Estrategias de enseñanza-aprendizaje basadas en evidencias empíricas con tamaños de efecto óptimos (11-20)

Estrategia de enseñanza-aprendizaje

Definición

Integración con MathLAB

Tamaño de efecto

E11: Autoevaluación

La autoevaluación es una práctica (tamaño del efecto 1,33), conocida también como calificaciones autoinformadas son una práctica, mediante la cual los estudiantes evalúan la calidad de su propio trabajo o su nivel de dominio sobre un objetivo determinado. La validez de la autoevaluación a menudo se evalúa comparando la calificación autoinformada de un estudiante con la calificación proporcionada por un maestro. La monitorización personal de las calificaciones y progresos de un estudiante y de forma estructurada, puede ser una buena manera de seguir su progreso y de que tomen conciencia de su propio avance.

La autoevaluación está inmersa en los pasos de implementación del Diseño Universal del Aprendizaje (DUA). Para muchos estudiantes el proceso interno de metacognición requerirá una instrucción más explícita y modelada para aprender cómo hacer las cosas y estar motivados. El mero hecho de reconocer que están haciendo progresos hacia una mayor independencia es muy motivador (Pastor, CA 2013). Uno de los factores clave para que los alumnos pierdan la motivación es su incapacidad para reconocer su propio progreso (CAST 2018). Por ello, es importante que los alumnos tengan múltiples modelos y soportes de diferentes técnicas de autoevaluación para que puedan identificar y elegir las óptimas.

MATHLAB introduce sistemáticamente elementos de autoevaluación para el estudiante en cada período de trabajo.

1.33

E12: Autoeficacia o eficacia percibida por el estudiante

La eficacia percibida por el estudiante aumenta con las experiencias de éxito. En el plano teórico-empírico (teoría cognitivo social de Bandura) la autoeficacia es la creencia en la propia capacidad de organizar y ejecutar los cursos de acción necesarios para gestionar las situaciones posibles. Parece ser que existe correlación positiva entre la eficacia percibida y el rendimiento académico en escolares (Galleguillos 2017). La creencia que el estudiante alcanza sobre su propia eficacia tiene que ver con su juicio e interpretación, no necesariamente con su habilidad. Para alcanzar un rendimiento adecuado necesitamos ambas cosas: capacidad y autoeficacia percibida.

El tratamiento del error y el mapa de aprendizaje en MATHLAB permiten al estudiante percibir y mejorar su rendimiento y eficacia.

0.92

E13: Programas basados en cambios conceptuales

Los programas de cambio conceptual tienen que ver con el hecho de que las ideas y creencias previas de los alumnos pueden ser resistentes al cambio, incluso cuando el alumno recibe nueva información que las contradice. Conectar nuevos aprendizajes con conocimientos previos implica una reorganización de lo aprendido. Los estudiantes, a menudo, tienen ideas preconcebidas sobre algunos conceptos. Se trata de identificar dichos conceptos, generar disonancia cognitiva, ofrecer la respuesta correcta e implicar al estudiante en la práctica para que pueda comprobar y asimilar la nueva información (Killian, S. 2019)

MATHLAB presenta contenidos y formatos, desde el modelo adaptativo, que ayudan al estudiante a reconfigurar su aprendizaje.

1.16

E14: La eficacia colectiva del profesorado

El trabajo docente, en equipos consolidados, reduce brechas de rendimiento que pueden producirse en colectivos más vulnerables, este efecto aún es mayor si los profesores trabajan en equipo (Podolsky, A. 2019). La eficacia colectiva hace referencia al conjunto de acciones docentes actuando como un todo y con el convencimiento de que los estudiantes motivados conseguirán mayores logros en su aprendizaje.

MATHLAB es compatible con el trabajo en equipo y la coordinación docente. La configuración de MathLAB permite acciones docentes coherentes en contenido y forma.

1.57

E15: Credibilidad del Profesor

Según Hattie, la credibilidad de los maestros es vital para el aprendizaje, y los estudiantes son muy perceptivos al saber qué maestros pueden marcar la diferencia. Hay cuatro factores clave de credibilidad: confianza, competencia, dinamismo e inmediatez. Hattie lo expresa así: "Si un maestro no es percibido como creíble, los estudiantes simplemente se apagan". (Tourón, J. 2019)

MATHLAB genera confianza en el proceso de enseñanza y en la gestión del grupo. Ello da seguridad al docente y le permite hacer mejor pedagogía, apoyándose no sólo en el qué sino también en el cómo aprenden los estudiantes.

0.90

E16: Estimaciones de logro del profesor (expectativas del docente hacia el estudiante)

Las expectativas del profesor hacia el estudiante han sido ampliamente estudiadas y referidas en la hemeroteca pedagógica. Para Beltrán (1995) las expectativas del profesorado hacia el alumno son determinantes en su aprendizaje. Si las expectativas del docente son positivas es más probable que el alumno alcance el éxito académico. En psicología, este fenómeno ha sido estudiado y definido desde los años 60, como efecto pigmalión. Hoy en día prácticamente nadie duda de los efectos positivos que generan sobre un individuo las expectativas de éxito externas que recibe de su entorno. La estimación de logro del profesor tiene un efecto muy positivo en el desempeño de sus estudiantes.

MATHLAB la expectativa del docente respecto al éxito del alumno aumenta considerablemente, y se convierte en un indicador del éxito académico.

1.62

E17: Microenseñanza

La microenseñanza consiste en organizar y mostrar lecciones cortas, que se pueden compartir con varios docentes y estudiantes para reflexionar sobre el proceso tanto de enseñanza como de aprendizaje. Se trata de revisar la lección o unidad que estamos presentando, a modo de ejemplo sobre el qué y el cómo se enseña, en principio pensado para profesores pero extensible también a los alumnos, desde el punto de vista metacognitivo. El objetivo de la microenseñanza es generar confianza, apoyo y retroalimentación principalmente al docente, quien elige el tema a tratar, su planificación y lo llevará a la práctica.

MATHLAB da la opción de repaso y/o de mejora de mini lecciones o de conceptos que el docente considere claves en cada momento. También permite que el docente prepare y planifique dichas mini lecciones para la práctica con sus alumnos y la posterior discusión y reflexión.

0.88

E18: Activar conocimientos previos

Se produce integración con los conocimientos previos cuando se establecen conexiones entre un contenido nuevo y los conocimientos previos de los estudiantes. Esta conexión ayuda a mejorar la comprensión y la memoria de los estudiantes. Es más fácil aprender algo nuevo cuando podemos vincularlo a algo que ya sabemos.  Esta concepción constructivista del aprendizaje enlaza con lo que es significativo para el estudiante. Cuando se activa el conocimiento previo, los estudiantes reconocen lo que ya saben y, por lo tanto, su conocimiento existente se convierte en un contexto al que pueden conectar nuevos conocimientos (Polman, J. 2020)

MATHLAB permite identificar el punto de partida de cada estudiante y proporcionar el aprendizaje adaptativo que asegure enlazar los nuevos conocimientos con lo aprendido previamente.

0.83

E19: Estrategias de transferencia

Uno de los objetivos más importantes de la educación es la transferencia de lo aprendido a la práctica. La generalización del aprendizaje permite que el estudiante sea capaz de poner en marcha estrategias cognitivas asimiladas para la resolución de problemas de la vida cotidiana. Además de la generalización es interesante hacer referencia a la transferencia vertical y horizontal del aprendizaje. Los conocimientos adquiridos permiten hacer ampliaciones activando niveles superiores e introduciendo nuevos conceptos, al mismo tiempo que posibilitan ampliar enriqueciendo el contenido de forma horizontal y al mismo nivel con ejemplificación y práctica.

El aprendizaje, siguiendo el modelo de Hattie, tiene tres fases (Fisher, D. 2016): Superficial (Surface), Profundo (Deep) y Transferencia(Transfer). El autor relaciona estas tres etapas con tres “mundos”: el de las ideas, el del pensamiento y el de la construcción (ideas, thinking, construction).

MATHLAB impulsa el trabajo autónomo del estudiante y la ampliación de conocimientos que le sirven para la generalización del aprendizaje. Permite, además, la vertebración curricular tanto horizontal como vertical y adaptada al estudiante. La resolución de problemas actúa como  eje a partir del cual se construye el pensamiento matemático generando oportunidad para la adquisición de “competencia para aprender a aprender”.

0.86

E20: Análisis de tareas cognitivas

Las aportaciones de la Psicología Cognitiva a la Psicopedagogía permiten la conceptualización de procesos cognitivos básicos y específicos que contribuyen al aprendizaje y que han de ser potenciados en las aulas. La calidad de la enseñanza depende en gran medida de herramientas y programas que garanticen el desarrollo de estos procesos cognitivos. El análisis de tareas cognitivas que utilizan los estudiantes expertos o competentes permite generar modelos de aprendizaje constructivos y visibles que sean adaptativos y alcanzables para cualquier alumno. El análisis de tareas cognitivas consiste en el estudio de las actividades cognitivas que los usuarios utilizan para realizar determinadas tareas. 

El método de análisis de tareas cognitivas analiza y representa las actividades cognitivas que los usuarios utilizan para realizar tareas que requieren toma de decisiones, resolución de problemas, memoria, atención y juicio. En otras palabras, está enseñando a los estudiantes cómo pensar y resolver problemas. Algunos de los pasos del análisis de una tarea cognitiva son: el mapeo de la tarea; identificar los puntos críticos de decisión; agruparlos, vincularlos y priorizarlos; y caracterización de las estrategias utilizadas (Gracey, L. 2018). Es fundamental que cada docente, independientemente de la materia, ayude a los estudiantes a aprender cómo aprenden y cómo pueden mejorar ese proceso. Es interesante dividir un problema en particular en pasos y luego crear un cronograma de cómo se abordará cada paso.

El análisis cognitivo de tareas (CTA) es un tipo de análisis destinado a comprender las tareas que requieren mucha actividad cognitiva del usuario, como la toma de decisiones, la resolución de problemas, la memoria, la atención y el juicio. Se trata de atender a cómo piensan los estudiantes. 

MATHLAB hace visible el aprendizaje y permite el análisis docente de las estrategias subyacentes al proceso de enseñanza y el tipo de tareas empleadas. El sistema experto presenta problemas resueltos y explicados por pasos para favorecer la metacognición del estudiante. Se trata de dividir un problema en pasos creando un cronograma de cómo se abordará cada paso.

1.29