Skip to content
October 17, 2016 / ergonomic

¿Cómo pensar en una formación a prueba de futuro?

screen-shot-2016-06-06-at-5-59-35-pm

Hoy existe un gran entusiasmo por tecnologizar la educación. Sin embargo, la llegada de la tecnología no es a costo cero. Autores critican que la abundancia de información en los espacios digitales en vez de amplificar nuestras posibilidades las restringen (ej. dependencia, individualismo, superficialidad, exclusión, etc.).

En un contexto de hiperinformación puede ser difícil no verse fuertemente influenciado (o infoxicado) por las creaciones de otros. Es fácil adoptar un lenguaje cacofónico dentro de Internet. Un claro ejemplo de ello son las charlas TED, que si bien son una notable fuente de inspiración, ya se han hecho tan ubicuas y repetitivas que su formato dejó de ser novedoso. ¿Si todos ven las mismas charlas y leen a los mismos referentes no hay un riesgo de un reduccionismo intelectual?

Lo que fue innovador en algún momento puede que hoy ya no lo sea. ¿Cómo hacer para no caer en la vorágine de estar siempre persiguiendo la tecnología de turno y no olvidar lo sustantivo? ¿Adoptar tecnologías para poner viejas ideas en nuevas plataformas o abrir espacio a pensamientos y formas divergentes de crear conocimiento independientemente del dispositivo? Aspirar a que los educandos estén en línea y las escuelas estén conectadas, si bien es positivo puede que no sea suficiente. Se puede ser tan creativo con tecnologías como sin ellas. La clave está en comprender que el cambio más sustantivo es cognitivo y no tecnológico.

El binomio tecnología y conocimiento se hace más complejo cuando vemos que de manera creciente, las tecnologías van ganando terreno y comienzan a desplazar a algunas profesiones. Es decir, cuando sofisticados algoritmos logran procesar complejos y extensos volúmenes de información de manera similar o incluso mejor a cómo una persona lo haría al momento de tomar decisiones. Esto se debe, entre otras causas, al acelerado desarrollo de la inteligencia artificial.

Si esta transición se tratase solamente de reemplazar a los trabajadores que realizan tareas mecánicas (no creativas) por máquinas, entonces no estaríamos muy lejos de lo que fue la revolución industrial. Pero esta nueva transformación tecnológica busca ir mucho más allá de automatizar las habilidades funcionales que requieren de limitada creatividad durante su operación. Ahora, las computadoras aprenden por sí mismas mediante la generalización de datos en lugar de tener que ser programadas por las personas. A esto se le conoce como aprendizaje de máquinas (machine learning) y ocurre cuando un programa puede modificar algún aspecto de sí mismo a través de datos o registros en lugar de ser programada para ello. El objetivo de la inteligencia artificial es conseguir que las computadoras hagan las cosas que en el pasado requerían de inteligencia humana.

Nos interesan los robots que crean y son creativos, señalan los científicos del Creative Machines Lab de la Universidad de Columbia. Hoy crecen las voces que advierten que los trabajadores tenderán a ser clasificados en dos categorías. Las preguntas clave para ello serán: “¿Eres bueno para trabajar con máquinas inteligentes o no? ¿Son tus habilidades un complemento de las capacidades de la computadora o la computadora funciona mejor sin ti?”. Aunque no sean preguntas que usualmente estén en la agenda de los sistemas educativos, quizá sea pertinente incorporar interrogantes como, por ejemplo: ¿cómo pensar en una formación a prueba de futuro?, ¿ y si el costo de tener máquinas que piensan es tener gente que no?, ¿cuáles serán las habilidades creativas que no serán reemplazables por los nuevos desarrollos tecnológicos?

El 28 Octubre estaremos en la próxima Bett Latin America Summit de Ciudad de México para explorar estas ideas y sus implicancias en la educación (más información en el nuevo libro publicado por Penguin Random House, “La Innovación pendiente: Reflexiones (y provocaciones) sobre Educación, Tecnología y Conocimiento“).

* Esta columna es un extracto y adaptación del Cap. 1.
** Fotografía tomada por Arina Matvejeva.

from Cristobal Cobo Cristobal Cobo | Don’t value what you measure, measure what you value http://ift.tt/2enGk6b

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: