2. Estado del Arte
2.4. Sistemas de localización en el ámbito del aprendizaje en línea
2.4.1. Retos de la localización de material de aprendizaje en línea
a través de diferentes enfoques, aunque como Cechinel et al. (2013) señalan: «aún no se han evidenciado resultados reales del uso de estas técnicas en conjuntos de datos de entornos reales o en plataformas abiertas como la Web».
La Web es el entorno donde se publican los OERs y es el sitio al que la gente acce- de para encontrarlos. A continuación, se nombran algunas diferencias entre .encontrar recursos 2 .encontrar recursos educativos.enla Web.
Si a nivel de la Web, las necesidades de información de los usuarios pueden tener al menos tres propósitos (Broder 2002): i) encontrar la dirección de un sitio en particular -tarea navigacional-, ii) adquirir cierta información a partir de un conjunto de páginas apropiadas -tarea informacional-, y iii) realizar una actividad mediada por la web - tarea transaccional-; en el ámbito educativo,las necesidades de información de los usuarios van más allá de obtener un simple listado de recursos.
La recomendación en el ámbito de la educación formal puede perseguir diferentes propósitos, como estimular el interés de los estudiantes o ayudar al aprendiz a adquirir nuevos conocimientos (Winoto et al. 2012). Mientras que en sistemas educativos abier- tos o en sistemas informales, puede ser amplio el espectro de usuarios que se relacionan con el aprendizaje de un tópico o de un tema en particular.
Tanto si el usuario pertenece a un sistema de aprendizaje formal o si éste no perte- nece a alguna institución educativa, el usuario puede acceder a la Web con el objetivo de encontrar material de soporte. Los perfiles pueden incluir personas con escasas o li- mitadas competencias informacionales o con poco conocimiento del dominio a estudiar, esto puede convertirse en una barrera para localizar los recursos más adecuados.
Por tanto, como lo señalan Steichen et al. (2012), el descubrimiento de material educativo debe ir más allá de encontrar unos pocos documentos precisos; por una parte, el aprendiz puede requerir asistencia del sistemay por otra parte, puede requerir el feedback de la comunidad de usuarios con los que comparte el dominio de interés.
En cuanto a la aplicación de los sistemas de filtrado de información, en el ámbito del aprendizaje en línea, varios autores señalan diferencias sustanciales frente la reco- mendación tradicional orientada al comercio y a los negocios:
Jasnani (2013) destaca que suficiente atención se ha dedicado a los temas de implementación técnica, modelación matemática y métricas de rendimiento de un sistema recomendador. Sin embargo, los aspectos no-técnicos también deberían ser tomados en cuenta con el fin de mejorar el rendimiento de los sistemas, sobre
todo si éstos se aplican en entornos especiales como la educación.
Las recomendaciones valiosas son aquellas que ofrecen los recursos de aprendizaje adecuados a los usuarios adecuados en el momento adecuado, y se adaptan a las necesidades cambiantes de los usuarios. Ding et al. (2010) se refiere a estas características como un sistema perfecto de aprendizaje personalizado.
Aunque las preferencias de los usuarios cambien en el tiempo, como lo señalan (Manouselis et al. 2010), lo importante es identificar los objetivos de aprendizaje relevantes y apoyar a los estudiantes en el logro de ellos. Por tanto, en el ámbito educativo, las recomendaciones pueden resultar útiles durante un lapso de tiempo más largo que el de las recomendaciones de productos. El sistema debeofrecer soporte para que los aprendices alcancen sus ob- jetivos de aprendizaje, es decir, deben proporcionar una secuencia de recursos de aprendizaje relevantes para hacer una determinada tarea (Manouselis et al. 2010). Para cumplir este objetivoel sistema debería incluir capacidades de diálogo y de ayuda en la exploración de recursos(Meyer 2012).
Además de lo mencionado, la capacidad conversacional de un sistema recomen- dador es clave en un dominio como el aprendizaje abierto en línea, especialmente cuando se trata de usuarios anónimos. En este caso, el sistema puede aprovechar los datos de interacción para mejorar el conocimiento del usuario en cada sesión. Los diálogos también podrían proporcionar a los aprendices la oportunidad de retroalimentar al sistema acerca de la pertinencia de las recomendaciones recibi- das (Buder and Schwind 2012). Desde una dimensión social, también puede ser importante, que el sistema trate de captar las opiniones de los usuarios expertos o con un nivel de conocimiento superior con el objetivo de guiar la selección de materiales por parte de usuarios principiantes.
Otro aspecto a favor de un sistema menos automático y autónomo es que según Buder and Schwind (2012), existe relación positiva entre la participación de las personas y el aprendizaje que puedan alcanzar. A través de diferentes actividades de calificación, los alumnos pueden reflexionar acerca de las características de los recursos recomendados y esto podría funcionar como una valiosa estrategia metacognitiva de motivación.
En comparación con un sistema recomendador típico existen múltiples particu- laridades que deben ser consideradas respecto del tipo de aprendizaje requerido, por ejemplo, aprender un nuevo concepto o reforzar los conocimientos
existentes pueden requerir diferentes tipos de recursos de aprendizaje (Manouselis et al. 2010).
Los sistemas recomendadores clásicos se orientan a la personalización de acuerdo a los gustos o preferencias de las personas; por tanto su eficacia puede ser de- terminada por las decisiones del cliente como por ejemplo la compra del artículo recomendado.
En el contexto educativo, la personalización debe realizarse de acuerdo al conocimiento y actividades del usuario, en este caso, es más difícil establecer eventos de aprendizaje que proporcionen información sobre la eficacia del sistema de recomendación (Buder and Schwind 2012). Además, si los usuarios no tienen conocimientos previos en un dominio específico, los ítems recomendados deberían tener un nivel de competencia ligeramente por encima del nivel actual del aprendiz (Manouselis et al. 2010). usuario experto en un dominio puede requerir diferentes recomendaciones que las de un usuario novato (Buder and Schwind 2012, Drachsler et al. 2009).
Por tanto, un sistema recomendador para recursos educativos abiertos debe ser consciente del contexto - en inglés, context-aware- con el fin de adaptarse al co- nocimiento del aprendiz, al nivel de dominio o habilidad en cada tema y a sus actividades de aprendizaje.
En un dominio orientado al comercio o negocio, la cantidad de comentarios y calificaciones realizadas a los artículos puede ser significativa, a mayor cantidad de datos puede mejorar la calidad de las recomendaciones basadas en valoraciones. Sin embargo, en entornos de aprendizaje en-línea y abiertos no se puede asegurar una cantidad suficiente de valoraciones como para generar recomendaciones. Por tanto, nuevos diseños o la combinación de diferentes enfoques (Burke 2000) deben ser diseñados para identificar recursos de aprendizaje útiles para todo tipo de usuarios.
Además, en el enfoque clásico de filtrado colaborativo, el análisis de las califi- caciones simples podría no ser un indicador suficiente como para determinar la relevancia de cada material, puesto que una calificación alta para un determinado recurso únicamente podría significar que un usuario o lo encontró fácil o difícil o quizá divertido (Buder and Schwind 2012). Más bien se debería solicitar la retroalimentación del usuario desde diferentes perspectivas; aunque esto podría reducir la colaboración del usuario por el tiempo requerido para hacerlo.
Según Resnick and Varian (1997) los sistemas de recomendación convencionales como los de filtrado colaborativo se basan en la responsabilidad colectiva, es decir, las recomendaciones son generadas por una comunidad de pares.En escenarios educativos abiertos basados en Web, las recomendaciones pueden ser requeridas por diferentes perfiles usuarios como profesores, tutores, o revisores. Por tanto, los diferentes roles deberían generar diferentes tipos de recomendaciones de manera que cada grupo y cada usuario pueda tener el control o poder de decisión sobre determinado curso de acción.
Además de las diferencias mencionadas entre la recomendación en un contexto más tradicional vs. la recomendación orientada al aprendizaje en línea, existen ciertas par- ticularidades con los entornos de aprendizaje abiertos donde se despliegan los OERs:
En sistemas de aprendizaje específicos, la recomendación de objetos de aprendizaje se realiza mediante la comparación entre el perfil del estudiante y los metadatos del objeto de aprendizaje. Generalmente los objetos están descritos mediante dos estándares conocidos: LOM y Dublin Core.
Sin embargo, los estudiantes novatos pueden no tener ni idea de lo que necesitan ni de lo que son los metadatos de los objetos de aprendizaje. Además en un entorno de aprendizaje informal, los aprendices pueden no estar vinculados a ninguna institución, por tanto, no es razonable exigir a los estudiantes familiarizarse con los estándares de metadatos (Wang et al. 2007) y más bienlos sistemas deben incorporar nuevas capacidades para construir el perfil del estudiante dinámicamente, ofreciendo el soporte respectivo para que el usuario apoye este proceso de forma natural.
La idoneidad y el alcance de las recomendaciones dependerán fundamentalmente de la calidad y cantidad de los datos disponibles de los aprendices, y, en particular, de los metadatos de los recursos de aprendizaje; sin embargo, en un entorno en línea, existe una variedad altamente fragmentada de estándares y propuestas para compartir y reutilizar los datos educativos(Dietze et al. 2013).
En un entorno abierto, los atributos de los recursos de aprendizaje pue- den no ser definidos (Wang et al. 2007) o bien pueden ser heterogéneos. Además, en los diferentes repositorios educativos pueden no haber sido organiza- dos de acuerdo a un sistema común de clasificación de conocimiento, la falta de acuerdo dificulta la localización de los recursos educativos abiertos.
En un reporte publicado en el año 2013, llevado a cabo por uno de los consorcios más reconocidos en el ámbitos de los OCWs, los usuarios respondieron que uno de los aspectos clave es mejorar la organización de los cursos de acuerdo a disciplinas de conocimiento (OCWC 2013).