TripleAD

Encontré este post de mi colega y amigo Ewen Le Borgne, «3 lecciones aprendidas al planificar un taller con Estructuras Liberadoras». Aquí sus tres lecciones:

Lección #1 – Escuchemos las preocupaciones del grupo durante la planificación. Involucrar a partes del grupo en la fase de planificación da como resultado un proceso de taller completamente diferente, que  contribuye funcionar mucho mejor que sin participación.

Lección #2 – Centrarse en el propósito antes que en la estructura: definir el propósito nos ayuda a mantener el enfoque en el proceso de obtener nuevas ideas y explorar oportunidades.

Lección #3 – Dedicar tiempo a las invitaciones para el diálogo. Con un logro deseado (propósito) definido y una Estructura Liberadora seleccionada para lograr este propósito, es hora de formular las preguntas que deberían desencadenar el diálogo necesario en el grupo, las llamadas: invitaciones.

Durante el proceso de planificación del taller, las invitaciones son un elemento clave de cualquier Estructura Liberadora. Una mala invitación dejará al grupo de participant@s confundido sobre qué hacer. Mientras que una buena invitación favorecerá inmediatamente el pensamiento y el diálogo.

Algunas especificaciones mínimas para la invitación: si a nosotros mismos se nos presentara esta pregunta, ¿nos inspiraría esto a pensar/hablar, y la conversación desencadenada iría en la dirección correcta para lograr el propósito? Esto nos ayuda a desafiar nuestras sugerencias de invitaciones y podríamos terminar dedicando bastante tiempo a las invitaciones.

¡El tiempo dedicado a las invitaciones está muy bien invertido!

Dado que las invitaciones son un elemento clave en la estructura liberadora, podríamos leer este artículo sobre las características de las invitaciones poderosas para las estructuras liberadoras.

En el artículo ¿Cuáles son los beneficios y desafíos del uso de la IA en la evaluación?, nos cuentan sobre dos desafíos, dos desafíos, y dos consejos de la Inteligencia Artificial (IA) en la práctica de la evaluación:

1 Beneficio: Eficiencia y precisión

2 Beneficio: Innovación y creatividad

3 Desafío: Cuestiones éticas y sociales

4 Desafío: barreras técnicas y prácticas

5 Consejo: Aprende y experimenta

6 Consejo: Colabora y reflexiona

1. Beneficio: Eficiencia y precisión: La IA  puede ayudar a automatizar y optimizar diversas tareas y procesos, como la recopilación de datos, el análisis, la síntesis y la generación de informes. Por ejemplo:

-podemos usar IA para diseñar y administrar encuestas, escanear y codificar datos cualitativos, identificar patrones y tendencias, generar información y recomendaciones, y crear visualizaciones y paneles

-podemos ahorrar tiempo y recursos, reducir el error y el sesgo humano y mejorar la calidad y fiabilidad de sus datos y hallazgos.

2.Beneficio: Innovación y creatividad: La IA puede ayudar a innovar y crear nuevas formas de realizar y presentar la evaluación. Por ejemplo:

-podemos usar IA para explorar nuevas fuentes y métodos de datos, como redes sociales, mensajes de texto, sensores y procesamiento de lenguaje natural.

-podemos usar IA para generar preguntas e hipótesis novedosas, probar diferentes escenarios y suposiciones, y descubrir nuevas conexiones e implicaciones.

-podemos usar la IA para comunicar con e involucrar a las partes interesadas de maneras más interactivas y dinámicas, como chatbots, realidad virtual y gamificación.

3.Desafío: Cuestiones éticas y sociales: La IA en la evaluación también conlleva algunos problemas éticos y sociales que debemos considerar y abordar. Por ejemplo:

-debemos asegurarnos de que los sistemas de IA sean transparentes, responsables y justos, y que respeten la privacidad, la dignidad y los derechos de sus participantes y clientes.

-debemos ser consciente de los posibles riesgos y daños del uso de la IA, como las violaciones de datos, la manipulación, la discriminación y el desplazamiento.

-debemos equilibrar el uso de la IA con el juicio, los valores y la participación humanos, y evitar la dependencia excesiva o el mal uso de la IA.

4.Desafío: Barreras técnicas y prácticas: La IA en la evaluación es que puede implicar algunas barreras técnicas y prácticas que debemos superar. Por ejemplo:

-debemos tener acceso a datos, infraestructura y herramientas adecuados y apropiados para usar la IA de manera efectiva y eficiente.

-debemos tener las habilidades y el conocimiento para diseñar, implementar y evaluar sus sistemas de IA, y para interpretar y comunicar sus resultados de IA.

-debemos contar con el apoyo y la colaboración de las partes interesadas, compañeros y gerentes para adoptar e integrar la IA en nuestra práctica y cultura de evaluación.

5.Consejo: Aprendamos y experimentemos con la IA tanto como podamos:

-podemos tomar cursos en línea, leer blogs y libros, ver seminarios web y podcasts, y unirse a comunidades y redes relacionadas con la IA y la evaluación.

-podemos probar diferentes herramientas y plataformas de IA, como Google Forms, IBM Watson, NVivo, Tableau y SurveyMonkey.

-podemos aplicar la IA a nuestros propios proyectos de evaluación, ya sea como piloto o como complemento de nuestros métodos y técnicas existentes.

6.Consejo: Colaboremos y reflexionemos con otras personas que están usando o interesadas en usar la IA en la evaluación:

-podemos buscar asesoramiento y comentarios de expertos y mentores, compartir experiencias y lecciones aprendidas con colegas y amigos, y participar en eventos y foros relacionados con la IA y la evaluación.

-podemos involucrar a nuestras partes interesadas y clientes en el diseño, la implementación y el uso de sus sistemas de IA, y solicitar sus opiniones y expectativas.

-podemos reflexionar sobre nuestra propia práctica y valores, y cómo la IA afecta o se alinea con ellos.

En «5 maneras en que la IA está a punto de transformar la evaluación«, por el equipo de Evaluación del Programa Mundial de Alimentos en 4 de julio de 2023, nos dicen que la Inteligencia Artificial (IA) crea oportunidades incomparables y al mismo tiempo plantea nuevos riesgos para todas las organizaciones. La IA no solo es capaz de procesar y analizar grandes cantidades de datos a gran velocidad, sino que también puede realizar razonamientos paso a paso y tomar acciones para lograr objetivos determinados.

1. La velocidad salva vidas: La IA puede ayudar a aprovechar la evidencia existente en momentos críticos de respuesta, generar conocimientos, que hasta ahora son costosos de producir, y posee la capacidad de crear simulaciones complejas que ayudan a predecir los resultados de diversos escenarios globales. . Entregar la evidencia correcta a las personas correctas en el momento correcto nunca ha estado tan cerca.

2. Aumentar la eficiencia, eliminar prejuicios y mejorar la confianza: Las tecnologías de inteligencia artificial como el procesamiento del lenguaje natural (PLN) poseen el poder de analizar, categorizar, etiquetar, recuperar y traducir textos en múltiples idiomas, mientras interpretan y comprenden los sentimientos en las comunicaciones.  La IA puede aprovechar una multitud de evaluaciones pasadas, resumiendo y sacando a la luz tendencias en los resultados, factores recurrentes de éxito y deficiencias.

La IA promete recuperar información relevante de prácticamente todos los informes de evaluación existentes en un abrir y cerrar de ojos, frente a un proceso que ahora lleva días. Y al revisar sistemáticamente los documentos, la IA puede enriquecer el contenido de los productos de evaluación y eliminar el sesgo selectivo que inevitablemente surge con los enfoques manuales y dirigidos por humanos. Además de responder automáticamente a consultas específicas, la IA ayudará a preparar nuevos productos de evidencia a partir de los documentos seleccionados y de calidad garantizada que se le introduzcan.

3. Analizar el contexto y seguir el progreso: La IA puede acelerar la planificación y formulación de evaluaciones, apoyando el análisis del contexto de una intervención y ayudando a identificar desafíos y riesgos vinculados a un programa mientras se desarrollan estrategias de mitigación apropiadas. La IA podría realizar un seguimiento en tiempo real e informar sobre los resultados del programa, mejorando la transparencia y la rendición de cuentas. El acceso en tiempo real a la evidencia evaluativa reforzaría el papel de la evaluación como socio de aprendizaje y apoyaría la gestión adaptativa.

4. Intercambio de conocimientos, sistemas de recomendación: La IA no sólo podrá responder inmediatamente a las solicitudes de evidencia de los usuarios sino que, como Netflix o Spotify, ofrecerá una selección (de evidencia de evaluación) adecuada a su área de interés.

5. Humanos con robots: La aportación humana es esencial para establecer objetivos, ser garante de valores éticos, dar sentido a contextos complejos y garantizar la precisión del contenido generado por IA. Para ello, la educación y la gestión eficaz de los sistemas de IA son cruciales para maximizar los beneficios y minimizar los riesgos asociados. La implementación de salvaguardias técnicas y estrategias de gobernanza holísticas es imprescindible a medida que comenzamos a poner a prueba la IA generativa.

La tecnología de IA nunca ha sido más accesible, más atractiva para usar y vislumbrar el futuro. La IA pronto pasará de ser una curiosidad a ser un lugar común.

Scrum es un marco de trabajo inicialmente para desarrollo ágil de software que se ha expandido a otras industrias. Es un proceso en el que se aplican de manera regular un conjunto de buenas prácticas para trabajar colaborativamente, en equipo y obtener el mejor resultado posible de proyectos, caracterizado por:

• Adoptar una estrategia de desarrollo incremental, en lugar de la planificación y ejecución completa del producto.
• Basar la calidad del resultado más en el conocimiento tácito de las personas en equipos auto organizados, que en la calidad de los procesos empleados.
• Solapar las diferentes fases del desarrollo, en lugar de realizar una tras otra en un ciclo secuencial o en cascada.

Este modelo fue identificado y definido por Ikujiro Nonaka y Takeuchi a principios de los 80, al analizar cómo desarrollaban los nuevos productos las principales empresas de manufactura tecnológica. En su estudio, Nonaka y Takeuchi compararon la nueva forma de trabajo en equipo, con el avance en formación de melé (scrum en inglés) de los jugadores de Rugby, a raíz de lo cual quedó acuñado el término “scrum” para referirse a ella.

Scrum permite la creación de equipos auto organizados impulsando la co-localización de los miembros del equipo, y la comunicación verbal entre los miembros y disciplinas involucrados en el proyecto.

Scrum es un marco de trabajo que define un conjunto de eventos, prácticas y roles, y que puede tomarse como conjunto base para definir el proceso de producción que usará un equipo de trabajo o dentro de un proyecto.

Aunque esta forma de trabajo surgió en empresas de productos tecnológicos, es apropiada para cualquier tipo de proyecto con requisitos inestables y para los que requieren rapidez y flexibilidad, situaciones frecuentes en el desarrollo de determinados sistemas de software.

Los roles principales en Scrum son:

(1) El Scrum Master, que procura facilitar la aplicación de Scrum y gestionar cambios,

(2) El Product Owner, que representa a los stakeholders (interesados externos o internos),

(3) El Team (equipo) que ejecuta el desarrollo y demás elementos relacionados con él.

(4) Durante cada sprint, un periodo entre una y cuatro semanas (la magnitud es definida por el equipo y debe ser lo más corta posible), el equipo crea un incremento de software potencialmente entregable (utilizable).

La metodología Scrum se basa en:

• El desarrollo incremental de los requisitos del proyecto en bloques temporales cortos y fijos.
• Se da prioridad a lo que tiene más valor para el cliente.
• El equipo se sincroniza diariamente y se realizan las adaptaciones necesarias.
• Tras cada iteración (un mes o menos entre cada una) se muestra al cliente el resultado real obtenido, para que este tome las decisiones necesarias en relación con lo observado.
• Se le da la autoridad necesaria al equipo para poder cumplir los requisitos.
• Fijar tiempos máximos para lograr objetivos.
• Equipos pequeños (de 3 a 9 personas cada uno).

Alejandro Guerero, experto de OCDE en evaluación, nos contaba sobre » el Zoo de Indicadores«,  donde las métricas se vuelven locas y sólo los más aptos sobreviven. Algunas razones por qué pasa esto:

1. «Miedo a perderse algo». El temor a que falten áreas clave de desempeño conduce a una sobreabundancia de indicadores.

2. La idea errónea de que un mayor número de métricas garantizará la seguridad (¡visibilidad = presupuesto!).

3. El carácter inherente complejo de los proyectos de desarrollo se refleja a menudo en una excesiva variedad de indicadores. Pero eso muchas veces falla.

4. La proliferación y fragmentación de los actores y esfuerzos de la cooperación para el desarrollo (en lugar de unir fuerzas para lograr los mismos resultados) contribuye a la expansión de métricas redundantes.

A ello sumaba Ian C. Davies, evaluador: El Zoo de indicadores es una comorbilidad de la locura basada en resultados que es una consecuencia del virus político neoliberal/conservador de los años ochenta que se ha convertido en una pandemia global. Entre los síntomas se encuentran:

(1) la ausencia de pensamiento reflexivo y crítico, la falta de rigor intelectual,

(2) la ignorancia de los fundamentos de la investigación y la evaluación,

(3) el uso mecanicista de los términos,

(4) las injusticias epistémicas rutinarias y la tendencia delirante a pensarse a sí mismo como un experto y, en casos extremos, a intentar que otros también lo crean.