AI Agentic: La tercera ola de la IA Educativa

En días recientes, se ha estado hablando mucho de las tendencias tecnológicas que llegarán a partir de 2025 en adelante. Una de las tecnologías mencionadas se llama el Agentic AI. En este post definiremos el concepto de la IA Agentiva, sus características, su impacto en el contexto educativo, cómo se integrará en los cursos universitarios y los posibles resultados que se estarán experimentando con esta tecnología emergente. Comencemos el viaje hacia un nuevo paradigma educativo en nuestras instituciones de educación superior...

Como es sabido, la Inteligencia Artificial se ha estudiado desde 1950, gracias a los descubrimientos de Alan Turing. Turing fue un pionero en el campo de la Inteligencia Artificial, conocido principalmente por sus contribuciones teóricas y prácticas que sentaron las bases para el desarrollo de la informática moderna. Su famoso "Test de Turing", propuesto en 1949, evaluó la capacidad de una máquina para exhibir un comportamiento inteligente que fuese indistinguible del humano. Su trabajo y sus ideas han influido profundamente en el avance de la IA contemporánea.

A lo largo de las décadas la Inteligencia Artificial ha ido pasando por diversidad de etapas de desarrollo que han impactado al mundo entero. Se habla de que la IA se encuentra actualmente en su tercera ola: 

• [Primera ola] IA Predictiva: Esta ola inicial permitió a las organizaciones y empresas a pronosticar tendencias y tomar decisiones informadas. De esta primera fase surgen las herramientas de analítica de datos, tendencias predictivas, aplicaciones como la de Google Maps y las herramientas correctoras de texto como Office y Grammarly.
• [Segunda ola] IA Generativa: En noviembre de 2022 OpenAI abrió de manera pública un portal con la capacidad de generar contenido y permitir conversaciones con humanos en su formato de lenguaje natural gracias a los modelos de larga escala (LLM). En dos años se ha lanzado infinidad de modelos IA Generativos de texto, imágenes, gráficos, animaciones, caricaturas, vídeos, canciones, música, dispositivas digitales y diseño gráfico, entre otros.
• [Tercera ola] IA Agentiva: Sistemas de IA que pueden ejecutar tareas de manera autónoma e interactuar con otros Agentes IA.

El Dr. José Ferrer (2024) define a los Agentes IA como asistentes digitales inteligentes que no solo piensan, sino que actúan por ti. Mientras que la Inteligencia Artificial (IA) por sí sola es como un cerebro lleno de potencial, los Agentes IA son los encargados de tomar esa inteligencia y convertirla en acciones prácticas. Imagina que les das una tarea, como responder preguntas, automatizar procesos o gestionar tus listas de pendientes, y ellos la hacen de forma eficiente. Funcionan siguiendo un proceso sencillo: primero escuchan lo que necesitas, luego piensan cómo resolverlo, y finalmente actúan para ofrecerte una solución. Además, aprenden con cada interacción, volviéndose más inteligentes con el tiempo.

A diferencia de los asistentes IA tradicionales, estos nuevos IA Agentivos no solo responden a las indicaciones o generan contenido, sino que toman medidas basadas en objetivos de ejecución. Tienen la capacidad de interactuar con otros agentes, tomar decisiones dentro de parámetros definidos y ejecutar tareas complejas sin supervisión humana constante. "Ahora estamos avanzando hacia el uso de la IA Agéntica para automatizar tareas completas y realizar acciones en nuestro nombre" (Silvio Savarese, 2024).

Savarese imagina un futuro en el que estos agentes aumentarán las capacidades humanas, con trabajadores asumiendo roles similares a los jefes de personal que coordinan y gestionan equipos de Agentes IA. Esta transformación ya está provocando la aparición de nuevos y emocionantes puestos, como los Formadores de Agentes IA, los Orquestadores de Flujos de Trabajo IA y los Responsables del Cumplimiento Ético de la IA. Si bien esta visión es convincente, la realidad puede resultar más matizada: al igual que con las revoluciones tecnológicas anteriores, algunas funciones rutinarias pueden automatizarse por completo, mientras que otras evolucionan, creando un entorno híbrido en el que los humanos orquestan y colaboran con sus homólogos de Inteligencia Artificial.

El verdadero poder radica en cómo estos agentes podrían colaborar con los humanos. Pronto experimentaremos escenarios laborales en los que varios Agentes IA colaborarán en las reuniones, no solo tomando notas, sino participando activamente ofreciendo información y datos relevantes. Estos agentes se implementarán bajo alta demanda de los CIO y patronos que buscarán personalizar sus necesidades específicas con los objetivos de ampliar sus capacidades de negocio. Entraremos a un nuevo futuro en el que los límites entre los flujos de trabajo humanos y los de IA serán cada vez más fluidos.

De cara al futuro, la relación entre los humanos y los agentes IA seguirá evolucionando. Nos estamos moviendo hacia un mundo en el que cada profesional puede tener sus propios agentes IA, y las organizaciones mantendrán flotas de trabajadores especializados en IA. Sin embargo, el éxito en este nuevo paradigma requiere un cambio en las habilidades humanas. Los profesionales deberán comprender las capacidades y limitaciones de la IA, aprender a delegar de manera efectiva a los agentes IA y desarrollar nuevas competencias para orquestar colaboraciones con los profesionales humanos.

La IA agentiva se refiere a sistemas de inteligencia artificial diseñados para actuar como agentes, realizando tareas o tomando decisiones en nombre de los usuarios. Estos Agentes IA pueden aprender, adaptarse y tomar acciones de manera autónoma para lograr objetivos específicos. A diferencia de los modelos tradicionales de IA que simplemente proporcionan información o predicciones, la IA Agentiva puede interactuar activamente con los entornos, los usuarios o otros sistemas para cumplir tareas.

El concepto de Agentic AI, desde una perspectiva educativa universitaria, se refiere a los sistemas de Inteligencia Artificial que poseerán ciertos grados de autonomía y capacidades en la toma de decisiones, planificación de acciones y aprendizajes basados en experiencias para alcanzar objetivos específicos. Esta tecnología emergente promete revolucionar la forma en que se impartirá la educación y se gestionarán las instituciones universitarias.

¿Cómo esta tecnología operará en la Educación Superior?

1. El Agentic AI funcionará de manera independiente, realizando tareas específicas de forma autónoma sin necesidad de supervisión humana constante. En el contexto universitario, estos sistemas podrían gestionar múltiples aspectos del proceso educativo, desde la creación de contenido personalizado hasta el análisis del rendimiento académico.
2. Estos sistemas combinarán la flexibilidad de los modelos de lenguaje de larga escala (LLM) para manejar tareas que requerirán respuestas dinámicas, con la precisión de la programación tradicional para cumplir con reglas estrictas y lógicas. Esto permitirá que los Agentes IA sean tanto intuitivos como precisos en sus interacciones con los estudiantes y sus profesores.
3. La IA Agentiva realizará búsquedas en la web, llamará las API o consultará bases de datos para obtener información en tiempo real, lo que le permitirá proporcionar soluciones más relevantes y oportunas en el entorno educativo.

¿En que maneras será utilizado en nuestras universidades?

1. Planificación del Currículo: Los profesores pueden usar la IA para planificar y organizar su currículo de manera más efectiva. Los agentes sugerirán temas, secuenciar lecciones e incluso realizarán predicciones de los niveles de compromiso de los estudiantes en función de su historial de datos.
2. Conferencias Interactivas: Los agentes se integrarán en las conferencias presenciales y virtuales para proporcionar apoyo en tiempo real. Por ejemplo, un Agente IA podría responder preguntas de los estudiantes durante una conferencia, proporcionar recursos adicionales o incluso realizar encuestas en vivo para evaluar la comprensión.
3. Calificación y Retroalimentación: Esta tecnología emergente automatizará el proceso de calificación de evaluaciones objetivas (preguntas de opción múltiple), liberando tiempo para integrar otras estrategias de evaluación más complicadas. También proporcionará retroalimentación detallada a los estudiantes, destacando áreas para mejorar.
4. Asistencia en la Investigación: Los profesores utilizarán los Agentes IA para colaboar en tareas de investigación: análisis de datos, revisiones de literatura e incluso asistencia en la escritura. Esto podría mejorar la calidad y eficiencia de la investigación académica.
5. Compromiso del Estudiante: La IA se utilizaría para crear experiencias de aprendizaje interactivas y atractivas. Por ejemplo, simulaciones, juegos y laboratorios virtuales impulsados por IA harán que el aprendizaje sea más inmersivo y algorítmico.
6. Aprendizaje Continuo: Los profesores la utilizarán para mantenerse actualizados con las últimas investigaciones y desarrollos en su campo. La IA tendrá capacidades para la curación de artículos, documentos y otros recursos relevantes, ayudando a los profesores a mantenerse a la vanguardia de su disciplina.
7. Mentoría y Orientación: Los Agentes IA actuarán como tutores y mentores, que proporcionarán orientación sobre trayectorias profesionales, oportunidades de investigación y asesoramiento académico. Esto sería particularmente útil para estudiantes que no tengan acceso a los servicios tradicionales de mentoría.

¿Cuales serán sus posibles resultados?

1. Mejora en la participación de los estudiantes: Al proporcionar contenido y experiencias de aprendizaje personalizadas, se podría aumentar la motivación y el compromiso de los estudiantes con su proceso de aprendizaje.
2. Desarrollo de habilidades de pensamiento crítico: La interacción con sistemas de IA avanzados podría fomentar el desarrollo de habilidades de resolución de problemas y pensamiento crítico en los estudiantes.
3. Adaptabilidad cognitiva: La exposición a sistemas de IA adaptativos y aprendizaje continuo estimulará la flexibilidad cognitiva de los aprendices, preparándolos para un mundo de transformaciones sin precedentes y radicalmente inciertas. 
4. Metacognición aumentada: Al proporcionar retroalimentación detallada y análisis de patrones de aprendizaje, ayudará a los estudiantes a desarrollar  mayor conciencia de sus procesos cognitivos y estrategias de aprendizaje personalizadas. 

En síntesis, la IA Agentiva representa un avance en la intersección de la Inteligencia Artificial y la Educación Superior. Su capacidad para operar de manera autónoma, adaptarse a las necesidades individuales de los estudiantes y optimizar los procesos educativos promete transformar radicalmente la experiencia universitaria. A medida que esta tecnología continúa evolucionando, se abrirá un nuevo horizonte de posibilidades en el mejoramiento de la calidad educativa universitaria, aumentando la eficiencia administrativa y preparando mejor a los estudiantes para enfrentar los desafíos del mundo moderno. Los educadores y administradores universitarios que exploren e implementen Agentic AI estarán a la vanguardia de una revolución educativa que tendrá el potencial de redefinir la enseñanza y el aprendizaje del siglo 21.

En este vídeo, Jackie Müller (UI Path Forward, Las Vegas) nos explica cómo esta tecnología transformadora sentará las nuevas bases para el futuro de la educación milenial...

A medida que nos encontramos en la cúspide de esta tercera ola de IA, una cosa está clara: el futuro educativo estará determinado por nuestra capacidad para colaborar eficazmente con los IA Agentiva. Aquellos que adopten esta transformación desde el principio estarán mejor posicionados para aprovechar su potencial, creando ecosistemas educativos más eficientes, innovadores y productivos en los que nuestros profesores, administradores y los IA Agentiva trabajen conjuntamente para expandir las capacidades cognitivas de los estudiantes.

Más que las respuestas presentadas, la implantación de esta tecnología emergente generará muchas interrogantes a ser abordadas en el futuro:

• ¿Cómo integrar los Agentic AI en el currículo universitario?
• ¿Qué beneficios específicos podría traer Agentic AI a la gestión académica?
• ¿Qué desafíos podrían surgir al implementar Agentic AI en la educación superior?
• ¿Cómo el Agentic AI podría personalizar el aprendizaje de los estudiantes?
• ¿Qué ejemplos de uso del Agentic AI existen en la educación superior actualmente?
• ¿Podrán los Agentic AI democratizar la educación superior y cerrar las brechas de acceso al conocimiento?
• ¿Será esta tecnología IA segura y confiable para el uso de la comunidad universitaria?
• ¿Tendrán nuestros docentes que transformar sus metodologías instruccionales y estrategias de evaluación?
• ¿Serán capaces nuestros estudiantes universitarios de aumentar sus niveles cognitivos con la IA Agentiva?
• ¿Cuál será el futuro laboral del personal administrativo y docente en nuestras universidades?
• ¿Las universidades que integren esta tecnología aumentarán sus ventajas competitivas sobre las instituciones que se resistan a las transformaciones algorítmicas de la IA?

De seguro que tendremos que contestarlas en futuras publicaciones... LECTURAS RECOMENDADAS: The third wave of AI is here: Why Agentic AI will transform the way we work: https://www.forbes.com/sites/bernardmarr/2024/11/15/the-third-wave-of-ai-is-here-why-agentic-ai-will-transform-the-way-we-work/

Agentic AI: el nuevo frente de la inteligencia artificial: https://www.paradigmadigital.com/techbiz/agentic-ai-nuevo-frente-inteligencia-artificial/

IA en la educación superior: aplicaciones y ejemplos: https://time.ly/es/blog/inteligencia-artificial-en-la-educacion-superior-aplicaciones-y-ejemplos/

What is agentic AI? Complete guide: https://www.techtarget.com/searchenterpriseai/definition/agentic-AI

Las cuatro etapas de la Sinapsis Algorítmica

En la primera parte presentamos el concepto de la Sinapsis Algorítmica. En esta segunda parte, nos dedicamos a describir las cuatro fases que componen este revolucionario enfoque educativo .

Imagen: IdeogramAI

La educación universitaria se encuentra en una encrucijada única en la historia de la humanidad, donde la integración de tecnologías avanzadas redefine la forma en que se produce y se transmite el conocimiento. Un concepto emergente que está ganando relevancia en el contexto educativo es la Sinapsis Algorítmica (SA). Este término describe la simbiosis entre el cerebro humano y los modelos de lenguaje de Anteligencia Artificial (Modelos de Lenguaje de Gran Escala) en el proceso de creación de contenido digital. La SA no solo representa una metáfora poderosa para comprender la interacción entre humanos y máquinas, sino que también proporciona un marco práctico para mejorar la generación de contenido educativo de manera balanceada y aceptable.

En esencia, la SA permite a los educadores universitarios aprovechar las capacidades avanzadas de los modelos de IA para amplificar su creatividad y eficiencia. Los LLM (GPT-4, Gemini, Copilot, MetaAI, etc.) han demostrado una notable habilidad para comprender y generar texto de manera coherente y contextualmente relevante. Estos modelos pueden analizar grandes volúmenes de información, identificar patrones y proporcionar respuestas detalladas, lo que resulta invaluable para los profesores que buscan desarrollar materiales educativos de alta calidad. Al combinar la intuición, el juicio y la experiencia humana con la capacidad de procesamiento y generación de datos de los LLM, los educadores podrían crear contenidos más enriquecidos, diversificados y accesibles.

La implementación de la SA en la educación no se trata simplemente de delegar la ejecución de tareas a una máquina, sino de establecer una colaboración dinámica en la que la capacidad humana y la tecnología se potencian mutuamente. Por ejemplo, un profesor podría utilizar un modelo generativo para esbozar los puntos principales de un tema complejo, generar ejemplos adicionales, ejercicios prácticos o incluso traducir contenido a múltiples idiomas para llegar a audiencias extendidas. Además, estos modelos ayudan a personalizar el aprendizaje, proporcionando retroalimentación y materiales adaptados a las necesidades específicas de cada alumno, lo que fomenta una experiencia educativa más abierta, ubicua e inclusiva.

A medida que avanzamos hacia una era donde la IA Generativa se integra cada vez más en nuestras actividades diarias, la SA se perfila como un enfoque novel de la disrupción educativa. Los profesores universitarios interesados en explorar y utilizar la IA Generativa encontrarán en esta fusión una oportunidad para transformar su educación, mejorando tanto la calidad del contenido como las actividades instruccionales y las experiencias de aprendizaje. La clave del éxito radicará en entender cómo equilibrar esta colaboración, reconociendo las fortalezas y limitaciones tanto del cerebro humano como de los modelos generativos de la IA para establecer una sinergia que promueva un futuro educativo más brillante y equitativo.

Según el informe de Copyleaks (2023), para el 2026, casi el 90% de todo el contenido en línea será generado por IA. Como resultado de la saturación del contenido genetativo, surgen preocupaciones sobre la contaminación de datos y el colapso inevitable de modelos que plantean dudas sobre la calidad y confiabilidad del texto generado por IA.

A continuación se presenta una infografía de la SA con el objetivo de describir las cuatro etapas de generación del contenido ciber-humano. Cada etapa se divide en lo que ocurre en el cerebro, lo que ocurre en el modelo LLM y el resultado final a través de la conexión sináptica entre ambos.

Este gráfico detalla las etapas de la sinapsis algorítmica, destacando las interacciones y diferencias entre los procesos cognitivos del cerebro humano y los procesos generativos de los modelos de lenguaje de larga escala (LLM). Cada etapa refleja una fase crítica en la generación y refinamiento de contenido digital, donde la colaboración entre humanos y algoritmos maximiza la calidad y efectividad del producto final.

La Sinapsis Algorítmica es un proceso iterativo y dinámico. Las etapas pueden solaparse y repetirse a medida que se refina el contenido digital. Para alcanzar niveles óptimos, se recomienda aprender a redactar indicaciones detalladas (prompts) para que los modelos LLM puedan procesar los elementos esenciales en la generación de contenido digital.

Uno de los principales objetivos de este enfoque educativo pretende que los educadores ayuden a activar la parte generativa del cerebro que es la encargada de convetir las ideas y planes en acciones concretas. Esto incluye las palabras habladas y escritas. Pero la parte difícil de la inteligencia es accionar esas ideas y planes generadas por los modelos algorítmicos. Las ideas humanas se forman en la corteza prefrontal del cerebro. Pero el cerebelo y la corteza motora se encargan de convertirlas en acciones ejecutables. No deberíamos permitir que la agencia estudiantil se reduzca a la simple generación de contenidos algorítmicos, de la misma manera que se reducía las capacidades del sowftware a la instrucción de imprimir el papel. Si las actividades mentales de los estudiantes consisten en la simple ejecución de prompts, la IA los sustituirá por completo. Pero si la actividad instruccional los impulsa a alcanzar niveles cognitivos superiores, la IA los potenciará exponencialmente. Es ahí a donde quiere llegar la Sinapsis Algorítmica.

¿Cuáles son sus beneficios?

• Mayor creatividad y productividad: La colaboración entre humanos y modelos LLM amplifica el potencial creativo y permite generar contenido digital de alta calidad.
• Mejor precisión y confiabilidad: La revisión y evaluación humana ayudan a garantizar la exactitud del contenido y minimizar errores, sesgos, contenido engañoso e inexacto.
• Productos personalizados y adaptables: La SA fomenta el desarrollo de contenido adaptado a diferentes públicos y necesidades. 
• Aprendizaje continuo: El proceso iterativo de la SA fomenta el aprendizaje continuo de los humanos y los modelos generativos LLM que se entrenan constantemente a través de interacciones. 
• Preparación para el Mundo Digital: La educación algorítmica fomenta habilidades como el pensamiento computacional, la resolución de problemas y la creatividad, que son esenciales en el siglo 21.
• Aprendizaje colaborativo y pensamiento adaptativo innovador: Estas habilidades son cada vez más demandadas en un mundo de transformaciones sin precedentes y radicalmente inciertas.

Este enfoque educativo representa una nueva era en las formas de aprender y trabajar en entornos colaborativos aumentados, donde la inteligencia humana y la potencia algorítmica se unen para crear productos innovadores y valiosos. Su objetivo principal es evitar que los estudiantes, educadores y creadores de contenido, tengan altos niveles de dependencia de la IAGen en la realización de sus tareas académicas o proyectos profesionales.

Asimismo, profundizar en este enfoque educativo nos permite cuestionar y superar las limitaciones de los enfoques educativos tradicionales. Los sistemas educativos actuales a menudo se centran en la memorización y la transmisión de conocimientos de manera lineal y unidireccional. En cambio, la sinapsis algorítmica nos invita a adoptar un enfoque más dinámico, donde los estudiantes son protagonistas activos de su propio aprendizaje al formular preguntas sobre temas de interés. Esto implica promover la resolución de problemas, la creatividad y el pensamiento crítico.

El papel más importante de la educación en la era de la IA es preparar a los estudiantes para vivir y trabajar en un mundo que será fundamentalmente remodelado por la IA. En estos precisos momentos, es están entrenando máquinas para lacer lo mismo que nosotros los profesores le pedimos a nuestros estudiantes que hagan en nuestros cursos: desarrollar capacidades de aprendizaje.

El plan de estudios vigente no fue diseñado para preparar a los estudiantes en el mundo moderno de la IA. Esto no significa que ya no sea relevante, pero sí significa que debemos arriesgarnos a sustituirlo por experiencias de aprendizaje que los preparen para utilizar la IA de manera apropiada, ética y responsable.

En su muro de LinkedIn, Javier Martínez (2024) compartió una interesante reflexión sobre este tema:

¿Por qué la IA va a cambiar la formación, la educación y el aprendizaje en general? Porque tiene sentido para todo aquello donde tienes una pregunta. Y aprender sobre todo, tiene que ver con hacerse preguntas (acerca de lo que te interesa), aunque el colegio nos engañó haciéndonos creer que estudiar tiene que ver con saberse la respuesta correcta sobre lo que no nos interesa.

En un aula, un profesor no puede responder cada pregunta de cada alumno en cada momento… y por eso, nadie pregunta. La IA te responderá o te entregará elementos para que puedas encontrar respuestas a tus preguntas. Podrás aprender todo lo que te importe. Hay que olvidarse de esperar a que alguien te enseñe. Y tendremos que repensar el rol de los profesores y de las instituciones educativas.

Claro que existen riesgos en el uso educativo de la IA. Pero las amenazas se combaten mejor al incorporar la Alfabetización IA en la estructura del sistema, en vez de depender de las determinaciones de una junta de gobierno o de algunas conferencias teóricas sobre la IA en la Educación Superior. El panorama de la IA está en constante evolución, por lo que el enfoque más sostenible es fomentar una cultura de conversaciones constantes sobre la IA que dote a estudiantes, docentes, personal administrativo con los conocimientos y habilidades necesarias para tomar decisiones informadas sobre su manejo socio-académico (Chris Goodall, 2024).

La educación de hoy requiere que los estudiantes a desarrollen conocimientos transversales y comprender los impactos que la IA tendrá en la sociedad. Tenemos que cultivarles habilidades duraderas como la comunicación y el pensamiento crítico. Aprender a trabajar eficazmente con sistemas automatizados que los preparen para formar parte de la naturaleza cambiante del trabajo. Si no estamos preparando a los estudiantes para el mundo de la IA, ¿para qué los estamos preparando?

En este momento, las universidades están haciendo un trabajo pésimo al hacer que los estudiantes realmente piensen y descubran su lugar en el universo. Incluso, las mejores escuelas de la Ivy League se centran en producir los mejores engranajes en la actual máquina económica insostenible. ¿Comenzamos nuestras clases con una discusión sobre ética? ¡No! ¿Alguna vez nos preguntamos si toda esta tecnología moderna está realmente ayudando al mundo? ¡No! ¿Podríamos, por favor, detenernos y preguntarnos si la búsqueda interminable de conocimientos y nuevos productos es una pérdida de tiempo gigantesca? ¡Espero que sí! Entonces, ¿qué tal si hacemos una pausa en la locura de la especialización interminable y enseñamos a los jóvenes a cambiar verdaderamente el mundo? (Jason Polak, 2024).

No solo reflexionemos sobre la IA en la Educación, sino también en la IA en la Sociedad...

Sinapsis Algorítmica: Un nuevo enfoque educativo

Imagen generada en Ideogram

La Inteligencia Artificial Generativa (IAGen) está desafiando los límites convencionales del sistema educativo superior al abrir nuevas rutas de aprendizaje algorítmico. Al rebasar las fronteras educativas tradicionalistas, la IAGen está revolucionando la forma en que los estudiantes acceden al conocimiento y activan sus conexiones mentales con las herramientas generativas. Esta tecnología emergente, no solo facilita el diseño de la instrucción y la realización de tareas, proyectos o exámenes, sino que también plantea desafíos éticos y metodológicos a ser analizados a profundidad. En este contexto dinámico, la IAGen emerge como una fuerza transformadora que promete rediseñar la educación superior y preparar a los estudiantes para un futuro cada vez más digitalizado y complejo.

Según la firma empresarial Gartner (2024), define a la IA como una tecnología que parece emular el desempeño humano, tradicionalmente aprendiendo, llegando a sus propias conclusiones, pareciendo entender el contenido complejo, participando en diálogos naturales con personas, mejorando el desempeño cognitivo humano o sustituyendo a las personas en la ejecución de tareas no rutinarias. La IA aplica técnicas avanzadas de análisis basadas en la lógica, incluido el aprendizaje automático, para interpretar hechos, apoyar, automatizar decisiones y realizar acciones.

Una de las principales implicaciones de la IA Generativa es la transformación del modelo de interacción persona-máquina. Se está produciendo la transición desde un paradigma determinista, basado en la ejecución de comandos concretos para obtener resultados únicos, a otro de tipo estocástico. Basado en una conversación con el modelo de lenguaje de larga escala (LLM), los resultados no necesariamente serán siempre idénticos, aunque sí equivalentes. Son el producto de complejos cálculos estadísticos realizados por algoritmos, imposibles de reproducir a posterioridad (Xavier Mas, 2024).

Los algoritmos se definen como conjuntos de instrucciones o reglas que se utilizan para realizar tareas específicas de forma autónoma por parte del modelo generativo de IA. Estos son diseñados para imitar la forma en que los humanos piensan y toman decisiones, utilizando técnicas como el aprendizaje automático, procesamiento del lenguaje natural y las capacidades de procesamiento de información de los súper-computadores. Suelen basarse en reglas y se construyen mediante procesamientos iterativos para reconocer patrones que permiten hacer predicciones basadas en el entrenamiento de datos. La evolución de tecnologías como la nube y el big data han contribuido a que la IA sea más rápida, económica y accesible a las personas. 

En el contexto educativo superior, la IAG se integra en diferentes actividades instruccionales. Enumeramos las que se pueden realizar en este momento de desarrollo tecnológico:

1. Creación de materiales educativos: Diseño y desarrollo de materiales educativos como contenidos textuuales, presentaciones digitales, ejercicios de práctica, audio podcast, video-animaciones y otros recursos de aprendizaje. Estos materiales se pueden personar según las necesidades y preferencias de los estudiantes, adaptándose a su nivel de conocimiento, estilo de aprendizaje y áreas de interés.

2. Formulación de ejercicios y problemas: Generación de situaciones hipotéticas para la práctica y evaluación, abarcando diferentes niveles de dificultad y áreas del conocimiento. Los estudiantes practican y aplican los conceptos aprendidos de manera interactiva y personalizada.

3. Tutoría y retroalimentación personalizada: Proporcionan retroalimentación personalizada y apoyo individualizado a los estudiantes. Identificación de áreas a mejorar, ofrecimiento de explicaciones adicionales y sugerencias para acceder recursos complementarios que refuercen los aprendizajes.

4. Experiencias de Aprendizaje: Diseño de actividades instruccionales, técnicas o estrategias innovadoras, programas de estudio, estructuras curriculares ramificadas, secuencias de aprendizaje activo, actividades complementarias basadas en el análisis predictivo.

5. Investigación y desarrollo: Análisis de grandes volúmenes de datos para identificar tendencias, patrones de aprendizaje, áreas de mejora en la enseñanza y el aprendizaje.

   Útiles para la investigación y desarrollo de nuevas prácticas docentes y enfoques instruccionales innovadores.

De igual manera, la IA Generativa plantea nuevos retos y desafíos en la Educación Superior que merecen ser examinados con mayor profundidad:

1. La posibilidad de generar un texto, resumir un artículo, crear una imagen, analizar un conjunto de datos u obtener una secuencia de código informático con una simple petición verbal, conlleva riesgos. Uno de los más visibles es la pérdida de control por parte de los humanos, tanto de los procesos de trabajo como de la calidad de los resultados. Este riesgo se acentúa especialmente si delegamos en la IA la emulación de habilidades de pensamiento de orden superior, gracias a la capacidad de ésta para ofrecer resultados plausibles y convencionalmente aceptables. Un escenario como éste podría conducir a un abandono progresivo del desempeño de dichas habilidades por parte de los humanos, con el consecuente desentrenamiento y pérdida de capacidades cognitivas superiores (Xavier Mas, 2024).

2. La dependencia excesiva de las herramientas de IA Generativa para realizar las tareas académicas, en lugar del pensamiento crítico y el esfuerzo mental, pudieran afectar la retención de la memoria, el funcionamiento cognitivo y las capacidades de pensamiento crítico. Así lo demuestra la investigación de Muhammad Abbas, Farooq Ahmed Jam & Tariq Iqbal Khan (2024).

3. Algunos educadores expresan preocupación por los posibles efectos negativos de la Agencia Estudiantil en términos del desarrollo de capacidades humanas de intervenir en su entorno de manera consciente y autónoma para toma de decisiones informadas y el control sobre los procesos de aprendizaje. Esto implica que los estudiantes sean entes activos en su proceso de crecimiento y desarrollo humano al establecer metas, tomar decisiones sobre qué aprender, cómo aprenderlo y cómo evaluar su propio desempeño. Que sean capaces de identificar sus propias limitaciones para aprender a superarlas por sí mismos sin depender de entes externos que les prescriba los recursos de apoyo necesarios en la construcción activa de su propio conocimiento. La investigación de Ali Darvishi, Hassan Khosravi, Shazia Sadiq , Dragan Gašević y George Siemens (2024) levanta esta bandera y nos invita a seguir investigando sobre este fenómeno educativo emergente.
4. Una limitación importante es la falta de capacidad de la IA para comprender y hacer inferencias sobre los estados mentales, los procesos de pensamiento y el conocimiento existente de los estudiantes. Sin esta capacidad, los tutores de IA luchan por identificar y abordar los conceptos erróneos de los estudiantes individuales, brindar orientación personalizada y desarrollar las conexiones personales que motivan e involucran a los alumnos a lo largo del tiempo. Los pensadores críticos pueden realizar habilidades como el análisis, sin duda, pero también realizan estas tareas de manera reflexiva y con humildad intelectual. Llegan a juicios subjetivos. La IA no puede pensar críticamente porque no sabe qué valorar, tiene un sesgo hacia la equidad y, desde luego, no puede reflexionar sobre sus propios pensamientos (Cristóbal Cobo, 2024).
   
   
5. Yann LeCunn (2024) expone que la parte generativa del cerebro es lo que convierte las ideas y los planes en acciones, incluidas las palabras habladas y escritas. Pero la parte difícil de la inteligencia es llegar a esas ideas y planes. En el cerebro, las ideas se forman en la corteza prefrontal. Convertirlas en acciones se ejecuta en la corteza motora y el cerebelo. Reducir la inteligencia a la generación es como reducir el software a las instrucciones de imprimir en el papel.
   
   
6. Noam Chumsky (2023) entiende que estos programas están atrapados en una fase pre-humana o no-humana de la evolución cognitiva. Su defecto más profundo es la ausencia de la capacidad más crítica de cualquier inteligencia para describir o predecir algo. “Por muy útiles que puedan ser estos programas en algunos ámbitos concretos (programación informática, o rimas de versos ligeros), sabemos por la ciencia de la lingüística y la filosofía del conocimiento que difieren profundamente de la forma en que los seres humanos razonan y utilizan el lenguaje. Estas diferencias imponen limitaciones significativas a lo que pueden hacer, codificándolos con defectos inerradicables” (Alexis Paiva, 2023).
7. Se plantean cuestionamientos sobre la responsabilidad y el sesgo algorítmico. Es fundamental asegurar que los modelos IAGen utilizados en educación sean transparentes, explicables y justos, evitando la reproducción de prejuicios y discriminaciones. También es necesario establecer mecanismos de rendición de cuentas y supervisión para garantizar que los sistemas de IA no tomen decisiones que puedan perjudicar a los estudiantes.

Los planteamientos presentados, nos llevan a profundizar sobre la posibilidad de enfrentar una nueva emergencia educativa con la proliferación de herramientas generativas de la IA. Estamos frente a una creación humana en sus primeras etapas de desarrollo que seguirá expandiendo sus capacidades algorítmicas hasta alcanzar altos niveles NeuroTecnológicos. Nos referimos a un campo en rápido crecimiento dirigido a entender el funcionamiento del cerebro humano con la finalidad de crear tecnologías que interactúen con él. Por tanto, el sistema educativo superior enfrenta la dicotomía de los grandes avances de la IA generativa, así como desafíos significativos que requieren respuestas urgentes y efectivas.

Es por esta razón que decidimos publicar este post con la finalidad de aportar al fenómeno tecno-educativo que está provocando la IAGen en el escenario universitario. Actualmente, estamos experimentando con modelos algorítmicos utilizados principalmente para aumentar las capacidades creativas y automatizar algunas las tareas humanas. Sin embargo, creemos que la integración de la IA Educativa debería dirigirse más hacia las formas de humanizar las generaciones algorítmicas en los procesos de aprendizaje.

El campo de la neurociencia nos permite estudiar a nivel sináptico cómo funcionan nuestros cerebros. La sinápsis neuronal es un proceso fundamental en el funcionamiento del sistema nervioso que permite la comunicación entre las neuronas. Se trata de una conexión especializada entre dos neuronas, donde se transmite la información en forma de señales electro-químicas. La neurona presináptica es la encargada de enviar la señal, mientras que la neurona postsináptica la recibe. La comunicación entre ambas neuronas se realiza a través de pequeñas estructuras llamadas vesículas sinápticas que contienen neurotransmisores. Estos son sustancias químicas encargadas de transmitir la señal de una neurona a otra.

Cuando una señal eléctrica llega a la neurona presináptica, se producen cambios en su membrana que desencadenan la liberación de los neurotransmisores en el espacio sináptico. Estos neurotransmisores se unen a receptores específicos en la membrana de la neurona postsináptica, generando una respuesta eléctrica en esta última. De modo que, la sinápsis neuronal es esencial para el procesamiento de la información en el cerebro y juega un papel crucial en funciones cognitivas como el aprendizaje y la memoria. El enfoque educativo de la Sinapsis Algorítmica es una propuesta que hacemos con el objetivo de activar las capacidades humanas en el núcleo de la educación algorítmica (Juan Domingo Farnós), de la misma manera que pretendemos llevar a los estudiantes al centro de su proceso de aprendizaje.

La Sinapsis Algorítmica (SA) se define como la fusión revolucionaria de la capacidad neuronal del cerebro humano con los procesos algorítmicos de la inteligencia artificial (IA). Mediante esta simbiosis, las conexiones neuronales del cerebro interactúan con los algoritmos de la IA para potenciar los procesos mentales que provocan el aprendizaje. Este enfoque se basa en la analogía entre las sinapsis cerebral y los algoritmos de la IAGen. Al igual que la sinapsis permite la transmisión de señales entre neuronas, los algoritmos en la IA permiten el procesamiento y transmisión de información a través de redes neuronales artificiales. La SA representa una nueva frontera en la investigación y desarrollo de la IA Educativa con el potencial de revolucionar la forma en que los humanos interactuamos con la tecnología y expandimos nuestras capacidades de aprendizaje.

En la imagen superior, podremos contextualizar la práxis colaborativa ciber-humana. El cerebro encomienda la responsabilidad de ser creativa, proporcionar razonamiento abstracto, intuición y emocionalidad. Mientras que la IA es responsable de la velocidad de procesamiento, la capacidad para dimensionar datos masivos y encontrar patrones difíciles en los grupos de datos utilizados para el entrenamiento de la base de datos. Tal intervención es relevante cuando se trata de usuarios de IAGen en procesos de aprendizaje humano. Los usuarios de la IA interactúan con modelos LLM que generan contenidos en diversos formatos, pero en paralelo, existe una programación algorítmica para aprender y evolucionar en base a la interacción humana. De modo que la SA sirve como un puente entre las funciones electro-químicas de la mente humana y las operaciones algorítmicas ejecutables en los modelos de integración de larga escala.  

Además, la SA también puede ser vista como una práctica instruccional centrada en ampliar las capacidades cognitivas y creativas del ser humano. Al integrar la IAGen en los procesos de pensamiento y aprendizaje, los usuarios integrarían diferentes de recursos digitales con otras perspectivas transversales, investigaciones científicas y modelos mentales emergentes. Esto podría conducir a avances significativos en los campos de la ciencia, arte, ingeniería, educación y muchos otros, impulsados por una colaboración simbiótica entre la mente humana y la IA Generativa.

Hablamos de un enfoque tecno-educativo que establece una convergencia revolucionaria entre la inteligencia humana y la generativa, en la cual las capacidades únicas de cada una se complementan y potencian mutuamente para impulsar aprendizajes y la creatividad hacia nueva fronteras del conocimiento. Su objetivo final consiste en activar las zonas neuronales para conectarlas con las capacidades algorítmicas de los modelos generativos. Nuestros cerebros no deberían operar para la simple entrega generativa, sino para la construcción de relaciones sostenibles, pensamientos abstractos, ideas complejas, decisiones informadas, procesos anaíticos y solución de conflictos altamente complicados. Hablamos de cerebros aumentados, no de cerebros memorísticos.

En el contexto de la transformación digital, la gente y los ordenadores están entrando en una intrigante simbiosis. No es solo que los algoritmos actúen sobre nosotros, sino que nosotros también actuamos sobre los algoritmos. Desde esta perspectiva, lo importante no son solo los efectos de los algoritmos sobre los actores sociales, sino las interrelaciones entre los algoritmos y los actos sociales de adaptación Daniel Innerarity (2024). 

Cuando utilizamos tecnologías que no opacan o trastornan los que signifca el ser humano, estamos hablando de lo que se conoce como Ingeniería Positiva (IP). Desde el punto de vista educativo, la IP se centra en el diseño, desarrollo e implantación responsable y ética de las herramientas de Tecnología Educativa (EdTech) que amplifican los procesos mentales. Amplificar consiste en visualizar las conexiones mentales de los aprendices en diversidad de aplicaciónes tecnológicas. Lo que busca es mejorar la calidad de vida de los aprendices, así como su bienestar individial y colectivo.

Un aspecto fundamental de la IP es su compromiso con el empoderamiento humano. Esto implica diseñar tecnologías que promuevan la autonomía, inclusión y el desarrollo personal, en lugar de crear sistemas que subyuguen o excluyan a las personas. Por ejemplo, en el campo de la IA Educativa, esto recaerá en el desarrollo de algoritmos en sistemas transparentes, interpretables y justos, evitando así la creación de sistemas algorítmicos que perpetúen los sesgos y discriminación.

De modo que:

1. Saber formular instrucciones claras, completas y sin ambigüedades.
2. Evaluar de forma crítica los resultados proporcionados por los modelos generativos.
3. Aplicar el razonamiento lógico a través del dominio del lenguaje. 
4. Liderar una conversación para llegar a obtener los resultados esperados... 

... son algunas recomendaciones necesarias de Xavier Mas (2024) para potenciar las capacidades ciber-humanas. 

Aunque algunas arquitecturas IA (redes neuronales digitales y sistemas de aprendizaje profundo), están diseñadas para emular la estructura y función de las redes neuronales humanas, están muy lejos de ser equivalentes a un cerebro humano. Un LLM puede describirse como un cerebro sin entradas sensoriales ni agencia. Un cerebro sin mente, conciencia y autoconciencia. Al construir respuestas a preguntas textuales, la IAGen predice palabras una por una sin comprender ni ser consciente de su significado. Como un loro que repite lo que ha oído del humano sin comprender lo que significan esas palabras, los LLM son una
actuación de exposición sin comprensión ni metacognición.

No se trata de producir un texto bien estructurado sino de desarrollar la capacidad mental de organizar las propias ideas, conectarlas con las ideas de otros, analizar afirmaciones, sintetizar conocimientos y satisfacer nuestra necesidad fundamental de comunicarnos con los demás y aprender de ellos (Lydia Cao y Chris Dede, 2024).

 

En última instancia, la Sinápsis Algorítmica aspira a utilizar la IAGen como un recurso tecno-educativo que promueve el progreso humano, enriqueciendo nuestras vidas de manera significativa y sostenible. Al hacerlo, busca garantizar que el avance tecnológico esté alineado con los valores humanos fundamentales, preservando la dignidad, la libertad y el bienestar de las personas en un mundo cada vez más digitalizado. 

Educadores 5.0: Conectores de Ecosistemas de Aprendizaje

Entramos al 2024, un año que promete ser un hito en la historia educativa contemporánea. Ante tal panorama, nos encontramos en el inicio de la llamada Educación 5.0, un paradigma que se está forjando en el crisol de la revolución tecnológica. Este año, comenzaremos a labrar un nuevo recorrido donde la tecnología y educación se entrelazarán de formas que apenas estamos comenzando a comprender. El paradigma educativo 5.0 nos invita a repensar y remodelar nuestra práctica docente en torno a las posibilidades que estas transformaciones tecnológicas nos ofrecerán de aquí hacia el futuro... 

La Educación 5.0 surge como respuesta a los avances tecnológicos recientes, como la Inteligencia Artificial, Internet de las Cosas y el Big Data. Se habla de una educación que incorpora las tecnologías emergentes agregándole un enfoque más humano a las actividades instruccionales. Pearson (2023) la define como una educación centrada en el desarrollo de habilidades cognitivas superiores como el pensamiento crítico, creatividad, colaboración y la capacidad de adaptación a lo largo de la vida. Esta trasciende la idea de que la etapa educativa finaliza con la formación profesional y sostiene que la persona debería seguir aprendiendo de manere permanente.

Según Dreamshaper (2023), la Educación 5.0 consite en dos pilares complementarios: el uso de las nuevas tecnologías en el aula y la estimulación de las habilidades esenciales de los alumnos. La intención es preparar a las nuevas generaciones para la búsqueda de soluciones que mejoren la vida en sociedad, ante un escenario complejo, incierto y altamente tecnológico en el que vivimos hoy.

El investigador español, Juan D. Farnós (2022), le agrega nuevos elementos con su conocido enfoque disruptivo: 

La Educación 5.0 comienza con las personas, no con la tecnología. Su propósito se refiere explícitamente a los resultados específicos que los humanos deben lograr como resultado de una experiencia de aprendizaje particular. No se trata de darle a cada estudiante un dispositivo móvil. No se trata de mejorar la infraestructura tecnológica y la conectividad institucional. Ni se trata del desarrollo de herramientas y plataformas digitales.

Los tiempos actuales requieren ecologías cada vez más accesibles, más poderosas, más adaptables a nuestras necesidades. Necesitamos que sean parte de nuestra vida cotidiana, algo natural, que no tengamos que estar hablando constantemente de ellas, sino de nuestras necesidades. Cuando logremos esto, estaremos listos para desenvolvernos en cualquier momento y situación. 

Esta descentralización cognitiva de la sociedad provoca desequilibrios en las instituciones de educación superior. El problema es que muchos organismos siguen teniendo una visión estática del conocimiento, con estructuras compartimentadas poco abiertas a la colaboración en red; reduciendo así –dramáticamente– su capacidad para innovar. En cambio, se trata de preparar individuos intelectual, social y emocionalmente fuertes, conscientes de su salud y desarrollo personal como un propósito general. 

La Educación 5.0 requiere el desarrollo de Ecologías de Aprendizaje en el proceso instruccional. Fernando Santamaría (2011) la define como un entorno que fomenta y apoya la creación de redes y comunidades (y también en estructuras mixtas como las redes en práctica [Network of Practice] muy útiles para el desarrollo profesional). La definición aplicada a estructuras biológicas se aplica también a las comunidades de aprendizaje y otros tipos de comunidades como las de investigación y las de interés general. Una ecología de aprendizaje es un entorno consistente con (y no antagónicos a) lo que los alumnos aprenden.  

La tarea de cualquier formador es crear y fomentar una ecología de aprendizaje que permita que los aprendices mejoren con rapidez y eficacia con respecto al aprendizaje que tienen. Por ello, creemos que una de las competencias clave para generar sanas ecologías de aprendizaje es ser un dinamizador y arquitecto de espacios, donde desde los lurkers (pasivos) hasta los más activos sean conscientes de su papel y de la importancia de los demás elementos para el buen funcionamiento:

1. Así como la ecología natural prospera sobre la base de la diversidad de especies, la ecología del conocimiento se nutre de la diversidad de conocimientos. Tal diversidad se basa en la competencia cooperativa: colaborar con nodos de conocimiento diferentes, así como competir con alguien en función de sus características diferenciadoras.
2. Se centra principalmente en las redes sociales de las personas, en contraste con el énfasis excesivamente tecnológico de los sistemas de gestión de conocimiento (LMS: Moodle, BlackBoard, Canvas) y herramientas TIC.
3. No sólo implica la comprensión de los intercambios de conocimientos y de las relaciones basadas en dichos intercambios. Implica también la comprensión de cómo este conocimiento influye en la acción o potencial para la acción basada en dichos intercambios.
4. Está formada por nodos de conocimiento, intercambio de ideas y de los flujos de dicho conocimiento. La base para la cooperación y la supervivencia es la diferenciación y la similitud entre los nodos de conocimiento. Los nodos altamente diferenciados pueden colaborar para llevar a cabo acciones específicas y pueden disolverse después.

Entendiendo su significado, nos proponemos elaborar un marco conceptual que define al Educador 5.0. Para ello, tomamos como base las experiencias vividas en diversidad de eventos internacionales, metaversos educativos y experiencias colaborativas con algunas herramientas de la Inteligencia Artificial Generativa (IAGen).  

Los E5 son los que se atreven a cambiar y difundir nuevas ideas de valor. Ellos saben movilizar a la gente activa en diversidad de proyectos. Eso se logra identificando a aquellas personas que tienen influencia fuera de sus posiciones jerárquicas. No importa los discursos que digan los dirigentes del sistema educativo; los cambios educativos no ocurren esbozando diagramas jerárquicos o presentaciones PPT pulcras que demuestran los planes estratégicos de la Innovación Educativa.

Gladwell, describe dos roles clave en la difusión del conocimiento e ideas en su libro El Punto Clave: El rol de experto y el rol de conector: 

• Experto: Persona que acumula experiencia en un tema y está dispuesto a diseminarlo cuando se le pida.
• Conector: Persona conocida que está conectada a múltiples grupos en diversos organismos. No tiene límites en la difusión de conocimientos, recursos tecnológicos y proyectos tecno-educativos. 

El experto posee mucho conocimiento y experiencias, pero el conector conoce a mucha gente en constante movimiento. Debido a que circulan en diferentes mundos con diferentes grupos, pueden conectarlos y unir los puntos entre cualquier compartimento estanco. La importancia de establecer relaciones sostenibles en el tiempo con personas de diferentes organismos empresariales y educativos es importante para la difusión de ideas y buenas prácticas educativas.

La obsesión por el liderazgo institucional, que a veces acaricia la adoración, obstaculiza el progreso de las redes virtuales de aprendizaje, ya que menosprecia el papel de los conectores digitales, o incluso los ignora por completo. Es una lástima que las instituciones universitarias no reconozcan las capacidades socio-tecno-educativas de muchos líderes 5.0 que realizan infinidad de proyectos dentro y fuera de las estructuras institucionales. 

¿Y qué tal si se reconociera el desempeño digital de la misma manera que se alcanza un rango académico superior? Tal vez el liderazgo digital sea invisibilizado por la gerencia y administración universitaria tradicional, pero lo que sí es inevitable es que muchos Educadores 5.0 gozan de un factor de reconocimiento externo mayor que el de sus superiores. Entonces nos preguntamos, ¿el reconocimiento digital podría desplazar al poder jerárquico?

Después de tantos años conectado a las redes educativas internacionales, creo que fui bastante fantasioso e ingenuo al pensar que la jerarquía cedería su poder ante el desarrollo de las redarquías. De hecho, en este momento manifiesto mi más sincera desilusión por la ciega suposición de que las plataformas sociales democratizarían las instituciones educativas. A 24 años de la proliferación tecnológica que nos ha traído la Internet y sus herramientas emergentes, no ha pasado nada significativo en nuestras universidades. Todo ha seguido igual que antes con algunos cambios cosméticos externos.   

Sin embargo, hemos experimentado un movimiento tangible de superconectores que se atreven a cruzar las líneas rojas que impone el sistema para desarrollar nuevas ecologías de aprendizaje en diversidad de plataformas tecnológicas. Educadores, que con mucho escfuerzo y dedicación, han sido capaces de adentrarse a la tecnología de redes para crear sus propias plataformas educativas. Esos profesionales sen han convertido en referentes globales que establecen relaciones de valor con personas alineadas a diversidad de intereses. Cada vez más están rebasando las murallas que obstaculizan las grandes transformaciones que el mundo requiere. Estas personas se dedican a tender puentes, no a limitar las posibilidades reales del cambio. 

Algunos CEO de importantes empresas se han dado cuenta de las caractrísticas de los conctores de ecosistemas de aprendizaje para impulsar el upskilling y reskilling de su personal. Están hablando de la necesidad de reclutar más de estos conectores y menos administradores-gerentes tradicionales, ya que los conectores son aquellos que pueden ayudar a trascender el paradigma vigente. En ellos existen numerosos mundos, por lo tanto, están mejor ubicados para ayudar a crear diversidad de ecosistemas de desarrollo profesional.

La realidad es que, en la mayoría de los organismos empresariales y educativos, estos conectores no solo están siendo subutilizados, sino que los empleadores ni siquiera son conscientes de su existencia. Los Educadores 5.0 se caracterizan por tener las siguientes cualidades: 

1. Por lo general, tienen una amplia red de contactos sin mostrar egos de superioridad.
2. Demuestran un alto grado de curiosidad por hacer lo que muchos líderes creen que no se puede. 
3. Son menos propensos a querer escalar una escalera de carrera tradicional y a menudo están más impulsados por un propósito personal.
4. Puede que no encajen en la idea tradicional de liderazgo, de hecho, es muy probable que no sean líderes en absoluto. Más bien, trabajan dentro de la institución a la misma vez que conectan sus plataformas con otros nichos para difundir ideas inimaginables.
5. Las plataformas sociales desempeñan un papel vital en la difusión de ideas. Los conectores con extensas plataformas tecnológicas, ayudan a unir diferentes círculos sociales y a facilitar la transmisión de conocimientos de utilidad colectiva. 
6. Producen infinidad de contenidos digitales, publican libros, crean nuevos productos y servicios de desarrollo profesional, utilizan la riqueza de la EdTech para generar contenidos en diversos formatos de representación del conocimiento.
7. Son invitados a participar en cumbres, congresos, foros, jornadas, simposios, conversatorios, paneles, adiestramientos, capacitación, entrevistas radiales y televisivas, sobre temas de impacto global.  
8. Son capaces de desplazarse entre la presencialidad y virtualidad simultáneamente. Automatizan sus servicios profesionales para llegar a diferentes nichos de la sociedad. No solo se encuentran en las aulas dictando clases, sino también en diferentes lugares de la web. 
9. Son personas autosuficientes y autónomas que no dependen de las estructuras gerenciales y administrativas convencionales para ejercer su liderazgo digital. 
10. Administran diversos canales de difusión del conocimiento y de conexiones sociales para el emprendimiento de proyectos innovadores.   

Los desafíos a los que nos enfrentamos hoy requieren menos enfoque en los "líderes de siempre" y mayor atención en los Educadores 5.0 en todos los niveles organizacionales. De hecho, realmente necesitamos pensar menos en las estructuras jerárquicas y más en los ecosistemas de aprendizaje.

Cambiar el enfoque de las organizaciones individuales a perspectivas de ecosistemas redárquicos es fundamental para impulsar un cambio educativo efectivo. Los ecosistemas reconocen la interconexión de varias partes interesadas, fomentando la colaboración, enfoques holísticos y adaptabilidad. El pensamiento de ecosistema reconoce que los desafíos sociales son multifacéticos, requiriendo diversas entidades, incluidas comunidades y organizaciones de base, para trabajar juntas. Es relacional, no organizativo.

Ver las cosas desde la perspectiva de un organigrama jerárquico ignora todos los conectores internos y todo el ecosistema externo. Trabajar en salud, sistema de justicia penal, salud mental, vivienda, cuidado social o la educación, nos exige adoptar una visión de ecosistema. Si no lo hacemos, fracasaremos.

Los conectores ahora están empezando a habilitar las cosas que los líderes del sector no han logrado hacer: eliminar el pensamiento de silo, la rápida difusión de información y la movilización de personas hacia la acción. Quizás sea hora de que el liderazgo se tome un segundo plano (Paul Taylor, 2023).  

Conozcamos algunos Educadores 5.0 y los proyectos que realizan:  

Clary E. Ramos (PUR): Doctora en Educación | Especialista en Tecnología Educativa | Profesora de cursos de preparación de maestros. 
Enlace: https://www.youtube.com/@maestraclary

Karmen Olmo (PUR): Profesora universitaria | Pintora| Diseñadora gráfico | Entusiasta del Metaverso y Realidad Virtual.
Enlace: https://happiverso.com/

James Lynn (PUR): Profesor de Diseño Gáfico | Productor Podcasts |Consultor Desarrollo Web, Contenido Digital y Redes Sociales 
Enlace: https://www.jameslynn.com/blog/

Yanmari Alicea (PUR): Maestra | Profesora universitaria | Fundadora de TutoEdu. 
Enlace: https://www.site.somostuto.com/

Marcos Vélez (PUR): Maestro | Profesor universitario | Fundador de Sala de Facultad.
Enlace: https://profemarcosvelez.com/

José Ferrer (PUR): Maestro de Música | Profesor universitario | Catedrático | Director Educación a Distancia (UPRM) | Autor de varios libros educativos | Conferenciante internacional | Capacitador de Desarrollo Profesional.  
Enlace: https://drjoseferrer.com/

Emanuel Gutiérrez (PUR): Profesor universitario de Producción de Medios Digitales y de Desarrollo Personal. Autor de libros. 
Enlace: https://www.emanuelgutierrez.com/

Juan D. Farnós (ESP): Profesor universitario | Investigador | Conferenciante internacional | Consultor y Formador Online de Másters y Post-Grados | Referente global de la Educación Disruptiva, Inteligencia Artificial, Metaversos educativos, Redes Sociales, eLearning, mLearning y Gestión del conocimiento. Enlace: https://juandomingofarnos.wordpress.com/

Erick Miranda y Carlos Bravo (PAN/BOL): Erick es Profesor universitario | Conferenciante internacional | Fundador de VeranoTIC. Carlos es Profesor universitario | Conferenciante internacional | Coordinador VeranoTIC.  
Enlace: https://www.veranotic.org/

Delia Bernal (MX): Conferenciante internacional | Experta Certificada en Canva | Educadora EdTech | Diseñadira de Experiencias de Aprendizaje | Consultora Educativa | Fundadora de Docentes Digitales MX. Enlace: https://docentesdigitales.mx/ 

Adriana Caballero: Experta EdTech Enfoque Integral | Fundadora de Sync | Autora del Modelo EXD | CEO y Co-fundadora de Yeira Inc. 
Enlace: https://sync.yeira.io/ 

Camino López (ESP): Gestora de Proyectos | Productora Digital | Especiialista en eLearning | Profesora Universitaria | Conferenciante internacional | Entusiasta del Metaverso y Realidad Virtual. Enlace: https://caminolopez.com/ 

María E. Cabral (PAR): Profesora universitaria | Especialista eLearning |Consultora Educativa | Conferenciante internacional | Fundadora de eCabral.
Enlace: https://www.ecabral.com.py/

Milagros Huamán (PER): Vicepresidenta Universidad Sabal EEUU | Directora de eLearning Perú-EEUU | Consultora Internacional | Fundadora de Metodologías Holísticas.
Enlace: https://metodologiasholisticas.com/ 

Freddy Sinfontes (VEN): Especialista en eLearning, Streaming, WebRadio y Educacion Digital | Fundador de MorpheusLatAm. 
Enlace: http://www.morpheuslatam.org/

Rafael Martínez: Experto en Educación Transnacional | Embajador EdTech | Conferencista internacional | Profesor de Postgrado | Coordinador Eventos Virtuales. 
Enlace: https://www.linkedin.com/in/rafaelmartinezc/