Habilidades blandas en la educación: claves para empoderar a los docentes

 Por Sanna Ruhalahti - Virpi Heinonen tomado del Enfoque educación, blog del BID

¿Cuándo fue la última vez que experimentaste el impacto profundo de alguien que realmente te escuchó con empatía y comprensión? Quizás fue un colega, un compañero de estudios, un amigo o incluso un familiar. El simple hecho de ser escuchado puede ser revelador, mostrando cómo las pequeñas acciones pueden fomentar la empatía, una de las habilidades blandas fundamentales. 

Al mismo tiempo, en esta era tan dinámica de transformación digital, nuestro mundo está evolucionando a un ritmo sin precedentes. Esto exige un incremento en la educación de las habilidades para satisfacer la creciente necesidad de colaboración e interacción. Como educadores, estamos a la vanguardia de esta evolución, encargados de cultivar nuevas competencias para prosperar en un panorama social y de aprendizaje en constante cambio. 

Entonces, ¿cómo podemos, como educadores, responder a este desafío y fomentar las habilidades esenciales del mañana en América Latina y el Caribe? Exploremos juntos la relevancia de las habilidades blandas. 

¿Qué son las habilidades blandas que necesitan los docentes? 

En el ámbito de los conjuntos de habilidades, a menudo escuchamos sobre “habilidades blandas”. Es decir, rasgos que complementan nuestras capacidades cognitivas y conocimientos técnicos, a menudo contrastados con las “habilidades duras”. Las habilidades blandas son las cualidades personales que sustentan la enseñanza efectiva, fomentando no solo el crecimiento profesional sino también el desarrollo personal. Abarcan un espectro de habilidades de comunicación y mantienen estándares éticos en nuestro trabajo. 

La enseñanza, como profesión noble que es, implica más que simplemente impartir conocimientos. Se trata de refinar y nutrir habilidades que permitan una transmisión efectiva del conocimiento. Este proceso equipa a los educadores con las competencias vitales para una enseñanza exitosa. La experiencia de un maestro se extiende más allá del dominio de la materia; implica comprender diversas necesidades de aprendizaje y emplear las estrategias de instrucción más efectivas.  

En esencia, las habilidades blandas forman la columna vertebral de la excelencia en la enseñanza, asegurando que los educadores puedan involucrar y empoderar a los alumnos en diversos contextos. Por otro lado, las habilidades blandas y su uso hábil también juegan un papel importante en el mantenimiento de una comunidad escolar próspera. 

En esta publicación de blog, abordamos las habilidades blandas de los docentes y educadores divididas en tres áreas: 

1. Habilidades interpersonales: Al examinar las habilidades interpersonales de un educador, se entienden como las habilidades que usamos todos los días cuando nos comunicamos e interactuamos con otras personas, tanto individualmente como en grupos. Las habilidades cubren una amplia gama de habilidades, aunque muchas se centran en la comunicación, como escuchar, cuestionar e interpretar el lenguaje corporal.  

2. Las habilidades intrapersonales: consisten, por ejemplo, en la autoconciencia, la resiliencia, la perseverancia y la reflexión de un educador. Estos a su vez contribuyen a las habilidades interpersonales.  

3. Habilidades socioemocionales: proporcionan una base para la acción que ayuda a los educadores a construir relaciones con sus estudiantes, manejar diferentes situaciones e implementar con éxito el aprendizaje social y emocional. Algunos definen las competencias socioemocionales como habilidades que permiten a las personas realizar tareas específicas, como identificar y manejar emociones y enfrentar con éxito los conflictos. Las habilidades y conocimientos socioemocionales incluyen componentes conductuales, cognitivos y emocionales, que están entrelazados en la práctica pedagógica. 

Las habilidades socioemocionales deben usarse a diario en nuestras interacciones 

Durante los años de cooperación educativa con América Latina y el Caribe y el Caribe, Finlandia ha sido citada a menudo como un modelo por su enfoque integral de la educación y el desarrollo socioemocional. Algunos de los factores que contribuyen al éxito de Finlandia en esta área incluyen una educación equitativa, un enfoque holístico de la educación que valora no solo el rendimiento académico sino también el crecimiento personal y el bienestar, la capacitación rigurosa de maestros, un énfasis en el juego y políticas de apoyo. 

Uno de los estudios recientes liderados por finlandeses se basa en las experiencias de desarrollo socioemocional de profesores de Barbados y Trinidad y Tobago en 2022. Esta capacitación a su propio ritmo se basó en una innovación finlandesa basada en investigaciones del aprendizaje digital y organizado por la Universidad de Ciencias Aplicadas de Tampere (Finlandia). El programa de capacitación fue financiado por el Banco Interamericano de Desarrollo con su Fondo de Desarrollo Social. 

Cada participante tuvo que ganar al menos cinco de siete insignias digitales abiertas (es decir, empatía, pensamiento crítico, actitud positiva, adaptabilidad, integridad, apertura a la diversidad y autoconciencia) para ganar la insignia meta socioemocional. Todas las demostraciones de habilidades estaban vinculadas a las rutinas, actividades y comportamientos profesionales diarios del docente. Las habilidades fueron evaluadas manualmente por un educador finlandés. En total, 170 profesores obtuvieron la meta insignia. 

El estudio indicó que los docentes que participan en el programa de capacitación reconocen la importancia de los aspectos socioemocionales en los procesos de enseñanza y aprendizaje. Las habilidades socioemocionales se valoraron como una oportunidad para integrarse en la enseñanza y el aprendizaje. Como informó un maestro: 

“Puedo usar la capacitación en habilidades socioemocionales con mis alumnos insertándolos en mis planes de lecciones“. 

Además, revelaron que la capacitación en habilidades socioemocionales tiene el mayor impacto en la interacción maestro-alumno, y que tales habilidades deben integrarse en las actividades de enseñanza diarias para apoyar el crecimiento personal y el aprendizaje de los estudiantes en una comunidad escolar: 

“Esto me permite atender y adaptar mis lecciones y mis lecciones sociales y emocionales de una manera más detallada“. 

La integración de las habilidades socioemocionales debe verse como un sentido más amplio en la educación. Los maestros señalaron que las habilidades socioemocionales tienen un impacto más amplio: 

“Los estudiantes estarían motivados y dispuestos a mostrar empatía entre ellos y a comprender la necesidad de volverse emocionalmente inteligentes“. 

Los resultados mostraron que la conciencia de las habilidades socioemocionales apoya el aprendizaje para la vida: 

“Los estudiantes se convertirán en mejores personas en general y futuros empleados o empleadores a medida que pongan en práctica habilidades como la integridad“. 

Además, al desarrollar programas de desarrollo profesional para futuros docentes, los resultados sugieren que todo desarrollo comienza con la propia autoconciencia del docente hacia las habilidades socioemocionales. 

Los docentes brasileños valoraron la importancia de las habilidades socioemocionales 

Otro estudio en el campo de la formación docente comparó las habilidades blandas entre tres países, Brasil, Finlandia y Vietnam, que representan tres continentes con diferentes aspectos sociales, económicos y culturales. 

Este estudio concluyó que Brasil, Finlandia y Vietnam diferían significativamente en sus puntos de vista sobre las habilidades blandas según este análisis. Los participantes de Brasil y Finlandia consideraron que las habilidades socioemocionales eran estadísticamente significativamente más importantes que los de Vietnam. Además, los participantes de Brasil consideraron que las habilidades interpersonales eran significativamente más importantes que los encuestados de Vietnam, pero la diferencia estadística entre Finlandia y Vietnam solo era evidente para algunos componentes de las habilidades interpersonales. Los participantes de Finlandia calificaron las habilidades intrapersonales como estadísticamente significativamente más importantes que los encuestados de Brasil y Vietnam. Los educadores brasileños y vietnamitas consideraron que las habilidades socioemocionales eran las más importantes, mientras que los educadores finlandeses consideraron que las habilidades intrapersonales eran las más importantes. 

Sin embargo, se necesita más investigación, por ejemplo, sobre los supuestos sociales, el pensamiento y las razones detrás de estos resultados. Sin embargo, el estudio proporciona algunas pautas para desarrollar las habilidades de los docentes brasileños, por ejemplo. 

Próximos pasos para mejorar las habilidades blandas en los docentes de América Latina y el Caribe 

Basándonos en nuestros años de experiencia desarrollando y trabajando en la región de América Latina y el Caribe, los siguientes pasos deben centrarse en programas de desarrollo profesional, considerando los diversos antecedentes y contextos de maestros y estudiantes en la región. Un tema importante es fomentar un entorno escolar de apoyo promoviendo una cultura escolar positiva, el bienestar de los maestros y las oportunidades para la colaboración y la tutoría entre pares.

El bienestar socioemocional de los estudiantes ha resurgido como un tema de interés en los sistemas educativos y las escuelas y se considera parte del desarrollo integral de los estudiantes. Abogar por la integración del aprendizaje de habilidades blandas en las políticas educativas a nivel nacional y regional. Además, al apoyar la participación a nivel comunitario de la escuela, la región puede lograr resultados positivos. 

El diálogo continuo y el desarrollo basado en investigaciones finalmente conducirán a educadores empoderados, éxito estudiantil y mejores resultados sociales. Todavía hay una necesidad de más conversación, conciencia y una voluntad colectiva de desarrollar la importancia de las habilidades blandas.

Cuanto más amplio sea el repertorio de habilidades sociales que tengan los maestros, mejor será su relación con los estudiantes, ya que un maestro socialmente hábil puede ser más eficaz para fomentar una buena comunicación entre los estudiantes, además de ser un ejemplo de buen desempeño social. 

Creemos que los esfuerzos para mejorar el desarrollo de habilidades blandas en América Latina y el Caribe pueden beneficiarse de adoptar elementos del enfoque holístico y equitativo de Finlandia para la educación, que es un llamado a todos nosotros para crear entornos donde la educación integre armoniosamente la excelencia pedagógica y el bienestar socioemocional. 

Tomado de Enfoque educaciónEnfoque educación, blog del BID

Para entender el impacto de ChatGPT en la educación superior, hay que pensar como científicos

 Por Adam Brown Y Soulaymane Kachani tomado de EDUNEWS del Tec de Monterrey

Este artículo fue publicado originalmente en EdSurge el 5 de enero de 2024
Traducción al español por David Rodolfo Areyzaga Santana

Desde que el ChatGPT de OpenAI se puso a disposición del público en noviembre de 2022, el campo de la educación superior se ha centrado en su impacto y aplicaciones; el profesorado quiere entender cómo afectará esto su trabajo y la experiencia de los estudiantes.

No obstante, en muchas conversaciones hace falta discutir cómo se pueden utilizar los enfoques científicos para estudiar ChatGPT y otras herramientas de IA generativa en el contexto de la educación superior. Conforme la tecnología evoluciona a paso veloz, es fundamental establecer un marco para examinar sus implicaciones; necesitamos saber qué preguntas hacer y continuar haciéndolas, incluso cuando las respuestas cambian de un día para otro.

En el programa Science of Learning Research Initiative (SOLER) de la Universidad de Columbia, nos hemos dedicado a examinar la experiencia académica de estudiantes y docentes con una perspectiva científica. Hacerlo implica aprovechar la investigación arraigada en el concepto de «erudición de la enseñanza y el aprendizaje» (SoTL, por sus siglas en inglés), un acercamiento sistemático al aprendizaje para mejorar las estrategias de enseñanza y el análisis de conocimientos extraídos de datos institucionales y académicos. ¿Cuál es la meta? Mejorar la experiencia de enseñanza y aprendizaje.

Nuestro equipo se ha ocupado de investigar cómo los estudiantes usan herramientas de IA generativa y hemos aprendido que necesitamos un acercamiento sistemático para medir el impacto de estas herramientas con el paso del tiempo, para así saber cómo aprovecharlas. Estos son los métodos que hemos usado:

Investigación observacional

En SOLER usamos esta técnica para tener una mejor idea de los hábitos, la comprensión y las actitudes existentes que nuestros estudiantes y profesores tienen sobre las herramientas de IA generativa. Gran parte del discurso sobre la IA generativa en la educación superior se ha centrado en temas de integridad académica. Para fundamentar estas conversaciones, es necesaria la investigación observacional sin intervención. Nuestro equipo de investigación busca determinar qué saben los docentes y estudiantes sobre esta tecnología, con qué frecuencia la utilizan, con qué propósito y qué opinan de su utilidad o adecuación en diversos contextos académicos.

Algunos de los métodos observacionales que usamos son encuestas anónimas y grupos de enfoque, que ofrecen «espacios seguros» para que los estudiantes comuniquen abiertamente sus hábitos. Hemos descubierto que recopilar esta información es esencial para apoyar al profesorado de forma adecuada, pues necesitan entender qué hay detrás de las conductas y actitudes de sus estudiantes. Los docentes tienen inquietudes acerca de la retención y el éxito académico; quieren entender cómo el uso de estas tecnologías impacta los resultados de los estudiantes. Nuestros esfuerzos por analizar los datos nos han ayudado a arrojar luz sobre estos temas.

En el próximo año académico, SOLER se asociará con profesores de la Escuela Superior de Arquitectura, Planificación y Protección y la Oficina de Integridad Académica de la Universidad de Columbia para examinar las actitudes de los estudiantes sobre el uso de ChatGPT. La investigación servirá como punto de partida para un estudio que, en última instancia, medirá el impacto de la herramienta en el aprendizaje de los estudiantes en un curso de finanzas inmobiliarias, lo que nos lleva a nuestro próximo enfoque de investigación: diseño experimental verdadero.

Diseño experimental verdadero

El diseño experimental verdadero es un método de investigación crítico, porque los grupos de muestra deben asignarse aleatoriamente entre grupos de control o experimentales, y se controlan todas las variables excepto la que se está estudiando, para determinar mejor la causalidad. Estamos aplicando este método para explorar preguntas prescriptivas sobre las formas en que la tecnología debe implementarse como una herramienta de instrucción: este es un elemento clave para avanzar en la enseñanza y el aprendizaje en la educación superior. Cuando se trata de investigar herramientas de IA generativa a través de un marco de investigación SoTL, las preguntas esenciales combinan elementos particulares de la disciplina con consideraciones más generales de la experiencia del estudiante.

Creemos que los experimentos verdaderos en ChatGPT deben diseñarse para abordar dos áreas principales:

1. Las tareas, especialmente en el contexto de la redacción de documentos, y la programación informática, realizando preguntas sobre la motivación, la evaluación, los procesos de revisión y la integridad académica de los estudiantes.
2. Los experimentos deben examinar cómo los “tutores de IA” proporcionan comentarios personalizados y exploran el impacto en los resultados relacionados con el aprendizaje y la actitud para los estudiantes, y cómo estos resultados se comparan con los logrados con recursos más tradicionales.

Investigación híbrida

Un tercer enfoque central es implementar una investigación híbrida que examine cómo los estudiantes optan por usar la tecnología cuando se les da acceso explícito pero instrucciones limitadas. Este método combina elementos de los enfoques anteriores y llena una brecha conceptual abordando la siguiente pregunta: cuando se les da acceso a la tecnología pero con orientación limitada, ¿cómo eligen usarla los estudiantes?

La investigación observacional implica simplemente animar a los estudiantes a utilizar la tecnología en una materia determinada y luego pedir a los estudiantes que informen sobre su uso. Un experimento verdadero puede implicar el establecimiento de dos condiciones en un contexto curricular, como dividir un grupo en dos y asignarles la misma tarea. En una de las condiciones, se les da instrucciones limitadas a los estudiantes y en la otra se les da orientación específica sobre cómo usar la tecnología en el contexto de la tarea. Mediante una técnica combinada con esta estructura, se podría examinar si los dos grupos muestran diferentes patrones de comportamiento, resultados de aprendizaje o actitudes.

En este sentido, SOLER está colaborando con el profesorado de la Escuela de Negocios de Columbia para explorar cómo los grupos de estudiantes llegan a un consenso sobre el uso de generadores de imágenes de IA. Nuestro objetivo es comprender cómo los patrones de uso dan forma a la dinámica interpersonal de los miembros del grupo.

A medida que el campo de la educación superior se encuentra navegando en este panorama tecnológico que cambia rápidamente, la adaptación es nuestra única opción. Debemos hacer esfuerzos sistemáticos y rigurosos para comprender y aprovechar las nuevas tecnologías, y debemos considerar seriamente las cuestiones éticas y morales, especialmente aquellas que pertenecen a la diversidad y la inclusión, como quién se beneficia de estas herramientas y por qué.

Estos problemas complejos pueden abordarse de manera significativa adoptando un enfoque científico, utilizando marcos de investigación sólidos y con apoyo institucional para estos esfuerzos. Si examinamos cómo los estudiantes y los profesores están experimentando las tecnologías emergentes a través de una lente científica, podemos lograr más que solo mantenernos al día: podemos trazar un camino hacia un futuro más brillante y equitativo.

Tomado de EDUNEWS EDUNEWS del Tec de Monterrey

Novedades en ChatGPT: la que se avecina

 Por Ramón Besonias

Novedades del evento de OpenAI (13 de mayo de 2024)

- GPT-4 gratis, incluido GPTs, que serán públicos. Todo docente y alumno podrá usar (no crear) GPTs. Gran noticia. Podremos ofrecer al alumnado asistentes para el trabajo de aula y que ellos los creen para aprender. Era algo que esperaba hace tiempo porque no poder compartir GPTs limitaba el potencial de trabajo. Por ejemplo, hace tiempo creé un GPT para asistir a los alumnos acerca de la EBAU de Filosofía en Extremadura. En unas semanas podrán utilizarlo. O un GPT de asistencia de contenidos de mi área.  

- GPT-4o de pago (sustituye al actual GPT-4): multimodal. Texto, audio y vídeo. Más rápido y eficiente. 5 veces más uso que la versión gratis. La multimodalidad, cuando esté afinada, será brutal. No solo leerá como hasta ahora, hablará y verá, interactuando contigo. Te ofrece 80 mensajes cada 3 horas. 

- Asistente de voz en tiempo real. Rápido, sin apenas latencia. Crea una conversación natural con la IA. Incluso canta. Pero lo más interesante es que es capaz de realizar traducciones en varios idiomas de forma simultánea. 

- Vídeo a través de tu cámara del móvil en tiempo real: el asistente interactúa contigo, analizando lo que le pidas. Increíble para aprender. Existen ya pruebas de usuarios en YouTube que te dejan con la boca abierta. La interacción es natural, entiende contexto, matices, subjetividad. Y contesta con fluidez. 

- Escritorio con visión. Ve lo que haces en el ordenador y te va ayudando en lo que pidas a través de voz. Como si tuvieras un profesor al lado. Otra función increíble. Imagina las utilidades educativas. La idea será sin duda que las IA interactúen en las actividades humanas, ayudando en el ámbito personal y profesional. Como un Siri o Alexa con esteroides. Ya no será necesario entrar en decenas de aplicaciones. Una integración con tareas de escritorio que sin duda le hará competencia a Google, que mañana abre su evento de novedades.

Mientras escuchaba este evento, me imaginaba el impacto que tendrá en unos años sobre las rutinas de ocio, formación y trabajo. 

El impacto en los alumnos será brutal. Cuando lo tengan en los móviles, la oralidad será más de lo que hoy lo es el lenguaje hegemónico. Ver y oír, interactuar con IA para estudiar o crear trabajos, repasar, mejorar contenidos en tiempo real. Los GPTs será lo primero que usarán en el aula. Y es esencial que les enseñemos a usarlos de forma creativa y eficaz. Tener todos los contenidos de área en un asistente y solicitar resúmenes, análisis, estructuras, mejoras de redacción... estará a la orden del día. El reto será trasladar eso a modelos de evaluación realmente competenciales, que generen aprendizaje y no una mera reproducción. 

Sin duda, en septiembre, si ya están disponible para todo el mundo los GPTs gratuitos, abriré talleres en mi centro para alumnos y docentes. Debemos adelantarnos a la ola, que sepan usarlo con criterio, conocimiento y ética.

Os invito a ver y escuchar este vídeo en el que un padre y su hijo hacen que Chat GPT interactúe mientras intentan resolver un problema de matemáticas. La IA ve el problema, escucha al niño y le va ayudando a resolver, facilitando la comprensión. Todo ello desde una tablet, con la voz y un pencil. Un ejemplo de una de los múltiples usos educativos de este nuevo modelo. 

Si entráis en la web de OpenAI, os irán informando. Y si vais probando, comprobaréis poco a poco las implementaciones:

• Analizar vídeos. Aún en prueba. 
• Crear audios a partir de vídeos. Probado. Lo hace bien, pero no traduce.
• Crear imágenes 3D a partir de imágenes 2D.
• Tipografías creativas.
• Resúmenes de vídeos largos.
• Mejora en la inserción de texto en la creación imágenes. Antes lo hacía mal. Se inventaba los textos.
• Textos en formas diversas (caligramas).
• Mejoras en matemáticas. 
• Mayor precisión en las descripciones.
• ...

Tomado de IA educativa

1500 recomendaciones: un libro digital infinito

 Por Carlos Bravo Reyes

Las recomendaciones diarias es un proyecto personal que surge a raíz del aislamiento en nuestras casas que todos sufrimos durante la época del COVID. Todos los sectores de la sociedad de una manera u otra debieron adaptarse a las circunstancias. En el campo de la educación también tuvimos que romper muchos esquemas y pasar de la presencialidad a la distancia. Como profesor del campo de la tecnología educativa, muchos profesores y estudiantes me preguntaban cómo hacer una videoconferencia, o cuál programa emplear para editar un video, una imagen, como convertir un documento PDF y así muchas preguntas que no siempre tenían respuestas.

Fue ante esa cantidad de preguntas y tratando de ayudar a otros, que, en unión con mis estudiantes de tecnología educativa, nos dimos a la tarea de organizar diferentes actividades de capacitación. De ese modo creamos varios Wooc (WhatsApp Open Online), diferentes videoconferencias, transmitidas en directo en Facebook y YouTube, entre otras formas. Pero muchas de estas tuvieron como base las recomendaciones diarias.

Primera recomendación

Las recomendaciones se iniciaron el 31 de marzo del 2020, pocos días después que Bolivia y muchos otros países de Latinoamérica ingresaron a la cuarentena obligatoria. En un inicio las recomendaciones estaban dirigidas a consejos sobre el empleo de las redes, al ahorro de datos, a evitar cadenas de mensajes, entre otras más. Fue después del primer mes cuando empecé a comentar sobre diferentes sitios, redes y programas de utilidad para la actividad pedagógica.

En esa fecha es que se empezó a tomar claridad que el confinamiento no era de una semana, ni un mes, sino de largo tiempo. Los profesores empezaron a preguntar sobre muchas herramientas y parte de las respuestas empezaron a desarrollarse en las recomendaciones diarias. 

Las recomendaciones tienen el objetivo de recomendar un programa de escritorio, una aplicación para celular, un editor en línea de documentos o elementos de diferente tipo. También recomiendan repositorios de imágenes, videos, audio, libros, entre otros muchos tipos. Es frecuente referirme a aplicaciones de todo género, en especial aquellas referidas a la inteligencia artificial. Es imposible englobarlas en una sola categoría, son muchas las que recomendamos.

Un libro digital infinito.

Cuando estaba por arribar a las primeras 100, algunos amigos y mis propios estudiantes con los que siempre probamos muchos de los programas me dieron la idea de recopilarlas en un libro digital. Así surge la primera edición publicada 100 días después de la primera recomendación, justamente el 11 de julio del 2020. Siguieron otras ediciones hasta llegar a la 23.ª recientemente. Cada 500 recomendaciones creamos un tomo nuevo, en esta última estamos cerrando el tomo III. Los libros tienen las imágenes de las recomendaciones, dos categorías que enmarcan a cada una, más la dirección web. También cuentan con un índice y un grupo de palabras claves.

Portada de la última edición

Las recomendaciones no guardan un orden específico y muy rara vez una sigue a la siguiente. Tomamos en cuenta para la selección que el programa, el sitio, la aplicación sea útil, fácil de emplear, o que todas o algunas de sus utilidades sean gratuitas. No tenemos relación comercial ni de otro tipo con los sitios y aplicaciones recomendadas. Puede darse el caso que al cabo de un tiempo algunos sitios no sean accesible o que cambien su nivel de gratuidad.

El concepto de infinito tiene que ver con que el libro tiene inicio, pero hasta el momento no cuenta con un final. Los libros forman parte de la bibliografía de diferentes maestrías y doctorados en el campo de la tecnología educativa, además ser parte del “maletín digital” para profesores en algunos países latinoamericanos. Un caso es el del Ministerio de educación de Panamá, que desde las primeras ediciones lo incluyó en dicho maletín. Los tomos se han descargado unas 19 000 veces, pero no incluye otras descargas desde diferentes repositorios que cada profesor o institución tiene. Todas las ediciones se publican con una licencia Creative Commons de reconocimiento y compartir Igual.

La última edición se puede descargar desde este enlace

El tomo I con las primeras 500 se descarga desde aquí

El tomo II con las recomendaciones de la 501 a la 999 se descarga desde aquí

Tomado de 366 días 

Declaración de Barcelona. Los investigadores necesitan bases de datos bibliográficas «abiertas»

 Tomado de Universo Abierto

Barcelona Declaration on Open Research Information

Español

Los investigadores necesitan bases de datos bibliográficas «abiertas», según una nueva declaración Las principales plataformas, como Web of Science, ampliamente utilizadas para generar métricas y evaluar a los investigadores, están protegidas por derechos de propiedad intelectual.

Cuando las universidades están decidiendo a quién contratar y promocionar, o cuando las organizaciones de financiamiento están seleccionando proyectos para financiar, es muy probable que estén consultando más que solo los materiales de solicitud. Muchas organizaciones confían en bases de datos que recopilan información sobre publicaciones, incluidos autores, afiliaciones, citas y fuentes de financiamiento, para crear métricas destinadas a cuantificar la productividad de un investigador y la calidad de su trabajo.

Algunas de las bases de datos más conocidas, como Web of Science y Scopus, son propietarias y ofrecen datos y servicios de acceso pago que respaldan estas y otras métricas, incluidos los rankings universitarios y los factores de impacto de las revistas. Pero en una declaración publicada hoy, más de 30 organizaciones de investigación y financiamiento llaman a la comunidad a comprometerse con plataformas que, en cambio, sean gratuitas para todos, más transparentes sobre sus métodos y sin restricciones sobre cómo se puede utilizar los datos.

La Declaración de Barcelona sobre la Información de Investigación Abierta afirma que «en un momento en que la toma de decisiones en ciencia está cada vez más guiada por indicadores y análisis, abordar los problemas de la información de investigación cerrada debe ser una prioridad absoluta». Los firmantes hasta ahora incluyen a financiadores como la Fundación Bill y Melinda Gates y la Agencia Nacional de Investigación de Francia, así como a más de una docena de instituciones académicas.

La Universidad de la Sorbona, que canceló su suscripción a Web of Science el año pasado y cambió a una plataforma más nueva y abierta llamada OpenAlex, dijo en un comunicado que “al firmar la Declaración, queremos demostrar que no solo este movimiento hacia la información de investigación abierta debería ser un objetivo, sino que también se puede lograr”. El cambio puede ayudar a remediar el enfoque de las bases de datos existentes en las revistas en inglés, dicen los defensores. También podría ayudar a mejorar “la circulación del conocimiento científico y local producido en diferentes idiomas, formatos y en diferentes regiones geográficas”, dice otro signatario, el Consejo Latinoamericano de Ciencias Sociales a través del Foro Latinoamericano para la Evaluación Científica.

Jason Portenoy, ingeniero de datos senior en OurResearch, reconoce esta necesidad de aporte de la comunidad, diciendo que es comprensible que las instituciones puedan dudar en volver a hacer el trabajo. “Pero la diferencia es que con OpenAlex, está sucediendo de manera abierta”, dice. Cualquier brecha en la calidad de los datos se está cerrando rápidamente, agrega Jason Priem, CEO de OurResearch. “OpenAlex está evolucionando muy rápidamente, y a menudo los problemas descubiertos por nuestra comunidad se solucionan en unos pocos meses”. Cuando uno de los coordinadores de la declaración, Ludo Waltman, director científico del Centro de Estudios de Ciencia y Tecnología en la Universidad de Leiden, y colegas recientemente usaron OpenAlex para clasificar más de 1400 universidades en todo el mundo, concluyeron que, aunque necesita mejorar, el enfoque produjo “datos de calidad sorprendentemente buenos”.

Daniel Hook, CEO de Digital Science, que opera la base de datos propietaria Dimensions, acoge esta idea. (Dimensions ya ofrece una versión gratuita para uso no comercial, aunque los usuarios deben suscribirse para acceder a todas las funciones). Sin embargo, Hook dice que tal transición llevará tiempo. Las bases de datos propietarias necesitan recuperar los costos de establecer, mejorar y mantener conjuntos de datos tan grandes, un desafío que los equivalentes abiertos como OpenAlex también podrían enfrentar a largo plazo.

La declaración es un «excelente desarrollo», dice Elizabeth Gadd, experta en comunicaciones académicas y jefa de cultura e evaluación de investigación e innovación en la Universidad de Loughborough, que no estuvo involucrada en su preparación. “Muchas organizaciones han hecho compromisos públicos con prácticas de investigación abierta pero continúan utilizando fuentes de datos bibliográficos cerradas y comerciales para análisis de investigación”. El anuncio debería “estimular a una gama más amplia de organizaciones a ‘poner su dinero donde está su boca’”.

Con ese fin, los partidarios de la declaración esperan establecer una Coalición para la Información de Investigación Abierta para planificar los próximos pasos, dice la coordinadora Bianca Kramer, experta en comunicaciones académicas de la consultora Sesame Open Science. “Queremos facilitar que las organizaciones trabajen hacia esa transición, entre otras cosas, beneficiándose de la experiencia de los demás y explorando la acción colectiva”.

COMPROMISOS

1 – Haremos que la apertura sea la norma para la información de investigación que utilizamos y producimos

• La apertura será la norma para la información sobre investigación que utilizamos, por ejemplo, para evaluar a investigadores e instituciones, apoyar la toma de decisiones estratégicas y encontrar resultados de investigación relevantes.
• La apertura será la norma para la información de investigación que produzcamos, por ejemplo, la información sobre nuestras actividades y resultados, con excepción de la información cuya apertura sería inapropiada (‘tan abierta como sea posible y tan
  cerrada como sea necesario’

2. – Trabajaremos con servicios y sistemas que apoyen y hagan posible
la información abierta sobre investigación

• En cuanto a los servicios y plataformas de publicación, requeriremos que la información de investigación generada en los procesos de publicación (por ejemplo, metadatos de artículos de investigación y otros resultados) esté disponible de forma abierta a través de infraestructuras académicas abiertas, utilizando protocolos e identificadores estándar cuando estén disponibles.
• En el caso de los sistemas y plataformas para la gestión interna de la información de investigación (por ejemplo, los actuales sistemas de información de investigación), requeriremos que toda la información de investigación pertinente pueda exportarse y hacerse abierta, utilizando protocolos e identificadores estándares cuando estén disponibles.

3. Apoyaremos la sostenibilidad de las infraestructuras para la información abierta sobre investigación

• Asumimos la responsabilidad de apoyar infraestructuras para la información abierta sobre investigación, por ejemplo participando en la creación de comunidades y en la gobernanza de las mismas y aportando contribuciones justas y equitativas a la estabilidad financiera y al desarrollo de estas infraestructuras.
• Esperamos que las infraestructuras que apoyamos apliquen buenas prácticas
  de gobernanza comunitaria y sostenibilidad (por ejemplo, los Principios de la
  Infraestructura Académica Abierta).

4. Apoyaremos actuaciones colectivas para acelerar la transición hacia la apertura de la información sobre investigación

• Reconocemos la importancia de compartir experiencias y coordinar acciones para promover en todo el sistema la transición de cerrada a abierta de la información de investigación.
• Para facilitarlo, apoyamos la creación de una Coalición para la Información
  Abierta sobre Investigación y el refuerzo de la colaboración con otras iniciativas y organizaciones afines.

Tomado de Universo Abierto

¿Cómo cuidar la integridad académica en proyectos prácticos con IA?

 Por Rosa María Morales de EDUBITS de Tec de Monterrey

En mi clase de Econometría que imparto a estudiantes de sexto semestre de economía en la Universidad de Monterrey, incorporé herramientas de Inteligencia Artificial (IA) en la elaboración de proyectos empíricos estudiantiles enfatizando en la integridad académica. Las normas de integridad académica de la institución se describen en el programa de estudios de cada curso y pueden ser resumidas como: no copiar textualmente información de otras publicaciones, acreditar las fuentes de las citas, no copiar el trabajo de otros estudiantes, prescindir de la comunicación entre los equipos para realizar el trabajo propio, y utilizar herramientas de IA solo cuando es autorizado, especificando la forma en la que fue utilizada. En este artículo describo los resultados de una actividad de investigación realizada por los estudiantes con la cual se espera desarrollen competencias para la resolución de problemas prácticos y la comunicación de resultados a través de un proyecto empírico.

Proyectos de modelos predictivos con IA enfatizando en la integridad académica

En economía, un proyecto empírico implica la realización de una investigación con información observable y verificable. Algunos ejemplos de proyectos empíricos pueden ser: 1) La evolución de la contaminación en la ciudad de Monterrey y la Ciudad de México en el periodo 1990-2022; 2) Co-movimientos en el precio del acero y el cobre a través del tiempo; o 3) Predicción del precio de la acción de una empresa en particular, por mencionar algunos. Esta información puede provenir de una base de datos, una encuesta o de un experimento. Dado que el curso implica series temporales, los datos son observaciones de una o más variables a través del tiempo, esta información es de utilidad para estudiar hechos a través del tiempo, hacer predicciones y elaborar políticas públicas a corto, mediano o largo plazo que permitan solucionar un problema en alguna región o país.

El proyecto de la clase consiste en realizar una investigación sobre un tema de economía, finanzas, socio-demografía o cuestiones ambientales en México o en cualquier otro país, que intente responder a una pregunta usando datos reales. La investigación se realiza en tres etapas siguiendo la estructura general descrita por Wooldridge (2015).

1. Fase 1. Se elige el tema, se define el problema a resolver y se plantea la pregunta de investigación.
2. Etapa empírica (fases 2 y 3). Las y los estudiantes utilizan un software econométrico para programar y así limpiar las bases de datos, crear variables, hacer estadísticas, así como estimar modelos econométricos o hacer predicciones.
3. Fase 3. Presentación de resultados.

El trabajo se realiza en equipo usando la metodología de aprendizajes por proyectos. Los estudiantes ponen en práctica conocimientos y técnicas aprendidas durante el semestre, comunicando los avances del proyecto con presentaciones y al cierre del semestre un reporte final de los resultados.

¿Cómo utilizar herramientas de IA en proyectos empíricos de economía?

Dado que el curso involucra aprendizajes para el procesamiento de datos, aplicación de técnicas estadísticas y econométricas, estimación de modelos y predicción de variables, es necesario el uso de programación a través de software econométricos. Durante el curso, se les enseña a los estudiantes a programar en un software específico (Stata). A lo largo del semestre, conocen diferentes códigos de programación que permiten ejecutar tareas como graficar, hacer estadísticas descriptivas, estimar un modelo, predecir variables, entre otros. Sin embargo, en el proceso de investigación los estudiantes se enfrentan a datos reales y encuentran retos que los llevan a necesitar otros códigos. La búsqueda de códigos de programación utilizando buscadores tradicionales podría llevar mucho tiempo y no siempre se encuentra la información requerida.

Quienes han programado en un software econométrico suelen tener dificultades en estas actividades debido a la naturaleza de los datos y la elección del modelo para estimar o predecir variables. Por ello, se pensó que utilizando herramientas de IA generativa podían solventar estas dificultades. IBM Education (2023) muestra los beneficios de usar IA generativa para programar. Observando este potencial y dada la problemática planteada, se sugirieron las siguientes herramientas. Algunas de ellas, proporcionan ventajas en la búsqueda de información, el ahorro de tiempo y la variedad de contenido que ofrecen al momento de editar y generar códigos.

Las herramientas propuestas fueron las siguientes:

• Elicit: Es una herramienta de IA que sirve para buscar artículos científicos y analizarlos. Se puede usar para hacer revisión sobre estudios pertinentes al tema de estudio.
• Perplexity: Es un chatbot para responder preguntas. Se utiliza para buscar información respecto a temas específicos, hacer resúmenes y códigos de programación.
• ChatGPT: Al igual que Perplexity, es una herramienta de IA que sirve para responder preguntas, genera texto y además automatiza ciertas tareas.
• AIciclopedya: Es un directorio de herramientas de IA que sugiere que herramientas de IA se pueden utilizar de acuerdo con las necesidades del usuario.

También, podrían utilizar otras herramientas de inteligencia artificial adicionales, siempre y cuando me lo hicieran saber.

Con el fin de observar la adopción de IA generativa de los estudiantes haciendo énfasis en la integridad académica, diseñé para mi clase, un formato de seguimiento de uso de herramientas de IA, ver Tabla 1. Si los estudiantes usaban IA generativa debían llenar el formato al entregar el manuscrito final.

Tabla 1. Resumen del formato de Seguimiento de uso de herramientas de Inteligencia Artificial. Fuente: Elaboración propia (2023).

Además del formato de seguimiento, diseñé tres materiales educativos para indicar a los estudiantes qué se esperaba en cada entregable e introducir el uso de herramientas de inteligencia artificial.

En el primer material educativo, les muestro a los estudiantes cómo plantear una pregunta de investigación con y sin las herramientas. También, doy indicaciones de cómo buscar un tema de investigación. Usando Perplexity ai, se le pregunta “¿Qué se puede investigar en México usando técnicas de series temporales?” La herramienta dio una serie de resultados y a partir de allí, los estudiantes fueron orientando su búsqueda de acuerdo con sus intereses.

En el segundo material educativo, les presento a los estudiantes un ejemplo de cómo se escribe la metodología de un proyecto empírico y adicionalmente, para ampliar su comprensión, buscan en ChatGPT o Perplexity AI cómo escribir la metodología de un proyecto empírico relacionado a series de tiempo.

En el tercer material educativo, les muestro cómo buscar y editar códigos de programación en ChatGPT y Perplexity AI. Esto permitió una minimización en los tiempos de búsqueda y una mejora en el tipo de información requerida.

Resultados

De un total de siete grupos, cinco adoptaron distintas herramientas de IA generativas en al menos una fase del proyecto empírico. Una vez adoptadas las herramientas y al final del curso, las y los estudiantes se mostraron con apertura, pero al mismo tiempo con precaución al uso que daban a las mismas. Ciertos equipos mencionaron que, si bien les ayudaban, tenían que mantener un pensamiento crítico en su uso. Algunos equipos manifestaron que se motivaron a buscar información confiable.

Por otro lado, las herramientas de inteligencia artificial sugirieron a los estudiantes algunos artículos para revisión de la literatura que no se encontraban en herramientas de búsqueda tradicionales. Estas sugerencias, los llevó a buscar los artículos en las bases de datos de la biblioteca de la universidad en la que estudian. Podemos observar que las herramientas de IA pueden motivar a las y los estudiantes a mejorar sus búsquedas de información usando fuentes confiables aumentando de esa forma la calidad de la revisión de la literatura y la discusión de los resultados. De igual forma, manifestaron que no pudieron acceder dentro de las mismas herramientas a los artículos sugeridos porque “muchos papers eran privados” y por lo tanto tuvieron que buscarlos en biblioteca. En cuanto a los códigos de programación, indicaron que el uso de la IA les ahorró tiempo y resolvió varias inquietudes que tenían.

A continuación, les comparto un resumen con las respuestas dadas por los equipos en el formato de seguimiento de uso de herramientas de IA:

Usos de las herramientas de IA por estudiantes

“Perplexity se utilizó para buscar papers con temas similares a lo que nosotros queríamos abordar, en algunos casos, solo nos daba los títulos y nosotros complementamos la búsqueda en la Biblioteca”.

“Usamos ChatGPT para la revisión de literatura, le preguntamos qué elementos nos recomendaría abordar, aunque al final nosotros modificamos su sugerencia y la adaptamos a nuestro proyecto”.

“Para saber qué decían los errores que nos aparecían en el software al momento de correr los comandos”.

“Conocer qué es lo que debe de incluir en una buena introducción, una buena revisión de la literatura y una buena conclusión”.

“La utilizamos para saber cómo redactar una metodología para nuestro trabajo. Su respuesta nos sirvió como guía para poder escribir los datos de nuestro trabajo de forma más ordenada, y brindando una descripción de las variables”.

“Realizamos las siguientes preguntas: 1) ¿cómo escribir la metodología de un proyecto empírico? y 2 ¿dónde puedo obtener datos de la producción industrial de Mex y USA?”.

“La IA nos ayudó a conocer los códigos de programación necesarios para poder elaborar nuestro trabajo en Stata. Por ejemplo, nos indicó cómo crear una variable (Num) que nos permita separar nuestras variables en los dos periodos de tiempo que analizamos”.

Una vez que leí las respuestas en el formato de seguimiento y revisé los proyectos, pude notar la transparencia de los estudiantes al notificar como habían usado las herramientas e incluso reportar herramientas que no habían sido sugeridas. Esto puede indicar que, si le damos seguimiento al uso de las herramientas de IA generativas en clase, es probable que las faltas a la integridad académica sean disminuidas. En los proyectos entregados, no detecté deshonestidad académica, por tanto, considero que sí es posible que los estudiantes actúen con honradez al usar inteligencia artificial. Por otra parte, noté que los estudiantes refuerzan lo aprendido en clase con las herramientas de IA al no conformarse con los materiales y orientaciones dadas en el aula y aprovechar estas herramientas para perfeccionar lo aprendido, es decir, usan las herramientas como complemento al aprendizaje obtenido en clase.

En cuanto a la calidad de la información en la presentación del proyecto fue bastante alta. Las y los estudiantes manifestaron encontrar a través de herramientas de IA nuevas formas de presentar gráficamente la información de sus datos impactando la calidad visual del proyecto. De igual forma, se observó que lograron resolver problemas durante el proceso de elaboración del proyecto, adquiriendo esta competencia.

Lograron solventar sus dudas e inquietudes a través de las herramientas de IA que habrían sido difícil de responder usando herramientas de búsqueda tradicionales. Esto les permitió mejorar la precisión de la información y de las afirmaciones realizadas. En general, más allá de los resultados académicos, es mi percepción que, se disminuyó la ansiedad de las y los estudiantes en la búsqueda de códigos de programación que les permitiese trabajar de forma particular con sus datos. Hubo una disminución en los errores de programación y en los tiempos de búsqueda.

Reflexión

Para finalizar, no dejo de pensar que la adopción de herramientas de IA en las aulas nos presenta muchos retos, pasando desde la integridad académica hasta los cuestionamientos de privacidad de los datos y de la veracidad de la información. Su incorporación en algunas asignaturas debe pasar por la reflexión previa del profesorado, ponderando los riesgos y las ganancias en su adopción. Introducir y permitir el uso de herramientas de IA en la realización de los proyectos empíricos estudiantiles de uno de mis cursos no fue una decisión fácil; sin embargo, luego de analizar cómo podía incorporarlas minimizando la probabilidad de las faltas de honestidad académica y basándome en un enfoque formativo de la integridad, tomé la decisión de que los estudiantes las pudiesen adoptar de forma opcional.

La experiencia narrada tiene por supuesto sus limitaciones, existen oportunidades de mejora en su incorporación y por supuesto riesgos inherentes al uso de las herramientas de IA generativa. Las afirmaciones dadas en este artículo son muy específicas y están referidas a una sola experiencia con el formato y los materiales educativos creados exclusivamente para el proyecto empírico descrito previamente. Considero que debemos seguir investigando sobre las prácticas de aprendizajes con IA y así ponderar retos y beneficios de forma sistemática. La invitación es también a buscar protocolos que permitan afrontar los retos a los que nos enfrentamos cuando se implementa IA generativa en clase.

Acerca de la autora

Rosa María Morales Valera (rosa.moralesv@udem.edu) es académica de la Escuela de Negocios de la Universidad de Monterrey (UDEM), PhD en Economía por Claremont Graduate University (California, USA) y miembro del Sistema Nacional de Investigadores (SNI) de México. La autora es integrante del Consejo de Honor de la UDEM.

Referencias

Currie, G. M. (2023, May). Academic integrity and artificial intelligence: is ChatGPT hype, hero, or heresy? In Seminars in Nuclear Medicine. WB Saunders. https://doi.org/10.1053/j.semnuclmed.2023.04.00

IBM Education (2023). AI code-generation software: What it is and how it works. https://www.ibm.com/blog/ai-code-generation/

Moya, B., Eaton, S. E., Pethrick, H., Hayden, K. A., Brennan, R., Wiens, J., McDermott, B., & Lesage, J. (2023). Academic Integrity and Artificial Intelligence in Higher Education Contexts: A Rapid Scoping Review Protocol. Canadian Perspectives on Academic Integrity, 5(2), 59–75. https://journalhosting.ucalgary.ca/index.php/ai/article/view/75990.

Ta, R & D. West. (2023) Should schools ban or integrate generative AI in the classroom? The Brooking Institution. https://www.brookings.edu/articles/should-schools-ban-or-integrate-generative-ai-in-the-classroom/

Wooldridge, J. M. (2015). Introductory Econometrics: A Modern Approach. 6th ed.

Tomado de EDUBITSdel Tec de Monterrey