Desde hace tiempo, los investigadores en educación sostienen que presentar a los estudiantes esquemas claros del material abordado en las clases mejora su retención.
Estudios recientes indican que lo mismo ocurre con los vídeos instructivos en línea, y en un artículo que se presentará en marzo en la Conferencia sobre Trabajo Cooperativo Asistido por Computadora y Computación Social de la Association for Computing Machinery, investigadores del MIT y de la Universidad de Harvard describen un nuevo sistema que invita a los espectadores a crear esquemas conceptuales de alto nivel.
Evaluaciones a ciegas realizadas por expertos en los temas de los vídeos indicaron que los esquemas producidos por el nuevo sistema eran tan buenos como los elaborados por otros expertos, o incluso mejores.
Los esquemas también sirven como herramientas de navegación: quienes ya conocen parte del contenido de un vídeo pueden avanzar, mientras que los demás pueden retroceder para repasar lo que se perdieron la primera vez.
«Eso aborda uno de los problemas fundamentales de los vídeos», afirma Juho Kim, estudiante de posgrado del MIT en ingeniería eléctrica y ciencias de la computación y uno de los coautores del artículo. «Es muy difícil encontrar los momentos exactos que uno quiere ver. Uno termina desplazándose cuidadosamente por la línea de tiempo y mirando las miniaturas. Y con los vídeos educativos, en especial, es realmente difícil, porque no son tan dinámicos visualmente. Así que pensamos que contar con esta información semántica sobre el vídeo ayuda mucho».
Kim es miembro del Grupo de Diseño de Interfaces de Usuario del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT, dirigido por Rob Miller, profesor de ciencias de la computación e ingeniería y otro de los coautores del artículo. Un tema central de investigación del grupo de Miller es el diseño ingenioso de interfaces informáticas para aprovechar el poder de la colaboración colectiva, es decir, distribuir tareas sencillas pero que consumen mucho tiempo entre un gran número de voluntarios en línea, remunerados o no.
Junto con Kim y Miller, firman el artículo la primera autora, Sarah Weir, estudiante de pregrado que trabajó en el proyecto a través del Programa de Oportunidades de Investigación para Estudiantes de Pregrado del MIT, y Krzysztof Gajos, profesor asociado de ciencias de la computación en la Universidad de Harvard.
Vídeos de alto nivel conceptual
Varios estudios realizados en los últimos cinco años, en particular los de Richard Catrambone, psicólogo de Georgia Tech, han demostrado que acompañar los vídeos instructivos con instrucciones paso a paso mejora el dominio de los conceptos presentados por parte de los estudiantes. Sin embargo, antes de empezar a trabajar en sus sistemas de anotación de vídeos mediante colaboración colectiva, los investigadores del MIT y Harvard realizaron su propio estudio con usuarios.
Anotaron manualmente varios tutoriales en vídeo sobre el uso del programa de gráficos Photoshop y presentaron los vídeos a los participantes del estudio, con las anotaciones o sin ellas. Después, asignaron a los participantes una tarea que requería las nuevas habilidades adquiridas y expertos en Photoshop evaluaron los resultados. Los expertos otorgaron puntuaciones más altas al trabajo de quienes habían visto los vídeos anotados, y los propios participantes dijeron tener más confianza en sus capacidades y estar más satisfechos con los tutoriales.
El año pasado, en la Conferencia sobre Factores Humanos en Sistemas Informáticos de la Association for Computing Machinery, los investigadores presentaron un sistema para distribuir la tarea de anotación de vídeos entre trabajadores remunerados reclutados a través del servicio de colaboración colectiva Mechanical Turk de Amazon. Gracias a un ingenioso método de asignación y corrección, redujeron a 1 dólar por minuto el costo de la anotación de vídeos de alta calidad.
Ese sistema generaba instrucciones paso a paso de bajo nivel. Sin embargo, los trabajos de Catrambone y otros investigadores indicaban que los estudiantes sacaban mayor provecho de esquemas que incluían algo llamado «etiquetado de subobjetivos».
«El etiquetado de subobjetivos es una teoría educativa según la cual las personas piensan en términos de estructuras jerárquicas de solución», explica Kim. «Supongamos que hay 20 pasos distintos para hacer un pastel, como añadir azúcar, sal, bicarbonato, huevo, mantequilla y cosas por el estilo. Si uno es principiante, podría parecer simplemente una serie aleatoria de pasos. Pero ¿y si las instrucciones dijeran primero: “Comienza con todos los ingredientes secos”, y luego explicaran los pasos concretos? Después pasarían a los ingredientes húmedos y hablarían de los huevos, la mantequilla y la leche. Así, el modelo mental de la solución queda mucho mejor organizado».
División del trabajo
El sistema descrito en el nuevo artículo, llamado «Crowdy», genera etiquetas de subobjetivos y lo hace prácticamente gratis. A cada uno de los primeros espectadores de un vídeo se le pausará el vídeo aleatoriamente en algún momento y se le pedirá que describa las instrucciones del minuto anterior. Una vez reunidas suficientes descripciones candidatas, a cada espectador posterior se le mostrarán, en uno de esos mismos momentos, tres opciones para describir el minuto precedente. Cuando se alcanza un consenso, Crowdy identifica los minutos sucesivos del vídeo cuyas descripciones son similares y combina sus etiquetas. Por último, se pregunta a otro grupo de espectadores si las etiquetas resultantes son precisas y, si no lo son, se les pide que propongan alternativas.
Los investigadores probaron Crowdy con un conjunto de 15 vídeos sobre tres lenguajes de programación web comunes, seleccionados de YouTube. Publicaron los vídeos en el sitio web de Crowdy durante un mes, período en el que atrajeron a unos 1.000 espectadores. Aproximadamente una quinta parte de ellos participó en el experimento y produjo un promedio de ocho etiquetas de subobjetivos por vídeo.
En el trabajo que están llevando a cabo, los investigadores amplían la variedad de temas tratados en los vídeos del sitio web de Crowdy. También estudian si pausar de vez en cuando los vídeos y pedir a los espectadores que reflexionen sobre el contenido presentado recientemente mejora realmente la retención. La bibliografía educativa ofrece algunos indicios de que así debería ser; de ser cierto, esto podría constituir un fuerte incentivo para que los espectadores contribuyan al proceso de anotación.
«Realizamos numerosos experimentos que demostraron que los vídeos con etiquetas de subobjetivos mejoran de forma muy significativa el aprendizaje y la retención, e incluso permiten transferir lo aprendido a tareas nuevas entre quienes estudian ciencias de la computación», afirma Mark Guzdial, profesor de computación interactiva en Georgia Tech que ha trabajado con Catrambone. «Justo después, pedimos a las personas que intentaran resolver otro problema y descubrimos que quienes recibieron las etiquetas de subobjetivos intentaron más pasos, acertaron con mayor frecuencia y, además, tardaron menos. Una semana después, les pedimos que volvieran. Cuando les propusimos un problema nuevo que nunca habían visto, el 50 por ciento de quienes habían recibido subobjetivos lo resolvió correctamente, frente a menos del 10 por ciento de quienes no los habían recibido».
«A Rob y Juho se les ocurrió la idea de usar la colaboración colectiva para generar las etiquetas de los vídeos», añade Guzdial, «y me parece genial».
Este artículo se publica en colaboración con MIT News. La publicación no implica que el Foro Económico Mundial respalde estas opiniones.
Para estar al día con Agenda, suscríbase a nuestro boletín semanal.
Autor: Larry Hardesty escribe sobre ciencias de la computación y tecnología para MIT News.
Imagen: Estudiantes toman notas con sus iPad en la escuela Steve Jobs de Sneek. REUTERS/Michael Kooren
