Cerramos con la tercera parte del artículo firmado por Cindy E. Hmelo-Silver, Ravit Golan Duncan y Clark A. Chinn, donde dan respuesta al artículo de Kirschner et al. . En esta tercera parte de hoy, el protagonista será el Aprendizaje por Indagación o Investigación (AI) y los beneficios que trabajar con él concede a los estudiantes e incluso, según estos investigadores, a aquellos con más dificultades. Por supuesto, aquí no acaba esta polémica. Kirschner y su equipo cogieron el guante y dieron respuesta al mismo tiempo a este artículo que hoy terminamos de traducir. ¿Traduciremos también ese tercer artículo? Llegados a este punto, no va a estar de más saber qué aclaraciones o respuestas pueden dar, así que... ¡os esperamos!
Kirschner y sus colegas afirmaron que hay una falta de investigación que utilice experimentación controlada que muestre la eficacia relativa de los métodos de AI. Presentaron evidencia de que los estudiantes de bajo rendimiento asignados a la instrucción mínimamente guiada mostraron una disminución en el rendimiento después de tales intervenciones. Es cierto que los experimentos controlados de entornos basados en indagación, proyectos y problemas son escasos. Sin embargo, existen algunos estudios de este tipo, y estos muestran tamaños de efecto significativos y ganancias a favor de entornos basados en investigaciones, problemas y proyectos (Geier et al, en prensa; Hickey, Kindfeld, Horwitz y Christie, 1999; Hickey, Wolfe y Kindfeld, 2000; Lynch, Kuipers, Pyke y Szesze, 2005).
GenScopeTM es un entorno basado en indagación que ha sido extensa y sistemáticamente estudiado y ha demostrado generar avances en el aprendizaje que son significativamente mayores que los alcanzados en las aulas de comparación. El software GenScope es un entorno de investigación abierto diseñado para apoyar las investigaciones de los estudiantes de secundaria sobre fenómenos genéticos (Horwitz, Neumann, & Schwartz, 1996). A pesar de su naturaleza exploratoria y abierta, el entorno GenScope apoya el aprendizaje de los estudiantes de varias maneras complementarias: (a) simulaciones complejas que hacen visibles los mecanismos causales subyacentes a los fenómenos genéticos; (b) los estudiantes pueden manipular fácilmente representaciones de entidades biológicas en diferentes niveles de organización biológica; y (c) las representaciones de los fenómenos en los múltiples niveles están vinculados de tal manera que las manipulaciones de un nivel tienen consecuencias (que los estudiantes pueden ver) en los niveles subsiguientes. Varias iteraciones del entorno GenScope y los materiales curriculares relacionados se han implementado en las aulas de secundaria y se desarrolló un sistema de evaluación validado para evaluar el aprendizaje de los estudiantes (Hickey et al., 2000).
Hickey et al. (1999) encontró que 381 estudiantes en 21 aulas GenScope “mostraron ganancias significativamente mayores de pretest a postest que los 107 estudiantes en 6 aulas de comparación.” Los mayores logros fueron alcanzados por los estudiantes de clases de ciencias generales y biología general (en comparación con las clases de preparación para la universidad). El desempeño del significado de estos estudiantes aumentó desde los niveles más básicos de formas de razonamiento de dominio (causa a efectos) a razonamiento de dominio más sofisticado (efecto a causa). Esto es contrario al argumento de Kirschner et al. de que el AI perjudica a los estudiantes más débiles.
Particularmente impresionantes son los hallazgos recientes de un estudio de Geier et al. (en prensa), lo que demuestra significativamente tasas de aprobación más altas en exámenes estandarizados de alto riesgo para estudiantes de escuela intermedia (Programa de Evaluación Educativa de Michigan) en clases de ciencias que utilizan materiales basados en la investigación, en comparación con sus pares en un gran distrito urbano en el Medio Oeste de los Estados Unidos. Este estudio involucró dos cohortes compuestas por 1.803 estudiantes en la condición de intervención (en 18 escuelas) y 17,562 estudiantes en escuelas de comparación durante tres años de ejecución. La intervención incluyó hasta tres unidades de indagación, cada unidad con una duración de entre seis y nueve semanas de instrucción y enfocado en conceptos de ciencias físicas y ecología/ciencias de la Tierra. Estas unidades basadas en proyectos andamiaron el aprendizaje usando herramientas tecnológicas que expandieron los tipos de preguntas que los estudiantes podrían investigar, los datos que pudieron recopilar y brindó apoyo curricular para la construcción de modelos y el razonamiento científico (Amati, Singer, & Carrillo, 1999; Schneider y Krajcik, 2002; Singer et al., 2000).
Geier et al. (en prensa) demostró que las ganancias observadas ocurrieron hasta un año y medio después de la participación en la instrucción basada en la indagación, y el efecto fue acumulativo de tal manera que niveles más altos de participación (exposición a más unidades basadas en consultas) resultó en mayores ganancias. Las puntuaciones altas se obtuvieron en las tres áreas de contenido de ciencias (tierra, física y de la vida) y ambas habilidades de proceso (construcción y reflexión) evaluadas en la prueba. Los tamaños del efecto informados fueron 0.44 (14% de mejora en la puntuación total) para los estudiantes en el primer grupo y 0.37 (13% de mejora general) para estudiantes en el segundo grupo más grande. Por lo tanto, el tamaño del efecto no se redujo apreciablemente con el aumento de escala. Aún más convincente es su hallazgo de que la instrucción basada en la indagación tuvo éxito en la reducción de la brecha de rendimiento experimentada por los estudiantes masculinos urbanos afroamericanos. Los niños afroamericanos en las aulas de indagación "se pusieron al día" y no mostraron estadísticamente diferencia significativa de las niñas después de la exposición a al menos una unidad basada en la indagación.
Investigaciones recientes de Lynch et al. (2005) también sugieren que los entornos de aprendizaje basados en la indagación fomentan una mejor orientación hacia el compromiso y la meta de dominio entre los estudiantes desfavorecidos. En su estudio de comparación de más de 2,000 estudiantes de octavo grado (aproximadamente 1.200 en el tratamiento y 1.000 en el grupo de comparación) en diez escuelas intermedias en un gran y diverso distrito escolar de Maryland, Lynch et al. (2005) encontró ganancias más altas en general para todos los grupos de diversidad (basado en etnicidad, estatus socioeconómico, género y estatus de ESOL) en la condición del plan de estudios basado en la indagación (de seis a diez semanas por unidad en química). Así, los estudiantes de indagación de todos los grupos superaron a sus pares de comparación. El plan de estudios era también más efectivo (que la instrucción tradicional) para aumentar ciertos aspectos de motivación y compromiso, particularmente entre los grupos de estudiantes históricamente desfavorecidos.
Hay otros estudios que interpretamos como apoyo la efectividad del AI y otros entornos constructivistas (p. ej., Guthrie et al., 2004; Langer, 2001; Wu & Tsai, 2005). Por ejemplo, Guthrie et al. encontró que un programa de lectura de una escuela primaria que combinó la enseñanza de estrategias con opciones mejoradas para los estudiantes, amplias experiencias prácticas y la colaboración sustancial de los estudiantes, fue más efectiva para avanzar en la lectura de los estudiantes de instrucción tradicional o un tratamiento de solo instrucción de estrategias. Sospechamos que Kirschner et al. podría afirmar que este estudio apoya su posición, porque los maestros que usaron el programa de lectura proporcionaron a los estudiantes instrucción guiada sobre estrategias. Si hicieron esta afirmación, solo reforzarían nuestro punto central. Lo que Kirschner et al. ven como instrucción efectiva es a menudo totalmente compatible con el AI y otra instrucción constructivista. La mayoría de los defensores del AI están a favor de estructuras de orientación en un entorno que ofrece opciones, prácticas y experiencias mentales, y ricas colaboraciones de estudiantes.
En conclusión, existe una creciente evidencia de los estudios experimentales y cuasi-experimentales que demuestran que la instrucción basada en la indagación da como resultado unas ganancias en aprendizaje significativo en comparación con la instrucción tradicional y que los estudiantes desfavorecidos se benefician más de los enfoques de instrucción basados en la indagación. En muchos o la mayoría de los casos, ejemplares de instrucción de AI incorporan formas sólidas de orientación que los defensores de la instrucción guiada encontrarán atractivas.
Metas para el aprendizaje y la instrucción
Kirschner et al. (2006) afirmó que la búsqueda de metodologías de instrucción basadas en la indagación ha resultado en un cambio de enfoque instruccional “que lejos de enseñar una disciplina como un cuerpo del conocimiento hacia un énfasis exclusivo en el aprendizaje de una disciplina experimentando los procesos y procedimientos de la disciplina." Esta afirmación es problemática por al menos dos razones. Primero, el cambio en el enfoque de instrucción no es meramente un resultado de los métodos de investigación de la instrucción, sino que más bien se debe de manera más acusada a la reforma en los objetivos de la educación. Documentos de reformas recientes (AAAS, 1993; NCTM, 2000; NRC, 1996), en los Estados Unidos así como en otros países (DFE/WO, 1995; Ministerio de Educación [Taiwán], 2001), han enfatizado la importancia de comprender no solo el contenido sino también las epistemologías disciplinarias y las estrategias investigativas. En el caso de la educación científica en particular, un gran cuerpo de la investigación apoya la importancia de comprender la naturaleza de la investigación científica y las prácticas involucradas como un parte de la alfabetización científica (por ejemplo, DeBoer, 1991; Driver, Leach, Millar y Scott, 1996; Duschl, 1990; Lederman, 1998; McComas, Clough y Almazroa, 1998). Esto sugiere amplias metas para el aprendizaje y la instrucción.
En segundo lugar, las reformas actuales y el enfoque de investigación no están sustituyendo contenidos por prácticas; más bien, defienden que el contenido y las prácticas son objetivos centrales de aprendizaje. Los modelos de AI de hecho, fomentan un aprendizaje de contenido rico y sólido (Shymansky, 1984; Wise & Okey, 1983; Von Secker & Lissitz, 1999). Si bien es un reto desarrollar una instrucción que fomente el aprendizaje tanto de los marcos teóricos como de las prácticas de investigación de una disciplina, los ejemplos de tales entornos existen (Linn, Bell, & Hsi, 1999; Reiser et al., 2001; White & Frederiksen, 1998), y los marcos de diseño recientes ofrecen orientación para el desarrollo de entornos de aprendizaje tan ricos (Edelson, 2001; Quintana et al., 2004).
La noción de que el aprendizaje de los conceptos y teorías de una disciplina se sitúa mejor en el contexto de las prácticas de esa disciplina está respaldada por las teorías actuales del aprendizaje. Ambas perspectivas situadas y cognitivistas sobre la cognición reconocen la influencia del contexto de aprendizaje en la accesibilidad del conocimiento para uso futuro (Collins, Brown, & Newman, 1989; Greeno, 2006; Kolodner, 1993; Shank, 1982). Dado que los estudiantes necesitan para desarrollar comprensiones científicas interconectadas, significativas y útiles, es imperativo que los entornos de aprendizaje en los que los estudiantes adquieren este conocimiento deben ser similares a su probable contexto de uso. Estos probables contextos de aplicación son situaciones en las que los estudiantes se enfrentarán a problemas mal definidos como la evaluación de hallazgos científicos y argumentos presentados en los medios, determinando los beneficios y riesgos de las políticas (o procedimientos de salud) a través de la investigación, y construyendo lógica y científicamente explicaciones sensatas de los fenómenos cotidianos. Lo que sigue entonces es que las situaciones de aprendizaje deben proporcionar a los estudiantes oportunidades para participar en las prácticas científicas de cuestionamiento, investigación y argumentación, así como contenidos de aprendizaje en un contexto relevante y motivador.
CONCLUSIONES
Incluso en esta revisión limitada de la investigación sobre ABP y AI, está claro que la afirmación de que el ABP y AI “no funcionan” no está bien respaldada y, de hecho, hay apoyo para pensar lo contrario. Pero diríamos que "¿Esto funciona?" es la pregunta equivocada. Las preguntas más importantes que se deben hacer son en qué circunstancias estos enfoques de indagación guiada funcionan, cuáles son los tipos de resultados para los que son efectivos, qué tipo de prácticas valiosas promueven, y qué tipo de soporte y andamiaje se necesita para diferentes poblaciones y objetivos de aprendizaje. Las preguntas que deberíamos estar preguntando son complejas como lo es la evidencia que podría abordarlas. Requiere que uno considere también los objetivos de la educación, que incluye no solo el contenido de aprendizaje, sino también aprender “habilidades blandas” (Bereiter & Scardamalia, 2006) como prácticas epistémicas, aprendizaje autodirigido y colaboración, que no se miden en las pruebas de rendimiento pero que son importantes para ser aprendices de por vida y ciudadanos en una sociedad del conocimiento. En muchos sentidos, todavía no tenemos respuestas adecuadas a estas cuestiones relativas a las condiciones en las que varios tipos de entornos de aprendizaje andamiados son los más eficaces. Si bien no estamos argumentando en contra de varias formas de instrucción directa y más fuertemente guiada, del tipo que Kirschner et al. defienden, todavía no está claro cómo equilibrar AI y ABP (que son más constructivistas y experienciales) con guía instructiva directa. Creemos que una orientación más dirigida debe basarse en el pensamiento de los estudiantes. Como un campo necesitamos desarrollar entendimientos más profundos y detallados de las interrelaciones entre los diversos enfoques de instrucción y su impacto en los resultados del aprendizaje en diferentes contextos.
Deseamos concluir este artículo con la sabiduría común de Confucio sobre la naturaleza de la instrucción y el aprendizaje humano: “Dime y lo olvidaré; muéstrame y puedo recordar; involúcrame y lo entenderé.” Argumentamos que los enfoques de AI y ABP involucran al alumno, con el andamiaje adecuado, en las prácticas y conceptualizaciones de la disciplina y de esta manera promueven la construcción del conocimiento que reconocemos como aprendizaje.
ARTÍCULO ORIGINAL EN INGLÉS: https://www.researchgate.net/publication/277452339_Scaffolding_and_Achievement_in_Problem-Based_and_Inquiry_Learning_A_Response_to_Kirschner_Sweller_and_Clark_2006
Commentaires