Machine Translated by Google

Educación creativa, 2014, 5, 1615-1628

Publicado en línea en octubre de 2014 en SciRes. http://www.scirp.org/journal/ce
http://dx.doi.org/10.4236/ce.2014.517179

Los pilares del aprendizaje, la comprensión,

Estudiar y explicar
piero mella

Departamento de Economía y Gestión, Universidad de Pavía, Pavía, Italia

Correo electrónico: piero.mella@unipv.it

Recibido el 20 de agosto de 2014; revisado el 8 de septiembre de 2014; aceptado el 20 de septiembre de 2014

Copyright © 2014 por el autor y Scientific Research Publishing Inc.

Este trabajo tiene la licencia Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/

Resumen
Este artículo se basa en la hipótesis de que las personas inteligentes tienen una alta capacidad para comprender
y aprender de manera efectiva, ya que los procesos de estudio y explicación les permiten desarrollar la
capacidad de construir un sistema de modelos coherentes que pueden actualizarse rápidamente. La primera
parte del documento destacará la lógica y el poder de la comprensión y el aprendizaje sistémicos que se basan
en el pensamiento sistémico. Está claro que la comprensión y el aprendizaje representan actividades mentales
diferentes: entendemos cuando formamos un modelo coherente de un concepto, pero aprendemos sólo cuando
ese modelo se vuelve estable y permanente; cuando está memorizado para que podamos repetirlo y aplicarlo.
No hay aprendizaje sin estudio. Por ello, la segunda parte del trabajo propone diez pasos para estudiar de forma
eficaz (que permita comprender) y eficiente (con el mínimo esfuerzo). Pero, ¿cómo alcanzamos la comprensión?
A menudo alcanzamos la comprensión a través de la experiencia personal; en la mayoría de los casos, sin
embargo, nos ayuda un profesor, un maestro o un libro de texto que nos da una explicación. El proceso de
explicación representa el tema de la tercera parte del artículo, donde el autor considera las cinco estructuras
más importantes del proceso de explicación: las estructuras común, clásica, procedimental, sistémica y
teleológica. En este sentido, Comprender, Estudiar y Explicar pueden considerarse los tres pilares sobre los
que se sustentan el aprendizaje y el conocimiento.

Palabras clave
Educación, comprensión, aprendizaje, conocimiento, disciplina de estudio, proceso de explicación

1. Introducción
A lo largo de mis décadas de experiencia docente, siempre he comenzado mis cursos (que son de naturaleza
técnica) con un breve cuestionario en el que se les pide a los estudiantes que indiquen el significado detrás de su participación

Cómo citar este artículo: Mella, P. (2014). Los Pilares de Aprender, Comprender, Estudiar y Explicar. Educación creativa, 5,
1615-1628. http://dx.doi.org/10.4236/ce.2014.517179
Machine Translated by Google

P.Mella

las lecciones y mi papel como profesor. En particular, les pregunto si atribuyen un significado diferente a los términos
“comprender” y “aprender” y si, en su opinión, la comprensión es la causa o el efecto del aprendizaje. Recibía una
variedad de respuestas, algunas de las cuales eran incluso bastante graciosas. Sin embargo, definitivamente surgió
una cosa: la mayoría de los estudiantes consideraban la comprensión y el aprendizaje como sinónimos, y un buen
porcentaje de ellos sostenía que el aprendizaje precedía necesariamente a la comprensión. La mayoría de los
estudiantes sintieron que mi tarea como docente era explicarles el contenido del libro de texto del curso y de mis
diapositivas, lo que sirvió para presentar claramente el contenido principal del curso, lo que facilitó un estudio más
rápido. Todo se volvió obvio cuando abordé el tema "¿Cuál es el propósito de estudiar?" Para responder a esta
pregunta acuñé la frase “entre entender y aprender está estudiar”.
¿Qué significa estudiar? La respuesta principal fue: “Leer y memorizar el libro para responder las preguntas y
aprobar el examen”. Fue precisamente esta forma simplista de considerar el concepto de estudiar lo que me llevó a
proponer un libro de reglas de consejos para un estudio eficaz y eficiente, que aún publico en el sitio web de mi curso.
Las más variadas respuestas provinieron de la pregunta sobre el significado del término “explicar” y las diversas
formas de explicación, aunque la mayoría de los estudiantes sostuvo que la tarea principal del docente era explicar
“haciendo claro y comprensible el material de estudio”.
Aprovechando esta experiencia, he decidido resumir en este breve estudio las respuestas que di a mis alumnos
en relación con el cuestionario, aclarando al mismo tiempo los procesos fundamentales que constituyen nuestro
entendimiento y desarrollan nuestra inteligencia. Comenzaré analizando los conceptos de "comprensión" y
"aprendizaje" en un intento de transmitir el mensaje de que para comprender y aprender debemos eliminar las
barreras al aprendizaje que, lamentablemente, existen con demasiada frecuencia para los aprendices. Luego indico
un enfoque de diez pasos para la disciplina de estudiar, concluyendo con una presentación de las diversas formas de
explicación que pueden usarse para derivar conocimiento de otro conocimiento.

2. Primer Pilar. Entendimiento y Aprendizaje. Los modelos son la base de

Conocimiento
Tanto como individuo como parte de una organización, el hombre desarrolla un pensamiento inteligente que se
manifiesta a través del conocimiento y la acción ventajosa, incluidos los procesos comunicativos. Todos sabemos
que las personas inteligentes están más dispuestas a resolver problemas, a ser justas en sus juicios ya comportarse
de manera racional y ventajosa respecto de su propia existencia y la de los grupos y organizaciones a los que
pertenecen.

Las personas inteligentes son aquellas que entienden (y comprenden) rápida y efectivamente; que no se
contentan con “mirar el mundo con los ojos” (objetos, hechos, fenómenos y procesos) sino que son capaces de
“ver el mundo con la mente” construyendo modelos para “comprender” cómo es el mundo (descripción ), cómo
funciona (simulación), y cómo podemos actuar como parte de ella (decisión y planificación), incluso sin tener la
necesidad, o posibilidad, de “mirar todo” (Mella, 2012: p. 3).

El Test de la estupidez ideado por Carlo Cipolla en su ensayo Las leyes básicas de la estupidez humana (Cipolla,
1988) también se refiere a la persona inteligente como aquella que se comporta de manera ventajosa consigo misma
y con los demás: “Una persona inteligente es aquella que actúa voluntariamente para obtener ventajas para sí mismo,
y por esta razón produce ventajas también para los demás. Para obtener más ventajas, la persona inteligente también
debe aumentar continuamente las ventajas para los demás” (Mella, 2014b: p. 6).
¿Hay alguna manera de volverse más inteligente? ¡La respuesta es sí!". Esto se basa en la hipótesis de que las
personas inteligentes tienen una alta capacidad para comprender y aprender de manera efectiva porque han
desarrollado la capacidad de construir un sistema coherente de modelos generadores de sentido (sinónimos:
representaciones, conceptos, imágenes, esquemas, mapas, sistemas, etc.) y modificarlos rápida y continuamente para avanzar en su
Hay tres procesos cognitivos fundamentales para adquirir conocimiento:
• Comprender: construir modelos coherentes que den sentido a la realidad y al mundo que nos rodea para representar
o desarrollar conceptos (sinónimos: comprender, captar mentalmente, aclarar, penetrar con la mente, enmarcar,
intelectualizar, etc.) ; la comprensión implica explicación;
• Aprendizaje: saber utilizar los modelos desarrollados en la fase de comprensión para comprender o modificar la
realidad (sinónimos: adquirir, conocer, averiguar, etc.); aprender implica estudio;
• Explicar: derivar nuevos modelos a partir de otros.

1616
Machine Translated by Google

P.Mella

Los modelos más simples son los icónicos y verbales formulados en un lenguaje actual; los más sofisticados son los
que se construyen utilizando lenguajes formales (de matemáticas, lógica, estadística, teoría de sistemas). Para controlar la
realidad son útiles los modelos de simulación que nos permiten investigar la dinámica pronosticada de la realidad:

Si la capacidad de ver y no simplemente mirar [el mundo] depende de la capacidad de construir modelos para
comprender, explicar y simular el mundo, entonces los modelos más útiles y efectivos para fortalecer nuestra
inteligencia son los sistemas basados en la lógica del Pensamiento Sistémico (Mella, 2012: p. 6).

Mi opinión se basa en la premisa de que el Pensamiento Sistémico representa la herramienta fundamental para construir
y comunicar modelos que nos permitan entender un mundo dinámico y en continua evolución.

3. El poder del pensamiento sistémico

El pensamiento sistémico es una disciplina cognitiva presentada por Peter Senge en su libro The Fifth Discipline: The Art
and Practice of the Learning Organization (Senge, 1990). También se pueden utilizar otros términos para indicar esta nueva
forma de pensar. Barry Richmond, uno de los más reputados expertos en esta disciplina (fue el fundador, en 1984, del High
Performance System) afirmaba:

El pensamiento sistémico, un enfoque sistémico, la dinámica de sistemas, la teoría de sistemas y simplemente

"sistemas" son solo algunos de los muchos nombres comúnmente asociados a un campo de actividad del que la
mayoría de la gente ha oído hablar, muchos parecen sentir la necesidad de hacerlo. y pocos realmente entienden. […]
Como prefiero el término “Pensamiento sistémico”, lo usaré como el único descriptor de este campo de actividad (Richmond, 1991: p. 1).

El Pensamiento Sistémico es un Paradigma y un Método de Aprendizaje. El primero condiciona al segundo. El

segundo apoya al primero. Las dos partes forman un todo sinérgico (Richmond, 1994: en línea).

Según el Pensamiento de Sistemas, para comprender y explicar la realidad debemos representarla en términos de
sistemas dinámicos, repetitivos e interconectados; objetos observados desde una visión estática, sistemas no repetitivos,
fenómeno individual, causas simples, efectos simples, falta de memoria: estos son los errores que el Pensamiento Sistémico
trata de eliminar. El Pensamiento Sistémico se basa en los siguientes principios generales simples (Mella, 2012):
visión holónica. Todo objeto observable (galaxias, planetas, organismos, células, quarks) debe interpretarse como un
elemento que se compone de partes y, a su vez, forma parte de un grupo mayor (Koestler, 1967); del mismo modo, el
Pensamiento Sistémico nos enseña que todo sistema está compuesto por subsistemas que forman parte de un supersistema
(Mella, 2009).
Visión sistémica. Cada evento, fenómeno, dato, cantidad, cualidad, número, etc., debe ser siempre observado, concebido
e interpretado como entrada o salida de un proceso que forma parte de algún sistema dinámico, cuyo mapa de estructura y
procesos debe construirse. . Debemos evitar las explicaciones causales simplistas, que explican los fenómenos en términos
de causas, o las explicaciones funcionales simplistas, que explican las salidas en función de las entradas.

Visión estructural. Todo fenómeno se deriva no de causas o insumos, sino de un proceso que depende de una estructura
y, por tanto, de una organización, o de relaciones estables que actúan según un programa. Para entender un fenómeno
debemos reconstruir la estructura que desencadena, si es un fenómeno de entrada, oa partir de la cual se genera, si es un
fenómeno de salida.
Razonamiento circular. Para comprender un fenómeno vinculado a un sistema, debemos ir más allá de la lógica lineal de la
relación causa-efecto y seguir la de la interdependencia sistémica y los bucles múltiples: cada salida de un sistema dinámico
deriva de una multiplicidad de entradas y directa o indirectamente. representa, en mayor o menor grado, insumos futuros.

El razonamiento circular nos permite hacer más eficiente nuestra explicación ya que:
• Nos obliga a considerar las relaciones circulares entre fenómenos, las interconexiones entre procesos y estructuras
sistémicas, ya no limitarnos a considerar sólo las interdependencias inmediatas sino a verificar la existencia de otras
interconexiones;
• Requiere que especifiquemos el punto de vista de nuestras observaciones; todo fenómeno es una entrada o salida de un
sistema según nuestro punto de observación;
• Nos obliga a considerar nuestras propias acciones como elementos de un sistema de decisiones interdependientes; nunca
debemos olvidar que somos sistemas cognitivos y que nuestro comportamiento depende de todo el estado del
conocimiento; un estado que, sin embargo, se modifica precisamente como resultado de nuestras propias acciones, iniciando así el pro

1617
Machine Translated by Google

P.Mella

por experiencia;
• Nos obliga a reflexionar sobre las causas de nuestro comportamiento, haciéndonos conscientes de que los efectos de las
acciones de hoy pueden ser una motivación para las acciones de mañana y que no somos sólo espectadores sino también
actores de los acontecimientos que nos acontecen.

4. El conocimiento y el poder de los modelos

Los modelos no solo representan el resultado de nuestra actividad cognitiva sino que guían nuestra observación; son, pues,
instrumentos indispensables tanto para la comprensión como para la explicación. El conocimiento (tanto individual como
colectivo) es el sistema de modelos coherentes y dotados de sentido que hemos entendido, aprendido y almacenado. El proceso
de conocimiento (saber) es la formación y modificación continua del sistema de modelos que constituyen el conocimiento.
El conocimiento es acumulativo y dinámico y el conocimiento existente hasta un momento dado guía la formación del
conocimiento futuro. Argyris y Schön (1974), (ver también Argyris, 1993) consideran dos tipos de procesos para producir
conocimiento a partir del conocimiento: el aprendizaje de circuito único, que aumenta el acervo de conocimiento dentro de un
marco de conocimiento existente, y el aprendizaje de circuito doble, que modifica y verifica continuamente los conocimientos
adquiridos, examinándolos críticamente y posteriormente modificándolos y acrecentándolos. Si el hombre quiere mejorar su
conocimiento no sólo debe adaptarse sino también desarrollar un comportamiento cognitivo proactivo, reexaminando y
cambiando los modelos que componen su conocimiento, anticipándose así al cambio en el mundo.
El proceso de aprendizaje es la formación y mejora continua del sistema de modelos que constituyen el conocimiento. Si el
aprendizaje es la acumulación y el perfeccionamiento de modelos, la comprensión es siempre relativa a nuestro acervo de
conocimientos, porque se facilita por el conocimiento de otros modelos, por la disponibilidad de herramientas conceptuales
eficaces (algoritmos, heurismos, explicaciones, etc.), o por la posibilidad de utilizar herramientas operativas eficientes
(ordenadores, mapas, simuladores, etc.).
Podemos distinguir entre modelos mentales y modelos formales . Los primeros son los modelos que las personas inteligentes
crean en su esfera mental “privada” para representar el contenido del significado que desean transmitir (si es el emisor) o
interpretar (si es el receptor), que se utiliza para evaluar “la mundo” y tomar decisiones instintivas.

Supondré que el núcleo psicológico de la comprensión consiste en tener un “modelo funcional” del fenómeno en la mente.
Si comprende la inflación, una prueba matemática, la forma en que funciona una computadora, el ADN, el divorcio, entonces
tiene una representación mental que sirve como modelo de una entidad de la misma manera que, digamos, un reloj funciona
como un modelo del la rotación de la tierra… Muchos de los modelos en la mente de las personas son poco más que
simulaciones de alto grado, pero no por eso son menos útiles siempre que la imagen sea precisa (Johnson-Laird, 1983: pp.
2, 4).

Los modelos formales están compuestos por sistemas de signos concretos, lingüísticos o simbólicos, que formalizan y
transfieren significado y se utilizan para comunicarse de manera eficiente. Sin modelos, recetas o procesos no sería posible
aprender matemáticas, biología, ingeniería o incluso cómo reparar un teléfono móvil o un motor, hacer un pastel, etc.
Entre una meta y un comportamiento está la elaboración de modelos, la memorización y el uso. La comprensión es la guía para la
construcción de tales modelos. El estudio es el proceso que conduce al dominio subjetivo de tales modelos.
Los modelos no solo representan el resultado de nuestra actividad cognitiva sino que guían nuestra observación; son, pues,
instrumentos indispensables tanto para la comprensión como para la explicación. El conocimiento (tanto individual como
colectivo) es el sistema de modelos coherentes y dotados de sentido que hemos entendido, aprendido y almacenado. El proceso
de conocimiento (saber) es la formación y modificación continua del sistema de modelos que constituyen el conocimiento.
Sin entrar en detalles, es útil recordar que según nuestra conciencia del conocimiento, podemos
distinguir entre:
1) Conocimiento explícito o declarativo (consciente): Está compuesto por todos los modelos que aplicamos conscientemente
para observar o actuar; estos modelos se pueden comunicar de una persona a otra y se pueden clasificar además en: a)
conocimiento memorizado o codificado: estos son modelos que utilizamos en la medida en que se memorizan, en cuyo caso
incluyen descripciones, conceptos y conocimientos habitualmente aplicados. rutinas (conocimiento actual)—o reconstruidas de
la memoria cuando sea necesario (conocimiento latente); b) conocimiento almacenado: está formado por todos los modelos
almacenados en bases de conocimiento que se pueden utilizar según sea necesario (Internet y Google);
2) Conocimiento tácito o no declarativo (no consciente) (von Krogh et al., 2000): Está compuesto por todos los “modelos
mentales” y todos los programas y rutinas, operativas y aplicadas, que hemos acumulado y que condicionar nuestras acciones,
observaciones o experiencias sin que seamos conscientes de ello o sin que lo sepamos

1618
Machine Translated by Google

P.Mella

cómo comunicar tal conocimiento.

Reconsideraré el conocimiento humano partiendo del hecho de que podemos saber más de lo que podemos decir. Este
hecho parece bastante obvio; pero no es fácil decir exactamente lo que significa. Toma un ejemplo. Conocemos el
rostro de una persona y podemos reconocerlo entre mil, incluso entre un millón. Sin embargo, por lo general no
podemos decir cómo reconocemos una cara que conocemos. Por lo tanto, la mayor parte de este conocimiento no se puede poner en pala

El conocimiento tácito se puede dividir en: a) Conocimiento automático, que se deriva de la presencia de ciertas habilidades
manuales y otras habilidades operativas en el uso de instrumentos particulares; b) Conocimiento implícito, que puede
traducirse en el concepto de saber por qué; c) Conocimiento combinatorio, que se deriva de la capacidad de generar procesos
de coincidencia de patrones; es decir, combinaciones paralelas y simultáneas de varios tipos de conocimiento (Leonard &
Sensiper, 1998).

5. Segundo Pilar. Un enfoque de diez pasos para la disciplina de estudiar

Debe quedar claro que la comprensión y el aprendizaje representan actividades mentales diferentes: entre la comprensión y
el aprendizaje está el estudio. Estudiar significa aplicar, repetir y memorizar un modelo para pasar de la fase de comprensión
a la de aprendizaje. Estudiar a partir de un texto es típicamente una conciencia unidireccional: a partir del texto se transmite
al alumno un flujo de modelos y conceptos, sin que éste pueda interactuar con el autor. Sin embargo, también hay estudios
guiados por un docente que fomenta el diálogo y la interacción, produciendo así una conciencia bidireccional. La verificación
de lo que sabemos se basa siempre en hacer (aplicación) o repetir (responder).

Estudiar no solo es un arte, una práctica a aplicar, sino que debe convertirse en una verdadera disciplina a ser aplicada
constantemente y mejorada con el tiempo. Por esta razón, se propone un enfoque de diez pasos para un estudio eficaz y eficiente.
Estos pasos representan reglas simples para tomar conciencia de tres aspectos fundamentales: 1) ¿Por qué estudiar? 2)
Cómo estudiar, y 3) Qué estudiar. Dado que una discusión detallada de estos aspectos está más allá del alcance de este
documento, se resumirán 10 aspectos relevantes de la siguiente manera.

5.1. ¿Por qué estudiar?

1) El conocimiento es vida. El comportamiento, que se deriva de las causas, los objetivos y las restricciones del sistema,
se basa no solo en el conocimiento de los modelos formales que hemos aprendido, sino también en nuestras experiencias
en la construcción de modelos creados por nuestro comportamiento, así como en el proceso de ideación que produce nuevos modelos y nue
(Gell-Mann, 1994: p. 22) desde la observación de la realidad.

En pocas palabras, las personas necesitan una meta, un medio, un recurso y deben prestar atención a los resultados,
que son los efectos en nuestras propias experiencias. Estos elementos se entrelazan en un círculo cerrado que genera
control (Mansell, 2011: en línea).

Es un gran error suponer, aunque sea tácitamente, que el aula tradicional no era un lugar en el que los alumnos tuvieran
experiencias. Sin embargo, esto se asume tácitamente cuando la educación progresiva como plan de aprendizaje por
experiencia se opone tajantemente a lo antiguo. La línea adecuada de ataque es que las experiencias que tuvieron, tanto
los alumnos como los maestros, fueron en gran parte de un tipo equivocado. Cuántos estudiantes, por ejemplo, se
volvieron insensibles a las ideas, y cuántos perdieron el ímpetu por aprender… (Dewey, 2007: p. 26).

Sin embargo, debemos ser conscientes de saber, saber saber y confiar en saber. El aprendizaje es la construcción de
modelos que guían el comportamiento y forman el conocimiento.
2) El estudio es necesario. “Entre comprender y aprender está el estudiar”. Debemos tratar de identificar los objetivos cuya
consecución requiere estudio. Estudiar no es un fin en sí mismo sino una característica necesaria para adquirir los
conocimientos necesarios para la autorrealización. El maestro y el texto nos hacen comprender, pero siempre aprendemos
por nosotros mismos, por la voluntad de hacerlo.
El proceso de aprendizaje no debe estar guiado por causas; estudiar requiere motivación y es necesario para el logro de
objetivos: “Quiero estudiar porque mi meta es…” Esta es la motivación más válida para estudiar; Debo estudiar porque:

• Necesito graduarme. •
Es necesario para encontrar trabajo. • Es lo
que mi familia desea.

1619
Machine Translated by Google

P.Mella

• Debo seguir los pasos de mi hermano. • Debo

dar un buen ejemplo a mi hermano que todavía está en la escuela secundaria. • etc

Aprendemos si queremos aprender; es decir, si queremos comprender y queremos estudiar; sin motivacion aprendiendo
es difícil, si no imposible (Schiefel, 1991).

El aprendizaje es una actividad propositiva , es voluntaria, deliberada e intencional, y se manifiesta en la actividad, el

comportamiento, la perspectiva de una persona, en resumen, su forma de estar en el mundo […]. Esto significa que el
aprendizaje surge en el contexto de una agenda, es decir, sucede cuando alguien se esfuerza por lograr, cuando algún
cuerpo “alcanza” algo. Como el aprendizaje tiene un propósito, no podemos recibir una educación; debemos tomar una
educación (MacKinnon, 2013: p. 16).

Sobre todo, se necesita un interés por estudiar y ese interés por suscitar la asignación espontánea, más que consciente, de
atención selectiva hacia un tema que deseamos estudiar (Hidi, 1990) El interés es central para determinar cómo las personas
seleccionan ciertos tipos de estudios con preferencia a otros y persistir en ellos.
El arte de estudiar representa una disciplina, en cuanto representa un ejercicio de voluntad más aún que uno de
pura comprensión y memorización. Vivir la vida al máximo significa aprender y estudiar durante toda la vida.
3) Aprendemos por nosotros mismos. Generalmente tendemos a atribuir a otros (un profesor, un texto, circunstancias, tiempo)
las razones de nuestro fracaso para aprender, pero esto muchas veces depende de nuestras barreras mentales para aprender, en
particular la falta de motivación, que frecuentemente se expresa en la siguientes maneras:
• Estudiar no sirve para nada; • no
entiendo; no me lo explican; • El libro no es claro; • La
escuela no me ha proporcionado los medios necesarios;
• El profesor no sabe explicar las cosas; • Lo que tengo que estudiar no
me sirve; • no me gusta el tema; • Hay demasiado para estudiar; • tengo
otras cosas que hacer;

• no tengo ganas; • etc

Encontrar las barreras para el aprendizaje y eliminarlas es necesario si queremos aprender cosas nuevas o enseñar cosas
nuevas.
Lean y Colucci (2010) definen y clasifican las barreras mentales para el aprendizaje de la siguiente manera:

Definición de barreras al aprendizaje. Un factor, condición o situación que obstruye o impide el progreso académico. Puede
ser temporal (corto plazo, largo plazo) o permanente. El efecto de las barreras para el aprendizaje varía de leve (p. ej.,
calificaciones más bajas) a grave (p. ej., abandono).

Clasificación de las barreras al aprendizaje. […] Barreras biológicas-psicológicas para el aprendizaje (constitucionales/innatas
o psicológicas/emocionales). Barreras ambientales-circunstanciales para el aprendizaje (ambiente del estudiante).
Naturaleza de las intervenciones y resultados resultantes (Los ejemplos incluyen intimidación, ausentismo, disfunción
familiar) (ibidem: 2).

Es indispensable encontrar y remover estas barreras que impiden que nuestra mente construya y sistematice modelos. En
muchos casos la tarea de reconocer y eliminar las barreras al aprendizaje recae en las instituciones educativas.

5.2. Como estudiar

4) Estudiar “bien”. Estudiar “bien” significa no estudiar demasiado pero hacerlo con regularidad, sin ráfagas frenéticas de
actividad (… saqué una noche entera…); es decir, estudiar continua y metódicamente. Un método ineficiente nos da la certeza de
no saber. Demasiado estudio crea ansiedad y duda acerca de saber.
Para estudiar “bien” debemos tener el ambiente adecuado y estar en el estado de ánimo adecuado, que favorezca la
concentración y la atención. Nuestros estados mentales dependen de nuestra “atención”, un “órgano mental” que aún no ha sido
estudiado a fondo y cuyo funcionamiento produce fatiga mental (Ceccato, 1969). Debemos permitir que la atención

1620
Machine Translated by Google

P.Mella

órgano para "descansar" interrumpiendo nuestro estudio con alguna forma de "distracción". Es igualmente importante no
sobrecargar este órgano estudiando en ambientes en general inadecuados, ruidosos, mal iluminados e incómodos tanto
física como mentalmente. También es recomendable no distraer nuestra atención estudiando escuchando música o con
otras fuentes de distracción y cansancio (estudiar bien).
Cada uno de nosotros debe encontrar el espacio y el tiempo adecuados para estudiar. No yuxtaponer el estudio de
modelos demasiado diferentes entre sí, sino intentar crear sinergias en el estudio de modelos similares y complementarios.
asignaturas. Diseñar un plan de estudio que estés convencido de que se puede seguir y cumplir con su marco de tiempo
es más importante que encerrarte en tu habitación para evitar distracciones.
5) Estudiar de antemano. Si hay un texto, es útil estudiarlo antes de que el profesor lo explique. Sólo así tenemos la
prueba y confirmación de haber comprendido los modelos cognitivos del texto. Solo así podremos pedir una aclaración o
explicación concreta y entablar un diálogo constructivo.
6) Estudiar en términos de sistemas. Como el conocimiento es un sistema de modelos mentales y formales (conceptos,
ideas), el estudio también debe ser sistémico, con cada nuevo concepto vinculado y ordenado frente a otros. La red de
conceptos debe ser periódicamente ampliada y reordenada; no estudiar conjuntos de modelos como si fueran una “guía
telefónica”, sino construir sistemas y redes de conocimiento. Sólo un sistema de conocimiento correlacionado forma un
modelo cognitivo.
7) Estudiar con otros. Estudiar es normalmente un conocimiento unidireccional. Sin embargo, tarde o temprano tenemos
que comprobar lo que hemos aprendido. Podemos decir que hemos aprendido algo cuando somos capaces de reproducir
el modelo que representa ese conocimiento, o cuando sabemos cómo aplicarlo. A veces pensamos que hemos aprendido
algo, pero en realidad no podemos estar seguros de ello hasta que podamos demostrar este conocimiento haciendo; es
decir, a través del comportamiento (conocimiento operativo) o del diálogo (conocimiento especulativo). Por eso debemos
estudiar: – A través de la práctica, para aprender haciendo (aprendizaje práctico); – Junto con otros, para aprender a través
del diálogo (aprendizaje bidireccional).

5.3. Qué estudiar

8) Estudiar materias y no textos. Un texto es un contenedor de contenido cognitivo con transmisión unidireccional (el
tercer mundo de Popper).

Sin tomarnos demasiado en serio las palabras "mundo" o "universo", podemos distinguir los siguientes tres mundos
o universos: primero, el mundo de los objetos físicos o de los estados físicos; en segundo lugar, el mundo de los
estados de conciencia, o de los estados mentales, o tal vez de las disposiciones conductuales para actuar; y en tercer
lugar, el mundo de los contenidos objetivos del pensamiento (Popper, 1972: p. 105).

Debemos estudiar el contenido del texto, es decir, el tema, no el texto, la forma en que se expresa el tema. Para dominar
el tema de un libro, no lea el mismo libro varias veces, sino varios libros sobre el mismo tema.

9) Estudiar “más” de lo que nos parece suficiente. Cuanto más amplia es la red de conocimiento, más cierto es nuestro
conocimiento y comportamiento. No debemos simplemente estudiar lo mínimo que se requiere; es indispensable traspasar
el umbral de lo suficiente para completar nuestra preparación (estudiar más). Para dominar un concepto, debemos salir de
las "redes lógicas" de este concepto y usar modelos que estén correlacionados o al menos conectados con ese concepto.
Formar modelos más complejos es una garantía de que entenderemos y utilizaremos los más simples. Si debes saber el
equivalente a 10, estudia para saber 20, porque normalmente solo podrás usar el 50% de lo que sabes.

10) Estudiar “otras materias”. Para progresar en el conocimiento de un tema debemos liberarnos de las redes lógicas de
este conocimiento y utilizar los conceptos de “otros tipos de conocimiento”. El teorema de Gödel también podría aplicarse
al conocimiento, ya que un sistema de conocimiento nunca puede ser a la vez completo y no contradictorio. Para ir más
allá de los límites de un sistema específico de conocimiento debemos alejarnos del sistema a través de otros tipos de
conocimiento. Usando la analogía del área de un rectángulo (área de un rectángulo = base × altura), podemos considerar la
"cantidad de conocimiento" como: ampliación cognitiva = variedad × profundidad. A menudo, la variedad de nuestros
modelos es más importante que su profundidad.

6. Tercer Pilar. El Proceso de Explicación y su Cierre Operativo

El conocimiento progresa no sólo mediante el estudio o la realización de nuevas observaciones, sino también a través de posteriores

1621
Machine Translated by Google

P.Mella

explicaciones En palabras sencillas, explicar significa guiar a alguien en la construcción de un modelo a través del cual
se llega a la comprensión. Las explicaciones son un poderoso medio de comprensión y el objeto fundamental de la
enseñanza, el proceso de explicación de un modelo considerado significativo. La enseñanza puede surgir de solicitudes
de explicación por parte de alguien o puede ser con fines educativos. Educación significa enseñar un sistema de modelos
considerados útiles para formar, guiar o modificar la estructura conceptual de un individuo y, por tanto, su comportamiento.

Cuando el hombre se enfrenta a fenómenos o acontecimientos no puede comprender o manejar existe una situación
de ignorancia que da lugar a la necesidad de saber (curiosidad) que conduce a una pregunta que requiere una explicación.
La explicación es un proceso de orientación hacia la construcción de un modelo del cual podrían derivar esos fenómenos
o eventos. Siguiendo a Copi y Cohen (2011), en términos técnicos explicar un fenómeno F (explanandum) significa
construir un modelo para él a partir de algún otro conocimiento, identificando así una sucesión de enunciados; es decir,
una argumentación deductiva (explanans) de la que es posible derivar F como conclusión válida.
Todo explanandum requiere un explanans apropiado.
Es importante darse cuenta de que la explicación es un proceso recursivo hacia atrás: cada explanans de una
explicación se convierte, a su vez, en un explanandum que puede requerir una explicación posterior, y así sucesivamente,
como el “juego del por qué”. que a todos los niños les encanta jugar. Cualquier ignorancia se explica por algún
conocimiento; pero este a su vez se basa en otros conocimientos.
Indiquemos con E(n) el explanans y con F el explanandum; la explicación recursiva entonces tiene el
siguiente estructura:
F porque E(n),
E(n) porque E(n-1),
E(n-1) porque E(n-2),
…
E(0).
Final.
El proceso de explicación se “cierra” cuando llegamos a E(0); es decir, un explanans sin más explanandum.
Por eso E(0) puede definirse como el cierre operacional de la explicación, que representa el punto de la ignorancia, el límite
del conocimiento. E(0) puede denotar dos posibles formas de ignorancia:
1) E(0) = “Aquello que aún no se sabe”. Esto representa un desconocimiento reversible, que puede tomar la forma de: a)
desconocimiento temporal (“Investigación en curso…”, “Estamos comprobando”, etc.); b) desinterés, es decir,
satisfacción con E(1) (“No me interesa”, “¡Ya basta!”); c) secretismo, es decir, el deseo de ocultar el conocimiento ("No
puedo explicártelo").
2) E(0) = “Aquello que nunca podremos saber”. En esta situación, el cierre operacional representa una ignorancia
irreversible, que puede tomar diversas formas: a) ignorancia permanente, que se revela incapaz de ser nunca conocida
(principio de indeterminación de Heisenberg, teoremas de Gödel y Turing, y otros similares); b) lo misterioso, que es lo
incognoscible (principios ineluctables, mitos, Dios, metafísica o agnosticismo, actos de fe, etc.); c) el postulado, es decir,
un origen supuesto no demostrable del que derivar la explicación (“Hipotéticamos que…”, “Dado que…”; “Suponemos
que…”, etc.); d) el azar, en todas sus manifestaciones (aleatoriedad cuántica, mutaciones genéticas, impulsos iniciales
de sistemas combinatorios, etc.); e) la necesidad, o la autosuficiencia de E(0) (“Debe ser así”, “No puede ser de otra
manera”, “El motor inmóvil”, etc.). En estos casos el cierre operativo es un dogma explicativo.

Después de haber esbozado las principales características del proceso de explicación, se presentarán cinco tipos de procesos de explicación.
examinado; son los más relevantes y se basan en diferentes premisas.

6.1. Explicación de sentido común, descriptiva o contingente

La llamada explicación común (simplista, poco sofisticada o descriptiva) es la que aplicamos a diario para justificar
algún fenómeno o para responder a alguna pregunta. En la explicación común el fenómeno o cuestión a explicar se
deriva de modelos que suelen describir lo que debemos explicar sin buscar las causas científicas o sistémicas
subyacentes; “Se ha encendido la luz porque Aldo ha accionado el interruptor”; “Le dio fiebre porque le picó un insecto”,
“Está lloviendo porque el cielo está lleno de nubes”, “Tuvo un accidente porque estaba borracho”, “…porque tuvo mala
suerte”, etc. La estructura general de este tipo de explicación es la siguiente:
EXPLANANS ÿ P = premisas descriptivas, contingentes o simplistas, poco sofisticadas: funciones, fines, intenciones
ciones, causas, azar, etc.

1622
Machine Translated by Google

P.Mella

EXPLANANDUM ÿ F = fenómeno a explicar

CONCLUSIÓN ÿ F ocurre porque las premisas P han ocurrido
CIERRE OPERACIONAL ÿ Esta es la última de las premisas que explican recursivamente F.
La explicación común a veces se basa en intenciones (“Se ha encendido la luz porque Aldo tenía que entrar al garaje”),
casualidad (“Me encontré con Aldo porque pasaba por allí”), experiencia (“Está lloviendo porque pasé fuera sin mi
paraguas”), la regularidad o las leyes del sentido común (“Esta es una primavera lluviosa porque el invierno fue seco”).
Este tipo de explicación suele expresarse de forma descriptiva y no hace uso de modelos cualitativos/cuantitativos
sofisticados (Hempel, 1965). Se incluyen en esta tipología tanto las “explicaciones históricas” como la “teoría de la
atribución”, para tener en cuenta el comportamiento propio y el de los demás, atribuyéndolo a las “causas” más
probables, como la justificación (Heider, 1958). Otra teoría incluida en esta tipología es la de las 5 preguntas: quién, qué,
cuándo, dónde y por qué, que da cuenta de la mayoría de las necesidades explicativas de nuestra vida diaria. Así, un
mismo fenómeno puede dar lugar a una serie de explicaciones comunes que dependen de los factores más convincentes
y que suelen admitir uno o dos niveles como máximo: “Te equivocaste porque estabas distraído. ¿En qué estás
pensando?"; “Estoy pensando en lo que voy a hacer esta noche”.
Las explicaciones contingentes pueden convertirse fácilmente en “tautológicas” cuando intentamos explicar un
fenómeno simplemente dando su definición: “Hay inflación porque todos los precios están aumentando”; “La
internacionalización es un proceso inevitable porque hay que superar todas las barreras sociopolíticas”; etc.

6.2. Explicación científica clásica

Las explicaciones clásicas son aquellas que se utilizan en cualquier contexto científico donde el explanans es un modelo,
que además de las condiciones iniciales del fenómeno a explicar, C, también incluye las leyes causales o relaciones
funcionales, L, así como la teorías científicas, o supuestos que pueden tener en cuenta el explanandum, según el siguiente
esquema:
EXPLICAN ÿ T = teorías y postulados científicos, & L = leyes científicas, & C = condiciones iniciales.
EXPLANANDUM ÿ F = fenómeno a explicar.
CONCLUSIÓN ÿ F se observa porque, dadas las condiciones iniciales C, se sigue de las leyes L, si aceptamos la teoría
T.
CIERRE OPERACIONAL ÿ Las teorías y postulados fundamentales representan el cierre operacional de la explicación.

Al variar el contexto teórico y/o las leyes adoptadas y/o las condiciones iniciales, también variamos la explicación
(Cupples, 1977). Esta forma de explicación ha sido reconocida como la explicación científica por excelencia.

Hace cuarenta años ocurrió un acontecimiento notable. Carl G. Hempel y Paul Oppenheim publicaron un ensayo,
“Studies in the Logic of Explanation”, que fue verdaderamente histórico. Estableció, con una precisión y claridad
sin precedentes, una caracterización de un tipo de argumento deductivo que, según ellos, constituye un tipo legítimo
de explicación científica. Más tarde llegó a ser conocido como el modelo deductivo-nomológico. Este artículo de
1948 sentó las bases para el antiguo consenso sobre la naturaleza de la explicación científica que alcanzó su
apogeo en la década de 1960 (Salmon, 1990: p. 3).

Hempel afirmó que "hay dos tipos de explicación, lo que llamó 'deductivo-nomológico' (DN) e 'inductivo-
estadístico' (IS) respectivamente". Los argumentos IS y DN tienen la misma estructura. Cada una de sus premisas
contiene enunciados de dos tipos: 1) condiciones iniciales C; y 2) generalizaciones legales L. En cada una, la
conclusión es el evento E a ser explicado […]. La única diferencia entre los dos es que las leyes en una explicación
DN son generalizaciones universales, mientras que las leyes en las explicaciones IS tienen la forma de
generalizaciones estadísticas (IEP, en línea: 2-3).

6.3. Explicaciones de procedimiento

La procedimental es un tipo de explicación muy común, aunque no ha recibido la debida atención en la literatura. Se
utiliza siempre que un fenómeno (¿la raíz cuadrada de Y es?) no se deriva de un modelo particular sino que parece ser el
resultado de alguna elaboración o cálculo, o la aplicación de algún algoritmo, procedimiento o programa (Gibbon, 1999). ).
Cuando nos preguntamos por qué la solución para sacar la raíz cuadrada de una expresión no corresponde a la respuesta
de nuestro libro de texto, por qué nuestro boleto no salió en la lotería o por qué

1623
Machine Translated by Google

P.Mella

chocamos contra el parachoques del coche que tenemos delante, debemos buscar la respuesta en el procedimiento
seguido para el cálculo o sorteo, o debemos examinar nuestro intento de aparcamiento.
La explicación procesal puede tomar la siguiente forma:
EXPLANANDUM ÿ F = fenómeno a explicar.
EXPLICANS ÿ P = procedimiento cuya aplicación produce F & C = condiciones para aplicar el procedimiento.
CONCLUSIÓN ÿ F se deriva de P aplicado bajo las condiciones C.
CIERRE OPERATIVO ÿ El procedimiento representa el cierre operativo de la explicación.
La explicación procedimental siempre parece muy convincente porque no solo es la conclusión lógica de la premisa,
sino que también nos permite reconstruir y enfatizar el procedimiento fáctico (el proceso lógico o físico) del cual surge
la conclusión (es producida o determinada por) las premisas. La explicación sistémica representa la forma general de la
explicación procedimental.

6.4. Explicaciones sistémicas

La explicación sistémica debe utilizarse cuando el explanandum no puede reducirse a un modelo que incluye leyes y
teorías (explicación clásica) o resulta de la aplicación de un procedimiento; en cambio, debe ser considerado un
fenómeno conectado a la dinámica de algún proceso del sistema cuyo modelo estamos tratando de descubrir. La
explicación sistémica debe resaltar los procesos, P, que han generado F, que depende de la estructura sistémica S que
soporta esos procesos, los programas que los guían y el entorno E que los condiciona (Mella, 1997: Apartado 2.16) .

El modelo tiene la siguiente estructura:

EXPLANANDUM ÿ F = fenómeno a explicar
EXPLANANS ÿ S = estructura sistémica que genera el explanandum F, & ÿ =
programas que hacen que la estructura genere los procesos, &
P = procesos generados por la estructura S a través de los programas ÿ, &
E = entorno al que se acopla el sistema
CONCLUSIÓN ÿ F deriva de P producido por S en E por medio de ÿ
CIERRE OPERACIONAL ÿ El sistema (ambiente-estructura-programas-procesos) representa la op
cierre racional de la explicación.
La explicación sistémica es así más poderosa, ya que puede tomar en cuenta y justificar cualquier fenómeno, desde
el calentamiento global hasta la dinámica demográfica, desde el desvío de la ruta de una sonda espacial hasta la
propagación de epidemias (Mella, 2014a).

6.5. Explicación teleológica

Las explicaciones sistémicas pueden estar integradas por las explicaciones teleológicas, que intentan tener en cuenta el
comportamiento de un sistema con un objetivo (generalmente biológico) utilizando la noción de “meta” u “objetivo”.
(Lennox, 1992).

La tradición formalista ha cuestionado la necesidad de explicaciones teleológicas para la biología. Hemos visto que
el ideal de explicación para los formalistas es el modelo deductivo. Se han hecho muchos intentos de incorporar
explicaciones teleológicas al modelo deductivo. De hecho, tal incorporación es necesaria si ha de haber una
reducción formal de la biología a la física y la química. La línea básica de argumentación es subsumir los sistemas
biológicos "dirigidos a un objetivo" en la categoría más amplia de sistemas "organizados de forma directiva" que
pueden aplicarse tanto a los sistemas vivos como a los inorgánicos (Plamondon, 1979: p. 153).

La explicación teleológica tiene la siguiente estructura:

EXPLANANDUM ÿ F = dinámica de S para explicar
EXPLANANS ÿ S = estructura sistémica que da origen al explanandum F, & G =
Meta que S debe alcanzar, & C = Proceso de control llevado a
cabo por S, & E = entorno al que se acopla el sistema

CONCLUSIÓN ÿ F deriva de S en E porque C dirige S hacia G

CIERRE OPERATIVO ÿ El Sistema de Control dirigiendo S a G representa el cierre operativo de la explicación.

1624
Machine Translated by Google

P.Mella

Precisamente en la medida en que es una ciencia de orientación y comunicación, la cibernética hoy en día se asocia
principalmente al control de máquinas y sistemas mecánicos. Nada menos que Ludwig von Bertalanffy, considerado el
fundador de la Teoría General de Sistemas, reconoció que:

[Una] gran variedad de sistemas en tecnología y en la naturaleza viva siguen el esquema de retroalimentación, y
es bien sabido que Norbert Wiener introdujo una nueva disciplina, llamada Cibernética, para tratar con este
fenómeno. La teoría trata de mostrar que los mecanismos de naturaleza retroalimentadora son la base del
comportamiento teleológico o intencional en las máquinas hechas por el hombre, así como en los organismos vivos
y en los sistemas sociales (von Berta Lanffy, 1968: p. 44).

7. La mejor explicación
La mejor explicación es la que se considera más probable; es decir, la que mejor satisfaga la necesidad del individuo o
de la comunidad científica de tener en cuenta el explanandum. Es impensable que alguien acuda a teorías y leyes
fisiológicas o psicológicas, oa procesos logísticos, para explicar “por qué no hay más mayonesa en la nevera”. Mientras
que la explicación clásica es particularmente útil en el contexto de las ciencias experimentales, la explicación sistémica
también se puede utilizar para explicar eventos individuales no repetibles que involucran hechos únicos derivados del
comportamiento de un sistema. El primero basa su validez en las condiciones iniciales del fenómeno en cuestión y en un
sistema de leyes y teorías que representan el cierre final del proceso de explicación.
Me vienen a la mente las palabras de Dixon y Emery, quienes advierten contra las definiciones científicas tautológicas:

Cuando se les pregunta, por ejemplo, qué sucede con dos bloques de cobre que inicialmente están a diferentes
temperaturas y se dejan juntos en un recipiente aislado, todos responderán que los bloques llegarán a la misma
temperatura. Por supuesto, si se les pregunta cómo lo saben, suelen decir “Porque es una ley de la naturaleza”. …
[L]o contrario es cierto… es una ley de la naturaleza porque sucede (Dixon, 1965: p. 428).

La explicación sistémica se basa en la búsqueda del modelo de sistema más adecuado para derivar el ex planandum
F y tiene como cierre operativo los límites del sistema y la extensión y organización de la red de procesos que constituyen
su funcionamiento. Una buena explicación también debe permitir realizar pronósticos precisos. Pronosticar el fenómeno
F implica un proceso de razonamiento que, a partir de leyes y condiciones particulares, permite deducir F antes de
observarlo (e independientemente de dicha observación).
Es inmediatamente claro que la estructura de los argumentos de los que derivan las explicaciones o las previsiones
es enteramente análoga; la única diferencia está en la dimensión del tiempo. Si el explanandum está “dado” (t1) así como
el explanans (t2), entonces tenemos una explicación; si, por el contrario, las premisas se refieren al instante (t1) y la
conclusión a (t2), la argumentación tiene carácter de previsión. Mientras que la calidad de la explicación depende del
grado de confirmación que ofrecen las premisas con respecto a la conclusión, la calidad del pronóstico depende
inversamente del grado de confirmación que ofrece la conclusión con respecto a las premisas. Por lo tanto, se prefieren
las explicaciones científicas y sistémicas, ya que tales estructuras argumentativas se consideran las mejores para
proporcionar también pronósticos precisos sobre la ocurrencia de F.
En muchas circunstancias se debe seguir un enfoque realista. En su llamada concepción “realista” del conocimiento,
Stephen Hawking y Leonard Mlodinow reconocen que todo lo que podemos saber sobre la “realidad” consiste en redes
de imágenes del mundo, o modelos generales, expresados incluso a través del lenguaje matemático:

En la historia de la ciencia hemos descubierto una secuencia de teorías o modelos cada vez mejores, desde Platón
hasta la teoría clásica de Newton y las modernas teorías cuánticas. Es natural preguntarse: ¿Llegará finalmente
esta secuencia a un punto final, una teoría definitiva del universo, que incluirá todas las fuerzas y predecirá todas
las observaciones que podamos hacer, o seguiremos encontrando por siempre mejores teorías, pero nunca una
que no se puede mejorar? Todavía no tenemos una respuesta definitiva a esta pregunta… (Hawking & Mlodinow, 2010: p. 8).

La explicación se vuelve inequívoca sólo cuando el progreso en el campo científico lleva a que un cierre operativo
prevalezca sobre los demás. Existen múltiples imágenes del mundo igualmente válidas; por lo tanto, la ciencia requiere
múltiples modelos para abarcar las observaciones existentes:

Como los mapas superpuestos en una proyección de Mercator, donde los rangos de diferentes versiones se
superponen, predicen los mismos fenómenos. Pero así como no existe un mapa plano que sea una buena
representación de toda la superficie de la tierra, no existe una sola teoría que sea una buena representación de las observaciones en t
(Hawking & Mlodinow, 2010: p. 10).

1625
Machine Translated by Google

P.Mella

Finalmente, cabe señalar que para comprender y explicar la realidad, los enfoques de Pensamiento Sistémico y Dinámica de Sistemas,
aplicados en conjunto, permiten producir las mejores explicaciones sistémicas a través de la construcción de modelos y la simulación de su
funcionamiento (Mella, 2012). . La Dinámica de Sistemas es una disciplina y técnica que indiscutiblemente se remonta a Jay Forrester y su libro
fundamental Industrial Dynamics (Forrester, 1961).
En trabajos recientes, Forester define la dinámica de sistemas de la siguiente manera:

La dinámica de sistemas combina la teoría, los métodos y la filosofía necesarios para analizar el comportamiento de los sistemas no
solo en la gestión, sino también en el cambio ambiental, la política, el comportamiento económico, la medicina, la ingeniería y otros
campos. La dinámica de sistemas proporciona una base común que se puede aplicar donde queramos comprender e influir en cómo
cambian las cosas a lo largo del tiempo. El proceso de dinámica de sistemas comienza con un problema que debe resolverse: una
situación que debe comprenderse mejor o un comportamiento indeseable que debe corregirse o evitarse. El primer paso es aprovechar
la riqueza de información que las personas poseen en sus cabezas. […] La dinámica de sistemas utiliza conceptos extraídos del campo
del control de retroalimentación para organizar la información disponible en modelos de simulación por computadora (Forrester, 1991:
p. 5).

8. Conclusión
Nos conectamos con el mundo a través de nuestro comportamiento y, por lo tanto, somos parte del mundo. Estamos sujetos y producimos las
variables fundamentales de nuestra propia existencia y la de los demás, por lo que debemos desarrollar un aprendizaje sistémico y proactivo
para observar (comprender), juzgar (decidir), identificar y resolver problemas.
Gracias a los modelos no sólo podemos “comprender y explicar el mundo” sino sobre todo “aprender a vivir”, es decir, a actuar, planificar y
prever el futuro para mejorar nuestra existencia y la de nuestros parientes y descendientes.
El proceso de conocimiento (comprender, estudiar, aprender, explicar) es la formación y modificación continua del sistema de modelos que
constituyen el conocimiento (Nonaka, 1994). Según Ichijo y Nonaka, el conocimiento depende de las perspectivas y la voluntad individuales;
la creación de conocimiento es un arte, no una ciencia.

La creación de conocimiento no es simplemente una compilación de hechos, sino un proceso exclusivamente humano que no se puede
reducir ni replicar fácilmente. Puede involucrar sentimientos y sistemas de creencias que pueden no ser conscientes incluso para los
gerentes que crean conocimiento (Ichijo & Nonaka, 2007: p. 85).

Debemos darnos cuenta que la mayoría de las veces “lo que nos interesa entender” no se puede observar; en cambio, parte de nuestro
“mundo” deriva únicamente de modelos, que a menudo se construyen sin que podamos observar nada y, con la misma frecuencia, en contraste
con lo que observamos: los modelos representan la realidad, pero la realidad deriva de los modelos.
El proceso de explicación revela todo su poder para aumentar y perfeccionar el conocimiento.
En conclusión, la relación entre los “tres pilares del conocimiento” puede entenderse completamente con el modelo de la Figura 1 , que
describe el conocimiento como un proceso circular e ilustra el proceso de experiencia proactiva que

Figura 1. El proceso de experiencia según el aprendizaje de doble circuito.

1626
Machine Translated by Google

P.Mella

vincula la construcción de modelos y la formación de conocimiento con la explicación, evaluación, decisiones

y acciones proactivas respecto al mundo. El proceso es cíclico ya que tal acción sobre el mundo produce
nuevos estímulos que desencadenan un nuevo ciclo (Argyris, 1993; Argyris & Schön, 1978, 1996; Sterman, 2000).

Referencias1
Argyris, C. (1993). Conocimiento para la Acción. Una guía para superar las barreras al cambio organizacional. San Francisco: Jossey
Editores bajos.

Argyris, C. y Schön, D. (1974). Teoría en la práctica Aumento de la eficacia profesional. San Francisco: pub Jossey-Bass
lishers

Cecato, S. (1969). Curso de Lingüística Operacional [en italiano: Corso di lingüística operativa]. Milán: Longanesi.

Cipolla, C. (1988). (Libro electrónico, 2011). Las leyes básicas de la estupidez humana. Bolonia: Il Mulino Ed. (libro electronico).

Copi, IM y Cohen, C. (2011). Introducción a la lógica (14ª ed.). Edimburgo: Pearson.

Cupples, B. (1977). Tres tipos de explicación. Filosofía de la Ciencia, 44, 387-408.

http://dx.doi.org/10.1086/288756

Dewey, J. (2007). Experiencia y Educación. Nueva York: Macmillan. (Última edición por Simon and Schuster, 1ª ed., 1938)

Dixon, JR y Emery Jr., AH (1965). Semántica, Operacionalismo y el Modelo Molecular-Estadístico en Termodinámica.

Científico estadounidense, 53, 428-436.

Forrester, JW (1961). Dinámica Industrial. Waltham, Mass: Pegasus Communications.

Forrester, JW (1991). Dinámica de sistemas y las lecciones de 35 años. Cambridge, Mass.: MIT Press.
ftp://nyesgreenvalleyfarm.com/documents/sdintro/D-4224-4.pdf

Gell-Mann, M. (1994). El Quark y el Jaguar. Nueva York: WH Freeman.

Gibón, D. (1998). Explicaciones procesales.

http://coral.lili.uni-bielefeld.de/Classes/Summer98/PragEngDialogue/pragengdialogue/node18.html

Hawking, SW y Mlodinow, L. (2010). El Gran Diseño. Gallito. Extracto. http://bookre.org/reader?file=65691

Heider, F. (1958). La psicología de relaciones interpersonales. Nueva York: Wiley.

http://dx.doi.org/10.1037/10628-000

Hempel, CG (1965). Aspectos de la Explicación Científica y Otros Ensayos. Nueva York: The Free Press y Londres: Collier
Macmillan.

Hidi, S. (1990). El interés y su aporte como recurso mental para el aprendizaje. Revista de Investigación Educativa, 60, 549-
571. http://dx.doi.org/10.3102/00346543060004549

IEP, Enciclopedia de Filosofía en Internet (2014). Teorías de la Explicación. http://www.iep.utm.edu/explanat

Ichijo, K. y Nonaka, I. (2007). Creación y Gestión del Conocimiento. Nueva York: Oxford University Press.

Johnson-Laird, PN (1983). Modelos mentales: hacia una ciencia cognitiva del lenguaje, la inferencia y la conciencia. Cambridge, MA: Prensa de la
Universidad de Harvard.

Keller, EF y Lloyd, EA, eds. (1992). Palabras clave en Biología Evolutiva. Cambridge, MA: Prensa de la Universidad de Harvard.

Koestler, A. (1967). El fantasma en la máquina. Londres: Arkana.

Lean, DS y Colucci, VA (2010). Barreras para el aprendizaje: el caso de los servicios integrados de salud mental en las escuelas. LAN
jamón, MA: R&L Education ED.

Lennox, JG (1992). Teleología. En EF Keller y EA Lloyd (Eds.), 323-333.

Leonard, D. y Sensiper, S. (1998). El papel del conocimiento tácito en la innovación grupal. Revisión de la gestión de California, 40,
112-132.

Mackinnon, A. (2013). El corazón del aprendizaje. Educación creativa, 4, 16-19. http://dx.doi.org/10.4236/ce.2013.412A2003

Mansell, W. (2011). Control y Finalidad. Una declaración científica y práctica en respuesta a los disturbios del Reino Unido de 2011.
http://www.pctweb.org/LondonRiots.pdf

Mella, P. (1997). De los sistemas al pensamiento sistémico: comprensión de los sistemas y pensamiento a través de los sistemas (Original: Dai
sistemi al pensierosistemico: Per capireisistemi e pensare con isistemi). Milán: Franco Angeli.

Mella, P. (2009). La Revolución Holónica. Holones, Holarquías y Redes Holónicas. El fantasma en la máquina de producción.
Pavía: University Press.

1Como este documento trata sobre el aprendizaje y el conocimiento considerados desde varios puntos de vista, la bibliografía puede parecer ilimitada.
Aquí sólo he enumerado las obras citadas en este artículo. Todos los sitios mencionados han sido visitados en septiembre de 2014.

1627
Machine Translated by Google

P.Mella

Mella, P. (2012). Pensamiento sistémico. Inteligencia en Acción. Nueva York y Berlín: Springer Verlag.
http://dx.doi.org/10.1007/978-88-470-2565-3
Mella, P. (2014a). El Anillo Mágico. Enfoque de pensamiento sistémico para los sistemas de control. Nueva York y Berlín: Springer Verlag.
Mella, P. (2014b). La Rueda Social. Más allá de la estupidez: “El incapaz es más peligroso que el estúpido”. A
Homenaje a Carlo Cipolla. Revista Pensée, 76, 2-11
Nonaka, I. (1994). Una teoría dinámica de la creación de conocimiento organizacional. Ciencia de la Organización, 5, 14-37.
http://dx.doi.org/10.1287/orsc.5.1.14
Plamondon, AL (1979). Filosofía orgánica de la ciencia de Whitehead. Nueva York: Prensa de la Universidad Estatal de Nueva York.
Polanyi, M. (1967). La Dimensión Tácita. Chicago, IL: Prensa de la Universidad de Chicago.
Popper, KR (1972). Conocimiento objetivo. Oxford: Clarendon Press.
Richmond, B. (1991) Pensamiento sistémico. Cuatro preguntas clave. Watkinsville, GA: Sistemas de alto rendimiento.
Richmond, B. (1994). Dinámica de sistemas/Pensamiento sistémico: sigamos adelante. 1994 Dinámica de sistemas internacionales
Conferencia. http://webspace.webring.com/people/ah/himadri_banerji/pdf/systhnk.pdf
Salmón, WC (1990). Cuatro décadas de explicación científica. Minneapolis MN: Prensa de la Universidad de Minnesota.
Schiefel, U. (1991). Interés, Aprendizaje y Motivación. Psicóloga Educativa, 26, 299-323.
http://dx.doi.org/10.1080/00461520.1991.9653136
Senge, P. (1990). La quinta disciplina: el arte y la práctica de la organización que aprende. Nueva York: Doubleday/Currency.
Sterman, JD (2000). Dinámica empresarial: Pensamiento y modelado de sistemas para un mundo complejo. Nueva York: McGraw-Hill.
Von Bertalanffy, L. (1968). Teoría General de Sistemas: Fundamentos, Desarrollo, Aplicaciones. Nueva York: Braziller.
von Krogh, G., Ichijo, K. y Nonaka, I. (2000). Habilitación de la creación de conocimiento: cómo desbloquear el misterio del conocimiento
tácito y liberar el poder de la innovación. Oxford: Prensa de la Universidad de Oxford. http://dx.doi.org/10.1093/acprof:oso/
9780195126167.001.0001

1628
Machine Translated by Google