La inteligencia artificial y el futuro de las escuelas K-12. Parte 1: Inteligencia artificial

by Enrique Patinoin Creating Efficient Shelters, IAE newsletter, International Perspectives in Educationon Posted on

Publicación #296, 31 de Diciembre del 2020

 

David Moursund

Profesor Emérito, Facultad de Educación

Universidad de Oregon

 

Este boletín gratuito de Information Age Education es editado por Dave Moursund, producido por Ken Loge y traducido al español por Enrique Patiño. El boletín es un componente de las publicaciones de la Educación de la Era de la Información (IAE) y de Avance de la Tecnología y la Educación Globalmente Apropiadas (AGATE).

 

Todos los números anteriores del boletín y la información de suscripción están disponibles en línea. Varios de los boletines están disponibles en español en el sitio web de AGATE mencionado anteriormente.

 

Mi libro gratuito más reciente se titula Alfabetización informática cultural para educadores . Los siguientes sitios en inglés para este libro han tenido un total combinado de más de 9.000 vistas de página.

Recientemente se ha publicado la versión en español de Alfabetización Cultural Informática para Educadores.

Mi libro anterior más reciente, The Fourth R (Second Edition), está disponible gratis tanto en inglés como en español (Moursund, 2018a, enlace; Moursund, 2018b, enlace). El tema unificador del libro es que la cuarta R de Razonamiento / pensamiento computacional es fundamental para potenciar los estudiantes de hoy y sus profesores a través del curriculo K-12. Estos libros han tenido ahora un total combinado de más de 120.000 vistas de página. Más de 27.500 de ellos son de la edición en español.

 

La inteligencia artificial y el futuro de las escuelas K-12

 

Parte 1: Inteligencia artificial

 

“Los problemas más difíciles que tenemos que enfrentar no provienen de cuestiones filosóficas sobre si los cerebros son máquinas o no. No hay la menor razón para dudar de que los cerebros sean otra cosa que máquinas con una enorme cantidad de partes que funcionan en perfecto acuerdo con las leyes físicas. Por lo que cualquiera puede decir, nuestras mentes son simplemente procesos complejos. Los graves problemas se deben a que hemos tenido tan poca experiencia con máquinas de tal complejidad que todavía no estamos preparados para pensar de forma eficaz en ellas”. (Marvin Minsky; profesor del MIT y cofundador del laboratorio de inteligencia artificial del Instituto de Tecnología de Massachusetts; 1927-2016).

 

“Durante más de 250 años, los motores fundamentales del crecimiento económico han sido las innovaciones tecnológicas. Las más importantes son las que los economistas llaman tecnologías de propósito general, una categoría que incluye la máquina de vapor, la electricidad y el motor de combustión interna. La tecnología de uso general más importante de nuestra era es la inteligencia artificial, en particular el aprendizaje automático”.(Erik Brynjolfsson y Andrew McAfee; coautores de varios libros recientes, incluido The Second Machine Age).

 

Introducción

He seguido el progreso de la Inteligencia Artificial (IA) durante muchos años. En los últimos años, la IA ha demostrado que es y seguirá siendo un importante agente de cambio en nuestro mundo. El mundo empresarial es muy consciente de esto y está invirtiendo fuertemente en desarrollar e implementar cambios. Por ejemplo, acabo de leer el siguiente anuncio de un evento que está programando IBM:

Examine las formas en que las tecnologías inalámbricas avanzadas, incluidas 5G y Wifi 6, aceleran y hacen avanzar la innovación a través de la inteligencia artificial, la nube y el Internet de las cosas.

Escuche cómo IBM se está alejando de los servicios de infraestructura y avanza a toda velocidad hacia un futuro construido sobre inteligencia artificial y nube híbrida y, en última instancia, computación cuántica. (IBM, 19/12/2020, enlace).

Este cambio y su visión subyacente del futuro es ahora común en el mundo empresarial. Pero mucho menos común en el mundo de la educación.

Recientemente leí AI and the Future of Learning: Expert Panel Report (Roschelle, Lester y Fusco, diciembre de 2020, enlace). El documento de 27 páginas se basa en el trabajo de 22 expertos cuidadosamente seleccionados en el campo de la IA en la educación. Aquí está el resumen ejecutivo del informe:

La inteligencia artificial (IA), el aprendizaje automatizado y las técnicas computacionales relacionadas tienen el potencial de tener un impacto poderoso en el futuro del aprendizaje. El impacto de la tecnología en la educación a menudo es amplificar los impactos, independientemente de si los impactos son intencionales. Debido al ritmo acelerado de integración de la tecnología en los entornos de aprendizaje, la perilla del amplificador pasa rápidamente de menor a mayor. Los impactos en el aprendizaje, ya sean positivos o negativos, pronto podrían tener consecuencias para muchos más estudiantes. Ahora es el momento de comenzar a planificar la mejor manera de desarrollar y utilizar la IA en la educación de manera equitativa, ética y eficaz, y para mitigar las debilidades, los riesgos y los daños potenciales.

Este boletín actual es el primero de varios motivados por este informe y está diseñado para proporcionar información de fondo que será útil si decide leer el informe completo. También ofrece información sobre algunos de los tipos de problemas que aborda la IA y el progreso que ha estado logrando. Los boletines posteriores abordarán los objetivos de la educación y los cambios necesarios para adaptarse a nuestro mundo cambiante, y también se profundizarán en el informe citado anteriormente.

IA como agente de cambio

Cada vez más, los expertos en el campo de la inteligencia artificial y la educación están comenzando a comprender el potencial de la inteligencia artificial para hacer contribuciones significativas a nuestros esfuerzos continuos para mejorar la educación. Ellos (y yo) creemos que, durante la próxima década, veremos cambios muy grandes en nuestros sistemas educativos formales e informales debido a las crecientes capacidades de la IA, así como a la creciente disponibilidad y calidad de la infraestructura requerida para hacer de esta capacidad fácilmente disponible para estudiantes de todas las edades.

La cita de Marvin Minsky que se da al comienzo de este boletín muestra una previsión considerable de los desafíos que enfrenta el campo emergente de la IA. Fue un pionero en este campo que realizó una serie de contribuciones importantes durante su larga carrera.

En 2011, escribí un Blog de IAE sobre Inteligencia Artificial y Músculo Artificial (Moursund, 2011, enlace). El blog se burló de la idea de que los humanos y los prehumanos han estado desarrollando herramientas para mejorar sus capacidades físicas durante más de tres millones de años, pero nunca se refirió a ellas como músculos artificiales. La lectura y la escritura, obviamente, son herramientas para mejorar el cerebro humano, pero nunca se les llamó cerebro artificial o inteligencia artificial. Herramientas como un ábaco o una calculadora nunca se consideraron cerebros artificiales, aunque ciertamente son ayudas para las capacidades de nuestro cerebro.

Me interesé por primera vez en aprender sobre computadoras e IA poco antes de comenzar mis estudios de doctorado en matemáticas en la Universidad de Wisconsin en 1963. Para entonces, las computadoras digitales electrónicas programables habían estado disponibles comercialmente durante más de diez años y ya se usaban ampliamente. El campo de la IA se había definido y establecido siete años antes.

Un requisito de mi programa de doctorado era demostrar la capacidad de leer textos de matemáticas escritos en dos idiomas extranjeros. Elegí francés y alemán porque tenía dos años de francés en la escuela secundaria y había completado el segundo año de alemán como estudiante. No era particularmente bueno en idiomas, pero estudié y practiqué con diligencia y pasé ambas pruebas en mis primeros intentos.

En ese momento, ya se estaban produciendo avances en el desarrollo de programas de traducción de idiomas, y me preguntaba qué tan pronto la IA tendría mucho éxito en este esfuerzo. Ciertamente, es una suerte haber persistido por mi cuenta, porque han sido necesarios más de 50 años de progreso desde mis días de posgrado para que los programas de traducción de idiomas sean lo suficientemente buenos como para satisfacer algunas de las necesidades contemporáneas. La IA todavía tiene un largo camino por recorrer en la traducción de idiomas antes de que sea tan buena como los humanos expertos.

Entonces, cuando lea sobre el potencial de la IA para mejorar sustancialmente la educación durante los próximos cinco a diez años, sospeche mucho. La larga trayectoria de la traducción de idiomas por computadora le ayudará a comprender mejor los desafíos.

IA y la traducción de idiomas

La traducción de idiomas ha demostrado ser un problema muy difícil en la IA, y hay una serie de historias divertidas sobre sus primeros fracasos. Una medida del éxito de los programas de traducción es usarlos para traducir un texto a otro idioma y luego traducir la traducción resultante al idioma original. El siguiente es un ejemplo divertido:

Hay rumores de que los primeros módulos del inglés al ruso han traducido mal algunos modismos con resultados divertidos. La traducción de la frase “El espíritu estaba dispuesto, pero la carne era débil” al ruso y de vuelta al inglés resultó en: “El vodka estaba bueno, pero la carne estaba podrida”. Así mismo “fuera de la vista, fuera de la mente” supuestamente dio lugar a la frase “ciego y loco”. (Mikkelson, sf, enlace).

Recientemente utilicé Google Translate para traducir el párrafo citado anteriormente, primero al ruso y luego de nuevo al inglés. Aquí está el resultado en inglés:

Se rumorea que algunos modismos se tradujeron incorrectamente del inglés al ruso en los primeros módulos, lo que generó resultados divertidos. La traducción de la frase “El espíritu estaba listo, pero la carne era débil” al ruso y de nuevo al inglés dio lugar a lo siguiente: “El vodka estaba bueno, pero la carne estaba podrida”. Así mismo, se informa que la frase “fuera de la vista, fuera de la mente” se transformó en la frase “ciego y loco”.

¡Vaya, no está mal! Observe cambios como:

  • Hay rumores de que fue traducido al Se rumorea que.
  • El espíritu estaba dispuesto se tradujo en El espíritu estaba listo.
  • También tenga en cuenta que la traducción insertó una coma después de la palabra Así mismo.

¡Estoy impresionado! Recuerde, la computadora no comprende el significado de lo que estaba traduciendo.

He aquí un ejemplo personal. Después de terminar de escribir mi libro de 2018, The Fourth R (segunda edición), utilicé Google Translate para experimentar con la traducción de un breve resumen del libro. Me divirtieron los resultados de traducir lo siguiente del inglés al ruso y luego de nuevo al inglés:

Al igual que la lectura, la escritura y la aritmética, la cuarta R del razonamiento/pensamiento computacional es tanto una disciplina de estudio por derecho propio como una ayuda para representar y resolver problemas a lo largo del plan de estudios y en todos los niveles de grado.

En el programa Google Translate de 2018, la computadora decidió que la R en la cuarta R anterior era una abreviatura de Rublo, una unidad de dinero en ruso. Entonces, esta traducción al inglés demostró que el programa de traducción no entendía lo que estaba tratando de decir.

Usé el mismo párrafo para repetir mi experimento de traducción de idiomas el 12 de diciembre de 2020 y logré la traducción:

Al igual que la lectura, la escritura y la aritmética (lectura, dibujo y rima), el razonamiento/pensamiento computacional de nivel 4 es una disciplina en sí misma y un medio para representar y resolver problemas dentro del plan de estudios. y en todos los niveles de aprendizaje.

Esta fue una mejora con respecto al resultado de 2018. Sin embargo, la computadora traduce escritura y aritmética como dibujo y rima. Esto muestra claramente la dificultad de que la computadora no entienda que las 3 R es una frase que se usa comúnmente al hablar de lectura, escritura y aritmética en el plan de estudios de la escuela primaria en los Estados Unidos.

Es muy importante entender que, aunque el Traductor de Google y otros programas de traducción de idiomas continúan mejorando, definitivamente no han alcanzado las capacidades de buenos traductores humanos.

En esencia, este problema de falta de comprensión afecta a todas las aplicaciones actuales de la IA. Si bien la IA es de hecho una ayuda muy poderosa para resolver una amplia gama de problemas, actualmente lo está logrando sin una comprensión subyacente del problema que se está resolviendo ni de la tarea que se está realizando. Los seres humanos superan con creces a las computadoras en este aspecto particular de la inteligencia. Los seres humanos que realizan traducciones simultáneas por hablantes de dos idiomas diferentes pueden recibir y comprender la entrada y luego traducir instantáneamente el significado de la entrada al segundo idioma.

A medida que exploramos los usos actuales y futuros de la IA en la educación, debemos ser conscientes de que el campo general de la IA ha logrado un progreso sustancial y, en la actualidad, todavía lo está haciendo rápidamente. Esto se debe tanto a la disponibilidad de computadoras más potentes como a que en todo el mundo un gran número de investigadores muy inteligentes y dedicados están trabajando para mejorar las capacidades de la IA.

¿Qué es la IA?

 

 

La IA es un campo amplio y muy complejo. Una definición muy simple es que es el estudio de los usos de las computadoras para resolver problemas y realizar tareas que, si esto fuera resuelto por humanos, requerirían inteligencia, pensamiento y juicio humanos.

Aquí hay una parte de una descripción en tres partes de algunos problemas actuales que se están abordando, citados de IA y el futuro del aprendizaje: Informe del panel de expertos mencionado anteriormente. Una forma de pensar sobre la IA es que incluye un conjunto de capacidades específicas que están avanzando rápidamente en la actualidad. Éstos incluyen:

  • Percepción, a través de múltiples sensores y capacidad para reconocer conjuntos complejos de características (por ejemplo, uso de cámaras y detectores de movimiento para reconocer rostros particulares que ingresan a un edificio).
  • Representación y razonamiento, construyendo modelos de personas y sus comportamientos y haciendo inferencias basadas en esos modelos sobre lo que podría suceder a continuación.
  • Aprender, descubrir patrones significativos en grandes cantidades de datos.
  • Interacción natural (por ejemplo, interactuar a través del habla o el gesto).
  • Impacto social, aprovechando las infraestructuras para hacer todo lo anterior a una escala masiva y de forma que afecte directamente la vida de las personas.

 Cada una de estas declaraciones identifica una capacidad emergente de la IA, y cada una es un área activa de investigación en este campo. Dedique un poco de tiempo a comparar la complejidad de cada una de estas cinco áreas de estudio e investigación con la tarea específica de traducción del lenguaje escrito y / o hablado. Verá que cada uno es importante para el uso de la IA en la educación, y cada uno es un desafío importante para las capacidades de IA actuales y emergentes. Me parece bastante sorprendente que los sistemas basados ​​en inteligencia artificial puedan funcionar tan bien como lo hacen actualmente en la traducción de idiomas y otras tareas en las que los humanos necesitan usar su comprensión humana de lo que están haciendo.

Soluciones exactas frente a soluciones suficientes o útiles

Suponga que necesito hallar el producto de dos enteros de 4 dígitos. Este problema tiene exactamente una respuesta correcta. Podría calcular esta respuesta usando lápiz y papel, una calculadora o una computadora. O tal vez realmente no necesito una respuesta exacta. Podría hacer una estimación mental de una respuesta, y podría ser lo suficientemente buena para satisfacer mis necesidades. En mis intentos por obtener una respuesta exacta, podría cometer un error al ingresar los datos. Y, aunque es muy poco probable, la calculadora o la computadora pueden cometer un error. En ambos casos, una estimación mental podría ayudarme a detectar el error en estos resultados.

Esta es una idea muy importante y la discutiré más en un boletín posterior de esta serie. Piense en las muchas decisiones que toma a lo largo del día. ¿Cuántas de estas decisiones son correctas porque se basan en la exactitud de la información y el pensamiento utilizados en la decisión? Mi punto es que hay algunas situaciones en las que es deseable o necesario un alto nivel de precisión o exactitud, pero la mayor parte de la vida no es así. Solo porque es una computadora la que está tomando la decisión, no deberíamos pensar automáticamente que cada decisión tomada por computadora representa la perfección.

Por ejemplo, supongamos que soy un médico que hace un diagnóstico médico y prescribe un tratamiento. Si es mi paciente, es posible que le satisfaga escucharme decir que tengo un conocimiento considerable sobre la dolencia y cómo tratarla. Quizás pueda decirle que me había encontrado con este problema antes, que se han probado una variedad de tratamientos y han tenido diferentes niveles de éxito. Luego, usted y yo mantendríamos una conversación sobre los próximos pasos posibles que podrían tomarse.

Finalmente, considere el mismo escenario, pero en este caso el médico es un sistema basado en IA. Le dice que, mientras lo examina y habla con usted, ha recuperado y leído simultáneamente 1.000 artículos de investigación recientes sobre esta dolencia, y su tratamiento recomendado se basa en esta investigación. Sin embargo, señala que los niveles de éxito han variado considerablemente, al igual que los efectos secundarios.

Hmm. Apuesto a que le gustaría mantener una conversación con su médico basado en IA antes de decidir su próximo paso. Desafortunadamente, los sistemas de inteligencia artificial actuales no están a la altura de esta tarea de conversación. Esto ilustra una idea absolutamente fundamental sobre los usos de la IA en la educación. El sistema de IA del futuro tomará decisiones que afectarán a los estudiantes, y es probable que ni los estudiantes ni sus profesores conozcan realmente la base de estas decisiones o la probabilidad de posibles resultados.

Un desafío a la escolarización tradicional

Sin duda, usted está familiarizado con el hecho de que, hace muchos años, un programa de computadora derrotó al actual campeón mundial de ajedrez. Más recientemente, otro programa de computadora se volvió mucho mejor en el juego de Go que cualquier otro jugador humano. No se puede afirmar que cada movimiento que hace la computadora al jugar al ajedrez o al Go sea un movimiento perfecto. Sin embargo, en total, los movimientos de la computadora son lo suficientemente buenos como para derrotar a su oponente humano. Además, un programa informático basado en IA de este tipo puede aprender a jugar aún mejor jugando contra sí mismo.

Sin embargo, la computadora no puede proporcionar a los humanos una buena explicación de por qué realiza cada movimiento que hace. La computadora puede derrotar a oponentes humanos expertos en muchos otros juegos diferentes. En todos estos juegos, existe el concepto de ganar o perder. Pero, ¿qué significa ganar o perder en la educación de un niño? Un niño no es un oponente, y ciertamente no sé lo que significa que una computadora gane en el juego de educar a un niño. Con la ayuda de la IA, podemos desarrollar programas informáticos que sean bastante buenos en algunos aspectos de la enseñanza. Si decidimos que nuestro objetivo es que grandes grupos de estudiantes obtengan buenos resultados en ciertos tipos de pruebas, entonces podemos desarrollar programas de computadora que sean mejores que los humanos que están enseñando clases de 20 a 30 o más estudiantes. Pero la educación es mucho más que obtener altos puntajes en las pruebas.

Me parece que los investigadores e implementadores de la IA como ayudas para la enseñanza y el aprendizaje se enfrentan a una tarea abrumadora. Los usuarios necesitan la seguridad de que, para cada estudiante individual, las decisiones tomadas por las máquinas de enseñanza computarizadas cumplirán con los estándares que son claros, comprensibles y fácilmente disponibles.

Primero, considere un caso muy simple. Una empresa desarrolla materiales de aprendizaje asistido por computadora (CAL) basados ​​en inteligencia artificial que están diseñados específicamente para ayudar a los estudiantes a prepararse y tener un buen desempeño en una prueba bastante específica, como un examen de ingreso a la universidad ampliamente utilizado. La empresa emplea una o más organizaciones de investigación educativa de gran reputación para investigar la eficacia de los materiales de su empresa frente a los de otras empresas, y también en comparación con otros enfoques que los estudiantes adoptan al prepararse para el examen. Estos estudios de investigación cumplen con altos estándares de confiabilidad y validez. Los resultados de los estudios brindan evidencia sólida de que los materiales de la empresa son efectivos, tanto desde un punto de vista estadístico como desde otros puntos de vista. Los otros puntos pueden incluir cosas tales como el hecho de que los aumentos en la puntuación de la prueba son de importancia práctica, lo suficientemente grandes como para hacer una diferencia significativa para los estudiantes y las personas que hacen uso de las puntuaciones de la prueba, y son eficientes en el uso del tiempo de los estudiantes.

A continuación, considere aspectos más amplios de la educación que no se miden mediante pruebas estandarizadas de uso generalizado. Esto cubre todos los materiales que se utilizan actualmente en la educación diaria de los estudiantes en varias áreas del plan de estudios y en las escuelas de todo el país. Esto presenta un gran desafío para medir la efectividad de CAL, uno que hasta ahora no se ha abordado de manera efectiva en ninguna de las áreas del plan de estudios que comúnmente se enseñan en las escuelas de los Estados Unidos. Los países que tienen un plan de estudios nacional tienen una clara ventaja en este sentido, ya que sus estándares nacionales son hasta cierto punto mensurables y se puede acceder a ellos de manera uniforme en todos sus sistemas escolares.

En un boletín reciente de IAE, propuse que el gobierno federal de los EE. UU. pague por el desarrollo y la actualización regular de una gran cantidad de cursos preuniversitarios CAL basados ​​en IA que luego estarían disponibles de forma gratuita, tanto en los EE. UU, como a nivel mundial. (Moursund, 11/15/2020, enlace).

Una idea clave en esta propuesta es el requisito de que exista una investigación continua sobre la efectividad y los impactos de los cursos. También se realizarán importantes investigaciones en curso sobre las formas de mejorar estos cursos, incluidas las formas de hacer un uso eficaz del progreso continuo en IA y otros aspectos de las TIC.

Observaciones finales

El problema no es si las computadoras se pueden usar de manera efectiva para ayudar a enseñar a los estudiantes. Más bien, la pregunta es sobre la calidad de la enseñanza y la naturaleza general del aprendizaje que ocurre en la interacción computadora-estudiante versus la interacción humana maestro-estudiante, interacciones entre estudiantes en el aula, interacción estudiante-padre, etc. Me parece obvio que, tanto ahora como durante bastante tiempo, la educación puede mejorarse mediante un equilibrio adecuado entre este tipo de interacciones. Sería un gran error reducir en gran medida los elementos humanos que son de gran importancia en la educación actual.

La tecnología de la información y la comunicación (TIC) ha logrado un progreso asombroso durante mi vida. El ritmo de este progreso ha aumentado a lo largo de los años y sigue aumentando cada vez más rápidamente. Nuestros sistemas escolares ciertamente han logrado un progreso sustancial desde que se desarrollaron las primeras escuelas hace casi 5.500 años. Ahora están intentando determinar los cambios necesarios en el contenido del plan de estudios, los procesos de enseñanza y la evaluación para hacer un uso más eficaz de la mejora constante de las TIC. Al mismo tiempo, las escuelas deben ayudar a preparar a los estudiantes para la vida adulta en este mundo cambiante. ¡Son tareas desalentadoras!

El próximo Boletín del IAE examinará más de cerca los objetivos de la educación. Abordaré muchos de los cambios en curso en nuestro mundo, junto con una discusión sobre las formas en que el progreso en IA y otros aspectos de las TIC pueden y deben afectar nuestros objetivos escolares actuales.

Referencias y recursos

IBM (19/12/2020). Una exploración curada del panorama de la informática. technologyreview.com. Consultado el 20 de diciembre de 2020 en https://event.technologyreview.com/future-compute-2021/?utm_source=event_email&utm_medium=email&utm_campaign=future_compute_2021.unpaid.acquisition & discount = EMAIL121950 & mc_cid = 7aecebeid29register

Mikkelson, D. (sin fecha). Mala traducción por computadora. Snopes. Consultado el 14/12/2020 en https://www.snopes.com/fact-check/quality-is-the-first-occupation/.

Moursund, D. (15/11/2020). Pensando en el futuro de la educación. Boletín IAE. Consultado el 22 de diciembre de 2020 en https://iae.org/newsletters/IAE-Newsletter-2020-293.html.

Moursund, D. (16/2/2011). Inteligencia artificial y músculo artificial. Blog IAE. Obtenido el 13/12/2020 de https://iae.org/blog2/entry/artificial-intelligence-and-artificial-muscle.html.

Roschelle, J., Lester, J. y Fusco, J. (eds.) (2020). La IA y el futuro del aprendizaje: informe del panel de expertos. Promesa digital. Consultado el 13/12/2020 en https://circls.org/reports/ai-report.

 

Autor

 

David Moursund es profesor emérito de educación en la Universidad de Oregon y editor del boletín informativo del IAE. Su carrera profesional incluye la fundación de la Sociedad Internacional de Tecnología en Educación (ISTE) en 1979, desempeñándose como oficial ejecutivo de ISTE durante 19 años, y el establecimiento de la publicación principal de ISTE, Liderando y Aprendiendo con la Tecnología (ahora publicado por ISTE como Aprendiz Empoderado). Fue el profesor principal o co-profesor principal de 82 estudiantes de doctorado. Ha presentado cientos de charlas y talleres profesionales. Es autor o coautor de más de 60 libros académicos y cientos de artículos. Muchos de estos libros están disponibles gratuitamente en línea. (IAE Books, 2020, enlace). 

En 2007, Moursund fundó Information Age Education (IAE). IAE proporciona materiales educativos en línea gratuitos a través de IAE-pedia , IAE Newsletter , IAE Blog y libros de IAE. Information Age Education ahora está completamente integrado en la corporación sin fines de lucro 501 (c) (3), Avance de la Tecnología y Educación Globalmente Apropiadas (AGATE) que se estableció en 2016. David Moursund es el Director Ejecutivo de AGATE. (IAE, 2020, enlace; AGATE, 2020, enlace).

   

Correo electrónico: [email protected]

 

 

Comentarios de los lectores

 

Estamos utilizando el sistema de comentarios de Disqus para facilitar los comentarios y las discusiones relacionadas con este boletín. Para usar Disqus, haga clic en el enlace Iniciar sesión a continuación e inicie sesión. Si tiene preguntas sobre cómo usar Disqus, consulte esta página de ayuda.