Integrando la ciencia en cómo aprendemos en la tecnología educativa
Por Stephen M. Kosslyn
Educación
Harvard Business Review
Durante más de 100 años, los investigadores han trabajado incansablemente para comprender cómo aprenden y recuerdan los humanos. La literatura científica resultante es impresionante, tanto en su alcance como en su profundidad. De hecho, ahora se sabe tanto que dudo que ningún humano pueda leer y absorber todo lo que se ha escrito sobre el tema. Sin embargo, la triste ironía es que a menudo no es obvio cómo usar los hallazgos de toda esta investigación en entornos educativos.
Usar la ciencia del aprendizaje para mejorar la educación comienza con la identificación de algunos principios generales. Algunos de estos principios surgen de una propiedad de nuestros cerebros: cuanto más intensamente procesamos la información, es más probable que la recordemos. Por ejemplo, antes de irse a dormir por la noche, ¿alguna vez se encuentra reflexionando sobre los acontecimientos del día? Si es así, ¿qué porcentaje de lo que recuerdas crees que intentaste memorizar en el momento en que ocurrió el evento, en comparación con cuánto recuerdas más tarde, sin haber intentado memorizarlo antes? Cuando le he hecho esta pregunta a un gran número de personas, generalmente informan que intentaron intencionalmente aprender como máximo una décima parte de lo que recuerdan al final del día.
Entonces, ¿de dónde vino el resto de lo que recordamos? Procesamiento profundo. El mero acto de prestar atención y pensar profundamente en algo te lleva a recordarlo. Gran parte de lo que recordamos es simplemente un subproducto de haber prestado atención y haber pensado en algo.
Esta propiedad general de nuestros cerebros implica que si queremos que las personas aprendan algo, debemos inducirlos a enfocarse en ello y considerar su naturaleza e implicaciones. Hay muchas formas de lograr esto, que surgen de principios específicos de aprendizaje que reflejan formas particulares de enfocarse y procesar información. Por ejemplo, uno se llama el Principio de la dificultad deseable, que establece que las personas aprenden mejor cuando se les desafía, no tanto como para frustrarse, y no tan poco como para aburrirse, sino más bien en el nivel correcto, el llamado "Goldilocks Spot". Llevar a las personas al Goldilocks Spot significa que los inducemos a prestar atención y procesar tanto como puedan, mejorando así la cantidad de aprendizaje.
Pero aquí hay un problema: lo que cuenta como el nivel de desafío "perfecto" difiere para diferentes personas. Lo que es demasiado difícil para Sam puede ser demasiado fácil para Sally. Y es peor que eso: lo que cuenta como el nivel correcto varía para la misma persona, dependiendo del tema; en general, cuanto más sepa sobre algo, más difícil puede ser el material antes de que lo desafíen más allá de su capacidad para procesar eficazmente.
Como se puede imaginar, con tantas variables, aplicar este principio en un aula tradicional es un desafío. Aquí es donde la tecnología puede entrar en juego para utilizar el Principio de dificultad deseable para mejorar el aprendizaje de un gran número de estudiantes al mismo tiempo. Primero, necesita una forma de recopilar datos sobre el rendimiento de los estudiantes. Por ejemplo, los estudiantes pueden realizar un breve cuestionario después de cada sesión de clase, y las preguntas individuales del cuestionario se codificarán de acuerdo con las competencias que están evaluando. La plataforma rastrearía el rendimiento de cada estudiante a nivel granular.
En segundo lugar, los pequeños grupos de trabajo pueden diseñarse para permitir que los estudiantes participen en un aprendizaje activo (como la resolución de problemas grupales, el juego de roles y el debate); dicho aprendizaje activo ha demostrado repetidamente que es una forma muy efectiva de aprender, en parte porque induce un procesamiento profundo. Críticamente, cada actividad grupal se puede clasificar según las competencias que se están aprovechando. Por lo tanto, la plataforma puede asignar estudiantes a niveles comparables de la capacidad relevante (para esa actividad) a los mismos grupos de trabajo.
Tercero, cada una de las actividades que los estudiantes realizan en grupos separados puede ser "multicapa", puede abordarse más o menos profundamente. Por ejemplo, en una lección sobre lenguaje figurado, se les podría pedir a los estudiantes que lean un pasaje e identifiquen todos los símiles y metáforas. En este caso, la sutileza del lenguaje puede variar, de modo que algunos estudiantes pueden detectar solo los ejemplos obvios, mientras que otros pueden detectar los más sutiles.
Las interacciones sociales durante el grupo de trabajo podrían diseñarse para guiar a los estudiantes (que se seleccionan a niveles comparables para esa actividad) para ajustar qué tan profundamente procesan la información relevante; para evitar que la actividad sea aburrida, las actividades pueden diseñarse para alentar estudiantes para empujarse unos a otros para moverse a su lugar colectivo Ricitos de oro. Este enfoque se escalaría muy bien e incorpora el componente social que es tan importante en el aprendizaje.
Claramente, la tecnología abre enormes oportunidades para usar la ciencia del aprendizaje de nuevas maneras. Para aprovechar estas oportunidades, necesitamos tener resultados claros de aprendizaje, debemos medir el progreso de cada estudiante en el logro de esos resultados de manera muy granular, y debemos enfocarnos en el aprendizaje activo. Para lograr estos fines, la facultad y los administradores deben decidir que la enseñanza exitosa es un objetivo crucial y estar dispuestos a dedicar el tiempo, la energía y los recursos necesarios para lograrlo.
Stephen M. Kosslyn es presidente y director ejecutivo de Foundry College; ex Director Académico de las Escuelas Minerva en KGI, y ex Profesor John Lindsley, Presidente del Departamento y Decano de Ciencias Sociales, Universidad de Harvard. Es autor de Building the Intentional University: Minerva and the Future of Higher Education.
Educación
Harvard Business Review
Durante más de 100 años, los investigadores han trabajado incansablemente para comprender cómo aprenden y recuerdan los humanos. La literatura científica resultante es impresionante, tanto en su alcance como en su profundidad. De hecho, ahora se sabe tanto que dudo que ningún humano pueda leer y absorber todo lo que se ha escrito sobre el tema. Sin embargo, la triste ironía es que a menudo no es obvio cómo usar los hallazgos de toda esta investigación en entornos educativos.
Usar la ciencia del aprendizaje para mejorar la educación comienza con la identificación de algunos principios generales. Algunos de estos principios surgen de una propiedad de nuestros cerebros: cuanto más intensamente procesamos la información, es más probable que la recordemos. Por ejemplo, antes de irse a dormir por la noche, ¿alguna vez se encuentra reflexionando sobre los acontecimientos del día? Si es así, ¿qué porcentaje de lo que recuerdas crees que intentaste memorizar en el momento en que ocurrió el evento, en comparación con cuánto recuerdas más tarde, sin haber intentado memorizarlo antes? Cuando le he hecho esta pregunta a un gran número de personas, generalmente informan que intentaron intencionalmente aprender como máximo una décima parte de lo que recuerdan al final del día.
Entonces, ¿de dónde vino el resto de lo que recordamos? Procesamiento profundo. El mero acto de prestar atención y pensar profundamente en algo te lleva a recordarlo. Gran parte de lo que recordamos es simplemente un subproducto de haber prestado atención y haber pensado en algo.
Esta propiedad general de nuestros cerebros implica que si queremos que las personas aprendan algo, debemos inducirlos a enfocarse en ello y considerar su naturaleza e implicaciones. Hay muchas formas de lograr esto, que surgen de principios específicos de aprendizaje que reflejan formas particulares de enfocarse y procesar información. Por ejemplo, uno se llama el Principio de la dificultad deseable, que establece que las personas aprenden mejor cuando se les desafía, no tanto como para frustrarse, y no tan poco como para aburrirse, sino más bien en el nivel correcto, el llamado "Goldilocks Spot". Llevar a las personas al Goldilocks Spot significa que los inducemos a prestar atención y procesar tanto como puedan, mejorando así la cantidad de aprendizaje.
Pero aquí hay un problema: lo que cuenta como el nivel de desafío "perfecto" difiere para diferentes personas. Lo que es demasiado difícil para Sam puede ser demasiado fácil para Sally. Y es peor que eso: lo que cuenta como el nivel correcto varía para la misma persona, dependiendo del tema; en general, cuanto más sepa sobre algo, más difícil puede ser el material antes de que lo desafíen más allá de su capacidad para procesar eficazmente.
Como se puede imaginar, con tantas variables, aplicar este principio en un aula tradicional es un desafío. Aquí es donde la tecnología puede entrar en juego para utilizar el Principio de dificultad deseable para mejorar el aprendizaje de un gran número de estudiantes al mismo tiempo. Primero, necesita una forma de recopilar datos sobre el rendimiento de los estudiantes. Por ejemplo, los estudiantes pueden realizar un breve cuestionario después de cada sesión de clase, y las preguntas individuales del cuestionario se codificarán de acuerdo con las competencias que están evaluando. La plataforma rastrearía el rendimiento de cada estudiante a nivel granular.
En segundo lugar, los pequeños grupos de trabajo pueden diseñarse para permitir que los estudiantes participen en un aprendizaje activo (como la resolución de problemas grupales, el juego de roles y el debate); dicho aprendizaje activo ha demostrado repetidamente que es una forma muy efectiva de aprender, en parte porque induce un procesamiento profundo. Críticamente, cada actividad grupal se puede clasificar según las competencias que se están aprovechando. Por lo tanto, la plataforma puede asignar estudiantes a niveles comparables de la capacidad relevante (para esa actividad) a los mismos grupos de trabajo.
Tercero, cada una de las actividades que los estudiantes realizan en grupos separados puede ser "multicapa", puede abordarse más o menos profundamente. Por ejemplo, en una lección sobre lenguaje figurado, se les podría pedir a los estudiantes que lean un pasaje e identifiquen todos los símiles y metáforas. En este caso, la sutileza del lenguaje puede variar, de modo que algunos estudiantes pueden detectar solo los ejemplos obvios, mientras que otros pueden detectar los más sutiles.
Las interacciones sociales durante el grupo de trabajo podrían diseñarse para guiar a los estudiantes (que se seleccionan a niveles comparables para esa actividad) para ajustar qué tan profundamente procesan la información relevante; para evitar que la actividad sea aburrida, las actividades pueden diseñarse para alentar estudiantes para empujarse unos a otros para moverse a su lugar colectivo Ricitos de oro. Este enfoque se escalaría muy bien e incorpora el componente social que es tan importante en el aprendizaje.
Claramente, la tecnología abre enormes oportunidades para usar la ciencia del aprendizaje de nuevas maneras. Para aprovechar estas oportunidades, necesitamos tener resultados claros de aprendizaje, debemos medir el progreso de cada estudiante en el logro de esos resultados de manera muy granular, y debemos enfocarnos en el aprendizaje activo. Para lograr estos fines, la facultad y los administradores deben decidir que la enseñanza exitosa es un objetivo crucial y estar dispuestos a dedicar el tiempo, la energía y los recursos necesarios para lograrlo.
Stephen M. Kosslyn es presidente y director ejecutivo de Foundry College; ex Director Académico de las Escuelas Minerva en KGI, y ex Profesor John Lindsley, Presidente del Departamento y Decano de Ciencias Sociales, Universidad de Harvard. Es autor de Building the Intentional University: Minerva and the Future of Higher Education.
No hay comentarios:
Publicar un comentario