Home » Innovación educativa (Page 2)

Category Archives: Innovación educativa

mayo 2024
M T W T F S S
 12345
6789101112
13141516171819
20212223242526
2728293031  

Decoding Student Error in Programming: An Iterative Approach to Understanding Mental Models

Decoding Student Error in Programming: An Iterative Approach to Understanding Mental Models
Francisco J. Gallego-Durán, Patricia Compañ-Rosique, Carlos J. Villagrá-Arnedo, Gala M. García-Sánchez, Rosana Satorre-Cuerda, Rafael Molina-Carmona, Faraón Llorens-Largo, Sergio J. Viudes-Carbonell, Alberto Real-Fernández & Jorge Valor-Lucena
25th International Conference on Human-Computer Interaction (HCII 2023)
Copenhagen, Denmark
23-28 July 2023
10th International Conference on Learning and Collaboration Technologies (LCT 2023).

Lecture Notes in Computer Science book series (LNCS,volume 14040) (https://link.springer.com/book/10.1007/978-3-031-34411-4)

https://link.springer.com/chapter/10.1007/978-3-031-34411-4_18

https://doi.org/10.1007/978-3-031-34411-4_18

Abstract
In computer programming education, despite yearly changes in teaching methodologies, students still struggle to grasp the concepts. When they advance to more complex projects, gaps in their basic knowledge become evident. It seems that the knowledge they learn in the first course is forgotten or not well understood. This proposal aims to explore students’ mental models of computer programming concepts to better understand and identify any misconceptions. An iterative methodology is proposed to identify, test, analyse and evidence students’ erroneous mental models in programming. Characterising these mental models is a first step to deepen our understanding and designing strategies to help students improve them. The proposed methodology is exemplified in detail through an undergoing use case at the University of Alicante, and some early results are discussed.

Keywords
Programming, Learning, Mental Models

Cite this paper as:
Gallego-Durán, F.J. et al. (2023). Decoding Student Error in Programming: An Iterative Approach to Understanding Mental Models. In: Zaphiris, P., Ioannou, A. (eds) Learning and Collaboration Technologies. HCII 2023. Lecture Notes in Computer Science, vol 14040. Springer, Cham. https://doi.org/10.1007/978-3-031-34411-4_18

Two-Phases AI Model for a Smart Learning System

Two-Phases AI Model for a Smart Learning System
Javier García-Sigüenza, Alberto Real-Fernández, Rafael Molina-Carmona & Faraón Llorens-Largo
25th International Conference on Human-Computer Interaction (HCII 2023)
Copenhagen, Denmark
23-28 July 2023
10th International Conference on Learning and Collaboration Technologies (LCT 2023).

Lecture Notes in Computer Science book series (LNCS,volume 14040) (https://link.springer.com/book/10.1007/978-3-031-34411-4)

https://link.springer.com/chapter/10.1007/978-3-031-34411-4_4

https://doi.org/10.1007/978-3-031-34411-4_4

Abstract
Current Information Technologies are mature enough to favor the creation of adaptive learning systems that also encourages active, autonomous and persistent learning. A solution could be the creation of artificial intelligence algorithms capable of detecting the individual learning needs and features of the learners, what skills they are acquiring and how they do it, or how they behave, in order to offer them an adapted and personalized learning experience. This is what is defined a smart learning system.

Therefore, in this research we aim to propose an Artificial Intelligence (AI) model for a learning system to achieve this purpose. It is based on a learning model called CALM (Customized Adaptive Learning Model), that offers personalized learning through different learning paths and adapts to each learner by offering a specific activity at any time. The selection of this activity relies on an AI engine that detects the needs and characteristics of the learner and selects the most appropriate activity.

To implement an AI model for this purpose, applying CALM principles, we propose the use of both the information provided by activities and the learner’s characteristics and progression. Combining these datasets with the use of deep learning techniques, we propose a two phases process. First, the model makes predictions that are personalized for each student, and then it applies a concrete instructional strategy to make the final decision, allowing the teacher to adapt and guide the student’s learning.

Keywords
Smart Learning, Artificial Intelligence, Deep Learning

Cite this paper as:
García-Sigüenza, J., Real-Fernández, A., Molina-Carmona, R., Llorens-Largo, F. (2023). Two-Phases AI Model for a Smart Learning System. In: Zaphiris, P., Ioannou, A. (eds) Learning and Collaboration Technologies. HCII 2023. Lecture Notes in Computer Science, vol 14040. Springer, Cham. https://doi.org/10.1007/978-3-031-34411-4_4

Preguntar para aprender

Preguntar para aprender
UniverSÍdad (www.universidadsi.es)
Faraón Llorens
20/07/2023

El mes pasado la Universidad de Málaga organizó la Jornada Inteligencia artificial generativa y docencia. ¿Qué vas a hacer? en la que impartí la charla El Rey va desnudo. Replanteando los trabajos académicos en la universidad. En ella argumentaba que al igual que el niño de la fábula, ahora la IA generativa estaba señalando las deficiencias del sistema educativo, en general y de la evaluación en particular. Pero estas deficiencias no son nuevas ni causadas por esta nueva tecnología.

/…/

Como dice el título del post, debemos explorar el valor de las preguntas en el aprendizaje. Suelo empezar mis charlas diciendo a los asistentes que, si han venido en busca de respuestas, no soy el orador adecuado. Mi objetivo es que, si han acudido con dos o tres preguntas sobre el tema, salgan con más de diez. Y es en ese momento cuando se está en condiciones de aprender: espoleado por la curiosidad y guiado por la satisfacción de saber.

Querida lectora, querido lector, espero que en estos momentos tengas más preguntas que al iniciar la lectura de este post. Tienes por delante el mes de agosto para reflexionar. ¡Felices vacaciones!

Leer la entrada completa:
www.universidadsi.es/preguntar-para-aprender

La nueva realidad de la educación ante los avances de la inteligencia artificial generativa

La nueva realidad de la educación ante los avances de la inteligencia artificial generativa
Francisco José García Peñalvo (Universidad de Salamanca), Faraón Llorens-Largo (Universidad de Alicante) y Javier Vidal (Universidad de León)
Revista Iberoamericana de Educación a Distancia (RIED)
Vol. 27 Núm. 1 (2024): Tendencias en la Educación Digital
https://revistas.uned.es/index.php/ried/issue/view/1749

https://revistas.uned.es/index.php/ried/article/view/37716

DOI: https://doi.org/10.5944/ried.27.1.37716

Palabras clave: inteligencia artificial, inteligencia artificial generativa, ChatGPT, educación

Resumen
Cada vez es más común interactuar con productos que parecen “inteligentes”, aunque quizás la etiqueta “inteligencia artificial” haya sido sustituida por otros eufemismos. Desde noviembre de 2022, con la aparición de la herramienta ChatGPT, ha habido un aumento exponencial en el uso de la inteligencia artificial en todos los ámbitos. Aunque ChatGPT es solo una de las muchas tecnologías generativas de inteligencia artificial, su impacto en los procesos de enseñanza y aprendizaje ha sido notable. Este artículo reflexiona sobre las ventajas, inconvenientes, potencialidades, límites y retos de las tecnologías generativas de inteligencia artificial en educación, con el objetivo de evitar los sesgos propios de las posiciones extremistas. Para ello, se ha llevado a cabo una revisión sistemática tanto de las herramientas como de la producción científica que ha surgido en los seis primeros meses desde la aparición de ChatGPT. La inteligencia artificial generativa es extremadamente potente y mejora a un ritmo acelerado, pero se basa en lenguajes de modelo de gran tamaño con una base probabilística, lo que significa que no tienen capacidad de razonamiento ni de comprensión y, por tanto, son susceptibles de contener fallos que necesitan ser contrastados. Por otro lado, muchos de los problemas asociados con estas tecnologías en contextos educativos ya existían antes de su aparición, pero ahora, debido a su potencia, no podemos ignorarlos solo queda asumir cuál será nuestra velocidad de respuesta para analizar e incorporar estas herramientas a nuestra práctica docente.

Usos y desusos del modelo GPT-3 entre estudiantes de grados de ingeniería

Usos y desusos del modelo GPT-3 entre estudiantes de grados de ingeniería
Daniel Amo-Filva, David Fonseca, David Vernet, Eduard De Torres, Pol Muñoz Pastor, Víctor Caballero, Eduard Fernandez, Marc Alier Forment, Francisco José García-Peñalvo, Alicia García-Holgado, Faraón Llorens-Largo, Rafael Molina-Carmona, Miguel Á. Conde, Ángel Hernández-García
XXIX Jornadas sobre Enseñanza Universitaria de la Informática (JENUI 2023)
Granada, 5, 6 y 7 de julio de 2023

Resumen
La herramienta ChatGPT, basada en el modelo GPT-3 desarrollado por OpenAI, ya se utiliza por estudiantes de grados de ingeniería como herramienta de apoyo en su proceso de aprendizaje. En este contexto, las implicaciones negativas que presenta el uso de esta herramienta son diversas: dependencia tecnológica, obstaculización del saber y conocer práctico, error en las respuestas, problemas éticos o incluso problemas legales. El uso de esta herramienta sin que los estudiantes hayan recibido formación se considera como problema a investigar. El objetivo es entender en profundidad el contexto tecnológico de la herramienta, cómo se utiliza actualmente entre los estudiantes de ingeniería de un conjunto de universidades privadas y públicas, y su impacto en la educación universitaria. Este artículo es un trabajo en desarrollo donde se presenta el contexto del estudio, la metodología de investigación y unos primeros resultados. Se conduce una encuesta cualitativa-exploratoria con una muestra de más de 360 estudiantes de grados de ingeniería matriculados en diferentes cursos. Se utiliza una estratificación aleatoria para asegurar que la muestra sea representativa de la población. Los resultados sugieren que el modelo GPT-3 puede ser utilizado como una herramienta beneficiosa para los estudiantes de grados de ingeniería.

Palabras clave
ChatGPT, GPT-3, OpenAI, TIC, universidad, ingeniería, riesgos tecnológicos, proceso de aprendizaje, ética, legalidad, encuesta cualitativa-exploratoria, estratificación aleatoria.

Artículo completo (pdf)

Vol 8 (2023) – Actas de las XXIX Jornadas sobre Enseñanza Universitaria de la Informática (Granada, 5, 6 y 7 de julio de 2023) (pdf)

Dota de vida a los trabajos académicos: aprendizaje-servicio (ApS)

Dota de vida a los trabajos académicos: aprendizaje-servicio (ApS)
Faraón Llorens, Rafael Molina y María Dolores de Juan
Taller REDES-INNOVAESTIC 2023
9 de junio de 9:30 h a 11:30 h

XXI Jornadas de Redes de Investigación en Docencia Universitaria (REDES 2023) y VI Workshop Internacional de Innovación en Enseñanza Superior y TIC (INNOVAESTIC 2023)
Nuevos formatos para el aprendizaje informal, ¿útiles para el formal?

El Aprendizaje-Servicio (ApS) es una práctica educativa de carácter experiencial que combina el desarrollo de competencias específicas de la titulación universitaria (aprendizaje) al mismo tiempo que los y las estudiantes tienen una experiencia directa de las necesidades del entorno social o ambiental y actúan con el objetivo de mejorarlo, en el marco de los Objetivos de Desarrollo Sostenible de Naciones Unidas (ODS). En este taller, tras ver dos ejemplos de sendas experiencias que llevan años desarrollándose en la Universidad de Alicante, los y las asistentes, reflexionarán sobre propuestas posibles para sus materias.

El Rey va desnudo. Replanteando los trabajos académicos en la universidad

El Rey va desnudo. Replanteando los trabajos académicos en la universidad
Faraón Llorens Largo

Jornada
Inteligencia artificial generativa y docencia. ¿Qué vas a hacer?
Universidad de Málaga
2 de junio de 2023

Grabación en directo (2:55:57):

Presentación:

Nota de prensa Universidad de Málaga:
https://www.uma.es/sala-de-prensa/noticias/el-uso-responsable-de-la-inteligencia-artificial-generativa-un-reto-para-el-sistema-educativo/

Resumen de la jornada generado con IA disponible en:
https://www.summarize.tech/www.youtube.com/watch?v=s640wpVk9w8

UNIVERSITIC 2022 – Evolución de la madurez digital de las universidades españolas

UNIVERSITIC 2022 – Evolución de la madurez digital de las universidades españolas
Daniel Crespo Artiaga (director)
Pedro Miguel Ruiz Martínez y José Manuel Claver (coordinación)
Antonio Fernández y Faraón Llorens (coordinación científica)
Crue Universidades Españolas
https://tic.crue.org/publicaciones/universitic-2022

En el marco de las Jornadas CRUE Digitalización, se presentó el informe UNIVERSITIC 2022.

Las universidades se encuentran ante el reto de responder con agilidad a las demandas de una sociedad del conocimiento altamente digitalizada, y para ello deben evolucionar hacia un paradigma de universidad digital.

Los resultados de UNIVERSITIC 2022 muestran un incremento significativo de la madurez digital de nuestras universidades en los dos últimos años. Destaca que el reto ofrecer formación de calidad y competitiva de manera híbrida y alcanzar los objetivos estratégicos de la universidad digital suben hasta una madurez digital cercana al 60%, y el fuerte incremento de la madurez, alrededor del 20%, del reto disponer de la cultura y las competencias digitales, invertir los recursos necesarios y disponer del conocimiento adecuado para la toma de decisiones. Sólo queda retrasado el reto conseguir una experiencia satisfactoria de nuestros estudiantes, con apenas 1 de cada 3 buenas prácticas satisfechas.

Evolución entre 2020 y 2022 de la mediana de madurez digital en los 7 retos de md4u

Percentil 90, 10 y mediana de la madurez digital de los 7 retos de md4u en 2022

Parece que nuestras universidades están en el buen camino, pero necesitan avivar el ritmo, apostando por la transformación digital, para incrementar su madurez digital y como resultado su competitividad y la de nuestro sistema universitario.

La IA en la educación superior

La IA en la educación superior
Faraón Llorens, Director Cátedra de Transformación Digital. Universidad de Alicante
Josep M. Vilalta, Secretario Ejecutivo. Asociación Catalana de Universidades Públicas (ACUP) y Director de la Global University Network for Innovation (GUNi)
Sílvia Sivera, Directora eLearning Innovation Center (eLinC). UOC (Universitat Oberta de Catalunya)
Moderador: Joaquín Rodríguez, Director corporativo de diseño, innovación y tecnología educativa. IESEK

EdTech Congress Barcelona (www.edtechcongressbcn.com)
Aprender en tiempos de Inteligencia Artificial
19 y 20 de abril 2023
Organiza: EduTechCluster (edutechcluster.org)

La popularización de aplicativos de inteligencia artificial, sobre todo de aquellos denominados generativos, impactará de manera decisiva sobre las dinámicas educativas y sobre la investigación. Muchas universidades han reaccionado instintivamente de manera atávica, intentando prohibir lo que resulta imposible proscribir, seguramente porque sus modalidades de evaluación son fácilmente resolubles mediante el uso de esas nuevas herramientas. La divulgación de la IA cambiará en profundidad lo que estudiamos, la manera en que lo hacemos, el tipo de competencias que promovemos, la manera en que lo valoramos y acreditamos y, también, las prioridades sobre las que deberá basarse la investigación: la incorporación de la inteligencia artificial como un complemento que pueda agilizar y enriquecer el trabajo de los científicos a condición de que se mantenga y refuerce la verificación humana de las respuestas proporcionadas por la inteligencia artificial, a condición de que se elaboren principios y normas de responsabilidad sobre su uso y a condición, también, de que se invierta en el desarrollo de una inteligencia artificial abierta e interoperable cuyos algoritmos puedan someterse a escrutinio e inspección.

En este panel hemos invitado a personas con un conocimiento profundo del mundo universitario y de la tecnología, incluida el de la IA, y con quienes queremos entender mejor el impacto de la Inteligencia Artificial en la Universidad, especialmente en sus procesos nucleares: la enseñanza, el aprendizaje, la investigación y la producción de conocimiento y su transferencia del conocimiento. Nos interesa abordar los retos y desafíos pero también las posibilidades que se abren.

Vídeo sesión (52:37):

Entrevista breve (1:30):

¡Escucha, rector! Las universidades singulares crean nuevos modelos de aprendizaje

¡Escucha, rector! Las universidades singulares crean nuevos modelos de aprendizaje
Lluís Pastor
Colección Educación Universitaria
IDP/ICE
Editorial Octaedro (www.octaedro.com)

https://octaedro.com/libro/escucha-rector

Introducción
“La universidad debe cambiar porque la sociedad está cambiando. Dentro de poco veremos que teníamos más en común con un romano del siglo II o con una parisina del siglo XII que con nuestros propios bisnietos. Esa es la magnitud del cambio. En estos momentos de transformaciones aceleradas, muchos rectores siguen conduciendo sus universidades mirando al espejo retrovisor más que a la luna delantera, y lo hacen por inercia, por desconocimiento o por miedo a lo que les deparará el futuro. Como este ejercicio no se puede llevar a cabo en marcha, muchas universidades están paradas y confunden su experiencia de cientos de años de historia con la experiencia que proporcionan algunos años repetidos cientos de veces. Por esta razón digo: «Escucha, rector, cómo las universidades innovadoras están abriendo nuevos caminos en la Educación Superior».”

Web personal:
https://lluispastor.wordpress.com