Sei sulla pagina 1di 116

Del docente presencial

al docente virtual

D. Jonassen
P06/M1104/01593
Cdigo
0,75 crditos

Procesos
de aprendizaje
mediante las TIC
U
www.uoc.edu

D. Jonassen
Distinguished Professor of Education
Department of Educational, School,
and Counseling Psychology
University of Missouri-Columbia

Responsable de autora: Josep M. Momin

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

ndice

1. La construccin de modelos para el cambio


conceptual .................................................................
1.1. Resultados del aprendizaje significativo ..................
1.1.1. Modelos mentales .......................................
1.1.2. Cambio conceptual .....................................
1.2. Construccin de modelos mentales ........................
1.2.1. Construccin de modelos frente
a consumo ..................................................
1.3. Qu modelamos? ...............................................
1.3.1. Construccin de modelos
de los conocimientos dominantes .................
1.3.2. Construir modelos problema .......................
1.3.3. Construir modelos de sistemas .....................
1.3.4. Construir modelos de experiencias
(historias) ....................................................
1.3.5. Construir modelos de pensamiento
(simulaciones cognitivas) ..............................
1.4. Tipos de sistemas de aprendizaje basados
en modelos ..........................................................
1.4.1. Construccin de simulaciones deductivas ......
1.4.2. Construccin de modelos inductivos
de simulacin ..............................................
1.4.3. Exploracin de modelos de caja negra
o simulaciones ............................................
1.4.4. Modelos causales cualitativos .......................
1.4.5. Herramientas de construccin de modelos
semnticos ..................................................
1.4.6. Advertencias crticas sobre las herramientas
de construccin de modelos .........................
1.5. Valorar el cambio conceptual con modelos
construidos por estudiantes ...................................
1.6. Bases para la construccin de modelos ..................
1.7. Limitaciones para la construccin de modelos ........

13
13
14
15
18
20
21
22
23
27
30
32
35
35
37
37
38

ANOTACIONES

Introduccin ...................................................................

38
39
40
41
42
3

Del docente presencial al docente virtual

FUOC P06/M1104/01593

2. Aprender a solucionar problemas ............................


2.1. En qu consiste la resolucin de problemas? .........
2.2. Variedad de problemas .........................................
2.2.1. Estructuracin ..............................................
2.2.2. Complejidad ...............................................
2.2.3. Especificidad de campo
(abstractos-situados) ....................................
2.3. Tipologa de solucin de problemas .......................
2.3.1. Problemas lgicos ........................................
2.3.2. Problemas algortmicos ................................
2.3.3. Problemas narrados .....................................
2.3.4. Problemas que usan reglas ..........................
2.3.5. Problemas de toma de decisiones .................
2.3.6. Problemas de resolucin de dificultades ........
2.3.7. Problemas de solucin y diagnosis ................
2.3.8. Actuaciones estratgicas ...............................
2.3.9. Problemas polticos y de anlisis
de casos ubicados .......................................
2.3.10. Problemas de diseo ..................................
2.3.11. Dilemas .....................................................

ANOTACIONES

3. Entornos de aprendizaje de resolucin


de problemas en lnea ..............................................
3.1. Problemas narrados ..............................................
3.1.1. Tipo de problema y tipologa .......................
3.1.2. Clasificacin de problemas ..........................
3.1.3. Problema verbal ..........................................
3.1.4. Identificador del conjunto .............................
3.1.5. Modelo estructural .......................................
3.1.6. Constructor de ecuaciones ...........................
3.1.7. Modelo situacional ......................................
3.1.8. Ejemplos trabajados ....................................
3.1.9. Asuntos de la prctica ..................................
3.1.10. Instruccin de contenido .............................
3.1.11. Resumen ...................................................
3.2. Problemas de resolucin de dificultades .................
3.2.1. Modelo conceptual ......................................
3.2.2. Localizador de dificultades o averas .............
3.2.3. Biblioteca o archivo de casos ........................
3.2.4. Ejemplos trabajados ....................................
3.2.5. Temas de prctica .......................................
3.3. Problemas de anlisis de casos/sistemas ................
3.3.1. Representacin de problemas .......................
4

45
45
46
46
48
49
50
52
52
53
53
54
54
55
56
56
57
58

59
59
60
64
65
65
66
67
68
68
69
70
70
71
73
73
75
77
77
78
79

Procesos de aprendizaje mediante las TIC

3.3.2. Herramientas de representacin


de problemas ..............................................
3.3.3. Generar opciones de solucin: acomodar
perspectivas mltiples ..................................
3.3.4. Argumentacin ...........................................

85
85

4. Argumentacin mediante la tecnologa


para apoyar la resolucin de problemas .................
4.1. Tecnologas de argumentacin ..............................
4.1.1. SenseMaker ................................................
4.1.2. Belvedere ....................................................
4.1.3. Convince Me ...............................................

89
91
96
97
98

Resumen ........................................................................

99

FUOC P06/M1104/01593

83

Mapa conceptual ........................................................... 101


Glosario ......................................................................... 103

ANOTACIONES

Bibliografa .................................................................... 107

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Introduccin

El siguiente mdulo describe los puntos de vista actuales sobre cmo se


puede usar la tecnologa para impulsar un aprendizaje ms significativo
en el campo de la educacin. En l se habla ms de aprendizaje y de
formacin que de tecnologa. Por qu? ltimamente muchos formadores han visto la tecnologa como la salvacin de la educacin. Hasta que
los formadores no se pongan de acuerdo en que debera modificarse la
naturaleza del aprendizaje en los procesos formativos, probablemente
la tecnologa no tendr ningn efecto sobre la misma. Es decir, la tecnologa por s misma no puede cambiar la educacin. Tenemos que estar todos de acuerdo en que la formacin debe centrarse en un
aprendizaje significativo, el tipo de aprendizaje que lleva a los estudiantes a un nivel profundo de pensamiento.
Muchos informes en Estados Unidos han concluido que la complejidad que supone avanzar en el mundo del siglo XXI requiere nuevas
habilidades y formas de pensar. La preparacin necesaria para que
los estudiantes cumplan estos requisitos debe fomentarse en las instituciones educativas mediante entornos intelectuales enriquecidos.
Ms que explicar a los estudiantes el mundo que van a encontrarse
fuera del centro, es este mundo el que debe llamarles la atencin.
Los estudiantes tienen que aprender a solucionar problemas complejos y mal definidos, progresar en la ambigedad y abarcar distintas
perspectivas, usando un repertorio de habilidades intelectuales y
creativas que con poca frecuencia les son requeridas. Cuando los
formadores crean que estos objetivos son importantes, la tecnologa

ANOTACIONES

podr tener un mayor impacto en el aprendizaje y la educacin.


Este mdulo se basa en la teora sobre el desarrollo del aprendizaje significativo que se ha denominado constructivismo. El constructivismo parte de los siguientes supuestos (Jonassen, Peck y Wilson, 1999):
1. El conocimiento se construye
Las personas dan sentido a su mundo y a todo aquello con lo que
mantienen un contacto construyendo representaciones mentales de
7

Del docente presencial al docente virtual

FUOC P06/M1104/01593

la realidad. Los seres humanos son perceptores e intrpretes que


construyen sus propias interpretaciones del mundo fsico mediante
actividades interpretativas y cognitivas que suponen la creacin de
modelos mentales. Este proceso de elaboracin del sentido implica
acomodar ideas y fenmenos nuevos en las creencias y conocimientos existentes que ya haban sido construidos por el estudiante.
2. La realidad (el sentido que construimos del mundo) se encuentra
en la mente
El proceso de elaboracin del sentido tiene como resultado un conocimiento que es nico a la persona, puesto que se basa en un conjunto de experiencias nicas que han producido una combinacin de
creencias sobre el mundo tambin nica. Un principio importante es
que el conocimiento no es una entidad externa que se encuentra en
el mundo fsico y que debe ser adquirido o transmitido.
3. As pues, existen mltiples perspectivas del mundo
Del mismo modo que no existen dos personas en el mundo que tengan las mismas experiencias y las mismas percepciones de estas experiencias, cada uno de nosotros construye un conocimiento propio
que, a su vez, afecta a la percepcin de las experiencias que compartimos. En este sentido, por ejemplo, cualquier discusin sobre poltica, religin o cerveza evoca una multitud de perspectivas sobre
cualquier fenmeno que se discuta.
4. El conocimiento se construye a partir de nuestras interacciones
con el medio ambiente
No podemos separar nuestro conocimiento sobre un rea, de nues-

ANOTACIONES

tras interacciones con esta rea; ni podemos valorar el conocimiento


adquirido sin tener en cuenta cmo se adquiere (Savery y Duffy,
1995). Es decir, las personas slo pueden interpretar la informacin
en el contexto de sus propias experiencias, y aquello que interpreten
ser, hasta cierto punto, individual (Jonassen, 1991). El conocimiento que las personas construyen consiste no slo en las ideas (contenido), sino tambin en el conocimiento sobre el contexto en que son
adquiridas, lo que la persona estaba haciendo en aquel entorno y
aquello que pretenda del mismo. Lo que diferencia a los seres hu8

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

manos de las formas inferiores de vida (por lo que sabemos) es la


intencionalidad y la habilidad para articular esas intenciones.
5. As pues, el conocimiento se encuentra anclado e indexado
en contextos relevantes
Las ideas que tenemos y las habilidades que hemos adquirido consisten, en parte, en la situacin o contexto en que fueron adquiridas
o aplicadas. Es decir, el contexto es parte del conocimiento que la
persona utiliza para explicar o dar sentido a una idea. Esto significa
que las normas abstractas y las leyes, si estn aisladas de un contexto, no tienen significado alguno. Los constructivistas afirman que las
habilidades tienen ms significado si se desarrollan en contextos significativos. Si las ideas no pueden aplicarse, entonces no tienen significado. Ensear hechos y explicar conceptos sin enmarcarlos en
algn contexto les quita el significado.
6. Por consiguiente, el conocimiento no se puede transmitir
El objetivo explcito de la instruccin tradicional es la transmisin del
conocimiento ms eficiente. Desgraciadamente, lo que podemos
ensear no es siempre lo que los estudiantes aprenden. El conocimiento no puede transmitirse de profesores a estudiantes.
7. La construccin del conocimiento se estimula por una cuestin
de necesidad o deseo de saber
Aquello que produce el proceso de construccin del conocimiento
es una disonancia entre lo que se sabe y lo que se observa en el
entorno. La construccin real de significado (resolver la disonancia

ANOTACIONES

entre lo que sabemos bien y lo que percibimos o creemos que las


otras personas saben) resulta de una perplejidad (Duffy y Cunningham, 1996), una perturbacin (Maturana, 1980), una violacin de
expectativas (Schank, 1986) o una adaptacin al entorno que supone ciclos de asimilacin y adaptacin. Podemos memorizar ideas
que otros nos hayan dicho, pero llegar de forma activa a la construccin del significado de un fenmeno implica alguna motivacin
para saber. Esta disonancia asegura cierta propiedad por parte del
estudiante.
9

Del docente presencial al docente virtual

FUOC P06/M1104/01593

8. El significado se negocia de forma social


De la misma forma que todos compartimos el mundo fsico, tambin
compartimos parte del significado que le damos. Los seres humanos
son criaturas sociales que confan en las reacciones de otros humanos
para determinar su propia existencia y la veracidad de sus creencias
personales. Los constructivistas sociales han credo durante cincuenta
aos que la elaboracin del significado se produce en un proceso de
negociacin entre los participantes de cualquier dilogo. Desde una
perspectiva constructivista, aprender es un dilogo, un proceso de negociacin, tanto interno como social. Aprender es inherentemente un
proceso social-dialgico (Duffy y Cunningham, 1996).
9. El significado y el pensamiento se distribuyen entre la cultura
y la comunidad en las que vivimos y las herramientas que
utilizamos
Desde el momento en que entramos a formar parte de comunidades de
prctica, nuestros conocimientos y creencias sobre el mundo reciben la
influencia de esta comunidad y de sus creencias y valores. Cuando entramos a formar parte de comunidades de discurso sobre la prctica,
tambin nuestros conocimientos y creencias reciben su influencia. Por
ejemplo, nuestro conocimiento del mundo recibe la influencia de las actividades que realizamos en el trabajo. Las creencias y el conocimiento
de nuestros compaeros influyen en nuestra forma de pensar. El aprendizaje puede ser entendido como los cambios que sufre nuestra relacin
con la cultura o culturas con las que estamos conectados.
10. No todo el significado se crea de la misma forma
Los constructivistas no comparten la opinin deconstructivista, como

ANOTACIONES

muchos creen, de que todos los significados son vlidos. Debemos


examinar la viabilidad del significado de cualquier persona sobre la
base de las normas sociales e intelectuales de la comunidad.

Principios de un aprendizaje significativo


Si aceptamos todas estas suposiciones, se produce un cambio en el
proceso de educar a los estudiantes. Basndonos en ellas, el apren10

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

dizaje en los centros de formacin debera poner nfasis en las siguientes cualidades:
Activo
Los estudiantes se comprometen con el proceso de aprendizaje en un
procesamiento consciente de la informacin, de cuyo resultado son
responsables.
Constructivo
Los estudiantes adaptan nuevas ideas a un conocimiento previo
(equilibracin) para dar sentido o dar significado o reconciliar una
discrepancia o perplejidad.
Colaborativo
Los estudiantes trabajan en comunidades de aprendizaje y construccin del conocimiento, aprovechando las habilidades del resto y
aportando apoyo social, adems de modelar y observar las contribuciones de cada uno de los miembros de la comunidad.
Intencional
Los estudiantes intentan conseguir un objetivo cognitivo de forma activa e intencional.
Conversacional
Aprender es inherentemente un proceso social, dialgico (Duffy y

ANOTACIONES

Cunningham, en prensa), en el cual los estudiantes son los que ms


se benefician del hecho de pertenecer a comunidades en que se
construye el conocimiento, tanto dentro de clase como fuera.
Contextualizado
Las actividades de aprendizaje estn situadas en ciertas tareas significativas del mundo real o simulado mediante un entorno de aprendizaje basado en algn caso o problema.
11

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Reflexivo
Los estudiantes articulan lo que han aprendido y reflexionan sobre
los procesos y decisiones implicadas.

ANOTACIONES
12

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

1. La construccin de modelos para el cambio


conceptual

El aprendizaje significativo debera ser la raison dtre de los procesos formativos. Ms que presentar un contenido curricular preorganizado que los estudiantes deben memorizar, las instituciones
formativas deberan ayudar a los alumnos a darse cuenta de lo que
estn aprendiendo y a usar su comprensin para resolver los problemas de la vida cotidiana. El supuesto fundamental de este artculo es
que la tecnologa, cuando se usa de manera productiva, puede promover un aprendizaje significativo entre los estudiantes. En la mayora de instituciones educativas hay un acceso limitado a la tecnologa
(normalmente menos de 2 horas por semana), por este motivo, nuestra funcin como educadores debera ser decidir cmo usar la tecnologa para dar el mximo apoyo a un aprendizaje significativo
durante este tiempo limitado. Cmo aprovechar al mximo este
tiempo? Es decir, cmo usar la tecnologa de la forma ms conceptualmente atractiva posible?

aaa
La premisa de este mdulo es que construir modelos que
se basen en la informtica es la actividad tecnolgica
ms conceptualmente atractiva que existe, con la mxima contribucin al cambio conceptual y al desarrollo de
modelos mentales. No slo atrae a los estudiantes hacia
un cambio conceptual, sino que la construccin de mo-

ANOTACIONES

delos no puede efectuarse sin un ordenador.

1.1. Resultados del aprendizaje significativo


Aquello que para nosotros es significativo depende de nuestras necesidades e intenciones. Sin embargo, desde una perspectiva psicolgica
del aprendizaje, las dos concepciones actuales que ms se acercan a
la significacin son los modelos mentales y el cambio conceptual.
13

Del docente presencial al docente virtual

FUOC P06/M1104/01593

1.1.1. Modelos mentales


Qu sucede cuando las personas aprenden de forma significativa?
Qu pruebas describen el aprendizaje significativo? El resultado del
aprendizaje significativo es un modelo mental de los fenmenos que
se han explorado y manipulado. Los nios empiezan construyendo
sus propios modelos mentales sencillos para explicar sus mundos, y
con la experiencia, el apoyo y ms reflexin, sus modelos mentales
se van estructurando y ampliando cuando interactan con el mundo
de una manera ms compleja. Los modelos ms complejos les permitirn razonar de manera ms consistente y productiva sobre los fenmenos que observan. Los seres humanos son constructores
naturales de modelos.

aaa
Qu es un modelo mental? Se trata de una pregunta
difcil porque hay muy poca unanimidad respecto a su
respuesta. Existen muchas concepciones sobre los modelos mentales, empezando por Johnson-Laird (1983)
y Gentner y Stevens (1983). Los modelos mentales son
modelos semnticos, simulaciones, conocimientos procedimentales en forma de normas de inferencia, o qu
son exactamente? Los modelos mentales son todo eso,
es decir, son representaciones ricas, complejas, interconectadas, interdependientes y multimodales de todo
aquello que una persona o un grupo de personas saben.

Los modelos mentales individuales consisten en representaciones


mltiples, interdependientes e integradas de aquello que se ha

ANOTACIONES

aprendido. Para representar un modelo mental individual, pueden


usarse distintas formas de pruebas, incluyendo el conocimiento estructural, procedimental, reflexivo, espacial/imaginativo, metafrico,
ejecutivo, adems de multitud de creencias sobre el mundo (Jonassen y Henning, 1999).
Los modelos mentales grupales o colaborativos los construyen socialmente grupos de individuos que se centran, colaborando unos
con otros, en una misma tarea significativa. Los modelos mentales
14

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

grupales o de equipo consisten en representaciones mltiples de


algn sistema o fenmeno. Para representar un modelo mental
grupal, se necesitan distintas formas de pruebas, como el conocimiento basado en las actividades, el conocimiento social o relacional, el conversacional o discursivo y los artefactos que el grupo usa
y produce.
Este mdulo afirma que la actividad que favorece la construccin de
un modelo mental de forma ms consistente y productiva es la construccin de modelos computacionales. Es decir, usar el ordenador
para construir modelos de lo que se ha estudiado proporciona una
representacin fsica de los procesos mentales de la construccin de
modelos. Distintos investigadores han demostrado la relacin entre
la construccin de modelos y los modelos mentales (Frederiksen y
White, 1998; Mellar, Bliss, Boohan, Ogborn, y Tompsett, 1994; White, 1993). La forma ms efectiva de impulsar la construccin de modelos mentales es hacer que los estudiantes usen una variedad de
herramientas para construir modelos fsicos, visuales, lgicos, o
computacionales de los fenmenos. En otras palabras, construir modelos fsicos y computacionales mediante tecnologas confiere a los
estudiantes la oportunidad de operacionalizar y externalizar sus modelos mentales.

1.1.2. Cambio conceptual


Tal como se ha indicado en la seccin anterior, un objetivo de casi
todos los aprendizajes cientficos es la construccin de modelos mentales. Los seres humanos construyen de forma natural teoras simplificadas e intuitivas para explicar el mundo. Mediante la experiencia
y la reflexin, aaden complejidades conceptuales a medida que van

ANOTACIONES

aprendiendo. Como aprendices, construyen sus modelos mentales,


expresan cierta fuerza, coherencia y compromiso con las concepciones existentes; interactan con la nueva informacin hasta alcanzar
un nivel en el que la informacin sea comprensible, coherente, plausible y retricamente apremiante de acuerdo con sus modelos conceptuales. El proceso cognitivo de construccin de estas teoras es el
cambio conceptual.
El cambio conceptual tiene lugar cuando los estudiantes cambian su
manera de entender los conceptos y marcos conceptuales. Segn di15

Del docente presencial al docente virtual

FUOC P06/M1104/01593

ferentes investigadores, el proceso y ritmo del cambio conceptual es


variable; para algunos (Smith, di Sessa y Resnick, 1993; Siegler,
1996), el cambio conceptual es un proceso evolutivo de ampliacin
y transformacin gradual de los estados de conocimiento. Este modelo de cambio conceptual es ms piagetiano en aquellos puntos en
los que los estudiantes acomodan gradualmente el conocimiento
que ya poseen y lo convierten en mejores estructuras de conocimiento. El cambio conceptual puede ser el resultado de la instruccin o
del descubrimiento.
Familiarizarse con sistemas conceptuales despus de haber odo hablar de ellos consiste tpicamente en la introduccin de trminos, la explicacin de experimentos y la defensa de hiptesis (Thagard, 1992).
Esta forma evolutiva del cambio conceptual requiere poca reestructuracin de los sistemas conceptuales (Carey, 1985). El aprendizaje
reproductivo en las instituciones educativas requiere demasiadas veces la simple articulacin de un marco conceptual ya existente, que
slo implica cambios en las relaciones entre conceptos (Carey, 1988),
y no una reestructuracin de los modelos conceptuales por parte de
los aprendices. Este tipo de enriquecimiento es la forma ms dbil de
cambio conceptual (Vosniadou, 1994). Los estudiantes ms avanzados pueden llegar a desarrollar sus modelos conceptuales mediante el descubrimiento, en el momento en que alguien establece
un nuevo sistema conceptual y los estudiantes aducen sus propias
hiptesis explicativas. Este tipo de cambio conceptual, la revisin,
es necesario cuando la informacin que debe adquirirse no corresponde a las creencias, presuposiciones, y modelos ingenuos del
mundo (Vosniadou, 1994).
Para otros investigadores (Chi, 1992; Thagard, 1992), el cambio
conceptual es un proceso revolucionario en el cual la manera como

ANOTACIONES

se entienden los conceptos se sustituye por otra comprensin que se


espera que sea mejor. El cambio es una reorganizacin radical o
marcada de las estructuras del conocimiento (Dole y Sinatra, 1998).
Es necesaria una reestructuracin radical cuando los estudiantes
chocan con importantes anomalas que no pueden acomodar en sus
actuales teoras, as que es pertinente un nuevo paradigma. La sustitucin de modelos conceptuales por otros nuevos no puede llevarse
a cabo simplemente rehusando conceptos concretos o proposiciones
en el sistema conceptual, sino que debe desafiarse toda la estructura
y sustituirla (Thagard, 1992). El cambio conceptual radical requiere
16

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

que los estudiantes cambien conceptos y proposiciones a travs de


categoras ontolgicas, es decir, que cambien marcos para acomodar ideas.
El cambio conceptual ms significativo slo sucede si es intencional
(Dole y Sinatra, 1998). Es decir, en el momento en que el aprendiz
es consciente de que su comprensin es inadecuada y percibe la necesidad de cambio, es probable que el cambio sea significativo (Luque, 2003). El problema es que los aprendices con un bajo nivel de
conocimiento dominante tienen dificultades para percatarse de contradicciones entre sus propias concepciones y las que son cientficamente aceptables. Adems de ser conscientes de sus anomalas de
pensamiento, los aprendices tambin han de querer cambiarlas (Luque, 2003). Las teoras que sustituirn a las actuales deben ser inteligibles, plausibles y productivas (Strike y Posner, 1985), es decir,
atractivas cognitivamente.
Qu hace que el cambio conceptual sea intencional? El cambio conceptual es una funcin del nivel de compromiso conceptual (Dole y Sinatra, 1998). Los aprendices manifiestan de forma natural una cierta
fuerza, coherencia, y compromiso con las concepciones que poseen; es
ms fcil que cambiar. Tienden a interactuar con la informacin que es
comprensible, coherente, plausible a la luz de las teoras existentes. El
nivel de interaccin de los estudiantes con la nueva informacin depende de un continuo, desde un compromiso cognitivo bajo hasta un alto
compromiso metacognitivo. Cuando los estudiantes no se comprometen cognitivamente, procesan informacin de forma superficial. No obstante, los estudiantes a menudo encuentran informacin que no
corresponde a sus propias teoras. Pueden ignorar esta informacin (cosa que hacen a menudo), o pueden intentar reconciliarla con lo que ya

ANOTACIONES

saben. Esta reconciliacin implica muchas veces que reestructuren lo


que saben (por ejemplo, mediante un cambio conceptual). El cambio
conceptual requiere un alto compromiso cognitivo. Para reestructurar lo
que saben, los estudiantes deben regularse a s mismos, esforzndose
en analizar y sintetizar la nueva informacin.
Segn Dole y Sinatra (1998), en el nivel ms alto de compromiso los
estudiantes piensan detenidamente sobre argumentos y contraargumentos relacionados con el mensaje, con lo que se consigue una alta
probabilidad de que se efecte un cambio conceptual.
17

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Reflexin

Una de las preguntas importantes a la que responde


este mdulo es cmo podemos nosotros, los educadores, impulsar un alto compromiso cognitivo de los estudiantes que ven la necesidad de cambiar sus modelos
conceptuales del mundo. Tambin se describe cmo
los estudiantes pueden usar el ordenador para construir sus propios modelos del mundo; mediante la
construccin de estos modelos, se comprometen de
forma necesariamente cognitiva. Cuando prueban y
revisan estos modelos para reconciliarlos con sus experiencias, los estudiantes efectan necesariamente un
cambio conceptual radical o revolucionario.

1.2. Construccin de modelos mentales


Los profesores de matemticas y ciencias (Confrey y Doerr, 1994;
Frederiksen y White, 1998; Hestenes, 1986; Lehrer y Schauble,
2000; White, 1993) han reconocido durante mucho tiempo la importancia de construir modelos a la hora de entender los fenmenos
matemticos y cientficos. Yo creo que se trata de una habilidad
esencial en todas las disciplinas, es decir, es una habilidad cognitiva
esencial para la construccin de significado en todos los campos.
Tambin creo que adems de construir modelos del conocimiento
dominante (el principal objetivo de los trabajos educativos de matemticas y ciencias hasta la actualidad), los estudiantes tambin pueden beneficiarse de la construccin de modelos de problemas
(construir espacios del problema), sistemas, estructuras semnticas y
procesos de pensamiento (como las simulaciones cognitivas). Ade-

ANOTACIONES

ms de distinguir entre lo que se modela, tambin distingo diferentes


tipos de sistemas de construccin de modelos y sus habilitaciones
para apoyar la construccin de modelos mentales. Por qu es tan
importante la construccin de modelos?
La construccin de modelos es importante porque se trata de uno de
los procesos cognitivos que conlleva mayor relacin conceptual. Resolver problemas de diseo puede ser potencialmente ms atractivo,
pero las tecnologas actuales alcanzan mejor los procesos de creacin
18

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

de modelos que los de diseo. Construir modelos tambin es importante porque los modelos conceptuales construidos por la mayora de
las personas suelen ser ingenuos, poco informados e inconsistentes
con las teoras establecidas. Aunque el desarrollo y cambio de las teoras personales puede ser un proceso humano natural, las personas no
tienen una gran habilidad para ello. Las teoras personales y los modelos conceptuales estn llenos de malentendidos y conceptos inadecuados. Los aprendices deberan recibir ayuda a la hora de construir
modelos ms completos y viables de los fenmenos que estudian.

aaa
Qu es construir modelos? Los conceptos cambian segn las herramientas y los cambios que se estudien. La
mayora de matemticos y cientficos creen tcitamente
que construir modelos es un proceso matemtico, que
las representaciones cuantitativas son de lo ms explcitas e informativas.

El primer objetivo de este proceso es definir la relacin entre variables.


Ejemplo

Hestenes (1987) propuso un proceso de construccin de


modelos para el aprendizaje de la fsica que inclua cuatro estadios: describir las variables bsicas y derivadas
de alguna forma en diagrama; formular las relaciones
basadas en las leyes de la fsica escribiendo ecuaciones;
dibujando ramificaciones de un modelo y validando de
forma emprica el modelo ramificado. Para Hestenes,
el modelo es el mensaje (p. 446), es decir, a construccin de modelos matemticos debera ser el tema cen-

ANOTACIONES

tral de la enseanza de la fsica (p. 453).

Algunos investigadores creen que los modelos cualitativos son tan importantes como los cuantitativos. La representacin cualitativa es un
enlace perdido en la solucin de problemas en el caso de aprendices
noveles (Chi, Feltovich, Glaser, 1981; Larkin, 1983). Cuando los estudiantes intentan comprender un problema de una nica manera, especialmente cuando de esta manera no se llega a una informacin
conceptual del problema, entonces no entienden los sistemas ms im19

Del docente presencial al docente virtual

FUOC P06/M1104/01593

portantes que en l tienen lugar. Es necesario, por consiguiente, ayudarles a construir una representacin, tanto cualitativa como
cuantitativa, del problema. Las representaciones cualitativas de los
problemas obligan y facilitan a la vez la construccin de representaciones cuantitativas (Ploetzner y Spada, 1998).

1.2.1. Construccin de modelos frente a consumo


La distincin ms importante que debe hacerse es cmo se utilizan los
modelos. Los modelos son bastante habituales en la enseanza de las
matemticas y las ciencias, y se presentan tambin en otras disciplinas.
La mayora de libros de ciencias presentan un modelo de ciertos fenmenos para facilitar la comprensin de los estudiantes y siguen este
modelo con problemas bien estructurados relacionados con aquellos
modelos que los aprendices deben solucionar.
Normalmente, los modelos se usan como motor intelectual en software. Los sistemas tutoriales ms inteligentes disponen de modelos
de aprendizaje, modelos expertos o de dominio y modelos tutoriales.
El razonamiento basado en los modelos se centra en un modelo explcito de los sistemas fsicos que se estn aprendiendo (de Koning y
Bredweg, 2001).
Ejemplo

Los micromundos, como Geometric Supposer y SimCalc,


entre otros, son ejemplos de entornos basados en modelos. En los micromundos, el modelo se encuentra implcito
en las opciones de exploracin que facilita el software,
pero el modelo no se manifiesta de forma explcita. Y lo
que es ms importante, el modelo es inmutable. Los estu-

ANOTACIONES

diantes no slo no pueden acceder a l, sino que no pueden cambiarlo a no ser que manipulen un conjunto de
variables preseleccionadas dentro del modelo.

En este trabajo, cuando hablamos de construccin de modelos nos referimos a la construccin, manipulacin o comprobacin de modelos
que efecta el estudiante. Algunas de las herramientas aqu descritas
facilitan un modelo que los estudiantes pueden manipular y comprobar, pero en otros casos se requiere que el estudiante construya y com20

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

pruebe los modelos. La forma ms eficaz de estimular y valorar el


cambio conceptual radical es construir y comparar modelos que representen sistemas conceptuales desproporcionados. Cuando los estudiantes descubren anomalas o errores conceptuales en las estructuras
mediante los experimentos de construccin de modelos que representan sistemas desproporcionados, caben ms posibilidades de que revisen y reestructuren sus propias estructuras conceptuales. En esta
propuesta, se pide a los estudiantes que reestructuren sus modelos
conceptuales de la biologa de plantas de tierra con los modelos conceptuales basados en el crecimiento de espacio limitado. As, el objetivo es que modelemos nuestra idea de que usar herramientas
informticas para construir modelos computacionales de los fenmenos cientficos es el medio ms efectivo para estimular y ayudar a los
estudiantes a efectuar un cambio conceptual rpido.
El cambio conceptual radical muy pocas veces es consecuencia de la
instruccin. Por qu debera serlo, pues, de la construccin de modelos? El cambio conceptual radical procede de las perturbaciones
creadas en los propios conceptos y que ponen en duda la comprensin (Ferrary y Elik, 2003). Para resolverlas, los estudiantes deben
usar la experiencia u otros procesos altamente atractivos como la
construccin de modelos y as comparar los conceptos opuestos.
(Dole y Sinatra, 1998)

1.3. Qu modelamos?
Si es verdad que construir modelos puede ayudar a crear modelos
mentales, entonces los estudiantes deberan aprender a construir
modelos a partir de un conjunto de fenmenos. En este apartado

ANOTACIONES

describiremos brevemente la gama de fenmenos que pueden modelarse mediante distintas herramientas, ms adelante describiremos brevemente la naturaleza de algunas de estas herramientas.
La mayora de estos modelos son lo que Lehrer y Schuble (2000) denominan modelos sintcticos. Se trata de modelos formales que imponen una sintaxis distinta al estudiante. Esta sintaxis lleva a una
correspondencia relacional entre el modelo y los fenmenos que representa. El objetivo de los modelos sintcticos es resumir la funcin
esencial del sistema que debe representarse.
21

Del docente presencial al docente virtual

FUOC P06/M1104/01593

1.3.1. Construccin de modelos de los conocimientos


dominantes
El objetivo principal del uso de los modelos en la enseanza de las
matemticas y la ciencia ha ido encaminado a construir modelos de
ideas dentro de los campos de la matemtica y la ciencia. En la educacin secundaria y el bachillerato los estudiantes utilizan herramientas

informticas

para

construir

modelos,

como

los

micromundos, herramientas para construir modelos de sistemas u


otras herramientas cualitativas, con el fin de construir su modelo de
sistemas cientficos.
Ejemplo

Por ejemplo, la figura 1 ilustra el uso del micromundo,


ThinkerTools, para construir modelos y experimentar
con principios relacionados con las trayectorias dentro
del campo de la fsica. El usuario ejerce un impulso sobre el punto antes de lanzarlo. Puede explorarse la relacin entre los impulsos o las fuerzas del vector en la
trayectoria de los puntos. En la figura 1 puede verse
que se han aplicado las fuerzas correctas de vectores.

Figura 1. Construir modelos de principios de trayectorias en el campo


de la fsica, mediante ThinkerTools.

ANOTACIONES
22

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Los estudiantes pueden utilizar una amplia gama de herramientas


para construir modelos.
Ejemplo

La figura 2 muestra principios geomtricos modelados


con Cabri, una herramienta de visualizacin geomtrica de Texas Instruments. En cada uno de estos modelos, los estudiantes representan principios dominantes
que estn estudiando. Las herramientas para construir
modelos les permiten comprobar sus modelos mentales de los fenmenos que estn estudiando.

Figura 2. Modelo geomtrico de Cabri

Sin embargo, en ambos ejemplos se encuentran implcitos modelos

ANOTACIONES

subyacentes. Los principios se ejemplifican en las representaciones,


pero los modelos se encuentran implcitos. Es decir, la relacin entre
las variables no se expresa de forma explcita.

1.3.2. Construir modelos problema


Otro tema importante y poco estudiado es el uso de las herramientas
de modelado para desarrollar modelos explcitos de problemas que
los estudiantes intentan resolver. En estas aplicaciones, los estudian23

Del docente presencial al docente virtual

FUOC P06/M1104/01593

tes representan el espacio del problema (Jonassen, 2003). En general, se acepta que a la hora de resolver problemas, las personas no
necesitan construir ningn tipo de representacin interna (modelo
mental) de un problema (espacio del problema) para resolverlo. Estas representaciones personales del problema tienen las siguientes
funciones (Savelsbergh, de Jong, y Ferguson-Hessler, 1998):
Dirigir una interpretacin posterior de la informacin sobre el
problema.
Simular el comportamiento del sistema basado en el conocimiento sobre las propiedades del sistema.
Asociar e impulsar un esquema concreto de solucin (procedimiento).
Los espacios de un problema se construyen mentalmente seleccionando y mapeando relaciones especficas del problema (McGuinness, 1986). El supuesto fundamental de este artculo es que el hecho
de usar las herramientas de modelado para crear modelos fsicos, visuales o computacionales externaliza los modelos mentales de los
estudiantes. En relacin con la solucin de problemas, la construccin de modelos visuales y computacionales de los problemas externaliza los espacios de los problemas internos de los estudiantes. La
construccin de modelos de espacios de problema es importante
para toda clase de problemas. A medida que aumenta la complejidad del problema, resulta ms importante producir representaciones
eficaces; y la eficacia de las representaciones depende de la organizacin, la integracin o la coherencia (McGuinness, 1986).
Aunque hay muchas herramientas informticas de modelado que

ANOTACIONES

ayudan a la construccin de modelos cuantitativos de problemas, la


construccin de modelos cualitativos de problemas es de igual o mayor importancia. Las representaciones cualitativas asumen muchas
formas y organizaciones distintas; pueden ser espaciales o verbales
y pueden organizarse de distintas formas. Son ms fsicas que numricas: las representaciones fsicas de los problemas consisten en entidades que se fijan en campos concretos (por ejemplo, la fsica), y
las normas de inferencia que las conectan y les dan un significado
son cualitativas (Larkin, 1983).
24

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Figura 3. Extracto de una base de reglas de un sistema experto


de estequiometra

Las representaciones cualitativas tienen la funcin de:


Explicar informacin que slo aparece implcitamente en las
descripciones de los problemas pero que es importante para su

ANOTACIONES

solucin.
Aportar precondiciones sobre las que se pueda aplicar el conocimiento cuantitativo.
El razonamiento cualitativo ayuda a la construccin del conocimiento cuantitativo no disponible en un principio y establece un
conjunto de restricciones que aportan directrices para un razonamiento cuantitativo (Ploetzner y Spada, 1993).

25

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Figura 4. Sistemas de modelos dinmicos de problemas


de estequiometra segn Stella

De hecho, Ploetzner, Fehse, Kneser y Spada (1999) demostraron que


a la hora de resolver problemas de fsica, las representaciones cualitativas de los problemas son requisitos necesarios para aprender representaciones cuantitativas. Cuando los estudiantes intentan
entender un problema slo de una manera, no entienden los sistemas subyacentes que estn trabajando.

ANOTACIONES

La figura 3 muestra un modelo cualitativo de un simple


problema de qumica de conversin molar, mediante
un sistema experto. Es decir, los estudiantes construyeron un sistema de reglas de produccin que describe la
lgica necesaria para resolver el problema.

Las representaciones cualitativas ayudan a la solucin de problemas


cuantitativos. Las mejores soluciones de problemas pueden surgir integrando modelos cualitativos y cuantitativos. Esta integracin an
26

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

puede verse ms respaldada en las herramientas para construir modelos de sistemas, como el de Stella, que aportan representaciones
cuantitativas de las relaciones entre aquellos componentes de problemas que se expresan de forma cualitativa.

La figura 4 muestra un modelo Stella de un problema


de estequiometra, y aporta tanto las representaciones
cuantitativas, como las cualitativas del problema.

1.3.3. Construir modelos de sistemas


Los contenidos de los problemas tambin pueden concebirse como
sistemas. Cuando se estudia el contenido como si fueran sistemas,
ms que centrarse en hechos concretos o caractersticas de los fenmenos, los aprendices desarrollan una perspectiva del mundo mucho ms integrada. Hay distintas concepciones sistmicas del mundo
que estn relacionadas, incluyendo pensamientos de sistemas abiertos, pensamientos de sistemas humanos o sociales y procesos de sistemas, pensamientos de sistemas de reaccin, dinmica de sistemas,
sistemas de control o ciberntica, la teora de la actividad y los sistemas de vida ms comunes.

ANOTACIONES

Figura 5. Construccin de modelos del sistema circulatorio c


on Model-It.

27

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Figura 6. Construccin de modelo del efecto de un huracn


en Bryzoan con EcoBeaker.

ANOTACIONES

Todas estas concepciones comparten atributos similares, como por


ejemplo un todo irreducible, un modelo de organizacin autoproductor,
las partes interdependientes, el hecho de que funcionen accionados por
el objetivo, el control de reaccin, el automantenimiento y la autorregulacin. El hecho de requerir a los estudiantes que organicen su objeto de
estudio en sistemas relevantes que interacten unos con otros les aporta
una perspectiva del mundo mucho ms holstica e integrada.
28

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Ejemplo

Existe una variedad de herramientas informticas que


apoyan el pensamiento de sistemas. Basados en dinmica de sistemas, herramientas como Stella, PowerSim
y VenSim proporcionan herramientas sofisticadas para
construir modelos de sistemas. Estas herramientas permiten a los estudiantes construir modelos de sistemas
de fenmenos, mediante el razonamiento hipotticodeductivo.
Los estudiantes deben construir los modelos antes de comprobarlos.

La figura 5 muestra una perspectiva sistmica del sistema circulatorio, construida con Model-It, una herramienta simplificada para construir modelos de
sistemas que ha desarrollado el grupo HI-CE en la
Universidad de Michigan para estudiantes de secundaria. Esta herramienta identifica relaciones entre
variables. En vez de introducir frmulas para describir relaciones, los estudiantes deben identificar la direccin de la relacin y el efecto potencial que tiene
una variable sobre otra.
Existe otra clase de herramienta que permite que el estudiante construya inductivamente modelos de sistemas. Los micromundos como
StarLogo, AgentSheets y Eco-Beaker permiten construir reglas sobre
la naturaleza del comportamiento en sistemas y comprobar su efecto

ANOTACIONES

de forma inmediata.

La figura 6 construye un modelo de crecimiento de organismos diminutos dentro de un entorno, perturba


este entorno y vuelve a comprobar las pautas de crecimiento. En este caso, el modelo muestra los efectos de
un huracn en el crecimiento de Bryzoa.
Estas herramientas, ms que simples sistemas, representan una perspectiva del mundo tericamente compleja; es decir, exploran la naturaleza autoorganizadora de los fenmenos del mundo.
29

Del docente presencial al docente virtual

FUOC P06/M1104/01593

1.3.4. Construir modelos de experiencias (historias)


Las historias pueden funcionar como sustituto de la experiencia directa. Si asumimos que aprendemos de las experiencias, deberamos
ser capaces de aprender de las historias que cuentan experiencias. Algunas personas creen que escuchar historias es equivalente a experimentar los fenmenos uno mismo (Ferguson, Bareiss, Birnbaum, y
Osgood, 1991). En otras palabras, las estructuras de la memoria
utilizadas para entender la historia son las mismas que las que se
usan a la hora de llevar a cabo una tarea. Teniendo en cuenta la
falta de experiencias por parte de los principiantes, las experiencias de historias o casos que pueden obtener en una biblioteca
aumentan su repertorio de experiencias. El razonamiento a partir
de historias o casos ayuda a resolver problemas.
Por qu las historias son importantes para la comprensin? Porque
todo lo que sabemos lo recordamos en forma de historias. Las historias
son formalismos ricos y poderosos para narrar y describir recuerdos.
As pues, una forma de entender lo que las personas saben es analizar
sus historias. El medio que nos permite analizarlas se llama razonamiento basado en casos (RBC), en ingls Cased-Based Learning.

aaa
El RBC es un mtodo de inteligencia artificial para representar los conocimientos de las personas. El RBC
sostiene que los conocimientos se almacenan en la memoria en forma de historias (Schank, 1990). Cuando
se encuentran con una situacin nueva, las personas la
analizan e intentan recuperar una situacin que ya hayan experimentado y que se parezca a la situacin ac-

ANOTACIONES

tual. Aparte de la informacin sobre la situacin,


tambin recuperamos lo que aprendimos de aquella situacin. Los problemas nuevos se resuelven encontrando casos similares del pasado y aplicando las lecciones
de aquella experiencia en este nuevo caso.

Por consiguiente, los estudiantes pueden impulsar el cambio conceptual construyendo modelos de las experiencias de otras personas, es
decir, recogiendo historias sobre las experiencias de otros.
30

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

La base de datos de la figura 7 cuenta una de las muchas historias que se han recogido sobre el conflicto en
Irlanda del Norte. La base contiene muchas historias
que se han indexado por cuestin, tema, contexto, objetivo, razonamiento, religin, etc. Contiene muchas
cuestiones, temas y contextos. En este ejemplo, los estudiantes aprenden sobre el horror de los conflictos religiosos examinando la experiencia de otros. Las bases
de datos facilitan este proceso de aprendizaje, permitiendo que los profesores busquen en cualquier mbito
para colocar casos o resultados semejantes.

Cuando los estudiantes analizan historias para entender estos


problemas, entienden mejor la complejidad fundamental del
campo de contenido. Recoger e indexar las historias es construir
modelos de las experiencias de las personas; como estas experiencias son diferentes, representan perspectivas y creencias mltiples. Encontrar esta diversidad de creencias es la mejor manera
de percibir que hay que cambiar los modelos conceptuales de
cada persona sobre el mundo.

ANOTACIONES

Figura 7. Entrada en una base de datos sobre historias de Irlanda del Norte.

31

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Si se quieren usar bases de datos para capturar historias, se deben


identificar casos o historias. Los casos indican situaciones, sucesos,
experiencias, problemas, etc. Cuando hablamos de situaciones, nos
referimos a una descripcin de las situaciones (contexto, objetivo,
etc.), las soluciones que se escogieron y lo que se aprendi al utilizarlas (Kologner, 1993). La situacin del problema se define a partir
de los objetivos que quieren conseguirse resolviendo el problema, las
restricciones para llegar a los objetivos y cualquier caracterstica del
problema. Cuando se recogen historias de revistas, informes de noticias, entrevistas personales o cualquier otro medio y se analizan,
deben indexarse identificando cierta combinacin de objetivos, restricciones, descripciones situacionales, temas, soluciones, resultados
y lecciones en una base de datos. Aprender, segn la perspectiva del
RBC, es un proceso de indexar y rellenar lecciones basadas en experiencias y reutilizarlas en situaciones futuras semejantes.

1.3.5. Construir modelos de pensamiento (simulaciones


cognitivas)
Existe otra clase de construccin de modelos que permite el desarrollo de procesos de pensamiento. Ms que construir modelos de contenidos o sistemas, los aprendices construyen modelos del tipo de
pensamiento que necesitan para actuar a la hora de resolver un problema, tomar una decisin o terminar cualquier otra actividad. Es
decir, los estudiantes pueden utilizar herramientas informticas para
construir simulaciones cognitivas

aaa
[...] las simulaciones cognitivas son programas informticos que representan modelos de actividades cognitivas
humanas. (Roth, Woods, y People, 1992, p. 1163)

ANOTACIONES

Tienen como objetivo construir modelos de estructuras mentales y


procesos cognitivos humanos.

aaa
El programa informtico contiene representaciones
explcitas de procesos mentales y estructuras de conocimiento ya propuestos. (Kieras, 1990, pp. 51-52)
32

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

El objetivo primordial de las simulaciones cognitivas es intentar


externalizar procesos mentales para la construccin de anlisis y
teoras. Las usan sobre todo los ingenieros para construir sistemas
tutoriales elaborados, pero hemos descubierto que tambin los
jvenes estudiantes pueden reflexionar sobre su pensamiento
para construir este tipo de simulaciones. Jonassen (en prensa)
describe el proceso de construccin de una simulacin cognitiva
de un razonamiento metacognitivo mediante la proteccin de sistema experto.

La figura 8 muestra actores seleccionados a partir de


esta base de conocimiento. Se pidi a los estudiantes
que meditaran sobre cmo usaban ellos el control ejecutivo y las actividades de control de comprensin a la
hora de estudiar. Lippert (1988) afirmaba que hacer
que los estudiantes construyan pequeas bases de conocimiento es un mtodo til para ensear a resolver
problemas y a estructurar el conocimiento para estudiantes desde sexto grado hasta la edad adulta.

ANOTACIONES

Figura 8. Factores metacognitivos en la simulacin cognitiva

33

Del docente presencial al docente virtual

FUOC P06/M1104/01593

El aprendizaje resulta ms significativo porque los estudiantes no


slo valoran sus propios procesos de pensamiento, sino tambin el
producto de estos procesos.
Tambin hemos experimentado con herramientas de dinmicas de
sistemas para la construccin de simulaciones cognitivas.

La figura 9 ilustra un modelo de memoria de Stella;


Stella es una herramienta de dinmicas de sistemas
para representar las relaciones dinmicas entre fenmenos de sistemas. Tanto los sistemas expertos como
las dinmicas de sistemas permiten a los estudiantes la
construccin y comprobacin de las suposiciones y funcionamiento de sus modelos.
Figura 9. Modelo de memoria Stella.

ANOTACIONES
34

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

1.4. Tipos de sistemas de aprendizaje basados


en modelos
Como hemos visto en el apartado anterior, cuando se describan los
aspectos de sistemas que pueden modelarse, hay muchas clases de
herramientas disponibles para construir modelos de una amplia
gama de fenmenos. stas varan en caractersticas, funcionalidad y
habilitaciones. Cada una de ellas usa una estructura y una sintaxis
distintas para construir modelos de fenmenos. Pueden sustituirse
unas por otras, pero no siempre con consecuencias positivas. Cada
tipo de herramienta implica combinaciones distintas de pensamiento
crtico, creativo y complejo (Jonassen, 2000).
Una de las diferencias ms importantes dentro de estas herramientas
es la claridad del modelo subyacente. Algunas herramientas son sistemas de caja negra, en los que el estudiante puede introducir informacin y manipular las caractersticas de los sistemas, comprobando
los efectos de las manipulaciones tericas. La mayora de simulaciones y micromundos son de este tipo. Se trata de entornos exploratorios que abastecen a los aprendices con la oportunidad de
comprobar los efectos causales de las manipulaciones, pero el modelo bsico que define los parmetros del sistema est escondido.
Otras herramientas, como las de construccin de modelos de sistemas, son sistemas de caja de cristal, en los que el estudiante no slo
investiga el modelo subyacente, sino que puede cambiarlo. De hecho, los sistemas de este tipo necesitan que el estudiante construya el
modelo de forma explcita antes de comprobarlo. Creo que este ltimo tipo de herramientas de construccin es mejor para representar
modelos mentales y hacer entrar a los estudiantes en un nivel de

ANOTACIONES

transformacin ms profundo.
Describir brevemente distintas clases de herramientas para la construccin de modelos.

1.4.1. Construccin de simulaciones deductivas


Hay un tipo de herramientas que construyen modelos de sistemas,
incluyendo Stella, PowerSim, VenSim y Model-It, que permiten que el
estudiante construya y compruebe modelos de sistemas cerrados
35

Del docente presencial al docente virtual

FUOC P06/M1104/01593

controlados por reaccin. Basndose en dinmicas de sistemas, los


estudiantes construyen representaciones conceptuales utilizando un
simple conjunto de iconos de bloque para construir un mapa de un
proceso: valores, flujos, conversores y conectores (vase la figura 9).
Los valores ilustran el nivel de alguna variable en la simulacin.

En la figura 9, la informacin en la memoria a largo


plazo y la informacin en la memoria a corto plazo son
valores. Los flujos controlan el flujo entrante y saliente
de material en los valores. Almacenando y olvidando
son flujos. Los flujos a menudo se compensan unos a
otros, como las influencias positivas y negativas en los
giros normales. Por ejemplo, olvidando es una influencia controladora negativa de la informacin en la memoria a largo plazo. Los conversores convierten las
entradas en salidas. Son factores o razones que influyen en los flujos. Olvido es un conversor. Los conversores se usan para aadir complejidad a los modelos y
as representar mejor la complejidad del mundo real.
Finalmente, los conectores son las lneas que muestran
mediante flechas el efecto direccional que tiene cada
factor sobre otro.
Estos modelos son dinmicos, es decir, se caracterizan por la accin
o el cambio en los estados. As, un modelo de simulacin dinmica
es aquel que representa conceptualmente la naturaleza cambiante
de fenmenos de sistemas de una forma similar al fenmeno real.
Estas simulaciones son representaciones sintcticas de la realidad. Lo
que distingue estos modelos del siguiente tipo es que el modelo se

ANOTACIONES

concibe y se implementa antes de ser comprobado; se trata de un


modelo hipottico-deductivo.

Este tipo de modelos tambin puede construirse utilizando una hoja de clculo. El modelo de la figura 10, por
ejemplo, ha sido construido por estudiantes que queran
comprobar los efectos de una serie de resistores. Se explica en las frmulas introducidas en cada celda.
36

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Si lo hubiera construido el profesor para que los estudiantes manipularan y comprobaran los efectos, funcionara ms como un micromundo, en el cual los estudiantes exploran simulaciones de caja
negra.

Figura 10. Modelo de series de resistor, construido en una hoja de clculo.

1.4.2. Construccin de modelos inductivos de simulacin


Existe otra clase de herramientas de construccin de modelos que utiliza
una aproximacin ms inductiva para la construccin de simulaciones.
Herramientas como Agent Sheets, Star Logo y GenScope permiten construir modelos ms abiertos de sistemas de fenmenos. Ms que identificar todos los componentes del modelo antes de construirlo, los

ANOTACIONES

aprendices, utilizando estos entornos, identifican los componentes del


modelo y los aaden a medida que van avanzando. Cada vez que se
aada un elemento, se puede comprobar el modelo para observar el
efecto del nuevo elemento en el funcionamiento del sistema.

1.4.3. Exploracin de modelos de caja negra o simulaciones


La mayora de simulaciones construidas para que los estudiantes
exploren y experimenten no explican el modelo implcito, sino que
37

Del docente presencial al docente virtual

FUOC P06/M1104/01593

permiten la manipulacin de variables y la comprobacin de los


resultados de estas manipulaciones; entonces, los estudiantes pueden generar hiptesis sobre las relaciones entre las variables y
examinarlas.

Ejemplo

Los micromundos, como ThinkerTools (Figura 1; White,


1993), Boxer (di Sessa, 1986), Geometric Supposer
(Schwartz y Yerulshalmy, 1987) y otros, requieren que
los estudiantes construyan como mnimo un modelo
implcito del sistema con el fin de generar hiptesis y
examinarlas.

1.4.4. Modelos causales cualitativos


Los sistemas expertos son programas de inteligencia artificial diseados
como expertos simulados para facilitar la toma de decisiones en todo
tipo de problemas. Un sistema experto es un programa informtico que
pretende simular la manera como los expertos humanos resuelven un
problema: una toma de decisiones artificial. Se construyen con hechos
y con una serie de reglas SI-ENTONCES, y el que los construye debe
identificar todas las decisiones y resultados posibles, todos los factores
que pueden influir en cada decisin, y construir entonces las reglas que
conecten todas las condiciones de sistema posibles con las conclusiones
o resultados posibles. Construir sistemas expertos es un proceso de
construccin de modelos del conocimiento que permite a expertos e ingenieros construir modelos conceptuales (Adams-Webber, 1995). Aunque hay muchas herramientas que construyen modelos de sistemas y
otro tipo de herramientas que se basan en representaciones cuantitati-

ANOTACIONES

vas de relaciones entre factores, los sistemas expertos se basan en descripciones cualitativas de relaciones causales.

1.4.5. Herramientas de construccin de modelos


semnticos
Las herramientas para la representacin de relaciones semnticas
dentro de un campo de conceptos, como las herramientas de redes
semnticas, el mapeo de conceptos y las bases de datos, permiten la
38

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

representacin de asociaciones semnticas entre conceptos dominantes. Sin embargo, estas herramientas no pueden construir modelos de relaciones causales dinmicas, sino slo de la informacin
asociacional sobre un campo de conceptos relacionados. Facilitan
representaciones matrices y espaciales de los conceptos y sus interrelaciones, intentando que representen las estructuras de conocimiento
que los seres humanos almacenan en la mente (Jonassen, Beissner,
y Yacci, 1993).
Por qu crear redes semnticas? El aprendizaje significativo exige
que los estudiantes conecten nuevas ideas al conocimiento que ya
han construido. Los mapas conceptuales y las bases de datos ayudan
a organizar sus conocimientos mediante la integracin de la informacin en un marco conceptual cada vez ms complejo.

1.4.6. Advertencias crticas sobre las herramientas


de construccin de modelos
Ya hemos afirmado anteriormente que el residuo cognitivo del
aprendizaje significativo es un modelo de lo que se est aprendiendo de forma significativa. Adems, tambin he afirmado que
construir modelos ayuda a la creacin de modelos mentales. Si es
as, entonces debemos preguntarnos si los modelos que construyen los estudiantes demuestran que, dentro del modelo o en su
proceso de construccin, existen conocimientos estructurales, procedimentales, reflexivos, imaginarios, metafricos o ejecutivos y
creencias sobre estos conocimientos. Muchas veces no poseen esta
clase de conocimiento porque las herramientas usadas por los estudiantes se basan en un tipo determinado de representacin. Si
los modelos mentales no se desarrollan suficientemente como re-

ANOTACIONES

sultado de la construccin de modelos, puede que sea necesario


usar ms de un tipo de herramienta para representar los fenmenos. Es decir, la construccin de modelos mentales probablemente
se impulsar si los estudiantes utilizan ms de una herramienta
para construir modelos de un campo, un problema, un sistema,
una estructura semntica o un proceso de pensamiento. Ser necesaria ms investigacin para determinar el nmero de herramientas y el tipo de combinaciones que harn ms fcil la
construccin de modelos mentales.
39

Del docente presencial al docente virtual

FUOC P06/M1104/01593

1.5. Valorar el cambio conceptual con modelos


construidos por estudiantes
Adems de impulsar un cambio conceptual radical en los estudiantes mediante los experimentos, esta propuesta tambin quiere
validar mtodos para valorar el cambio conceptual. Aunque existen muchos informes tericos sobre el cambio conceptual (Limon
y Mason, 2002; Schnotz, Vosniadou, y Carreter, 1999; Sinatra y
Pintrich, 2003), hay muy pocos trabajos que estudien cmo valorar de manera efectiva el cambio conceptual. Los mtodos dominantes utilizados incluyen el anlisis de los protocolos de
interaccin de los estudiantes a la hora de resolver o explicar un
problema (Hogan y Fisherkeller, 2000), en entrevistas estructuradas (Southerland, Smith, y Cummins, 2000) y en el uso de mapas
conceptuales (Edmundson, 2000). El anlisis de los protocolos de
entrevistas y conversaciones es muy difcil y largo. Por este motivo,
proponemos evaluar la validez actual del mapeo de conceptos y
la modelacin de sistemas o la valoracin del cambio conceptual.
Se podr conseguir comparando estos dos mtodos de construccin de modelos con los protocolos de conversacin y entrevista.

Estas herramientas presuponen que el cambio conceptual puede


valorarse comparando las estructuras cognitivas de los estudiantes (Vosniadou, 1992). El uso de mapas conceptuales presupone
que los cambios en la estructura cognitiva pueden valorarse mediante mapas conceptuales u otras tcnicas estructurales del conocimiento (Jonassen, Beissner, y Yacci, 1993) y que los cambios
en la estructura cognitiva son valoraciones vlidas del cambio
conceptual. Los mapas conceptuales han demostrado ser valoraciones vlidas de las estructuras cognitivas (Jonassen, 1987). Los

ANOTACIONES

protocolos se analizarn mediante anlisis de conversaciones


(Chi, 1997).

Los modelos se valorarn utilizando la coherencia explicativa


(Thagard, 1992) y valoraciones de fijacin y calidad (Fisher,
2000). Tambin examinaremos las relaciones entre los experimentos diseados por los estudiantes, los sistemas robticos y las
cmaras de crecimiento, y los mapas conceptuales y modelos de
sistemas que producen.
40

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

1.6. Bases para la construccin de modelos


Schwarz y White (en prensa) afirman que la construccin de modelos
es fundamental para la cognicin humana y la investigacin cientfica. Creen que ayuda a los estudiantes a expresar y externalizar su
pensamiento; visualizar y comprobar los componentes de sus teoras
y hacer que los materiales sean ms interesantes.
A continuacin, resumiremos algunas de las razones para construir
modelos con el objetivo de impulsar el aprendizaje significativo y la
construccin de modelos mentales:
La construccin de modelos es un fenmeno cognitivo natural. Al
encontrarse con fenmenos desconocidos, los seres humanos
empiezan a construir de manera natural teoras sobre estos fenmenos como parte esencial del proceso de comprensin.
La construccin de modelos ayuda a hacer conjeturas, comprobar
e inferir hiptesis y una gran cantidad de habilidades cognitivas
importantes.
Construir modelos requiere que los estudiantes articulen un razonamiento causal, que es la base de la mayora de modelos de
cambio conceptual.
Construir modelos lleva a un nivel ms alto de compromiso conceptual, importante premonitor del cambio conceptual (Dole y Sinatra, 1998).

ANOTACIONES

Construir modelos tiene como consecuencia la construccin de


artefactos cognitivos (modelos mentales) mediante la construccin de artefactos fsicos.
Cuando los estudiantes construyen modelos, son propietarios del
conocimiento. La propiedad del estudiante es importante para la
construccin de significado y de conocimiento. Cuando son propietarios de las ideas, los estudiantes quieren poner ms esfuerzo,
defender sus posiciones y razonar de manera efectiva.
41

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Construir modelos ayuda al desarrollo de creencias epistmicas.


En la base del aprendizaje se encuentran las creencias de las personas sobre lo que son el conocimiento y la verdad, y sobre cmo
desarrollamos estas creencias. Desde un punto de vista biolgico,
aceptamos que los humanos se han adaptado muy bien al aprendizaje gracias al tamao de su crtex. Pero qu es lo que lleva a
las personas a aprender? Socilogos y psiclogos hablan de necesidades de realizacin, que aportan un motivo conativo para el
aprendizaje. Sin embargo, epistemolgicamente, qu es lo que
motiva nuestros esfuerzos para entender el mundo? Segn Wittgenstein, lo que sabemos se basa en la posibilidad de la duda.
Sabemos muchas cosas, pero nunca podemos tener la certeza de
saberlas. Esta incertidumbre slo puede modificarse con los esfuerzos para saber ms sobre el mundo. Las herramientas de
construccin de modelos permiten a las personas externalizar y
comprobar sus creencias epistemolgicas sobre el significado de
las construcciones epistemolgicas, como el conocimiento y la
verdad, y sobre cmo estas creencias pueden cambiar con el
tiempo.
Construir modelos aporta espacios colectivos de trabajo que llevan a motivos ms fuertes de colaboracin.

1.7. Limitaciones para la construccin de modelos


Aunque hemos defendido el uso de las tecnologas como herramientas de construccin de modelos, es necesario analizar sus posibles limitaciones.

ANOTACIONES

Carga cognitiva. La habilidad, el tiempo y el esfuerzo para aprender las habilitaciones de los distintos formalismos. Aunque Jonassen (2000) ha defendido que la mayora de estas herramientas
pueden aprenderse ms o menos en una hora, hay otras que requieren ms tiempo. Adems, si se usan frecuentemente se conseguir una familiarizacin con las herramientas.
Contradicciones. Desde un marco terico de actividad (Barab,
Evans, y Baek, en prensa), una dimensin de este sistema de ac42

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

tividad reconceptualizado, potencialmente importante para el diseo, es el concepto de contradiccin. Segn Engestrm (1987),
cualquier sistema de actividad dispone de cuatro niveles de contradicciones que es necesario tener en cuenta durante el anlisis
de una situacin de aprendizaje y de trabajo. Son las siguientes:
Nivel 1: La primera contradiccin aparece en cada elemento
de la actividad central que se est investigando; surge de la
tensin entre el valor de uso y el valor de intercambio.
Nivel 2: La segunda contradiccin aparece entre los elementos
constituyentes del sistema de actividad central (por ejemplo,
entre el tema y la herramienta).
Nivel 3: La tercera contradiccin aparece entre el objeto/motivo de la actividad central y el objeto/motivo de una forma culturalmente ms avanzada que la de la actividad central.
Nivel 4: La cuarta contradiccin aparece entre la actividad
central y las adyacentes, como las actividades de produccin
de instrumentos, temas o reglas.
Ejemplo

Para poner un ejemplo emprico de esta idea, Barab,


Barnett, Yamagata-Lynch, Squire, y Keating (en prensa)
utilizaban la teora de la actividad como una lente analtica para entender las transacciones y tensiones penetrantes que caracterizaban las actividades de curso. Si
nos basamos en su anlisis, interpretaron tensiones del
curso y contradicciones en el marco de todo el sistema

ANOTACIONES

de actividad de curso, modelado de una forma general


usando la inscripcin triangular de Engestrm (1987)
para construir un modelo de la estructura bsica de la
actividad humana (vase la figura 3). Todos los componentes que Engestrm consideraba actividad constituyente se representan en negrita en las esquinas del
tringulo.

43

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

2. Aprender a solucionar problemas

2.1. En qu consiste la resolucin de problemas?

aaa
Antes que nada, qu es un problema? Slo existen
dos atributos importantes de un problema. Un problema es algo que se desconoce, es decir, si tenemos
un objetivo y no sabemos cmo llegar a l, hay algo
que no conocemos, tenemos un problema. El segundo atributo es que lo desconocido debe tener algn
valor social, cultural o intelectual para alguien. Si no
hay nadie que crea que vale la pena descubrir lo
desconocido, entonces no se ha percibido ningn
problema. El proceso de solucin de un problema es
encontrar lo desconocido.

Como proceso, solucionar un problema tiene dos caractersticas principales. La primera es que requiere una representacin mental de la
situacin en el mundo. Eso quiere decir que al solucionar problemas
humanos, se construye una representacin mental del problema, que
recibe el nombre de espacio del problema (Newell y Simon, 1972).
La segunda caracterstica es que solucionar un problema requiere cierta manipulacin activa del espacio del problema. Cuando manipulamos el espacio del problema, representamos sus componentes y

ANOTACIONES

dimensiones, generamos hiptesis sobre cmo encontrar lo desconocido, probamos estas hiptesis y llegamos a conclusiones. Por consiguiente, la manipulacin del espacio del problema, ya sea una
representacin mental interna o una manipulacin fsica externa,
implica necesariamente una actividad consciente. Otra complicacin a la hora de solucionar un problema es que no todos los problemas son iguales, as que se necesitan diferentes procesos de
solucin. Lo desconocido es que no sabemos cmo resolver distintas clases de problemas.
45

Del docente presencial al docente virtual

FUOC P06/M1104/01593

2.2. Variedad de problemas


Durante las ltimas tres dcadas han surgido distintas teoras sobre
la solucin de problemas.
Ejemplo

Un modelo conocido es el IDEAL (Bransford y Stein,


1984), que describe la solucin de problemas como un
proceso uniforme de Identificar problemas potenciales,
Definir y representar el problema, Explorar posibles estrategias y Actuar sobre estas estrategias, y Mirar atrs
(del ingls Look back) y valorar los efectos de estas actividades.

Gick (1986) sintetiz las teoras de solucin de problemas en un modelo


simplificado del proceso de solucin de problemas, buscando soluciones para despus implementarlas y controlarlas. Como la mayora de
teoras de solucin de problemas, sta trata todos los problemas de la
misma forma. Estas teoras asumen que si estos procesos se aplican a
diferentes tipos de problemas, se consiguen resultados satisfactorios.
Sin embargo, la solucin de problemas no es una actividad uniforme.
Los problemas no son equivalentes ni en contenido, ni en forma, ni en
proceso. En qu se diferencian? Mayer y Wittrock (1996) han descrito
los problemas como mal definidos/bien definidos y rutinarios/no rutinarios. Jonassen (1997) distingue entre problemas mal o bien estructurados y describe diferencias en el procesamiento cognitivo de estos dos
tipos. Smith (1991) distingue los factores externos, entre los que encontramos el dominio y la complejidad, de las caractersticas internas del
solucionador de problemas. Cada vez hay ms conformidad respecto a

ANOTACIONES

la variabilidad de los problemas en lo que se refiere a sustancia, estructura y proceso. A continuacin, describir como mnimo tres maneras en
las que los problemas y su solucin varan: estructuracin, complejidad
y especificidad de campo (abstraccin).

2.2.1. Estructuracin
Como hemos sealado, Jonassen (1997) distingue entre problemas
mal y bien estructurados y recomienda diferentes modelos de diseo
46

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

para cada tipo, porque requieren distintas habilidades. Los problemas ms comunes, sobre todo en escuelas y universidades, son problemas bien estructurados. Normalmente, se encuentran al final de
cada captulo de los libros de texto y requieren la aplicacin de un
nmero determinado de conceptos y reglas, as como el estudio de
principios en una situacin problemtica restrictiva. Tambin se les
llama problemas de transformacin, que consisten en un estado inicial bien definido, un objetivo conocido y un grupo restrictivo de operadores lgicos. Los problemas bien estructurados presentan todos
los elementos del problema; requieren un nmero limitado de reglas
y principios que se organizan en una disposicin previsible y prescriptible; poseen respuestas correctas y convergentes, y tienen un
proceso de solucin presentado y prescrito (Jonassen, 1997).
Por otro lado, los problemas mal estructurados son aquellos que se
encuentran en las actividades diarias, por lo que resultan tpicamente
emergentes. Por el hecho de que no estn restringidos por los campos de contenido que se estudian en clase, sus soluciones no son predecibles ni convergentes. Estos problemas requieren a menudo la
integracin de varios campos de contenido. Las soluciones a problemas como la contaminacin medioambiental requieren componentes de matemticas, ciencia, poltica y psicologa. Pueden darse
muchas soluciones alternativas. Los problemas mal estructurados tienen unos objetivos vagamente definidos o poco claros, y restricciones
no expuestas; tienen muchas soluciones, vas de solucin o ninguna
solucin y requieren que los estudiantes expresen su opinin personal o sus creencias sobre el problema, as que hablamos nicamente
de actividades humanas interpersonales (Jonassen, 1997).
Los investigadores han asumido desde hace tiempo que aprender a
solucionar problemas bien estructurados se transfiere de manera po-

ANOTACIONES

sitiva hacia el aprendizaje de problemas mal estructurados. Mientras


que las teoras del procesamiento de informacin han credo que en
general, los procesos utilizados para resolver problemas mal estructurados son los mismos que los utilizados para los problemas bien
estructurados (Simon, 1978, p. 287), investigaciones recientes de la
solucin de problemas diarios aclaran que existen marcadas diferencias entre el pensamiento necesario para resolver problemas convergentes y el que sirve para resolver problemas diarios. Dunkle,
Schraw, y Bendixen (1995) concluyen que solucionar problemas bien
definidos es independiente de realizar tareas mal definidas, y que los
47

Del docente presencial al docente virtual

FUOC P06/M1104/01593

problemas mal definidos requieren un conjunto distinto de creencias


epistmicas. Hong, Jonassen, y McGee (en prensa) observan que resolver problemas mal estructurados en una simulacin requiere diferentes habilidades que resolver problemas bien estructurados, entre
las cuales se encuentran la metacognicin y la argumentacin. Jonassen y Kwon (2001) afirman que las pautas de comunicacin en
equipos difieren a la hora de solucionar problemas bien y mal estructurados. Es evidente que hace falta ms investigacin que justifique
estas observaciones, pero es obvio que estos dos tipos de problemas
requieren habilidades intelectuales distintas.

2.2.2. Complejidad
De la misma manera que los problemas mal estructurados son ms difciles de solucionar que los que estn bien estructurados, los problemas
complejos tambin son ms difciles de resolver que aquellos ms sencillos. Existen tres dimensiones dentro de la complejidad de los problemas: el nmero de temas, funciones y variables que actan en el
problema; el nmero de interacciones dentro de estos temas, funciones
o variables; y la predictibilidad del comportamiento de estos temas, funciones o variables. Aunque la complejidad y estructuracin pueden coincidir, la complejidad se refiere ms a la manera como muchos
componentes se representan de forma implcita o explcita dentro del
problema, cmo interactan y cmo se comportan de forma consistente. Cuanto ms complejo sea un problema, ms difcil ser procesar activamente los componentes del mismo para quien quiera resolverlo. Los
problemas bien estructurados, como los problemas matemticos y cientficos de los libros de texto, no son demasiado complejos, implican un
conjunto restringido de factores o variables. Aunque los problemas mal
estructurados tienden a ser ms complejos, tambin sucede que los que
estn bien estructurados pueden ser extremadamente complejos y los

ANOTACIONES

mal estructurados, muy sencillos. Por ejemplo, el ajedrez y el bridge son


problemas bien estructurados muy complejos y, en cambio, elegir qu
ponerse (al menos para m) es un problema sencillo mal estructurado.
Muchos problemas, como hacer funcionar un negocio de venta al por
menor, representan un complejo o conjunto de problemas ms sencillos. Los problemas en contextos de la vida diaria o profesional suelen
ser complejos, as que, a la hora de analizar cualquier contexto problemtico, hay que identificar tanto su complejidad como los problemas
que lo constituyen.
48

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

2.2.3. Especificidad de campo (abstractos-situados)


Las teoras e investigaciones actuales de la solucin de problemas
afirman que las habilidades para resolver problemas son especficas
del dominio y del contexto, es decir, estn situadas, integradas, y por
eso dependen de la naturaleza del contexto o dominio. Esto es as
porque solucionar problemas dentro de un campo se basa en unas
estrategias cognitivas (mtodos fuertes) especficas del dominio (Mayer, 1992; Smith, 1991; Sternberg y Frensch, 1991). Otros estudios
contradicen esta idea de la especificidad del dominio a la hora de
resolver problemas. Lehman, Lempert, y Nisbett (1988) han concluido que existen diferentes formas de razonamiento que se ensean en
distintas disciplinas universitarias.

Ejemplo

Por ejemplo, los alumnos licenciados en las ciencias de


probabilidad de la Psicologa y la Medicina resuelven
mejor los problemas de razonamiento estadstico, metodolgico y condicional de la vida diaria que los estudiantes de Derecho y Qumica, que no aprenden estas
formas de razonamiento.

El razonamiento se adquiere mejor mediante el desarrollo de esquemas de razonamiento pragmtico que con ejercicios de lgica formal.
Es decir, los estudiantes de estos dominios desarrollan habilidades de
razonamiento mediante la solucin de problemas mal estructurados
que requieren formas de lgica especficas del dominio; no queda claro cmo se efecta realmente esta solucin de problemas especfica

ANOTACIONES

de cada dominio.

Los problemas mal estructurados suelen estar ms situados, mientras que los que estn bien estructurados son ms abstractos. Sin
embargo, no es algo fijo, y los problemas bien estructurados, en
forma de problemas matemticos, pueden estar bastante situados,
mientras que los problemas mal estructurados, en forma de dilemas, pueden ser bastante abstractos. En este captulo, propongo y
describo seguidamente una tipologa de solucin de problemas.
Esta tipologa asume que hay semejanzas en algunos de los procesos cognitivos de los distintos problemas. Tambin asumo que
49

Del docente presencial al docente virtual

FUOC P06/M1104/01593

algunas estrategias de instruccin, hasta cierto punto, pueden generalizarse a travs de los tipos de problemas.

2.3. Tipologa de solucin de problemas

La tabla 1 es una lista horizontal de once tipos diferentes de problemas,


incluyendo problemas lgicos, algortmicos, matemticos, problemas
que usan reglas, problemas de toma de decisiones, problemas de mediacin, problemas de diagnosis-solucin, actuaciones tcticas/estratgicas, problemas polticos o de anlisis de casos ubicados, problemas
de diseo y dilemas. Esta gama describe un continuo de problemas,
desde los que estn bien estructurados hasta los mal estructurados.
Dentro de cada categora, los problemas pueden variar en abstraccin
y complejidad. El resultado de aprendizaje de cada tipo de problema
se describe en la siguiente fila de la tabla; luego aparece una lista de
los tipos de problemas, que describen brevemente los requisitos de
proceso cognitivo de cada uno. La siguiente fila es una lista de los tipos
de soluciones.

Los problemas bien estructurados se centran en soluciones correctas, eficaces, mientras que los mal estructurados se fijan ms en la
articulacin y argumentacin de decisiones. Los problemas pueden
variar desde problemas lgicos y algoritmos con soluciones exactas, hasta dilemas que no tienen una solucin verificablemente correcta. Seguidamente, hay una lista de la funcin que ejerce el
contexto de los problemas. El contexto es de vital importancia a la
hora de definir problemas mal estructurados y en cambio, los problemas bien estructurados quitan nfasis a la funcin del contexto.
En la tabla 1 tambin hay una lista de ejemplos breves de cada tipo

ANOTACIONES

de problema; las dos ltimas filas describen el nivel de estructuracin y abstraccin que normalmente se encuentra en estos problemas. La complejidad vara mucho dentro de cada clase de
problema que hay que describir. Esta tabla presenta una visin general de los diferentes tipos de problemas que los educadores y estudiantes deben aprender a solucionar.

50

51

Abstracto,
procedimental

Procedimental
predecible

Abstracto,
formulista

La respuesta o
el producto es
igual en valor y
forma

Frmula o
procedimiento

Secuencia
procedimental
de
manipulaciones;
proceso
algortmico
aplicado a
conjuntos
similares de
variables;
clculo o
produccin de
respuestas
correctas

Algoritmo

ANOTACIONES

Abstracto,
descubierto

Tarea abstracta

Contexto

Nivel de
abstraccin

Manipulacin
eficaz;
movimientos o
manipulaciones
requeridos

Criterios
de xito

Descubierto

Perplejidad

Entradas

Nivel de
estructuracin

Control lgico y
manipulacin
de variables
limitadas;
resolver la
perplejidad

Problema
lgico

Actividad de
aprendizaje

Tipo de
problema

Tabla 1. Tipos de problemas

Simulacin
limitada

Clases de
problemas bien
definidas;
procedimental
predecible

De elementos
restringidos a
los predefinidos,
contexto
superficial

La respuesta o
el producto es
igual en valor y
forma; se ha
usado el
algoritmo
correcto

Historia con
frmula o
procedimiento
fijados

Desambiguar
variables;
seleccionar y
aplicar
algoritmos para
producir la
respuesta
correcta
mediante el
mtodo
prescrito

Problema
matemtico
narrado

Basado en
necesidades

Resultado
imprevisible

Determinado,
acadmico,
mundo real,
restringido

Productividad(n
mero de
respuestas o
productos
relevantes o
tiles)

Situacin en un
sistema
restringido;
reglas limitadas

Proceso
procedimental
restringido por
normas;
seleccionar y
aplicar reglas
para producir
respuestas o
productos de
sistemas
restringidos

Problemas que
usan reglas

Situado
personalmente

Resultados
finitos

Decisiones de la
vida

La respuesta o
el producto es
igual en valor y
forma

Situacin de
decisin con
soluciones
alternativas
limitadas

Identificacin de
beneficios y
lmites; valorar
opciones;
seleccionar
alternativas y
justificar

Toma de
decisiones

Situado por
problema

Fallos y
resultados
finitos

Sistema
cerrado, mundo
real

Identificacin de
fallo(s); eficacia
del aislamiento
de fallo(s)

Sistema con un
mal
funcionamiento
con uno o ms
fallos

Examinar el
sistema; hacer
pruebas; valorar
resultados;
hacer hiptesis y
confirmar falsos
estados con
estrategias
(sustitucin,
eliminacin en
serie,
separacin de
espacio)

Problema de
resolucin de
dificultades

Situado por
problema

Fallos y
resultados
finitos

Mundo real,
tcnico, sobre
todo sistema
cerrado

Estrategia
usada;
efectividad y
eficacia de
tratamiento;
justificacin del
tratamiento
escogido

Sistema
complejo con
fallos y varias
soluciones
opcionales

Fallos del
sistema de
mediacin;
seleccionar y
valorar las
opciones de
tratamiento y
controlar;
aplicar
esquemas de
problemas

DiagnosisSolucin

Situado por
contexto

Estrategias mal
estructuradas;
tcticas bien
estructuradas

Actuacin a
tiempo real

Conseguir el
objetivo
estratgico

Actuacin
compleja a
tiempo real con
necesidades
competitivas

Aplicar tcticas
para llegar a
estrategias en
tiempo real,
actuaciones
complejas
manteniendo la
conciencia
situacional

Actuacin
estratgica

Situado por
caso

Mal
estructurado

Mundo real,
restringido

Mltiple, poco
claro

Sistema
complejo a
tiempo libre con
muchos
objetivos mal
definidos

Identificar
soluciones,
actuaciones
alternativas,
argumentar la
posicin

Anlisis de
casos

Situado por
problema

Mal
estructurado

Mundo real,
complejo;
niveles de
libertad;
entrada limitada
y reaccin

Criterios
mltiples,
indefinidos; no
hay correcto o
incorrecto slo
mejor o peor

Declaracin
vaga de
objetivos con
pocas
restricciones;
requiere
estructuracin

Actuar sobre los


objetivos para
producir
artefactos;
estructuracin y
articulacin de
problemas

Diseos

Situado por
tema

Resultados
finitos, mltiple
razonamiento

Tpico,
complejo, interdisciplinario

Preferencia
articulada con
alguna
justificacin

Situacin con
posiciones
antinmicas

Reconciliar las
decisiones
complejas, no
previsibles y
molestas sin
solucin;
perspectivas
irreconciliables

Dilemas

Procesos de aprendizaje mediante las TIC


FUOC P06/M1104/01593

Del docente presencial al docente virtual

FUOC P06/M1104/01593

2.3.1. Problemas lgicos


Los problemas lgicos suelen ser pruebas abstractas de la lgica que
desconcierta al estudiante. Se utilizan para apoyar la agudeza mental, la claridad y el razonamiento lgico.
Ejemplo

Juegos clsicos como Misioneros y Canbales o La Torre


de Hanoi desafan al estudiante para que encuentre la
secuencia de accin ms eficaz (el menor nmero de
movimientos). El cubo de Rubic era un juego que se
hizo popular en los aos setenta, con el cual el usuario
deba hacer girar las filas y columnas de un cubo tridimensional para crear composiciones de colores.

En cada uno de estos juegos, hay un mtodo especfico de razonamiento que lleva a la solucin ms eficaz. Es el estudiante quien debe
descubrir este mtodo. Los estudios han demostrado que no hay
transferencia de soluciones de estos problemas a problemas idnticos (Hayes y Simon, 1977; Reed, Ernst, y Banerji, 1974). Este tipo de
problemas se ha usado sobre todo para investigar procesos de solucin de problemas, a pesar de que no haya posibilidad de transferencia a problemas de la vida cotidiana o profesional.

2.3.2. Problemas algortmicos


Uno de los tipos de problemas ms comunes en las escuelas es el algoritmo. En la mayora de cursos de matemticas, los estudiantes
aprenden a resolver problemas mediante un conjunto rgido y finito
de procedimientos, con decisiones limitadas y predecibles. Solucio-

ANOTACIONES

nar algoritmos requiere comprensin, produccin numrica y clculo


(McCloskey, Caramaza, y Basili, 1985). Los sistemas de procesamiento de nmeros de los estudiantes, que consisten en comprensin
y produccin de nmeros, son la comprensin intelectual que complementa los procedimientos de clculo. Los clculos, segn McCloskey y otros (1985) requieren comprender operaciones (por ejemplo,
propiedades asociativas y conmutativas y conceptos de multiplicacin y divisin), procedimientos de ejecucin para el clculo y la recuperacin de hechos aritmticos (por ejemplo, tablas de tiempos).
52

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Estos enfoques algortmicos tambin se usan frecuentemente en cursos de ciencias o de economa domstica.
La primera limitacin de los enfoques algortmicos es su dependencia excesiva de las estructuras de conocimiento procedimental y la
falta o ausencia de comprensin conceptual de los objetivos del algoritmo y los procedimientos que requiere. El contenido que slo se
aprende como procedimiento raras veces puede transmitirse por la
falta de comprensin conceptual del proceso subyacente. sta es una
queja bastante comn sobre el aprendizaje de estadsticas, en el cual
los profesores se centran en los algoritmos y olvidan el objetivo del
estudio del anlisis estadstico.

2.3.3. Problemas narrados


En un intento de situar los algoritmos en una especie de contexto,
muchos autores de libros de texto y profesores utilizan los problemas
matemticos. Normalmente, este proceso consiste en fijar los valores
que se necesitan para resolver un algoritmo en una situacin o narracin breve. Se pide a los estudiantes que seleccionen la frmula
ms adecuada para resolver el problema, que extraigan los valores
de la narracin y los inserten en la frmula, resolviendo la cantidad
desconocida. Se trata de un proceso cognitivo ms complejo que seguir un algoritmo procedimental. Desgraciadamente, la narracin
del problema a menudo no tiene ningn inters para el estudiante.
Por esta razn, cuando intentan transferir las habilidades para solucionar problemas matemticos a otros problemas, se centran demasiado en las caractersticas superficiales o recurren a soluciones
familiares que han utilizado en problemas previos (Woods, Hrymak,
Marshall, Wood, Crowe, Hoffman, Wright, Taylor, Woodhouse, y

ANOTACIONES

Bouchard, 1997). No llegan a entender los principios y las aplicaciones conceptuales subyacentes en la actividad y tampoco pueden
transferir la habilidad de resolver un tipo de problema a otros problemas que tienen la misma estructura pero caractersticas distintas.

2.3.4. Problemas que usan reglas


Una cantidad importante de problemas tienen soluciones correctas
pero mltiples vas de solucin o mltiples reglas que dirigen el pro53

Del docente presencial al docente virtual

FUOC P06/M1104/01593

ceso de solucin. Suelen tener un propsito u objetivo claro que es


restrictivo, pero no restringido a un procedimiento o mtodo especfico. Los problemas que usan reglas pueden ser tan sencillos como
una receta para acoger a ms invitados, o tan complejos como rellenar las declaraciones de devolucin de impuestos. Utilizar un sistema de bsqueda en lnea para localizar informacin importante en
la web es un ejemplo de problemas que usan reglas. El objetivo es
claro: encontrar la informacin ms relevante en el menor tiempo.
Ello requiere seleccionar los trminos de bsqueda, construir argumentos de bsqueda eficaces, implementar la estrategia de bsqueda y valorar la utilidad y credibilidad de la informacin encontrada.
Schacter, Chung, y Dorr (1998) han revelado que los estudiantes raramente utilizan estrategias de bsqueda sistemtica y pasan muy
poco tiempo o nada planendolas. sta es la esencia de la bsqueda
orientada con reglas. Por el hecho de que hay mltiples estrategias
de bsqueda, los problemas que usan reglas pueden llegar a estar
decididamente mal estructurados.

2.3.5. Problemas de toma de decisiones


Los problemas de toma de decisiones normalmente se resumen en
decisiones con un nmero de soluciones limitadas. Por ejemplo, nos
movemos en la direccin adecuada para aceptar una promocin?
Qu plan de salud escogemos? Qu escuela es mejor para mis hijos? Aunque estos problemas tienen un nmero limitado de soluciones, el nmero de factores que pueden considerarse a la hora de
decidir entre stas, as como la importancia que damos a cada una,
puede ser muy complejo. Los problemas de toma de decisiones normalmente requieren comparar y contrastar las ventajas e inconvenientes de las soluciones alternativas. Las decisiones se justifican por

ANOTACIONES

la importancia que se concede a cada uno de estos factores.

2.3.6. Problemas de resolucin de dificultades


La resolucin de dificultades o averas es una de las formas ms comunes de solucionar problemas cotidianos. Mantener comunicaciones complejas y equipamientos informticos requiere de esta
habilidad de resolucin, como por ejemplo eliminar un virus de un
programa informtico. El objetivo principal de la resolucin de difi54

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

cultades es la diagnosis de estados falsos. Es decir, hay una parte de


un sistema que no funciona correctamente, y ello crea sntomas que
deben diagnosticarse y corresponder con el conocimiento del usuario sobre los distintos estados falsos. La resolucin de dificultades supone utilizar sntomas para generar y probar hiptesis sobre distintos
estados falsos.
Esta habilidad requiere una combinacin de conocimiento dominante y de sistemas (modelos conceptuales del sistema); estrategias de
resolucin de dificultades como buscar-y-sustituir, la eliminacin en
serie y la particin del espacio, y la experiencia (representada en el
razonamiento basado en casos). Estas habilidades se integran y se
organizan a partir de las experiencias del localizador de problemas.
El modelo conceptual consiste en un conocimiento conceptual, funcional y declarativo, incluyendo el conocimiento de componentes del
sistema y de interacciones, el control de movimiento, los falsos estados (caractersticas falsas, sntomas, informacin contextual y probabilidades de ocurrencia) y los procedimientos de comprobacin de
fallos.

2.3.7. Problemas de solucin y diagnosis


Los problemas de solucin y diagnosis se parecen a los de resolucin
de dificultades; la mayora de estos problemas requieren la identificacin de un estado falso. Sin embargo, en el caso de la resolucin
de dificultades o averas, el objetivo es reparar el fallo y volver a tener
el sistema en lnea lo ms rpido posible, o sea, que las estrategias
de solucin son ms restrictivas. Los problemas de solucin y diagnosis normalmente empiezan con un estado falso similar al de la re-

ANOTACIONES

solucin de dificultades (por ejemplo, sntomas de una persona


enferma). El mdico examina al paciente y estudia su historial antes
de hacer un diagnstico inicial. En una espiral de recogida de datos,
en la generacin de hiptesis y la comprobacin, el mdico se centra
en una etiologa especfica y un diagnstico diferencial del problema
del paciente. En este punto, el mdico ya puede sugerir una solucin.
A menudo existen mltiples soluciones y vas de solucin, por lo que
el mdico debe justificar una solucin concreta. Esta ambigedad en
las vas de solucin es lo que distingue los problemas de solucin y
diagnosis de los de resolucin de dificultades.
55

Del docente presencial al docente virtual

FUOC P06/M1104/01593

2.3.8. Actuaciones estratgicas


La actuacin tctica-estratgica requiere tiempo real, estructuras de
actividades complejas en las que los actores recurren a actividades
tcticas para encontrar una estrategia ms compleja y mal estructurada manteniendo la conciencia situacional. Para llegar al objetivo
estratgico, como cuando uno pilota un avin comercial o un quarterback (corredor de rugby) contraataca una falta de ftbol profesional, el actor aplica una serie de actividades tcticas complejas que se
han diseado para llegar a unos objetivos estratgicos. La formacin
de estrategias representa un caso ubicado o un problema de diseo
(descrito a continuacin). Encontrar esta estrategia mediante maniobras tcticas es una actuacin tctica. Tpicamente, existe un nmero
limitado de actividades tcticas que se han diseado para cumplir la
estrategia, pero la prueba de que un actor tctico es experto radica
en su habilidad para improvisar y construir nuevas tcticas para llegar a la estrategia. El quarterback que grita en la lnea est eligiendo
una nueva tctica para llegar a la estrategia ofensiva. En el campo
de batalla, los oficiales superiores identifican una estrategia y pueden negociar cuestiones tcticas con el actor, pero todos se dan
cuenta de que las tcticas deben ajustarse. Estos ajustes son contextualmente restringidos. Las actuaciones tcticas pueden ser bastante
complejas. Las opciones pueden ser numerosas y su implementacin
bastante compleja.

2.3.9. Problemas polticos y de anlisis de casos ubicados


Los problemas de anlisis de casos son situaciones multifacticas
complejas. Lo que hace que sean problemas difciles de resolver
es que no siempre est claro cul es el problema. El hecho de que
la definicin del espacio del problema sea ms ambigua hace que

ANOTACIONES

estos problemas estn peor estructurados. Son el tipo de problema ms comn en contextos profesionales; requieren que la persona exprese la naturaleza del problema y las distintas
perspectivas que influyen en el mismo antes de sugerir soluciones
(Jonassen, 1997). De todos los problemas que hemos estudiado
hasta ahora, ste es el tipo de problema ms vinculado al contexto; es decir, sus soluciones dependen de un anlisis de factores
contextuales. Solucionar problemas econmicos, como la planificacin de la produccin, se engloban en este tipo. Decidir los ni56

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

veles de produccin, por ejemplo, requiere equilibrar los recursos


humanos, las tecnologas, los inventarios y las ventas (Jonassen,
Privish, Christy, y Stavrulaki, 1999). Tambin encontramos ejemplos clsicos de problemas de anlisis de casos en las relaciones
internacionales, como por ejemplo:

aaa
[...] dada la baja productividad de cosechas en la
Unin Sovitica, cmo podra una persona ocuparse
de mejorar la productividad de la cosecha si fuera director del Ministerio de Agricultura en la Unin Sovitica? (Voss y Post, 1988, p. 273)

Los problemas en las relaciones internacionales implican tomar decisiones, generar soluciones y comprobarlas en un contexto poltico.
Justificar decisiones es uno de los procesos ms importantes dentro
de la solucin de problemas de anlisis de casos.

2.3.10. Problemas de diseo


Uno de los tipos de problemas peor estructurados es el hecho de
disear algn objeto. Ya sea un circuito electrnico, una casa o
cualquier otro producto o sistema, el diseo requiere aplicar una
gran cantidad de conocimiento dominante con mucho conocimiento estratgico para llegar a un diseo original. El diseo instruccional es un ejemplo clsico de solucin de problemas mal
estructurados. A pesar de nuestra lealtad para disear modelos,
en cualquier problema de diseo instruccional existen un nmero
infinito de soluciones posibles. Adems, aunque hay quien opina

ANOTACIONES

lo contrario, no disponemos de suficientes estudios que apoyen


algn modelo en distintas situaciones. Para los diseadores sin
experiencia no queda claro qu modelo es el ms apropiado. Y
los criterios que exponen la mejor solucin no siempre son obvios,
as que las habilidades en la argumentacin y justificacin pueden
ayudar a los diseadores o diseadoras a racionalizar su diseo.
Aunque ellos/ellas siempre esperan la mejor solucin, sta pocas
veces llega a conocerse. Adems de su mala estructuracin, muchos problemas de diseo son complejos y requieren que el diseador equilibre muchas necesidades y restricciones al llevarlo a
57

Del docente presencial al docente virtual

FUOC P06/M1104/01593

cabo. No podemos quitar importancia a este tipo de problemas.


La mayora de profesionales cobran por disear objetos (productos, sistemas, etc.), y no por hacer exmenes. Un objetivo importante en los planes de estudio actuales es que se adquiera ms
experiencia en este tipo de problemas.

2.3.11. Dilemas
Los dilemas o problemas basados en temas son los ms impredecibles y mal estructurados, sobre todo porque no hay ninguna solucin
que sea aceptable para una parte importante de las personas afectadas.
Ejemplo

La crisis de Kosovo es un ejemplo muy claro de un problema de dilema. Normalmente, hay muchas perspectivas sobre la situacin (militar, poltica, social, tica,
etc.) y ninguna es capaz de aportar una solucin aceptable a la crisis. La situacin es tan compleja e impredecible que no se puede encontrar una solucin que
sea mejor que las otras. Ello no quiere decir que no
haya soluciones que pueden intentarse con grados variables de xito, pero ninguna de ellas cubrir las necesidades de la mayora o evitar la catstrofe.

Los dilemas suelen ser situaciones sociales complejas con perspectivas conflictivas, y normalmente son los problemas que crean ms
perplejidad.

ANOTACIONES
58

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

3. Entornos de aprendizaje de resolucin


de problemas en lnea

Encontramos problemas en todas partes, de tal manera que gastamos buena parte de nuestra energa psicolgica en resolverlos.
Mientras que a muchos de nosotros no nos gusta admitir que tenemos problemas, la realidad es que los solucionamos diariamente.
Qu me pongo para ir a trabajar? Cul es el mejor camino para
evitar el trfico? Cmo hacer que mi jefe no me regae? Qu podemos comer esta noche? Cmo podemos promocionar este producto para maximizar los ingresos? Cmo hago que los estudiantes
dejen de hablar en clase? Estamos inundados de problemas cada
da. Desgraciadamente, raras veces nos ensean a solucionarlos.
En esta seccin, describiremos los requisitos bsicos para disear entornos de aprendizaje en lnea que ayuden a las personas a solucionar
diferentes tipos de problemas. El hecho de que cada tipo de problema
descrito anteriormente requiere un proceso de pensamiento distinto
para llegar a una solucin, hace que cada uno deba ensearse de una
forma distinta. Anteriormente, hemos descrito once tipos de problemas, pero por cuestin de espacio slo voy a describir tres clases de
entornos de aprendizaje para la resolucin de los mismos. Describir,
en trminos generales, cmo deberan ser los entornos de aprendizaje
en lnea para que permitan aprender a resolver problemas matemticos, problemas de resolucin de dificultades y problemas de anlisis
de casos. En la actualidad todava estamos desarrollando modelos

ANOTACIONES

que permitan ensear a resolver otros tipos de problemas.

3.1. Problemas narrados


El mtodo ms comn para ensear a solucionar problemas matemticos es el que consiste en traducir las historias a frmulas y entonces
solucionar lo desconocido. Los estudiantes pueden llegar a ser muy
hbiles a la hora de representar problemas cuantitativamente sin entender los principios subyacentes que representan las frmulas.
59

Del docente presencial al docente virtual

FUOC P06/M1104/01593

aaa
Durante aos, el profesor de fsica Eric Mazur crey
firmemente que los estudiantes de su curso introductorio de fsica de la Universidad de Harvard estaban entendiendo la materia; despus de todo, conseguan
excelentes resultados en los difciles problemas cuantitativos de los exmenes. (Panitz, 1998, p. 17)
Cuando les dio un examen diseado para valorar su conocimiento bsico de los conceptos de fsica representados en los problemas, qued muy sorprendido por el fracaso. Aparentemente,
muchos estudiantes simplemente haban memorizado ecuaciones
y procedimientos para resolver problemas sin entender los conceptos que haba escondidos. Este resultado ocurre inevitablemente cuando los estudiantes usan un enfoque de aplicacin
directa (plug and chug) (introducir valores en las frmulas y encontrar directamente la solucin) para resolver problemas matemticos. Por qu ocurre esto? Porque plug and chug no requiere
habilidades como la interpretacin de conceptos o la generacin
de representaciones que generan problemas, imprescindibles
para el aprendizaje significativo (Jonassen, 2001). Cada tipo de
solucin de problemas requiere que el estudiante construya una
especie de modelo mental del problema y que base sus planes de
solucin en su modelo. Es importante que los estudiantes demuestren que entienden conceptualmente el problema antes de elegir
una frmula (Reusser, 1993).
En las siguientes pginas, describiremos, justificaremos y ejemplificaremos un modelo para crear entornos de aprendizaje que ayuden a
los estudiantes a aprender a resolver problemas conceptual y cuan-

ANOTACIONES

titativamente. Cada componente dispone tambin de una breve descripcin posterior de cmo funcionan los entornos de aprendizaje de
problemas matemticos.

3.1.1. Tipo de problema y tipologa


La construccin de un modelo conceptual de la solucin de problemas resulta difcil porque cada tipo de problema tiene un mo60

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

delo distinto. Existen distintos tipos de problemas clsicos de


movimiento en matemticas, como el adelantamiento (un vehculo arranca y le sigue otro vehculo que hace el mismo trayecto a
ms velocidad), direccin opuesta (dos vehculos que salen del
mismo punto y van en direccin opuesta), viaje de ida y vuelta (el
vehculo va del punto A al B y vuelve), o cierre (dos vehculos que
arrancan en dos puntos distintos y viajan el uno hacia donde est
el otro) (Mayer, Larkin, y Kadane, 1984). Cada tipo de problema
tiene un conjunto de relaciones estructurales entre las entidades
que requieren operaciones distintas. Es esencial que los estudiantes construyan modelos conceptuales que demuestren que han entendido las relaciones entre las entidades que establece el
problema. Deben aprender las estructuras de cada tipo de problema que intentan solucionar. Clasificar tipos de problemas es bsico para entender y transferir la solucin de problemas (Mayer,
Larkin, y Kadane, 1984). Por qu? Porque los principiantes suelen clasificar los problemas basndose en el contenido superficial
(las entidades situacionales que establece el problema) y no las
relaciones fijadas en los principios, y ello provoca una mala categorizacin del tipo de problema (Blessin y Ross, 1996). Clasificar
problemas es importante porque, como han revelado Mayer y
otros (1984), cuando los estudiantes categorizan incorrectamente
los problemas, es ms probable que cometan errores.
En casi todos los campos donde utilizan problemas matemticos, los
investigadores han desarrollado tipologas de problemas. Incluso los
problemas matemticos ms elementales pueden clasificarse como
problemas de cambio, de comparacin o de combinacin (Riley y
Greeno, 1983).

ANOTACIONES

Ejemplo

Un problema de comparacin en el que se desconoce


la cantidad de cambio podra ser ste:
Tom tiene cuatro manzanas.
Mary tiene algunas manzanas.
Juntos, tienen nueve manzanas.
Cuntas manzanas tiene Mary?
61

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Mayer (1982) ha analizado miles de problemas de los libros de


lgebra de los institutos para encontrar semejanzas estructurales.
Ha identificado ocho familias de problemas matemticos: problemas de clculo de tiempo, problemas de coste unitario, problemas de coste porcentual, clculo directo, geomtricos (rea
simple), fsicos (ley de Ohm), estadsticos (combinaciones) y problemas numricos. En cada familia de problemas, Mayer identifica categoras de problemas. Por ejemplo, en los problemas de
clculo de tiempo identifica problemas de movimiento, problemas
actuales y problemas laborales. En cada una de estas categoras
identifica plantillas de problemas que comparten caractersticas
similares. Por ejemplo, dentro de los problemas de movimientos,
identifica plantillas como el adelantamiento, la direccin opuesta,
el viaje de ida y vuelta, el cierre, el cambio de velocidad, la misma
direccin, etc. La estructura para los problemas de movimiento de
adelantamiento especifica que un vehculo arranca y le sigue
otro vehculo que hace el mismo trayecto a ms velocidad (p.
156). Para ensear a los estudiantes a resolver problemas de este
tipo en cualquier campo, hay que construir tipologas similares de
tipos de problema para ensear explcitamente semejanzas y diferencias estructurales entre problemas.
Ejemplo

Para disear y desarrollar entornos de aprendizaje


de problemas matemticos en la fsica introductoria,
construimos la tipologa de problemas de la figura
11. El organizador grfico se usa para estructurar el
entorno de aprendizaje. Cuando el estudiante se encuentra con el problema, debe usar primero esta tipologa y clasificar el problema. Si se hace un doble
clic en cada tipo de problema, aparecen ejemplos,

ANOTACIONES

as como los principios subyacentes de la fsica. Poner nfasis en las propiedades estructurales de los
problemas y contrastarlos con otros del mismo campo impulsa las habilidades del estudiante para generalizar problemas dentro de la clase y discrimina
entre aquellas clases que se basan ms en las propiedades estructurales de los problemas que en el nivel superficial y las caractersticas situacionales (Chi,
Feltovich, y Glaser, 1981; Silver, 1981).
62

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

ANOTACIONES

Figura 11. organizador grfico de problemas fsicos.

La figura 12 ilustra la estructura de un entorno de solucin de un problema matemtico (ESPM). A continuacin, describiremos cada uno
de los componentes del entorno.

63

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Figura 12. Estructura de un entorno de solucin


a un problema matemtico.

3.1.2. Clasificacin de problemas


Cuando se trabaja en un entorno de solucin de problemas matemticos (ilustrado en la figura 13), los estudiantes deben elegir el tipo
de problema que creen que lo describe mejor, utilizando el men
para bajar en la parte izquierda superior de la pantalla. En este caso,
el estudiante utiliza correctamente el clasificador de problemas para

ANOTACIONES

seleccionar la cinemtica, seguidamente, la velocidad constante y


luego, la bidimensional.

64

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Figura 13. Entorno de solucin de problemas matemticos en el campo


de la fsica.

3.1.3. Problema verbal


El estudiante visualiza el problema en el entorno de solucin de problemas matemticos (ESPM) en ingls, Story-problem-solving enviroment (SPSE) en la esquina superior derecha de la figura 13. ste
es el problema que se ha clasificado como un problema bidimensional de velocidad constante. El problema permanece siempre en la
ventana de la parte superior derecha para que el estudiante pueda
ir adelante y atrs pasando de una representacin a otra.

3.1.4. Identificador del conjunto


Como hemos dicho antes, para construir una representacin interna del
problema, los estudiantes deben construir un modelo conceptual interno

ANOTACIONES

del mismo. Este modelo consiste en los conjuntos importantes que lo


configuran. Analizar cualquier problema matemtico requiere identificar los conjuntos que son importantes para la solucin del problema y
asignarles un valor (Briars y Larkin, 1984; Riley y Greeno, 1988). Completar y asignar valores a estas proposiciones promueve la construccin
de distintos modelos para cada tipo de problema (Mayer, 1982).
Para usar el identificador del conjunto, el estudiante subraya las entidades y sus cantidades en el espacio del problema verbal en la es65

Del docente presencial al docente virtual

FUOC P06/M1104/01593

quina superior derecha de la figura 13 y traslada cada valor del


problema al identificador del conjunto. De manera automtica, se
crea un conjunto, que consiste en tres cajas ms pequeas. El estudiante debe identificar el objeto, la cantidad y las unidades que describen el objeto. En la figura 14 se han identificado tres conjuntos
(velocidad inicial, ngulo de proyeccin y lanzamiento).

3.1.5. Modelo estructural

aaa
Una persona que trabaja en problemas de fsica debe
poder reconocer las estructuras subyacentes de los problemas, generar representaciones adecuadas para el
descubrimiento de soluciones y hacer inferencias de estas representaciones. (Anzai, 1991, p. 83)

Los principios subyacentes de la fsica, como en todos los campos,


pueden predecirse por las relaciones causales entre conceptos. En fsica, cada tipo de problema tiene un modelo estructural que representa una combinacin distinta de entidades interrelacionadas
mediante formas nicas.
Una vez seleccionado el tipo de problema e identificados los conjuntos, el estudiante traslada y lanza los conjuntos desde el identificador
del conjunto hasta el modelo estructural (titulado Determinar relaciones causales, parte superior izquierda en la figura 14). El modelo
describe los componentes causales y estructurales del problema.
Aunque se parecen al tipo de estructuras de conocimiento que Bagno, Eylon y Ganiel (2000) usaban para demostrar estructuras de conocimiento experto, estos modelos se centran en la descripcin de

ANOTACIONES

relaciones causales entre componentes del problema. Los estudiantes, en este problema, han de ir arrastrando de velocidad inicial a velocidad inicial sucesivamente. Si arrastran y dejan un conjunto en un
elemento equivocado del modelo estructural, aparece un cuadro explicatorio. Aunque este paso puede parecer redundante, sirve para
poner nfasis en las relaciones conceptuales del problema antes de
mapear los valores en frmulas. Por qu es importante? Ploetzner,
Fehse, Kneser, y Spada (1999) demostraron que al solucionar problemas matemticos en fsica, las representaciones cualitativas del
problema son necesarias para aprender representaciones cuantitati66

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

vas. Por lo tanto, los estudiantes deberan mapear valores de los problemas y convertirlos en representaciones cualitativas (causales) del
problema antes de mapear los valores y convertirlos en frmulas.

Figura 14. Prototipo de entorno para la solucin de problemas matemticos


en el campo de la fsica.

Otro motivo para mapear entidades en un modelo estructural es


que los estudiantes muy pocas veces reconcilian los modelos estructurales y situacionales del problema (estos ltimos descritos a
continuacin). As, en el ESPM son adyacentes, y el hecho de permitir al estudiante comparar y contrastar los modelos situacionales y estructurales aportar un modelo mental ms rico del tipo de
problema. Los que mejor solucionan los problemas matemticos
son aquellos capaces de integrar los modelos situacionales y estructurales, porque ambos son importantes para la solucin de

ANOTACIONES

problemas.

3.1.6. Constructor de ecuaciones


A partir del modelo estructural, los estudiantes asignan valores de
este modelo a la ecuacin, utilizando el constructor de ecuaciones (figura 13). Para utilizar el constructor de ecuaciones, hay que arrastrar
los valores desde el modelo estructural hasta el espacio de la ecuacin, cancelar y reorganizar las variables. Una vez completada la
frmula, hay que hacer clic encima del botn de calcular.
67

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Para comprobar la exactitud de los valores y de la frmula, un mapa


de vector animado har aparecer los resultados en la ventana de Solucin de la serie. Nathan, Kintsch, y Young (1992) demostraron que
los estudiantes que vean resultados animados sobresalan por encima
de los que tenan un entorno inanimado, y reconocan una solucin
correcta, generaban ecuaciones a partir de textos y diagnosticaban
errores.

3.1.7. Modelo situacional


Los estudiantes visualizan el modelo situacional (llamado Visualizar
problema, en las figuras 12 y 13). Aunque muchos psiclogos creen
que las caractersticas superficiales del problema slo distraen a los
estudiantes y les impiden entender la estructura ms profunda del
problema, hay otros que creen que aquellos que solucionan problemas de una manera eficaz renen las restricciones cuantitativas basadas en un contexto situacional (Briars y Larkin, 1984). Muchos
modelos cuantitativos (frmulas) pueden mapearse fcilmente y convertirse en estructuras de historias. Por ejemplo, los problemas de
movimiento y de trabajo compuestos tienen distintos acontecimientos
como viajar en direcciones opuestas, andar juntos o subir a un autobs, con el resultado y el tiempo como dimensiones bsicas que organizan la historia. Los estudiantes realizan inferencias constructivas
basadas en modelos situacionales. Blessin y Ross (1996) demostraron los efectos positivos del contenido situacional en la solucin de
problemas y la clasificacin de problemas por parte de personas con
experiencia (estudiantes universitarios). El contenido situacional tambin tiene mucho valor porque afecta al acceso a esquemas de problemas mentales internos. Muchas veces, los expertos basan sus
categorizaciones en el contenido superficial (Novick, 1988).

ANOTACIONES

Cuando el estudiante soluciona el problema, el modelo situacional


cubre el sistema de referencia por encima de la visualizacin a causa
de la importancia que tienen los problemas de cinemtica a la hora
de determinar el sistema de referencia y su origen (figura 13).

3.1.8. Ejemplos trabajados


La instruccin consiste en ejemplos trabajados que utilicen el entorno
ESPM para ilustrar cmo hay que resolver como mnimo tres proble68

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

mas por cada tipo antes de dejar practicar a los estudiantes. Los
ejemplos trabajados de las soluciones de problemas anteriores a la
prctica mejoran la solucin de problemas basados en la prctica,
porque reducen la carga cognitiva y ayudan a los estudiantes a construir esquemas de solucin de problemas (Cooper y Sweller, 1987;
Sweller y Cooper, 1985).
Ejemplo

En el ESPM, un agente pedaggico animado (Lester,


Stone, y Stelling, 1999, no se muestra en la figura 12 o
13) investigar, como mnimo, dos ejemplos de cada
tipo de problema. El agente lee primero la representacin del problema verbal en el ESPM, buscando pistas
que ayuden a clasificar el tipo de problema (en nuestro
ejemplo, constante). Entonces elige el tipo de problema.
El agente planea la solucin identificando explcitamente
los subproblemas requeridos. Aclarar la estructura de
subobjetivos en ejemplos trabajados mejora de forma
significativa la realizacin (Atkinson, Derry, Renkl, y Wortham, 2000). Los subproblemas se aaden al cuadro Solucin del Plan a medida que se va realizando. Por
ejemplo: 1) eslegir punto de origen; 2) elegir sistema de
referencia (eje x y eje y); 3) determinar el tiempo en el aire
(velocidad inicial + cunto se mueve en el eje y); 4) determinar la extensin del movimiento de proyeccin en el eje
x. El agente identifica los conjuntos requeridos para el
problema en el identificador de conjuntos, los mueve hacia el modelo estructural y entonces mapea los valores y
los convierte en frmula en el constructor de ecuaciones.
Tambin efecta una comprobacin de unidades y hace
una estimacin del tamao de la pregunta. Entonces so-

ANOTACIONES

luciona la frmula y compara el resultado con la estimacin. Realizar esta demostracin con otros dos problemas
ms complejos prepara al estudiante para completar los
asuntos de la prctica.

3.1.9. Asuntos de la prctica


Otro componente esencial de cualquier instruccin para resolver
problemas narrados es la oportunidad de practicar las habilida69

Del docente presencial al docente virtual

FUOC P06/M1104/01593

des adquiridas en el entorno. La prctica de problemas debera


presentarse al estudiante como se ilustra en los ejemplos trabajados, que deberan ser similares a cmo se presentan en la evaluacin. Los estudiantes pueden revisar los ejemplos trabajados.
Normalmente, suelen tener xito a la hora de relacionar los problemas prcticos con los ejemplos, y prefieren el ejemplo complejo como modelo (Reed, Willes, y Guarino, 1994). De forma
similar, se permite que utilicen la misma interfaz ESPM que se us
para los ejemplos y as pueden usar este recurso hasta que tengan
ms experiencia. Los estudiantes recibirn cuadros explicativos
durante las sesiones prcticas. Si identifican el tipo de problema
correcto, identifican y colocan los conjuntos del problema de forma correcta en las representaciones correctas del problema, o si
hacen estimaciones razonables de la solucin del problema, recibirn cuadros explicativos sobre estas actividades.

3.1.10. Instruccin de contenido


Mientras clasifica el tipo de problema mediante la tipologa descrita
en la figura 13 o en cualquier otro momento en los ejemplos trabajados o fases de prctica, el estudiante puede hacer doble clic en
cualquiera de los componentes del modelo estructural y hacer que el
agente presente la actual instruccin conceptual del problema. En
este entorno, la instruccin del contenido se proporciona a solicitud,
utilizando el enfoque de enseanza justo a tiempo (Novak, Patterson,
Gavrin, y Christianson, 1999).

3.1.11. Resumen
Una revisin amplia del trabajo emprico y terico en el que se basa

ANOTACIONES

este modelo ira ms all del objetivo de este mdulo. Otros investigadores han desarrollado entornos que cumplen algunas de estas
funciones de instruccin de este modelo.
Ejemplo

Por ejemplo, el Solucionador de Problemas Matemticos (SPM) (Marshall, 1995) y el entorno TiPS (Derry y
Grupo de Investigacin TiPS, 2001) representan problemas en modelos estructurales para desarrollar y so70

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

lucionar problemas aritmticos. Ellos asumen, como


yo, que las representaciones cualitativas de los problemas son necesarias para aprender representaciones
cuantitativas (Ploetzner, Fehse, Kneser, y Spada, 1999).
Tambin creen que las estructuras del problema varan entre los tipos de problemas y determinan los
procedimientos necesarios para resolverlos. Otros entornos, como ANIMATE (Nathan, 1998), representan
el modelo situacional del problema mediante animaciones, mapeando stas en una ecuacin que permite
solucin.
Diversos atributos convierten en nico el entorno que acabamos
de describir. No hay ningn otro entorno que haya intentado integrar las representaciones estructurales y situacionales del problema. Aunque el SPM y el TiPS requieren que el estudiante
identifique el tipo de problema, su proceso de seleccin no implica elegir entre una tipologa de los mismos. Adems, el proceso
de razonamiento necesario para resolver el problema matemtico
est fijado en la estructura del entorno. Los estudiantes deben clasificar el tipo de problema, identificar conjuntos importantes de la
representacin de ste y mapearlo en un modelo estructural antes
de mapear los valores en una frmula. La diferencia ms notable
entre este modelo y los otros es quiz que funciona como un modelo genrico para la construccin de entornos en lnea mediante
campos de temas. Los otros intentos se han centrado en problemas individuales o pequeas clases de problemas. El objetivo del
modelo de diseo es que funcione como una arquitectura para los
entornos en lnea de problemas matemticos. As, los problemas

ANOTACIONES

matemticos en otros campos pueden utilizar el mismo entorno y


la misma estructura que acabo de describir. Los problemas sern
distintos, pero la estructura del entorno ser la misma.

3.2. Problemas de resolucin de dificultades


Como se ha descrito anteriormente, la resolucin de dificultades
eficaz requiere conocimiento de sistema, conocimiento procedi71

Del docente presencial al docente virtual

FUOC P06/M1104/01593

mental y estratgico, adems de las clases de conocimiento que


las experiencias del solucionador de dificultades han anclado y
organizado. La diferencia fundamental entre los solucionadores
expertos y los principiantes es su nivel de experiencia. La resolucin de dificultades o averas se basa en el conocimiento experimental, que es exactamente del que carecen los principiantes.
Desde los tcnicos con experiencia hasta los fsicos indexan su conocimiento en experiencias de resolucin de dificultades. A menudo pueden reutilizar problemas, que ya han mediado muchos
aos antes, con una agudeza extraordinaria. Los problemas que
recuerdan con ms precisin y exactitud son los que fueron ms
difciles de resolver, porque la persona estuvo conceptualmente
ms implicada en el proceso. Por lo tanto, ensear a resolver dificultades a los principiantes requiere que descubran el mximo
nmero de problemas posible para ganar conocimiento experimental que integrar el conocimiento conceptual, procedimental
y estratgico necesarios para la resolucin de dificultades.

Ejemplo

La figura 15 ilustra un modelo de diseo para la


construccin de entornos de aprendizaje de este tipo
(TLE). El modelo asume que la forma ms efectiva
para aprender a solucionar dificultades son los problemas del tipo que estamos describiendo. Aprender
a resolver dificultades requiere presentar a los estudiantes los sntomas de problemas nuevos para que
los solucionen. Los componentes ms importantes de
los TLE son una biblioteca de casos de problemas ya
resueltos, un solucionador de dificultades que permita al estudiante practicar la resolucin y un modelo
conceptual rico del sistema que se debe solucionar o

ANOTACIONES

descubrir. El modelo conceptual impulsa la construccin del conocimiento de sistemas; el solucionador


de dificultades promueve la construccin del conocimiento procedimental y estratgico, y la biblioteca o
archivo de casos, la construccin del conocimiento
experimental que integra las otras clases de conocimiento.

72

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Figura 15. Modelo para disear un entorno


de aprendizaje de resolucin de dificultades.

3.2.1. Modelo conceptual


El entorno de resolucin de dificultades se orienta mediante un modelo conceptual del sistema de descubrimiento o resolucin. Este
modelo ilustra la interconexin entre los componentes del sistema. Es
decir, cules son todos los componentes y subsistemas del sistema
en el que sucede el problema? Cmo influyen unos sobre otros?

3.2.2. Localizador de dificultades o averas


El centro del TLE (siglas de troubleshooting learning environment, o entorno de aprendizaje de resolucin de dificultades) es el localizador de
dificultades (vase la figura 16). Es aqu donde el estudiante acta
como si fuera un localizador de dificultades con experiencia, resolviendo casos nuevos. Despus de escuchar una explicacin sobre el problema automotor que describe los sntomas que mostraba el coche

ANOTACIONES

justo antes de pararse, el aprendiz (como un localizador de dificultades experimentado) elige primero una accin del men para bajar a
la izquierda de la pantalla, como cuando se pide una comprobacin,
se comprueba una conexin o se intenta una estrategia de reparacin.
Se puede ensear al principiante qu accin basada en la sintomatologa hay que escoger primero, o tambin puede l o ella escoger
cualquier accin. Cada movimiento que haga el localizador aparece
en el modelo del sistema. Despus de cada movimiento del estudiante,
el localizador de dificultades pide al estudiante que explique o elija la
hiptesis falsa que est intentando demostrar, mediante el men para
73

Del docente presencial al docente virtual

FUOC P06/M1104/01593

bajar situado a la derecha del men de accin. sta es una forma implcita de argumentacin. Se trata de exigir al estudiante que justifique
sus acciones. Si la hiptesis no se corresponde a la accin (si ha sido
determinada levantando y comprobando las etiquetas), entonces aparecen explicaciones sobre el motivo de tomar aquella decisin. Seguidamente, el estudiante debe identificar el subsistema en el que ocurre
el fallo. Si ste no corresponde a la accin, el estudiante regresa otra
vez al modelo conceptual para entender mejor el funcionamiento del
subsistema que lleva a la accin o a la hiptesis. El estudiante recibe
entonces el resultado de la accin (por ejemplo, resultados de exmenes, informacin del sistema, etc.) a la derecha del subsistema y debe
interpretarlos utilizando el men para bajar de la derecha del localizador de dificultades. Si la interpretacin no corresponde a la accin,
hiptesis o subsistema, aparece un mensaje de error. La comprobacin de errores utiliza un sistema de evaluacin muy sencillo.
El localizador (vase la figura 16) exige al estudiante que piense y acte como un localizador de dificultades con experiencia. El entorno integra las acciones de resolucin de problemas, los tipos de
conocimiento (conceptual, estratgico y procedimental) y el modelo de
sistemas conceptuales con una base de datos de los fallos que han tenido lugar en el sistema que el estudiante y otras personas han solucionado. Los ejemplos trabajados proporcionan la instruccin inicial
sobre cmo usar el sistema. A medida que los estudiantes van solucionando problemas, los resultados de sus casos prcticos pueden aadirse a su archivo de casos de situaciones falsas, para que el
estudiante pueda aprender de sus propias experiencias personales.
En cualquier punto del proceso de aprendizaje, el estudiante o localizador de dificultades puede acceder a una instruccin justo a tiempo sobre cmo llevar a cabo la accin (por ejemplo, test electrnico,

ANOTACIONES

comprobacin de sntomas) o los resultados multimodales de esta


accin. Jonassen y Henning (1999) observaron que los tcnicos de
refrigeracin se basan muchas veces en distintas modalidades a la
hora de hablar de mquinas y herramientas. Normalmente, ponen
las manos en los tubos para ver la temperatura, escuchan el sonido
de un compresor, buscan manchas de aceite en el suelo o interactan con la pantalla del ordenador. En definitiva, se comunican a
travs de impresiones del sentido, lo que los tcnicos llaman conocimiento tctil-sensorial.
74

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

ANOTACIONES

Figura 16. Arquitectura del localizador de dificultades.

3.2.3. Biblioteca o archivo de casos


Si el localizador de dificultades se encuentra en el corazn del TLE, el archivo o biblioteca de casos se encuentra a la cabeza (memoria) del TLE.
El discurso es esencial para negociar problemas, soluciones o significa75

Del docente presencial al docente virtual

FUOC P06/M1104/01593

dos de manera social. En las situaciones de resolucin de dificultades de


contextos diarios, el medio principal de negociacin son las historias. Es
decir, cuando un localizador tiene un problema, normalmente lo describe a alguien que puede recordar de memoria un problema similar, y
cuenta su experiencia al localizador de dificultades. Las historias aportan informacin contextual, funcionan en formato de diagnosis y tambin expresan una identidad entre los participantes de cualquier tipo de
comunidad. Las historias sobre cmo han solucionado los localizadores
problemas o averas similares se introducen, se indexan y se ponen a
disposicin de los estudiantes en una biblioteca o archivo de casos (que
tambin se conoce como base de datos falsa).
La biblioteca de casos o base de datos falsa debe contener historias de
tantas experiencias de resolucin de dificultades como sea posible.
Cada caso representa una historia de un ejemplo especfico de un campo. Estos archivos, que se basan en principios del razonamiento basado
en casos, representan la forma ms importante de apoyo instruccional
para los problemas mal estructurados como los de resolucin de dificultades (Jonassen y Hernandez-Serrano, 2002). Se indexa cada caso o
historia segn su fallo del sistema, el sistema o subsistema en el que ocurri el fallo y los sntomas del fallo que son similares a los del localizador de dificultades. Tambin estn recogidos el modo de avera y
las hiptesis o estrategias aprendidas a partir de la experiencia. El archivo representa, pues, el conocimiento experimental de centenares
de localizadores de dificultades experimentados potenciales. Por
qu? Porque los localizadores almacenan casi siempre su conocimiento de problemas y soluciones a partir de sus experiencias. Es este
conocimiento experimental del que precisamente carecen los estudiantes. De este modo, cuando se encuentran con una dificultad o no estn
seguros de cmo actuar, pueden acceder al archivo y observar en casos
similares qu caminos se siguieron y con qu resultados. El TLE tambin
puede programarse para acceder de forma automtica a una historia

ANOTACIONES

importante en cuanto el estudiante comete un error, ordena una prueba


inadecuada o lleva a cabo alguna accin que demuestra su falta de
comprensin. Las historias se almacenan de una forma sencilla, presentando un problema a los localizadores experimentados y pidindoles si
recuerdan algn problema semejante que ya hayan solucionado. Siempre los recuerdan, sin excepcin. Hernandez-Serrano y Jonassen (2003)
han demostrado que el acceso a un archivo de casos durante el aprendizaje de solucin de problemas mejora la resolucin de problemas
complejos en un examen.
76

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

3.2.4. Ejemplos trabajados


De una forma similar al aprendizaje de resolucin de problemas
matemticos narrados, mediante ejemplos trabajados tambin se
introduce a los estudiantes a la resolucin de dificultades, la biblioteca de casos y el modelo conceptual. Estos ejemplos no slo
ilustran cmo usar el TLE, sino que tambin construyen modelos
de distintas estrategias de resolucin de dificultades (por ejemplo,
la divisin del espaci para aislar el subsistema errneo antes de
hacer ninguna comprobacin). Si el TLE es en lnea, aparece un
agente pedaggico animado (Lester, Stone, y Stelling, 1999) que
trabaja como mnimo dos ejemplos de cada tipo de problema. El
agente lee la representacin del problema en el TLE, construye
modelos de estrategias, por ejemplo mediante la bsqueda de
pistas o el rechazo de las hiptesis menos probables antes de usar
el localizador de dificultades. El agente tambin puede construir
un modelo sobre cmo conseguir el mximo beneficio del modelo
conceptual y la biblioteca de casos.

3.2.5. Temas de prctica


La prctica consiste en utilizar el localizador de dificultades para solucionar problemas nuevos. Durante la prctica, se presentan nuevos
problemas al estudiante, que utiliza el localizador para aislar el caso.
Si quiere, tambin puede acceder al modelo conceptual o al archivo
de casos. No se conoce exactamente el nmero de prcticas necesarias para desarrollar distintos niveles de habilidad de resolucin de
dificultades. Ello depender de la complejidad del sistema de resolucin de dificultades, de las habilidades y disposiciones de los estu-

ANOTACIONES

diantes y de una multitud de otros factores.


Vale la pena remarcar que todos los movimientos que haga el estudiante durante la prctica (acciones en el localizador, acceso a
la informacin del modelo conceptual o a los casos del archivo)
pueden servir para ayudar a mejorar su comprensin y sus habilidades de resolucin de dificultades. El objetivo de esta evaluacin puede ser valorar el proceso durante el aprendizaje o
simplemente ver si el estudiante se implica mentalmente en el proceso de aprendizaje.
77

Del docente presencial al docente virtual

FUOC P06/M1104/01593

3.3. Problemas de anlisis de casos/sistemas


Los problemas de anlisis de casos/sistemas son complejos, ambiguos y estn muy mal estructurados. Como tales, representan la
anttesis de buena parte de la educacin formal, que se centra en
respuestas correctas y en encontrar la verdad. Analizar y tratar de
resolver estos problemas es un reto para muchos estudiantes (desde
la guardera hasta la edad adulta), por muchas razones. Los guiones que los estudiantes siguen para hacer escuela tienen rutinas
claramente establecidas. El profesor/monitor les dice lo que deberan saber, los estudiantes intentan saberlo y el profesor/monitor
valora si lo saben bien. Sin embargo, los problemas de anlisis de
casos a menudo presentan fenmenos desconocidos que deben
negociarse y co-construirse socialmente. No existe en ningn caso
una simple perspectiva que represente la verdad. Solucionar este
tipo de problemas requiere que el estudiante asimile la ambigedad. Sin embargo, la tolerancia a la ambigedad no abunda entre
profesores y estudiantes. Por qu? Est relacionada con sus creencias epistmicas, es decir, lo que las personas creen que significan
el conocimiento, la verdad y el aprendizaje. Las personas desarrollan sus creencias a partir de un pensamiento simple, blanco o negro, que a travs de una exploracin de perspectivas mltiples se
convierte en un pensamiento relativista complejo. Los fundamentos
epistemolgicos para la educacin son los que Baxter-Magolda
(1987) llama saber absoluto, en el que los individuos creen que el
conocimiento y la verdad son verdaderos y que las autoridades deberan ofrecerlos. Solucionar problemas de anlisis de casos requiere

un

conocimiento

transicional

(el

conocimiento

es

parcialmente verdadero y requiere comprender mediante la lgica,


el debate y la investigacin), un conocimiento independiente (el conocimiento no es verdadero y requiere pensar libremente y ser

ANOTACIONES

abierto), y un conocimiento contextual (el conocimiento se basa en


las pruebas adquiridas en un contexto). El hecho de que la mayora
de estudiantes sean pensadores absolutos hace que para ellos los
problemas de anlisis de caso sean un reto importante, porque no
tienen ninguna respuesta correcta. A pesar de ello, si no se enfrentan nunca a problemas de anlisis de casos mal estructurados, probablemente no llegarn a desarrollar habilidades de pensamiento
contextual o independiente. Por lo tanto, exponerse a la ambigedad es una experiencia de aprendizaje.
78

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

La figura 18 muestra un modelo para disear un entorno de aprendizaje de anlisis de casos. A continuacin, describir cada uno de
los componentes de este entorno.

3.3.1. Representacin de problemas


La representacin de problemas es un tema complejo; los problemas
de anlisis de casos (como todos los problemas mal estructurados)
dependen ms de un contexto que los bien estructurados; por eso es
necesario desarrollar un entorno ms autntico y ubicado (Voss,
1988). Si el pensamiento de anlisis de casos viene muy determinado por el contexto y el campo que representa, es importante describir
de forma adecuada el contexto social, poltico y organizacional del
problema. Por esta razn lo que hay que llevar a cabo es un anlisis
contextual. Cul es la naturaleza del campo? Cules son las restricciones que impone el contexto? Tambin debemos preguntarnos
qu tipo de problemas se solucionan en este campo y qu restricciones contextuales afectan al problema.

ANOTACIONES

Figura 17. Modelo para un entorno de solucin de problemas de anlisis


de casos/sistemas.

79

Del docente presencial al docente virtual

FUOC P06/M1104/01593

Los problemas de anlisis de casos se representan muchas veces a


partir de historias. Las historias se entienden y se recuerdan mejor y
son ms empticas que las representaciones didcticas de los problemas. El siguiente extracto est sacado de un entorno de aprendizaje de anlisis de casos que desarrollamos en Sociologa del
bienestar. Esta historia concreta introduce el problema del ciclo de
bienestar (buscar asistencia, ayuda y bienestar en el trabajo). El problema est relacionado con la manera de ayudar a las personas con
el ciclo de bienestar en el trabajo. Otro objetivo principal del entorno
es que los estudiantes culturalmente aislados de una gran universidad pblica evoquen respuestas empticas.

Caso prctico

martes, 2 de febrero, 1999


Me llamo Tiffany y estoy viajando hasta Lewistown con
mi hija Stephanie. Stephanie va a cumplir cinco aos
dentro de poco. La tuve cuando tena dieciocho aos.
Mi casa y mis amigos estn en Detroit, pero yo no puedo quedarme ms. Entr a formar parte de una banda
de all, vendiendo drogas y traficando, y tard cinco
aos en darme cuenta de que ya no quera vivir as. Robaba y haca cosas que nunca cre que fuera capaz de
hacer. Quiero a mi hija y ahora s que le hara dao si
me quedo all.
Cuando uno ha hecho y ha visto lo que yo, no tiene
sentido dejarlo a no ser que ests preparado para ello.
As que me voy, sin dinero, sin ayuda de nadie. Slo
Stef y yo. S, sta ha sido mi Navidad Feliz. Estoy bus-

ANOTACIONES

cando a mi madre biolgica. S que cuando yo nac,


ella viva en Lewistown, Pennsylvania, pero ya ha pasado mucho tiempo. Tengo una direccin del ao 1992.
Nunca antes la he visto y no sabe que voy hacia all. No
tengo ningn otro lugar adonde ir, pero no puedo quedarme en Detroit, ni hablar. Estoy casi de ocho meses.
Voy a pedir ayuda en cuanto llegue, por el bien de mis
hijos.

80

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

mircoles, 3 de febrero, 1999 (17:30h)


Stephanie nunca haba viajado en un autocar. Un viaje
de 24 horas casi le ha quitado todo su entusiasmo, probrecita. Gracias a Dios se ha dormido. Dejamos la estacin de la calle Howard en Detroit a las 10 de la
noche anterior y hemos llegado a las 17:15 de hoy.
Con este maldito tiempo pronto va a ser de noche. No
hemos comido desde que nos terminamos todos los
snacks. Dios, el olor de esta parrilla me est volviendo
loca. Qu he hecho? El billete me ha costado $59!
Quizs debera haber guardado mi dinero.
No tengo ni idea de adnde ir. En el nmero que tengo
de mi madre no contesta nadie. No tengo ni un dlar
en moneda para el telfono. Treinta dlares, mi hija y
esta bolsa vieja de playa con su ropa, algunos muecos
y algo para m es todo lo que tengo. Y, Dios, este sitio
apesta, y hace fro. S que tengo que buscar ayuda.
Este nmero no contesta. No hay contestador. A lo mejor no es ni un nmero... Se est haciendo tarde, qu
vamos a hacer?
Representar problemas de anlisis de casos en forma de historias no
es suficiente para hacer que el estudiante desarrolle la clase de pensamiento necesario para resolverlos. Adems, es igual de importante
o ms que los estudiantes tengan una tarea concreta y real para resolver. En el problema de asistencia social que acabamos de describir, pedimos a los estudiantes que aconsejaran a la mujer que quera

ANOTACIONES

pasar de la asistencia social al trabajo. Su consejo no slo deba ser


legalmente correcto (los estudiantes se frustraron por la complejidad
de formas y procedimientos de los papeles que los perceptores deban rellenar), sino tambin emptico.
La actividad debe ser tambin bastante especfica. Un problema de
anlisis de poltica exterior en el Prximo Oriente puede requerir que
los estudiantes acten como si fueran analistas de poltica exterior
para el departamento de Estado, donde deben recomendar acciones
polticas concretas al secretario de Estado sobre si los palestinos de81

Del docente presencial al docente virtual

FUOC P06/M1104/01593

beran tener un estado independiente. Es decir, debera haber una


especie de resultado concreto (consejo) asociado a la actividad: no
slo un informe, sino un informe con puntos de accin concretos.
Esto no quiere decir que sea imprescindible dar un consejo, sino que
debe hacerse en forma de consejo. Un problema de anlisis de casos
sobre el sistema poltico de Noruega debera requerir recomendaciones sobre cmo construir las coaliciones parlamentarias necesarias
para aprobar una ley sobre la construccin de una planta elctrica
de gas. Cuantos ms objetivos tenga la actividad, ms atractiva ser.
Este mismo entorno, con todos sus sistemas de apoyo, puede ser alterado si vuelve a definirse la actividad. Tambin se puede asignar a
algunos estudiantes un entorno para crear una coalicin que frene
la construccin de la planta de gas. La nica diferencia es la actividad, pero el resto del entorno puede ser el mismo o muy similar. En
otro entorno diseado para un curso de geografa centrado en el uso
de mapas (figura 18), proporcionamos a los estudiantes un contrato
del Ministerio de Transporte para que eligieran una ruta alternativa
que evitara una de las intersecciones de autopistas peor diseadas
de la historia.

Figura 18. Problema de trfico.

ANOTACIONES
82

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Los estudiantes deban reconciliar las opiniones de los motoristas, los


comerciantes, los habitantes y los burcratas utilizando los mapas de terreno, as como mapas topogrficos, areos y de parcelas para encontrar la solucin ms eficiente, eficaz y aceptable al problema. Est claro
que no existe ninguna solucin absolutamente correcta, slo hay soluciones mejores y peores. La actividad debe ser lo ms real posible y estar
bien circunscrita. Muchas veces, la solucin de problemas en clase no
tiene xito porque las actividades son muy difusas. Se pide a los estudiantes que analicen polticas o principios. Por qu? Si los estudiantes
no perciben un objetivo significativo para la solucin del problema, es
poco probable que se sumerjan en l o en las soluciones de ste.

3.3.2. Herramientas de representacin de problemas


Anteriormente he descrito las formas de representacin de los problemas dirigidas a los estudiantes, incluyendo el formato narrativo y
las actividades reales y concretas. Cabe remarcar que la manera
como se plantean los problemas a los estudiantes en el enunciado
afecta a la representacin mental que se hacen de los problemas que
intentan resolver. ste es el objetivo: conseguir que los estudiantes
construyan un modelo conceptual significativo de los problemas que
intentan resolver. Sin embargo, esta representacin del problema
slo es una de las fuentes de influencia. El modelo para implicar a
los estudiantes en los problemas de anlisis de casos requiere el uso
de herramientas para que los estudiantes construyan su propia representacin externa de los problemas. El modelo de dinmicas de
sistemas de la poblacin fumadora en la figura 19 representa el tipo
de herramienta de representacin de problemas que puede usarse
para representar cualquier tipo de problemas de anlisis de casos.

ANOTACIONES

Este modelo (producido con Stella) representa las relaciones dinmicas


entre distintos factores que afectan a la poblacin. Si la tarea del estudiante fuera reducir el nmero de fumadores en la poblacin de Estados
Unidos para reducir los gastos sanitarios, los estudiantes podran empezar construyendo un modelo de este tipo. Las herramientas de dinmicas de sistemas permiten que los estudiantes aadan o quiten factores y
comprueben los resultados de los cambios efectuados en estos factores.
Tambin pueden comprobar sus modelos cambiando los valores de los
parmetros y viendo los resultados. La figura 20 muestra el resultado
del modelo con la contribucin extra de la campaa antitabaco. Los re83

Del docente presencial al docente virtual

FUOC P06/M1104/01593

sultados de estos modelos tambin pueden usarse como informacin


para apoyar los argumentos de los estudiantes (descritos ms adelante).

Figura 19. Modelo de dinmicas de sistemas de la poblacin fumadora.

Figura 20. Resultado del modelo de dinmica de sistemas.

ANOTACIONES
84

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

3.3.3. Generar opciones de solucin: acomodar


perspectivas mltiples
He descubierto que la teora de la flexibilidad cognitiva es uno de
los mejores modelos para facilitar el estudio de mltiples perspectivas, un proceso esencial para resolver problemas de anlisis de
casos y para llegar a ser un estudiante maduro epistmicamente
(Spiro y Jehng, 1990). Esta teora subraya la interrelacin conceptual de ideas y su interconexin. Los entornos de flexibilidad cognitiva representan intencionadamente mltiples perspectivas o
interpretaciones del contenido en los casos utilizados para ilustrar
el campo de contenido. La mala estructuracin de cualquier campo de conocimiento se ilustra mejor con mltiples perspectivas o
temas que se encuentran inherentes en los problemas representados. Hemos usado hipertextos de flexibilidad cognitiva en un entorno sobre temas de biodiversidad, uso de la tierra y estilos de
control y resolucin de conflictos a medida que han ido apareciendo en la controversia surgida tras la reintroduccin del lobo
gris mexicano en las reas salvajes del suroeste americano. El entorno de reintroduccin del lobo (vase la figura 21) permite que
el estudiante examine el tema de la reintroduccin desde una
perspectiva de una docena de personas afectadas por los lobos,
incluyendo rancheros y defensores del medioambiente. Tambin
identificamos diversos problemas temticos interconectados con
sus comentarios, incluyendo control local frente a control nacional
de la tierra, consumo frente a conservacin, cooperacin frente a
cooptacin. Para llegar a un juicio sobre la continuacin de la
prctica, los estudiantes tuvieron que entender y reconciliar estos
puntos de vista. Es esencial que entiendan las distintas perspectivas que complican los problemas de anlisis de casos para gene-

ANOTACIONES

rar y evaluar las distintas soluciones.

3.3.4. Argumentacin
Como hemos afirmado antes, los problemas mal estructurados tienen una naturaleza dialctica en la cual se utilizan dos o ms conceptualizaciones opuestas del problema (diferentes espacios del
mismo) para apoyar distintos argumentos con presunciones opuestas
subyacentes (Churchman, 1971). Por lo tanto, es importante que los
estudiantes sean capaces de articular las distintas concepciones de85

Del docente presencial al docente virtual

FUOC P06/M1104/01593

fendiendo argumentos para la solucin que ellos proponen. El argumento aporta la mejor prueba del conocimiento dominante que
pueden haber adquirido. El desarrollo de argumentos lgicos para
apoyar un pensamiento divergente [juicio reflexivo (Kitchner y King,
1981)] no slo lleva a una cognicin y metacognicin del proceso
utilizado para resolver el problema, sino tambin a una conciencia
de la naturaleza epistmica del proceso y de la verdad o valor de las
distintas soluciones (Kitchner, 1983). En el entorno de geografa,
existen distintas carreteras posibles que pueden escogerse y muchas
razones para escoger una de ellas. Exigir a los estudiantes que desarrollen un argumento para su eleccin es equivalente a solucionar
problemas.

Figura 21. Entorno de reintroduccin del lobo.

ANOTACIONES

Es decir, aporta datos de evaluacin muy tiles para ayudar al profesor a determinar qu sabe el estudiante. Se puede entrenar y ayudar a recordar mediante una serie de preguntas o apuntes de juicio
reflexivo (Kitchner y King, 1981), como los siguientes:
Podis llegar a estar seguros de que vuestra posicin es correcta? Llegaremos a saber cul es la posicin correcta?
Cmo habis llegado a esta opinin? En qu la basis?
86

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Cuando las personas difieren en temas como ste, es porque alguien tiene la razn y los otros estn equivocados? Hay una opinin que sea peor y las otras mejores?
Cmo es posible que las personas puedan tener puntos de vista
tan distintos?
Qu significa para vosotros que los expertos no se pongan de

ANOTACIONES

acuerdo en este tema?

87

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

4. Argumentacin mediante la tecnologa para apoyar


la resolucin de problemas

aaa
Probablemente en la argumentacin es donde podemos encontrar de forma ms significativa el pensamiento y razonamiento de mayor nivel que pueden
desarrollar la mayora de personas. El pensamiento argumentativo forma parte de las creencias de las personas, de sus juicios y de las conclusiones a las que
llegan, y aparece en cada decisin importante que deben tomar. As pues, el pensamiento argumentativo se
encuentra en el centro de lo que debera valorarse a la
hora de examinar cmo y hasta qu nivel piensan las
personas. (Kuhn, 1992, pp. 156-157)

La argumentacin no es slo una habilidad cognitiva esencial; es


algo endmico en nuestra cultura. Neil Postman (1995) observa que
la Declaracin de Independencia se compuso en forma de argumento. La Constitucin tambin es un argumento fundado con la creencia de que cada persona debera tener el derecho a defender
libremente su postura.

aaa
Qu es un argumento? Aunque su significado cotidiano implica un conflicto o confrontacin entre personas,

ANOTACIONES

un argumento intelectual consta necesariamente de


dos partes: una premisa y una conclusin. Normalmente se expresan en forma de si (como, por el hecho
de que) premisa, entonces (por lo tanto, por consiguiente) solucin. Como en el curso de Biologa piden
ms deberes que en cualquier otro, no deberas hacerlo. Este argumento tiene una presuncin escondida:
el objetivo del estudiante es evitar el trabajo excesivo.
Puede haber un contraargumento que afirme que si

89

Del docente presencial al docente virtual

FUOC P06/M1104/01593

aaa
trabajas ms, aprenders ms, seguido de si en el
curso de Biologa aprendes ms, deberas hacerlo,
asumiendo que el objetivo del estudiante es aprender
lo mximo posible.
Las habilidades de argumentacin incluyen analizar
argumentos en un texto o en otros entornos de aprendizaje y tambin la habilidad de construir argumentos
(Marttunen, 1994). Los estudiantes preuniversitarios
normalmente no tienen muy desarrolladas estas dos
habilidades. Sin embargo, solucionar cualquier problema exige la construccin implcita o explcita de argumentos. En otras palabras, la solucin a un problema
es un argumento, es decir, solucionar un problema necesita de una argumentacin. Cualquier solucin a un
problema es una conclusin. La calidad de la solucin
(conclusin) es una funcin de la validez de las premisas. La argumentacin es un proceso en el que se hacen declaraciones (sacar conclusiones) y se da una
justificacin (premisas) aportando pruebas a las declaraciones (Toulmin, 1958). La argumentacin es un tipo
esencial de razonamiento informal fundamental para
la habilidad intelectual que interviene a la hora de solucionar problemas, hacer juicios y tomar decisiones,
formular ideas y creencias (Kuhn, 1991). La argumentacin requiere que quien quiera solucionar un problema identifique varias perspectivas alternativas, puntos
de vista y opiniones; que desarrolle y elija una solucin
razonable y preferible, y que apoye la solucin con datos y pruebas (Voss, Lawrence, y Engle, 1991). La argu-

ANOTACIONES

mentacin es una variable que predice el xito del


estudiante ante problemas bien y mal estructurados
(Hong, Jonassen y McGee, 2003).

A pesar de su importancia, la mayora de las personas no son


grandes expertos en la construccin de argumentos lgicos (Cerbin, 1988). Ms concretamente, no utilizan advertencias para conectar pruebas con sus afirmaciones (afirmacin = la reduccin
de impuestos aumentar los ahorros; advertencia = propensin
90

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

marginal al consumo; pruebas = reduccin de ahorros el ltimo ao


e incremento de los ingresos por ventas), pero razonar desde las afirmaciones hasta las pruebas es esencial para resolver problemas. Bell
y Linn (1997) sugieren que hacer conjeturas con advertencias, y no
con descripciones, para apoyar los argumentos es un indicio de que
los estudiantes estn llegando a conjeturas cientficas, que les permiten generar mejores soluciones a los problemas.
Cmo podemos facilitar el desarrollo de las habilidades de argumentacin de los estudiantes? Cerbin (1988) propone una instruccin directa de las habilidades de razonamiento que se base
en un modelo explcito de argumentacin. Durante aos, este enfoque ha sido el mtodo estndar utilizado. Varios investigadores
han utilizado la instruccin directa en la estructura y la notacin
de la argumentacin (Knudson, 1991; Sanders, Wiseman, y Gass,
1994; Yeh, 1998). Sin embargo, los estudios han demostrado resultados inconsistentes: la instruccin directa no siempre cumple
las expectativas de mejora de las habilidades argumentativas. Algunos de ellos indican que este tipo de instruccin s que produce
una mejora (Sander, Wiseman, y Gass, 1994), mientras que otros
demuestran que no se llega a resultados positivos en este aspecto
(Knudson, 1991).

4.1. Tecnologas de argumentacin


Durante la ltima dcada, algunos investigadores han desarrollado
herramientas de argumentacin basadas en la tecnologa, que pueden utilizarse como entornos aislados o fijarse en entornos de apren-

ANOTACIONES

dizaje ms complejos. Estas herramientas pertenecen a una nueva


clase de herramientas cognitivas que se conocen como software de
CSCA (siglas de computer-supported collaborative argumentation, o
argumentacin colaborativa asistida por ordenador). Su objetivo es
apoyar la construccin de argumentos del estudiante, incluyendo la
bsqueda de advertencias y pruebas que respalden sus afirmaciones. Son entornos estructurados para introducir a los estudiantes en
juegos de dilogo (Moore, 2000). Los juegos de dilogo tienen un
conjunto de reglas para regular las contribuciones de los participan91

Del docente presencial al docente virtual

FUOC P06/M1104/01593

tes a cualquier discusin. Las herramientas CSCA se usan para moderar discusiones en lnea.
Los entornos CSCA pueden usarse de forma efectiva para apoyar
la bsqueda de distintas soluciones para distintos tipos de problemas. Es decir, cuando los estudiantes colaboran para solucionar
problemas, pueden usar entornos CSCA que les ayuden a construir,
justificar y debatir las soluciones que han escogido. Por el hecho de
que los estudiantes no son grandes expertos en argumentacin, los
entornos de discusin pueden dirigir o impulsar formas ms argumentativas de discusin. Cho y Jonassen (2002) han demostrado
que el uso de Belvedere (descrito ms adelante) para impulsar la
construccin de argumentos del estudiante no slo mejora sustancialmente su argumentacin, sino tambin su capacidad de solucin de problemas bien y mal estructurados. La mayora de
entornos que sern descritos a continuacin no pueden adaptarse
a las necesidades de un problema en particular. Es decir, tienen
una estructura establecida.
Ejemplo

Belvedere, por ejemplo, tiene cuatro articulaciones de


conversacin predefinidas (hiptesis, datos, principios e inespecificaciones) y tres enlaces (a favor,
en contra e y) para conectarlas. Esta estructura genrica puede enriquecer la solucin de problemas. An
no se conoce, sin embargo, cunto se podra enriquecer con un conjunto modificable de articulaciones y enlaces. Esta ltima capacidad de articulaciones y enlaces
modificables la ofrece la primera de las herramientas
que voy a describir.

ANOTACIONES

En la Universidad de Missouri, hemos construido un entorno de argumentacin asistida que permite que cualquier instructor construya
una estructura de discurso especfica para un campo o problema con
el fin de restringir el dilogo durante un foro de discusin. El instructor define los tipos de mensaje que son ms adecuados para el tema
de discusin. En la figura 22, el instructor ha identificado el primer
tipo de mensaje, una propuesta de solucin. Este tipo de mensaje estara en el nivel ms alto de una discusin centrada en la solucin de
un problema.
92

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Figura 22. Creando tipos de mensaje.

Despus de especificar todos los tipos de mensaje, el instructor especifica las relaciones entre estos tipos (vase la figura 23). Esto se hace comprobando los tipos de mensajes permitidos para responder a los otros

ANOTACIONES

tipos. Al utilizar la estructura de argumentacin de Toulmin, este instructor ha agrupado los tipos de declaraciones que componen un argumento en tres niveles (propuesta, advertencia y pruebas). El instructor enva
la explicacin de un problema, y los estudiantes pueden responder slo
utilizando declaraciones del nivel propuesta. La nica declaracin disponible en el nivel propuesta de nuestra estructura es la propuesta de
solucin, y slo puede responderse con declaraciones del nivel advertencia. Entre las declaraciones del nivel advertencia encontramos razn
para apoyar, razn para rehusar y modificar propuesta. En lugar
de seguir este paso, el instructor tambin puede seleccionar adverten93

Del docente presencial al docente virtual

FUOC P06/M1104/01593

cias tericas o que estn basadas en lecturas o incluso posturas aceptadas. Las declaraciones en el nivel advertencia slo pueden responderse
con declaraciones del nivel pruebas, que (en este caso) incluyen informacin o hechos, opinin personal o creencia, experiencia personal y descubrimientos de investigacin. Los tipos de mensaje pueden
cambiarse fcilmente, aadiendo o eliminando algunos de ellos.
Figura 23. Definir relaciones entre tipos de mensajes.

Figura 24. Tabla de discusin.

ANOTACIONES

El foro de discusin se parece mucho a otras tablas de boletines de discursos (figura 23). Se puede acceder a cada mensaje ordenado jerrquicamente haciendo un doble clic. Durante la discusin en lnea, los
94

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

estudiantes pueden seleccionar el enlace mensajes nuevos, en el cual


ya slo tienen la opcin de enviar la propuesta de solucin. Tambin
pueden responder a los mensajes. Despus de haber escogido cul responder y antes de escribirlo, el estudiante debe elegir el tipo de mensaje
que quiere enviar. Por ejemplo, si contesta un tipo de mensaje de propuesta de solucin, entonces lo primero que debe hacer es elegir un
tipo de mensaje utilizando la interfaz de la figura 24.

Figura 25. Opciones de respuesta a una propuesta de solucin.

Despus de elegir el tipo de mensaje que quieren enviar, los estudiantes escriben sus mensajes. Cada mensaje se identifica por tipo
de mensaje, autor y fecha (vase la figura 25). Hemos comprobado
este entorno en distintos campos y estamos llevando a cabo unas investigaciones para comprobar su eficacia.
Este entorno de conversacin permite que el profesor o diseador del
curso adapte la estructura de la discusin para llegar a satisfacer las
necesidades concretas de la actividad. Por ejemplo, si disearais un
curso de resolucin de dificultades de forma colaborativa, la tabla de
discusin se estructurara segn el proceso de resolucin de dificul-

ANOTACIONES

tades. En el nivel superior, los estudiantes podran decidir qu accin


llevar a cabo. Al desarrollar ms a fondo esta articulacin, las articulaciones de niveles ms bajos exigiran al estudiante que enviara
hiptesis, pruebas para sugerir la accin o alguna justificacin para
llevarla a cabo. Al ensear a los estudiantes cmo defenderse ante
un tribunal, se podra impulsar esta actividad aportando el argumento en el nivel superior, elaborado por casos precedentes, propuestas
estratgicas o conectadas con otros argumentos. No hay estudios sobre la eficacia de sistemas de conversacin especficos de cada campo, pero es razonable pensar que podrn obtener xito.
95

Del docente presencial al docente virtual

FUOC P06/M1104/01593

4.1.1. SenseMaker
El SenseMaker forma parte de un entorno de integracin del conocimiento, expuesto por WISE (siglas de web-based inquiry science environment, o entorno de investigacin cientfica basada en la web),
un entorno de aprendizaje cientfico en lnea, gratuito para estudiantes de educacin primaria y secundaria. SenseMaker (figura 26) se
dise para promover la teorizacin de los estudiantes, para que
apoyaran la coordinacin teora-pruebas y expusieran su pensamiento de una forma visible durante los debates de clase. Los estudiantes agrupan las distintas pruebas en categoras y crean
argumentos cientficos asociados a un proyecto. Mediante el software, trabajan con puntos de pruebas que representan partes individuales de pruebas en la web y exponen marcos que corresponden a
categoras conceptuales (grupos) para las pruebas.

Figura 26. Pantalla de senseMaker.

ANOTACIONES
96

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

4.1.2. Belvedere
Belvedere ha sido desarrollado por el Centro de Desarrollo e Investigacin
de Aprendizaje de la Universidad de Pittsburgh, con el objetivo de apoyar
a los estudiantes en la creacin de argumentos construidos socialmente.
Belvedere aporta un marco para organizar, exponer y grabar el proceso
de argumentacin, para que los estudiantes puedan desarrollar su argumento de una manera ms fcil y llegar a solucionar un problema mientras trabajan con los otros miembros del grupo. Concretamente,
Belvedere ofrece cuatro articulaciones de conversaciones predefinidas
(hiptesis, datos, principios y no especificadas) y tres enlaces (a
favor en contra e y) (vase la figura 27). Las restricciones de este sistema se determinan a partir de los tipos de articulaciones y los enlaces entre stas. Se pide a los usuarios que enlacen sus comentarios a un
comentario ya existente utilizando uno de los cuatro tipos de mensaje. Por
ejemplo, los datos y principios sirven para modificar hiptesis. Los estudiantes utilizan cuadros y enlaces predefinidos para desarrollar sus argumentos durante una sesin de solucin de problemas. Pueden usar esta
herramienta para organizar sus ideas y los mensajes que enviaron al BBS.

ANOTACIONES

Figura 27. Diagrama hecho por estudiantes de educacin secundaria (16 aos) sobre el sida.

97

Del docente presencial al docente virtual

FUOC P06/M1104/01593

4.1.3. Convince Me
Convince Me es un programa de mesa de trabajo para los razonadores que no depende de ningn campo y que apoya el desarrollo
de la argumentacin y la revisin y ofrece feedback sobre la coherencia de los argumentos en funcin de la teora de la coherencia explicativa (Ranney y Schank, en prensa).
Convince Me incorpora herramientas para hacer diagramas de una
estructura de argumentacin y modificar los argumentos y creencias
de cada persona. Al usarlo, las personas pueden: (a) articular sus
creencias sobre una controversia, (b) categorizar cada creencia en
funcin de si hay pruebas o son hipotticas, (c) conectar sus creencias
para apoyar o rehusar una tesis, (d) ofrecer valoraciones para indicar la credibilidad de las afirmaciones y (e) efectuar una simulacin
de conexiones que aporte feedback sobre la coherencia de los argumentos. Este feedback hace que Convince Me sea una de las herramientas de argumentacin ms importantes que existen.
Convince Me ha sido usado para razonar sobre distintas situaciones
sociales, como la interpretacin del comportamiento humano (por
ejemplo, sobre si bostezar indica una expresin subconsciente de
agresin o simplemente una falta de oxgeno, o sobre si debera legalizarse la marihuana. El uso de Convince Me ha ayudado a los estudiantes a estructurar los argumentos consistentes con sus creencias
(Schank y Renay, 1992), a medida que iban cambiando sus estructuras de argumentacin el doble de veces que los estudiantes que utilizaban protocolos escritos. Estos estudiantes que usaban Convince
Me tambin empleaban ms explicaciones y contradicciones en sus
argumentos.

ANOTACIONES
98

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Resumen

Este mdulo contempla tres reas principales: la construccin de modelos, la solucin de problemas y la argumentacin. Estas reas representan las investigaciones ms actuales que el autor, Jonassen,
est llevando a cabo. El modelado, la resolucin de problemas y la
argumentacin son actividades constructivistas que pueden llevar a
un aprendizaje significativo y pueden recibir el apoyo efectivo de la
tecnologa. Junto a este mdulo encontramos estudios de caso que
muestran cmo se pueden involucrar los estudiantes en estas activi-

ANOTACIONES

dades.

99

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

ANOTACIONES

Mapa conceptual

101

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Glosario

affordances
Vase habilitaciones

cambio conceptual
m Cambio en la organizacin o estructura de la comprensin conceptual.

carga cognitiva
f Cantidad de actividad cognitiva (razonamiento, atencin, memoria,
clculo) que se requiere para desarrollar distintas actividades.

dilema
m Problema basado en temas ticos o sociales que no puede predecirse
porque no hay ninguna solucin que sea aceptable para una parte importante de las personas afectadas.

espacio del problema


m Representacin mental de un problema, de sus componentes y de las
proposiciones necesarias para entenderlo y resolverlo.

habilitaciones
f pl Capacidad de dar soporte a la actividad; caracterstica de un sistema
o un fenmeno que permite a los animales o humanos realizar actividades concretas.

ANOTACIONES

en afordances

mala categorizacin
f Clasificacin incorrecta de la naturaleza de un problema.

metacognitivo -a
adj Aprender a aprender estrategias que requieren una conciencia individual y la regulacin de los procesos cognitivos utilizados.
103

FUOC P06/M1104/01593

Del docente presencial al docente virtual

micromundo
m Entorno de inmersin, basado en la informtica, que simula algunos fenmenos del mundo real y permite que el estudiante los experimente.

modelo conceptual
m Modelo visual de un sistema que ilustra las interconexiones de los componentes del mismo.

modelo mental
m Modelo conceptual construido por los humanos para representar su
comprensin de sistemas, objetos y otros fenmenos.

perturbacin
f Pensamiento estimulador sobre algo mediante la aportacin de informacin conflictiva o perspectivas alternativas; disonancia cognitiva.

problemas algortmicos
m pl Problemas que utilizan unos procedimientos finitos y rgidos con decisiones predichas y limitadas que normalmente exigen comprensin numrica, produccin numrica y clculo.

problemas de actuacin estratgica


m pl Problemas que necesitan actividades complejas a tiempo real, en las
que se apliquen un determinado nmero de actividades tcticas para llegar a una estrategia ms compleja y mal estructurada manteniendo la
conciencia situacional.

ANOTACIONES

problemas de anlisis de casos


m pl Problemas complejos, desestructurados y que requieren situaciones
multifacticas.

problemas de diseo
m pl Problemas que requieren aplicar muchos conocimientos dominantes junto con conocimientos estratgicos para producir un diseo
original.

104

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

problemas de resolucin de dificultades


m pl Problemas en los que la persona que quiere solucionarlos intenta
descubrir un estado falso en un sistema (parte de un sistema que no funcione correctamente), provocando un conjunto de sntomas que deben
diagnosticarse y concordar con el conocimiento que tiene el usuario sobre los distintos estados falsos.

problemas de toma de decisiones


m pl Problemas que requieren comparar y contrastar las ventajas e inconvenientes de soluciones alternadas para llegar a tomar una decisin.

problemas lgicos
m pl Pruebas abstractas de lgica que dejan perplejo al estudiante y que se
usan para valorar la agudeza mental, la claridad y el razonamiento lgico.

problemas desestructurados
m pl Problemas que pueden tener soluciones alternativas, definidas de
forma imprecisa u objetivos que no estn claros y restricciones no declaradas; soluciones mltiples, vas de solucin o ninguna solucin; criterios
mltiples para la evaluacin de soluciones.

problemas matemticos narrados


m pl Problemas bien estructurados en los que los valores numricos necesarios para solucionar un algoritmo estn fijados en una narracin
breve o situacin.

problemas que usan reglas


m pl Problemas en los que pueden aplicarse un nmero limitado de re-

ANOTACIONES

glas de distintos campos y de formas distintas.

razonamiento basado en casos


m Mtodo de inteligencia artificial para representar aquello que las personas saben en forma de historias.

representaciones cualitativas
f pl Medios verbales, visuales o no-numricos para representar un problema y su estructura o tipo.

105

FUOC P06/M1104/01593

Del docente presencial al docente virtual

simulaciones cognitivas
f pl Programas informticos que puedan funcionar y que representen modelos de actividades humanas cognitivas que "pretenden modelar estructuras mentales y procesos humanos cognitivos".

sistema experto
m Conjunto de hechos y reglas SI-ENTONCES que parecen expertos humanos; normalmente ayuda a los usuarios en tareas que requieren tomar decisiones.

ANOTACIONES
106

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Bibliografa

Adams-Webber, J. (1995) Constructivist psychology and knowledge elicitation. Journal of Constructivist Psychology, 8 (3), 237-249.
Anzai, Y. (1991) Learning and use of representations for physics problems.
En K. A. Ericsson y J. Smith (Eds.), Toward a general theory of expertise.
Cambridge: Cambridge University Press.
Bagno, E., Eylon, B. S., y Ganiel, U. (2000) From fragmented knowledge to
a knowledge structure: Linking the domains of mechanics and electromagnetism. American Journal of Physics, Supplement, 8 (7), S16-S26.
Barab, S. A., Barnett, M., Yamagata-Lynch, L., Squire, K., y Keating, T. (en
prensa) Using activity theory to understand the contradictions characterizing
a technology-rich introductory astronomy course. Mind, Culture, and Activity.
Barab, S., Evans, M. A., y Baek E. O. (2004) Activity Theory As a Lens for
Characterizing the Participatory Unit. En D. Jonassen (Ed.), Handbook of Research for Educational Communications and Technologies (2.a ed.) Mahwah,
NJ: Lawrence Erlbaum Associates.
Baxter-Magolda, M. B. (1987) Comparing Open-Ended Interviews and
Standardized Measures of Intellectual Development. Journal of College Student Personne, 28, 443-448.
Blessing, S. B. y Ross, B. H. (1996) Content effects in problem categorization
and problem solving. Journal of Experimental Psychology: Learning, Me-

ANOTACIONES

mory, and Cognition 22 (3), 792-810.


Bransford, J. y Stein, B. S. (1983) The IDEAL problem solver: A guide for improving thinking, learning, and creativity. Nueva York: W.H. Freeman.
Briars, D. J. y Larkin, J. H. (1984) An integrated model of skill in solving elementary word problems. Cognition and Instructio, 1, 245-296.
Carey, S. (1992) The origin and evolution of everyday concepts. En R. N.
Giere (Ed.), Minnesota Studies in the philosophy of science (XV) Cognitive models of science (pp. 129-186). Mineapolis, MN: University of Minnesota
Press.
107

FUOC P06/M1104/01593

Del docente presencial al docente virtual

Cerbin, B. (1988) The nature and development of informal reasoning skills in


college students. (ERIC Document Reproduction Service, nm. ED 298 805).
Chi, M. T. H. (1992) Conceptual change within and across ontological categories: Examples from learning and discovery in science. En R. N. Giere
(Ed.), Minnesota Studies in the philosophy of science, (XV) Cognitive models
of science (pp.129-186). Mineapolis, MN: University of Minnesota Press.
Chi, M. T. H., Feltovich, P. J., y Glaser, R. (1981) Categorization and representation of physics problems y experts and novices. Cognitive Science, 5,
121-152.
Cho, K. L. y Jonassen, D. H. (2002) The effects of argumentation scaffolds
on argumentation and problem solving. Educational Technology: Research
& Development 50 (3), 5-22.
Confrey, J. y Doerr, H. M. (1994) Student modelers. Interactive Learning Environment, 4 (3), 199-217.
DeKonig, K. y Bredwg, B. (2001) Exploting model-based reasoning in educational systems: illuminating the learer modeling problem. En K. D. Forbus
y P. J. Feltovich (Eds.), Smart machines in education (pp. 299-330). Menlo
Park, CA: AAAI Press.
Derry, S. J. y Grupo de Investigacin TiPS (2001). Development and Assessment of Tutorials in Problem Solving (TiPS): A Remedial Mathematics Tutor.
Final Report to the Office of Naval research (N00014-93-1-0310). Madison,
WI: Wisconsin Center for Education Research, University of Wisconsin-Madison.
Di Sessa, A. y Abeson, H. (1986) Boxer: A reconstructible computational
medium. Communications of the ACM, 29, 859-868.
Dole, J. A. y Sinatra, G. M. (1998) Reconceptualizing change in the cogni-

ANOTACIONES

tive construction of knowledge. Educational Psychologist, 33, 109-128.


Duffy, T. M. y Cunningham, D. Constructivism: Implications for the Design
and Delivery of Instruction. En D. H. Jonassen (Ed.), The handbook of research on educational communications and technology. Nueva York: Scholastic.
Dunkle, M. E., Schraw, G., y Bendixen, L. D. (1995, abril) Cognitive processes in well-defined and ill-defined problem solving. Artculo presentado en
la reunin anual de la American Educational Research Association. San
Francisco: CA.
108

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Edmundson, K. M. (2000) Assessing science understanding through concept


maps. En J. J. Mintzes, J. H. Wandersee y J. D. Novak (Eds.), Assessing science understanding: A human constructivist view (pp. 19-40). San Diego: Academic Press.
Engestrm, Y. (1987) Learning by expanding: An activity-theoretical approach to developmental research. Helsinki, Finlandia: Orienta-Konultit.
Ferguson, W., Bareiss, R., Birnbaum, L., y Osgood, R. (1991) ASK Systems:
An Approach to the Realization of Story-Based Teachers. The Journal of the
Learning Sciences, 2 (1), 95-134.
Fisher, K. M. (2000) SemNet software as an assessment tool. En J. J. Mintzes, J. H. Wandersee y J. D. Novak (Eds.), Assessing science understanding:
A human constructivist view (pp. 198-223). San Diego: Academic Press.
Frederiksen, J. R. y White, B. Y. (1998) Teaching and learning generic modeling and reasoning skills. Journal of Interactive Learning Environmen, 55, 33-51.
Gentner, D. y Stevens, A. L. (1983) Mental models. Hillsdale. NJ: Lawrence
Erlbaum Associates.
Grabinger, R. S. (1996). Rich environments for active learning. En D. H. Jonassen (Ed.), Handbook of research for educational communications and technology. Nueva York: Macmillan.
Hannafin, M. J., Hall, C., Land, S., y Hill, J. (1994) Learning in open-ended
learning environments: Assumptions, methods, and implications. Educational Technology, 34 (8), 48-55.
Hayes, J. R. y Simon, H. A. (1977) Psychological differences among problem isomorphs. En N. J. Castellan, D. B. Pisoni y G. R. Potts (Eds.), Cognitive
theory (pp. 21-41). Hillsdale, NJ: Lawrence Erlbaum Associates.

ANOTACIONES

Hernandez-Serrano, J. y Jonassen, D. H. (2003) The effects of case libraries on problem solving. Journal of Computer-Assisted Learning.
Hogan, K. y Fisherkeller, J. (2000) Dialogue as data: Assessing students
scientific reasoning with interactive protocols. En J. J. Mintzes, J. H. Wandersee y J. D. Novak (Eds.), Assessing science understanding: A human constructivist view (pp. 96-129). San Diego: Academic Press.
Hong, N. S., Jonassen, D. H., y McGee, S. (2003) Predictors of well-structured and ill-structured problem solving in an astronomy simulation. Journal
of Research in Science Teaching.
109

FUOC P06/M1104/01593

Del docente presencial al docente virtual

Johnson-Laird, P. N. (1983) Mental models: Towards a cognitive science of


language, inference, and consciousness. Cambridge, MA: Harvard University Press.
Jonassen, D. H. (1987) Verifying a method for assessing cognitive structure
using pattern notes. Journal of Research and Development in Education, 20
(3), 1-14.
Jonassen, D. H. (1997) Instructional design models for well-structured and
ill-structured problem-solving learning outcomes. Educational Technology:
Research and Development, 45 (1), 65-95.
Jonassen, D. H. (2000) Computers as Mindtools for schools: Engaging critical thinking. Columbus, OH: Merrill/Prentice-Hall.
Jonassen, D. H. (2003) Using cognitive tools to represent problems. Journal
of Research on Technology in Education.
Jonassen, D. H., Beissner, K., y Yacci, M. A. (1993) Structural knowledge:
Techniques for representing, conveying, and acquiring structural knowledge.
Hillsdale, NJ: Lawrence Erlbaum.
Jonassen, D. H. y Henning, P. (1999) Mental models: Knowledge in the
head and knowledge in the world. Educational Technology, 39 (3), 37-42.
Jonassen, D. H. y Hernandez-Serrano, J. (2002) Case-based reasoning
and instructional design: Using stories to support problem solving. Educational Technology: Research and Development, 50 (2), 65-77.
Jonassen, D. H. y Kwon, H. I. (2001) Communication patterns in computermediated vs. face-to-face group problem solving. Educational Technology:
Research and Development.
Jonassen, D. H., Marra, R. M., y Palmer, B. (en prensa) Epistemological development: An implicit entailment of constructivist learning environments. En

ANOTACIONES

S. Dijkstra y N. Seel (Eds.), Instructional design: International perspectives


(vol. 3). Mahwah, NJ: Lawrence Erlbaum Associates.
Jonassen, D., Prevish, T., Christy, D., y Stavurlaki, E. (1999) Learning to
solve problems on the Web: Aggregate planning in a business management
course. Distance Education: An International Journa, 20 (1), 49-63.
Jonassen, D. H. y Tessmer, M. (1996/1997) An outcomes-based taxonomy
for instructional systems design, evaluation, and research. Training Research
Journal, 2, 11-46.
110

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Jonassen, D. H. y Wang, S. (en prensa) Using expert systems to build cognitive simulations. Journal of Educational Computing Research.
Jonassen, D. H. (1991) Objectivism vs. constructivism: Do we need a new
philosophical paradigm? Educational Technology: Research ad Development, 39.
Jonassen, D. H., Peck, K., y Wilson, B. G. (1999) Learning With technology:
A constructivist perspective. Columbus, OH: Merrill-Prentice Hall.
Kolodner, J. (1993) Case-based reasoning. Nueva York: Morgan Kaufman.
Knudson, R. E. (1991) Effects of instructional strategies, grade and sex on
students persuasive writing. Journal of Experimental Education, 59 (2), 141152.
Kraiger, K. y Salas, E. (1993, abril) Measuring mental models to assess learning during training. Artculo presentado en la reunin anual de la Society
for Industrial/Organizational Psychology. San Francisco, CA.
Land, S. M. y Hannafin, M. J. (1996) A conceptual framework for the development of theories-in-action with open-ended learning environments. Educational Technology Research & Development, 44 (3), 37-53.
Larkin, J. H. (1983) The role of problem representation in physics. En D.
Gentner y A.L. Stevens (Eds.), Mental models (pp. 75-98). Hillsdale, NJ:
Lawrence Erlbaum Associates.
Lehrer, R. y Schauble, L. (2000) Modeling in mathematics and science. En R.
Glaser (Ed.), Advances in instructional psychology: volume 5. Educational design and cognitive science (pp. 101-159). Nueva Jersey: Lawrence Erlbaum.
Lester, J. C., Stone, B. A., y Steling, G. D. (1999) Lifelike pedagogical
agents for mixed-initiative problem solving in constructivist learning environ-

ANOTACIONES

ments. User Modeling and User-Adapted Interaction, 9, 1-44.


Lippert, R. C. (1988) An expert system shell to teach problem solving. Tech
Trends, 33 (2), 2226.
Luque, M. L. (2003) The role of domain-specific knowledge in intentional
conceptual change. En G. M. Sinatra y P. R. Pintrich (Eds.), Intentional conceptual change. Mahwah, NJ: Lawrence Erlbaum associates.
Marshall, S. P. (1995) Schemas in problem solving. Cambridge: Cambridge
University Press.
111

FUOC P06/M1104/01593

Del docente presencial al docente virtual

Maturana, H. R. (1980) Autopoiesis and cognition, the realization of the living. Boston: Reidel Publishing.
Mayer, R. E. (1982) Memory for algebra story problems. Journal of Educational Psychology, 74, 199-216.
Mayer, R. E. (1992) Thinking, problem solving, cognition (2. ed.) Nueva
York: Freeman.
Mayer, R. E. y Wittrock, M. C. (1996) Problem-solving transfer. In Handbook
of educational psychology (pp. 47-62). Nueva York: Macmillan.
Mayer, R. E., Larkin, J. H., y Kadane, J. B. (1984) A cognitive analysis
of mathematical problem solving ability. En R. Sternberg (Ed.), Advances
in the psychology of human intelligence. Hillsdale, NJ: Lawrence Erlbaum
Associates.
McCloskey, M., Caramaza, A., y Basili, A. (1985) Cognitive mechanisms in
number processing and calculation: Evidence from dyscalculia. Brain and
Cognition 4, 171-196.
McGuinness, C. (1986) Problem representation: The effects of spatial
arrays. Memory & Cognition, 14 (3), 270-280.
Mellar, H., Bliss, J., Boohan, R., Ogborn, J., y Tompsett, C. (1994) Learning with artificial worlds: Computer-based modeling in the curriculum. Londres: Falmer Press.
Moore, D. (2000) A framework for using multimedia within argumentation
systems. Journal of Educational Multimedia and Hypermedia, 9 (2), 83-98.
Nathan, M. J. (1998) Knowledge and situational feedback in alearning environment for algebra story problem solving. Interactive Learning Environments, 5, 135-139.

ANOTACIONES

Nathan M.J., Kintsch, W., y Young, E. (1992) A theory of algebra-wordproblem comprehension and its implications for the design of learning environments. Cognition and Instruction, 9, 329-389.
Newell, A. y Simon, H. (1972) Human problem solving. Englewood Cliffs,
NJ: Prentice Hall.
Novak, G. M., Patterson, E. T., Gavrin, A. D., y Christianson, W. (1999)
Just-in-time teaching: Blending active learning wit web technology. Upper
Saddle River, NJ: Prentice-Hall.
112

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Novick, L. R. (1988) Analogical transfer, problem similarity, and expertise.


Journal of Experimental Psychology, 14, 510-520.
Penner, D. E., Giles, N. D., Lhrer, R., y Schauble, L. (1997) Buildig functional models: designing and elbow. Journal of Research in Science Teaching,
34 (2), 125-143.
Ploetzner, R., Fehse, E., Kneser, C., y Spada, H. (1999) Learning to relate
qualitative and quantitative problem representations in a model-based setting for collaborative problem solving. Journal of the Learning Sciences, 8
(2), 177-214.
Ploetzner, R. y Spada, H. (1998) Constructing quantitative problem representations on the basis of qualitative reasoning. Interactive Learning Environments, 5, 95-107.
Ploetzner, R., Fehse, E., Kneser, C., y Spada, H. (1999) Learning to relate
qualitative and quantitative problem representations in a model-based setting for collaborative problem solving. Journal of the Learning Sciences, 8
(2), 177-214.
Ranney, M. y Schank, P. (en prensa) Modeling, observing, and promoting
the explanatory coherence of social reasoning. En S. Read, L. Miller (Eds.),
Connectionist and PDP models of social reasoning. Hillsdale, NJ: Lawrence
Erlbaum.
Reed, S. K., Willis, D., y Guarino, J. (1994) Selecting examples from solving
word problems. Journal of Educational Psychology, 86, 380-388.
Reed, S. K., Ernst, G. W., y Banerji, R. (1974) The role of analogy in transfer
between similar problem states. Cognitive Psychology, 6, 436-450.
Reusser, K. (1993) Tutoring systems and pedagogical theory: representational tools for understanding, planning, and reflection in problem solving. En

ANOTACIONES

S. P. Lajoie, S. J. Derry (Eds.), Computers as cognitive tools (pp. 143-178).


Hillsdale, NJ: Lawrence Erlbaum Associates.
Riley, M. S. y Greeno, J. G. (1988) Developmental analysis of understanding language about quantities in solving problems. Cognition and Instruction, 5 (1), 49-101.
Rips, L. J. (1986) Mental muddles. En M. Brand, R. M. Harnish (Eds.), The
representation of knowledge and beliefs (pp. 258-286). Tuscon, AZ: University of Arizona Press.
113

FUOC P06/M1104/01593

Del docente presencial al docente virtual

Salomon, G., Perkins, D. N., y Globerson, T. (1991) Partners in Cognition:


Extending Human Intelligence with Intelligent Technologies. Educational Researcher, 20 (3), 2-9.
Sanders, J. A., Wiseman, R. L., y Gass, R. H. (1994) Does teaching argumentation facilitate critical thinking? Communication Reports, 7 (1), 27-35.
Savery, J. y Duffy, T. M. (1995) Problem based learning: An instructional
model and its constructivist framework. En B. G. Wilson (Ed.), Designing
constructivist learning environments. Englewood Cliffs, NJ: Educational Technology Publications.
Schacter, J., Chung, G. K. W. K., y Door, A. (1998) Children's Internet searching on complex problems: Performance and process analyses. Journal of
the American Society for Information Science, 49, 840-849.
Schank, R. C. (1986) Explanation patterns: Understanding mechanically and
creatively. Hllsdale, NJ: Lawrence Erlbaum Associates.
Schank, R. C. (1990) Tell me a story: Narrative and intelligence. Evanston,
IL: Northwestern University Press.
Schank, R. C. (1994) Goal-based scenarios. En R. C. Schank, E. Langer
(Eds.), Beliefs, reasoning, and decision making: Psycho-logic in honor of Bob
Abelson. Hillsdale, NJ: Lawrence Erlbaum.
Schank, R. C., Fano, A., Bell, B., y Jona, M. (1993-1994) The design of
goal-based scenarios. The Journal of the Learning Sciences, 3 (4), 305-345.
Schnotz, W., Vosniadou, S., y Carreter (1999) New perspectives in conceptual change. Amsterdam: Pergamom.
Schwartz, J. L. y Yerulshalmy, M. (1987) The geometric supposer: Using
microcomputers to restore invention to the learning of mathematics. En

ANOTACIONES

D. Perkins, J. Lockhead y J. C. Bishop (Eds.), Thinking: The second international conference (pp. 525-536). Hillsdale, NJ: Lawrence Erlbaum Associates.
Schwarz, C. V. y White, B. Y. (en prensa) Developing a model-centered
approach to science education. Journal of Research in Science Teaching.
Shavelson, R. J. (1972) Some aspects of the correspondence between content structure and cognitive structure in physics instruction. Journal of Educational Psychology, 63, 225-234.
114

Procesos de aprendizaje mediante las TIC

FUOC P06/M1104/01593

Siegler, R. S. (1996) Emerging minds: The process of change in childrens


thinking. Nueva York: Oxford University Press.
Silver, E. A. (1981) Recall of mathematical problem information: Solving related problems. Journal of Research in Mathematics Education, 12, 54-64.
Simon, D. P. (1978) Information processing theory of human problem solving. En D. Estes (Ed.), Handbook of learning and cognitive process. Hillsdale, NJ: Lawrence Erlbaum Associates.
Smith, M. U. (1991) A view from biology. En M. U. Smith (Ed.), Toward
a unified theory of problem solving. Hillsdale, NJ: Lawrence Erlbaum Associates.
Smith, J. P.; di Sessa, A. A., y Roschelle, J. (1993) Misconceptions reconceived: A constructivist analysis of knowledge in transition. Journal of Learning Sciences, 3, 115-163.
Spiro, R. J. y Jehng, J. C. (1990) Cognitive flexibility and hypertext: Theory
and technology for the non-linear and multi-dimensional traversal of complex subject matter. En D. Nix, R. J. Spiro (Eds.), Cognition, education, and
multimedia: Explorations in high technology. Hillsdale, NJ: Lawrence Erlbaum.
Sternberg, R. J. y Frensch, P. A. (Eds.). (1991) Complex problem solving:
Principles and mechanisms. Hillsdale, NJ: Lawrence Erlbaum Associates.
Strike, K. A. y Posner, G. J. (1985) A conceptual change view of learning
and understanding. En L. H. T. West, A. L. Pines (Eds.), Cognitive structure
and conceptual change. (pp. 211-231). Nueva York: Academic. Taylor, H.
A. y Tversky, B. Spatial mental models derived from survey and route descriptions. Journal of Memory and Language, 31, 261-292.
Thagard, P. (1992) Conceptual revolutions. Princeton, NJ: Princeton Univer-

ANOTACIONES

sity Press.
Toulmin, S. (1958) The uses of argument. Cambridge, England: Cambridge
University Press.
Veer, G. C. van der (1989) Individual differences and the user interface. Ergonomics, 32 (11), 1431-1449.
Vosniadou, S. (1992) Knowledge acquisition and conceptual change.
Applied Psychology: An International Review, 41 (4), 347-357.
115

FUOC P06/M1104/01593

Del docente presencial al docente virtual

Voss, J. F. y Post, T. A. (1989) On the solving of ill-structured problems. En


M. T. H. Chi, R. Glaser, M. J. Farr (Eds.), The nature of expertise. Hillsdale,
NJ: Lawrence Erlbaum Associates.
Voss, J. F., Wolfe, C. R., Lawrence, J. A., y Engle, J. A. (1991) From representation to decision: An analysis of problem solving in international relations. En R. J. Sternberg, P. A. Frensch (Eds.), Complex problem solving:
Principles and mechanisms (pp. 119-158). Hillsdale, NJ: Lawrence Erlbaum
Associates.
White, B. (1993a) ThinkerTools: Causal models, conceptual change, and
science education. Cognition and Instruction, 10 (1), 1-100.
Wittgenstein, L. (1922) Tractatus logico-philosophicus. Londres: Routledge.
Woods, D. R., Hrymak, A. N., Marshall, R. R., Wood, P. E., Crowe, Hoffman, T. W., Wright, J. D., Taylor, P. A., Woodhouse, K. A., y Bouchard,
C. G. K. (1997) Developing problem-solving skills: the McMaster problem
solving program. Journal of Engineering Education, 86 (2), 75-92.

ANOTACIONES
116