Convergencia de la Complejidad, el Conectivismo y la Gestión del Conocimiento: Un Nuevo Paradigma para los Sistemas Educativos Contemporáneos

imagen generada por ideogram.ai

Resultado de una indagación utilizando Deep Research por Luis Ordóñez y Zuly Del Fiaco, Interconectados

La evolución de la educación en el siglo XXI no puede entenderse simplemente como una progresión lineal de metodologías pedagógicas, sino como una respuesta adaptativa a la transformación radical de la naturaleza del conocimiento en una sociedad globalmente interconectada. Esta metamorfosis se sustenta en la intersección de tres pilares fundamentales: la ciencia de la complejidad, la teoría del aprendizaje conectivista y las estrategias avanzadas de gestión del conocimiento. En este contexto, figuras como Stephen Downes y John Evans han emergido como voces críticas que, desde la teoría y la práctica, proponen una reevaluación de cómo los individuos y las organizaciones aprenden en entornos caracterizados por la incertidumbre, la no linealidad y la emergencia de patrones impredecibles. Todo esto sin dejar de anotar que estos autores se centran en el ecosistema externo al aprendiz (medios, redes, gestión) y no en los procesos internos del aprendizaje (la construcción del aprendizaje), siempre validando la teoría del aprendizaje constructivista, sin pretender generar una teoría de aprendizaje nueva porque reconocen la construcción activa del aprendizaje. Su énfasis lo ponen en el ecosistema que, dada su complejidad, debe ser bien gestionado.

La Naturaleza del Conocimiento en Red y el Legado de Stephen Downes

Stephen Downes, reconocido ampliamente como uno de los arquitectos del conectivismo junto a George Siemens, ha dedicado décadas a desentrañar la dinámica del aprendizaje en entornos digitales. Su boletín diario, OLDaily, ha servido no solo como una herramienta de curación de contenidos, sino como un laboratorio de pensamiento donde se ha forjado una nueva epistemología del aprendizaje (Downes, 2019). Para Downes, el conocimiento no es un objeto que se posee o se transmite, sino un estado de una red de conexiones. En este sentido, “saber” no equivale a acumular información en el individuo, sino a reconocer y recorrer patrones que existen fuera de él, mientras que aprender consiste en la capacidad de construir y atravesar dichas redes (Downes, 2012). Sin embargo, este posicionamiento es objeto de críticas y al respecto Kerr (citado en Kop y Hill, 2008) puntualiza que el conocimiento externo es inútil si el sujeto carece de las estructuras internas para interpretarlo, ya que en el conectivismo se confunde la capacidad de acceder a la información con la capacidad de comprenderla. Esto implica desconocer el conocimiento que reside en el sujeto y que resulta indispensable para interpretar, dar sentido y actuar en situaciones concretas.

El Conectivismo como Respuesta a la Complejidad Digital

El conectivismo surge de la insuficiencia de las teorías tradicionales —conductismo, cognitivismo y constructivismo— para explicar el aprendizaje que ocurre fuera de los individuos, es decir, aquel que reside en bases de datos, redes sociales y sistemas de inteligencia artificial (Siemens, 2005). Esta visión sostiene que el aprendizaje es un proceso de formación de redes, donde los nodos pueden ser personas, organizaciones o fuentes de información técnica. La dinámica de estas redes se rige por principios de caos y auto-organización, donde el significado no es una construcción interna del sujeto, sino un patrón que el aprendiz debe aprender a reconocer entre la abundancia de información. Estas ideas del conectivismo están sujetas a la crítica, pues afirmar que el aprendizaje reside en sistemas externos al individuo resulta confuso: lo que reside en tales sistemas es información, mientras que el aprendizaje es explicado por Kerr (citado en Kop y Hill, 2008) y Mattar (2018) como un proceso que, aunque mediado por redes, requiere de un aprendizaje activo y situado. Asimismo, no puede reducirse el significado a un patrón externo, ya que como propone la visión integradora de Mattar, requiere de la apropiación y resignificación del aprendiz.

Downes argumenta que la «media vida del conocimiento» —el tiempo que transcurre entre que se adquiere una información y esta se vuelve obsoleta— se está reduciendo drásticamente. Esto obliga a los sistemas educativos a priorizar el «saber dónde» (know-where) y el «saber cómo» (know-how) sobre el simple «saber qué» (know-what). La capacidad de mantenerse actualizado en una ecología de información en constante cambio se convierte así en la meta-competencia fundamental del siglo XXI.

La Epistemología de la IA y el Concepto de Agnosticismo Tecnológico

Con la irrupción de la inteligencia artificial generativa, se ha propuesto el concepto de «agnosticismo ante la IA». Esta postura sugiere que, en un entorno de aprendizaje auténtico, lo que importa no es si el estudiante utilizó una máquina para evaluar la calidad de sus resultados o criticar sus producciones, sino si la solución final propuesta para una tarea genuina es la mejor posible en su contexto. Este enfoque desafía la visión tradicional de la evaluación, que a menudo se centra en el proceso solitario de producción del estudiante, ignorando que en el mundo profesional y científico el conocimiento siempre se produce mediante la asistencia de herramientas y redes.

Downes sostiene que la educación actual, estructurada en torno a la memorización de un cuerpo de contenido para luego probarlo mediante exámenes, se ha vuelto irrelevante frente a la capacidad de la IA para realizar estas mismas tareas de manera más eficiente. Por lo tanto, propone una transición hacia pedagogías basadas en la acción real: que los estudiantes diseñen campañas ambientales, recauden fondos para causas sociales, inicien negocios o resuelvan problemas comunitarios tangibles. En estas actividades, la complejidad es inherente y no puede ser reducida a una serie de pasos lineales memorizables.

John Evans y la Gestión del Conocimiento en la Práctica Escolar

Mientras que Downes aborda la dimensión epistemológica y de red, John Evans representa la implementación práctica de estos conceptos en el nivel de gestión escolar y desarrollo curricular. Evans, director escolar en Manitoba, Canadá, ha sido un pionero en integrar la gestión del conocimiento (Knowledge Management – KM) en la estructura de las escuelas primarias y secundarias (Evans et al., 2015). Su enfoque se alinea con la idea de que la escuela es un sistema adaptativo complejo que debe gestionar su capital intelectual para sobrevivir y prosperar en entornos turbulentos.

La Escuela como Comunidad de Práctica y Aprendizaje

El trabajo de Evans destaca la importancia de las «comunidades de práctica» y las redes personales de aprendizaje dentro del sistema educativo formal. Para Evans, la integración de la tecnología no es un fin en sí mismo, sino un medio para facilitar el aprendizaje independiente y colaborativo. A través de iniciativas como el proyecto «Maple» en Manitoba, Evans ha fomentado espacios donde los docentes pueden compartir y recolectar ideas sobre «making» (Cultura Maker (Making): Es una filosofía de «aprender haciendo»), programación y otros temas transversales, rompiendo el aislamiento tradicional del aula.

La gestión del conocimiento en el ámbito escolar, según la perspectiva de Evans, implica reconocer que el conocimiento docente es un recurso infinito y dinámico que crece cuando se comparte (Evans et al., 2015). Esto requiere un cambio en la cultura escolar, pasando de estructuras jerárquicas de control a redes de confianza donde la información fluye libremente. La aplicación de software de código abierto, como Elgg para blogs profesionales, ha sido una de las tácticas empleadas por Evans para visibilizar el pensamiento de los educadores y crear una memoria organizacional compartida.

Investigación-Acción y Complejidad en el Aula

Evans también ha estado involucrado en procesos de investigación-acción, lo que refleja un entendimiento de la educación como un proceso experimental continuo. En un sistema complejo, no existen «mejores prácticas» universales que puedan ser replicadas mecánicamente; en su lugar, existen prácticas que emergen en contextos específicos. La investigación-acción permite a los docentes actuar como «sensores» dentro del sistema, identificando tensiones y probando pequeñas intervenciones para observar su impacto en el aprendizaje de los estudiantes.

Esta visión coincide con la idea de que los docentes deben ser facilitadores y activadores del aprendizaje, más que transmisores de información. En entornos complejos, el rol del líder educativo —ya sea un director como Evans o un docente en su aula— es crear las condiciones para que la auto-organización ocurra, estableciendo límites y atractores que guíen la energía del sistema hacia metas compartidas de éxito estudiantil.

Los Sistemas Educativos como Sistemas Adaptativos Complejos (CAS)

La comprensión de la educación a través de la lente de la ciencia de la complejidad permite identificar por qué muchas reformas educativas fracasan al intentar imponer soluciones lineales a problemas que son intrínsecamente no lineales. Un Sistema Adaptativo Complejo (CAS) se define como una red dinámica de interacciones donde el comportamiento del conjunto no es predecible a partir del comportamiento de sus partes individuales (Davis & Sumara, 2006).

Propiedades Fundamentales de los CAS en Educación

Para que un sistema educativo sea considerado un CAS, debe exhibir ciertas características que lo diferencian de los sistemas puramente mecánicos o complicados (McGregor, 2020).

Un ejemplo claro de la naturaleza CAS de la educación es el aula. Los estudiantes y el docente interactúan de formas que generan una cultura de clase única. Intentar controlar esta cultura mediante reglamentos estrictos (control de arriba hacia abajo) a menudo resulta menos efectivo que permitir que las normas emerjan a través de interacciones locales guiadas por principios de respeto y curiosidad (enfoque de abajo hacia arriba).

El «Borde del Caos» y la Creatividad Pedagógica

La teoría de la complejidad postula que los sistemas son más creativos y adaptables cuando operan en el «borde del caos», una zona de transición entre el orden rígido y el desorden total. En educación, esto significa que un aula demasiado estructurada sofoca la innovación, mientras que una totalmente desestructurada conduce a la confusión. El equilibrio óptimo se encuentra en un estado de desequilibrio dinámico, donde las ideas pueden colisionar y recombinarse para generar nuevos conocimientos.

Los pedagogos que adoptan esta visión entienden que el aprendizaje profundo requiere enfrentarse a problemas «perversos» (wicked problems) que no tienen una solución única y clara. Estos desafíos obligan a los estudiantes a activar habilidades de pensamiento de orden superior, a colaborar a través de redes y a aceptar la ambigüedad como parte natural del proceso cognitivo.

El Marco de Trabajo Cynefin: Sentido y Decisión en la Incertidumbre

Para los líderes educativos que se apoyan en la concepción compleja del entorno educativo descrita por Evans y Downes, el marco de trabajo Cynefin, desarrollado por Dave Snowden, proporciona una herramienta de «sense-making» esencial para diferenciar los contextos de decisión (Snowden & Boone, 2007). El término «sense-making« (o su traducción «dar sentido») es fundamental en la gerencia moderna, especialmente cuando pasamos de la gestión tradicional (basada en el orden y la predicción) a la gestión de la complejidad. Cynefin ayuda a evitar la simplificación excesiva de los problemas educativos al categorizarlos en cinco dominios.

Aplicación de los Dominios Cynefin en la Gestión Educativa

El marco Cynefin (una herramienta de gestión y toma de decisiones, no es una estrategia de aprendizaje, ni un método pedagógico, ni una técnica didáctica) permite a un director escolar o a un docente determinar qué tipo de respuesta es adecuada para una situación determinada, reconociendo que aplicar soluciones del dominio «claro» a problemas «complejos» es una receta para el fracaso (Kurtz & Snowden, 2003).

1. Dominio Claro (Simple): Existe una relación evidente entre causa y efecto. La respuesta adecuada es «Sentir – Categorizar – Responder». Un ejemplo es la gestión de las nóminas o los protocolos de simulacros de incendio. Aquí se aplican las «mejores prácticas».
2. Dominio Complicado: La relación causa-efecto requiere análisis experto. La respuesta es «Sentir – Analizar – Responder». El diseño de un nuevo edificio escolar o la implementación de una infraestructura de red de alta velocidad cae en este dominio. Se aplican las «buenas prácticas».
3. Dominio Complejo: La relación causa-efecto solo se percibe en retrospectiva. No hay respuestas correctas a priori. La respuesta es «Sondear – Sentir – Responder». Problemas como el acoso escolar (bullying) o la mejora del sentido de pertenencia de los estudiantes son complejos. Requieren experimentos «seguros para fallar» y observar qué patrones emergen.
4. Dominio Caótico: No hay patrones visibles; la prioridad es estabilizar el sistema. La respuesta es «Actuar – Sentir – Responder». Un ciberataque a los sistemas escolares o el inicio repentino de una pandemia global colocan a la organización en este dominio.
5. Dominio de Confusión (Desorden): Es el estado de no saber en qué dominio se encuentra uno. El riesgo es actuar basándose en las preferencias personales en lugar del contexto real.

El uso de Cynefin en educación promueve un liderazgo ágil. En lugar de un plan estratégico rígido a cinco años, las instituciones en entornos complejos deben desarrollar «capacidades dinámicas»: bucles de retroalimentación rápidos y la capacidad de redistribuir recursos (tanto humanos como tecnológicos) de manera flexible a medida que el panorama cambia.

La Gestión del Conocimiento como Estrategia de Supervivencia Organizacional

La convergencia entre la gestión del conocimiento y la teoría de la complejidad sugiere que las organizaciones educativas deben ser vistas como ecosistemas de conocimiento resilientes. Esta perspectiva, denominada a veces «KM de segunda generación», pone el énfasis en los procesos sociales de creación de conocimiento más que en el almacenamiento de datos tecnológicos.

De los Repositorios a las Redes de Sensores Humanos

En el modelo tradicional de KM, el objetivo era codificar el conocimiento de los docentes en bases de datos para que otros pudieran acceder a él. Sin embargo, en un sistema complejo, el conocimiento más valioso es tácito y está profundamente ligado al contexto. Por lo tanto, el enfoque moderno se desplaza hacia la creación de «redes de sensores humanos».

Esta transición permite a las instituciones educativas ser más sensibles a las señales débiles de cambio. Por ejemplo, al recopilar micro-narrativas de las experiencias diarias de los estudiantes y docentes, una universidad puede detectar tendencias en la salud mental o en la desvinculación académica mucho antes de que se reflejen en las tasas de deserción. Este es el tipo de gestión del conocimiento que John Evans ha impulsado al utilizar blogs y plataformas colaborativas donde el aprendizaje se hace visible y se comparte en tiempo real.
Por otra parte, es importante distinguir que gestión del conocimiento no es igual a proceso de aprendizaje. El primero, organiza y distribuye la información en el contexto educativo, mientras el segundo explica cómo el aprendiz transforma los insumos y el contexto en conocimiento propio. Son cuestiones distintas que son complementarias.

Impacto de la Inteligencia Artificial en la Epistemología Educativa

La inteligencia artificial no es solo una nueva herramienta en la caja del docente; es un factor que altera las condiciones mismas bajo las cuales el aprendizaje es posible. En el contexto de los sistemas complejos, la IA actúa como un nuevo tipo de agente en la red, capaz de procesar información a escalas y velocidades que superan las capacidades humanas, pero careciendo de la comprensión del contexto y la intención que define el conocimiento humano.

El Dilema del Offloading Cognitivo vs. la Asistencia Aumentada

Un debate central en la web educativa actual, frecuentemente discutido en OLDaily, es si el uso de la IA conduce a un «vaciado cognitivo» (cognitive offloading) que debilita las capacidades críticas de los estudiantes. Stephen Downes desafía esta visión, sugiriendo que el aprendizaje siempre ha ocurrido a través de la asistencia: de compañeros, de profesores y de recursos estructurados en el aula.

El verdadero cambio radica en que la IA permite externalizar tareas de bajo nivel, liberando capacidad cognitiva para enfrentar problemas de mayor complejidad. Sin embargo, esto requiere que los estudiantes desarrollen una «alfabetización científica de sistemas complejos». Deben comprender nociones como el equilibrio dinámico, la retroalimentación y la causalidad circular para poder supervisar y dirigir de manera efectiva los sistemas de IA con los que colaboran.

Conclusiones y Recomendaciones Estratégicas

La integración de la educación, el conocimiento y los sistemas complejos exige un cambio de paradigma que va más allá de la mera actualización tecnológica. Basándose en las visiones de Stephen Downes (2019), John Evans (2015) y el marco Cynefin, se pueden extraer conclusiones fundamentales:

• Rediseño de la Evaluación: La evaluación debe alejarse de la reproducción de contenidos aislados y moverse hacia la resolución de tareas auténticas en red. El «agnosticismo ante la IA» permite centrarse en la calidad de la solución y en la capacidad del estudiante para integrar recursos diversos para lograr un impacto real.
• Fomento de la Autonomía y la Red: El aprendizaje ocurre en la conexión. Las instituciones deben facilitar la creación de redes personales de aprendizaje y comunidades de práctica, permitiendo que el conocimiento fluya entre nodos humanos y digitales sin las restricciones de la jerarquía tradicional.
• Liderazgo Basado en la Complejidad: Los directivos escolares deben adoptar marcos como Cynefin para discernir cuándo aplicar reglas establecidas y cuándo fomentar la experimentación. En dominios complejos, el papel del líder es «sondear y sentir», creando entornos «seguros para fallar» donde la innovación pueda emerger.
• Gestión del Conocimiento como Cultura: La KM debe dejar de ser una función administrativa para convertirse en el tejido mismo de la cultura escolar. Iniciativas como las de John Evans demuestran que dar voz a los docentes y crear espacios para compartir la praxis es la forma más efectiva de inteligencia organizacional.

Referencias Bibliográficas

Davis, B., & Sumara, D. (2006). Complexity and Education: Inquiries into Learning, Teaching, and Research. Routledge.

Downes, S. (2012). Connectivism and Connective Knowledge. Recuperado de downes.ca

Downes, S. (2019). Recent work in connectivism. European Journal of Open, Distance and E-Learning, 22(2), 112-132.

Evans, J., et al. (2015). Knowledge management interactions in organizations. Knowledge Management Research & Practice, 14.

Kop, R., & Hill, A. (2008). Connectivism: Learning theory of the future or vestige of the past? The International Review of Research in Open and Distributed Learning, 9(3). https://doi.org/10.19173/irrodl.v9i3.523

Kurtz, C. F., & Snowden, D. J. (2003). The new dynamics of strategy: Sense-making in a complex and complicated world. IBM Systems Journal, 42(3), 462-483.

Mattar, J. (2018). Constructivismo y conectivismo en tecnología educativa: El aprendizaje activo, situado, auténtico, experiencial y anclado. RIED. Revista Iberoamericana de Educación a Distancia, 21(2), 201-217. https://doi.org/10.5944/ried.21.2.20055

McGregor, S. L. T. (2020). Complexity, emergent pedagogy and deep learning. The Open Repository @ Binghamton.

Siemens, G. (2005). Connectivism: A learning theory for the digital era. International Journal of Instructional Technology and Distance Learning, 2(1).

Snowden, D. J., & Boone, M. E. (2007). A leader’s framework for decision making. Harvard Business Review, 85(11), 68-76.