Especial Carga Cognitiva: ¿Qué es el andamiaje?

Taking the Load Off a Learner’s Mind: Instructional Design for Complex Learning. Jeroen J. G. van Merriënboer, Paul A. Kirschner, and Liesbeth Kester

Recomiendo leer:
Tweet

Las teorías recientes tienden a poner en valor aquellas actividades de aprendizaje que se basan en tareas de la vida real como motor del aprendizaje (Merrill, 2002; Reigeluth, 1999a; van Merriënboer y Kirschner, 2001). El supuesto general es que ayudan a los alumnos a integrar los conocimientos, las habilidades y las actitudes necesarias para desempeñarse en el mundo laboral. Pero un grave riesgo de todos estos enfoques es que los alumnos tengan dificultades para aprender porque se sienten abrumados por la complejidad de la actividad. El objetivo de este artículo es analizar la gestión de la carga cognitiva cuando se utilizan tareas de aprendizaje complejas.

Los andamiajes, según su significado original dentro de la psicología educativa, incluyen todos los medios o estrategias que apoyan el aprendizaje de los estudiantes (Rosenshine y Meister, 1992). Al principio, este apoyo permite al alumno alcanzar un objetivo o una acción que no se podría lograr sin ese apoyo. Cuando el alumno logra el objetivo deseado, el apoyo disminuye gradualmente hasta que deja de ser necesario.

La orientación mediante pistas, indicaciones y comentarios; el modelado del uso de estrategias metacognitivas mediante el pensamiento en voz alta; o la formulación de preguntas orientadoras son ejemplos de este tipo de apoyo.

La Teoría de la Carga Cognitiva nos ayuda a ver la necesidad de integrar este apoyo en el entorno de la tarea; de lo contrario, los efectos de la atención dividida aumentan la carga cognitiva ajena porque los alumnos tienen que integrar mentalmente la información del entorno de la tarea con el apoyo dado (Chandler y Sweller, 1992; Sweller y Chandler, 1994).

En esta entrada analizaremos dos enfoques complementarios para la práctica de una actividad completa mediante un andamiaje totalmente integrado. El primer enfoque consiste en ir de versiones simples a complejas: los alumnos comienzan a practicar con la versión más simple de la tarea completa y avanzan hacia versiones cada vez más complejas. El segundo enfoque utiliza el enfoque inverso: empezando a trabajar con ejemplos completos pero ya elaborados, para luego completar cada parte. Van Merriënboer (1997) introdujo el concepto más amplio de clases de tareas para definir categorías de tareas de aprendizaje de simples a complejas. Las tareas de aprendizaje dentro de una determinada categoría son equivalentes en el sentido de que pueden realizarse sobre la base del mismo conjunto de conocimientos generalizados (por ejemplo, modelos mentales o estrategias cognitivas).

Secuencias de lo simple a lo complejo

Los enfoques de secuenciación de tareas parciales son muy eficaces para evitar la sobrecarga cognitiva porque la carga asociada a una parte de la tarea es menor que la carga asociada a la tarea completa. Pero Naylor y Briggs (1963) ya indicaron a principios de la década de 1960 que no son muy adecuados para el aprendizaje de tareas complejas que requieren mucha interconexión entre sus distintas partes.

Desde entonces, se han ido acumulando pruebas de que los enfoques de tareas parciales no funcionan bien para actividades complejas que requieren la integración de destrezas, conocimientos y actitudes interconectadas.

Secuencias de lo complejo a lo simple

Los enfoques que proponen realizar la tarea completa prestan atención a la coordinación y la integración de las destrezas que la componen desde el principio, y hacen hincapié en que los alumnos desarrollan rápidamente una visión holística de la tarea completa que se va enriqueciendo gradualmente durante la formación. Este enfoque del desarrollo de habilidades es similar al principio de «habilidades globales antes que locales» utilizado en el aprendizaje cognitivo (Collins et al., p. 485) y la teoría de la elaboración de Reigeluth (1999b).

Las tareas de aprendizaje que adoptan la forma de ejemplos resueltos confrontan a los alumnos no sólo con un estado dado y un estado objetivo deseado, sino también con un ejemplo de solución. El estudio de estos ejemplos como sustituto de la realización de tareas de resolución de problemas puede ser beneficioso, ya que centra la atención en los estados del problema y en los pasos de solución asociados y, por tanto, permite a los alumnos inducir soluciones o esquemas generalizados. De hecho, muchos experimentos apoyan la predicción contraintuitiva de que el estudio de ejemplos elaborados facilita la construcción de esquemas y la transferencia (la capacidad de resolver otros problemas diferentes) incluso más que la resolución real de otros problemas (van Gerven, Paas, van Merriënboer y Schmidt, 2002; véase también Sweller et al., 1998, para una visión general).

Una desventaja de los ejemplos elaborados es que no obligan a los alumnos a estudiarlos detenidamente (Renkl, Stark, Gruber y Mandl, 1998). Los alumnos pueden tener la tentación de mirar brevemente los ejemplos elaborados y sólo los consultan cuando tienen dificultades para realizar sus tareas. Sin embargo, consultar los ejemplos simultáneamente a la realización de una tarea requiere que tanto el ejemplo trabajado como la tarea se procesen simultáneamente en la memoria de trabajo, lo que da lugar a una alta carga cognitiva.

Como alternativa, van Merriënboer y Krammer (1987) y van Merriënboer y Paas (1989) sugirieron el uso de actividades que presentan un estado dado, un estado objetivo y la solución parcial. Los alumnos sólo deben completar la solución.

Tarea de aprendizaje	Presupuestos	Objetivo	Solución
Tarea convencional	Dados	Dado	Obtener	Por ejemplo: los alumnos reciben una pregunta y tiene que elaborar una lista con un número limitado de respuestas.
Ejemplo resuelto	Dados	Dado	Dada	Los alumnos reciben una pregunta, y una lista de respuestas correctas. Deben evaluar la calidad de cada respuesta.
Ejemplo a completar	Dados	Dado	Completar	Los alumnos reciben una pregunta, y una lista incompleta de respuestas. Deben completar la lista de respuestas y evaluar la calidad de sus respuestas frente a las dadas.
Tarea de objetivos libres	Dados	Definir	Obtener	Los alumnos reciben una pregunta de investigación y un objetivo libre, por ejemplo, pueden plantear el mayor número posible de respuestas posibles o bien encontrar una sola respuesta que sea la mejor.
Tarea inversa	Obtener	Dado	Dada	Los alumnos reciben una lista con respuestas y deben inducir cuál era la pregunta.

Así pues, los distintos tipos de tareas de aprendizaje van desde las tareas con un alto andamiaje (ejemplos resueltos), pasando por las tareas con un nivel intermedio de apoyo (tareas de objetivos libres y tareas inversas), hasta las tareas convencionales sin apoyo.

Conclusiones para clase: las famosas búsquedas de información

En la sección anterior hemos analizado los enfoques para la práctica de tareas de aprendizaje complejas. Además de estos andamiajes, los alumnos necesitan información específica para realizar las tareas de aprendizaje y aprender mientras las realizan (lo que se supone que es nuestro objetivo). Si, por ejemplo, los alumnos se enfrentan a una tarea de aprendizaje que les exige encontrar información relevante por primera vez, necesitan también saber cómo abordar esta tarea. Por ejemplo, imaginemos una actividad muy común en la que pedimos que busquen información para un proyecto. En el fondo, esta tarea es compleja, porque requiere al menos:

Seleccionar uno o más lugares de búsqueda apropiados
Formular la consulta de búsqueda
Realizar la búsqueda utilizando las herramientas apropiadas
Seleccionar los resultados relevantes

Lo que a su vez requiere saber:

Cómo se originan las fuentes de información típicas (por ejemplo, autoría, conflicto de intereses, información errónea…)
Qué procedimientos son útiles para manejar esta información de distinta calidad.

Sin esta información será muy difícil, si no imposible, llevar a cabo la tarea. Además, y por eso hablamos de esto en una entrada sobre carga cognitiva, esta información necesaria debe estar activa en la memoria de trabajo al realizar la tarea para guiar o influir en el comportamiento.

En pocas palabras, hay dos formas de alcanzar este objetivo. Una forma es aprender a realizar esta búsqueda de información antes de que los alumnos empiecen a trabajar en la actividad para la que necesitarán la información. La otra forma consiste en aprender a realizar la búsqueda precisamente cuando los alumnos la necesiten durante la realización de la tarea. No la aprenden de antemano, sino que la información externa se activa directamente en la memoria de trabajo cuando es necesaria para realizar la tarea de aprendizaje. ¿Cuál de las dos aproximaciones es mejor?

Pues bien, la complejidad de la información a presentar y su momento óptimo para ser trabajados están estrechamente relacionados con la naturaleza de diferentes aspectos de la propia actividad. Para los expertos, algunos aspectos de una actividad requieren razonamiento y resolución de problemas, mientras que otros aspectos se realizan como rutinas. Estos aspectos se denominan componentes variables y consistentes de la tarea (Fisk y Gallini, 1989) o aspectos no recurrentes y recurrentes de la tarea (van Merriënboer, 1997), respectivamente. Los expertos pueden realizar eficazmente los aspectos no recurrentes de la tarea porque disponen de esquemas cognitivos para razonar sobre el dominio y guiar su resolución de problemas. Un investigador con experiencia en la búsqueda de literatura de investigación relevante puede, por ejemplo, razonar sobre la eficacia de diferentes consultas gracias a un modelo mental bien desarrollado de la organización de las bases de datos bibliográficas; y puede abordar eficazmente nuevas tareas de búsqueda gracias a la disponibilidad de estrategias cognitivas para traducir las preguntas de investigación en términos de búsqueda relevantes. Estos modelos mentales y estrategias cognitivas son ejemplos de esquemas complejos de carácter general o abstracto.

¿Cómo podemos ayudar a los alumnos más inexpertos a construir representaciones mentales como los modelos mentales y otras estrategias cognitivas?

Dado que la información que describe los modelos mentales (por ejemplo, cómo se organizan las bases de datos bibliográficas) y las estrategias cognitivas (por ejemplo, las fases y las reglas empíricas para traducir las preguntas de investigación en términos de búsqueda relevantes) suele tener una alta complejidad intrínseca, es preferible no presentarla a los alumnos mientras trabajan en las tareas de aprendizaje. Siguiente con el ejemplo anterior: no es buena idea aprender a realizar una búsqueda de información durante una actividad que requiere buscar información.

La realización simultánea de las tareas y el estudio de la información provocaría con toda seguridad una sobrecarga cognitiva (Kester et al., 2001; Marcus, Cooper y Sweller, 1996). En cambio, es mejor aprender a realizar de que los alumnos empiecen a trabajar en las tareas de aprendizaje. Entonces, se puede construir un esquema cognitivo en la memoria a largo plazo que puede activarse posteriormente en la memoria de trabajo durante la realización de la tarea. Se espera que la recuperación del esquema ya construido sea menos exigente desde el punto de vista cognitivo que la activación de la información compleja presentada externamente en la memoria de trabajo durante la realización de la tarea.

Es fundamental que los esquemas cognitivos útiles se construyan en un proceso de elaboración en el que se establezcan relaciones entre los nuevos elementos de información y los conocimientos previos del alumno. Esto permite la comprensión estructural y asegura que los esquemas proporcionen un puente entre lo que los alumnos ya saben y lo que necesitan saber para realizar las tareas de aprendizaje.

Además, permite la fragmentación, de modo que un esquema recién construido puede tratarse como un elemento de información (Gobet et al., 2001; Miller, 1956) y, por lo tanto, es fácilmente recuperable de la memoria a largo plazo y accesible en la memoria de trabajo durante el trabajo posterior en las tareas de aprendizaje.

Mientras trabajan en esas tareas, los esquemas guían a los alumnos en la realización de las mismas. Al mismo tiempo, los alumnos se abstraen mentalmente de las experiencias concretas de las tareas de aprendizaje y así reconstruyen, modifican o embellecen los esquemas existentes para hacerlos más acordes con sus experiencias concretas. Este proceso de inducción es importante para construir nuevos conocimientos y, sobre todo, para adaptar los esquemas existentes para hacerlos más adecuados a las experiencias dadas (Holland, Holyoak, Nisbett y Thagard, 1986).

Bibliografía

Anderson, J. R. (1993). Rules of the mind. Hillsdale, NJ: Lawrence Erlbaum Associates, Inc.

Anderson, J. R. (1996). ACT: A simple theory of complex cognition. Ameri- can Psychologist, 51, 355–365.

Bannert, M. (2002). Managing cognitive load—Recent trends in cognitive load theory. Learning and Instruction, 12, 139–146.

Carlson, R. A., Khoo, H., & Elliot, R. G. (1990). Component practice and ex- posure to a problem-solving context. Human Factors, 32, 267–286.

Carroll, J. M., & Carrithers, C. (1984). Blocking learner error states in a train- ing-wheels system. Human Factors, 26, 377–389.

Carroll, J. M., & Rosson, M. B. (1987). The paradox of the active user. In J. M. Carroll (Ed.), Interfacing thought: Cognitive aspects of hu- man–computer interaction (pp. 80–111). Cambridge, MA: MIT Press.

Chandler, P., & Sweller, J. (1992). The split-attention effect as a factor in the design of instruction. British Journal of Educational Psychology, 62, 233–246.

Collins, A., Brown, J. S., & Newman, S. E. (1989). Cognitive apprenticeship: Teaching the craft of reading, writing, and mathematics. In L. B. Resnick (Ed.), Knowing, learning, and instruction: Essays in honor of Robert Glaser (pp. 453–493). Hillsdale, NJ: Lawrence Erlbaum Associ- ates, Inc.

Fisk, A. D., & Gallini, J. K. (1989). Training consistent components of tasks: Developing an instructional system based on automatic-controlled pro- cessing principles. Human Factors, 31, 453–463.

Gobet, F., Lane, P. C. R., Croker, S., Cheng, P. C. H., Jones, G., Oliver, I., & Pine, J. M. (2001). Chunking mechanisms in human learning. Trends in Cognitive Science, 5, 236–243.

Halff, H. M. (1993). Supporting scenario- and simulation-based instruction: Issues from the maintenance domain. In J. M. Spector, M. C. Polson, & D. J. Muraida (Eds.), Automating instructional design: Concepts and is- sues (pp. 231–248). Englewood Cliffs, NJ: Educational Technology Publications.

Holland, J. H., Holyoak, K. J., Nisbett, R. E., & Thagard, P. R. (1986). Induc- tion: Processes of inference, learning and discovery. Cambridge, MA: MIT Press.

Jonassen, D. H. (1999). Designing constructivist learning environments. In C. M. Reigeluth (Ed.), Instructional design theories and models: A new paradigm of instructional theory (Vol. 2, pp. 371–396). Mahwah, NJ: Lawrence Erlbaum Associates, Inc.

Kalyuga, S., Ayres, P., Chandler, P., & Sweller, J. (2003). The expertise re- versal effect. Educational Psychologist, 38, XX–XX.

Kalyuga, S., Chandler, P., & Sweller J. (1998). Levels of expertise and in- structional design. Human Factors, 40, 1–17.

Kester, L., Kirschner, P. A., van Merriënboer, J. J. G., & Baumer, A. (2001). Just-in-time information presentation and the acquisition of complex cognitive skills. Computers in Human Behavior, 17, 373–391.

Leutner, D. (2000). Double-fading support: A training approach to complex software systems. Journal of Computer-Assisted Learning, 16, 347–357.

Marcus, N., Cooper, M., & Sweller, J. (1996). Understanding instructions. Journal of Educational Psychology, 88, 49–63.

Mayer, R. E., & Moreno, R. (2002). Aids to computer-based multimedia learning. Learning and Instruction, 12, 107–119.

Mayer, R. E., & Sims, V. K. (1994). For whom is a picture worth a thousand words? Extensions of a dual-coding theory of multimedia learning. Journal of Educational Psychology, 86, 389–401.

Merrill, M. D. (2002). First principles of instruction. Educational Technol- ogy, Research and Development, 50, 43–59.

Miller, G. A. (1956). The magical number seven plus or minus two. Psycho- logical Review, 63, 81–96.

Naylor, J. C., & Briggs, G. E. (1963). Effects of task complexity and task or- ganization on the relative efficiency of part and whole training methods. Journal of Experimental Psychology, 65, 217–224.

Nelson, L. M. (1999). Collaborative problem solving. In C. M. Reigeluth (Ed.), Instructional design theories and models: A new paradigm of in- structional theory (Vol. 2, pp. 241–267). Mahwah, NJ: Lawrence Erlbaum Associates, Inc.

Newell, A. (1991). Unified theories of cognition. Cambridge, MA: Harvard University Press.

Newell, A., & Simon, H. A. (1972). Human problem solving. Englewood Cliffs, NJ: Prentice Hall.

Paas, F. G. W. C. (1992). Training strategies for attaining transfer of prob- lem-solving skill in statistics: A cognitive load approach. Journal of Ed- ucational Psychology, 84, 429–434.

Paas, F. G. W. C., Camp, G., & Rikers, R. (2001). Instructional compensation for age-related cognitive declines: Effects of goal specificity in maze learning. Journal of Educational Psychology, 93, 181–186.

Paas, F. G. W. C., & van Merriënboer, J. J. G. (1994). Variability of worked examples and transfer of geometrical problem solving skills: A cogni- tive load approach. Journal of Educational Psychology, 86, 122–133.

Pollock, E., Chandler, P., & Sweller, J. (2002). Assimilating complex infor- mation. Learning and Instruction, 12, 61–86.

Quilici, J. L., & Mayer, R. E. (1996). The role of examples in how students learn to categorize statistics word problems. Journal of Educational Psychology, 88, 144–161.

Reigeluth, C. M. (Ed.). (1983). Instructional design theories and models. Hillsdale, NJ: Lawrence Erlbaum Associates, Inc.

Reigeluth, C. M. (Ed.). (1999a). Instructional design theories and models: A new paradigm of instructional theory (Vol. 2). Mahwah, NJ: Lawrence Erlbaum Associates, Inc.

Reigeluth, C. M. (1999b). The elaboration theory: Guidance for scope and sequence decisions. In C. M. Reigeluth (Ed.), Instructional design theo- ries and models: A new paradigm of instructional theory (Vol. 2, pp. 425–453). Mahwah, NJ: Lawrence Erlbaum Associates, Inc.

Renkl, A., Maier, U. H., Atkinson, R. K., & Staley, R. (2002). From example study to problem solving: Smooth transitions help learning. Journal of Experimental Education, 70, 293–315.

Renkl, A., Stark, R., Gruber, H., & Mandl, H. (1998). Learning from worked-out examples: The effects of example variability and elicited self-explanations. Contemporary Educational Psychology, 23, 90–108.

Romiszowski, A. (1997). Web-based distance learning and teaching: Revo- lutionary invention or reaction to necessity? In B. Khan (Ed.), Web-based instruction (pp. 25–37). Englewood Cliffs, NJ: Educational Technology Publications.

Rosenshine, B. V., & Meister, C. (1992). The use of scaffolds for teaching less structured cognitive tasks. Educational Leadership, 49(7), 26–33.

Scandura, J. M. (1983). Instructional strategies based on the structural learn- ing theory. In C. M. Reigeluth (Ed.), Instructional design theories and models (pp. 213–246). Hillsdale, NJ: Lawrence Erlbaum Associates, Inc.

Schank, R. C., Berman, T. R., & MacPerson, K. A. (1999). Learning by do- ing. In C. M. Reigeluth (Ed.), Instructional design theories and models: A new paradigm of instructional theory (Vol. 2, pp. 161–181). Mahwah, NJ: Lawrence Erlbaum Associates, Inc.

Stark, R. (1999). Lernen mit Lösungsbeisplielen: Einfluss unvollständiger Lösungsbeispiele auf Beispielelaboration, Motivation and Lernerfolg [Learning by worked-out examples: The impact of completion tasks on example elaboration, motivation and learning outcomes]. Bern, Swit- zerland: Huber.

Stark, R., Mandl, H., Gruber, H., & Renkl, A. (2002). Conditions and effects of example elaboration. Learning and Instruction, 12, 39–60.

Sweller, J. (1988). Cognitive load during problem solving: Effects on learn- ing. Cognitive Science, 12, 257–285.

Sweller, J., & Chandler, P. (1994). Why some material is difficult to learn. Cognition and Instruction, 12, 185–233.

Sweller, J., van Merriënboer, J. J. G., & Paas, F. G. W. C. (1998). Cognitive architecture and instructional design. Educational Psychology Review, 10, 251–296.

Van Gerven, P. W. M., Paas, F. G. W. C., van Merriënboer, J. J. G., & Schmidt, H. G. (2002). Cognitive load theory and aging: Effects of worked examples on training efficiency. Learning and Instruction, 12, 87–105.

van Merriënboer, J. J. G. (1990). Strategies for programming instruction in high school: Program completion vs. program generation. Journal of Educational Computing Research, 6, 265–287.

van Merriënboer, J. J. G. (1997). Training complex cognitive skills: A four-component instructional design model for technical training. Englewood Cliffs, NJ: Educational Technology Publications.

van Merriënboer, J. J. G. (2000). The end of software training? Journal of Computer Assisted Learning, 16, 366–375.

van Merriënboer, J. J. G., Clark, R. E., & de Croock, M. B. M. (2002). Blue- prints for complex learning: The 4C/ID*-model. Educational Technol- ogy, Research and Development, 50(2), 39–64.

van Merriënboer, J. J. G., & de Croock, M. B. M. (1992). Strategies for com- puter-based programming instruction: Program completion vs. pro- gram generation. Journal of Educational Computing Research, 8, 365–394.

van Merriënboer, J. J. G., Jelsma, O., & Paas, F. G. W. C. (1992). Training for reflective expertise: A four-component instructional design model for training complex cognitive skills. Educational Technology, Research and Development, 40(2), 23–43.

van Merriënboer, J. J. G., & Kirschner, P. A. (2001). Three worlds of instruc- tional design: State of the art and future directions. Instructional Sci- ence, 29, 429–441.

van Merriënboer, J. J. G., & Krammer, H. P. M. (1987). Instructional strate- gies and tactics for the design of introductory computer programming courses in high school. Instructional Science, 16, 251–285.

van Merriënboer, J. J. G., & Paas, F. G. W. C. (1989). Automation and schema acquisition in learning elementary computer programming: Im- plications for the design of practice. Computers in Human Behavior, 6, 273–289.

van Merriënboer, J. J. G., Schuurman, J. G., de Croock, M. B. M., & Paas, F. G. W. C. (2002). Redirecting learners’ attention during training: Effects on cognitive load, transfer test performance and training efficiency. Learning and Instruction, 12, 11–37.

Vygotsky, L. S. (1987). Thinking and speech. In R. W. Rieber & A. S. Carton (Eds.), The collected works of L. S. Vygotsky, Vol. 1: Problems of gen- eral psychology (N. Minick, Trans.; pp. 39–285). New York: Plenum. (Original work published 1934)

White, B. Y., & Frederiksen, J. R. (1990). Causal model progressions as a foundation for intelligent learning environments. Artificial Intelli- gence, 42, 99–157.