2. INTRODUCCIÓN
La web ha revolucionado de manera drástica la forma en que nos relacionamos, estudiamos y trabajamos.
Podemos conectarnos de forma remota, acceder a grandes cantidades de información e incluso hacer
negocios a cambio de un servicio de bajo costo para la mayoría.
La web ha evolucionado , su inmenso éxito ha traído consigo también grandes retos. La cantidad de
información que se intercambia en la red ha llegado a superar la tecnología de sus primeras versions.
Ha pasado de ser una web de búsqueda de documentos a ser un “agente inteligente ideal” que como
explica James A. Hendler en su artículo Is there and Intelligente Agent in Your Future? , tiene todas las
características necesarias, siendo comunicativa, capaz, autónoma y adaptable. ( Lamarca, 2001)Un agente
que entiende, comprende, valida y deduce la información solicitada y que llega a ser un asistente personal
para el usuario.
3. INTRODUCCIÓN
De la mano de la web 3.0 encontramos nuevas posibilidades y oportunidades para mejorar la
experiencia de enseñanza-aprendizaje. Big data, Learning Analytics y Gamification ofrecen la
posibilidad de analizar los datos que el usuario genera y generar modelos o patrones basados en la
información almacenada en los servidores. De esta forma los estudiantes reciben una experiencia
personalizada, retroalimentación y apoyo y las instituciones educativas pueden mejorar sus cursos e
internvenciones educativas basadas en dicha información.
El siguiente trabajo consiste en una breve descripción de la web 3.0, Big Data, Learning Analytics and
Gamification y pretende dar una explicación breve y fácil de entender de estas innovaciones
tecnológicas, educativas y sociales.
4. WEB 3.0
Llamada también web semántica porque tiene un significado universal que hace que compartir, procesar y
transferir información sea más sencillo y que pueda ser procesada por computadoras y por seres humanos.
Es una extension de la web 2.0. (Guía Breve de Web Semántica)
La web 2.0 está basada en documentos y enlaces que no pueden ser procesados automáticamente; fueron
creados para lectura humana. Puede leer y procesar los datos pero no puede entenderlos.(Lamarca,2001)
El usuario puede encontrar en la web 3.0 respuesta a sus búsquedas de una forma más fácil.
5. “Un agente inteligente es aquella entidad de software que recoge, filtra y
procesa la información contenida en la Web, realiza inferencias sobre
dicha información e interactúa con el entorno sin necesidad de
supervisión o control constante por parte del usuario” (Lamarca, 2001)
La web 3.0 require del uso de otros
lenguajes que permitan darle
significado a la información así la
red podrá rastrear automáticamente
las páginas con el significado
preciso y el concepto que buscamos.
Para esto buscará e interactuará con
el ambiente, por ejemplo podrá
reservar un cupo en un curso o en
un avión.
( Lamarca, 2001)
6. “El objetivo de la Web
Semántica es que la Web pase
de ser una colección de
documentos a convertirse en
una base de conocimiento”(
Lamarca, 2001)
La web semántica hace possible
que se deleguen tareas en el
software pues es capaz de
entender lo que se le pide,
razonar y comprender lo que hay
en un sitio, validar la información
y hacer deducciones acerca de la
información obtenida
Por ejemplo si usted hace la búsqueda de
“Vuelos a Miami viernes por la mañana”
obtendrá resultados como:
Visite Miami
Atracciones turísticas en Miami
Ofertas de paquetes a Miami
Deberá continuar la búsqueda manualmente
hasta obtener lo que desea.
La web 3.0 podrá identificar su ubicación,
entender la palabra mañana, avión y deducir a
partir de esto lo que usted busca según su
significado.
8. ¿Qué es Big Data y Learning Analytics?
Big data son sets de datos extremadamente grandes que pueden ser analizados por computadora y revelar
patrones, tendencias y asociaciones relacionadas con el comportamiento humano y sus interacciones (
Scapin, 2015)
9. Big Data and Learning Analytics
El 90% de los datos que actualmente se encuentran en internet han sido creados en los últimos dos años.
La tecnología actual se ha quedado corta para analizar la cantidad de datos que generan sitios de prensa,
negocios, social media, la web pública, datos de servidores etc.
La Big Data tiene varias características:
Velocidad
Volumen
Variedad
Las dimensiones de los datos han dejado obsoleta a la tecnología. La cantidad de información que
maneja el FBI de las personas se mide en Yottabytes que equivalen a 250 millones de CD´s. (Big Data for
Dummies Slide Share, 2015)
Ante la alta velocidad a la que los datos se generan, necesitamos alta velocidad de respuesta para poder
procesarla.
Los datos han pasado de ser estructurados a ser semi estructurados y en su mayoría no estructurados.
(Big Data for Dummies, Slide Share, 2015)
10. Big Data and Learning Analytics
La mayoría de herramientas utilizadas en Big Data son de código abierto e impulsadas por grandes
empresas. Un ejemplo de esto es como Amazon y Netflix analizan los datos de sus consumidores para
personalizar el contenido y las ofertas presentadas al usuario.
11. Learning Analytics
Learning Analytics se refiere a el uso de datos del sistema que mide, recolecta, analiza y reporta la
información de un aprendiz y su contexto para poder orientar los recursos instruccionales y curriculares y
apoyar el logro de determinados objetivos de aprendizaje.
Se basa en el comportamiento educativo del estudiante.
Por ejemplo el sistema puede:
Reportar datos, resumiendo
el historial
Analizar las tendencias y
correlaciones
Predecir, respuestas y
conductas futuras
Scaplin, Slide Share, 2015)
12. Learning Analytics
Tipos de Learning Analytics:
• Sistema de alertas académicas
• Visualización de datos
• Recomendaciones
• Aprendizaje adaptativo
• Tutorías
El Sistema compara la actividad del estudiante
con otros dentro y/o fuera de su grupo para crear
un modelo.
Esto permite a la institución mejorar el
aprendizaje al predecir el desempeño, intervenir y
dar feedback, personalizar y adaptarse al estilo de
aprendizaje del estudiante según patrones de
aprendizaje.
13. Learning Analytics
Las aplicaciones de Learning analytics se agregan al LMS o
son atadas al software.
Learning Analytics es usado por instituciones educativas y
maestros par poder identificar a los estudiantes que tienen
dificultades y poder apoyarlos adecuadamente. También
ayudan a identificar las áreas en donde los estudiantes
tienen mayor dificultad para poder hacer mejoras.
Los reportes y patrones analizados por el sistema por sí
solos no dicen nada ni mejoran la instrucción. Es necesaria la
internvención de un analista para agregar la parte
“inteligente” al sistema.
(Scapin Slide Share, 2015)
14. Aprendizaje Adaptivo
El aprendizaje adaptativo según Torres y Gago (2014)
es la respuesta en tiempo real al desempeño y las
actividades de cada individuo en su entorno de
aprendizaje esto con el objetivo de mejorar y optimizar
el aprendizaje.
El aprendizaje adaptativo es utilizado en mobile and
blended learning, MOOCS, Gamification y Flipped
Classroom y es posible gracias a las aplicaciones de la
web, learning analytics y big data.
Los alumnos reciben alertas, comparaciones y
retroalimentación personalizada, los maestros reciben
datos acerca del estado del alumno, comparaciones de
clases y alertas.
15. Gamificación
La gamificación ha sido usada por grandes empresas desde hace mucho tiempo para generar lealtad
hacia una marca y para involucrar más al consumidor.
Ahora la gamificación está siendo aplicada en la educación porque se ha comprobado que aumenta la
retención y la motivación de los estudiantes.
Gamificación es el uso de elementos de juego con el objetivo de mejorar el interés y la motivación de
los estudiantes hacia el aprendizaje.
Según “The Ed Arcade”, los jugadores regulares muestran características deseables en la educación
como: persistencia, toma de riesgos y atención a detalles.
16. Gamificación
Los estudiantes se motivan e involucran a través de diferentes actividades de gamificación como por
ejemplo:
Navegar por el aprendizaje y
descubrir conocimiento
Recibir recompensas
Cumplir con retos en menos tiempo
Jugar para evitar perder lo ganado
Trabajar en retos que requieren
multiples habilidades
Simular situaciones reales
17. Gamificación
Según la Universidad de MIT en su
articulo “Moving Learning Games
Forward, los juegos pueden ser
usados para:
• Plataformas de autoría – La
creación de un modelo
• Sistemas de Contenido
• Simulaciones y
• Aprendizaje de tecnología
18. Gamificación
Es importante mencionar que la gamificación no es jugar para aprender , gamificar consiste en utilizar
elementos de juego para mejorar la experiencia de aprendizaje e involucrar y motivar al estudiante.
La tecnología y los juegos son un aliado en la pedagogía su éxito depende de una cuidadosa revision
de los objetivos educativos, elección de herramientas y aplicaciones adecuadas así como la continua
intervención del tutor o docente.
19. Conclusiones
Las propuestas e innovaciones tecnológicas actuales aplicadas a la educación pretenden mejorar la
experiencia del estudiante brindándole variedad de oportunidades para acceder al conocimiento y la
información y aplicarlo de forma inmediata.
Desde búsquedas más amigables e intuitivas hasta recordatorios, avisos y alertas de rendimiento,
retroalimentación y apoyo, el estudiante no tiene excusa para alejarse del aprendizaje.
La educación tradicional “ unitalla” dirigida al promedio del grupo ha quedado atrás con las opciones que
las nuevas innovaciones que la web 3.0 trae consigo. Ahora estamos ante una educación a la medida a
través de divversos métodos y herramientas de enseñanza-aprendizaje.
La responsabilidad recae ahora sobre el ser humano el cual debe aportar el factor “inteligente” a la
tecnología, la cual por si sola no es capaz de modificar la experiencia de aprendizaje.
20. Referencias
Big Data for Dummies. Slide Share. http://es.slideshare.net/zanorte/big-data-para-dummies?qid=79723437-66dd-4947-8fee-
ab4e0c8ce0b4&v=qf1&b=&from_search=1
Bright, Sarah (2014) 8 Surprising Gamifiction Statistics. http://www.digitalchalk.com/blog/8-surprising-gamification-statistics
Gago y Torres (2014) http://es.slideshare.net/emadridnet/20140117-emadrid-big-data-in-education-csev-daniel-torres-david-gago-
uned?qid=93cecbff-2f49-474e-9896-a29bb2df018d&v=qf1&b=&from_search=3
Hendler, James (1999). Is there an Intelligent Agent in Your Future?. http://www.nature.com/nature/webmatters/agents/agents.html
Lamarca, María Jesús (2001) Hacia La Web Semántica. http://www.hipertexto.info/documentos/web_semantica.htm
Nations, Daniel (s/f). What is Web 3.o? http://webtrends.about.com/od/web20/a/what-is-web-30.htm
Oficina Española. Guía Breve de Web Semántica. http://www.w3c.es/Divulgacion/GuiasBreves/WebSemantica
Scapin, Daniel (2015) Learning Analytics in Education: Using Student’s Big Data to Improve Teaching. http://es.slideshare.net/rscapin/learning-
analytics-47463622/50-rscapindawsoncollegeqccarscapinDawsonITE_BloghttpdawsonitedawsoncollegeqccaContact_MeRafael_Scapin_PhD
Web 3.0 https://es.wikipedia.org/wiki/Web_3.0