analíticas y algorítmicas más estrechamente relacionadas con la informática para formular, analizar y resolver problemas.

Al igual que las habilidades de pensamiento general, la TC es un poco como el [concepto de] liderazgo: es difícil de definir, pero lo sabes cuando lo ves. Si bien muchas personas lo asocian con conceptos como la programación y la automatización, que son todas partes centrales de la informática, los educadores e investigadores han encontrado que es más fácil operacionalizarlo para los propósitos de la enseñanza, el currículo y el diseño de evaluaciones.

Eso significa desglosar las habilidades de TC en sus partes componentes, que incluyen conceptos como lógica, algoritmos, patrones, abstracción, generalización, evaluación y automatización. También significa enfoques como "descomponer" problemas en subproblemas para facilitar la resolución, creando artefactos computacionales (generalmente a través de codificación); reutilizando soluciones, probando y depurando; refinamiento iterativo.

Y sí, también implica colaboración y creatividad! Y además, no es necesario que involucre una computadora.

Veamos pues, de entrada señala la dificultad de definir PC, entonces adopta la posición de definir lo que es PC como, o a través, de un conjunto de cosas (Eso significa desglosar las habilidades de pensamiento computacional en sus partes componentes), la mayor parte de ellas implican o son habilidades, pero siempre son fáciles de operativizar (son todas partes centrales de la informática, los educadores e investigadores han encontrado que es más fácil operacionalizarlo para los propósitos de la enseñanza, el currículo y el diseño de evaluaciones) y sobre todo son posibles de incluir en un diseño educativo.

Son habilidades que incluyen facultades para operativizar la lógica (pensamiento lógico), los algoritmos (algoritmia), patrones, abstracción (pensamiento abstracto), generalización (pensamiento ascendente), evaluación y automatización. También significa enfoques como "descomponer" problemas en subproblemas para facilitar la resolución (pensamiento descendente), creando artefactos computacionales (generalmente a través de codificación); reutilizando soluciones, probando y depurando (ensayo y error); refinamiento iterativo (iteración).

Para concluir diciendo que “también implica colaboración (métodos colaborativos) y creatividad! 

Hasta aquí, si no he contado mal, coincidimos en DIEZ DE LOS QUINCE ELEMENTOS.

Pero hay más coincidencias, o al menos cierto paralelismo en cuanto a la relevancia del fenómeno en el contexto de la dinámica de las alfabetizaciones y de lo que es la alfabetización digital. En el artículo de Groves señala la relevancia del Pensamiento Computacional en cuanto a que constituye una competencia más a añadir a las ya aceptadas como competencias para la sociedad digital. En cualquier caso, lo que tienen de común ambos desarrollos, el articulo de Graves y los trabajos de quien suscribe, es que el pensamiento computacional supone un punto de inflexión.

En el caso de Shuchi Groves, desde el titulo (The 5th ‘C’ of 21st Century Skills? Try Computational Thinking (Not Coding)?[2], se señala que el pensamiento computacional añade una quinta C a las ya cuatro “ces” de las competencias digitales señaladas y aceptadas por todos. En el título está implícita esta afirmación, porque sólo es una pregunta retórica, en realidad es una afirmación. Y además afirma otra cosa, que la habilidad no consiste en programar, las habilkiadades son las del pensamiento computacional, una forma de pensamiento que permite programar. En esta segunda parte de la frase se sintetizan todas las argumentaciones de los trabajos referenciados anteriormente.

En lo siguiente detalla las otras C y argumenta la inclusión de la quinta:

“Desde el comienzo de este siglo, las habilidades de " 4C del siglo XXI " (pensamiento crítico, creatividad, colaboración y comunicación) han visto un creciente reconocimiento como ingredientes esenciales de los planes de estudio escolares. Este cambio ha llevado a una adopción de pedagogías y marcos tales como el aprendizaje basado en proyectos, el aprendizaje por indagación y el aprendizaje más profundo en todos los niveles de K-12 que enfatizan el pensamiento de orden superior sobre el aprendizaje de rutina . Sostengo que necesitamos que el pensamiento computacional (TC) sea otra habilidad central, o la "5ta C" de las habilidades del siglo XXI, que se enseña a todos los estudiantes.
Existe un creciente reconocimiento en los sistemas educativos de todo el mundo de que la capacidad de resolver problemas de manera computacional , es decir, pensar de manera lógica y algorítmica, y usar herramientas de computación para crear artefactos, incluidos modelos y visualizaciones de datos, se está convirtiendo rápidamente en una competencia indispensable para todos. campos.

Para quien suscribe, aceptando el principio general de la quinta C, el cambio es de mucho más impacto y relevancia, se trata de que estamos en presencia de una nueva alfabetización, que se distingue de las anteriores por el medio nuevo que soporta y transmite el conocimiento: el medio digital que se incorpora a los ya existentes: Los libros, la prensa, los documentos escritos y las imágenes en papel y en los medios audiovisuales. Antes el conocimiento se representaba y se trasmitía por la letura la escritura y las matemáticas, simbolizadas de forma simplificada por “las tres erres”. Ahora a las tradicionales tres erres: LeeR, escribiR y aRitmética se una cuarta expresión, sin  erre, con la cuarta competencia clave para la alfabetización en la sociedad digital, y sin las cuales no se podrían adquirir el resto de conocimientos, representarlos o atribuirles sentido: Esta cuarta competencia clave es el pensamiento computacional: En el libro y en su presentación en University of Cambridge lo decíamos así:

En la tradición pedagógica anglosajona se les denomina las tres erres: The three Rs: "Reading, wRiting and aRitmhetic and computational thinking", que de esta forma se constituyen en una alfabetización de tres erres ampliada (three Rs+): The three Rs +: "Reading, wRiting, aRitmhetic and computational thinking"






Hay otro aspecto interesante. El pensamiento computacional no alcanza su verdadero carácter de innovación hasta que no está incluido en los programas oficiales, y esto supone previamente un diseño curricular (o sea, cómo es la nueva programación educativa que queda tras incluirlo) y sobre todo un diseño instruccional (cómo se hace) es decir cómo se enlazan los objetivos o resultados que se pretenden con lo que se hace para conseguirlos: La evaluación de aprendizajes y de proceso, los recursos, el propio diseño de objetivos, la metodología docente y sobre todo actividades. Estas últimas serían la pieza clave, la prueba del algodón, de forma que hasta que no lo hagamos no podemos decir que algo constituye una práctica educativa, como bien nos empeñamos a manifestar en el libro, en la parte dedicada a unplugged, en posts y en los artículos correspondientes (Zapata-Ros, January 2019)… En esos trabajos incluimos de forma significativa dos actividades: Una sobre sobre álgebra en educación infantil y otra sobre puertas lógicas con pegatinas.

Pues bien, si bien Grover no incluye actividades ni desenchufadas ni de cualquier otro tipo para el desarrollo de Pensamiento Computacional (en K12, K9, o en Elementary School, o en Key stage - educación Infantil) ni tampoco diseño instruccional, sí que se esfuerza en sugerir ejemplos de actividades y de aprendizajes en otras áreas donde pone en evidencia que el PC es útil, muy conveniente o en todo caso que es algo subyacente, y así lo manifiesta para las áreas de Lenguaje, Matemáticas, Ciencias y Ciencias Sociales. Por cierto es curioso que señale el carácter desenchufado (Some are unplugged…) de algunas de estas actividades:

La codificación es un contexto excelente, divertido y útil para desarrollar habilidades de pensamiento computacional. Pero no es la única manera. Aquí hay algunas ideas para fomentar la TC en los sujetos. Algunos están desconectados, mientras que otros se beneficiarían con la codificación. ¡Los maestros pueden reconocer muchas de las actividades no programadas como cosas que ya hacen!

Esperamos y deseamos que, sea como sea, esa convergencia continúe, y se plasme como en los demás casos en un nuevo diseño curricular, y en programas de capacitación del profesorado, que integre estos elementos desde no sólo el K-12 sino, como nos empeñamos en dejar claro, desde la primeras etapas de educación infantil y primaria.



Referencias.-

Grover, S. (2018, March 13). The 5th 'C' of 21st century skills? Try computational thinking (not coding. Retrieved from EdSurge News: https://edtechbooks.org/-Pz

Raja, T. (2014). We Can Code It! Why computer literacy is key to winning the 21st century. Mother Jones, June.

Wing, J.M. (2006) Computational thinking. it represents a universally applicable attitude and skill set everyone, not just computer scientists, would be eager to learn and use. Commun. ACM 49(3).  https://doi.org/10.1109/vlhcc.2011.6070404

Pérez-Paredes, P. & Zapata-Ros, M. (2018). El pensamiento computacional, análisis de una competencia clave. Scotts Valley, CA, USA: Createspace Independent Publishing Platform. P.63. https://www.amazon.es/pensamiento-computacional-analisis-competenciaclave/dp/1718987730/ref=sr_1_1

Zapata-Ros, M. (Diciembre 2014) https://red.hypotheses.org/776

Zapata-Ros, M. (Enero 2018) https://red.hypotheses.org/1079

Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. RED. Revista de Educación a Distancia, 46(4). 15 de Septiembre de 2015. DOI: http://dx.doi.org/ 10.6018/red/46/4. Consultado el (dd/mm/aa) en http://www.um.es/ead/red/46

Zapata-Ros, M. (January 2019) Pensamiento computacional desconectado.  http://dx.doi.org/10.13140/RG.2.2.12945.48481





[1] It is the thought processes involved in understanding a problem and expressing its solutions in such a way that a computer can potentially carry out the solution. CT is fundamentally about using analytic and algorithmic concepts and strategies most closely related to computer science to formulate, analyze and solve problems.
Like general thinking skills, CT is a bit like leadership—hard to define, but you know it when you see it. While many people associate it with concepts like programming and automation—which are all core parts of computer science—educators and researchers have found it easier to operationalize it for the purposes of teaching as well as curriculum and assessment design.
That means breaking down CT skills into its component parts, which include concepts like logic, algorithms, patterns, abstraction, generalization, evaluation, and automation. It also means approaches like “decomposing” problems into subproblems for ease in solving, creating computational artifacts (usually through coding); reusing solutions, testing and debugging; iterative refinement.
And yes, it also involves collaboration and creativity! And furthermore, it does not need to involve a computer.

[2] ¿La 5ta 'C' de las habilidades del siglo XXI? ¿Es de verdad el pensamiento computacional?