Objetivos y líneas de investigación de la Red eMadrid

El proyecto eMadrid se divide en 8 líneas de investigación, cada una con unos objetivos científico técnicos específicos. Estas líneas de investigación y objetivos están alineadas con las temáticas de especial importancia a corto y medio plazo en elearning que se han definido en multitud de informes como en los prestigiosos informes Horizon, así como con las estrategias marcadas por la Unión Europea a través de la iniciativa Opening Up Education y el programa Horizonte 2020. Las 8 líneas de investigación del proyecto eMadrid son las siguientes:

1. Analítica y evaluación del aprendizaje

2. Contenidos abiertos: OER, Open Data y Open Science

3. Laboratorios remotos, virftuales e IoT

4. Serious games, gamificación y simulaciones

5. Ubicuidad, movilidad y realidad mixta (AR/VR)

7. Smart Learning Environments, IA

8. Metodologías educativas, competencias digitales y pensamiento computacional

En cuanto a la dependencia entre objetivos, entre las 8 líneas propuestas existe un gran nivel de interdependencia, lo cual contribuirá a la colaboración y creación de sinergias, tal y como se puede observar en la imagen. 

Descripción de los objetivos del proyecto:

  1. Analítica y evaluación del aprendizaje. Se observa la necesidad de avanzar en diferentes aspectos de cálculo de indicadores cognitivos, meta-cognitivos, de personalidad o de patrones de decisión si analizamos los indicadores presentes en paneles de visualización (Schwendmann et al., 2017) o en sistemas adaptativos (Koedinger et al., 2015). Además, es importante estudiar los requisitos de su aplicación en entornos específicos (e.g. juegos serios).
  2. Contenidos abiertos: OER, Open Data y Open Science. Esta investigación está alineada con las conclusiones de la edicación del NMC Horizon Report Preview, 2018 Higher Education Edition elaborado por el New Media Consortium (NMC) para los próximos 3 a 5 años.
  3. Laboratorios remotos, virtuales e IoT. Este objetivo sigue el trabajo en temas de adquisición de competencias prácticas en las ingenierías y enseñanzas técnicas de cualquier nivel (desde STEM en colegios o institutos, universidades o aprendizaje permanente o para la vida) donde han demostrado que son una de las tecnologías emergentes en los últimos años, como se puede ver en los indicadores y tendencias de uso de tecnologías en la educación (Martin et al., 2018), en juegos serios y entornos gamificados o en el uso de sistemas de laboratorios remotos y su gestión (Lowe et al., 2016).
  4. Serious games, gamificación y simulaciones. Una vez demostrada su efectividad en determinados dominios (Boyle, 2016) es necesario mejorar los procesos de creación, mantenimiento y evaluación de estos entornos de modo que se pueda reducir la barrera de entrada y generalizar su uso en otros dominios. El aspecto de la evaluación de la eficacia de los juegos y de la gamificación es especialmente complejo y está muy relacionado con la analítica de aprendizaje – objetivo 1- (Freire et al., 2016).
  5. Ubicuidad, movilidad y realidad mixta. Estudios recientes en el área (Bacca et al., 2014; Ibáñez et al., 2018) señalan la necesidad de buscar nuevas metáforas educativas que logren aprovechar las facilidades de ubicuidad, movilidad, interactividad e inmersión ligadas a la tecnología de realidad aumentada (AR) y realidad virtual (VR) en entornos tanto formales como informales.
  6. MOOCs, SPOCs y LMSs. En relación con este objetivo encontramos numerosos estudios (Dos Santos et al., 2016) que relatan que la educación abierta es ya una realidad, lo que hace necesario que sea posible tener contenidos abiertos y OER (objetivo 2) y que estos y los cursos online masivos o MOOCs sean una práctica habitual de cualquier institución universitaria (León-Urrutia et al., 2018). Esta realidad abre un amplio abanico de posibilidades metodológicas en el campo de las tecnologías educativas (objetivo 8) y va de la mano de la investigación en el área de analíticas para el aprendizaje o Learning Analytics (objetivo 1).
  7. Smart Learning Environments, IA. El uso de técnicas de inteligencia artificial también contribuye a ampliar el abanico anteriormente mencionado, haciendo posible adaptar los contenidos ofrecidos a los estudiantes y la funcionalidad de los entornos educativos en función de las necesidades particulares y la situación contextual de cada uno de ellos (Madhubala et el., 2017). Para poder ofrecer esta adaptación personalizada, es necesario extraer información sobre cada usuario de la forma menos intrusiva posible, para lo cual resulta de gran utilidad, por ejemplo, el uso de técnicas de procesamiento de lenguaje natural (Ortigosa et al., 2014).
  8. Metodologías educativas, competencias digitales y pensamiento computacional. Este objetivo es transversal a los anteriores porque el uso eficaz de cualquier tecnología educativa exige metodologías educativas adecuadas. El punto de vista del usuario también surge en el ámbito laboral, donde el uso eficaz de la informática requiere que las personas tengan competencias digitales. El principal marco usado en la Unión Europea para definir la competencia digital es el marco DIGCOMP (Carretero, Vuorikari y Punie, 2017). A raíz de este marco, cada vez existen más iniciativas que muestran la necesidad de adquirir la competencia digital y el pensamimento computacional desde edades tempranas (SCIE y CODDII, 2018).
Share This