El mobile learning o mLearning es el aprendizaje en un equipo electrónico de movilidad, como lo son los teléfonos inteligentes o tablets. Dentro de sus grandes ventajas encontramos el fácil acceso en cualquier momento y lugar, como también la inclusión de contenidos desarrollados a través del microaprendizaje.

En la conferencia Google Developers, Summit 2019, Jingtao Wang, Research Scientist para Google, nos presenta el futuro y los desafíos que enfrenta el aprendizaje móvil, exponiendo sus casos de estudio de relojes inteligentes y cómo monitorearlos con inteligencia artificial, además de estudios fisiológicos del aprendizaje de  los alumnos.

Jintao Wang es investigador científico en Google y sus áreas de investigación son, interfaces móviles inteligentes, aprendizaje automático y tecnología educativa. Wang ha recibido varios reconocimientos como los premios Microsoft Azure for Research, Google Faculty Research Award y ACIE Innovation in Education. 

Ver transcripción del video en español

Puedes activar directamente desde YouTube en el icono Configuración>Subtítulos >Traducción automática>Español. O leerla a continuación:

¡Hola a todos!

Mi nombre es Jingtao Wang y soy investigador en Google. Antes de unirme a Google a tiempo completo, fui investigador de la Universidad de Pittsburgh.

Tengo dos líneas principales de investigación.  La primera, es el aprendizaje automático en dispositivos electrónicos. La segunda, es la aplicación del aprendizaje automática en el contexto de la educación y aprendizaje humano. Hoy me gustaría compartir con ustedes algunos de mis proyectos en curso.

Estoy trabajando con proyectos que se relacionan con mis dos intereses.

Como todos sabemos, el aprendizaje humano es una de las tareas desafiantes y
gratificantes. Imagínense qué tipo de oportunidades se pueden abrir si una persona
aprende un nuevo idioma, aprende a usar un nuevo instrumento musical o conoce la usabilidad de algunas de las tecnologías emergentes como TensorFlow.

Mientras tanto a nivel mundial, el aprendizaje sigue siendo igual de desafiante e importante. Según encuestas realizadas, más de 10 millones de personas están registrados en cursos MOOC como Coursera, pero menos del 7% de sus usuarios los finaliza, lo que que significa que aprender algo nuevo no es algo trivial, ni fácil.

Al mismo tiempo, las personas tenemos la necesidad de aprender no sólo en las aulas de clases, sino  también, necesitamos aprender en otro tipo de entornos informales.

Hoy me gustaría mostrarles algunos ejemplos de cómo utilizar el aprendizaje automático, usando una herramienta digital que usas en tu muñeca, en la palma de tu mano, al caminar… Hablo del reloj inteligente.

SmartRSVP

El primer proyecto que les mostraré se llama SmartRSVP y la idea es cómo podemos
convertir tu reloj inteligente en un dispositivo de aprendizaje inteligente.

El primer desafío fue abordar el pequeño tamaño de su pantalla. Sabemos que un reloj inteligente típico tiene una pantalla de 1,5 pulgadas y solo mostrará dos o tres palabras a la vez y por lo que apenas permite leer una frase.

Entonces ¿cómo podemos permitir un aprendizaje efectivo?

Depende de la tarea, ¿y si tomamos pequeñas muestras y dividimos la tarea en piezas del tamaño de un bocado? Como las que permitimos desde el aprendizaje insertado a los relojes de sus muñecas que notificarán recordatorios oportunos e indicaciones o verificaciones sobre si comprende el contenido desplegado.

Otro punto que nos gusta abordar es ¿cómo podemos leer oraciones largas en un reloj tan pequeño?

La solución es una tecnología llamado RSVP, cuya idea es mostrar una palabra a la vez de manera secuencial, cada palabra puede ser más grande y retrasarse más rápido y también se puede leer desde una palabra sin mover la mirada.

Aquí presentamos dos tecnologías para facilitar este tipo de lectura rápida en relojes inteligentes. La primera es que detectamos tu atención, solo mostramos la siguiente palabra cuando miras la pantalla, es decir pausaremos la pantalla una vez que estés mirando a otro lado.

La segundo es que monitoreamos la frecuencia cardíaca del usuario en tiempo real para conocer su atención y si ésta aumenta con una prueba a mayor velocidad.

Interacción en grandes aulas

El otro proyecto que compartiré con ustedes es sobre cómo mejorar la interacción en aulas grande.

Sabemos que son  bastante populares en clases de pregrado, incluso no es raro tener una clase con más de 200 estudiantes. ¿Cómo podemos mejorar la interacción en tal entorno? La aplicación móvil inteligente llamada Kazmir tiene tres características importantes para dicha necesidad:

La primera característica es que enviará un recordatorio automáticamente después de cada conferencia, preguntándole al alumno sobre el contenido, aplicándole algunas preguntas del contenido o si tiene dudas sobre algo que quisiera saber más o aclarar con su instructor; lo que además tendrá un efecto natural generando el diálogo que permitirá la realización de preguntas más profundas y específicas.

Este sistema se ha implementado en las aulas de EE. UU y el extranjero, contando con más de 400 estudiantes que han utilizado el sistema piloto en el que he estado trabajando durante más de cinco años.

En el caso de los MOOC, cursos masivos masivos en línea abiertos, aprender más eficientemente en sus dispositivos móviles tiene dos componentes:

Usar una cámara para rastrear la expresión facial de los alumnos y usar la cámara trasera para rastrear las señales fisiológicas que, en este caso, son difíciles por la variabilidad de estudiantes que toman. Necesitamos saber bien lo que los estudiantes aprenden cuando están viendo los videos del curso y pondremos especial atención en cuáles son los momentos en que se distraen. 

Para ello usamos algunas técnicas de intervención adaptativa, como que el alumno esté atento y tranquilo viendo la clase.

Living Jiagu: Aprendiendo sobre la creación y evaluación del lenguaje con inteligencia artificial

Ahora les presentaré el proyecto que más me emociona, el de aprendizaje de idiomas con inteligencia artificial. Este proyecto explora la intersección entre el arte rupestre y la inteligencia artificial.

En esta imagen vemos el lenguaje llamado “Hueso de Oracle” en caparazón de tortuga, que es el origen del idioma chino y era utilizado por las personas hace 3.000 años.

Este idioma, de carácter único, es un idioma único y es precedente de la mayoría de los demás idiomas asiáticos. Cuando murió, apareció un nuevo idioma: el chino de hoy, cuyo origen y evolución está en este caparazón.

El conocer el origen de un idioma puede ayudarnos a tener una comprensión más profunda de los idiomas, creando una exposición interactiva y un nivel superior para que los usuarios que experimentan el aprender un nuevo idioma puedan hacerlo con objetos cotidianos.

Aquí están algunos de los detalles técnicos

Usamos un multicapa de conversión de la red neuronal Hércules, similar entre el personaje creado y el mensaje de la imagen que se muestra en la pantalla. Al mismo tiempo, también usamos un algoritmo para saber, por ejemplo, si fue el significado correcto de cada parte del personaje que creaste y luego es animado, tratando de construir una conexión entre cada objeto y el significado que es la representación de la lengua asiática al conocer la conexión. 

Este proyecto se lanzó en Google en China el año 2019 con más 1000 participantes, quienes tuvieron experiencia de vivir esta demostración que incluyó  dos partes, la primera para pantallas táctiles grandes. 

Como una tarea se trata de imitar a los antepasados chinos que crearon jeroglíficos y que después permitió la creación de personajes que te ayudan a animar y componer escenas en una pantalla podemos construir una conexión entre los objetos cotidianos y el significado correspondiente de esos objetos con nuestro aprendizaje.

El aprendizaje automático puede desarrollar apoyo y conocimiento de manera más eficiente  y atractiva porque el aprendizaje no ocurre necesariamente en las aulas de clases, también puede suceder en tu muñeca o en la palma de tu mano.

¡Gracias!