Cognitivismo

Contexto

En esta sección, se explica el cognitivismo. Conviene entender que la historia reciente de la psicología del aprendizaje se puede dividir, a grandes rasgos, en dos periodos principales:

1. Durante la primera mitad del siglo XX, el conductismo fue la corriente dominante.
2. Durante la segunda mitad del siglo XX y principios del XXI, el cognitivismo emergió y se consolidó como el enfoque predominante.

La psicología cognitiva, o cognitivismo, es la rama de la psicología que se enfoca en el estudio científico de los procesos mentales internos implicados en el conocimiento y el pensamiento.

Se ocupa del análisis detallado de cómo las personas procesan la información: cómo la adquieren, representan (codifican), transforman, almacenan y recuperan para interactuar con el mundo.

A diferencia del conductismo, que se centraba exclusivamente en las relaciones observables entre estímulos externos y respuestas conductuales, rechazando el estudio de los procesos mentales internos (considerados una "caja negra"), el cognitivismo postula que para entender la conducta es esencial estudiar las representaciones mentales y los procesos cognitivos que median entre el estímulo y la respuesta. Estas representaciones pueden variar en complejidad, desde simples asociaciones (como en el condicionamiento) hasta estructuras complejas como esquemas, mapas mentales, conceptos abstractos y modelos mentales.

El cognitivismo, por lo tanto, ofrece una perspectiva más completa de la mente humana, considerando el pensamiento, la percepción, la atención, la memoria, el lenguaje, el aprendizaje y la resolución de problemas como procesos fundamentales para la comprensión integral de la conducta.

Motivos del auge del cognitivismo

El surgimiento y consolidación del cognitivismo como enfoque dominante se atribuyen, generalmente, a dos factores interrelacionados: la crisis interna del conductismo y el impacto de la revolución tecnológica, especialmente el auge de la computación.

La crisis del conductismo

El conductismo, que dominó la psicología durante décadas, comenzó a mostrar limitaciones significativas para explicar la complejidad del comportamiento humano y animal, lo que llevó a una crisis interna. Algunas de las causas más importantes fueron:

1. Insuficiencia explicativa del asociacionismo: El modelo asociacionista simple (E-R) se mostró incapaz de explicar fenómenos como el lenguaje, el pensamiento complejo, la planificación o el aprendizaje sin ejecución directa (aprendizaje latente).
2. Interpretación inadecuada del evolucionismo y la biología: Los conductistas tendieron a asumir una equipotencialidad (las leyes del aprendizaje son universales y aplicables a cualquier especie, estímulo o respuesta), generalizando hallazgos de estudios con pocas especies (principalmente ratas y palomas) a todo el aprendizaje. Investigaciones posteriores en etología, psicobiología y psicología comparada demostraron la existencia de restricciones biológicas, predisposiciones específicas de especie y la influencia de factores innatos en el aprendizaje, refutando la idea de una "tabula rasa".
3. Cuestionamiento del positivismo lógico: El neoconductismo se apoyaba filosóficamente en el positivismo lógico, que enfatizaba la observación empírica y el rechazo de constructos no observables. Filósofos de la ciencia como Kuhn, Popper, Lakatos y Feyerabend cuestionaron estos fundamentos epistemológicos, argumentando la importancia de las teorías y los constructos hipotéticos en el avance científico.
4. Conflictos teóricos internos y falta de unificación: Dentro del propio conductismo surgieron debates y enfoques divergentes (ej. Tolman vs. Hull vs. Skinner) que dificultaron la creación de una teoría unificada y coherente del aprendizaje, a pesar de los intentos.

Estas limitaciones prepararon el terreno para un cambio de paradigma que pudiera abordar los procesos mentales que el conductismo había ignorado.

Mapas cognitivos (Tolman)

Uno de los primeros críticos internos del conductismo radical y precursor del enfoque cognitivo fue Edward C. Tolman. En sus estudios con ratas en laberintos (famosamente descrito en su artículo de 1948, "Cognitive maps in rats and men"), Tolman introdujo conceptos mentalistas.

Argumentó que las ratas no aprendían simplemente una secuencia de respuestas motoras (giro a la derecha, giro a la izquierda...), sino que desarrollaban un mapa cognitivo, una representación mental de la disposición espacial del laberinto. Defendió la intencionalidad o propósito de la conducta (las ratas actuaban como si esperaran encontrar comida en un lugar determinado) y la existencia de cogniciones (representaciones internas).

Demostró el aprendizaje latente: las ratas aprendían el mapa del laberinto incluso sin refuerzo, pero este aprendizaje solo se manifestaba en su conducta (corrían más rápido y con menos errores) cuando se introducía una recompensa, demostrando la distinción entre aprendizaje y ejecución.

Insight (Aprendizaje por Comprensión Súbita - Gestalt)

Los estudios de Wolfgang Köhler con chimpancés en Tenerife durante la década de 1910 (publicados en "La mentalidad de los monos" en 1925) proporcionaron otra evidencia temprana contra el aprendizaje puramente asociativo. Köhler observó que los chimpancés resolvían problemas (ej. alcanzar un plátano fuera de la jaula usando palos o cajas) de manera súbita y eficiente, no mediante ensayo y error gradual, sino a través de una aparente comprensión repentina de la solución (insight).

Esta resolución de problemas mostraba una flexibilidad y una reorganización perceptiva que sugerían procesos cognitivos internos. Las soluciones por insight tenían características clave: parecían repentinas (tras un periodo de contemplación), eran transferibles a problemas similares y estaban disponibles una vez descubiertas. En lugar de un aprendizaje ciego por ensayo y error, los animales parecían formarse una representación mental del problema, manipular mentalmente sus componentes hasta encontrar una solución y luego aplicarla de forma directa y deliberada.

El auge de la computación y la metáfora del ordenador

La revitalización del interés en los procesos mentales no solo surgió de las limitaciones del conductismo, sino que recibió un impulso decisivo de los avances en la lógica formal, la teoría de la información y la tecnología computacional.

El trabajo de George Boole en lógica matemática sentó las bases para representar el pensamiento lógico en términos binarios. Claude Shannon aplicó esta lógica booleana al diseño de circuitos eléctricos, creando la base de la teoría de la información. Alan Turing concibió la "máquina de Turing", un modelo teórico de un dispositivo capaz de computar cualquier función computable si se le proporcionaba el algoritmo adecuado, estableciendo los fundamentos de la computación moderna y la inteligencia artificial.

Investigadores como McCulloch y Pitts propusieron modelos de redes neuronales artificiales, sugiriendo una analogía entre la lógica binaria de los circuitos y la actividad neuronal (neuronas que se activan o no). Norbert Wiener, padre de la cibernética, exploró la idea de que los sistemas biológicos y mecánicos podían entenderse a través de los principios de control y comunicación, sugiriendo que el pensamiento humano podría simularse.

Contribuciones de otros campos, como la gramática generativa de Noam Chomsky, que postulaba reglas sintácticas innatas y complejas para explicar la adquisición del lenguaje, también reforzaron la idea de que la mente operaba con estructuras y procesos internos sofisticados.

Estos desarrollos convergieron en la psicología cognitiva con una idea central y transformadora: la mente humana puede entenderse como un sistema de procesamiento de información, análogo a un ordenador. Esta metáfora computacional sugiere que, al igual que un ordenador, la mente recibe información (input), la procesa internamente mediante algoritmos y representaciones (cómputo) y produce una salida (output). Se asumió que los procesos mentales podían describirse como programas y algoritmos ejecutados sobre un "hardware" (el cerebro), marcando un cambio paradigmático hacia el estudio de la cognición.

Esta nueva psicología consideraba lo mental como un nivel de análisis legítimo y necesario, distinto del nivel puramente biológico (neurológico) o conductual, pero susceptible de ser estudiado científicamente mediante la modelización computacional y la experimentación rigurosa.

Origen formal del cognitivismo

Aunque las ideas precursoras venían gestándose, el año 1956 suele considerarse un hito simbólico en el nacimiento de la Psicología Cognitiva, debido a la coincidencia de varios eventos y publicaciones influyentes:

• George A. Miller presentó su trabajo sobre la capacidad limitada de la memoria a corto plazo ("The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information"), cuantificando un aspecto clave del procesamiento humano.
• Noam Chomsky publicó "Three models for the description of language", sentando las bases de su enfoque generativo y su crítica a las explicaciones conductistas del lenguaje, que desarrollaría en "Syntactic Structures" (1957).
• Newell y Simon presentaron "The Logic Theory Machine", uno de los primeros programas de inteligencia artificial capaz de demostrar teoremas matemáticos, mostrando el potencial de la simulación computacional para entender el razonamiento.
• Jerome Bruner, Jacqueline Goodnow y George Austin publicaron "A Study of Thinking", una obra fundamental sobre la formación de conceptos y las estrategias de pensamiento.

Estos trabajos, junto con otros desarrollos, consolidaron el surgimiento de la psicología cognitiva como un campo de estudio diferenciado.

La nueva psicología cognitiva se articuló en torno a cuatro supuestos fundamentales:

1. Presupuesto Mentalista: La actividad humana no puede entenderse ni explicarse científicamente sin recurrir a constructos mentales internos (ej. creencias, metas, representaciones). Es necesario postular representaciones (símbolos, reglas, imágenes) y procesos internos para explicar la conducta.
2. Presupuesto Computacional: La actividad mental se concibe como un sistema que procesa símbolos (información) de manera análoga a como lo hace un ordenador. Los procesos mentales pueden ser descritos como algoritmos o programas que manipulan representaciones simbólicas. Existen interpretaciones "fuertes" (la mente es un sistema computacional) y "débiles" (la mente es como un sistema computacional, la metáfora es útil).
3. Presupuesto Restrictivo: El procesamiento de información en los seres humanos está sujeto a limitaciones inherentes. La capacidad de procesamiento es limitada (ej. la memoria de trabajo, la atención) y los procesos cognitivos operan bajo restricciones de tiempo y recursos.
4. Presupuesto Funcionalista: La actividad mental, aunque depende de un sustrato neurológico (el cerebro), no se identifica ni se reduce completamente a él. La mente se entiende como un nivel de descripción funcional, independiente del soporte físico específico. Lo importante son las funciones que realizan los procesos mentales (el "software"), no necesariamente la implementación física exacta (el "hardware").

Estos supuestos proporcionaron el marco conceptual para explorar científicamente los procesos mentales.

Fenómenos básicos estudiados por el cognitivismo

El cognitivismo aborda una amplia gama de fenómenos mentales. Algunos de los más estudiados en relación con el pensamiento y la resolución de problemas son:

Conceptos y categorías

El pensamiento opera con representaciones mentales. Dos formas principales son el pensamiento proposicional (el flujo interno de enunciados o afirmaciones, como "el perro está ladrando") y el pensamiento en imágenes (la experiencia de visualizar imágenes mentales).

Ambas formas de pensamiento utilizan conceptos, que son representaciones mentales que agrupan objetos, personas, eventos o ideas con propiedades comunes en categorías. Por ejemplo, el concepto [GATO] agrupa a todos los animales que comparten ciertas características (mamífero, felino, doméstico, etc.). Los conceptos son fundamentales porque:

• Simplifican la información: Reducen la complejidad del mundo al permitirnos tratar diferentes entidades como miembros de una misma clase.
• Permiten la organización del conocimiento: Estructuran nuestra memoria semántica.
• Facilitan la inferencia: Nos permiten inferir propiedades no observadas directamente (si algo es un [PÁJARO], podemos inferir que probablemente puede volar, tiene plumas y pone huevos, aunque no lo veamos hacer todo eso).

La categorización es el proceso de asignar un ejemplar específico a un concepto o categoría (decidir que ese animal peludo que maúlla es un gato). Además de conceptos sobre objetos ([SILLA]), existen conceptos sobre actividades ([CORRER]), estados ([FELICIDAD]) y abstracciones ([JUSTICIA]).

Prototipos y estructura de los conceptos

¿Cómo se representan los conceptos? Una influyente teoría, propuesta por Eleanor Rosch, sugiere que muchos conceptos naturales no se definen por un conjunto estricto de características necesarias y suficientes, sino que se organizan en torno a prototipos.

• El prototipo es el miembro o ejemplo más típico, representativo o ideal de una categoría. Es como el "mejor ejemplo" que nos viene a la mente (ej. un petirrojo o un gorrión para la categoría [PÁJARO]; una silla de comedor de madera con cuatro patas para [SILLA]). Los prototipos suelen incluir las características más comunes o frecuentes de los miembros de la categoría.
• El núcleo (o definición) se refiere a las características esenciales o definitorias que determinan si algo pertenece o no a la categoría (ej. para [PÁJARO], tener plumas y ser vertebrado; para [ABUELA], ser la madre de uno de los padres). Algunos conceptos tienen núcleos bien definidos (conceptos clásicos o aristotélicos), mientras que otros no (conceptos difusos o probabilísticos).

Muchos conceptos cotidianos (como [SILLA], [JUEGO] o [FRUTA]) parecen funcionar más por parecido al prototipo que por un núcleo estricto. Un objeto se considera miembro de la categoría si es suficientemente similar al prototipo. Esto explica por qué clasificamos algunos ejemplares más rápidamente que otros (un petirrojo se reconoce como pájaro más rápido que un pingüino) y por qué hay ejemplares "frontera" (¿es un tomate una fruta o una verdura?).

• Conceptos bien definidos: Tienen reglas claras de pertenencia (ej. [NÚMERO PAR], [TRIÁNGULO], [SOLTERO]).
• Conceptos mal definidos (o difusos/probabilísticos): No tienen atributos necesarios y suficientes claros. La pertenencia se basa en la similitud con el prototipo (ej. [MUEBLE], [ARTE], [ENFERMEDAD MENTAL]). La mayoría de los conceptos naturales son de este tipo.

La investigación muestra que incluso para conceptos mal definidos, las personas suelen coincidir en cuáles son los mejores ejemplos (prototipos).

Universalidad de los prototipos

¿Son los prototipos universales o dependen de la cultura? La respuesta parece depender del tipo de concepto.

• Para conceptos socioculturales (ej. [ABUELA], [HÉROE]), la cultura influye significativamente en quién o qué se considera prototípico.
• Para conceptos más naturales, especialmente los perceptivos como los colores, los prototipos muestran una sorprendente universalidad.

El concepto [ROJO] es un ejemplo de concepto mal definido (no podemos listar fácilmente sus propiedades esenciales), pero tiene un prototipo claro (el tono de rojo más "puro" o focal). Estudios de Rosch (1973) con la tribu Dani de Nueva Guinea, cuya lengua solo tiene dos términos básicos de color ("claro/cálido" y "oscuro/frío"), demostraron que, a pesar de las diferencias lingüísticas, los Dani aprendían y recordaban mejor los colores focales (los prototipos universales como el rojo, azul, verde puros) que los colores no focales, igual que los hablantes de lenguas con muchos términos de color. Esto sugiere que la percepción de ciertos prototipos de color puede estar basada en la fisiología del sistema visual humano y ser universal.

Jerarquía de conceptos

Los conceptos suelen estar organizados jerárquicamente en diferentes niveles de abstracción:

• Nivel supraordinado: El más general y abstracto (ej. [MUEBLE], [ANIMAL], [FRUTA]).
• Nivel básico: El nivel intermedio, que parece ser el más natural y utilizado en la comunicación cotidiana (ej. [SILLA], [PERRO], [MANZANA]).
• Nivel subordinado: El más específico y detallado (ej. [SILLA DE COCINA], [LABRADOR RETRIEVER], [MANZANA GOLDEN]).

El nivel básico es psicológicamente privilegiado por varias razones:

• Es el nivel al que identificamos los objetos más rápidamente.
• Es el nivel que aprendemos primero en la infancia.
• Suele tener nombres más cortos y comunes.
• Ofrece el mejor equilibrio entre informatividad y economía cognitiva: maximiza el número de características comunes entre los miembros de la categoría y minimiza el número de características compartidas con otras categorías del mismo nivel.
  • Las categorías supraordinadas son muy generales y comparten pocas características (ej. ¿qué tienen en común todos los [MUEBLES]?).
  • Las categorías subordinadas son muy específicas, pero las características adicionales suelen ser compartidas con otras categorías subordinadas dentro del mismo nivel básico (ej. las [MANZANAS GOLDEN] comparten muchas características con las [MANZANAS FUJI]).

Aprendizaje de conceptos (Naturales y Artificiales)

¿Cómo aprendemos los conceptos?

• Enseñanza explícita: A menudo se centra en el núcleo o definición (ej. aprender la definición de [TRIÁNGULO] en clase).
• Experiencia directa: Ayuda a aprender los prototipos y la variabilidad dentro de la categoría (ej. aprender qué es un [PERRO] viendo muchos perros diferentes).

Los niños pequeños inicialmente pueden basarse más en la similitud con ejemplos conocidos (prototipos o estrategia de ejemplares), almacenando representaciones de ejemplos específicos y comparando nuevos objetos con ellos.

Con el desarrollo, se utiliza más la estrategia de comprobación de hipótesis: se formulan hipótesis sobre las características relevantes que definen la categoría y se ponen a prueba con nuevos ejemplos. El conocimiento previo influye en qué hipótesis se consideran. Bruner, Goodnow y Austin (1956), en sus estudios pioneros con conceptos artificiales (figuras geométricas con diferentes atributos), identificaron estrategias como:

• Estrategia total (o de escaneo simultáneo): Considerar todas las hipótesis posibles y eliminar las que no encajan con cada ejemplo.
• Estrategia parcial (o de enfoque sucesivo): Seleccionar una hipótesis inicial basada en el primer ejemplo positivo y mantenerla o modificarla según los siguientes ejemplos.

La estrategia total suele ser más eficaz si la memoria lo permite, pero la parcial es cognitivamente menos demandante.

Teorías Computacionales del Aprendizaje y la Cognición

Dentro del cognitivismo, el enfoque computacional ha sido dominante, generando modelos específicos sobre cómo se representa y procesa la información.

Modelo ACT* (Anderson)

Desarrollado por John R. Anderson, el modelo ACT (Adaptive Control of Thought), y su versión posterior ACT-R (Adaptive Control of Thought—Rational), es una influyente arquitectura cognitiva que intenta unificar la explicación de diversos procesos como la memoria, el aprendizaje, la resolución de problemas y el lenguaje.

ACT* postula tres componentes principales de memoria:

1. Memoria declarativa: Almacena el conocimiento factual ("saber qué"). Se representa como una red semántica de nodos (conceptos) interconectados por relaciones (proposiciones, ej. "el perro [AGENTE] persigue [ACCIÓN] la pelota [OBJETO]"), secuencias temporales e información espacial. La información se recupera mediante la propagación de la activación a través de la red.
2. Memoria procedimental (o de producción): Almacena el conocimiento sobre cómo hacer las cosas ("saber cómo"). Se representa mediante sistemas de producción, que son conjuntos de reglas SI (condición) $\implies$ ENTONCES (acción). Estas producciones representan habilidades motoras y cognitivas. Con la práctica, las producciones pueden combinarse (composición) y afinarse (procedimentalización), llevando a la automatización de la habilidad, que se ejecuta de forma rápida y sin requerir atención consciente.
3. Memoria de trabajo (o activa): Es la parte del conocimiento (declarativo y procedimental) que está actualmente activa y siendo procesada. Es limitada en capacidad.

El aprendizaje en ACT* implica la adquisición de nuevos nodos y relaciones en la memoria declarativa (codificación) y la creación y refinamiento de reglas de producción en la memoria procedimental. Anderson ha aplicado ACT* para explicar detalladamente el aprendizaje de habilidades complejas, como la programación o la resolución de problemas matemáticos, incluyendo la transición del conocimiento declarativo inicial al conocimiento procedimental automatizado.

Pregunta

Según el modelo ACT* de Anderson, si cada vez somos capaces de distinguir mejor entre estímulos que anteriormente creíamos iguales, estamos frente a un proceso de:

Teoría de los Esquemas

La teoría de los esquemas, con raíces en los trabajos de Bartlett, Piaget y la inteligencia artificial, propone que nuestro conocimiento está organizado en esquemas: estructuras de conocimiento genéricas y abstractas que representan nuestra comprensión de conceptos, objetos, eventos o situaciones típicas.

Un esquema (ej. el esquema de [RESTAURANTE], [AULA], [CUENTO]) contiene información sobre los componentes típicos, sus atributos y las relaciones entre ellos. Funcionan como "paquetes de conocimiento" que guían nuestra percepción, comprensión, memoria y acción.

Rumelhart (1980) describió los esquemas usando metáforas:

• Son como obras de teatro: proporcionan un guion general, pero los detalles específicos (actores, escenario) pueden variar en cada "representación" (instancia).
• Son como teorías: guían la interpretación de la nueva información, permitiendo hacer predicciones e inferencias.
• Son como procedimientos: organizan secuencias de acciones apropiadas para una situación.
• Son como analizadores sintácticos: ayudan a descomponer e interpretar la información entrante.

Los esquemas influyen en la codificación y recuperación de información a través de procesos como:

• Selección: Dirigen la atención hacia la información relevante y filtran la irrelevante.
• Abstracción: Almacenan el significado general o la esencia, omitiendo detalles superfluos.
• Interpretación: Permiten inferir información no explícita, llenando lagunas basándose en el conocimiento previo.
• Integración: Combinan la información nueva con el esquema existente, creando una representación coherente y unificada.

Los esquemas explican por qué a menudo recordamos información de manera distorsionada pero coherente con nuestras expectativas (como en los estudios clásicos de Bartlett sobre el recuerdo de historias). También explican la diferencia entre expertos y novatos: los expertos poseen esquemas más ricos, complejos y organizados en su dominio, lo que les permite procesar la información de manera más eficiente.

Modelos Conexionistas (Procesamiento Distribuido en Paralelo - PDP)

Los modelos conexionistas o de redes neuronales artificiales surgieron como una alternativa a los modelos simbólicos clásicos (como ACT* o los basados en esquemas), inspirándose más directamente en la estructura y funcionamiento del cerebro.

Características principales:

• Procesamiento en paralelo: En lugar del procesamiento serial típico de las computadoras tradicionales, la información se procesa simultáneamente a través de múltiples unidades interconectadas, de forma similar a como ocurre en el cerebro.
• Representaciones distribuidas: El conocimiento no se almacena en nodos simbólicos discretos, sino que está distribuido a través de los patrones de conexión y activación de una red de unidades simples (similares a neuronas).
• Aprendizaje por ajuste de conexiones: El aprendizaje ocurre mediante la modificación gradual de la fuerza de las conexiones entre unidades, basándose en la experiencia (ej. mediante algoritmos como la retropropagación del error).
• Ausencia de reglas explícitas: Las redes conexionistas no operan con reglas simbólicas explícitas (SI-ENTONCES), sino que el comportamiento emerge de las interacciones en la red.

Estos modelos proponen una arquitectura cognitiva más simple y homogénea, sin distinciones tajantes entre tipos de memoria o procesos. Han tenido éxito en simular fenómenos como el reconocimiento de patrones, el aprendizaje de asociaciones, la adquisición del lenguaje (ej. la formación de tiempos verbales en pasado) y la generalización a nuevos estímulos.

Sin embargo, también enfrentan críticas:

• Diferencias con el cerebro real: Las redes artificiales son simplificaciones extremas de la complejidad neuronal y bioquímica del cerebro.
• Aprendizaje lento y opaco: A menudo requieren miles de ensayos para aprender y puede ser difícil interpretar cómo la red representa el conocimiento.
• Interferencia catastrófica: El aprendizaje de nueva información puede a veces borrar abruptamente el conocimiento previo, a diferencia del aprendizaje humano que suele ser más gradual.

A pesar de las críticas, el conexionismo ofrece una perspectiva valiosa sobre cómo podrían implementarse los procesos cognitivos a nivel neuronal y cómo el aprendizaje puede emerger de interacciones locales.

Teorías del Aprendizaje por Reestructuración

Frente al enfoque computacional-asociacionista, otras corrientes dentro del cognitivismo enfatizan el aprendizaje como un proceso de cambio cualitativo y reestructuración del conocimiento, más que como una acumulación gradual de información o asociaciones.

Estas teorías tienen raíces en el estructuralismo cognitivo europeo (Piaget, Vygotski) y la Psicología de la Gestalt.

Características comunes:

• Enfoque holístico y organicista: El aprendizaje se entiende en términos de totalidades organizadas (estructuras, esquemas, teorías implícitas), donde el todo es más que la suma de las partes.
• Cambio cualitativo: El aprendizaje significativo implica una reorganización profunda de las estructuras conceptuales existentes, no solo añadir nueva información.
• Papel activo del sujeto: El aprendiz construye activamente su conocimiento interactuando con el entorno.
• Énfasis en la comprensión: El objetivo del aprendizaje no es solo adquirir información, sino comprender las relaciones y principios subyacentes.

Estudios de la Gestalt sobre Insight y Resolución de Problemas

Como se mencionó antes, los psicólogos de la Gestalt (Wertheimer, Köhler, Koffka) criticaron el aprendizaje memorístico y asociativo, proponiendo el aprendizaje por insight (comprensión súbita) como un mecanismo fundamental.

• El insight implica una reestructuración perceptiva o conceptual del problema, que permite ver la solución de repente.
• Se opone al aprendizaje por ensayo y error ciego y gradual defendido por los conductistas.
• Wertheimer argumentó que incluso la asociación y la repetición, cuando son efectivas, implican la comprensión de relaciones estructurales, no enlaces ciegos. El aprendizaje productivo (basado en la comprensión de la estructura) es superior al aprendizaje reproductivo (memorístico).
• El aprendizaje puede surgir tanto del éxito como del fracaso, si se comprenden las razones estructurales subyacentes.

Limitaciones de la Gestalt:

• Las condiciones para que ocurra el insight son a menudo vagas.
• La experiencia previa a veces puede ser un obstáculo para el insight, debido a la fijeza funcional (la tendencia a percibir los objetos solo en términos de su función habitual, lo que dificulta usarlos de forma novedosa para resolver un problema).

A pesar de sus limitaciones, la Gestalt aportó una visión crucial sobre la importancia de la organización y la estructura en la percepción y el pensamiento.

Teoría Psicogenética de Piaget

Jean Piaget desarrolló una influyente teoría sobre el desarrollo cognitivo infantil, que tiene importantes implicaciones para el aprendizaje.

• Distinguió entre aprendizaje en sentido estricto (adquisición de información específica del entorno) y aprendizaje en sentido amplio (desarrollo de las estructuras cognitivas generales a través de la equilibración).
• Argumentó que el aprendizaje específico está subordinado al nivel de desarrollo cognitivo general. No se puede aprender algo si no se poseen las estructuras cognitivas necesarias para asimilarlo.
• El desarrollo cognitivo ocurre a través de dos procesos complementarios:
  • Asimilación: Interpretar la nueva información en términos de los esquemas o estructuras cognitivas existentes.
  • Acomodación: Modificar los esquemas existentes para ajustarse a la nueva información cuando la asimilación no es posible.
• El motor del desarrollo es la equilibración: la tendencia a buscar un equilibrio cognitivo. Los desequilibrios (conflictos cognitivos) surgen cuando los esquemas actuales son insuficientes, lo que impulsa la acomodación y la creación de estructuras más complejas y equilibradas.
• Propuso una secuencia universal de estadios de desarrollo cognitivo (sensoriomotor, preoperacional, operaciones concretas, operaciones formales), cada uno caracterizado por estructuras cognitivas cualitativamente diferentes.

Piaget enfatizó el papel de la acción y la construcción activa por parte del niño en su desarrollo, criticando los enfoques que ven el aprendizaje como una recepción pasiva de información. Aunque reconoció la importancia de la interacción social, su enfoque se centró más en el desarrollo individual.

Teoría Sociocultural de Vygotski

Lev Vygotski, contemporáneo de Piaget, ofreció una perspectiva complementaria que enfatiza el papel crucial del contexto social y cultural en el desarrollo cognitivo y el aprendizaje.

• El desarrollo cognitivo es un proceso socialmente mediado. Las funciones psicológicas superiores (pensamiento abstracto, lenguaje, atención voluntaria) tienen un origen social y se internalizan a través de la interacción con otros.
• El lenguaje es la herramienta de mediación cultural más importante. Inicialmente es un medio de comunicación social, pero luego se internaliza como lenguaje interno (pensamiento verbal), transformando los procesos cognitivos.
• Distinguió entre conceptos espontáneos (o cotidianos), que se adquieren de forma informal en la vida diaria, y conceptos científicos, que se aprenden a través de la instrucción formal y están organizados en sistemas.
  • Los conceptos espontáneos se desarrollan "de abajo arriba" (de lo concreto a lo abstracto) y están ligados a la experiencia personal.
  • Los conceptos científicos se desarrollan "de arriba abajo" (a partir de definiciones y sistemas abstractos hacia aplicaciones concretas) y requieren un esfuerzo consciente.
  • Ambos tipos de conceptos interactúan y se influyen mutuamente en el desarrollo.
• Introdujo el concepto de Zona de Desarrollo Próximo (ZDP): la distancia entre el nivel de desarrollo actual (lo que el niño puede hacer solo) y el nivel de desarrollo potencial (lo que puede hacer con la ayuda de un adulto o compañero más capaz). La instrucción efectiva debe operar dentro de la ZDP, guiando al niño para internalizar nuevas habilidades y conocimientos.

Vygotski subrayó que el aprendizaje impulsa el desarrollo. La instrucción y la colaboración social son fundamentales para que el individuo se apropie de las herramientas culturales (como el lenguaje y los conceptos científicos) que transforman su pensamiento.

Críticas y desarrollos posteriores:

• La distinción entre conceptos espontáneos y científicos puede ser más compleja de lo que Vygotski planteó.
• Se ha investigado mucho sobre la resistencia al cambio conceptual: los conceptos espontáneos (a menudo erróneos desde el punto de vista científico, como las ideas intuitivas sobre física) son muy resistentes a ser modificados por la instrucción formal.

En resumen, el cognitivismo abarca una diversidad de enfoques, desde los modelos computacionales que analizan el procesamiento de información hasta las teorías que enfatizan la reestructuración del conocimiento y el papel del contexto social y cultural. Todos comparten el objetivo de comprender los procesos mentales internos que subyacen a la conducta humana.