pec02_procesos de aprendizaje mediante las tic

D. Jonassen

Cdigo0,75 crditos

Procesos

P06/M1104/01593

de aprendizajemediante las TIC

Del docente presencial

www.uoc .eduU

al docente virtual

D. Jonassen

Distinguished Professor of Education

Department of Educational, School, and Counseling Psychology

University of Missouri-Columbia

Responsable de autora: Josep M. Momin

3Procesos de aprendizaje mediante las TIC

AN

OTA

CIO

NES

FUOC P06/M1104/01593

ndice

Introduccin ................................................................... 7

1. La construccin de modelos para el cambio conceptual ................................................................. 131.1. Resultados del aprendizaje significativo .................. 13

1.1.1. Modelos mentales ....................................... 141.1.2. Cambio conceptual ..................................... 15

1.2. Construccin de modelos mentales ........................ 181.2.1. Construccin de modelos frente

a consumo .................................................. 201.3. Qu modelamos? ............................................... 21

1.3.1. Construccin de modelos de los conocimientos dominantes ................. 22

1.3.2. Construir modelos problema ....................... 231.3.3. Construir modelos de sistemas ..................... 271.3.4. Construir modelos de experiencias

(historias) .................................................... 301.3.5. Construir modelos de pensamiento

(simulaciones cognitivas) .............................. 321.4. Tipos de sistemas de aprendizaje basados

en modelos .......................................................... 351.4.1. Construccin de simulaciones deductivas ...... 351.4.2. Construccin de modelos inductivos

de simulacin .............................................. 371.4.3. Exploracin de modelos de caja negra

o simulaciones ............................................ 371.4.4. Modelos causales cualitativos ....................... 381.4.5. Herramientas de construccin de modelos

semnticos .................................................. 381.4.6. Advertencias crticas sobre las herramientas

de construccin de modelos ......................... 391.5. Valorar el cambio conceptual con modelos

construidos por estudiantes ................................... 401.6. Bases para la construccin de modelos .................. 411.7. Limitaciones para la construccin de modelos ........ 42

Del docente presencial al docente virtual

4

AN

OTA

CIO

NES

FUOC P06/M1104/01593

2. Aprender a solucionar problemas ............................ 452.1. En qu consiste la resolucin de problemas? ......... 452.2. Variedad de problemas ......................................... 46

2.2.1. Estructuracin .............................................. 462.2.2. Complejidad ............................................... 482.2.3. Especificidad de campo

(abstractos-situados) .................................... 492.3. Tipologa de solucin de problemas ....................... 50

2.3.1. Problemas lgicos ........................................ 522.3.2. Problemas algortmicos ................................ 522.3.3. Problemas narrados ..................................... 532.3.4. Problemas que usan reglas .......................... 532.3.5. Problemas de toma de decisiones ................. 542.3.6. Problemas de resolucin de dificultades ........ 542.3.7. Problemas de solucin y diagnosis ................ 552.3.8. Actuaciones estratgicas ............................... 562.3.9. Problemas polticos y de anlisis

de casos ubicados ....................................... 562.3.10.Problemas de diseo .................................. 572.3.11.Dilemas ..................................................... 58

3. Entornos de aprendizaje de resolucin de problemas en lnea .............................................. 593.1. Problemas narrados .............................................. 59

3.1.1. Tipo de problema y tipologa ....................... 603.1.2. Clasificacin de problemas .......................... 643.1.3. Problema verbal .......................................... 653.1.4. Identificador del conjunto ............................. 653.1.5. Modelo estructural ....................................... 663.1.6. Constructor de ecuaciones ........................... 673.1.7. Modelo situacional ...................................... 683.1.8. Ejemplos trabajados .................................... 683.1.9. Asuntos de la prctica .................................. 693.1.10. Instruccin de contenido ............................. 703.1.11.Resumen ................................................... 70

3.2. Problemas de resolucin de dificultades ................. 713.2.1. Modelo conceptual ...................................... 733.2.2. Localizador de dificultades o averas ............. 733.2.3. Biblioteca o archivo de casos ........................ 753.2.4. Ejemplos trabajados .................................... 773.2.5. Temas de prctica ....................................... 77

3.3. Problemas de anlisis de casos/sistemas ................ 783.3.1. Representacin de problemas ....................... 79


AN

OTA

CIO

NES

FUOC P06/M1104/01593

3.3.2. Herramientas de representacin de problemas .............................................. 83

3.3.3. Generar opciones de solucin: acomodar perspectivas mltiples .................................. 85

3.3.4. Argumentacin ........................................... 85

4. Argumentacin mediante la tecnologa para apoyar la resolucin de problemas ................. 894.1. Tecnologas de argumentacin .............................. 91

4.1.1. SenseMaker ................................................ 964.1.2. Belvedere .................................................... 974.1.3. Convince Me ............................................... 98

Resumen ........................................................................ 99

Mapa conceptual ........................................................... 101

Glosario ......................................................................... 103

Bibliografa .................................................................... 107


AN

OTA

CIO

NES

FUOC P06/M1104/01593

El siguiente mdulo describe los puntos de vista actuales sobre cmo se

puede usar la tecnologa para impulsar un aprendizaje ms significativo

en el campo de la educacin. En l se habla ms de aprendizaje y de

formacin que de tecnologa. Por qu? ltimamente muchos formado-

res han visto la tecnologa como la salvacin de la educacin. Hasta que

los formadores no se pongan de acuerdo en que debera modificarse la

naturaleza del aprendizaje en los procesos formativos, probablemente

la tecnologa no tendr ningn efecto sobre la misma. Es decir, la tec-

nologa por s misma no puede cambiar la educacin. Tenemos que es-

tar todos de acuerdo en que la formacin debe centrarse en un

aprendizaje significativo, el tipo de aprendizaje que lleva a los estudian-

tes a un nivel profundo de pensamiento.

Muchos informes en Estados Unidos han concluido que la compleji-

dad que supone avanzar en el mundo del siglo XXI requiere nuevas

habilidades y formas de pensar. La preparacin necesaria para que

los estudiantes cumplan estos requisitos debe fomentarse en las ins-

tituciones educativas mediante entornos intelectuales enriquecidos.

Ms que explicar a los estudiantes el mundo que van a encontrarse

fuera del centro, es este mundo el que debe llamarles la atencin.

Los estudiantes tienen que aprender a solucionar problemas comple-

jos y mal definidos, progresar en la ambigedad y abarcar distintas

perspectivas, usando un repertorio de habilidades intelectuales y

creativas que con poca frecuencia les son requeridas. Cuando los

formadores crean que estos objetivos son importantes, la tecnologa

podr tener un mayor impacto en el aprendizaje y la educacin.

Este mdulo se basa en la teora sobre el desarrollo del aprendizaje sig-

nificativo que se ha denominado constructivismo. El constructivismo par-

te de los siguientes supuestos (Jonassen, Peck y Wilson, 1999):

1. El conocimiento se construye

Las personas dan sentido a su mundo y a todo aquello con lo que

mantienen un contacto construyendo representaciones mentales de

Introduccin


8

AN

OTA

CIO

NES

FUOC P06/M1104/01593

la realidad. Los seres humanos son perceptores e intrpretes que

construyen sus propias interpretaciones del mundo fsico mediante

actividades interpretativas y cognitivas que suponen la creacin de

modelos mentales. Este proceso de elaboracin del sentido implica

acomodar ideas y fenmenos nuevos en las creencias y conocimien-

tos existentes que ya haban sido construidos por el estudiante.

2. La realidad (el sentido que construimos del mundo) se encuentra

en la mente

El proceso de elaboracin del sentido tiene como resultado un cono-

cimiento que es nico a la persona, puesto que se basa en un con-

junto de experiencias nicas que han producido una combinacin de

creencias sobre el mundo tambin nica. Un principio importante es

que el conocimiento no es una entidad externa que se encuentra en

el mundo fsico y que debe ser adquirido o transmitido.

3. As pues, existen mltiples perspectivas del mundo

Del mismo modo que no existen dos personas en el mundo que ten-

gan las mismas experiencias y las mismas percepciones de estas ex-

periencias, cada uno de nosotros construye un conocimiento propio

que, a su vez, afecta a la percepcin de las experiencias que com-

partimos. En este sentido, por ejemplo, cualquier discusin sobre po-

ltica, religin o cerveza evoca una multitud de perspectivas sobre

cualquier fenmeno que se discuta.

4. El conocimiento se construye a partir de nuestras interacciones

con el medio ambiente

No podemos separar nuestro conocimiento sobre un rea, de nues-

tras interacciones con esta rea; ni podemos valorar el conocimiento

adquirido sin tener en cuenta cmo se adquiere (Savery y Duffy,

1995). Es decir, las personas slo pueden interpretar la informacin

en el contexto de sus propias experiencias, y aquello que interpreten

ser, hasta cierto punto, individual (Jonassen, 1991). El conocimien-

to que las personas construyen consiste no slo en las ideas (conte-

nido), sino tambin en el conocimiento sobre el contexto en que son

adquiridas, lo que la persona estaba haciendo en aquel entorno y

aquello que pretenda del mismo. Lo que diferencia a los seres hu-


AN

OTA

CIO

NES

FUOC P06/M1104/01593

manos de las formas inferiores de vida (por lo que sabemos) es la

intencionalidad y la habilidad para articular esas intenciones.

5. As pues, el conocimiento se encuentra anclado e indexado

en contextos relevantes

Las ideas que tenemos y las habilidades que hemos adquirido con-

sisten, en parte, en la situacin o contexto en que fueron adquiridas

o aplicadas. Es decir, el contexto es parte del conocimiento que la

persona utiliza para explicar o dar sentido a una idea. Esto significa

que las normas abstractas y las leyes, si estn aisladas de un contex-

to, no tienen significado alguno. Los constructivistas afirman que las

habilidades tienen ms significado si se desarrollan en contextos sig-

nificativos. Si las ideas no pueden aplicarse, entonces no tienen sig-

nificado. Ensear hechos y explicar conceptos sin enmarcarlos en

algn contexto les quita el significado.

6. Por consiguiente, el conocimiento no se puede transmitir

El objetivo explcito de la instruccin tradicional es la transmisin del

conocimiento ms eficiente. Desgraciadamente, lo que podemos

ensear no es siempre lo que los estudiantes aprenden. El conoci-

miento no puede transmitirse de profesores a estudiantes.

7. La construccin del conocimiento se estimula por una cuestin

de necesidad o deseo de saber

Aquello que produce el proceso de construccin del conocimiento

es una disonancia entre lo que se sabe y lo que se observa en el

entorno. La construccin real de significado (resolver la disonancia

entre lo que sabemos bien y lo que percibimos o creemos que las

otras personas saben) resulta de una perplejidad (Duffy y Cunning-

ham, 1996), una perturbacin (Maturana, 1980), una violacin de

expectativas (Schank, 1986) o una adaptacin al entorno que su-

pone ciclos de asimilacin y adaptacin. Podemos memorizar ideas

que otros nos hayan dicho, pero llegar de forma activa a la cons-

truccin del significado de un fenmeno implica alguna motivacin

para saber. Esta disonancia asegura cierta propiedad por parte del

estudiante.


10

AN

OTA

CIO

NES

FUOC P06/M1104/01593

8. El significado se negocia de forma social

De la misma forma que todos compartimos el mundo fsico, tambin

compartimos parte del significado que le damos. Los seres humanos

son criaturas sociales que confan en las reacciones de otros humanos

para determinar su propia existencia y la veracidad de sus creencias

personales. Los constructivistas sociales han credo durante cincuenta

aos que la elaboracin del significado se produce en un proceso de

negociacin entre los participantes de cualquier dilogo. Desde una

perspectiva constructivista, aprender es un dilogo, un proceso de ne-

gociacin, tanto interno como social. Aprender es inherentemente un

proceso social-dialgico (Duffy y Cunningham, 1996).

9. El significado y el pensamiento se distribuyen entre la cultura

y la comunidad en las que vivimos y las herramientas que

utilizamos

Desde el momento en que entramos a formar parte de comunidades de

prctica, nuestros conocimientos y creencias sobre el mundo reciben la

influencia de esta comunidad y de sus creencias y valores. Cuando en-

tramos a formar parte de comunidades de discurso sobre la prctica,

tambin nuestros conocimientos y creencias reciben su influencia. Por

ejemplo, nuestro conocimiento del mundo recibe la influencia de las ac-

tividades que realizamos en el trabajo. Las creencias y el conocimiento

de nuestros compaeros influyen en nuestra forma de pensar. El apren-

dizaje puede ser entendido como los cambios que sufre nuestra relacin

con la cultura o culturas con las que estamos conectados.

10. No todo el significado se crea de la misma forma

Los constructivistas no comparten la opinin deconstructivista, como

muchos creen, de que todos los significados son vlidos. Debemos

examinar la viabilidad del significado de cualquier persona sobre la

base de las normas sociales e intelectuales de la comunidad.

Si aceptamos todas estas suposiciones, se produce un cambio en el

proceso de educar a los estudiantes. Basndonos en ellas, el apren-

Principios de un aprendizaje significativo

11

Procesos de aprendizaje mediante las TIC

AN

OTA

CIO

NES

FUOC P06/M1104/01593

dizaje en los centros de formacin debera poner nfasis en las si-

guientes cualidades:

Activo

Los estudiantes se comprometen con el proceso de aprendizaje en un

procesamiento consciente de la informacin, de cuyo resultado son

responsables.

Constructivo

Los estudiantes adaptan nuevas ideas a un conocimiento previo

(equilibracin) para dar sentido o dar significado o reconciliar una

discrepancia o perplejidad.

Colaborativo

Los estudiantes trabajan en comunidades de aprendizaje y construc-

cin del conocimiento, aprovechando las habilidades del resto y

aportando apoyo social, adems de modelar y observar las contri-

buciones de cada uno de los miembros de la comunidad.

Intencional

Los estudiantes intentan conseguir un objetivo cognitivo de forma ac-

tiva e intencional.

Conversacional

Aprender es inherentemente un proceso social, dialgico (Duffy y

Cunningham, en prensa), en el cual los estudiantes son los que ms

se benefician del hecho de pertenecer a comunidades en que se

construye el conocimiento, tanto dentro de clase como fuera.

Contextualizado

Las actividades de aprendizaje estn situadas en ciertas tareas signi-

ficativas del mundo real o simulado mediante un entorno de apren-

dizaje basado en algn caso o problema.


12

AN

OTA

CIO

NES

FUOC P06/M1104/01593

Reflexivo

Los estudiantes articulan lo que han aprendido y reflexionan sobre

los procesos y decisiones implicadas.

13


AN

OTA

CIO

NES

FUOC P06/M1104/01593

El aprendizaje significativo debera ser la raison dtre de los proce-

sos formativos. Ms que presentar un contenido curricular preorga-

nizado que los estudiantes deben memorizar, las instituciones

formativas deberan ayudar a los alumnos a darse cuenta de lo que

estn aprendiendo y a usar su comprensin para resolver los proble-

mas de la vida cotidiana. El supuesto fundamental de este artculo es

que la tecnologa, cuando se usa de manera productiva, puede pro-

mover un aprendizaje significativo entre los estudiantes. En la mayo-

ra de instituciones educativas hay un acceso limitado a la tecnologa

(normalmente menos de 2 horas por semana), por este motivo, nues-

tra funcin como educadores debera ser decidir cmo usar la tecno-

loga para dar el mximo apoyo a un aprendizaje significativo

durante este tiempo limitado. Cmo aprovechar al mximo este

tiempo? Es decir, cmo usar la tecnologa de la forma ms concep-

tualmente atractiva posible?

Aquello que para nosotros es significativo depende de nuestras nece-

sidades e intenciones. Sin embargo, desde una perspectiva psicolgica

del aprendizaje, las dos concepciones actuales que ms se acercan a

la significacin son los modelos mentales y el cambio conceptual.

1. La construccin de modelos para el cambio conceptual

aaaLa premisa de este mdulo es que construir modelos que

se basen en la informtica es la actividad tecnolgica

ms conceptualmente atractiva que existe, con la mxi-

ma contribucin al cambio conceptual y al desarrollo de

modelos mentales. No slo atrae a los estudiantes hacia

un cambio conceptual, sino que la construccin de mo-

delos no puede efectuarse sin un ordenador.

1.1. Resultados del aprendizaje significativo


14

AN

OTA

CIO

NES

FUOC P06/M1104/01593

1.1.1. Modelos mentales

Qu sucede cuando las personas aprenden de forma significativa?

Qu pruebas describen el aprendizaje significativo? El resultado del

aprendizaje significativo es un modelo mental de los fenmenos que

se han explorado y manipulado. Los nios empiezan construyendo

sus propios modelos mentales sencillos para explicar sus mundos, y

con la experiencia, el apoyo y ms reflexin, sus modelos mentales

se van estructurando y ampliando cuando interactan con el mundo

de una manera ms compleja. Los modelos ms complejos les per-

mitirn razonar de manera ms consistente y productiva sobre los fe-

nmenos que observan. Los seres humanos son constructores

naturales de modelos.

Los modelos mentales individuales consisten en representaciones

mltiples, interdependientes e integradas de aquello que se ha

aprendido. Para representar un modelo mental individual, pueden

usarse distintas formas de pruebas, incluyendo el conocimiento es-

tructural, procedimental, reflexivo, espacial/imaginativo, metafrico,

ejecutivo, adems de multitud de creencias sobre el mundo (Jonas-

sen y Henning, 1999).

Los modelos mentales grupales o colaborativos los construyen so-

cialmente grupos de individuos que se centran, colaborando unos

con otros, en una misma tarea significativa. Los modelos mentales

aaaQu es un modelo mental? Se trata de una pregunta

difcil porque hay muy poca unanimidad respecto a su

respuesta. Existen muchas concepciones sobre los mo-

delos mentales, empezando por Johnson-Laird (1983)

y Gentner y Stevens (1983). Los modelos mentales son

modelos semnticos, simulaciones, conocimientos pro-

cedimentales en forma de normas de inferencia, o qu

son exactamente? Los modelos mentales son todo eso,

es decir, son representaciones ricas, complejas, inter-

conectadas, interdependientes y multimodales de todo

aquello que una persona o un grupo de personas sa-

ben.

15


AN

OTA

CIO

NES

FUOC P06/M1104/01593

grupales o de equipo consisten en representaciones mltiples de

algn sistema o fenmeno. Para representar un modelo mental

grupal, se necesitan distintas formas de pruebas, como el conoci-

miento basado en las actividades, el conocimiento social o relacio-

nal, el conversacional o discursivo y los artefactos que el grupo usa

y produce.

Este mdulo afirma que la actividad que favorece la construccin de

un modelo mental de forma ms consistente y productiva es la cons-

truccin de modelos computacionales. Es decir, usar el ordenador

para construir modelos de lo que se ha estudiado proporciona una

representacin fsica de los procesos mentales de la construccin de

modelos. Distintos investigadores han demostrado la relacin entre

la construccin de modelos y los modelos mentales (Frederiksen y

White, 1998; Mellar, Bliss, Boohan, Ogborn, y Tompsett, 1994; Whi-

te, 1993). La forma ms efectiva de impulsar la construccin de mo-

delos mentales es hacer que los estudiantes usen una variedad de

herramientas para construir modelos fsicos, visuales, lgicos, o

computacionales de los fenmenos. En otras palabras, construir mo-

delos fsicos y computacionales mediante tecnologas confiere a los

estudiantes la oportunidad de operacionalizar y externalizar sus mo-

delos mentales.

1.1.2. Cambio conceptual

Tal como se ha indicado en la seccin anterior, un objetivo de casi

todos los aprendizajes cientficos es la construccin de modelos men-

tales. Los seres humanos construyen de forma natural teoras simpli-

ficadas e intuitivas para explicar el mundo. Mediante la experiencia

y la reflexin, aaden complejidades conceptuales a medida que van

aprendiendo. Como aprendices, construyen sus modelos mentales,

expresan cierta fuerza, coherencia y compromiso con las concepcio-

nes existentes; interactan con la nueva informacin hasta alcanzar

un nivel en el que la informacin sea comprensible, coherente, plau-

sible y retricamente apremiante de acuerdo con sus modelos con-

ceptuales. El proceso cognitivo de construccin de estas teoras es el

cambio conceptual.

El cambio conceptual tiene lugar cuando los estudiantes cambian su

manera de entender los conceptos y marcos conceptuales. Segn di-


16

AN

OTA

CIO

NES

FUOC P06/M1104/01593

ferentes investigadores, el proceso y ritmo del cambio conceptual es

variable; para algunos (Smith, di Sessa y Resnick, 1993; Siegler,

1996), el cambio conceptual es un proceso evolutivo de ampliacin

y transformacin gradual de los estados de conocimiento. Este mo-

delo de cambio conceptual es ms piagetiano en aquellos puntos en

los que los estudiantes acomodan gradualmente el conocimiento

que ya poseen y lo convierten en mejores estructuras de conocimien-

to. El cambio conceptual puede ser el resultado de la instruccin o

del descubrimiento.

Familiarizarse con sistemas conceptuales despus de haber odo ha-

blar de ellos consiste tpicamente en la introduccin de trminos, la ex-

plicacin de experimentos y la defensa de hiptesis (Thagard, 1992).

Esta forma evolutiva del cambio conceptual requiere poca reestruc-

turacin de los sistemas conceptuales (Carey, 1985). El aprendizaje

reproductivo en las instituciones educativas requiere demasiadas ve-

ces la simple articulacin de un marco conceptual ya existente, que

slo implica cambios en las relaciones entre conceptos (Carey, 1988),

y no una reestructuracin de los modelos conceptuales por parte de

los aprendices. Este tipo de enriquecimiento es la forma ms dbil de

cambio conceptual (Vosniadou, 1994). Los estudiantes ms avan-

zados pueden llegar a desarrollar sus modelos conceptuales me-

diante el descubrimiento, en el momento en que alguien establece

un nuevo sistema conceptual y los estudiantes aducen sus propias

hiptesis explicativas. Este tipo de cambio conceptual, la revisin,

es necesario cuando la informacin que debe adquirirse no corres-

ponde a las creencias, presuposiciones, y modelos ingenuos del

mundo (Vosniadou, 1994).

Para otros investigadores (Chi, 1992; Thagard, 1992), el cambio

conceptual es un proceso revolucionario en el cual la manera como

se entienden los conceptos se sustituye por otra comprensin que se

espera que sea mejor. El cambio es una reorganizacin radical o

marcada de las estructuras del conocimiento (Dole y Sinatra, 1998).

Es necesaria una reestructuracin radical cuando los estudiantes

chocan con importantes anomalas que no pueden acomodar en sus

actuales teoras, as que es pertinente un nuevo paradigma. La sus-

titucin de modelos conceptuales por otros nuevos no puede llevarse

a cabo simplemente rehusando conceptos concretos o proposiciones

en el sistema conceptual, sino que debe desafiarse toda la estructura

y sustituirla (Thagard, 1992). El cambio conceptual radical requiere

17


AN

OTA

CIO

NES

FUOC P06/M1104/01593

que los estudiantes cambien conceptos y proposiciones a travs de

categoras ontolgicas, es decir, que cambien marcos para acomo-

dar ideas.

El cambio conceptual ms significativo slo sucede si es intencional

(Dole y Sinatra, 1998). Es decir, en el momento en que el aprendiz

es consciente de que su comprensin es inadecuada y percibe la ne-

cesidad de cambio, es probable que el cambio sea significativo (Lu-

que, 2003). El problema es que los aprendices con un bajo nivel de

conocimiento dominante tienen dificultades para percatarse de con-

tradicciones entre sus propias concepciones y las que son cientfica-

mente aceptables. Adems de ser conscientes de sus anomalas de

pensamiento, los aprendices tambin han de querer cambiarlas (Lu-

que, 2003). Las teoras que sustituirn a las actuales deben ser inte-

ligibles, plausibles y productivas (Strike y Posner, 1985), es decir,

atractivas cognitivamente.

Qu hace que el cambio conceptual sea intencional? El cambio con-

ceptual es una funcin del nivel de compromiso conceptual (Dole y Si-

natra, 1998). Los aprendices manifiestan de forma natural una cierta

fuerza, coherencia, y compromiso con las concepciones que poseen; es

ms fcil que cambiar. Tienden a interactuar con la informacin que es

comprensible, coherente, plausible a la luz de las teoras existentes. El

nivel de interaccin de los estudiantes con la nueva informacin depen-

de de un continuo, desde un compromiso cognitivo bajo hasta un alto

compromiso metacognitivo. Cuando los estudiantes no se comprome-

ten cognitivamente, procesan informacin de forma superficial. No obs-

tante, los estudiantes a menudo encuentran informacin que no

corresponde a sus propias teoras. Pueden ignorar esta informacin (co-

sa que hacen a menudo), o pueden intentar reconciliarla con lo que ya

saben. Esta reconciliacin implica muchas veces que reestructuren lo

que saben (por ejemplo, mediante un cambio conceptual). El cambio

conceptual requiere un alto compromiso cognitivo. Para reestructurar lo

que saben, los estudiantes deben regularse a s mismos, esforzndose

en analizar y sintetizar la nueva informacin.

Segn Dole y Sinatra (1998), en el nivel ms alto de compromiso los

estudiantes piensan detenidamente sobre argumentos y contraargu-

mentos relacionados con el mensaje, con lo que se consigue una alta

probabilidad de que se efecte un cambio conceptual.


18

AN

OTA

CIO

NES

FUOC P06/M1104/01593

Los profesores de matemticas y ciencias (Confrey y Doerr, 1994;

Frederiksen y White, 1998; Hestenes, 1986; Lehrer y Schauble,

2000; White, 1993) han reconocido durante mucho tiempo la im-

portancia de construir modelos a la hora de entender los fenmenos

matemticos y cientficos. Yo creo que se trata de una habilidad

esencial en todas las disciplinas, es decir, es una habilidad cognitiva

esencial para la construccin de significado en todos los campos.

Tambin creo que adems de construir modelos del conocimiento

dominante (el principal objetivo de los trabajos educativos de mate-

mticas y ciencias hasta la actualidad), los estudiantes tambin pue-

den beneficiarse de la construccin de modelos de problemas

(construir espacios del problema), sistemas, estructuras semnticas y

procesos de pensamiento (como las simulaciones cognitivas). Ade-

ms de distinguir entre lo que se modela, tambin distingo diferentes

tipos de sistemas de construccin de modelos y sus habilitaciones

para apoyar la construccin de modelos mentales. Por qu es tan

importante la construccin de modelos?

La construccin de modelos es importante porque se trata de uno de

los procesos cognitivos que conlleva mayor relacin conceptual. Resol-

ver problemas de diseo puede ser potencialmente ms atractivo,

pero las tecnologas actuales alcanzan mejor los procesos de creacin

Reflexin

Una de las preguntas importantes a la que responde

este mdulo es cmo podemos nosotros, los educado-

res, impulsar un alto compromiso cognitivo de los estu-

diantes que ven la necesidad de cambiar sus modelos

conceptuales del mundo. Tambin se describe cmo

los estudiantes pueden usar el ordenador para cons-

truir sus propios modelos del mundo; mediante la

construccin de estos modelos, se comprometen de

forma necesariamente cognitiva. Cuando prueban y

revisan estos modelos para reconciliarlos con sus expe-

riencias, los estudiantes efectan necesariamente un

cambio conceptual radical o revolucionario.

1.2. Construccin de modelos mentales

19


AN

OTA

CIO

NES

FUOC P06/M1104/01593

de modelos que los de diseo. Construir modelos tambin es impor-

tante porque los modelos conceptuales construidos por la mayora de

las personas suelen ser ingenuos, poco informados e inconsistentes

con las teoras establecidas. Aunque el desarrollo y cambio de las teo-

ras personales puede ser un proceso humano natural, las personas no

tienen una gran habilidad para ello. Las teoras personales y los mo-

delos conceptuales estn llenos de malentendidos y conceptos inade-

cuados. Los aprendices deberan recibir ayuda a la hora de construir

modelos ms completos y viables de los fenmenos que estudian.

El primer objetivo de este proceso es definir la relacin entre variables.

Algunos investigadores creen que los modelos cualitativos son tan im-

portantes como los cuantitativos. La representacin cualitativa es un

enlace perdido en la solucin de problemas en el caso de aprendices

noveles (Chi, Feltovich, Glaser, 1981; Larkin, 1983). Cuando los estu-

diantes intentan comprender un problema de una nica manera, es-

pecialmente cuando de esta manera no se llega a una informacin

conceptual del problema, entonces no entienden los sistemas ms im-

aaaQu es construir modelos? Los conceptos cambian se-

gn las herramientas y los cambios que se estudien. La

mayora de matemticos y cientficos creen tcitamente

que construir modelos es un proceso matemtico, que

las representaciones cuantitativas son de lo ms expl-

citas e informativas.

Ejemplo

Hestenes (1987) propuso un proceso de construccin de

modelos para el aprendizaje de la fsica que inclua cua-

tro estadios: describir las variables bsicas y derivadas

de alguna forma en diagrama; formular las relaciones

basadas en las leyes de la fsica escribiendo ecuaciones;

dibujando ramificaciones de un modelo y validando de

forma emprica el modelo ramificado. Para Hestenes,

el modelo es el mensaje (p. 446), es decir, a construc-

cin de modelos matemticos debera ser el tema cen-

tral de la enseanza de la fsica (p. 453).


20

AN

OTA

CIO

NES

FUOC P06/M1104/01593

portantes que en l tienen lugar. Es necesario, por consiguiente, ayu-

darles a construir una representacin, tanto cualitativa como

cuantitativa, del problema. Las representaciones cualitativas de los

problemas obligan y facilitan a la vez la construccin de representa-

ciones cuantitativas (Ploetzner y Spada, 1998).

1.2.1. Construccin de modelos frente a consumo

La distincin ms importante que debe hacerse es cmo se utilizan los

modelos. Los modelos son bastante habituales en la enseanza de las

matemticas y las ciencias, y se presentan tambin en otras disciplinas.

La mayora de libros de ciencias presentan un modelo de ciertos fen-

menos para facilitar la comprensin de los estudiantes y siguen este

modelo con problemas bien estructurados relacionados con aquellos

modelos que los aprendices deben solucionar.

Normalmente, los modelos se usan como motor intelectual en soft-

ware. Los sistemas tutoriales ms inteligentes disponen de modelos

de aprendizaje, modelos expertos o de dominio y modelos tutoriales.

El razonamiento basado en los modelos se centra en un modelo ex-

plcito de los sistemas fsicos que se estn aprendiendo (de Koning y

Bredweg, 2001).

En este trabajo, cuando hablamos de construccin de modelos nos re-

ferimos a la construccin, manipulacin o comprobacin de modelos

que efecta el estudiante. Algunas de las herramientas aqu descritas

facilitan un modelo que los estudiantes pueden manipular y compro-

bar, pero en otros casos se requiere que el estudiante construya y com-

Ejemplo

Los micromundos, como Geometric Supposer y SimCalc,

entre otros, son ejemplos de entornos basados en mode-

los. En los micromundos, el modelo se encuentra implcito

en las opciones de exploracin que facilita el software,

pero el modelo no se manifiesta de forma explcita. Y lo

que es ms importante, el modelo es inmutable. Los estu-

diantes no slo no pueden acceder a l, sino que no pue-

den cambiarlo a no ser que manipulen un conjunto de

variables preseleccionadas dentro del modelo.

21


AN

OTA

CIO

NES

FUOC P06/M1104/01593

pruebe los modelos. La forma ms eficaz de estimular y valorar el

cambio conceptual radical es construir y comparar modelos que repre-

senten sistemas conceptuales desproporcionados. Cuando los estu-

diantes descubren anomalas o errores conceptuales en las estructuras

mediante los experimentos de construccin de modelos que represen-

tan sistemas desproporcionados, caben ms posibilidades de que re-

visen y reestructuren sus propias estructuras conceptuales. En esta

propuesta, se pide a los estudiantes que reestructuren sus modelos

conceptuales de la biologa de plantas de tierra con los modelos con-

ceptuales basados en el crecimiento de espacio limitado. As, el obje-

tivo es que modelemos nuestra idea de que usar herramientas

informticas para construir modelos computacionales de los fenme-

nos cientficos es el medio ms efectivo para estimular y ayudar a los

estudiantes a efectuar un cambio conceptual rpido.

El cambio conceptual radical muy pocas veces es consecuencia de la

instruccin. Por qu debera serlo, pues, de la construccin de mo-

delos? El cambio conceptual radical procede de las perturbaciones

creadas en los propios conceptos y que ponen en duda la compren-

sin (Ferrary y Elik, 2003). Para resolverlas, los estudiantes deben

usar la experiencia u otros procesos altamente atractivos como la

construccin de modelos y as comparar los conceptos opuestos.

(Dole y Sinatra, 1998)

Si es verdad que construir modelos puede ayudar a crear modelos

mentales, entonces los estudiantes deberan aprender a construir

modelos a partir de un conjunto de fenmenos. En este apartado

describiremos brevemente la gama de fenmenos que pueden mo-

delarse mediante distintas herramientas, ms adelante describire-

mos brevemente la naturaleza de algunas de estas herramientas.

La mayora de estos modelos son lo que Lehrer y Schuble (2000) de-

nominan modelos sintcticos. Se trata de modelos formales que im-

ponen una sintaxis distinta al estudiante. Esta sintaxis lleva a una

correspondencia relacional entre el modelo y los fenmenos que re-

presenta. El objetivo de los modelos sintcticos es resumir la funcin

esencial del sistema que debe representarse.

1.3. Qu modelamos?


22

AN

OTA

CIO

NES

FUOC P06/M1104/01593

1.3.1. Construccin de modelos de los conocimientos dominantes

El objetivo principal del uso de los modelos en la enseanza de las

matemticas y la ciencia ha ido encaminado a construir modelos de

ideas dentro de los campos de la matemtica y la ciencia. En la edu-

cacin secundaria y el bachillerato los estudiantes utilizan herra-

mientas informticas para construir modelos, como los

micromundos, herramientas para construir modelos de sistemas u

otras herramientas cualitativas, con el fin de construir su modelo de

sistemas cientficos.

Ejemplo

Por ejemplo, la figura 1 ilustra el uso del micromundo,

ThinkerTools, para construir modelos y experimentar

con principios relacionados con las trayectorias dentro

del campo de la fsica. El usuario ejerce un impulso so-

bre el punto antes de lanzarlo. Puede explorarse la re-

lacin entre los impulsos o las fuerzas del vector en la

trayectoria de los puntos. En la figura 1 puede verse

que se han aplicado las fuerzas correctas de vectores.

Figura 1. Construir modelos de principios de trayectorias en el campo de la fsica, mediante ThinkerTools.

23


AN

OTA

CIO

NES

FUOC P06/M1104/01593

Los estudiantes pueden utilizar una amplia gama de herramientas

para construir modelos.

Sin embargo, en ambos ejemplos se encuentran implcitos modelos

subyacentes. Los principios se ejemplifican en las representaciones,

pero los modelos se encuentran implcitos. Es decir, la relacin entre

las variables no se expresa de forma explcita.

1.3.2. Construir modelos problema

Otro tema importante y poco estudiado es el uso de las herramientas

de modelado para desarrollar modelos explcitos de problemas que

los estudiantes intentan resolver. En estas aplicaciones, los estudian-

Ejemplo

La figura 2 muestra principios geomtricos modelados

con Cabri, una herramienta de visualizacin geomtri-

ca de Texas Instruments. En cada uno de estos mode-

los, los estudiantes representan principios dominantes

que estn estudiando. Las herramientas para construir

modelos les permiten comprobar sus modelos menta-

les de los fenmenos que estn estudiando.

Figura 2. Modelo geomtrico de Cabri


24

AN

OTA

CIO

NES

FUOC P06/M1104/01593

tes representan el espacio del problema (Jonassen, 2003). En gene-

ral, se acepta que a la hora de resolver problemas, las personas no

necesitan construir ningn tipo de representacin interna (modelo

mental) de un problema (espacio del problema) para resolverlo. Es-

tas representaciones personales del problema tienen las siguientes

funciones (Savelsbergh, de Jong, y Ferguson-Hessler, 1998):

Dirigir una interpretacin posterior de la informacin sobre el

problema.

Simular el comportamiento del sistema basado en el conocimien-

to sobre las propiedades del sistema.

Asociar e impulsar un esquema concreto de solucin (procedi-

miento).

Los espacios de un problema se construyen mentalmente seleccio-

nando y mapeando relaciones especficas del problema (McGuin-

ness, 1986). El supuesto fundamental de este artculo es que el hecho

de usar las herramientas de modelado para crear modelos fsicos, vi-

suales o computacionales externaliza los modelos mentales de los

estudiantes. En relacin con la solucin de problemas, la construc-

cin de modelos visuales y computacionales de los problemas exter-

naliza los espacios de los problemas internos de los estudiantes. La

construccin de modelos de espacios de problema es importante

para toda clase de problemas. A medida que aumenta la compleji-

dad del problema, resulta ms importante producir representaciones

eficaces; y la eficacia de las representaciones depende de la organi-

zacin, la integracin o la coherencia (McGuinness, 1986).

Aunque hay muchas herramientas informticas de modelado que

ayudan a la construccin de modelos cuantitativos de problemas, la

construccin de modelos cualitativos de problemas es de igual o ma-

yor importancia. Las representaciones cualitativas asumen muchas

formas y organizaciones distintas; pueden ser espaciales o verbales

y pueden organizarse de distintas formas. Son ms fsicas que num-

ricas: las representaciones fsicas de los problemas consisten en en-

tidades que se fijan en campos concretos (por ejemplo, la fsica), y

las normas de inferencia que las conectan y les dan un significado

son cualitativas (Larkin, 1983).

25


AN

OTA

CIO

NES

FUOC P06/M1104/01593

Las representaciones cualitativas tienen la funcin de:

Explicar informacin que slo aparece implcitamente en las

descripciones de los problemas pero que es importante para su

solucin.

Aportar precondiciones sobre las que se pueda aplicar el conoci-

miento cuantitativo.

El razonamiento cualitativo ayuda a la construccin del conoci-

miento cuantitativo no disponible en un principio y establece un

conjunto de restricciones que aportan directrices para un razona-

miento cuantitativo (Ploetzner y Spada, 1993).

Figura 3. Extracto de una base de reglas de un sistema experto de estequiometra


26

AN

OTA

CIO

NES

FUOC P06/M1104/01593

De hecho, Ploetzner, Fehse, Kneser y Spada (1999) demostraron que

a la hora de resolver problemas de fsica, las representaciones cua-

litativas de los problemas son requisitos necesarios para aprender re-

presentaciones cuantitativas. Cuando los estudiantes intentan

entender un problema slo de una manera, no entienden los siste-

mas subyacentes que estn trabajando.

Las representaciones cualitativas ayudan a la solucin de problemas

cuantitativos. Las mejores soluciones de problemas pueden surgir in-

tegrando modelos cualitativos y cuantitativos. Esta integracin an

Figura 4. Sistemas de modelos dinmicos de problemas de estequiometra segn Stella

La figura 3 muestra un modelo cualitativo de un simple

problema de qumica de conversin molar, mediante

un sistema experto. Es decir, los estudiantes construye-

ron un sistema de reglas de produccin que describe la

lgica necesaria para resolver el problema.

27


AN

OTA

CIO

NES

FUOC P06/M1104/01593

puede verse ms respaldada en las herramientas para construir mo-

delos de sistemas, como el de Stella, que aportan representaciones

cuantitativas de las relaciones entre aquellos componentes de pro-

blemas que se expresan de forma cualitativa.

1.3.3. Construir modelos de sistemas

Los contenidos de los problemas tambin pueden concebirse como

sistemas. Cuando se estudia el contenido como si fueran sistemas,

ms que centrarse en hechos concretos o caractersticas de los fen-

menos, los aprendices desarrollan una perspectiva del mundo mu-

cho ms integrada. Hay distintas concepciones sistmicas del mundo

que estn relacionadas, incluyendo pensamientos de sistemas abier-

tos, pensamientos de sistemas humanos o sociales y procesos de sis-

temas, pensamientos de sistemas de reaccin, dinmica de sistemas,

sistemas de control o ciberntica, la teora de la actividad y los siste-

mas de vida ms comunes.

La figura 4 muestra un modelo Stella de un problema

de estequiometra, y aporta tanto las representaciones

cuantitativas, como las cualitativas del problema.

Figura 5. Construccin de modelos del sistema circulatorio con Model-It.


28

AN

OTA

CIO

NES

FUOC P06/M1104/01593

Todas estas concepciones comparten atributos similares, como por

ejemplo un todo irreducible, un modelo de organizacin autoproductor,

las partes interdependientes, el hecho de que funcionen accionados por

el objetivo, el control de reaccin, el automantenimiento y la autorregu-

lacin. El hecho de requerir a los estudiantes que organicen su objeto de

estudio en sistemas relevantes que interacten unos con otros les aporta

una perspectiva del mundo mucho ms holstica e integrada.

Figura 6. Construccin de modelo del efecto de un huracn en Bryzoan con EcoBeaker.

29


AN

OTA

CIO

NES

FUOC P06/M1104/01593

Los estudiantes deben construir los modelos antes de comprobarlos.

Existe otra clase de herramienta que permite que el estudiante cons-

truya inductivamente modelos de sistemas. Los micromundos como

StarLogo, AgentSheets y Eco-Beaker permiten construir reglas sobre

la naturaleza del comportamiento en sistemas y comprobar su efecto

de forma inmediata.

Estas herramientas, ms que simples sistemas, representan una pers-

pectiva del mundo tericamente compleja; es decir, exploran la na-

turaleza autoorganizadora de los fenmenos del mundo.

Ejemplo

Existe una variedad de herramientas informticas que

apoyan el pensamiento de sistemas. Basados en din-

mica de sistemas, herramientas como Stella, PowerSim

y VenSim proporcionan herramientas sofisticadas para

construir modelos de sistemas. Estas herramientas per-

miten a los estudiantes construir modelos de sistemas

de fenmenos, mediante el razonamiento hipottico-

deductivo.

La figura 5 muestra una perspectiva sistmica del sis-

tema circulatorio, construida con Model-It, una he-

rramienta simplificada para construir modelos de

sistemas que ha desarrollado el grupo HI-CE en la

Universidad de Michigan para estudiantes de secun-

daria. Esta herramienta identifica relaciones entre

variables. En vez de introducir frmulas para descri-

bir relaciones, los estudiantes deben identificar la di-

reccin de la relacin y el efecto potencial que tiene

una variable sobre otra.

La figura 6 construye un modelo de crecimiento de or-

ganismos diminutos dentro de un entorno, perturba

este entorno y vuelve a comprobar las pautas de creci-

miento. En este caso, el modelo muestra los efectos de

un huracn en el crecimiento de Bryzoa.


30

AN

OTA

CIO

NES

FUOC P06/M1104/01593

1.3.4. Construir modelos de experiencias (historias)

Las historias pueden funcionar como sustituto de la experiencia di-

recta. Si asumimos que aprendemos de las experiencias, deberamos

ser capaces de aprender de las historias que cuentan experiencias. Al-

gunas personas creen que escuchar historias es equivalente a experi-

mentar los fenmenos uno mismo (Ferguson, Bareiss, Birnbaum, y

Osgood, 1991). En otras palabras, las estructuras de la memoria

utilizadas para entender la historia son las mismas que las que se

usan a la hora de llevar a cabo una tarea. Teniendo en cuenta la

falta de experiencias por parte de los principiantes, las experien-

cias de historias o casos que pueden obtener en una biblioteca

aumentan su repertorio de experiencias. El razonamiento a partir

de historias o casos ayuda a resolver problemas.

Por qu las historias son importantes para la comprensin? Porque

todo lo que sabemos lo recordamos en forma de historias. Las historias

son formalismos ricos y poderosos para narrar y describir recuerdos.

As pues, una forma de entender lo que las personas saben es analizar

sus historias. El medio que nos permite analizarlas se llama razona-

miento basado en casos (RBC), en ingls Cased-Based Learning.

Por consiguiente, los estudiantes pueden impulsar el cambio concep-

tual construyendo modelos de las experiencias de otras personas, es

decir, recogiendo historias sobre las experiencias de otros.

aaaEl RBC es un mtodo de inteligencia artificial para re-

presentar los conocimientos de las personas. El RBC

sostiene que los conocimientos se almacenan en la me-

moria en forma de historias (Schank, 1990). Cuando

se encuentran con una situacin nueva, las personas la

analizan e intentan recuperar una situacin que ya ha-

yan experimentado y que se parezca a la situacin ac-

tual. Aparte de la informacin sobre la situacin,

tambin recuperamos lo que aprendimos de aquella si-

tuacin. Los problemas nuevos se resuelven encontran-

do casos similares del pasado y aplicando las lecciones

de aquella experiencia en este nuevo caso.

31


AN

OTA

CIO

NES

FUOC P06/M1104/01593

Cuando los estudiantes analizan historias para entender estos

problemas, entienden mejor la complejidad fundamental del

campo de contenido. Recoger e indexar las historias es construir

modelos de las experiencias de las personas; como estas expe-

riencias son diferentes, representan perspectivas y creencias ml-

tiples. Encontrar esta diversidad de creencias es la mejor manera

de percibir que hay que cambiar los modelos conceptuales de

cada persona sobre el mundo.

La base de datos de la figura 7 cuenta una de las mu-

chas historias que se han recogido sobre el conflicto en

Irlanda del Norte. La base contiene muchas historias

que se han indexado por cuestin, tema, contexto, ob-

jetivo, razonamiento, religin, etc. Contiene muchas

cuestiones, temas y contextos. En este ejemplo, los es-

tudiantes aprenden sobre el horror de los conflictos re-

ligiosos examinando la experiencia de otros. Las bases

de datos facilitan este proceso de aprendizaje, permi-

tiendo que los profesores busquen en cualquier mbito

para colocar casos o resultados semejantes.

Figura 7. Entrada en una base de datos sobre historias de Irlanda del Norte.


32

AN

OTA

CIO

NES

FUOC P06/M1104/01593

Si se quieren usar bases de datos para capturar historias, se deben

identificar casos o historias. Los casos indican situaciones, sucesos,

experiencias, problemas, etc. Cuando hablamos de situaciones, nos

referimos a una descripcin de las situaciones (contexto, objetivo,

etc.), las soluciones que se escogieron y lo que se aprendi al utili-

zarlas (Kologner, 1993). La situacin del problema se define a partir

de los objetivos que quieren conseguirse resolviendo el problema, las

restricciones para llegar a los objetivos y cualquier caracterstica del

problema. Cuando se recogen historias de revistas, informes de no-

ticias, entrevistas personales o cualquier otro medio y se analizan,

deben indexarse identificando cierta combinacin de objetivos, res-

tricciones, descripciones situacionales, temas, soluciones, resultados

y lecciones en una base de datos. Aprender, segn la perspectiva del

RBC, es un proceso de indexar y rellenar lecciones basadas en expe-

riencias y reutilizarlas en situaciones futuras semejantes.

1.3.5. Construir modelos de pensamiento (simulaciones cognitivas)

Existe otra clase de construccin de modelos que permite el desarro-

llo de procesos de pensamiento. Ms que construir modelos de con-

tenidos o sistemas, los aprendices construyen modelos del tipo de

pensamiento que necesitan para actuar a la hora de resolver un pro-

blema, tomar una decisin o terminar cualquier otra actividad. Es

decir, los estudiantes pueden utilizar herramientas informticas para

construir simulaciones cognitivas

Tienen como objetivo construir modelos de estructuras mentales y

procesos cognitivos humanos.

aaa[...] las simulaciones cognitivas son programas inform-

ticos que representan modelos de actividades cognitivas

humanas. (Roth, Woods, y People, 1992, p. 1163)

aaaEl programa informtico contiene representaciones

explcitas de procesos mentales y estructuras de cono-

cimiento ya propuestos. (Kieras, 1990, pp. 51-52)

33


AN

OTA

CIO

NES

FUOC P06/M1104/01593

El objetivo primordial de las simulaciones cognitivas es intentar

externalizar procesos mentales para la construccin de anlisis y

teoras. Las usan sobre todo los ingenieros para construir sistemas

tutoriales elaborados, pero hemos descubierto que tambin los

jvenes estudiantes pueden reflexionar sobre su pensamiento

para construir este tipo de simulaciones. Jonassen (en prensa)

describe el proceso de construccin de una simulacin cognitiva

de un razonamiento metacognitivo mediante la proteccin de sis-

tema experto.

La figura 8 muestra actores seleccionados a partir de

esta base de conocimiento. Se pidi a los estudiantes

que meditaran sobre cmo usaban ellos el control eje-

cutivo y las actividades de control de comprensin a la

hora de estudiar. Lippert (1988) afirmaba que hacer

que los estudiantes construyan pequeas bases de co-

nocimiento es un mtodo til para ensear a resolver

problemas y a estructurar el conocimiento para estu-

diantes desde sexto grado hasta la edad adulta.

Figura 8. Factores metacognitivos en la simulacin cognitiva


34

AN

OTA

CIO

NES

FUOC P06/M1104/01593

El aprendizaje resulta ms significativo porque los estudiantes no

slo valoran sus propios procesos de pensamiento, sino tambin el

producto de estos procesos.

Tambin hemos experimentado con herramientas de dinmicas de

sistemas para la construccin de simulaciones cognitivas.

La figura 9 ilustra un modelo de memoria de Stella;

Stella es una herramienta de dinmicas de sistemas

para representar las relaciones dinmicas entre fen-

menos de sistemas. Tanto los sistemas expertos como

las dinmicas de sistemas permiten a los estudiantes la

construccin y comprobacin de las suposiciones y fun-

cionamiento de sus modelos.

Figura 9. Modelo de memoria Stella.

35


AN

OTA

CIO

NES

FUOC P06/M1104/01593

Como hemos visto en el apartado anterior, cuando se describan los

aspectos de sistemas que pueden modelarse, hay muchas clases de

herramientas disponibles para construir modelos de una amplia

gama de fenmenos. stas varan en caractersticas, funcionalidad y

habilitaciones. Cada una de ellas usa una estructura y una sintaxis

distintas para construir modelos de fenmenos. Pueden sustituirse

unas por otras, pero no siempre con consecuencias positivas. Cada

tipo de herramienta implica combinaciones distintas de pensamiento

crtico, creativo y complejo (Jonassen, 2000).

Una de las diferencias ms importantes dentro de estas herramientas

es la claridad del modelo subyacente. Algunas herramientas son sis-

temas de caja negra, en los que el estudiante puede introducir infor-

macin y manipular las caractersticas de los sistemas, comprobando

los efectos de las manipulaciones tericas. La mayora de simulacio-

nes y micromundos son de este tipo. Se trata de entornos explorato-

rios que abastecen a los aprendices con la oportunidad de

comprobar los efectos causales de las manipulaciones, pero el mo-

delo bsico que define los parmetros del sistema est escondido.

Otras herramientas, como las de construccin de modelos de siste-

mas, son sistemas de caja de cristal, en los que el estudiante no slo

investiga el modelo subyacente, sino que puede cambiarlo. De he-

cho, los sistemas de este tipo necesitan que el estudiante construya el

modelo de forma explcita antes de comprobarlo. Creo que este l-

timo tipo de herramientas de construccin es mejor para representar

modelos mentales y hacer entrar a los estudiantes en un nivel de

transformacin ms profundo.

Describir brevemente distintas clases de herramientas para la cons-

truccin de modelos.

1.4.1. Construccin de simulaciones deductivas

Hay un tipo de herramientas que construyen modelos de sistemas,

incluyendo Stella, PowerSim, VenSim y Model-It, que permiten que el

estudiante construya y compruebe modelos de sistemas cerrados

1.4. Tipos de sistemas de aprendizaje basados en modelos


36

AN

OTA

CIO

NES

FUOC P06/M1104/01593

controlados por reaccin. Basndose en dinmicas de sistemas, los

estudiantes construyen representaciones conceptuales utilizando un

simple conjunto de iconos de bloque para construir un mapa de un

proceso: valores, flujos, conversores y conectores (vase la figura 9).

Los valores ilustran el nivel de alguna variable en la simulacin.

Estos modelos son dinmicos, es decir, se caracterizan por la accin

o el cambio en los estados. As, un modelo de simulacin dinmica

es aquel que representa conceptualmente la naturaleza cambiante

de fenmenos de sistemas de una forma similar al fenmeno real.

Estas simulaciones son representaciones sintcticas de la realidad. Lo

que distingue estos modelos del siguiente tipo es que el modelo se

concibe y se implementa antes de ser comprobado; se trata de un

modelo hipottico-deductivo.

En la figura 9, la informacin en la memoria a largo

plazo y la informacin en la memoria a corto plazo son

valores. Los flujos controlan el flujo entrante y saliente

de material en los valores. Almacenando y olvidando

son flujos. Los flujos a menudo se compensan unos a

otros, como las influencias positivas y negativas en los

giros normales. Por ejemplo, olvidando es una influen-

cia controladora negativa de la informacin en la me-

moria a largo plazo. Los conversores convierten las

entradas en salidas. Son factores o razones que influ-

yen en los flujos. Olvido es un conversor. Los converso-

res se usan para aadir complejidad a los modelos y

as representar mejor la complejidad del mundo real.

Finalmente, los conectores son las lneas que muestran

mediante flechas el efecto direccional que tiene cada

factor sobre otro.

Este tipo de modelos tambin puede construirse utilizan-

do una hoja de clculo. El modelo de la figura 10, por

ejemplo, ha sido construido por estudiantes que queran

comprobar los efectos de una serie de resistores. Se ex-

plica en las frmulas introducidas en cada celda.

37


AN

OTA

CIO

NES

FUOC P06/M1104/01593

Si lo hubiera construido el profesor para que los estudiantes manipu-

laran y comprobaran los efectos, funcionara ms como un micro-

mundo, en el cual los estudiantes exploran simulaciones de caja

negra.

1.4.2. Construccin de modelos inductivos de simulacin

Existe otra clase de herramientas de construccin de modelos que utiliza

una aproximacin ms inductiva para la construccin de simulaciones.

Herramientas como Agent Sheets, Star Logo y GenScope permiten cons-

truir modelos ms abiertos de sistemas de fenmenos. Ms que identi-

ficar todos los componentes del modelo antes de construirlo, los

aprendices, utilizando estos entornos, identifican los componentes del

modelo y los aaden a medida que van avanzando. Cada vez que se

aada un elemento, se puede comprobar el modelo para observar el

efecto del nuevo elemento en el funcionamiento del sistema.

1.4.3. Exploracin de modelos de caja negra o simulaciones

La mayora de simulaciones construidas para que los estudiantes

exploren y experimenten no explican el modelo implcito, sino que

Figura 10. Modelo de series de resistor, construido en una hoja de clculo.


38

AN

OTA

CIO

NES

FUOC P06/M1104/01593

permiten la manipulacin de variables y la comprobacin de los

resultados de estas manipulaciones; entonces, los estudiantes pue-

den generar hiptesis sobre las relaciones entre las variables y

examinarlas.

1.4.4. Modelos causales cualitativos

Los sistemas expertos son programas de inteligencia artificial diseados

como expertos simulados para facilitar la toma de decisiones en todo

tipo de problemas. Un sistema experto es un programa informtico que

pretende simular la manera como los expertos humanos resuelven un

problema: una toma de decisiones artificial. Se construyen con hechos

y con una serie de reglas SI-ENTONCES, y el que los construye debe

identificar todas las decisiones y resultados posibles, todos los factores

que pueden influir en cada decisin, y construir entonces las reglas que

conecten todas las condiciones de sistema posibles con las conclusiones

o resultados posibles. Construir sistemas expertos es un proceso de

construccin de modelos del conocimiento que permite a expertos e in-

genieros construir modelos conceptuales (Adams-Webber, 1995). Aun-

que hay muchas herramientas que construyen modelos de sistemas y

otro tipo de herramientas que se basan en representaciones cuantitati-

vas de relaciones entre factores, los sistemas expertos se basan en des-

cripciones cualitativas de relaciones causales.

1.4.5. Herramientas de construccin de modelos semnticos

Las herramientas para la representacin de relaciones semnticas

dentro de un campo de conceptos, como las herramientas de redes

semnticas, el mapeo de conceptos y las bases de datos, permiten la

Ejemplo

Los micromundos, como ThinkerTools (Figura 1; White,

1993), Boxer (di Sessa, 1986), Geometric Supposer

(Schwartz y Yerulshalmy, 1987) y otros, requieren que

los estudiantes construyan como mnimo un modelo

implcito del sistema con el fin de generar hiptesis y

examinarlas.

39


AN

OTA

CIO

NES

FUOC P06/M1104/01593

representacin de asociaciones semnticas entre conceptos domi-

nantes. Sin embargo, estas herramientas no pueden construir mode-

los de relaciones causales dinmicas, sino slo de la informacin

asociacional sobre un campo de conceptos relacionados. Facilitan

representaciones matrices y espaciales de los conceptos y sus interre-

laciones, intentando que representen las estructuras de conocimiento

que los seres humanos almacenan en la mente (Jonassen, Beissner,

y Yacci, 1993).

Por qu crear redes semnticas? El aprendizaje significativo exige

que los estudiantes conecten nuevas ideas al conocimiento que ya

han construido. Los mapas conceptuales y las bases de datos ayudan

a organizar sus conocimientos mediante la integracin de la infor-

macin en un marco conceptual cada vez ms complejo.

1.4.6. Advertencias crticas sobre las herramientas de construccin de modelos

Ya hemos afirmado anteriormente que el residuo cognitivo del

aprendizaje significativo es un modelo de lo que se est apren-

diendo de forma significativa. Adems, tambin he afirmado que

construir modelos ayuda a la creacin de modelos mentales. Si es

as, entonces debemos preguntarnos si los modelos que constru-

yen los estudiantes demuestran que, dentro del modelo o en su

proceso de construccin, existen conocimientos estructurales, pro-

cedimentales, reflexivos, imaginarios, metafricos o ejecutivos y

creencias sobre estos conocimientos. Muchas veces no poseen esta

clase de conocimiento porque las herramientas usadas por los es-

tudiantes se basan en un tipo determinado de representacin. Si

los modelos mentales no se desarrollan suficientemente como re-

sultado de la construccin de modelos, puede que sea necesario

usar ms de un tipo de herramienta para representar los fenme-

nos. Es decir, la construccin de modelos mentales probablemente

se impulsar si los estudiantes utilizan ms de una herramienta

para construir modelos de un campo, un problema, un sistema,

una estructura semntica o un proceso de pensamiento. Ser ne-

cesaria ms investigacin para determinar el nmero de herra-

mientas y el tipo de combinaciones que harn ms fcil la

construccin de modelos mentales.


40

AN

OTA

CIO

NES

FUOC P06/M1104/01593

Adems de impulsar un cambio conceptual radical en los estu-

diantes mediante los experimentos, esta propuesta tambin quiere

validar mtodos para valorar el cambio conceptual. Aunque exis-

ten muchos informes tericos sobre el cambio conceptual (Limon

y Mason, 2002; Schnotz, Vosniadou, y Carreter, 1999; Sinatra y

Pintrich, 2003), hay muy pocos trabajos que estudien cmo valo-

rar de manera efectiva el cambio conceptual. Los mtodos domi-

nantes utilizados incluyen el anlisis de los protocolos de

interaccin de los estudiantes a la hora de resolver o explicar un

problema (Hogan y Fisherkeller, 2000), en entrevistas estructura-

das (Southerland, Smith, y Cummins, 2000) y en el uso de mapas

conceptuales (Edmundson, 2000). El anlisis de los protocolos de

entrevistas y conversaciones es muy difcil y largo. Por este motivo,

proponemos evaluar la validez actual del mapeo de conceptos y

la modelacin de sistemas o la valoracin del cambio conceptual.

Se podr conseguir comparando estos dos mtodos de construc-

cin de modelos con los protocolos de conversacin y entrevista.

Estas herramientas presuponen que el cambio conceptual puede

valorarse comparando las estructuras cognitivas de los estudian-

tes (Vosniadou, 1992). El uso de mapas conceptuales presupone

que los cambios en la estructura cognitiva pueden valorarse me-

diante mapas conceptuales u otras tcnicas estructurales del co-

nocimiento (Jonassen, Beissner, y Yacci, 1993) y que los cambios

en la estructura cognitiva son valoraciones vlidas del cambio

conceptual. Los mapas conceptuales han demostrado ser valora-

ciones vlidas de las estructuras cognitivas (Jonassen, 1987). Los

protocolos se analizarn mediante anlisis de conversaciones

(Chi, 1997).

Los modelos se valorarn utilizando la coherencia explicativa

(Thagard, 1992) y valoraciones de fijacin y calidad (Fisher,

2000). Tambin examinaremos las relaciones entre los experi-

mentos diseados por los estudiantes, los sistemas robticos y las

cmaras de crecimiento, y los mapas conceptuales y modelos de

sistemas que producen.

1.5. Valorar el cambio conceptual con modelosconstruidos por estudiantes

41


AN

OTA

CIO

NES

FUOC P06/M1104/01593

Schwarz y White (en prensa) afirman que la construccin de modelos

es fundamental para la cognicin humana y la investigacin cientfi-

ca. Creen que ayuda a los estudiantes a expresar y externalizar su

pensamiento; visualizar y comprobar los componentes de sus teoras

y hacer que los materiales sean ms interesantes.

A continuacin, resumiremos algunas de las razones para construir

modelos con el objetivo de impulsar el aprendizaje significativo y la

construccin de modelos mentales:

La construccin de modelos es un fenmeno cognitivo natural. Al

encontrarse con fenmenos desconocidos, los seres humanos

empiezan a construir de manera natural teoras sobre estos fen-

menos como parte esencial del proceso de comprensin.

La construccin de modelos ayuda a hacer conjeturas, comprobar

e inferir hiptesis y una gran cantidad de habilidades cognitivas

importantes.

Construir modelos requiere que los estudiantes articulen un razo-

namiento causal, que es la base de la mayora de modelos de

cambio conceptual.

Construir modelos lleva a un nivel ms alto de compromiso con-

ceptual, importante premonitor del cambio conceptual (Dole y Si-

natra, 1998).

Construir modelos tiene como consecuencia la construccin de

artefactos cognitivos (modelos mentales) mediante la construc-

cin de artefactos fsicos.

Cuando los estudiantes construyen modelos, son propietarios del

conocimiento. La propiedad del estudiante es importante para la

construccin de significado y de conocimiento. Cuando son pro-

pietarios de las ideas, los estudiantes quieren poner ms esfuerzo,

defender sus posiciones y razonar de manera efectiva.

1.6. Bases para la construccin de modelos


42

AN

OTA

CIO

NES

FUOC P06/M1104/01593

Construir modelos ayuda al desarrollo de creencias epistmicas.

En la base del aprendizaje se encuentran las creencias de las per-

sonas sobre lo que son el conocimiento y la verdad, y sobre cmo

desarrollamos estas creencias. Desde un punto de vista biolgico,

aceptamos que los humanos se han adaptado muy bien al apren-

dizaje gracias al tamao de su crtex. Pero qu es lo que lleva a

las personas a aprender? Socilogos y psiclogos hablan de ne-

cesidades de realizacin, que aportan un motivo conativo para el

aprendizaje. Sin embargo, epistemolgicamente, qu es lo que

motiva nuestros esfuerzos para entender el mundo? Segn Witt-

genstein, lo que sabemos se basa en la posibilidad de la duda.

Sabemos muchas cosas, pero nunca podemos tener la certeza de

saberlas. Esta incertidumbre slo puede modificarse con los es-

fuerzos para saber ms sobre el mundo. Las herramientas de

construccin de modelos permiten a las personas externalizar y

comprobar sus creencias epistemolgicas sobre el significado de

las construcciones epistemolgicas, como el conocimiento y la

verdad, y sobre cmo estas creencias pueden cambiar con el

tiempo.

Construir modelos aporta espacios colectivos de trabajo que lle-

van a motivos ms fuertes de colaboracin.

Aunque hemos defendido el uso de las tecnologas como herramien-

tas de construccin de modelos, es necesario analizar sus posibles li-

mitaciones.

Carga cognitiva. La habilidad, el tiempo y el esfuerzo para apren-

der las habilitaciones de los distintos formalismos. Aunque Jonas-

sen (2000) ha defendido que la mayora de estas herramientas

pueden aprenderse ms o menos en una hora, hay otras que re-

quieren ms tiempo. Adems, si se usan frecuentemente se con-

seguir una familiarizacin con las herramientas.

Contradicciones. Desde un marco terico de actividad (Barab,

Evans, y Baek, en prensa), una dimensin de este sistema de ac-

1.7. Limitaciones para la construccin de modelos

43


AN

OTA

CIO

NES

FUOC P06/M1104/01593

tividad reconceptualizado, potencialmente importante para el di-

seo, es el concepto de contradiccin. Segn Engestrm (1987),

cualquier sistema de actividad dispone de cuatro niveles de con-

tradicciones que es necesario tener en cuenta durante el anlisis

de una situacin de aprendizaje y de trabajo. Son las siguientes:

Nivel 1: La primera contradiccin aparece en cada elemento

de la actividad central que se est investigando; surge de la

tensin entre el valor de uso y el valor de intercambio.

Nivel 2: La segunda contradiccin aparece entre los elementos

constituyentes del sistema de actividad central (por ejemplo,

entre el tema y la herramienta).

Nivel 3: La tercera contradiccin aparece entre el objeto/mo-

tivo de la actividad central y el objeto/motivo de una forma cul-

turalmente ms avanzada que la de la actividad central.

Nivel 4: La cuarta contradiccin aparece entre la actividad

central y las adyacentes, como las actividades de produccin

de instrumentos, temas o reglas.

Ejemplo

Para poner un ejemplo emprico de esta idea, Barab,

Barnett, Yamagata-Lynch, Squire, y Keating (en prensa)

utilizaban la teora de la actividad como una lente ana-

ltica para entender las transacciones y tensiones pene-

trantes que caracterizaban las actividades de curso. Si

nos basamos en su anlisis, interpretaron tensiones del

curso y contradicciones en el marco de todo el sistema

de actividad de curso, modelado de una forma general

usando la inscripcin triangular de Engestrm (1987)

para construir un modelo de la estructura bsica de la

actividad humana (vase la figura 3). Todos los com-

ponentes que Engestrm consideraba actividad consti-

tuyente se representan en negrita en las esquinas del

tringulo.

45


AN

OTA

CIO

NES

FUOC P06/M1104/01593

Como proceso, solucionar un problema tiene dos caractersticas prin-

cipales. La primera es que requiere una representacin mental de la

situacin en el mundo. Eso quiere decir que al solucionar problemas

humanos, se construye una representacin mental del problema, que

recibe el nombre de espacio del problema (Newell y Simon, 1972).

La segunda caracterstica es que solucionar un problema requiere cier-

ta manipulacin activa del espacio del problema. Cuando manipula-

mos el espacio del problema, representamos sus componentes y

dimensiones, generamos hiptesis sobre cmo encontrar lo descono-

cido, probamos estas hiptesis y llegamos a conclusiones. Por con-

siguiente, la manipulacin del espacio del problema, ya sea una

representacin mental interna o una manipulacin fsica externa,

implica necesariamente una actividad consciente. Otra complica-

cin a la hora de solucionar un problema es que no todos los pro-

blemas son iguales, as que se necesitan diferentes procesos de

solucin. Lo desconocido es que no sabemos cmo resolver distin-

tas clases de problemas.

2. Aprender a solucionar problemas

2.1. En qu consiste la resolucin de problemas?

aaaAntes que nada, qu es un problema? Slo existen

dos atributos importantes de un problema. Un pro-

blema es algo que se desconoce, es decir, si tenemos

un objetivo y no sabemos cmo llegar a l, hay algo

que no conocemos, tenemos un problema. El segun-

do atributo es que lo desconocido debe tener algn

valor social, cultural o intelectual para alguien. Si no

hay nadie que crea que vale la pena descubrir lo

desconocido, entonces no se ha percibido ningn

problema. El proceso de solucin de un problema es

encontrar lo desconocido.


46

AN

OTA

CIO

NES

FUOC P06/M1104/01593

Durante las ltimas tres dcadas han surgido distintas teoras sobre

la solucin de problemas.

Gick (1986) sintetiz las teoras de solucin de problemas en un modelo

simplificado del proceso de solucin de problemas, buscando solucio-

nes para despus implementarlas y controlarlas. Como la mayora de

teoras de solucin de problemas, sta trata todos los problemas de la

misma forma. Estas teoras asumen que si estos procesos se aplican a

diferentes tipos de problemas, se consiguen resultados satisfactorios.

Sin embargo, la solucin de problemas no es una actividad uniforme.

Los problemas no son equivalentes ni en contenido, ni en forma, ni en

proceso. En qu se diferencian? Mayer y Wittrock (1996) han descrito

los problemas como mal definidos/bien definidos y rutinarios/no rutina-

rios. Jonassen (1997) distingue entre problemas mal o bien estructura-

dos y describe diferencias en el procesamiento cognitivo de estos dos

tipos. Smith (1991) distingue los factores externos, entre los que encon-

tramos el dominio y la complejidad, de las caractersticas internas del

solucionador de problemas. Cada vez hay ms conformidad respecto a

la variabilidad de los problemas en lo que se refiere a sustancia, estruc-

tura y proceso. A continuacin, describir como mnimo tres maneras en

las que los problemas y su solucin varan: estructuracin, complejidad

y especificidad de campo (abstraccin).

2.2.1. Estructuracin

Como hemos sealado, Jonassen (1997) distingue entre problemas

mal y bien estructurados y recomienda diferentes modelos de diseo

2.2. Variedad de problemas

Ejemplo

Un modelo conocido es el IDEAL (Bransford y Stein,

1984), que describe la solucin de problemas como un

proceso uniforme de Identificar problemas potenciales,

Definir y representar el problema, Explorar posibles es-

trategias y Actuar sobre estas estrategias, y Mirar atrs

(del ingls Look back) y valorar los efectos de estas ac-

tividades.

47


AN

OTA

CIO

NES

FUOC P06/M1104/01593

para cada tipo, porque requieren distintas habilidades. Los proble-

mas ms comunes, sobre todo en escuelas y universidades, son pro-

blemas bien estructurados. Normalmente, se encuentran al final de

cada captulo de los libros de texto y requieren la aplicacin de un

nmero determinado de conceptos y reglas, as como el estudio de

principios en una situacin problemtica restrictiva. Tambin se les

llama problemas de transformacin, que consisten en un estado ini-

cial bien definido, un objetivo conocido y un grupo restrictivo de ope-

radores lgicos. Los problemas bien estructurados presentan todos

los elementos del problema; requieren un nmero limitado de reglas

y principios que se organizan en una disposicin previsible y pres-

criptible; poseen respuestas correctas y convergentes, y tienen un

proceso de solucin presentado y prescrito (Jonassen, 1997).

Por otro lado, los problemas mal estructurados son aquellos que se

encuentran en las actividades diarias, por lo que resultan tpicamente

emergentes. Por el hecho de que no estn restringidos por los cam-

pos de contenido que se estudian en clase, sus soluciones no son pre-

decibles ni convergentes. Estos problemas requieren a menudo la

integracin de varios campos de contenido. Las soluciones a proble-

mas como la contaminacin medioambiental requieren componen-

tes de matemticas, ciencia, poltica y psicologa. Pueden darse

muchas soluciones alternativas. Los problemas mal estructurados tie-

nen unos objetivos vagamente definidos o poco claros, y restricciones

no expuestas; tienen muchas soluciones, vas de solucin o ninguna

solucin y requieren que los estudiantes expresen su opinin perso-

nal o sus creencias sobre el problema, as que hablamos nicamente

de actividades humanas interpersonales (Jonassen, 1997).

Los investigadores han asumido desde hace tiempo que aprender a

solucionar problemas bien estructurados se transfiere de manera po-

sitiva hacia el aprendizaje de problemas mal estructurados. Mientras

que las teoras del procesamiento de informacin han credo que en

general, los procesos utilizados para resolver problemas mal estruc-

turados son los mismos que los utilizados para los problemas bien

estructurados (Simon, 1978, p. 287), investigaciones recientes de la

solucin de problemas diarios aclaran que existen marcadas diferen-

cias entre el pensamiento necesario para resolver problemas conver-

gentes y el que sirve para resolver problemas diarios. Dunkle,

Schraw, y Bendixen (1995) concluyen que solucionar problemas bien

definidos es independiente de realizar tareas mal definidas, y que los


48

AN

OTA

CIO

NES

FUOC P06/M1104/01593

problemas mal definidos requieren un conjunto distinto de creencias

epistmicas. Hong, Jonassen, y McGee (en prensa) observan que re-

solver problemas mal estructurados en una simulacin requiere dife-

rentes habilidades que resolver problemas bien estructurados, entre

las cuales se encuentran la metacognicin y la argumentacin. Jo-

nassen y Kwon (2001) afirman que las pautas de comunicacin en

equipos difieren a la hora de solucionar problemas bien y mal estruc-

turados. Es evidente que hace falta ms investigacin que justifique

estas observaciones, pero es obvio que estos dos tipos de problemas

requieren habilidades intelectuales distintas.

2.2.2. Complejidad

De la misma manera que los problemas mal estructurados son ms di-

fciles de solucionar que los que estn bien estructurados, los problemas

complejos tambin son ms difciles de resolver que aquellos ms sen-

cillos. Existen tres dimensiones dentro de la complejidad de los proble-

mas: el nmero de temas, funciones y variables que actan en el

problema; el nmero de interacciones dentro de estos temas, funciones

o variables; y la predictibilidad del comportamiento de estos temas, fun-

ciones o variables. Aunque la complejidad y estructuracin pueden co-

incidir, la complejidad se refiere ms a la manera como muchos

componentes se representan de forma implcita o explcita dentro del

problema, cmo interactan y cmo se comportan de forma consisten-

te. Cuanto ms complejo sea un problema, ms difcil ser procesar ac-

tivamente los componentes del mismo para quien quiera resolverlo. Los

problemas bien estructurados, como los problemas matemticos y cien-

tficos de los libros de texto, no son demasiado complejos, implican un

conjunto restringido de factores o variables. Aunque los problemas mal

estructurados tienden a ser ms complejos, tambin sucede que los que

estn bien estructurados pueden ser extremadamente complejos y los

mal estructurados, muy sencillos. Por ejemplo, el ajedrez y el bridge son

problemas bien estructurados muy complejos y, en cambio, elegir qu

ponerse (al menos para m) es un problema sencillo mal estructurado.

Muchos problemas, como hacer funcionar un negocio de venta al por

menor, representan un complejo o conjunto de problemas ms senci-

llos. Los problemas en contextos de la vida diaria o profesional suelen

ser complejos, as que, a la hora de analizar cualquier contexto proble-

mtico, hay que identificar tanto su complejidad como los problemas

que lo constituyen.

49


AN

OTA

CIO

NES

FUOC P06/M1104/01593

2.2.3. Especificidad de campo (abstractos-situados)

Las teoras e investigaciones actuales de la solucin de problemas

afirman que las habilidades para resolver problemas son especficas

del dominio y del contexto, es decir, estn situadas, integradas, y por

eso dependen de la naturaleza del contexto o dominio. Esto es as

porque solucionar problemas dentro de un campo se basa en unas

estrategias cognitivas (mtodos fuertes) especficas del dominio (Ma-

yer, 1992; Smith, 1991; Sternberg y Frensch, 1991). Otros estudios

contradicen esta idea de la especificidad del dominio a la hora de

resolver problemas. Lehman, Lempert, y Nisbett (1988) han conclui-

do que existen diferentes formas de razonamiento que se ensean en

distintas disciplinas universitarias.

El razonamiento se adquiere mejor mediante el desarrollo de esque-

mas de razonamiento pragmtico que con ejercicios de lgica formal.

Es decir, los estudiantes de estos dominios desarrollan habilidades de

razonamiento mediante la solucin de problemas mal estructurados

que requieren formas de lgica especficas del dominio; no queda cla-

ro cmo se efecta realmente esta solucin de problemas especfica

de cada dominio.

Los problemas mal estructurados suelen estar ms situados, mien-

tras que los que estn bien estructurados son ms abstractos. Sin

embargo, no es algo fijo, y los problemas bien estructurados, en

forma de problemas matemticos, pueden estar bastante situados,

mie

pec02_procesos de aprendizaje mediante las tic

Documents