El nivel de dificultad ideal para aprender: un 15% de errores
Se trata de un nuevo modelo matemático que podría ayudar a determinar las condiciones de enseñanza para que el nivel de adquisición de conocimientos resulte óptimo.
,
La dificultad de una tarea
determina el nivel de aprendizaje (demaerre / Getty Images/iStockphoto)
Más de uno y una habrá pasado por la experiencia de que cuando
un nuevo aprendizaje le resulta muy fácil se aburre porque no supone
no se aprende nada nuevo. Del mismo modo, si esa tarea es muy difícil lo más
probable es que se acabe por tirar la toalla.
Por lo tanto, para aprender hace falta fallar algunas
veces,¿pero cuántas? Una nueva investigación de la Universidad de Arizona
propone el 15% de errores.
Según el nuevo estudio publicado hoy en la revista Nature
Communications ,el nivel de aprendizaje es
óptimo cuando erramos en el 15% de intentos o, lo que es lo mismo ,cuando
se da la respuesta correcta el 85% del tiempo. Por eso los autores de la
investigación han bautizado a su hallazgo como “La regla del 85%”. Este resultado
podría contribuir al desarrollo de una teoría para identificar el escenario
ideal que maximice el aprendizaje.
Escenario ideal
Cuando se da la respuesta correcta el 85% del tiempo el nivel de aprendizaje es óptimo
Investigadores y educadores reconocen desde hace tiempo la existencia de
algo así como una “zona óptima” en la adquisición de nuevos conocimientos,
donde la instrucción no es ni muy simple ni muy difícil y donde los progresos
en el aprendizaje se dan más rápido.
Robert Wilson, profesor asociado de Psicología en la Universidad de
Arizona (EE.UU.) y autor principal del estudio, y sus colegas propusieron esta
regla del 85% para identificar la zona óptima. Para ello realizaron una serie
de experimentos en los que enseñaban tareas simples a ordenadores mediante
algoritmos de aprendizaje. Las máquinas debían aprender clasificar patrones en
dos categorías, como discriminar si dígitos escritos a mano presentados en
imágenes eran impares o pares.
Tareas simples
Los ordenadores debían aprender a clasificar imágenes en dos categorias mediante algoritmos de aprendizaje.
El algoritmo fue diseñado para ajustarse a las tareas según aumentaba su
experiencia clasificando estímulos para así reducir su tasa de errores.
Conforme esto ocurría los investigadores iban incrementando la dificultad. Es
algo parecido a lo que ocurre en los videojuegos, donde el jugador sube de
nivel una vez que el criterio de desempeño ha sido alcanzado.
Los resultados mostraron que los ordenadores aprendían más rápido cuando
la complejidad era tal que respondían con el 85% de aciertos. Para demostrar la
aplicabilidad de la regla se sirvieron de modelos de inteligencia artificial
que imitan el aprendizaje humano y animal, según explican los autores.
Las técnicas de
aprendizaje automático o machine learning se basan en modelos de redes
neuronales. (jxfzsy / Getty)
“Hemos mostrado que el aprendizaje con la precisión óptima mejora
exponencialmente más rápido que entrenar con una dificultad fija. Finalmente
hemos probado la eficacia de la regla del 85% en el caso de redes neuronales
artificiales, que son modelos biológicamente plausibles”, escriben los autores
en el artículo de la investigación.
Wilson y sus colaboradores solo han medido tareas simples donde hay
claramente una respuesta correcta por lo que no se puede extrapolar al ámbito
de la educación pero puede ser un primer paso en esa dirección. “Esperamos
poder expandir este trabajo y comenzar a hablar de formas más complicadas de
aprendizaje”, dijo Wilson en un comunicado de la Universidad de Arizona.
En paralelo, los autores proponen avanzar hacia una teoría que aborde el
efecto de la precisión de la enseñanza en el aprendizaje y así identificar las
condiciones ideales para que sea óptimo.
Reseña:
En resumen este articulo nos dice que el nivel de aprendizaje es óptimo cuando erramos en el 15% de intentos o, lo que es lo mismo ,cuando se da la respuesta correcta el 85% del tiempo y llegaron a esa conclusión luego de realizar experimentos como se muestra en el articulo.
Comentarios
Publicar un comentario