Continuando con la optimización de la Carga Cognitiva Intrínseca (CCI), ahora nos enfocaremos en cómo gestionar la práctica del estudiante una vez que hemos segmentado el contenido.
Una vez que segmentamos la tarea, y decidimos el enfoque, decidiremos la mejor forma de presentar cada sección. Uno de los objetivos es lograr una progresión natural de la dificultad, cuidando mantener un estado óptimo en la memoria de trabajo.
1. Simplificar Condiciones (El entorno de laboratorio)
Si la cantidad de elementos, o la complejidad de las condiciones requieren de un gran espacio en la memoria de trabajo para abordar el problema, entonces el primer paso es aislar el concepto central e iniciar desde ahí. Esto se logra simplificando las condiciones.
En física, esto es el clásico “ignoremos la resistencia del aire y la fricción”. En matemáticas, significa usar números enteros o ángulos notables para más adelante aumentar la complejidad.
El objetivo es claro: si la meta pedagógica es que el alumno entienda el modelo trigonométrico, no podemos permitir que su memoria de trabajo se agote haciendo divisiones largas.
2. El Efecto “Bola de Nieve” y Manipular el Énfasis
Simplificar las condiciones permite abordar de manera más amena lo contenidos por separado, sin embargo, luego será encesario volver a aunar las herramientas adquiridas, aqui es donde entrá la idea de la Bola de Nieve (acumulación de pasos). En lugar de pedir el procedimiento completo desde cero, construimos la carga progresivamente:
- El estudiante hace el Paso A.
- El estudiante hace el Paso A + Paso B.
- El estudiante hace el Paso A + Paso B + Paso C.
Para evitar la saturación, podemos manipular el énfasis: hacer que el estudiante ejecute el problema completo, pero exigiéndole atención consciente solo en un paso crítico, mientras el profesor (o la guía) asiste con el resto.
De esta forma, el Paso A se va automatizando (pasando a la memoria a largo plazo) mientras la memoria de trabajo se concentra únicamente en absorber el nuevo eslabón (B o C).
3. La Paradoja de la Variación
Si leíste Make It Stick, recordarás que la práctica intercalada (mezclar diferentes tipos de problemas) es excelente para el aprendizaje. Sin embargo, la CLT nos lanza una advertencia crítica: la variación aumenta radicalmente la carga intrínseca.
Si introduces variación cuando el alumno aún es novato en la tarea base, su memoria de trabajo colapsará tratando de discernir las diferencias entre problemas en lugar de dominar el procedimiento.
La regla de oro: La variación es la meta, no el punto de partida. Solo debes introducir variación cuando las subrutinas individuales ya estén consolidadas en la memoria a largo plazo. Primero dominamos la ejecución del algoritmo; luego, variamos los problemas para entrenar la toma de decisiones.
4. El Efecto de Inversión del Experto (Expertise Reversal Effect)
Este es uno de los descubrimientos más contraintuitivos y fascinantes de la CLT. A medida que un estudiante acumula esquemas mentales y se vuelve “experto”, las estrategias instruccionales que antes le ayudaban comienzan a estorbarle.
Para un novato, el andamiaje es vital. Su memoria de trabajo se satura rápido, por lo que necesita ejemplos resueltos paso a paso o problemas sin meta específica (el famoso “calcula todos los lados que puedas”).
Pero si a un alumno avanzado le obligas a seguir un andamiaje paso a paso o leer un ejemplo resuelto extenso, su rendimiento disminuirá. Para él, leer instrucciones sobre algo que ya tiene automatizado es carga extrínseca (ruido).
El diseño instruccional debe ser dinámico: a medida que sube la experticia del estudiante, el profesor debe ir retirando los andamios (estrategia de desvanecimiento) hasta dejar al alumno solo frente al problema en toda su complejidad.