¿Cuánta repetición es recomendable en los ejercicios de clase? ¿Merece la pena agrupar la práctica en una única sesión o hacerlo en sesiones espaciadas? ¿Qué papel jugará la inteligencia artificial en la práctica individual?
(Abro hilo)
(Abro hilo)
La mayoría de los que hemos cursado estudios que implican partes prácticas ya sean idiomas, matemáticas, física, programación... (en realidad casi cualquier estudio reglado), entendemos que es necesario repetir para dominar. ¿Pero cuánto? ¿Y de qué forma se debe dar esa práctica?
Overlearning es la voz inglesa que se refiere al hecho de seguir practicando una cosa que ya se ha aprendido. Por ejemplo, una vez un estudiante ha resuelto varias ecuaciones de dificultad similar, seguir practicándolas es “overlearning”. Algo así como “sobreestudio”
Rohrer y Taylor (2006) trabajaron sobre esta idea con dos experimentos diferentes con 116 alumnos.
En el primero estudiaron lo que ocurría cuando los estudiantes resolvían 10 ejercicios/problemas prácticos bien en una única sesión (grupo 1) o bien en dos sesiones de cinco problemas cada una, separadas por una semana (grupo 2).
A ambos grupos los evaluaron a la semana o a las las cuatro semanas con resultados muy diferentes. Los alumnos que estudiaron en sesiones espaciadas obtuvieron significativamente mejores resultados a las 4 semanas que los que practicaron sin espaciar.
Aunque el grupo 1 tuvo ligeramente mejor resultado a corto plazo, a las cuatro semanas el resultado se invirtió de forma significativa. Los alumnos que practicaron el concepto con sesiones espaciadas lo aprendieron mejor. 
En el segundo experimento un grupo hizo 3 ejercicios y otros 9 en una única sesión. A ambos grupos los evaluaron a la semana o a las 4 semanas con resultados muy parecidos. Por tanto no era una cuestión de cuántos ejercicios hacían si no de espaciar la práctica
Del estudio: “Yet overlearning and massed practice are fostered by the format of most mathematics textbooks. In these texts, virtually all of the problems relating to a given topic are massed into one assignment, and the number of the problems is enough to produce overlearning.”
Es decir que la mayoría de los libros de texto de matemáticas tienen una estructura que tiende al sobreaprendizaje o sobreestudio y suelen estructurar los temas en un único bloque en lugar de espaciar el aprendizaje.
Por otro lado suelo observar que hay grupo de alumnos en mi aula que habitualmente “sobreestudian”. Porque comprenden el concepto, lo trabajan dos o tres veces y una vez dominado continúan practicándolo cuando ya no necesitan trabajarlo más.
Es el tipo de alumno que en multitud de ocasiones se aburre. Y un alumno que se aburre es candidato a interrumpir la dinámica normal de la clase porque reclama atención.
Así que no os descubro nada si os digo que un exceso de práctica también tiene un efecto negativo sobre determinados alumnos y que espaciar sesiones y evitar una excesiva repetición de ejercicios similares también ayudará a estos alumnos.
A mi juicio la inteligencia artificial nos dará a los docentes un complemento ideal para que los alumnos sigan itinerarios de práctica adaptados. De la misma manera que un profesor de forma individual ajusta la dificultad para que el estudiante no sobreestudie...
...los itinerarios adaptados apoyados en inteligencia artificial intuyo que apoyarán al docente en el aprendizaje. Pero todavía el progreso en dotación de equipos individuales y herramientas libres que nos brinden esta opción es insuficiente
@geogebra ha dado un paso adelante en el seguimiento individual con la creación de GeoGebra Classroom. Pero todavía está lejos de ser ese escenario de práctica adaptada.
A modo de cierre de este hilo, podemos concluir que la práctica espaciada tiene un efecto beneficioso por sí misma. Así que el curso que viene trataré de tenerlo presente. Cómo veis ninguna fórmula mágica, solo un intento de tomar decisiones apoyadas en evidencias científicas.
Este hilo surge de otra agradable mañana leyendo “¿Cómo aprendemos?” de @hruizmartin , que es lo que me ha puesto en la pista de este estudio.
Referencias: uweb.cas.usf.edu/~drohrer/pdfs/…
Referencias: uweb.cas.usf.edu/~drohrer/pdfs/…
