ALGUNAS PAUTAS Y CONSIDERACIONES PARA APRENDER DE UN TEXTO EDUCATIVO DE CIENCIAS

3.5. DE OTROS ASPECTOS

Vamos a englobar aquí todo el conjunto de variables textuales que no forman parte sensu stricto de la prosa expositiva científica, y que no obstante, constituyen una parte muy importante de los textos instruccionales de ciencias, sin la cual sería imposible el aprendizaje en ciencias. A saber: las actividades de aprendizaje (cuestiones , problemas y trabajos prácticos) y las ilustraciones.

3.5.1. ACTIVIDADES DE APRENDIZAJE (CUESTIONES, PROBLEMAS Y TRABAJOS PRÁCTICOS)

En cuanto al papel de las actividades de aprendizaje parece no haber ninguna duda acerca de su influjo positivo en la comprensión y retención del texto y, como señalan diferentes estudios, éste se debe a la focalización de la atención del aprendiz hacia determinadas partes del texto (García Madruga y Martín Cordero, 1987).

3.5.1.1. CUESTIONES

Leonard (1984,1987) en sus trabajos sobre el efecto de las cuestiones insertadas en textos de ciencias, recoge abundante bibliografía que confirma la mayor productividad de las cuestiones cuando están colocadas después de los pasajes a los que se refieren, y la mayor eficacia de las cuestiones de alto nivel cognitivo (de comprensión, de inferencia y de aplicación) frente a las factuales. Este último resultado, junto con el obtenido por Pedersen y colaboradores (1988) que indica que los estudiantes que justifican las respuestas de las cuestiones recuerdan significativamente más el contenido textual, constatan el hecho de que cuantas más operaciones cognitivas se requieren al lector tanta más información recuerda posteriormente.

Por otro lado, las cuestiones son la clave de la utilización del texto instruccional como herramienta para el cambio conceptual cuando cumplen los siguientes requisitos: están centradas en las ideas principales, revelan errores conceptuales, promueven la unión entre las ideas del texto y la vida real, sirven para poner en tela de juicio los preconceptos, y dan muchas oportunidades de trabajar sobre un concepto (Roth y Anderson, 1986).

3.5.1.2. PROBLEMAS DE LÁPIZ Y PAPEL

La resolución de problemas en el aula es una actividad mediante la cual el estudiante externaliza el proceso constructivo de aprender, convierte en acciones los conceptos, las proposiciones o los ejemplos, a través, fundamentalmente, de las interacciones con el profesor y los materiales instruccionales (Costa & Moreira, 2001). En este trabajo, identificamos como problemas las situaciones problemáticas de papel y lápiz que se encuentran en los libros de texto.

La resolución de problemas desempeña un papel crucial en el currículo de ciencias (Lorenzo, 2005). De hecho, la destreza para resolver problemas es uno de los objetivos más importantes de la educación en ciencias, y la resolución de problemas una de las estrategias más utilizadas por los profesores de ciencias, tanto durante la instrucción, como en la evaluación. Desgraciadamente, suele ser también fuente de dificultades y de desmotivación para los alumnos (Friege & Lind, 2006). Además, la actitud de los alumnos ante la resolución de problemas no puede obviarse, y frecuentemente no es la más apropiada para dirigirse hacia una solución exitosa (Escudero, 1995). Por consiguiente, no es de extrañar que mejorar las habilidades de los estudiantes en la resolución de problemas continúe siendo un objetivo principal de los profesores e investigadores en la didáctica de las ciencias.

Está muy extendida en las aulas de ciencias la práctica de utilizar problemas numéricos en los que el alumno manipula ecuaciones, efectúa cálculos numéricos o literales, sustituye valores y repite conocimientos memorizados. En opinión de Zoller y colaboradores (1995) esta metodología instruccional pone en evidencia una enseñanza orientada hacia habilidades de bajo nivel cognitivo. En los libros de texto hallamos con excesiva profusión una buena muestra de este tipo de problemas de carácter algorítmico, que únicamente implican la aplicación de fórmulas o reglas (Stinner, 1992).

En relación con esto, Hellman (1988) encontró en sus exámenes de Física que tenía bastantes casos de alumnos con capacidad para contestar preguntas no conceptuales -aquellas que requerían sólo la sustitución de valores en fórmulas- que. sin embargo, daban un bajo rendimiento en las preguntas conceptuales -aquellas que exigen seleccionar y aplicar conceptos, principios o leyes sin utilizar ecuaciones ni realizar cálculos. También Mazur (1996) revela que sus estudiantes de Física, en la mayoría de los casos, memorizaban ecuaciones y algoritmos de resolución de problemas pero no comprendían realmente los conceptos subyacentes. Finalmente, un amplio número de trabajos muestran que el éxito en la resolución de problemas algorítmicos de Química no indica dominio de los conceptos relacionados con ellos (Nurrenbern y Pickering, 1987; Sawrey, 1990; Pichering, 1990; Nakhleh, 1993; Nakhleh y Mitchell, 1993; Gabel y Bunce, 1994).

La literatura sugiere que el éxito en la resolución de problemas depende de la combinación de un potente conocimiento de la materia, conocimiento de las estrategias de resolución de problemas, y de componentes actitudinales (Jonassen, 2000).

Palumbo (1990), destaca que la resolución de problemas se apoya en estructuras profundas de conocimiento y en la experiencia. Garofalo y Lester (1985) indican que la resolución de problemas constituye una destreza de alto nivel que incluye procesos de visualización, asociación, abstracción, comprensión, manipulación, razonamiento, síntesis y generalización, que requieren ser dirigidos y coordinados. Recientemente Solaz-Portolés y Sanjosé (2007a) han llevado a cabo una revisión de la investigaciones realizadas en torno a las variables cognitivas que intervienen en la resolución de problemas y cómo éstas influyen en el desempeño.

El conocimiento necesario para resolver problemas consta de conceptos, principios, ejemplos, detalles técnicos, generalizaciones, heurística y otras piezas de información relevante (Stevens & Palacio-Cayetano, 2003). El desarrollo de una base de conocimiento es importante tanto en extensión como en organización estructural. Además, para que dicha base de conocimiento sea útil para los estudiantes ha de ser fácil de acceder y de aplicar. Pero, naturalmente, en primer lugar tiene que existir, haber sido construida. Resulta ingenuo pensar que el conocimiento pueda ser obtenido o generado de otras fuentes, que no sea la propia estructura cognitiva, cuando se necesita para resolver problemas (Dawson, 1993).

Muchos autores han estudiado y clasificado los tipos de conocimiento que la educación científica y la resolución de problemas exigen. Shavelson, Ruiz-Primo y Wiley (2005) presentan un esquema de los distintos tipos de conocimiento requerido para que los estudiantes logren los objetivos que se plantean en la enseñanza de las ciencias. Este esquema incluye el conocimiento declarativo (saber qué, referido al contenido específico: hechos, definiciones y descripciones), conocimiento procedimental (saber cómo, producción y aplicación de reglas, pasos a seguir, etc.), conocimiento esquemático (saber por qué, principios, esquemas conceptuales, relaciones entre conceptos), y conocimiento estratégico (saber cuándo, dónde y cómo aplicar nuestros conocimientos, estrategias, heurística, etc).

Por su parte Ferguson-Hessler y de Jong (1990) han distinguido cuatro tipos principales de conocimiento, con la finalidad de conseguir una adecuada base de conocimiento a partir de la cual poder resolver problemas:

• Conocimiento situacional, que permite reconocer situaciones que aparecen dentro de una disciplina específica. Con él, los estudiantes pueden extraer la información relevante del enunciado de un problema.

• Conocimiento declarativo o conceptual. Se trata de un conocimiento estático sobre hechos y principios que pueden ser aplicados dentro de una determinada disciplina.

• Conocimiento procedimental. Tipo de conocimiento que contiene acciones o manipulaciones que son válidas dentro de una disciplina. Este conocimiento se halla extendido a lo largo del conocimiento declarativo, dentro de la memoria de los estudiantes.

• Conocimiento estratégico, que ayuda al estudiante a organizar los procesos que se efectúan durante la resolución del problema, y le guía en los pasos a seguir para alcanzar la solución.

En la tarea de resolver problemas en concreto, Friege y Lind (2006) resaltan el conocimiento esquemático de problemas como factor clave del éxito. Para estos autores este conocimiento es de alta calidad y resulta de la combinación del conocimiento situacional, procedimental y conceptual; y está caracterizado por la profundidad e interconexión de todos ellos. Este es, precisamente, el hallazgo principal de los estudios basados en la comparación de expertos y novatos: parece que el desempeño en la resolución de problemas por parte de los expertos se apoya en la organización que éstos tienen de sus esquemas. Es decir, los esquemas de resolución que los expertos mantienen en sus memorias son muy amplios y densos (interconectados) lo que requiere también que sean muy coherentes (no contengan contradicciones), mientras que los esquemas de los novatos son parcelados, locales, específicos para cada enunciado o situación, poco densos y, cuando se les solicita vincular entre sí dos o más esquemas parciales, aparecen frecuentes problemas de coherencia interna (Zajchowski & Martín, 1993).

De Jong y Ferguson-Hessler (1986) encontraron que los estudiantes que resolvían peor los problemas tenían su conocimiento organizado de una manera superficial, mientras que aquellos que los resolvían mejor tenían su conocimiento organizado en esquemas de problema, conteniendo cada esquema el conocimiento declarativo, procedimental y situacional preciso para cada problema.

En un experimento posterior (Ferguson-Hessler & De Jong, 1990), comprobaron que los estudiantes que solucionaban bien los problemas aplicaban en el estudio de la materia un procesamiento de la información más profundo que los otros. Además, éstos últimos prestaban más atención al conocimiento declarativo, a diferencia de los estudiantes exitosos, que centraban su atención en los conocimientos procedimental y situacional.

Se ha encontrado que el conocimiento conceptual o declarativo es un excelente predictor del desempeño en la resolución de problemas (Friege & Lind, 2006; Solaz-Portolés & Sanjosé, 2006). Este hallazgo apoya la teoría de Ausubel (Ausubel, Novak & Hanesian, 1978), según la cual, si los estudiantes son capaces de incorporar nuevo conocimiento dentro de una estructura de conocimiento ya existente, entonces debería esperarse una correlación entre el conocimiento conceptual tras la instrucción y el éxito en las tareas de aprendizaje (como la resolución de problemas) (Pendley, Bretz & Novak, 1994).

Johnstone y El-Banna (1986) han propuesto un modelo de resolución de problemas basado en la teoría de la memoria de trabajo y en el M-espacio de la teoría de Pascual-Leone. Este modelo establece que un estudiante tendrá éxito en la resolución de un problema si su demanda mental (M-demanda o Z-demanda, los autores aproximan el valor de Z al número de pasos efectuado en la resolución por el alumno menos talentoso, pero exitoso en dicha resolución) es menor o igual a la capacidad de la memoria de trabajo del estudiante, X (esto es, Z  X). La bondad del modelo ha sido puesta a prueba en los trabajos de Tsaparlis (1998) y Tsaparlis y Angelopoulos (2000).

Solaz-Portolés y Sanjosé (2008a) recogen un conjunto de investigaciones que muestran que los resultados de los estudiantes en la resolución de problemas dependen de: su nivel de razonamiento formal (mayor nivel de razonamiento, mejores resultados), su capacidad mental (M-espacio) (mayor capacidad, mejores resultados), si son dependientes o independientes de campo (independientes de campo, mejores resultados), y de su estilo cognitivo móvil/fijo (los móviles lo hacen mejor en pruebas creativas, los fijos en pruebas de mayor razonamiento formal).

De acuerdo con Mayer (1992) los procesos de resolución de problemas pueden agruparse en dos pasos, representación del problema o modelo mental y solución del mismo. Para construir una representación mental del problema, el aprendiz sigue dos etapas: traducción del problema e integración. En la primera, el estudiante extrae conceptos de la descripción textual del problema mediante su conocimiento lingüístico y semántico. Los estudios de Lee y colaboradores (Lee, 1985; Lee, Goh, Chia, & Chin, 1996) ponen en evidencia que el éxito en la resolución de problemas depende enormemente de una adecuada traducción del enunciado del problema, y del adecuado encaje de dicho enunciado en la base de conocimientos del estudiante.

Como se pone de relieve en un trabajo reciente (Solaz-Portolés & Sanjosé, 2008b) la capacidad de la memoria de trabajo desempeña un papel crucial en la resolución de problemas. La habilidad para mantener la información en un estado de activación elevado y controlado puede resultar decisivo para la integración de la información en los sucesivos pasos de la resolución, incluyendo la construcción y manipulación de modelos mentales. No debe resultar raro, pues, que se encuentre un buen número de dificultades en los procesos cognitivos de resolución de problemas en las que está implicada la capacidad de la memoria de trabajo. Los resultados de los experimentos sobre la asociación entre la capacidad de la memoria de trabajo y la carga de información en la resolución de problemas, efectuados por Opdenacker, Fierens, Brabant, Sevenants, Slootamekers, et al.(1990), Gathercole (2004), Danili y Reid (2004) y Tsaparlis (2005) apoyan la relación positiva existente entre capacidad de memoria de trabajo y éxito en la resolución de problemas de ciencias.

Para alcanzar resolver problemas el estudiante tiene que, entre otras cosas, aprender a transferir aprendizajes. La transferencia es frecuentemente definida como la habilidad para aplicar lo que ha sido aprendido en un determinado contexto a un nuevo contexto (Byrnes, 1996).

De acuerdo con Rebello, Cui, Zollman y Ozimek (2007), se pueden distinguir dos tipos de transferencia, horizontal y vertical. La primera tiene lugar si se produce una conexión entre la información que proporciona el enunciado del problema y la que dispone el estudiante en su estructura cognitiva. Un ejemplo de esta transferencia podría ser el caso de un estudiante de Física cuando resuelve con soltura un problema de los que suelen aparecer en los libros de texto. Son problemas cerrados, con datos explícitos, de metodología de resolución familiar, y que suelen ser predominantemente algorítmicos. En estos casos, la estructura del problema propuesto y de los ejemplos antes resueltos es idéntica y el estudiante sólo debe ser capaz de construir una correspondencia analógica entre los elementos del enunciado nuevo y los de los problemas ejemplo, ya generalizados y abstraídos en el esquema de resolución.

La transferencia vertical se realiza en el caso que el aprendiz reconozca características específicas de la situación planteada que le permiten activar algunos elementos de su estructura cognitiva, pero no dispone de una estructura de conocimiento específica que conecte con toda la información del problema. Por tanto, debe elaborar modelos mentales in situ que le permitan abordar el problema. La mayoría de problemas reales requieren transferencia vertical. Suelen ser problemas abiertos, con datos incompletos y de metodología de resolución desconocida a priori para el estudiante.

Fijémonos ahora en las ayudas instruccionales que pueden mejorar la transferencia en la resolución de problemas. Los resultados de los trabajos pioneros de Gick y Holyoak (1983) y de Catrambone y Holyoak (1989) sacan a la luz que puede conseguirse transferencia entre problemas desemejantes mediante entrenamiento con ejemplos y manipulaciones que promuevan la abstracción del esquema de problema (esto es, en definitiva, promover el conocimiento esquemático de problemas).

En el proceso de abstracción de esquemas de resolución de problemas, la eficacia de comparar ejemplos de estructura idéntica o muy similar ha sido probada como un buen método para facilitar la transferencia analógica (Loewenstein, Thompson, Gentner, 1999): la instrucción previa mediante problemas apropiados (Goldstone & Sakamoto, 2003) y la comparación de estos problemas fuente entre sí, es el método instruccional clásico.

Bernardo (2001) obtiene en sus experimentos que el uso de tareas de aprendizaje específicas para estimular la transferencia analógica, mejora de manera significativa la transferencia analógica de información entre el problema fuente y el problema diana. El autor utilizó una estrategia para las tareas de aprendizaje que consistió fundamentalmente en permitir a los estudiantes construir sus propios problemas análogos. Warnakulasooriya y Pritchard (2005) muestran que la transferencia entre problemas de física mejora significativamente cuando los problemas contienen ayudas en la forma consejos, textos descriptivos y retroalimentación.

De acuerdo con Flavell (1976, p.232) “Metacognición se refiere al conocimiento personal relativo a los propios procesos cognitivos y a todo lo demás relacionado con ellos, por ejemplo, propiedades de información o de datos que son relevantes para el aprendizaje”. Desde la perspectiva cognitiva de Anderson (1980) los componentes del conocimiento necesario para resolver problemas pueden ser agrupados en factual o declarativo, procedimental, y regulatorio o metacognitivo. Todos ellos desempeñan papeles complementarios. De acuerdo con O’Neil y Schacter (1999) para ser un buen solucionador de problemas, se tiene que tener conocimiento conceptual, estrategias de resolución de problemas, y ser capaz de planear y controlar el progreso personal que conduce hace la resolución del problema (metacognición). Un artículo de Mayer (1998) examina la función de las habilidades cognitivas, metacognitivas y motivacionales en la resolución de problemas. Acaba concluyendo que las tres son estrictamente indispensables.

Artz y Armour-Thomas (1992) plantean la relevancia de los procesos metacognitivos durante la resolución de problemas en pequeños grupos. Acaban concluyendo que las interacciones continuas entre las destrezas cognitivas y metacognitivas resultan transcendentales en la consecución de la resolución de problemas.

Teong (2003) pone a prueba el efecto del entrenamiento metacognitivo sobre la resolución de problemas. Los estudiantes del grupo experimental, entrenados para llevar a cabo decisiones de carácter metacognitivo y exponerlas, superaron al grupo de control en las puntaciones de la prueba de resolución de problemas. En los experimentos de Longo, Anderson y Witch (2002) se contrasta la eficacia de una nueva metodología instruccional que utiliza estrategias de aprendizaje metacognitivas de carácter visual. Los estudiantes que hicieron uso de estas estrategias obtuvieron resultados significativamente mejores en la resolución de problemas.

Otra metodología instruccional de gran efectividad es la presentada por Lorenzo (2005), denominada Heurístico de Resolución de Problemas. Esta metodología intenta ayudar a los estudiantes a comprender los pasos implicados en la resolución de problemas (herramienta metacognitiva), así como proporcionarles un enfoque organizativo para abordar los problemas de un modo sistemático. Este enfoque guía hacia un razonamiento cualitativo antes que de realización rápida de cálculos, usando siempre una estrategia hacia atrás reflexiva de los pasos efectuados (herramienta metacognitiva). Su aplicación al aula requiere, entre otras cosas, la resolución de problemas en un ambiente de cooperación.

Con la finalidad de conseguir una visión general de las características de estrategias de enseñanza innovadoras en la resolución de problemas, Taconis, Fergusson-Hessler y Broekkamp (2001) realizaron un análisis de los artículos publicados entre 1985 y 1995 en las revistas internacionales más prestigiosas del mundo. De este análisis se deduce que suministrar a los aprendices guías y criterios para poder juzgar sus procesos y productos durante la resolución de problemas, con una inmediata retroalimentación, parecen ser los prerrequisitos más importantes para adquirir habilidades adecuadas en resolución de problemas.