Memória de Longo Prazo: Armazenamento (Teoria do Processamento de Informação)

Esta seção discute o armazenamento de informações na MLP (Memória de Longo Prazo). Embora nosso conhecimento sobre a MLP seja limitado devido à ausência de uma janela para o cérebro, a pesquisa delineou um quadro razoavelmente consistente do processo de armazenamento.

A caracterização da MLP nesta lição envolve uma estrutura com o conhecimento sendo representado como locais ou nós em redes, com redes conectadas (associadas) umas às outras. Note a similaridade entre estas redes cognitivas e as redes neurais discutidas anteriormente no curso. Ao discutir redes, lidamos primariamente com conhecimento declarativo e conhecimento procedural. O conhecimento condicional é abordado na seção 7 do curso, juntamente com atividades metacognitivas que monitoram e direcionam o processamento cognitivo. Assume-se que a maior parte do conhecimento é armazenada na MLP em códigos verbais, mas o papel da imaginação também é abordado ao final desta lição.

A Natureza das Proposições

Uma proposição é a menor unidade de informação que pode ser julgada como verdadeira ou falsa. Proposições são as unidades básicas de conhecimento e significado na MCP (Anderson, 1990; Kosslyn, 1984; Norman & Rumelhart, 1975). Cada um dos seguintes é uma proposição:

• A Declaração de Independência foi assinada em 1776.
• .
• Tia Frieda odeia nabos.
• Eu sou bom em matemática.
• Os personagens principais são introduzidos no início de uma história.

Essas proposições de amostra podem ser julgadas como verdadeiras ou falsas. Note, no entanto, que as pessoas podem discordar em seus julgamentos. Carlos pode acreditar que é ruim em matemática, mas seu professor pode acreditar que ele é muito bom.

A natureza exata das proposições não é bem compreendida. Embora possam ser pensadas como frases, é mais provável que sejam significados de frases (Anderson, 1990). A pesquisa apoia o ponto de que armazenamos informações na memória como proposições, em vez de frases completas. Kintsch (1974) deu aos participantes frases para ler que tinham o mesmo comprimento, mas variavam no número de proposições que continham. Quanto mais proposições contidas em uma frase, mais tempo os participantes demoravam para compreendê-la. Isso implica que, embora os alunos possam gerar a frase: “A Declaração de Independência foi assinada em 1776”, o que eles provavelmente armazenaram na memória é uma proposição contendo apenas as informações essenciais (Declaração de Independência: assinada—1776). Com certas exceções (por exemplo, memorizar um poema), parece que as pessoas geralmente armazenam significados em vez de redações precisas.

As proposições formam redes compostas por nós ou locais individuais. Os nós podem ser pensados como palavras individuais, embora sua natureza exata seja desconhecida, mas provavelmente abstrata. Por exemplo, os alunos que fazem uma aula de história provavelmente têm uma rede de “aula de história” compreendendo nós como “livro”, “professor”, “localização”, “nome do aluno que se senta à sua esquerda” e assim por diante.

Redes Proposicionais

As proposições são formadas de acordo com um conjunto de regras. Os pesquisadores discordam sobre quais regras constituem o conjunto, mas geralmente acreditam que as regras combinam nós em proposições e, por sua vez, proposições em estruturas ou redes de ordem superior, que são conjuntos de proposições inter-relacionadas.

A teoria ACT de Anderson (Anderson, 1990, 1993, 1996, 2000; Anderson et al., 2004; Anderson, Reder, & Lebiere, 1996) propõe um modelo de rede ACT-R (Adaptive Control of Thought-Rational) da MCP com uma estrutura proposicional. ACT-R é um modelo de arquitetura cognitiva que tenta explicar como todos os componentes da mente trabalham juntos para produzir uma cognição coerente (Anderson et al., 2004). Uma proposição é formada combinando dois nós com um elo sujeito-predicado, ou associação; um nó constitui o sujeito e outro nó o predicado. Exemplos são (informações implícitas entre parênteses): “Fred (é) rico” e “Fazer compras (leva) tempo.” Um segundo tipo de associação é o elo relação-argumento, onde a relação é verbo (em significado) e o argumento é o destinatário da relação ou o que é afetado pela relação. Exemplos são “comer bolo” e “resolver quebra-cabeças.” Os argumentos de relação podem servir como sujeitos ou predicados para formar proposições complexas. Exemplos são “Fred come bolo” e “resolver quebra-cabeças (leva) tempo.”

As proposições são inter-relacionadas quando compartilham um elemento comum. Elementos comuns permitem que as pessoas resolvam problemas, lidem com as demandas ambientais, façam analogias e assim por diante. Sem elementos comuns, a transferência não ocorreria; todo o conhecimento seria armazenado separadamente e o processamento de informações seria lento. Não se reconheceria que o conhecimento relevante para um domínio também é relevante para outros domínios.

A Figura 'Rede proposicional de amostra' mostra um exemplo de uma rede proposicional. O elemento comum é “gato” porque faz parte das proposições, “O gato atravessou o gramado da frente”, e “O gato pegou um rato.” Pode-se imaginar que a primeira proposição está ligada a outras proposições relacionadas à casa, enquanto a última está ligada a proposições sobre ratos.

Evidências sugerem que as proposições são organizadas em estruturas hierárquicas. Collins e Quillian (1969) mostraram que as pessoas armazenam informações no nível mais alto de generalidade. Por exemplo, a rede MCP para “animal” teria armazenado no nível mais alto fatos como “se move” e “come.” Sob esta categoria viriam espécies como “pássaros” e “peixes.” Armazenado sob “pássaros” estão “tem asas”, “pode voar” e “tem penas” (embora haja exceções—galinhas são pássaros, mas não voam). O fato de que os pássaros comem e se movem não é armazenado no nível de “pássaro” porque essa informação é armazenada no nível superior de animal. Collins e Quillian descobriram que os tempos de recuperação aumentavam quanto mais distantes os conceitos eram armazenados na memória.

A ideia de organização hierárquica foi modificada por pesquisas que mostram que a informação nem sempre é hierárquica. Assim, “collie” está mais próximo de “mamífero” do que de “animal” em uma hierarquia animal, mas as pessoas são mais rápidas em concordar que um collie é um animal do que em concordar que é um mamífero (Rips, Shoben, & Smith, 1973).

Além disso, informações familiares podem ser armazenadas tanto com seu conceito quanto no nível mais alto de generalidade (Anderson, 1990). Se você tem um comedouro de pássaros e costuma observar os pássaros comendo, você pode ter “comer” armazenado tanto com “pássaros” quanto com “animais.” Essa descoberta não diminui a ideia central de que as proposições são organizadas e interconectadas. Embora algum conhecimento possa ser organizado hierarquicamente, grande parte das informações provavelmente é organizada de forma menos sistemática em redes proposicionais.

Conhecimento Declarativo

O conhecimento declarativo (saber que algo é o caso) inclui fatos, crenças, opiniões, generalizações, teorias, hipóteses e atitudes sobre si mesmo, outros e eventos mundiais (Gupta & Cohen, 2002; Paris et al., 1983). É adquirido quando uma nova proposição é armazenada na MLP, geralmente em uma rede proposicional relacionada (Anderson, 1990). A teoria ACT postula que o conhecimento declarativo é representado em blocos compreendendo a informação básica mais categorias relacionadas (Anderson, 1996; Anderson, Reder, & Lebiere, 1996).

O processo de armazenamento opera da seguinte forma. Primeiro, o aluno recebe novas informações, como quando o professor faz uma declaração ou o aluno lê uma frase. Em seguida, a nova informação é traduzida em uma ou mais proposições na MT do aluno. Ao mesmo tempo, proposições relacionadas na MLP são acionadas. As novas proposições são associadas às proposições relacionadas na MT através do processo de propagação da ativação (discutido na seção seguinte). Neste ponto, os alunos podem gerar proposições adicionais. Finalmente, todas as novas proposições—aquelas recebidas e aquelas geradas pelo aluno—são armazenadas juntas na MLP (Hayes-Roth & Thorndyke, 1979).

A Figura 'Armazenamento do conhecimento declarativo' ilustra este processo. Suponha que um professor esteja apresentando uma unidade sobre a Constituição dos EUA e diga à classe: “O vice-presidente dos Estados Unidos atua como presidente do Senado, mas não vota, a menos que haja um empate.” Esta declaração pode acionar outro conhecimento proposicional armazenado nas memórias dos alunos relacionado ao vice-presidente (por exemplo, eleito com o presidente, torna-se presidente quando o presidente morre ou renuncia, pode ser destituído por crimes de traição) e ao Senado (por exemplo, 100 membros, dois eleitos de cada estado, mandatos de 6 anos). Juntando essas proposições, os alunos devem inferir que o vice-presidente votaria se 50 senadores votassem a favor de um projeto de lei e 50 votassem contra.

Problemas de armazenamento podem ocorrer quando os alunos não têm proposições preexistentes com as quais vincular novas informações. Alunos que não ouviram falar da Constituição dos EUA e não sabem o que é uma constituição ficarão em branco quando ouvirem a palavra pela primeira vez. Informações conceitualmente sem significado podem ser armazenadas na MLP, mas os alunos aprendem melhor quando novas informações são relacionadas a algo que eles conhecem. Mostrar aos alunos um fac-símile da Constituição dos EUA ou relacioná-la a algo que eles estudaram (por exemplo, Declaração de Independência) dá a eles um referente para vincular com a nova informação.

Mesmo quando os alunos estudaram material relacionado, eles podem não vinculá-lo automaticamente com novas informações. Muitas vezes, os links precisam ser tornados explícitos. Ao discutir a função do vice-presidente no Senado, os professores poderiam lembrar aos alunos a composição do Senado dos EUA e os outros papéis do vice-presidente. Proposições que compartilham um elemento comum são vinculadas na MLP apenas se estiverem ativas na MT simultaneamente. Este ponto ajuda a explicar por que os alunos podem não ver como o novo material se relaciona com o material antigo, mesmo que o link seja claro para o professor. A instrução que melhor estabelece redes proposicionais nas mentes dos alunos incorpora revisão, organização do material e lembretes de coisas que eles sabem, mas não estão pensando agora.

Como acontece com muitos processos de memória, o significado, a organização e a elaboração facilitam o armazenamento de informações na memória. O significado é importante porque informações significativas podem ser facilmente associadas a informações preexistentes na memória. Consequentemente, menos ensaio é necessário, o que economiza espaço e tempo de informação na MT. Os alunos que estão sendo discutidos no cenário de abertura estão tendo problemas para tornar a álgebra significativa, e os professores expressam sua frustração por não ensinar o conteúdo de uma forma significativa.

Um estudo de Bransford e Johnson (1972) fornece uma ilustração dramática do papel do significado no armazenamento e na compreensão. Considere a seguinte passagem:

O procedimento é realmente bastante simples. Primeiro, você organiza as coisas em diferentes grupos. É claro que uma pilha pode ser suficiente, dependendo de quanto há para fazer. Se você tiver que ir para outro lugar devido à falta de instalações, esse é o próximo passo, caso contrário, você está muito bem. É importante não exagerar. Ou seja, é melhor fazer poucas coisas de cada vez do que muitas. A curto prazo, isso pode não parecer importante, mas complicações podem surgir facilmente. Um erro também pode ser caro. No início, todo o procedimento parecerá complicado. Logo, no entanto, ele se tornará apenas mais uma faceta da vida. É difícil prever qualquer fim para a necessidade desta tarefa no futuro imediato, mas então nunca se pode dizer. Após a conclusão do procedimento, organiza-se novamente os materiais em diferentes grupos. Então, eles podem ser colocados em seus lugares apropriados. Eventualmente, eles serão usados mais uma vez e todo o ciclo terá que ser repetido. No entanto, isso faz parte da vida. (p. 722)

Sem conhecimento prévio, esta passagem é difícil de compreender e armazenar na memória porque relacioná-la ao conhecimento existente na memória é difícil de fazer. No entanto, saber que se trata de “lavar roupa” torna a lembrança e a compreensão mais fáceis. Bransford e Johnson descobriram que os alunos que conheciam o tópico recordaram cerca do dobro do que aqueles que não o conheciam. A importância do significado na aprendizagem tem sido demonstrada em inúmeros outros estudos (Anderson, 1990; Chiesi, Spilich, & Voss, 1979; Spilich, Vesonder, Chiesi, & Voss, 1979).

A organização facilita o armazenamento porque o material bem organizado é mais fácil de relacionar com redes de memória preexistentes do que o material mal organizado (Anderson, 1990). Na medida em que o material pode ser organizado em um arranjo hierárquico, ele fornece uma estrutura pronta para ser aceita na MLP. Sem uma rede MLP existente, criar uma nova rede MLP é mais fácil com informações bem organizadas do que com informações mal organizadas.

A elaboração, ou o processo de adicionar informações ao material a ser aprendido, melhora o armazenamento porque, ao elaborar informações, os alunos podem ser capazes de relacioná-las a algo que conhecem. Através da propagação da ativação, o material elaborado pode ser rapidamente vinculado com informações na memória. Por exemplo, um professor pode estar discutindo o vulcão Monte Etna. Alunos que podem elaborar esse conhecimento relacionando-o ao seu conhecimento pessoal de vulcões (por exemplo, Monte Santa Helena) poderão associar as informações novas e antigas na memória e reter melhor o novo material.

Propagação da Ativação

A propagação da ativação ajuda a explicar como novas informações são vinculadas ao conhecimento na MLP (Anderson, 1983, 1984, 1990, 2000; Collins & Loftus, 1975). Os princípios básicos subjacentes são os seguintes (Anderson, 1984):

• O conhecimento humano pode ser representado como uma rede de nós, onde os nós correspondem a conceitos e os links a associações entre esses conceitos.
• Os nós nesta rede podem estar em vários estados que correspondem aos seus níveis de ativação. Nós mais ativos são processados “melhor.”
• A ativação pode se espalhar ao longo desses caminhos de rede por um mecanismo pelo qual os nós podem fazer com que seus nós vizinhos se tornem ativos. (p. 61)

Anderson (1990) cita o exemplo de um indivíduo apresentado com a palavra cachorro. Esta palavra está associativamente ligada a outros conceitos na MLP do indivíduo, como osso, gato e carne. Por sua vez, cada um desses conceitos está ligado a outros conceitos. A ativação de cachorro na MLP se espalhará além de cachorro para conceitos vinculados, com a propagação diminuindo com conceitos mais distantes de cachorro.

O apoio experimental para a existência de propagação da ativação foi obtido por Meyer e Schvaneveldt (1971). Esses investigadores usaram uma tarefa de tempo de reação que apresentou aos participantes duas sequências de letras e pediu-lhes que decidissem se ambas eram palavras. Palavras associativamente ligadas (pão, manteiga) foram reconhecidas mais rapidamente do que palavras não ligadas (enfermeira, manteiga).

A propagação da ativação resulta em uma porção maior da MLP sendo ativada do que o conhecimento imediatamente associado ao conteúdo da MT. A informação ativada permanece na MLP a menos que seja deliberadamente acessada, mas esta informação é mais facilmente acessível à MT. A propagação da ativação também facilita a transferência de conhecimento para diferentes domínios. A transferência depende de redes proposicionais na MLP sendo ativadas pela mesma sugestão, de modo que os alunos reconheçam que o conhecimento é aplicável nos domínios.

Esquemas

Redes proposicionais representam pequenos pedaços de conhecimento. Esquemas (ou schemata) são grandes redes que representam a estrutura de objetos, pessoas e eventos (Anderson, 1990). A estrutura é representada com uma série de “entradas,” cada uma das quais corresponde a um atributo. No esquema ou entrada para casas, alguns atributos (e seus valores) podem ser os seguintes: material (madeira, tijolo), conteúdo (quartos) e função (habitação humana). Os esquemas são hierárquicos; eles são unidos a ideias superordenadas (edifício) e subordinadas (telhado).

Brewer e Treyens (1981) encontraram suporte de pesquisa para a natureza subjacente dos esquemas. Os indivíduos foram solicitados a esperar em um escritório por um breve período, após o qual foram trazidos para uma sala onde escreveram tudo o que conseguiam se lembrar sobre o escritório. A recordação refletiu a forte influência de um esquema para escritório. Eles corretamente se lembraram que o escritório tinha uma mesa e uma cadeira (atributos típicos), mas não que o escritório continha um crânio (atributo não típico). Livros são um atributo típico de escritórios; embora o escritório não tivesse livros, muitas pessoas incorretamente se lembraram de livros.

Os esquemas são importantes durante o ensino e para a transferência (Matlin, 2009). Uma vez que os alunos aprendem um esquema, os professores podem ativar este conhecimento quando ensinam qualquer conteúdo ao qual o esquema seja aplicável. Suponha que um instrutor ensine um esquema geral para descrever formações geográficas (por exemplo, montanha, vulcão, geleira, rio). O esquema pode conter os seguintes atributos: altura, material e atividade. Uma vez que os alunos aprendem o esquema, eles podem empregá-lo para categorizar novas formações que estudam. Ao fazê-lo, eles criariam novos esquemas para as várias formações.

Conhecimento Procedimental

O conhecimento procedimental, ou conhecimento de como realizar atividades cognitivas (Anderson, 1990; Gupta & Cohen, 2002; Hunt, 1989; Paris et al., 1983), é central para grande parte da aprendizagem escolar. Usamos o conhecimento procedimental para resolver problemas matemáticos, resumir informações, percorrer passagens e realizar técnicas de laboratório.

O conhecimento procedimental pode ser armazenado como códigos verbais e imagens, da mesma forma que o conhecimento declarativo é armazenado. A teoria ACT postula que o conhecimento procedimental é armazenado como um sistema de produção (Anderson, 1996; Anderson, Reder, & Lebiere, 1996). Um sistema de produção (ou produção) é uma rede de sequências de condição–ação (regras), na qual a condição é o conjunto de circunstâncias que ativa o sistema e a ação é o conjunto de atividades que ocorre (Anderson, 1990; Andre, 1986; veja a próxima seção). Os sistemas de produção parecem conceitualmente semelhantes às redes neurais.

Sistemas de produção e modelos conexionistas fornecem paradigmas para examinar o funcionamento dos processos de aprendizagem cognitiva (Anderson, 1996, 2000; Smith, 1996). Os modelos conexionistas representam uma perspectiva relativamente nova sobre a aprendizagem cognitiva. Até o momento, há pouca pesquisa sobre modelos conexionistas que seja relevante para a educação. Fontes adicionais fornecem mais informações sobre modelos conexionistas (Bourne, 1992; Farnham-Diggory, 1992; Matlin, 2009; Siegler, 1989).

Sistemas de Produção

ACT—uma teoria da ativação—especifica que um sistema de produção (ou produção) é uma rede de sequências condição–ação (regras), na qual a condição é um conjunto de circunstâncias que ativa o sistema e a ação é o conjunto de atividades que ocorre (Anderson, 1990, 1996, 2000; Anderson, Reder, & Lebiere, 1996; Andre, 1986). Uma produção consiste em declarações if–then: as declarações If (a condição) incluem a meta e as declarações de teste, e as declarações then são as ações. Como exemplo:

• SE eu vejo dois números e eles devem ser somados,
• ENTÃO decida qual é maior e comece com esse número e conte até o próximo. (Farnham-Diggory, 1992, p. 113)

Embora as produções sejam formas de conhecimento procedural que podem ter condições (conhecimento condicional) anexadas a elas, elas também incluem conhecimento declarativo.

A aprendizagem de procedimentos para executar habilidades geralmente ocorre lentamente (J. Anderson, 1982). Primeiro, os aprendizes representam uma sequência de ações em termos de conhecimento declarativo. Cada passo na sequência é representado como uma proposição. Os aprendizes gradualmente eliminam dicas individuais e integram os passos separados em uma sequência contínua de ações. Por exemplo, crianças aprendendo a somar uma coluna de números tendem inicialmente a executar cada passo lentamente, possivelmente até verbalizando-o em voz alta. À medida que se tornam mais habilidosas, a soma se torna parte de uma sequência automática e suave que ocorre rapidamente e sem atenção deliberada e consciente. A automaticidade é uma característica central de muitos processos cognitivos (por exemplo, atenção, recuperação) (Moors & De Houwer, 2006). Quando os processos se tornam automáticos, isso permite que o sistema de processamento se dedique a partes complexas das tarefas.

Uma grande restrição na aprendizagem de habilidades é a limitação de tamanho da ME (Baddeley, 2001). Os procedimentos seriam aprendidos mais rapidamente se a ME pudesse conter simultaneamente todas as proposições de conhecimento declarativo. Como não pode, os alunos devem combinar proposições lentamente e parar e pensar periodicamente (por exemplo, “O que eu faço agora?”). A ME contém espaço insuficiente para criar grandes procedimentos nos estágios iniciais da aprendizagem. À medida que as proposições são combinadas em pequenos procedimentos, estes são armazenados na ME simultaneamente com outras proposições. Desta forma, produções maiores são gradualmente construídas.

Essas ideias explicam por que a aprendizagem de habilidades ocorre mais rapidamente quando os alunos podem executar as habilidades pré-requisito (ou seja, quando elas se tornam automáticas). Quando estas existem como produções bem estabelecidas, elas são ativadas na ME ao mesmo tempo que novas proposições a serem integradas. Ao aprender a resolver problemas de divisão longa, os alunos que sabem multiplicar simplesmente recordam o procedimento quando necessário; não precisa ser aprendido junto com os outros passos da divisão longa. Embora este não pareça ser o problema no cenário de abertura, aprender álgebra é difícil para alunos com deficiências básicas de habilidades (por exemplo, adição, multiplicação), porque até mesmo problemas simples de álgebra se tornam difíceis de responder corretamente. Crianças com dificuldades de leitura parecem carecer da capacidade de processar e armazenar informações de forma eficaz ao mesmo tempo (de Jong, 1998).

Em alguns casos, especificar os passos em detalhes é difícil. Por exemplo, pensar criativamente pode não seguir a mesma sequência para cada aluno. Os professores podem modelar o pensamento criativo para incluir auto-perguntas como, “Existem outras possibilidades?” Sempre que os passos podem ser especificados, demonstrações dos passos em um procedimento pelo professor, seguidas pela prática do aluno, são eficazes (Rosenthal & Zimmerman, 1978).

Um problema com a aprendizagem de procedimentos é que os alunos podem vê-los como sequências inflexíveis a serem seguidas, independentemente de serem apropriadas. Os psicólogos da Gestalt mostraram como a fixidez funcional, ou uma abordagem inflexível a um problema, dificulta a resolução de problemas (Duncker, 1945). Seguir rigidamente uma sequência durante a aprendizagem pode auxiliar sua aquisição, mas os aprendizes também precisam entender as circunstâncias sob as quais outros métodos são mais eficientes.

Às vezes, os alunos superaprendem os procedimentos de habilidade a ponto de evitarem o uso de procedimentos alternativos e mais fáceis. Ao mesmo tempo, existem poucas, ou nenhuma, alternativas para muitos dos procedimentos que os alunos aprendem (por exemplo, decodificar palavras, somar números, determinar a concordância sujeito–verbo). Superaprender essas habilidades a ponto de produção automática torna-se um trunfo para os alunos e torna mais fácil aprender novas habilidades (por exemplo, tirar inferências, escrever trabalhos de conclusão de curso) que exigem domínio dessas habilidades básicas.

Pode-se argumentar que ensinar habilidades de resolução de problemas ou inferência a alunos que são deficientes em fatos matemáticos básicos e habilidades de decodificação, respectivamente, faz pouco sentido. Pesquisas mostram que a má compreensão de fatos numéricos básicos está relacionada ao baixo desempenho em tarefas aritméticas complexas (Romberg & Carpenter, 1986), e a decodificação lenta está relacionada à má compreensão (Calfee & Drum, 1986; Perfetti & Lesgold, 1979). Não só a aprendizagem de habilidades é afetada, mas a autoeficácia também sofre.

A prática é essencial para instaurar o conhecimento procedural básico (Lesgold, 1984). Nos estágios iniciais da aprendizagem, os alunos precisam de feedback corretivo destacando as partes do procedimento que implementaram corretamente e aquelas que precisam de modificação. Frequentemente, os alunos aprendem algumas partes de um procedimento, mas não outras. À medida que os alunos ganham habilidade, os professores podem destacar seu progresso na resolução de problemas de forma mais rápida ou precisa.

A transferência de conhecimento procedural ocorre quando o conhecimento é vinculado na MLP com conteúdo diferente. A transferência é auxiliada ao fazer com que os alunos apliquem os procedimentos ao conteúdo diferente e alterem os procedimentos conforme necessário. Estratégias gerais de resolução de problemas são aplicáveis a conteúdo acadêmico variado. Os alunos aprendem sobre sua generalidade ao aplicá-las a diferentes disciplinas (por exemplo, leitura, matemática).

As produções são relevantes para a aprendizagem cognitiva, mas várias questões precisam ser abordadas. A teoria ACT postula um único conjunto de processos cognitivos para explicar diversos fenômenos (Matlin, 2009). Esta visão conflita com outras perspectivas cognitivas que delineiam diferentes processos dependendo do tipo de aprendizagem (Shuell, 1986). Rumelhart e Norman (1978) identificaram três tipos de aprendizagem. A acreção envolve a codificação de novas informações em termos de esquemas existentes; a reestruturação (criação de esquema) é o processo de formação de novos esquemas; e o ajuste (evolução do esquema) refere-se à modificação e refinamento lentos de esquemas que ocorrem ao usá-los em vários contextos. Estes envolvem diferentes quantidades de prática: muita para o ajuste e menos para a acreção e reestruturação.

ACT é essencialmente um programa de computador projetado para simular a aprendizagem de forma coerente. Como tal, pode não abordar a gama de fatores envolvidos na aprendizagem humana. Uma questão diz respeito a como as pessoas sabem qual produção usar em uma determinada situação, especialmente se as situações se prestam a diferentes produções sendo empregadas. As produções podem ser ordenadas em termos de probabilidade, mas um meio para decidir qual produção é melhor dada a circunstância deve estar disponível. Também é preocupante a questão de como as produções são alteradas. Por exemplo, se uma produção não funciona efetivamente, os aprendizes a descartam, modificam ou retêm, mas buscam mais evidências? Qual é o mecanismo para decidir quando e como as produções são alteradas?

Outra preocupação se relaciona com a alegação de Anderson (1983, 1990) de que as produções começam como conhecimento declarativo. Esta suposição parece muito forte, dada a evidência de que esta sequência nem sempre é seguida (Hunt, 1989). Como representar procedimentos de habilidade como pedaços de conhecimento declarativo é essencialmente uma estação de passagem ao longo do caminho para o domínio, pode-se questionar se os alunos devem aprender os passos individuais. Os passos individuais eventualmente não serão usados, então o tempo pode ser melhor gasto permitindo que os alunos os pratiquem. Fornecer aos alunos uma lista de passos que eles podem consultar à medida que desenvolvem gradualmente um procedimento facilita a aprendizagem e aumenta a autoeficácia (Schunk, 1995).

Finalmente, pode-se questionar se os sistemas de produção, como geralmente descritos, são nada mais do que elaboradas associações estímulo-resposta (E-R) (Mayer, 1992). Proposições (pedaços de conhecimento procedural) tornam-se ligadas na memória de modo que quando uma peça é sinalizada, outras também são ativadas. Anderson (1983) reconheceu a natureza associacionista das produções, mas acredita que elas são mais avançadas do que as associações E-R simples porque incorporam metas. Em apoio a este ponto, as associações ACT são análogas às conexões de redes neurais. Talvez, como é o caso das teorias behavioristas, ACT possa explicar o desempenho melhor do que pode explicar a aprendizagem. Estas e outras questões (por exemplo, o papel da motivação) precisam ser abordadas por pesquisas e relacionadas à aprendizagem de habilidades acadêmicas para estabelecer melhor a utilidade das produções na educação.

Modelos Conexionistas

Uma linha de teorização recente sobre processos cognitivos complexos envolve modelos conexionistas (ou conexionismo, mas não deve ser confundido com o conexionismo de Thorndike discutido anteriormente no curso; Baddeley, 1998; Farnham-Diggory, 1992; Smith, 1996). Como as produções, os modelos conexionistas representam simulações de computador de processos de aprendizagem. Estes modelos ligam a aprendizagem ao processamento do sistema neural onde impulsos disparam através de sinapses para formar conexões. A suposição é que processos cognitivos de ordem superior são formados conectando um grande número de elementos básicos, como neurônios (Anderson, 1990, 2000; Anderson, Reder, & Lebiere, 1996; Bourne, 1992). Os modelos conexionistas incluem representações distribuídas de conhecimento (ou seja, espalhadas por uma ampla rede), processamento paralelo (muitas operações ocorrem ao mesmo tempo) e interações entre um grande número de unidades de processamento simples (Siegler, 1989). As conexões podem estar em diferentes estágios de ativação (Smith, 1996) e ligadas à entrada no sistema, saída ou uma ou mais camadas intermediárias.

Rumelhart e McClelland (1986) descreveram um sistema de processamento distribuído paralelo (PDP). Este modelo é útil para fazer julgamentos categóricos sobre informações na memória. Estes autores forneceram um exemplo envolvendo duas gangues e informações sobre membros de gangues, incluindo idade, educação, estado civil e ocupação. Na memória, as características semelhantes de cada indivíduo são ligadas. Por exemplo, os Membros 2 e 5 seriam ligados se ambos tivessem aproximadamente a mesma idade, fossem casados e estivessem envolvidos em atividades de gangue semelhantes. Para recuperar informações sobre o Membro 2, poderíamos ativar a unidade de memória com o nome da pessoa, que por sua vez ativaria outras unidades de memória. O padrão criado através desta propagação de ativação corresponde à representação de memória para o indivíduo. Borowsky e Besner (2006) descreveram um modelo PDP para fazer decisões lexicais (por exemplo, decidir se um estímulo é uma palavra).

As unidades conexionistas têm alguma semelhança com as produções, pois ambas envolvem ativação de memória e ideias ligadas. Ao mesmo tempo, existem diferenças. Em modelos conexionistas todas as unidades são iguais, enquanto as produções contêm condições e ações. As unidades são diferenciadas em termos de padrão e grau de ativação. Outra diferença diz respeito às regras. As produções são governadas por regras. O conexionismo não tem regras definidas. Os neurônios “sabem” como ativar padrões; após o fato, podemos fornecer uma regra como um rótulo para a sequência (por exemplo, regras para nomear padrões ativados; Farnham-Diggory, 1992).

Um problema com a abordagem conexionista é explicar como o sistema sabe qual das muitas unidades na memória ativar e como estas múltiplas ativações se tornam ligadas em sequências integradas. Este processo parece direto no caso de padrões bem estabelecidos; por exemplo, os neurônios sabem como reagir a um telefone tocando, um vento frio e um professor anunciando, “Todos prestem atenção!” Com padrões menos estabelecidos, as ativações podem ser problemáticas. Também podemos perguntar como os neurônios se tornam autoativados em primeiro lugar. Esta questão é importante porque ajuda a explicar o papel das conexões na aprendizagem e memória. Embora a noção de conexões pareça plausível e baseada no que sabemos sobre o funcionamento neurológico, até o momento este modelo tem sido mais útil para explicar a percepção do que a aprendizagem e a resolução de problemas (Mayer, 1992). As últimas aplicações exigem pesquisa considerável.