Skill Trees V2 aún no se ha lanzado oficialmente. Estamos preparando el despliegue final y esperamos publicarlo en las próximas semanas.
Resumen
LabEx Skill Trees es el modelo de evaluación de habilidades detrás del aprendizaje práctico de LabEx. Conecta habilidades técnicas con Guided Labs, Challenge Labs, progreso de usuario, recomendaciones, insignias y certificados. Skill Trees V2 es una mejora importante de ese modelo. El objetivo no es simplemente añadir más habilidades, sino describir la capacidad técnica con mayor precisión: qué ha practicado una persona, qué ha demostrado y qué aún necesita más evidencia.
Por qué existen los Skill Trees
LabEx está construido alrededor de la práctica. Guided Labs ayudan a comprender un concepto paso a paso. Challenge Labs verifican si el concepto puede aplicarse de forma independiente en un entorno real. Eso requiere un modelo separado de la estructura de cursos. Un curso indica qué estudiar después. Un Skill Tree describe el espacio de capacidades de un dominio técnico. En este modelo, un laboratorio puede enseñar o evaluar varias habilidades, y una habilidad puede estar respaldada por varios laboratorios y desafíos. El progreso se basa en evidencia de aprendizaje, no solo en completar cursos.Limitaciones de V1
V1 estableció la primera taxonomía amplia de habilidades para LabEx, pero tenía varias limitaciones. Algunas habilidades eran demasiado amplias y otras demasiado estrechas. Algunos Skill Trees mezclaban dominios adyacentes, como Linux, Shell, Git, Docker, Jenkins y Kubernetes. Algunas áreas, incluidas Cybersecurity, React, Jenkins y Wireshark, estaban poco modeladas frente a su espacio real de habilidades. Como resultado, el conteo de habilidades no siempre comunicaba claramente la capacidad real. Una persona podía tener muchas habilidades pequeñas desbloqueadas, aunque la capacidad subyacente se representara mejor como menos habilidades conceptuales, pero más sólidas.Qué mejora V2
V2 rediseña la taxonomía alrededor de límites de dominio más claros y una granularidad de habilidades más consistente. Cada habilidad representa una capacidad conceptual: suficientemente específica para enseñar y evaluar, pero suficientemente amplia para aplicarse en varios laboratorios y tareas reales. Linux se centra en uso y administración del sistema. Shell se centra en semántica de comandos y scripts. Docker, Kubernetes y Jenkins se modelan como dominios relacionados, pero distintos, de entrega y automatización. En el conjunto canónico actual, V2 incluye:- 25 Skill Trees
- 1.129 habilidades conceptuales
- Más que las 783 habilidades de V1
Modelo abierto de evaluación de habilidades
Skill Trees V2 también está diseñado como un modelo abierto de evaluación técnica liderado por LabEx. Los datos canónicos de Skill Tree se mantienen en el repositorio labex-labs/labex-skilltrees. Define los dominios técnicos, identificadores estables, nombres visibles, descripciones y orden canónico detrás de LabEx Skill Trees. Al abrir este modelo, queremos que Skill Trees sea útil más allá de LabEx. Las personas pueden usarlo para autoevaluación. Educadores pueden usarlo al diseñar cursos, laboratorios y desafíos prácticos. Equipos pueden usarlo como marco común para hablar de competencia técnica. Contribuidores pueden proponer mejoras cuando falte una habilidad, sea demasiado amplia, demasiado estrecha, duplicada u obsoleta. Nuestro objetivo es promover un estándar de evaluación de habilidades prácticas liderado por LabEx: abierto a revisión y contribución de la comunidad, pero lo bastante riguroso para respaldar medición, recomendaciones, insignias, certificados y analíticas de equipo.Migración y progreso de usuario
V2 no es un cambio de nombres uno a uno de V1. Cuando se lance V2, LabEx migrará los registros de aprendizaje existentes reinterpretando laboratorios completados, desafíos completados y evidencia relacionada según las definiciones de habilidades de V2. Esto significa que una persona puede ver cambios en su número de habilidades adquiridas. En muchos casos, ese número puede disminuir. No significa que se hayan perdido laboratorios completados, historial de desafíos o trabajo de aprendizaje. Significa que la misma evidencia se mide con un modelo más limpio y conservador. Por ejemplo:- Varias habilidades pequeñas de V1 pueden mapearse a una habilidad V2 más sólida.
- Una habilidad que antes contaba bajo Linux puede pertenecer ahora a Shell, Git, Docker u otro árbol más preciso.
- Un laboratorio completado puede seguir aportando progreso, pero a otro conjunto de habilidades V2.
- Parte del progreso puede requerir evidencia adicional de desafíos si V2 define la habilidad a un nivel más profundo.
