Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contenido
Un modelo mental es una idea general que se puede utilizar para explicar muchos fenómenos
diferentes. Oferta y demanda en economía, selección natural en biología, recursividad en
informática, o prueba por inducción en matemáticas: estos modelos están en todas partes una
vez que sabes buscarlos.
el aprendizaje hará que sea más fácil pensar en los problemas de aprendizaje.
Desafortunadamente, el aprendizaje rara vez se enseña como una clase por sí solo.
lo que significa que la mayoría de estos modelos mentales son conocidos solo por
especialistas. En este ensayo, me gustaría compartir los diez que más me han influido, junto
con referencias para profundizar en caso
Herbert Simon y Allen Newell iniciaron el estudio del problema resolviendo con su libro
histórico, Human Problem Solving. En eso, argumentaron que las personas resuelven
problemas buscando a través de un espacio del problema.
Un espacio problemático es como un laberinto: sabes dónde estás ahora, sabrías si has llegado
a la salida, pero no sabes cómo ir allí. En el camino, estás limitado en tus movimientos.
Los espacios problemáticos también pueden ser abstractos. Resolviendo un cubo de Rubik,
para ejemplo, significa moverse a través de un gran espacio problemático de configuraciones:
el cubo revuelto es su comienzo, el cubo con cada color segregado a un solo lado es la salida, y
los giros y los turnos definen las “paredes” del espacio del problema.
Los problemas de la vida real suelen ser más extensos que los laberintos o Cubos de Rubik: el
estado inicial, el estado final y los movimientos exactos son 6 a menudo no es clara. Pero
buscar a través del espacio de posibilidades sigue siendo una buena caracterización de lo que
hace la gente cuando resolver problemas desconocidos, es decir, cuando aún no tienen un
método o memoria que los guía directamente a la respuesta. Una implicación de este modelo
es que, sin conocimiento previo, la mayoría de los problemas son realmente difíciles de
resolver. Un cubo de Rubik tiene más de cuarenta y tres quintillones de configuraciones, un
gran espacio para buscar en si no eres inteligente al respecto. El aprendizaje es el proceso de
adquirir patrones y métodos para reducir la búsqueda de fuerza bruta.
Recuperar el conocimiento fortalece la memoria más que ver algo por segunda vez lo hace.
Probar el conocimiento no es solo un manera de medir lo que sabes—mejora activamente tu
memoria. De hecho, las pruebas son una de las mejores técnicas de estudio que han
¿Por qué es tan útil la recuperación? Una forma de pensarlo es que el cerebro economiza
esfuerzo recordando sólo aquellas cosas que es probable que resulten útiles. Si siempre tienes
una respuesta a mano, no hay necesidad de codificarlo en la memoria. En cambio, la dificultad
asociado con la recuperación es una fuerte señal de que necesita recordar.
La recuperación solo funciona si hay algo que recuperar. Esta es la razón por necesitamos
libros, maestros y clases. Cuando la memoria falla, nosotros recurrir a la búsqueda de
resolución de problemas que, dependiendo de la tamaño del espacio del problema, puede
fallar por completo para darnos una correcta respuesta. Sin embargo, una vez que hayamos
visto la respuesta, aprenderemos más. recuperándolo que viéndolo repetidamente.
A medida que aprendes cosas nuevas, las integras en lo que ya sabes. Esta integración
proporciona más ganchos para recordar esa información más tarde. Sin embargo, cuando sabe
poco sobre un tema, tiene menos ganchos para poner nueva información. Esto hace que la
información sea más fácil de olvidar. Como un cristal que crece de una semilla, el aprendizaje
futuro es mucho más fácil una vez que se establecen los cimientos.
Este proceso tiene límites, por supuesto, o el conocimiento se aceleraría indefinidamente. Aún
así, es bueno tenerlo en cuenta porque las primeras fases de aprendizaje suelen ser las más
difíciles y pueden dar una impresión engañosa de futuras dificultades dentro de un campo.
Pocos temas son tan incomprendidos como la creatividad. Tendemos a imbuir a las personas
creativas con un aura casi mágica, pero la creatividad es mucho más mundana en la práctica.
En una revisión
impresionante de inventos significativos, Matt Ridley argumenta que la innovación resulta de
un proceso evolutivo. En lugar de saltar al mundo completamente formado, la nueva invención
es esencialmente la mutación aleatoria de viejas ideas. Cuando esas ideas resultan útiles, se
expanden para llenar un nuevo nicho.
La evidencia de este punto de vista proviene del fenómeno de las innovaciones casi
simultáneas. Numerosas veces en la historia, varias personas desconectadas han desarrollado
la misma innovación, lo que sugiere que estos inventos estaban de alguna manera "cercanos"
en el espacio de posibilidades justo antes de su descubrimiento.
Incluso en las bellas artes, se ha descuidado la importancia de la copia. Sí, muchas revoluciones
en el arte fueron rechazos explícitos de tendencias pasadas. Pero los propios revolucionarios
estaban, casi sin excepción, inmersos en la tradición contra la que se rebelaron. Rebelarse
contra cualquier convención requiere conciencia de esa convención.
• La práctica en una tarea ayuda con tareas similares (generalmente las que se superponen en
procedimientos o conocimientos).
• La práctica en una tarea ayuda poco con tareas no relacionadas, incluso si parecen requerir
las
mismas habilidades generales como "memoria", "pensamiento crítico" o "inteligencia".
Del mismo modo, conocer una idea puede importar poco, pero dominar muchas puede dar un
enorme poder. Cada año adicional de educación mejora el coeficiente intelectual entre 1 y 5
puntos, en parte porque la amplitud de conocimientos que se enseña en la escuela se
superpone con la que se necesita en la vida real (y en las pruebas de inteligencia).
Si quieres ser más inteligente, no hay atajos: tendrás que aprender mucho. Pero lo contrario
también es cierto. Aprender mucho te hace más inteligente de lo que podrías predecir.
Solo podemos tener algunas cosas en mente en un momento dado. George Miller fijó
inicialmente el número en siete, más o menos dos elementos. Pero un trabajo más reciente ha
sugerido que el número está más cerca de cuatro cosas.
Este espacio increíblemente estrecho es el cuello de botella a través del cual debe fluir todo
aprendizaje, cada idea, memoria y experiencia si se va a convertir en parte de nuestra
experiencia a largo plazo. El aprendizaje subliminal no funciona. Si no estás prestando
atención, no estás aprendiendo.
La forma principal en que podemos ser más eficientes con el aprendizaje es asegurarnos de
que las cosas que fluyen a través del cuello de botella sean útiles. Dedicar ancho de banda a
elementos irrelevantes puede ralentizarnos.
Desde la década de 1980, la teoría de la carga cognitiva se ha utilizado para explicar cómo las
intervenciones optimizan (o limitan) el aprendizaje en función de nuestro ancho de banda
mental limitado. Esta investigación encuentra:
• La resolución de problemas puede ser contraproducente para los principiantes. A los novatos
les va mejor cuando se les muestran ejemplos trabajados (soluciones) en su lugar.
• Los materiales deben estar diseñados para evitar la necesidad de pasar de una página a otra
o partes de un diagrama para comprender el material.
Aprendemos más del éxito que del fracaso. La razón es que los espacios de problemas suelen
ser grandes y la mayoría de las soluciones son incorrectas.
Saber qué funciona reduce drásticamente las posibilidades, mientras que experimentar el
fracaso solo te dice que una estrategia específica no funciona.
Cómo la gente puede pensar lógicamente es un rompecabezas antiguo. Desde Kant, sabemos
que la lógica no se puede adquirir a partir de la experiencia.
De alguna manera, ya debemos conocer las reglas de la lógica, o una mente ilógica nunca
podría haberlas inventado. Pero si es así, ¿por qué fallamos tan a menudo en el tipo de
problemas que inventan los lógicos?
mental de la situación.
Para probar un silogismo como “Todos los hombres son mortales. Sócrates es un hombre. Por
lo tanto, Sócrates es mortal”, imaginamos una colección de hombres, todos los cuales son
mortales, e imaginamos que Sócrates es uno de ellos. Deducimos que el silogismo es
verdadero a través de este examen.
Johnson-Laird sugirió que este razonamiento basado en modelos mentales también explica
nuestros déficits lógicos. Luchamos más con las declaraciones lógicas que nos obligan a
examinar múltiples modelos. Cuantos más modelos necesitemos construir y revisar, más
probable es que cometamos errores.
Investigaciones relacionadas realizadas por Daniel Kahneman y Amos Tversky muestran que
este razonamiento basado en ejemplos puede llevarnos a confundir nuestra fluidez al recordar
ejemplos con la probabilidad real de un evento o patrón. Por ejemplo, podríamos pensar que
más palabras se ajustan al patrón K _ _ _ que _ _ K _ porque es más fácil pensar en ejemplos
en la primera categoría (p. ej., COMETA, KALE, MATAR) que en la segunda (p. ej., TOMAR,
BICICLETA , NUKE).
1. El aprendizaje suele ser más rápido a través de ejemplos que de descripciones abstractas.
3. Debemos tener cuidado al hacer inferencias amplias basadas en algunos ejemplos. (¿Estás
seguro de haber considerado todos los casos posibles?)
Las habilidades se automatizan cada vez más a través de la práctica. Esto reduce nuestra
conciencia de la habilidad, haciendo que requiera menos de nuestra preciosa capacidad de
memoria de trabajo para realizarla. Piense en conducir un automóvil: al principio, usar las
luces intermitentes y los frenos fue dolorosamente deliberado. Después de años de
conducción, apenas piensas en ello.
Sin embargo, la mayor automatización de las habilidades tiene inconvenientes. Una es que se
vuelve mucho más difícil enseñar una habilidad a otra persona.
Cuando el conocimiento se vuelve tácito, se vuelve más difícil hacer explícito cómo se toma
una decisión. Los expertos con frecuencia subestiman la importancia de las habilidades
"básicas" porque, habiendo sido automatizadas durante mucho tiempo, no parecen tener
mucho en cuenta en su toma de decisiones diaria.
Otro inconveniente es que las habilidades automatizadas están menos abiertas al control
consciente. Esto puede conducir a estancamientos en el progreso cuando sigues haciendo algo
de la forma en que siempre lo has hecho, incluso cuando ya no es apropiado. Buscar desafíos
más difíciles se vuelve vital porque te sacan de la automaticidad y te obligan a probar mejores
soluciones.
Después de pasar años en la escuela, ¿cuántos de nosotros aún podríamos aprobar los
exámenes finales que necesitábamos para graduarnos? Ante las preguntas del aula, muchos
adultos admiten tímidamente que recuerdan poco.
Sin embargo, hay un lado positivo. El reaprendizaje suele ser mucho más rápido que el
aprendizaje inicial. Algo de esto puede entenderse como un problema de umbral. Imagine que
la fuerza de la memoria oscila entre 0 y 100.
Bajo cierto umbral, digamos 35, una memoria es inaccesible. Por lo tanto, si un recuerdo
cayera de 36 a 34 en fuerza, olvidarías lo que sabías. Pero incluso un pequeño impulso del
reaprendizaje repararía la memoria lo suficiente como para recuperarla. Por el contrario, una
nueva memoria (que comience en cero) requeriría mucho más trabajo.
Los modelos conexionistas, inspirados en las redes neuronales humanas, ofrecen otro
argumento a favor de la potencia del reaprendizaje. En estos modelos, una red neuronal
computacional puede necesitar cientos de iteraciones para alcanzar el punto óptimo. Y si
“mueves” las conexiones en esta red, olvida la respuesta correcta y no responde mejor que por
casualidad. Sin embargo, al igual que con la explicación del umbral anterior, la red vuelve a
aprender la respuesta óptima mucho más rápido la segunda vez.1
Volver a aprender es una molestia, especialmente porque luchar con problemas que antes
eran fáciles puede ser desalentador. Sin embargo, no es razón para no aprender profunda y
ampliamente, incluso el conocimiento olvidado puede revivir mucho más rápido que comenzar
desde cero.