La web 3.0, también denominada web semántica, se caracterizó por ser un entorno descentralizado, abierto e interoperable en el que los ordenadores no solamente gestionan la información, sino que la entienden e interpretan. Para Berners-Lee (2001) “la web semántica es una extensión de la web actual, en la cual se define el significado de la información, permitiendo a los ordenadores y las personas trabajar en cooperación de mejor forma.”
La Web 3.0 ha dado lugar a conceptos como el aprendizaje inmersivo en entornos desarrollados con tecnologías como la realidad virtual [1] o aumentada [2] en los que los estudiantes aplican los conocimientos en un contexto seguro antes de enfrentarse a situaciones reales. Otras características de la web 3.0 son la computación en la nube, el metaverso[3] y la inteligencia artificial a la que, por su importancia para la docencia, se le dedicará un capítulo específico de este trabajo.
Como en los casos anteriores, la web 3.0 ha dado lugar al eLearning 3.0 que consiste en la adaptación de la formación online a la filosofía de la red. La nueva concepción de la formación online se basa en el diseño de situaciones de aprendizaje personalizadas, inmersivas y adaptadas a las necesidades del alumno. Esta adaptación es posible porque los sistemas gestores de aprendizaje monitorizan al estudiante y analizan su progreso, preferencias y necesidades para ofrecerle contenidos y actividades personalizados, definiendo itinerarios de aprendizaje propios. Además, las aulas virtuales en el metaverso permiten un aprendizaje inmersivo interactuando mediante avatares, manipulando objetos 3D y colaborando en un espacio virtual compartido.
Otro importante concepto asociado al eLearning 3.0 es el de análisis del aprendizaje o learning analytics que se definió en la 1st International Conference on Learning Analytics and Knowledge (LAK 11) como: “La medición, recopilación, análisis y presentación de datos sobre los aprendices y sus contextos, a efectos de comprender y optimizar el aprendizaje y el entorno en que se produce”. Siemens (2011) destaca su capacidad predictiva y define el análisis del aprendizaje como “el uso de datos inteligentes, datos producidos por el aprendiz y modelos de análisis para descubrir información y conexiones sociales, y predecir y asesorar sobre el aprendizaje”. La representación gráfica del concepto, según la interpretación de Siemens, es la siguiente:
En esencia, el análisis del aprendizaje es la aplicación de técnicas de análisis de datos, big data e inteligencia artificial al ámbito de la educación. El objetivo no es simplemente recopilar información, sino utilizarla para tomar decisiones informadas que beneficien a los estudiantes, a los educadores y a las instituciones. El resultado del análisis puede ser utilizado como base para la predicción, intervención, personalización y adaptación del proceso de enseñanza-aprendizaje. Siemens (2011) interpreta el proceso como:
Una de las grandes ventajas del eLearning es que toda la actividad queda registrada. Hasta ahora, para conocer la evolución de los participantes en un curso el docente debía solicitar un informe al SGA que proporcionaba un historial detallado sobre la evolución del grupo en general o de un estudiante en particular. En la actualidad, mediante plugins integrados en el SGA o externos, la inteligencia artificial (IA) es la responsable de recopilar los datos y analizarlos. La IA eleva esos informes a un nivel superior y los convierte en herramientas predictivas que facilitan una tutoría personalizada. El análisis de datos con inteligencia artificial utiliza algoritmos de aprendizaje automático y otras técnicas avanzadas para examinar grandes conjuntos de datos e identificar patrones, tendencias y conocimientos que serían difíciles o imposibles de descubrir para un ser humano por sí solo. La IA permite identificar los estudiantes con necesidades específicas de apoyo, adaptar la enseñanza y analizar la calidad de la interacción. Más allá de contabilizar los contenidos visitados o la participación, la IA analiza la calidad de las intervenciones e identifica a los participantes avanzados, a los menos comprometidos y define los patrones de los aprendices con la finalidad de realizar labores predictivas y prescriptivas para mejorar su experiencia de aprendizaje. Es muy importante tratar estos datos conforme a la legislación de protección de datos y de forma ética.
En la actualidad, a este proceso se le denomina tutoría inteligente, pero dejar exclusivamente en manos de la IA la tutorización de los estudiantes no se considera adecuado. Es evidente que la información proporcionada por la IA es tremendamente importante y valiosa, pero los procesos formativos deben estar controlados por docentes humanos. En el eLearning, la tecnología es el vehículo, pero el factor humano es el motor que impulsa el aprendizaje. El docente aporta soporte emocional y motivación, construye el conocimiento, modera el debate, evalúa e interactúa con los estudiantes. El binomio IA + docente da lugar a una tutorización híbrida altamente eficaz.
[1] Realidad virtual (RV): Permite crear entornos completamente simulados en los que los estudiantes pueden moverse e interactuar.
[2] Realidad aumentada (RA): Añade elementos virtuales al mundo real, permitiendo superponer información o interactuar con objetos virtuales en su entorno físico.
[3] Metaverso: Espacio virtual tridimensional e inmersivo donde las personas pueden interactuar entre sí y con objetos digitales a través de avatares, utilizando tecnologías como la realidad virtual y aumentada.