Un grupo de científicos se propuso estudiar a los que aprenden rápido. Luego descubrieron que no existen.

Un grupo de científicos se propuso estudiar a los que aprenden rápido. Luego descubrieron que no existen.

Pero cuando los científicos confirmaron sus resultados numéricos en 27 conjuntos de datos, comenzaron a comprender que comúnmente malinterpretamos el conocimiento previo como aprendizaje. Algunos niños ya saben mucho sobre un tema antes de que el maestro comience la lección. Es posible que ya hayan estado expuestos a fracciones al hacer panqueques en casa usando tazas medidoras. El hecho de que dominaran una unidad de fracciones más rápido que sus compañeros no significa que aprendieron más rápido; tenían una ventaja.

Como ver un maratón

Koedinger compara ver a los niños aprender con ver un maratón desde la línea de meta. Las primeras personas en cruzar la línea de meta no son necesariamente las más rápidas cuando hay salidas escalonadas. Un corredor que terminó antes podría haber tardado cinco horas, mientras que otro corredor que terminó más tarde podría haber tardado sólo cuatro horas. Es necesario conocer la hora de salida de cada corredor para medir el ritmo.

Koedinger y sus colegas midieron el rendimiento básico de cada estudiante y sus ganancias incrementales a partir de esa nota inicial. Esto sería muy difícil de medir en aulas normales, pero con el software educativo, los investigadores pueden clasificar los ejercicios de práctica según los componentes de conocimiento necesarios para realizarlos, ver cuántos problemas los estudiantes resuelven correctamente inicialmente y seguir cómo mejora su precisión con el tiempo.

En los conjuntos de datos de LearnLab, los estudiantes normalmente usaban software después de alguna instrucción inicial en sus aulas, como una lección de un maestro o una tarea de lectura universitaria. El software guió a los estudiantes a través de problemas y ejercicios de práctica. Inicialmente, los estudiantes en las mismas aulas tenían índices de precisión tremendamente diferentes en los mismos conceptos. El cuarto superior de los estudiantes obtuvo el 75% de las preguntas correctas, mientras que el cuarto inferior de los estudiantes obtuvo solo el 55% de las preguntas correctas. Es una gigantesca diferencia de 20 puntos porcentuales en las líneas de salida.

Sin embargo, a medida que los estudiantes avanzaban en el trabajo de práctica computarizado, apenas hubo una diferencia de un punto porcentual en las tasas de aprendizaje. El cuarto de estudiantes más rápido mejoró su precisión en cada concepto (o componente de conocimiento) en aproximadamente 2,6 puntos porcentuales después de cada intento de práctica, mientras que el cuarto de estudiantes más lento mejoró en aproximadamente 1,7 puntos porcentuales. Se necesitaron de siete a ocho intentos para que casi todos los estudiantes pasaran del 65% de precisión, el punto inicial promedio, al 80% de precisión, que es lo que los investigadores definieron como dominio.

La ventaja de una ventaja

La ventaja para los grandes triunfadores es importante. Los estudiantes por encima del promedio, que comienzan con una precisión superior al 65%, necesitan menos de cuatro intentos de práctica para alcanzar el umbral del 80%. Los estudiantes por debajo del promedio tienden a requerir más de 13 intentos para alcanzar el mismo umbral del 80%. Esa diferencia (cuatro versus 13) puede hacer que parezca que los estudiantes aprenden a ritmos diferentes. Pero no lo son. Cada estudiante, ya sea alto o bajo, aprende aproximadamente la misma cantidad en cada intento de práctica. (Los investigadores no estudiaron a niños con discapacidades y se desconoce si sus tasas de aprendizaje son diferentes).

Los datos de los estudiantes que estudió Koedinger provienen de un software educativo diseñado para ser interactivo y brindarles a los estudiantes múltiples intentos para probar cosas, cometer errores, obtener comentarios y volver a intentarlo. Los estudiantes aprenden haciendo. Parte de la retroalimentación fue muy básica, como una clave de respuestas, que alertaba a los estudiantes si entendieron bien o mal el problema. Pero algunos de los comentarios fueron sofisticados. Los sistemas inteligentes de tutoría en matemáticas proporcionaron pistas cuando los estudiantes se estancaron, ofrecieron explicaciones completas y mostraron ejemplos paso a paso.

La conclusión de que el ritmo de aprendizaje de todos es similar podría aplicarse sólo a versiones bien diseñadas del aprendizaje computarizado. Koedinger cree que los estudiantes probablemente aprenden a ritmos diferentes en el mundo analógico del papel y el lápiz, sin la misma práctica guiada y retroalimentación. Cuando los estudiantes aprenden de forma más independiente, afirma, algunos podrían ser mejores a la hora de comprobar su propio trabajo y buscar orientación.

Los estudiantes con dificultades podrían tener menos “oportunidades” de aprender en el mundo analógico, especuló Koedinger. Eso no significa necesariamente que las escuelas y los padres deban poner a los estudiantes de bajo rendimiento frente a las computadoras con más frecuencia. Muchos estudiantes pierden rápidamente la motivación para aprender en las pantallas y necesitan una mayor interacción humana.

La capacidad de memoria varía

Las tasas de aprendizaje fueron especialmente estables en matemáticas y ciencias, las materias en las que se centró la mayor parte del software educativo de este estudio. Pero los investigadores notaron más divergencias en las tasas de aprendizaje en los seis conjuntos de datos que involucraban la enseñanza de inglés y otros idiomas. Uno era un programa que enseñaba el uso del artículo “el”, que puede ser arbitrario. (Aquí hay un ejemplo: estoy nadando en el Océano Atlántico hoy pero en el lago Ontario mañana. No existe «el» antes de los lagos.) Otro programa enseñaba vocabulario chino. Ambos se basaron en la memoria de los estudiantes y las velocidades de procesamiento de la memoria individual difieren. La memoria también es importante en el aprendizaje de matemáticas y ciencias, pero Koedinger dijo que los estudiantes podrían compensarlo con otras estrategias de aprendizaje, como el reconocimiento de patrones, la deducción y la inducción.

Entender que todos aprendemos a un ritmo similar es uno de los mejores argumentos que he visto para no rendirnos cuando fallamos y nos quedamos atrás de nuestros pares. Koedinger espera que inspire a los maestros a cambiar sus actitudes sobre los estudiantes de bajo rendimiento en sus aulas y, en cambio, pensar en ellos como estudiantes que no han tenido la misma cantidad de oportunidades de práctica y exposición a ideas que otros niños han tenido. Con los ejercicios y la retroalimentación adecuados, y un poco de esfuerzo, ellos también pueden aprender. Quizás sea hora de revisar el viejo dicho sobre cómo llegar al Carnegie Hall. En lugar de practicar, practicar, practicar, voy a empezar a decir practicar, escuchar comentarios y practicar nuevamente (repetir siete veces).

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Scroll al inicio