Analítica del aprendizaje significativo d-learning aplicado en la enseñanza de la física de la educación secundaria

Autores/as

DOI:

https://doi.org/10.5944/ried.24.2.28399

Palabras clave:

aprendizaje significativo, analítica del aprendizaje, enseñanza de la física, d-learning

Resumen

El inédito contexto de incertidumbre provocado por la enfermedad de COVID-19 tensiona el sistema educativo de la escuela secundaria. El aislamiento y distanciamiento social obligó el cambio de la educación presencial por una formación remota de emergencia para garantizar la continuidad pedagógica. Ante este cambio de modalidad, las analíticas del aprendizaje como método de investigación de los modelos tecnopedagógicos d-learning permiten evaluar sus efectos en el desarrollo del aprendizaje significativo. La presente investigación se realizó en un grupo de 69 estudiantes con una edad promedio de 16,06 años. El modelo tecnopedagógico se basó en el uso de las aplicaciones de las herramientas de colaboración de Google Suit for Education. Los contenidos fueron desarrollados para la enseñanza de las Leyes del Movimiento de Newton desde un enfoque interdisciplinar (Física y Educación Física) fundamentado en la perspectiva Ciencia, Tecnología y Sociedad. El acopio de datos del proceso de aprendizaje se realizó durante un periodo de tres meses. Para analizarlo se aplicaron cuatro categorías de las analíticas: contexto instruccional, la motivación, contenido y discurso. En los resultados se identifica el desarrollo de competencias metacognitivas: metaaprendizaje y metaconocimiento. Desde la discusión se arriba a la idea de una analítica del aprendizaje significativo que permita transformar las tecnologías de la información y comunicación en tecnologías del aprendizaje y conocimiento metacognitivo.

ARTÍCULO COMPLETO:
https://revistas.uned.es/index.php/ried/article/view/28399/23186

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Marcelo Augusto Salica, Universidad Nacional del Comahue (Argentina)

Profesor e investigador de la Universidad Nacional del Comahue (UNCo, Argentina). Su investigación se focaliza en los procesos de enseñanza y aprendizaje de las ciencias naturales, en particular la física y la química por medio de modelos tecnopedagógicos. En los últimos trabajos ha profundizado en las analíticas del aprendizaje, en la carga cognitiva y las teorías del aprendizaje: ubicuo, significativo, distribuido y colaborativo.

Citas

Adúriz-Bravo, A. (2000). La didáctica de las ciencias como disciplina. Enseñanza & Teaching: Revista interuniversitaria de didáctica, 17, 61-74.

Amo, D., y Santiago, R. (2017). Learning Analytics: la narración del aprendizaje a través de los datos. Oberta UOC.

Ausubel, D., Novak, J. D., y Hanesian, H. (1983). Aprendizajes significativos. Psicología Educativa: Un punto de vista cognoscitivo. 2° Ed. Trillas.

Chatti, M. A., Dyckhoff, A. L., Schroeder, U., y Thüs, H. (2012). A reference model for learning analytics. International Journal of Technology Enhanced Learning, 4(5-6), 318-331. https://doi.org/10.1504/IJTEL.2012.051815

Chrobak, R. (2017). El aprendizaje significativo para fomentar el pensamiento crítico. Archivos de Ciencias de la Educación, 11(12), e031. https://doi.org/10.24215/23468866e031

España Ramos, E., y Prieto Ruz, T. (2010). Problemas socio-científicos y enseñanza-aprendizaje de las ciencias. Investigación en la Escuela, 71, 17-24.

Ferguson, R., y Buckingham Shum, S. (2012). Social Learning Analytics, five approaches. En: 2nd International Conference on Learning Analytics & Knowledge, 29 Apr - 02 May 2012, Vancouver, British Columbia, Canada, 23-33. https://doi.org/10.1145/2330601.2330616

Francescucci, A., y Rohani, L. (2018). Exclusively Synchronous Online (VIRI) Learning: The Impact on Student Performance and Engagement Outcomes. Journal of Marketing Education, 41(1), 60-69. https://doi.org/10.1177/0273475318818864

Galaige, J., y Torrisi-Steele, G. (2019). Análisis del 'aprendizaje' en el análisis orientado al alumno: metacognición y la zona de desarrollo próximo. Revista Internacional de Tecnología y Educación Vocacional para Adultos (IJAVET), 10(1), 1-12. https://doi.org/10.4018/IJAVET.2019010101

García-Peñalvo, F. J. (2015). Cómo entender el concepto de presencialidad en los procesos educativos en el siglo XXI. Education in the knowledge society (EKS), 2(16), 6-12. https://doi.org/10.14201/eks2015162612

Gašević, D., Dawson, S., y Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. Tech-Trends. 59(1), 64-71. https://doi.org/10.1007/s11528-014-0822-x

Gordillo, M. M. (2017). El enfoque CTS en la enseñanza de la ciencia y la tecnología. Paraguay: Consejo Nacional de Ciencia y Tecnología (CONACYT).

Gros, B., y Cano, E. (2018). El uso de las analíticas de aprendizaje para la mejora de la formación. En T. Lleixà, B. Gros, T. Mauri, y J. L. Medina (Eds.), Educación 2018-2020. Retos, tendencias y compromisos (pp. 45-50). IRE-UB.

Gunn, C., Mcdonald, J., Donald, C., Milne, J., y Blumenstein, M. (2017). Building an evidence base for teaching and learning design using learning analytics. Project Report. https://bit.ly/39lzBHO

Hodges, Ch., Moore, S., Lockee, B., Trust, T., y Bond, A. (2020). The Difference Between Emergency Remote Teaching and Online Learning. Educause Review.

Long, P. D., y Siemens, G. (2011). Penetrating the Fog: Analytics in Learning and Education. Educause Review, 46(5), 30-32. https://doi.org/10.17471/2499-4324/195

Moreira, P. (2019). El aprendizaje significativo y su rol en el desarrollo social y cognitivo de los adolescentes. Rehuso, 4(2), 1-12. https://revistas.utm.edu.ec/index.php/Rehuso/article/view/1845

Novak, J., y Gowin, D. (1988). Aprendiendo a Aprender. Martínez Roca.

Onrubia, J. (2005, febrero). Aprender y enseñar en entornos virtuales: actividad conjunta, ayuda pedagógica y construcción del conocimiento. RED. Revista de Educación a Distancia, número monográfico II. https://www.um.es/ead/red/M2/

Resolución 363 de 2020 [Consejo Federal de Educación Argentina]. Por la cuál se modifican los procesos de evaluación y continuidad pedagógica. 15 de mayo de 2020.

Sabulsky, G. (2019). Analíticas de aprendizaje para mejorar la enseñanza y el seguimiento a través de entornos virtuales. Revista Ibero-americana de Educación, 1(80), 13-30. https://doi.org/10.35362/rie8013340

Salica, M. A., y Almirón, M. E. (2020). Analítica del aprendizaje del móvil learning (m-learning) en la educación secundaria. Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología, (26), en prensa.

Salica, M. A. (2018). Caracterización de las habilidades del pensamiento crítico para el desarrollo del conocimiento didáctico del contenido en profesores de ciencias naturales. Enseñanza & Teaching, 36(1), 199-221. https://doi.org/10.14201/et2018361199221

Sanmartí, N. P. (2002). Didáctica de las ciencias en la educación secundaria obligatoria. SINTESIS.

Siemens, G., y Gašević, D. (2012). Learning and Knowledge Analytics. Educational Technology & Society, 15(3), 1-2.

Suthers, D., y Verbert, K. (2013, April). Learning analytics as a middle space. En Proceedings of the Third International Conference on Learning Analytics and Knowledge (pp. 1-4). ACM. https://bit.ly/2UCEYHY

Vlachopoulos, D., y Makri, A. (2019). Online communication and interaction in distance higher education: A framework study of good practice. International Review of Education, 65, 605-632. https://doi.org/10.1007/s11159-019-09792-3

Zapata-Ros, M. (2013). Analítica del aprendizaje y personalización. Revista Científica de Tecnología Educativa, 2(2), 88-118.

Zubillaga, A., y Gortazar, L. (2020). Covid-19 y educación: Problemas, respuesas y escenarios. Fundación COTEC.

Publicado

2021-02-19

Cómo citar

Salica, M. A. (2021). Analítica del aprendizaje significativo d-learning aplicado en la enseñanza de la física de la educación secundaria. RIED-Revista Iberoamericana de Educación a Distancia, 24(2), 265–284. https://doi.org/10.5944/ried.24.2.28399