Principios de Confianza y Seguridad en IA

(image: https://es.vecteezy.com/)

Título original: The Vector Institute’s AI Trust and Safety Principles, june, 2023
(traducción libre)

Este instituto ha compartido un fuerte compromiso de desarrollar IA segura y confiable. Los modelos actuales de IA generativos muestran gran poder y fácil acceso. Al mismo tiempo, revelan riesgos tanto existenciales como a corto plazo de la IA.

El instituto Vector de Canadá ha propuesto seis principios de confianza y seguridad en IA para organizaciones internacionales que reflejan el diálogo, valores y mejores prácticas de las empresas, gobiernos y comunidades de investigación de renombre mundial.

Seguir estos principios desde la investigación hasta la implementación o comercialización ayudará a garantizar que los sistemas de IA sean seguros y confiables. Estos principios de confianza y seguridad pueden brindar orientación a otras organizaciones que desarrollan su propio código de conducta y políticas de IA.

Principios fundamentales de la IA

1. La IA debe beneficiar a las personas y al planeta

Nos comprometemos a desarrollar IA que promueva un crecimiento inclusivo, un desarrollo sostenible y el bienestar de la sociedad. El desarrollo y despliegue responsable de sistemas de IA deben considerar el acceso equitativo, y el impacto en la fuerza laboral, la educación, en el mercado, el medio ambiente y otras esferas de la sociedad. Este compromiso implica rechazar explícitamente el desarrollo de IA perjudicial, como sistemas de armas autónomas letales y métodos manipuladores para impulsar la participación, incluida la coerción política.

2. Los sistemas de IA deben diseñarse para reflejar valores democráticos

Nos comprometemos a incorporar adecuadas medidas de protección en los sistemas de IA para garantizar que cumplan con los derechos humanos, el estado de derecho, la equidad, la diversidad y la inclusión, y contribuyan a una sociedad justa y equitativa. Los sistemas de IA deben cumplir con las leyes y regulaciones y ajustarse a los requisitos multijurisdiccionales que respalden la interoperabilidad internacional de los sistemas de IA.

3. Los sistemas de IA deben reflejar los intereses de privacidad y seguridad de las personas

Reconocemos la importancia fundamental de la privacidad y la seguridad, y nos comprometemos a garantizar que los sistemas de IA reflejen adecuadamente estos valores para sus usos previstos.

4. Los sistemas de IA deben mantenerse robustos, seguros y seguros a lo largo de su ciclo de vida.

Reconocemos que mantener sistemas de IA seguros y confiables requiere la evaluación y gestión continua de sus riesgos. Esto implica implementar la responsabilidad en toda la cadena de valor a lo largo del ciclo de vida de un sistema de IA.

5. La supervisión de los sistemas de IA debe incluir la divulgación responsable.

Reconocemos que los ciudadanos y los consumidores deben poder comprender y cuestionar críticamente los resultados basados en IA. Esto requiere la transparencia y divulgación responsable de información sobre los sistemas de IA, y el apoyo a la alfabetización y formación en IA para todas las partes interesadas.

6. Las organizaciones deben ser responsables.

Reconocemos que las organizaciones deben rendir cuentas a lo largo del ciclo de vida de los sistemas de IA que implementen u operen de acuerdo con estos principios, y que la legislación gubernamental y los marcos regulatorios son necesarios.

Metodología

Los Principios Fundamentales de IA del Vector Institute se basan en el enfoque de IA ética desarrollado por la OCDE. Además de los principios de confianza y seguridad, también son necesarias definiciones claras para el despliegue responsable de los sistemas de IA. Como punto de partida, el Vector Institute reconoce la definición de un sistema de IA de la Organización para la Cooperación y el Desarrollo Económicos (OCDE). 

A partir de mayo de 2023, la OCDE define un sistema de IA de la siguiente manera:

"Un sistema de IA es un sistema basado en máquinas capaz de influir en el entorno al producir una salida (predicciones, recomendaciones o decisiones) para un conjunto dado de objetivos. Utiliza datos e insumos basados en máquinas y/o humanos para (i) percibir entornos reales y/o virtuales; (ii) abstraer estas percepciones en modelos a través de análisis de manera automatizada (por ejemplo, con aprendizaje automático) o manual; y (iii) utilizar la inferencia de modelos para formular opciones de resultados. Los sistemas de IA están diseñados para operar con diversos niveles de autonomía".

Vector Institute también reconoce que las definiciones ampliamente aceptadas de los sistemas de IA pueden revisarse con el tiempo. Hemos visto cómo el desarrollo rápido de modelos de IA puede cambiar tanto la perspectiva experta como la opinión pública sobre los riesgos de la IA. A través del proyecto de gestión de riesgos de IA de Vector, colaboramos con muchas organizaciones y reguladores para evaluar varios tipos de riesgos de IA. Estas discusiones informaron el lenguaje sobre riesgos e impacto en los principios.

La naturaleza dinámica de este desafío exige que las empresas y las organizaciones estén preparadas para revisar sus principios a medida que responden a la cambiante naturaleza de la tecnología de IA.

¿Es el aprendizaje en línea el causante de los problemas de salud mental durante COVID-19?

 

Centrarse en el aprendizaje en línea como el problema nos hace perder oportunidades para identificar soluciones y apoyos para el bienestar de los estudiantes, que luego pueden aplicarse a cualquier modalidad (en línea, presencial o mixta).

Interesante artículo (nov. 2022) publicado por George Veletsianos, profesor de la Universidad Royal Roads de Canadá; Michael Barbour profesor de la Universidad Touro, US, y Stephanie Moore profesora en la Universidad de Nuevo México.

Artículo original: https://bit.ly/3Aq3wM8 

(traducción libre: Jaime Oyarzo)

La investigación muestra que la salud mental de los estudiantes se vio afectada negativamente durante la pandemia. Esto se suma a las preocupaciones y demanda de servicios de salud mental en los campus, antes de la pandemia.

¿Es el aprendizaje en línea perjudicial para la salud mental y el bienestar de los estudiantes?

En los últimos años han surgido opiniones de educadores, académicos y comentaristas políticos- que argumentan que el aprendizaje en línea es perjudicial para la salud mental o el bienestar de los estudiantes o sus familias (depresión, ansiedad, sensación de aislamiento y soledad).

También se ha instado a las universidades y escuelas a volver a la enseñanza y aprendizaje presencial.

¿Qué dicen las investigaciones?

Los investigadores autores de este artículo reunieron y analizaron toda la literatura empírica que pudieron encontrar relacionada con la salud mental y el aprendizaje en línea/a distancia. 

Estos investigadores llevan más de dos décadas estudiando y practicando el aprendizaje en línea, y han seguido de cerca la expansión del aprendizaje a distancia desde el comienzo de la pandemia.

La revisión de los estudios concluyó que la hipótesis de que el aprendizaje a distancia/en línea es perjudicial para la salud mental y el bienestar de los estudiantes no está fundamentada porque las pruebas sobre las que se puede juzgar esta afirmación son mixtas y problemáticas.

Contradicciones y pruebas problemáticas

• La gran mayoría de las investigaciones sobre este tema se realizaron durante la pandemia. Juzgaron la eficacia del aprendizaje en línea o a distancia preguntando a las personas si estaban satisfechas con su educación. La satisfacción es un mal indicador de la eficacia.
• Algunos estudios hallaron relaciones entre la salud mental y el aprendizaje a distancia, pero sin utilizar los métodos estadísticos necesarios para establecer relaciones causales. Otros no encontraron correlaciones, sin embargo, siguieron afirmando relaciones causales.

La naturaleza del aprendizaje rara vez se describe

Estos estudios rara vez describen la naturaleza del aprendizaje a distancia o en línea estudiado. Esto es importante porque el aprendizaje en línea no es un enfoque monolítico. Puede variar tanto en el enfoque como en la calidad, puede referirse, por ejemplo, a estudiantes que ven pasivamente conferencias pregrabadas de horas de duración, o a quienes trabajan de forma síncrona en grupos tipo taller.

• En los entornos en línea es posible una gran variedad de métodos educativos. Sin controlar la estrategia de instrucción, no podemos estar seguros de qué tipo de aprendizaje en línea se estudia.
• Los resultados sobre el impacto en la salud mental son mixtos, y no hay datos suficientes para sacar conclusiones firmes.
• Algunos de esos estudios sólo analizaron poblaciones específicas, como alumnos con ADHD (Trastorno por Déficit de Atención e Hiperactividad, TDAH), ansiedad grave o alumnos de un programa específico (como enfermería o estudios agrícolas) en una institución concreta, y también analizaron problemas de salud mental anteriores a la pandemia.

¿Qué podemos decir sobre el aprendizaje en línea y la salud mental en el contexto del COVID?

El aprendizaje en línea que no facilita interacciones significativas y que no incluye apoyos para la salud mental puede exacerbar los sentimientos de soledad y aislamiento.

Es el caso del aprendizaje a distancia de emergencia que tuvo lugar durante la pandemia de COVID-19 y que requirió medidas de cuarentena y distanciamiento físico.

¿Cómo deben proceder los responsables institucionales?

Considerando que la vuelta a la enseñanza presencial no va a resolver la crisis de salud mental, existen algunas orientaciones útiles en investigaciones publicadas que pueden ayudar a las instituciones a elaborar respuestas a la salud mental de los estudiantes.

Por ejemplo, un estudio realizado por dos investigadores del departamento de Sociología, Antropología, Trabajo Social y Justicia Penal de la Universidad de Seton Hall identificó las siguientes causas fundamentales de los problemas de salud mental de los estudiantes universitarios afectados por el COVID-19:

• Pérdida y duelo: pérdida de seres queridos, pérdida de salud, preocupación por el impacto económico y la pérdida de ingresos, gestión de la propia enfermedad y de los síntomas;
• Impactos psicológicos de cómo se manejó la pandemia por parte de los líderes políticos e institucionales;
• Alteración de rutinas personales, especialmente en hábitos de ejercicio, sueño y alimentación;
• Cuarentena y distanciamiento físico, que crearon sentimientos de aislamiento y soledad.

Ejemplos de medidas de apoyo con un positivo efecto

• Cursos de bienestar personalizados, publicitados por los instructores del curso, que incluían un componente de actividad física.
• Diseño intencionado de los cursos en línea también puede ayudar a mitigar los sentimientos de soledad y aislamiento.

¿Conclusiones?

• Asumimos un gran riesgo si centramos el análisis en sólo una particular modalidad de aprendizaje en medio de la pandemia.
• Al hacerlo, perdemos oportunidades de identificar soluciones y apoyos para diferentes formas de aprendizaje en línea, presenciales o mixtas.

Artículo original: https://bit.ly/3Aq3wM8 

George Veletsianos es profesor y titular de la Cátedra de Investigación de Canadá en Aprendizaje Innovador y Tecnología de la Universidad Royal Roads; Michael Barbour es profesor de diseño instructivo en la Universidad Touro, y Stephanie Moore es profesora adjunta en la Universidad de Nuevo México.

Diseño Universal para el Aprendizaje (DUA) (Universal Design for Learning, UDL)

¿Por qué utilizar Diseño Universal para el Aprendizaje
1.      Atender a la diversidad	2.      Favorecer la accesibilidad
3.      Currículo flexible	4.      Aplicar la neurociencia
5.      Educar estudiantes expertos	6.      Destacar diferentes capacidades

El Diseño Universal para el Aprendizaje es un enfoque y un modelo para la Educación Inclusiva

Existe una gran preocupación en el ámbito de las UNESCO, Naciones Unidas (ONU), de la OCDE y de la Unión Europea (UE) por los altos niveles de fracaso escolar y por las desigualdades sociales, que se traducen en procesos de exclusión.

La situación se ha visto agravada por la crisis de la pandemia del COVID-19 con altos índices de abandono que afectan especialmente a los estudiantes con discapacidad y en regiones vulnerables.

Educación inclusiva (EI)

En 2008, la UNESCO, instó a la comunidad internacional a adoptar la educación inclusiva (EI) como una forma de alcanzar los objetivos de la Educación para Todos (EPT).

La educación inclusiva es ‘un proceso que permite abordar y responder a la diversidad de las necesidades de todos los educandos a través de una mayor participación en el aprendizaje, las actividades culturales y comunitarias y reducir la exclusión dentro y fuera del sistema educativo’ (UNESCO 2008).

En el Marco de Acción para los objetivos del Desarrollo Sostenible (ODS), de la Agenda 2030, el ODS 4 propone, ‘Garantizar una educación inclusiva y equitativa de calidad y promover oportunidades de aprendizaje permanente para todos’ (UNESCO, 2015).

Supone un cambio de paradigma para una educación inclusiva y así garantizar una educación de calidad a todos los estudiantes.

Para alcanzar este cambio es necesario identificar nuevos modelos que sirvan de referente, con miradas, planteamientos, estrategias metodológicas y concepciones didácticas que partan de enfoques inclusivos y que comprendan que todos los estudiantes tienen derecho oportunidades de aprender, tener éxito, participar, socializarse y desarrollarse como personas y como ciudadanos.

Diseño Universal para el Aprendizaje

El concepto del Diseño Universal (DU), acuñado por el arquitecto Ron Mace (The Center for Universal Design, 1997) propone el diseño de productos y entornos para que puedan ser utilizados, por todas las personas, sin la necesidad de realizar adaptaciones y considerando la diversidad de los usuarios potenciales.

El Center for Applied Special Technology (CAST), desarrolló el Diseño Universal para el Aprendizaje (DUA), un enfoque y modelo didáctico basado en los avances de la neurociencia y del diagnóstico por imagen, las teorías del aprendizaje, los resultados de las prácticas y de la investigación educativas y las aportaciones de las tecnologías.

El DUA está formulado en tres principios, y pautas o guías que especifican puntos de verificación con propuestas didácticas más concretas y el objetivo de convertir a los estudiantes en aprendices expertos.

Principios: Proporcionar múltiples formas de…
MOTIVACIÓN	REPRESENTACIÓN	ACCIÓN Y EXPRESIÓN
¿PORQUË aprender?	¿QUË aprender?	¿CÖMO aprender?
Pautas: Proporcionar opciones para…
Intereses	Percepción	Interacción física
Esfuerzo y persistencia	Lenguaje y símbolos	Expresión y comunicación
Autorregulación	Comprensión	Funciones ejecutivas
Objetivos: estudiantes expertos
Con propósito y motivación	Ingenioso y con conocimientos	Estratégico y orientado a objetivos
Tecnología
Blogger, Classroom Screen, Padlet, Kahoot	Genially, YouTube, Nube de Palabras	Creately, Visual Thinking

Referencias

Referencias

Diseño Universal para el Aprendizaje: un modelo teórico práctico para una educación inclusiva de calidad, Carmen Alba Pastor, Universidad Complutense de Madrid https://bit.ly/3rVpe5t

educaDUA es una plataforma creada desde el Proyecto DUALETIC para la difusión del Diseño Universal para el Aprendizaje en español https://bit.ly/3rReUf4

Learning from COVID-19: Universal Design for Learning Implementation Prior to and During a Pandemic. Jennifer Renée Kilpatrick , Suzanne Ehrlich, & Michelle Bartlett https://bit.ly/3tWmtnk

Center for Applied Special Technology (CAST) https://www.cast.org/

Diseño Universal para el Aprendizaje, Servicio de Tecnologías Educativas Consejería de Educación y Empleo de Extremadura https://dualiza.educarex.es/

Diseño Universal de Aprendizaje: pedagogías emergentes para tiempos de confinamiento https://www.educaciontrespuntocero.com/noticias/diseno-universal-de-aprendizaje/

¿ERES REALMENTE INTELIGENTE, O ES SOLO GOOGLE?

(basado en Foto de SHVETS production en Pexels)

Interesante investigación sobre como la capacidad de buscar rápidamente en Google cambia la forma en que las personas perciben su propia inteligencia.

Artículo original: ARE YOU REALLY SMART, OR IS IT JUST GOOGLE?

"Cuando estamos constantemente conectados al conocimiento, los límites entre el conocimiento interno y el externo empiezan a difuminarse y a desvanecerse", dice Adrian Ward, profesor adjunto de marketing en la Escuela de Negocios McCombs de la Universidad de Texas en Austin. "Confundimos el conocimiento de Internet con el nuestro".

Aunque los seres humanos han confiado durante mucho tiempo en el conocimiento externo almacenado en libros y otras personas, la búsqueda en línea ha hecho que la interfaz entre el pensamiento interno y la información externa sea más rápida y fluida.

El proceso de búsqueda en Google es muy parecido a la búsqueda en la propia memoria. Eso puede hacer que la gente confunda la información encontrada en Internet con la que tiene en su cabeza.

¿Cuál es la moraleja de la investigación?

• Sugiere que, en un mundo en el que la búsqueda en Internet suele ser más rápida que el uso de la memoria, es posible que, irónicamente, sepamos menos pero pensemos que sabemos más.

• Esto podría afectar a la toma de decisiones, afirma Ward. Sentirse más informado sólo por el hecho de haber utilizado Internet podría hacer que nos basáramos en la intuición a la hora de tomar decisiones médicas o financieras arriesgadas, y podría hacer que nos atrincheráramos aún más en nuestras opiniones sobre la ciencia y la política.

• La investigación también tiene importantes implicaciones para la educación, ya que los estudiantes podrían dedicar menos tiempo y energía a adquirir conocimientos si ya se sienten bien informados.

• Los educadores y los responsables políticos podrían reconsiderar lo que significa ser educado, tal vez dando menos prioridad a la memorización de hechos que pueden ser simplemente buscados en Google. "Tal vez podamos utilizar nuestros limitados recursos cognitivos de una manera más eficaz y eficiente", dice Ward.

Por ahora, Ward dice que ha reducido un poco el uso de Google desde que realizó el estudio. En su lugar, cuando busca información, a menudo intenta poner a prueba su propia memoria.

Afirma: cuando saltamos de inmediato a Google, "no ejercitamos nuestra memoria".

¿Cuál es tu opinión? ¡bienvenidos con tu comentario!

 

Alternativas a la búsqueda en Google para que los estudiantes las prueben

Aunque Google es el motor de búsqueda más usado (ya sea mental o técnicamente debido a la configuración del navegador), existen otros motores de búsqueda públicos que puedes utilizar. En algunos casos, el uso de un motor de búsqueda alternativo dará a los estudiantes una lista diferente de resultados y les puede dar la información que están buscando un poco más rápido que Google. En este artículo, puedes ver una breve lista de motores de búsqueda alternativos para que tú y tus estudiantes los prueben:

•  Microsoft Bing
• Google Académico
• Wolfram Alpha
• Get The Research
• DuckDuckGo

 Microsoft Bing

Una búsqueda en Bing.com suele producir los mismos resultados que una búsqueda en Google. La diferencia se encuentra en el orden en que se presentan. Esto no significa necesariamente que un conjunto de resultados sea mejor que el otro. Simplemente significa que los estudiantes pueden acabar buscando en diferentes sitios web debido a las clasificaciones producidas por cada motor de búsqueda.

Google Académico o Google Scholar, en su versión en inglés es el buscador de Google especializado en literatura científica o académica. Es un buscador para encontrar documentos académicos o resúmenes, buscar en varias fuentes al mismo tiempo, localizar documentos completos, rastrear artículos por autor o dar un artículo que aparece en una publicación en concreto. Google Científico o Académico ordena los resultados basados en su relevancia, y se tiene en cuenta si está disponible el texto completo, quién lo ha escrito y dónde se publicó.

Wolfram Alpha es probablemente más conocido por ayudar a resolver problemas matemáticos, ya que puede mostrar los pasos para resolverlo. Wolfram Alpha abre también la posibilidad de mostrar una hoja informativa sobre la consulta. Por ejemplo, si introducimos "Julio Cortázar", veremos una hoja informativa con una lista de datos biográficos. Si introduces "Gabriela mistral Pablo Neruda" como parte de la misma consulta, verás una hoja informativa sobre cada uno de ellos, una al lado de la otra, y una línea de tiempo con los puntos en los que sus vidas coinciden. Para los estudiantes que necesitan encontrar rápidamente los datos básicos sobre un tema, Wolfram Alpha a menudo entrega información más rápido que Google.

Get The Research es un motor de búsqueda bastante pequeño que se centra en ayudar a encontrar artículos académicos. Una búsqueda en Get The Research arrojará un pequeño resumen del tema buscado y una lista de artículos académicos publicados. Los artículos que aparecen en los resultados de la búsqueda son una mezcla de artículos de libre acceso y de pago. Puedes filtrar los resultados para que sólo se muestren los artículos de libre acceso.

DuckDuckGo

DuckDuckGo es cada vez más popular por su pretensión de ofrecer una búsqueda privada y no rastreada. Mientras que Google y Bing rastrean tu historial de búsqueda (a través de las cuentas de Google o Microsoft de los usuarios y o a través de la configuración del navegador), DuckDuckGo no rastrea el historial de búsqueda, por lo que los resultados de búsqueda de DuckDuckGo no se ven influidos por el historial de búsquedas y clics del usuario. Así, sacas a los estudiantes de una burbuja de resultados influenciados por sus acciones pasadas.

 

 

 

6 tecnologías claves - Informe Horizon 2021

Educase - Informe Horizon

El último informe Horizon de Educause destaca las principales tendencias de la enseñanza y el aprendizaje este año. El informe identifica seis tecnologías y prácticas clave para la planificación futura de las instituciones de enseñanza superior en 2021.

1. Inteligencia artificial IA

La IA está apareciendo en todos los ámbitos de la enseñanza y el aprendizaje en la educación superior, y está presente en los sistemas de gestión del aprendizaje, la supervisión, la evaluación, analítica de aprendizaje, la productividad de las oficinas, los servicios de biblioteca, las admisiones, el apoyo a los discapacitados, las aplicaciones móviles, etc. 

Sin embargo, persisten los problemas de parcialidad en la tecnología de IA y la ética de la captura de datos, lo que hace que sea esencial para la educación superior no sólo ser un usuario cuidadoso y ético de la IA, sino también reimaginar la misión de enseñanza para servir mejor a los estudiantes "en un mundo en el que la IA está en camino de convertirse en algo común".

ver también: Inteligencia Artificial, Plataformas LMS y eLearning

2. Recursos educativos abiertos REA

El informe afirma que la pandemia mundial del COVID-19 puso de manifiesto la creciente importancia de los recursos educativos abiertos. A medida que los cursos se trasladan rápidamente a Internet, el profesorado y los estudiantes recurren a materiales digitales gratuitos o de bajo coste y accesibles desde cualquier lugar y dispositivo. Aun así, "queda por ver si la pandemia tendrá un impacto duradero en la concienciación y la adopción una vez que los estudiantes empiecen a volver a la enseñanza presencial".

ver también: UNESCO aprobó recomendación sobre REA

3. Análisis del aprendizaje (Learning analytics)

El informe señala que la analítica del aprendizaje puede ser utilizada por muchas áreas y funciones diferentes dentro de las instituciones de educación superior. "Además de los instructores, es común que los asesores académicos, los jefes de departamento, las oficinas de acceso o de servicios para discapacitados y otras áreas de apoyo académico utilicen la analítica del aprendizaje para comprender e interpretar mejor las necesidades y los desafíos de las poblaciones de estudiantes". Al mismo tiempo, con la amplia disponibilidad y uso de los datos surgen cuestiones éticas, como "la transparencia, la propiedad y el control de los datos, la accesibilidad de los datos, la validez y la fiabilidad de los datos, la responsabilidad institucional y la obligación de actuar, las comunicaciones, los valores culturales, la inclusión, el consentimiento y la agencia y responsabilidad de los estudiantes."

ver también: ¿Qué es Learning Analytics? (2/2)

4. Modelos de cursos híbridos y blended

La pandemia aceleró la evolución de los modelos de aprendizaje en línea y mixto, "obligando a la enseñanza superior a ser creativa y a crear una serie de nuevos modelos de cursos para hacer frente a una situación verdaderamente única", señala el informe. Tanto los estudiantes como el profesorado han tenido que adaptar sus prácticas, e incluso los propios espacios de las aulas han tenido que ser readaptados para dar cabida a los nuevos modelos híbridos. La cuestión es si, tras la pandemia, las instituciones mantendrán estos nuevos modelos, volverán a la educación presencial más tradicional o buscarán algún tipo de término medio. La oportunidad, según el informe, es que la educación superior "encuentre el punto de equilibrio adecuado para servir mejor a su misión de enseñanza y aprendizaje".

ver también: Tendencias e-Learning para 2021

5. Aprendizaje en línea de calidad

Las instituciones han empleado diversas estrategias para ayudar al profesorado a diseñar cursos de calidad y enseñar eficazmente en línea: plantillas, cursos autodirigidos, consultas, centros de recursos de materiales, etc. "Muchos profesores descubrieron que enseñar en línea significaba algo más que simplemente replicar la experiencia presencial a través de Zoom", dice el informe, señalando que adherirse a los estándares de calidad es clave para mejorar la experiencia de aprendizaje en línea. Después de pasar por el paso inicial a la enseñanza en línea de emergencia, las instituciones han tenido que renovar su enfoque en la calidad y comenzar un "proceso de transformación más deliberado que garantice que el contenido de la enseñanza está centrado en el estudiante, alineado con los resultados de aprendizaje programáticos, accesible a todos los estudiantes, y efectivamente diseñado e impartido".

ver también: Calidad de la Educación Virtual, conferencia Universidad de los Lagos, Chile, marzo 2021

6. Microcredenciales

Las microcredenciales, que se están convirtiendo rápidamente en un "pilar del panorama de la educación superior, se definen como un minitítulo o una certificación en un área temática específica. Pueden ser amplias, como "Aprendizaje automático", o específicas, como "Uso de datos para diferenciar la enseñanza de los estudiantes de inglés". Son programas de estudio que verifican, validan y dan fe de que se han adquirido habilidades y/o competencias específicas. Por lo general, "se ofrecen en plazos más cortos o más flexibles y tienden a ser más específicos" que los títulos o certificados tradicionales. Las microcredenciales desempeñarán un papel clave en la formación de la mano de obra, ya que "las necesidades de la mano de obra siguen evolucionando debido a los cambios en la infraestructura tecnológica y la consiguiente mejora y recualificación de la mano de obra". Las instituciones tendrán que "repensar sus procesos de desarrollo curricular, las relaciones entre sus programas de crédito y no crédito, y las formas en que están sirviendo a una audiencia cada vez más diversa de estudiantes", ya que "trazan la trayectoria de su respuesta a las necesidades de la fuerza de trabajo".

ver también: Microcredenciales Tecnológico de Monterrey, México

Apertura del Año Académico de Postgrado UMCE

El día jueves 29 de abril de 2021, participaré en la apertura del Año Académico de Postgrado UMCE (Universidad Metropolitana de ciencias de la Educación) con el tema “Las tecnologías y perspectivas pedagógicas: impacto y recomendaciones para la educación superior” 

Fecha y hora: jueves 29 abr. 2021 10:30 hrs. de Chile

Inscripción: http://bit.ly/postgrado-charla2

Conferencia Educación, Investigación, Innovación y Tecnología

Conferencia: Educación, Investigación, Innovación y Tecnología que di en la Universidad Nacional de Santiago del Estero, Argentina.
Keywords: Casos de referencia, Campus Virtual, Competencias Pedagógico Técnicas.