La teoría de la carga cognitiva como marco explicativo del aprendizaje colaborativo

La teoría de la carga cognitiva es un enfoque instruccional basado en el funcionamiento de la arquitectura cognitiva humana y su rol en el aprendizaje y la solución de problemas (Sweller, Ayres, & Kalyuga, 2011). Esta arquitectura incluye los límites de la memoria de trabajo, la organización multinivel de los conocimientos almacenados en la memoria de trabajo y la interacción de estos dos sistemas. La investigación de esta interacción marcó una primera versión de la teoría de la carga cognitiva. Su reciente versión ha puesto énfasis en las categorías del conocimiento y los principios de la arquitectura cognitiva humana tomando analógicamente la perspectiva biológica evolutiva. Este nuevo enfoque pretende dar mayor poder explicativo de los efectos y generar un amplio rango de hipótesis (Sweller, 2016).

Siguiendo las categorías de conocimiento que según Geary (Geary, 2005, 2008a, 2012) son consecuencias de la historia evolutiva humana, la teoría de la carga cognitiva distingue entre conocimientos biológicos primarios y secundarios. Esta distinción es muy semejante a la distinción entre conocimientos intuitivos y reflexivos provenientes de la psicología cognitiva (Evans, 2011) y la filosofía (ver las revisiones de Frankish & Evans, 2009; Smith & Collins, 2009).

Los conocimientos biológicos primarios son dominios no completamente desarrollados que son adquiridos por herencia genética. Es decir, son dominios que permitieron la supervivencia de la especie humana y son transmitidos sexualmente de padres a hijos. Estos conocimientos se desarrollan rápida e inconscientemente solo por ser miembro de una sociedad; es decir no requieren enseñanza explícita ni esfuerzo cognitivo. Por ejemplo, distinguir entre rostros humanos y comprenderlos (i.e., folk psychology), comprender a otras especies (i.e., folk biology), así como reconocer y contar objetos físicos (i.e., folk physics). Es crítico señalar el rol del contexto social para el desarrollo de estos conocimientos. El alto nivel de inmadurez al nacer crea las condiciones para una temprana exposición al mundo social la cual podría explicar el gran desarrollo infantil temprano en comparación con las especies más cercanas (Phillips, Abbot, & Rokas, 2015; Portmann, 1990; Sakai et al., 2012).

Los conocimientos primarios son cruciales para la instrucción ya que son la base para la adquisición de conocimientos biológicos secundarios (Paas & Sweller, 2012). Los conocimientos secundarios son aquellos que son adquiridos en las escuelas y para los cuales los humanos no evolucionaron para aprender. Por ejemplo, despejar a para la ecuación a/b=c. Para resolver esta ecuación se requiere conocimientos primarios tales como el conteo, enfoque visual y mecanismos de control inhibitorio (Geary, 2008b) pero no son suficientes. A diferencia de los conocimientos primarios, los conocimientos secundarios son difíciles de aprender, requieren enseñanza explícita, esfuerzo cognitivo y alta motivación. Los conocimientos de dominio general como el análisis de medios y fines no requieren ser enseñadas porque se pueden llevar a cabo intuitivamente. Pero las tareas que son producto del desarrollo cultural y que forman parte del currículum escolar no pueden aprenderse sin una adecuada guía en condiciones instruccionales (P. A. Kirschner, Sweller, & Clark, 2006). Consecuentemente, la implicaciones de teoría de la carga cognitiva aplican mejor cuando se requiere aprender conocimientos biológicos secundarios.

El aprendizaje de conocimientos biológicos secundarios depende de las características de la arquitectura cognitiva humana. Tomando la teoría de la evolución biológica analógicamente (Siegler, 1996), Sweller ha sugerido que los mecanismos de la estructura cognitiva humana deben incorporar los procesos y funciones de la evolución por selección natural. Para esto compara la operación de la cognición humana con la evolución por selección natural como ejemplos de un sistema de procesamiento de información natural (2003, 2004, 2016). Esta estructura puede ser descrita mediante cinco principios básicos:

·      Principio de almacenamiento de información: los sistemas naturales de procesamiento de información tienen grandes almacenes de información que gobiernan sus actividades. La memoria de largo plazo provee esta función en la arquitectura cognitiva humana.

·      Principio de préstamo y reorganización: la información almacenada es prestada mayormente de otros almacenes de información. Este préstamo no produce una copia exacta sino una reorganización de la información. Los humanos imitan, escuchan, observan o leen la información de otros para almacenarla en la memoria de largo plazo de forma organizada.

·      Principio de aleatoriedad como génesis: la información que no es prestada sino completamente nueva se la adquiere mediante un proceso aleatorio de prueba y generación. Debido a la ausencia de información relevante de otros sistemas, la información nueva se adquiere durante la solución de un problema usando métodos generales como el análisis de medios y fines.

·      Principio de límites estrechos para el cambio: este mecanismo evita los cambios aleatorios rápidos y grandes en el almacén de información los cuales podrían destruir su funcionalidad. Este principio se representa por la memoria de trabajo, la cual es severamente limitada en capacidad y duración, ya que solo permite el procesamiento de unos pocos elementos de información nuevos. Esto evita dañar las estructuras de conocimientos almacenadas en la memoria de trabajo. Si la información supera los límites de la memoria de trabajo, el sistema experimenta sobrecarga y el aprendizaje se deteriora.

·      Principio de organización y vínculo ambiental: la información almacenada guía el comportamiento del sistema en su ambiente externo. Cuando la información es usada desde el almacén del sistema, los límites estrechos se reducen o desaparecen. Ante la necesidad de resolver problemas complejos, la cognición humana recurre a los conocimientos organizados y almacenados en la memoria de largo plazo para manipularlos en memoria de trabajo y poder resolver apropiadamente el problema.

Estos principios definen de forma general el comportamiento de la arquitectura cognitiva humana cuando se requiere aprender conocimientos biológicamente secundarios. Por esta razón, la teoría de la carga cognitiva se ha enfocado en comprender las condiciones en las que el sistema cognitivo humano se desempeña mejor ante situaciones de aprendizaje complejo. Esto implica cómo afecta la interacción de la información en la memoria de trabajo. Como se dijo, la memoria de trabajo es severamente limitada porque solo puede procesar alrededor de 4±1 elementos interactivos de información nuevos durante aproximadamente 18 segundos (Baddeley, 2006; Cowan, 2005; Miller, 1956; Peterson & Peterson, 1959). De esta manera, la carga cognitiva ha sido definida como la cantidad de elementos interactivos de información que son procesados en la memoria de trabajo. El efecto de la interactividad de estos elementos sobre la memoria de trabajo depende del conocimiento previo. Consecuentemente, se asume que la memoria de trabajo contiene recursos que son invertidos cuando aprendemos. Cuando la información es nueva, es decir que no se cuenta con conocimientos relevantes en la memoria a largo plazo, y supera los límites en cantidad y duración de procesamiento de la memoria de trabajo, se experimenta carga cognitiva produciendo bajo aprendizaje o rendimiento. Sin embargo, cuando se tiene conocimientos previos relevantes en la memoria a largo plazo, los elementos interactivos no afectan el procesamiento de la memoria de trabajo. Todo lo contrario, se sugiere que el conocimiento previo considera a la información entrante (que no es nueva) como un solo elemento, disminuyendo su complejidad y permitiendo el procesamiento de más elementos al mismo tiempo. Como se puede observar, la interactividad de los elementos es un concepto central en la teoría de la carga cognitiva, cuya investigación ha permitido identificar muchos efectos instruccionales que afectan positiva o negativamente el aprendizaje. De esta manera, la interactividad de los elementos puede variarse mediante el diseño instruccional, reduciendo la carga irrelevante para el aprendizaje.

Los investigadores han definido tres categorías de carga cognitiva relacionadas al aprendizaje. La carga cognitiva ajena (i.e., extraneous load) es causada por elementos de información del material o tarea que no pertenecen a la información esencial que debe ser aprendida pero consumen recursos de la memoria de trabajo. Por ejemplo cuando dividen la atención, cuando presentan la misma información de aprendizaje tanto visual como verbalmente, o cuando ella se presenta transitoriamente sin tener el tiempo para ser comprendida. Cuando esta carga es elevada y no puede ser controlada por el estudiante, reduce los recursos cognitivos que podrían dedicarse a la construcción de esquemas en la memoria a largo plazo. La carga cognitiva intrínseca (i.e., intrinsic load) es causada por la interactividad de los elementos de información que deben ser aprendidos. A mayor nivel de interactividad, mayor carga cognitiva intrínseca. Esta carga puede ser graduada de acuerdo para ser ajustada a la capacidad del estudiante mediante mediante procedimientos instruccionales (Sweller, 2010). Si la cantidad de elementos interactivos supera la capacidad de la memoria de trabajo, produciendo carga cognitiva ajena, se la debe simplificar fragmentándola para que pueda ser procesada gradualmente, es decir en bloques de información interactiva simples, medianos y complejos, y presentarlos de manera secuencial y ajustada a la adquisición en la memoria de largo plazo (i.e., Van Merriënboer, Kester, & Paas, 2006). La carga cognitiva adecuada (i.e., germane cognitive load) se refiere a los recursos cognitivos de la memoria de trabajo que están disponibles para tratar con la interactividad de los elementos relacionados con la carga cognitiva intrínseca (Sweller, 2010; Sweller et al., 2011). Al inicio los investigadores asumieron que imponía más carga en la memoria de trabajo sumando a las dos anteriores, pero luego se sugirió que ella es parte de la carga cognitiva intrínseca de la memoria de trabajo (Kalyuga, 2011; Paas, Van Gog, & Sweller, 2010; Sweller, 2010). Por esta razón, los investigadores ya no la consideran como una carga producida por el material o la complejidad de la información a ser aprendida, sino como un recurso independiente de la memoria de trabajo relacionada con las características del aprendiz (Paas et al., 2010; Sweller, 2010; Sweller et al., 2011). Se ha sugerido que la carga cognitiva adecuada varía en función de las otras cargas. Es decir, suponiendo niveles estables de motivación, capacidad cognitiva y conocimiento previo, si una tarea impone mucha carga ajena, quedarán pocos recursos para invertir en la carga intrínseca y consecuentemente en la carga adecuada. Consecuentemente, si la información interactiva es mayormente intrínseca a lo que se desea aprender y se disminuye o elimina la carga ajena, se dedicarán más recursos o carga adecuados para tratar con la carga intrínseca.

Por esto, según los investigadores no es necesario insistir en tres categorías de carga cognitiva sino solamente en la intrínseca y ajena. Esta formulación de la carga cognitiva adecuada, según Sweller (2010), elimina la contradicción de su anterior formulación. Sin embargo, esto no ha clarificado las afirmaciones de que la carga cognitiva adecuada “se refiere meramente a los recursos de la memoria de trabajo para tratar la interactividad de la carga intrínseca” y “tiene que ver solamente con las características del aprendiz” (Sweller, 2010, p. 126). En recientes artículos teóricos este constructo ya no ha sido considerado (Sweller, 2015a, 2015b, 2016) diluyéndose en la complejidad intrínseca de la información. Pero queda la cuestión de si la primera formulación de la carga cognitiva adecuada sigue siendo relevante, ya que falta un constructo teórico importantísimo que dé cuentas de la interacción entre la información de la memoria a largo plazo activada durante la instrucción y aquella que ingresa a la memoria de trabajo plazo. La inversión de recursos cognitivos de la memoria de trabajo presupone la activación simultánea de redes neuronales que almacenan información para que den sentido a la información percibida (Wolfe, 2010). Es decir, hace falta un componente que (1) explique cómo el conocimiento previo activado interpreta simultáneamente la información ya conocida que ingresa a la memoria de trabajo causando reversión de la experticia, (2) que regule la interacción entre el conocimiento previo y la información nueva mientras se reconstruyen los esquemas en la memoria a largo plazo, y (3) que transfiera los conocimientos previos a situaciones poco conocidas o desconocidas. Sería algo como el búfer episódico del modelo de Baddeley (Baddeley, 2000; Baddeley, Allen, & Hitch, 2011). Este componente faltante mediaría entre el flujo de conocimientos activados y la información de la memoria de trabajo, aludiendo de esta manera a la afirmación de Sweller de ser un recurso adecuado que trate con la complejidad de la carga cognitiva intrínseca y tenga que ver con las características del aprendiz. Pero además, siendo que interactúa con la información del ambiente, este componente también invertiría recursos en la carga cognitiva ajena, particularmente en aquellas situaciones donde el efecto de la atención dividida o de la redundancia no pueda ser removida de la instrucción. Además, este componente sería el responsable de la transferencia flexible del conocimiento técnico (Kalyuga & Hanham, 2011; Kalyuga, Renkl, & Paas, 2010).

Al considerar la teoría de la carga cognitiva como un teoría que explique la efectividad (e inefectividad) del aprendizaje colaborativo surgen otros elementos no considerados en el modelo actual. El componente que regula la interacción del flujo del conocimiento previo almacenado en la memoria de largo plazo con la información de la memoria de trabajo está supuesto en el aprendizaje colaborativo. Para aprender colaborativamente se requiere invertir recursos de los sistemas de memoria en los procesos de comunicación y coordinación de los miembros del grupo. Desde la teoría de la carga cognitiva, a estos recursos se les ha denominado costos de transacción (F. Kirschner, Paas, & Kirschner, 2011; P. A. Kirschner, Kirschner, & Janssen, 2014), un término acuñado primeramente en la psicología organizacional (Ciborra & Olson, 1988). Estos costos pueden producir carga cognitiva intrínseca o ajena, según si contribuyen o no a la construcción y automatización de esquemas en la memoria de largo plazo respectivamente. Tal como lo sugiere Webb (1991), que hay dos tipos de interacción verbal relacionadas significativamente con el aprendizaje en grupos dirigidos por pares: dar explicaciones elaboradas que estén relacionadas positivamente con el logro y recibir realimentación procesual de cómo llegar a la respuesta en lugar de recibir solamente la respuesta correcta. Dados uno niveles motivacionales altos, los costos de transacción requieren regulación activa del conocimiento previo por parte de cada miembro del grupo, y regulación del conocimiento grupal entre los miembros.

Queda pendiente investigar si estos costos de transacción y respectiva la carga cognitiva que produce pueden ser disminuidos cuando los grupos de estudiantes logran un nivel óptimo de interdependencia grupal (Johnson & Johnson, 2002). Como se ha podido apreciar, la teoría de la carga cognitiva pone énfasis en el aprendizaje individual teniendo en consideración el tipo de categoría de conocimiento (i.e., primario o secundario) y cómo opera la arquitectura cognitiva humana en particular las limitaciones de la memoria de trabajo. Sin embargo es necesario esclarecer los efectos derivados de las condiciones de aprendizaje colaborativo y si los efectos obtenidos en el aprendizaje individual son relevantes para la colaboración. Es posible hipotetizar que ante la gran cantidad de fuentes de información producidas por la interacción grupal los efectos tradicionales encontrados por la carga cognitiva se reduzcan significativamente. La investigación científica debe ayudar a cerrar esta brecha de conocimiento para refinan la teoría y mejorar las condiciones instruccionales.

Referencias

Baddeley, A. D. (2000). The episodic buffer: A new component of working memory? Trends in Cognitive Sciences, 4(11), 417-423. doi:10.1016/s1364-6613(00)01538-2

Baddeley, A. D. (2006). Working memory: An overview. In S. J. Pickering (Ed.), Working Memory and Education (pp. 1-31). Burlington: Academic Press.

Baddeley, A. D., Allen, R. J., & Hitch, G. J. (2011). Binding in visual working memory: The role of the episodic buffer. Neuropsychologia, 49(6), 1393-1400. doi:10.1016/j.neuropsychologia.2010.12.042

Ciborra, C. C., & Olson, M. H. (1988). Encountering electronic work groups: A transaction costs perspective. Office Technology and People, 4(4), 285-298. doi:10.1108/eb022667

Cowan, N. (2005). Working memory capacity. New York: Psychology Press.

Evans, J. S. B. T. (2011). Dual-process theories of reasoning: Contemporary issues and developmental applications. Developmental Review, 31(2–3), 86-102. doi:10.1016/j.dr.2011.07.007

Frankish, K., & Evans, J. S. B. T. (2009). The duality of mind: An historical perspective. In E. R. Smith & E. C. Collins (Eds.), In two minds: Dual processes and beyond (pp. 1-30). Oxford; New York: Oxford University Press.

Geary, D. C. (2005). The origin of mind: Evolution of brain, cognition, and general intelligence (1st ed.). Washington, DC: American Psychological Association.

Geary, D. C. (2008a). An evolutionarily informed education science. Educational Psychologist, 43(4), 179-195. doi:10.1080/00461520802392133

Geary, D. C. (2008b). Whither evolutionary educational psychology? Educational Psychologist, 43(4), 217-226. doi:10.1080/00461520802392240

Geary, D. C. (2012). Evolutionary educational psychology. In K. R. Harris, S. Graham, T. Urdan, C. B. McCormick, G. M. Sinatra, & J. Sweller (Eds.), APA educational psychology handbook, Vol 1: Theories, constructs, and critical issues (pp. 597-621). Washington, DC, US: American Psychological Association.

Johnson, D. W., & Johnson, R. T. (2002). Cooperative learning and social interdependence theory. In R. S. Tindale, L. Heath, J. Edwards, E. J. Posavac, F. B. Bryant, Y. Suarez-Balcazar, E. Henderson-King, & J. Myers (Eds.), Theory and Research on Small Groups (pp. 9-35). Boston, MA: Springer US.

Kalyuga, S. (2011). Cognitive load theory: How many types of load does it really need? Educational Psychology Review, 23(1), 1-19. doi:10.1007/s10648-010-9150-7

Kalyuga, S., & Hanham, J. (2011). Instructing in generalized knowledge structures to develop flexible problem solving skills. Computers in Human Behavior, 27(1), 63-68. doi:10.1016/j.chb.2010.05.024

Kalyuga, S., Renkl, A., & Paas, F. (2010). Facilitating flexible problem solving: A cognitive load perspective. Educational Psychology Review, 22(2), 175-186. doi:10.1007/s10648-010-9132-9

Kirschner, F., Paas, F., & Kirschner, P. A. (2011). Task complexity as a driver for collaborative learning efficiency: The collective working-memory effect. Applied Cognitive Psychology, 25(4), 615-624. doi:10.1002/acp.1730

Kirschner, P. A., Kirschner, F., & Janssen, J. (2014). The collaboration principle in multimedia learning. In R. E. Mayer (Ed.), The Cambridge handbook of multimedia learning (2nd. ed., pp. 547-575). New York: Cambridge University Press.

Kirschner, P. A., Sweller, J., & Clark, R. E. (2006). Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2), 75-86. doi:10.1207/s15326985ep4102_1

Miller, G. A. (1956). The magical number seven, plus or minus two: some limits on our capacity for processing information. Psychological Review, 63(2), 81-97. doi:10.1037/h0043158

Paas, F., & Sweller, J. (2012). An evolutionary upgrade of cognitive load theory: Using the human motor system and collaboration to support the learning of complex cognitive tasks. Educational Psychology Review, 24(1), 27-45. doi:10.1007/s10648-011-9179-2

Paas, F., Van Gog, T., & Sweller, J. (2010). Cognitive load theory: New conceptualizations, specifications, and integrated research perspectives. Educational Psychology Review, 22(2), 115-121. doi:10.1007/s10648-010-9133-8

Peterson, L. R., & Peterson, M. J. (1959). Short-term retention of individual verbal items. Journal of Experimental Psychology, 58, 193-198.

Phillips, J. B., Abbot, P., & Rokas, A. (2015). Is preterm birth a human-specific syndrome? Evolution, Medicine, and Public Health, 2015(1), 136-148. doi:10.1093/emph/eov010

Portmann, A. (1990). A zoologist looks at humankind. New York: Columbia University Press.

Sakai, T., Hirata, S., Fuwa, K., Sugama, K., Kusunoki, K., Makishima, H., . . . Takeshita, H. (2012). Fetal brain development in chimpanzees versus humans. Current Biology, 22(18), R791-R792. doi:10.1016/j.cub.2012.06.062

Siegler, R. S. (1996). Emerging minds: The process of change in children's thinking. New York: Oxford University Press.

Smith, E. R., & Collins, E. C. (2009). Dual-process models: A social psychological perspective. In J. S. B. T. Evans & K. Frankish (Eds.), In two minds: Dual processes and beyond (pp. 197-216). Oxford; New York: Oxford University Press.

Sweller, J. (2003). Evolution of human cognitive architecture. In B. H. Ross (Ed.), Psychology of Learning and Motivation (Vol. Volume 43, pp. 215-266): Academic Press.

Sweller, J. (2004). Instructional design consequences of an analogy between evolution by natural selection and human cognitive architecture. Instructional Science, 32(1-2), 9-31. doi:10.1023/B:TRUC.0000021808.72598.4d

Sweller, J. (2010). Element interactivity and intrinsic, extraneous, and germane cognitive load. Educational Psychology Review, 22(2), 123-138.

Sweller, J. (2015a). In academe, what is learned, and how is it learned? Current Directions in Psychological Science, 24(3), 190-194. doi:10.1177/0963721415569570

Sweller, J. (2015b). Working memory, long-term memory, and instructional design. Journal of Applied Research in Memory and Cognition. doi:10.1016/j.jarmac.2015.12.002

Sweller, J. (2016). Cognitive load theory, evolutionary educational psychology, and instructional design. In C. D. Geary & B. D. Berch (Eds.), Evolutionary Perspectives on Child Development and Education (pp. 291-306). Cham: Springer International Publishing.

Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive load theory. New York: Springer.

Van Merriënboer, J. J. G., Kester, L., & Paas, F. (2006). Teaching complex rather than simple tasks: Balancing intrinsic and germane load to enhance transfer of learning. Applied Cognitive Psychology, 20(3), 343-352. doi:10.1002/acp.1250

Webb, N. M. (1991). Task-related verbal interaction and mathematics learning in small groups. Journal for Research in Mathematics Education, 22(5), 366-389. doi:10.2307/749186

Wolfe, P. (2010). Brain matters: Translating research into classroom practice (2nd ed.). Alexandria, Va.: Association for Supervision and Curriculum Development.