INTRODUCCIÓN

En el capítulo anterior se han reseñado las directrices de algunas de las más importantes escuelas educacionales de la historia. En el presente texto nos concentraremos en los avances de las ciencias cognitivas al respecto, fundamentándonos en el debate entre conductismo y ciencia cognitiva primero y luego en los distintos conceptos madre al interior de las CC respecto del tema.

Conductismo vs. Ciencia Cognitiva: Alcances del debate para la comprensión del Aprendizaje

Antes de la irrupción de las Ciencias Cognitivas la teoría dominante acerca de la conducta humana y animal era el llamado conductismo. El conductismo era una tendencia sicológica que consideraba que no era posible acceder científicamente a lo mental. Principalmente por la imposibilidad de “observar” los procesos mentales. Los conductistas debían explicar la conducta sólo desde lo científicamente observable y por lo tanto sólo podían considerar en su modelo los “estímulos” a los que se veía enfrentado un organismo vivo y las “respuestas conductuales” que este organismo entregaba a dichos estímulos. De alguna manera entendían que la relación estímulo-respuesta era una relación causal: un estímulo produce siempre una respuesta.

Existen varios tipos de respuesta que un organismo puede dar a un estímulo:

  1. Las más simples son los arcos reflejos (un golpe en el nervio rotuliano produce un movimiento muscular),
  2. luego vienen los reflejos condicionados (el famoso experimento de Pavlov y el perro) en que se establece una relación de asociación entre dos estímulos, uno de los cuales es no condicionado (esto es: funciona como un reflejo) y el segundo es condicionado.
  3. en tercer lugar se hayan las respuestas de condicionamiento operante, en que la asociación entre estímulo y respuesta ocurre de manera inversa: ante una determinada acción conductual del organismo se produce una acción ambiental que refuerza o inhibe dicha conducta (el delfín que es “premiado” por una tarea). Este es el modelo de Skinner.
  4. en el más alto nivel se encuentran las respuestas adaptativas que bien surgen de reflejos condicionados, bien surgen de condicionamientos operantes. Estas conductas adaptativas son el aprendizaje.

El problema del modelo conductista consistía en que con un esquema tan simple de relación entre estímulos y respuestas era incapaz de explicar temas como el lenguaje, especialmente su aprendizaje. Un niño que aprende a hablar no lo hace sólo porque se halla en un medio que refuerza sus ejecuciones lingüísticas, como demostró Chomsky (1959) en un famoso paper que derribó para siempre al modelo conductista.

Respecto de otras conductas aprendidas, especialmente las más inteligentes el conductismo tampoco ofrecía una explicación válida. Así, el advenimiento de la Ciencia Cognitiva significó el control del tema de cómo se aprendía.

En el modelo clásico cognitivista el sistema causal estímulo-respuesta fue reemplazado por un sistema causal estímulo-procesamiento cognitivo-respuesta. En este sistema lo más relevante es el procesamiento interno de los estímulos.

El procesamiento cognitivo del aprendizaje

Una conducta aprendida es desde el cognitivismo una conducta que se almacena en la memoria de largo plazo. Las conductas pueden ser procedimentales (andar en bicicleta) o declarativas (decir los nombres de las regiones de Chile). Kandel et als (2000) muestra como la memoria procedimental se almacena en circuitos perceptivos, motores y emocionales; mientras que la memoria declarativa se aloja primordialmente en el lóbulo temporal. La gran pregunta es cómo se produce dicho almacenaje.

Aprendizaje guiado e individual

Debemos distinguir primero entre dos tipos de conductas aprendidas: aquellas que son guiadas por un tutor, y aquellas que son aprendidas individualmente.

Los aprendizajes guiados tienden a funcionar de manera conductista. Un tutor (profesor) realiza una acción y el alumno le imita. Por ejemplo, podemos tratar de enseñar a hacer un barquito de papel indicando a modo de ejemplo cómo se realiza con un papel en las manos del tutor y otro en las manos del alumno. El alumno sólo debe utilizar su memoria de trabajo para repetir cada movimiento del profesor. Sin embargo, esto no asegura que el alumno pueda hacer el trabajo por sí solo. En el modelo conductista esto se resuelve por repetición, mientras más veces se repita la operación será más probable que el alumno pueda aprender cómo se hace la tarea.

El gran problema de este tipo de guía es que sólo asegura el desempeño de una tarea específica, el alumno no ha aprendido papiroflexia, sólo ha aprendido a hacer un barquito de papel. Es evidente que para aprendizajes más complejos (en que se aprende una serie de rutinas que se pueden aplicar a distintas situaciones) el modelo no funciona. Podría enseñarse a multiplicar 2 x 2 dando 4, pero, ¿qué pasa con 2 x 3?

El modelo cognitivista se centra en este segundo tipo de aprendizajes, y ha descubierto algunas reglas interesantes.

Las reglas de oro del aprendizaje de resolución de tareas:

1. Una tarea compleja se puede dividir en tareas más simples:

Este es el descubrimiento principal que hicieron Newell y Simon (1972). En el proceso de multiplicar se pueden por ejemplo hallar tres tareas simples: a) multiplicación de un dígito a un dígito (que involucra el conocimiento enciclopédico de la tabla del 1 al 9), b) suma de excedentes y c) suma de resultados.

2. La consolidación en la memoria de tareas complejas permite abordar mejor los problemas.

Entendemos que una tarea siempre se puede subdividir en tareas más sencillas, pero, cuando no se consolida un procedimiento automático de esas tareas o rutinas más simples todo el proceso se hace más lento, dificultoso y con posibilidad de errores. Hay personas que nunca aprenden de memoria la suma de excedentes (por ejemplo si deben sumar 3 + 8, en vez de recuperar de su memoria de largo plazo el ítem 11, cuentan con los dedos).

Una persona aprende una tarea compleja cuando puede abordar cualquier caso de dicha tarea de la manera más eficiente posible. Para esto puede ser necesario que ante una versión novedosa de dicha tarea deba recurrir a la desmembración en tareas sencillas (regla 1), por ejemplo si está iniciándose en la suma de números en base 2. O también puede ser necesario que aplique una rutina consolidada de otra área de su experiencia al nuevo evento.

Esto último se puede ejemplificar de manera muy bonita en el caso de los juegos de video llamados de rol (y por cierto a los juegos de rol en vivo). Pensemos en  Tomb Raider, Legend of Zelda o Pokémon. En todos ellos tratamos con un aprendizaje de tipo individual.

En todos estos juegos el jugador toma el rol de un personaje del juego que debe desenvolverse en el mundo del juego. Para tener éxito el jugador debe constantemente atender a su sentido común de la vida cotidiana. Si se encuentra una puerta cerrada que impide seguir: ¿qué se debe hacer?

Hay muchas soluciones posibles, por ejemplo usar una llave (que nos lleva a “buscar” una llave) o tratar de derribar la puerta (que nos lleva a intentar derribar la puerta con fuerza bruta o con algún implememento adecuado). Un jugador primerizo tardará mucho en descubrir que en Legend of Zelda algunas puertas se abren al interpretar una cierta melodía en la ocarina. Si nos fijamos bien el conocimiento de que las melodías abren puertas no corresponde al mundo real, sino al mundo de los cuentos (la contraseña de Alí Babá). En este caso es sumamente difícil dar con la solución porque puede que uno no busque en el compartimento correcto de la memoria de largo plazo. Pero, y he aquí lo sorprendente de estos juegos, una vez que se ha dado con la solución el jugador volverá a ocuparla casi instantáneamente cuando encuentre un nuevo problema similar. Se ha producido una consolidación de una rutina. Lamentablemente los programadores tienen en cuenta esto y muy raramente dejan estrategias de resolución iguales a lo largo del juego.

Los videojuegos funcionan con un esquema que recuerda al conductismo, refuerzan positivamente una conducta y eso produce el aprendizaje de dicha conducta.

Veamos un segundo ejemplo de los videojuegos, en este caso un tipo de respuesta que no es considerada por los programadores. En la mayoría de los videojuegos se encuentra uno a veces en espacios laberínticos. La manera tradicional de resolver el problema es que el jugador debe dar vueltas y vueltas por ensayo y error hasta dar con la salida. Para lograrlo el jugador debe construir en su mente un mapa del espacio del laberinto (saber que esa bifurcación lleva a tal lugar que no es una salida). Pero, existen estrategias algorítmicas para salir de un laberinto (entendiendo que hay una salida), una de ellas es el famoso hilo de Ariadna. Otra es la que sigue:

Regla 1: Avance siempre hasta que dé con un espacio en el que no pueda seguir avanzando.

Regla 2: Siempre que encuentre una bifurcación elija un camino y deje una marca en la entrada.

Regla 3: Cuando vuelva al origen de la bifuración desde una no-salida deje una segunda marca.

Regla 4: Nunca vuelva a tomar un camino que tiene dos marcas, ese camino es sin salida.

Por ejemplo en Tomb Raider las marcas pueden ser las antorchas que Lara Croft lleva.

Definición del espacio del problema

Por definición del espacio del problema entendemos el conjunto de elementos del contexto del problema que son relevantes para su solución.

Por ejemplo, para sumar no interesa el dibujo de los números que se suma, ni el tipo de papel, ni quién ha pedido que se haga la suma. Cuando tratamos de ganar jugando al Metrópolis puede que no nos interese más que el procedimiento para hacer las jugadas. Un buen jugador sabe que mucho del juego no está en los procedimientos sino en la manera como se relaciona con los demás jugadores. Este segundo personaje ha redimensionado el espacio del problema de una serie de rutinas procedimentales a una serie de rutinas procedimentales más una serie de rutinas de interacción. Quizá Álvaro Ballero sea un buen ejemplo inmediato de alguien que resolvió una tarea redimensionando el espacio del problema, se dio cuenta de que: 1) los cara a cara podían prepautearse, y 2) que el público votaba principalmente a favor de quien fuera más activo para la historia del programa.

Estrategias de solución de problemas 1: algoritmos y heurística

Una vez que se ha encontrado el espacio del problema se debe definir qué estrategia se lleva a cabo para resolverlo. En algunos casos la sola definición del espacio da paso a la solución, en general estas soluciones se llaman algoritmos. Se trata de procedimientos muy bien definidos, que en un número finito de pasos da con la respuesta. En otros casos se trata de procedimientos que no llevan necesariamente a la solución, pero que acotan el espacio.

No siempre los algoritmos son el procedimiento más sencillo para resolver el problema. Supongamos el juego del Combate Naval. Un algoritmo sería disparar sistemáticamente a todos los cuadrados uno por uno en secuencia (A1, A2, A3…), pero lo más probable es que así se pierda. En casos en que los sistemas algorítmicos se revelan como ineficientes aparecen los sistemas heurísticos como solución. Se dispara al azar y en caso de haber un “fuego” se concentran los siguientes disparos alrededor del primer fuego hasta hundir el barco enemigo. A veces la dificultad de un problema es tal que se opta desde la partida por una heurística, aunque puedan existir modelos más perfectos. Por ejemplo, en el juego de los puntitos de diez por diez gana siempre quien juega segundo si replica simétricamente las jugadas del primer jugador), aunque rara vez la gente ocupa esta estrategia. El juego del “solitario” con fichas se puede llegar a ganar si se “descubre” que el juego puede ser jugado a la inversa (una sóla ficha en el centro que salta un espacio vacío y deja una segunda ficha). Con este sistema se puede llegar a encontrar dos posiciones que son iguales partiendo al derecho y al revés, esa posición es la clave que permite resolver el juego.

Estrategias de solución de problemas 2: submetas

Una regla que no se cumple siempre es la de definir submetas hacia la solución. Cuando se supera una submeta se ha acercado la solución. En el caso del solitario, es más fácil llegar a dar con una posicion común que al final ganador del juego. Definir submetas es similar aunque no lo mismo que la división de una tarea compleja en tareas más simples. A veces una submeta no acerca a la solución, sino que aleja de ella. El ejemplo de las Torres de Hanoi es claro, al igual que el cubo rubik.

[youtube=http://www.youtube.com/watch?v=bm6ohS55Tu0]

Estrategias de solución de problemas 3: inducción, deducción y abducción

Un problema se puede resolver tanto yendo de lo específico a lo general (inducción) como de lo general a lo específico (deducción) ambos son subtipos de algoritmos. Pero, cuando no se tienen algoritmos se debe emplear la abducción. La abducción es una simple hipótesis provisional que se plantea como punto de partida, luego de planteada se debe tratar de defender hasta que los datos digan lo contrario. Cuando jugamos al combate naval hacemos los tiros por abducción, sólo cuando hay un “fuego” entramos a un sistema algorítmico deductivo. Pero, tras hundir el barco volvemos a abducir. Un espacio en que la abducción es muy usada es el de las novelas películas de detectives, el espectador o lector abduce quién puede ser el asesino y empieza a buscar pistas que lo confirmen. En las teleseries que tienen el tema detectivesco ocurre algo bien especial al respecto. Como las teleseries son siempre historias de amor y las telenovelas deben terminar bien, el asesino tiende a no ser un personaje que tenga pareja estable, menos aún cuando su propia historia de amor ha sido uno de los ejes de la historia. Esto ocurre porque hay dos espacios del problema distintos: el policial y el romántico.

En la próxima clase veremos algunos de los más controvertidos postulados de ciertos cientistas cognitivos acerca del aprendizaje y la enseñanza, concentrándonos esta vez en el aprendizaje enciclopédico.