Content uploaded by Miguel Moreno-Muñoz
Author content
All content in this area was uploaded by Miguel Moreno-Muñoz on Dec 05, 2020
Content may be subject to copyright.
Recibido 16 mayo 2016 | Aceptado 6 octubre 2016 | Publicado 2016-11
Gazeta de Antropología, 2016, 32 (2), artículo 06 · http://hdl.handle.net/10481/43309 Versión HTML
Unconventional cognitive enhancement options addressing structural unemployment in the technological
context of the fourth industrial revolution
Miguel Moreno Muñoz
Profesor Contratado Doctor (acreditado para TU). Departamento de Filosofía II, Universidad de Granada. España
mm3@ugr.es
TECNOLOGÍAS DE MEJORA HUMANA: DEBATE ÉTICO E IMPACTO SOCIOCULTURAL
MONOGRÁFICO COORDINADO POR MIGUEL MORENO (Universidad de Granada) y FRANCISCO LARA (Universidad de Granada)
RESUMEN
El objetivo de esta contribución es analizar los efectos en la automatización del trabajo derivados de la implantación de las
tecnologías asociadas con la cuarta revolución industrial, y las oportunidades que abren para ciertos programas de mejora
cognitiva no convencional. La metodología desarrollada parte de una caracterización del potencial tecnológico asociado con
diversas fases del proceso de mecanización y automatización hasta el presente, revisando la literatura que considero
imprescindible para entender el potencial diferenciado del ecosistema actual de innovaciones tecnológicas. El interés del enfoque
adoptado consiste en integrar tres elementos que suelen encontrarse dispersos en la literatura: 1) el potencial ligado a las
tecnologías de la cuarta revolución industrial; 2) diversos análisis del desempleo estructural como fenómeno y tendencia
característica de las sociedades contemporáneas; y 3) estudios recientes sobre el progresivo desfase entre desarrollo tecnológico
y las dinámicas de adaptación/transformación de los sistemas educativos durante la segunda mitad del siglo XX. Asumo como
hipótesis de trabajo que el desfase aludido se ha acentuado como efecto de la digitalización y la incorporación de inteligencia
artificial en el desarrollo de sistemas robóticos, cuyas capacidades compiten ya o sobrepasan a las de trabajadores
especializados en muchos tipos de actividad. Descartados ciertos proyectos de mejora cognitiva por los riesgos en su actual fase
de desarrollo, considero que la evolución de los indicadores de eficiencia de los sistemas educativos públicos y privados durante
la última década justifica el interés por determinados programas de mejora cognitiva no convencionales –intento esbozar uno–,
como complemento de los programas de reforma en curso.
ABSTRACT
In this contribution I analyze the effects on the automation of work induced by technologies associated with the fourth industrial
revolution, and the opportunities they open for certain programs of unconventional cognitive enhancement. The methodology
applied starts with a characterization of the technological potential associated with several stages in the process of mechanization
and automation to the present day, reviewing the basic literature in order to better understand the specific potential of the last
innovations. This approach allows a more consistent integration of three elements often found scattered in the literature: 1) the
potential linked to technologies of the fourth industrial revolution; 2) some studies and reports about the structural unemployment,
as a phenomenon and trend that characterizes contemporary societies; and 3) recent studies on the progressive gap between
technological development and the dynamics of adaptation/transformation of educational systems during the second half of the
twentieth century. As a working hypothesis, I consider that the gap referred has increased as a result of digitization and
incorporation of artificial intelligence in the development of robotic systems, in some cases with capacities that compete or exceed
those of skilled workers in many activities. Discarded certain attempts of cognitive enhancement for the risks in its current phase
of development, I argue that the evolution of indicators of efficiency in public and private educational systems over the last decade
justifies the interest in unconventional cognitive enhancement programs -and I try to outline one-, as a complement to the ongoing
reforms.
PALABRAS CLAVE
revoluciones industriales | sistema educativo | automatización | digitalización | inteligencia artificial | mejora cognitiva
KEYWORDS
industrial revolutions | education system | automation | digitization | artificial intelligence | cognitive enhancement
1. Introducción *
Los efectos de la automatización del trabajo en la configuración de la dinámica social y económica
contemporánea han sido analizados a partir de una primera generación de máquinas, dispositivos y
robots industriales que apenas ayudan a comprender el alcance de las transformaciones inducidas por el
desarrollo de sistemas robóticos dotados de inteligencia artificial avanzada. En la próxima década, más
de 700 tipos de actividades -yacimientos de empleo masivo en los países desarrollados- podrían ser
sustituidos por sistemas automatizados capaces de emular o mejorar actividades humanas que requieren
capacidades propias de trabajadores con una cualificación media o alta (Frey y Osborne 2013: 2).
El impacto previsible de esta segunda ola de transformaciones sustantivas derivadas de la irrupción
masiva de dispositivos conectados a sistemas complejos con gran capacidad de computación, algoritmos
especializados y elementos de inteligencia artificial incorporados en su diseño (The Second Machine
Age, según la denominan Erik Brynjolfsson y Andrew McAfee 2014) constituye un desafío para las
ciencias sociales y para los sistemas educativos de los países económica e industrialmente más
desarrollados.
El objetivo de este trabajo es indagar el impacto social de los desarrollos tecnológicos asociados con las
tres primeras revoluciones industriales y la transformación experimentada por los sistemas educativos
que proporcionaron la cualificación requerida, para identificar los elementos de discontinuidad con los
avances de la última década en automatización, diseño de sistemas robóticos, asistentes virtuales y
sistemas dotados de inteligencia artificial. Como hipótesis de trabajo se asume un progresivo desfase
entre desarrollo tecnológico y transformación/renovación de los sistemas educativos que justifica explorar
las posibilidades de un programa de mejora cognitiva no convencional.
2. Antecedentes
El progreso en el desarrollo de máquinas capaces de sustituir la aplicación directa de fuerza humana o
animal en tareas repetitivas estuvo durante siglos asociado a un potencial limitado para aprovechar
fuentes de energía natural fácilmente disponibles (corrientes de agua, viento, mareas, etc.). El propósito
de conseguir dispositivos con un funcionamiento fiable sin necesidad de supervisión humana constante
contribuyó al desarrollo de sistemas de poleas, resortes, contrapesos y canalizaciones de agua capaces
de llevar a cabo tareas relativamente simples, o combinaciones de estas, con aplicaciones de uso militar
o civil (incluyendo actividades lúdicas, artísticas o musicales) muy variadas, antes de nuestra era (1).
Entre otras, la eolípila, diseñada por Herón de Alejandría (a quien se atribuye el primer tratado sobre
autómatas de la historia) para poner a prueba conocimientos incipientes de hidráulica y mecánica
adquiridos a partir del siglo III AC; o el mecanismo de Antiquitera, una especie de computadora analógica
con treinta engranajes de bronce, elaborada en el siglo II AC y técnicamente más compleja que cualquier
dispositivo construido en el milenio posterior, diseñada para automatizar cálculos astronómicos (Freeth y
otros 2006).
La primera revolución industrial, ligada a la producción textil y al empleo de la máquina de vapor, sufrió
una transformación radical en 1801, cuando Joseph Marie Jacquard patentó un telar automático
programable mediante tarjetas perforadas. Recibido con rechazo por el gremio de tejedores -quemaron
públicamente uno de sus telares-, su aproximación a los detalles de una tarea que conocía a la
perfección por ser hijo de un obrero textil pronto demostró su potencial. En lo esencial, había diseñado
antes que Charles Babbage una primera máquina computacional capaz de automatizar los procesos
asociados a una actividad que requería mano de obra intensiva (Delve 2007).
Las sucesivas revoluciones industriales surgieron de una combinación de invenciones, desarrollos
tecnológicos y conocimientos científicos que hicieron posible el aprovechamiento de nuevas fuentes de
energía (petróleo y electricidad), las propiedades de nuevos materiales (acero, cemento, plástico, silicio)
y el diseño de máquinas que transformaron a gran escala la producción industrial, el transporte y las
comunicaciones. Las ventajas de la automatización ya eran obvias a finales del siglo XIX (mejora de la
calidad y eficiencia en la producción, con un incremento significativo del nivel de vida de gran parte de la
población en pocas décadas); pero también sus inconvenientes: reducción de la oferta de trabajo, rigidez
en los procesos de ajuste a la evolución de las necesidades, y dependencia de servicios costosos de
reparación y mantenimiento, entre otros.
El desarrollo de la electrónica y de la computación digital susceptible de aplicación industrial es un
fenómeno de la segunda mitad del siglo XX y caracteriza a la tercera revolución industrial. A partir de
1960 se consolida la tendencia a sustituir a trabajadores humanos por sistemas de computación digital
en tareas que requerían una cualificación o especialización media, incluyendo muchas dependientes de
la información proporcionada por sensores específicos (temperatura, humedad, presión, viscosidad, etc.)
para controlar la acción precisa de actuadores muy diversos. Los niveles de control automatizados
incluyen al menos uno donde trabajadores humanos monitorizan el funcionamiento y los mensajes de
alarma. Estos sistemas están sujetos a una tendencia constante en la automatización de tareas a más
niveles, potenciada por las posibilidades de comunicación a escala mundial para transmitir las
instrucciones, patrones y diseños de producción a cada factoría o centro de producción (Kottenstette y
Antsaklis 2009: 241-244, Vernadat 2009: 1532-1535).
3. De la robótica industrial a los sistemas robóticos con inteligencia artificial
La electrónica y la revolución digital han tenido su mayor impacto en la actividad industrial con los robots
articulados programables para aplicaciones de montaje, corte y soldadura. Por lo general, se trata de
brazos sofisticados con capacidad para articular movimientos en 4, 6 o más ejes (la referencia al
respecto son los diseños de KUKA robotics), de distintos tamaños y capaces de adaptarse a tareas
específicas (soldadura, pintura, corte, prensado, envasado, apilado y gestión de almacén, tareas en
entornos de altas temperaturas, limpieza, etc.), con accionamiento electromecánico. En 1972, FIAT (en
Italia) y Nissan (en Japón) comenzaron a disponer de línea de producción con soldadura automatizada
(2).
A partir de 1980, las grandes empresas suministradoras de equipamiento industrial en Estados Unidos,
Japón, Italia, Suiza y Alemania entraron de lleno en la fabricación de robots articulados para uso
industrial (en 1983 ya funcionaban unos 66.000). Se trataba sobre todo de robots diseñados para tareas
repetitivas que requerían manipulación muy precisa, aunque las soluciones de automatización se
diversificaron rápidamente para ajustarse en la siguiente década a las demandas de trabajo en
condiciones muy exigentes: salas limpias, cadenas de producción en la industria del metal controladas
íntegramente por sistemas robóticos, entornos que requieren micro-robots actuando de forma
coordinada, etc. (Wallen 2008: 11-12).
En 1990 se comienzan a introducir capacidades de comunicación en red que facilitan la coordinación y
sincronización del trabajo en la ejecución de procesos industriales. El estándar ISO (ISO 8373:1994,l,
equivalente a UNE-EN ISO 8373:1998) define un robot industrial como un manipulador programable en
tres o más ejes multipropósito, controlado automáticamente y reprogramable (3). Pero esa definición no
proporciona una idea ajustada a la complejidad de los diseños conseguidos: en 1998 ya existían
configuraciones de robots industriales dotados de movimiento para desplazarse por entornos cerrados,
con brazos cuyo movimiento estaba guiado por láser y capaces de coordinar los movimientos de 27 o
más ejes (4). Progresivamente, el uso de robots se extiende fuera del entorno de producción industrial
(donde sustituyen a trabajadores humanos en tareas monótonas, repetitivas, pesadas o peligrosas) a
tareas como los servicios de seguridad y emergencias, prestación de asistencia sanitaria, exploración
científica y extracción minera o de energía, entre otros (Nof 2009: 3-11 y 53-69).
Entre 2000 y 2010 se generaliza el empleo de tecnologías de comunicación inalámbricas, que suprimen
los inconvenientes de tener el robot conectado a la unidad de control. Se diseñan robots mucho más
eficientes y ligeros, con múltiples sensores integrados y menor consumo energético. Y se les dota con
algoritmos que permiten reajustar su funcionamiento para evitar vibraciones o movimientos innecesarios.
La digitalización de gran parte de los procesos productivos en todos los sectores de la economía mundial
ha permitido niveles de personalización y flexibilidad para reprogramar la producción inimaginables en el
siglo XX. Es una tendencia irreversible como factor de competitividad en esta década, pero admite un
amplio desarrollo (Brynjolfsson y McAfee 2014: caps. 2 y 4).
La innovación que caracteriza a la cuarta revolución industrial es la incorporación de inteligencia artificial,
sensores avanzados y machine learning a los robots y sistemas robóticos (Nof 2009: 249-269). La
integración de estos desarrollos con avances en nanotecnología e impresión 3D permite construir
sistemas robóticos con diverso grado de autonomía y versatilidad. Además de capacidades básicas de
representación de su posición, movimiento y dinámica, muchos pueden procesar información táctil o
visual y dosificar la fuerza o controlar el movimiento en la trayectoria elegida. Su consolidación va muy
ligada al incremento de la capacidad para diseñar sistemas ciberfísicos conectados a una red de
servicios descentralizados.
Estos sistemas pueden monitorizar procesos físicos, construir copias o diseños virtuales de un entorno
físico determinado y cooperar entre sí, o con seres humanos, para proporcionar una serie de servicios
propios o en interacción con otras plataformas de servicios ligadas a una misma cadena de valor. Su
flexibilidad les hace capaces de tomar decisiones en tiempo real, dependiendo del análisis de los datos
sobre preferencias de los clientes/usuarios que pueden recopilar y procesar mediante algoritmos
especializados. El desplazamiento de la capacidad de computación a los centros de datos y el auge de
los servicios en la nube, accesibles de forma ubicua mediante redes de comunicaciones con gran ancho
de banda, facilita la movilidad de las plataformas de ensamblaje y fomenta modelos de vinculación
laboral no presenciales (Velásquez y Nof 2009: 1556-1572).
Si la automatización y la digitalización han contribuido a transformar de modo radical el mercado de
trabajo, la integración de robótica con sistemas de inteligencia artificial para gestionar flujos de
información, carga de trabajo e incertidumbre en sistemas complejos constituye ahora el principal motor
de transformaciones sustantivas en la concepción del trabajo y en la planificación del tiempo, de la
formación, del ocio y de la salud (Nau 2009: 249-268, He y Castro-León 2009: 406-414). Las
comunicaciones a través de redes digitales de alcance mundial hacen posible la creación de
arquitecturas, modelos y metodologías capaces de integrar en tiempo real la información que suministran
los consumidores con los procesos de intercambio comercial y las redes de suministro de empresas
multinacionales. El nivel de integración y la conectividad de todas las áreas de valor de las redes de
suministro ha aumentado significativamente con la llegada del e-Business, e-Commerce, e-Services y la
inversión en infraestructura colaborativa para el e-Work en un sistema económico globalizado (Velásquez
y Nof 2009: 1556-1572).
4. Relación entre innovación tecnológica y desempleo estructural
Cada transformación significativa del sistema productivo ha surgido de un ecosistema de desarrollos
tecnológicos cuya integración ha permitido mejorar la eficiencia y la productividad, reduciendo la
implicación directa de trabajadores humanos en procesos repetitivos y fácilmente automatizables. Las
ventajas de la automatización incluyen una reducción de la accidentalidad y de los riesgos laborales
(Morel y otros 2009: 738-745), aumento de precisión y calidad en el producto, reducción de costes
ligados al mantenimiento y mejora de la productividad.
Sus contrapartidas han sido objeto de intenso debate desde que Jacquard presentó su telar automático a
los patrones de la industria textil de la época (Autor 2015: 3-9). La principal amenaza directa en las
revoluciones previas ha sido la destrucción de millones de puestos de trabajo en determinados sectores
susceptibles de automatización (logística, manufactura y transporte, p. ej.), ligada a una distribución muy
desigual de los beneficios derivados del incremento de productividad (Daunton 1995: 377-476).
Si bien un porcentaje importante del desempleo asociable con la innovación tecnológica podría
considerarse compensado mediante la aparición de nuevos yacimientos de empleo y la demanda de
mayor cualificación para los operarios en entornos productivos muy automatizados, con un impacto
directo en la mejora de las condiciones salariales, los temores a un balance neto desfavorable como
efecto de la mecanización y de la automatización han suscitado reacciones airadas en innumerables
ocasiones (desde los movimientos luditas hasta las huelgas masivas en el sector del metal, p. ej.) y
continúan siendo motivo de inestabilidad política o conflicto social (Jones 2006).
En su informe de enero de 2016, la OIT (Organización Internacional del Trabajo) calculaba el desempleo
mundial en 197,1 millones de personas, 27 millones más que antes de la crisis de 2007 (5). Entre los
factores causales con impacto a escala mundial no menciona la innovación tecnológica, sino el descenso
de la inversión de capital a largo plazo, la ralentización del crecimiento de la población en edad laboral y
una distribución desigual de los beneficios derivados del crecimiento (puesto que después de la crisis los
ingresos del 1 por ciento más rico crecieron a un ritmo mucho mayor que los del resto de la población).
Sus previsiones para los próximos dos años son pesimistas: el número de desempleados a nivel mundial
se incrementará en 2,3 millones en el año 2016, y en 1,1 millones en 2017, afectando en su mayor parte
a las economías emergentes. Por tratarse de niveles de desempleo generalizado muy altos entre la
población joven de las economías desarrolladas, la OIT lo considera un factor determinante de malestar
social, con claro reflejo en los movimientos políticos y sociales (ibid.: 17, gráfico 9) (6).
En 2015 la OIT sí tuvo en cuenta el impacto de la automatización y la innovación tecnológica en el
desempleo de larga duración, con efectos sobre un número creciente de trabajadores cualificados:
“Algunos de estos acontecimientos obedecen a la reducción durante los últimos años de los puestos
de trabajo rutinarios que requieren calificaciones medias. Esto se ha producido paralelamente a la
demanda creciente de puestos de trabajo en los extremos superior e inferior de la escala de
calificaciones. En consecuencia, trabajadores relativamente formados que solían ocupar estos
puestos de trabajo que requerían calificaciones medias, se ven ahora cada vez más obligados a
competir por ocupaciones que requieren pocas calificaciones. Estos cambios ocupacionales han
configurado pautas de empleo y también han contribuido a ampliar la desigualdad en los ingresos
registrada durante los últimos decenios” (OIT 2015: 4).
Las valoraciones pesimistas y optimistas del impacto de la tecnología en el desempleo estructural se
presentan muy condicionadas por el manejo de versiones a corto o largo plazo del fenómeno,
combinadas con otros estudios sobre tendencias demográficas y socioeconómicas (Danaher 2016: 4-6).
El análisis prospectivo riguroso resulta de vital importancia para identificar las disfunciones y reducir en lo
posible el coste de los procesos de ajuste para empresas, individuos y sectores económicos o
sociedades en su conjunto.
Economistas inequívocamente optimistas como David H. Autor y John Danaher (para quienes el
desempleo tecnológico no ha causado ninguna crisis general de la economía a largo plazo porque los
trabajadores desplazados -o al menos las generaciones siguientes- han encontrado otras formas de
trabajo) se muestran preocupados por la dimensión que ha alcanzado en los últimos años el desempleo
estructural, como indicador de que el ritmo acelerado de innovación tecnológica parece haber
sobrepasado las capacidades de generaciones sucesivas de trabajadores para adquirir el tipo de
formación que les permitiría encontrar formas alternativas de trabajo (Autor 2015: 22-27, Danaher 2016:
3-6).
5. El fin del trabajo y los ciclos de obsolescencia en el capital humano
En el capítulo 12 de su obra The end of work (titulado “Requiem for the Working Class”, pp. 181-197),
Jeremy Rifkin advertía de la gravedad de los riesgos para el empleo y para toda la dinámica social que
entrañaba el proceso de automatización acelerada en la década de los noventa. A diferencia de las dos
primeras revoluciones industriales, el objetivo de la tercera no era sustituir solo el esfuerzo físico del
trabajador humano por sistemas mecánicos más o menos automatizados, sino integrar los desarrollos
tecnológicos de la Era de la Información (computadoras en red, robots y sistemas con capacidad de
computación en paralelo y algoritmos de inteligencia artificial) para desplazar también a gran parte de los
trabajadores de cuello blanco con cualificación multinivel.
Según sus estimaciones, el desempleo derivado del uso de máquinas inteligentes podría afectar al 75%
de la masa laboral en los países industrializados y poner en riesgo la viabilidad de 90 millones de
puestos de trabajo, sobre un total estimado de 124 millones (Rifkin 1995: 5). La combinación de
automatización inteligente y desarrollos biotecnológicos podía afectar de modo drástico a la mitad de la
población humana, vinculada a labores de agricultura y ganadería; pero también a buena parte de la
dedicada al sector servicios (Rifkin 1995: 109 y 143).
Sus conclusiones quizá resultan hoy algo prematuras por el retraso en la difusión de ordenadores
capaces de entender el habla, leer texto escrito y llevar a cabo tareas de gestión o cálculo
desempeñadas antes por seres humanos (Rifkin 1995: 136-143). Pero es evidente que la precarización
del empleo y el desempleo estructural (el causado “no por falta de demanda, sino por cambios en los
patrones de demanda o la obsolescencia de la tecnología, que requieren reconversión de los
trabajadores y grandes inversiones en nuevos bienes de capital”) (7) constituye un desafío a escala
planetaria que afecta -aunque de modo desigual- a trabajadores con niveles de cualificación muy
diversos, incluyendo a titulados superiores, profesiones liberales y a personal con experiencia en puestos
de dirección (World Economic Forum 2016: 5).
Dos décadas después de su análisis, las capacidades avanzadas de comunicación y automatización
inteligente que pronosticaba Rifkin se han incorporado a dispositivos móviles al alcance de cualquier
consumidor y exhiben un claro potencial para tareas cualificadas que ponen en peligro millones de
puestos de trabajo en el sector público y privado (administración, aseguradoras, banca, logística y
distribución al por mayor, servicio postal, transporte, seguridad, etc.).
Para Jeremy Rifkin (en sintonía variable con autores como N. Carr, M. Ford, J. Kaplan, E. Brynjolfsson y
A. McAfee) (8) una época está llegando a su fin. Ante los problemas derivados de la eliminación de
puestos de trabajo y el consiguiente paro no hay respuestas por parte de la teoría tradicional del
capitalismo industrial: las instituciones básicas, públicas o privadas, de la sociedad actual (Estado,
sindicatos, sistema educativo) se muestran incapaces de responder con eficacia a un desempleo
estructural persistente. Tiene sentido, pues, plantearse una reconfiguración del orden social sobre
nuevas reglas de juego (un nuevo contrato social) que afronten el reparto inevitable del trabajo
asalariado, la reducción de la semana/jornada laboral, la potenciación del voluntariado, la
universalización de una renta básica y la orientación del sistema fiscal para promover la economía social
(cfr. Rifkin, ibid.: 221-293).
6. Desafíos para la formación y el empleo en el siglo XXI
El análisis prospectivo de Rifkin no aborda de manera satisfactoria los ajustes requeridos por los
sistemas educativos de los países desarrollados para adaptar la formación de las generaciones futuras
de trabajadores a la evolución acelerada del cambio tecnológico en su transición a la cuarta revolución
industrial. Se limita a reconocer la baja calidad de los programas federales de reciclaje (Rifkin 1995: 50),
el bajo nivel de alfabetización entre la clase trabajadora estadounidense (Rifkin 1995: 37) y la brecha
entre la cualificación requerida para los empleos bien remunerados y la cualificación máxima a la que
podían aspirar la mayoría de los trabajadores inscritos en programas de reentrenamiento (Rifkin 1995:
36). Un escenario dramático, puesto que los trabajadores con baja cualificación vinculados a actividades
en entorno urbano vieron reducido su salario un 14% en el período 1973-1989 (hasta un 24% entre la
población afroamericana).
Autores como N. Agar (9) y R. Kurzweil (10) cuestionan lo que Danaher denomina falacia ludita (la
creencia en la capacidad de una generación de trabajadores para seguir formándose y readaptarse
profesionalmente a una velocidad igual o mayor que el ritmo de innovación tecnológica). El incremento
en la eficacia de la cooperación social resulta especialmente visible en el desarrollo de la investigación
científica de naturaleza interdisciplinar y en el acortamiento de los períodos para su aplicación
tecnológica en los sectores estratégicos de actividad económica. Pero es evidente que las instituciones
educativas responsables de capacitar para un empleo cualificado a la mayor parte de la población en los
países desarrollados se han visto sobrepasadas por la aceleración en los ciclos de innovación
tecnológica y el lastre de múltiples disfunciones internas: masificación, inercia burocrática,
infrafinanciación crónica, sistemas de incentivos que favorecen la mediocridad y una distribución injusta
de privilegios no ligados al mérito como la edad o la sumisión a los vaivenes normativos, entre otras
(Guereña y Tiana 1989, García 1995, Tiana y otros 1996: 73-74, Ginsberg 2013: 65-96).
La desorientación en aspectos tan decisivos como los sistemas de gobernanza en todos los niveles del
sistema educativo (Gerber 2014) ha provocado una hipertrofia de la tareas administrativas en detrimento
de la calidad de los empleos relacionados con la docencia y la investigación (Ginsberg 2013: caps. 1, 3 y
5). El debate sobre los criterios de calidad y la metodología para evaluar el rendimiento de estudiantes,
personal docente y facultades o centros se sustenta en presupuestos tan subjetivos e ideologizados
como hace 20 años (Tiana y otros 1996, Rey 2010, Wolte 2010). El incremento de las tasas de fracaso
(en la educación obligatoria) y de abandono temprano (en la etapa postobligatoria) ha adquirido
proporciones tan preocupantes -30% de promedio en España- que pone en riesgo el modelo social
dentro y fuera del contexto europeo (Cobo 2010, Rué 2014, García y Adrogué 2015).
En conjunto, las debilidades y disfunciones de los sistemas educativos públicos y privados en muchos
países desarrollados consumen los recursos que deberían destinarse a incrementar su eficacia como
instancia inclusiva y generadora de oportunidades (Au 2008, Smith 2008). Esto sucede en un sistema
económico globalizado que cada año precariza más el empleo y otorga menos valor tanto a la formación
profesional como al título universitario (Normand 2008, Bertocchi y Spagat 2004), con retrocesos tan
llamativos como el auge de la contratación, por parte de las élites empresariales y para los segmentos
salariales más altos, dentro de su mismo círculo social (Krug 2012, Chua 2011, Bähr y Abraham 2016,
Bian y Huang 2015).
La retórica del emprendimiento y la orientación empresarial en las reformas de la educación secundaria
durante la última década han ido en paralelo a la desnaturalización de las universidades y de su función
social (Newfield 2008, Maher y Tetreault 2008, Donoghue 2008), sometidas a fuertes tensiones por efecto
de los cambios acelerados en el sistema económico y el aumento de los costes de funcionamiento. Las
nuevas demandas de cualificación para una sociedad cada vez más desigual, con niveles crecientes de
desempleo estructural -que imponen ciclos acelerados de reciclaje profesional en cualquier etapa de la
vida activa- han puesto en evidencia las insuficiencias de los sistemas educativos consolidados a lo largo
del siglo XX y el escenario de incertidumbre y desconcierto desde el que se afrontan los nuevos desafíos
(Krueger y Kumar 2004, Bozsik 2015, Berg y Seeber 2016).
Cuando un nuevo campo disciplinar adquiere importancia estratégica como generador o “atractor” de
valor económico, la mayor parte de las universidades y centros de investigación se ven incapaces de
proporcionar salarios competitivos para retener el talento y beneficiarse de la innovación. Durante los
años ochenta y noventa, con la mayor parte de los expertos trabajando en las universidades, el campo
de la inteligencia artificial estaba tan desatendido e infrafinanciado como el grueso de la investigación
básica no ligada a grandes infraestructuras. En la actualidad, los responsables de los centros de
ingeniería computacional, robótica, machine learning e inteligencia artificial ni siquiera consiguen retener
a los estudiantes de grado, tentados por las ofertas de las grandes empresas del sector incluso antes de
terminar (11).
7. La dinámica recombinante de la cuarta revolución industrial
La digitalización y el incremento conforme a la Ley de Moore en la capacidad de computación,
combinados con el aumento de la velocidad de los flujos de información y la reducción de costes como
efecto de la automatización, contrastan con el período relativamente estable de 25-30 años que se
requiere para educar y formar a cualquier trabajador especializado. Resulta verosímil considerar que los
estudios sobre el desempleo estructural apenas disponen de perspectiva para observar la porción
relativamente lineal de una curva de crecimiento de los avances tecnológicos que resulta ser exponencial
(Danaher 2016: 5, Brynjolfsson y McAfee 2014: caps. 3, 4 y 6).
Para Brynjolfsson y McAfee, el carácter recombinante de las mejoras en computación, digitalización y
automatización, potenciado por la incorporación de inteligencia artificial y nuevas técnicas de producción
deslocalizada mediante impresión en 3D, no constituye el logro más destacable de la era del
computador: se trata de simples ejercicios de calentamiento. La auténtica revolución, sin precedentes en
la historia, es el desarrollo de sistemas con inteligencia artificial y la interconexión de la mayor parte de la
población humana a través de una red digital común.
Cualquiera de estos avances habría inducido transformaciones profundas en las perspectivas de
crecimiento, considerados aisladamente. Combinados, dan lugar al fenómeno con mayor potencial para
transformar el trabajo físico e intelectual desde la revolución industrial. La falta de perspectiva sobre el
desempleo estructural en la nueva fase de desarrollo tecnológico distorsiona la comprensión de lo que
puede suceder cuando esta combinación de avances tecnológicos realmente comience a despegar
(Brynjolfsson y McAfee 2014: 89).
La cruzada por la calidad y la excelencia en la universidad, cuyo último envite ha empantanado en un
lodazal burocrático y administrativo los últimos reductos de actividad profesional con potencial para
aportar innovación y formación cualificada a quienes el desempleo estructural devuelve al sistema
educativo, tuvo sus precedentes en la carga contra los maestros e instituciones educativas
estadounidenses en los años noventa. En lugar de denunciar la infrafinanciación crónica y el desfase
tecnológico en la infraestructura educativa para hacer frente con solvencia a demandas sin precedentes,
revistas y periódicos enfatizaban la ineficiencia y su contribución al deterioro de la calidad de vida de la
próxima generación de trabajadores (Rifkin 1995: 51).
8. La revolución pendiente en los sistemas educativos
Asumiendo un amplio margen de incertidumbre, tanto en la perspectiva como en la prospectiva a medio
plazo sobre el impacto económico y social de las tecnologías impulsoras de la cuarta revolución
industrial, considero el enfoque de Brynjolfsson y McAfee acertado en sus tesis fundamentales. En
particular, las referidas a la rigidez e insuficiencia de los sistemas educativos públicos y privados para
proporcionar la formación adecuada a trabajadores sometidos a dinámicas de cambio sociotécnico
acelerado, en el contexto inestable y complejo de las economías globalizadas (Goldin y Katz 2010: 7-8 y
227-244).
Si bien existe la posibilidad de que los desarrollos tecnológicos -por sorprendentes que resulten- puedan
integrarse de modo que complementen las habilidades, conocimientos y competencias profesionales
proporcionados por los sistemas educativos de los países desarrollados a las próximas generaciones de
trabajadores, considero más probable un escenario donde las restricciones presupuestarias, las inercias
burocráticas y el desplazamiento del foco de interés hacia otras cuestiones urgentes (problemas
ambientales, amenazas a la seguridad, movimientos demográficos, enfermedades emergentes,
competencia por recursos naturales y fuentes de energía, etc.) agudizarán el desfase entre sistema
educativo y mercado laboral.
Este desfase pudo pasar desapercibido en la primera mitad del siglo XX, pero no en la segunda, como
muestran Goldin y Katz (2010: 290). Cuando analizan (cap. 8) los retornos de la educación bajo el
esquema conceptual de una carrera entre la educación (el suministro de habilidad) y los cambios
tecnológicos (la demanda de habilidad), observan cómo ha variado el concepto de trabajador cualificado
a lo largo del siglo pasado: hasta 1950 significaba haber finalizado la enseñanza secundaria (o formación
profesional de ciclo medio); entre 1950 y 2005 se considera cualificado al profesional con formación de
grado o posgrado universitario.
Si en esta carrera la educación avanzó más rápido que la tecnología durante la primera mitad del siglo,
en los últimos 30 años la tecnología se mantuvo a la cabeza, pese a que en ambos períodos eran
constantes los cambios tecnológicos que demandaban nuevos expertos. Goldin y Katz (2010: 303) no
atribuyen este desfase a una aceleración del cambio técnico que exige conocimientos especializados,
sino a la falta de crecimiento del sector educativo. Pero en este aspecto su análisis resulta insatisfactorio:
no consigue explicar el desfase entre los salarios más altos (se disparan) y los medios-bajos (apenas
aumentan) de un amplio grupo de trabajadores altamente cualificados. Atribuyen esta desigualdad a una
inversión insuficiente en educación, que impide a muchas familias asumir el coste de la formación
superior.
Con algo más de perspectiva sobre las dos últimas décadas, Thomas Piketty aporta un análisis mucho
más sutil del fenómeno: se puede constatar el aumento de la brecha salarial entre graduados
universitarios y quienes no van más allá de la escuela secundaria, como muestran Goldin y Katz. Pero
esto va ligado a un fenómeno muy específico: el 1% (y, aún más, la parte superior del 0,1%) del grupo
con graduación universitaria han visto despegar sus salarios frente al resto con formación equiparable.
Esta desigualdad se constata incluso entre grupos relativamente homogéneos que realizaron sus
estudios en las universidades de élite (Piketty 2014: cap. 9, “Inequality of Labor Income”).
En cuanto a participación en la renta nacional, el segundo fenómeno es el relevante: la sobreactuación
del percentil superior explica el grueso (casi tres cuartas partes) del aumento de la participación del decil
superior en la renta nacional de Estados Unidos desde 1970. Piketty considera importante hallar una
explicación satisfactoria para este fenómeno, y descarta que merezca la pena buscarla en el factor
educativo (12).
En mi opinión, Piketty aporta los datos que faltaban para identificar un factor clave: el proceso de
aceleración inducido por las innovaciones tecnológicas en robótica e inteligencia artificial, combinadas
con otras (automatización, servicios en la nube, big data, impresión 3D, supercomputación, etc.) que
suelen asociarse con el núcleo de la cuarta revolución industrial (Dirican 2015). Son las habilidades para
sacar provecho de estos desarrollos tecnológicos avanzados las que determinan el valor de los
profesionales que sólo las mejores empresas pueden permitirse contratar (cfr. nota 17).
En países como España, con capacidad tecnológica pero alejados del nivel y ritmo de innovación que
caracteriza al sistema productivo estadounidense, la inclusión de las prestaciones en educación son un
elemento fundamental para reducir las desigualdades. Sin embargo, las administraciones públicas no
han logrado revertir la tendencia al aumento en las desigualdades iniciada en 2007. La educación
secundaria y la formación profesional (obligatoria entre 12 y 15 años), han tenido un efecto redistributivo
importante en la renta (en torno a 1,5 puntos de Gini de reducción), mientras que la educación
universitaria apenas reduce el índice de Gini, cuando este gasto es añadido a la renta disponible de los
hogares (Goerlich 2016: 145 y 154-168).
Las importantes reducciones del gasto público en sanidad y educación, como efecto de las políticas de
consolidación fiscal en el período recesivo posterior a 2007, permiten entender en parte por qué los
efectos de la educación superior son más inciertos y, en general, tienden a mostrar un comportamiento
regresivo en la reducción de la desigualdad: en períodos de crisis y desaceleración económica se
requiere un apoyo proporcionalmente mucho mayor para compensar el ritmo acelerado de innovaciones
en los sectores estratégicos (13).
9. Explorando opciones no convencionales
9.1. Alfabetización múltiple y mejora cognitiva tecnológicamente asistida
En The element: how finding your passion changes everything, Ken Robinson y Lou Aronica articulan un
relato convincente sobre la rigidez de los sistemas educativos diseñados para las tres primeras
revoluciones industriales (Robinson y Aronica 2009: 27-82). Con una estructura similar en la oferta y
jerarquización de contenidos, dificultan el desarrollo de la creatividad y excluyen muchos tipos de talento
que serán necesarios para el florecimiento de la cultura sofisticada, las artes, la innovación científico-
técnica y el pensamiento crítico en los próximos años.
Muy pocos sistemas educativos consiguen dotarse -en cualquiera de sus niveles- de la infraestructura
necesaria para conseguir que los estudiantes con más talento encuentren en ellos su elemento, es decir,
un contexto para llevar a cabo actividades de aprendizaje estimulantes, con los medios materiales y el
soporte económico necesario para desarrollar sus múltiples habilidades y dar proyección profesional a su
creatividad e imaginación (Robinson y Aronica 2009: cap. 1, “The Element”).
De hecho, el porcentaje de personas que no terminan sus estudios universitarios, en países como
Estados Unidos o España, es extraordinariamente alto (un 30%, como promedio global; y cercano al 50%
en algunas titulaciones de Humanidades y Ciencias Sociales). El nivel de insatisfacción entre
estudiantes, profesores y padres es muy elevado, sobre todo referido a los primeros cursos de grado.
Desde el punto de vista institucional, se considera un objetivo ambicioso reducir el abandono escolar a
menos del 10% (el promedio en la Unión Europea está sobre el 15 por ciento), y conseguir que al menos
el 40% de la población entre 25 y 35 años consiga formación superior (14).
Aunque el abandono de los estudios universitarios es un fenómeno complejo, que involucra factores
externos (situación económica, contexto socio-cultural de procedencia, etc.) y condicionantes individuales
(expectativas, capacidad de adaptación, determinación, motivación y habilidades para gestionar el
tiempo, entre otras), para Robinson y Aronica es un indicio claro -junto a la devaluación de los títulos
universitarios- de que cada vez más, la estructura y el carácter de la industria educativa chirrían bajo la
tensión del siglo XXI (Robinson y Aronica 2009: cap. 11, “Making the Grade”).
De poca utilidad resultan los enfoques convencionales ante un desafío de estas características. Es
necesario explorar variantes más imaginativas que los miles de intentos reformistas conocidos. Y en este
punto es donde mi aportación conecta con las tecnologías de mejora cognitiva, que otros colegas
abordan bajo diferentes perspectivas en este mismo volumen.
Las acciones de mejora convencionales (reformas normativas, renovación de los criterios
psicopedagógicos, adecuación de la infraestructura educativa, reducción del tamaño de los grupos,
aumento de la cualificación del profesorado, diversificación curricular, etc.) pueden complementarse con
otras inspiradas en ciertas líneas de mejora cognitiva orientadas a la alfabetización múltiple
(multiliteracy), asistidas por una infraestructura inteligente de informática y telemática educativa centrada
más en los procesos, intereses y habilidades de cada estudiante que en los resultados (15).
Por mejora cognitiva entiendo la amplificación o la extensión de las capacidades básicas de la mente,
mediante el aumento o la optimización de nuestros sistemas de procesamiento de información. Según
Anders Sandberg, la cognición consiste en los procesos que un organismo utiliza para organizar la
información: percepción, selección (atención), representación (entendimiento) y retención (memoria); y,
sobre esa base, orientar el comportamiento y la respuesta motora (Sandberg 2011: 71).
Aunque la literatura sobre mejora cognitiva de la última década ha prestado mucha atención a las
intervenciones genéticas, farmacológicas o neurobiológicas destinadas a perfeccionar diversos aspectos
de la biología humana asociados con la memoria, los procesos de atención y el control emocional, entre
otros (16) , me interesan aquí las tecnologías, servicios y aplicaciones con un potencial contrastado para
la misma finalidad que no están sujetas a debate ético por sus posibles efectos indeseados ni son
vulnerables a lo que denomino la objeción distópica (el tipo de objeciones que suscitarían, p. ej.,
estrategias de control social sustentadas en un empleo masivo de psicofármacos o de sistemas de
vigilancia con implantes nanoelectrónicos mediante coerción).
Las intervenciones sociales y educativas convencionales con potencial para mejorar la función cognitiva
relacionada con las facultades básicas pueden amplificarse extraordinariamente gracias a la
convergencia de desarrollos en informática, tecnologías de la información e inteligencia artificial. Existen
miles de dispositivos cuyo hardware y software interno se ha convertido ya en el medio para acceder a
servicios y contenidos externos que millones de seres humanos demandan como extensión natural de
sus facultades biológicas o adquiridas. Los usuarios de esos dispositivos se benefician rutinariamente de
servicios y aplicaciones capaces de potenciar algún subsistema cognitivo implicado en tareas de cálculo,
lenguaje o visualización (sin necesidad de corregir patologías o disfunciones específicas), por lo que en
términos estrictos cabe considerarlos dispositivos de mejora cognitiva no convencional (cfr. Sandberg
2011: 72-76) (17).
9.2. Infraestructura tecnológica de e-learning al servicio de la cooperación social
La eficacia del esfuerzo colectivo de cooperación orientado a facilitar el acceso al conocimiento y a la
cultura se ha visto extraordinariamente amplificada en las sociedades con infraestructura avanzada de
comunicaciones. Además de los sistemas reglados de acceso al conocimiento, existen múltiples fuentes
de recursos, servicios y aplicaciones con claro potencial para reforzar, mejorar y diversificar los procesos
de aprendizaje de los estudiantes en cualquier etapa del sistema educativo. La cuestión es cómo
aprovechar todo este potencial mediante las herramientas adecuadas, y conseguir su integración en un
programa de mejora cognitiva no convencional, a la medida de las capacidades, ritmos, grados de
autonomía e intereses individuales que pueden orientar las selección de recursos.
La reducción de costes en los dispositivos de ocio y comunicación más demandados pone al alcance de
millones de usuarios de cualquier estrato socioeconómico aplicaciones y servicios con enorme potencial
para la mejora cognitiva tecnológicamente asistida. La computación ubicua y la convergencia de todos
los soportes de información en el formato digital es una revolución insuficientemente aprovechada por los
sistemas educativos. Puede contribuir a desarrollar programas de alfabetización múltiple (texto/audio
/visual/digital), de estímulo del pensamiento crítico -en ciencias, artes y humanidades-, y de la capacidad
para interaccionar y comunicarse con objetivos mucho más ambiciosos que los subyacentes a la rígida
oferta de itinerarios formativos en los sistemas públicos y privados (Halinen y otros 2015: 140-147).
El desarrollo de las aplicaciones conectadas a servicios en la nube, ofrecidos a través de asistentes
virtuales, plataformas o dispositivos que aprovechan los desarrollos en inteligencia artificial y el ancho de
banda para suministrar productos de ocio y entretenimiento personalizados, tienen un enorme potencial
para potenciar procesos de aprendizaje en usuarios con perfiles educativos y profesionales muy
diversos, según su edad, etapa educativa, habilidades previas y grado de especialización. Pero su
materialización requiere una apuesta decidida por actualizar y renovar la infraestructura educativa y
mantener la inversión en capital humano -aspectos seriamente afectados en muchos países a partir de
2007, coincidiendo con la gran recesión- (Brynjolfsson y McAfee 2014: cap. 4, pp. 109-126).
La educación superior ha incorporado con éxito, en las dos últimas décadas, plataformas de
teleformación (e-learning) que complementan y potencian (incluso podrían sustituir) a casi todos los
procesos de enseñanza y aprendizaje presenciales. Moodle quizás sea la más popular; pero existen
otras muchas (Sakai, Dokeos, Claroline, Chamilo…) y servicios o aplicaciones que incorporan funciones
básicas similares (Google Clasroom, Schoology, p. ej.). Lo esencial es que incorporan herramientas de
gestión del aprendizaje compatibles con un amplio rango de criterios de intervención psicopedagógica,
metodologías de trabajo y seguimiento autónomo, sobre recursos electrónicos propios o accesibles
mediante suscripción (18).
La masificación de los grupos (35-40 estudiantes por aula en secundaria; 85-100 en los estudios de
grado de universidades españolas) dificulta extraordinariamente aplicar metodologías de aprendizaje
individualizado. Evitar esto es, al fin y al cabo, una cuestión de prioridades, incluso en los ciclos
económicos menos favorables. Pero, si la infraestructura tecnológica es la adecuada -y los costes de
acceso razonables-, la masificación no impide que muchos estudiantes puedan seguir itinerarios no
presenciales bastante personalizados: basta aplicar un criterio profesional solvente para elegir la
secuenciación apropiada de actividades y ofrecer una selección de recursos complementarios sobre los
que desarrollar la curiosidad individual, más allá de los objetivos del curso o de lo exigido en las pruebas
de evaluación externa.
9.3. La mediación de asistentes virtuales en el acceso a plataformas de recursos educativos
La posibilidad de interacción entre asistentes virtuales como Siri, Google Now, Alexa o Cortana (19) y
plataformas de teleformación como Moodle o las que gestionan la creciente oferta de cursos en abierto
(Coursera, edX, Miriada X), diseñados para un seguimiento masivo (MOOC: Massive Open Online
Course) (20), puede revolucionar la eficacia de los sistemas educativos en los próximos años.
Además de ampliar las opciones sobre cualquier proceso de aprendizaje en cualquier etapa, su diseño
tiende a simplificar el seguimiento de contenidos hasta hace poco al alcance de estudiantes inscritos en
los centros e instituciones más elitistas (entre las impulsoras de los MOOC se encuentran el MIT,
Harvard, Stanford o Yale) (21).
Las bases de datos con recursos educativos digitalizados y en abierto (la Khan Academy es un ejemplo
interesante) (22) se incrementan continuamente, gracias a la cooperación -casi siempre desinteresada-
de miles de usuarios y profesionales que consideran importante ponerlos a disposición del mayor número
de personas posible, bien participando en el diseño o bien traduciendo y adaptando a lenguas y
contextos muy diversos.
Las herramientas de traducción automática y subtitulado de vídeos educativos han mejorado de modo
radical la accesibilidad a contenidos de calidad para millones de usuarios. Este proceso continúa
ampliándose a medida que las aplicaciones y servicios se dotan de mejores sistemas de procesamiento
del lenguaje natural y facilitan modos mucho más naturales de interacción, para una base de usuarios
que crece sin parar.
Conclusión
El potencial de la creatividad humana al servicio de la cooperación social para facilitar el acceso al
conocimiento y a la educación parece ilimitado. Durante la primera mitad del siglo XX ese esfuerzo
produjo unos resultados extraordinarios, creando riqueza y contribuyendo al progreso social en una
escala sin precedentes. Pero existen razones para sostener que los sistemas educativos no han
evolucionado en las últimas décadas al ritmo impuesto por la digitalización, la automatización y las
tecnologías de la cuarta revolución industrial.
El desfase entre el tipo de innovación tecnológica aplicada en la industria de productos o servicios con
mayor valor añadido y la lentitud de los procesos de actualización de la infraestructura tecnológica en los
sistemas educativos resulta agravado por la reducción de las inversiones en capital humano que
siguieron a la gran recesión. Las limitaciones de los sistemas de educación presencial, masificados y
costosos, invitan a explorar propuestas de mejora cognitiva no convencionales, entre las cuales parece
obligado preferir aquellas que no plantean obstáculos de tipo ético (Ansari 2015).
Mi propuesta se sustenta en la integración de tecnologías que, por separado, ya son relativamente bien
conocidas o están en proceso de serlo. La integración de desarrollos en tecnologías de la información,
plataformas de teleformación y asistentes virtuales conectados a sistemas dotados de inteligencia
artificial avanzada puede contribuir a la aparición de nuevos sistemas de aprendizaje, compatibles con
una variedad de criterios metodológicos, intereses individuales y niveles de asistencia personalizada sin
precedentes, sobre repositorios y bases de recursos en continua expansión.
La posibilidad de integrar en los sistemas educativos servicios, aplicaciones y asistentes informáticos
complejos, dotados de la capacidad de aprender y de generar formas propias de creatividad, no sólo de
potenciar la humana, es un componente de la cuarta revolución industrial con gran potencial para
contribuir a reducir el desfase entre sistema educativo y desarrollo tecnológico. Es poco probable que la
capacidad humana de inventiva (ideación creativa, a partir de datos o información previa cada vez más
fácil de obtener) y las habilidades para reconocer patrones complejos o para establecer formas
sofisticadas de comunicación puedan ser emuladas, con un potencial equivalente, en sistemas
informáticos dotados de inteligencia artificial (Brynjolfsson y McAfee 2014: 375).
Las distopías tecnológicas tienen en el desempleo estructural un fuerte aliado (Di Salvo 2013, Giles
2013). Pero la última década proporciona notables ejemplos del potencial humano para crear valor y
originar nuevas categorías de productos, ecosistemas de servicios e incluso ramas de actividad
industrial, combinando el potencial de la digitalización, de la robótica y de los desarrollos en inteligencia
artificial con el talento humano.
Los sistemas educativos necesitan una profunda reforma y actualización de su infraestructura
tecnológica para mantener su protagonismo en la preparación de las nuevas generaciones de
profesionales y trabajadores expertos. La inversión en capital humano debe dimensionarse para evitar
los efectos negativos de la masificación, explorando múltiples modos -convencionales o no- de combinar
el potencial de las máquinas y sistemas inteligentes con las habilidades humanas para la cooperación y
el aprendizaje.
* Este trabajo ha contado con el apoyo del proyecto FFI2012-32565: Ética y política de los avances
biomédicos en mejora humana. Convocatoria 2012, subprograma de Proyectos de investigación
fundamental no orientada.
Notas
1. Cfr. las entradas Automaton, Aeolipile y Herón de Alejandría en: https://en.wikipedia.org
/wiki/Automaton; https://en.wikipedia.org/wiki/Aeolipile;
https://en.wikipedia.org/wiki/Hero_of_Alexandria.
2. Cfr. http://www.ifr.org/history y https://www.robots.com/education/industrial-history.
3. Cfr. http://www.aenor.es/aenor/normas/normas/fichanorma.asp?tipo=N&codigo=N0013713.
4. Cfr. https://robotics-vo.us/sites/default/files/01-Industry-Robotics-Intro.pdf.
5. Cfr. OIT, Perspectivas sociales y del empleo en el mundo – Tendencias 2016 (con datos referidos a
2015). Disponible en: http://www.ilo.org/wcmsp5/groups/public/—dgreports/—dcomm/—publ/documents
/publication/wcms_443505.pdf.
6. El índice de malestar social para el período 2014-2015 experimenta una variación al alza del 6% en los
países desarrollados, mientras se mantiene en negativo para los países en desarrollo.
7. Cfr. http://www.enciclopediafinanciera.com/definicion-desempleo-estructural.html.
8. Cfr. N. Carr, The glass cage: Where automation is taking us. London, The Bodley Head, 2015; M. Ford,
The lights in the tunnel: Automation, accelerating technology and the economy of the future. Charleston,
CreateSpace Independent Publishing, 2009; M. Ford, The rise of the robots: Technology and the threat of
a jobless future. New York, Basic Books, 2015; J. Kaplan, Humans need not apply: A guide to wealth and
work in the age of artificial intelligence. New Haven, CT, Yale University Press, 2015; E. Brynjolfsson y A.
McAfee, The second machine age: Work, progress, and prosperity in a time of brilliant technologies. WW
Norton and Co, 2014.
9. Cfr. N. Agar, The sceptical optimist. Oxford, OUP, 2015.
10. Cfr. R. Kurzweil, The singularity is near: When humans transcend biology. London, Penguin, 2006.
11. Cfr. The Economist, 2 de abril de 2016. Disponible en: http://www.economist.com/news/business
/21695908-silicon-valley-fights-talent-universities-struggle-hold-their?fsrc=scn/tw/te/pe/ed
/milliondollarbabies.
12. Piketty (cap. 9, nota 12) cita varias obras (Rebecca Blank, Changing Inequality. Berkeley, University
of California Press, 2011; Raghuram Rajan, Fault Lines. Princeton, Princeton University Press, 2010) en
las que detecta sesgos analíticos similares a los de Goldin/Katz; o carencias técnicas en el manejo de los
datos, con muestras poco representativas.
13. Cfr. Patiño Rodríguez, David. “La incidencia del gasto público en educación sobre la distribución del
bienestar económico”. Hacienda Pública Española/Revista de Economía Pública 199, n.º 4 (2011):
119-148; Calero Martínez, Jorge y María Gil Izquierdo. “La incidencia distributiva del gasto público en
educación y sanidad en España”. En 1er. Informe sobre la desigualdad en España. Madrid: Fundación
Alternativas, 2013. (Citados por Goerlich Gisbert).
14. Cfr. Joan Rué, “El abandono universitario: variables, marcos de referencia y políticas de calidad”.
REDU. Revista de Docencia Universitaria, 12 (2), 2014: 281-306; Cabrera, L., Tomás, J., Álvarez, P. y
Gonzalez, M., “El problema del abandono de los estudios universitarios”, Relieve, nº 12 (2), 2006:
171-203. Disponible en: http://www.uv.es/RELIEVE/v12n2/RELIEVEv12n2_1.htm;
15. Por alfabetización múltiple (multiliteracy) entiendo un conjunto de prácticas que incluyen la obtención,
combinación, modificación, producción, presentación y evaluación de la información en diferentes
formatos, entornos y situaciones, junto con la capacidad para seleccionar las herramientas y
metodologías adecuadas. La alfabetización múltiple requiere el desarrollo de las habilidades intelectuales
necesarias para el aprendizaje y el pensamiento crítico, incluyendo la consideración de los aspectos
éticos y estéticos involucrados en los problemas, así como el manejo del lenguaje y de los recursos
expresivos necesarios para la construcción de conocimientos en las diferentes disciplinas (Halinen,
Harmanen y Mattila 2015: 142-143).
16. Algunas aportaciones relevantes: Lucke y otros 2015, Racine y Forlini 2008, Lee y Silva 2009, Giroux,
Parent y Guay 2010; Solomon, Noll y Mordkoff 2009; Turner y Sahakian 2006, Lucke y otros 2015,
Alberini y Chen 2012; Lynch, Cox y Gall 2014.
17. Ordenadores portátiles, teléfonos móviles avanzados, tabletas o equipos informáticos de sobremesa
con conexión permanente a redes digitales son la puerta de acceso a una variedad extraordinaria de
productos de ocio y entretenimiento que constituyen la base de un proceso mucho más amplio de
alfabetización tecnológica y digital, con un potencial infrautilizado en el contexto educativo.
18. Cfr., entre otros: C. POP, “Evaluation of E-learning Platforms: a Case Study”, Informatica Economica,
vol. 16 (1), 2012: 155-167. Disponible en: http://revistaie.ase.ro/content/61/14%20-%20Pop.pdf; F. Abbas
Saeed, “Comparing and Evaluating Open Source E-learning Platforms”. International Journal of Soft
Computing and Engineering (IJSCE), Vol. 3 (3), 2013: 244-249. Disponible en: Comparing and Evaluating
Open Source E-learning Platforms.pdf; S. Graf, B. List, “An Evaluation of Open Source E-Learning
Platforms Stressing Adaptation Issues”. Disponible en: https://moodle.org/other/icalt2005.pdf; G. Attwell
(ed.), “Evaluating E-learning: A Guide to the Evaluation of E-learning”. Evaluate Europe Handbook Series,
vol. 2, 2006. Disponible en: http://pontydysgu.org/wp-content/uploads/2007/11
/eva_europe_vol2_prefinal.pdf.
19. Los hay más especializados, como Hound; o con elementos más avanzados de inteligencia artificial,
como Viv. Cfr. “Siri’s inventors are building a radical new AI that does anything you ask”, en:
http://www.wired.com/2014/08/viv; “10 Digital Assistant Alternatives To Apple’s Sir”, en:
http://smallbiztrends.com/2014/05/10-digital-assistant-siri-alternatives.html; “Google Now, Siri And
Cortana Shamed By New App”, en: http://www.forbes.com/sites/jaymcgregor/2015/06/04/soundhound-
voice-assistant-hound/#1bdf4887381f.
20. Existe ya una gran variedad de plataformas que ofrecen MOOCs. Cfr. https://es.wikipedia.org
/wiki/Mooc.
21. Cfr. http://noticias.universia.es/educacion/noticia/2013/11/25/1065271/6-plataformas-realizar-cursos-
mooc.html; http://formaciononline.eu/mooc-cursos-gratis-universidades;
http://blog.jobandtalent.com/universidades-que-imparten-cursos-gratuitos-online-mooc; https://ficod.es
/mooc-o-como-estudiar-en-las-mejores-universidades-del-mundo-desde-casa.
22. Cfr. https://es.khanacademy.org; https://es.wikipedia.org/wiki/Khan_Academy
(todos los enlaces indicados en las notas estaban activos el 15/05/2016).
Bibliografía
Alberini, Cristina M. (y Dillon Y. Chen)
2012 “Memory Enhancement: Consolidation, Reconsolidation and Insulin-like Growth Factor 2”, Trends in
Neurosciences, nº 35 (5): 274-83.
http://www.sciencedirect.com/science/article/pii/S0166223611002153.
Ansari, Daniel
2015 “Mind, Brain, and Education: A Discussion of Practical, Conceptual, and Ethical Issues”, en Jens
Clausen y Neil Levy (eds.), Handbook of Neuroethics. Dordrecht, Springer Netherlands: 1703-1719.
DOI: 10.1007/978-94-007-4707-4_146
Au, Wayne W.
2008 “Devising Inequality, A Bernsteinian Analysis of High-stakes Testing and Social Reproduction in
Education”, British Journal of Sociology of Education, nº 29 (6): 639-651.
DOI: 10.1080/01425690802423312.
Autor, David H.
2015 “Why Are There Still So Many Jobs? The History and Future of Workplace Automation”, Journal of
Economic Perspectives, nº 29 (3): 3-30.
DOI: 10.1257/jep.29.3.3
Bähr, Sebastian (y Martin Abraham)
2016 “The Role of Social Capital in the Job-Related Regional Mobility Decisions of Unemployed
Individuals”, Social Networks, nº 46 (July): 44-59.
DOI: 10.1016/j.socnet.2015.12.004
Berg, Maggie (y Barbara Seeber)
2016 The Slow Professor: Challenging the Culture of Speed in the Academy. Toronto, Buffalo, London,
University of Toronto Press.
Bertocchi, Graziella (y Michael Spagat)
2004 “The Evolution of Modern Educational Systems”, Journal of Development Economics, nº 73 (2):
559-82.
DOI: 10.1016/j.jdeveco.2003.05.003
Bian, Yanjie (y Xianbi Huang)
2015 “Beyond the Strength of Social Ties: Job Search Networks and Entry-Level Wage in Urban China”,
American Behavioral Scientist, nº 59 (8): 961-976.
DOI: 10.1177/0002764215580608
Bozsik, Viola (coord.)
2015 Improving Literacy Skills across Learning: CIDREE Yearbook 2015. Budapest, HIERD.
Improving_Literacy_Skills_Across_Learning.pdf
Brynjolfsson, Erik (y Andrew McAfee)
2014 The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. NY,
London, WW Norton and Co.
Chua, Vincent
2011 “Social Networks and Labour Market Outcomes in a Meritocracy”, Social Networks, nº 33 (1): 1-11.
DOI: 10.1016/j.socnet.2010.08.001
Cobo, Enrique
2010 “El abandono temprano de la educación y la formación en España”, Revista de Educación, nº extr.:
31-62.
Danaher, John
2016 “Will Life Be Worth Living in a World Without Work? Technological Unemployment and the Meaning
of Life”, Science and Engineering Ethics, March.
DOI: 10.1007/s11948-016-9770-5
Daunton, Martin J.
1995 Progress and Poverty: An Economic and Social History of Britain, 1700–1850. 1a ed. Oxford,
England, New York, Oxford University Press.
Delve, Janet
2007 “Joseph Marie Jacquard: Inventor of the Jacquard Loom”, IEEE Annals of the History of Computing,
nº 29 (4): 98-102. Disponible en:
http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4407450
Di Salvo, Philip
2013 “Revolutions between Digital Utopianism and the ‘cascade Effect’”, Studies in Communication
Sciences, nº 13 (1): 103-104.
DOI: 10.1016/j.scoms.2013.04.009
Dirican, Cüneyt
2015 “The Impacts of Robotics, Artificial Intelligence On Business and Economics”, Procedia – Social and
Behavioral Sciences, nº 195 (July): 564-573.
DOI: 10.1016/j.sbspro.2015.06.134
Donoghue, Frank
2008 The Last Professors: The Corporate University and the Fate of the Humanities. New York, Fordham
University Press.
Freeth, Tony (y otros)
2006 “Decoding the Ancient Greek Astronomical Calculator Known as the Antikythera Mechanism”,
Nature, nº 444 (7119): 587-591.
DOI: 10.1038/nature05357
Frey, Carl B. (y Michael A. Osborne)
2013 The Future of Employment: How Susceptible Are Jobs to Computerisation? (Report). Disponible en:
http://arche.depotoi.re/autoblogs/wwwinternetactunet_8a3fe3331e0ad7327e18d9fe6ec3f0ad04dcea58
/media/3722fa7d.The_Future_of_Employment.pdf
García, Ana (y Cecilia Adrogué)
2015 “Abandono de los estudios universitarios: dimensión, factores asociados y desafíos para la política
pública”, Revista Fuentes, nº 16: 85-106.
DOI: 10.12795/revistafuentes.2015.i16.04
García, Carlos
1995 “Constantes y desafíos actuates de la profesion docente”, Revista de Educación, nº 306: 20-244.
Gerber, Larry
2014 The Rise and Decline of Faculty Governance: Professionalization and the Modern American
University. Baltimore, John Hopkins University Press.
Giles, Jim
2013 “The truth behind the big data hype”, New Scientist, nº 217 (2905): 48-49.
DOI: 10.1016/S0262-4079(13)60507-2
Ginsberg, Benjamin
2013 The Fall of the Faculty: The Rise of the All-Administrative University and Why It Matters. Oxford,
New York, Oxford University Press.
Giroux, S. (y otros)
2010 “La remédiation cognitive et la remédiation métacognitive pour les personnes ayant un TDAH: deux
stratégies d’intervention novatrices et pourquoi pas complémentaires ?”, Journal de Thérapie
Comportementale et Cognitive, nº 20 (3): 87-92.
DOI: 10.1016/j.jtcc.2010.09.004
Goerlich, Francisco
2016 Distribución de la renta, crisis económica y políticas redistributivas. Bilbao, Fundación BBVA.
Disponible en:
http://www.fbbva.es/TLFU/dat/DE_2016_IVIE_Distribucion_de_la_renta.pdf
Goldin, Claudia (y Lawrence F. Katz)
2010 The Race between Education and Technology: The Evolution of U.S. Educational Wage
Differentials. Cambridge, MA, Belknap Press.
Guereña, Jean-Louis (y Alejandro Tiana)
1989 Clases Populares, Cultura, Educación: Siglos XIX-XX. Madrid, Casa de Velázquez/UNED.
Halinen, Irmeli (y otros)
2015 “Making Sense of Complexity of the World Today: Why Finland Is Introducing Multiliteracy in
Teaching and Learning”, en Viola Bozsik (ed.), Improving Literacy Skills across Learning: CIDREE
Yearbook 2015, Budapest, HIERD: 136-153. Disponible en:
http://www.oph.fi/download/173262_cidree_yb_2015_halinen_harmanen_mattila.pdf
He, Jackson (y Enrique Castro-León)
2009 “Automation Under Service-Oriented Grids”, en Shimon Y. Nof (ed.), Springer Handbook of
Automation. Berlin/Heidelberg, Springer: 405-416.
DOI: 10.1007/978-3-540-78831-7_24
Jones, S.
2006 Against technology: from the Luddites to Neo-Luddism. New York, Routledge.
Kottenstette, Nicholas (y Panos J. Antsaklis)
2009 “Communication in Automation, Including Networking and Wireless”, en Shimon Y. Nof (ed.),
Springer Handbook of Automation, Berlin/Heidelberg, Springer: 237-248.
DOI: 10.1007/978-3-540-78831-7_13
Krueger, Dirk (y Krishna B. Kumar)
2004 “US-Europe Differences in Technology-Driven Growth: Quantifying the Role of Education”, Journal
of Monetary Economics, nº 51 (1): 161-190.
DOI: 10.1016/j.jmoneco.2003.07.005
Krug, Gerhard
2012 “(When) Is Job-Finding via Personal Contacts a Meaningful Concept for Social Network Analysis? A
Comment to”, Social Networks, nº 34 (4): 527-533.
DOI: 10.1016/j.socnet.2012.05.002
Lee, Yong-Seok (y Alcino J. Silva)
2009 “The Molecular and Cellular Biology of Enhanced Cognition”, Nature Reviews. Neuroscience , nº 10
(2): 126-140.
DOI:10.1038/nrn2572
Lucke, Jayne (y otros)
2015 “Using Neuropharmaceuticals for Cognitive Enhancement: Policy and Regulatory Issues”, en
Handbook of Neuroethics. Dordrecht, Springer Netherlands: 1085-1100.
DOI: 10.1007/978-94-007-4707-4_72
Lynch, Gary (y otros)
2014 “Pharmacological Enhancement of Memory or Cognition in Normal Subjects”, Frontiers in Systems
Neuroscience, nº 8: 90.
DOI: 10.3389/fnsys.2014.00090
Maher, Frances A. (y Mary K. Tetreault)
2008 “The Knowledge Economy and Academic Capitalism”, British Journal of Sociology of Education, nº
9 (6): 733-740.
DOI: 10.1080/01425690802423726
Morel, Gérard (y otros)
2009 “Reliability, Maintainability, and Safety”, en Shimon Y. Nof (ed.), Springer Handbook of Automation.
Berlin/Heidelberg, Springer: 735-747.
DOI: 10.1007/978-3-540-78831-7_42
Nau, Dana S.
2009 “Artificial Intelligence and Automation”, en Shimon Y. Nof (ed.), Springer Handbook of Automation.
Berlin/Heidelberg, Springer: 249-268.
DOI: 10.1007/978-3-540-78831-7_14
Newfield, Christopher
2008 Unmaking the Public University: The Forty-Year Assault on the Middle Class. Cambridge, Mass,
Harvard University Press.
Nof, Shimon Y. (ed.)
2009 Springer Handbook of Automation. Berlin, Heidelberg, Springer.
DOI: 10.1007/978-3-540-78831-7
Normand, Romuald
2008 “School Effectiveness or the Horizon of the World as a Laboratory”, British Journal of Sociology of
Education, nº 29 (6): 665-676.
DOI: 10.1080/01425690802423346
OIT
2015 Perspectivas sociales y del empleo en el mundo: Tendencias 2015. Disponible en:
http://www.ilo.org/wcmsp5/groups/public/—dgreports/—dcomm/—publ/documents/publication
/wcms_337072.pdf
Piketty, Thomas
2014 Capital in the Twenty-First Century. Cambridge, Massachusetts, The Belknap Press of Harvard
University Press.
Racine, Eric (y Cynthia Forlini)
2008 “Cognitive Enhancement, Lifestyle Choice or Misuse of Prescription Drugs?”, Neuroethics, nº 3 (1):
1-4.
DOI: 10.1007/s12152-008-9023-7
Rey, Olivier
2010 “The Use of External Assessments and the Impact on Education Systems”, en Sheila M. Stoney
(ed.), Beyond Lisbon 2010: Perspectives from Research and Development for Education Policy in Europe
(CIDREE Yearbook 2010). Slough, NFER: 137–158. Disponible en:
The_use_of_external_assessments_and_the_impact_on_education_systems
Rifkin, Jeremy
1995 The End of Work: The Decline of the Global Labor Force and the Dawn of the Post-Market Era. New
York, G. P. Putnam’s Sons.
Robinson, Ken (y Lou Aronica)
2009 The Element: How Finding Your Passion Changes Everything. New York, Penguin Group USA.
Rué, Joan
2014 “El abandono universitario: variables, marcos de referencia y políticas de calidad”, REDU. Revista
de Docencia Universitaria, nº 12 (2): 281-306. Disponible en:
http://red-u.net/redu/index.php/REDU/article/view/506/pdf
Sandberg, Anders
2011 “Cognition Enhancement: Upgrading the Brain”, en Julian Savulescu (y otros) (coord.), Enhancing
Human Capacities. Chichester, West Sussex, U.K. Malden, MA, Wiley-Blackwell, 71-91.
Smith, Jayne
2008 “Quality Assurance and Gender Discrimination in English Universities: An Investigation”, British
Journal of Sociology of Education, nº 29 (6): 623-638.
DOI: 10.1080/01425690802423304
Solomon, Louis M. (y otros)
2009 “Cognitive Enhancements in Human Beings”, Gender Medicine, nº 6 (2): 338-344. Disponible en:
http://www.sciencedirect.com/science/article/pii/S1550857909000758
Tiana, Alejandro (y otros)
1996 Secondary Education in Spain. Croton-on-Hudson, NY, Council of Europe Press Manhattan Pub.
Co. distributor.
Turner, Danielle C. (y Barbara J. Sahakian)
2006 “Ethical Questions in Functional Neuroimaging and Cognitive Enhancement”, Poiesis & Praxis, nº 4
(2): 81-94.
DOI: 10.1007/s10202-005-0020-1
Velásquez, Juan D. (y Shimon Y. Nof)
2009 “Collaborative E-Work, E-Business, and E-Service”, en Shimon Y. Nof (ed.), Springer Handbook of
Automation. Berlin, Heidelberg, Springer: 1549-1576.
DOI: 10.1007/978-3-540-78831-7_88
Vernadat, François B.
2009 “Enterprise Integration and Interoperability”, en Shimon Y. Nof (ed.), Springer Handbook of
Automation. Berlin, Heidelberg, Springer: 1529-1538.
DOI: 10.1007/978-3-540-78831-7_86
Wallen, Johanna
2008 The History of the Industrial Robot. Linkoping, Sweden. Disponible en:
http://liu.diva-portal.org/smash/get/diva2:316930/FULLTEXT01.pdf
Wolte, Stefan C.
2010 “Efficiency in Education: 20 Years of Talk and No Progress?”, en Sheila M. Stoney (ed.), Beyond
Lisbon 2010: Perspectives from Research and Development for Education Policy in Europe (CIDREE
Yearbook 2010). Slough, NFER: 197–210. Disponible en:
The_use_of_external_assessments_and_the_impact_on_education_systems
World Economic Forum
2016 The Future of Jobs. Employment, Skills and Workforce Strategy for the Fourth Industrial Revolution.
Switzerland. Disponible en:
http://www3.weforum.org/docs/WEF_Future_of_Jobs.pdf
Gazeta de Antropología
