Análisis descriptivo de Entornos Personales de Aprendizaje: estudio de caso en Enseñanza Obligatoria
Notice bibliographique
Résumé
Existe en la actualidad la necesidad de explicar cómo aprendemos en contextos de educación formal, no formal e informal, de forma autónoma y apoyándonos en los recursos tecnológicos a nuestro alcance. Los Entornos Personales de Aprendizaje (PLE por sus siglas en inglés, Personal Learning Environment) son un constructo teórico en torno al aprendizaje que ha recibido la atención de la comunidad investigadora y educativa durante los últimos años y que ha intentado dar respuesta a esta necesidad. Los estudios de tipo práctico sobre el PLE son menos frecuentes que los de tipo teórico, por lo que es necesario complementar el corpus de investigaciones sobre PLE con trabajos que recojan datos empíricos. En esta línea presentamos este estudio de caso, diseñado bajo un enfoque cuantitativo de investigación y en el que llevamos a cabo el análisis descriptivo del PLE de alumnos desde 5.º de Primaria hasta 4.º de ESO de un centro escolar, con el objetivo de utilizar las conclusiones para poder elaborar un plan de actuación y mejora de las estrategias docentes. Se utilizó un cuestionario ad hoc y recogimos datos de 188 estudiantes. Las principales conclusiones a las que llegamos son las siguientes: la muestra analizada dice conocer y aplicar por igual todas las dimensiones de su PLE, pero lo hace de forma limitada y superficial; un factor determinante para el éxito en este tipo de proyectos es la cantidad de dispositivos disponibles, y no tanto la tipología de los mismos; la edad de los alumnos de Primaria no es impedimento para trabajar sobre sus propios PLE; los estudiantes se sienten más cómodos trabajando de forma tradicional que de formas más innovadoras; por último, la dimensión sobre la que los alumnos han demostrado tener menos conocimientos es la referente a compartir y comunicarse en red. There is nowadays a need to explain how we learn in formal, non-formal and informal contexts, in autonomous ways and supported by the available technological resources. Personal Learning Environments (PLEs) are a new theoretical construct about learning that has received the attention of both researchers and educators in the last few years and that tries to give an answer to this issue. Applied studies about PLEs are much less frequent than theoretical ones; the PLE research corpus needs to be complemented with a number of works that give some insight on practical examples of PLEs. In this field we present this case study, designed following the quantitative approach of investigation and where we show the descriptive analysis of PLEs of students from 5th Grade in Elementary School up to 4th Grade in Secondary School, with the aim to provide the school Administrators with a comprehensive action plan to improve teaching strategies. An ad hoc questionnaire was used and we collected data from 188 students. The main conclusions we have reached are the following: the sample analyzed claims to know and apply all the dimensions of their PLE equally, although this is done in a limited and superficial way; a key factor for the success of these kind of projects is the quantity of devices available, and not so much what type these are; age is not a problem for Elementary School students to work on their own PLEs; students feel more comfortable working traditionally rather than in more innovative ways; and last, the dimension related to sharing and communicating online for learning is the least developed one in these students’ PLEs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».