¿Quién mejor que uno de nuestros aprendices para hablarles de nuestra pedagogía? Malek IDRI, del curso Data Engineer, te explica todo sobre el método pedagógico de DataScientest.
Me sorprendió gratamente el formato de formación propuesto por DataScientest. Habiendo sido estudiante hace unos años en una escuela de informática con métodos pedagógicos más tradicionales, tenía ciertas reservas sobre retomar mis estudios.
De hecho, los métodos de aprendizaje «tradicional» (división de materias, clases magistrales, transmisión unilateral del conocimiento, competencia por las calificaciones, confrontación, evaluaciones periódicas, infantilización) son tantos métodos que pueden minar considerablemente la motivación y el deseo de adquirir nuevas habilidades. Salí de la escuela pensando que era bastante promedio, mientras que en la empresa solía destacar tomando iniciativas, encontrando soluciones originales y creando una cohesión de grupo favorable para el intercambio…
Lo positivo del método pedagógico utilizado en DataScientest, es que combina rasgos tanto del método experimental como de la pedagogía por proyectos, impartiendo la formación principalmente en e-learning.
El método experimental permite al aprendiz explorar más allá de los límites y experimentar, es especialmente adecuado en el campo de la informática. Para una misma tarea, habrá un sinfín de soluciones y rutas de aprendizaje, de tal manera que cada aprendiz es libre de construir sus propias experiencias y habilidades.
En resumen, durante sprints de una semana, el aprendiz no solo adquiere competencia en el uso de una tecnología, sino que todo su proceso de investigación es personal, ganando en el camino, durante sus búsquedas en foros, debates con sus equipos de trabajo, otros conocimientos únicos.
El hecho de que tenga que encontrar su propia solución, no forzosamente en clase, sino a través de cualquier medio a su alcance, lo coloca en una posición mental activa que fomenta una inteligencia orientada hacia la curiosidad, creatividad, innovación, toma de iniciativas, cooperación. A diferencia de las pedagogías más tradicionales donde el estudiante adopta una posición pasiva, fomentando una inteligencia académica relacionada con el rendimiento de memoria, la competencia y las conformidades a las expectativas de un formador o de un programa que, a menudo, ya no coincide necesariamente con las expectativas del mercado.
La pedagogía por proyectos, por otro lado, permite integrar todas estas experiencias obtenidas durante los distintos sprints dentro de un proyecto integral, logrando así, un mejor alcance en la adquisición de habilidades. Por ejemplo, para el Data Engineer, la primera fase del proyecto será la creación de una API con Machine Learning, la segunda fase será la gestión completa de una base de datos y la tercera fase será el despliegue del conjunto en un cluster de máquinas.
Al conectar todas las habilidades adquiridas durante los sprints a través de un proyecto integral, el aprendiz revisa los distintos bloques de conocimientos adquiridos para emplearlos en un proyecto profesional real, así los conocimientos no son dispersos, es un enfoque holístico donde las conexiones y la articulación entre las habilidades son tan importantes como las habilidades mismas. El aprendiz termina por crear un proyecto integral de forma natural y este proyecto en forma de scripts u otros documentos que él mismo habrá elaborado según su criterio, le permitirá conservar sus conocimientos de manera durable.
Ilustración a continuación:
La pedagogía por proyecto también fomenta un intenso trabajo colaborativo entre el aprendiz y el líder de cohorte. El e-learning presenta ciertas desventajas, por ejemplo, requiere un mínimo de autodisciplina, pero eso es mínimo en comparación con las ventajas que ofrece si el aprendiz sabe cómo aprovecharlas: mejor gestión de su tiempo, aprendizaje en las condiciones óptimas para el aprendiz.
La validación de los sprints está, también, más alineada con el contexto profesional, a diferencia de las pedagogías tradicionales donde el estudiante presenta un examen en medio de otros cursos, donde no está necesariamente en las mejores condiciones y la validación se realiza bajo la premisa de obtener una nota por encima del promedio. En DataScientest, el estudiante realiza el examen cuando se siente más preparado para ello, por ejemplo, justo después de terminar el curso, o cuando se siente lleno de energía o confianza, en cualquier momento del día. Dispone de tres intentos, y en el caso de exámenes de tipo cuestionario, el estudiante debe alcanzar al menos el 90% de respuestas correctas. En el ámbito empresarial, los clientes no esperan tener un producto que funcione al 10/20 o al 12/20, sino más bien al 90%, e incluso al 95%.
Además, DataScientest aplica algunos métodos del ámbito de la informática como la mejora continua del contenido de sus cursos. De hecho, los aprendices son ellos mismos invitados a contribuir para mejorar los cursos, ofrecer feedback sobre problemas encontrados, hacer sugerencias de mejoras a su líder de cohorte…
Este tríptico que combina eficazmente el método experimental, pedagogía por proyecto y e-learning es «mucho más profesional y mejor adaptado a la sociedad actual».
Agradecemos sinceramente a Malek por su testimonio y le deseamos lo mejor en el futuro de sus proyectos profesionales. Si desea contactarlo, puede hacerlo a través de LinkedIn haciendo clic en este enlace.
Para descubrir el contenido del itinerario Data Engineer que ha seguido, visite la página dedicada.
