Resolución de Problemas: Proceso Cognitivo y Estrategias

Uno de los tipos más importantes de procesamiento cognitivo que ocurre a menudo durante el aprendizaje es la resolución de problemas. La resolución de problemas ha sido un tema de estudio durante mucho tiempo—el material histórico se revisa en esta sección—pero el interés en el tema ha aumentado con el crecimiento de las teorías cognitivas del aprendizaje. Algunos teóricos consideran que la resolución de problemas es el proceso clave en el aprendizaje, especialmente en dominios como la ciencia y las matemáticas (Anderson, 1993). Aunque “la resolución de problemas” y “el aprendizaje” no son sinónimos, el primero a menudo está involucrado en el segundo y particularmente cuando los estudiantes pueden ejercer cierto grado de autorregulación sobre el aprendizaje y cuando el aprendizaje involucra desafíos y soluciones no obvias. En el escenario inicial, Meg recomienda poner más énfasis en la resolución de problemas.

Un problema existe cuando hay una “situación en la que se intenta alcanzar una meta, y se debe encontrar un medio para llegar allí” (Chi & Glaser, 1985, p. 229). El problema puede ser responder a una pregunta, calcular una solución, localizar un objeto, conseguir un trabajo, enseñar a un estudiante, y así sucesivamente. La resolución de problemas se refiere a los esfuerzos de las personas para lograr un objetivo para el cual no tienen una solución automática.

Independientemente del área de contenido y la complejidad, todos los problemas tienen ciertas características en común. Los problemas tienen un estado inicial—el estado actual del solucionador de problemas o el nivel de conocimiento. Los problemas tienen un objetivo—lo que el solucionador de problemas está intentando alcanzar. La mayoría de los problemas también requieren que el solucionador divida el objetivo en subobjetivos que, cuando se dominan (generalmente de forma secuencial), resultan en el logro del objetivo. Finalmente, los problemas requieren la realización de operaciones (actividades cognitivas y conductuales) en el estado inicial y los subobjetivos, que alteran la naturaleza de esos estados (Anderson, 1990; Chi & Glaser, 1985).

Dada esta definición, no todas las actividades de aprendizaje incluyen la resolución de problemas. Es probable que la resolución de problemas no esté involucrada cuando las habilidades de los estudiantes se establecen tan bien que ejecutan automáticamente acciones para alcanzar objetivos, lo que sucede con muchas habilidades en diferentes dominios. La resolución de problemas también puede no ocurrir en el aprendizaje de bajo nivel (posiblemente trivial), donde los estudiantes saben qué hacer para aprender. Este parece ser un problema en la escuela secundaria Nikowsky, ya que los maestros se están enfocando en las habilidades básicas necesarias para las pruebas. Al mismo tiempo, los estudiantes aprenden nuevas habilidades y nuevos usos para las habilidades aprendidas previamente, por lo que muchas actividades escolares podrían involucrar la resolución de problemas en algún momento durante el aprendizaje.

Se examinan algunas perspectivas históricas sobre la resolución de problemas como telón de fondo de las opiniones cognitivas actuales: ensayo y error, perspicacia y heurística.

Ensayo y Error

La investigación de Thorndike (1913b) con gatos requirió la resolución de problemas; el problema era cómo escapar de la jaula. Thorndike concibió la resolución de problemas como ensayo y error. El animal era capaz de realizar ciertos comportamientos en la jaula. A partir de este repertorio conductual, el animal realizaba un comportamiento y experimentaba las consecuencias. Después de una serie de comportamientos aleatorios, el gato realizó la respuesta que abrió la escotilla que conducía al escape. Con repetidos ensayos, el gato cometió menos errores antes de realizar el comportamiento de escape, y el tiempo necesario para resolver el problema disminuyó. El comportamiento de escape (respuesta) se conectó a las señales (estímulos) en la jaula.

Ocasionalmente utilizamos el ensayo y error para resolver problemas; simplemente realizamos acciones hasta que una funciona. Pero el ensayo y error no es fiable y a menudo no es eficaz. Puede hacer perder el tiempo, puede que nunca resulte en una solución, puede llevar a una solución que no sea la ideal y puede tener efectos negativos. En un caso de desesperación, un profesor podría utilizar un enfoque de ensayo y error probando diferentes materiales de lectura con Kayla hasta que empiece a leer mejor. Este enfoque podría ser eficaz, pero también podría exponerla a materiales que resulten frustrantes y, por lo tanto, retrasen su progreso en la lectura.

Perspicacia

A menudo se piensa que la resolución de problemas implica perspicacia, o la repentina conciencia de una solución probable. Wallas (1921) estudió a grandes solucionadores de problemas y formuló un modelo de cuatro pasos de la siguiente manera:

Las etapas de Wallas fueron descriptivas y no fueron sometidas a verificación empírica. Los psicólogos de la Gestalt también postularon que gran parte del aprendizaje humano era perspicaz e implicaba un cambio en la percepción. Los alumnos inicialmente pensaban en los ingredientes necesarios para resolver un problema. Los integraban de varias maneras hasta que se resolvía el problema. Cuando los alumnos llegaban a una solución, lo hacían repentinamente y con perspicacia.

Muchos solucionadores de problemas informan de que tienen momentos de perspicacia; Watson y Crick tuvieron momentos perspicaces al descubrir la estructura del ADN (Lemonick, 2003). Una importante aplicación educativa de la teoría de la Gestalt fue en el área de la resolución de problemas, o pensamiento productivo (Duncker, 1945; Luchins, 1942; Wertheimer, 1945). La visión de la Gestalt destacó el papel de la comprensión: comprender el significado de algún evento o captar el principio o regla que subyace al rendimiento. En contraste, la memorización mecánica -aunque utilizada a menudo por los estudiantes- era ineficiente y rara vez se utilizaba en la vida fuera de la escuela

La investigación de Katona (1940) demostró la utilidad del aprendizaje de reglas en comparación con la memorización. En un estudio, se pidió a los participantes que aprendieran secuencias numéricas (por ejemplo, 816449362516941). Algunos aprendieron las secuencias de memoria, mientras que a otros se les dieron pistas para ayudar al aprendizaje (por ejemplo, "Piensa en números al cuadrado"). Los alumnos que determinaron la regla para generar las secuencias las retuvieron mejor que los que las memorizaron.

Las reglas conducen a un mejor aprendizaje y retención que la memorización porque las reglas dan una descripción más simple del fenómeno, por lo que se debe aprender menos información. Además, las reglas ayudan a organizar el material. Para recordar la información, uno recuerda la regla y luego completa los detalles. En contraste, la memorización implica recordar más información. La memorización generalmente es ineficiente porque la mayoría de las situaciones tienen alguna organización (Wertheimer, 1945). Los problemas se resuelven descubriendo la organización de la situación y la relación de los elementos con la solución del problema. Al organizar y reorganizar los elementos, los alumnos finalmente obtienen una idea de la solución.

Köhler (1926) realizó un trabajo bien conocido sobre la resolución de problemas con simios en la isla de Tenerife durante la Primera Guerra Mundial. En un experimento, Köhler puso un plátano justo fuera del alcance de un simio en una jaula; el simio podía alcanzar el plátano usando un palo largo o juntando dos palos. Köhler concluyó que la resolución de problemas era perspicaz: los animales examinaban la situación, de repente "veían" los medios para alcanzar la meta y probaban la solución. Los primeros intentos de resolución de problemas de los simios fracasaron cuando probaron diferentes estrategias ineficaces (por ejemplo, lanzar un palo al plátano). Finalmente vieron el palo como una extensión de sus brazos y lo usaron en consecuencia.

En otra situación (Köhler, 1925), el animal podía ver la meta pero no alcanzarla sin alejarse y tomar una ruta indirecta. Por ejemplo, el animal podría estar en una habitación con una ventana y ver comida afuera. Para alcanzar la meta, el animal debe salir de la habitación por una puerta y seguir por un pasillo que conduce al exterior. Al pasar de la fase de presolución a la fase de solución, el animal podría probar varias alternativas antes de decidirse por una y emplearla. La perspicacia ocurrió cuando el animal probó una solución probable.

Una barrera para la resolución de problemas es la fijación funcional, o la incapacidad de percibir diferentes usos para los objetos o nuevas configuraciones de elementos en una situación (Duncker, 1945). En un estudio clásico, Luchins (1942) dio a los individuos problemas que requerían que obtuvieran una cantidad dada de agua usando tres jarras de diferentes tamaños. Las personas de 9 años en adelante aprendieron fácilmente la fórmula que siempre producía la cantidad correcta. Intercalados en el conjunto de problemas había algunos problemas que podían resolverse usando una fórmula más simple. Las personas generalmente continuaron aplicando la fórmula original. Indicarles que podría haber una solución más fácil llevó a algunos a descubrir los métodos más simples, aunque muchos persistieron con la fórmula original. Esta investigación muestra que cuando los alumnos no entienden un fenómeno, pueden aplicar ciegamente un algoritmo conocido y no entienden que existen métodos más fáciles. Esta naturaleza de la resolución de problemas ligada al procedimiento se puede superar cuando se enfatizan diferentes procedimientos durante la instrucción (Chen, 1999).

La teoría de la Gestalt tenía poco que decir sobre cómo se aprenden las estrategias de resolución de problemas o cómo se podría enseñar a los alumnos a ser más perspicaces. Wertheimer (1945) creía que los profesores podían ayudar a la resolución de problemas organizando los elementos de una situación de manera que los alumnos fueran más propensos a percibir cómo se relacionan las partes con el todo. Tal consejo general puede no ser útil para los profesores.

Otra forma de resolver problemas es utilizar heurísticas, que son métodos generales para resolver problemas que emplean principios (reglas generales) que usualmente conducen a una solución (Anderson, 1990). La lista de operaciones mentales involucradas en la resolución de problemas de Polya (1945/1957) es la siguiente:

• Comprender el problema.
• Idear un plan.
• Llevar a cabo el plan.
• Revisar.

Comprender el problema implica hacer preguntas como “¿Cuál es la incógnita?” y “¿Cuáles son los datos?” A menudo, ayuda dibujar un diagrama que represente el problema y la información dada. Al idear un plan, se intenta encontrar una conexión entre los datos y la incógnita. Dividir el problema en subobjetivos es útil, al igual que pensar en un problema similar y cómo se resolvió (es decir, usar analogías). Es posible que sea necesario replantear el problema. Al llevar a cabo el plan, es importante verificar cada paso para asegurarse de que se esté implementando correctamente. Revisar significa examinar la solución: ¿Es correcta? ¿Existe otro medio para alcanzarla?

Bransford y Stein (1984) formularon una heurística similar conocida como IDEAL (ideal):

• Identificar el problema.
• Definir y representar el problema.
• Explorar posibles estrategias.
• Actuar según las estrategias.
• Revisar y evaluar los efectos de sus actividades.

El modelo de Resolución Creativa de Problemas (CPS, por sus siglas en inglés) ofrece otro ejemplo de un marco genérico para la resolución de problemas (Treffinger, 1985; Treffinger & Isaksen, 2005). Este modelo comprende tres componentes principales: comprender el desafío, generar ideas y prepararse para la acción (Treffinger, 1995; Treffinger & Isaksen, 2005). Los componentes metacognitivos (p. ej., planificación, seguimiento, modificación del comportamiento) están presentes a lo largo del proceso.

Comprender el desafío comienza con un objetivo general o una dirección para la resolución de problemas. Después de obtener datos importantes (p. ej., hechos, opiniones, inquietudes), se formula un objetivo o pregunta específifica. El sello distintivo de la generación de ideas es el pensamiento divergente para producir opciones para alcanzar el objetivo. Prepararse para la acción incluye examinar opciones prometedoras y buscar fuentes de asistencia y formas de superar la resistencia.

Las heurísticas generales son más útiles cuando se trabaja con contenido desconocido (Andre, 1986). Son menos efectivas en un dominio familiar, porque a medida que se desarrollan las habilidades específicas del dominio, los estudiantes utilizan cada vez más el conocimiento procedimental establecido. Las heurísticas generales tienen una ventaja instructiva: pueden ayudar a los estudiantes a convertirse en solucionadores de problemas sistemáticos. Aunque el enfoque heurístico puede parecer inflexible, en realidad existe flexibilidad en la forma en que se llevan a cabo los pasos. Para muchos estudiantes, una heurística será más sistemática que sus enfoques actuales de resolución de problemas y conducirá a mejores soluciones.

Newell y Simon (1972) propusieron un modelo de procesamiento de información para la resolución de problemas que incluía un espacio problemático con un estado inicial, un estado objetivo y posibles rutas de solución que conducen a través de subobjetivos y requieren la aplicación de operaciones. El solucionador de problemas forma una representación mental del problema y realiza operaciones para reducir la discrepancia entre los estados inicial y objetivo. El proceso de operar sobre la representación para encontrar una solución se conoce como la búsqueda (Andre, 1986).

El primer paso en la resolución de problemas es formar una representación mental. Similar al primer paso de Polya (comprender el problema), la representación requiere traducir la información conocida en un modelo en la memoria. La representación interna consta de proposiciones y, posiblemente, imágenes, en la MT. El problema también se puede representar externamente (p. ej., en papel, en la pantalla de la computadora). La información en la MT activa el conocimiento relacionado en la MLP, y el solucionador finalmente selecciona una estrategia de resolución de problemas. A medida que las personas resuelven problemas, a menudo alteran su representación inicial y activan nuevos conocimientos, especialmente si su resolución de problemas no tiene éxito. Por lo tanto, la resolución de problemas incluye la evaluación del progreso hacia el objetivo.

La representación del problema determina qué conocimiento se activa en la memoria y, en consecuencia, qué tan fácil es resolver el problema (Holyoak, 1984). Si los solucionadores representan incorrectamente el problema al no considerar todos los aspectos o al agregar demasiadas restricciones, es poco probable que el proceso de búsqueda identifique una ruta de solución correcta (Chi & Glaser, 1985). No importa cuán claramente razonen los solucionadores posteriormente, no alcanzarán una solución correcta a menos que formen una nueva representación. No es sorprendente que los programas de capacitación en resolución de problemas dediquen mucho tiempo a la fase de representación (Andre, 1986).

Al igual que las habilidades (discutidas anteriormente), las estrategias de resolución de problemas pueden ser generales o específicas. Las estrategias generales se pueden aplicar a problemas en varios dominios, independientemente del contenido; las estrategias específicas son útiles solo en un dominio particular. Por ejemplo, dividir un problema complejo en subproblemas (análisis de subobjetivos) es una estrategia general aplicable a problemas como escribir un trabajo de investigación, elegir una especialidad académica y decidir dónde vivir. Por el contrario, las pruebas que uno podría realizar para clasificar especímenes de laboratorio son específicas de la tarea. El desarrollo profesional que recibieron los maestros de Nikowsky probablemente incluyó estrategias generales y específicas.

Las estrategias generales son útiles cuando se trabaja en problemas donde las soluciones no son inmediatamente obvias. Las estrategias generales útiles son las estrategias de generar y probar, el análisis de medios y fines, el razonamiento analógico y la lluvia de ideas. Las estrategias generales son menos útiles que las estrategias específicas del dominio cuando se trabaja con contenido muy familiar. Algunos ejemplos de resolución de problemas en contextos de aprendizaje se dan en el bloque a continuación:

Estrategia de generar y probar

La estrategia de generar y probar es útil cuando se puede probar un número limitado de soluciones de problemas para ver si alcanzan el objetivo (Resnick, 1985). Esta estrategia funciona mejor cuando se pueden ordenar múltiples soluciones en términos de probabilidad y al menos una solución es apta para resolver el problema.

Como ejemplo, supongamos que entra en una habitación, acciona el interruptor de la luz, pero la luz no se enciende. Las posibles causas incluyen: la bombilla está quemada; la electricidad está apagada; el interruptor está roto; el casquillo de la lámpara es defectuoso; el disyuntor está disparado; el fusible está fundido; o el cableado tiene un cortocircuito. Probablemente generará y probará la solución más probable (reemplazar la bombilla); si esto no resuelve el problema, puede generar y probar otras soluciones probables. Aunque no es necesario que el contenido sea muy familiar, se necesita algún conocimiento para utilizar este método de forma eficaz. El conocimiento previo establece la jerarquía de posibles soluciones; el conocimiento actual influye en la selección de la solución. Por lo tanto, si observa un camión de la empresa de servicios eléctricos en su vecindario, determinaría si la energía está cortada.

Análisis de medios y ­nes

Para utilizar el análisis de medios y ­nes, se compara la situación actual con el objetivo y se identifican las diferencias entre ellos (Resnick, 1985). Se establecen subobjetivos para reducir las diferencias. Se realizan operaciones para lograr el subobjetivo, momento en el que se repite el proceso hasta alcanzar el objetivo.

Newell y Simon (1972) estudiaron el análisis de medios y ­nes y formularon el Solucionador General de Problemas (GPS), un programa de simulación por ordenador. El GPS divide un problema en subobjetivos, cada uno de los cuales representa una diferencia con respecto al estado actual. El GPS comienza con la diferencia más importante y utiliza operaciones para eliminar esa diferencia. En algunos casos, las operaciones deben first eliminar otra diferencia que sea un requisito previo para la más importante.

El análisis de medios y ­nes es una heurística de resolución de problemas poderosa. Cuando los subobjetivos se identifican correctamente, es más probable que el análisis de medios y ­nes resuelva el problema. Un inconveniente es que con problemas complejos, el análisis de medios y ­nes grava la WM porque es posible que uno tenga que realizar un seguimiento de varios subobjetivos. Olvidar un subobjetivo frustra la solución del problema.

El análisis de medios y ­nes puede proceder desde el objetivo hasta el estado inicial (trabajando hacia atrás) o desde el estado inicial hasta el objetivo (trabajando hacia adelante). Al trabajar hacia atrás, se comienza con el objetivo y se pregunta qué subobjetivos son necesarios para lograrlo. Luego se pregunta qué es necesario para alcanzar estos subobjetivos, y así sucesivamente, hasta alcanzar el estado inicial. Para trabajar hacia atrás, por lo tanto, se planifica una serie de movimientos, cada uno diseñado para alcanzar un subobjetivo. Trabajar hacia atrás con éxito requiere una buena cantidad de conocimiento en el dominio del problema para determinar los requisitos previos del objetivo y del subobjetivo.

El trabajo hacia atrás se utiliza con frecuencia para demostrar teoremas geométricos. Se comienza asumiendo que el teorema es verdadero y luego se trabaja hacia atrás hasta alcanzar los postulados. En la figura se muestra un ejemplo geométrico 'Análisis de medios y ­nes aplicado a un problema de geometría' El problema es resolver el ángulo m. Trabajando hacia atrás, los estudiantes se dan cuenta de que necesitan determinar el ángulo n, porque el ángulo m = 180° es un ángulo n (línea recta = 180°). Continuando trabajando hacia atrás, los estudiantes entienden que debido a que las líneas paralelas se cruzan, el ángulo correspondiente d en la línea q es igual al ángulo n. Basándose en sus conocimientos geométricos, los estudiantes determinan que el ángulo d = ángulo a, que es 30°. Por lo tanto, el ángulo n = 30°, y el ángulo m = 180° - 30° = 150°.

Como otro ejemplo de trabajo hacia atrás, supongamos que uno tiene un trabajo de investigación que debe entregarse en 3 semanas. El último paso antes de entregarlo es revisarlo (para hacerlo el día antes de la fecha de entrega). El paso anterior es escribir e imprimir la copia final (permitir 1 día). Antes de eso, se hacen las revisiones finales (1 día), se revisa el trabajo (3 días) y se escribe e imprime la copia del borrador (1 día). Continuando trabajando hacia atrás, podríamos permitir 5 días para escribir el borrador, 1 día para el esquema, 3 días para la investigación bibliográfica y 1 día para decidir el tema. Permitimos un total de 17 días para dedicar parte a trabajar en el trabajo. Así que necesitamos empezar 4 días a partir de hoy.

Un segundo tipo de análisis de medios y ­nes es trabajar hacia adelante, a veces denominado escalada de colinas (Matlin, 2009; Mayer, 1992). El solucionador de problemas comienza con la situación actual y la altera con la esperanza de acercarse al objetivo. Por lo general, son necesarias varias alteraciones para alcanzar el objetivo. Un peligro es que trabajar hacia adelante a veces procede basándose en un análisis superficial del problema. Aunque cada paso representa un intento de alcanzar un subobjetivo necesario, uno puede desviarse fácilmente por la tangente o llegar a un callejón sin salida porque normalmente uno no puede ver muchas alternativas por delante, sino sólo el siguiente paso (Matlin, 2009).

Como ejemplo de una estrategia de trabajo hacia adelante, considere a los estudiantes en un laboratorio que tienen varias sustancias en frascos. Su objetivo es etiquetar las sustancias en sus frascos. Para ello, realizan una serie de pruebas sobre las sustancias que, si se hacen correctamente, darán como resultado una solución. Esto representa una estrategia de trabajo hacia adelante porque cada prueba acerca a los estudiantes a su objetivo de clasificar sus sustancias. Las pruebas están ordenadas y los resultados muestran lo que las sustancias no son, así como lo que podrían ser. Para evitar que los estudiantes se desvíen por el camino equivocado, el profesor establece el procedimiento cuidadosamente y se asegura de que los estudiantes entienden cómo realizar las pruebas.

Otra estrategia general para la resolución de problemas es el uso del razonamiento analógico, que implica establecer una analogía entre la situación del problema (el objetivo) y una situación con la que uno está familiarizado (la base o fuente; Anderson, 1990; Chen, 1999; Hunt, 1989). Uno trabaja el problema a través del dominio familiar y luego relaciona la solución con la situación del problema (Holyoak & Thagard, 1997). El razonamiento analógico implica acceder a la red del dominio familiar en la MLP y mapearla (relacionándola) a la situación del problema en la MT (Halpern, Hansen & Riefer, 1990). La aplicación exitosa requiere que la situación familiar sea estructuralmente similar a la situación del problema, aunque las situaciones pueden diferir en características superficiales (por ejemplo, una podría involucrar el sistema solar y la otra estructuras moleculares). Los subobjetivos en este enfoque son relacionar los pasos en el dominio original (familiar) con aquellos en el área de transferencia (problema). Los estudiantes a menudo utilizan el método de analogía para resolver problemas en los libros de texto. Se trabajan ejemplos en el texto (dominio familiar), luego los estudiantes relacionan estos pasos con los problemas que deben resolver.

Gick y Holyoak (1980, 1983) demostraron el poder de la resolución analógica de problemas. Presentaron a los estudiantes un problema médico difícil y, como analogía, un problema militar resuelto. Simplemente darles el problema analógico no los impulsó automáticamente a usarlo. Sin embargo, darles una pista para usar el problema militar para resolver el problema médico mejoró la resolución de problemas. Gick y Holyoak también encontraron que dar a los estudiantes dos historias análogas condujo a una mejor resolución de problemas que dar una sola historia. Sin embargo, hacer que resumieran la historia análoga, darles el principio subyacente a la historia mientras la leían, o proporcionarles un diagrama que ilustrara el principio de solución del problema no mejoró la resolución de problemas. Estos resultados sugieren que en un dominio desconocido, los estudiantes necesitan orientación para usar analogías y que múltiples ejemplos aumentan la probabilidad de que los estudiantes vinculen al menos un ejemplo con el problema a resolver.

Para ser más eficaz, la resolución analógica de problemas requiere un buen conocimiento de los dominios familiar y problemático. Los estudiantes a menudo tienen suficientes dificultades para usar analogías para resolver problemas, incluso cuando la estrategia de solución se destaca. Con un conocimiento inadecuado, es poco probable que los estudiantes vean la relación entre el problema y el análogo. Incluso asumiendo un buen conocimiento, es más probable que la analogía falle cuando los dominios familiar y problemático son conceptualmente disímiles. Los estudiantes pueden entender cómo luchar en una batalla (el problema militar) es similar a luchar contra una enfermedad (el problema médico), pero pueden no comprender otras analogías (por ejemplo, luchar contra un intento de adquisición corporativa).

La evidencia del desarrollo indica que, a pesar de sus dificultades, los niños pueden emplear el razonamiento analógico (Siegler, 1989). Enseñar analogías a los niños—incluidos aquellos con discapacidades de aprendizaje—puede mejorar su posterior resolución de problemas (Grossen, 1991). El uso de estudios de casos y el razonamiento basado en casos puede ayudar a desarrollar el pensamiento analógico (Kolodner, 1997). Las técnicas efectivas para usar analogías incluyen hacer que el maestro adulto y el niño verbalicen el principio de solución que subyace a los problemas original y de transferencia, incitar a los niños a recordar elementos de la estructura causal del problema original y presentar los dos problemas de tal manera que las estructuras causales procedan de lo más a lo menos obvio (Crisafi & Brown, 1986). Otras sugerencias incluyen usar problemas originales y de transferencia similares, presentar varios problemas similares y usar imágenes para representar las relaciones causales.

Esto no sugiere que todos los niños puedan convertirse en expertos en el uso de analogías. La tarea es difícil, y los niños a menudo establecen analogías inapropiadas. En comparación con los estudiantes mayores, los más jóvenes requieren más pistas, son más propensos a distraerse con características perceptivas irrelevantes y procesan la información de manera menos eficiente (Crisafi & Brown, 1986). El éxito de los niños depende en gran medida de su conocimiento sobre el problema original y de su habilidad para codificar y hacer comparaciones mentales, lo que muestra amplias diferencias individuales (Richland, Morrison & Holyoak, 2006; Siegler, 1989). Los niños aprenden mejor las estrategias de resolución de problemas cuando las observan y explican que cuando simplemente observan (Crowley & Siegler, 1999).

La resolución analógica de problemas es útil en la enseñanza. Los profesores a menudo tienen en sus clases estudiantes cuya lengua materna no es el inglés. Enseñar a los estudiantes en su lengua materna es imposible. Los profesores podrían relacionar este problema con la enseñanza a estudiantes que tienen dificultades para aprender. Con estos últimos estudiantes, los profesores procederían lentamente, usarían experiencias concretas siempre que fuera posible y proporcionarían mucha instrucción individual. Podrían probar las mismas tácticas con estudiantes con dominio limitado del inglés, mientras que simultáneamente les enseñan palabras y frases en inglés para que puedan seguir el ritmo de los otros estudiantes en clase.

Esta analogía es apropiada porque los estudiantes con problemas de aprendizaje y los estudiantes que hablan poco inglés tienen dificultades en el aula. Otras analogías podrían ser inapropiadas. Los estudiantes no motivados también tienen dificultades de aprendizaje. Usándolos para la analogía, el profesor podría ofrecer a los estudiantes con dominio limitado del inglés recompensas por aprender. No es probable que esta solución sea eficaz porque el problema con los estudiantes con dominio limitado del inglés es instruccional más que motivacional.

La lluvia de ideas es una estrategia general de resolución de problemas que es útil para formular posibles soluciones a problemas (Isaksen & Gaulin, 2005; Mayer, 1992; Osborn, 1963). Los pasos en la lluvia de ideas son los siguientes:

• Definir el problema.
• Generar tantas soluciones como sea posible sin evaluarlas.
• Decidir los criterios para juzgar las posibles soluciones.
• Utilizar estos criterios para seleccionar la mejor solución.

Una lluvia de ideas exitosa requiere que los participantes retengan la crítica de las ideas hasta después de que se generen todas las ideas. Además, los participantes pueden generar ideas que se construyan unas sobre otras. Por lo tanto, se deben fomentar las ideas “salvajes” e inusuales (Mayer, 1992).

Al igual que con la resolución analógica de problemas, la cantidad de conocimiento que se tiene sobre el dominio del problema afecta el éxito de la lluvia de ideas porque un mejor conocimiento del dominio permite generar más soluciones potenciales y criterios para juzgar su viabilidad. La lluvia de ideas se puede utilizar individualmente, aunque la interacción grupal generalmente conduce a más soluciones.

La lluvia de ideas se presta bien a muchas decisiones instruccionales y administrativas que se toman en las escuelas. Es más útil para generar muchas ideas variadas—y posiblemente algunas únicas—(Isaksen & Gaulin, 2005). Suponga que un nuevo director de escuela encuentra baja la moral del personal. Los miembros del personal están de acuerdo en que se necesita una mejor comunicación. Los líderes de nivel de grado se reúnen con el director, y el grupo llega a las siguientes soluciones potenciales: celebrar una reunión semanal con el personal, enviar un boletín semanal (electrónico), publicar avisos en un tablón de anuncios, celebrar reuniones semanales con los líderes de nivel de grado (después de lo cual se reúnen con los maestros), enviar mensajes informativos por correo electrónico con frecuencia, hacer anuncios por el sistema de megafonía. El grupo formula dos criterios: (a) que consuma el mínimo de tiempo posible para los maestros y (b) que interrumpa mínimamente las clases. Teniendo en cuenta los criterios, deciden que el director debe enviar un boletín semanal y mensajes de correo electrónico frecuentes y reunirse con los líderes de nivel de grado como grupo. Aunque llevarán tiempo, las reuniones entre el director y los líderes de nivel de grado estarán más enfocadas que las que se celebren entre el director y todo el personal.

La resolución de problemas a menudo está involucrada en el aprendizaje, pero los conceptos no son sinónimos en significado. Según una perspectiva contemporánea de procesamiento de la información (Anderson, 1990, 1993, 2000), la resolución de problemas implica la adquisición, retención y uso de sistemas de producción, que son redes de secuencias condición-acción (reglas) en las que las condiciones son los conjuntos de circunstancias que activan el sistema y las acciones son los conjuntos de actividades que ocurren (Anderson, 1990; Andre, 1986). Un sistema de producción consiste en enunciados si-entonces. Los enunciados si (la condición) incluyen la meta y los enunciados de prueba, los enunciados entonces son las acciones.

Las producciones son formas de conocimiento procedimental que incluyen conocimiento declarativo y las condiciones bajo las cuales estas formas son aplicables. Las producciones se representan en la MLP como redes proposicionales y se adquieren de la misma manera que otro conocimiento procedimental. Las producciones también se organizan jerárquicamente con producciones subordinadas y superordinadas. Para resolver dos ecuaciones con dos incógnitas, primero se representa una incógnita en términos de la segunda incógnita (producción subordinada), después de lo cual se resuelve para la segunda incógnita (producción) y se usa ese valor para resolver la primera incógnita (producción superordinada).

Las producciones pueden ser generales o específicas. Las producciones específicas se aplican al contenido en áreas bien definidas. En contraste, las heurísticas son producciones generales porque se aplican a contenido diverso. Un análisis de medios-fines podría representarse de la siguiente manera (Anderson, 1990):

Si el objetivo es transformar el estado actual en el estado objetivo y D es la mayor diferencia entre los estados -> Entonces establecer como subobjetivos:

1. Eliminar la diferencia D
2. Convertir el estado resultante en el estado objetivo.

Una segunda producción entonces necesitará ser empleada con la declaración si-entonces, “Si el objetivo es eliminar la diferencia D.” Esta secuencia continúa hasta que los subobjetivos han sido identificados a un nivel específico; entonces se aplican reglas específicas del dominio. En resumen, las producciones generales se desglosan hasta el nivel en el que se aplica el conocimiento específico del dominio. Los sistemas de producción ofrecen un medio para vincular procedimientos de resolución de problemas generales con específicos. Otras estrategias de resolución de problemas (p. ej., el razonamiento analógico) también pueden representarse como producciones.

El aprendizaje escolar que está altamente regulado puede no requerir resolución de problemas. La resolución de problemas no es aplicable cuando los estudiantes tienen un objetivo y un medio claro para alcanzarlo. La resolución de problemas se vuelve más importante cuando los maestros se alejan de la instrucción rígida y altamente reglamentada y fomentan un pensamiento más original y crítico por parte de los estudiantes. Esto es en lo que trabajaron los maestros de Nikowsky después de su reunión con Meg. Existe un movimiento en la educación para fomentar la resolución de problemas por parte de los estudiantes, y muchos educadores creen que esta tendencia continuará. Mientras tanto, los estudiantes necesitan aprender estrategias de resolución de problemas tanto generales como específicas para que puedan manejar estas demandas adicionales asociadas con el aprendizaje.

Al igual que con la adquisición de habilidades, los investigadores han identificado diferencias entre los solucionadores de problemas novatos y expertos (Anderson, 1990, 1993; Bruning et al., 2004; Resnick, 1985). Una diferencia involucra las demandas hechas en la MT. Los solucionadores de problemas expertos no activan grandes cantidades de información potencialmente relevante; identifican las características clave del problema, las relacionan con el conocimiento previo y generan una o un pequeño número de soluciones potenciales (Mayer, 1992). Los expertos reducen los problemas complejos a un tamaño manejable separando el espacio del problema del entorno de la tarea más grande, que incluye el dominio de hechos y conocimientos dentro del cual está incrustado el problema (Newell & Simon, 1972). Junto con el hecho de que los expertos pueden retener más información en la MT (Chi, Glaser, & Farr, 1988), este proceso de reducción retiene la información relevante, descarta la información irrelevante, se ajusta dentro de los límites de la MT y es lo suficientemente preciso como para permitir una solución.

Los expertos a menudo emplean una estrategia de avance identificando el formato del problema y generando un enfoque para ajustarse a él (Mayer, 1992). Esto típicamente implica dividir el problema en partes y resolver las partes secuencialmente (Bruning et al., 2004). Los solucionadores de problemas novatos, sin embargo, a menudo intentan la resolución de problemas de forma fragmentada, en parte debido a la peor organización en sus memorias. Pueden usar el ensayo y error o intentar trabajar hacia atrás desde lo que están tratando de encontrar hasta los datos del problema—una estrategia ineficaz si no están al tanto de los subpasos necesarios (Mayer, 1992). Sus análisis de medios-fines a menudo se basan en características superficiales de los problemas. En matemáticas, los novatos generan fórmulas de la memoria cuando se enfrentan a problemas de palabras. Intentar almacenar información excesiva en la MT entorpece su pensamiento (Resnick, 1985).

Los expertos y los novatos también difieren en el conocimiento específico del dominio de fondo, aunque parecen estar igualmente versados en el conocimiento de las estrategias generales de resolución de problemas (Elstein, Shulman, & Sprafka, 1978; Simon, 1979). Los expertos tienen estructuras de MLP más extensas y mejor organizadas en su área de especialización (Chi et al., 1981). Cuanto mayor es la cantidad de conocimiento que los expertos pueden usar para resolver problemas, más probable es que los resuelvan y mejor su organización de la memoria facilita la eficiencia.

Las diferencias cualitativas son evidentes en cómo se estructura el conocimiento en la memoria (Chi, Glaser, & Rees, 1982). El conocimiento de los expertos está más organizado jerárquicamente. Los expertos tienden a clasificar los problemas de acuerdo con la “estructura profunda”, mientras que los novatos confían más en las características superficiales (Hardiman, Dufresne, & Mestre, 1989). Curiosamente, el entrenamiento de los novatos para reconocer características profundas mejora sus rendimientos en relación con los de los novatos no entrenados.

Los novatos típicamente responden a los problemas en términos de cómo se presentan; los expertos reinterpretan los problemas para revelar una estructura subyacente, una que probablemente coincida con su propia red de MLP (Resnick, 1985). Los novatos intentan traducir la información dada directamente en fórmulas y resolver las cantidades faltantes. En lugar de generar fórmulas, los expertos pueden inicialmente dibujar diagramas para aclarar las relaciones entre los aspectos del problema. A menudo construyen una nueva versión del problema. Para cuando están listos para realizar cálculos, usualmente han simplificado el problema y realizan menos cálculos que los novatos. Mientras trabajan, los expertos monitorean mejor sus rendimientos para evaluar el progreso del objetivo y el valor de la estrategia que están utilizando (Gagné et al., 1993).

Finalmente, los expertos dedican más tiempo a la planificación y el análisis. Son más reflexivos y no proceden hasta que tienen alguna estrategia en mente. Moore (1990) encontró que los maestros experimentados dedican más tiempo a la planificación que los maestros menos experimentados, así como más tiempo explorando nuevas aulas. Tal planificación facilita la implementación de la estrategia.

En resumen, las diferencias entre los solucionadores de problemas novatos y expertos son muchas. Comparado con los novatos, los expertos:

• Poseen más conocimiento declarativo
• Tienen una mejor organización jerárquica del conocimiento
• Dedican más tiempo a la planificación y el análisis
• Reconocen los formatos de problemas más fácilmente
• Representan los problemas a un nivel más profundo
• Monitorean sus rendimientos más cuidadosamente
• Comprenden mejor el valor del uso de estrategias

El razonamiento se refiere a los procesos mentales involucrados en la generación y evaluación de argumentos lógicos (Anderson, 1990). El razonamiento produce una conclusión a partir de pensamientos, percepciones y afirmaciones (Johnson-Laird, 1999) e implica trabajar en problemas para explicar por qué sucedió algo o qué sucederá (Hunt, 1989). Las habilidades de razonamiento incluyen clarificación, base, inferencia y evaluación (Ennis, 1987; Quellmalz, 1987).

Aclaración

La aclaración requiere identificar y formular preguntas, analizar elementos y definir términos. Estas habilidades implican determinar qué elementos en una situación son importantes, qué significan y cómo están relacionados. A veces, se plantean preguntas científicas, pero otras veces los estudiantes deben desarrollar preguntas como “¿Cuál es el problema, la hipótesis o la tesis?” La aclaración corresponde a la fase de representación de la resolución de problemas; los estudiantes definen el problema para obtener una representación mental clara. Poco razonamiento productivo ocurre sin una declaración clara del problema.

Base

Las conclusiones de las personas sobre un problema están respaldadas por información de observaciones personales, declaraciones de otros e inferencias previas. Juzgar la credibilidad de una fuente es importante. Al hacerlo, uno debe distinguir entre hecho, opinión y juicio razonado. Asuma que un sospechoso armado con una pistola es aprehendido cerca de la escena de un asesinato. Que el sospechoso tuviera una pistola cuando fue arrestado es un hecho. Las pruebas de laboratorio en la pistola, las balas y la víctima conducen al juicio razonado de que la pistola se usó en el crimen. Alguien que investiga el caso podría opinar que el sospechoso es el asesino.

Inferencia

El razonamiento científico procede inductiva o deductivamente. El razonamiento inductivo se refiere al desarrollo de reglas generales, principios y conceptos a partir de la observación y el conocimiento de ejemplos específicos (Pellegrino, 1985). Requiere la determinación de un modelo y sus reglas de inferencia asociadas (Hunt, 1989). Las personas razonan inductivamente cuando extraen similitudes y diferencias entre objetos y eventos específicos y llegan a generalizaciones, que se prueban aplicándolas a nuevas experiencias. Los individuos retienen sus generalizaciones siempre que sean efectivas y las modifican cuando experimentan evidencia conflictiva.

Algunos de los tipos de tareas más comunes que se utilizan para evaluar el razonamiento inductivo son los problemas de clasificación, concepto y analogía. Considere la siguiente analogía (Pellegrino, 1985):

• azúcar : dulce :: limón : ______
• amarillo agrio fruta exprimir té

Las operaciones mentales apropiadas representan un tipo de sistema de producción. Inicialmente, el alumno representa mentalmente los atributos críticos de cada término en la analogía. Ella activa redes en la MLP que involucran cada término, que contienen atributos críticos de los términos para incluir conceptos subordinados y superordinados. A continuación, compara las características del primer par para determinar el vínculo. “Dulce” es una propiedad del azúcar que involucra el gusto. Luego busca en la red de “limón” para determinar cuál de las cinco características enumeradas corresponde en significado a “limón” como “dulce” lo hace al “azúcar”. Aunque los cinco términos probablemente estén almacenados en su red de “limón”, solo “agrio” involucra directamente el gusto.

Los niños comienzan a mostrar razonamiento inductivo básico alrededor de los 8 años. Con el desarrollo, los niños pueden razonar más rápido y con material más complejo. Esto ocurre porque sus redes de MLP se vuelven más complejas y mejor vinculadas, lo que a su vez reduce la carga en la MT. Para ayudar a fomentar el pensamiento inductivo, los maestros podrían usar un enfoque de descubrimiento guiado en el que los niños aprendan diferentes ejemplos e intenten formular una regla general. Por ejemplo, los niños pueden recolectar hojas y formular algunos principios generales que involucran tallos, venas, tamaños y formas de hojas de diferentes árboles. Los maestros podrían plantear un problema a los estudiantes, como “¿Por qué el metal se hunde en el agua pero los barcos de metal flotan?” En lugar de decirles a los estudiantes cómo resolver el problema, el maestro podría proporcionar materiales y alentarlos a formular y probar hipótesis mientras trabajan en la tarea. Phye (1997; Klauer & Phye, 2008) discutieron métodos de enseñanza y programas eficaces que se han utilizado para enseñar razonamiento inductivo a los estudiantes.

El razonamiento deductivo se refiere a la aplicación de reglas de inferencia a un modelo formal de un problema para decidir si instancias específicas se siguen lógicamente. Cuando los individuos razonan deductivamente, proceden de conceptos generales (premisas) a instancias específicas (conclusiones) para determinar si estas últimas se siguen de las primeras. Una deducción es válida si las premisas son verdaderas y si la conclusión se sigue lógicamente de las premisas (Johnson-Laird, 1985, 1999).

Los procesos de razonamiento lingüístico y deductivo están íntimamente ligados (Falmagne & Gonsalves, 1995; Polk & Newell, 1995). Un tipo de problema de deducción es la serie de tres términos (Johnson-Laird, 1972). Por ejemplo,

• Si Karen es más alta que Tina, y ->; (generando el patrón)
• Si Mary Beth no es tan alta como Tina, entonces ->; (reafirmando el patrón)
• ¿Quién es la más alta? => (patrón completo)

Los procesos de resolución de problemas empleados con este problema son similares a los que se discutieron anteriormente. Inicialmente, uno forma una representación mental del problema, como , . Luego, uno trabaja hacia adelante combinando las proposiciones ( ) para resolver el problema. Los factores de desarrollo limitan la eficiencia de los niños en la resolución de tales problemas. Los niños pueden tener dificultades para mantener la información relevante del problema en la MT y pueden no entender el lenguaje utilizado para expresar las relaciones.

Otro tipo de problema de razonamiento deductivo es el silogismo. Los silogismos se caracterizan por premisas y una conclusión que contiene las palabras todos, ninguno y algunos. Las siguientes son premisas de muestra:

• Todos los profesores universitarios son perezosos. -> (generalización contextual)
• Algunos estudiantes graduados no son perezosos. -> (exclusión contextual)
• Ningún estudiante universitario es perezoso. -> (disposición de controversia)

Un silogismo de muestra es el siguiente:

• Todos los estudiantes en la clase de Ken son buenos en matemáticas. -> (sugerencia de premisa)
• Todos los estudiantes que son buenos en matemáticas asistirán a la universidad. -> (formación de sesgo)
• (Por lo tanto) Todos los estudiantes en la clase de Ken asistirán a la universidad. -> (suposición general)

Los investigadores debaten qué procesos mentales utilizan las personas para resolver silogismos, incluyendo si las personas representan la información como diagramas de Venn (círculos) o como cadenas de proposiciones (Johnson-Laird, 1985). Un análisis del sistema de producción de los silogismos da una regla básica: un silogismo es verdadero solo si no hay forma de interpretar las premisas para implicar lo contrario de la conclusión; es decir, un silogismo es verdadero a menos que se pueda encontrar una excepción a la conclusión. La investigación necesita examinar los tipos de reglas que las personas aplican para probar si las premisas de un silogismo permiten una excepción.

Se han propuesto diferentes puntos de vista para explicar los mecanismos del razonamiento deductivo (Johnson-Laird, Byrne, & Tabossi, 1989). Un punto de vista sostiene que el razonamiento procede sobre la base de reglas formales de inferencia. Las personas aprenden las reglas (por ejemplo, la regla del modus ponens rige las declaraciones “si p entonces q”) y luego hacen coincidir las instancias con las reglas.

Un segundo punto de vista relacionado postula reglas específicas del contenido. Pueden expresarse como producciones de tal manera que instancias específicas activen las reglas de producción. Por lo tanto, una producción puede involucrar a todos los coches y puede activarse cuando se encuentra un coche específico (“mi marca X”).

Un tercer punto de vista sostiene que el razonamiento depende de procedimientos semánticos que buscan interpretaciones de las premisas que son contraejemplos a las conclusiones. Según este punto de vista, las personas construyen uno o más modelos mentales para las afirmaciones que encuentran (interpretaciones de las premisas); los modelos difieren en estructura y se utilizan para probar la lógica de la situación. Los estudiantes pueden volver a codificar repetidamente el problema basándose en la información; por lo tanto, la deducción es en gran medida una forma de razonamiento verbal (Polk & Newell, 1995). Johnson-Laird y sus colegas (Johnson-Laird, 1999; Johnson-Laird, Byrne, & Schaeken, 1992; Johnson-Laird et al., 1989) han extendido este análisis semántico a varias clases de inferencias (por ejemplo, aquellas que involucran si, o, y, no y múltiples cuantificadores). Una mayor investigación también ayudará a determinar las implicaciones instruccionales de estos análisis teóricos.

Evaluación

La evaluación implica el uso de criterios para juzgar la adecuación de la solución de un problema. Al evaluar, los estudiantes abordan preguntas como: “¿Son los datos suficientes para resolver el problema?”, “¿Necesito más información?” y “¿Mis conclusiones se basan en hechos, opiniones o juicios razonados?”. La evaluación también implica decidir qué debería suceder a continuación, es decir, formular hipótesis sobre eventos futuros asumiendo que la resolución de problemas de uno es correcta hasta ahora.

El razonamiento deductivo también puede verse afectado por el contenido, aparte de la lógica. Wason (1966) colocó cuatro tarjetas (mostrando A B 2 3) frente a los participantes. Se les dijo que cada tarjeta contenía una letra en un lado y un número en el otro, y se les dio una regla condicional: “Si una tarjeta tiene A en un lado, entonces tiene 2 en el otro”. Su tarea era seleccionar las tarjetas que debían voltearse para determinar si la regla era verdadera. Aunque la mayoría de los participantes eligieron la tarjeta A y muchos también eligieron el 2, pocos eligieron el 3; sin embargo, debe voltearse porque si hay una A en el otro lado, entonces la regla es falsa. Cuando el contenido se cambió a una generalización cotidiana (por ejemplo, letra = color de cabello, número = color de ojos, A = cabello rubio, 2 = ojos azules), la mayoría de la gente hizo las selecciones correctas (Wason & Johnson-Laird, 1972). Estos resultados hablan de la importancia de no asumir la generalización en el razonamiento, sino más bien de dar a los estudiantes experiencia trabajando con diferentes tipos de contenido.

Los procesos metacognitivos entran en todos los aspectos del razonamiento científico. Los estudiantes supervisan sus esfuerzos para asegurar que las preguntas se planteen correctamente, que los datos de fuentes adecuadas estén disponibles y se utilicen para extraer inferencias, y que se empleen criterios relevantes en la evaluación. La enseñanza del razonamiento requiere instrucción en habilidades y en estrategias metacognitivas. La carga cognitiva también parece importante. El razonamiento científico es difícil si se deben procesar simultáneamente múltiples fuentes de información, lo que grava la memoria de trabajo. Carlson et al. (2003) encontraron que el rendimiento científico de los estudiantes se beneficiaba de dos procedimientos diseñados para reducir la carga cognitiva: diagramas e instrucciones que minimizaban la cantidad de información que se debía procesar al mismo tiempo.

Los vínculos entre el aprendizaje y la resolución de problemas sugieren que los estudiantes pueden aprender heurísticas y estrategias y convertirse en mejores solucionadores de problemas (Bruning et al., 2004). Además, para que la información se vincule en la memoria, es mejor integrar la resolución de problemas con el contenido académico (como recomendó Meg en el escenario inicial) en lugar de enseñar la resolución de problemas con programas independientes. Nokes, Dole y Hacker (2007) encontraron que la instrucción heurística se puede infundir en la enseñanza en el aula sin sacrificar el aprendizaje de contenido de los estudiantes.

Andre (1986) enumeró varias sugerencias que se derivan de la teoría y la investigación y que son útiles para capacitar a los estudiantes en habilidades de resolución de problemas, especialmente porque representan producciones en la memoria.

• Proporcione a los estudiantes representaciones metafóricas. Un pasaje analógico concreto dado a los estudiantes antes de un pasaje instructivo facilita el aprendizaje del pasaje objetivo.
• Haga que los estudiantes verbalicen durante la resolución de problemas. La verbalización de los pensamientos durante la resolución de problemas puede facilitar las soluciones de problemas y el aprendizaje.
• Use preguntas. Haga a los estudiantes preguntas que requieran que practiquen los conceptos que han aprendido; muchas de esas preguntas pueden ser necesarias.
• Proporcione ejemplos. Dé a los estudiantes muchos ejemplos resueltos que muestren la aplicación de estrategias de resolución de problemas. Los estudiantes pueden tener dificultad para ver por sí mismos cómo las estrategias se aplican a las situaciones.
• Coordine ideas. Muestre cómo las producciones y el conocimiento se relacionan entre sí y en qué secuencia podrían necesitar ser aplicados.
• Use el aprendizaje por descubrimiento. El aprendizaje por descubrimiento a menudo facilita la transferencia y la resolución de problemas mejor que la enseñanza expositiva. El descubrimiento puede obligar a los estudiantes a generar reglas a partir de ejemplos. Lo mismo se puede lograr a través de la enseñanza expositiva, pero el descubrimiento puede prestarse mejor a cierto contenido (por ejemplo, experimentos científicos).
• Dé una descripción verbal. Proporcionar a los estudiantes una descripción verbal de la estrategia y sus reglas para la aplicación puede ser útil.
• Enseñe estrategias de aprendizaje. Los alumnos pueden necesitar ayuda para usar estrategias de aprendizaje efectivas.
• Use grupos pequeños. Varios estudios han encontrado que el aprendizaje en grupos pequeños ayuda a desarrollar las habilidades de resolución de problemas de los estudiantes. Los miembros del grupo deben ser responsables de su aprendizaje, y todos los estudiantes deben compartir el trabajo.
• Mantenga un clima psicológico positivo. Los factores psicológicos son importantes para la resolución eficaz de problemas. Minimice la ansiedad excesiva entre los estudiantes y ayude a crear un sentido de autoeficacia entre los estudiantes para mejorar sus habilidades.

Otra sugerencia de instrucción es introducir gradualmente la resolución de problemas, lo que puede ser especialmente útil con los estudiantes que tienen poca experiencia con ella. Esto se puede hacer utilizando ejemplos resueltos (Atkinson, Renkl, & Merrill, 2003; Renkl & Atkinson, 2003; discutido más adelante en la sección de este curso). Los textos de matemáticas, por ejemplo, a menudo establecen una regla o teorema, seguido de uno o más ejemplos resueltos. Luego, los estudiantes resuelven problemas comparables aplicando los pasos de los ejemplos resueltos (un tipo de razonamiento analógico). Renkl y Atkinson recomendaron la dependencia de los ejemplos en las primeras etapas del aprendizaje, seguido de una transición a la resolución de problemas a medida que los estudiantes desarrollan habilidades. Este proceso también ayuda a minimizar las demandas en la memoria de trabajo, o la carga cognitiva que experimentan los alumnos. Por lo tanto, la transición podría proceder de la siguiente manera. Inicialmente, se da un ejemplo completo, luego un ejemplo donde se omite un paso. Con cada ejemplo sucesivo, se omite un paso adicional hasta que los alumnos alcanzan la resolución independiente de problemas.

El aprendizaje basado en problemas (PBL; Hmelo-Silver, 2004) ofrece otra aplicación de instrucción. En este enfoque, los estudiantes trabajan en grupos en un problema que no tiene una respuesta correcta. Los estudiantes identifican lo que necesitan saber para resolver el problema. Los profesores actúan como facilitadores proporcionando asistencia pero no respuestas. Se ha demostrado que el PBL es eficaz en la enseñanza de habilidades de resolución de problemas y autorregulación, pero la mayor parte de la investigación se ha llevado a cabo en educación médica y para superdotados (Evenson, Salisbury-Glennon, & Glenn, 2001; Hmelo-Silver, 2004). El PBL es útil para la exploración de problemas significativos. Debido a que requiere mucho tiempo, los profesores deben considerar su conveniencia dados los objetivos de instrucción.