Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
D y k in s o n e B o o k Laura Alarcón Gómez Pilar Arantegui Gallardo Sofía Bernardo Méndez (coordinadoras) ISBN: 978-84-1122-264-8 PERSPECTIVAS Y PROSPECTIVAS EN EL NUEVO ESCENARIO FORMATIVO José Juan Carrión Martínez María del Mar Fernández Martínez Samuel Crespo Ramos Magdalena Ramos Navas-Parejo (Coordinadores) ISBN: 978-84-1122-262-4 Collection Innovation in Social Sciences Colección en Innovación en Ciencias Sociales PERSPECTIVAS Y PROSPECTIVAS EN EL NUEVO ESCENARIO FORMATIVO José Juan Carrión Martínez María del Mar Fernández Martínez Samuel Crespo Ramos Magdalena Ramos Navas-Parejo (Coordinadores) Todos los derechos reservados. Ni la totalidad ni parte de este libro, incluido el diseño de la cubierta, puede reproducirse o transmitirse por ningún procedimiento electrónico o mecánico. Cualquier forma de reproducción, distribución, comunicación pública o transformación de esta obra solo puede ser realizada con la autorización de sus titulares, salvo excepción prevista por la ley. Diríjase a CEDRO (Centro Español de Derechos Reprográficos) si necesita fotocopiar o escanear algún fragmento de esta obra (www.conlicencia.com; 91 702 19 70 / 93 272 04 47) Editorial DYKINSON, S.L. Meléndez Valdés, 61 - 28015 Madrid Teléfono (+34) 91 544 28 46 - (+34) 91 544 28 69 e-mail: info@dykinson.com / www.dykinson.es / www.dykinson.com Este libro ha sido sometido a evaluación por parte de nuestro Consejo Editorial. Para mayor información, véase Consejo Editorial: www.dykinson.com/quienes_somos © Los autores Madrid, 2022 ISBN: 978-84-1122-262-4 ÍNDICE Capítulo 1. INTELIGENCIA ARTIFICIAL Y ECOLOGÍAS DE APRENDIZAJE. Esteban Vázquez Cano, Norberto Díaz Díaz, Samuel Crespo Ramos y Eloy López Meneses. 9 Capítulo 2. EL APRENDIZAJE COLABORATIVO EN ENTORNOS VIRTUALES EN LA ENSEÑANZA OBLIGATORIA DENTRO DEL CONTEXTO EDUCATIVO ESPAÑOL Nieves Gutiérrez Ángel, María Dolores Pérez-Esteban, José Juan Carrión Martínez y María del Mar Fernández Martínez. 31 Capítulo 3. DIVERSIFICANDO LA ENSEÑANZA: LAS COMUNIDADES DE APRENDIZAJE COMO FUTURO DE LA EDUCACIÓN María Dolores Pérez-Esteban, Nieves Gutiérrez Ángel, María del Mar Fernández Martínez y José Juan Carrión Martínez 43 Capítulo 4. RECURSOS TIC PARA LA ANIMACIÓN A LA LECTURA. LA IMPORTANCIA DE ADQUIRIR EL HÁBITO LECTOR EN CONTEXTOS DESFAVORECIDOS Magdalena Ramos Navas-Parejo, María Pilar Cáceres Reche, Blanca Berral Ortiz y Daniel Camuñas García. 59 Capítulo 5. EL MARCO DE COMPETENCIAS DIGITALES DIGCOMP 2.1 COMO REFERENCIA PARA LA ACTUALIZACIÓN TECNOPEDAGÓGICA. Santiago Pozo-Sánchez, Noemí Carmona-Serrano, Jesús López- Belmonte y Juan José Aguilar Álvarez. 79 Capítulo 6. PRÁCTICAS Y ESTRATEGIAS DOCENTES EN CONTEXTOS DE EDUCACIÓN A DISTANCIA EN COMUNIDADES LATINOAMERICANAS. Claudio Barrientos Piñeiro, Olga Lucía Agudelo Velásquez, Mario Ruiz Luis y María Teresa Gatica Secaida. 91 Capítulo 7. ESCAPE ROOM EDUCATIVAS: PROPUESTAS Y USOS DIDÁCTICOS EN EDUCACIÓN SUPERIOR. Marta Mauri Medrano. 105 5 Colección Innovación en Ciencias Sociales Esta colección sistematiza principios y experiencias formativas vinculadas con la Innovación educativa en Ciencias Sociales. Directores. Dr. D. Eloy López Meneses (Universidad Pablo de Olavide). Dr. D. César Bernal Bravo (Universidad Rey Juan Carlos). Directores Adjuntos. Dr. D. Esteban Vázquez Cano (Universidad Nacional de Educación a Distancia). Dra. Dña. Antonia Rodríguez Fernández (Universidad de Almería). Dr. D. José Gómez Galán. (Universidad de Extremadura). Dr. D. José María Fernández Batanero. (Universidad de Sevilla). Comité Científico. Dr. D. Pedro Román Graván (Universidad de Sevilla). Dr. D. Emilio José Delgado Algarra (Universidad de Huelva). Dra. Dña. Mariana Daniela González Zamar (Universidad de Almería). Dr. D. Carlos Hervás Gómez (Universidad de Sevilla). Dra. Dña. Esther Fernández Márquez (Universidad Pablo de Olavide). Dr. D. José Juan Carrión Martínez. (Universidad de Almería). Dra. D. Antonio Luque de la Rosa (Universidad de Almería). Dra. Dña. Eva Ordóñez Olmedo (Universidad Pablo de Olavide). Dra. Dña. Isotta Mac Fadden (Universidad Pablo de Olavide). Dra. Dña. Irene Magdalena Palomero Ilardia (Universidad Rey Juan Carlos). Dr. D. Cristóbal Ballesteros Regaña (Universidad de Sevilla). Dr. D. Samuel Crespo Ramos (Universidad Pablo de Olavide). Dr. D. Emilio Abad Segura (Universidad de Almería). Dra. Dña. María del Mar Fernández Martínez. (Universidad de Huelva). Esta colección está patrocinada por la Cátedra de Educación y Tecnologías Emergentes, Gamificación e Inteligencia Artificial (EduEmer). 6 INTRODUCCIÓN. La obra que se ha editado con el título “Perspectivas y prospectivas en el nuevo escenario formativo" coordinada por profesores y profesoras de distintas universidades, recoge en sus siete capítulos una nutrida y exhaustiva reflexión y profundización acerca de las nuevas y variadas escenas y posibilidades formativas que recoge el panorama actual y futuro. Todo ello a través de marcos teóricos, análisis de prácticas pedagógicas y experiencias innovadoras. El primer capítulo pone de manifiesto el valor añadido que supone la aplicación de diferentes técnicas de inteligencia artificial aplicadas al contexto educativo, en sus diferentes escenarios y ecologías del aprendizaje. El segundo capítulo muestra las principales ventajas y posibilidades que ofrece los paradigmas del aprendizaje colaborativo en los entornos virtuales dentro de la enseñanza obligatoria en España, con la pertinencia e importancia que estas pedagogías han deparado en una etapa privada de la educación presencial como la reciente. El tercer capítulo muestra las virtudes de la aplicación de las Comunidades de Aprendizaje como núcleo en la apuesta por la diversidad educativa enfocado en los nuevos paradigmas educativos para compensar las dificultades actuales y del futuro a corto plazo. El cuarto capítulo recoge la justificación y un denso catálogo de recursos TIC con la intención de animar tanto a la propia lectura como a fomentar el hábito lector en aquellos escenarios menos favorecidos. El quinto capítulo desarrolla las diferentes competencias digitales desde el marco DigiComp 2.1 como referencia para la actualización formativa y competencial de la tecnología aplicada al mundo educativo y sobre el que diferentes administraciones educativas han hecho hincapié recientemente. El sexto capítulo se centra en diferentes prácticas, enfoques y estrategias educativas puestas en valor en entornos de educación a distancia en comunidades latinoamericanas, en sus diferentes ejes formativos. Por último, el séptimo capítulo expone los principios de la gamificación y sus posibilidades para tras ello profundizar en el diseño y puesta en valor de Escape Rooms educativas. 7 Estos siete capítulos conforman un ineludible, sugestivo y actualizado recorrido por las vigentes ecologías del aprendizaje que todo docente debe conocer, para dirigirse al alumnado de hoy día, con los difíciles retos que la pandemia ha esbozado en el panorama educativo actual, sobre una sociedad compleja y en muchos aspectos psicosociales diferente de generaciones pasadas. Muchas gracias. 8 INTELIGENCIA ARTIFICIAL Y ECOLOGÍAS DE APRENDIZAJE. Esteban Vázquez Cano Universidad Nacional de Educación a Distancia Norberto Díaz Díaz Universidad Pablo de Olavide Samuel Crespo Ramos Universidad Pablo de Olavide Eloy López Meneses Universidad Pablo de Olavide 1. INTRODUCCIÓN Educación, Ciencia y Tecnología, son elementos que más allá de dar nombre a ministerios, consejerías y modelos de investigación y desarrollo, están predestinados desde siempre a dialogar y entenderse pues, cuando los paradigmas de las ciencias sociales han medirse ante las llamadas exactassurgen fallas curiosas, eficaces y prometedoras, aunque también originan debates de índole ético, y comprometido. Algo así sucede cuando las tecnologías de la reciente cuarta revolución industrial, como la inteligencia artificial, se planta ante las puertas de la Educación y más aún, de sus diferentes ecologías del propio aprendizaje. Así, esta cuarta revolución nacida tan solo en 2010, marcada por tres aristas que confluyen en ella, como la velocidad de los cambios, los alcances de ésta, y el impacto de todas sus tecnologías interconectadas, es capaz de evolucionar y revolucionar de facto los conceptos como la economía, la política o sin ir más lejos, la propia educación y ecologías del aprendizaje. Esta inteligencia artificial, lejos de ser considerada como futurista, está presente hoy por hoy en multitud de tareas 9 cotidianas como la búsqueda de información, toma de fotografías, interacción con asistentes o sistema de recomendación de series y películas, entre muchas otras, aunque como es de costumbre y las aulas suelen ser un escenario tardío por muchas razones. En cualquier caso, el debate por su carácter vanguardista, radica sin duda en qué beneficios puede deparar la inteligencia artificial a la educación y ya está encima de la mesa, sin olvidar una vez más la lógica reflexión ética ante la colisión de los avances en la educación como ciencia social, y lo que potencialmente podría suponer la mencionada tecnología como ciencia aplicada de la computación. Estos beneficios, basados entre otros procesos en el registro, aprendizaje automático y búsqueda de patrones de datos, son en gran parte proporcionales a la cantidad y calidad de información sobre los que pueda trabajar, lo que ya supone en sí tanto un hándicap como una oportunidad. 2. INTELIGENCIA ARTIFICIAL Y EDUCACIÓN. Audrey Azoulay, Directora General de la UNESCO en la Semana del Aprendizaje Móvil de la UNESCO de París en 2019, afirmó que la Inteligencia artificial (IA) transformará profundamente la educación, al igual que ya vaticinaron recientemente autores como Sharma., Kawachi y Bozkurt (2019). De esta forma, los avances en IA podrán revolucionar en breve tanto los métodos de enseñanza, como las formas de aprender, y en general la forma en la que accedemos al conocimiento o de proveer la propia capacitación a los docentes (Moreno, 2019). De esta forma, el gran objetivo que pudiera proveer la IA, en coherencia con lo avanzado en la ciencia de la educación, sería el desarrollo de algoritmos, programas y aplicaciones que permitieran entornos de aprendizaje adaptativos y personalizados, que permitiera encontrar y aplicar la mejor manera de desarrollar estrategias puntuales de adquisición de conocimiento por parte de un determinado alumno y también un modo de alimentar de información que permitirá a la IA generar posibles estrategias para impartir conocimientos de manera eficaz y puntual basando en sus análisis predictivos y evacuativos. 10 Aunque los primeros intentos no fueron muy exitosos, el desarrollo tecnológico actual nos sitúa en un contexto muy diferente debido, entre otros avances, al acceso a gran cantidad de datos e información sobre los estudiantes, con tecnologías como las basadas en Big Data, entendidas como conjuntos de datos o combinaciones de conjuntos de datos cuyo tamaño, complejidad y velocidad de crecimiento no pueden ser tratados con medios convencionales. A su vez, la inteligencia artificial (IA) está fuertemente asociada convencionalmente con las computadoras. Sin embargo, es evidente, a partir de una revisión de los diversos artículos, particularmente en el contexto del sector de la educación que, si bien las computadoras pueden haber formado la base del desarrollo de la inteligencia artificial, existe una gravitación que se aleja de la computadora por sí sola, el hardware y software, o el equipo, como inteligencia artificial. Las computadoras integradas, los sensores y otras tecnologías emergentes han facilitado la transferencia de inteligencia artificial a máquinas y otros elementos, como edificios y robots (Chassignol et al., 2018) que proporciona una definición y una descripción de dos facetas de la IA. Como teoría, se definió la IA como un marco teórico que guía el desarrollo y uso de sistemas informáticos con las capacidades de los seres humanos, más particularmente, la inteligencia y la capacidad de realizar tareas que requieren inteligencia humana, incluida la percepción visual, el reconocimiento del habla, la toma de decisiones y la traducción entre idiomas. Otros académicos y en otros estudios, la definición de IA proporcionada pone de relieve elementos o características similares de la IA (Sharma et al, 2020) definiendo la IA como máquinas que tienen la capacidad de aproximarse al razonamiento humano. De manera similar, Pokrivcakova (2019), con una definición y descripción orientada al sector de la educación, observó que la IA es el resultado también de muchas décadas de investigación y desarrollo que reúne a diseñadores de sistemas, científicos de datos, diseñadores de productos, estadísticos, lingüistas, científicos cognitivos, psicólogos, expertos en educación y muchos otros para desarrollar sistemas educativos con cierto nivel de inteligencia y capacidad para realizar diferentes funciones, incluso para ayudar a los docentes y apoyar a los alumnos a desarrollar sus conocimientos y habilidades flexibles para un mundo en constante cambio. 11 Así, la educación asistida por IA incluye tecnologías y paradigmas como la educación inteligente, aprendizaje virtual innovador y análisis y predicción de datos. Como muestra y resumen, enumeramos en la Tabla 1 los principales escenarios de la IA en la educación y las tecnologías clave de apoyo . Tabla 1. Escenarios y técnicas respectivas en IA para el contexto educativo Escenarios de educación en IA Técnicas relacionadas con la IA Evaluación de estudiantes y escuelas Método de aprendizaje adaptativo y enfoque de aprendizaje personalizado Análisis académico. Calificación y evaluación de trabajos y exámenes Reconocimiento de imágenes, visión artificial, sistema de predicción Enseñanza inteligente personalizada Extracción de datos (data mining) o interferencia del conocimiento Bayesin, inteligente sistemas de enseñanza, análisis de aprendizaje Escuela inteligente Reconocimiento facial, reconocimiento de voz, laboratorios virtuales, AIR, V/R, tecnologías de audición y detección Educación remota móvil y en línea Computación perimetral, asistentes virtuales personalizados, análisis en tiempo real No podemos olvidar que la educación habilitada por IA está desempeñando un papel más importante a medida que se promueven los requisitos de aprendizaje (Rus, D'Mello, Hu & Graesser, 2013) . Los sistemas educativos inteligentes brindan instrucción y retroalimentación oportuna y personalizada tanto para los instructores como para los alumnos. Estos están diseñados para mejorar el valor y la eficiencia del aprendizaje mediante múltiples tecnologías informáticas, especialmente tecnologías relacionadas con el aprendizaje automático, que están estrechamente relacionadas con el modelo estadístico y la teoría del aprendizaje cognitivo. De esta forma, se incorporan diversas técnicas al sistema de IA para el análisis del aprendizaje, como sistemas de recomendación, la comprensión y la adquisición de 12 conocimientos basadas en el aprendizaje automático o la minería de datos y el modelo de conocimiento (Nunn, Avella, Kanai & Kebritchi, 2016). Los contextos educativos provistos de IA generalmente constan de contenidos de enseñanza, datos y algoritmos inteligentes, que se pueden dividir en dos partes. Estos son en primer lugar, el modelo del sistema (que incluye el modelo de alumno, el modelo de enseñanza y el modelo de conocimiento) y las tecnologíasinteligentes. Como se muestra en la Figura 2, la ayuda del modelo para construir un mapa de datos es crucial para mejorar el aprendizaje, lo que establece estructuras y reglas de asociación para los datos educativos recopilados. El modelo funciona como un núcleo en el sistema de IA, con tecnologías que proporcionan energía al sistema. Figura 2. Estructura tecnológica de la educación en IA. En el sistema de aprendizaje basado en IA, el modelo de aprendizaje es fundamental para mejorar las capacidades de aprendizaje independiente. Este se establece en base a los datos de comportamiento del alumnado generados a partir del proceso de aprendizaje. Se analiza el pensamiento y la capacidad del estudiantado para evaluar sus habilidades de aprendizaje. Luego, el análisis del conocimiento se mapea para obtener el dominio del conocimiento de los alumnos. El modelado del alumno establece conexiones entre los resultados del aprendizaje y varios factores, incluidos los materiales de aprendizaje, los recursos y los comportamientos de enseñanza. El modelo de conocimiento establece un mapa de estructura de 13 conocimiento con contenidos de aprendizaje detallados, que generalmente incluyen conocimiento experto, reglas para cometer errores que a menudo cometen los alumnos y malentendidos (Nunn, Avella, Kanai & Kebritchi, 2016). Al combinar el modelo de campo de conocimiento y el modelo de alumno, el modelo de enseñanza determina las reglas para acceder al campo de conocimiento, lo que permite a los instructores adaptar las estrategias y acciones de enseñanza. A medida que la educación evoluciona, es probable que los alumnos se comporten de manera positiva, tomen medidas o busquen ayuda. El sistema de IA deberá estar preparado para ofrecer ayuda a partir de las teorías de enseñanza integradas del modelo de tutoría. La interfaz de usuario explica el desempeño de los alumnos a través de múltiples medios de entrada (voz, escritura y clic) y proporciona resultados (textos, figuras, dibujos animados y agencias). La avanzada interfaz hombre-máquina proporciona funciones relacionadas con la IA, incluida la interacción del lenguaje natural, el reconocimiento de voz y la detección de emociones de los alumnos. Por otra parte, el aprendizaje automático o adaptativo, el análisis de aprendizaje y la minería de datos son tecnologías estrechamente relacionadas para la educación. En la actualidad, haya varios ejemplos (Estevez, Garate y Graña, 2019) que han evolucionado en base a análisis de aprendizaje y minería de datos educativos. Así, se benefician de una variedad de disciplinas, como el aprendizaje automático, la minería de datos, la psicometría de las estadísticas y el modelado de datos. El campo de las analíticas de aprendizaje se centra más en los sistemas de gestión de contenidos de aprendizaje y los resultados de pruebas a gran escala. La minería de datos se origina en la comunidad de sistemas de tutoría inteligente, el trabajo en la cognición a muy pequeña escala. Veamos algunos elementos clave de la IA como el aprendizaje automático, aprendizaje adaptativo, análisis del aprendizaje o minería de datos, muy relacionados y aprovechables por sus características con las ventajas de las diferentes ecologías del aprendizaje. Aprendizaje automático. Su núcleo es el descubrimiento de conocimiento, el proceso de análisis basado en un conjunto de datos de muestreo conocido como "datos de entrenamiento", que genera patrones significativos y un conocimiento estructurado. Por ejemplo, el aprendizaje automático puede ayudar a crear recomendaciones para los estudiantes a medida que seleccionan clases, incluso eligen universidades. Aprovecha los datos de logros, aspiraciones, preferencias de 14 los estudiantes para "emparejar" instituciones donde puedan desarrollarse mejor. Además, esta tecnología puede ayudar a los instructores a comprender cómo los estudiantes digieren cada concepto (Kučak, Juričic & Dambić, 2019). De esta manera, los instructores pueden ajustar el método de enseñanza para que funcione bien en función de los registros acumulativos de los estudiantes, lo que puede ayudar a los estudiantes a comprender mejor el material del curso. En particular, para la evaluación de los estudiantes, el reconocimiento de imágenes y la predicción del aprendizaje automático se pueden usar para calificar las tareas y los exámenes de los estudiantes, con resultados más rápidos y confiables que los humanos. Cabe señalar que el aprendizaje profundo, el subcampo del aprendizaje automático, atrae mucha atención. Estas técnicas ampliamente utilizadas incluyen el aprendizaje del árbol de decisiones, la programación lógica inductiva, la agrupación, el aprendizaje por refuerzo y las redes bayesianas. Desde la perspectiva de la técnica, el aprendizaje profundo hace hincapié en representaciones cada vez más significativas a partir del aprendizaje de capas sucesivas. Aprendizaje adaptativo: La IA promueve también el desarrollo del aprendizaje adaptativo, en el que se aplican minería de datos, sistemas de enseñanza inteligentes, análisis de aprendizaje y análisis en tiempo real en el aprendizaje adaptativo. El aprendizaje adaptativo como tal intenta incorporar todos los aspectos de las pruebas, la enseñanza, el aprendizaje y la práctica en el sistema de aprendizaje adaptativo para facilitar el aprendizaje de los estudiantes ((Van Der Vorst y Jelicic, 2019). El sistema de aprendizaje adaptativo puede recopilar datos del comportamiento de aprendizaje de los estudiantes (Cui et al., 2019), planificar la ruta de aprendizaje óptima para los estudiantes en función del análisis de las habilidades de los estudiantes y completar el proceso de aprendizaje de circuito cerrado al impulsar el contenido de aprendizaje como videos de enseñanza en línea. Hay algunos problemas que surgieron y que no se pueden resolver después de estudiar en clase. La tecnología de interacción humano-computadora proporcionada por la IA puede ayudar a los maestros a responder las preguntas de los estudiantes en línea (Goel & Polepeddi, 2016). Hoy en día, muchas empresas ofrecen sistemas de aprendizaje adaptativo, como DreamBox Learning (Gramos, 2018), BYJU'S (Tripathy & Devarapalli, 2020) e IBM Watson Education (Russo- Spena, Mele y Marzullo, 2019), que son empresas relativamente maduras. con sistemas de aprendizaje adaptativo, y los maestros aplican los sistemas en clase para mejorar los efectos de la enseñanza en el aula. 15 Análisis de aprendizaje. Se centra en los datos de las características de los estudiantes y los objetos de conocimiento del modelo de aprendizaje y el modelo de campo de conocimiento. El concepto de análisis de aprendizaje conlleva asimismo el citado aprendizaje automático. El propósito es adaptar el método educativo a la necesidad y la capacidad del alumno individual, como intervenir con los alumnos en riesgo o proporcionar retroalimentación y contenido instructivo. Utiliza técnicas relacionadas con el aprendizaje automático, la visualización de datos, las ciencias del aprendizaje y la semántica. Por ejemplo, el aprendizaje de competencias basado en IA, que genera datos críticos de los estudiantes, puede encontrar información sobre los estudiantes y predecir las competencias críticas que pueden perseguir, lo que permite a las instituciones actuar de manera proactiva. Además de un aprendizaje basado en competencias, el análisis de aprendizaje también explota la capacidad versátil de la IA para aprender de forma autónoma. Minería de datos. La minería de datos educativos basada en IA trata de generar respuestas sistemáticas y automatizadas para los alumnos y tiene como objetivo desarrollar reglas de asociación inherentes y ofrecer objetos de conocimiento a los estudiantes para satisfacer sus necesidades personales. Por ejemplo, los datos de características demográficasde los estudiantes y los datos de calificación se pueden analizar a partir de una pequeña cantidad de tareas escritas. Se puede lograr mediante un método de regresión de aprendizaje automático que también se puede usar para predecir el desempeño futuro de un estudiante. Además, la minería de datos se está convirtiendo en una poderosa herramienta para mejorar el proceso de aprendizaje y el dominio del conocimiento, lo que conduce a una mejor comprensión de los entornos educativos y los alumnos. En otras palabras, la minería de datos puede verse como el descubrimiento de patrones y el modelado predictivo aplicado para extraer conocimiento oculto, lo que permite a los instructores realizar ajustes para mejorar el desarrollo del plan de estudios en el sistema educativo. Una de las aplicaciones importantes es que la IA basada en la minería de datos puede lograr un aprendizaje personalizado a partir de los datos del campo de conocimiento, donde los estudiantes realizan su propio aprendizaje, a su propio ritmo pudiendo decidir su propio método de aprendizaje con la ayuda de la IA. 16 En definitiva, concluiremos este apartado reseñando la potencia que posee la IA para penetrar y provocar cambios en diferentes sectores de la sociedad, siendo el sector de la educación uno de los que probablemente se vea más afectado. Como hemos visto, aunque los algoritmos de IA proporcionan feedback tanto a los procesos de enseñanza como a los de aprendizaje, son sobre estos últimos donde alcanza una mayor eficiencia. Elementos y áreas propias de la IA como el aprendizaje automático, análisis del aprendizaje o minería de datos tendrán una clara ventaja desde los paradigmas de las ecologías del aprendizaje, por el propio valor añadido de estas en coordinación con el uso de la propia tecnología, como veremos a continuación. 3. ECOLOGÍAS DEL APRENDIZAJE Las teorías ecológicas del aprendizaje (EA) se basan en la idea de que el aprendizaje se desarrolla con el transcurso del tiempo y desde múltiples entornos. Las oportunidades de aprendizaje son posibles y moldeadas por la EA en la que uno habita. Una EA por tanto es el contexto físico, social y cultural en el que tiene lugar el propio proceso del aprendizaje. Al igual que los ecosistemas naturales, las ecologías de aprendizaje (ver Figura 2) tienen propios componentes. Figura 2. Componentes de las ecologías del aprendizaje. Agentes •Estudiantes •Profesores •Cualquier individuo Medios •Físicos •Digitales •Inteligencia artificial •Aplicaciiones 17 Tal y como observamos y profundizaremos mas adelante, la inteligencia artificial se puede concebir , tal y como evidencia la figura, como un medio a través del cual se retroalimenta las posibilidades de las diferentes ecologías del aprendizaje. En definitiva, el planteamiento de las EA se basa en entornos donde el conocimiento compartido permite el fomento y el desarrollo de múltiples conexiones y fuentes de información, las que se estructuran de forma personalizada, facilitando el aprendizaje constante y continuo de forma libre, inarticulada, dinámica, adaptable y desorganizada (García, 2009; Santamaría, 2011). Estos ecosistemas se componen por un conjunto de comunidades, que se entrelazan por algún factor en común, favoreciendo la retroalimentación, una evolución progresiva y autogestionada, permitiendo la construcción social de nuevos significados (Brown, 2000). Éstos se transmitirán a través de tecnologías digitales, con un alto componente de interacción colaborativa y cooperativa que ira en función del diseño de saberes multiconectados (Bonzo, 2012). Al interior de las EA, el proceso de aprendizaje se comprende como la formación de redes, con la capacidad de estructurarse dinámicamente para adquirir, experimentar, actualizar, crear y conectar nuevos conocimientos externos a la persona (Valenzuela-Urra, Valdenegro-Egozcue y Oliveros-Castro, 2020). Estas redes de aprendizaje pueden ser percibidas como configuraciones existentes en nuestras mentes y que establecen pautas de entendimiento fácilmente modificables (Quintana, Vidal, Torres y Castrillejo, 2010; Siemens 2006). Así, estas redes se encuentran formadas por nodos, que son fuentes concretas o abstractas, reales o virtuales, pudiéndose encontrar en personas o dispositivos tecnológicos, en los cuales se reúne una gran cantidad de información sobre un determinado tema, el que es considerado por el individuo como pertinente y útil para resolver un problema. La vinculación de un conjunto de nodos personalizados y conectados entre sí permite el surgimiento de una red. Las redes, al ser un conjunto de nodos unidos, funcionan como una tubería por la cual la información fluye de forma bidireccional. Una conexión entre nodos significa una polinización informacional entre ellos (Oliveros, 2014), constituyendo estos nexos un entramado de filtros afectivo/emotivos, lógico/racionales y tecnológico/ informacionales, entre otros, permitiendo decidir 18 qué conocimientos añadir y cuáles no. Estos conductos son fortalecidos y potenciados mediante la confianza, la interacción, la interactividad, y el relacionamiento constante y progresivo con nuevos medios tecnológicos que colaboran a afirmar estos vínculos (Barron, 2004; Frielick, 2004). Junto a lo anterior, la tendencia natural de las conexiones es a incorporar nuevos nodos o fuentes de información que ayuden al posicionamiento de los enfoques cognitivos del aprendizaje (Serrano y Pons, 2011), que, a su vez, continúan con el proceso de ampliación, creación, re – creación, modificación, transformación y enlace de saberes y aprendizajes diversos de forma constante y dinámica (Quintana, Vidal, Torres y Castrillejo, 2010; Siemens, 2006). Por tanto, el aprendizaje es comprendido como complejo, caracterizado por lo caótico, la borrosidad, diversidad y autoorganización (Munné, 1995), y no perfectamente empaquetado y preparado, como se visualiza en los programas educativos tradicionales, para los cuales el proceso de aprendizaje es ordenado y continuo. En este caso, la estructura tradicional es sustituida por modalidades que van en constante desarrollo y comunicación. Ilustrando lo anterior, en la figura 3 se muestra un ejemplo gráfico del proceso de aprendizaje como la unión de nodos que no necesariamente son afines entre sí, sino que también integran datos, conceptos y enfoques contradictorios que hacen que el aprender en las redes sea comprendido como algo vertiginoso y caleidoscópico. 19 Figura 3. El aprendizaje como formación de nodos, redes y patrones neuronales Otro aspecto del aprendizaje que se modifica en esta lectura ecosistémica es el concepto de certeza, que se sustituye por el estado de suspenso continuo, debido a la explosión informacional y los avances tecnológicos (Barron, 2006). Lo anterior se fundamenta en la máxima que los conocimientos considerados hoy como válidos y estables, gracias al conjunto de nuevos descubrimientos, pueden dejar de tener preponderancia mañana (Morín, 1999; Siemens, 2008c). Esta perspectiva se enmarca en la lógica de que somos capaces de conocer parcialmente la realidad y que es necesario adoptar una serie de actitudes que permitan desarrollar “… la tolerancia ante la ambigüedad y la incertidumbre. La certeza es limitada en el tiempo, no para toda la vida” (Quintana, Vidal, Torres y Castrillejo, 2010). Por último, las EA facilitan el accionar de las dimensiones del aprendizaje tales como el saber sobre, que se traduce en los conocimientos propios de una disciplina o especialidad; el saber hacer o el saber cómo, que son los procedimientos para la realización de una actividad; el saber ser, o el conocimiento relacionado con la humanidad y con los otros; el saber dónde o la identificación de los sitios para encontrar la información que se necesita; y el saber transformar, que es la 20 produccióny estructuración personal de datos (Ladaga y Magallanes, 2013), a través del aprendizaje en diferentes modalidades, actividades colaborativas, aprendizaje autónomo y por medio de guías tutorializadas. (Esteve y Gisbert, 2011). Estas interacciones de modalidades y actividades antes mencionadas posibilitan al individuo, establecer filtros para evitar la infoxicación (Navas-Martin, Albornos- Muñoz y Escandell-García, 2012). También se emplean los recursos tecnológicos digitales que son comunicadores y mediadores de datos, creencias, perspectivas y valores, los cuales se comparten usando lenguajes contextualizados, conocimientos y saberes nuevos en modalidad integrada y con una multidimensionalidad en el aprendizaje dentro de las comunidades que integran la EA, tal y como se muestra en la figura 4. Figura 4. Conexiones, dimensiones, canales y elementos del modelo de ecología de aprendizaje Fuente: Quintana, Vidal, Torres y Castrillejo (2010). 21 4. LA INTELIGENCIA ARTIFICIAL APLICADA A LAS ECOLOGÍAS DEL APRENDIZAJE Tratando de exponer finalmente las aplicaciones de la IA a las diferentes ecologías del aprendizaje, entendemos que una empresa de tal magnitud y alcance debe ser vehiculada por un organismo público para hacer posible el binomio calidad y equidad con la debida protección de datos y el manejo ético de los mismos. Las siguientes posibilidades que mencionamos aúnan las ventanas del aprendizaje ubicuo que permiten las ecologías del aprendizaje y los paradigmas de IA. Algunos ejemplos como decimos de la aplicación de este binomio serían las siguientes: -Confección y diseño automatizado, con técnicas de IA, de unidades didácticas personalizadas con actividades específicas para reforzar o adquirir aprendizajes necesarios para cada alumno según sus propias necesidades, siguiendo escenarios de educación formal / informal para el alumnado. -Apoyo al profesorado en las diferentes tomas de decisiones, basada en coincidencia o aproximación de patrones efectivos de múltiples variables, con algoritmos de machine learning, secuenciados en un histórico ingente de datos anonimizados permitiendo que, aunque la última palabra la tenga siempre el docente, pueda contar y apoyarse en el conocimiento cualitativo agregado. -Personalización del proceso de enseñanza, mediante la detección del estilo y objetos de aprendizaje, entre otras variables, focalizando en procesos más eficaces para cada alumno. -Logro de una mayor autonomía y empoderamiento para el aprendizaje del alumnado, mediante el Learning Crowdsourcing (Aprendizaje colectivo), en ecologías de aprendizaje conectadas. -Recomendación individual y privada de posibles itinerarios para el propio alumnado en base a sus intereses, motivaciones, habilidades, aprendizajes, etc. 22 -Disminución del tiempo de dedicación del profesorado a tareas mecánicas o burocráticas, capaces de ser automatizadas por esta tecnología, con el reconocimiento de patrones -Aprendizaje automático ubicuo en redes sociales no supervisadas desde distintos entornos de educación formal e informal, en coherencia con distintas ecologías de aprendizaje. En definitiva, es un hecho que la tecnología digital ha traído características de conexión que restablecen nuestra comprensión igualmente de arquitecturas sociales. Sobre áreas como la Inteligencia Artificial (IA) o Big Data, entre otras muchas, atesoran un gran potencial que les permite actuar sobre el campo educativo reorganizando su estructura para considerar a los actores humanos y no humanos y sus propias acciones en plataformas digitales. La naturaleza participativa de los entornos de la web social por ejemplo, acrecienta las oportunidades de producir y difundir creaciones propias y de aprender en colaboración con otros actores – pares, profesores, especialistas, artefactos de inteligencia artificial y cualquier otro colaborador interesado-. A través de esta dinámica, se extienden las denominadas EA, se globaliza la comunicación del conocimiento y se fortalece su sentido local, diverso y cultural; se estimula la idea de ser ciudadano del mundo y se amplían las oportunidades para relacionarse, aprender y cooperar en las más diversas Por otra parte, es innegable que vivimos también en un entorno caracterizado por el cambio permanente, la innovación y el avance acelerado del conocimiento, la ciencia y la tecnología, en el que las habilidades para aprender a aprender y aprender a lo largo de la vida se han vuelto indispensables y un claro valor añadido y diferenciador. Asimismo, el irrevocable tránsito de las sociedades contemporáneas hacia sistemas sociales tecnocientíficos, tales como la Cuarta Revolución Industrial (Schwab, 2017), la Sociedad 5.0 (Council for Science Technology and Innovation, 2016) y las ciudades del aprendizaje (UNESCO, 2013a), sustentados en las crecientes capacidades de procesamiento computacional, automatización e inteligencia artificial, refuerzan la necesidad de adquirir un amplio conjunto de competencias tecnológicas para desempeñarse satisfactoriamente en sociedades cada vez más digitalizadas (Leal-Urueña, 2020). 23 En conclusión, la consideración de los paradigmas de la inteligencia artificial en las ecologías del aprendizaje es a día de hoy incipiente, pero con una reconocida progresión exponencial dadas sus claras ventajas. En la última edición del Informe Horizon (Freeman et al., 2017), se reportaron prácticas en programación como alfabetización, robótica educativa y realidad virtual. En contrapunto a este ascenso se encuentra la necesaria formación sobre estas tecnologías para que formen parte de las actividades de formación del profesorado, en cuanto a las propias tecnologías en ecologías del aprendizaje STEAM, las analíticas de aprendizaje, los makerspaces, la inteligencia artificial y el Internet de las cosas, entre otras. Razón por la cual será esencial disen ̃ar intervenciones conducentes a su inclusión en los cursos y prácticas de formación de los futuros educadores. Como hemos reseñado en el presente artículo, es una característica esencial de la aplicación de la IA en las EA, los elementos de interacción o acción reci ́proca, que involucran no sólo la acción de las personas entre sí y sobre los artefactos, sino que incluye las acciones que estos, dotados de inteligencia artificial o cualquier otro tipo potencialidad de actuación, pudiendo igualmente producir sobre esta ecología. Este potencial de actuación va más allá de las características antropomórficas que puedan adoptar los artefactos, e implica sus capacidades de comunicación y aprendizaje, cada vez más sofisticadas, como resultado de las técnicas de aprendizaje de máquina –machine learning-, lo que amplía su comprensión, ya no como mediación sino como un actor dotado de lenguaje propio y que otorga sentidos y significados en los procesos de aprendizaje de nuestras diversas ecologías. BIBLIOGRAFÍA Barron, B. (2004). Learning ecologies for technological fluency: gender and experience differences. Journal of educational computing reseach, 31(1), 1- 36. DOI: https://doi.org/10.2190/1N20-VV12-4RB5-33VA Barron, B. (2006). Interest and self – sustained learning as catalysts of development: A learning ecology perspective. Human development, 49(4), 193-224. DOI: https://doi.org/10.1159/000094368 24 Bonzo, J. (2012). A Social media networked learning ecology perspective. En Hodgson, V.; Jones, C.; de Laat, M.; McConnell, D.; Ryberg, T. and Sloep, P. (eds.). Proceedings of 8th International Conference on Networked Learning (pp. 474-481). Lancaster: Lancaster University. Borges, J. y Marzal, M. (2017). Competencias en información y en comunicación: Desarrollo conceptual a partir de la new media literacy. Revista interamericana de bibliotecología, 40(1), 35-43. DOI: http://dx.doi.org/10.17533/udea.rib.v40n1a04Brown, J. (2000). Growing up: digital: how the web changes work, education, and the ways people learn. Change: The magazine of higher learning, 32(2), 11- 20. Buzai, G. y Ruiz, E. (2012). Geotecnósfera. Tecnologías de la información geográfica en el contexto global del sistema mundo. Anekumene: revista virtual. Geografía, cultura y educación, 4, 88-106. https://cutt.ly/4tnpojW Calderón, A. (2010). Informe APEI sobre alfabetización informacional. Gijón: Asociación Profesional de Especialistas en Información. https://cutt.ly/KtnpsOy Castells, M. (1996). Prólogo: La red y el yo. En M. Castells, La era de la información Vol. I: Economía, Sociedad y Cultura: La Sociedad Red (2ª ed., Vol. 1, pp. 1-18). Madrid, España: Alianza Editorial. Castillo, J. y Estrada, J. (2016). Los PLE’s en el desarrollo de competencias cognitivas desde la metodología sistémica en estudiantes universitarios. Maskana, Acta Congreso TIC.EC, 34-45. Recuperado de https://cutt.ly/atnpcAv Chen, L., Chen, P. and Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8, 75264-75278. Chassignol, M., Aleksandr K., Klimova, A. y Bilyatdinova, A. (2018). Artificial Intelligence trends in education: a narrative overview. Procedia Computer Science. 136. 16-24. 7, 14 Coll, C. (2013). El currículo escolar en el marco de la nueva ecología del aprendizaje. Aula de innovación educativa, 219, 31-36. https://cutt.ly/ftnpvvb 25 Cui, W., Xue, Z. y Thai, KP (2019). Comparación de rendimiento de un sistema de aprendizaje adaptativo basado en IA en China. Actas del Congreso Chino de Automatización 2018, CAC 2018. Cuevas, A. (2006). Normas de alfabetización en información para el aprendizaje de los estudiantes (AASL). Boletín de la Asociación Andaluza de Bibliotecarios, 21(84), 29-34. https://cutt.ly/1tnpbTn Estevez, J., Garate, G. y Graña, M. (2019). Introducción suave a la inteligencia artificial para estudiantes de secundaria usando scratch. IEEE Access, 7, 179027-179036 Esteve, F. y Gisbert, M. (2011). El nuevo paradigma de aprendizaje y nuevas tecnologías. REDU. Revista de docencia universitaria, 9(3), 55-73. DOI: https://doi.org/10.4995/redu.2011.6149 Freenman, S., Eddy, S. y Pat, M. (2014). Active learning increases student performance in science, engineering, and mathematics. PNAS, 111 (23) 8410-8415. https://doi.org/10.1073/pnas.1319030111 Goel, A.K. & Polepeddi, L. (2016). Jill Watson: A Virtual Teaching Assistant for Online Education. Georgia Tech Library. https://smartech.gatech.edu/handle/1853/59104 Gramos, D. (2018). A Quantitative Study of the Use of DreamBox Learning and Its Effectiveness in Improving Math Achievement of Elementary Students with Math Difficulties. Proquest LLC.. Kučak, D., Juričić, V. y Dambić, G. (2019). Aprendizaje automático en la educación: un estudio de las tendencias de investigación actuales. Proc. 29 Int. Síntoma DAAAM., 406-410 Leal-Urueña, L. (2020). La formación inicial en competencias digitales del profesorado de secundaria: una lectura desde las Ecologías de Aprendizaje. [Tesis doctoral. Universidad Nacional de Educación a Distancia]. Nunn, S., Avella, J.T, Kanai, T. y Kebritchi, M. (2016). Beneficios y desafíos de los métodos analíticos de aprendizaje en la educación superior: una revisión sistemática de la literatura. Online Learn 20 (2), 1-17. Quintana, E., Vidal, D., Torres, L. y Castrillejo, V. (2010). George Siemens: Conociendo el conocimiento. Grupo Nodos Ele. https://cutt.ly/UyDjZnU García, I. (2009). Teoría de la conectividad como solución emergente a las estrategias de aprendizaje innovadoras. REDHECS, 6(4), 1-25. https://cutt.ly/HtnQO3E 26 Ladaga, S. y Magallanes, M. (2013). Saber conectar: dilemas profesionales en entornos digitales. Una (re) visión desde el conectivismo. En VI Encuentro Panamericano de Comunicación (COMPANAM, 2013). https://cutt.ly/JyDjO99 Manso-Perea, C.; Cuevas-Cerveró, A. y González-Cervantes, S. (2019). Competencias informacionales en los estudios de grado en enfermería: El caso español. Revista española de documentación científica, 42(1), 1-15. DOI: https://doi.org/10.3989/redc.2019.1.1578 Moreno, A. (2011). Móvil learning. https://cutt.ly/2rNm2kw Morin, E. (1999). Los siete saberes necesarios para la educación del futuro. Unesco. Moyano, W. (2017). Adaptabilidad de la Clasificación Decimal Dewey para la organización de contenidos: De los estantes a la Web. Revista Interamericana de bibliotecología, 40(1), 27-34. DOI: https://doi.org/10.17533/udea.rib.v40n1a03 Munné, F. (1995). Las teorías de la complejidad y sus implicaciones en las ciencias del comportamiento. Revista Interamericana de psicología, 29(1), 1- 12. https://cutt.ly/FtnRWgZ Nardi, B. and O´Day, V. (1999). Information ecologies: using technology with heart. Cambridge, Massachusetts; MIT Press. Navas-Martin, M.; Albornos-Muñoz, L. y Escandell-García, C. (2012). Acceso a fuentes de información sobre salud en España: cómo combatir la infoxicación. Enfermería clínica, 22(3), 154-158. DOI: https://doi.org/10.1016/j.enfcli.2012.04.001 Nora, S. y Minc, A. (1981). La informatización de la sociedad. Santiago, Chile: Fondo de Cultura Económica. Oliveros, S. (2014). La alfabetización en información y su posible inserción en los planes de estudio del pre – grado en la Universidad de Playa Ancha con apoyo de la teoría del aprendizaje conectivista. [Tesis de pregrado sin publicar, Universidad de Playa Ancha, Valparaíso, Chile]. Pokrivcakova, S. (2019). Preparación de profesores para la aplicación de tecnologías impulsadas por IA en la enseñanza de lenguas extranjeras. Educación Cultural, 7(3), 135-153. Rus, V,D'Mello, S., Hu, X. y Graesser, A. (2013). Avances recientes en sistemas de tutoría inteligentes conversacionales. AI Mag, 34 (3), 42- 54. 27 Russo-Spena, T., Mele, C. & Marzullo, M. (2019). Practicando la innovación de valor a través de la inteligencia artificial: el caso de IBM Watson. Journal of Creating Value, 5(1) 11–24. Serrano, J. y Pons, R. (2011). El constructivismo hoy: enfoques constructivistas en educación. Revista electrónica de investigación educativa, 13(1), 1- 27. https://cutt.ly/RtnT764 Siemens, G. (2006). Knowing knowledge. https://cutt.ly/tyDj26q Siemens, G. (2008a). New structures and spaces of learning: the systemic impact of connective knowledge, connectivism and networked learning. Encontro sobre Web 2.0, Universidade do Minho. Siemens, G. (2008b). A brief history of networked learning. https://cutt.ly/vrNQgMo Siemens, G. (2008c). Learning and knowing in networks: Changing roles for educators and designers. ITFORUM for discussion. https://cutt.ly/xrNQjck Sierra, J. (2013). El desarrollo de competencias informacionales en el entorno universitario. Revista de la Universidad de la Salle, (60), 159-175. https://cutt.ly/ytnYdZ2 Sharma, R. C., Kawachi P. and Bozkurt, A. (2019). The landscape of artificial intelligence in open online and distance education: Promises and concerns. Asian J. Distance Educ., 14 (2), 1-2. Valenzuela-Urra, C., Valdenegro-Egozcue, B. y Oliveros-Castro, S. (2020). Ecologías del aprendizaje y la contribución de las competencias informacionales: una reflexión teórica. Palabra Clave (La Plata), 10(1), e107. Van Der Vorst, T. y Jelicic, N. (2019). Artificial Intelligence in Education: Can AI bring the full potential of personalized learning to education? 30th European Conference of the International Telecommunications Society (ITS): "Towards a Connected and Automated Society", Helsinki, Finland, 16th-19th June, 2019, International Telecommunications Society (ITS), Calgary. 28 EL APRENDIZAJE COLABORATIVO EN ENTORNOS VIRTUALES EN LA ENSEÑANZA OBLIGATORIA DENTRO DEL CONTEXTO EDUCATIVO ESPAÑOL Nieves Gutiérrez Ángel Universidad de Almería María Dolores Pérez-Esteban Universidad de AlmeríaJosé Juan Carrión Martínez Universidad de Almería María del Mar Fernández Martínez Universidad de Huelva 1. INTRODUCCIÓN El aprendizaje colaborativo en los entornos virtuales posee como finalidad principal crear aprendizajes significativos en los estudiantes, donde estos, adquieren un papel protagonista en el diseño y desarrollo de su propio proceso, a través de la interacción entre ellos, aunque también contando con la interacción tanto del profesorado, como de la familia (Cahuana, 2021). Desde un punto de vista conceptual, este tipo de aprendizaje teóricamente se fundamenta en el constructivismo y en el aprendizaje por descubrimiento, desarrollado a partir de las interacciones que se producen entre el alumnado a través de distintos dispositivos virtuales. Así como la motivación de los estudiantes, al sentirse responsables, activos y participativos en su propio proceso de aprendizaje (Yeh et al., 2018). En este sentido, son diversos los trabajos que han demostrado que este tipo de aprendizaje reporte grandes beneficios, como es el caso de las mejoras de las habilidades tanto de carácter cognitivo, como tecnológicas del alumnado, ya que emerge de los propios intereses del alumnado, teniendo en cuenta sus propios ritmos, y su motivación. Al igual que ocurre con la mejora de las relaciones interpersonales, puesto que a través del mismo se ofrece la posibilidad de un tipo 29 de comunicación entre el alumnado de manera sincrónica y una constante retroalimentación, donde tales espacios se convierten en un lugar ideal para compartir contenidos, conocimientos y objetivos, y trabajar unidos (Cahuana, 2021). Además, en él, se combinan distintas estrategias didácticas, y distintos dispositivos digitales (Chong y Marcillo, 2020). En cuanto a su propia metodología, este tipo de aprendizaje, debe desarrollarse partiendo siempre de la realidad, a partir de la democracia la interactividad y el aprendizaje, para obtener actividades motivadoras e interactivas, en las que se entrelazan competencias puramente didácticas, y tecnológicas, que se ha convertido en la actualidad en un fenómeno global (Mora-Vicarioli y Salazar- Blanco, 2019). Y, por lo tanto, conlleva una transformación en la forma de entender los procesos de aprendizaje tradicionales, puesto que se apuesta por un tipo de aprendizaje basado en actividades que se caractericen por ser interactivas, creativas y motivadoras, sin perder de vista los estilos y ritmos de aprendizaje de cada alumno (Chong y Marcillo, 2020). Además, hemos de destacar que este tipo de aprendizaje, pedagógicamente, está basado en cuatro dimensiones que se exponen a continuación: (Chong y Marcillo, 2020). La dimensión informativa. En ella se encuentran todos los recursos digitales a los que puede acceder el alumnado. Los más conocidos y empleados se corresponden con archivos digitales, webs, o enlaces a vídeos y podscast, siempre previamente seleccionados en función de su idoneidad por el profesorado, y puesto a disposición del alumnado por el mismo. La dimensión constructiva. En ella es en el punto en el que se ponen en uso las distintas estrategias pedagógicas con la finalidad de que el alumnado desarrolle un tipo de aprendizaje caracterizado por la significatividad y la colaboración. Las más conocidas y empleadas se corresponden con los foros, la redacción de textos digitales, la construcción de blog o wikis. La dimensión de comunicación. En ella es el momento preciso en el que habilitan los espacios destinados a tal comunicación e interacción por parte de los alumnos. La dimensión tutorial y evaluativa. Esta última dimensión se caracteriza por otorgar al profesor el papel de mediador en todas las dimensiones descritas anteriormente, así como la labor de ofrecer una retroalimentación continua al alumnado. Por lo tanto, este tipo de aprendizaje, además de suponer un cambio de escenario (presencial a virtual) también supone la apuesta por un aprendizaje accesible, 30 inmediato, abierto, contextualizados y colaborativo. En el que el papel del docente se basa en la mediación, seguimiento y guía del aprendizaje (Mora-Vicarioli y Salazar-Blanco, 2019). Cada vez son más prevalentes las experiencias que encontramos relacionadas con este tipo de aprendizaje en los entornos virtuales, pues la influencia de la sociedad es innegable, y las situaciones sociales y sanitarias recientemente vividas por el COVID-19 han introducido enormes cambios en el paradigma educativo (Cotán et al., 2020). 2. OBJETIVOS El objetivo de este trabajo es analizar las publicaciones existentes en la literatura específica acerca de las distintas experiencias de innovación educativas desarrolladas en el contexto educativo español, relacionadas con el aprendizaje colaborativo en entornos virtuales. 3. METODOLOGÍA Este trabajo aplica la metodología de la revisión bibliográfica con la finalidad de analizar y compendiar todos aquellos resultados que desde el año 2017 hasta la actualidad han sido publicados con respecto al aprendizaje colaborativo en entornos virtuales en la enseñanza obligatoria. Por lo tanto, la metodología indicada se fundamenta en ejecutar una investigación documental, a partir de la recopilación de información ya existente sobre un tema o problema, siendo el tema elegido el aprendizaje colaborativo en entornos virtuales en la contexto educativo español. Para llevarlo a cabo, aplicamos un proceso que se divide en cuatro fases: FASE 1: Búsqueda Se realizó una búsqueda entre los años 2017 y 2022. Empleando como descriptores “aprendizaje colaborativo” AND “entornos virtuales”. Además, se utilizaron algunas de las indicaciones aportadas por Cooper y Hedges (1994) y Cooper (2009) tales como: revistas revisadas por pares), y referencia bases de datos e índices de citas. 31 FASE 2: Proceso de selección Sobre estos criterios, las bases de datos en las que se realizó la búsqueda fueron WOS, Scopus, Dialnet, Psicodoc, Psycinfo y Eric. Aplicando como filtros para la búsqueda estuviera a disposición el texto completo, y su idioma de publicación fuese inglés, portugués o español. FASE 3: Análisis metodológico Para seleccionar las investigaciones se siguió la Declaración PRISMA (Moher et al., 2009). De tal manera, inicialmente se encontraron 83 artículos en dicha búsqueda. Tras ello, se procedió a eliminar los duplicados y a revisar tanto el título, como el resumen de cada uno de ellos. Finalmente, el número de trabajos se redujo a 11, los cuales cumplían los siguientes criterios: 1. Son publicaciones que están escritas en español, inglés o portugués comprendidas entre los años 2017 y 2022. 2. Son trabajos publicados en revistas que son revisadas por pares y son estudios empíricos. 3. Abordan el tema del aprendizaje colaborativo en entornos virtuales 4. Se centran en experiencias de innovación llevadas a cabo en todos los niveles educativos. 5. Son trabajos realizados en el contexto educativo español FASE 4: Síntesis y aportaciones principales de los resultados de la búsqueda. 32 Figura 1. Diagrama de flujo de resultados de búsqueda de estudios empíricos en bases de datos aplicando los criterios de Moher et al. (2009, 2014) y Page et al., (2021). 4. RESULTADOS Los resultados encontrados nos indican que a medida que han pasado los años, el número de publicaciones relacionadas con nuestra temática ha ido en aumento. Concretamente, encontramos tres trabajos publicados en el año 2021, dos publicados en el año 2019, y un solo trabajo publicado en 2017. Ante lo que también podemos afirmar la inexistencia de publicaciones que se ajusten a nuestros criterios en los años 2018, o 2020. En la siguiente figura se puede observar la progresión poraños. Ver Figura 2. 33 Figura 2. Progresión de los estudios por año de publicación Continuando con el análisis de los resultados, y centrándonos en las muestras empleadas, encontramos trabajos que emplean como muestra al alumnado de primaria y secundaria (Blázquez & Marín, 2021; Epelde et al., 2019), trabajos cuyas muestras están compuestas por alumnado de bachiller (Acosta et al., 2021; Villadangos, 2019), y alumnos universitarios (Garitano et al., 2017; Hernández- Sellés, 2021). Sin embargo, a excepción del trabajo elaborado por Acosta et al. (2021) que se corresponde con un estudio de caso, todos los resultados encontrados emplean una metodología de carácter no experimental, con diseño ex post-facto, de carácter descriptivo y medición única en un único grupo. Además, menos el estudio elaborado por Garitano et al. (2017) todos los resultados encontrados emplean un instrumento de medición elaborado ad hoc, y solamente el citado estudio, pone en uso un instrumento estandarizado. Siguiendo con los tipos de estudio, uno de los resultados más relevantes de este trabajo reside en que las publicaciones encontradas se corresponden en mayor medida con estudios que únicamente evalúan (ya sea competencias, satisfacción o empleabilidad) (Blázquez & Marín, 2021; Epelde et al., 2019; Hernández-Sellés, 2021). Mientras que por otro lado, sí encontramos estudios que plantean una intervención de cara al empleo del aprendizaje colaborativo en los entornos virtuales (Acosta et al., 2021; Garitano et al., 2017; Villadangos. 2019). Los cuales emplean recursos como las wikis, los diarios, o material gráfico, a través de la implantación de un PLE, o a creación de contenidos digitales para después aprender a compartirlo. Quizá debido al bajo número de trabajos encontrados que proponen una intervención y miden su efectividad, únicamente el trabajo elaborado por Garitano et al. (2017) indica la duración del mismo, que en este caso, se corresponde con un curso escolar. 0 1 2 3 2016 2017 2018 2019 2020 2021 2022 2023 eje y 34 Por último, también analizamos los controles de calidad que se aplican en cada uno de estos trabajos, donde encontramos controles como la validez en los trabajos de Acosta et al. (2021) y de Hernández-Sellés (2021). O la consistencia en estudios como el de Epelde et al. (2019). En la siguiente figura se puede observar la progresión por años de los controles de calidad. Ver Figura 3. Figura 3. Progresión de los controles de calidad por año de publicación Finalmente, hemos de destacar una serie de limitaciones encontradas en nuestros resultados, como son el hecho de no indicar los detalles de la intervención (Acosta et al., 2021), ser estudios que únicamente miden, pero no plantean una intervención plena a partir del aprendizaje colaborativo en los entornos virtuales (Blázquez & Marín, 2021; Epelde et al., 019; Hernández-Sellés, 2021). O, estudios cuya limitación más destacable es el hecho de no aplicar controles de calidad (Garitano et al., 2017; Villadangos, 2019). En resumen, todos los resultados encontrados y sus principales características se presentan en la siguiente tabla 0 0,5 1 1,5 2 2,5 2016 2017 2018 2019 2020 2021 2022 2023 eje y 35 Tabla 1. Resumen de los resultados encontrados Estudio Muestra Etapa Tipo de estudio Instrument o Actividades Duració n Limitacione s Control de calidad Acosta et al. (2021) 57 alumnos Bachiller Estudio de caso Cuestionari o elaborado ad hoc No especifica No especific a No indica detalles de la intervenció n -Validez Blázquez & Marín (2021) No especifica Primaria y secundaria Estudio no experimental , ex post- facto, de carácter descriptivo y medición única en un único grupo Cuestionari o elaborado ad hoc No especifica No especific a Solo mide, no plantea una intervenció n No especifica Hernández -Sellés (2021) 106 estudiantes Universida d Estudio no experimental , ex post- facto, de carácter descriptivo y medición única en un único grupo Cuestionari o elaborado ad hoc No especifica No especific a Solo mide, no plantea una intervenció n - Validez Epelde et al. (2019) 227 adolescente s Primaria y secundaria Estudio no experimental , ex post- facto, de carácter descriptivo y medición única en un único grupo Cuestionari o elaborado ad hoc No espcifica No espcifica Solo mide, no plantea una intervenció n - Consistenci a Villadango s (2019) No espcifica Bachiller No espcifica No espcifica - Wiki - diarios - fotos No espcifica No indica controles de calidad No espcifica Garitano et al. (2017) 147 estudiantes Universida d Estudio no experimental , ex post- facto, de carácter descriptivo y medición única en un único grupo cuestionario Technology Acceptance Model (TAM) -Construir un PLE - Asesoramient o - Crear y compartir contenidos Un curso escolar No indica controles de calidad No espcifica 5. CONCLUSIONES El objetivo de este trabajo ha sido analizar las publicaciones existentes en la literatura específica acerca de las distintas experiencias de innovación educativas desarrolladas en el contexto educativo español, relacionadas con el aprendizaje 36 colaborativo en entornos virtuales. Si bien los resultados encontrados muestran un auge en el número de investigaciones desarrolladas en los últimos años, muchas de ellas únicamente se centran en la medición y no proponen una intervención para llevar a cabo. Tal vez, una posible explicación al auge de este número de publicaciones se deba a la nueva situación educativa que hemos vivido a partir de la pandemia, donde los escenarios educativos presenciales se convirtieron en escenarios virtuales como media social (Vera et al., 2020). El aprendizaje colaborativo en entornos virtuales se corresponde en la actualidad con una innovación en cuanto a la forma de entender la enseñanza y el contexto donde desarrollarla, en el que tienen una gran influencia factores sociales, económicos, tecnológicos, e incluso las propias necesidades del alumnado. Por lo que se encuentra estrechamente relacionado con el avance y desarrollo de las TIC en la sociedad actual (Mora-Vicarioli y Salazar-Blanco, 2019). Nos parece adecuado por tanto, la necesidad de un mayor número de las publicaciones sobre experiencias reales a través de distintas herramientas digitales, en general, y sobre el aprendizaje colaborativo en entornos virtuales, en particular, en las que desde un diseño instruccional, se otorgue el protagonismo al alumnado, en función de los ritmos de aprendizaje y motivación de estos. Los docentes deben considerar estas ideas de cara al uso y empleo de las Tecnologías de la Información y la Comunicación (TIC) en sus aulas, para entre otras ventajas fomentar la alfabetización digital del alumnado, la interacción, el pensamiento crítico, y la creación de contenidos digitales (Cahuana, 2021). Por lo tanto, desde estas líneas queremos apostar por este tipo de innovación a partir de una práctica reflexiva por parte de los docentes, a partir del conocimiento de sus características y ventajas. Creando para ello experiencias de aprendizaje en las que el alumnado trabaja de manera conjunta y comparten contenidos y conocimientos en un ambiente democrático donde todos aportan pensamientos, ideas o soluciones de cara al logro de objetivos comunes. Finalmente, tras la reflexión e investigación realizadas, sería interesante como futuras líneas de investigación analizar las publicaciones realizadas en otros países,o incluso en la educación no formal para identificar cuál es el estado de este tema en esos contextos. 37 6. REFERENCIAS BIBLIOGRÁFICAS Acosta, R., Hernández, A. & Martín, A. V. (2021). Satisfacción del profesorado y alumnado con el empleo de Metodologías de Aprendizaje Colaborativo mediada por las TIC: Dos estudios de casos. Estudios pedagógicos (Valdivia), 47(2), 79-97. Blázquez, E. & Marín, V. I. (2021). Perspectivas docentes sobre uso y efectividad de recursos TIC para promocionar el aprendizaje colaborativo, la creatividad y el espíritu emprendedor. RIITE Revista Interuniversitaria de Investigación en Tecnología Educativa, 69-84. Cahuana, H. R. S. (2021). Aprendizaje colaborativo en los entornos virtuales. Polo del Conocimiento: Revista científico-profesional, 6(11), 46-70. Chong, P. & Marcillo, C. (2020). Estrategias pedagógicas innovadoras en entornos virtuales de aprendizaje. Dominio de las Ciencias, 6(3), 56-77. Cooper, H. (2009). Research Synthesis andMeta-Analysis: A Step-By-Step. Approach. Sage. Cooper, H. y Hedges, L. V. (1994). The Handbook of Research Synthesis. Russell Sage. Cotán, A., Martínez, V., García, I., Gil, M. & Gallardo, J. (2020). El trabajo colaborativo online como herramienta didáctica en Espacios de Enseñanza Superior (EEES). Percepciones de los estudiantes de los Grados en Educación Infantil y Primaria. Revista d’Innovació Docent Universitaria, 12, 82-94. Epelde, M. A., Chacón, R. & Oñederra, J. A. (2019). El trabajo colaborativo en Primaria y Secundaria: diferencias según sexo y curso. Acta Sociológica, 79, 11-32. Garitano, E. T., Ruiz, U. G. & Andonegui, A. R. (2017). Influencia del mentoring en el rendimiento de los participantes en las comunidades virtuales de práctica. RIITE Revista Interuniversitaria de Investigación en Tecnología Educativa, 3, 40-50. Hernández-Sellés, N. (2021). Herramientas que facilitan el aprendizaje colaborativo en entornos virtuales: nuevas oportunidades para el desarrollo de las ecologías digitales de aprendizaje. Educatio Siglo XXI, 39(2), 81-100. Moher, D., Liberati, A., Tetzlaff, J., Altman, D. G. y the PRISMA Group (2009). Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. PLoS Med. 6, e1000097. https://doi.org/10.1371/journal.pmed.1000097 Mora-Vicarioli, F. & Salazar-Blanco, K. (2019). Aplicabilidad de las pedagogías emergentes en el e-learning. Revista Ensayos Pedagógicos, 14(1), 125- 159. 38 Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., ... & Moher, D. (2021). Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas. Revista Española de Cardiología, 74(9), 790-799. Vera, A., Prialé, M. Á., Espinosa, A. & Ninahuanca, E. F. (2020). Modelando una propuesta conceptual para analizar características psicosociales de emprendedores sociales peruanos. Liberabit, 26(1), 1-17. Villadangos, A. F. (2019). Empleo de WIKIS en trabajos colaborativos de investigación científica. Revista Infancia, Educación y Aprendizaje, 4(2), 147-152. Yeh, Y. L., Lan, Y. J. & Lin, Y. T. R. (2018). Gender-related differences in collaborative learning in a 3D virtual reality environment by elementary school students. Journal of Educational Technology & Society, 21(4), 204- 216. 39 DIVERSIFICANDO LA ENSEÑANZA: LAS COMUNIDADES DE APRENDIZAJE COMO FUTURO DE LA EDUCACIÓN María Dolores Pérez-Esteban Universidad de Almería Nieves Gutiérrez Ángel Universidad de Almería María del Mar Fernández Martínez Universidad de Huelva José Juan Carrión Martínez Universidad de Almería 1. INTRODUCCIÓN De todas las instituciones públicas que configuran un estado, sin lugar a dudas, los sistemas educativos se pueden sonsiderar como una isntitución viva, pues entren sus obligaciones principales se encuentra la de adaptarse los diversos cambios sociales que se van desarrollando, así como estar en contínua actualización para, de este modo, seguir formando a nuevos ciudadanos que sean capaces de interaccionar con la sociedades en las que se encuentran. Una de las partes más significativas y primordiales de todo sistema educativo, es la figura del maestro, profesor o docente, que imparten clase en todos los niveles y en todas las etapas educativas. Según Islas (2021) todos los seres humanos llegan a este mundo con el instinto de aprender y por lo tando con la intención de adquirir nuevos conocimeintos que les capaciten para desenvolverse con soltura en el contexto en el que se desarrollan. Por lo que se deduce de las palabras de este autor, que los centros educativos deben favorecer la creación de entornos de aprendizaje en los que las bases del aprendizaje estén muy presentes; todo conocimiento nuevo que se adquiere, debe hacerlo con un sentido y un significado. 41 Según Bueno (2017), la premisa anterior puede resultar asequeble y fácil de relazar en un mundo globalmetne conectado, ya que la disponibilidad para tener acceso a todo tipo y clase de información disponible en la red no resutla ser una tarea muy dificultdosa. Sin embargo, Cabero & Llorente (2015) afirman que la sobreconexión directa al mundo virtual, conlleva que en determinadas ocasiones la veracidad o la falsedad de las informaciones que circulan en la red, se diluyan con los vertiginosos cambios que se suceden, las nuevas configuraciones y las transformaciones de la sociedad. A este respecto, Islas (2021) afirma que las diversas transformaciones, actualizaciones y cambios probocan que la sociedad en general manifieste sentimientos de desorientación, desconexión o aburrimiento debido a las posibles contradicciones de los conocimientos adquiridos. Según Valenzuela, Muñoz & Miranda (2021), los vertiginosos cambios de la sociedad deben ser asumidos por todas las instituciones educativas para que, trabajado de forma coordinada, se adapten los diferentes estilos de enseñanza a estos nuevos paradigmas. Esa adaptación se basa principalmente en el principio de “aprender a aprender”el cual es necesario para poder desarrollar un nuevo aprendizaje vivencial fundamentado en las experiencias vividas por parte de los alumnos. A este respecto, autores como Coll (2014) sostienen que los métodos que se emplean en las aulas para favorecer la construcción activa de los conocimientos adquiridos, requieren de procedimientos que impliquen una contínua adaptación. Solo de esta manera se podrá comprender como funciona el cerebro de los estudianes y también el desarrollo de la generación de los aprendizajes. Partiendo de esta idea, según Vélez & Ruiz (2021), La metacognición hace referencia a todos aquellos procesos que se llevan a cabo por parte del alumnado y que posibilita que se regulen sus aprendizajes, los comprendan y los reflexionen. En palabras de estos autores, el profesorado es una de las piezas más significativas dentro de este proceso, pues deben asumir la responsabilidad de guiar y enseñar a todo su alumnado empleando la metacognición, de esta manera, el estudiantado obtendrá beneficios relvantes al implantar procesos de autorregulación y autogestión que estimulen sus procesos cognitivos. Y es en la comprensión de cómo funciona el cerebro y cómo se produce el aprendizaje, donde se están llevando a cabo numerosas investigaciones actuales. La denominada neuroeducación es una nueva disciplina en la que tres grandes áreas 42 de conocimiento, cómo son la educación, la neurociencia y la psicología, aúnan todos sus conocimientos más significativos para aportar los saberes más importantes de cada una de ellas y de esta manera poder entender cómo funcionan los procesos de enseñanza aprendizaje (Carballo & Portero, 2018). Benavidez & Flores (2019) definen la neuroeduacción como“una ciencia cuyo objeto de estudio es una nueva visión de la enseñanza basada en el cerebro, en los conocimientos que sobre su estructura y funcionamiento se tienen al momento” (p. 29). Del mismo modo Mora (2013), destaca que la enseñanza: Trata, con ayuda de la neurociencia, de encontrar las vías a través de las cuales poder aplicar en el aula los conocimientos que ya se poseen sobre los procesos cerebrales de la emoción, la curiosidad y la atención, y cómo estos procesos se encienden y con ellos se abren esas puertas al conocimiento a través de los mecanismos de aprendizaje y memoria. (p.27). Todo ello favorece la aparición de nuevas metodologías con una base innovadora sobre los procesos que se realizan en las instituciones educativas. Estas metodologías deben ser analizadas, entendidas y reflexionadas para tratarlas no como una panacea, que pretende solucionar cualquier problema que se produzca en las aulas, sino como una alternativa a las metodologías tradicionales y que con las adaptaciones necesarias, puedan ser partícipes de la realidad presente que impera en los centros educativos y además puedan favorecer la germinación de contextos enriquecedores, en donde la adquisición del conocimiento se potencializen en todo momento (Hernández et al, 2021). A la hora de escoger las diferentes metodologías que se van a aplicar dentro del aula, es de vital importancia tener presente alumnado que presenta Necesidades Específicas de Apoyo Educativo (NEAE), pues hay que tener presente que la educación debe ser brindada para todos por igual, independientemente de las necesidades y las características de los alumnos. Así pues, este elemento de diversidad en el aula puede convertirse en un componente clave a la hora de organizar las tareas y las actividades, ya que la diversidad en el aula no tiene por qué ser algo negativo sino que puede ser un factor compensatorio para otras carencias (Betegón, Rodríguez-Medina & Irurtia, 2019). Una de las relaciones más enriquecedoras se produce cuando la neuroeducación se fusiona con las metodologías innovadoras que incluyen, dentro de su desarrollo, el empleo de las Tecnologías de la Información y de la Comunicación (TIC) para 43 poder satisfacer las necesidades que presenta el alumnado que conforma el aula. Según Bernaschina (2019) “la interacción de la pedagogía o la trilogía que relaciona los ejes dialécticos (profesor-estudiante-contenidos) para intervenir en la toma de decisiones en el sector educativo, tanto la teoría como la práctica desde la perspectiva-estratégica metodológica” (p.45). 2. OBJETIVOS Una vez que se han expuesto cuales son los antecedentes que sustentan esta investigación, es preciso destacar que gracias a ello s eha elaborado la hipótesis principal de esta investigación, la cual es: ¿Son las comunidades de aprendizaje una alternativa a una educación tradicional? De la formulación de la hipótesis principal emanan el siguiente objetivo de investigación, el cual pivota en torno a: - Analizar cuáles son las características de las comunidades de aprendizaje - Determinar cómo afecta esta propuesta de transformación educativa en los diferentes niveles educativos. 3. METODOLOGÍA Para el desarrollo de esta investigación se ha optado por la realización de una revisión bibliográfica, en la que siguiendo un enfoque interpretativo y una metodología de corte cualitativa se ha procedido a analizar todos los estudios y todas las investigaciones que se encuetnran estrechamente relacionadas con los objetivos antes mencionados, de este modo y tras analizar los resultados obtenidos se podrán establecer conclusiones enriquecedoras. Para llevar a cabo esta revisión bibliográfica se ha desarrollado tres fases, que a continuación se detallan. En primer lugar, y de manera general, se ha optado por realizar una revisión documental en la que, centrándose en el campo de las ciencias de la educación, se han escogido las principales bases de datos de investigación científica consideradas como las más relevantes, a saber; Dialnet, Web of Science, Scopus y ERIC. Gracias al uso de estas bases de datos es posoble acceder y contrastar un mayor número de estudios e investigaciones que posibilitan el establecimiento de un 44 acercamiento certero sobre la temática de estudio. Este ha sido el motivo principal de su elección. Avanzado con el desarrollo de esta primera etapa o fase, es primordial establecer unos descriptores claros que faciliten esos procesos de búsqueda, en este estudio se usaron los siguientes descriptores, tanto en castellano: “comunicades de aprendizaje” “opinión docente” y “educación virtual” como en inglés " learning communities" "teaching opinion" and "virtual education" siendo estos los principales descriptores. Para establecer combianciones entre ellos, se han empleado los siguientes operadores booleanos “AND” y “OR” En segundo lugar, adentrándonos en la segunda etapa o fase del proceso, se ha procedido a realizar la búsqueda en cada una de las bases de datos anteriormente mencionada. El empleo de flitos propuestos por las bases de datos, facilita y acota la búsqueda para que los resultados arrojados por estas se encuentren más relacionados con el propósito del estudio. Durante el desarrollo de todo este proceso, se ha optado por realizar una rauda revisión de los títulos, resumen y palabras clave de los estudios para poder de esta manera aplicar los criterios de inclusión y de exclusión, que se detallan a continuación: Criterios de inclusión: Se seleccionaron todas aquellas investigaciones y/o estudios que se encontrasen comprendidos entre los últimos cinco años Se seleccionaron todas aquellas investigaciones y/o estudios que mostraban una relación directa con el propósito de esta investigación, es decir, tanto título, resumen o palabras clave debían de aparecer alguno de los descriptores principales mencionados anteriormente. Se seleccionaron todas aquellas investigaciones y/o estudios que tuviesen un acceso abierto. Se seleccionaron todas aquellas investigaciones o estudios que estuvisen escritos en inglés y castellano. Criterios de exclusión: No se seleccionaron todas aquellas investigaciones y/o estudios que se encontrasen comprendidos fuera de los últimos cinco años No se seleccionaron todas aquellas investigaciones y/o estudios que no estaban relacionados con el propósito de esta investigación, es decir, tanto título, resumen o palabras clave no aparecían ninguno de los descriptores principales mencionados anteriormente. No se seleccionaron todas aquellas investigaciones y/o estudios que no tuviesen un acceso abierto. 45 No se seleccionaron todas aquellas investigaciones y/o estudios que se encontrasen repetidos en las bases de datos. Finalmente y concluyendo con las etapas o fases de este proceso, en la tercera etapa, se ha llevado a cabo la selección y cribado de los resultados obtenidos por las bases de datos. Así mismo en la primera fase se obtuvieron un total de 1965, una vez aplicados los criterios de inclusión y exclusión, quedó computo total de 36 estudios, de los cuales, finalmente se seleccionaron 10 para la realización de este trabajo. 4. RESULTADOS A continuación, en los siguientes apartados se muestran los resultados de este estudio. 4.1. Las comunidades de aprendizaje en el contexto educativo Una de las principales responsabilidades de los sistemas educativos es la de capacitar a los nuevos ciudadanos, para que sean capaces de desarrollarse con soltura en la sociedad. Pero para que esto sea posible, es necesario que todas las instituciones se adapten a dichas demandas y necesidades que se solicitan (Canales, Fernández & Ulate, 2020). Dentro de la sociedad del conocimiento una de las intenciones principales es la
Compartir