{"id":104,"date":"2024-02-28T21:41:27","date_gmt":"2024-02-28T21:41:27","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/spanishwithchatgpt\/chapter\/a-note-on-personalisation\/"},"modified":"2025-06-25T17:15:28","modified_gmt":"2025-06-25T17:15:28","slug":"a-note-on-personalisation","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/chapter\/a-note-on-personalisation\/","title":{"raw":"Una nota sobre la personalizaci\u00f3n","rendered":"Una nota sobre la personalizaci\u00f3n"},"content":{"raw":"

Personalizaci\u00f3n del aprendizaje<\/h3>\r\n[caption id=\"attachment_875\" align=\"aligncenter\" width=\"348\"]\"\" Traducci\u00f3n al espa\u00f1ol de Rodr\u00edguez Enr\u00edquez de una imagen tomada de AI for Teachers (https:\/\/pressbooks.pub\/aiforteachers\/chapter\/ai-speak-data-based-systems-part-2\/). LicenciaCC BY-NC 4.0 https:\/\/creativecommons.org\/licenses\/by-nc\/4.0\/<\/a>[\/caption]\r\n

Cada profesor personaliza el aprendizaje, aunque solo sea agregando un ejemplo adicional o brindando atenci\u00f3n individual cuando se requiere. En cierto sentido, ense\u00f1ar en s\u00ed es un acto de personalizaci\u00f3n, en contraposici\u00f3n, por ejemplo, a una lecci\u00f3n televisada. Los profesores cambian sus lecciones para que los estudiantes puedan dar sentido a lo que aprenden. Ayudan a los estudiantes a incorporar un nuevo conocimiento y\/o habilidad con lo que ya saben, sus observaciones personales y experiencias sociales. Ayudan a los estudiantes a sacar lo que puedan de lo que aprenden.<\/p>\r\n

El aprendizaje personalizado se trata de crear diferentes entornos y experiencias de aprendizaje para las necesidades, capacidades y contextos culturales de los estudiantes1<\/sup>. Por supuesto, el alcance y grado de personalizaci\u00f3n var\u00edan. Los expertos han identificado seis dimensiones de la personalizaci\u00f3n: el por qu\u00e9, c\u00f3mo, qu\u00e9, cu\u00e1ndo, qui\u00e9n y d\u00f3nde tiene lugar el aprendizaje2<\/sup>.<\/p>\r\n\r\n[caption id=\"attachment_306\" align=\"aligncenter\" width=\"356\"]\"\" Mendon\u00e7a, P. (2018). Technology-enhanced personalised learning: untangling the evidence [Ilustraci\u00f3n]. Stuttgart: Robert Bosch Stiftung. Reproducido con permiso del autor. Disponible en http:\/\/www.penmendonca.com. <\/a>[\/caption][caption id=\"attachment_103\" align=\"alignright\" width=\"347\"]\"\" Essa, A. (2016). Ganancias de aprendizaje de instrucci\u00f3n individualizada<\/em> [Gr\u00e1fico]. En Un posible futuro para la pr\u00f3xima generaci\u00f3n de sistemas de aprendizaje adaptativos<\/em>. Smart Learning Environments, 3<\/em>(16). https:\/\/doi.org\/10.1186\/s40561-016-0035-8.<\/a> Licencia CC BY 4.0 https:\/\/creativecommons.org\/licenses\/by\/4.0\/<\/a>[\/caption]\r\n

La tutor\u00eda uno a uno es el ep\u00edtome de la personalizaci\u00f3n. En la d\u00e9cada de 1960, Benjamin Bloom mostr\u00f3 que el estudiante promedio rinde mejor con tutor\u00eda individual. Tambi\u00e9n demostr\u00f3 que la atenci\u00f3n individual cierra la brecha de aprendizaje entre los estudiantes con altas y bajas calificaciones. En el aula real, incluso con diez estudiantes, personalizar el contenido para beneficiar a cada estudiante puede demandar mucho esfuerzo. La verdadera personalizaci\u00f3n es pr\u00e1cticamente imposible. Incluso cuando el profesor sabe que un estudiante tiene lagunas en el aprendizaje, podr\u00eda ser incapaz de remediarlo debido a limitaciones de tiempo. As\u00ed, el sistema constantemente pierde estudiantes, incluso con el mejor esfuerzo de los profesores.<\/p>\r\n\r\n\r\n[caption id=\"attachment_879\" align=\"aligncenter\" width=\"200\"]\"\" Imagen Obst\u00e1culos para la personalizaic\u00f3n, adaptada de AI\u202fOpen\u202fText\u202fLab (2022). Traducci\u00f3n Rodriguez Enr\u00edquez del texto incluido en la imagen. Fuente: AI\u202fOpen\u202fText\u202fLab. Licencia: CC\u202fBY\u2011SA\u202f4.0. https:\/\/creativecommons.org\/licenses\/by-sa\/4.0\/<\/a>[\/caption]\r\n

Aqu\u00ed es donde la tecnolog\u00eda puede dar una mano.<\/p>\r\n\r\n

Aprendizaje personalizado potenciado por tecnolog\u00eda<\/h3>\r\n

La tecnolog\u00eda puede utilizarse para personalizar el proceso de aprendizaje. Aqu\u00ed, la tecnolog\u00eda incluye cualquier cosa, desde aplicaciones m\u00f3viles y plataformas en l\u00ednea hasta sistemas de aprendizaje independientes2<\/sup>. Esto es m\u00e1s efectivo ahora que la IA, el acceso a datos, t\u00e9cnicas de miner\u00eda, computaci\u00f3n en la nube y hardware accesible han hecho que las aplicaciones sean fluidas y pr\u00e1cticas.<\/p>\r\n

La tecnolog\u00eda bien dise\u00f1ada puede hacer m\u00e1s que solo ayudarte a superar los obst\u00e1culos mostrados anteriormente. Cuando se integra con clases tradicionales, ya sea como tarea o trabajo en clase ocasional, podr\u00eda ayudar a los estudiantes a adquirir y practicar una habilidad rutinaria. Dicha tecnolog\u00eda puede aumentar el tiempo pasado en el aula para interacci\u00f3n, atenci\u00f3n personal y resoluci\u00f3n de problemas. Adem\u00e1s, puedes monitorear lo que sucede durante la tarea: observar cu\u00e1nto han progresado los estudiantes y d\u00f3nde est\u00e1n teniendo dificultades3<\/sup>.<\/p>\r\n\r\n\r\n[caption id=\"attachment_881\" align=\"aligncenter\" width=\"271\"]\"\" Imagen algunos de los PL basados en tecnolog\u00eda, adaptada de AI\u202fOpen\u202fText\u202fLab (2022). Traducci\u00f3n Rodriguez Enr\u00edquez del texto incluido en la imagen. Fuente: AI\u202fOpen\u202fText\u202fLab. Licencia: CC\u202fBY\u2011SA\u202f4.0. https:\/\/creativecommons.org\/licenses\/by-sa\/4.0\/<\/a>[\/caption]\r\n\r\n

\r\n

Ejercicio<\/p>\r\n\r\n<\/header>\r\n

Haz clic aqu\u00ed<\/a> para definiciones de aprendizaje combinado y otros tipos de aprendizaje, a menudo discutidos junto con la personalizaci\u00f3n.<\/p>\r\n\r\n<\/div>\r\n

A veces, para partes de una lecci\u00f3n, el software podr\u00eda hacer un mejor trabajo. Piensa en la visualizaci\u00f3n de tres dimensiones en matem\u00e1ticas, pr\u00e1ctica de pronunciaci\u00f3n en una clase de idioma, o una animaci\u00f3n explicando los procesos dentro de una c\u00e9lula humana.<\/p>\r\n

Todas las soluciones de IA para la educaci\u00f3n pueden utilizarse en diferentes grados para ayudar a personalizar el aprendizaje. En este cap\u00edtulo, discutimos el uso de sistemas de aprendizaje adaptativos.<\/p>\r\n\r\n\r\n

\r\n

1<\/sup> Groff, J.<\/strong> (2017). Personalized learning: The state of the field & future directions<\/em>. Center for Curriculum Redesign.<\/p>\r\n

2<\/sup> Holmes, W., Anastopoulou, S., Schaumburg, H., & Mavrikis, M.<\/strong> (2018). Technology\u2011enhanced personalised learning: Untangling the evidence<\/em>. Stuttgart: Robert Bosch Stiftung. https:\/\/www.bosch-stiftung.de\/sites\/default\/files\/publications\/pdf\/2018-08\/Study_Technology-enhanced%20Personalised%20Learning.pdf<\/a><\/span><\/p>\r\n

3<\/sup> Feldstein, M., & Hill, P.<\/strong> (2016). Personalized learning: What it really is and why it really matters. Educause Review<\/em>. https:\/\/er.educause.edu\/-\/media\/files\/articles\/2016\/3\/erm1622.pdf<\/a><\/p>\r\n

4<\/sup> Taylor, D., Yeung, M., & Bashet, A. Z.<\/strong> (2021). Personalized and adaptive learning. En Innovative Learning Environments in STEM Higher Education<\/em> (pp. 17\u201334). Springer Briefs in Statistics.<\/p>","rendered":"

Personalizaci\u00f3n del aprendizaje<\/h3>\n
\"\"
Traducci\u00f3n al espa\u00f1ol de Rodr\u00edguez Enr\u00edquez de una imagen tomada de AI for Teachers (https:\/\/pressbooks.pub\/aiforteachers\/chapter\/ai-speak-data-based-systems-part-2\/). LicenciaCC BY-NC 4.0 https:\/\/creativecommons.org\/licenses\/by-nc\/4.0\/<\/a><\/figcaption><\/figure>\n

Cada profesor personaliza el aprendizaje, aunque solo sea agregando un ejemplo adicional o brindando atenci\u00f3n individual cuando se requiere. En cierto sentido, ense\u00f1ar en s\u00ed es un acto de personalizaci\u00f3n, en contraposici\u00f3n, por ejemplo, a una lecci\u00f3n televisada. Los profesores cambian sus lecciones para que los estudiantes puedan dar sentido a lo que aprenden. Ayudan a los estudiantes a incorporar un nuevo conocimiento y\/o habilidad con lo que ya saben, sus observaciones personales y experiencias sociales. Ayudan a los estudiantes a sacar lo que puedan de lo que aprenden.<\/p>\n

El aprendizaje personalizado se trata de crear diferentes entornos y experiencias de aprendizaje para las necesidades, capacidades y contextos culturales de los estudiantes1<\/sup>. Por supuesto, el alcance y grado de personalizaci\u00f3n var\u00edan. Los expertos han identificado seis dimensiones de la personalizaci\u00f3n: el por qu\u00e9, c\u00f3mo, qu\u00e9, cu\u00e1ndo, qui\u00e9n y d\u00f3nde tiene lugar el aprendizaje2<\/sup>.<\/p>\n

\"\"
Mendon\u00e7a, P. (2018). Technology-enhanced personalised learning: untangling the evidence [Ilustraci\u00f3n]. Stuttgart: Robert Bosch Stiftung. Reproducido con permiso del autor. Disponible en http:\/\/www.penmendonca.com. <\/a><\/figcaption><\/figure>\n
\"\"
Essa, A. (2016). Ganancias de aprendizaje de instrucci\u00f3n individualizada<\/em> [Gr\u00e1fico]. En Un posible futuro para la pr\u00f3xima generaci\u00f3n de sistemas de aprendizaje adaptativos<\/em>. Smart Learning Environments, 3<\/em>(16). https:\/\/doi.org\/10.1186\/s40561-016-0035-8.<\/a> Licencia CC BY 4.0 https:\/\/creativecommons.org\/licenses\/by\/4.0\/<\/a><\/figcaption><\/figure>\n

La tutor\u00eda uno a uno es el ep\u00edtome de la personalizaci\u00f3n. En la d\u00e9cada de 1960, Benjamin Bloom mostr\u00f3 que el estudiante promedio rinde mejor con tutor\u00eda individual. Tambi\u00e9n demostr\u00f3 que la atenci\u00f3n individual cierra la brecha de aprendizaje entre los estudiantes con altas y bajas calificaciones. En el aula real, incluso con diez estudiantes, personalizar el contenido para beneficiar a cada estudiante puede demandar mucho esfuerzo. La verdadera personalizaci\u00f3n es pr\u00e1cticamente imposible. Incluso cuando el profesor sabe que un estudiante tiene lagunas en el aprendizaje, podr\u00eda ser incapaz de remediarlo debido a limitaciones de tiempo. As\u00ed, el sistema constantemente pierde estudiantes, incluso con el mejor esfuerzo de los profesores.<\/p>\n

\"\"
Imagen Obst\u00e1culos para la personalizaic\u00f3n, adaptada de AI\u202fOpen\u202fText\u202fLab (2022). Traducci\u00f3n Rodriguez Enr\u00edquez del texto incluido en la imagen. Fuente: AI\u202fOpen\u202fText\u202fLab. Licencia: CC\u202fBY\u2011SA\u202f4.0. https:\/\/creativecommons.org\/licenses\/by-sa\/4.0\/<\/a><\/figcaption><\/figure>\n

Aqu\u00ed es donde la tecnolog\u00eda puede dar una mano.<\/p>\n

Aprendizaje personalizado potenciado por tecnolog\u00eda<\/h3>\n

La tecnolog\u00eda puede utilizarse para personalizar el proceso de aprendizaje. Aqu\u00ed, la tecnolog\u00eda incluye cualquier cosa, desde aplicaciones m\u00f3viles y plataformas en l\u00ednea hasta sistemas de aprendizaje independientes2<\/sup>. Esto es m\u00e1s efectivo ahora que la IA, el acceso a datos, t\u00e9cnicas de miner\u00eda, computaci\u00f3n en la nube y hardware accesible han hecho que las aplicaciones sean fluidas y pr\u00e1cticas.<\/p>\n

La tecnolog\u00eda bien dise\u00f1ada puede hacer m\u00e1s que solo ayudarte a superar los obst\u00e1culos mostrados anteriormente. Cuando se integra con clases tradicionales, ya sea como tarea o trabajo en clase ocasional, podr\u00eda ayudar a los estudiantes a adquirir y practicar una habilidad rutinaria. Dicha tecnolog\u00eda puede aumentar el tiempo pasado en el aula para interacci\u00f3n, atenci\u00f3n personal y resoluci\u00f3n de problemas. Adem\u00e1s, puedes monitorear lo que sucede durante la tarea: observar cu\u00e1nto han progresado los estudiantes y d\u00f3nde est\u00e1n teniendo dificultades3<\/sup>.<\/p>\n

\"\"
Imagen algunos de los PL basados en tecnolog\u00eda, adaptada de AI\u202fOpen\u202fText\u202fLab (2022). Traducci\u00f3n Rodriguez Enr\u00edquez del texto incluido en la imagen. Fuente: AI\u202fOpen\u202fText\u202fLab. Licencia: CC\u202fBY\u2011SA\u202f4.0. https:\/\/creativecommons.org\/licenses\/by-sa\/4.0\/<\/a><\/figcaption><\/figure>\n
\n
\n

Ejercicio<\/p>\n<\/header>\n

Haz clic aqu\u00ed<\/a> para definiciones de aprendizaje combinado y otros tipos de aprendizaje, a menudo discutidos junto con la personalizaci\u00f3n.<\/p>\n<\/div>\n

A veces, para partes de una lecci\u00f3n, el software podr\u00eda hacer un mejor trabajo. Piensa en la visualizaci\u00f3n de tres dimensiones en matem\u00e1ticas, pr\u00e1ctica de pronunciaci\u00f3n en una clase de idioma, o una animaci\u00f3n explicando los procesos dentro de una c\u00e9lula humana.<\/p>\n

Todas las soluciones de IA para la educaci\u00f3n pueden utilizarse en diferentes grados para ayudar a personalizar el aprendizaje. En este cap\u00edtulo, discutimos el uso de sistemas de aprendizaje adaptativos.<\/p>\n

\n

1<\/sup> Groff, J.<\/strong> (2017). Personalized learning: The state of the field & future directions<\/em>. Center for Curriculum Redesign.<\/p>\n

2<\/sup> Holmes, W., Anastopoulou, S., Schaumburg, H., & Mavrikis, M.<\/strong> (2018). Technology\u2011enhanced personalised learning: Untangling the evidence<\/em>. Stuttgart: Robert Bosch Stiftung. https:\/\/www.bosch-stiftung.de\/sites\/default\/files\/publications\/pdf\/2018-08\/Study_Technology-enhanced%20Personalised%20Learning.pdf<\/a><\/span><\/p>\n

3<\/sup> Feldstein, M., & Hill, P.<\/strong> (2016). Personalized learning: What it really is and why it really matters. Educause Review<\/em>. https:\/\/er.educause.edu\/-\/media\/files\/articles\/2016\/3\/erm1622.pdf<\/a><\/p>\n

4<\/sup> Taylor, D., Yeung, M., & Bashet, A. Z.<\/strong> (2021). Personalized and adaptive learning. En Innovative Learning Environments in STEM Higher Education<\/em> (pp. 17\u201334). Springer Briefs in Statistics.<\/p>\n","protected":false},"author":3,"menu_order":1,"template":"","meta":{"pb_show_title":"on","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[],"contributor":[],"license":[],"part":98,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters\/104"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/users\/3"}],"version-history":[{"count":13,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters\/104\/revisions"}],"predecessor-version":[{"id":882,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters\/104\/revisions\/882"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/parts\/98"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapters\/104\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/media?parent=104"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/pressbooks\/v2\/chapter-type?post=104"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/contributor?post=104"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/IAparaprofesores\/wp-json\/wp\/v2\/license?post=104"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}