Los sistemas recomendadores nos rodean. Forman parte de nuestra vida: están presentes si realizamos una compra en eBay, visionando por cuarta vez un video en YouTube o realizando cualquier tipo de pesquisa en no-importa-cuál motor de búsqueda el día de Nochebuena. No descansan, funcionan sin perder el aliento y... muchas veces aciertan con sus sugerencias. Aunque su fin inmediato es la conocida "mejora de la experiencia de usuario", no nos engañemos: el objetivo último está más relacionado con la rentabilidad económica.
Estos sistemas también comienzan a estar presentes en las plataformas de aprendizaje en línea (conocidas como LMS). Gracias a ellos, los alumnos pueden recibir sugerencias sobre qué tema estudiar a continuación, qué libro consultar antes de la siguiente lección o si deben repetir un test para mejorar su calificación.
 |
|
| ¿Acaso no merece el proceso de aprendizaje un enfoque más personalizado, más humano, más cercano al alumno y al profesor? |
|
Al contrario de lo que ocurre con los sistemas recomendadores en otras plataformas y sitios web, las herramientas de aprendizaje a través de Internet deben tener otro cariz. No olvidemos que, por muy 'digital' que sea el aula o la institución educativa, esta sigue siendo un templo del saber, un terreno ciberespacial sagrado en el cual acontece el milagroso, y a la par humano, acto de aprender. Como profesionales de la enseñanza (y como ciudadanos en general) debemos ser conscientes de que el fin último de la educación no debe ser el lucrativo, sino la intervención sincera, elevadora e integradora en la vida de cada educando. ¿Existen sistemas recomendadores que respeten estas premisas? En el vicerrectorado de Investigación y Tecnología de la Universidad Internacional de La Rioja, UNIR Research, estamos intentando desarrollar uno que responda satisfactoriamente a estas expectativas.
UN ENFOQUE MÁS HUMANO
Actualmente, la teoría matemática define tres tipos básicos de sistemas recomendadores. Por un lado tenemos aquellos que nos ofrecen ítems 'parecidos' a los ya 'consumidos' y valorados, en una escala, de manera positiva. Por otro, nos encontramos aquellos que nos plantean los ítems (o parecidos a estos) que nuestros amigos han experimentado previamente. Por último, están aquellos enfoques que se suelen etiquetar como "híbridos" y que intentan combinar lo mejor de los dos anteriores. Lo importante es que, independientemente del enfoque teórico, detrás hay un programa o conjunto de autómatas, analizando datos, realizando cálculos y devolviendo resultados. Al igual que haría cualquier máquina.
¿Acaso no merece el proceso de aprendizaje un enfoque más personalizado, más humano, más cercano al alumno y al profesor? En UNIR Research pensamos que sí. Por ello, el sistema recomendador que estamos desarrollando, iLIME, es un sistema diferente. Veamos cómo.
Para empezar, sí, es verdad que iLIME es un programa; de lo contrario no estaríamos hablando de un 'sistema'. Pero, a diferencia de sus 'hermanos', iLIME opera bajo el control total del profesor y/o tutor del alumno o grupo de alumnos. Es decir, sí contiene ese estimable "human touch" que debe estar presente en el aula, ya sea esta convencional o digital.
¿Por qué? Porque es el profesor el que conoce a la perfección cómo es su clase, los contenidos de la materia a impartir y la metodología que debe aplicar para conducir la experiencia docente hacia las posiciones más elevadas. Además, iLIME se basa en el modelo de aprendizaje Learning, Interaction, Mentoring, Evaluation (LIME), como fundamento para cualquier desarrollo tecnológico y su aplicación con usuarios finales.
¿Cómo consigue LIME otorgar este control al profesor? Como decíamos, es un modelo recomendador diferente y no emplea ninguna de las tácticas anteriormente comentadas. LIME utiliza reglas definidas por el docente. Si las reglas se cumplen, se realizará una sugerencia a aquellos alumnos que pasen el filtro impuesto por las mismas. Así de sencillo.
Estas reglas son muy parecidas a las que el profesor aplicaría en el día a día del aula. Por ejemplo: "aquellos alumnos que hayan sacado un más de un 7.5 en los últimos tests y hayan participado remarcablemente en clase, recibirán una motivadora felicitación del profesor". O también, "a aquellos estudiantes que no hayan demostrado nociones sobre el medio natural adquiridos fuera del aula, se les sugerirá que visualicen documentales sobre este tema y lean el tema 3".
APRENDIZAJE FORMAL E INFORMAL
![e-learning]( "e-learning")
Este último ejemplo lleva implícito otra de las grandes aportaciones de LIME y sobre las que el modelo hace especial hincapié: el aprendizaje informal. El aprendizaje informal es aquel que acontece de manera natural fuera del aula. LIME se reserva un especial apartado para que el profesor pueda construir reglas que tengan en cuenta estos escenarios de aprendizaje que, por otra parte, son cada vez más habituales.
Además de reglas y de la diferenciación entre aprendizaje formal (en el aula) e informal, el sistema agrupa las actividades de los estudiantes en tres grandes grupos o categorías que responden a la lógica aplastante de la experiencia docente diaria. Por un lado, iLIME permite catalogar actividades como de 'aprendizaje', learning, es decir, todo aquello que realiza el alumno para su propia adquisición de conocimientos. También contempla una categoría destinada a medir la interacción, interaction, con otros compañeros. Por último, el recomendador reserva un espacio para que el profesor/tutor agrupe otros tipos de actividades que considere relevantes, mentoring.
Sobre estas agrupaciones que resumen la vida del estudiante, el profesor puede decidir si quiere tener en cuenta aquellas actividades evaluables o aquellas que no tienen repercusión en la nota del alumno. Con todo este cóctel de términos, que parten de un razonamiento pedagógico sin fisuras, nace el nombre del recomendador: iLIME.
Teorías y modelos académicos aparte, ¿cómo funciona el sistema? Eso es lo mejor de todo. LIME ha sido concebido y diseñado desde sus inicios como un software muy compatible con la gran mayoría de las plataformas de eLearning disponibles y usadas de manera cotidiana. Es interesante puntualizar aquí que, en el terreno de las tecnologías para el aprendizaje en línea, existen varios estándares y organismos de normalización que realizan una tarea encomiable para garantizar lo mejor posible la independencia de alumnos y profesores respecto a la tecnología común subyacente.
Tales organismos son, entre otros, el ADL (Advanced Distributed Learning) dependiente del gobierno estadounidense; el IMS Global, que conglomera una importante asociación de fabricantes de productos relacionados con el aprendizaje y el aula digital; y el archiconocido IEEE (Institute of Electrical and Electronics Engineers), que también cuenta con su división en tecnologías del aprendizaje.
iLIME, concretamente, hace uso del protocolo LTI (Learning Tool Interoperability) desarrollado y promulgado por el IMS Global para comunicarse con distintas plataformas de aprendizaje. Inicialmente, iLIME es capaz de funcionar en tándem con el sistema de campus virtual Apereo Sakai CLE, actualmente implantado con éxito en varios másteres y grados auspiciados por la Escuela de Ingeniería de la Universidad Internacional de La Rioja. Además de estos entornos con número de matrícula moderados, el sistema también tiene perfecta cabida en plataformas MOOC con miles y miles de alumnos a los que el profesor no puede llegar de manera directa.
En cualquier caso, conviene destacar que iLIME realiza un papel de asistente en la tarea de asesoramiento, ya que esta función siempre corresponde, al profesor. Cuando el docente no está, iLIME permanece atento y a la disposición del alumno. Y lo hace siguiendo las directrices y reglas marcadas por el profesor según su criterio. Sí, iLIME, es un sistema recomendador automático pero específicamente diseñado al servicio del profesor, para beneficio del alumno, y que contribuye a garantizar una interacción personalizada y una docencia de calidad.
