LOS PROCESOS DEL APRENDIZAJE

A la luz de esta teoría, el aprendizaje se define como un cambio en la capacidad o disposición humana, relativamente duradero y además no puede ser explicado pro procesos de maduración. Este cambio es conductual, lo que permite inferir que se logra sólo a través del aprendizaje. Encontramos también alteraciones de disposición, que tienen implicancias con respecto de los cambios conductuales, pero de manera diferente. Estas alteraciones se denominan "actitud", "interés" o "valor". Las informaciones del ambiente entran a través de los receptores (SNC). Luego pasan al registro sensorial(estructura hipotética). De aquí la información se va a la memoria de corto alcance, en donde se lleva a cabo una codificación conceptual. Para el paso a la memoria de largo alcance, puede ayudar un ensayo o repetición interna. Si la información se relaciona con alguna preexistente, puede ser codificada y llevada inmediatamente a la memoria de largo alcance. También puede suceder que exista una fuertísima motivación externa que permita el paso inmediato a la memoria de largo alcance. Otra posibilidad es que no se produzca una codificación adecuada de la información, incurriendo en su desaparición. Gagné plantea la existencia de una sola memoria, en la cual las de corto y largo alcance sean quizás parte de un continuo llamado "memoria".

Una información puede ser recuperada, sólo si ha sido registrada. Esta recuperación ocurrirá a raíz de un estímulo externo, algún elemento que haga necesaria la recuperación de la información, la cual pasará al generador de respuestas. Este generador transformará la información en acción, es decir una manifestación en forma de conducta.

Existen también en este modelo, procesos de control: control ejecutivo y expectativas. Éstas forman parte de la motivación, sea ésta extrínseca o intrínseca. La motivación prepara al sujeto para codificar o decodificar la información. La manera en cómo será codificada la información está determinada por el control ejecutivo, así cómo también el proceso de recuperación.

El modelo anteriormente presentado ayuda a entender la propuesta de Gagné. Los elementos constituyentes de los mecanismos internos de aprendizaje, son etapas el acto de aprender, y son presentados a continuación.

VARIEDAD DE CAPACIDADES APRENDIDAS

Gagné nos señala 5 variedades de capacidades que pueden ser aprendidas:

• Destrezas motoras. Estas capacidades son muy importante en ciertas áreas del aprendizaje, en las cuales se requiere uniformidad y regularidad en las respuestas
• Información verbal. La cual nos invade desde que nacemos; además debemos demostrar una conducta después que recibimos esta información (hacer oraciones, frases, etc). Su recuperación es facilitada generalmente por sugerencias externas. Lo más destacable del aprendizaje de esta información es que posee un amplio contexto significativo, mediante lo cual la podemos asociar a información ya existente.
• Destrezas intelectuales. Comienza al adquirir discriminaciones y cadenas simples, hasta llegar a conceptos y reglas. Podemos hacer cosas con los símbolos y comenzar a entender qué hacer con la información. En este aprendizaje necesitamos combinar destreza intelectual e información verbal previamente aprendida.
• Actitudes. Estas son las capacidades que influyen sobre las acciones individuales de las personas. Es difícil enseñar actitudes, y la mayoría de ellas debe ser adquirida y reforzada en la escuela. Es necesario estudiar las actitudes negativas y las positivas, campo que fue llamado por Bloom como "dominio afectivo". Es aquí , donde Gagné nos muestra su postura ecléctica, ya que define las actitudes como un "estado interno", pero medible sólo a través de la conducta manifiesta.
• Estrategias cognoscitivas. Son destrezas de organización interna, que rigen el comportamiento del individuo con relación a su atención, lectura, memoria, pensamiento, etc. Algunos autores han denominado también "mathemagénicas" (Rothkopf) y "conductas de auto administración" por Skinner (1968). Las estrategias cognoscitivas no están cargadas de contenido, ya que la información que uno aprende es el contenido. Las estrategias intelectuales y su dominio nos ayudarán a hacer algo con este contenido.

En las últimas dos décadas, ha habido un gran énfasis en las estrategias cognoscitivas, en lo que a investigaciones se refiere. Se hablaba de hábitos de estudio y "aprender a aprender", pero estos conceptos no eran muy bien entendidos. La idea de Gagné, de que las destrezas cognoscitivas son las destrezas de manejo que una persona va adquiriendo a lo largo de los años, para regir su proceso propio de aprendizaje, atención, y pensamiento, da un paso muy importante para entender el meta aprendizaje. Esta idea nos plantea la existencia de aprendizaje de contenidos y de procesos. Podemos citar la idea de Piaget, de qué y cómo se aprende.

Antonijevic y Chadwick (1983), sugieren que las estrategias cognoscitivas funcionan en tres áreas: atención, en codificación para la retención y utilización de la información para la resolución de problemas. Podemos ejemplificar lo planteado en tres etapas, de la siguiente manera:

En la sala de clases:

1. Existencia de procesos cognitivos, los cuales serían métodos de la persona, para percibir, asimilar y almacenar conocimientos.
2. Se habla de "destreza mental", cuando uno o más de estos procesos internos ha sido desarrollado a un nivel de eficiencia relativamente alta.
3. Cuando se aplica una destreza mental a una tarea, ya sea por voluntad propia u orden externa, podemos decir que esta destreza funciona como una estrategia cognitiva. Este punto puede ser ejemplificado así: el uso de imágenes es un proceso cognitivo básico. En algunas personas que son eficientes en la creación y manejo de imágenes, esto sería una destreza mental. Cuando estas personas usan las imágenes para aprender algo, estas imágenes funcionan cómo estrategias cognitivas.

RELACIÓN ENTRE LOS 5 DOMINIOS Y LOS OCHO TIPOS DE APRENDIZAJE.

A pesar de presentar una jerarquía de ocho tipos de aprendizaje, actualmente Gagné enfatiza en la interpretación de los 5 dominios señalados en la primera parte de este informe sobre la posición de Gagné. A continuación se comentará la relación entre los 5 dominios y los ocho tipos de aprendizaje.
Primero consideraremos que los dominios representan los resultados del aprendizaje, en cambio los tipos son parte del proceso de aprendizaje. Los ocho tipos son:

1. Aprendizaje de Signos y Señales: Signo es cualquier cosa que sustituye o indica a otra cosa, gracias a algún tipo de asociación entre ellas.
2. Aprendizaje de Respuestas Operantes: Son los que Skinner llamaba condicionamientos operantes.
3. Aprendizaje en Cadena: Aprender una determinada secuencia u orden de acciones.
4. Aprendizaje de Asociaciones Verbales: Es un tipo de aprendizaje en cadena que implica operaciones de procesos simbólicos bastante complejos.
5. Aprendizaje de Discriminaciones Múltiples: Implica asociaciones de varios elementos, pero también implica separar y discriminar..
6. Aprendizaje de Conceptos: Significa responder a los estímulos en términos de propiedades abstractas.
7. Aprendizaje de Principios: Un principio es una relación entre dos o más conceptos..
8. Aprendizaje de Resolución de Problemas: La solución de un problema consiste en elaborar, con la combinación de principios ya aprendidos, un nuevo principio..

En esta teoría encontramos una fusión entre conductismo y cognoscitivismo

Podemos intentar la combinación de los ocho tipos de aprendizaje con los dominios, en la forma sugerida por Chadwick (1975):

LAS CONDICIONES DEL APRENDIZAJE

Gagné enfatiza bastante en el problema de las condiciones externas a la situación de aprendizaje. A la luz de sus conceptos, se identifican cuatro elementos en la situación de aprendizaje:

• El aprendiz.
• Situación de estimulación bajo la cual transcurrirá el aprendizaje, situación enseñanza-aprendizaje.
• Información preexistente en la memoria o también "conducta de entrada", la cual es la que lleva al aprendiz a la situación enseñanza-aprendizaje.
• Conducta final que se espera del aprendiz.

Uno de los primeros elementos importantes de las condiciones de aprendizaje, es establecer las respuestas que se esperan del aprendiz y esto se hace a través de la formulación de objetivos. Cuando ya se han fijado los objetivos, nos preocupamos de las condiciones de aprendizaje.

Las ocho fases, tratadas en la primera parte del informe, constituyen el aspecto más relevante incluyendo, además, sugerencias que deben ser enfatizadas.

Por ejemplo, dentro del dominio de información verbal se destacan aprehensión y adquisición dentro de contextos significativos. Debemos enfatizar entonces, en los "organizadores previos" de la codificación de nombres y etiquetas, y del uso de imágenes para esta codificación.

Gagné analiza los cinco dominios y presenta las condiciones pertinentes para cada uno de ellos; podemos decir también, toda esta situación esta muy ligada a los eventos del aprendizaje, ya mencionados.

ANÁLISIS Y DISEÑO DE SITUACIONES DE ENSEÑANZA-APRENDIZAJE

Etapa del aprendizaje

Motivación

Comprensión

Adquisición

Retención

Recordar

Generalización

Actuación

Retroalimentación

Proceso

Expectativa

Atención; percepción selectiva

Cifrado, acceso a la acumulación

Almacenar

Recuperación

Transferencia

Respuesta

Fortalecimiento

Eventos externos que ejercen influencia

1.- Comunicación de objetivo por realizar

2.- Confirmación previa de la expectativa a través de una vivencia exitosa.

1.-Modificación en la estimulación para atraer la atención.

2.-Aprendizaje previo de percepción

3.-Indicaciones diferenciadas adicionales para la percepción

Proyectos sugeridos para el cifrado

Desconocidos

1.-Proyectos sugeridos para la recuperación

2.-Indicaciones para la recuperación

Variedad de contextos para las indicaciones dirigidas a recuperar.

Casos de actuación ("ejemplos")

Retroalimentación informativa que permite constatar o comparar con un modelo

METÁFORA DE LA COMPUTADORA

Metáfora: intercambio de pensamientos que facilita la transferencia de ideas que se derivan de un contexto para otro.

La metáfora del computador surge casi desde los inicios de la computación. ¿A qué se debe esto?

Antes, las máquinas solo sustituían cualidades físicas de los humanos tales como: fuerza, traslación, precisión. como los medios de transporte, las grúas, los microscopios, etc. Con las computadoras se pretende que estas realicen los cálculos, al igual que los hace la mente para resolver los problemas técnicos. De ahí que una primera metáfora fue llamarle “cerebros electrónicos”. Metáfora que cayó en nulidad. Por otra más sutil y trascendente: la computadora puede sustituir al hombre en todas sus actividades ya que ambos son “sistemas basados en el procesamiento de la información”.

Javier Bustamante afirma: “el computador es un diseñador de actitudes que afecta la disposición psicológica de aquellas que la usan, a su auto imagen, creencias, motivaciones, expectativas, etc”.

La metáfora reduce el concepto de inteligencia a procesamiento de la información lo cual hace que se pueda hablar de inteligencia en la máquina, pero también a nivel social, redefine el concepto de inteligencia en términos computacionales y crea una cultura social y una pedagogía orientada a la formación del pensamiento algorítmico en los jóvenes científicos. Ya que si se parte de la idea de que todo es algoritmizable. Entonces la limitación no esta en la máquina, sino en la incapacidad del hombre para hacer los algoritmos. El hombre debe aprender a hacer algoritmos para la máquina. Lo que nos puede llevar a la conclusión de que el hombre sólo sabe lo que es capaz de algoritmizar. Por lo que, algoritmizar se entiende como comprender.

De lo anterior se desprende, por ejemplo, que para yo entender un fenómeno, debo ser capaz primero de construir una serie de conceptos que me permitan una descripción algorítmica de ese fenómeno. Es evidente que el fenómeno en si, se pierde entre tanta formalización. Al final que nos queda, una representación algorítmica de una interpretación matemática entiendase formalizada de un fenómeno.

Para los “mecanicistas” son los “humanistas” los que redefinen el concepto de inteligencia (cada vez que la máquina alcanza esos limites). Para los humanistas son aquellos quienes redefinen (reducen a la máquina) los conceptos de inteligencia.

LAS 10 DIFERENCIAS IMPORTANTES ENTRE CEREBROS Y COMPUTADORAS

"Una buena metáfora es algo a lo que incluso la policía debería mantener vigilado." - G. C. Lichtenberg

Aunque la metáfora cerebro de computadora ha servido bien a la psicología cognitiva, la investigación en neuro-ciencias cognitivas ha revelado muchas diferencias importantes entre los cerebros y las computadoras. Apreciar estas diferencias podría ser crucial para comprender los mecanismos de procesamiento neural de la información, y en última instancia para la creación de una inteligencia artificial. Abajo, examino las más importantes de estas diferencias (y las consecuencias para la psicología cognitiva si deja de reconocerlas).

Diferencia #1: Los cerebros son análogos; las computadoras son digitales

Es fácil pensar que las neuronas son esencialmente binarias, ya que disparan un potencial de acción si llegan a cierto umbral, que de otra manera no disparan. Esta semejanza superficial al digital "1 y 0" oculta una amplia variedad de procesos continuos y no lineales que influyen directamente en el procesamiento neuronal.

Por ejemplo, uno de los principales mecanismos de la transmisión de la información parece ser el ritmo en que las neuronas transmiten el impulso nervioso, una variable esencialmente continua. De manera similar, las redes de neuronas pueden disparar en relativa sincronía o en relativo desorden; esta coherencia afecta la potencia de las señales recibidas por las neuronas corriente abajo. Al final, dentro de todas y cada una de las neuronas hay un circuito integrador en colador, compuesto por una variedad de canales iónicos y membranas en continua fluctuación de potencial.

La imposibilidad de reconocer estas importantes sutilezas puede haber contribuido al notorio error de caracterización de los perceptrones de Minksy & Papert, una red nerviosa sin una capa intermedia entre la recepción y la salida. En las redes lineales, cualquier función computada por una red de tres capas también puede ser computada por una red de dos capas adecuadamente ordenada. En otras palabras, se pueden modelar con precisión combinaciones de funciones lineales múltiples mediante una única función lineal. Porque sus simples redes de dos capas no pudieron resolver muchos problemas importantes, Minksy & Papert razonaron que esas redes más grandes tampoco podrían. Por otra parte, los cálculos realizados por redes más ajustadas a la realidad (por ejemplo, no lineales) son altamente dependientes de la cantidad de capas, por lo tanto, los "perceptrones" subestiman tremendamente la potencia computacional de las redes nerviosas.

Diferencia #2: El cerebro usa una memoria de contenido direccionable

En las computadoras, se accede a la información en la memoria buscando su preciso lugar en la memoria. Esto es conocido como memoria byte-direccionable. Por contraste, el cerebro usa una memoria de contenido direccionable, de modo tal que la información puede ser accedida en la memoria a través de una "activación difusa" desde conceptos relacionados. Por ejemplo, pensar en la palabra "zorro" puede activar automática y difusamente los recuerdos relacionados con otros animales inteligentes, con jinetes a caballo cazando zorros, o miembros atractivos del sexo opuesto.

El resultado final es que su cerebro tiene una especie de "Google incorporado", donde apenas unas pistas (palabras clave) son suficientes para provocar la recuperación de un recuerdo completo. Por supuesto, se pueden hacer cosas similares en las computadoras, principalmente con el desarrollo de enormes índices de los datos almacenados, que luego también tienen que ser almacenados y buscados para encontrar información relevante (a propósito, casi es lo que Google hace, con algunos trucos).

Aunque ésta podría parecer una diferencia menor entre las computadoras y los cerebros, tiene profundos efectos en el cálculo neural. Por ejemplo, un prolongado debate en la psicología cognitiva trataba sobre si se perdía la información de la memoria por simple decadencia o por la interferencia de otra información. En retrospectiva, este debate está parcialmente basado en la falsa suposición de que estas dos posibilidades están separadas, como puede ocurrir en las computadoras. Ahora muchos se dan cuenta de que este debate representa una falsa dicotomía.

Diferencia #3: El cerebro es una enorme computadora paralela; las computadoras son modulares y seriales

Un desafortunado legado de la metáfora cerebro-computadora es la tendencia de los psicólogos cognitivos hacia buscar una característica modular en el cerebro. Por ejemplo, la idea de que las computadoras necesitan memoria ha conducido a algunos a buscar el "área de la memoria", cuando de hecho estas diferencias son mucho más confusas. Una consecuencia de esta simplificación excesiva es que recién ahora estamos aprendiendo que las regiones de "memoria" (como los hipocampos) son también importantes para la imaginación, la representación de objetivos nuevos, la navegación espacial, y otras y diversas funciones.

De manera similar, uno podría imaginar que hay un "módulo del lenguaje" en el cerebro, como lo podría haber en las computadoras con programas de procesamiento de lenguaje natural. Los psicólogos cognitivos incluso afirmaron haber encontrado este módulo, sobre la base de pacientes con daños en una región cerebral conocida como el Área de Broca. Evidencias más recientes han mostrado que el lenguaje también es computado por circuitos nerviosos ampliamente distribuidos y de dominio general, y que el Área de Broca también podría estar involucrada en otros cálculos.

Diferencia #4: La velocidad de procesamiento cerebral no es fija; no hay ningún reloj de sistema

La velocidad de procesamiento de la información neural está sujeta a una variedad de límites, incluyendo el tiempo que usa una señal electro-química para cruzar axones y dendritas, la mielinación axonal, el tiempo de difusión de los neuro-transmisores a través de la fisura sináptica, las diferencias en la eficiencia sináptica, la coherencia del disparo nervioso, la actual disponibilidad de neuro-transmisores, y la historia previa de disparos nerviosos. Aunque hay diferencias individuales en algo que los psicometristas llaman "velocidad de procesamiento", no refleja un concepto monolítico o unitario, e indudablemente nada tan concreto como la velocidad de un microprocesador. En cambio, la "velocidad de procesamiento" psicométrico probablemente ponga un índice a una heterogénea combinación de todas las limitaciones de velocidad mencionadas más arriba.

De forma similar, no parecer haber ningún reloj central en el cerebro, y existe una discusión respecto a qué tan parecidos a un reloj son en realidad los dispositivos que mantienen el tiempo en el cerebro. Para usar sólo un ejemplo, a menudo se cree que el cerebelo calcula la información involucrando un cronometraje preciso, como el requerido para los delicados movimientos de un motor; sin embargo las evidencias recientes sugieren que el tiempo en el cerebro tiene más semejanza con las olas en una laguna que con un reloj digital corriente.

Diferencia #5: La memoria a corto plazo no es como la RAM

Aunque la aparente semejanza entre la RAM y la memoria a corto plazo o "de trabajo" envalentonaron a muchos de los primeros psicólogos cognitivos, un examen más minucioso revela sorprendentes e importantes diferencias. Aunque la RAM y la memoria a corto plazo parecen necesitar energía (un disparo nervioso en el caso de la memoria a corto plazo, y electricidad en el caso de la RAM), la memoria a corto plazo parece contener sólo "apuntadores" a la memoria a largo plazo, mientras que la RAM contiene datos que son isomórficos a los que contiene el disco duro. (Vea aquí más sobre "apuntadores de atención" en la memoria a corto plazo).

A diferencia de la RAM, la capacidad límite de la memoria a corto plazo no es fija; la capacidad de la memoria a corto plazo también parece fluctuar con las diferencias en la "velocidad de procesamiento" (ver diferencia #4) así como con la experiencia y el conocimiento.

Diferencia #6: No se puede hacer ninguna distinción entre equipo y software con respecto al cerebro o la mente

Durante años, fue tentador imaginar que el cerebro era el equipo donde un "programa mental" o "software mental" es ejecutado. Esto dio origen a una variedad de modelos abstractos -parecidos a programas- de la cognición, donde los detalles de cómo ejecutaba el cerebro ejecutaba en realidad esos programas eran considerados irrelevantes, de la misma manera que un programa Java puede lograr la misma función que un programa C++.

Por desgracia, esta atractiva distinción entre equipo y software oscurece un hecho importante: la mente emerge directamente del cerebro, y los cambios de opinión son siempre acompañados por cambios en el cerebro. Cualquier descripción abstracta del procesamiento de la información siempre necesitará especificar cómo la arquitectura nerviosa puede implementar esos procesos, de otro modo los modelos cognitivos son excesivamente forzados. Algunos culpan a este malentendido por el notorio fracaso la "IA simbólica".

Diferencia #7: Las sinapsis son mucho más complicadas que las puertas lógicas eléctricas

Otra característica perjudicial de la metáfora cerebro-computadora es que parece sugerir que los cerebros también pueden funcionar a base de señales eléctricas (potenciales de acción) que viajan a lo largo de puertas lógicas individuales. Por desgracia, esto es sólo una media verdad. Las señales que son propagadas a lo largo de los axones son en realidad de naturaleza electro-química, y significa que viajan mucho más despacio que las señales eléctricas en una computadora, y que pueden ser moduladas de innumerables maneras. Por ejemplo, la transmisión de una señal no sólo depende de las llamadas "puertas lógicas" de la arquitectura sináptica sino también de la presencia de una variedad de químicos en la fisura sináptica, de la relativa distancia entre sinapsis y dendritas, y muchos otros factores. Esto se suma a la complejidad del procesamiento que tiene lugar en cada sinapsis, y es por lo tanto profundamente equivocado pensar que las neuronas funcionan simplemente como transistores.

Diferencia #8: A diferencia de las computadoras, el procesamiento y la memoria son llevados a cabo por los mismos componentes en el cerebro

Las computadoras procesan la información de la memoria usando una CPU, y luego vuelven a escribir los resultados de ese procesamiento en la memoria. No existe tal diferencia en el cerebro. Mientras las neuronas procesan la información, también están modificando sus sinapsis, que son en sí mismas el lugar se asiento de la memoria. Por consiguiente, la recuperación de memoria siempre modifica ligeramente esos recuerdos. (Por lo general los hacen más fuertes, pero a veces menos exactos.

Diferencia #9: El cerebro es un sistema auto-organizado

Este punto resulta naturalmente del punto previo; la experiencia da forma profunda y directamente a la naturaleza del procesamiento de la información neural de una manera que simplemente no ocurre en los microprocesadores tradicionales. Por ejemplo, el cerebro es un circuito de auto-reparación; algo conocido como "plasticidad inducida por un trauma" se pone en funcionamiento después de una lesión. Esto puede conducir a una variedad de cambios interesantes, incluyendo algunos que parecen revelar un potencial sin uso en el cerebro (conocido como savantismo adquirido), y otros que pueden resultar en una profunda disfunción cognitiva (como es por desgracia mucho más típico en las lesiones cerebrales traumáticas y en los trastornos del desarrollo).

En el campo de la neuro-psicología tenemos una consecuencia del error al reconocer esta diferencia, donde se examina el desempeño cognitivo de los pacientes con lesión cerebral para determinar la función computacional de la región dañada. Por desgracia, y por una pobre comprensión de la naturaleza de la plasticidad inducida por trauma, la lógica no puede ser tan sencilla. Problemas similares subyacen los trabajos sobre los trastornos del desarrollo y sobre el nuevo campo de la "genética cognitiva", donde las consecuencias de la auto-organización nerviosa son frecuentemente ignoradas.

Diferencia #10: Los cerebros tienen cuerpos

Esto no es tan trivial como podría parecer; resulta que el cerebro toma sorprendentes ventajas del hecho de que tiene un cuerpo a su disposición. Por ejemplo, a pesar de su sensación instintiva que podría cerrar los ojos y saber la ubicación de los objetos a su alrededor, una serie de experimentos en el campo de la ceguera ha mostrado que nuestra memoria visual es en realidad muy escasa. En este caso, el cerebro "descarga" sus necesidades de memoria al ambiente en donde existe: ¿por qué molestarse en recordar la ubicación de los objetos cuando un vistazo será suficiente? Un sorprendente conjunto de experimentos realizados por Jeremy Wolfe ha mostrado que incluso después de preguntar cientos de veces qué formas geométricas simples se ven en una pantalla de computadora, los sujetos continúan respondiendo a esas preguntas por la vista y no de memoria. Una amplia variedad de evidencia de otros dominios sugiere que apenas estamos empezando a comprender la importancia del cuerpo en el procesamiento de la información.

Bono de diferencia: El cerebro es mucho, mucho más grande que cualquier computadora

Los modelos biológicos precisos del cerebro tendrían que incluir unos 225.000.000.000.000.000 (225 mil billones) de interacciones entre tipos de células, neuro-transmisores, neuro-moduladores, ramas axonales y espinas dendríticas, y eso no incluye la influencia de la geometría dendrítica, ni las cerca de 1 billón de células gliales que pueden o no ser importantes para el procesamiento de la información neural. Porque el cerebro es no-lineal, y porque es mucho más grande que todas computadoras actuales, parece probable que funcione de un modo totalmente diferente. La metáfora cerebro-computadora oscurece esta importante, aunque quizás obvia, diferencia en potencia computacional.