Home » Innovación educativa (Page 19)

Category Archives: Innovación educativa

julio 2024
M T W T F S S
1234567
891011121314
15161718192021
22232425262728
293031  

Sistema predictivo progresivo de clasificación probabilística como guía para el aprendizaje

Sistema predictivo progresivo de clasificación probabilística como guía para el aprendizaje
Carlos J. Villagrá Arnedo
Tesis Doctoral
Directores: Dr. Rafael Molina Carmona y Dr. Faraón Llorens Largo
Universidad de Alicante
Alicante, Enero 2016

Acceso al documento completo en RUA

portada tesis Carlos

foto tesis Carlos

Resumen:
El trabajo realizado en esta tesis está basado en el desarrollo de un modelo de predicción progresiva que mejora el proceso de enseñanza-aprendizaje a través del uso de las tecnologías de la información y, en particular, de las técnicas de inteligencia artificial.
Este modelo tiene como base un sistema interactivo gamificado que gestiona las prácticas de la asignatura Matemáticas I, en las que se aprende razonamiento lógico a través de un videojuego llamado PLMan, muy similar al comecocos (PacMan). Los estudiantes acceden durante el curso a este sistema y van progresando y acumulando nota en las prácticas de la asignatura mediante la resolución de mapas del videojuego PLMan.
Los datos procedentes de la interacción de los estudiantes con el sistema gamificado se registran en una base de datos. A partir de estos, se extraen unas características representativas del estado de los estudiantes, consistentes en datos de uso del sistema y resultados de aprendizaje.
El modelo usa la técnica de Machine Learning SVM, y obtiene como resultado la clasificación semanal de los estudiantes en forma de probabilidad de que se encuentren en cada una de tres posibles clases: rendimiento alto, normal y bajo, acumulando los datos recogidos hasta la semana en curso.
Se han realizado experimentos con los datos recogidos durante el curso 2014/15, correspondientes a 336 estudiantes, obteniendo buenos resultados en cuanto a la precisión del algoritmo SVM propuesto. A continuación, se ha realizado un análisis exhaustivo de la correlación de las características empleadas con la nota final, extrayendo las que presentan una mayor relación lineal con esta última. Después, se ha realizado un nuevo experimento empleando sólo estas características seleccionadas, obteniendo unos resultados similares aunque ligeramente inferiores a los de la experiencia inicial, lo que denota que pueden existir relaciones no lineales entre las variables que la técnica SVM puede detectar.
Por último, el modelo planteado presenta los resultados obtenidos de forma que proporcionen información valiosa para profesores y estudiantes. Esta información se muestra en forma de gráficas fáciles de interpretar, constituyendo un mecanismo que permite detectar estudiantes que están en riesgo de fracasar y, en cualquier caso, permite guiarlos para que obtengan el máximo rendimiento.
En definitiva, se trata de un modelo de predicción del rendimiento del estudiante con dos aportaciones principales: clasificación en tres clases con valores de probabilidad y de forma progresiva, y la información visual en forma de gráficas, que representan un mecanismo de guía para la mejora del proceso de enseñanza-aprendizaje.

Estimating difficulty of learning activities in design stages: A novel application of Neuroevolution

Estimating difficulty of learning activities in design stages: A novel application of Neuroevolution
Francisco José Gallego Durán
Tesis Doctoral
Director: Dr. Faraón Llorens Largo
Universidad de Alicante
Alicante, 2015

Acceso al documento completo en RUA

portada

foto

Abstract:
In every learning or training environment, learning activities are the basis for practical learning. Learners need to practice in order to acquire new abilities and perfect those previously gained. The key for an optimized learning process is correctly assigning learning activities to learners. Each learner has specific needs depending on previous knowledge and personal skills. A correct assignment for a given learner would be selecting a learning activity that closely matches learner’s skills and knowledge. This brings up the concept of difficulty. Difficulty of a learning activity could be defined as the effort that a learner has to make to successfully complete the learning activity and obtain its associated learning outcomes. So, a difficult activity would simply require much effort to be successfully completed.
Learners presented with too difficult learning activities tend to abandon rather than performing required effort. This situation could be better understood as the learner perceiving the activity as an unbalanced invested-return ratio: too much effort for the expected learning outcomes. A similar case occurs when difficulty is too easy. In that case, effort perceived is low, but learning outcomes are perceived as even lower. If the activity does not pose a challenge for the learner is because the learner already masters the involved abilities, and that makes learning outcomes tend to zero. Both situations drive learners to losing interest.
To prevent this from happening, teachers and trainers estimate difficulties of learning activities based on their own experience. However, this procedure suffers an effect called the Curse of Knowledge: every person that masters an activity, becomes biased for estimating the effort required to master that same activity. Therefore, correctly estimating difficulties of learning activities is an error-prone task when expert-knowledge is used to estimate them. But estimating difficulty without carrying out the learning activity would probably yield even worse results.
In order to escape from this error-prone cycle, the first solution would be to measure the effort involved in successfully completing the learning activity. For that purpose, an objective effort measurement should be defined. This approach has been followed by many previous works and it is the general approach in the field of Learning Analytics. Although this approach yields many types of considerable results, it has an important drawback. It is impossible to have a measure without learners performing the learning activity. Therefore, at design stages of the learning activity, how does the designer know whether the activity is too hard/too easy? Is there a way to have an valid estimation of difficulty of a learning activity before handing it to learners?
This work proposes a new approach to tackle this problem. The approach consists in training a Machine Learning algorithm and measure the “effort” the algorithm requires to find successful solutions to learning activities. The “effort” will be the learning cost: the time the algorithm requires for training. After that, results obtained from training the Machine Learning algorithm will be compared to results measured from actual learners. Under the assumption that learning costs for Machine Learning algorithms and those for learners have some kind of correlation, results from comparing them should show that correlation. If that were the case, then the learning cost that Machine Learning algorithms invest in training could be used as an estimation of the difficulty of the learning activity for learners.
In order to implement this approach and to obtain experimental data, two Neuroevolution algorithms have been selected for the Machine Learning part: Neuroevolution of Augmenting Topologies (NEAT) and Hypercube-based Neuroevolution of Augmenting Topologies (HyperNEAT).
Implementing this proposed approach has yielded several contributions that are presented in this work:
• A new definition of difficulty as a function, based on the progress made over time as an inverse measure of the effort/learning cost.
• A similarity measure to compare Machine Learning results to those of learners and know the accuracy of the estimation.
• A game called PLMan that is used as learning activity in the exper- iments. It is a Pacman-like game composed of up to 220 different mazes, that is used to teach Prolog programming, Logics and a light introduction to Artificial Intelligence.
• An application of NEAT and HyperNEAT to learn to automatically solve PLMan mazes.
• A novel application of Neuroevolution to estimate difficulty of learning activities at design stages.
Experimental results confirm that there exists a correlation between learning costs of Neuroevolution and those of students. Goodness of the presented results is limited by the scope of this study and its empirical nature. Nevertheless, they are greatly significant and may open up a new line of research on the relation between Machine Learning and humans with respect to the process of learning itself.

Teaching as a fractal: from experience to model

Teaching as a fractal: from experience to model
Patricia Compañ-Rosique, Rafael Molina-Carmona, Rosana Satorre-Cuerda y Faraón Llorens-Largo
Universidad de Alicante
EKS (Education in the Knowledge Society).
Vol. 16, Núm. 4 (2015).

http://dx.doi.org/10.14201/eks20151643246

Abstract
The aim of this work is to improve students’ learning by designing a teaching model that seeks to increase student motivation to acquire new knowledge. To design the model, the methodology is based on the study of the students’ opinion on several aspects we think importantly affect the quality of teaching (such as the overcrowded classrooms, time intended for the subject or type of classroom where classes are taught), and on our experience when performing several experimental activities in the classroom (for instance, peer reviews and oral presentations). Besides the feedback from the students, it is essential to rely on the experience and reflections of lecturers who have been teaching the subject several years. This way we could detect several key aspects that, in our opinion, must be considered when de-signing a teaching proposal: motivation, assessment, progressiveness and autonomy. As a result we have obtained a teaching model based on instructional design as well as on the prin-ciples of fractal geometry, in the sense that different levels of abstraction for the various train-ing activities are presented and the activities are self-similar, that is, they are decomposed again and again. At each level, an activity decomposes into a lower level tasks and their cor-responding evaluation. With this model the immediate feedback and the student motivation are encouraged. We are convinced that a greater motivation will suppose an increase in the student’s working time and in their performance. Although the study has been done on a subject, the results are fully generalizable to other subjects.

JENUI 2016 (XXII Jornadas sobre la Enseñanza Universitaria de la Informática): llamada a la participación

JENUI 2016
XXII Jornadas sobre la Enseñanza Universitaria de la Informática
Almería, 5-8 de Julio de 2016
Universidad de Almería
http://www2.ual.es/jenui2016

Llamada a la participación

==========================

El objetivo de las XXII Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI 2016), promovidas por la Asociación de Enseñantes Universitarios de la Informática (AENUI) y organizadas por el Departamento de Informática de la Universidad de Almería, es promover el contacto, el intercambio y la discusión de conocimientos y experiencias entre profesores universitarios de Informática y grupos de investigación; debatir sobre el contenido de los programas y los métodos pedagógicos empleados; así como materializar un foro de debate en el que presentar temas y enfoques innovadores orientados a mejorar la docencia de la Informática en las universidades.

Fechas importantes

07/12/2015 al 15/01/2016: Envío de resúmenes.
11/02/2016: Fecha límite para envío de trabajos.
19/04/2016: Notificación de trabajos aceptados.
17/05/2016: Fecha límite para envío de trabajos definitivos.
11/04/2016 al 06/06/2016: Inscripción temprana.
07/06/2016 al 03/07/2016: Inscripción normal.
05/07/2016: Taller JENUI 2016
06/07/2016 al 08/07/2016: JENUI 2016

Gamificación: insert coin to play again

Gamificación: insert coin to play again
Faraón Llorens
VI Jornada de Innovación Educativa
“Tendencias Pedagógicas Innovadoras y Tecnologías Digitales en la Educación Superior”
Dirección de Innovación Educativa
Universidad Nacional Autónoma de Honduras
3 de diciembre de 2015

Presentación:

[prezi id=’https://prezi.com/0auiuaxeojag/aprendizaje-y-videojuegos-vi-jie-unah-dic-2015/’ width=”450″]

Despertad al diplodocus

Despertad al diplodocus.
Una conspiración educativa para transformar la escuela … y todo lo demás

José Antonio Marina
Ariel

http://www.planetadelibros.com/despertad-al-diplodocus-libro-200905.html

portada_despertad-al-diplodocus_jose-antonio-marina-torres_201509240023

Enlaces de interés:
Sito web de José Antonio Marina
Página web del libro
Sito web del libro

portada_despertad-al-diplodocus_jose-antonio-marina-torres_201509240023.jpg

El debate más importante para el futuro de nuestro país.

Frases entresacadas e ideas interesantes que puedo utilizar:

(Página 89)
“Vamos a emprender la ruta de la movilización educativa. Ya tenemos claros los objetivos a cinco años: conseguir que el 90% de la población escolar alcance el éxito educativo, que no es sólo evitar el abandono escolar, sino alcanzar las competencias necesarias y las condiciones para lograr la felicidad personal y colaborar a la felicidad social”

(Página 92)
“… el dogma de nuestra profesión es creer en la perfectibilidad de todas las personas …”

Número especial de ReVisión: Investigación sobre educación universitaria en informática con proyección internacional

Queridos compañeros y compañeras:
es el momento de abordar del número 2 del volumen 9 de ReVisión, que como sabéis, es un número especial que se publicará en mayo del 2016. En esta ocasión estará dedicado a la “Investigación sobre educación universitaria en informática con proyección internacional” y será coordinado por José Miguel Blanco (Universidad del Pais Vasco/Euskal Herriko Unibersitatea).
La creación de una comunidad de interés en torno a la mejora de la actividad docente universitaria en informática, devino -hace ya años- en un grupo significativo de docentes que han orientado, en parte o en su totalidad, su actividad investigadora a la concepción, diseño y desarrollo de métodos, técnicas y herramientas que tienen como fin la mejora de la enseñanza universitaria en informática. Tanto JENUI como ReVision han acogido diversas aportaciones relacionadas con los procesos de proyección de los resultados de estos trabajos de investigación. Se trata, en este número, de recoger, de forma monográfica, un conjunto de trabajos que aporten una visión de métodos, procesos y resultados obtenidos en este ámbito que hayan tenido una proyección internacional. El objetivo es facilitar una visión amplia de alternativas que han logrado un reconocimiento externo, tanto para valorar la relevancia del camino realizado, como para orientar los pasos de quienes quieran desarrollar, en este campo de trabajo, una actividad investigadora con un impacto significativo en su carrera profesional.
Os animamos a que enviéis un artículo sobre este tema. Para ello deberéis hacernos llegar, antes del 23 de enero, el título y un resumen extendido del trabajo a exponer.

Fechas de interés:
– Envío resúmenes: 23 enero 2016
– Aceptación: 6 febrero 2016
– Envío artículos: 1 abril 2016
– Revisión: 15 abril 2014
– Envío artículo definitivo: 29 abril 2016
– Publicación: 15 de mayo de 2016

Deseamos que esta propuesta resulte de tu interés y consideres la posibilidad de participar en este número con vuestros trabajos. Por supuesto, te agradeceríamos que hagas extensiva esta invitación a cualquier persona que consideres adecuada a la vista del enfoque propuesto.

Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes

Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes
Carlos J. Villagrá-Arnedo, Francisco J. Gallego-Durán, Faraón Llorens-Largo, Patricia Compañ-Rosique, Rosana Satorre-Cuerda, Rafael Molina-Carmona
Departamento de Ciencia de la Computación e Inteligencia Artificial
Universidad de Alicante

III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015)
Madrid, 14-16 de Octubre de 2015
http://www.cinaic.com
Acceso a las Actas

Acceso al documento en RUA

Resumen
Inspirados por las estrategias de detección precoz aplicadas en medicina, proponemos el diseño y construcción de un sistema de predicción que permita detectar los problemas de aprendizaje de los estudiantes de forma temprana. Partimos de un sistema gamificado para el aprendizaje de Lógica Computacional, del que se recolectan masivamente datos de uso y, sobre todo, resultados de aprendizaje de los estudiantes en la resolución de problemas. Todos estos datos se analizan utilizando técnicas de Machine Learning que ofrecen, como resultado, una predicción del rendimiento de cada alumno. La información se presenta semanalmente en forma de un gráfico de progresión, de fácil interpretación pero con información muy valiosa. El sistema resultante tiene un alto grado de automatización, es progresivo, ofrece resultados desde el principio del curso con predicciones cada vez más precisas, utiliza resultados de aprendizaje y no solo datos de uso, permite evaluar y hacer predicciones sobre las competencias y habilidades adquiridas y contribuye a una evaluación realmente formativa. En definitiva, permite a los profesores guiar a los estudiantes en una mejora de su rendimiento desde etapas muy tempranas, pudiendo reconducir a tiempo los posibles fracasos y motivando a los estudiantes.

Presentación

Predicción

Lecciones aprendidas gamificando cuando aún no se llamaba gamificación

Lecciones aprendidas gamificando cuando aún no se llamaba gamificación
Faraón Llorens-Largo, Francisco J. Gallego-Durán, Carlos J. Villagrá-Arnedo, Patricia Compañ-Rosique, Rosana Satorre-Cuerda, Rafael Molina-Carmona
Departamento de Ciencia de la Computación e Inteligencia Artificial
Universidad de Alicante

III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015)
Madrid, 14-16 de Octubre de 2015
http://www.cinaic.com
Acceso a las Actas

Acceso al documento en RUA

Resumen
El término gamificación está de moda. Los gurús la sitúan como una tecnología emergente y disruptiva, que cambiará muchas de nuestras experiencias en campos tan alejados de los juegos como el empresarial, el marketing y la relación con los clientes. Y el entorno educativo no escapará a ello. En este artículo presentamos la experiencia de un grupo de profesores preocupados por la docencia, que llevamos años experimentando con los videojuegos y las experiencias lúdicas, y que de repente nos hemos encontrado con el término gamificación. Estas son las lecciones que hemos aprendido, que podemos enmarcar en el campo de la gamificación en educación, pero que derivan de una experiencia práctica, de un análisis desmenuzado y de una reflexión concienzuda. Pretendemos mostrar qué es lo realmente importante y qué puntos debemos tener en cuenta los profesores antes de lanzarnos al diseño gamificado de nuestra propuesta docente.

Presentación

gamificacion 1

Los monólogos del profesor

Los monólogos del profesor
(monólogos con-ciencia)

Faraón Llorens
Universidad de Alicante

Los monólogos de la ciencia
15 de octubre de 2015
Congreso Internacional sobre Aprendizaje, Innovación y Competitividad
(CINAIC 2015)

Buenas noches.

Antes de nada quiero pediros disculpas por interrumpiros el aperitivo. Por favor, podéis continuar con las cervecitas y los vinos, por mi no os cortéis. Soy profesor y por tanto estoy acostumbrado a hablar y que no me hagan caso.

Pero fundamentalmente quiero pediros disculpas por el atrevimiento al realizar este monólogo. Tengo que confesaros que … ¡Es mi primera vez! (en serio, es verdad, no estoy utilizando una frase hecha como excusa, aunque en mi juventud sí que la haya utilizado alguna que otra vez). También es la primera vez para CINAIC. Se trata de una actividad que pretende contar de forma entretenida experiencias y situaciones que todos los profesores hemos sufrido. El objetivo por tanto no es hacer ciencia sino concienciar. Por eso los podríamos llamar

monólogos con-ciencia

Para este primer monólogo he elegido, como no podía ser de otra manera, el tema del profesor como protagonista y lo he titulado

los monólogos del profesor

Os pido de nuevo disculpas, pero esta vez porque os he mentido. Antes he dicho que es la primera vez que hago un monólogo, pero es falso. Los profesores universitarios estamos muuuuy acostumbrados a hacer monólogos. Lo que pasa es que los llamamos lecciones magistrales. ¡Así suena más académico! Pero ¿que hacemos en nuestras clases sino monólogos? Hablamos, hablamos y hablamos, y nunca nos cansamos de oírnos. Yo sé que hay que dar la palabra a los estudiantes, que hay que hacerles participar. Y por eso todos los días antes de empezar las clases pregunto ¿alguna duda? ¿algún comentario? ¿alguna pregunta? Pero nada, nada, nada de nada. Silencio absoluto. Es el único momento de la clase en que están todos callados. Y te preguntas ¿estoy solo en la clase? … ¿hay alguien ahí?

Es curioso, pero hasta que no fui profesor y me enfrenté a una clase, no entendí el significado de pregunta retórica. Siempre me había parecido un concepto contradictorio. Para mi no tenía sentido hacer una pregunta sin esperar respuesta. Siempre he pensado que se hacía una pregunta para obtener una respuesta. Pero resulta que no. Que los alumnos han aprendido que si se callan, intentan pasar desapercibidos y esperan el tiempo suficiente, ¡nosotros mismos nos las contestamos! Entonces me pregunto, ¿para que hacemos las preguntas a los estudiantes? ¿No tenemos paciencia para esperar su respuesta? ¿Deberíamos dirigir las preguntas y no dejarlas en el limbo? ¿Señalar a algún estudiante concreto? Sí hombre, ¡y el próximo día no asisten a clase para no tener que enfrentarse a las respuestas!

Tengo comprobado que la mejor manera de hacer que los estudiantes se concentren en la lectura de sus papeles es preguntarles si tienen alguna duda o si alguien quiere salir a la pizarra. ¡Todos bajan la cabeza para no cruzarse con tu mirada! Sí, sí, para que lean los apuntes no tienes que ponerles un problema. Tienes que mirarles a la cara con la intención de preguntarles. Si les pones un problema, se quedan mirándote para ver cuando lo resuelves en la pizarra. Para que escriban en el papel, tienes que mirarles a la cara y preguntar. Así es, ¡el mundo al revés! Habitualmente tienen la mirada perdida en el infinito de la pizarra, o si somos profesores actualizados TICnológicamente, en la pantalla del proyector. Pero en cuanto nos damos la vuelta y hacemos una pregunta, ¡rebuscan interesados en su apuntes!, ¡escribiendo lo que hasta ese momento no habían escrito! ¡No te mira nadie! Y vuelves a pensar, … ¿hay alguien ahí?

Los actores de teatro y los cantantes lo tienen muy claro y nos llevan la delantera en esto. Ponen los focos encarados al escenario, deslumbrándoles y así evitan tener que ver las caras del público. No, es broma, a los profesores nos gusta ver las caras de nuestros estudiantes … ¡Son todo un poema! Cuando estás hablando y ves como atienden y toman apuntes, miras sus caras y … Supongo que también lo habéis pensado alguna vez, pero yo estoy convencido de que los estudiantes desarrollan unas conexiones nerviosas especiales, que van directamente de los ojos y los oídos a la mano, ¡sin pasar por el cerebro! Miran la pizarra, te escuchan y su mano se mueve por los folios como autómatas, pero ¡no saben lo que están escribiendo! Basta mirarles las caras. Y te vuelves a preguntar, … ¿hay alguien ahí (dentro)?

Y voy a continuar con el símil del mundo del espectáculo. Una cosa que los profesores deberíamos copiar de los shows en directo son las risas enlatadas y los aplausos inducidos. Me explico. No sería una mala idea tener un becario (por supuesto, quien si no), que de espaldas a la pizarra y frente a los alumnos, les vaya mostrando grandes carteles con preguntas inteligentes, petición de risas, aplausos y otros efectos motivadores para los profesores. No sé si nuestros alumnos aprenderían más, pero evitaríamos alguna que otra depresión y nuestros egos estarían mejor tratados. Pero mejor dejar el tema del ego de los profesores universitarios para otro momento, que me estoy metiendo en un charco.

Se me llena la boca en congresos de innovación educativa (como este) abogando a favor del aprendizaje activo, pero luego llego al aula y, ¡zasca!, monólogo ¡de DOS horas! que les endiño. Podéis estar tranquilos, este no durará más diez minutos. Como se dice, “del dicho al hecho hay un trecho”. ¿Tan difícil es cambiar la dinámica de las aulas universitarias? ¿No sabemos hacerlo los profesores? ¿No les interesa a los alumnos que cambiemos ya que es más cómodo su papel pasivo? ¿No les interesa a las Universidades ya que así tenemos más alumnos “ocupados”? A veces pienso que lo hacemos por tranquilidad de nuestras conciencias, de forma que pensamos “yo he hecho mi trabajo, si no aprenden es cosa suya”. Perdón, me he vuelto a meter en un charco.

A ver por dónde salgo de estos charcos. Ya sé, me falta hablar de las tecnologías de la información y la comunicación en el aula. Soy un profesor actualizado y utilizo las TIC en mis clases (es que soy informático, pero igual eso no lo debería decir, que no estamos muy bien vistos). Incluso he hecho mis incursiones en la docencia virtual. La verdad es que no sé porque la llaman “virtual”. He acudido al diccionario de la RAE y virtual es aquello “que tiene virtud para producir un efecto, aunque no lo produce de presente”. ¡Tiene la virtud de producir efecto, pero de hecho no lo produce! ¿Estoy perdiendo el tiempo dando docencia virtual? Otra acepción que no es menos inconveniente dice: “que tiene existencia aparente y no real”. Que no nos oiga ningún vicerrector o nos dirá que nos reconoce “créditos virtuales”. O el gerente nos pagará “nóminas virtuales” (como podéis ver no menciono a los rectores, que en ese charco sí que no me meto). Pero a lo que íbamos, la ventaja de la docencia online es que no le ves la cara (de aburrimiento) a tus estudiantes. Bueno, puedes mirar sus fotos. Yo he tenido de alumno a Bart Simpson … y a Darth Vader, … por nombrar algunos de los más conocidos. Pero centrémonos, que me he vuelto a ir por las ramas. Ahora con la docencia virtual o semipresencial no hago monólogos en directo y por tanto no tengo que sufrir viendo las caras de mis estudiantes. Soy muy innovador y hago “flip teaching” (cuña publicitaria: por cierto, mañana Ángel imparte un taller muy interesante sobre el tema). Suena bien. Esto de poner nombres en inglés le da seriedad. Sí, ¡ahora grabo vídeos! Y así no tengo la necesidad de preguntar si lo entienden. ¡Eso sí que son monólogos!

No en serio, soy profesor porque me gusta aprender y tratar con los estudiantes. Me gusta “el cuerpo a cuerpo”. Ver su entusiasmo por aprender y su vitalidad. Pero lo que más envidio ¡es su juventud! Groucho Marx, en sus particulares memorias tituladas “Groucho y Yo”, escribió que “al año siguiente era un año más viejo y por una curiosa coincidencia, todas las chicas que conocía también habían envejecido un año”. Eso no nos pasa a los profesores. Nosotros cada año somos un año más viejos y nuestros estudiantes ¡siempre tienen dieciocho años! … Suelo decir que los profesores vivimos eternamente en el día de la marmota. ¿Os acordáis de la película “atrapado en el tiempo” en la que el gruñón y antipático protagonista se ve condenado a revivir, una y otra vez, el mismo día, en un bucle temporal? Pues a nosotros nos pasa lo mismo, pero en lugar de cada día, ¡cada año! Cuando consigues que los estudiantes te miren a la cara y te entiendan, te sabes sus nombres (que cada vez me cuesta más, ¿será la edad?), conoces sus virtudes y sus defectos y estás en condiciones de sacar el máximo partido de ellos, finaliza el curso, te vas a la playa en agosto y cuando vuelves, ¡te los han cambiado! Y ¡vuelta a empezar! ¡caras de susto! ¡preguntas retóricas! ¡monólogos! Y de nuevo … ¿hay alguien ahí?

Pese a todo, lo llevo bastante bien. Estoy orgulloso de ser profesor. Pero lo que me llegó al corazón fue cuando mi hijo Diego, un día que estábamos toda la familia hablando, dijo muy serio: “Yo cuando sea mayor les contaré a mis hijos, que mi padre no me reñía, … (cara mía de satisfacción) … ¡me daba discursos!”. Pero la puntilla fue cuando culminó la frase con un “¡Y no sé que es peor!”

Y en menudo jardín me he metido. A ver ahora como salgo de él. Como profesor de lógica, acabo de identificar el dilema en que he caído. Porque según lo que acabo de decir, si hago buenos monólogos, entonces soy un mal profesor. Por el contrario si he hecho un nefasto monólogo, entonces acabo de hacer el ridículo.

¡Y no sé que es peor!

Buenas noches y muchas gracias por soportarme.

Saludo final

Vista general