0:00:01.920,0:00:05.220
Quería empezar dando las gracias a los organizadores por ponerme aquí después de Thomas

0:00:05.220,0:00:08.820
porque lo primero de lo que voy a hablar es una muy buena continuación 

0:00:09.480,0:00:12.660
a lo que él estaba hablando. Así que soy Lauren Margulieux,

0:00:12.660,0:00:16.800
soy profesora de Ciencias del Aprendizaje en la Universidad Estatal de Georgia en Atlanta, Georgia

0:00:16.800,0:00:23.220
y me formé como psicóloga cognitiva. Eso significa que me formé en cómo el

0:00:23.220,0:00:27.720
cerebro funciona y, en particular, me centro en el aprendizaje y la enseñanza de la informática.

0:00:27.720,0:00:31.980
Así que hoy voy a compartir algunas cosas que los desarrolladores de software deben aprender sobre el aprendizaje

0:00:31.980,0:00:38.280
y esto es parte de un documento más grande que tenemos con diez cosas que los desarrolladores de software

0:00:38.280,0:00:40.320
deben aprender sobre el aprendizaje que se publicará en breve

0:00:40.320,0:00:44.640
en Communications of the ACM, y mis coautores son Neil

0:00:44.640,0:00:49.440
Brown del King's College de Londres y Felienne Hermans de la Universidad Vrije de Ámsterdam.

0:00:51.120,0:00:57.180
Y quería empezar con para quién es esta charla, porque esta charla no es sólo para estudiantes e

0:00:57.180,0:00:59.700
ingenieros juniors que tienen un montón de aprendizaje por hacer.

0:00:59.700,0:01:05.640
También es para los ingenieros que están aprendiendo una nueva herramienta o habilidad que es, en 

0:01:05.640,0:01:08.880
algún punto, casi todo el mundo. También es para mentores que

0:01:08.880,0:01:13.920
están trabajando con alumnos junior o que están enseñando a su equipo una nueva herramienta o habilidad.

0:01:14.520,0:01:18.000
También está dirigido a los responsables de selección y contratación de personal que desean

0:01:18.000,0:01:24.600
contratar a personas que aprenderán nuevas herramientas y habilidades y también es para los desarrolladores de nuevas herramientas que

0:01:24.600,0:01:29.520
quieren que la gente aprenda a utilizar su herramienta. Así que todas estas personas podrían beneficiarse de poder

0:01:29.520,0:01:32.820
entender cómo la gente aprende y procesa nueva información.

0:01:35.040,0:01:39.000
Así que el primer consejo que quiero compartir es que los expertos razonan y los principiantes...

0:01:39.000,0:01:43.740
los expertos reconocen y los principiantes razonan, lo que me recuerda esta cita de Einstein,

0:01:43.740,0:01:48.420
que es "no es que sea tan inteligente sólo me quedo con los problemas durante más tiempo".

0:01:48.420,0:01:53.700
Y esto pone de relieve que la verdadera diferencia entre un problema sin resolver y un problema resuelto

0:01:53.700,0:01:58.920
es la cantidad de tiempo que se tarda en resolverlo. Y la diferencia real en la cantidad

0:01:58.920,0:02:04.560
de tiempo que se necesita es su experiencia. Así que un experto verá un problema, identificará

0:02:04.560,0:02:10.500
el problema, como un todo o en grandes piezas porque es un problema que ya sabe cómo resolver.

0:02:11.160,0:02:16.020
Los novatos no tienen este lujo de experiencia, por lo que tienen que romper el problema en 

0:02:16.020,0:02:20.340
muchas más piezas y esto les da lo que llamamos un mayor espacio de resolución de problemas,

0:02:20.340,0:02:24.360
así que hay muchas más incógnitas y mucho más, mucha más información que son

0:02:24.360,0:02:29.940
procesamiento cuando están resolviendo un problema. Así que en el ejemplo de Thomas que acabamos de ver de un laberinto

0:02:29.940,0:02:34.560
un novato tendría un laberinto muy detallado en el que podría dar muchas vueltas equivocadas

0:02:34.560,0:02:38.040
y un experto tendría sólo unas pocas cosas pequeñas que tendrían que navegar.

0:02:39.300,0:02:43.260
Así, por ejemplo, un experto podría mirar a un problema y reconocerlo de inmediato,

0:02:43.260,0:02:49.140
esto necesita un bucle de conteo. Fácil. Hecho. Un novato podría mirar el mismo problema y decir,

0:02:49.140,0:02:52.440
¿esto necesita un bucle o un condicional? Y si es un bucle,

0:02:52.440,0:02:55.200
¿qué tipo de bucle necesita? Y una vez que elijo un tipo de bucle,

0:02:55.200,0:03:01.320
¿cuáles son los operadores y expresiones? Así que el beneficio real de la experiencia es que es

0:03:01.320,0:03:06.240
reduce este espacio de resolución de problemas, que le ahorra una tonelada de esfuerzo cognitivo,

0:03:06.240,0:03:10.320
y le permite asimilar más información para resolver problemas.

0:03:10.860,0:03:16.320
Así que para el bucle de conteo, un experto podría simplemente ver que necesita un bucle

0:03:16.320,0:03:20.400
de conteo y que sólo podría crear un bucle de conteo mientras que un novato podría necesitar

0:03:20.400,0:03:25.320
dividirlo en 10 pasos diferentes. Porque otra cosa que te da la experiencia es que 

0:03:25.320,0:03:31.140
automatiza un montón de habilidades de bajo nivel que le permite saltar directamente a las habilidades de orden superior.

0:03:31.860,0:03:36.360
Así que la conclusión es que si los principiantes no pueden hacer algo ahora no significa que

0:03:36.360,0:03:39.780
nunca serán capaces de hacerlo, pero sí necesitan practicar la resolución de

0:03:39.780,0:03:45.600
problemas para identificar patrones y practicar los pasos de los componentes para que puedan automatizarlos.

0:03:46.920,0:03:50.700
Y esto conecta con el siguiente consejo, que es que los predictores de

0:03:50.700,0:03:54.240
capacidad de programación no están claros. Así que ampliando el último conceto

0:03:54.240,0:03:57.540
que sólo porque ustedes no pueden hacer algo ahora no significa que nunca serán capaces de hacerlo,

0:03:58.560,0:04:02.760
tampoco somos tan buenos prediciendo lo que eventualmente podrán hacer.

0:04:02.760,0:04:06.960
Así que hay dos tipos de mentalidad cuando estamos tratando de predecir la capacidad de programación:

0:04:06.960,0:04:09.960
está la mentalidad de aptitud que dice que naciste con ella,

0:04:09.960,0:04:12.780
y si no son buenos en programación, nunca serán

0:04:12.780,0:04:17.640
buenos en programación, no importa cuánto práctiquen. La otra cara de la moneda es la mentalidad práctica,

0:04:17.640,0:04:20.400
que es, siempre y cuando practiquen y pongan suficiente

0:04:20.400,0:04:24.840
esfuerzo, pueden hacer cualquier cosa que deseen. Por supuesto, ninguno de estos 

0:04:24.840,0:04:28.260
puntos de vista extremos es correcto. Así que, aunque es cierto que

0:04:28.260,0:04:32.820
más o menos cualquier persona podría pasar una clase de física introductoria con suficiente práctica y esfuerzo,

0:04:32.820,0:04:36.960
también es cierto que prácticamente nadie va a conseguir un Premio Nobel

0:04:36.960,0:04:42.660
en física por mucho que practique. Así que la verdadera respuesta se encuentra en algún lugar en el medio

0:04:43.440,0:04:48.060
y vamos a dejar de lado la práctica por ahora porque eso es algo que podemos

0:04:48.060,0:04:52.020
manipular y tratar después de los hechos. Así que lo que intentamos hacer especialmente

0:04:52.020,0:04:54.480
cuando contratamos gente es, tratamos de predecir la aptitud.

0:04:55.500,0:05:01.980
Sin embargo somos muy, muy malos en ello. Así que algunos predictores fallidos de la aptitud son

0:05:01.980,0:05:06.420
su experiencia previa, por lo que puede hacer ahora, los lenguajes de programación que ya conoce,

0:05:06.420,0:05:10.380
tu experiencia matemática previa, ninguno de estos son buenos predictores de la aptitud.

0:05:11.340,0:05:14.700
Características personales como raza, sexo,

0:05:14.700,0:05:20.280
edad, o su percepción de CS también son malos predictores de la aptitud.

0:05:20.280,0:05:23.820
Incluso tus preferencias, es decir, cuál es o era tu especialidad académica,

0:05:23.820,0:05:27.900
o si te consideras una persona de humanidades o de ciencias, 

0:05:27.900,0:05:31.320
estos no son buenos predictores de su capacidad de programación final.

0:05:31.920,0:05:36.540
Los mejores predictores que tenemos son la inteligencia general y la capacidad de memoria de trabajo,

0:05:36.540,0:05:39.120
que es la cantidad de información que pueden procesar a la vez.

0:05:39.120,0:05:41.580
Sin embargo, estos no son realmente buenos predictores de la aptitud,

0:05:41.580,0:05:44.820
son mejores predictores de la velocidad a la que aprenderás.

0:05:45.660,0:05:49.140
Así que la conclusión de este consejo es que muchos de los percibidos

0:05:49.140,0:05:51.540
predictores de la aptitud de programación que tenemos

0:05:51.540,0:05:56.940
en realidad no tienen ninguna evidencia empírica. Y para mí esto dice que cuando estamos

0:05:56.940,0:06:00.480
tratando de medir la aptitud, la aptitud no es el factor limitante, en realidad,

0:06:00.480,0:06:04.620
la práctica es el factor limitante. Así que puede haber algunos casos extremos

0:06:04.620,0:06:08.040
donde usted está tratando de contratar a un CEO que tal vez usted debe buscar en la experiencia previa,

0:06:08.040,0:06:12.300
pero sobre la base de lo que la mayoría de las situaciones de contratación son,

0:06:12.300,0:06:16.140
ninguno de estos predictores son realmente buenos para predecir la aptitud.

0:06:17.760,0:06:24.060
El siguiente consejo es que la comprensión de un concepto va de lo abstracto a lo concreto y viceversa.

0:06:24.900,0:06:31.920
Así que creo que todo el mundo ha tenido este ejemplo en el que alguien te explica algo

0:06:31.920,0:06:39.000
y se te escapa por completo. Así que una buena estrategia cuando eso ocurre es decir,

0:06:39.000,0:06:42.660
podrías darme un ejemplo, y este escenario representa esto:

0:06:42.660,0:06:48.420
tensión constante entre expertos y novatos, porque los expertos quieren describir un concepto en

0:06:48.420,0:06:52.140
una forma abstracta que le permite resolver un montón de diferentes problemas, 

0:06:52.140,0:06:53.520
realmente tienen buenas intenciones,

0:06:53.520,0:06:57.900
pero cuando eres novato y no tienes ejemplos concretos

0:06:57.900,0:07:03.720
que se puede conectar a ese concepto abstracto,  no tienen ni idea de lo que están hablando

0:07:03.720,0:07:07.320
y, en efecto, ustedes no puede resolver absolutamente ningún problema.

0:07:08.280,0:07:12.120
Así que la conclusión es que usted deben alternar entre conceptos abstractos

0:07:12.120,0:07:18.240
y ejemplos concretos para ser capaz de aprender los conceptos de manera

0:07:18.240,0:07:23.580
que les permitan resolver diferentes problemas. Así que esto significa que los expertos deben proporcionar

0:07:23.580,0:07:30.540
explicaciones abstractas, así como ejemplos concretos y, a continuación, los novatos tienen que ser capaces de preguntar

0:07:30.540,0:07:34.680
por los conceptos que no entienden, recoger un montón de ejemplos concretos,

0:07:34.680,0:07:40.380
y así encontrar los principios subyacentes que les permitan resolver una gama más amplia de problemas.

0:07:41.220,0:07:44.400
Hay una especie de tensión en el campo de si se debe

0:07:44.400,0:07:50.220
empezar por lo abstracto o por lo concreto. Mi regla general es que cuanto más novata sea una persona,

0:07:50.220,0:07:53.280
más se debe comenzar con ejemplos concretos y pasar a

0:07:53.280,0:07:59.400
abstracto en comparación con la otra manera. Y entonces el último consejo que voy a dar es que

0:07:59.400,0:08:03.240
Internet y la IA no han hecho que el aprendizaje sea obsoleto, por desgracia.

0:08:04.140,0:08:07.860
Ya tuvimos este debate cuando apareció internet

0:08:07.860,0:08:11.580
y de repente puedes encontrar toda la documentación que quieras al alcance de tu mano,

0:08:11.580,0:08:16.440
usted no tiene que ir buscando a través de manuales, pensamos que esto haría que la programación fuera tan fácil.

0:08:17.700,0:08:20.580
Pero no fue así, así que el verdadero debate es,

0:08:20.580,0:08:24.540
cuál es el papel de Internet, de la IA y de otras herramientas,

0:08:25.200,0:08:27.780
y cuál es el papel del aprendizaje a la antigua usanza.

0:08:28.440,0:08:32.400
Así que Internet y la IA generativa como Codex o Copilot

0:08:32.400,0:08:36.180
son realmente buenas en detalles de bajo nivel, pero usarlas tiene un costo.

0:08:36.180,0:08:41.760
El primer costo es el cambio de tareas. Así que cuando estás usando Copilot para

0:08:41.760,0:08:46.020
escribir código que ambos están escribiendo código, la evaluación de lo que Copilot le está dando,

0:08:46.020,0:08:49.560
y luego la otra tarea es cambiar entre estos dos tipos diferentes de tareas.

0:08:49.560,0:08:52.440
Puedes mejorar en esto y las herramientas pueden hacerlo más fluido,

0:08:52.440,0:08:56.640
pero sigue teniendo un costo. El mayor costo, sin embargo, es

0:08:56.640,0:09:04.620
que cuando están descargando información a la IA y no tienen esas habilidades de bajo nivel de práctica,

0:09:04.620,0:09:10.140
entonces ustedes no están permitiendose lograr habilidades de orden superior como

0:09:10.140,0:09:13.620
hablamos con el primer consejo. Tienes que practicar esas habilidades de bajo nivel, 

0:09:13.620,0:09:16.980
habilidades para automatizarlas y desbloquear habilidades de orden superior.

0:09:16.980,0:09:24.600
Así que la IA es realmente buena prediciendo código para una situación muy predecible

0:09:25.380,0:09:30.360
pero en este momento no es bueno en un montón de cosas como la creatividad,

0:09:30.360,0:09:33.780
hacer frente a la incertidumbre, o hacer una base de código que es

0:09:33.780,0:09:37.920
mantenible y depurable. Así que tenemos que seguir 

0:09:37.920,0:09:42.000
aprendiendo esas habilidades de bajo nivel para que el programador que tiene que hacer esas tareas

0:09:42.540,0:09:46.740
pueda realizar esas pruebas. Así que la conclusión es que

0:09:46.740,0:09:50.760
desarrolladores todavía tienen que aprender la información conceptual que se descarga con las herramientas.

0:09:51.900,0:09:56.160
Y a modo de resumen, ¿qué se puede hacer para apoyar el aprendizaje?

0:09:56.160,0:09:59.100
Si estás aprendiendo, asegúrense de que están practicando problemas

0:09:59.100,0:10:02.160
para identificar y aplicar patrones. Para contratantes,

0:10:02.160,0:10:05.640
asegúrense de que están considerando cómo usted están tratando de predecir la aptitud de programación,

0:10:05.640,0:10:09.780
si ustedes están tratando de predecir la aptitud de programación, especialmente teniendo en cuenta que no tenemos una buena investigación

0:10:09.780,0:10:11.880
acerca de cómo hacerlo. Para los mentores,

0:10:11.880,0:10:15.540
asegúrense de que están proporcionando ejemplos concretos con conceptos abstractos.

0:10:15.540,0:10:20.580
Aprendices, asegúrate de que estás agregando ejemplos para descubrir esos principios subyacentes.

0:10:20.580,0:10:23.700
Y luego todos, asegúrense de comprender

0:10:23.700,0:10:30.180
las habilidades de bajo nivel que le están pidiendo a la IA que haga. Y si quieres un libro sobre esto,

0:10:30.180,0:10:33.300
...te recomiendo "El cerebro del programador"...

0:10:33.300,0:10:35.160
de Felienne Hermans, una de mis coautoras,

0:10:35.160,0:10:40.620
y si desea sólo un artículo, tenemos un documento próximamente en Comunicaciones

0:10:40.620,0:10:45.720
de la ACM que tiene 10 consejos y será de código abierto para que cualquiera pueda acceder.

0:10:45.720,0:10:49.020
Y mientras tanto, ahí está mi dirección de correo electrónico. Muchas gracias.

0:10:51.600,0:10:56.580
Fantástico muchas gracias, aplausos como si yo fuera todo el público.

0:10:57.960,0:11:00.960
Una vez más, qué grandes charlas, fantásticas que están sucediendo hoy,

0:11:00.960,0:11:05.280
y creo que la pieza de aprendizaje aquí, especialmente apreciar que trajiste

0:11:05.280,0:11:10.380
las tecnologías de aprendizaje y la realidad, bueno, yo los llamo tecnologías de aprendizaje, ya que

0:11:10.380,0:11:13.200
parece que es hacia donde nos dirigimos con muchos de estos inevitablemente,

0:11:13.980,0:11:19.800
y por eso creo que etiquetarlo así parece apropiado. Tengo una pregunta relacionada específicamente con

0:11:19.800,0:11:25.440
a ese componente, verdad? La idea de que 

0:11:25.440,0:11:31.020
AI reemplazaría el aprendizaje se siente bien, que eso no debería ser el caso, obviamente,

0:11:31.020,0:11:35.520
pero, ¿qué tienes que decir sobre el tipo de naturaleza complementaria que podría haber?

0:11:35.520,0:11:38.760
Así que hablas de lo concreto a lo abstracto, de lo abstracto a lo concreto...

0:11:38.760,0:11:43.020
¿Hay un papel que estas tecnologías pueden desempeñar de tal manera que no nos sentimos como

0:11:43.020,0:11:45.480
que las estamos utilizando como una muleta, sino que son más 

0:11:45.480,0:11:48.180
una ayuda en el proceso de aprendizaje? ¿Tienes alguna idea al respecto?

0:11:48.840,0:11:50.220
Bueno, una de mis

0:11:50.220,0:11:57.300
herramientas en el aprendizaje es el uso de analogías. Así que si usted puede pedir a un profesional, una IA que resuelva un

0:11:57.300,0:12:00.960
problema que es básicamente el mismo, pero tiene diferentes características de nivel superficial,

0:12:00.960,0:12:04.800
entonces usted puede comparar los tres, ya sabes, digamos que le pidió resolver tres

0:12:04.800,0:12:06.240
problemas diferentes, puede comparar los tres

0:12:06.840,0:12:12.240
para llegar a esos principios subyacentes. Así que usted puede utilizar eso como una herramienta para mirar

0:12:12.240,0:12:15.960
las diferencias y similitudes y conectar eso a, bueno,

0:12:15.960,0:12:19.440
esta característica es común a través de ellos por lo que debe ser un importante

0:12:19.440,0:12:23.820
característica de la solución de problemas como éste, mientras que éste es muy específico a un

0:12:23.820,0:12:28.740
cierto tipo de problemas por lo que realmente no necesita ser parte de lo que he aprendido.