Download - Aprendizajes y evaluación adaptativos

Transcript
  • 8/20/2019 Aprendizajes y evaluación adaptativos

    1/32

    Aprendizaje y evaluación

    Adaptativos

    Edu TrendsReporte

    JUL 2014

    de Innovación EducativaOBSERVA

    del Tecnológico de Monterrey

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    2/32

    Índice › Introducción: Aprendizajey evaluación adaptativos 4

     › Relevancia para elTecnológico de Monterrey 14

     › Aprendizaje y evaluación adaptativosen el Tecnológico de Monterrey 17 › ¿Qué están haciendootras instituciones? 20

     › ¿Hacia dónde se

    dirige esta tendencia? 22 › Una mirada crítica 24 › Acciones recomendadas 27 › Créditos y agradecimientos 28

     › Referencias 29

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    3/32

    Es una prueba interactiva porcomputadora que administra los

    reactivos de manera efciente con

    base en el nivel de desempeño deestudiante

    AprendizajeAdaptativoEs un método de instrucción queutiliza un sistema computacionalpara crear una experienciapersonalizada de aprendizaje

    EvaluaciónAdaptativa

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    4/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 4

    Aprendizaje adaptativoEl aprendizaje adaptativo ganó popularidad con el

    surgimiento del área de la Inteligencia Artiicial (IA) enla década de 1970. Su premisa básica ue adaptar elproceso educativo a las ortalezas y debilidades de cadaestudiante, sin embargo, en esa época su aplicación no seextendió debido al alto costo y tamaño de los equipos decómputo necesarios para su adecuada implementación.

    En cierta orma, el aprendizaje adaptativo es lapersonalización educativa de técnicas de aprendizaje,tras un proceso de dierenciación que identiicalas necesidades especíicas del estudiante y orecedierentes posibilidades. Lo anterior ha llegado a generar

    conusión conceptual entre aprendizaje adaptativoy personalización o aprendizaje personalizado, unerror común es utilizarlos como sinónimos. Por lotanto, es importante aclarar que la personalización delaprendizaje es más bien un “paraguas” que cubre diversosacercamientos y modelos, entre ellos aprendizaje basadoen competencias, instrucción dierenciada, modelostutoriales y también aprendizaje adaptativo.

    Desde un nivel básico, la personalización va más alládel enoque one size its all y en un nivel más soisticadoestán las tutorías guiadas por computadora, sin

    embargo, la personalización por sí sola no depende deun actor de adaptabilidad. Los investigadores de lairma de asesoría y consultoría estratégica EducationGrowth Advisors (EGA) deinen el aprendizaje adaptativocomo un enoque para la creación de una experienciade aprendizaje personalizada para los estudiantes queemplea un soisticado sistema computacional basado endatos. Este aprendizaje tiene una aproximación no-lineal1 a la instrucción, retroalimentación y corrección, pues seajusta de acuerdo a las interacciones del estudiante y al1 Se refiere a un aprendizaje que no implica una secuencialidad preestablecida y por ende,existen diversos caminos para lograr el dominio del aprendizaje esperado.

    nivel de desempeño demostrado. Consecuentementese adapta y anticipa el tipo de contenidos y recursosque este necesitará en un momento especíico paraprogresar en el curso.

    La igura 1 muestra las dierencias y convergencias entreaprendizaje dierenciado, personalizado y adaptativo. Aaprendizaje dierenciado se le considera como unapersonalización, este implica el desarrollo de dierentescaminos de los cuales el estudiante adquiriráconocimiento; mientras que el aprendizaje personalizadoincluye diagnósticos para determinar las necesidadesdel estudiante y así orecerle una solución a la medidapor su parte, el aprendizaje adaptativo requiereincorporar análisis de datos, exámenes psicométricosalgoritmos, entre otras cosas para lograr la adaptabilidadde la instrucción, anticipándose al aprendizaje dealumno.

    Figura 1. Diferencias y convergencias entre aprendizaje personalizado

    diferenciado y adaptativo. Adaptación de Nepom, 2013.

    DiferenciadoDiferentes caminos(cursos honors , remediales,entre otros)

    PersonalizadoBasado en reglas / Árbol de decisiones(exámenes de diagnóstico para determinarqué necesita aprender cada estudiante)

    AdaptativoImpulsado por datos / Cambia ymejora con el tiempo(exámenes psicométricos, algorítmos,análisis de los datos del estudiantado)

    Introducción:Aprendizaje y evaluación adaptativos

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    5/32Página 5

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    Evaluación adaptativaUn elemento muy importante de un modelo adaptativoes la medición del progreso, es decir, la evaluación quepor sus características es adaptativa. Como antecedente,la evaluación adaptativa computarizada (CAT por sussiglas en inglés) ue sucesora de una serie de aplicacionesexitosas que surgieron a partir de 1905 con el desarrollo

    del primer examen adaptativo de Alred Binet: Binet IQ Test . Las pruebas adaptativas se componen de ítemso elementos seleccionados de una colección (bancode ítems). Los elementos son seleccionados para quecoincidan con el nivel estimado de capacidad (o aptitud)de la persona: si tiene éxito en un elemento, el siguienteserá un poco más diícil; si racasa, el siguiente será unpoco más ácil. La prueba termina cuando la capacidad o

    aptitud del sujeto llega al objetivo establecido (Linacre2000) o cuando se hayan suministrado determinadacantidad de elementos.

    Este tipo de evaluación es posible debido a laincorporación de la teoría de respuesta al ítem (IRT)2 quees un marco de medición utilizado en el diseño y análisisde las evaluaciones educativas y psicológicas. La IRTpresenta ventajas sobre la teoría clásica de los tests ya

    que orece un marco que permite realizar evaluacionescon dierentes elementos en una escala común. Esto esun beneicio sustancial cuando es necesario vincularresultados de múltiples ormas de evaluación a in deque los puntajes tengan el mismo signiicado a través delas dierentes evaluaciones (OAERS, s..).

    2 Por su abreviación en inglés: Item Response Teory.

    Figura 2. Principales elementos del aprendizaje y evaluación adaptativos.

    Con el objetivo de hacer más clara la distinción entre aprendizaje adaptativo y evaluación adaptativa, presentamosa continuación un gráfico en el que se ilustran los principales elementos de ambas tendencias:

    Contenidomodular

    Actividades deaprendizaje

    Evaluaciones(adaptativas)

    Retroalimentaciónen tiempo real

    Dashboardpara profesor

    Motor deadaptación

    (Seguimiento deinteracciones,

    desempeño y perfildel estudiante)

    Bancos deelementos y

    plataforma dedistribución

    Calibración conbase en la Teoríade Respuesta al

    Ítem (IRT) +Engine semántico

    Evaluacióncontinua

    Correlación entreobjetos de aprendizaje

    y resultados paraajustar la instrucción

    Expertos enevaluaciones

    psicométricas,psicológicasy educativas

    Datos cognitivosy no cognitivos para

    generar un perfilmás completo

    AprendizajeadaptativoAprendizajeadaptativo

    EvaluaciónadaptativaEvaluaciónadaptativa

    ElementosElementos

    http://iacat.org/content/first-adaptive-testhttp://iacat.org/content/first-adaptive-testhttp://iacat.org/content/first-adaptive-testhttp://iacat.org/content/first-adaptive-testhttp://iacat.org/content/first-adaptive-test

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    6/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 6

    Adopción de la tendenciaEl aprendizaje adaptativo no es algo nuevo. Su origengeneralmente se relaciona a la máquina de enseñanzade B. F. Skinner  y a la Teoría del Aprendizaje Programado3 que surgieron en la década de 1950 y continuó con elmovimiento de la Inteligencia Artiicial en la década de1970.

    Con la evolución de las Tecnologías de la Inormacióny de la Comunicación (TIC) y gracias a que lascomputadoras se han vuelto más pequeñas, potentesy menos costosas, el aprendizaje adaptativo es ahoraaplicable a la enseñanza en el aula, a distancia y enlos escenarios de tutoría. Hoy en día los sistemas deaprendizaje adaptativo ya se están utilizando en unagran variedad de entornos para enseñar y entrenar demanera más eicaz, por ejemplo: la NASA y diversasáreas militares de Estados Unidos los están utilizandoen sus programas (DreamBox, 2014); Amazon y Netlix,

    también han adoptado esta tecnología para anticiparlas preerencias de sus clientes.

    En años recientes, el aprendizaje adaptativo se ha

    asociado con la recolección a gran escala de datos.Se observa como un aprendizaje personalizado queincluye enoques de computación aectiva4, pero eshasta ahora cuando inalmente llegamos a un punto endonde la adaptabilidad del aprendizaje es alcanzable.Este avance se ha dado especíicamente en el sectoreducativo en el que empresas como Sherton Sofware,Carnegie Learning  y  Knewton  han trabajado duranteaños en el desarrollo de aplicaciones de aprendizajeadaptativo. Knewton en particular ha podido capitalizarel concepto en una plataorma que cualquier instituciónpuede comprar y con su reciente asociación con Pearson(una de las casas editoriales y compañía educativa másimportante del mundo) está almacenando conjuntos dedatos y recursos educativos suicientemente grandesque le permitirán masiicar el uso de esta tecnología.

    3 La máquina de enseñar se compone principalmente de un programa, que es unsistema que combina elementos de enseñanza y evaluación que conducen al estudiantegradualmente a través del material que aprenderá por medio de un mecanismo derespuesta/recompensa. Skinner observó que el proceso de aprendizaje debe ser divididoen un gran número de pasos muy pequeños y el reforzamiento debe depender de larealización de cada paso. Skinner sugirió que la máquina por sí misma no debe enseñar,sino mantener en contacto al estudiante con la persona que creó el material presentado.Creía que era el mejor camino para el aprendizaje, ya que toma en cuenta el ritmo deaprendizaje de cada estudiante en particular (Wleklinski, 2011).4 La emoción es fundamental para la experiencia humana, la influencia en la cognición,la percepción y las tareas diarias tales como el aprendizaje, la comunicación y la toma dedecisiones, incluso en lo racional (MI Media Lab, s.f.).

    De acuerdo al reporte de adopción de tendenciasde 2012 del grupo consultor Gartner el aprendizajeadaptativo se encontraba cerca del punto más altodel pico de expectativas sobredimensionadas. Para e2013, el grupo ubicó a la tendencia justo atravesandola etapa del abismo de desilusión. Esto signiica, por unlado, que hay un alto potencial de crecimiento durantelos siguientes años, y por otro, que comenzaremos aobservar cada vez más implementaciones en el ámbitoeducativo.

    Las tendencias MOOC, Big Data y el aprendizajeadaptativo en la educación superior se valoran comotransormacionales por su capacidad para llevareducación de manera dierente a nuevos estudiantes, loque permitirá la recolección de grandes cantidades dedatos que pueden ayudar a mejorar el ecosistema de laeducación (Gartner, 2013).

    Figura 3. Curva de adopción de tecnologías (Hype Cycle for Education)

     Adaptación de Gart ner, 2012, 2013.

    Actualmente nos encontramos ante la esperadaoportunidad: por primera vez; los educadores tienenacceso a la tecnología necesaria; soisticada analítica dedatos y aprendizaje; así como, a la investigaciónemergente sobre cómo aprenden las personas. Laconvergencia de estos tres elementos hará posibleconstruir sistemas inteligentes de aprendizajeadaptativo (Lemke, 2013, p. 6).

    Figura 4. Fenómenos convergentes de apoyo al aprendizaje

    adaptativo. Adaptación de Lemke, 2014.

    LanzamientoPico de expectativassobredimensionadas

    Abismo dedesilusión

    Pendiente dela iluminación

    Meseta deproductividad

    2012

    2013

    AprendizajeAdaptativo

    Modelos cognitivosde cómo aprendenmejor las personas

    Tecnologíasofisticadaasequible

     Aprendizaje

    adaptativo

    Big Data

    + Analíticas deaprendizaje

    La tecnología no es un componentenecesario para la personalización, peroes imprescindible para poder realizarlaa grandes escalas.

    Adam Newman Socio fundador de Education Growth Advisors (EGA)

    http://www.biography.com/people/bf-skinner-9485671#awesm=~oFMpc7N2CewWothttp://www.sherston.com/http://www.sherston.com/http://www.carnegielearning.com/http://www.knewton.com/http://www.knewton.com/http://www.knewton.com/http://www.knewton.com/http://www.carnegielearning.com/http://www.sherston.com/http://www.sherston.com/http://www.biography.com/people/bf-skinner-9485671#awesm=~oFMpc7N2CewWothttp://www.biography.com/people/bf-skinner-9485671#awesm=~oFMpc7N2CewWot

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    7/32Página 7

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    CAIComputer

     Aided

    Instruction

    SCHOLAR

    tutorial

    inteligente

    creadopor JaimeCarbonell

    Programmed Logic

    or Automated

    Teaching OperationsSistema desarrollado en

    la Universidadde Illinois

    PLATO

     y

    1959

    1970

    EVALUACIÓN

    1905

    1950

    APRENDIZAJE

    ADAPTATIV 1.er Examen

    adaptativoBinet IQ Test

    de Alred Binet

    Máquina de Skinner

    Primer sistema

    @

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    8/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 8

    La Universidad deMontreal organiza la

    primera CONFERENCIAINTERNACIONAL DE ITS

    (Intelligent TutoringSystems)

    1988

    CONFERENCIA  INTERNACIONALDE INTELIGENCIA

     ARTIFICIAL ENEDUCACIÓN ( AiED),

    en Edimburgo,Reino Unido

    C omputer

     A ssistedI nstruction 1990

    1993

    1.a

     AiED

    2000

      LEARNING

    MANAGEMENT SYSTEM 

    LMS

    2006

    TUTORIALES

     ADAPTATIVOSSimuladores

    gráficos

    LOGOLenguaje de

    programación1980

    1998

     Administraciónde exámenes porcomputadora

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    9/32Página 9

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    2014

    2011   MOOC

    2008

    2009

    2010

    PLATAFORMAS MÁS POPULARES

    2012

     TENDENCIA 

     ADOPCIÓN DE LA 

    El aprendizaje

    adaptativo llega asu pico más alto de

    expectativas

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    10/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 10

    Modelos de aprendizajeadaptativo

    Los proveedores que orecen soluciones de aprendizajeadaptativo, suelen trabajar bajo distintas áreas deinvestigación académica que incluyen sistemasinteligentes de tutoría, aprendizaje automatizado,teorías de la memoria y de carga cognitiva, entre otras.Aunado a esto, los sistemas de aprendizaje adaptativode orma general se han dividido en categorías omodelos nombrados de diversas maneras. Sin embargo,podemos establecer que, sin importar estas variaciones,existen dos modelos generales aunque no mutuamenteexcluyentes. Esta idea es también soportada por losinvestigadores de EGA (2013b, pp. 5-6):

    • Impulsado por el contenido.  Este modelo se basaen el monitoreo del desempeño, las interacciones ylos metadatos que se generan de la interacción entrelos estudiantes con el contenido. Esta inormación

    y su relación con los objetivos de aprendizaje seconcentra en un tablero o dashboard  que el proesorconsulta para identiicar qué es necesario ajustar,

    cambiar o modiicar en la instrucción; contenidos ocaminos ( paths) de aprendizaje.

    • Impulsado por la evaluación. Generalmente esel modelo con el que comúnmente se asocia aaprendizaje adaptativo. En este enoque, el sistemarealiza, casi en tiempo real y de manera dinámica, losajustes en la instrucción, recursos de aprendizaje yvías o caminos del curso, basándose en la evaluación

    continua del desempeño y dominio del estudianteAquí no es necesaria la intervención del proesor.

    Para ilustrar el primer modelo podemos destacar el casode  Cheryl Lemke  (2013), Presidenta del  Grupo Metiriquien desarrolló un modelo impulsado por el contenidoal que denominó aprendizaje adaptativo inteligente. Lodeine como un aprendizaje digital que envuelve a losestudiantes en un entorno modular de aprendizaje enel que cada una de sus decisiones es capturada y luegoutilizada para orientar sus experiencias de aprendizajey ajustar el camino y ritmo de (y entre) las leccionesEsto provee inormación ormativa y sumativa a losproesores (p. 2). Este modelo adapta la instrucción a lasnecesidades únicas de cada alumno, sus conocimientosactuales e intereses.

    proesor alumno

    Salón de clases

    Aprendizajeadaptativo inteligente

    Modelo cognitivo /Análisis de datos

    Currículo modular*

    Actividades deaprendizaje*

    Basede

    datosestudiantil

    Captura yalmacenamiento

    continuo

    Captura entiempo real

    de las acciones,soluciones y

    exploraciones querealiza el alumno

    en línea

    Alimentacióncontinuade datos

    Adaptar la secuencia,ritmo, navegación,

    pedagogía ypresentación*

    Retroalimentacióninteligenteal sistema

    Datos sobreel progresodel alumno

    Retroalimentacióninteligente

    Figura 5. Modelo de aprendizaje adaptativo inteligente. Adaptación de Lemke, 2014.

    http://metiri.com/team/cheryl-lemke/http://metiri.com/team/cheryl-lemke/http://metiri.com/http://metiri.com/http://metiri.com/http://metiri.com/team/cheryl-lemke/http://metiri.com/team/cheryl-lemke/

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    11/32Página 11

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    Los modelos impulsados por la evaluación estánbasados en sistemas adaptativos computarizados, deacuerdo a Kingsbury, Freeman y Nesterak (2013), estos secaracterizan por tener una estructura y procedimientoselementales: un banco de preguntas desde donde puedanser extraídas, una calibración en una escala de medicióncomún, un mecanismo de selección de preguntas conbase en las respuestas de los estudiantes, un procesode evaluación de respuestas, un proceso para inalizarla prueba y un reporte de relación entre puntuacionesobtenidas y las necesidades de los estudiantes.

    Las pruebas o exámenes adaptativas son una parteundamental en estos modelos. Estas se componenbásicamente de dos etapas: la selección de preguntas yla estimación de puntuación (Davey, 2011). La primera,determina la pregunta o conjunto de preguntas másapropiadas a aplicarse con base en el nivel de desempeñodel estudiante. La segunda, utiliza la respuestas quepreviamente dio el estudiante para estimar surendimiento; así, las preguntas posteriores serán másadecuadas.

    Figura 6. El ciclo de la evaluación adaptativa. Adaptación de Davey,

    2011.

    La selección de preguntas puede realizarse en variosniveles Multistage Testing (MST), la cual empieza con unaevaluación de diicultad moderada llamada “examen deredireccionamiento” y, en unción del desempeño de losestudiantes, se les asignan preguntas que pueden variarel nivel de diicultad durante su evaluación.

    Figura 7. Multievaluación de dos etapas. Adaptación de Davey, 2011.

    Las iguras 6 y 7 muestran el lujo de procesos que unmodelo de aprendizaje adaptativo impulsado por laevaluación. Este se desarrolla a manera de ciclo, el cuatermina cuando se alcanza cierto grado de precisión enla puntuación obtenida o cuando se han aplicado uncierto número de reactivos.

    Sistemas adaptativos deaprendizaje y evaluaciónExisten diversas aplicaciones de aprendizaje adaptativoque van desde un nivel básico, como los sistemas derespuesta de audiencia (clickers) –que permiten a unexpositor ajustar su presentación en tiempo real apartir de la retroalimentación que recibe de su público–hasta sistemas más soisticados que ajustan el tipo depreguntas que se hacen al estudiante dependiendo desus respuestas previas, como en el caso del TOEFL porcomputadora.

    Actualmente los sistemas más relevantes en educaciónson los siguientes:

    Exámenes adaptativos (computarizados):

    Basadas en las pruebas computarizadas adaptativas(CAT)5  son un tipo de evaluación que se construyeempleando complejos algoritmos que le permite adaptary producir pruebas óptimas para cada estudiante(FastTest, 2013). La prueba se enoca en proporcionar loselementos que son más apropiados para el nivel de lapersona. FastTest establece que estos exámenes orecenlos siguientes beneicios:

    • Pruebas mucho más cortas (reducción entre 50 y 90por ciento del tiempo)

    • Caliicaciones más precisas

    • Mayor motivación en la persona

    • Mayor iabilidad de la prueba

    Tutoriales adaptativos:

    Son Sistemas Tutoriales Inteligentes (ITS)6  con los quelos estudiantes suelen interactuar por medio de una

    simulación enocada en una tarea-objetivo mientras vansiendo guiados y remediados. Los tutoriales adaptativospueden presentar dierentes tipos de retroalimentaciónpara el estudiante y el proesor. Los primeros recibenorientación basada en su interacción, mientras quelos segundos obtienen retroalimentación sobre suspropias opciones de edición para impulsar la relexióny adaptación de contenidos (Marcus, Ben-Naim y Bain2011, p. 626).5 Por su abreviación en inglés: Computerized Adaptive Testing .6 Por su abreviación en inglés: Intelligent utoring System. El primer IS se le atribuye Jaime Carbonell,  quien en 1969 desarrolló SCHOLAR para la enseñanza de la geografílatinoamericana (Junghyun, s.f.).

    Fin de la evaluación

    Selección

    AdministraciónPuntaje

    Banco dereactivos

    Prueba deredireccionamiento

    Decisión

    Fácil Moderado Difícil

    http://www.cs.cmu.edu/afs/cs/Web/People/jgc/index.htmlhttp://www.cs.cmu.edu/afs/cs/Web/People/jgc/index.htmlhttp://www.cs.cmu.edu/afs/cs/Web/People/jgc/index.html

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    12/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 12

    Los tutoriales adaptativos están diseñados para que losproesores puedan monitorear las respuestas globalesde grandes grupos de estudiantes, para adaptar laenseñanza y retroalimentación dada por los propiostutoriales y resolver los puntos deicientes más comunes.Mediante el análisis de las respuestas y el desempeñogeneral de los estudiantes se puede observar cómo seinvolucran para trabajar en diicultades conceptuales(Prusty, Russel, Ford, Ben-Naim, Ho, Vrcelj y Marcus,2011, p. 2). En estos sistemas, la adaptación se da en tresniveles:

    • Retroalimentación:  a partir de actividades,respuestas, resultados en exámenes y allas en losmismos.

    • Secuencia de actividades: dinámicamente con baseen el desempeño del estudiante.

    • Reflexión (de parte de los profesores): conorme alas necesidades y rendimiento de sus estudiantes.

    Tutores cognitivos (inteligentes):

    Son un tipo muy particular de ITS que usan inteligenciaartiicial para simular el comportamiento que tendríaun tutor humano. Para lograr esto, se han basado enla investigación de IA, una rama de la ciencia que aúnse encuentra en desarrollo. Los tutores inteligentesproporcionan ejercicios hasta que se domina el temaposterior a ello, orecen instrucción y retroalimentación

    personalizada para que el estudiante aprenda a supropio paso; y inalmente, recolectan datos detalladosque permite a los instructores, monitorear, e intervenirsi es necesario, en el proceso de aprendizaje.

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    13/32Página 13

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    Figura 8. Plataformas que ofrecen soluciones de aprendizaje y evaluación adaptativos en K12 y HE.

    PLATAFORMAS

    K12

    HigherEducationHE

    K12

    HE

    De educaciónpreescolar a mediasuperior

    Educación profesional

    (Cognitive Tutor)

    oscatsIRT

    ComputerizedAdaptive Testing

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    14/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 14

    Para el Tecnológico de Monterrey, la personalizacióndel aprendizaje siempre ha sido un elemento

    importante dentro de sus objetivos. Se ha explorado yexperimentado con diversos modelos y sistemas durantelas últimas cuatro décadas. Podemos recordar que desdela aparición del Sistema de Instrucción Personalizada(SIP) en Brasilia en 1963, la mayor implementación en elmundo de cursos SIP en una sola institución se dio en elTecnológico de Monterrey (Díaz, 1976).

    El aprendizaje y evaluación adaptativos tienen el potencialpara continuar mejorando la experiencia de aprendizaje,así como motivar y comprometer mayormente a losestudiantes; personalizar los caminos en cursos y planes

    de estudio; y permitir que los proesores utilicen eltiempo de clase de manera más enocada y productiva.Así también, puede contribuir signiicativamente a laretención estudiantil, la evaluación del aprendizajey a mejorar el desempeño académico7. Permitiráque nuestros estudiantes estén más preparados conlos conocimientos, habilidades y competencias querequieren para tener éxito proesional.

    Con el nuevo modelo educativo TEC21, el Tecnológico deMonterrey impulsará la implementación de aprendizajey evaluación adaptativos. Como lo señaló David Garza,

     Vicerrector de Proesional, en los nuevos planes deestudio se implementarán, en una primera ase,exámenes adaptativos y se incorporará Mastery Learning en cursos remediales. Esto apoyará directamente alos objetivos del modelo: lexibilidad y experienciasretadoras e interactivas en el aprendizaje.

    7  Existen numerosos casos y estudios de éxito respecto a la efectividad delaprendizaje adaptativo que han demostrado un incremento en la calificación(entre el 10 y 15 por ciento), así como en la tasa de terminación (entre el 17 y 20por ciento). Paralelamente, las instituciones que han implementado de algunamanera sistemas de aprendizaje o evaluación adaptativa también han aumentadoel porcentaje de retención estudiantil. Rangos obtenidos considerando los casosde éxito documentados en los sitios web de Knewton, Learn Smart y CarnegieLearning.

    Cabe destacar que Mastery Learning  es una pedagogíaque se incorpora adecuadamente en el aprendizaje y

    evaluación adaptativos. Basada en el modelo de Bloom(1968), consiste en proporcionar a cada estudiante el tipode instrucción y la recuencia necesarias con que se dapara lograr un dominio individual más elevado o completode los temas y un desempeño uniorme del estudiantado(Kulik, Kulik y Bangert-Drowns, 1990). Adicionalmenteorece beneicios como: asegurar el alcance del objetivoinal de curso, lograr la comprensión y el aprendizaje dematerial nuevo, proporcionar retroalimentación clarae individualizada para cada estudiante y apoyar a losestudiantes con buen desempeño para que desarrollensu potencial a través de nuevas actividades (Mazarin

    2014).

    Por otro lado, los sistemas adaptativos se puedenutilizar en entornos de aprendizaje híbridos para lograuna mayor personalización, lo que permite acilitar a losestudiantes el seguimiento de su propio aprendizaje. Estodesarrolla habilidades de autocontrol y de participaciónen el proceso de aprendizaje personal (DreamBoxLearning, 2014). La combinación de programas deaprendizaje adaptativo con un modelo híbrido tambiénpuede mejorar en gran medida el diseño instruccional enel que los proesores se basan para interactuar uno a uno

    con sus estudiantes.

    Las plataormas de aprendizaje y evaluación adaptativomonitorean, y analizan constantemente las respuestas ycon esta inormación, el proesor puede identiicar conmayor precisión si los estudiantes están comprendiendoo no los temas en clase, de tal orma que puedaorecerles orientación directa a quienes lo necesiten(Kerns, 2013). Además, permite hacer un balance justoentre el contenido de la clase que se puede ver en línea ylas actividades presenciales, liberando tiempo suicientepara proundizar en conceptos más avanzados, yparticipar en discusiones de más alto nivel. Con elloel proesor toma un rol más activo como acilitador omentor (Carter, 2014).

    De igual manera el aprendizaje y evaluación adaptativopuede mejorar la experiencia de aprendizaje a travésde la interacción proesor-estudiante, ya que proveea ambos retroalimentación inmediata acerca de lasortalezas y debilidades del estudiante, enocándose enlas necesidades particulares de estos. Adicionalmenteorece los siguientes beneicios desde la perspectiva de

    El aprendizaje adaptativo desarrollarámejores habilidades cognitivas ennuestros estudiantes e incrementarála productividad académica a través de

    actividades con impacto cuanticable yde mayor valor en la enseñanza.

    Omar Olmos Director del Departamento de Ciencias Básicas.

    Tecnológico de Monterrey, Campus Toluca

    Relevancia para el Tecnológico deMonterrey

    http://programs.honolulu.hawaii.edu/intranet/sites/programs.honolulu.hawaii.edu.intranet/files/upstf-student-success-bloom-1968.pdfhttp://programs.honolulu.hawaii.edu/intranet/sites/programs.honolulu.hawaii.edu.intranet/files/upstf-student-success-bloom-1968.pdfhttp://programs.honolulu.hawaii.edu/intranet/sites/programs.honolulu.hawaii.edu.intranet/files/upstf-student-success-bloom-1968.pdfhttp://programs.honolulu.hawaii.edu/intranet/sites/programs.honolulu.hawaii.edu.intranet/files/upstf-student-success-bloom-1968.pdf

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    15/32Página 15

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    estudiante (CTU, 2013):

    • Mayor control sobre su aprendizaje: al presentarlesretos y problemas que coinciden con su nivel decomprensión y avance en un tema en particular, losestudiantes pueden aventajar rápidamente las áreasque ya dominan para enocarse en aquellas en lasque necesitan mejorar.

    • Mejores resultados: los estudiantes pueden tener unmejor desempeño ya que el aprendizaje adaptativoproporciona apoyo adicional especíicamente en lasáreas que más se les diiculta.

    • Mayor confianza: Los estudiantes tienen másconianza en sí mismos al abordar proactivamentebrechas de aprendizaje que aún no dominan.

    1       2   

     4

    E      x       p    

    e    r     i      e    

    n    

    c     i      a     

    D   e  s  e  m   p  e  ñ   o  

    R e t e n c i  ó n 

     M a s t e r y

      L e a r n i n

     g

    M      e      j      o    

    r     a     l      a    

     e    x      p    

    e    r     i      e    

    n    c    i      a     

    d      e     a      p    

    r     e    n    d      i      z    a    

      j      e    

    M    e     j    o   r   a    e   l     d    e   

    s   e   m    p   e   ñ    o    a   c   a   d    é    m   

    i    c   o   

    D i s m i n u  y e  l a  d e s e r c i ó n  a c a d é m i c a 

     A s e g  u r

     a  e  l  c o m

     p  l e t o 

     d o m i n i o

      d e   l o s 

     t e m a s

    5RetroalimentaciónOfrece retroalimentación

    individualizada y en tiempo real

    6

    7

    8   

    Diseño instruccionalMejora el diseño instruccional al

    combinarlo con el modelo híbrido

    Dashboard Monitorea y analiza constantemente

    el desempeño y progreso del estudiante

    9

     1 0

        1    1

    M   e  n  t  o  r  e  o  

    P   o  s  i   b  i   l   i   t  a   e  l    m  

    e  n  t  o  r   e  o  

    1  :  1   e  n   e  s  c  a  l   a  

    TiempoLibera tiempo de clase para

    actividades retadoras y

    discusiones de alto nivel

     D a t a

     G e n e r a  d a

     t o s  p a r a

     m o d e l o s 

     p r e d i c t i v

     o s

       M  o   t   i  v  a  c   i

      ó  n

       A   u   m

      e   n    t   a

         l   a    m  o    t    i   v   a

      c    i   ó   n

        d  e 

        l  o   s   e   s    t   u

       d    i   a   n    t  e

       s

    Figura 9. Beneficios del aprendizaje y evaluación adaptativos.

    Benefcios del aprendizajey evaluación adaptativos

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    16/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 16

    De acuerdo con Christina Yu (2014), los sistemasadaptativos permiten que los estudiantes puedan tenerun mejor dominio en su avance académico mediante lassiguientes cuatro acciones:

    • Por medio del error, un elemento fundamentalpara la mejora del aprendizaje.  El error es elprincipal elemento que los sistemas adaptativoscaliican para establecer un camino de aprendizaje

    acorde a las necesidades de los estudiantes yadecuado a la instrucción que requieren, por lo quees el elemento más valioso de este proceso. Se buscaque el camino de aprendizaje se diseñe, y se adaptede orma dinámica a las mejoras mostradas por elestudiante en cada etapa.

    • A través de una retroalimentación rápida quepermite intentar, fallar, y volver a intentar. Proporcionar una retroalimentación en tiempo real(o casi) puede reducir la ansiedad asociada conel desempeño escolar y omentar una evaluacióniterativa del propio aprendizaje. De esta manera el

    proceso de aprendizaje se enoca en la exploración ydesarrollo del conocimiento a largo plazo, en lugar deenocarse en una caliicación basada en un examen.

    • Mediante un enfoque en las necesidades delestudiante. Proporcionar inormación especíicacentrada en mejorar una habilidad o una competenciadel alumno, resolver sus dudas recurrentes,orecer apoyo en “lagunas” del conocimiento, ydar retroalimentación eectiva, desarrolla unapercepción de su propia capacidad y los valores deltrabajo duro y la perseverancia. Además, promueve

    el desarrollo de una motivación intrínseca.• Con la reflexión y la autoconciencia. Los

    estudiantes podrán reconocer patrones de su propioaprendizaje: sus errores más recuentes, los hábitosde estudio que les han dado resultados, los tipos deretos que más les gustan, entre otros, para ampliarloso modiicarlos. A través de un sistema adaptativo sepueden generar reportes que ayuden a identiicarestos patrones con el in de apoyar a los estudiantesen su proceso de aprendizaje, y puedan obtenermejores resultados.

    En la práctica, el valor del aprendizaje y evaluaciónadaptativo radica en los datos, los cuales son incorporadosa cada objeto de aprendizaje para identiicar surelevancia para los estudiantes al comprender y dominarun tema. De la gran cantidad de inormación quegeneran las instituciones educativas se pueden obtenerbeneicios tangibles (Gartner, 2013). El Tecnológicode Monterrey es una de las pocas universidades enel mundo con la suiciente matrícula estudiantil paraalcanzar masa crítica en la recolección de datos, de tal

    manera que sean estadísticamente relevantes (uno delos grandes desaíos que enrenta la implementacióndel aprendizaje adaptativo). El manejo de datos y suanálisis ayudarán a generar herramientas predictivasque los educadores podrán utilizar para mejorar eaprendizaje inal individual de cada estudiante, creandonuevos mecanismos de seguimiento y adaptación asus necesidades que con métodos tradicionales no esposible lograr.

    Con la integración de plataformasen línea podemos tener experienciasde aprendizaje personalizadas y conla utilización de Big data   podemosconocer las actividades realizadas y losresultados obtenidos por estudiante opor clase; es por ello que el aprendizajeadaptativo es el futuro de la educaciónsuperior.

    Doug Guthrie Profesor de la Universidad George Washington

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    17/32Página 17

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    SI-APRENDE Julieta Noguez, Liliana Argotte,Gustavo Arroyo y Luis NeriCampus Ciudad de México

    El Sistema Inteligente SI-APRENDE utiliza un modelo tutorpartiendo del modelo de un Sistema tutorial inteligente(ITS) para establecer una secuencia y navegaciónadaptativas de objetos de aprendizaje, bajo el estándar

    SCORM.

    El modelo del ITS se basa en redes de decisión dinámicaspara seleccionar la acción pedagógica que mejor seadapte a la situación de aprendizaje de cada estudiante.Fue desarrollado en colaboración con el Instituto deInvestigaciones Eléctricas como parte de un proyecto detesis de maestría.

    SiEntrenO Julieta Noguez, Luis Neri y Daniel BlancasCampus Ciudad de México

    Consiste en un Sistema tutorial inteligente (ITS) empleadopara el entrenamiento de operadores novatos de unaplanta eléctrica de ciclo combinado. Utiliza simulacionesen 3D para visualizar el circuito de la planta en que eloperador está practicando. El curso está disponible enun ambiente web integrado que acilita la administraciónde usuarios y el seguimiento del desempeño de losoperadores.

    Lo que principalmente acilita el aprendizaje es lamodelación y simpliicación de conceptos complejos

    de termodinámica que rigen el uncionamiento de unacentral termoeléctrica de ciclo combinado. Además,cuenta con experimentos y simulaciones dinámicas enlínea cuidadosamente diseñados con variables meta, derestricción, de exploración y variables dinámicas.

    El sistema es capaz de inerir, mediante las redesbayesianas y de decisión, el conocimiento que adquiereel operador en unción de la interacción con lassimulaciones para proporcionarle retroalimentación,ayuda, contenido y nuevos experimentos.

     Aprendizaje adaptativo en cursos dematemáticas Patricia SalinasCampus Monterrey

    La implementación del método de instrucción consiste enla experimentación con tres plataormas de aprendizajeadaptativo en cursos de matemáticas: Cognitive TutorKnewton y Aleks.

    Cognitive Tutor   unciona como guía controlada en losprocesos que realiza el estudiante al trabajar en unaactividad: lo orienta para que responda correctamentelos cuestionarios, o lo invita a rectiicar, indicándole lo quedebe hacer en cada paso. Knewton muestra pequeñosvideos en los que proesores explican el procedimientoa seguir en una tableta a manera de pizarrón, ademásde que orece retroalimentación en cada respuesta: losejercicios proporcionan un contexto para el problema yno solo se enocan en resolver la ecuación. FinalmenteAleks permite que los proesores agreguen soluciones

    elaboradas previamente, que el estudiante recibacuando las necesite.

    Las tres plataormas conducen al alumno paso a pasopor un camino que, si bien puede dierir de un estudiantea otro, es por el que todos recorrerán los mismoscontenidos.

     AdaptaTEC21 Raúl Crespo y Lourdes MuñozCampus Ciudad de México y Santa Fe

    En este proyecto se investigará cómo implementar eaprendizaje adaptativo en dierentes áreas disciplinariastales como Ingeniería, Humanidades y Negocios, enpreparatoria y a nivel proesional. AdaptaTEC21 seencuentra en la ase de selección de temas y materiasmás adecuados para el piloto que se implementaráen el segundo semestre de 2014. La hipótesis queproponen los proesores que lideran la iniciativa es queal combinar actividades presenciales con actividades enla plataorma adaptativa, el aprendizaje del estudianteserá más signiicativo y personalizado.

    Aprendizaje y evaluación adaptativosen el Tecnológico de Monterrey

    En el Tecnológico de Monterrey existen diversas iniciativas de aprendizaje y evaluación adaptativos. Se listan acontinuación algunos trabajos, experiencias y esfuerzos de profesores que están abordando esta temática.

    Proyectos de aprendizaje adaptativo

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    18/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 18

    Híbrido selectivo Juan Carlos Altamirano y Guillermo DunckelCampus Guadalajara

    Este es un diseño de programas piloto de cursos híbridoslexibles, adaptables a las necesidades curricularesy personalizables a los requerimientos de cada unode los involucrados, con lo que se espera enriquecerla experiencia del proceso enseñanza-aprendizaje.El proyecto pretende cubrir la necesidad de contarcon una evaluación homogénea, integral, basada encompetencias y que aproveche los espacios y recursoshumanos. Para lograr esto, se usa una plataormatecnológica que cuenta con tópicos, material didáctico,recursos y todo tipo de materiales y que, además,permite realizar evaluaciones sin importar en dondeestén los estudiantes.

    Tutoriales inteligentes interactivos yadaptativos Rubén Darío Santiago y Francisco DelgadoCampus Estado de México

    Con este proyecto se propuso realizar un curso –sobrelos primeros tres niveles de la taxonomía de Bloom–, através de ejercicios típicos que van generando una rutade aprendizaje personalizada.

    El estudiante avanza según las competenciasdemostradas ya que, si no muestra las habilidadesnecesarias en un tema, no se le permite continuar hastatener un dominio satisactorio.

    Proyectos de evaluación adaptativa AaprenderJulieta NoguezCampus Ciudad de México

    Este proyecto propone el desarrollo de una herramientaadaptativa de aprendizaje en línea llamada Aaprender.Esta herramienta es un sistema en el cual cada estudiantesigue una secuencia de ejercicios distinta, dependiendode su interacción con el sistema, y proporcionaretroalimentación a los estudiantes de acuerdo a susrespuestas anteriores. Si la opción elegida es la correcta,el sistema les proporciona un problema reto de mayornivel de diicultad o les despliega el siguiente problemade la lista; si la opción seleccionada es incorrecta, leproporciona un problema derivado del mismo tipoaunque de menor nivel de diicultad para remediar eseerror particular. Adicionalmente, los proesores puedengenerar reportes especíicos sobre el desempeño de losestudiantes y del grupo en general.

    TecEval Gerardo AguilarCampus Ciudad de México

    Es un sistema de evaluación dinámica en línea, accesibledesde web o dispositivo móvil, para los cursos de ísicay matemáticas, con posibilidad de aplicarse a otrasmaterias. Permite la creación de preguntas dinámicas(algorítmicas) y preguntas abiertas, acilitando laescritura de símbolos matemáticos, y determinandola caliicación automática de los dierentes tipos depreguntas. Adicionalmente, este sistema proporciona elseguimiento estadístico de los estudiantes que se integraal sistema Newton GymLab (proyecto NOVUS).

    Clase de álgebra linealEduardo UrestiCampus Monterrey

    Consiste en la creación de un banco de más de 900reactivos que están distribuidos a lo largo de todo ecurso. Durante varios semestres se depuró la basede datos, obteniendo indicadores psicométricos quehan ayudado a determinar el grado de diicultad y adiscriminar aquellos que no se acercan al objetivo dela prueba, con el in de obtener resultados coniablesa partir de dichos reactivos. También se han creadomateriales didácticos para todos los temas del curso.

    Actualmente está en desarrollo un sistema quepermita relacionar las evaluaciones de los estudiantescon materiales especíicos del curso para realizaevaluaciones personalizadas.

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    19/32Página 19

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    Sistema SSEA  Omar OlmosCampus Toluca

    Es un sistema de inormación que permite concentrarlos resultados de desempeño de cada grupo y, a partir

    de estos, mostrar a estudiantes, proesores y directivosinormación relevante sobre el desempeño académicodel alumnado, así como la calidad del servicio que elproesor orece en cada curso.

    Actualmente en el campus Toluca se imparten cerca de200 cursos en los que se encuentran asignaturas básicasde proesional y de preparatoria. Este sistema ha sidoadoptado por los campus Central de Veracruz, CiudadObregón, Cuernavaca, Guadalajara, Hidalgo y Santa Fe.Gracias al uso de esta herramienta, los estudiantes hanlogrado incrementar su porcentaje de aprobación en

    pruebas estandarizadas de CENEVAL (EXIL) de 65 a 95por ciento en materias de ísica y matemáticas del primertercio de carreras proesionales.

    Pruebas WAVE y Estancias doctorales Área de EgresadosEGADE Business School

    La Escuela de Negocios de la EGADE aplica a todos losestudiantes las pruebas WAVE en con las que se detectasu nivel de desarrollo de competencias y, a partir deahí, se genera una serie de talleres que los estudiantes

    toman, con el in de que puedan terminar de desarrollaresas competencias.

    Los doctorados de la Escuela de Negocios de la EGADE yde otras escuelas nacionales de posgrado son diseñadosa la medida de cada estudiante, quien realizaráestancias de investigación especíicas para desarrollarcompetencias en su disciplina.

    Personal Pace Gabriela VázquezCampus Guadalajara

    En campus Guadalajara se están buscando nuevasmaneras de acreditar materias adaptándose a losdierentes periles de los estudiantes. El proyecto vadirigido a intentar aplicarse a todas las materias delTecnológico de Monterrey, sin embargo, de momentosolo está enocado a la clase de matemáticas remedial.La metodología que se está usando es la modularizaciónde la materia. Para colocar al estudiante en dichosmódulos, se le aplica un examen diagnóstico. La primeraimplementación será en julio 2014.

     ADN del estudiante TecAngélica Ibarra Aoki y Sergio SánchezCampus Guadalajara

    El objetivo de este proyecto es deinir las variablesque permitan conocer, explicar, y adaptar los procesos

    de enseñanza-aprendizaje. Esto se logra a través dela recolección de datos sobre estilos de aprendizajeexámenes psicométricos, currículos, desempeñoacadémico y per iles de las competencias del alumnadoLa plataorma generará indicadores y tableros quepermitan a directivos, directores de carrera, proesoresy tutores identiicar actores de riesgo en el éxitoestudiantil, y ormular acciones adecuadas paraasegurarlo.

    Esta plataorma busca asegurar que los estudiantes segradúen con el peril correspondiente a la misión de la

    Institución. En la primera ase del proyecto se realizóun prototipo a partir de bases de datos existentes. Enla segunda ase (enero de 2015) se construirán bases dedatos a partir de inormación que no se tiene capturadaaún.

     Analíticas de aprendizajeJulieta Noguez y Omar OlmosCampus Ciudad de México y Toluca

    Analíticas de aprendizaje es un proyecto de colaboraciónconjunta entre proesores de los campus Ciudad de

    México y Toluca, que buscan conjuntar los esuerzosque han realizado en los últimos años con el desarrolloen los temas de sistemas de instrucción adaptativos ysistemas de inormación que la muestran en tiempo realLa idea es elegir adecuadamente acciones pedagógicasprimeramente, a través de un modelo educativoapoyado por TIC, así como con modelos predictivos quepermitan implementar procesos adaptativos con apoyodel análisis de datos para detectar actores críticos debaja académica.

    El propósito inal es lograr que tanto el estudiante como

    el docente interactúen de orma integral, e impactarpositivamente en el aprendizaje de los estudiante.

    Proyectos de personalización del aprendizaje

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    20/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 20

    ¿Qué están haciendo otrasinstituciones?

     - - - - - - - - - - - - - - -

    - - - - - -

    -  -  -  -  -  -  -  - 

    - - - - - - - - - - - - - - - -

    - - - - - - - - - - -

    -  -  -  -  -  - 

    - - - - - - - - - - - - - -

    MOOCULUS

    Mejor desempeño encursos de matemáticas

    Disminución del

    porcentaje de deserción

    La Preparatoria Dundalk (Maryland) incrementó el porcentaje de estudiantes aprobados enla clase de matemáticas de un 49 a un 86 por ciento, utilizando el Cognitive Tutor Sofware deCarnegie Learning (Carnegie Learning, 2004).

    2002-2004

    El distrito de escuelas preparatorias del oeste de Kentucky obtuvo los mejores puntajes enmatemáticas empleando el Cognitive Tutor Sofware de Carnegie Learning (Murrin, 2009).

    2009

    La Universidad de New South Wales aplicó tutoriales adaptativos en línea con la plataformaSmart Sparrow en el primer año de carrera de la Ingeniera Mecánica, logrando disminuir elporcentaje de deserción de estudiantes en un 31 por ciento.

    2010

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    21/32Página 21

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    La Universidad Estatal de Arizona (ASU) rediseñó sus cursos de matemáticas con el apoyo dela plataforma Knewton. Resultados preliminares del estudio mostraron un aumento del 18por ciento en la cantidad de estudiantes con calificación aprobatoria; además, el porcentajede retención subió un 47 por ciento. La universidad estima que a la fecha se han retenido 12millones de dólares que de otra manera se hubieran perdido por la baja de matrículas (EGA,

    2013a, p. 11).

    2011

     Además, la universidad se asoció con Pearson para implementar en sus clases –en línea ehíbridos–, el sistema de Knewton. Pearson proporcionó el contenido didáctico y Knewtonlos algoritmos y la plataforma (Kolowich, 2013a).

    La Universidad de Alabama (UA) utilizó Knewton en la clase de matemáticas remedial, yobtuvo resultados en el porcentaje de estudiantes aprobados: demostró un incremento del70 al 87 por ciento en el primer semestre (Knewton, 2012).

    2012

    Jim Fowler y Thomas Evans, profesores de la Universidad Estatal de Ohio, crearon unMOOC (Calculus One) para enseñar cálculo, utilizando la evaluación adaptativa. Para ello,desarrollaron la herramienta MOOCulus como complemento de la plataforma de Coursera.

    Distintas universidades técnicas y estatales de Estados Unidos utilizaron la plataformaLearnSmart de McGraw-Hill. Tuvieron un aumento del 10 al 15 por ciento en el desempeñode sus estudiantes y, en algunos cas os, también un incremento en la retención del 17-20 porciento8.

    2013

    La Asociación Internacional para Pruebas de Adaptación Computarizada (IACAT por sussiglas en inglés) realizará en Princeton la Cumbre de las Pruebas Computarizadas del 8 al10 de octubre. La organización estará a cargo del Educational Testing Service (ETS), bajo eltema “Enfrentando, y resolviendo los desafíos de la medición educacional y psicológica enel siglo 21”.

    2014

    8 Información recolectada de los estudios de casos y eficiencia de LearnSmart .

    http://learnsmartadvantage.com/instructors/case-studies/?products=learnsmart&outcomes=grades&subject=http://learnsmartadvantage.com/instructors/case-studies/?products=learnsmart&outcomes=grades&subject=

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    22/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 22

    En 2014, la revista  The Chronicle o Higher Education condujo una encuesta en la que se les preguntó a 350presidentes de diversas universidades acerca de lastendencias que consideraban más relevantes para laeducación superior en Estados Unidos. Los resultadosmuestran que los cursos híbridos (combinación deeducación en línea y presencial) y el aprendizajeadaptativo tendrán una uerte inluencia positiva sobrela educación superior en el uturo.

    Figura 10. Predicciones sobre cuáles innovaciones tendrán mayor

    impacto en la educación superior (en Estados Unidos). Adaptación

    del reporte The Innovative University: What College Presidents Think

     About Change in A merican Higher Education . The Chronicle of Higher

    Education, 2013.

    Por un lado, la integración del aprendizaje adaptativo enlos MOOC permitirá a los maestros medir la comprensiónde los temas en tiempo real, y ajustar el material que se

    presenta a los estudiantes de acuerdo a las necesidadesde cada uno para alcanzar niveles más altos de suscompetencias (Kolowich, 2013b). Adicionalmente, elgrado de personalización que habilitan los sistemas deaprendizaje adaptativo permitirá crear un modelo decapacitación proesional y entrenamiento [educacióncontinua] mucho más eiciente en escala masiva (Nielson,2014). Se espera que haya más experimentación como laque realizó la Universidad Estatal de Ohio con el MOOCCalculus One en el que se utilizó la evaluación adaptativa(herramienta MOOCulus).

    Por otro lado, las instituciones educativas empiezana analizar la integración del aprendizaje adaptativocon analíticas de aprendizaje. Esto permitirá que eproesor cuente con inormación sobre el desempeñode sus estudiantes en otros cursos uera de su claseidentiicar problemas de aprendizaje para resolverlos atiempo, conocer la eectividad de un curso o programaen particular e identiicar áreas de mejora, personalizasus cursos, descubrir tendencias y patrones sobre ecomportamiento de los estudiantes y otros beneiciosmás (NMC, 2014).

    La implementación del aprendizaje adaptativo en loscursos también puede acilitar la incorporación de otras

    tendencias educativas. Por ejemplo, se podrían incluir demanera transparente elementos de gamiicación comobarras de progreso, medallas, tablero de resultadosconexión con redes sociales, historia o metáoraentre otros, con los que aumenta potencialmentela motivación y enganche al proponer experienciasretadoras de aprendizaje, e incrementar el desempeñode los estudiantes. El aprendizaje adaptativo, al ajustala instrucción y la evaluación de acuerdo a la capacidadde cada alumno, incrementa su conianza, equilibrandolo que sabe en ese momento con lo que puede lograrA su vez, conorme a su progreso, el estudiante va

    desarrollando habilidades, y alcanzando metas apoyadoen la retroalimentación y el diseño instruccional querecibe del maestro.

    Por su parte, Big Data está tomando un rol cada vez másimportante en la toma de decisiones en las universidadesya que, con el análisis de los bancos de datos, se puedenidentiicar patrones y relaciones complejas, lograndodemostrar con mayor precisión la eectividad de modeloseducativos. Por ejemplo: a través del uso de Big Data, enconjunto con herramientas de aprendizaje adaptativo, sepueden identiicar qué secciones de un libro son las más

    81 %

    61 %

    50 %

    43 %

    17 %

    10 %

    2 %52 %

    28 %

    15 %

    20 %

    5 %

    5 %

    3 %Cursos híbridos que tienencomponentes en línea y cara a cara

    Aprendizaje adaptativo aeducación personalizada

    Tecnología que incrementa la

    interacción entre estudiantes

    Educación basada encompetencias

    Evaluación delaprendizaje previo

    Recursos educativos abiertosy/o gratuitos

    Cursos Masivos abiertosen Línea (MOOC)

    Impactonegativo

    Impactopositivo

    ¿Hacia dónde se dirige esta tendencia?

    En aprendizaje adaptativo hay dostendencias principales: analíticas deaprendizaje para adaptar las estrategiaseducativas y el diseño instruccional; ymodelos inteligentes para inferir eestado cognitivo del estudiante paraproporcionarle contenidos, actividadesy evaluaciones acorde a su interacción ysu forma de aprender.

    Julieta Noguez Profesora líder de la cátedra de investigación en

    eLearning y Modelos Inteligentes. Tecnológico de

    Monterrey, CCM.

    http://chronicle.com/http://chronicle.com/http://goo.gl/1iyT3shttp://goo.gl/1iyT3shttps://www.coursera.org/course/calc1https://mooculus.osu.edu/https://mooculus.osu.edu/https://mooculus.osu.edu/https://mooculus.osu.edu/https://www.coursera.org/course/calc1http://goo.gl/1iyT3shttp://goo.gl/1iyT3shttp://chronicle.com/http://chronicle.com/

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    23/32Página 23

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    diíciles de comprender o cuáles son más eectivas paraexplicar conceptos. Al contar con una gran cantidad dedatos sobre consultas, resultados, tiempos de respuesta,porcentaje de avance sobre cada uno de los párraos deun libro, se podrá tener una imagen mucho más clara ypuntual sobre qué contenido es eicaz en la explicaciónde conceptos; cuáles tienen que reinarse y cuáles sonlas secciones en las que los estudiantes están teniendomayor diicultad (Feldman, 2014).

    Las editoriales educativas Pearson, McGraw-Hill,Wiley & Sons y Cengage Learning han incorporado sus

    contenidos de libros de texto en plataormas dinámicasen línea equipadas con las herramientas necesariaspara recolectar datos de los estudiantes que estáninteractuando con los contenidos. Proveedores comoBlackboard y Ellucian han invertido en herramientasde análisis con la intención de predecir el éxito de losestudiantes con base en los datos registrados en sussistemas. Adicionalmente, la Fundación Bill y MelindaGates, con su inluencia en la educación superiorpromueve el uso de datos para medir, y mejorar losresultados del aprendizaje tanto en línea como en lasaulas tradicionales (Kolowich, 2013).

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    24/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 24

    Existen dos desaíos clave en la implementacióndel aprendizaje adaptativo. El primero es conseguirconjuntos de datos estadísticamente válidos quepermitan proporcionar consejos de aprendizajepersonalizado para los estudiantes, considerando enello la preparación que implica para los proesores oexpertos que desarrollarán contenidos, además deldiseño instruccional correspondiente. Por otro lado,el segundo desaío es que cada vez surgen en escenamás y más proveedores lo cual puede provocar ciertaconusión que impacta negativamente en los estudiantesal momento de transitar entre las distintas plataormasde aprendizaje adaptativo.

    Es muy importante poner sobre la mesa el tema dela estandarización de metadatos para la recolecciónde grandes conjuntos de datos que se requieren paraproporcionar una transición transparente entre lasplataormas que existen y las que surgirán. También esnecesario considerar en qué grado la regulación legade privacidad del estudiante y el rechazo estudiantial seguimiento de sus interacciones impactarán enla recolección de inormación. Finalmente, aún hacealta demostrar que las plataormas de aprendizajeadaptativo uncionan con cualquier tema, no únicamenteen aquellos que son relativamente estructurados comosucede en el área de la Matemática (Gartner, 2013).

    Una mirada crítica

    Figura 11. Principales desafíos que enfrenta el aprendizaje adaptativo.

    DESAFÍOS

    tema

    Necesidad

    de grandesconjuntos de

    datos

    1

    7

     Trasladode datos ymetadatos

    entrediferentesplataformas

    Regulaciónlegal de

    privacidadde losestudiantes

    Aplicacióncon

    cualquiertema

    (no sólo los másestructurados)

    Inclusiónde los

    procesoscolaborativosde

    aprendizaje

    Limitaciones

    del sustentopedagógico

    conductista

    Limitaciones

    en el tipo de

    evaluaciones

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    25/32Página 25

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

     Aprendizaje 1:1 vs. Aprendizaje colaborativo

    Dan Meyer, doctorando en educación por la Universidadde Stanord y conerencista renombrado en temasrelacionados, lanzó en mayo de 2014 una provocadorapero interesante crítica sobre el aprendizaje adaptativo:

     Adaptive Learning Is An Ininite iPod That Only Plays Neil Diamond . Para Meyer, un modelo de aprendizajeadaptativo computarizado deja de lado los procesos

    sociales de aprendizaje que surgen de la interacciónentre estudiantes, interacciones que no pueden serindividualizadas o de tipo autogestionado. Las leccionesy la luidez del procedimiento son aspectos importantesde la educación en el campo de las matemáticas, peroson solo unas de las piezas del universo de experienciasen Matemática.

    A esta crítica enocada principalmente a la tecnología,Tim Hudson, director de diseño curricular en DreamBoxLearning, comentó que la adaptabilidad es algo que

    ya existe y siempre ha estado presente en los salonesde clase. Sin elementos de adaptabilidad, las aulas,aplicaciones y sofware no podrían ser realmente eicacespara aprender o recibir retroalimentación. Sin embargo,la adaptabilidad (por personas o computadoras) nosigniicará mucho si las tareas de los estudiantes sonestrechas y poco proundas o si los problemas no invitana los estudiantes a usar sus propias ideas de manera quesurjan equivocaciones que provoquen la proundizaciónen la comprensión conceptual. El  sofware  no puedey no debe intentar hacer todo, los estudiantes debencolaborar entre sí con tareas enriquecedoras. Aun así, un

     sofware bien diseñado, puede apoyar al aprendizaje delos estudiantes y complementar sus experiencias en elaula de una manera que no era posible sin la tecnologíadigital.

    ¿Qué pueden evaluar las computadoras?

    Una de las promesas de la instrucción asistida porcomputadora es que cada estudiante recibe lo quenecesita porque la computadora puede averiguarrápidamente lo que este sabe y lo que no. La computadorapuede evaluarlo de manera instantánea, constante y, con

    base en esto, puede suministrarle contenido adecuadode manera más ágil; un maestro deinitivamente nocuenta con el tiempo suiciente para lograr esto.

    Justin Reich (2014), en su artículo Computers Can AssessWhat Computers Do Best , realizó un análisis sobre laevaluación por computadora y hacia dónde se dirige estatendencia. Establece que en general, las computadoras–sin entrenamiento humano– son capaces de evaluar

    aspectos cuantitativos, computacionales, cosas que lascomputadoras hacen bien. Es decir, las computadorasdestacan en evaluaciones que los humanos ya nonecesitamos hacer, uncionando como apoyo y no comocompetencia.

    Las computadoras pueden evaluar eicientemente losiguiente:

    • Preguntas de opción múltiple

    • Respuestas cuantitativas con respuesta única

    • Código computacional

    • Ensayos estandarizados de unas 400 palabras (conayuda humana)

    El cuestionamiento sobre la evaluación por computadoraes sumamente relevante para los modelos de aprendizajecombinado y para aquellos modelos impulsados por laevaluación que dependen de un  sofware para medir eprogreso y enseñar a los estudiantes. Reich concluyeque mientras estemos limitados por la capacidad deevaluación de las computadoras, vamos a enrentarnosa serias limitaciones en los ámbitos en donde lascomputadoras pueden complementar o sustituir a losproesores. Es decir, los lugares en donde la evaluaciónpor computadora se quede corta, podrían ser los másimportantes para el aprendizaje de los estudiantes.

    Diseño con base en perfiles de comportamiento

    Audrey Watters  (2012) describe que cualquier empresaque orece sofware de aprendizaje adaptativo estáinluenciada uertemente –si no es que totalmente–por el conductista B. F. Skinner. El enoque de Skinneres en eecto utilizado por muchos desarrolladores deplataormas adaptativas puesto que la recoleccióne interpretación de datos se realiza con base en ecomportamiento del estudiante (o consumidor). Sinembargo, sabemos que las ideas de Skinner no coincidencon la investigación acerca de cómo los seres humanosse desarrollan cognitivamente.

    Por otro lado, Tim Hudson (2012) explica que a pesar deque los desarrolladores de aprendizaje adaptativo tienenobjetivos nobles, el diseño de cada plataorma revelalos enoques y suposiciones pedagógicas importanteshechas por los mismos desarrolladores. Es decir, s

    La presencia en el aula debeaprovecharse para hacer algo que latecnología no provee... diferentesenfoques o acercamientos, actividades

    retadoras, colaboración... en n, buscarque el estudiante se apasione por elconocimiento cientíco.

    Patricia Salinas Profesora Investigadora del Departamento de

    Matemáticas y Escuela Nacional de Posgrado en

    Educación. Tecnológico de Monterrey, MTY.

    http://mrmeyer.com/http://blog.mrmeyer.com/2014/adaptive-learning-is-an-infinite-ipod-that-only-plays-neil-diamond/http://blog.mrmeyer.com/2014/adaptive-learning-is-an-infinite-ipod-that-only-plays-neil-diamond/http://www.dreambox.com/blog/author/dochudsonmathhttps://cyber.law.harvard.edu/people/jreichhttp://blogs.edweek.org/edweek/edtechresearcher/2014/04/computers_can_assess_what_computers_do_best.htmlhttp://blogs.edweek.org/edweek/edtechresearcher/2014/04/computers_can_assess_what_computers_do_best.htmlhttp://blogs.edweek.org/edweek/edtechresearcher/2014/04/computers_can_assess_what_computers_do_best.htmlhttp://www.hackeducation.com/about/http://www.dreambox.com/blog/author/dochudsonmathhttp://www.dreambox.com/blog/author/dochudsonmathhttp://www.dreambox.com/blog/author/dochudsonmathhttp://www.hackeducation.com/about/http://blogs.edweek.org/edweek/edtechresearcher/2014/04/computers_can_assess_what_computers_do_best.htmlhttp://blogs.edweek.org/edweek/edtechresearcher/2014/04/computers_can_assess_what_computers_do_best.htmlhttp://blogs.edweek.org/edweek/edtechresearcher/2014/04/computers_can_assess_what_computers_do_best.htmlhttps://cyber.law.harvard.edu/people/jreichhttp://www.dreambox.com/blog/author/dochudsonmathhttp://blog.mrmeyer.com/2014/adaptive-learning-is-an-infinite-ipod-that-only-plays-neil-diamond/http://blog.mrmeyer.com/2014/adaptive-learning-is-an-infinite-ipod-that-only-plays-neil-diamond/http://mrmeyer.com/

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    26/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 26

    analizamos el diseño de una plataorma adaptativapodríamos determinar la pedagogía utilizada parainvolucrar a los estudiantes con el aprendizaje.

    Hudson (2012), en su artículo “Adaptive” LearningTechnologies: Pedagogy Should Drive Platorm  resumelas debilidades que tiene una plataorma adaptativadiseñada únicamente basándose en periles decomportamiento:

    • Se replican muchos de los errores de la InstrucciónIndividualmente Prescrita (IPI, abreviación en inglés),más notablemente el supuesto de que “el aprendizajese produce por la acumulación de pequeños trozos”(Shepard en Hudson, 2012).

    • Estas plataormas dependen de un modelo en eque el proesor (o sistema) “transmite” contenido ylos estudiantes se convierten en “receptores” de lainormación. Las lecciones y la enseñanza se vuelvenestáticas y nunca se involucra a los estudiantes en unauténtico pensamiento independiente.

    • Los datos recolectados (aunque en enorme cantidadno son acerca de la comprensión de los estudiantes y e

    desarrollo cognitivo, sino sobre los comportamientosy la capacidad de replicar procedimientos en temascon evaluación de poca proundidad.

    • La “adaptabilidad” para los estudiantes que noprogresan es esencialmente una recomendación deabordar el mismo contenido estático o similar una yotra vez.

    Si bien este diseño de plataformas conbase en un “perl de comportamiento”es ecaz para la formulación derecomendaciones de entretenimiento

    (Netix), tiene otras debilidades ylimitaciones cuando se implementadirectamente al aprendizaje.

    Tim Hudson Director de diseño curricular en DreamBox Learning

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    27/32Página 27

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    Acciones recomendadas

    Recomendaciones elaboradas por el Observatorio de Innovación Educativaque permitirán explorar el potencial del aprendizaje y evaluación adaptativos

    Analiza la materia o contenidosque impartes, identifica qué

    contenidos se puedenaplicar con aprendizaje oevaluación adaptativos

    Aplica cuestionarios de hábitosestudio, inteligencias múltipleso estilos de aprendizaje que teproporcionen más información

    sobre tus estudiantes

    Analiza las plataformasdisponibles (apóyate en

    esta infografía)

    Platica con tu departamentoacadémico sobre la

    posibilidad de implementarun programa piloto

    Si en tu institución ya existenproyectos de aprendizaje oevaluación adaptativos en

    desarrollo, únete en colaboración.Si eres tú quien ya cuenta con unproyecto en desarrollo, comparte

    tu experiencia con tus colegas

    Contacta al departamentoencargado de Tecnologías

    para el Educación de tuinstitución para analizar

    cómo se pueden habilitarestas herramientas

    adaptativas

    . . .

    . . .

    . . .

    . . .

     

    Proesor del Tecnológico de Monterrey:únete a la comunidad innovadora

    https://plus.google.com/communities/116011494823159910756https://plus.google.com/communities/116011494823159910756https://plus.google.com/communities/116011494823159910756https://plus.google.com/communities/116011494823159910756

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    28/32

    Observatoriode innovación

    educativa

    Tecnológicode Monterrey Página 28

    Equipo del Observatorio

    Créditos y agradecimientos

    José EscamillaBryan CallejaEder VillalbaEsteban VenegasKarina FuerteRubí RománZayra Madrigal

    AgradecimientosAna María ZermeñoAna Rosa VillegasAngélica CamachoAngélica Ibarra AokiBeatriz PalaciosDaniel BlancasEduardo UrestiEnrique BoresFrancisco DelgadoGabriela VázquezGerardo AguilarGonzalo Reza

    Guillermo DunckelGustavo ArroyosJosé Alredo HernándezJuan Carlos AltamiranoJulieta NoguezKenneth BauerLeonardo GlassermanLiliana ArgotteLourdes MuñozLorena PiñaLuis NeriMaría Esther Cárdenas

    Omar OlmosPatricia SalinasRaúl CrespoRocío Gómez-TagleRubén Darío SantiagoSandra CastellanosSerio SánchezSilvia Catalina FaríasComunidad Innovadora delTecnológico de Monterrey

    Únete a laconversación en nuestrasredes sociales

    http://bit.ly/ObservatorioFB

    @observatorioedu

    http://bit.ly/ObservatorioGPlus

    Envíanos tu retroalimentación: http://goo.gl/OS1gkr

    http://goo.gl/OS1gkrhttp://goo.gl/OS1gkrhttp://bit.ly/ObservatorioGPlushttp://bit.ly/ObservatorioFB

  • 8/20/2019 Aprendizajes y evaluación adaptativos

    29/32Página 29

    Observatoriode Innovación

    Educativa

    Tecnológicode Monterrey

    ReferenciasArgotte L., Arroyo-Figueroa G., Noguez J. (2011)

    SI-APRENDE: An Intelligent Learning SystemBased on SCORM Learning Objec ts or TrainingPower Systems Operators. En DevelopingConcepts in Applied Intelligence Studies inComputational Intelligence. (Mehrotra K.G.and etal) (Ed). Springer-Verlag 2011, Volumen363/2011, 33-38, DOI: 10.1007/978-3-642-21332-8 ISBN 978-3642-213331-1

    Ben-Naim, D. (2010, agosto). A sofwarearchitecture that promotes pedagogicalownership in intelligent tutoring systems.En UNSW Australia Library. Recuperadode:  http://unsworks.unsw.edu.au/api/datastream/unsworks:9219/SOURCE02

    Bienkowski, M., Feng, M. y Means, B. (2012)Enhancing teaching and learning througheducational data mining and learninganalytics: An issue brie. En ED.gov USDepartment o Education. Recuperado de: http://www.ed.gov/edblogs/technology/iles/2012/03/edm-la-brie.pd 

    Binet, A., & Simon, Th. A. (1905). Méthode nouvellepour le diagnostic du niveau intellectuel desanormaux. L’Année Psychologique, 11, 191-244. Recuperado de:  http://www.persee.r/web/revues/home/prescript/article/psy_0003-5033_1904_num_11_1_3675

    Bloom, B. S. (1968, mayo). Learning or Mastery.En Evaluation comment (Vol. 1, No. 2). LosAngeles: Universidad de Caliornia en LosAngeles, Center or the Study o Evaluationo Instructional Programs. Recuperadode:  http://programs.honolulu.hawaii.edu/intranet/sites/programs.honolulu.hawaii.edu.intranet/iles/upst-student-success-bloom-1968.pd 

    Boersma, J. (2013, agosto). New Research Validates Effectivene ss o Adaptive Learning. 

    En EmergingEdTech. Recuperado de: http://w w w . e m e r g i n g e d t e c h . c o m / 2 0 1 3 / 0 8 /new-research-validates-eectiveness-o-adaptive-learning/

    Briggs, L. L. (2014). Enhancing a MOOC WithAdaptive Learning. En Campus Technology.Recuperado de: http://campustechnology.com/Articles/2014/05/14/Enhancing-a-MOOC-With-Adaptive-Learning.aspx?Page=1

    Campbell Polson, M. Richardson, J. J. (1988).Foundations o Intelligent Tutoring Systems.En Psychology Press. ISBN: 978-0805800531.

    Carnegie Learning (2004). Success Stories. EnCarnegie Learning, Inc. Recuperado de: http://www.carnegielearning.com/success-stories/

    Carter, M. (2014, abril). Adaptive LearningTechnology: What It Is, Why It Matters.En Eduventures. Recuperado de:  http://www.eduventures.com/2014/04/adaptive-learning-technology-matters/

    Coursera (2013). 5 Tips: Learn more effectively inclass with Mastery Learning. En CourseraBlog. Recuperado de: http://blog.coursera.org/post/50352075945/5-tips-learn-more-effectively-in-class-with-mastery

    CTU (2013). Learning Gets Personal: Transormingthe One-Size-Fits-All Approach to Higher

    Education. En Colorado Technical University.Recuperado de:  http://www.coloradotech.edu/~/media/CTU/Files/ThoughtLeadership/ctu-adaptive-learning-whitepaper.ashx

    Davey, T. (2011, noviembre). A Guide to ComputerAdaptive Testing Systems. En ccsso.

    Recuperado de: http://www.ccsso.org/Documents/2011/Guide_to_Computer_Adaptive_2011.pd  

    Diaz Lopez, J. A. (1976). Sobre la eectividaddel Sistema de Instrucción Personalizada.En Revista de la Educación Superior, no.20, vol. 5, octubre-diciembre, pp. 1-7.Publicaciones ANUIES. Recuperado de:http://publicaciones.anuies.mx/revista/20  

    DreamBox Learning (2014). Adaptive LearningGuide. En DreamBox Learning Inc.Recuperado de: http://www.dreambox.com/adaptive-learning

    EGA (2013a, marzo). Learn to Adapt: A Case orAccelerating Adaptive Learning in Higher

    Education. En Educational Growth Advisors.Recuperado de:  http://edgrowthadvisors.com/wp-content/uploads/2013/03/Learning-to-Adapt-White-Paper_Education-Growth-Advisors_March-2013.pd 

    EGA (2013b, abril). Learn to Adapt: Understandingthe Adaptive Learning Supplier Landscape.En Educational Growth Advisors. Recuperadode: http://edgrowthadvisors.com/wp-content/uploads/2013/04/Learning-to-A d a p t _ R e p o r t _ S u p p l i e r - L a n d s c a p e _Education-Growth-Advisors_April-2013.pd 

    Emerson, K. (2013, julio). More students succeedwith adapt courseware, according to 2012-2013 academic year validation studies. EnAdapt Courseware. Recuperado de:  http://

    adaptcourseware.com/2013-validation-studies/

    FastTest (2013a). CAT: Advantages o ComputerizedAdaptive Testing [white paper]. EnFastTEST Web. Recuperado de: http://www.asttestweb.com/fw-docs/CAT_Advantages.pd 

    FastTest (2013b). CAT: The uture o assessment,available now. En FastTEST Web. Recuperado de: http://www.asttestweb.com/adaptive-testing/

    Fischman, J. (2011, mayo). The Rise o TeachingMachines. En The Chronicle o HigherEducation. Recuperado de: http://chronicle.c o m / a r t i c l e / T h e - R i s e - o - T e a c h i n g -

    Machines/127389/

    Feldman, R. (2014). Big Data, Adaptive TechnologyAre Heating Up the Publishing Industry. EnWired: Innovation Insights. Recuperadode:  http://insights.wired.com/proiles/blogs/why-big-data-adaptive-technology-a r e - h e a t i n g - u p - t h e - p u b l i s h i n g ? x g _source=activity#axzz34RMYerF2

    Feldstein, M. (2014, marzo). Learning Analyticsand Adaptive Learning. En e-Literate TV.Recuperado de: http://e-literate.tv/s1-e5/

    Gartner (2013, julio). Hype Cylce or Education,2013. En Gartner Inc. Recuperado de: https://www.gartner.com/doc/2559615

    Garza, D. y Martínez, R. (2014, abril). TEC21Presentación de avances y planes de estudioITESM. Recuperado de: http://apps05.ruvitesm.mx/portal/uvtv/video/videotecmty

     jsp?olio=6524

    Gett ing Smart Staff (2012, mayo). Knewton Engages

    Students With Personalized, Adaptive MathCourses. En Getting Smart. Recuperado dehttp://gettingsmart.com/2012/05/knewtonen g ag es -s tud en ts -w i th-p er s on al i zedadaptive-math-courses/

    Guthrie, D. (2013, agosto). Moocs are a distractionrom real business school reorm. EnFinancial Times. Recuperado de: http://wwwt.com/cms/s/2/4b7570c4-0507-11e3-9d00144eab7de.html#axzz2yPUSMyHa

    Hudson, T. (2012). “Adaptive” LearningTechnologies: Pedagogy Should DrivePlatorm. En edtechdigest. Recuperadode: http://edtechdigest.wordpressc o m / 2 0 1 2 / 1 1 / 2 7 / a d a p t i v e - l e a r n i n g -techn olog i es -p ed ag og y -s hould -d r i v eplatorm/

    IACAT (s..). First Adaptive Test. En InternationaAssociation or Computerized AdaptiveTesting. Recuperado de: http://iacat.org/content/irst-adaptive-test

    Institute o Education Science (2009, julio)Cognitive Tutor Algebra I. En U.S. Departmeno Education. Recuperado de: http://iesed.gov/ncee/wwc/pd/intervention_reportswwc_cogtutor_072809.pd 

    Junghyun, A. (s. .). The History o InstructionaTechnology. En University o Illinois Board oTrustees. Recuperado de:  http://people.lisillinois.edu/~chip/projects/timeline/1969anhtml#Scholar

    Kerns, D. (2013). Six key beneits o adaptivelearning. En DreamBox Learning, IncRecuperado de: http://www.dreambox.com/blog/six-beneits-o-adaptive-learning

    Keune, K. (2013, noviembre). The Massive Impacto MOOCs at Ohio State. En Office o DistanceEducation and eLearning de la  UniversidadEstatal de Ohio. Recuperado de: http://odeeosu.edu/news/156

    Kingsbury, G., Freeman, E., y Nesterak, M. (2014)The Potential o Adaptive Assessment. EnASCD. Recuperado de: http://www.ascd.org/publications/educational-leadership/mar14vol71/num06/The-Potential-o-AdaptiveAssessment.aspx 

    Knewton Inc. (2011, enero). Arizona StateUniversity Partners with Knewton. EnKnewton. Recuperado de: http://wwwknewton.com/about/press/arizona-stateuniversity-partnership/

    Knewton Media (2011, noviembre). Pearsonand Knewton Partner to Advance NexGeneration o Digital Education. En KnewtonRecuperado de: http://www.knewton.comabout/press/pearson-partnership/

    Knewton (2012). A Platorm or Learning SuccessRecuperado de:  http://www.knewton.complatorm/efficacy/

    http://unsworks.unsw.edu.au/fapi/datastream/unsworks:9219/SOURCE02http://unsworks.unsw.edu.au/fapi/datastream/unsworks:9219/SOURCE02http://www.ed.gov/edblogs/technology/files/2012/03/edm-la-brief.pdfhttp://www.ed.gov/edblogs/technology/files/2012/03/edm-la-brief.pdfhttp://www.ed.gov/edblogs/technology/files/2012/03/edm-la-brief.pdfhttp://www.persee.fr/web/revues/home/prescript/article/psy_0003-5033_1904_num_11_1_3675http://www.persee.fr/web/revues/home/prescript/article/psy_0003-5033_1904_num_11_1_3675http://www.persee.fr/web/revues/home/prescript/article/psy_0003-5033_1904_num_11_1_3675http://programs.honolulu.hawaii.edu/intranet/sites/programs.honolulu.hawaii.edu.intranet/files/upstf-student-success-bloom-1968.pdfhttp://programs.honolulu.hawaii.edu/intranet/sites/programs.honolulu.hawaii.edu.intranet/files/upstf-student-success-bloom-1968.pdfhttp://programs.honolulu.hawaii.edu/intranet/sites/programs.honolulu.hawaii.edu.intranet/files/upstf-student-success-bloom-1968.pdfhttp://programs.honolulu.hawaii.edu/intranet/sites/programs.honolulu.hawaii.edu.intranet/files/upstf-student-success-bloom-1968.pdfhttp://www.emergingedtech.com/2013/08/new-research-validates-effectiveness-of-adaptive-learning/http://www.emergingedtech.com/2013/08/new-research-validates-effectiveness-of-adaptive-learning/http://www.emergingedtech.com/2013/08/new-research-validates-effectiveness-of-adaptive-learning/http://www.emergingedtech.com/2013/08/new-research-validates-effectiveness-of-adaptive-learning/http://www.emergingedtech.com/2013/08/new-research-validates-effectiveness-of-adaptive-learning/http://campustechnology.com/Articles/2014/05/14/Enhancing-a-MOOC-With-Adaptive-Learning.aspx?Page=1http://campustechnology.com/Articles/2014/05/14/Enhancing-a-MOOC-With-Adaptive-Learning.aspx?Page=1http://campustechnology.com/Articles/2014/05/14/Enhancing-a-MOOC-With-Adaptive-Learning.aspx?Page=1http://www.carnegielearning.com/success-stories/http://www.carnegielearning.com/success-stories/http://www.carnegielearning.com/success-stories/http://www.eduventures.com/2014/04/adaptive-learning-technology-matters/http://www.eduventures.com/2014/04/adaptive-learning-technology-matters/http://www.eduventures.com/2014/04/adaptive-learning-technology-matters/http://blog.coursera.org/post/50352075945/5-tips-learn-more-effectively-in-class-with-masteryhttp://blog.coursera.org/post/50352075945/5-tips-learn-more-effectively-in-class-with-masteryhttp://blog.coursera.org/post/50352075945/5-tips-learn-more-effectively-in-class-with-masteryhttp://www.coloradotech.edu/~/media/CTU/Files/ThoughtLeadership/ctu-adaptive-learning-whitepaper.ashxhttp://www.coloradotech.edu/~/media/CTU/Files/ThoughtLeadership/ctu-adaptive-learning-whitepaper.ashxhttp://www.coloradotech.edu/~/media/CTU/Files/ThoughtLeadership/ctu-adaptive-learning-whitepaper.ashxhttp://www.ccsso.org/Documents/2011/Guide_to_Computer_Adaptive_2011.pdfhttp://www.ccsso.org/Documents/2011/Guide_to_Computer_Adaptive_2011.pdfhttp://www.ccsso.org/Documents/2011/Guide_to_Computer_Adaptive_2011.pdfhttp://publicaciones.anuies.mx/revista/20http://publicaciones.anuies.mx/revista/20http://www.dreambox.com/adaptive-learninghttp://www.dreambox.com/adaptive-learninghttp://edgrowthadvisors.com/wp-content/uploads/2013/03/Learning-to-Adapt-White-Paper_Education-Growth-Advisors_March-2013.pdfhttp://edgrowthadvisors.com/wp-content/uploads/2013/03/Learning-to-Adapt-White-Paper_Education-Growth-Advisors_March-2013.pdfhttp://edgrowthadvisors.com/wp-content/uploads/2013/03/Learning-to-Adapt-White-Paper_Education-Growth-Advisors_March-2013.pdfhttp://edgrowthadvisors.com/wp-content/uploads/2013/03/Learning-to-Adapt-White-Paper_Education-Growth-Advisors_March-2013.pdfhttp://edgrowthadvisors.com/wp-content/uploads/2013/04/Learning-to-Adapt_Report_Supplier-Landscape_Education-Growth-Advisors_April-2013.pdfhttp://edgrowthadvisors.com/wp-content/uploads/2013/04/Learning-to-Adapt_Report_Supplier-Landscape_Education-Growth-Advisors_April-2013.pdfhttp://edgrowthadvisors.com/wp-content/uploads/2013/04/Learning-to-Adapt_Report_Supplier-Landscape_Education-Growth-Advisors_April-2013.pdfhttp://edgrowthadvisors.com/wp-content/uploads/2013/04/Learning-to-Adapt_Report_Supplier-Landscape_Education-Growth-Advisors_April-2013.pdfhttp://edgrowthadvisors.com/wp-content/uploads/2013/04/Learning-to-Adapt_Report_Supplier-Landscape_Education-Growth-Advisors_April-2013.pdfhttp://adaptcourseware.com/2013-validation-studies/http://adaptcourseware.com/2013-validation-studies/http://adaptcourseware.com/2013-validation-studies/http://www.fasttestweb.com/ftw-docs/CAT_Advantages.pdfhttp://www.fasttestweb.com/ftw-docs/CAT_Advantages.pdfhttp://www.fasttestweb.com/ftw-docs/CAT_Advantages.pdfhttp://www.fasttestweb.com/adaptive-testing/http://www.fasttestweb.com/adaptive-testing/http://www.fasttestweb.com/adaptive-testing/http://chronicle.com/article/The-Rise-of-Teaching-Machines/127389/http://chronicle.com/article/The-Rise-of-Teaching-Machines/127389/http://chronicle.com/article/The-Rise-of-Teaching-Machines/127389/http://insights.wired.com/profiles/blogs/why-big-data-adaptive-technology-are-heating-up-the-publishing?xg_source=activity#axzz34RMYerF2http://insights.wired.com/profiles/blogs/why-big-data-adaptive-technology-are-heating-up-the-publishing?xg_source=activity#axzz34RMYerF2http://insights.wired.com/profiles/blogs/why-big-data-adaptive-technology-are-heating-up-the-publishing?xg_source=activity#axzz34RMYerF2http://insights.wired.com/profiles/blogs/why-big-data-adaptive-technology-are-heating-up-the-publishing?xg_source=activity#axzz34RMYerF2http://e-literate.tv/s1-e5/http://e-literate.tv/s1-e5/https://www.gartner.com/doc/2559615https://www.gartner.com/doc/2559615http://apps05.ruv.itesm.mx/portal/uvtv/video/videotecmty.jsp?folio=6524http://apps05.ruv.itesm.mx/portal/uvtv/video/videotecmty.jsp?folio=6524http://apps05.ruv.itesm.mx/portal/uvtv/video/videotecmty.jsp?folio=6524http://gettingsmart.com/2012/05/knewton-engages-students-with-personalized-adaptive-math-courses/http://gettingsmart.com/2012/05/knewton-engages-students-with-personalized-adaptive-math-courses/http://gettingsmart.com/2012/05/knewton-engages-students-with-personalized-adaptive-math-courses/http://www.ft.com/cms/s/2/4b7570c4-0507-11e3-9ffd-00144feab7de.html#axzz2yPUSMyHahttp://www.ft.com/cms/s/2/4b7570c4-0507-11e3-9ffd-00144feab7de.html#axzz2yPUSMyHahttp://www.ft.com/cms/s/2/4b7570c4-0507-11e3-9ffd-00144feab7de.html#axzz2yPUSMyHahttp://www.ft.com/cms/s/2/4b7570c4-0507-11e3-9ffd-00144feab7de.html#axzz2yPUSMyHahttp://edtechdigest.wordpress.com/2012/11/27/adaptive-learning-technologies-pedagogy-should-drive-platform/http://edtechdigest.wordpress.com/2012/11/27/adaptive-learning-technologies-pedagogy-should-drive-platform/http://edtechdigest.wordpress.com/2012/11/27/adaptive-learning-technologies-pedagogy-should-drive-platform/http://edtechdigest.wordpress.com/2012/11/27/adaptive-learning-technologies-pedagogy-should-drive-platform/http://iacat.org/content/first-adaptive-testhttp://iacat.org/content/first-adaptive-testhttp://ies.ed.gov/ncee/wwc/pdf/intervention_reports/wwc_cogtutor_072809.pdfhttp://ies.ed.gov/ncee/wwc/pdf/intervention_reports/wwc_cogtutor_072809.pdfhttp://ies.ed.gov/ncee/wwc/pdf/intervention_reports/wwc_cogtutor_072809.pdfhttp://ies.ed.gov/ncee/wwc/pdf/intervention_reports/wwc_cogtutor_072809.pdfhttp://people.lis.illinois.edu/~chip/projects/timeline/1969an.html#Scholarhttp://people.lis.illinois.edu/~chip/projects/timeline/1969an.html#Scholarhttp://people.lis.illinois.edu/~chip/projects/timeline/1969an.html#Scholarhttp://www.dreambox.com/blog/six-benefits-of-adaptive-learninghttp://www.dreambox.com/blog/six-benefits-of-adaptive-learninghttp://odee.osu.edu/news/156http://odee.osu.edu/news/156http://odee.osu.edu/news/156http://odee.osu.edu/news/156http://www.ascd.org/publications/educational-leadership/mar14/vol71/num06/The-Potential-of-Adaptive-Assessment.aspxhttp://www.ascd.org/publications/educational-leadership/mar14/vol71/num06/The-Potential-of-Adaptive-Assessment.aspxhttp://www.ascd.org/publications/educational-leadership/mar14/vol71/num06/The-Potential-of-Adaptive-Assessment.aspxhttp://www.ascd.org/publications/educational-leadership/mar14/vol71/num06/The-Potential-of-Adaptive-Assessment.aspxhttp://www.knewton.com/about/press/arizona-state-university-partnership/http://www.knewton.com/about/press/arizona-state-university-partnership/http: