1 APRENDIZAJE INSTANTANEO

¿Listo para empezar?

Sí, gracias.

Ha habido una serie de cambios en la forma en que concebimos la informática en

las últimas décadas. Los científicos van y vienen en torno al término "inteligencia
artificial". A veces, se denomina "aprendizaje automático".

Hoy en día, solemos llamarla "inteligencia automática". Yo solo le llamo

"inteligencia".

A veces, es solo el esfuerzo de crear mejores máquinas. Al principio, todo se

creaba basándose en la lógica. Se realizaban problemas de integración
matemática. Se jugaba al ajedrez. Pero nos dimos cuenta de que el desafío real
era lo que la gente hace en su día a día. El mundo real es muy caótico.

Las normas lógicas complejas no son la manera de resolver los problemas más
interesantes. Hay que tener un sistema capaz de incorporar el conocimiento.

No se puede programar todo. La inteligencia artificial pretende crear máquinas

capaces de aprender de su entorno, de los errores y de las personas. Y aún
estamos en la etapa en la que no sabemos cuál es el camino correcto ni las
acciones acertadas. Sin duda, hay un sinfín de enfoques.

Uno de los subcampos se denomina "reconocimiento de patrones". Pero hay más.

Redes neuronales artificiales. Aprendizaje por refuerzo, por ejemplo. Deducción
estadística y aprendizaje automático probabilístico. Aprendizaje supervisado y no
supervisado. Y no estamos muy seguros de qué técnica permitirá obtener mejores
sistemas. De hecho, es probable que no se utilice la misma técnica para todo. Es
probable que se necesite una gran variedad de técnicas y combinaciones de ellas.
Todo avance en los sistemas inteligentes dependerá del progreso tecnológico
general.

Hasta hace poco, no teníamos ordenadores suficientemente rápidos ni bases de

datos suficientemente grandes para hacer eso. El hecho de poder coger un
problema existente y compartirlo en un sinfín de máquinas es un enfoque muy
importante, ya que agiliza nuestra investigación. La inteligencia artificial nos
rodea. Cuando funciona o empieza a funcionar, cambia de nombre rápidamente.
Ya la estamos usando todos y nos sentimos a gusto con ella. Cosas que ahora se
consideran rutinarias, hace 30 años habrían sido extraordinarios ejemplos de
inteligencia artificial.

El sistema antibloqueo de ruedas. El sistema de piloto automático en los aviones.

Los buscadores. Las recomendaciones. Los mapas. La capacidad de decidir si un
email es o no spam. La capacidad de traducir de un idioma a otro con un teléfono.
Hace 10 años, tratar de hablarle a un ordenador o teléfono no habría tenido
sentido. Vemos un flujo permanente de estas aplicaciones en la actualidad.
Creo que muchos de los expertos en este campo tienen esa sensación
inquietante de que las cosas cambian muy rápido. Se trata de algo progresivo, de
crear cosas que sean cada vez un poquito mejores. La inteligencia es algo que
jamás podremos definir de forma inequívoca y concisa. Se trata de una
constelación de diferentes capacidades. Y todas ellas están orquestadas a la
perfección y funcionan en conjunto. Es muy difícil predecir el futuro a largo plazo.
Nadie puede hacerlo, en realidad. Y lo que no se debe hacer es coger aquello que
mejor funciona ahora y asumir que el futuro será así siempre.
 OCULTAR

Aspectos clave

El mundo está lleno de cosas que la mayoría de nosotros puede comprender sin
pensar demasiado y ante las cuales podemos reaccionar sin dificultad. Por
ejemplo, una señal de stop parcialmente cubierta por la nieve sigue siendo una
señal de stop, y una silla cinco veces más grande de lo habitual sigue siendo un
lugar para sentarse. Aunque para los ordenadores comunes este tipo de lógica
intuitiva es imposible, hoy el aprendizaje automático puede ofrecerles esta ventaja
gracias a su tecnología avanzada. En este vídeo abordaremos cómo el
aprendizaje automático está mejorando los ordenadores y muchas de las tareas
para las que los usamos.

2 LECCIÓN: RESOLVER PROBLEMAS

Comprueba tus conocimientos

De pequeña, me fascinaban los exploradores. Crecí en Seattle. Lewis y Clark

eran como héroes locales. Y yo quería ser como ellos cuando fuera mayor.

Como ingeniera eléctrica, siempre busco nuevos retos. El aprendizaje automático

y la investigación son un tipo de exploración. Es como una exploración intelectual.
Sin duda, en los últimos cinco años, hemos observado un gran aumento en lo que
las máquinas pueden hacer en comparación con hace una o dos décadas. Con el
gran aumento de datos y de capacidades informáticas podemos pensar más a lo
grande y romper los esquemas del tipo de modelos que podemos vislumbrar. El
mundo real es muy caótico.

Las complejas normas lógicas no resuelven los problemas del mundo real. El
aprendizaje automático consiste en aprender a partir de ejemplos. En vez de
escribir 500.000 líneas de código, hacemos que la máquina aprenda mediante la
observación del mundo. Analizamos ejemplos del algoritmo de aprendizaje
automático, quizá millones, miles de millones o hasta billones, para identificar
patrones y generalizar.

En reconocimiento de imágenes, enseñamos a los modelos a tomar los píxeles de

una imagen y obtener características de alto nivel a partir de ellos. La máquina
aprende que si hay una tarta y un niño, tal vez se trata de una fiesta de
cumpleaños. Si hay una tarta y muchos niños, es muy probable que lo sea.
Así se le enseña a la máquina a hacer las mismas deducciones que los humanos
hacemos con tanta naturalidad y destreza. Uno ve lo asombrosos que son los
seres humanos y lo asombroso que es un niño que puede reconocer caras. El
aprendizaje automático fue el preludio de una gran revolución en el
reconocimiento de voz. Para enseñar el reconocimiento de voz interactuamos con
una sala ruidosa. Usamos sonidos del mundo real y los combinamos con los
ejemplos que ya tenemos. ¿Hace frío fuera? ¿Hace frío fuera? ¿Hace frío fuera?
Sin importar cuán ruidoso sea el entorno los sistemas de reconocimiento pueden
comprender lo que uno dice. Pueden distinguir un interlocutor de otro. Gracias al
aprendizaje automático, ahora contamos con un algoritmo que aprende a imitar a
un lingüista humano. La mayoría del lenguaje que utilizamos actualmente es muy
informal. Bla, bla, bla, bla, bla, bla y dice: "Bien". Intercalado con emojis y
pegatinas.

Ahora, con Google, estamos llegando al punto donde uno puede tener una
conversación mucho más natural. ¿Hay algún lugar cercano que venda comida
mexicana? Aquí está.

El asistente de Google usa lo mejor de nuestras técnicas de aprendizaje

automático en reconocimiento de voz, interpretación de imágenes y comprensión
del lenguaje natural. Es un rumbo prometedor para el desarrollo de sistemas que
puedan navegar por el caos del mundo real. Deseábamos que este proyecto fuera
de código abierto para que las personas ajenas a Google pudieran usar el mismo
sistema que usamos a nivel interno. Hay muchas personas que propusieron usos
muy creativos sin saber nada del aprendizaje automático. Así que tienen las
ideas. Y no deben repetir el trabajo pesado que ya hicimos nosotros. Vi un
ejemplo muy bueno. Alguien tenía un gato que merodeaba por casa todo el día.
Entonces, enseñó al modelo a identificar cuando aparecía el gato y activar los
aspersores para asustarlo. Había una pareja de ancianos en Japón que cultivaba
pepinos. Una de las principales tareas es separar los pepinos en rugosos, suaves,
derechos y curvos. Es una tarea complicada. La mujer dedicaba muchas horas al
día a ordenar los pepinos. Así que su hijo tomó un modelo de visión
computerizada artificial y creó un sistema para categorizar los pepinos y
ordenarlos automáticamente. El tiempo que se perdía en clasificar los pepinos,
ahora se podrá aprovechar mucho mejor. 387 millones de diabéticos corren el
riesgo de desarrollar retinopatía diabética. Esta afección causa ceguera. Para
hallar los signos de la retinopatía, se tienen que hacer fotos de la parte posterior
del ojo. Pero no hay suficientes médicos, y una interpretación puede llevar horas.
Por eso, diseñamos un algoritmo que puede leer las imágenes al momento. El
algoritmo ayuda a los médicos a estudiar a más personas para detectar la
enfermedad.

A medida que se observan más casos de aprendizaje automático y lo que éste

puede hacer, se descubren más oportunidades para mejorar la vida de las
personas.

El aprendizaje automático se puede usar para ahorrar energía a gran escala o

hacer un seguimiento de la propagación de enfermedades. O usar un modelo de
visión artificial para personas con problemas de vista. Podríamos crear un sistema
de reconocimiento de voz para los habitantes del planeta y mejorar radicalmente
la experiencia de millones de personas. No hay ningun área de la ciencia ni del
conocimiento humano que no se beneficie del aprendizaje automático. Si me
hubieran preguntado hace unos años si un ordenador podría hacer esto a corto
plazo, habría respondido que no. Es muy motivador pensar en lo que está por
venir. Estamos pensando y haciendo cosas que jamás hizo nadie. Estamos
planteando nuevos territorios intelectuales y adentrándonos en ellos. La promesa
de la inteligencia artificial y el aprendizaje automático es que podemos crear
soluciones para problemas aún sin resolver y así ayudar a las personas.
 OCULTAR

Aspectos clave

Desde ayudar a los granjeros en Japón a clasificar pepinos hasta ayudar a los
médicos en la India a diagnosticar enfermedades oculares, el aprendizaje
automático está cambiando la forma en la que utilizamos el código para resolver
problemas y mejorar nuestras vidas. En este vídeo abordaremos cómo el
aprendizaje automático es útil para resolver una amplia variedad de problemas en
todas las industrias, sectores y aplicaciones.

3 LECCIÓN

Aplicar el Aprendizaje Automático para resolver problemas

La idea fundamental del aprendizaje automático es coger una parte de un sistema de

software que solíamos programar mediante un conjunto de normas y, en su lugar, hacer que
la máquina aprenda a realizar la tarea.

El aprendizaje automático resulta adecuado para automatizar procesos y mejorarlos. Las

empresas que se benefician hoy en día del aprendizaje automático tienen algún proceso
informativo sencillo por completar.

Por ejemplo, en Google, usamos el aprendizaje automático en todos nuestros productos y

servicios. Lo usamos para todo, desde la traducción automática de páginas web a varios
idiomas hasta la ayuda que se da a los usuarios para buscar imágenes y la redacción
automática de respuestas de correo electrónico.

Es posible que haya áreas de tu empresa donde se haga prácticamente lo mismo en torno a
la información. Puede ser cualquier caso, desde un banco que detecta movimientos
fraudulentos hasta el administrador de una tienda Etsy que les recomienda arte a sus clientes.
Se trata del proceso de coger algo repetitivo y, por lo general, aburrido para los humanos y
automatizarlo. Pero ahora opera a un nivel diferente. El aprendizaje automático hace muchas
cosas. Pero no significa que sea la respuesta para todos los problemas.

Si eres contable, no necesitas usar el aprendizaje automático para descubrir cómo sumar dos
cifras. Ya existen programas que hacen eso a la perfección. Si estás tratando de decidir cómo
usar el aprendizaje automático en tu empresa y tienes un equipo de científicos de datos,
debes comenzar hablando con ellos. Pero si tienes una pequeña empresa, deberías centrarte
en una buena idea, una oportunidad de cómo el aprendizaje automático puede suponer una
gran diferencia en lo que ofreces y cómo lo ofreces.

Uno de los aspectos más importantes es tener ejemplos de comportamiento que quieres que
la máquina aprenda. En la práctica, las máquinas aprenden mejor cuando reciben ejemplos
correctos y, luego, aprenden a imitarlos. Entonces, debes buscar una idea relacionada con
una tarea que se haya hecho cientos o miles de veces y de la que existan registros precisos
de cómo debe hacerse de forma correcta. Luego, puedes usar máquinas para automatizar
ese mismo comportamiento un millón o mil millones de veces. Como las máquinas aprenden
de los ejemplos que obtienen a partir de datos, deben tener cierta cantidad de datos para
empezar. Las máquinas aprenden mucho más despacio que los humanos. Así que, si una
persona necesita diez demostraciones para aprender una tarea, es posible que una máquina
requiera cien o mil.

Hasta hace poco, una de las principales barreras de entrada para las empresas que querían
usar el aprendizaje automático era la disponibilidad de un software eficaz. TensorFlow es un
paquete de software de código abierto que Google desarrolló a nivel interno para nuestros
sistemas de aprendizaje automático. Y lo pusimos a disposición externa para uso de otras
empresas y demás instituciones académicas. La idea es que en vez de tener que diseñar el
aprendizaje automático de cero, nosotros ofrecemos los componentes básicos de este tipo de
aprendizaje que puedes usar para tus propios productos y servicios.

El aprendizaje automático puede ser ideal para automatizar los procesos existentes y
hacerlos más eficientes, pero no puede descubrir ni decidir cuál es el siguiente paso. Ese tipo
de creatividad y liderazgo es lo que tu, como empresario, debes aportar al proceso. Para cada
nuevo conjunto de herramientas, debes destinar tiempo para explorar y experimentar. La
primera vez que lo pruebes no funcionará perfectamente ni resolverá mágicamente todos tus
problemas. Las oportunidades de uso del aprendizaje automático son específicas para cada
empresa. Y hay muchas posibilidades que aún ni imaginamos.
 OCULTAR

Aspectos clave

El aprendizaje automático es una herramienta eficaz para las empresas. Puede ofrecer
nuevas oportunidades para crecer y ayudar a automatizar los procesos existentes a fin de que
sean más eficientes y eficaces. En este vídeo, abordaremos cómo las empresas pueden
comenzar a usar el aprendizaje automático y aplicar esta tecnología para satisfacer sus
necesidades.
 Aprender más rápido con el método de Tim
Ferriss
CONCEPTOS
¿te gustaría aprender más rápido cualquier cosa? ¿no conoces a Tim Ferriss y sus
métodos de aprendizaje? ¿y si tal vez los puntos débiles de estos buenos consejos
se solventan aplicando el pensamiento visual?
Conocer cómo aprender más rápido con el método de Tim Ferris  puede ser de gran
ayuda para todos.
¿No conoces a Tim Ferriss?
¿ y si te cito su famoso libro “La semana laboral de 4 horas”?
Timothy «Tim» Ferriss es un escritor estadounidense, empresario y orador público.
También un “inversor ángel” y asesor de Facebook , Twitter , StumbleUpon , Evernote
, y Uber , entre otras empresas.
¿y por qué un profesional del conocimiento estaría interesado en aprender más
rápido como propone Tim Ferriss?
Porque seguramente parte de tu trabajo sea aprender temas nuevos que
complementen, amplíen y afiancen tu conocimiento.
El día a día te mantiene ocupado, pero no por ello deberías dejar de aprender toda tu
vida aunque ya seas un profesional consolidado.
Si optimizas tus métodos de aprendizaje, y en definitiva intentas aprender más
rápido, tu valor como profesional del conocimiento podrá ir en aumento
siempre.
Además, esto te permitirá encontrar y aprender temas que complementen tus
conocimientos, como por ejemplo realizar buenas presentaciones de tu conocimiento.

Tim Ferriss pone de manifiesto cómo aprender más rápido desde cero cualquier cosa
que te propongas… aunque a priori seas muy, pero muy malo haciéndolo.
El motivo de tener en cuenta sus métodos y enseñanzas, es que en primer lugar son
de sentido común!
Pero es un sentido común que el sabe sintetizar, explicar y demostrar al ponerlo en
práctica con resultados sorprendentes, como por ejemplo sus experiencias:
 Comenzó con miedo al agua y ahora tiene pasión por la natación.
 Su técnica para aprender cualquier idioma extranjero en pocos meses y muy rápido.
 Sus vivencias tratando de aprender “tango”, que le llevaron a campeonatos mundiales.
 Y en todas las que está inmerso: artes marciales, memorizar, tocar la batería, cocinar,
…
 Si quieres que te avise por email cuando publique otras entradas sobre
aprendizaje, y además acceder a más información sobre los conceptos del
pensamiento visual, puedes suscribirte para no perderte nada.
¡Ok, me apunto!

Método Tim Ferriss para aprender más rápido

Timothy Ferris presenta una metodología lógica sobre la manera de aprender
rápidamente cualquier cosa, independientemente del campo escogido.
A grandes rasgos, para aprender más rápido tienes que simplificar el aprendizaje,
sintetizando todo, y poniéndolo en un correcto orden de asimilación… y claro, esto en

sí mismo ¡ No es fácil! 
El método de Tim Ferriss lo resume como DiSSS, siendo esto un acrónimo de
Deconstrucción, Selección, Secuencia y Stakes:
1. Deconstrucción: tienes que organizar el caos inicial en las piezas esenciales. Analiza
cuáles son los elementos básicos que definen aquello que quieres aprender. → ¡Divide y
vencerás!
2. Selección: escoge de entre todos los materiales que puedes disponer… cuál es el 20%
que te dará mejor rendimiento de lo que quieres aprender. → Diagrama Pareto: el 20% de los
esfuerzos produce el 80% de los resultados.
3. Secuencia: organiza el material seleccionado para estudiar de forma correcta y
productiva. No siempre es mejor el orden, ni el método habitual. → ¿Por dónde empezarás?
4. Stakes = Consecuencias: establece tus propias recompensas y castigos para
mantenerte firme en el proceso de aprendizaje hasta que logres tu objetivo. → Evalúa tu
aprendizaje como un juego… y ¡Busca tu motivación!
Está claro, y es lógico, que para aprender más rápido hay que saber qué aprender,
que esto sea lo mínimo imprescindible y hacerlo en el orden idóneo.
Pero también es muy importante que te lo tomes en serio, porque en caso contrario
es tiempo perdido y lo acabarás dejando todo en poco tiempo.
En definitiva, se trata de encontrar la esencia de esa temática o habilidad que
quieres aprender más rápido, y hacerlo en el orden correcto y de manera
constante.
Estos serían los principios centrales, pero bajo otro acrónimo (para que así lo
recuerdes más fácil), se encuentran otros importantes aspectos.
CaFE: Compresión, Frecuencia, Encoding
1. Comprimir: reducir ese 20% clave del aprendizaje en una sóla página, para que así lo
puedas recordar fácilmente en un futuro. → Esto es precisamente lo que recomiendo realizar
en esta web: resúmenes visuales. Ejemplo: la imagen de este propio artículo o los VisualTED
2. Frecuencia: establece frecuencias en las que revises ese material ya comprimido y
resumido, para que no se te olvide y lo puedas recuperar rápidamente cuando lo necesites. →
Dependerá de cuál es el objetivo de tu aprendizaje, pero no se trata de memorizar.
3. Encoding: aplicar reglas mnemotécnicas para poder recordar esos datos cuando
quieras. → Estos acrónimos DiSSS y CaFE son un buen ejemplo.
 ¿Cómo encontrar la esencia de lo que quieres aprender para así aprender más
rápido?
Según este método, a priori es muy fácil aprender más rápido, y la complejidad
recae en precisamente saber cual es la esencia de lo que quieres aprender, así
como  también por qué orden hay que aprenderlo.
Un poco difícil…
¡ Tenemos que decidirlo cuando aún no sabemos nada! ;-(
Entonces,… ¿ cuál es la solución?
Tim Ferriss te propone entrevistar e “interrogar” a una persona con amplios
conocimientos en la materia o habilidad que quieres aprender más rápido, para que
te ayude con la deconstrucción, selección y elección de la secuencia más apropiada y
efectiva.
Lo que yo te recomiendo además de eso, o en sustitución… si no eres muy partidario
de pedir ayuda… es como te podrás imaginar:
¡Aplicar el pensamiento visual!
Y en concreto aplicar lo siguiente:
Mirar y las 6 maneras de ver
En definitiva, se trata de aprender a MIRAR mejor: recopilar toda la información,
desplegarla, ordenar y filtrar.
Tras esto, ya puedes aplicar el mejor modo de VER: ¿QUIÉN?, ¿CUÁNTO?,
¿DÓNDE?, ¿CUÁNDO?, ¿CÓMO?, ¿POR QUÉ?, encontrando así la esencia de las

cosas. 
Si mejoras tus habilidades de MIRAR y VER, en base a cómo funciona realmente
nuestra mente, estarás un paso más cerca de llegar a la esencia de las cosas, para
en este caso aprender más rápido.

La técnica Feynman para aprender más rápido

9 marzo, 2018
Este artículo fue redactado y avalado por el psicólogo Francisco Pérez

Cómo implicar al niño en las tareas de casa

La relación entre la lectura en familia y la comprensión lectora del niño
Usar Google Classroom en tus clases
Quizá hayas sentido que no progresas cuando estás estudiando. Puede que
alguna vez te hayas preguntado por qué tu ritmo de aprendizaje es tan lento o
incluso, te has desesperado tras varios intentos fallidos a la hora de memorizar el
significado de un concepto. Retener información en nuestra mente a veces no es
tan sencillo.

Para ayudarte en este aspecto, te presentamos la técnica Feynman, una

estrategia simple y eficiente para adquirir nuevos conocimientos de forma mas
rápida y profunda. Sigue leyendo para descubrir en qué consiste.

«Si no puedes explicar algo de forma sencilla es que ni tú mismo lo has entendido
lo suficiente».

-Albert Einstein-

¿Quién fue Richard Feynman?

Richard Feynman fue un físico teórico estadounidense. Es conocido por su trabajo
en la formulación mediante las integrales de camino de la mecánica cuántica, la
teoría de la electrodinámica cuántica y la física de la superfluidez del helio líquido
subenfriado, así como por el modelo Partón en la física de partículas.

Por sus contribuciones al desarrollo de la electrodinámica cuántica, Feynman

junto a Julian Schwinger y Sin-Itiro Tomonaga, recibió el Premio Nobel de Física
en 1965. Además, según una encuesta de 1999 de la revista británica Physics
World, de los 130 principales físicos de todo el mundo citados, Feynman fue
clasificado como uno de los diez más grandes físicos de todos los tiempos.

«No sé qué le pasa a la gente: no aprenden comprendiendo; aprenden de alguna

otra forma, por la rutina, o de algún otro modo. ¡Que frágil es su conocimiento!».

-Richard Feyman-

Richard Feynman

¿En qué consiste la técnica Feynman?

La técnica Feynman fue explicada por su biógrafo James Gleick en el libro
Genius: The Life Science of Richard Feynman. Utilizando esta técnica cualquier
persona puede adquirir nuevos conocimientos de manera eficiente si se lo
propone. De hecho, también es una poderosa herramienta de estudio para
preparar cualquier examen.

«Lo que no puedo crear, no lo entiendo».

-Richard Feynman-

James Gleick cuenta cómo Feynman abrió su libreta nueva y escribió en la

cubierta «Libreta de cosas que no sé todavía». Feynman estaba reorganizando
sus conocimientos. Y es que el físico siempre intentaba llegar al núcleo de cada
materia que estudiaba. Lo que pretendía era apuntar en esa libreta todas las
explicaciones de aquellos conceptos que se iban desarrollando en sus
investigaciones.
Quizás podamos pensar que podríamos hacer lo mismo con un amigo. Se trataría
de contarle aquello que hemos aprendido con el objetivo de memorizarlo y
comprenderlo mejor a la vez que se lo explicamos. Sin embargo, no siempre
disponemos de un amigo tan servicial y paciente. Por ello, Feynman desarrolló
una técnica variante pero igual de efectiva: aprender explicando.

Amiga explicando a otra lo aprendido

La idea básica de esta técnica consiste en leer activamente el material de estudio

y luego, tratar de explicarlo de forma sencilla, como si estuviéramos dirigiéndonos
a un niño o a una persona con menos conocimiento que nosotros sobre ese tema.
De ahí que esta forma de aprendizaje se valore como una metodología activa, ya
que al explicar el material que estamos estudiando, tendremos que utilizar otro
lenguaje y diferentes estrategias. De esta forma, será mucho más sencillo darnos
cuenta de los errores y aprender de manera más eficiente.

«La mejor manera de entender algo es explicarlo».

-Richard Feynman-

Los 4 pasos de la técnica Feynman

La técnica Feynman de aprendizaje se compone de 4 sencillos pasos. Vamos a
ver en qué consisten.

Primer paso
Para empezar, hay que coger una hoja de papel y escribir en su parte superior el
nombre del concepto que estamos estudiando. Por ejemplo, si estamos
estudiando el teorema de Pitágoras deberíamos escribirlo en la parte superior del
folio o papel.

Segundo paso
Una vez escrito el concepto, hay que describirlo con nuestras propias palabras y
utilizando un lenguaje sencillo, como si se lo estuviéramos explicando a otra
persona.

Si seguimos con el ejemplo del teorema de Pitágoras, tendríamos que escribir

algo así «en un triángulos rectángulo, el cuadrado de la hipotenusa es igual a la
suma de los cuadrados de los catetos».

Mano escribiendo en una libreta aplicando la técnica Feynman

Tercer paso
El tercer paso consiste en revisar todo lo que hemos escrito con el objetivo de
identificar aquellas partes que no están perfectamente explicadas, que son
confusas o que no están bien redactadas. Para ello, podemos volver a nuestros
apuntes o incluso buscar nueva información al respecto. También es de utilidad
utilizar ejemplos que refuercen el conocimiento.

«Aprende a resolver todos los problemas que ya hayan sido resueltos».

-Richard Feynman-

Cuarto paso
El último paso consiste en realizar una última revisión de lo escrito. Así, si hemos
utilizado un lenguaje demasiado complejo podemos reescribir el texto para
hacerlo más simple e inteligible. Para ello, podemos utilizar metáforas o
analogías. Lo importante es asegurarnos que el discurso puede ser entendido por
cualquier persona.

Si después de seguir estos sencillos cuatro pasos, nuestra explicación sigue sin
entenderse puede ser que no hayamos comprendido del todo bien lo que hemos
estudiado. En este caso, deberíamos empezar el proceso de nuevo.

Aprendizaje significativo: definición y características

 31 mayo, 2019
Este artículo fue redactado y avalado por el psicólogo Alejandro Sanfeliciano

 ¿Por qué es importante el vínculo de apego?

 El mito de la enfermedad mental de Thomas Szasz
 La hiperia, una hipótesis fascinante de la nueva psiquiatría
A lo largo de nuestra vida escolar, o simplemente observando con detalle lo que
nos acontece, enseguida nos damos cuenta de que no todo lo que aprendemos
es igual. Las diferencias parecen obvias cuando comparamos el aprendizaje
profundo, como el derivado de un tema de nuestro interés, con recordar algo
aburrido de manera literal y sin darle un significado. Por esta razón, David
Ausubel estudió las diferencias entre estos dos aprendizajes y desarrolló
partiendo de ellas su teoría del aprendizaje significativo.
Muchos psicólogos educativos han centrado sus esfuerzos en intentar
desarrollar modelos que describan la manera en la que adquirimos
conocimientos. El modelo de Ausubel sobre el aprendizaje significativo es
uno de los modelos que han explicado con más éxito cómo se produce el
aprendizaje profundo no literal. Así, este se define como un conocimiento
construido y relacionado con los conocimientos previos, donde el sujeto adquiere
un papel activo, reestructurando y organizando la información.
En esta teoría podemos vislumbrar grandes influencias constructivistas. Para
David Ausubel, el conocimiento verdadero es construido por el sujeto a
través de sus propias interpretaciones. Por esto, todo conocimiento basado en
la memoria literal no sería más que el resultado de repeticiones con escaso o nulo
significado. En este tipo de conocimiento no entraría en juego la interpretación del
sujeto y difícilmente tendría una influencia significativa en la vida de la persona.
«El factor individual más importante que influye en el aprendizaje es lo que el
alumno ya sabe. Determine esto y enséñele en consecuencia»
-David Ausubel-

¿Qué es el aprendizaje significativo?

Podríamos definir el aprendizaje significativo de un modo muy elemental: es

sentir cómo de pronto encajan todas las piezas de un concepto, de una idea,
de una teoría, fórmula o razonamiento. La mayoría hemos sentido esa
sensación. La de que aquello que aprendemos se integra en nuestra mente y
tiene un sentido por sí mismo.

Stuart T. Haines, profesor de la Facultad de farmacia y medicina de la

Universidad de Maryland, llevó a cabo un estudio entre sus propios alumnos
para averiguar cómo integraban la información y qué métodos usaban. De
hecho, si de algo era consciente es que el tema memorístico era clave en su
asignatura.

Los planes de estudio de farmacia requieren que cada estudiante memorice casi
un miles de  entidades moleculares y nombres de fármacos. Bien, algo que pudo
demostrar es que solo cuando esos datos a recordar eran significativos y
tenían sentido para el alumno, estos no solo retenían mucho mejor la
información, sino que la «transferían» a la memoria a largo plazo.

  El aprendizaje significativo, por tanto, es activo,

constructivo y duradero, 
 Implica comprender, sentir que la información es útil y no limitarnos solo
memorizar.
 Necesita de técnicas de aprendizaje activo.
 Implica a su vez relacionar nueva información con conocimiento
previo.

Un cambio en el modelo educativo

Para conocer la naturaleza del aprendizaje significativo es necesario comprender
que la teoría de Ausubel es una teoría destinada a una aplicación directa. El
doctor Ausubel no buscaba simplemente describir los diferentes tipos de
aprendizaje; él estaba interesado en provocar un cambio en la instrucción.
Como hemos mencionado antes, es difícil que un aprendizaje literal o superficial
modifique las representaciones del alumno. Esto hace que nos cuestionemos si
podemos hablar, en estos casos, de un aprendizaje real. Precisamente de aquí
nace la necesidad de entender algunas ideas clave sobre este tema.

 El aprendizaje significativo es un aprendizaje relacional. Está

relacionado con los conocimientos previos y experiencias vividas. Supone
una modificación o una manera de complementar nuestros esquemas o
representaciones de la realidad, logrando de esta manera un aprendizaje
profundo. No son simplemente datos memorizados, sino un marco
conceptual acerca de cómo vemos e interpretamos la realidad que nos
rodea.

  La idea por tanto es ayudar a los alumnos a activar lo que ya saben
para poder mostrarles información nueva. De esta forma, logramos que
integren esos datos innovadores a sus esquemas de conocimiento ya
existentes (en lugar de pedirles que creen esquemas de conocimiento
nuevos)

 Otra labor de los docentes será mostrar a los estudiantes aquello

que no saben. De este modo, creamos un pequeño
desequilibrio cognitivo con el fin de despertar en ellos la motivación
intrínseca, es decir, las ganas de aprender.

Implicaciones en la instrucción

Esta teoría tiene fuertes implicaciones a la hora de cambiar los métodos de

instrucción. Si echamos aunque sea un vistazo superficial a la educación actual,
nos damos cuenta de numerosos errores. El sistema está hecho para favorecer el
aprendizaje memorístico o literal, haciendo que los alumnos aprendan datos,
formulas o nombres sin ningún tipo de significado.
Además, gracias al sistema actual de evaluación basado en pruebas
objetivas, se favorece más el aprendizaje superficial. Esto es debido a que,
para aprobar los exámenes no se necesita un aprendizaje significativo; y si lo que
se busca es sacar una buena nota, el aprendizaje memorístico va a dar mejores
resultados con un esfuerzo menor.
Ahora bien, esto hace que aquellos que buscan comprender la materia se vean
desanimados o no entiendan por qué tienen unos resultados peores.

La necesidad de un cambio es más que evidente. Sobre todo por los datos tan
positivos que nos ofrecen todos esos intentos por aplicar y dar forma al
aprendizaje significativo en las aulas de los alumnos de secundaria y
universitarios. De hecho, la Universidad Politécnica de Hong Kong,  también llevó
a cabo un programa en sus aulas con el fin de fomentar este tipo de enfoque y se
encontraron con datos muy positivos: el aprendizaje significativo potencia la
sensación de autoeficacia de los alumnos.

Las claves de Ausubel

David Ausubel propuso los siguientes principios que debía seguir la
instrucción para lograr un aprendizaje significativo en sus
alumnos. Veámoslos a continuación.

 Tener en cuenta los conocimientos previos. El aprendizaje significativo

es relacional, su profundidad radica en la conexión entre los nuevos
contenidos y los conocimientos previos.
 Proporcionar actividades que logren despertar el interés del alumno.
A mayor interés el estudiante, este estará más dispuesto a incorporar el
nuevo conocimiento en su marco conceptual.
 Crear un clima armónico donde el alumno sienta confianza hacia
el profesor. Es esencial que el estudiante vea en el profesor una figura de
seguridad para que no suponga un obstáculo en su aprendizaje.
 Proporcionar actividades que permitan al alumno opinar, intercambiar
ideas y debatir. El conocimiento ha de ser construido por los propios
 alumnos, son ellos los que a través de su marco conceptual deben
interpretar la realidad material.
 Explicar mediante ejemplos. Los ejemplos ayudan a entender la
complejidad de la realidad y a lograr un aprendizaje contextualizado.
 Guiar el proceso cognitivo de aprendizaje. Al ser un proceso donde los
alumnos son libres a la hora de construir el conocimiento pueden cometer
errores. Es función del docente supervisar el proceso y actuar de guía
durante el mismo.
 Crear un aprendizaje situado en el ambiente sociocultural. Toda
educación se da en un contexto social y cultural, es importante que los
alumnos entiendan que el conocimiento es de carácter construido e
interpretativo. Entender el porqué de las diferentes interpretaciones
ayudará a construir un aprendizaje significativo.

Podemos intuir fácilmente que la apuesta por un modelo en el que prime el

aprendizaje significativo requiere de recursos. El precio es mucho mayor que
la otra manera de aprender a la que hemos aludido en este artículo (aprendizaje
literal o superficial) y que es mucho más corriente en las escuelas actuales. Sin
embargo, la verdadera pregunta es, ¿cuál queremos? O, en el fondo, ¿cuál es
realmente más cara?