• Efecto Mcguffin

UNA RESPUESTA AL ARTÍCULO DE KIRSCHNER, SWELLER Y CLARK (2)

Seguimos hoy con la segunda parte del artículo firmado por Cindy E. Hmelo-Silver, Ravit Golan Duncan y Clark A. Chinn, donde dan respuesta al artículo de Kirschner et al. que traducimos hace un mes por estos lares. En esta segunda parte de hoy, el objetivo es presentar pruebas de la eficacia del andamiaje propuesto desde el Aprendizaje Basado en Problemas (ABP) y el Aprendizaje por Indagación o Investigación (AI) y su superioridad en resultados respecto a la instrucción directa en determinados aspectos. La semana que viene, el tramo final de este interesante artículo.



EL USO DE ANDAMIAJE EN ABP Y AI


El ABP y el AI sitúan el aprendizaje en tareas complejas. Tales tareas requieren andamiaje para ayudar a los estudiantes a participar en la búsqueda de significado, gestionar sus investigaciones y procesos de resolución de problemas, y animar a los estudiantes a articular su pensamiento y reflexionar sobre su aprendizaje (Quintana et al., 2004).

Estos aspectos de las tareas de ABP y el AI son desafiantes para los estudiantes de muchas maneras, y diferentes investigadores que buscan ayudar a los alumnos a superar estos obstáculos conceptuales y prácticos, han utilizado varias estrategias de andamiaje (p. ej., Chinn, 2006; Guzdial, 1994; Jackson et al., 1996; Linn, Bell y Davis, 2004; Reiser et al., 2001). Debido a consideraciones de espacio, nosotros sólo discutiremos algunas de estas estrategias que resaltan las formas en que el andamiaje puede reducir la carga cognitiva, brindar orientación experta y ayudar a los estudiantes a adquirir habilidades disciplinarias de pensar y actuar. Todas estas estrategias pueden apoyar la creación de significado, la gestión de procesos y articulación y reflexión. Los ejemplos que presentamos proporcionan un marcado contraste al argumento de Kirschner y sus colegas de que la indagación y los ambientes del ABP brindan una guía mínima y, por lo tanto, aumentan la carga cognitiva.


ANDAMIAJE QUE HACE EL PENSAMIENTO DISCIPLINARIO Y ESTRATEGIAS EXPLÍCITAS


En los ambientes ABP y de AI, los facilitadores de entornos y profesores hacen visibles aspectos clave de la experiencia a través de preguntas que sirven de andamiaje para el aprendizaje de los estudiantes mediante el modelado, el entrenamiento y, finalmente, quitando parte de su apoyo. El aprendizaje de los estudiantes ocurre mientras estos participan en colaboración en el procesamiento constructivo.

Por ejemplo, al estudiar a un maestro experto en ABP en el contexto de la educación médica, Hmelo-Silver y Barrows (2006) mostraron que el maestro frecuentemente empujaba a los estudiantes a explicar su pensamiento para ayudarlos a construir una explicación causal o identificar los límites de su conocimiento. Esto ayuda a apoyar a los estudiantes en la creación de sentido y en la articulación de sus ideas.

Los entornos ABP y AI también hacen explícitas las estrategias disciplinarias en las interacciones de los estudiantes con las tareas y herramientas, así como con los artefactos que crean (Quintana et al., 2004). Por ejemplo, en la herramienta de software con andamios para analizar el comportamiento de animales, Animal Landlord, los estudiantes crean un "guion gráfico" cronológico de los componentes de comportamiento que identifican en un breve videoclip del comportamiento animal. Al crear este guion gráfico, se espera que los estudiantes identifiquen los componentes del comportamiento, los etiqueten y anoten sus observaciones e interpretaciones sobre estos componentes. Este artefacto hace destacar las estrategias disciplinarias de análisis del comportamiento animal que incluyen la descomposición del comportamiento complejo en sus constituyentes, categorizar los constituyentes e interpretar su significado (Golan et al., 2001; Smith & Reiser, 1998). Además de proporcionar un modelo de investigación para los estudiantes para imitar, esto también ayuda a los estudiantes a dar sentido y reflexión.

Muchos otros entornos brindan a los estudiantes:

(a) Indicaciones para usar estrategias de razonamiento particulares (por ejemplo, Derry,

Hmelo-Silver, Nagarajan, Chernobilsky y Beitzel, 2006;Blanco y Frederiksen, 1998);

(b) estructuras para que los estudiantes sigan o completen, como completar diagramas de argumentos para aprender a distinguir entre afirmaciones y razones (Bell, 2002; Toth et al., 2002) o plantillas para explicaciones específicas del dominio (Duncan, 2006; Sandoval y Reiser, 2004);

(c) y (c) modelos de desempeño experto para que los estudiantes imiten (Chinn et al., 2000; Loh et al., 2001).


Chinn y Hung (2007) demostraron la efectividad de los modelos expertos para promover el razonamiento científico de los estudiantes de séptimo grado. En un currículo centrado en la argumentación sobre la interpretación de estudios científicos, se presentaron modelos a los alumnos de algunas aulas de niños discutiendo cómo evaluar la metodología de estudios con científicos. Los participantes en estas breves discusiones se involucraron en un toma y daca argumentativo sobre las fortalezas y debilidades de los estudios. Estudiantes que recibieron estos modelos de argumentación efectiva demostraron más progreso individual que los estudiantes que participan en las mismas actividades de aprendizaje basadas en la argumentación sin los modelos. Los modelos armaron el razonamiento de los estudiantes al mostrar instancias dialógicas de razonamiento experto.




ANDAMIAJES QUE INTEGRAN ORIENTACIÓN EXPERTA


En muchos entornos de ABP y AI, la información de expertos y la guía se ofrece a veces directamente al alumno. Por ejemplo en WISE, los estudiantes reciben sugerencias de expertos y explicaciones de la lógica que subyace a los procesos en que participan los estudiantes (Davis, 2003). En algunos casos, como escenarios basados ​​en objetivos (Schank y Cleary, 1995), la información experta se ofrece directamente al alumno a través de "conversaciones" con expertos en forma de videoclips incrustados.


Schwartz y Bransford (1998) demostraron que dar explicaciones cuando es necesario puede ser una forma muy eficaz de andamiaje (véase también Minstrell y Stimpson, 1996). Schwartz y Bransford presentaron a algunos estudiantes una conferencia sobre la memoria después de haber tratado de explicar el patrón de resultados en los datos de experimentos de memoria reales. Otros estudiantes recibieron la disertación sin haber participado en la actividad de indagación. Los estudiantes que recibieron la conferencia después de tratar de explicar los datos aprendieron mucho más de la conferencia. En el contexto de estudiantes que intentaban explicar los datos, la conferencia proporcionó un andamiaje que ayudó a los estudiantes a dar sentido a los datos y, por lo tanto, fue más significativa que la misma conferencia presentada no como andamiaje para la indagación sino como instrucción directa.


En ABP en educación médica, el facilitador modela un proceso de razonamiento hipotético-deductivo (Hmelo-Silver &Barrows, 2006). En STELLAR PBL, una adaptación de ABP a la formación docente, los futuros profesores utilizan casos de vídeo de maestros expertos como modelos para adaptar los planes de instrucción (Derry et al., 2006). Además, los casos en video están vinculados a conceptos apropiados en un aprendizaje hipermedia de las ciencias. La indexación del video al hipermedia es otra forma de orientación experta.



ANDAMIAJES QUE ESTRUCTURAN TAREAS COMPLEJAS O REDUCEN LA CARGA COGNITIVA


Se proporciona una gran cantidad de estructura a través de andamiaje en los entornos ABP y AI. En ABP, se proporciona estructura a través de pizarras que comunican un proceso de resolución de problemas también a través del facilitador humano (Barrows, 2000; Hmelo-Silver, 2004). Por ejemplo, la pizarra proporciona columnas para que el grupo lleve un registro de los hechos del caso, sus hipótesis en evolución, los problemas de aprendizaje, que son conceptos sobre los que el grupo necesita aprender más para poder resolver el problema y un plan de acción, que ayuda a recordar al grupo lo que tienen que hacer. El mantenimiento de la pizarra es parte del proceso ABP y se convierte en una rutina que ayuda a apoyar el discurso intelectual. Tales rutinas proporcionan formas predecibles de moverse a través de estructuras de actividad, estableciendo relaciones sociales, normas para la participación y el uso de los recursos, y fomentando la interacción (Leinhardt & Steele, 2005). Porque estas rutinas se automatizan, la rutina ABP en sí misma reduce las demandas de capacidad cognitiva. Aunque se requiere una adaptación inicial, los estudiantes aprenden rápidamente que deben asumir roles particulares y trabajar juntos para identificar los hechos importantes del problema, generar ideas potenciales acerca de los problemas, y lo que necesitan aprender para resolver el problema.


El andamiaje también puede guiar la instrucción y disminuir la carga cognitiva al estructurar una tarea de manera que le permita al alumno centrarse en los aspectos de la tarea que son relevantes para los objetivos de aprendizaje (Hmelo-Silver, 2006; Salomon, Perkins, & Globerson, 1991). Por ejemplo, el andamiaje puede reducir la carga cognitiva automatizando la generación de representaciones de datos, cálculos intensivos o el almacenamiento de información. Al estructurar las tareas y la funcionalidad disponible (por ejemplo, en entornos informáticos), el andamiaje puede restringir las opciones que están disponibles para el alumno en cualquier momento para hacer la tarea accesible y manejable (Quintana et al., 2004). Por ejemplo en Model-It, un entorno de software que permite a los estudiantes construir modelos basados ​​en objetos de fenómenos naturales (como los efectos de los contaminantes en un ecosistema fluvial), hay tres modos funcionales: planificar, construir y probar (Jackson et al., 1996). El software restringe las opciones disponibles para los estudiantes, de modo que los estudiantes solo pueden proceder a la etapa de construcción después de haber planeado sus modelos, y pueden no probarlo hasta que hayan identificado algunos de los objetos y relaciones importantes en el sistema. Modelarlo aún más apoya a los estudiantes al permitirles expresar cualitativamente relaciones matemáticas complejas a medida que el software convierte sus relaciones declaradas verbalmente en fórmulas matemáticas utilizadas para ejecutar el modelo, lo que reduce la carga cognitiva y situa la tarea dentro de la zona de desarrollo próximo del alumno.


En resumen, muchos de los tipos de andamiajes descritos proporcionan formas muy fuertes de guía que nos parecen ser indistinguibles de algunas de las formas de guía recomendadas por los teóricos de la carga cognitiva. No logramos ver que la instrucción recomendada por Kirschner et al. difiera tan claramente de las prácticas de instrucción en los métodos de AI. Kirschner et al. promocionaron ejemplos resueltos y hojas de trabajo de procesos como métodos efectivos de aprendizaje guiado. Pero los métodos ABP y AI emplean modelos que parecen muy similares a ejemplos resueltos, así como andamios para guiar la investigación que se parecen mucho a las hojas de trabajo de proceso (p. ej., Kirschner & Erkens, 2006; White & Frederiksen, 1998). Creemos que un análisis detallado de AI y los métodos ABP indican que, de hecho, están fuertemente guiados como forma de instrucción. Los estudios que muestran que la instrucción no guiada o mínimamente guiada es inferior a la instrucción directa son simplemente irrelevantes para la mayoría de los enfoques que implementan ABP y AI.



¿SON EL ABP y AI INFERIORES A FUERTEMENTE FORMAS GUIADAS DE INSTRUCCIÓN?


Es importante considerar los resultados del aprendizaje como multifacéticos. Los objetivos del aprendizaje deben incluir no sólo aspectos conceptuales y de conocimiento procedimental, sino también las habilidades de pensamiento flexible y las prácticas epistémicas del dominio que preparan a los estudiantes a ser aprendices de por vida y expertos adaptativos (Bereiter & Scardamalia, 2006; Bransford, Brown, & Cocking, 2000; Sandoval & Reiser, 2004). Pero incluso con resultados similares, ABP y AI a menudo demuestran ser superiores en los estudios de instrucción en el aula.


Evidencia de que el ABP es efectivo


Aunque Kirschner et al. (2006) informan sobre varios estudios y meta-análisis de ABP, pasaron por alto otras revisiones que eran más favorables al ABP. Más o menos al mismo tiempo que los estudios de Albanese y Mitchell (1993) y Berkson (1993) que Kirschner et al. (2006) citan, hubo un tercer meta-análisis realizado por Vernon y Blake (1993). Este análisis encontró que los estudiantes de medicina en los currículos de ABP realizaron ligeramente peor las pruebas de conocimientos de ciencias básicas, pero se desempeñaron mejor en las pruebas de conocimientos clínicos que los estudiantes de medicina tradicionales. En un meta-análisis más reciente de los efectos del ABP, Dochy, Segers, Van den Bossche y Gijbels (2003) encontraron que no había efecto del ABP en los tests de conocimiento, pero los estudios que compararon a los estudiantes de ABP con los de planes de estudios tradicionales sobre medidas de aplicación del conocimiento mostraron un tamaño del efecto moderado a favor de los estudiantes de ABP.

Kirschner et al. citaron los resultados de la investigación de Patel, Groen y Norman (1993). En este estudio, estudiantes de muy diferentes universidades con diferentes características de ingreso fueron comparados (y de hecho hay un sesgo de autoselección en la mayoría de estudios de ABP). Se compararon en un solo momento en una sola tarea, pero los estudiantes de ABP efectivamente transfirieron la estrategia de razonamiento basada en hipótesis que se les enseñó a nuevos problemas mientras que los estudiantes en un plan de estudios tradicional no utilizó esta estrategia de razonamiento. Los estudiantes de ABP también probablemente cometieron más errores. Pero un examen detallado de estos resultados revela que aunque los estudiantes de ABP cometieron más errores, también crearon explicaciones más elaboradas en comparación con las escasas explicaciones de los estudiantes en el currículo tradicional. Patel et al. concluyeron (y Kirschner et al. estuvieron de acuerdo) que el ABP impide el desarrollo de estrategias de razonamiento experto basadas ​​en. Sin embargo, otra investigación sugiere que cuando se enfrentan a problemas desconocidos, los expertos vuelven a los principios básicos y utilizan de manera efectiva el razonamiento basado en hipótesis en lugar del razonamiento basado en datos utilizado en problemas familiares (Norman, Trott, Brooks y Smith, 1994). En un estudio experimental que comparó a estudiantes de medicina capacitados para usar razonamiento basado en datos o en hipótesis durante el aprendizaje de electrocardiogramas, el razonamiento basado en la estrategia de hipótesis condujo a un aprendizaje superior (Norman, Brooks, Colle, & Hatala, 2000).


El efecto de precisión encontrado en el estudio de Patel et al. no ha sido un efecto robusto, como sugiere el estudio de Dochy et al. (2003). Un estudio cuasi-experimental longitudinal más reciente de los estudiantes de primer año de medicina encontraron que los estudiantes de ABP generaron soluciones de problemas más precisas y coherentes que estudiantes de medicina tradicional (Hmelo, 1998). Aunque la investigación en otros grados y disciplinas fuera de la medicina es raro, hay otro trabajo que apoya los efectos positivos del ABP. Derry et al. (2006) compararon a futuros maestros en el curso STELLAR PBL con apoyo tecnológico de psicología educativa con estudiantes de otras secciones de psicología educativa en una transferencia de análisis de video tarea. Durante tres semestres de la clase, hubo consistentemente efectos positivos que favorecen a los estudiantes de la clase ABP en los resultados previstos. En un estudio cruzado cuidadosamente controlado de Estudiantes de MBA, Capon y Kuhn (2004) asignados aleatoriamente estudiantes a ABP-primero, LECTURA-segundo o LECTURA-primero, PBL-segundo para dos conceptos diferentes. En las medidas de conocimiento declarativo, no hubo diferencias entre las condiciones; sin embargo, los estudiantes construyeron ensayos explicativos más integradores de los conceptos que habían aprendido utilizando un enfoque ABP.

El ABP se ha aplicado con éxito en la educación secundaria. En un estudio que compara la instrucción tradicional y la basada en problemas en economía de la escuela secundaria, Mergendoller, Maxwell y Bellisimo (2006) encontraron que a través de múltiples maestros y escuelas, los estudiantes en el curso ABP ganaron más conocimiento que los estudiantes en un curso tradicional.


Otra variante de ABP es la instrucción anclada, ejemplificada por las Aventuras de Jasper Woodbury usadas en la educación media de matemáticas escolares (Grupo de Cognición y Tecnología en Vanderbilt [CTGV], 1992). En un estudio de implementación a gran escala comparando estudiantes usando la instrucción Jasper PBL con estudiantes de comparación emparejados en 16 distritos escolares en 11 estados, el ABP tuvo resultados positivos en las pruebas estandarizadas. En las medidas desarrolladas por investigadores, los resultados no mostraron diferencias entre el ABP y la instrucción matemática tradicional en problemas verbales de un solo paso, pero sí hubieron efectos positivos significativos al resolver problemas verbales de varios pasos y sobre otros aspectos de resolución de problemas como planificación y comprensión de problemas para el grupo ABP.


Los resultados informados aquí incluyen medidas bastante tradicionales de conocimiento y aplicación del conocimiento. Es importante señalar que los objetivos del ABP van más allá de este tipo de medidas. Hay evidencia de que el ABP apoya el desarrollo de habilidades de razonamiento (p. ej., Hmelo, 1998), habilidades de resolución de problemas (p. ej., CTGV, 1992; Gallagher, Stepien, & Rosenthal, 1992) y habilidades de aprendizaje autodirigido (por ejemplo, Hmelo & Lin, 2000). Los métodos ABP también son efectivos en la preparación de los estudiantes para el aprendizaje futuro. Por ejemplo, Schwartz y Martin (2004) encontraron que los estudiantes de noveno grado que aprendieron inicialmente a través de la resolución exploratoria de problemas empleando principios estadísticos aprendieron más de una subsiguiente conferencia que los estudiantes que habían aprendido inicialmente de un ejemplo trabajado que el instructor explicó en clase.


ARTÍCULO ORIGINAL EN INGLÉS: https://www.researchgate.net/publication/277452339_Scaffolding_and_Achievement_in_Problem-Based_and_Inquiry_Learning_A_Response_to_Kirschner_Sweller_and_Clark_2006

0 comentarios