Integrar la ciencia de cómo aprendemos en la tecnología educativa

Durante más de 100 años, los investigadores han trabajado incansablemente para comprender cómo aprenden y recuerdan los seres humanos. La literatura científica resultante es impresionante, tanto por su alcance como por su profundidad. De hecho, ahora se sabe tanto que dudo que ningún humano pudiera leer y absorber todo lo que se ha escrito sobre el tema. La triste ironía, sin embargo, es que a menudo no resulta obvio cómo utilizar las conclusiones de toda esta investigación en entornos educativos. Utilizar la ciencia del aprendizaje para mejorar la educación empieza por identificar algunos principios generales. Algunos de estos principios surgen de una propiedad de nuestro cerebro: Cuanto más intensamente procesamos la información, más probabilidades tenemos de recordarla. Por ejemplo, antes de irse a dormir por la noche, ¿se encuentra alguna vez reflexionando sobre los acontecimientos del día? Si es así, ¿qué porcentaje de lo que recuerda cree que intentó memorizar en el momento en que se produjo el acontecimiento, frente a cuánto recuerda por casualidad más tarde, sin haber intentado memorizarlo antes? Cuando he planteado esta pregunta a un gran número de personas, normalmente me informan de que intentaron aprender intencionadamente como mucho una décima parte de lo que recuerdan al final del día. Entonces, ¿de dónde procede el resto de lo que recordamos? Procesamiento profundo. El mero hecho de prestar atención y pensar profundamente en algo nos lleva a recordarlo. Gran parte de lo que recordamos es simplemente un subproducto de haber prestado atención y haber pensado en algo. Centro Insight El futuro de la educación Patrocinado por la Fundación Qatar Preparar a la próxima generación de líderes. Esta propiedad general de nuestros cerebros implica que si queremos que la gente aprenda algo, debemos inducirla a centrarse en ello y a considerar su naturaleza y sus implicaciones. Hay muchas formas de lograrlo, que surgen de principios específicos del aprendizaje que reflejan formas particulares de centrarse en la información y procesarla. Por ejemplo, uno se llama el Principio de la Dificultad Deseable, que afirma que las personas aprenden mejor cuando se les plantea un reto no tanto como para que se frustren, ni tan poco como para que se aburran, sino justo al nivel adecuado, el llamado "Punto Ricitos de Oro". Conseguir que las personas lleguen al "Goldilocks Spot" significa que las inducimos a prestar atención y a procesar todo lo que puedan, aumentando así la cantidad de aprendizaje. Pero aquí hay un problema: lo que cuenta como el nivel "justo" de desafío difiere para las distintas 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 adecuado varía para la misma persona, dependiendo del tema - en general, cuanto más sepa sobre algo, más difícil puede ser el material antes de que se vea desafiado más allá de su capacidad para procesarlo eficazmente. Como puede imaginar, con tantas variables, aplicar este principio en un aula tradicional es todo un reto. Aquí es donde la tecnología puede entrar en juego para utilizar el Principio de la Dificultad Deseable para mejorar el aprendizaje de un gran número de alumnos al mismo tiempo. En primer lugar, necesita una forma de recopilar datos sobre el rendimiento de los alumnos. Por ejemplo, los alumnos pueden realizar un breve cuestionario después de cada sesión de clase, y las preguntas individuales del cuestionario se codificarían según las competencias exactas que estén evaluando. La plataforma realizaría un seguimiento del rendimiento de cada estudiante a un nivel granular. En segundo lugar, se pueden diseñar pequeños grupos de trabajo para que los alumnos participen en el aprendizaje activo (como la resolución de problemas en grupo, la representación de papeles y el debate): se ha demostrado repetidamente que este tipo de aprendizaje activo es una forma muy eficaz de aprender, en parte porque induce a un procesamiento profundo. Y lo que es más importante, cada actividad de grupo puede clasificarse en función de las competencias a las que se recurra. De este modo, la plataforma puede asignar a los estudiantes con niveles comparables de la competencia relevante (para esa actividad) a los mismos grupos de ruptura. En tercer lugar, cada una de las actividades que los alumnos realizan en los grupos de ruptura puede ser "multicapa", es decir, puede abordarse con mayor o menor profundidad. Por ejemplo, en una lección sobre lenguaje figurado, se puede pedir a los alumnos que lean un pasaje e identifiquen todos los símiles y metáforas. En este caso, se puede variar la sutileza del lenguaje, de modo que algunos alumnos detecten sólo los ejemplos obvios mientras que otros detecten otros más sutiles. Las interacciones sociales durante el grupo de trabajo podrían diseñarse para llevar a los alumnos (que se seleccionan para que estén en niveles comparables para esa actividad) a ajustar la profundidad con la que procesan la información relevante - para evitar que la actividad sea aburrida, pueden diseñarse actividades que animen a los alumnos a darse codazos unos a otros para avanzar hacia su punto Goldilocks colectivo. Este enfoque se escalaría muy bien e incorpora el componente social, tan importante en el aprendizaje. Está claro que la tecnología abre enormes oportunidades para utilizar la ciencia del aprendizaje de nuevas formas. Para aprovechar estas oportunidades, tenemos que tener unos resultados de aprendizaje claros, tenemos que medir el progreso de cada estudiante en la consecución de esos resultados de forma muy granular y tenemos que pasar a centrarnos en el aprendizaje activo. Para alcanzar estos fines, el profesorado y los administradores deben decidir que el éxito de la enseñanza es un objetivo crucial y estar dispuestos a dedicar el tiempo, la energía y los recursos necesarios para lograrlo.

Integrar la ciencia de cómo aprendemos en la tecnología educativa

Resumen.

Partner Center