Pedagogía computacional y aprendizaje autónomo


Luis Facundo Maldonado Granados
Universidad Pedagógica Nacional
Colombia
lucho@uni.pedagogica.edu.co
Neherey Ortega del Castillo
Universidad Pedagógica Nacional
Facultad de Ciencia y Tecnología - Centro de Informática y Desarrollo
Colombia

La constitución de la pedagogía como un cuerpo que muestre los rasgos propios del conocimiento científico ha estado en la agenda de retos por lograr de muchos investigadores contemporáneos. La meta no es fácil. A decir de Luhmann (1997), el carácter científico de la pedagogía no se ha constituido y, en consecuencia, el sistema educativo está marcado estructuralmente por un déficit tecnológico. El educador navega en un torrente de flujo continuo donde unas personas procesan la personalidad de otras. Paradójicamente él debe procesar la personalidad de sus educandos, pero curiosamente también su personalidad resulta afectada por sus propios alumnos. Cuando trata de investigar para construir conocimiento sobre el proceso a su cargo, como investigador resulta afectado y quien regula resulta regulado. Romper el ciclo de la mutua regulación constituye un reto para la constitución de una pedagogía científica.

En este escenario incursiona en la segunda mitad del siglo XX la disciplina de la Inteligencia Artificial que tiene entre sus más hondos anhelos estudiar la inteligencia humana y, apoyada en una metodología que trata de validar y consolidar, se propone generar teorías y dispositivos que exhiban rasgos de los seres en cuanto inteligentes.
 

La inteligencia Artificial incursiona en la Pedagogía.

Tanimoto (1987: 7) expresa que el propósito fundamental de la IA es mejorar la comprensión de los procesos de razonamiento, aprendizaje y percepción del ser humano. Los principales retos del desarrollo de este campo están constituidos por la representación de conocimiento, búsqueda en los procesos de solución de problemas, percepción e inferencia.

Los tutores inteligentes son un ejemplo muy conocido de la incursión de la Inteligencia Artificial a la Pedagogía.

Típicamente hay cuatro agentes artificiales que modelan dimensiones de la actividad pedagógica: se simula al profesor como pedagogo y como experto en un dominio de conocimiento, se representa al estudiante y se diseña un sistema de comunicación entre la máquina y el usuario. Cuando se simula al profesor en un programa, se le sustrae en cuanto agente natural de la regulación por parte del estudiante. Es como si tuviera una especie de réplica de sí mismo que propone a la interacción con el estudiante natural.

El módulo experto permite trabajar con un modelo de solución de problemas sobre un sistema de razonamiento dado por el contenido sobre el cual se enseña. El módulo pedagógico es un modelo de decisiones frente a la evolución del estudiante y expresa una teoría pedagógica que puede ser validada por los datos que se obtienen de la interacción con una persona real.

El modelo de estudiante es el esquema que orienta la obtención de datos a partir de la interacción con el usuario y tiene la función de disparar las decisiones que constituyen el modelo pedagógico.

Vista la pedagogía desde la perspectiva de los tutores inteligentes, la inteligencia artificial abre el camino para la construcción de teorías pedagógicas que superan el déficit tecnológico expresado en el análisis de Luhmann.

Otros acercamientos propios de la inteligencia artificial pueden tomarse como un esfuerzo para superar la crítica de Luhman. Presentamos aquí algunos ejemplos que ilustran este proceso.
 

Enfoque computacional del aprendizaje colaborativo

La teoría de los agentes inteligentes constituye un avance importante en la evolución de la inteligencia artificial (Norvig y Russel, 1999). Un programa de computador puede estar compuesto por varios agentes, los cuales desarrollan sus propias percepciones, se especializan en conjuntos de acciones, tienen sus propios mecanismos de adaptación e interactúan con otros agentes tanto artificiales como naturales. Una aplicación de este enfoque se da en el campo del aprendizaje colaborativo.

La colaboración en el proceso de aprendizaje, en el contexto de una pedagogía computacional se puede establecer entre agentes naturales, entre agentes naturales y agentes artificiales, y entre agentes artificiales.

El aprendizaje colaborativo se representa como una integración de saber resultante de las interacciones entre agentes. Un conjunto de heurísticas permite que la información resultante de la interacción hombre-máquina se estructure y complete en un sistema que permita la argumentación activa en las etapas siguientes. Una aproximación tecnológica flexible permite integrar una variedad de comportamientos y tareas de los miembros de un grupo. Dentro del campo del aprendizaje colaborativo los procesos de aprendizaje basados en computador se proyectan a través del desarrollo de varias interfaces:
 

  • La primera se basa en apoyar el lenguaje a través del cual los pares interactúan. Se debe elaborar un lenguaje específico de la tarea y suficientemente expresivo para poder dirigir preguntas pertinentes en un dominio dado. También se requiere monitorear el tiempo entre las comunicaciones y respuestas de los actores; por ejemplo, en sesiones de colaboración en tiempo real usando una red telemática, la demora entre respuestas de los pares debe ser evaluada apropiadamente, ya que puede ser causada por la carga de la red o por la demora de respuesta de los pares.

  •  
  • La segunda tiene que ver con el modelamiento de los pares que colaboran en un problema interesante y que al mismo tiempo reta a los investigadores. Incorpora representación tanto de las actividades colaborativas como de los conflictos y la solución de los mismos. Los papeles de los agentes que colaboran pueden modelarse dependiendo de las características de estos papeles y de la profundidad de los procesos modelados. Es importante que el modelo de los procesos de colaboración entre pares muestre varios niveles de granularidad. Esto puede ser muy útil en el diagnóstico y explicación de los procesos de colaboración. Los niveles de granularidad del modelamiento de los estudiantes que colaboran permiten modular los factores que prevalecen en la colaboración. Por ejemplo, factores como diferencia de género o de formación previa se pueden usar como predictores de la efectividad de la colaboración. De manera similar, factores que están dependiendo del dominio como conflicto entre términos de una hipótesis deben modelarse de tal manera que los agentes que colaboran entiendan la dirección de la colaboración.

  •  
  • La tercera se refiere a la representación de conocimiento para el aprendizaje colaborativo y puede usar técnicas de I-A como guiones, redes semánticas, sistema de marcos o lógica de primer orden. Las interacciones en sí no dan información organizada; son las estructuras que permiten organizar los datos y los mecanismos de inferencia los que hacen que el aprendizaje aparezca como un sistema con significado que pueda soportar el razonamiento de los agentes en las etapas siguientes del proceso.

  •  
  • La cuarta tiene como objeto la coordinación de la colaboración como proceso fundamental en el aprendizaje colaborativo. Incluye la administración de diferentes papeles asignados a los agentes colaborantes. Es un tópico de investigación por sí mismo que direcciona preguntas como: quién responde enseguida o qué papel debe iniciar la respuesta etc. Los procesos de colaboración deben ser evaluados con base en un conjunto de guías pedagógicas que aseguren que la colaboración tiene lugar en un sitio apropiado y con interacciones positivas de todos los pares. De manera similar el sistema debe ser capaz de suministrar técnicas diferentes de tutoría que se ajusten a los estilos de los agentes colaborantes. La determinación de una técnica apropiada de tutoría y de manipulación de la colaboración es otro de los principales tópicos de investigación en el aprendizaje colaborativo.

  •  
     
     

    El interés por el campo de los sistemas de aprendizaje colaborativo basados en computador, en español es reciente. A continuación se da como ilustración una pequeña reseña algunos de estos sistemas.
     

  • ODISSEUS es un sistema experto de aprendizaje que refina su base de conocimiento observando a un experto humano que resuelve problemas. El experto humano colabora con el sistema para hacer que éste aprenda. El comportamiento del experto se registra como un ejemplo y el sistema aplica el aprendizaje basado en explicaciones para aprender a partir del ejemplo (Wilkins,1988).

  •  
  • LEAP es un sistema de aprendizaje que explica por qué un circuito VLSI trabaja con una señal dada. El usuario puede rechazar la explicación propuesta y redefinir el circuito. De acuerdo, a la entrada, LEAP modifica su base de reglas [Mitchell, Keller, & Kedar-Cabelli,1986].

  •  
  • SHERLOCK es un sistema para resolver problemas electrónicos. Sherlock2 suministra una extensión de aprendizaje colaborativo a Sherlock. Después de que el estudiante resuelve un problema de diagnosis de una falla electrónica en Sherlock, el sistema le da al estudiante la oportunidad de reflexionar sobre la ejecución de la solución del problema mediante una fase llamada reflexiva. Sherlock2 espera que el estudiante elabore su propia estrategia de solución criticando sus propias soluciones y explicando por qué una acción es inapropiada o cercana a óptima y sugiriendo alternativas [Katz & Lesgold, 1993].

  •  
  • MEMOLAB es un ambiente de aprendizaje que ilustra la distribución de papeles entre varios estudiantes. El aprendiz resuelve los problemas interactuando con un experto. El sistema da ayuda usando otro agente (instructor) que también monitorea la interacción. La distribución de papeles se concibe de tal manera, que los agentes son independientes de los dominios de conocimiento y pueden ser reusados para construir otros ambientes [Dillenbourg, Mendelsohn, & Schneider, 1994].

  •  
  • BOOTNAP es un sistema de aprendizaje colaborativo basado en un artefacto. Propone técnicas para apoyar la interacción hombre-computador que son equivalentes a los gestos observados entre humanos. [Dillenbourg, 1995].

  •  
  • PREP es un acrónimo para "preparar trabajos", un dispositivo de escritura desarrollado en Carnegie Mellon University. Usa una rejilla de dos dimensiones de texto similar a una hoja de cálculo en la cual los pares escriben individualmente. El texto se distribuye en segmentos horizontales que cada par puede manipular. Se supone que los pares acuerdan escribir o editar su propio segmento de texto. Cada uno puede navegar a través de los segmentos escritos por sus pares. De esta manera usando PREP los individuos desarrollan partes del texto y también revisan el trabajo de otros. Se encuentra que PREP es útil para resolver problemas de escritura de grano fino, tales como estilo, claridad de expresiones, estructura de párrafos y es menos útil para problemas de gran escala como la organización del conjunto y la estructura del documento. [Neuwirth et al., 1990].

  •  
  • SHREDIT es un editor de texto colaborativo usado, en primera instancia, para estudios de comportamiento de grupo [McGuffin & Olson,1992].

  •  
  • INTEGRATION-KID es un sistema acompañante de aprendizaje (compañero-maestro-alumno) en el dominio de integración simbólica. Cubre un curso completo, pero corto. Tanto el estudiante como el software acompañante son responsables de resolver un problema dado. Uno decide los pasos para resolver el problema mientras el otro los ejecuta. En el caso en el cual el estudiante y el acompañante no pueden resolver el problema el maestro interrumpe para ayudar.

  •  
  • THREE'S COMPANY (Tres son compañía) es una extensión de integration Kid que incluye un agente acompañante más. El nuevo agente analiza la motivación del estudiante, si su ejecución cae entre los dos acompañantes(Lin;1993).

  •  
  • RECIPROCAL-KID es un tutor de programación de LISP. Descompone la programación en planeación ejecución y crítica. El sistema se construye sobre otro sistema llamado PETA. El sistema da apoyo a un tutor que da asesoría y da el juicio final si surgen conflictos entre los agentes. (Chan, 1993)

  •  
  • PEOPLE POWER es un sistema colaborativo basado en computador donde el co-aprendiz actúa como colaborador del estudiante. Contiene un micromundo en el cual el estudiante puede crear un sistema electoral y simular una elección. El co-aprendiz actúa como alguien que propone o critica para probar que algunos cambios en el país puede llevar a ganar asientos para un partido en particular (Dillenbourg & Self, 1992).

  •  
  • DISTRIBUTED WEST es una re-implementación del sistema clásico WEST. El estudiante juega en contra del computador tratando de alcanzar la meta antes de su oponente. El sistema da una configuración colaborativa donde dos compañeros pueden jugar el mismo juego en contra de otra persona o grupo que se unen para jugar contra del sistema (Chan, 1993).

  •  
  • QUILT es un sistema de escritura que da apoyo a varios estilos de colaboración. Impone una estructura de escritura con respecto a roles de miembros de la sociedad y de autoridades. Estimula a los grupos a que establezcan estructuras sociales y de autoridad bien definidas con respecto a los documentos co-autorados; por ejemplo, los participantes pueden tomar los roles de coautor, comentador y lector. (Leland & Kraut, 1988)

  •  
  • RESCUE es un sistema de juego de roles. El estudiante asume un papel asignado e interactúa con otros agentes en una situación dada. El agente estructura la interacción usando un lenguaje basado en menú y explora el ambiente para llevar acabo una tarea (Chan,1993).
  •  
     

    Los estudios de Inteligencia Artificial aplicados al aprendizaje colaborativo son muy recientes. La mayoría de las técnicas están aún en desarrollo. Usualmente aplican I.A. en alguna forma, pero pocas aplicaciones se tienen de I. A. para dirigir el aprendizaje colaborativo per se. Las anteriores son sistemas de trabajo colaborativo apoyadas por computador.

    Lo relevante para la discusión que hemos planteado es que el pedagogo interviene en la creación de los agentes y del sistema de acuerdo a una teoría, luego puede dejar al sistema el registro de datos sin que él intervenga, por tanto, se excluye del proceso de regulación y finalmente interpreta los datos para reinterpretar su teoría.
     

    Enfoque computacional de la metacognición

    Otro ejemplo que proponemos al análisis del lector es el de los sistemas orientados por objetivos. Se relaciona directamente con un tema de importancia especial en los desarrollos de la pedagogía contemporánea, cual es la metacognición.

    Los estudios de metacognición tomaron fuerza a partir de la década de los 70 (FLAVELL, & WELLMAN, 1977) y son fundamentales en una pedagogía del aprendizaje autónomo. Uno de los aspectos en la autonomía del aprendizaje se refiere a la capacidad de la persona para definir sus propios objetivos.

    En los estudios de inteligencia artificial han surgido sistemas orientados a mejorar la comprensión que tenemos de dichos procesos mediante su simulación en computador. Los problemas centrales para este enfoque son: el origen de los objetivos de aprendizaje, el rol de estos para guiar otras tareas instruccionales y la escogencia apropiada de estrategias para lograr estos objetivos. Este último aspecto está estrechamente relacionado con la metacognición. Los siguientes trabajos ilustran esta aproximación: Xia y Yeung (1995) desarrollan un sistema capaz de seleccionar dos tipos de estrategias para resolver problemas: la una denominada OPS (Opportunistic Problem Solver) y la otra, IPS ( Intentional Problem Solver). En la primera, el solucionador del problema escoge una estrategia antes de adquirir información sobre el ambiente y sus transformaciones.

    En la segunda, el solucionador decide la estrategia con base en la información que va tomando del medio ambiente. La evolución del espacio del problema en este modelo se representa por un vector de tres factores: el conjunto de objetivos, el conjunto de oportunidades y el nivel de incertidumbre asociada con la frecuencia de fracasos de las acciones planeadas. Con base en esta categorización simula un solucionador que puede cambiar entre estrategias guiadas por objetivos y estrategias guiadas por información del espacio de oportunidades. La selección de estrategias se muestra fundamental para el proceso de adaptación de los sistemas al entorno.

    Ram y Cox (1995) estructuran, en un programa de computador (Meta-AQUA), un meta-modelo que describe el proceso de razonamiento mismo y que opera junto con un modelo del mundo que constituye su dominio. El meta-modelo se usa para representar el razonamiento del sistema durante la ejecución de la tarea, las decisiones que toma mientras lleva a cabo el razonamiento y los resultados. Cuando aparece una falla es capaz de examinar introspectivamente su propio proceso de razonamiento, para determinar dónde está el problema y usa esta comprensión para mejorar sus propias estrategias de aprendizaje. El valor de este sistema está en que, además de guiar el aprendizaje acerca del mundo, ayuda al razonador a mejorar su conocimiento.

    Meta-AQUA se activa en una condición de comprensión incompleta de un dominio nuevo de aprendizaje. A medida que se pone en marcha, desarrolla objetivos de aprendizaje que guían su proceso de búsqueda. El programa modela cómo un razonador inteligente decide por la mejor manera de realizar una tarea; introspectivamente analiza sus propios éxitos y fracasos; razona acerca de lo que necesita aprender, selecciona las estrategias de aprendizaje apropiadas para adquirir información y activa los algoritmos requeridos para adquirir nuevo conocimiento, modificar el existente o reorganizar la memoria.

    El interés de los sistemas aquí reseñados se centra en la comprensión de los procesos. Se parte de que si es posible construir una estructura capaz de producir ciertos procesos y estos se dan también en los agentes naturales, se puede obtener un modelo explicativo de los mismos. Como se puede intuir, este enfoque posiblemente logre avances en la creación de ambientes computacionales favorables al desarrollo de habilidades metacognitivas y en la construcción de modelos comprensivos y explicativos de los procesos. Si esto se logra, se contribuye a la construcción de una pedagogía científica.

    Los simuladores y estudio de procesos en el aprendizaje De manera similar a la decisión sobre los propios objetivos, la transferencia de estrategias de aprendizaje entre objetivos forma parte del conjunto de las habilidades metacognitivas y tiene especial importancia en la economía del aprendizaje.

    Maldonado y Andrade (1996) encuentran que hay correlación positiva entre desarrollo de estrategias y retención de conceptos, pero que esta correlación disminuye cuando se presentan problemas nuevos y sugieren la hipótesis de que los estudiantes que usan estrategias fuertes podrán desarrollar mayor retención de conceptos. En estas condiciones surge la necesidad de un modelo coherente que permita interpretar la dinámica de la transferencia de estrategias. Para construir este modelo se necesitó describir los procesos de solución de problemas seguidos por los sujetos. En primera instancia se acudió a la metodología de análisis de protocolos de informes verbales (Ericson y Simon, 1993). Esta metodología permite identificar las transiciones de estado en la solución del problema, y los operadores aplicados y crear una representación formal del proceso de solución que se puede traducir a un programa de computador y construir así su simulador.

    En una segunda investigación (Maldonado et al. 1999), el computador directamente hace un protocolo del proceso y genera un simulador del proceso. En esta investigación se entiende por protocolo la descripción de las acciones que un agente puede tomar en función de sus estados actuales en un proceso de resolución de problema (Fagin et. al. 1995). Esta versión digital de protocolos – simuladores - permite además de la replica de procesos, aplicar técnicas computacionales para exploración de datos y tomar secuencias que pueden ser analizadas de diferentes maneras. La identificación, seguimiento y orientación de los procesos de aprendizaje es una meta propuesta pero no alcanzada en la Pedagogía Contemporánea. Los simuladores contribuyen al logro de este propósito, compitiendo con alternativas analógicas como es el caso del vídeo o la grabación de audio.

    En contraste con el análisis de protocolos verbales, con los protocolos digitales se gana en precisión fiabilidad y versatilidad de la información, pero se pierde la riqueza de expresión verbal que puede reflejar dimensiones importantes del proceso de razonamiento de los sujetos. Pero vale reconocer que los registros hechos son válidos en cuanto reflejan la transición de estados en la solución del problema.

    El pedagogo frente a los agentes simuladores adquiere una especial ventaja en cuanto puede tener una réplica del proceso y entrar a mirar su estructura sin que sea influenciado por otros factores que puede afectar sus procesos perceptivos. El dispositivo adquiere valor didáctico para el desarrollo de habilidades de identificación, seguimiento y orientación de procesos.

    En uno de nuestros trabajos (Maldonado et al. 2000) nos preguntamos si un grupo de profesores entrenado con simuladores de procesos de solución de problemas orienta su actividad de enseñar al desarrollo de procesos cognitivos en los estudiantes, en tanto que un grupo no entrenado en esta forma está más orientado por la estructura de los contenidos del dominio de conocimiento que enseña.

    Para poder estudiar la incidencia que tenían los simuladores en la formación de habilidades de monitoreo se planeó un seminario taller cuyo dominio de conocimiento se basó en el juego.

    Los juegos tomados como ambientes de aprendizaje, en su estructura tienen incorporados elementos que posibilitan su análisis como: fuentes de información; estructuradores de habilidades cognitivas, ambientes de aprendizaje y transmisores de valores.

    Los docentes, quienes se organizaron en una de cuatro condiciones, tomaron como punto de partida estos elementos, explicitaron sus puntos de vista sobre cada uno de ellos y planearon una unidad temática que ponía en juego sus representaciones.

    La condición uno hace referencia a los sujetos que orientaron su proceso a resolver los juegos. La condición dos tiene como variante estudiar la simulación de sus propios procesos de solución del problema. La condición tres debió hacer un análisis a los procesos de solución de otros jugadores a través de la simulación y la condición cuatro tomó solamente como problema de análisis el estudio de la simulación sin tener que resolver los juegos.

    La información registrada y analizada en cada uno de los grupos tuvo tres momentos:

    1. Fase de entrenamiento: se realizó un taller sobre la lúdica como campo de interés de la pedagogía, obteniendo como resultado un análisis sobre el juego como fuente de información para el que-hacer pedagógico, materializado en un documento escrito que contenía el planeamiento de una unidad didáctica.

    2. Fase de ejecución: se desarrolló en cada una de las instituciones educativas donde laboraban los docentes y se hicieron registros.

    Posteriormente se hizo un análisis y una socialización. El juego se miró como ambiente que posibilita en el maestro la orientación al monitoreo de procesos o a contenidos, tomando las interacciones como un indicador. La Figura 2 explícita el modelo de análisis aplicado a cada una de las condiciones en particular.
     

    Proceso de Interacción

    La metacognición como poder regulador del propio aprendizaje la visualizamos a través de las manifestaciones del docente sobre algunos elementos como: el pensar sobre su propio pensamiento, planear, estar consciente de los recursos necesarios, ser sensible a la retroalimentación y evaluar la efectividad de las acciones propias, entre otras. La metacognición se refiere al conocimiento que el individuo tiene sobre los procesos de cognición y de estados tales como la memoria, la atención, el conocimiento, la conjetura y la ilusión etc. El lenguaje es fundamental en la actividad metacognitiva. La principal característica de la autorregulación verbal es el lenguaje propositivo y autodirigido con la finalidad de lograr metas. Así según Vigotski las palabras se convierten en herramientas psicológicas que median las funciones mentales. Desde este punto de vista tomamos las interacciones como las expresiones manifiestas que nos permite observar las diferentes situaciones donde el maestro desarrolla actividades que orientan el proceso de aprendizaje.

    En el diagrama siguiente se toma una acción por parte de un estudiante como punto de partida de una interacción. El docente inicia la emisión de un mensaje a un estudiante o al grupo. La Figura 3 presenta el modelo de interacción con el cual se analizó la fase de ejecución.

    El tiempo y el contenido de las interacciones reflejan el efecto de las diferentes condiciones de trabajo. En teoría cada una de estas experiencias afectan de manera diferente al docente. La primera, en principio, incide en la formación de competencias para resolver el problema. Como resultado ideal, se obtiene el solucionador competente. La segunda, además de formar al solucionador competente, activa procesos metacognitivos. La tercera desarrolla una experiencia que los investigadores han llamado de aprendizaje vicario o por observación. En la cuarta forma al solucionador competente y genera aprendizaje vicario.

    Las observaciones hechas en esta investigación permiten hacer conjeturas sobre la dinámica del razonamiento generado en cada experiencia.

    Si el profesor se involucra como jugador, su centro de interés está en las estrategias de solución del problema y en la obtención de una solución. Los resultados observados sobre variedad de estrategias, en esta investigación, harían pensar que los profesores formados con este enfoque, supuesto que dominan el problema, adquirirían un conjunto limitado de estrategias, muy probablemente una. Por la investigación previa, se podría esperar que habría un nivel metacognitivo proporcional al nivel de eficacia en la solución del problema.

    En consecuencia, si se va a enseñar a otro a resolver el problema, su experiencia se convertiría en base de orientación y al mismo tiempo en limitante para el análisis de estrategias de solución.

    Si el profesor es competente en resolver el problema y al mismo tiempo ha tenido un ambiente que le permite, no sólo observarse resolviendo el problema, sino que tiene condiciones de análisis, es de esperarse que pueda valorar sus estrategias y consecuentemente asegure un nivel metacognitivo mayor que quien sólo resuelve el problema. Probablemente pueda establecer comparaciones entre varias alternativas de estrategias. Si ahora enseña a otros a resolver el problema, es posible que tenga una representación más rica que le permita orientar los procesos de quien aprende.

    Cuando el profesor, en el tercer caso, simplemente observa a otros resolver el problema, el contenido de su verbalización revela que trata de hacer comparaciones entre lo que él haría y lo que hace el jugador. Es decir, que el aprendizaje trata de construirse sobre los significados previos. Como no ha tenido condiciones de contrastación, lo más probable es que cuando oriente a otros para que resuelvan el problema propuesto, sus orientaciones sean inciertas, posiblemente orientadas a verbalizaciones que expresen analogías o metáforas.

    Cuando los profesores han jugado y solucionado los problemas, tienden igualmente a verbalizar por comparación con lo que ellos harían. Esto muestra nuevamente que la experiencia personal de solucionar los problemas prevalece en el proceso de análisis. Sin embargo, también se observa una mayor capacidad de valorar las estrategias de otros como alternativas reales.

    Este análisis puede proyectarse en un modelo explicativo del proceso de formación de habilidades para orientar procesos en los profesores, el cual estaría basado en las siguientes aseveraciones:

    1. Quien sólo tiene la observación de otros resolviendo problemas, tiene posibilidades de generar verbalizaciones por analogía con su experiencia anterior, las cuales son insuficientes para orientar procesos en los estudiantes.

    2. La experiencia de resolver el problema o en su defecto el tener experiencias similares establece la base cognitiva – conjunto de representaciones – a partir de las cuales el profesor puede definir una interacción con sus estudiantes.

    3. El análisis de sus propios procesos de solucionar problemas habilita la dimensión metacognitiva referida a las estrategias de solución que le permite establecer valoraciones que se traducen en expresiones sobre variedad de estrategias, efectividad y validez de las mismas. Este componente habilita interacciones que incorporen en su contenido la valoración y validación de estrategias.

    4. Un desarrollo metacognitivo permite construir nuevo conocimiento al hacer análisis de las estrategias utilizadas por otros. Las interacciones generadas por un profesor que tenga los tres niveles de experiencia podrían considerar mayor número de posibilidades constructivas en los estudiantes.

    Lograr altos niveles de calidad en la formación docentes no parece ser tarea fácil. Los recursos destinados para esta tarea son cuantiosos en los diferentes países. Formar para que los docentes sean competentes en el monitoreo y orientación de procesos de aprendizaje es una de las metas que aparece en la agenda de la capacitación contemporánea de profesores. La importancia que se da al aprendizaje de los educandos frente a la calidad de las exposiciones de los profesores hace que este punto se convierta en aspecto vital en la sociedad del conocimiento donde las organizaciones del aprendizaje deben retribuir a la sociedad ciudadanos con alta capacidad de adaptación a las condiciones cambiantes.

    Si interpretamos la formación de la capacidad de los ciudadanos en función de la formación de los profesores teniendo en cuenta los resultados de esta investigación, se podría establecer un esquema conceptual como el siguiente:

    1. Experiencia análoga a los problemas que enseña a resolver.

    2. Nivel de Competencia como solucionador de problemas.

    3. Nivel metacognitivo sobre el problema.

    4. Nivel de aprendizaje vicario.

    Estos cuatro factores definen su capacidad como decente que se proyecta sobre su alumno como docente potencial. En este proceso se da un proceso de degradación en razón de factores de comunicación y soporte tecnológico.

    Cuando el profesor formado se encuentra con sus alumnos, a su vez, ellos obtienen una formación cuya capacidad depende de las cuatro dimensiones vistas en su profesor.

    El modelo mostraría una degradación muy notoria, a no ser que intervengan otros factores como el aprendizaje por colaboración, por inmersión en ambientes, etc.. Pero, estos factores están fuera de las dimensiones que definen la calidad de la acción docente.

    Como resultado de este trabajo, se debe resaltar el valor potencial que, para los propósitos de formación de docentes, pueden tener tanto los ambientes lúdicos como los simuladores de solución de problemas.
     

    Conclusión: La Pedagogía computacional, una dimensión de la ciencia del tercer milenio.

    Entendemos como pedagogía computacional una tendencia de pensamiento centrada en la representación de los procesos de interacción entre profesor y estudiante y que se orientan a logros educativos. Sustentamos que esta aproximación genera conocimiento científico que se concreta en: una teoría pedagógica sobre el proceso enseñanza – aprendizaje, una metodología de contrastación basada en la simulación de procesos y un conjunto de agentes artificiales o dispositivos de programación que potencian tanto la comprensión como el control. Este trío de productos muestra una forma de superación de la tesis de Luhmann, según la cual la pedagogía adolece de un déficit tecnológico que le impide su constitución como disciplina científica.

    En otros términos, la pedagogía computacional se propone como una tendencia de investigación que procede de la siguiente manera: construye un modelo, lo pone en operación con agentes artificiales para ver su consistencia, reajusta el modelo y lo prueba con estudiantes reales, observa resultados sin involucrarse en el proceso observado y genera una tecnología para monitorear y apoyar los procesos.
     

    Referencias Bibliográficas