Problem Solving: Processi Cognitivi di Apprendimento

Una delle tipologie più importanti di elaborazione cognitiva che si verifica frequentemente durante l'apprendimento è la risoluzione dei problemi. La risoluzione dei problemi è stata oggetto di studio per lungo tempo —il materiale storico viene esaminato in questa sezione—, ma l'interesse per l'argomento è cresciuto con l'aumento delle teorie cognitive dell'apprendimento. Alcuni teorici considerano la risoluzione dei problemi come il processo chiave nell'apprendimento, specialmente in domini come la scienza e la matematica (Anderson, 1993). Sebbene “risoluzione dei problemi” e “apprendimento” non siano sinonimi, il primo è spesso coinvolto nel secondo e particolarmente quando gli studenti possono esercitare un certo grado di autoregolamentazione sull'apprendimento e quando l'apprendimento comporta sfide e soluzioni non ovvie. Nello scenario di apertura, Meg raccomanda una maggiore enfasi sulla risoluzione dei problemi.

Un problema esiste quando c'è una “situazione in cui si sta cercando di raggiungere un determinato obiettivo e si deve trovare un mezzo per arrivarci” (Chi & Glaser, 1985, p. 229). Il problema può essere rispondere a una domanda, calcolare una soluzione, individuare un oggetto, assicurarsi un lavoro, insegnare a uno studente e così via. La risoluzione dei problemi si riferisce agli sforzi delle persone per raggiungere un obiettivo per il quale non hanno una soluzione automatica.

Indipendentemente dall'area di contenuto e dalla complessità, tutti i problemi hanno alcune caratteristiche comuni. I problemi hanno uno stato iniziale: lo stato attuale o il livello di conoscenza del risolutore di problemi. I problemi hanno un obiettivo: ciò che il risolutore di problemi sta tentando di raggiungere. La maggior parte dei problemi richiede anche al risolutore di suddividere l'obiettivo in sotto-obiettivi che, una volta raggiunti (di solito in sequenza), portano al raggiungimento dell'obiettivo. Infine, i problemi richiedono l'esecuzione di operazioni (attività cognitive e comportamentali) sullo stato iniziale e sui sotto-obiettivi, che alterano la natura di tali stati (Anderson, 1990; Chi & Glaser, 1985).

Data questa definizione, non tutte le attività di apprendimento includono la risoluzione dei problemi. La risoluzione dei problemi probabilmente non è coinvolta quando le capacità degli studenti diventano così consolidate che eseguono automaticamente azioni per raggiungere gli obiettivi, il che accade con molte abilità in diversi domini. La risoluzione dei problemi potrebbe anche non verificarsi nell'apprendimento di basso livello (possibilmente banale), in cui gli studenti sanno cosa fare per imparare. Questo sembra essere un problema alla Nikowsky Middle School, poiché gli insegnanti si stanno concentrando sulle abilità di base necessarie per i test. Allo stesso tempo, gli studenti apprendono nuove abilità e nuovi usi per le abilità apprese in precedenza, quindi molte attività scolastiche potrebbero comportare la risoluzione dei problemi a un certo punto durante l'apprendimento.

Alcune prospettive storiche sulla risoluzione dei problemi vengono esaminate come sfondo alle attuali visioni cognitive: tentativi ed errori, intuizione ed euristiche.

Tentativi ed Errori

La ricerca di Thorndike (1913b) con i gatti richiedeva la risoluzione di problemi; il problema era come fuggire dalla gabbia. Thorndike concepì la risoluzione dei problemi come tentativi ed errori. L'animale era in grado di eseguire determinati comportamenti nella gabbia. Da questo repertorio comportamentale, l'animale eseguiva un comportamento e ne sperimentava le conseguenze. Dopo una serie di comportamenti casuali, il gatto eseguiva la risposta che apriva il portello che portava alla fuga. Con ripetute prove, il gatto faceva meno errori prima di eseguire il comportamento di fuga e il tempo necessario per risolvere il problema diminuiva. Il comportamento di fuga (risposta) si collegava a segnali (stimoli) nella gabbia.

Occasionalmente usiamo tentativi ed errori per risolvere i problemi; semplicemente eseguiamo azioni finché una non funziona. Ma il tentativo ed errore non è affidabile e spesso non efficace. Può sprecare tempo, potrebbe non portare mai a una soluzione, potrebbe portare a una soluzione non ottimale e può avere effetti negativi. In preda alla disperazione, un insegnante potrebbe utilizzare un approccio per tentativi ed errori provando diversi materiali di lettura con Kayla finché non inizia a leggere meglio. Questo approccio potrebbe essere efficace, ma potrebbe anche esporla a materiali che si rivelano frustranti e quindi ritardare i suoi progressi nella lettura.

Intuizione

Si pensa spesso che la risoluzione dei problemi implichi l'intuizione, ovvero l'improvvisa consapevolezza di una probabile soluzione. Wallas (1921) studiò grandi risolutori di problemi e formulò un modello in quattro fasi come segue:

Le fasi di Wallas erano descrittive e non soggette a verifica empirica. Gli psicologi della Gestalt postularono anche che gran parte dell'apprendimento umano fosse intuitivo e comportasse un cambiamento nella percezione. Gli studenti inizialmente pensavano agli ingredienti necessari per risolvere un problema. Li integrarono in vari modi finché il problema non fu risolto. Quando gli studenti arrivarono a una soluzione, lo fecero improvvisamente e con intuizione.

Molti risolutori di problemi riferiscono di aver avuto momenti di intuizione; Watson e Crick ebbero momenti di intuizione nello scoprire la struttura del DNA (Lemonick, 2003). Un'importante applicazione educativa della teoria della Gestalt è stata nell'area della risoluzione dei problemi, o pensiero produttivo (Duncker, 1945; Luchins, 1942; Wertheimer, 1945). La visione della Gestalt sottolineava il ruolo della comprensione: comprendere il significato di un evento o cogliere il principio o la regola alla base della performance. Al contrario, la memorizzazione meccanica, sebbene spesso utilizzata dagli studenti, era inefficiente e raramente utilizzata nella vita al di fuori della scuola

La ricerca di Katona (1940) ha dimostrato l'utilità dell'apprendimento delle regole rispetto alla memorizzazione. In uno studio, ai partecipanti è stato chiesto di imparare sequenze di numeri (ad esempio, 816449362516941). Alcuni hanno imparato le sequenze a memoria, mentre ad altri sono stati forniti indizi per aiutare l'apprendimento (ad esempio, "Pensa ai numeri al quadrato"). Gli studenti che hanno determinato la regola per generare le sequenze le hanno conservate meglio di quelli che le hanno memorizzate.

Le regole portano a un apprendimento e una conservazione migliori rispetto alla memorizzazione perché le regole forniscono una descrizione più semplice del fenomeno, quindi è necessario apprendere meno informazioni. Inoltre, le regole aiutano a organizzare il materiale. Per richiamare le informazioni, si ricorda la regola e poi si inseriscono i dettagli. Al contrario, la memorizzazione implica il richiamo di più informazioni. La memorizzazione è generalmente inefficiente perché la maggior parte delle situazioni ha una certa organizzazione (Wertheimer, 1945). I problemi vengono risolti scoprendo l'organizzazione della situazione e la relazione degli elementi con la soluzione del problema. Organizzando e riorganizzando gli elementi, gli studenti alla fine acquisiscono una visione della soluzione.

Köhler (1926) ha svolto un lavoro ben noto sulla risoluzione dei problemi con le scimmie sull'isola di Tenerife durante la prima guerra mondiale. In un esperimento, Köhler ha messo una banana appena fuori dalla portata di una scimmia in una gabbia; la scimmia poteva prendere la banana usando un bastone lungo o mettendo insieme due bastoni. Köhler concluse che la risoluzione dei problemi era intuitiva: gli animali esaminarono la situazione, improvvisamente "videro" i mezzi per raggiungere l'obiettivo e testarono la soluzione. I primi tentativi di risoluzione dei problemi delle scimmie fallirono mentre provavano diverse strategie inefficaci (ad esempio, lanciare un bastone contro la banana). Alla fine videro il bastone come un'estensione delle loro braccia e lo usarono di conseguenza.

In un'altra situazione (Köhler, 1925), l'animale poteva vedere l'obiettivo ma non raggiungerlo senza voltarsi e intraprendere un percorso indiretto. Ad esempio, l'animale potrebbe trovarsi in una stanza con una finestra e vedere del cibo fuori. Per raggiungere l'obiettivo, l'animale deve uscire dalla stanza attraverso una porta e procedere lungo un corridoio che portava all'esterno. Nel passare dalla fase di pre-soluzione alla fase di soluzione, l'animale potrebbe provare una serie di alternative prima di stabilirsi su una e impiegarla. L'intuizione si è verificata quando l'animale ha testato una probabile soluzione.

Una barriera alla risoluzione dei problemi è la fissità funzionale, ovvero l'incapacità di percepire diversi usi per gli oggetti o nuove configurazioni di elementi in una situazione (Duncker, 1945). In un classico studio, Luchins (1942) ha dato agli individui problemi che richiedevano loro di ottenere una data quantità di acqua utilizzando tre brocche di dimensioni diverse. Persone dai 9 anni all'età adulta hanno imparato facilmente la formula che produceva sempre la quantità corretta. Nel set di problemi erano mescolati alcuni problemi che potevano essere risolti usando una formula più semplice. Le persone generalmente continuavano ad applicare la formula originale. Suggerire loro che potrebbe esserci una soluzione più semplice ha portato alcuni a scoprire i metodi più semplici, anche se molti hanno persistito con la formula originale. Questa ricerca mostra che quando gli studenti non capiscono un fenomeno, possono applicare ciecamente un algoritmo noto e non capire che esistono metodi più semplici. Questa natura di risoluzione dei problemi vincolata alla procedura può essere superata quando vengono enfatizzate diverse procedure durante l'istruzione (Chen, 1999).

La teoria della Gestalt aveva poco da dire su come vengono apprese le strategie di risoluzione dei problemi o su come si potrebbe insegnare agli studenti a essere più intuitivi. Wertheimer (1945) credeva che gli insegnanti potessero aiutare la risoluzione dei problemi organizzando gli elementi di una situazione in modo che gli studenti avessero maggiori probabilità di percepire come le parti si relazionano al tutto. Tale consiglio generale potrebbe non essere utile per gli insegnanti.

Un altro modo per risolvere i problemi è utilizzare le euristiche, che sono metodi generali per risolvere i problemi che impiegano principi (regole pratiche) che di solito portano a una soluzione (Anderson, 1990). L'elenco delle operazioni mentali coinvolte nella risoluzione dei problemi di Polya (1945/1957) è il seguente:

• Comprendere il problema.
• Elaborare un piano.
• Eseguire il piano.
• Rivedere.

Comprendere il problema implica porre domande come “Qual è l'incognita?” e “Quali sono i dati?” Spesso aiuta a disegnare un diagramma che rappresenta il problema e le informazioni fornite. Nell'elaborazione di un piano, si cerca di trovare una connessione tra i dati e l'incognita. Dividere il problema in sotto-obiettivi è utile, così come pensare a un problema simile e a come è stato risolto (cioè, usare analogie). Il problema potrebbe aver bisogno di essere riformulato. Durante l'esecuzione del piano, è importante controllare ogni passo per assicurarsi che sia implementato correttamente. Rivedere significa esaminare la soluzione: è corretta? Esiste un altro modo per raggiungerla?

Bransford e Stein (1984) hanno formulato un'euristica simile nota come IDEAL (ideale):

• Identificare il problema.
• Definire e rappresentare il problema.
• Esplorare possibili strategie.
• Agire sulle strategie.
• Rivedere e valutare gli effetti delle proprie attività.

Il modello di Creative Problem Solving (CPS) offre un altro esempio di framework generico per la risoluzione dei problemi (Treffinger, 1985; Treffinger & Isaksen, 2005). Questo modello comprende tre componenti principali: comprendere la sfida, generare idee e prepararsi all'azione (Treffinger, 1995; Treffinger & Isaksen, 2005). Componenti metacognitive (ad esempio, pianificazione, monitoraggio, modifica del comportamento) sono presenti durante tutto il processo.

Comprendere la sfida inizia con un obiettivo generale o una direzione per la risoluzione dei problemi. Dopo aver ottenuto dati importanti (ad esempio, fatti, opinioni, preoccupazioni), viene formulato un obiettivo o una domanda specifica. Il segno distintivo della generazione di idee è il pensiero divergente per produrre opzioni per raggiungere l'obiettivo. Prepararsi all'azione include l'esame di opzioni promettenti e la ricerca di fonti di assistenza e modi per superare la resistenza.

Le euristiche generali sono più utili quando si lavora con contenuti non familiari (Andre, 1986). Sono meno efficaci in un dominio familiare, perché man mano che si sviluppano competenze specifiche del dominio, gli studenti utilizzano sempre più la conoscenza procedurale consolidata. Le euristiche generali hanno un vantaggio didattico: possono aiutare gli studenti a diventare risolutori di problemi sistematici. Sebbene l'approccio euristico possa sembrare inflessibile, in realtà c'è flessibilità nel modo in cui i passaggi vengono eseguiti. Per molti studenti, un'euristica sarà più sistematica dei loro attuali approcci alla risoluzione dei problemi e porterà a soluzioni migliori.

Newell e Simon (1972) hanno proposto un modello di elaborazione delle informazioni per la risoluzione dei problemi che includeva uno spazio problematico con uno stato iniziale, uno stato obiettivo e possibili percorsi di soluzione che portano attraverso sotto-obiettivi e richiedono l'applicazione di operazioni. Il risolutore di problemi forma una rappresentazione mentale del problema ed esegue operazioni per ridurre la discrepanza tra lo stato iniziale e lo stato obiettivo. Il processo di operare sulla rappresentazione per trovare una soluzione è noto come ricerca (Andre, 1986).

Il primo passo nella risoluzione dei problemi è formare una rappresentazione mentale. Similmente al primo passo di Polya (comprendere il problema), la rappresentazione richiede la traduzione di informazioni note in un modello nella memoria. La rappresentazione interna consiste in proposizioni, ed eventualmente immagini, nella WM. Il problema può anche essere rappresentato esternamente (ad esempio, su carta, schermo del computer). Le informazioni nella WM attivano la conoscenza correlata nella LTM, e il risolutore alla fine seleziona una strategia di risoluzione dei problemi. Mentre le persone risolvono i problemi, spesso alterano la loro rappresentazione iniziale e attivano nuove conoscenze, soprattutto se la loro risoluzione dei problemi non ha successo. Pertanto, la risoluzione dei problemi include la valutazione del progresso verso l'obiettivo.

La rappresentazione del problema determina quale conoscenza viene attivata nella memoria e, di conseguenza, quanto è facile risolvere il problema (Holyoak, 1984). Se i risolutori rappresentano erroneamente il problema non considerando tutti gli aspetti o aggiungendo troppi vincoli, è improbabile che il processo di ricerca identifichi un percorso di soluzione corretto (Chi & Glaser, 1985). Non importa quanto chiaramente i risolutori ragionino successivamente, non raggiungeranno una soluzione corretta a meno che non formino una nuova rappresentazione. Non sorprende che i programmi di formazione alla risoluzione dei problemi dedichino in genere molto tempo alla fase di rappresentazione (Andre, 1986).

Come le abilità (discusse in precedenza), le strategie di risoluzione dei problemi possono essere generali o specifiche. Le strategie generali possono essere applicate a problemi in diversi domini indipendentemente dal contenuto; le strategie specifiche sono utili solo in un particolare dominio. Ad esempio, scomporre un problema complesso in sottoproblemi (analisi del sottobiettivo) è una strategia generale applicabile a problemi come scrivere un saggio, scegliere un indirizzo di studi e decidere dove vivere. Al contrario, i test che si possono eseguire per classificare i campioni di laboratorio sono specifici per il compito. Lo sviluppo professionale fornito agli insegnanti di Nikowsky probabilmente includeva strategie generali e specifiche.

Le strategie generali sono utili quando si lavora su problemi in cui le soluzioni non sono immediatamente ovvie. Strategie generali utili sono le strategie genera-e-test, l'analisi mezzi-fini, il ragionamento analogico e il brainstorming. Le strategie generali sono meno utili delle strategie specifiche per il dominio quando si lavora con contenuti molto familiari. Alcuni esempi di risoluzione dei problemi in contesti di apprendimento sono forniti nel blocco sottostante:

Strategia genera-e-test

La strategia genera-e-test è utile quando è possibile testare un numero limitato di soluzioni al problema per vedere se raggiungono l'obiettivo (Resnick, 1985). Questa strategia funziona meglio quando più soluzioni possono essere ordinate in termini di probabilità e almeno una soluzione è adatta a risolvere il problema.

Ad esempio, supponiamo che entriate in una stanza, azionate l'interruttore della luce, ma la luce non si accende. Le possibili cause includono: la lampadina è bruciata; l'elettricità è spenta; l'interruttore è rotto; la presa della lampada è difettosa; l'interruttore automatico è scattato; il fusibile è saltato; o il cablaggio ha un corto circuito. Probabilmente genererete e testerete la soluzione più probabile (sostituire la lampadina); se questo non risolve il problema, potete generare e testare altre soluzioni probabili. Sebbene il contenuto non debba essere molto familiare, è necessaria una certa conoscenza per utilizzare questo metodo in modo efficace. La conoscenza pregressa stabilisce la gerarchia delle possibili soluzioni; la conoscenza attuale influenza la selezione della soluzione. Quindi, se notate un camion di una società elettrica nel vostro quartiere, determinereste se l'alimentazione è interrotta.

Analisi mezzi-fini

Per utilizzare l'analisi mezzi-fini, si confronta la situazione attuale con l'obiettivo e si identificano le differenze tra di loro (Resnick, 1985). Vengono fissati dei sottobiettivi per ridurre le differenze. Si eseguono operazioni per raggiungere il sottobiettivo, a quel punto il processo viene ripetuto fino al raggiungimento dell'obiettivo.

Newell e Simon (1972) hanno studiato l'analisi mezzi-fini e hanno formulato il General Problem Solver (GPS) – un programma di simulazione al computer. Il GPS suddivide un problema in sottobiettivi, ognuno dei quali rappresenta una differenza rispetto allo stato attuale. Il GPS inizia con la differenza più importante e utilizza le operazioni per eliminare quella differenza. In alcuni casi, le operazioni devono prima eliminare un'altra differenza che è un prerequisito per quella più importante.

L'analisi mezzi-fini è un'euristica di risoluzione dei problemi potente. Quando i sottobiettivi sono identificati correttamente, l'analisi mezzi-fini ha maggiori probabilità di risolvere il problema. Uno svantaggio è che con problemi complessi l'analisi mezzi-fini mette a dura prova la WM perché si potrebbe dover tenere traccia di diversi sottobiettivi. Dimenticare un sottobiettivo ostacola la soluzione del problema.

L'analisi mezzi-fini può procedere dall'obiettivo allo stato iniziale (lavorando a ritroso) o dallo stato iniziale all'obiettivo (lavorando in avanti). Nel lavorare a ritroso, si inizia con l'obiettivo e ci si chiede quali sottobiettivi sono necessari per raggiungerlo. Ci si chiede poi cosa è necessario per raggiungere questi sottobiettivi e così via, fino a raggiungere lo stato iniziale. Per lavorare a ritroso, quindi, si pianifica una serie di mosse, ognuna progettata per raggiungere un sottobiettivo. Lavorare con successo a ritroso richiede una discreta quantità di conoscenza nel dominio del problema per determinare i prerequisiti dell'obiettivo e del sottobiettivo.

Il lavoro a ritroso è frequentemente utilizzato per dimostrare teoremi geometrici. Si inizia supponendo che il teorema sia vero e poi si lavora a ritroso fino a raggiungere i postulati. Un esempio geometrico è mostrato nella Figura 'Analisi mezzi-fini applicata a un problema di geometria' Il problema è risolvere per l'angolo m. Lavorando a ritroso, gli studenti si rendono conto che devono determinare l'angolo n, perché l'angolo m = 180° è un angolo n (linea retta = 180°). Continuando a lavorare a ritroso, gli studenti capiscono che poiché le linee parallele si intersecano, l'angolo corrispondente d sulla linea q è uguale all'angolo n. Attingendo alla loro conoscenza geometrica, gli studenti determinano che l'angolo d = angolo a, che è 30°. Quindi, l'angolo n = 30° e l'angolo m = 180° - 30° = 150°.

Come altro esempio di lavoro a ritroso, supponiamo che si debba consegnare un saggio tra 3 settimane. L'ultimo passaggio prima di consegnarlo è la correzione di bozze (da fare il giorno prima della consegna del saggio). Il passaggio precedente è quello di digitare e stampare la copia finale (prevedere 1 giorno). Prima di questo, si apportano le revisioni finali (1 giorno), si rivede il saggio (3 giorni) e si digita e si stampa la bozza (1 giorno). Continuando a lavorare a ritroso, potremmo prevedere 5 giorni per scrivere la bozza, 1 giorno per la bozza, 3 giorni per la ricerca in biblioteca e 1 giorno per decidere l'argomento. Prevediamo un totale di 17 giorni da dedicare in parte alla stesura del saggio. Quindi dobbiamo iniziare tra 4 giorni.

Un secondo tipo di analisi mezzi-fini è il lavoro in avanti, a volte indicato come hill climbing (Matlin, 2009; Mayer, 1992). Chi risolve il problema inizia con la situazione attuale e la modifica nella speranza di avvicinarsi all'obiettivo. Di solito sono necessarie diverse modifiche per raggiungere l'obiettivo. Un pericolo è che il lavoro in avanti a volte procede sulla base di un'analisi superficiale del problema. Sebbene ogni passo rappresenti un tentativo di raggiungere un sottobiettivo necessario, si può facilmente deviare su una tangente o arrivare a un punto morto perché in genere non si possono vedere molte alternative in anticipo, ma solo il passo successivo (Matlin, 2009).

Come esempio di strategia di lavoro in avanti, si considerino gli studenti in un laboratorio che hanno varie sostanze in barattoli. Il loro obiettivo è etichettare le sostanze nei loro barattoli. Per fare ciò, eseguono una serie di test sulle sostanze che, se eseguiti correttamente, porteranno a una soluzione. Questo rappresenta una strategia di lavoro in avanti perché ogni test avvicina gli studenti al loro obiettivo di classificare le loro sostanze. I test sono ordinati e i risultati mostrano cosa le sostanze non sono, così come cosa potrebbero essere. Per evitare che gli studenti vadano fuori strada, l'insegnante imposta attentamente la procedura e si assicura che gli studenti capiscano come eseguire i test.

Un'altra strategia generale per la risoluzione dei problemi è l'uso del ragionamento analogico, che implica la creazione di un'analogia tra la situazione problematica (il target) e una situazione con cui si ha familiarità (la base o la fonte; Anderson, 1990; Chen, 1999; Hunt, 1989). Si affronta il problema attraverso il dominio familiare e poi si collega la soluzione alla situazione problematica (Holyoak & Thagard, 1997). Il ragionamento analogico implica l'accesso alla rete del dominio familiare nella MLT e la sua mappatura (collegamento) alla situazione problematica nella ML (Halpern, Hansen, & Riefer, 1990). L'applicazione efficace richiede che la situazione familiare sia strutturalmente simile alla situazione problematica, anche se le situazioni possono differire nelle caratteristiche superficiali (ad esempio, una potrebbe riguardare il sistema solare e l'altra strutture molecolari). I sottobiettivi in questo approccio sono la relazione tra i passaggi nel dominio originale (familiare) e quelli nell'area di trasferimento (problematica). Gli studenti usano spesso il metodo dell'analogia per risolvere i problemi nei libri di testo. Gli esempi sono elaborati nel testo (dominio familiare), quindi gli studenti collegano questi passaggi ai problemi che devono risolvere.

Gick e Holyoak (1980, 1983) hanno dimostrato la potenza della risoluzione analogica dei problemi. Hanno presentato agli studenti un difficilte problema medico e, come analogia, un problema militare risolto. Il semplice fatto di fornire loro il problema analogico non li ha automaticamente spinti a usarlo. Tuttavia, dare loro un suggerimento per usare il problema militare per risolvere il problema medico ha migliorato la risoluzione dei problemi. Gick e Holyoak hanno anche scoperto che dare agli studenti due storie analogiche ha portato a una migliore risoluzione dei problemi rispetto a dare una sola storia. Tuttavia, far loro riassumere la storia analogica, dare loro il principio alla base della storia mentre la leggevano o fornire loro un diagramma che illustrasse il principio problema-soluzione non ha migliorato la risoluzione dei problemi. Questi risultati suggeriscono che in un dominio sconosciuto, gli studenti hanno bisogno di una guida per usare le analogie e che molteplici esempi aumentano la probabilità che gli studenti colleghino almeno un esempio al problema da risolvere.

Per essere più efficace, la risoluzione analogica dei problemi richiede una buona conoscenza dei domini familiare e problematico. Gli studenti spesso hanno abbastanza difficoltà a usare le analogie per risolvere i problemi anche quando la strategia di soluzione è evidenziata. Con una conoscenza inadeguata, è improbabile che gli studenti vedano la relazione tra il problema e l'analogo. Anche presumendo una buona conoscenza, l'analogia ha maggiori probabilità di fallire quando i domini familiare e problematico sono concettualmente dissimili. Gli studenti possono capire come combattere una battaglia (il problema militare) sia simile a combattere una malattia (il problema medico), ma potrebbero non comprendere altre analogie (ad esempio, combattere un tentativo di acquisizione aziendale).

L'evidenza evolutiva indica che, nonostante le sue difficoltà, i bambini possono impiegare il ragionamento analogico (Siegler, 1989). Insegnare le analogie ai bambini—compresi quelli con disturbi dell'apprendimento—può migliorare la loro successiva risoluzione dei problemi (Grossen, 1991). L'uso di casi di studio e del ragionamento basato sui casi può aiutare a sviluppare il pensiero analogico (Kolodner, 1997). Tecniche efficaci per l'uso delle analogie includono far verbalizzare all'insegnante adulto e al bambino il principio di soluzione che è alla base dei problemi originale e di trasferimento, spingere i bambini a ricordare elementi della struttura causale del problema originale e presentare i due problemi in modo che le strutture causali procedano dal più ovvio al meno ovvio (Crisafi & Brown, 1986). Altri suggerimenti includono l'uso di problemi originale e di trasferimento simili, la presentazione di diversi problemi simili e l'uso di immagini per rappresentare le relazioni causali.

Questo non vuol dire che tutti i bambini possono diventare esperti nell'uso delle analogie. Il compito è difficilte, e i bambini spesso traggono analogie inappropriate. Rispetto agli studenti più grandi, quelli più giovani richiedono più suggerimenti, sono più inclini a essere distratti da caratteristiche percettive irrilevanti e elaborano le informazioni in modo meno efficiente (Crisafi & Brown, 1986). Il successo dei bambini dipende fortemente dalla loro conoscenza del problema originale e dalla loro capacità di codificare ed effettuare confronti mentali, che mostrano ampie differenze individuali (Richland, Morrison, & Holyoak, 2006; Siegler, 1989). I bambini imparano meglio le strategie di risoluzione dei problemi quando le osservano e le spiegano piuttosto che quando si limitano a osservare (Crowley & Siegler, 1999).

La risoluzione analogica dei problemi è utile nell'insegnamento. Gli insegnanti spesso hanno nelle loro classi studenti la cui lingua madre non è l'inglese. Insegnare agli studenti nella loro lingua madre è impossibile. Gli insegnanti potrebbero collegare questo problema all'insegnamento a studenti che hanno difficoltà di apprendimento. Con questi ultimi studenti, gli insegnanti procederebbero lentamente, userebbero esperienze concrete ogni volta che fosse possibile e fornirebbero molta istruzione individuale. Potrebbero provare le stesse tattiche con studenti con proficienza limitata dell'inglese, insegnando contemporaneamente loro parole e frasi inglesi in modo che possano seguire il resto degli studenti in classe.

Questa analogia è appropriata perché gli studenti con problemi di apprendimento e gli studenti che parlano poco inglese hanno difficoltà in classe. Altre analogie potrebbero essere inappropriate. Anche gli studenti non motivati hanno difficoltà di apprendimento. Usandoli per l'analogia, l'insegnante potrebbe offrire agli studenti con proficienza limitata dell'inglese ricompense per l'apprendimento. Questa soluzione non è adatta a essere efficace perché il problema con gli studenti con proficienza limitata dell'inglese è di tipo didattico piuttosto che motivazionale.

Il brainstorming è una strategia generale di risoluzione dei problemi utile per formulare possibili soluzioni a un problema (Isaksen & Gaulin, 2005; Mayer, 1992; Osborn, 1963). I passaggi del brainstorming sono i seguenti:

• Definire il problema.
• Generare il maggior numero possibile di soluzioni senza valutarle.
• Decidere i criteri per giudicare le potenziali soluzioni.
• Utilizzare questi criteri per selezionare la soluzione migliore.

Un brainstorming efficace richiede che i partecipanti si astengano dal criticare le idee fino a quando non siano state generate tutte le idee. Inoltre, i partecipanti possono generare idee che si basano l'una sull'altra. Pertanto, le idee “sfrenate” e insolite dovrebbero essere incoraggiate (Mayer, 1992).

Come per la risoluzione analogica dei problemi, la quantità di conoscenza che si ha del dominio del problema influisce sul successo del brainstorming perché una migliore conoscenza del dominio consente di generare più soluzioni potenziali e criteri per giudicarne la fattibilità. Il brainstorming può essere utilizzato individualmente, anche se l'interazione di gruppo di solito porta a più soluzioni.

Il brainstorming si presta bene a molte decisioni istruttive e amministrative prese nelle scuole. È più utile per generare molte idee varie e, possibilmente, alcune uniche (Isaksen & Gaulin, 2005). Si supponga che un nuovo preside scolastico riscontri un basso morale del personale. I membri del personale concordano sulla necessità di una migliore comunicazione. I responsabili di livello incontrano il preside e il gruppo arriva alle seguenti potenziali soluzioni: tenere una riunione settimanale con il personale, inviare un bollettino settimanale (elettronico), affiggere avvisi su una bacheca, tenere riunioni settimanali con i responsabili di livello (dopo le quali si incontrano con gli insegnanti), inviare frequentemente messaggi informativi via e-mail, fare annunci tramite il sistema di altoparlanti. Il gruppo formula due criteri: (a) minimo dispendio di tempo per gli insegnanti e (b) minima interruzione delle lezioni. Tenendo presenti i criteri, decidono che il preside dovrebbe inviare un bollettino settimanale e frequenti messaggi e-mail e incontrarsi con i responsabili di livello come gruppo. Sebbene richiedano tempo, le riunioni tra il preside e i responsabili di livello saranno più mirate di quelle tra il preside e l'intero personale.

Il problem solving è spesso coinvolto nell'apprendimento, ma i concetti non sono sinonimi. Secondo una visione contemporanea dell'elaborazione delle informazioni (Anderson, 1990, 1993, 2000), il problem solving implica l'acquisizione, la conservazione e l'uso di sistemi di produzione, che sono reti di sequenze condizione-azione (regole) in cui le condizioni sono gli insiemi di circostanze che attivano il sistema e le azioni sono gli insiemi di attività che si verificano (Anderson, 1990; Andre, 1986). Un sistema di produzione consiste in istruzioni if-then. Le istruzioni If (la condizione) includono l'obiettivo e le istruzioni di test, le istruzioni then sono le azioni.

Le produzioni sono forme di conoscenza procedurale che includono la conoscenza dichiarativa e le condizioni in cui queste forme sono applicabili. Le produzioni sono rappresentate nella LTM come reti proposizionali e vengono acquisite nello stesso modo della conoscenza procedurale. Le produzioni sono anche organizzate gerarchicamente con produzioni subordinate e sovraordinate. Per risolvere due equazioni con due incognite, si rappresenta prima un'incognita in termini della seconda incognita (produzione subordinata), dopo di che si risolve per la seconda incognita (produzione) e si usa quel valore per risolvere per la prima incognita (produzione sovraordinata).

Le produzioni possono essere generali o specifiche. Le produzioni specifiche si applicano al contenuto in aree ben definite. Al contrario, le euristiche sono produzioni generali perché si applicano a contenuti diversi. Un'analisi mezzi-fini potrebbe essere rappresentata come segue (Anderson, 1990):

Se l'obiettivo è trasformare lo stato attuale nello stato obiettivo e D è la differenza più grande tra gli stati -> Quindi impostare come sotto-obiettivi:

1. Eliminare la differenza D
2. Convertire lo stato risultante nello stato obiettivo.

Una seconda produzione dovrà quindi essere impiegata con l'istruzione if-then, “Se l'obiettivo è eliminare la differenza D.” Questa sequenza continua fino a quando i sotto-obiettivi non sono stati identificati a un livello specifico; quindi vengono applicate le regole specifiche del dominio. In breve, le produzioni generali vengono suddivise fino al livello in cui viene applicata la conoscenza specifica del dominio. I sistemi di produzione offrono un mezzo per collegare procedure di problem-solving generali e specifiche. Altre strategie di problem-solving (ad esempio, il ragionamento analogico) possono anche essere rappresentate come produzioni.

L'apprendimento scolastico altamente regolamentato potrebbe non richiedere il problem solving. Il problem solving non è applicabile quando gli studenti hanno un obiettivo e un mezzo chiaro per raggiungerlo. Il problem solving diventa più importante quando gli insegnanti si allontanano dall'istruzione rigida e altamente regimentata e incoraggiano un pensiero più originale e critico da parte degli studenti. Questo è ciò su cui gli insegnanti di Nikowsky hanno lavorato dopo il loro incontro con Meg. C'è un movimento nell'istruzione per incoraggiare il problem solving da parte degli studenti e molti educatori ritengono che questa tendenza continuerà. Nel frattempo, gli studenti devono imparare strategie di problem-solving sia generali che specifiche in modo da poter gestire queste ulteriori esigenze associate all'apprendimento.

Come per l'acquisizione di competenze, i ricercatori hanno identificato differenze tra i risolutori di problemi novizi ed esperti (Anderson, 1990, 1993; Bruning et al., 2004; Resnick, 1985). Una differenza riguarda le richieste fatte alla WM. I risolutori di problemi esperti non attivano grandi quantità di informazioni potenzialmente rilevanti; identificano le caratteristiche chiave del problema, le mettono in relazione con le conoscenze di base e generano una o un piccolo numero di soluzioni potenziali (Mayer, 1992). Gli esperti riducono i problemi complessi a dimensioni gestibili separando lo spazio del problema dall'ambiente operativo più ampio, che include il dominio di fatti e conoscenze all'interno del quale il problema è incorporato (Newell & Simon, 1972). Insieme al fatto che gli esperti possono conservare più informazioni nella WM (Chi, Glaser, & Farr, 1988), questo processo di riduzione trattiene le informazioni rilevanti, scarta le informazioni irrilevanti, rientra nei limiti della WM ed è abbastanza preciso da consentire una soluzione.

Gli esperti spesso impiegano una strategia di avanzamento identificando il formato del problema e generando un approccio adatto (Mayer, 1992). Ciò in genere comporta la suddivisione del problema in parti e la risoluzione delle parti in sequenza (Bruning et al., 2004). I risolutori di problemi novizi, tuttavia, spesso tentano di risolvere i problemi in modo frammentario, in parte a causa della scarsa organizzazione nei loro ricordi. Possono usare tentativi ed errori o provare a lavorare a ritroso da ciò che stanno cercando di trovare ai dati del problema: una strategia inefficace se non sono a conoscenza dei sottostadi necessari (Mayer, 1992). Le loro analisi mezzi-fini sono spesso basate sulle caratteristiche superficiali dei problemi. In matematica, i novizi generano formule dalla memoria quando si trovano di fronte a problemi di parole. Cercare di memorizzare informazioni in eccesso nella WM ingombra il loro pensiero (Resnick, 1985).

Esperti e novizi differiscono anche nella conoscenza specifica del dominio di base, sebbene sembrino essere altrettanto esperti nella conoscenza delle strategie generali di risoluzione dei problemi (Elstein, Shulman, & Sprafka, 1978; Simon, 1979). Gli esperti hanno strutture LTM più ampie e meglio organizzate nella loro area di competenza (Chi et al., 1981). Maggiore è la quantità di conoscenza che gli esperti possono usare nella risoluzione dei problemi, più è probabile che li risolvano e migliore è l'organizzazione della loro memoria, il che facilita l'efficienza.

Differenze qualitative sono evidenti nel modo in cui la conoscenza è strutturata nella memoria (Chi, Glaser, & Rees, 1982). La conoscenza degli esperti è organizzata in modo più gerarchico. Gli esperti tendono a classificare i problemi in base alla “struttura profonda”, mentre i novizi si affidano maggiormente alle caratteristiche superficiali (Hardiman, Dufresne, & Mestre, 1989). È interessante notare che l'addestramento dei novizi a riconoscere le caratteristiche profonde migliora le loro prestazioni rispetto a quelle dei novizi non addestrati.

I novizi in genere rispondono ai problemi in termini di come vengono presentati; gli esperti reinterpretano i problemi per rivelare una struttura sottostante, una che molto probabilmente corrisponde alla loro rete LTM (Resnick, 1985). I novizi tentano di tradurre le informazioni fornite direttamente in formule e risolvere per le quantità mancanti. Piuttosto che generare formule, gli esperti possono inizialmente disegnare diagrammi per chiarire le relazioni tra gli aspetti del problema. Spesso costruiscono una nuova versione del problema. Nel momento in cui sono pronti per eseguire i calcoli, di solito hanno semplificato il problema ed eseguono meno calcoli rispetto ai novizi. Durante il lavoro, gli esperti monitorano meglio le loro prestazioni per valutare i progressi verso l'obiettivo e il valore della strategia che stanno usando (Gagné et al., 1993).

Infine, gli esperti dedicano più tempo alla pianificazione e all'analisi. Sono più riflessivi e non procedono finché non hanno in mente una strategia. Moore (1990) ha scoperto che gli insegnanti esperti dedicano più tempo alla pianificazione rispetto agli insegnanti meno esperti, oltre a più tempo per esplorare nuove classi. Tale pianificazione rende più facile l'implementazione della strategia.

In sintesi, le differenze tra i risolutori di problemi novizi ed esperti sono molte. Rispetto ai novizi, gli esperti:

• Possiedono più conoscenza dichiarativa
• Hanno una migliore organizzazione gerarchica della conoscenza
• Dedicano più tempo alla pianificazione e all'analisi
• Riconoscono più facilmente i formati dei problemi
• Rappresentano i problemi a un livello più profondo
• Monitorano le loro prestazioni più attentamente
• Comprendono meglio il valore dell'uso della strategia

Il ragionamento si riferisce ai processi mentali coinvolti nella generazione e valutazione di argomentazioni logiche (Anderson, 1990). Il ragionamento produce una conclusione da pensieri, percezioni e asserzioni (Johnson-Laird, 1999) e implica l'elaborazione di problemi per spiegare perché qualcosa è accaduto o cosa accadrà (Hunt, 1989). Le capacità di ragionamento includono chiarificazione, fondamento, inferenza e valutazione (Ennis, 1987; Quellmalz, 1987).

Chiarificazione

La chiarificazione richiede l'identificazione e la formulazione di domande, l'analisi degli elementi e la definizione dei termini. Queste abilità implicano la determinazione di quali elementi in una situazione siano importanti, cosa significhino e come siano correlati. A volte, vengono poste domande scientifiche, ma altre volte gli studenti devono sviluppare domande come “Qual è il problema, l'ipotesi o la tesi?” La chiarificazione corrisponde alla fase di rappresentazione della risoluzione dei problemi; gli studenti definiscono il problema per ottenere una chiara rappresentazione mentale. Poco ragionamento produttivo si verifica senza una chiara dichiarazione del problema.

Base

Le conclusioni delle persone su un problema sono supportate da informazioni provenienti da osservazioni personali, dichiarazioni di altri e inferenze precedenti. Giudicare la credibilità di una fonte è importante. Nel fare ciò, si deve distinguere tra fatto, opinione e giudizio motivato. Si supponga che un sospetto armato di pistola venga arrestato vicino al luogo di un omicidio. Che il sospetto avesse una pistola al momento dell'arresto è un fatto. I test di laboratorio sulla pistola, sui proiettili e sulla vittima portano al giudizio motivato che la pistola è stata usata nel crimine. Qualcuno che indaga sul caso potrebbe essere dell'opinione che il sospetto sia l'assassino.

Inferenza

Il ragionamento scientifico procede induttivamente o deduttivamente. Il ragionamento induttivo si riferisce allo sviluppo di regole generali, principi e concetti dall'osservazione e dalla conoscenza di esempi specifici (Pellegrino, 1985). Richiede la determinazione di un modello e delle sue regole di inferenza associate (Hunt, 1989). Le persone ragionano induttivamente quando estraggono somiglianze e differenze tra oggetti ed eventi specifici e arrivano a generalizzazioni, che vengono testate applicandole a nuove esperienze. Gli individui conservano le loro generalizzazioni finché sono efficaci e le modificano quando sperimentano prove contrastanti.

Alcuni dei tipi più comuni di compiti utilizzati per valutare il ragionamento induttivo sono i problemi di classificazione, concetto e analogia. Si consideri la seguente analogia (Pellegrino, 1985):

• zucchero : dolce :: limone : ______
• giallo aspro frutto spremere tè

Le operazioni mentali appropriate rappresentano un tipo di sistema di produzione. Inizialmente, lo studente rappresenta mentalmente gli attributi critici di ciascun termine nell'analogia. Attiva le reti nella MLT coinvolgendo ogni termine, che contengono attributi critici dei termini per includere concetti subordinati e sovraordinati. Successivamente, confronta le caratteristiche della prima coppia per determinare il collegamento. “Dolce” è una proprietà dello zucchero che coinvolge il gusto. Quindi, cerca nella rete “limone” per determinare quale delle cinque caratteristiche elencate corrisponde in significato a “limone” come “dolce” fa a “zucchero.” Sebbene tutti e cinque i termini siano molto probabilmente memorizzati nella sua rete “limone”, solo “aspro” coinvolge direttamente il gusto.

I bambini iniziano a mostrare un ragionamento induttivo di base intorno agli 8 anni. Con lo sviluppo, i bambini possono ragionare più velocemente e con materiale più complesso. Ciò si verifica perché le loro reti MLT diventano più complesse e meglio collegate, il che a sua volta riduce il carico sulla ML. Per aiutare a promuovere il pensiero induttivo, gli insegnanti potrebbero utilizzare un approccio di scoperta guidata in cui i bambini imparano diversi esempi e cercano di formulare una regola generale. Ad esempio, i bambini possono raccogliere foglie e formulare alcuni principi generali che coinvolgono steli, vene, dimensioni e forme di foglie di alberi diversi. Gli insegnanti potrebbero porre un problema agli studenti, come “Perché il metallo affonda nell'acqua ma le navi metalliche galleggiano?” Piuttosto che dire agli studenti come risolvere il problema, l'insegnante potrebbe fornire materiali e incoraggiarli a formulare e testare ipotesi mentre lavorano sul compito. Phye (1997; Klauer & Phye, 2008) ha discusso metodi di insegnamento e programmi efficaci che sono stati utilizzati per insegnare il ragionamento induttivo agli studenti.

Il ragionamento deduttivo si riferisce all'applicazione di regole di inferenza a un modello formale di un problema per decidere se istanze specifiche seguono logicamente. Quando gli individui ragionano deduttivamente, procedono da concetti generali (premesse) a istanze specifiche (conclusioni) per determinare se queste ultime derivano dalle prime. Una deduzione è valida se le premesse sono vere e se la conclusione segue logicamente dalle premesse (Johnson-Laird, 1985, 1999).

I processi di ragionamento linguistico e deduttivo sono intimamente collegati (Falmagne & Gonsalves, 1995; Polk & Newell, 1995). Un tipo di problema di deduzione è la serie a tre termini (Johnson-Laird, 1972). Per esempio,

• Se Karen è più alta di Tina, e ->; (generando il modello)
• Se Mary Beth non è alta come Tina, allora ->; (riaffermando il modello)
• Chi è la più alta? => (modello completo)

I processi di risoluzione dei problemi impiegati con questo problema sono simili a quelli discussi in precedenza. Inizialmente si forma una rappresentazione mentale del problema, come , . Si lavora quindi in avanti combinando le proposizioni ( ) per risolvere il problema. I fattori di sviluppo limitano la competenza dei bambini nel risolvere tali problemi. I bambini possono avere difficoltà a mantenere le informazioni rilevanti del problema nella ML e potrebbero non capire il linguaggio usato per esprimere le relazioni.

Un altro tipo di problema di ragionamento deduttivo è il sillogismo. I sillogismi sono caratterizzati da premesse e una conclusione contenente le parole tutti, nessuno e alcuni. Le seguenti sono premesse di esempio:

• Tutti i professori universitari sono pigri. -> (generalizzazione contestuale)
• Alcuni studenti laureati non sono pigri. -> (esclusione contestuale)
• Nessuno studente universitario è pigro. -> (disposizione della controversia)

Un sillogismo di esempio è il seguente:

• Tutti gli studenti della classe di Ken sono bravi in matematica. -> (suggerimento di premessa)
• Tutti gli studenti che sono bravi in matematica frequenteranno l'università. -> (formazione di pregiudizio)
• (Pertanto) Tutti gli studenti della classe di Ken frequenteranno l'università. -> (presupposto generale)

I ricercatori discutono su quali processi mentali le persone usano per risolvere i sillogismi, incluso se le persone rappresentano le informazioni come diagrammi di Venn (cerchio) o come stringhe di proposizioni (Johnson-Laird, 1985). Un'analisi del sistema di produzione dei sillogismi fornisce una regola di base: un sillogismo è vero solo se non c'è modo di interpretare le premesse per implicare il contrario della conclusione; cioè, un sillogismo è vero a meno che non si possa trovare un'eccezione alla conclusione. La ricerca deve esaminare i tipi di regole che le persone applicano per verificare se le premesse di un sillogismo consentono un'eccezione.

Sono state proposte diverse visioni per spiegare i meccanismi del ragionamento deduttivo (Johnson-Laird, Byrne, & Tabossi, 1989). Una visione sostiene che il ragionamento procede sulla base di regole formali di inferenza. Le persone imparano le regole (ad esempio, la regola del modus ponens governa le affermazioni “se p allora q”) e quindi abbinano le istanze alle regole.

Una seconda visione, correlata, postula regole specifiche per il contenuto. Possono essere espresse come produzioni in modo tale che istanze specifiche attivino le regole di produzione. Pertanto, una produzione può coinvolgere tutte le auto e può essere attivata quando si incontra un'auto specifica (“il mio marchio X”).

Una terza visione sostiene che il ragionamento dipende da procedure semantiche che cercano interpretazioni delle premesse che sono controesempi alle conclusioni. Secondo questa visione, le persone costruiscono uno o più modelli mentali per le affermazioni che incontrano (interpretazioni delle premesse); i modelli differiscono nella struttura e vengono utilizzati per testare la logica della situazione. Gli studenti possono ripetutamente ricodificare il problema in base alle informazioni; quindi, la deduzione è in gran parte una forma di ragionamento verbale (Polk & Newell, 1995). Johnson-Laird e colleghi (Johnson-Laird, 1999; Johnson-Laird, Byrne, & Schaeken, 1992; Johnson-Laird et al., 1989) hanno esteso questa analisi semantica a varie classi di inferenze (ad esempio, quelle che coinvolgono se, o, e, non e quantificatori multipli). Ulteriori ricerche aiuteranno anche a determinare le implicazioni didattiche di queste analisi teoriche.

Valutazione

La valutazione implica l'utilizzo di criteri per giudicare l'adeguatezza di una soluzione a un problema. Nella valutazione, gli studenti affrontano domande come: “I dati sono sufficienti per risolvere il problema?” “Ho bisogno di più informazioni?” e “Le mie conclusioni si basano su fatti, opinioni o giudizi motivati?” La valutazione implica anche decidere cosa dovrebbe succedere dopo, ovvero formulare ipotesi su eventi futuri assumendo che la propria risoluzione dei problemi sia corretta finora.

Il ragionamento deduttivo può essere influenzato anche dal contenuto, a prescindere dalla logica. Wason (1966) mise quattro carte (che mostravano A B 2 3) di fronte ai partecipanti. Fu detto loro che ogni carta conteneva una lettera su un lato e un numero sull'altro, e fu data loro una regola condizionale: “Se una carta ha A su un lato, allora ha 2 sull'altro.” Il loro compito era selezionare le carte che dovevano essere girate per determinare se la regola fosse vera. Sebbene la maggior parte dei partecipanti abbia scelto la carta A e molti abbiano scelto anche il 2, pochi hanno scelto il 3; tuttavia, deve essere girata perché se c'è una A sull'altro lato, allora la regola è falsa. Quando il contenuto è stato cambiato in una generalizzazione quotidiana (ad esempio, lettera = colore dei capelli, numero = colore degli occhi, A = capelli biondi, 2 = occhi azzurri), la maggior parte delle persone ha fatto le selezioni corrette (Wason & Johnson-Laird, 1972). Questi risultati sottolineano l'importanza di non presumere la generalizzazione nel ragionamento, ma piuttosto di dare agli studenti l'esperienza di lavorare su diversi tipi di contenuto.

I processi metacognitivi entrano in tutti gli aspetti del ragionamento scientifico. Gli studenti monitorano i loro sforzi per garantire che le domande siano poste correttamente, che i dati provenienti da fonti adeguate siano disponibili e utilizzati per trarre inferenze e che vengano impiegati criteri pertinenti nella valutazione. L'insegnamento del ragionamento richiede istruzioni sulle abilità e sulle strategie metacognitive. Anche il carico cognitivo sembra importante. Il ragionamento scientifico è difficile se più fonti di informazione devono essere elaborate contemporaneamente, il che grava sulla WM. Carlson et al. (2003) hanno scoperto che la performance scientifica degli studenti beneficiava di due procedure progettate per ridurre il carico cognitivo: diagrammi e istruzioni che riducevano al minimo la quantità di informazioni da elaborare contemporaneamente.

I collegamenti tra apprendimento e risoluzione dei problemi suggeriscono che gli studenti possono apprendere euristiche e strategie e diventare migliori risolutori di problemi (Bruning et al., 2004). Inoltre, affinché le informazioni siano collegate nella memoria, è meglio integrare la risoluzione dei problemi con il contenuto accademico (come raccomandato da Meg nello scenario di apertura) piuttosto che insegnare la risoluzione dei problemi con programmi autonomi. Nokes, Dole e Hacker (2007) hanno scoperto che l'istruzione euristica può essere infusa nell'insegnamento in classe senza sacrificare l'apprendimento dei contenuti da parte degli studenti.

Andre (1986) ha elencato diversi suggerimenti derivati dalla teoria e dalla ricerca, utili per formare gli studenti nelle capacità di risoluzione dei problemi, specialmente per come rappresentano le produzioni nella memoria.

• Fornire agli studenti rappresentazioni metaforiche. Un passaggio analogico concreto fornito agli studenti prima di un passaggio didattico facilita l'apprendimento dal passaggio di destinazione.
• Far verbalizzare gli studenti durante la risoluzione dei problemi. La verbalizzazione dei pensieri durante la risoluzione dei problemi può facilitare le soluzioni dei problemi e l'apprendimento.
• Utilizzare domande. Porre agli studenti domande che richiedano loro di mettere in pratica i concetti che hanno appreso; potrebbero essere necessarie molte di queste domande.
• Fornire esempi. Dare agli studenti molti esempi risolti che mostrano l'applicazione delle strategie di risoluzione dei problemi. Gli studenti potrebbero avere difficoltà a capire da soli come le strategie si applicano alle situazioni.
• Coordinare le idee. Mostrare come le produzioni e le conoscenze si relazionano tra loro e in quale sequenza potrebbero dover essere applicate.
• Utilizzare l'apprendimento per scoperta. L'apprendimento per scoperta spesso facilita il trasferimento e la risoluzione dei problemi meglio dell'insegnamento espositivo. La scoperta può costringere gli studenti a generare regole da esempi. Lo stesso può essere realizzato attraverso l'insegnamento espositivo, ma la scoperta può prestarsi meglio a determinati contenuti (ad esempio, esperimenti scientifici).
• Fornire una descrizione verbale. Fornire agli studenti una descrizione verbale della strategia e delle sue regole per l'applicazione può essere utile.
• Insegnare strategie di apprendimento. Gli studenti potrebbero aver bisogno di assistenza nell'utilizzo di strategie di apprendimento efficaci.
• Utilizzare piccoli gruppi. Numerosi studi hanno scoperto che l'apprendimento in piccoli gruppi aiuta a sviluppare le capacità di risoluzione dei problemi degli studenti. I membri del gruppo devono essere ritenuti responsabili del loro apprendimento e tutti gli studenti devono condividere il lavoro.
• Mantenere un clima psicologico positivo. I fattori psicologici sono importanti per un'efficace risoluzione dei problemi. Ridurre al minimo l'eccessiva ansia tra gli studenti e aiutare a creare un senso di autoefficacia tra gli studenti per migliorare le loro capacità.

Un altro suggerimento didattico è quello di introdurre gradualmente la risoluzione dei problemi, che può essere particolarmente utile con gli studenti che hanno poca esperienza in merito. Questo può essere fatto utilizzando esempi risolti (Atkinson, Renkl, & Merrill, 2003; Renkl & Atkinson, 2003; discusso più avanti nella sezione di questo corso). I testi di matematica, ad esempio, spesso dichiarano una regola o un teorema, seguito da uno o più esempi risolti. Gli studenti risolvono quindi problemi comparabili applicando i passaggi degli esempi risolti (un tipo di ragionamento analogico). Renkl e Atkinson hanno raccomandato di fare affidamento sugli esempi nelle prime fasi dell'apprendimento, seguito da una transizione alla risoluzione dei problemi man mano che gli studenti sviluppano competenze. Questo processo aiuta anche a ridurre al minimo le richieste alla WM, o il carico cognitivo che gli studenti sperimentano. Pertanto, la transizione potrebbe procedere come segue. Inizialmente viene fornito un esempio completo, quindi un esempio in cui viene omesso un passaggio. Con ogni esempio successivo viene omesso un passaggio aggiuntivo fino a quando gli studenti non raggiungono la risoluzione indipendente dei problemi.

L'apprendimento basato sui problemi (PBL; Hmelo-Silver, 2004) offre un'altra applicazione didattica. In questo approccio, gli studenti lavorano in gruppo su un problema che non ha una risposta corretta. Gli studenti identificano ciò che devono sapere per risolvere il problema. Gli insegnanti agiscono come facilitatori fornendo assistenza ma non risposte. È stato dimostrato che il PBL è efficace nell'insegnamento delle capacità di risoluzione dei problemi e di autoregolamentazione, ma la maggior parte della ricerca è stata condotta nell'istruzione medica e per studenti dotati (Evenson, Salisbury-Glennon, & Glenn, 2001; Hmelo-Silver, 2004). Il PBL è utile per l'esplorazione di problemi significativi. Poiché richiede molto tempo, gli insegnanti devono considerare la sua adeguatezza dati gli obiettivi didattici.