Aprendizaje Declarativo Completo - Pdf.en - Es

En KJ Holyoak y RG Morrison (Eds.) 2005.
Handbook Cambridge de pensamiento y el

razonamiento. Nueva York: Cambridge University Press.
El aprendizaje declarativo complejo
Michelene TH Chi
Departamento de Psicología
Centro de Aprendizaje para el Desarrollo y la Investigación
Universidad de Pittsburgh
Stellan Ohlsson
Departamento de Psicología
Universidad de Illinois en Chicago
Preparación de este trabajo fue apoyado en parte por Grant 200100305 de la Spencer
Fundación, y en parte por la subvención 9720359 de la Fundación Nacional de Ciencia (Centro
de Investigación Interdisciplinaria sobre Entornos de aprendizaje constructivo, círculo,
2
http://www.pitt.edu/~circle) al primer autor, y Grant BCS-9907839 de la National Science

Foundation para el segundo autor.
INTRODUCCIÓN
¿Cómo las personas adquieren un complejo cuerpo de conocimientos, tales como la

historia del Canal de Panamá, la estructura del sistema solar o la explicación de cómo funciona el
sistema circulatorio humano? El aprendizaje complejo tarda más de unos pocos minutos y no
requiere procesos que son más complicados que los procesos asociativos necesarios para
memorizar pares de palabras. Los materiales que apoyan el aprendizaje complejo, tal como
textos, ilustraciones, problemas de la práctica, retroalimentación del instructor - presentados en
las aulas y en otros lugares, a menudo son difíciles de entender, y podrían requerir procesamiento
extenso. Por ejemplo, el aprendizaje sobre el sistema circulatorio humano requiere muchos
procesos componentes, tales como la integración de información de varias fuentes, la generación
de inferencias, la conexión de la nueva información con el conocimiento existente, la
recuperación de analogías apropiadas, produciendo explicaciones, la coordinación de diferentes
representaciones y perspectivas, abandonar o rechazar conceptos anteriores que ya no son útiles,
y así sucesivamente son. Muchos de estos procesos componentes son aún poco conocidos,
conocimiento complejo se puede dividir en dos tipos: el conocimiento declarativo y el
conocimiento procedimental. El conocimiento declarativo se ha definido tradicionalmente como
el conocimiento de hechos o sabiendo que; mientras que el conocimiento de procedimiento es
saber (Anderson, 1976; Winograd, 1975). El conocimiento declarativo es descriptivo y el uso
independiente. Incorpora conceptos, principios, ideas, esquemas y teorías (Ohlsson, 1994; 1996).
Ejemplos de conocimiento declarativo son las leyes del sistema de números, teoría de la
evolución de Darwin s, y la historia del Canal de Panamá. La suma total de conocimiento
declarativo de una persona es su comprensión de la forma en el mundo, o con alguna parte o
aspecto del mundo, obras, independientemente de las tareas particulares de la persona realice. El
conocimiento procedimental, tales como la forma de operar y solucionar problemas de una

3
máquina, cómo resolver un problema de física, o cómo usar un editor de texto de ordenador, es
preceptivo y específica de uso. Se compone de las asociaciones entre los objetivos, situaciones y
acciones. La investigación en neurociencia cognitiva es compatible con la realidad de esta
distinción entre conocimiento declarativo y procedimental (Squire, 1987).
La adquisición de conocimiento procedimental complejo ha sido ampliamente

investigado en estudios de laboratorio de la adquisición de habilidades, la resolución de
problemas, y la experiencia (Ericsson, 1996; Feltovich,
Ford y Hoffman, 1997), y en estudios de campo de los profesionales (Hutchins, 1995; Keller y
Keller, 1996). Problemas que se han explorado incluyen el papel de la organización perceptiva en
la toma de decisiones de expertos, la ruptura de las metas en sub-objetivos, el efecto de objetivos
mal definidos, la naturaleza de las estrategias de búsqueda, opciones entre las estrategias de la
competencia, las condiciones de la transferencia del problema las estrategias de resolución de un
contexto a otro problema, el efecto de las representaciones de problemas alternativas, el papel de
la colaboración en las tareas complejas, y así sucesivamente. Como se hará evidente en este
capítulo, los temas relevantes para el estudio del aprendizaje de procedimientos complejos son
diferentes de las relacionadas con el estudio del aprendizaje declarativo compleja. Debido a que
la adquisición de conocimiento procedimental se ha investigado de manera extensa en las últimas
décadas, hay varios comentarios recientes (Holyoak, 1995; Lovett, 2002; Lovett y Anderson, este
volumen; VanLehn, 1989). Por lo tanto, este capítulo se centrará principalmente en la
adquisición de un cuerpo de conocimiento declarativo.
El estudio del aprendizaje declarativo complejo está todavía en su infancia y que todavía
no se ha producido una teoría unificada o marco paradigmático. La organización de este capítulo
se pretende sugerir una forma que ese marco podría tomar. En la primera sección, se describen
las características básicas de conocimiento declarativo compleja. En la segunda sección,
clasificamos los diferentes tipos de cambios que se producen en el conocimiento declarativo
como se aprende. Esta clasificación es la principal contribución del capítulo. La tercera sección
4
es una breve tratamiento de la llamada paradoja de aprendizaje (Bereiter, 1985). Terminamos con
algunas observaciones finales.
Características básicas de conocimiento declarativo
Tamaño de Knowledge Base
La más básica puede hacer la observación sobre el conocimiento declarativo es que los
seres humanos tienen una gran cantidad de ella. No hay estimaciones precisas de la cantidad de
conocimientos que una persona posee, sino dos intentos de una estimación parecen bien
fundadas. La primera es una estimación del tamaño del léxico mental. El adulto promedio con
estudios universitarios conoce entre 40.000 - 60.000 palabras (Miller, 1996, pp 136-138.). El
número total de palabras en el idioma Inglés es mayor de 100.000. Debido a que los conceptos
constituyen sólo un subconjunto de conocimiento declarativo, esto representa un límite inferior
en el tamaño de la base de conocimiento declarativo de una persona. En segundo lugar, Landauer
(1986) había estimado que la cantidad de información, medida en bits, la gente puede recordar de
una vida de aprendizaje. Su estimación es 2 X 10 ^ 9 bits por 70 años de edad. No es sencillo
para convertir los bits a conceptos o piezas de conocimiento, pero incluso los ordenadores muy
rápidos utilizar sólo 32 o 64 bits para codificar una instrucción básica. Si hacemos la suposición
conservadora de que requiere 1.000 bits para codificar una pieza de conocimiento, la estimación
de Landauer implica que la base de conocimiento declarativo de una persona con el tiempo se
aproxima a un millón de piezas de conocimiento. Estas estimaciones se aplican al tamaño de la
base de conocimientos en su conjunto. A nivel de los dominios individuales, las estimaciones del
tamaño de las bases de conocimiento de dominio específico tienden a resultaren números que son
comparables a las estimaciones del léxico mental. Por ejemplo, Simon y Gilmartin (1973)
estimaron el número de pieza de ajedrez configuraciones - trozos o patrones - conocido por los
5
jugadores más avanzados para estar entre 10.000 y 100.000. No sabemos si se trata de una
coincidencia o un síntoma de cierta regularidad más profundo.
En pocas palabras, incluso sin una definición precisa de lo que es para contar como una
unidad de conocimiento, base de conocimiento declarativo de una persona promedio debe
medirse en decenas de miles, más probablemente cientos de miles de unidades. Como todo este
conocimiento - la ma primaterial para el razonamiento y el pensamiento - se adquiere es
claramente un no trivial, pero poco investigada, pregunta.
Organización
El conocimiento no crece como un conjunto de unidades aisladas, sino de alguna manera
organizada. Para capturar la organización del conocimiento declarativo de los alumnos, los
científicos cognitivos operan con tres construcciones distintas de representación: las redes
semánticas, teorías y esquemas (Markman, 1999).
La afirmación clave detrás de las redes semánticas es que la base de conocimiento
declarativo de una persona puede ser pensado como un conjunto gigantesco de nodos (conceptos)
conectadas por enlaces (relaciones). Todo conocimiento es procesos interrelacionados y
cognitivas, tales como la recuperación y la inferencia, operar por la que atraviesa los enlaces. Las
primeras simulaciones por ordenador de la memoria a largo plazo para el conocimiento declarativo
exploraron variantes de este concepto de red (Abelson, 1973; Anderson y Bower, 1973; Norman y
Rumelhart, 1975; Quillian, 1968; Rasgaduras y Medin, este volumen; Schank, 1972).
Debido a que la distancia entre dos nodos en una red semántica se determina por el
número de relaciones uno debe atravesar para llegar de una a las otras redes, semánticas
implícitamente afirman que el conocimiento declarativo se agrupa por dominio. Utilizamos el
término "dominio" para referirse tanto a las áreas informales de conocimiento, tales como la
decoración del hogar, comer en un restaurante, y ver deportes y disciplinas formales como la
6
botánica, la lingüística y la física. Piezas de conocimiento que pertenecen al mismo dominio son
similares en significado y por lo tanto se agrupan funcionalmente. En consonancia con esta idea,
la pertenencia al mismo dominio tiende a producir grados más altos de similitud, efectos de
cebado más fuertes, y otras consecuencias cuantitativas de comportamiento; descripciones de
estos efectos bien conocidos se pueden encontrar en los libros de texto de psicología cognitiva
(por ejemplo, Ashcraft, 2002;
La estructura de cualquier representación en el dominio depende de las relaciones
dominantes de ese dominio. Si la relación dominante se establece la inclusión, la representación
se organiza como una jerarquía. Las taxonomías estándar para los animales y las plantas son
ejemplos prototípicos. En contraste, las relaciones como causa-efecto y estructuras similares a
cadenas producen antes-después. En general, las representaciones de los dominios están
estructurados localmente por sus relaciones dominantes.
La idea red semántica afirma que todo conocimiento está interrelacionado, pero no propone
ninguna estructura única, global para la red en su conjunto. Conceptos y afirmaciones son
componentes de dominios, pero dominios no son componentes de un nivel aún más alto de
organización. Los dominios se relacionan entre sí en un contingente vez de manera sistemática.
Las observaciones informales apoyan esta idea. Tenemos una jerarquía de concepto para
herramientas y otro para los muebles, pero la lámpara de nodo aparece en ambos. la decoración
del hogar no es un subconjunto de la cocina, ni viceversa, pero los dos comparten la cocina. El
concepto de jerarquías enredadas (Hofstadter, 1999) describe un aspecto de puntos de contacto
locales, no sistemáticas entre dominios estructurados internamente. Estos comentarios son un
tanto especulativa,
Dominios también pueden ser representados como teorías. Las teorías se
representaciones “profundo” (pidiendo prestado un término de psicólogos sociales, ver Rokeach,
1970) en el sentido de haber wellarticulated estructuras de centro-periferia. Es decir, una teoría

7
está organizada en torno a un pequeño conjunto de conceptos fundamentales o principios -
grandes ideas - en la que el resto de los elementos en el dominio son dependientes. Los
elementos de los conocimientos básicos son típicamente fundamental y abstracta, mientras que
los periféricos se basan en, derivado de, o las instancias de los fundamentales. Los ejemplos más
vírgenes de estructuras de centro-periferia son los sistemas axiomáticos formales de matemáticas
y la lógica, donde un pequeño conjunto de axiomas escogidos proporcionan una base para las
pruebas de todos los demás teoremas en una teoría formal en particular; y teorías de las ciencias
naturales como la teoría de la mecánica de movimiento de Newton, Darwin s teoría de la
evolución biológica, y la teoría atómica de reacciones químicas. Estas teorías son obviamente
representaciones y novicios expertos representaciones de esos mismos dominios puede o no
puede exhibir una estructura similar, lo que indica que el cambio en la estructura es una
dimensión de aprendizaje complejo. Por ejemplo, DiSessa (1988, 1993) ha argumentado que el
conocimiento novato de movimiento mecánico no es una teoría similar en absoluto, pero es
mejor como una colección irregular de fragmentos (véase Smith, DiSessa y Roschelle, 1995, para
una versión modificada de esta vista). lo que indica que el cambio en la estructura es una
una versión modificada de esta vista). lo que indica que el cambio en la estructura es una
una versión modificada de esta vista).
Otros científicos cognitivos, sin embargo, prefieren para representar la comprensión del
mundo natural como teorías intuitivas de las novicias, en analogía deliberada con las teorías
8
explícitas y codificadas de los científicos y matemáticos (Gopnik y Wellman 1994; Gopnik y
Meltzoff, 1997; McCloskey, 1983; Wiser y Carey, 1983). Al referirse a la representación ingenua
de alguien como una teoría, una implica específicamente que la representación tiene
características en común con las teorías explícitas; lo más prominente que tiene un structure.1
centro-periferia
Una estructura centro-periferia bien desarrollado es a menudo el sello distintivo de la
representación de un experto de un dominio, y una comparación entre los novatos y expertos
representaciones del mismo dominio a menudo revela diferencias en la ‘profundidad’ de sus
representaciones. Sin embargo, se puede plantear la cuestión de si la “profundidad” también debe
ser interpretado como una característica del propio dominio. Es decir, son algunos dominios
intrínsecamente “profunda”, mientras que otros no, por lo que una estructura centro-periferia no
es una representación apropiada para algunos dominios? Si es así, esperaríamos que ni los
expertos ni los principiantes construyen representaciones “profundos” de esos dominios. Por
ejemplo, en los ámbitos cotidianos informales tales como la decoración del hogar o comer en un
restaurante, la estructura centerperiphery es ciertamente menos relevante. (Sin embargo, incluso
si un dominio de todos los días, tales como
Entretenidopodría no tener una teoría basada en principios, su subdominio de Formal de la mesa
lo hace; Bykofsky y Fargis, 1995, pp 144-146.; Tuckerman y Dunnan, 1995, pp.176-177.) Por
otra parte, incluso para los dominios informales tales como cocinar que nosotros como novatos
que se pretendiese carecer de principios profundos, muchos cocineros profesionales no estarían
de acuerdo. Por lo tanto, en qué medida es el esfuerzo generalizado para una estructura centro-
periferia con el aumento de la experiencia de una ley de la representación mental, y en qué
medida es una adaptación a la estructura objetiva de dominios, sigue siendo una pregunta abierta.
El concepto de red codifica la intuición de que todo está relacionado con todo lo demás, y
el concepto de la teoría codifica la intuición de que algunos elementos de conocimiento son más
9
importantes que otros. El concepto de un esquema, por el contrario, codifica la intuición de que
gran parte de nuestro conocimiento declarativo representa patrones recurrentes en la experiencia.
Aunque el término "esquema" nunca se han definido formalmente, los aspectos clave en esta
construcción son, sin embargo, claro. En una primera aproximación, un esquema es un conjunto
de relaciones entre un conjunto de ranuras o atributos, donde las ranuras pueden ser considerados
como variables que pueden tomar valores dentro de un rango especificado (Bobrow y Collins,
1975; Brewer y Nakamura, 1984; Marshall, 1995; Minsky, 1975; Norman y
Rumelhart, 1975; Thorndyke, 1984). Tome el concepto de "prima" como ejemplo. Una prima
puede ser definido por un esquema que contiene las ranuras, como los niños, padres y hermanos,
junto con una colección de relaciones, tales como padres y hermanos y de-de:
(Primo de yw) = def [(padre-de xy) (hermano-de zx) (padre-de zw)]
Decir que una persona entiende que Steve (ranura y) y Bob (w ranura) son primos es decir que él
o ella sabe que Steve (ranura y) es el hijo de Carl (ranura x), Carl es el hermano de Juan (z
ranura), y John es el padre de Bob (w ranura). Las ranuras están asociadas con rangos de valores
apropiados. Siendo un niño, Steve debe ser menor de Carl, por lo que la ranura y podría tener un
rango de edad de 1-50 años de edad, y la ranura x podría tener un rango de edad de 21 a 85 años
de edad. Del mismo modo, la ranura y puede tener los valores de ser o bien un macho (un hijo) o
una hembra (una hija).
Los esquemas son unidades limitadas del conocimiento, y es esencial para su función de
la hipótesis de que se recuperan o se activan como unidades. Es decir, si se activa una parte de un
esquema (relación o ranura), hay una alta probabilidad de que el resto del esquema se recuperará
también.
Los esquemas son por lo general abstracto, precisamente porque representan patrones recurrentes
en la experiencia.
Nivel de abstracción puede variar (Ohlsson, 1993).

10
Hay muchas variantes de la idea de esquema en la literatura cognitiva. En los estudios de
ajedrez clásico de deGroot (1965) y Chase y Simon (1973), se encontró que los expertos de
ajedrez para saber de memoria miles de patrones de la placa (cada modelo que consiste en un par
de piezas de ajedrez dispuestas en una configuración significativa), y estos patrones familiares
alterado su percepción de la junta con el fin de sugerir prometedores movimientos. hallazgos
similares en relación con el poder de los patrones de percepción de influir en mayor grado de
cognición nivel se pueden ver en la capacidad del médico para leer radiografías (Lesgold,
Rubinson, Feltovich, Glaser, Klopfer, y Wang, 1988) y la capacidad del bombero para
aprovechar un fuego ( Klein, 1998). Del mismo modo, no hay pruebas que demuestran que el
conocimiento de programación expertos incluye estructuras de marco llamados planes (Soloway
y Ehrlich, 1984), cuales son las situaciones estereotipadas que se producen con frecuencia en la
programación: bucle, se acumulan los valores, y así sucesivamente. Estos planes básicos no sólo
sirven como bloques de construcción cuando se escriben programas, sino que también son
necesarios para la comprensión de los programas. Los scripts son estructuras de conocimiento de
orden superior que representan el conocimiento de los eventos informales o cotidianas, como
comer en un restaurante o que visitan el consultorio del dentista (Schank y Abelson, 1977) de las
personas. Explicación de los patrones son esquemas de cómo construir explicaciones de los tipos
particulares (Kitcher, 1993; Ohlsson, 2002; Ohlsson y Los scripts son estructuras de
conocimiento de orden superior que representan el conocimiento de los eventos informales o
cotidianas, como comer en un restaurante o que visitan el consultorio del dentista (Schank y
Abelson, 1977) de las personas. Explicación de los patrones son esquemas de cómo construir
explicaciones de los tipos particulares (Kitcher, 1993; Ohlsson, 2002; Ohlsson y Los scripts son
estructuras de conocimiento de orden superior que representan el conocimiento de los eventos
informales o cotidianas, como comer en un restaurante o que visitan el consultorio del dentista
11
(Schank y Abelson, 1977) de las personas. Explicación de los patrones son esquemas de cómo
construir explicaciones de los tipos particulares (Kitcher, 1993; Ohlsson, 2002; Ohlsson y
Hemmerich, 1999; Schank, 1986). Sin embargo, otras construcciones de esquema similar se han
propuesto (por ejemplo, Collins & Ferguson, 1993; Keegan, 1989; Machamer y Woody, 1992).
Trozos, los patrones de explicación, marcos, planes y guiones son variantes de la idea básica de
que tanto el conocimiento declarativo consiste en representaciones de patrones recurrentes. Para
simplificar, vamos a utilizar el término esquema lo largo de este capítulo para hacer referencia a
todas estas construcciones.
Aunque las tres construcciones de redes, teorías y esquemas aparecen al lado del otro en
la literatura cognitiva, las relaciones entre ellos no están claras. En primer lugar, no está claro
cómo un esquema debe entenderse dentro de la noción más amplia de una red semántica. Para un
esquema que sea una entidad de representación distinta, tiene que haber un límite bien definido
entre el esquema y el resto de la red de conocimiento. (Si no, la activación se extenderá
uniformemente a través de los nodos y enlaces en el esquema y los nodos y enlaces que no están
en el esquema, lo que contradice la afirmación central de la teoría del esquema que la
probabilidad de propagación de un nodo dentro del esquema a otro nodo dentro del esquema es
más alta que la difusión a un nodo fuera del esquema.) Sin embargo, el concepto de una red no
proporciona ninguna manera obvia para explicar lo que constituiría un límite tal, aparte de
suponer que los enlaces entre nodos dentro de un esquema son más fuertemente conectados que
los enlaces entre nodos entre esquemas (Chi y Ceci, 1987; Rumelhart, Smolensky, McClelland, y
Hinton, 1986). La diferenciación en la fuerza de los enlaces puede crear agrupaciones que puede
ser concebida como esquemas (Chi y Koeske, 1983).
Las relaciones entre un esquema y una teoría son igualmente poco claro. Uno puede
conceptualizar un esquema como una herramienta para organizar la información, pero no es
obvio si un esquema hace afirmaciones o declaraciones sobre el mundo. En esta concepción, los
12
esquemas no son teorías, pero la gente obviamente tienen teorías. Finalmente, cualquier
explicación de la relación entre las redes y teorías debe especificar cómo la estructura centro-
periferia que es intrínseco a las teorías puede ser embebido dentro de las redes.
En este capítulo, tomamos la postura de que las redes, teorías y esquemas, son tres
constructos teóricos que se superponen parcialmente pero distintos. Diferentes aspectos de la
organización del conocimiento declarativo se entienden mejor con la ayuda de una o la otra de
estas construcciones, o con alguna mezcla de los tres.
En resumen, las bases de conocimientos declarativos son muy grandes y exhiben
organización compleja. La noción de redes semánticas captura el hecho de que cada parte del
conocimiento de una persona está relacionada, directa o indirectamente, a cualquier otra parte.
Representaciones de dominios particulares varían en “profundidad”, es decir, el grado en que se
caracterizan por un conjunto central de ideas o principios fundamentales a los que otros,
unidades de conocimiento más periféricas están relacionados. El conocimiento declarativo
también representa los patrones recurrentes en la experiencia con los esquemas, pequeños
paquetes de información estructural abstracta que se recuperan como unidades y se utilizan para
organizar la información. Estos tres tipos de organización no pueden ser fácilmente reducidos a
unos de otros,
Tipos de cambios
El propósito de esta sección es para describir los diferentes tipos de cambios en la base de
conocimientos como uno aprende un cuerpo de conocimiento declarativo. No existe ninguna
taxonomía ampliamente aceptada de los cambios en un cuerpo de conocimiento declarativo.
Elegimos para caracterizar los cambios que ocurren como potencialmente en siete dimensiones.
Presumiblemente, los diferentes mecanismos cognitivos son responsables de los cambios a lo
largo de diferentes dimensiones, pero el campo no ha especificado con alguna precisión los
13
mecanismos de aprendizaje para todas las dimensiones. En cada sección a continuación,
especificamos una dimensión de cambio, resumimos algunas evidencias empíricas relevantes, y
describir los procesos cognitivos y, si los hubiera, que se han propuesto para explicar el cambio a
lo largo de esa dimensión.
Tamaño más grande
El crecimiento acumulado en tamaño es una dimensión básica de cambio en un cuerpo de
conocimiento declarativo. Adultos, obviamente, saben más sobre el mundo en general que hacen
los niños (Chi,
1976); para que los niños se refieren a menudo como novicios universales (Brown y DeLoache,
1978).
Del mismo modo, los expertos obviamente sabe más acerca de sus ámbitos de competencia que
los novatos (Chi, Glaser y Farr, 1988). La gente suele acumular datos adicionales sobre el mundo
a partir de fuentes tales como los programas de noticias, textos, imágenes y conversaciones.
Estas fuentes presentes personas con alguna información sobre los hechos que no sabía antes, y
algunos de esos hechos se conservan. La base de conocimiento declarativo sigue creciendo en
tamaño durante toda la vida, aunque tal vez a un ritmo más lento a medida que una persona
envejece (Rosenzweig, 2001). Rumelhart y Norman (1978) se han referido a este tipo de adición
acumulativa de las piezas de conocimiento como acreción.
Para los adultos, la adquisición acumulativa de piezas individuales de conocimiento -
hechos - debe ser generalizada y representan una gran proporción de todo aprendizaje. Hay poco
misterio en cuanto a los procesos de adquisición. Las personas los adquieren a través de la
percepción y la observación, a través de la comprensión del discurso oral y escrito, y por medio
inductivo (Sloman y Lagnado, este volumen) y deductivo (Evans, este volumen) razonamiento
14
(es decir, al inferir nuevos hechos de conocimiento previo, o la integración de nuevos hechos con
el conocimiento antiguo y hacer más inferencias a partir de la combinación).
Una propiedad particularmente interesante de acreción es que es auto-refuerzo. Muchos
estudios han confirmado que la psicología lo que está codificado, comprendido y se infirió
depende del conocimiento previo del alumno individual. Por ejemplo, Spilich, Vesonder, Chiesi
y Voss (1979) presentaron un pasaje que describe un juego de béisbol ficticio. No sólo era la
cantidad de memoria de los individuos con alto conocimiento mayor de béisbol antes (lo que
sugiere que la información se codifica correctamente), pero el patrón de recuperación también
fue diferente. Los individuos de alto conocimiento recordaron más información directamente
relacionada con la estructura objetivo del juego (Spilich et al, 1979), así como las acciones del
juego y los cambios relacionados en los estados de juego (Voss, Vesonder y Spilich, 1980),
mientras las personas de bajos conocimientos recordaron los equipos, el clima, y otros eventos
menos importantes, y confunden el orden de las acciones. Por otra parte, los individuos de alto
conocimiento eran mejores que los individuos bajos de conocimiento en la integración de una
secuencia de frases (Chiesi, Spilich & Voss, 1979, Exp. V). En resumen, el conocimiento previo
conduce a la acumulación de más eficaz, que a su vez genera más conocimiento previo.
Aunque los procesos de codificación, la comprensión y la inferencia aumentan la base de
conocimientos, que no necesariamente causan cambios profundos en el conocimiento previo.
Considere una vez más un ventilador de béisbol lectura de un artículo de periódico sobre un
juego. Él o ella va a adquirir hechos que son evidentemente nuevo - la puntuación en el 8vo turno
no puede haber sido conocida antes de que el juego ha sido jugado - pero los hechos acerca de
los juegos anteriores no se alteran, y él o ella es poco probable que adquirir una nueva y diferente
concepción del juego en sí, aunque datos adicionales acerca de los juegos de béisbol de por sí
pueden ser adquiridas. La característica clave que hace de esta una instancia de acreción es que el
alumno ya tiene un esquema para un partido de béisbol, que presumiblemente tiene ranuras para
15
las acciones básicas (que lanzan la bola), el objetivo más alto nivel (ganar el juego), así como
otros aspectos del juego (Soloway, 1978). Una vez que el esquema se ha adquirido, a ser cada
vez más informado está en gran parte a adquirir más conocimientos que encaja en dichas franjas
horarias, así como el conocimiento de los sub-objetivos y las relaciones entre las acciones
básicas y el objetivo (Medios & Voss, 1985). Del mismo modo, los lectores de relatos podrían
adquirir datos acerca de algunos eventos de ficción, pero es poco probable que cambie su
concepción de la causalidad, el tiempo o la motivación humana, podría decirse que tres esquemas
centrales en la comprensión de las narrativas (Graesser, cantante, y Trabasso, 1994; Kintsch,
1998 ).
Estas observaciones implican que es necesario distinguir entre dos niveles de aprendizaje.
Comprensión como entiende normalmente resultados en la construcción de una instancia
específica de un esquema o la adición de los hechos de esquema relevante. La nueva información
se asimila a los esquemas existentes. Este es el mecanismo básico de acreción. El tamaño de la
base de conocimiento declarativo correspondiente aumenta sin cambios fundamentales en la
estructura.
aprendizaje más profundo, por el contrario, da lugar a una cierta modificación estructural
del esquema previo del alumno. La misma distinción puede ser fácilmente expresada dentro de
los otros dos marcos teóricos que utilizamos en este capítulo. En términos de red, la acreción
agrega nodos y enlaces sin borrar o alterar cualquier los anteriores, mientras que el aprendizaje
más profundo requiere una reorganización de la red. En términos de teorías intuitivas, el
crecimiento acumulado podría desarrollar las relaciones entre los principios básicos y los
elementos periféricos de conocimiento, mientras que el aprendizaje más profundo sea desarrolla
los principios básicos, reemplaza o altera uno o más de los principios básicos. Se discuten los
procesos de aprendizaje más profundos más adelante en este capítulo.

16
La conectividad más denso
En términos de red, la conexión se puede definir como la densidad de las relaciones entre
los elementos de conocimiento. Es de esperar que la densidad de las conexiones en una
representación a aumentar a medida que el alumno adquiere más conocimiento. Esta implicación
fue apoyada por un estudio en el que se comparó la representación nodo-link de conocimiento de
20 dinosaurios familiar con su representación de 20 dinosaurios menos familiares de un solo hijo
(Chi y Koeske, 1983, ver las figuras 1 y 2). Los nodos y las relaciones de la red fueron
capturados de protocolos de generación del niño de los dinosaurios y sus atributos. La
representación de los 20 dinosaurios más familiares fue mejor conectados en grupos
significativos ya que tenía más enlaces relacionados con los dinosaurios que pertenecían a la
misma familia, así como en relación a los dinosaurios con sus atributos de la dieta y el hábitat. La
representación de los 20 dinosaurios menos familiares tuvo un menor número de enlaces dentro
de los grupos, y por lo tanto el cluster se conectaron con menor densidad, de modo que aparezcan
menos diferenciadas y más difusa. En resumen, los materiales de mejor aprendidas estaban
conectados con mayor densidad de una manera organizada, a pesar de que en general, las dos
redes representan el mismo número de nodos y enlaces.
---------------------------------- añadir cifras 1 y 2 aquí ---------- ------------------------
Un caso especial de la conexión es el mapeo entre las capas. Las capas pueden ser
definidos de diferentes maneras en diferentes dominios. Por ejemplo, en el contexto de la
programación informática que podemos concebir la especificación (los objetivos) como la capa
más alta, y la puesta en práctica (las estructuras de datos y las acciones primitivas del programa)
como el nivel más bajo. El diseño y la comprensión de un programa requiere la construcción de
un puente entre la especificación y la implementación (Brooks, 1983). Este puente se asigna a la
aplicación de la especificación a través de una serie de capas. programadores expertos son
expertos en la vinculación de objetivos de alto nivel a segmentos específicos de código de

17
programación, mientras que los programadores menos calificados son más propensas a enlazar
los objetivos del programa a los factores desencadenantes como los nombres de variables
(Pennington, 1987). Una vez más,
Otro caso especial de conexión entre las condiciones (conocimiento declarativo) y las
acciones (conocimiento procedimental). Por ejemplo, los pilotos con y sin experiencia sabían
número equivalente de los hechos, pero los pilotos inexpertos no lograron aplicarlas en el
contexto de las acciones (Stokes, Kemper y Kite, 1997). Se puede interpretar que esto significa
que los hechos que los pilotos sin experiencia sabían no estaban conectados a sus acciones.
A pesar de que los estudios citados implicadas las relaciones altamente específicos de
dominio, hay muchos tipos de conexiones que juegan un papel central en las bases de
conocimientos declarativos. Por ejemplo, las relaciones causales desempeñan un papel central en
la comprensión de las narrativas (Buehner y Cheng, este volumen; Trabasso & van den Broek,
1985), así como las teorías científicas, y las relaciones jerárquicas como las relaciones
configuración de subconjuntos forman la columna vertebral de taxonómico o estructuras de
conocimiento clasificatorios (Rips y Medin, este volumen). La idea general es que a medida que
avanza la adquisición de conocimiento en un dominio, la representación del aprendiz acerca de
ese dominio se incrementará en la conectividad de una manera significativa.
El aumento de consistencia
La consistencia de una representación del conocimiento se refiere al grado en el que las
múltiples afirmaciones incrustados en una teoría intuitiva pueden, de hecho, ser verdad al mismo
tiempo. Una persona que afirma que la Tierra es redonda, sino que se niega a navegar en el
océano por miedo a caer sobre el borde es inconsistente en este sentido.
El concepto de consistencia ha sido explorado desde hace décadas en muchas áreas de la
psicología, la filosofía y la educación. Los psicólogos sociales investigaron la coherencia de los

18
sistemas de creencias en los 50 y 60 (Abelson, Aronson, McGuire, Newcomb, Rosenberg y
Tannenbaum, 1968; Heider, 1944; Festinger, 1962/1957; Fishbein y Ajzen, 1975; McGuire,
1968), y sigue siendo un área de investigación activa (Eagly y Chaiken, 1993; Harmon-Jones y
Mills, 1999). A raíz del influyente libro de Thomas Kuhn La estructura de las revoluciones
científicas (Kuhn, 1970), el debate filosófico sobre cambio de teoría en la ciencia llegó a
centrarse en cómo los científicos reaccionan a las inconsistencias (anomalías) entre la teoría y los
datos, y esta perspectiva continuado en los enfoques contemporáneos de la educación científica
(Hewson y Hewson, 1984; Posner, Strike,
Hewson y Gertzog, 1982; Huelga y Posner, 1985). investigadores de la educación ya se cebaron

para este enfoque por la preocupación tradicional en la tradición de Piaget de contradicciones e
inconsistencias como motores para el desarrollo cognitivo (Piaget, 1985). Por desgracia, las
literaturas sociales, filosóficas, educativas y de desarrollo sobre la consistencia cognitiva no están
tan estrechamente integrados como deberían ser, a la luz de las ideas casi idénticas que impulsan
la investigación en estos campos.
Es una certeza razonable de que la gente prefiere consistente durante creencias
inconsistentes, al menos localmente, y que el descubrimiento de inconsistencia local (o conflicto,
Ames y Murray, 1982) desencadena procesos cognitivos que tienen como objetivo restaurar la
consistencia, al igual que Piaget, Festinger, Kuhn, y otros han planteado la hipótesis. Por
ejemplo, Thagard (1989, 2000) ha explorado un modelo de red computacional llamado ECHO en
el que la consistencia se define como la falta de contradicciones entre las afirmaciones e
hipótesis. ECHO ha predicho con éxito los datos en humanos de una variedad de situaciones,
incluyendo la evaluación de las teorías científicas a la luz de los datos (Thagard, 1992a) y el
resultado de los juicios (Thagard, 1992b).
Sin embargo, la relación entre la inconsistencia experimentado y el cambio cognitivo es
compleja. Varios investigadores han sugerido que el conflicto provoca esfuerzos para restaurar la
19
consistencia sólo cuando el conflicto es reconocido por el alumno a sí mismo a través de la
reflexión (Chi, 2000; Ohlsson, 1999; Huelga y Posner, 1992). Cuando los participantes se alerta a
inconsistencias y conflictos por una fuente externa, es más probable que sea asimilar o
destitución (Chinn y Brewer, 1993). La contradicción de relieve por una fuente externa es
probable que desencadenar procesos de cambio sólo si el alumno no está satisfecho con su actual
concepción (Posner et al,
mil novecientos ochenta y dos). Por otra parte, hay muchas maneras de responder a la
inconsistencia (Chinn y Brewer, 1993; Darden, 1992; Kelman y Baron, 1968) y no todos los
modos de respuesta de aumentar la coherencia (en contraposición a pasar por el problema);
volvemos a este tema en la sección sobre la paradoja de aprendizaje.
La coherencia no debe confundirse con veracidad. Es posible que una representación de
conocimiento para ser localmente constante y sin embargo ser inexacta. Por ejemplo, hemos
argumentado que la concepción ingenua del sistema circulatorio como un único sistema de
circuito es defectuoso pero sin embargo limitada por un conjunto coherente de principios
identificables pero inexactas. El alumno puede utilizar tal concepción errónea de forma
sistemática para generar explicaciones incorrectas. (Chi, 2000). Históricamente, la teoría epicycle
Ptolemian del sistema solar era tan consistente internamente como la teoría de Kepler, pero
obviamente no es tan preciso.
La consistencia tampoco debe confundirse con nivel de experiencia. Una persona con más
conocimientos no necesariamente tiene una representación en el dominio más consistente que
alguien que sabe menos. Capacidad para operar con inconsistencia menudo se ha propuesto como
un signo de sofisticación intelectual, mientras insistencia en total consistencia ha sido asociado
con el dogmatismo y la falta de flexibilidad intelectual (Ehrlich y Leed, 1969; Rokeach, 1960).
Un ejemplo famoso histórico es la resolución - o la falta de resolución - dentro de la mecánica
cuántica entre los modelos de ondas y partículas de fotones. Estas entidades molestos insisten en
20
comportarse como ambas ondas y partículas, y desde la época de los físicos Niels Bohr se han
contentado con dejar que sea de esa manera.
La consistencia se utiliza a veces como sinónimo del término coherencia, como en el uso
de Thagard (1992a) de la coherencia explicativa término para referirse a la consistencia entre una
hipótesis y pruebas y otras hipótesis. Sin embargo, la consistencia es distinta de la coherencia en
la que, como una medida de una representación, la coherencia se puede utilizar para referirse a la
conectividad más bien definido en una representación semántica, en la que la noción de
contradicción o conflicto no es un problema (Chi y Koeske, 1983). No existe evidencia suficiente
ni acuerdo sobre el concepto de coherencia para justificar la discusión como una dimensión
separada de cambio.
Para resumir, el aumento de la consistencia es un importante tipo de cambio en una
base de conocimiento declarativo, pero es distinta de los conceptos de mayor veracidad, el
conocimiento más avanzada, y la coherencia.
Representación de grano más fino
La realidad no es simple, y casi cualquier aspecto de la misma puede ser descrita o
representada en los diferentes niveles de grano. A medida que uno aprende más sobre algo, a
menudo se llega a entender que en un grano más fino. Por ejemplo, aprender cómo funciona el
sistema circulatorio humano que implica el aprendizaje de los componentes del sistema, tales
como el corazón, los pulmones, la sangre y los vasos sanguíneos, y la relación que la contracción
del corazón envía sangre a diferentes partes del cuerpo.
Dado este nivel de representación, se puede entonces preguntar: ¿Cómo funciona el
corazón se contraiga? Para responder a esta pregunta, habría que aprender acerca de los
constituyentes del corazón: las propiedades de las fibras musculares de contracción, el papel de
la presión del ventrículo, y así sucesivamente. El alumno podría empujar aún hacia otro nivel
21
preguntando fibras musculares se contraen forma individual. En cada nivel del sistema se
entiende en términos de sus partes constituyentes, y más en la adquisición de conocimiento se
expande cada componente en sus partes constituyentes. Este tipo de proceso se expande la base
de conocimientos, pero de una manera particular: Se mueve a lo largo de una parte de los enlaces
(a diferencia de tipo de enlaces). En términos de red, lo que antes era un único nodo se expande
hacia abajo en toda una sub-árbol.
Miyake (1986) recoge datos de protocolo que ilustraban este tipo de cambio. Se demostró
que las diadas, en el intento de comprender el funcionamiento de una máquina de coser, se
moverían a niveles cada vez más bajos cuando se dieron cuenta de que no habían entendido el
mecanismo. Por ejemplo, en averiguar cómo se hace una puntada, se puede entender que
explicando que la aguja empuja un bucle del hilo superior a través del material a la cara inferior,
de modo que el hilo superior bucles enteramente alrededor del hilo inferior. Sin embargo, con el
fin de entender cómo funciona este mecanismo de bucle, uno tiene que explicar el mecanismo a
un nivel aún más fino, es decir, en términos de cómo el hilo inferior pase por el bucle del hilo
superior.
expansión del conocimiento a través de un grano más fino de la representación es bastante
común en las ciencias. El último ejemplo es quizás la reducción por los químicos de sustancias
materiales a moléculas, que a su vez se describen en términos de átomos, que a su vez se re-
representados por los físicos en términos de partículas elementales. Debemos tener en cuenta, sin
embargo que se trata de representaciones de estos dominios que son refinados, y novicios de los
expertos representaciones no necesariamente lo mismo.
En el análisis de los sistemas biológicos, como el sistema circulatorio y máquinas tales
como la máquina de coser, las partes son objetos de la misma clase que el propio sistema para
que encarnan la parte de relaciones. En estos ejemplos, las válvulas y las venas son de la misma
clase y que son ambas partes del sistema cardiovascular, y hilo y una puntada son ambos de la
22
misma clase y que son ambas partes del proceso de costura. El enlace entre el comportamiento de
las piezas y el comportamiento del conjunto a menudo se puede entender en términos de causa
directa y efecto, o en términos de limitaciones mecánicas que fuerzan el movimiento en una
dirección en lugar de otro, tales como las válvulas en las venas.
Sin embargo, hay sistemas en los que la relación entre el más fino y más grueso niveles
de análisis no es de la misma clase y el comportamiento del sistema es emergente (Chi,
presentado; Wilensky y Resnick, 1999). Un atasco de tráfico es un ejemplo. Un atasco de tráfico
es un embotellamiento de vehículos automóviles de tal manera que ya no pueden moverse a una
velocidad normal. Pero los coches no son de la misma clase que el atasco de tráfico. En este tipo
de sistema, el (a menudo) observable comportamiento nivel macro (el atasco de tráfico) se puede
representar de forma independiente de los objetos de nivel micro (los coches en movimiento).
Cada vehículo individual puede estar siguiendo la misma regla simple, que es para acelerar si no
hay un coche delante dentro de una cierta distancia y para reducir la velocidad cuando no hay
otro coche dentro de esa distancia. Pero el atasco en sí puede moverse hacia atrás a pesar de que
los coches individuales se mueven hacia adelante. Así, el comportamiento de los coches
individuales en un atasco es independiente de la mermelada. Sin embargo, el patrón de nivel
macro (el atasco) surge de interacciones locales entre los coches individuales de nivel micro.
Aprender acerca de los sistemas de este tipo no se realiza necesariamente por desempacar
las piezas en partes aún más pequeñas, pero más a menudo puede producirse mediante la
adquisición de las dos representaciones del sistema por separado y luego vincularlos. Este tipo de
aprendizaje proceso de re-representa la macro en términos de la relación entre el micro y el nivel
macro, con el fin de explicar el fenómeno a nivel macro (Chi, presentado; Chi y Hausmann,
2003).
No está claro qué frecuencia las personas se ven obligados a ampliar sus representaciones
a la baja de grano más fino del análisis. En la vida cotidiana, la gente no siempre se siente la
23
necesidad de conectar los fenómenos en un nivel de fenómenos en los niveles más grano fino.
Por ejemplo, la gente parece contenido para entender el clima a nivel del viento, la temperatura,
las nubes, la humedad, la lluvia y la nieve, sin volver a representarlos en los niveles más finos de
los fenómenos moleculares que dispone el meteorólogo profesional (Wilson y Keil, 2000 ).
Todavía no entendemos los factores y procesos que llevan a la gente a ampliar, pero la
posibilidad de tal expansión es una dimensión importante de cambio en el conocimiento
declarativo.
mayor complejidad
Un tipo distinto de cambio en la estructura de conocimiento es necesaria cuando los
conceptos actuales del alumno no son suficientes para representar el fenómeno o sistema en su
conjunto. Lo que hay que entenderse no puede ser asimilado dentro de cualquier esquema que el
alumno tiene a su disposición. El alumno puede responder mediante la creación de un esquema
más complejo (Halford, este volumen). Aunque se sabe muy poco acerca de cómo se desarrollan
los esquemas más complejos, una hipótesis plausible es que se crean mediante la combinación o
montaje de varios esquemas existentes (Ohlsson y Hemmerich, 1999; Ohlsson y Lehtinen, 1997).
La creación de la teoría de la evolución por la selección natural es un ejemplo de ello. En
el siglo 19, muchos biólogos sabían que no había variación dentro de las especies y que muchas
especies producen más descendientes que sobreviven a la edad adulta (reproductiva), y el hecho
(en contraposición a la explicación) de la herencia era por supuesto comúnmente aceptado. La
teoría de la evolución es el resultado de montaje o la combinación de estos tres esquemas de una
manera muy particular, en un nuevo esquema, más compleja. El proceso de cambio que aquí no
se mueve a lo largo de uno u otro tipo de o parcial de las relaciones y no a refinar el grano de la
representación. En su lugar, se mueve a una mayor complejidad. El esquema resultante es más

24
compleja que cualquiera de los esquemas previos. Tal medida no requiere necesariamente un
mayor nivel de abstracción (véase la siguiente sección).
El proceso de montaje se puede impulsó. En un estudio, Ohlsson y Regan (2001)
estudiaron una versión de laboratorio del problema de la estructura del ADN. Basado en cuentas
históricas publicados del descubrimiento del ADN, se extrajeron ocho conceptos de componentes
diferentes que tenían que ser combinan para representar la estructura de doble hélice. Estos
resultaron ser conceptos que los adultos más educados se puede esperar de poseer, por ejemplo,
en paralelo, dos a dos, inversa, complemento, etc. Se encontró una relación lineal entre la
proporción de estos ocho conceptos que fueron preparados por los ejercicios antes de la
resolución de problemas y el tiempo que tardó estudiantes universitarios para resolver la versión
de laboratorio del problema ADN.
El proceso de montaje se puede entender como una combinación de esquemas. El paso
clave en la combinación de esquemas debe ser para alinear las ranuras de un esquema a los de
otra. esquema de selección natural no funciona a menos que las especies que exhiben variación
es también la especie que está sujeto a presión selectiva. El proceso de montaje puede compartir
características con combinación conceptual, aunque este último proceso se refiere a los
conceptos léxicos individuales que consisten de sustantivo-sustantivo o adjetivo-nombre pares
desconocidas, tales como peces mascota (Costello y Keane, 2000; Hampton, 1997;
Medin y Shoben, 1988; Rasgaduras y Medin, este volumen; Smith, Osherson, roturas y Keane,
1988). Sabemos poco acerca de la frecuencia y prevalencia de movimientos a favor de una mayor
complejidad ya sea en el mismo concepto o los niveles de esquema, y menos sobre las
condiciones que solicita a las personas que se dedican a este tipo de movimientos.
Mayor nivel de abstracción

25
El concepto de abstracción, en términos de dónde viene ni cómo se deriva, sigue siendo
controvertido después de dos milenios de beca. Además de la cuestión de cómo se forman las
abstracciones, hay un segundo, con frecuencia se pasa por alto sentido de avanzar hacia la
abstracción más alta: dada una preexistente conjunto de abstracciones, es posible volver a
representar un objeto o un dominio a un nivel más alto de abstracción . Por ejemplo, Chi,
Feltovich y Glaser (1981) mostraron que los físicos representados problemas de rutina física en
términos de los principios profundos que serían necesarios para construir una solución, mientras
que los principiantes de física (aquellos que han tomado un curso en la universidad con un grado
A) , tienden a representar los mismos problemas de acuerdo con sus componentes de la superficie
de hormigón, tales como poleas y planos inclinados. El punto es que uno y el mismo problema
tiende a estar representados en estos diferentes niveles de abstracción por dos grupos, tanto de los
que conocer los principios pertinentes. Los principiantes en el estudio de Chi et al (1981)
conocían los principios pertinentes en el sentido de que ambos pudieran expresar y usarlos. Sin
embargo, no representan de manera espontánea problemas en términos de esos principios en
lugar de las propiedades del hormigón. En algún lugar a lo largo del camino de la experiencia,
los físicos llegaron a hacerlo.
Re-representando a un nivel más alto de abstracción (usando abstracciones ya adquiridos)
es una dimensión muy interesante de cambio, pero los estudios empíricos relevantes son escasos.
Como es el caso con la mayoría de otros tipos de cambios, no tenemos conocimiento de las
condiciones que solicita a las personas que se mueven a lo largo de esta dimensión y la
naturaleza exacta del mecanismo cognitivo relevante.
Vantage Point desplazado
Cambio del nivel de abstracción está estrechamente relacionado con, pero diferente de, el
proceso de cambio que en la jerga llamada normal de perspectiva. Un estudio clásico de R.

26
Anderson demuestran que esta frase no sólo se refiere a una metáfora, sino a un proceso
psicológico concreto. Anderson y Pichert (1978) dieron a los sujetos un texto para leer que
describe una casa. Instruyeron a los sujetos para tomar la perspectiva de cualquiera de un ladrón
o de un comprador potencial. Los resultados mostraron que las instrucciones que llevó a las
personas a recordar detalles diferentes, incluso cuando se les dio las instrucciones que toman
perspectiva después de que los sujetos habían leído el texto.
Cambiando su punto de vista puede facilitar la resolución de problemas. Por ejemplo,
Hutchins y Levin (1981) utilizaron la ocurrencia de los verbos deícticos como “ven”, “ir”,
“tener”, “enviar”, “traer”, y el lugar adverbios tales como “aquí”, “no”, “al otro lado” en los
protocolos de pensamiento en voz alta para determinar el punto de vista de los sujetos resolver el
problema misioneros y caníbales. Encontraron que los solucionadores de problemas cambio de
perspectiva, ya que resolver el problema. Inicialmente, ellos ven el río que los misioneros y
caníbales tienen que cruzar de la orilla izquierda. Más adelante en el proceso de resolución de
problemas, que vista desde la orilla derecha. Uno de sus hallazgos más interesantes fue que
cuando solucionadores estaban en un punto muerto en el sentido de que han hecho dos
movimientos no progresivas de su problema actual estado de la solución, que podría resolver el
punto muerto si cambiaron su punto de vista. En resumen, el tanto misterioso proceso de
'teniendo' una perspectiva particular no debe entenderse como puramente metafórica; esta forma
de re-representación tiene consecuencias reales para el procesamiento cognitivo.
En estos casos analizados, el cambio de perspectiva fue transitoria. Hay algunas pruebas
que sugieren que los niños se vuelven más capaces de cambiar la perspectiva a medida que
envejecen (Halford, este volumen). Por ejemplo, Shatz y Gelman (1973) mostraron que los
jóvenes de 2 años de edad no podrían ajustar su discurso a la edad del oyente, mientras que 4
años hicieron ajustar su discurso en función de si estaban hablando a otro compañero o una
adulto. Esto sugiere que la mayor edad (pero no menos) los niños son capaces de cambiar sus
27
puntos de vista a la de los oyentes. Del mismo modo, Piaget e Inhelder (1956) han demostrado
que los niños de mayor edad más jóvenes, pero no son capaces de entender lo que otro
espectador puede ver, cuando la otra persona lo ve desde otra perspectiva. Aunque se podría
suponer que a medida que los niños maduran, adquieren más conocimiento que les permite
cambiar la perspectiva, esta próxima estudio confirma esta interpretación, ya que manipula
directamente el conocimiento. Dimos altas oportunidades de los estudiantes de la escuela para
jugar con una simulación por ordenador que les permite asumir diferentes roles en un contexto de
negocios, tales como ser el vicepresidente de un banco. Los estudiantes eran mucho más capaces
de tomar la perspectiva del cliente después de jugar con la simulación, mientras que sólo fueron
capaces de tomar la perspectiva del banco antes de jugar con la simulación (Jeong, Taylor & Chi,
2000). tales como el vicepresidente de un banco. Los estudiantes eran mucho más capaces de
tomar la perspectiva del cliente después de jugar con la simulación, mientras que sólo fueron
2000). tales como el vicepresidente de un banco. Los estudiantes eran mucho más capaces de
tomar la perspectiva del cliente después de jugar con la simulación, mientras que sólo fueron
2000).
En otra serie de estudios, se intentó enseñar a los niños de primer grado acerca de la
forma de la Tierra (Johnson, Moher, Ohlsson y Gillingham, 1999; Johnson, Moher, Ohlsson y
Leigh, 2001; Ohlsson, Moher y Johnson, 2000). La comprensión profunda de este tema requiere
que una persona puede coordinar la normalidad - lo llamamos egocentered - perspectiva de una
persona que camina alrededor de la Tierra con una perspectiva exocentered de una hipotética (y
físicamente inalcanzable) punto de vista en el espacio. Tales coordinaciones perspectiva puede
ser muy compleja. Por ejemplo, considere atardeceres. Lo que en la perspectiva egocentered
aparece como el sol desaparece detrás del horizonte aparece en la perspectiva exocentered como
28
el movimiento de la frontera entre la luz y la sombra sobre la superficie de la Tierra debido a la
rotación de este último. Claramente,
Estos y estudios relacionados demuestran la aparición de puntos de vista cambiantes y
documentar las ventajas que aportan. Este tipo de cambio debe ser una dimensión importante del
crecimiento del conocimiento declarativo.
Discusión
Sugerimos que un complejo cuerpo de conocimiento declarativo con el tiempo se mueve
a lo largo de múltiples dimensiones del cambio: el tamaño, la conectividad, la consistencia, el
grano, la complejidad, abstracción y punto de vista. Sin duda hay otras dimensiones en las que
los cambios declarativas conocimientos durante el aprendizaje, así, como la coherencia, pero
cada uno de ellos tienen al menos algún apoyo en los estudios empíricos.
Aunque separamos estas siete dimensiones analíticamente para los propósitos de este
capítulo, no sugerimos que un cambio cognitivo mueve normalmente a lo largo de una sola
dimensión. La mayoría de los procesos de adquisición de conocimientos complejos implicarán
movimiento simultáneo a lo largo de más de una dimensión. Por ejemplo, el aprendizaje sobre la
química implica pensamiento de sustancias materiales como sólidos, líquidos y gases en lugar de,
por ejemplo, hierro, agua y aire; este es un movimiento hacia la abstracción más alto. Al mismo
tiempo, el estudiante de química adquiere un análisis más fino de grano de las sustancias
materiales en términos de átomos y moléculas, y un gran número de hechos aislados previamente
desconocidos acerca de tales sustancias, por ejemplo, sus puntos de fusión. Él o ella podría tener
que montar un nuevo esquema como el equilibrio dinámico, que implica cambio de punto de
vista entre el nivel atómico (donde hay procesos continuos) y el nivel macro emergente (donde
no es, sin embargo, la estabilidad). es probable que requiera movimiento a lo largo de todos estos
29
siete dimensiones Un año de la química de la escuela secundaria. Sugerimos que esto es típico en
la adquisición de conocimiento declarativo compleja.
Teniendo en cuenta que una representación puede cambiar en todas las maneras que
hemos descrito anteriormente, la investigación sobre la adquisición de conocimiento declarativo
complejo se encuentra con una dificultad particular: ¿Cómo evaluar los efectos de diferentes
escenarios de aprendizaje y procedimientos de entrenamiento. El estudio del conocimiento
declarativo contrasta en este sentido con el estudio del conocimiento procedimental. El
aprendizaje del conocimiento procedimental como la resolución de problemas puede ser
evaluado forma relativamente sencilla mediante la medición del grado en el que la representación
de un alumno del procedimiento se aproxima al procedimiento de solución correcta, en términos
de las reglas y estrategias. El aprendizaje de conocimiento declarativo, por el contrario, debe
medirse a la luz de las siete dimensiones mencionadas anteriormente. Este es quizás el problema
metodológico más importante en el estudio del conocimiento declarativo compleja.
Aunque entendemos el carácter de estas siete dimensiones relativamente bien, sabemos
muy poco sobre lo que desencadena la gente se mueva a lo largo de una u otra dimensión.
¿Cuáles son los factores que desencadenan alguien para pasar a un grano más fino o de otro nivel
de abstracción; condiciones bajo las cuales se aprende a mover un punto de vista alternativo? Del
mismo modo, no entendemos completamente la naturaleza de los procesos que dan lugar a los
cambios en cada dimensión. La investigación empírica se ha centrado en la documentación de la
realidad psicológica de cada tipo de cambio, y no ha perseguido suficientemente la cuestión de
condiciones de activación y los procesos de cambio.
Los siete tipos de cambios discutidos hasta ahora ampliar la base de conocimientos
previos del alumno de una manera monótona en la que el conocimiento previo no tiene por qué
ser rechazada o se sobrescribe. Es posible mover hacia tamaño más grande, la conexión más
densa, de grano más fino de la representación, una mayor complejidad, una mayor abstracción, y
30
un punto de vista diferente sin rechazar o sustitución de representación uno de conocimiento
previo. La única excepción es un movimiento hacia una mayor consistencia. Para lograr una
mayor consistencia, uno podría tener que rechazar o abandonar un cierto conocimiento o creencia
previa. La sección siguiente discute tales cambios no monótonas.
LA PARADOJA DE APRENDIZAJE: monótona Y CAMBIO NO monotónico
Es tentador pensar en un novato como carente principalmente el conocimiento; el proceso
de aprendizaje es entonces ve, naturalmente, como un proceso de acreción: llenar un vacío de
información o la adición. Algunos de los otros tipos de cambios que se describen en los
apartados anteriores, tales como el aumento de la conectividad y se mueve hacia un grano más
fino de la representación, también tienen esta naturaleza acumulativa, ya que se extienden de
manera significativa el conocimiento previo. Por otra parte, varios de los otros tipos de cambios,
tales como una mayor complejidad, mayor nivel de abstracción, y el cambio de punto de vista, no
tienen esta naturaleza acumulativa. Más bien, ellos van más lejos en cuanto a que re-representan
el dominio en lugar de simplemente añadir a la misma. Sin embargo, en cualquiera de los casos
acumulados o los casos de re-representación, los cambios no requieren que el conocimiento
previo ser rechazada o reemplazado. Por ejemplo, rerepresenting algo a un nivel más alto de
abstracción no requiere el rechazo de la representación anterior, porque las representaciones
abstractas y concretas de la misma cosa no son mutuamente incompatibles. Podemos cambiar de
un lado a otro entre la conceptualización de algo como un martillo y como una herramienta sin
necesidad de hacer una elección permanente entre estos dos conceptos. Por lo tanto, en este tipo
de proceso de re-representación, la vieja y la nueva representación pueden co-salida. Del mismo
modo para la re-representa dos conceptos o esquemas de componentes en un concepto más
complejo o esquema a través del conjunto. Las representaciones de los conceptos originales
permanecen. En resumen, estos tipos de cambios acumulativos y re-representacional son

31
monótona. porque las representaciones abstractas y concretas de la misma cosa no son
mutuamente incompatibles. Podemos cambiar de un lado a otro entre la conceptualización de
algo como un martillo y como una herramienta sin necesidad de hacer una elección permanente
entre estos dos conceptos. Por lo tanto, en este tipo de proceso de re-representación, la vieja y la
nueva representación pueden co-salida. Del mismo modo para la re-representa dos conceptos o
esquemas de componentes en un concepto más complejo o esquema a través del conjunto. Las
representaciones de los conceptos originales permanecen. En resumen, estos tipos de cambios
acumulativos y re-representacional son monótona. porque las representaciones abstractas y
concretas de la misma cosa no son mutuamente incompatibles. Podemos cambiar de un lado a
otro entre la conceptualización de algo como un martillo y como una herramienta sin necesidad
de hacer una elección permanente entre estos dos conceptos. Por lo tanto, en este tipo de proceso
de re-representación, la vieja y la nueva representación pueden co-salida. Del mismo modo para
la re-representa dos conceptos o esquemas de componentes en un concepto más complejo o
esquema a través del conjunto. Las representaciones de los conceptos originales permanecen. En
resumen, estos tipos de cambios acumulativos y re-representacional son monótona. en este tipo
de proceso de re-representación, la vieja y la nueva representación pueden co-salida. Del mismo
modo para la re-representa dos conceptos o esquemas de componentes en un concepto más
complejo o esquema a través del conjunto. Las representaciones de los conceptos originales
permanecen. En resumen, estos tipos de cambios acumulativos y re-representacional son
monótona. en este tipo de proceso de re-representación, la vieja y la nueva representación pueden
co-salida. Del mismo modo para la re-representa dos conceptos o esquemas de componentes en
un concepto más complejo o esquema a través del conjunto. Las representaciones de los
conceptos originales permanecen. En corto estos tipos cambios acumulativos y re
representacional son monotónica.

32
Sin embargo, hay escenarios de aprendizaje en el que (a) el alumno tiene una teoría
intuitiva bien desarrollada del dominio de destino, y (b) el objeto a ser adquiridos directamente
en contradicción con uno o más de los principios básicos o las creencias de que la teoría intuitiva
. el éxito del aprendizaje en escenarios con estas propiedades requiere que el alumno va más allá
de las representaciones mutuamente compatibles. El estudiante tiene que volver a representar el
dominio en el sentido más fundamental de abandonar o rechazar - es decir, dejar de creer - lo que
él o ella cree que antes, y su sustitución por otra cosa. Nos referimos a esto como el cambio no
monótona.
La educación científica proporciona numerosos ejemplos de concepciones previas que
deben ser abandonados. La investigación sobre los llamados conceptos erróneos han
documentado que las personas tienen concepciones complejas y ricas sobre los dominios en los
que no han recibido la instrucción explícita, pero para los cuales la experiencia cotidiana
proporciona materia prima para la formación de la teoría intuitiva (Confrey, 1990). La
investigación sobre este tipo de teorías científicas espontáneas se han centrado en la física, la
química y la biología, a pesar de los dominios de las ciencias sociales y no científicas también
han sido investigados (Limón, 2002). (El trabajo más antiguo sobre la psicología social, los
sistemas de creencias se centraron principalmente en las teorías intuitivas de la sociedad y la
religión; véase, por ejemplo, Abelson et al, 1968; Rokeach, 1970)
Mecánica (fuerzas y el movimiento) es, con mucho, el dominio más investigado. El error
dominante en este dominio es que el movimiento implica fuerza (Clemente, 1982; DiSessa, 1983,
1988; Halloun y Hestenes, 1985; McCloskey, 1983; trovador, 1982). Los estudiantes asumen que
cuando un objeto está en movimiento, el movimiento es causado por una fuerza que se aplica al
objeto, el movimiento del objeto se encuentra en la dirección de la fuerza, y un objeto se mueva
con velocidad constante siempre que está bajo la influencia de una fuerza constante, y la
velocidad de un objeto es proporcional a la magnitud de la fuerza aplicada. Cuando no hay una

33
fuerza, un objeto o bien más lento, si se está moviendo, o permanecer en reposo. El movimiento
se lo tanto mal concebida como la producida por la fuerza, en oposición a la visión más precisa
que el movimiento es un natural (es decir, equilibrio) afirman que continuará indefinidamente a
menos que alguna fuerza interfiere con ella. La teoría intuitiva de los estudiantes es más parecido
a la teoría del ímpetu sostenido por Jean Buridan y otros pensadores del siglo 14 (Robin y
Ohlsson, 1989) que como el principio de inercia que es central en la teoría newtoniana. Las ideas
falsas sobre otros temas, tales como la evolución biológica, también están bien documentados
(Bishop y Anderson, 1990; Brumby, 1984;
Demasters, Settlage & Good, 1995; Ferrari y Chi, 1998; Lawson & Thompson, 1988).
Los resultados empíricos muestran que no sólo los principiantes poseen conceptos
erróneos bien desarrollados sobre muchos dominios (Reiner, Slotta, Chi y Resnick, 2000), pero
que estos conceptos erróneos persisten en la cara de la instrucción y otros tipos de intervención
innovar. Por ejemplo, muchas ideas falsas ciencias en la mecánica de Newton son robustos y se
mantienen después de la instrucción, incluso en instituciones académicas muy selectivos
(DiSessa, 1982; Caramazza, McCloskey & Green, 1980). Con respecto a la mecánica,
intervenciones de instrucción innovadores incluyen el uso de analogías cuidadosamente elegidas
(Clemente, Brown & Zietsman, 1989; Conductor, 1987), que invocan deliberadamente conflicto
cognitivo (Posner, et al, 1982), la participación en confrontación deliberada (Licht, 1987 ), o el
uso de una sucesión de modelos cada vez más sofisticados (blanco y Frederiksen, 1990). Aunque
es difícil evaluar los resultados de este tipo de intervenciones, parece que los estudiantes en el
mejor de adquirir la concepción científica, tal vez en una forma encapsulada, mientras que
mantiene su concepción intuitiva inicial (Johsua y Dupin, 1987), lo cual no es bastante el
resultado esperado . Existen al menos tres razones (presentados a continuación) ¿Por qué ideas
falsas son tan resistentes a la instrucción para que el cambio no monótono a menudo falla.
34
A través de la distorsión Asimilación
Como se mencionó anteriormente, en el aprendizaje, la nueva información se suele
asimilarse a los esquemas existentes. Por lo tanto una de las razones que persisten conceptos
erróneos es que cuando un instructor estados de la teoría más verídica para que contradice el
conocimiento previo errónea del alumno, la nueva información se distorsiona normalmente en el
proceso de ser asimilado al conocimiento erróneo anterior. Como ejemplo, consideremos un niño
que cree que la Tierra es tan plano como se ve a simple vista. ¿Qué pasa si él o ella se le dice que
la Tierra es redonda? Nussbaum (1979; 1985), Nussbaum y Novak (1976), Vosniadou (1994a,
1994b), y Vosniadou y Brewer (1992) han observado dos esquemas intuitivos que nos vemos
tentados a interpretar como consecuencia de la distorsión de la asimilación. Algunos niños
dibujan la Tierra como una entidad plana con una periferia circular (como un panqueque); otros
afirman que la Tierra es esférica pero hueco y un medio lleno de la suciedad (proporcionando así
una superficie plana para que la gente camine sobre). En ambos casos, la tierra es tanto plana y
redonda. Instrucción para el efecto de que la Tierra redonda se fue por lo tanto asimilado a una
concepción tierra plana anterior sin ningún cambio significativo en este último.
La evasión de conflictos
La distorsión a través de la asimilación es más plausible cuando el alumno no es
consciente del conflicto entre su conocimiento previo y la nueva información. El ejemplo
anterior implica la forma de la Tierra ilustra este bien; el niño pequeño no es consciente de que él
o ella está interpretando el adjetivo "redondo" de una manera diferente a la prevista por el altavoz
del adulto. Este tipo de distorsión puede ser activado de forma fiable en el laboratorio mediante
la creación deliberada de textos que violen visión del mundo de un lector normal (Graesser,
Kassleer, Kreuz & Mclain-Allen, 1998).

35
Sin embargo, incluso si se detecta el conflicto entre los conocimientos previos y la nueva
información, no necesariamente se desencadenan procesos de cambio productivas. Los
psicólogos sociales (Abelson et al, 1968) y los investigadores cognitivos (Chinn y Brewer, 1993;
Darden 1992) han convergido en listas muy similares de los modos posibles de respuesta a la
inconsistencia. Coinciden en que la incoherencia suele provocar maniobras evasivas que
rechazan la inconsistencia de alguna otra manera que mediante la revisión de los conocimientos
pertinentes. El modo más básico de la respuesta es suspenso, es decir, a aplazar la tramitación de
una contradicción con el argumento de que no hay suficiente información para decidir lo que, en
todo caso, sigue. Un paso retirado de no hacer nada es reforzar: La persona que se encuentra con
información que contradice algún concepto o creencia X se apresura a buscar apoyo o
confirmación de la evidencia que apoya X. Festinger (1962/1957) y otras hipótesis de que la
necesidad de reducir una inconsistencia es proporcional a la relación de apoyo a las piezas que
contradicen de información. De este modo, por ahogamiento contradiciendo la pieza de
información en una inundación de confirmar queridos, es posible reducir la necesidad de resolver
la contradicción, y por lo tanto para seguir adelante sin alterar el propio conocimiento. Otro
proceso con un resultado similar es la recalibración, es decir, para disminuir la importancia uno
se adhiere a los pensamientos contradictorios, con lo que el conflicto en sí mismo menos
importante y más fácil de ignorar. (Un estudiante puede decidir que él o ella no está interesada en
la ciencia, después de todo,
La falta de capacidad de cálculo
En la descripción de las siete dimensiones de los cambios, a veces especulado sobre los
procesos de cambio. ¿Qué pasaría si la información inconsistente activa uno o más de los
procesos de aprendizaje que hemos propuesto en las secciones anteriores? Tomar el proceso de
creación de una mayor complejidad a través del conjunto como ejemplo. En ese proceso, una
36
representación más compleja es creada por la combinación de dos o más representaciones
existentes. Es dudoso que este proceso podría conducir a una nueva teoría, más verídica. Cada
una de las representaciones ensambladas tendrán presumiblemente ser consistente con la teoría
intuitiva antes del alumno, por lo que carecerán de veracidad.
No se puede combinar dos representaciones no verídicas para crear una tercera representación,
verídica. Por ejemplo, la concepción ingenua alumnos de calor y temperatura, cuando se
combinan, no suman a la concepción científica correcta de calor (Wiser y Carey, 1983), ni puede
teleológica y las ideas de Lamarck se combinan para formar el principio de la selección natural.
A pesar de que no se detallan aquí cada argumento, un caso similar podría hacerse en
relación con los procesos responsables de cada uno de los siete tipos de cambios discutidos en la
sección anterior. Ninguno de ellos tiene la capacidad de cálculo para crear un nuevo concepto
que va más allá de sus propias aportaciones conceptuales, ya que, por definición, son cambios no
monótonas.
Para resumir, la mera presencia de información contradictoria no es suficiente para
desencadenar el cambio cognitivo productiva de la clase no monótona. Un conflicto entre el
conocimiento previo y la nueva información podría no ser detectada, en cuyo caso el alumno
puede asimilar alegremente la nueva información con los conocimientos previos, probablemente
distorsionarla en el proceso. Incluso si el estudiante detecta el conflicto, él o ella podría sostener
la nueva información en suspenso en lugar de responder a ella. Si él o ella siente la necesidad de
hacer frente a la contradicción, hay un repertorio de maniobras evasivas, incluyendo Reforzando
y la recalibración de importancia subjetiva, que harán que la contradicción menos inquietante y
sin ninguna revisión en el conocimiento previo. Finalmente, los procesos de aprendizaje
productivos previamente discutidas no tienen la capacidad de cálculo para crear un nuevo
concepto que va más allá de las aportaciones conceptuales que a estos procesos. La prevalencia
de estos tres tipos de respuestas a los encuentros con la información contradictoria distorsión a
37
través de la asimilación, la evasión de conflictos, y que carecen de capacidad de cálculo - plantea
la cuestión de cómo puede una teoría intuitiva nunca ser reemplazado? Es decir, ¿cómo puede
una verdadera nueva teoría o idea, que no es una extensión de las teorías o ideas viejas, nunca
pueden adquirir? Bereiter (1985) se refirió a esto como la paradoja de aprendizaje. y carente de
poder computacional - plantea la cuestión de cómo puede una teoría intuitiva nunca ser
reemplazado? Es decir, ¿cómo puede una verdadera nueva teoría o idea, que no es una extensión
de las teorías o ideas viejas, nunca pueden adquirir? Bereiter (1985) se refirió a esto como la
paradoja de aprendizaje. y carente de poder computacional - plantea la cuestión de cómo puede
una teoría intuitiva nunca ser reemplazado? Es decir, ¿cómo puede una verdadera nueva teoría o
idea, que no es una extensión de las teorías o ideas viejas, nunca pueden adquirir? Bereiter
(1985) se refirió a esto como la paradoja de aprendizaje.
Conclusiones y orientación futura
A pesar de la prevalencia de la distorsión a través de la asimilación de los conocimientos
previos, la evasión de conflictos, y la falta de capacidad de cálculo, el cambio no monótona
sucede.
Los niños reemplazan sus concepciones de la infancia con los adultos, algunos estudiantes de la
física tienen éxito en el aprendizaje de la mecánica de Newton, y los científicos no sustituyen a
veces incluso sus teorías más fundamentales en la cara de los datos anómalos. Por lo tanto debe
haber mecanismos cognitivos y procesos que puedan superar la paradoja de aprendizaje. Una
teoría de aprendizaje complejo debe explicar por qué el cambio tanto no monótona tiene tan baja
probabilidad de ocurrir, y cómo, por qué procesos, que sucede cuando suceda.
El estudio de tales procesos de aprendizaje no es acumulativa aún en su infancia. En esta
sección, ofrecemos un pequeño número de propuestas especulativas acerca de cómo no

38
monótona pueden ocurrir procesos de aprendizaje. Estos breves propuestas están destinadas a
servir de inspiración para futuras investigaciones.
Caminos a la no monotónica cambio?
A continuación se describen cuatro mecanismos junto con algo de apoyo empírico. a
continuación, consideramos si cada uno de ellos puede alcanzar potencialmente el cambio no
monótona.
Transformación a través de Bootstrapping
Una ruta hipotética a una nueva teoría es editar o revisar la propia pieza a pieza teoría
existente hasta que la teoría dice algo significativamente diferente de lo que dijo en un principio.
Podemos conceptualizar un proceso de este tipo de programa previo como una serie de
reparaciones locales de una estructura de conocimiento.
reparaciones locales requieren mecanismos simples, tales como la adición de enlaces, eliminar
enlaces, volver a colocar enlaces, y así sucesivamente. La condición fundamental para
reparaciones locales es que el estudiante reconoce que son necesarias las reparaciones, al
reflexionar sobre las diferencias entre su conocimiento existente y nuevos conocimientos.
Tenemos evidencia de que la acumulación de reparaciones locales puede conducir a una
transformación significativa del modelo mental de una persona del sistema circulatorio, a partir
de un modelo de un solo bucle defectuoso al modelo de doble bucle correcto (Chi, 2000).
Como un segundo ejemplo de bootstrapping, Thagard (1992a) analizaron los cambios en
el químico concepción de Lavoiser francés de la materia durante los años críticos del desarrollo
de la teoría de oxígeno de combustión. Thagard muestra cómo la concepción de la combustión de
Lavoisier se puede modelar mediante una red semántica, y la forma en que la red se transforma
gradualmente durante varios años como el científico se refleja en los resultados de los
39
experimentos empíricos. Mediante la adición y eliminación de nodos y re-dibujo enlaces,
Thagard representa red de conocimiento de Lavoisier como someterse a una transformación
gradual tal que su estado inicial representa la teoría del flogisto de combustión pero su estado
final representa la teoría de oxígeno.
¿Cuánto puede la transformación a través de reparaciones locales explicar? Hay varias
explicaciones de por qué las reparaciones locales tienen éxito en el caso del sistema circulatorio.
Una de las razones es que la transformación de un tipo de un solo lazo de modelo a un doble
circuito cruza hay categorías ontológicas (Chi y Roscoe, 2002). Otra razón podría ser la relativa
falta de “profundidad” de este dominio, en el sentido de que no puede ser representado por una
estructura centro-periferia. El principio singleloop no implica deductivamente los otros hechos
relevantes sobre el sistema circulatorio de la manera en la que las tres leyes del movimiento de
Newton implican declaraciones más periféricas dentro del dominio de movimiento. La conexión
más floja entre centro y periferia podría hacer que el principio singleloop fácil de jugar con. Por
último, hay una cuestión de compromiso (Ohlsson, 1999).
Retoques incluso con el principio básico de este dominio podría, por tanto, vienen más fácil que
en los dominios con una estructura centro-periferia más fuerte y más profundo compromiso con
los principios básicos. Rokeach (1970) ha presentado pruebas de que no sea dominios científicos
que los elementos de conocimiento son más resistentes al cambio el más central que son. Es
plausible que la transformación a través de bootstrapping una secuencia de reparaciones locales
es menos aplicable el “profundo” del dominio, al menos siempre que el cambio tiene que abarcar
los principios básicos a ser completa. Así que tal vez este proceso de arranque no puede
considerarse un verdadero mecanismo de cambio no monótona.
Reemplazo
Si las revisiones por pasos sólo puede ir tan lejos para explicar el cambio no monótono,
¿qué alternativa hay? estructuras de conocimiento pueden ser reemplazados. Es decir, una
40
representación alternativa de un dominio se construye en paralelo con un uno anterior, a través de
procesos que no utilizan la anterior como entrada. El viejo y las nuevas representaciones a
continuación, compiten por el control del discurso y la conducta en el curso de la respuesta a
preguntas, explicación, razonamiento y resolución de problemas. La nueva representación,
presumiblemente más verídica con frecuencia gana, y el viejo se desvanece con el tiempo por
falta de uso.
Reemplazo de abajo hacia arriba
Reemplazo puede proceder o bien de abajo arriba o de arriba hacia abajo. En primer
lugar, tenga en cuenta una representación de nueva construcción de abajo hacia arriba. Esto
puede ocurrir cuando el nuevo conocimiento se encuentra en un contexto que no necesariamente
se evocan los conocimientos previos en conflicto. Por ejemplo, los estudiantes pueden
experimentar instrucción de la ciencia como tan distante de la experiencia cotidiana que construir
representaciones de lo que se enseña en la clase que sean independientes de, y sin relación con el
anterior. El resultado de tal conocimiento encapsulado es una habilidad para resolver problemas
de libros de texto, sin la comprensión de los fenómenos relevantes enriquecido encontradas en
otros contextos (la experiencia cotidiana, los informes de noticias, etc.). Debido a la
compartimentación de los contextos, el conflicto entre la teoría intuitiva anterior y la nueva teoría
no es relevante para el alumno,
Si las cosas se mantienen en este estado, es dudoso que esto puede considerarse un éxito
de aprendizaje no monótona. La cuestión crucial es si la nueva teoría, una vez construido, puede
migrar hacia y usurpar el territorio de la concepción intuitiva anterior. aprendizaje no monótona
exitosa requiere que un fenómeno entendido previamente dentro de la teoría intuitiva comienza a
ser entendida dentro de la nueva teoría en su lugar.
Reemplazo de arriba hacia abajo

41
Considere la posibilidad de generación de arriba hacia abajo de una nueva estructura de
conocimiento. Un esquema abstracto puede ser adquirido en un dominio alternativo y se
transfiere al por mayor a un nuevo dominio. Un ejemplo de este proceso hipotético es
proporcionado por los intentos recientes para entender el funcionamiento del sistema inmunitario
en términos darwiniana. Los filósofos y biólogos teóricos han intentado formalizar la teoría de la
evolución de Darwin (Thompson, 1989), y el esquema abstracto resultante se ha aplicado a la
cuestión de cómo el sistema inmune podría producir anticuerpos para una amplia variedad de
antígenos. La respuesta darwiniana es que el sistema inmune genera continuamente anticuerpos
más o menos al azar; alta ajuste entre anticuerpos y antígenos desencadena una mayor
producción de la primera; así, los propios antígenos funcionan como un entorno que selecciona
para los anticuerpos que ellos (Gazzinga, 1992) pelea. La exactitud de esta teoría del sistema
inmune no es la cuestión aquí. Es un ejemplo de un proceso en el que un esquema abstracto
complejo fue transferido en su conjunto para proporcionar una plantilla cognitiva para una nueva
teoría de un proceso fisiológico muy alejado de los procesos evolutivos de especiación y
adaptación para el que fue construido originalmente el esquema.
Este proceso de arriba hacia abajo está limitada porque depende de la existencia previa de
un esquema abstracto apropiada, lo que plantea la cuestión de dónde proceden de abstracciones.
Este problema se ha mantenido controvertido desde hace más de dos milenios. Las sugerencias
estándar incluyen la inducción sobre ejemplares (RIPs y Medin, este volumen) y la interacción
social (Greenfield, este volumen). Dado que el tema de la abstracción se discute en otra parte de
este volumen, no tenemos la intención de responder a esta pregunta aquí.
Haciendo a un lado la cuestión de dónde viene un esquema abstracto de, en primer lugar,
en primer lugar hay que saber si el reemplazo de arriba hacia abajo es posible, dado que existe un
esquema abstracto. Para probar la viabilidad de este proceso de sustitución de arriba hacia abajo,
nos estamos instruyendo a los estudiantes sobre un esquema abstracto de dominio general que
42
podrían servir de modelo para la comprensión de varios conceptos en muchas dominio. Un
ejemplo es el esquema de la emergencia (Chi, presentado), que tiene aplicaciones en biología,
química y física. Es plausible que la instrucción directa de esta clase se traduce en la
construcción de novo de una concepción alternativa, en contraposición a la transformación
gradual de una concepción previa.
Transferencia a través de la analogía
Existencia de un esquema abstracto no puede ser un requisito necesario para el proceso de
arriba hacia abajo para trabajar. Un esquema concreto de otro dominio puede servir como
plantilla, si los dos dominios son bastante fáciles de alinear de manera que el proceso de
transferencia puede funcionar a través de analogía (Holyoak, este volumen). En este proceso
hipotético, el alumno adquiere un esquema en algún dominio de origen S; más tarde, él o ella
está aprendiendo acerca de algún dominio objetivo T para el cual él o ella ya una teoría intuitiva.
La nueva información sobre T contradice su teoría intuitiva previo acerca de T, pero es análogo a
lo que se conoce sobre S. Si el alumno crea una nueva representación para T en base a lo que se
conoce sobre S en lugar de la construcción directamente en su actual La teoría intuitiva de T,
entonces él o ella podría evitar la distorsión por asimilación.
Hemos probado la realidad de este proceso de transferencia del esquema concreto en un
escenario basado en la realidad virtual para enseñar a los niños que la Tierra es redonda
(Johnson, et al, 1999; Johnson, et al 2001;
Ohlsson, et al 2000). Hemos creado un planeta virtual que era lo suficientemente pequeño como
para que las consecuencias de sphericality estaban inmediatamente perceptible. Por ejemplo,
incluso movimientos menores a través del mundo virtual hace visible los objetos parecen '' o
'desaparecer' en el horizonte. Después de haber adquirido una noción de vivir en un planeta esférico
en el contexto de este asteroide de ficción (sobre la que no se espera que los niños tienen ninguna
vistas previas de distorsión), entonces apoyado, a través de un diálogo de una sola Onone, la
43
transferencia analógica de ese esquema al contexto de la Tierra. Pre- a post-test comparaciones
entre el tratamiento y un grupo de control solamente de diálogo mostraron que el efecto de la
formación previa en el entorno virtual fue positiva (aunque pequeña en magnitud). Deducimos que
el esquema para el asteroide virtuales en cierta medida sirvió como molde para la nueva concepción
de la Tierra que tratamos de enseñarles. Por lo tanto, la paradoja de aprendizaje fue superada
mediante la estimulación de los niños a construir una representación de lo que la vida en una esfera
es igual independientemente de su conocimiento previo de la Tierra, y luego el fomento del uso de
esa representación como plantilla para la construcción de una nueva representación de la Tierra.
Shift ontológica
categorías ontológicas se refieren a un conjunto de categorías a las que las personas
partición del mundo en términos de sus características más fundamentales (a diferencia de rasgos
característicos y definitorios; Chi, 1997). Por ejemplo, hay dos categorías de alto nivel que la
gente tiende a dividir los diferentes tipos de entidades en el mundo en sustancias y procesos.
Cada tipo de entidad se conceptualiza como que tiene ciertas propiedades fundamentales. Por
ejemplo, sustancias tales como arena pueden estar contenidos en una caja, pero procesos tales
como un partido de béisbol, no pueden; Por otro lado, los procesos pueden durar dos horas, pero
las sustancias no pueden. Las ideas falsas son errores de clasificación de una entidad en una
categoría ontológica mal. Por ejemplo, los estudiantes normalmente entienden mal de calor o
electricidad como un tipo de cosas o sustancias que pueden moverse de un lugar a otro (Chi,
Slotta, y De Leeuw, 1994). Continúa estudio de alguna entidad que está pensado inicialmente
como pertenecientes a la categoría X podría revelar propiedades que no son coherentes con su
condición ontológica.
44
En esos casos, el éxito del aprendizaje requiere que el alumno re-representa la entidad como
pertenecientes a otra categoría ontológica, como por ejemplo de un tipo de sustancia a un tipo de
proceso (Slotta, Chi, y Joram, 1995).
Este tipo de cambio ontológico sustituye a una concepción previa con una nueva
concepción en términos de estatus ontológico de una entidad. Por lo tanto, este proceso de
cambio ontológico puede calificar como una especie de un mecanismo no monótona.
Hacia una teoría del aprendizaje
En 1965, Robert M. Gagne publicó un libro, Las condiciones de aprendizaje, que resume
lo que se sabe sobre el aprendizaje en el tiempo. Su enfoque fue el inusual de asumir que hay
varios tipos distintos de procesos de aprendizaje, distinguibles con respecto a sus requisitos
previos, procesos y resultados. Presentó estos en orden de complejidad creciente, empezando por
el "aprendizaje de señal" (acondicionamiento simple) y terminando con "resolución de
problemas" (Gagné, 1965). La característica más notable de su acercamiento es señalado por el
título del libro: Para cada tipo de aprendizaje, Gagne preguntó en qué condiciones se puede
producir ese tipo de aprendizaje.
En nuestros esfuerzos por resumir lo que se conoce acerca de la adquisición de
conocimiento declarativo compleja, nosotros también hemos llevado a presentar una lista de los
diferentes tipos de aprendizaje. En el ámbito de la enseñanza monótona, distinguimos entre siete
dimensiones diferentes del cambio: el tamaño, la conectividad, la consistencia, el grano, la
complejidad, abstracción y punto de vista. En el ámbito del cambio no monótona, hemos
especificado numerosos modos que no son de aprendizaje de respuesta a la información
contradictoria como la asimilación y procesos evasivas de suspenso, reforzando, recalibración, y
por qué muchos de los mecanismos de aprendizaje no puede, en principio, producir el verdadero
aprendizaje no monótona. Por último, incluso nuestras propuestas con respecto a las pausas de
45
aprendizaje no monótonas se descompone en múltiples procesos como la transformación a través
de reparaciones locales, la sustitución compartimentada de abajo hacia arriba, y la sustitución de
arriba hacia abajo con la ayuda de esquemas abstractos, transferencia de esquema concreto a
través de analogías y cambio ontológico. Parece probable que a medida que el estudio del
aprendizaje complejo progresa, los científicos cognitivos serán mejorar nuestra comprensión de
estos procesos de sustitución.
Sin embargo, como se vio claramente Gagne hace 40 años, una lista de los procesos de
aprendizaje es por sí misma una teoría incompleta de aprendizaje. Uno esperaría que tal teoría
para apoyar la explicación de los resultados de aprendizaje, que nos permita decir por qué un
tema es más difícil de adquirir que otro, para predecir la tasa de éxito de determinados escenarios
de instrucción, y así sucesivamente. Sin embargo, para llevar a cabo estas y otras tareas teóricas,
necesitamos saber cuándo, en qué circunstancias, uno o el otro proceso de aprendizaje es
probable que ocurra. Una ciencia predictiva de aprendizaje complejo requiere que podemos
especificar el cuándo y para qué de los muchos procesos hipótesis que surgen de la imaginación
del científico cognitivo. En ninguna parte es esto más evidente que en el caso del aprendizaje no
monótona. Esto, nos sugiere,
Referencias
Abelson, RP (1973). La estructura de los sistemas de creencias. En: RC Schank y KM

Colby
(Eds.), Los modelos informáticos de pensamiento y lenguaje (pp. 287-339). San Francisco, CA:
WH
Hombre libre.
46
Abelson, RP, Aronson, E., McGuire, WJ, Newcomb, TM, Rosenberg, MJ, y
Tannenbaum, PH (Eds.), (1968). Las teorías de la consistencia cognitiva: Texto de Referencia.
Chicago, IL:
Rand McNally.
Ames, GJ, y Murray, FB (1982). Cuando dos errores hacen un acierto: Promover el
cambio cognitivo por el conflicto social. Developmental Psychology, 18, 894-897.
Anderson, JR (1976). Lenguaje, la memoria y el pensamiento. Hillsdale, NJ: Erlbaum.
Anderson, JR, y Bower, GH (1973). memoria asociativa humana. Nueva York: Wiley.
Anderson, RC, y Pichert, J. (1978). Recuerdo de la información previamente no se deben
recuperar después de un cambio de perspectiva. Diario de Aprendizaje Verbal y comportamiento
verbal, 17, 1-12.
Ashcraft, MH (2002). Cognición (3ª ed.). Upper Saddle River, Nueva Jersey: Prentice
Hall.
Bereiter, C. (1985). Hacia una solución de la paradoja de aprendizaje. Revisión de
Investigación Educativa, 55 (2), 201-226.
Bishop, B., y Anderson, C. (1990). concepciones de los estudiantes de la selección natural
y su papel en la evolución. Revista de Investigación en Enseñanza de las Ciencias, 27, 415-427.
Bobrow, DG, y Collins, A. (1975). Representación y comprensión: Los estudios en la
ciencia cognitiva. Nueva York: Academic Press.
Brewer, WF, y Nakamura, GV (1984). La naturaleza y funciones de los esquemas. En: R.
Wyer y T. Srull (Eds.), Manual de la cognición social (pp. 119-160). Hillsdale, NJ: Erlbaum.
Brooks, R. (1983). Hacia una teoría de la comprensión de los programas de ordenador,

Revista Internacional de Estudios hombre-máquina, 18, 543-554.
Brown, AL & DeLoache, JS (1978). Habilidades, planes y autorregulación. En: RS
Siegler (Ed.), Pensamiento de los niños: lo que se desarrolla ?, Hillsdale, NJ: Erlbaum.
47
Brumby, M. (1984). Las ideas falsas sobre el concepto de selección natural por los
estudiantes de biología médica. Enseñanza de las Ciencias, 68, 493-503.
Buehner, M. & Cheng, P. (en prensa). El razonamiento causal. En: Holyoak, KJ y

Morrison,
BG (Eds.), Manual de Cambridge de pensamiento y razonamiento, Nueva York: Cambridge
Prensa de la Universidad.
Bykofsky, S., y Fargis, P. (1995) El gran libro de instrucciones de la vida. Nueva York:
Galahad.
Caramazza, A., McCloskey, M. y Green, B. (1980). creencias ingenuas en sujetos
"sofisticados": conceptos erróneos acerca de las trayectorias de los objetos. Cognición 9: 117-
123.
Chase, GT, y Simon, HA (1973). La percepción en el ajedrez. Psicología cognitiva, 4, 55-
81.
Chi, MTH (1976). limitaciones de memoria a corto plazo en los niños: Capacidad o
deficiencias en el procesamiento? La memoria y la cognición, 4, 559-572.
Chi, MTH (1992). El cambio conceptual dentro ya través de categorías ontológicas:
Ejemplos de aprendizaje y descubrimiento en la ciencia. En: RN Giere (Ed.), Los modelos
cognitivos de la ciencia. Minneapolis, Minnesota: University of Minnesota Press.
Chi, MTH (1997). La creatividad: Desplazamiento a través de categorías ontológicas de

forma flexible. En: TB
Ward, SM Smith y J. Vaid, estructuras conceptuales y procesos (Eds.): Aparición,
Descubrimiento y Cambio. (Pp. 209-234). Washington, DC: Asociación Americana de

Psicología.
Chi, MTH (2000). Autoexplicativo: Los procesos duales de generar inferencias y la
reparación de los modelos mentales. En: R. Glaser (Ed.), Avances en Psicología de Instrucción.
Pg. 161-
48
237. Mahwah, NJ: Lawrence Erlbaum Associates.
Chi, MTH (Enviado). procesos directos emergentes y de sentido común: Potencial

esquemas para superar los malos entendidos en la ciencia. Diario de las ciencias del aprendizaje.
Chi, MTH y Ceci, SJ (1987). el conocimiento del contenido: Su papel, la representación y
la reestructuración en el desarrollo de la memoria. En: HW Reese (Ed.), Avances en el desarrollo
del niño y el comportamiento (Vol 20, pp 91-142..). Nueva York: Academic Press.
Chi, MTH, Feltovich, P., y Glaser, R. (1981). Categorización y la representación de
problemas de física por parte de expertos y novatos. La ciencia cognitiva, 5, 121-152. (Clásica
cita)
Chi, MTH, y Koeske, RD (1983). representación de la red de conocimiento de los
dinosaurios de un niño. Psicología del Desarrollo, 19: 29-39.
Chi, MTH, Glaser, R. & Farr, M. (1988). La naturaleza de Experto, Hillsdale, NJ,
Erlbaum.
Chi, MTH, Slotta, JD y de Leeuw, N. (1994). De las cosas a los procesos: Una teoría del
cambio conceptual para el aprendizaje de conceptos científicos. Aprendizaje e Instrucción, 4, 27-
43.
Chi, MTH y Hausmann, RGM (2003). Hacer descubrimientos radicales requieren
cambios ontológicos? En: LV Shavinina (Ed.), Manual Internacional de Innovación, Oxford:
Elsevier.
Chi, MTH, y Roscoe, RD (2002). Los procesos y retos del cambio conceptual. En: M.
Limon y L. Mason (Eds). Reconsiderar el cambio conceptual: Problemas de la teoría y la
práctica. Kluwer Academic Publishers, Países Bajos, pp 3-27.
Chiesi, HL, Spilich, GJ, & Voss, JF (1979). Adquisición de Información de dominio
relacionados en relación al conocimiento de alta y baja de dominio. Diario de Aprendizaje Verbal
y comportamiento verbal, 18, 257-274.

49
Chinn, CA, y Brewer, WF (1993). El papel de los datos anómalos en la adquisición del
conocimiento: un marco teórico y las implicaciones para la enseñanza de ciencias. Revisión de
Investigación Educativa, 63, 1-49.
Clemente, J. (1982). preconcepciones de los estudiantes de mecánica introductorios.

American Journal
de Física, 50, 66-71.
Clemente, J., Brown, D., y Zietsman, A. (1989). No todas las ideas preconcebidas son
ideas falsas concepciones: Encontrar anclaje para conectar a tierra la instrucción en intuiciones
de los estudiantes. Revista Internacional de Ciencias de la Educación, 11, 554-565.
Collins, A., y Ferguson, W. (1993). formas epistémicas y juegos epistémicos: Estructuras
y estrategias para guiar a preguntar. Psicopedagoga, 28, 25-42.
Confrey, J. (1990). Una revisión de la investigación sobre cnceptions los alumnos en
matemáticas, ciencia, y la programación. En: CB CAZDEN (Ed.), Revisión de Investigación en
Educación (Vol 1, pp..
3-56). Washington, DC: American Educational Research Association.
Costello, FJ, y Keane, MT (2000). la creatividad eficiente: combinación conceptual
restricción guiada. La ciencia cognitiva, 24, 299-349.
Darden, L. (1992). Estrategias para la resolución de la anomalía. En: R. Giere (Ed.), Los
modelos cognitivos de la ciencia. Minneapolis, MN: University of Minnesota Press.
DeGroot, AD (1965). El pensamiento y la elección en el ajedrez. La Haya, Países Bajos:
Mouton.
Demasters, S., Settlage, J., & Good, R. (1995). concepciones de los estudiantes de la
selección natural y su papel en la evolución: Los casos de la replicación y la comparación.
Revista de Investigación en Ciencias
Enseñando, 32, 535-550.
DiSessa, A. (1988). Conocimiento en pedazos. En: (Eds.) G. & P. Forman Pufall,

50
Constructivismo en la era del ordenador. Hillsdale, NJ: Erlbaum.
DiSessa, A. (1993). Hacia una epistemología de la física. Cognición e Instrucción, 10,
101-104.
DiSessa, A. (1982). la física aristotélica desaprendizaje: Un estudio del aprendizaje
basada en el conocimiento. La ciencia cognitiva 6: 37-75.
DiSessa. A. (1983). Fenomenología y la evolución de la intuición. En: D. Gentner y A.
L. Stevens, (Eds), los modelos mentales. Hillsdale, NJ: Erlbaum, pp 15-33..
Conductor, R. (1987). Promover el cambio conceptual en las aulas: la experiencia de
aprendizaje de los niños en el proyecto de la ciencia. En: JD Novak (Ed.), Actas de la Segunda
Seminario Internacional sobre conceptos erróneos y Estrategias para la Educación en Ciencia y
Matemáticas, (Vol. II, pp. 97-107). Ithaca, Nueva York: Departamento de Educación,
Universidad de Cornell.
Eagly, AH, y Chaiken, S. (1993). La psicología de las actitudes. Pie. Worth, TX:
Harcourt, Brace & Jovanovich.
Ehrlich, HJ, y Leed, D. (1969). El dogmatismo, el aprendizaje y la resistencia al cambio:
una revisión y un nuevo paradigma. Psychological Bulletin, 71, 249-260.
Ericsson, KA (1996). El camino hacia la excelencia. Mahwah, NJ: Erlbaum.
Evans, J. (en prensa). Razonamiento deductivo. En: Holyoak, KJ y Morrison, BG
(Eds.), Manual de Cambridge de pensamiento y razonamiento, Nueva York: Cambridge
University Press.
Feltovich, PJ, Ford, KM, y Hoffman, RR (1997). Experiencia en contexto. Menlo Park,
CA: AAAI Press.
Ferrari, M., y Chi, MTH (1998). La naturaleza de las explicaciones ingenuas de la

selección natural.
Revista Internacional de Ciencias de la Educación, 20, 1231-1256.
Festinger, L. (1962/1957). Una teoría de la disonancia cognitiva. Stanford, CA: Stanford

51
Fishbein, M., y Ajzen, I. (1975). Creencia, actitud, intención y comportamiento. Reading,

MA:
Addison-Wesley.
Gagné, RM (1965). Las condiciones de aprendizaje. Nueva York: Holt, Rinehart y

Winston.
Gazzinga, MS (1992). La mente de la naturaleza. Nueva York: Basic Books.
Gick, ML & Holyoak, KJ (1983). la inducción de esquema y transferencia analógica.
Psicología cognitiva, 15, 1-38.
Gopnik, A., y Wellman, HM (1994). La teoría de la teoría. En: LA Hirschfeld y SA
Gelman (Eds.), Mapeo de la mente: especificidad de dominio en la cognición y la cultura (pp

255-293.).
Cambgridge, Reino Unido: Cambridge University Press ..
Gopnik, A., y Meltzoff, AN (1997). Palabras, pensamientos y teorías. Cambridge MA:
MIT Press.
Graesser, A., Kassleer, MA, y Kreuz, RJ, y Mclain-Allen, B. (1998). La verificación de
las declaraciones sobre mundos de cuentos que se desvían de las concepciones normales de
tiempo: Lo que es cierto acerca de los sueños de Einstein. Psicología cognitiva, 35, 246-301.
Graesser, A., Singer, M., y Trabasso, T. (1994). La construcción de inferencias durante la
comprensión del texto narrativo. Psychological Review, 101, 186-209.
Greenfield, P. (en prensa). Paradigmas de pensamiento cultural. En: Holyoak, KJ y
Morrison, BG (Eds.), Manual de Cambridge de pensamiento y razonamiento, Nueva York:
Cambridge University Press.
Halford, G. (en prensa). Desarrollo del pensamiento. En: Holyoak, KJ y Morrison, BG
(Eds.), Manual de Cambridge de pensamiento y razonamiento, Nueva York: Cambridge

University
52
Prensa.
Halloun, IA, y Hestenes, D. (1985). conceptos de sentido común sobre el movimiento.
American Journal of Physics, 53, 1056-1065.
Hampton, JA (1997). Emergente atributos en los conceptos combinados. En: T. Ward,

SM
Smith y J. Vaid (Eds.), El pensamiento creativo: una investigación de estructuras y procesos
conceptuales, American Psychological Association, Washington, DC, pp 83-110..
Harmon-Jones, E., & Mills, J. (1999). La disonancia cognitiva: Progreso en una teoría
fundamental en la psicología social. Washington, DC: Asociación Americana de Psicología.
Heider, F. (1944). percepción social y la causalidad fenomenal. Psychological Review,

51, 358-374.
Hewson, PW y Hewson, MGA (1984). El papel del conflicto conceptual en el cambio
conceptual y el diseño de instrucción de la ciencia. Instrucción Science, 13, 1-13.
Hofstadter, D. (1999). Gödel, Escher, Bach - Una Eterna de oro de la trenza. Basic
Books.
Holyoak, KJ (1995). La resolución de problemas. En: (Eds.) EE Smith & DN Osherson,
Pensando: Una invitación a la Ciencia Cognitiva, Volumen 3, Pp 267-296, Cambridge:. MIT

Press.
Holyoak, KJ (en prensa). Analogía. En: (Eds.) Holyoak, KJ y Morrison, BG,
Manual de Cambridge de pensamiento y razonamiento, Nueva York: Cambridge University
Press. Hutchins, E. (1995). La cognición en la naturaleza. Cambridge, MA: MIT Press.
Hutchins, EL, y Levin, JA (1981). Punto de vista de la resolución de problemas. CHIP

Tech. Reps.
N ° 105, de la Universidad de California en San Diego.
Jeong, H., Taylor, R., y Chi, MTH (2000). Aprender de una simulación de ordenador
lugar de trabajo. Actas de la 22ª reunión anual de la Sociedad de Ciencia Cognitiva, pp 705710,
Mahwah, Nueva Jersey: Lawrence. Erlbaum Associates.

53
Johnson, A., Moher, T., Ohlsson, S,., Y Gillingham, M. (1999). El Proyecto Tierra
redonda - VR de colaboración para el aprendizaje conceptual. IEEE Computer Graphics and
Applications, 19 (6), 60-69.
Johnson, A., Moher, T., Ohlsson, S., Leigh, J. (2001). Explorando las múltiples
representaciones de la educación científica elemental. En Actas del IEEE VR 2001, de Mar 13-
17, 2001,
Yokohama, Japón, pp. 201-208.
Johsua, S. y Dupin JJ (1987). Teniendo en cuenta las concepciones de los estudiantes en
la estrategia de instrucción: Un ejemplo de la física. Cognición e Instrucción, 4 (2), 117-135.
Keegan, RT (1989). ¿Cómo Charles Darwin se convirtió en un psicólogo. En: DB
Wallace & HE Gruber (Eds.), La gente creativa en el trabajo: Doce estudios de casos cognitivas
(pp. 107-125).
Keller, CM, y Keller, JD (1996). La cognición y la herramienta de uso: El herrero en el

trabajo.
Cambridge, Reino Unido: Cambridge University Press.
Kelman, HC, y Baron, RM (1968). Determinantes de modos de resolución de dilemas
inconsistencia: Un análisis funcional. En: (Eds.) RP Abelson, E. Aronson, WJ McGuire, TM
Newcomb, MJ Rosenberg & PH Tannenbaum,, teorías de la consistencia cognitiva: A
Sourcebook (pp 670-683.). Chicago, IL: Rand McNally.
Kintsch, W. (1998). Comprensión. Cambridge, Reino Unido: Cambridge University Press.
Kitcher, P. (1993). El avance de la ciencia. Nueva York: Oxford University Press.
Klein, G. (1998). Fuentes de energía: cómo las personas toman decisiones. Cambridge:
The MIT Press.
Kuhn, T. (1970). La estructura de las revoluciones científicas. Chicago: University of
Chicago Press.
54
Landauer, TK (1986). ¿Cuánto recuerdan a la gente? Algunas estimaciones de la cantidad
de información aprendida en la memoria a largo plazo, Ciencia Cognitiva, 10, 477-493.
Lawson, A., & Thompson, L. (1988). la capacidad de razonamiento formal y conceptos erróneos
en relación con la genética y la selección natural. Revista de Investigación en Enseñanza de las
Ciencias, 25, 733-746.
Lesgold, A., Rubinson, H., Feltovich, P., Glaser, R., Klopfer, D., Wang, Y. (1988).
Experiencia en una habilidad compleja: Diagnóstico de imágenes de rayos X. En: (Eds.) M. Chi,
R. Glaser, y M. Farr,
La naturaleza de la Experiencia(Pp. 311-342). Hillsdale NJ: Erlbaum.
Licht, P. (1987). Una estrategia para hacer frente a los problemas conceptuales y de
razonamiento en la educación de electricidad introductoria. En: Novak, J. (Ed), Actas de la
segunda Seminario Internacional "conceptos erróneos y Estrategias para la Educación en Ciencia
y Matemáticas", Vol. II.
Ithaca: Cornell University, 275-284.
Limon, M. (2002). El cambio conceptual en la historia. En: M. Limon & L. Mason
(Eds.), Reconsiderando cambio conceptual: Problemas en teoría y práctica, pp 259-289,
Kluwer Academic Publishers,..
Litman, L. & Reber, A. (en prensa). pensamiento implícita y explícita. En: Holyoak, KJ y
Morrison, BG (Eds.), Manual de Cambridge de pensamiento y razonamiento, Nueva York:

Cambridge
Lovett, MC (2002). La resolución de problemas. En: H. Pashler y D. Medin (Eds.),
Handbook of Experimental Psychology Stevens', Volumen 2: Memoria y cognitivos
Procesos, New York: Wiley, pp 317-362..
Lovett, MC & Anderson, J. (en prensa). Pensando como un sistema de producción. En:
Holyoak,
55
KJ y Morrison, BG, Cambridge Manual del pensamiento y el razonamiento, Nueva York (Eds.):
Prensa de la Universidad de Cambridge.
McCloskey, M. (1983). Na ve teorías de movimiento. En: D. Gentner & AL Stevens
(Eds.), Los modelos mentales (pp 299-323.). Hillsdale, NJ: Erlbaum.
McGuire, WJ (1968). La teoría de la estructura del pensamiento humano. En: RP
Abelson, E. Aronson, WJ McGuire, TM Newcomb, MJ Rosenberg, y PH Tannenbaum (Eds.),
Teorías de la consistencia cognitiva: (pp. 140-162) A Sourcebook, Chicago: Rand McNally y
Company.
Machamer, P., y Woody, A. (1992). Modelos de inteligibilidad en la ciencia: Usando el
equilibrio como un modelo para comprender el movimiento de los cuerpos. En: S. Hills (Ed.), La
historia y la filosofía de la ciencia en la educación científica (Vol 2, pp 95-111.). Kingston,
Ontario: Universidad de Queen.
Markman, AB (1999). Representación del conocimiento. Mahwah, NJ: Erlbaum.
Marshall, SP (1995). Esquemas en la resolución de problemas. Cambridge, Reino Unido:
Cambridge University Press.
Means, ML & Voss, JF (1985). guerra de las galaxias: Un estudio evolutivo de expertos y
estructuras de conocimiento novatos. Diario de la memoria y el lenguaje, 24, 746-757.
Medin, DL, y Shoben, EJ (1988). Contexto y estructura en combinación conceptual.

Miller, GA (1996) La ciencia de las palabras. Nueva York: Scientific American Library.
Minsky, MA (1975). Un marco para la representación del conocimiento. En: P. Winston
(Ed.), La psicología de la visión por ordenador. Nueva York: McGraw-Hill.
Trovador, J. (1982a, enero). Al explicar la condición "en reposo" de un objeto. El
profesor de la física, pp. 10-14.

56
Miyake, N. (1986). Interacción constructiva y el proceso iterativo de comprensión,
Cognitive Science, 10, 151-177.
Norman, DA, y Rumelhart, DE (1975). Exploraciones en la cognición. San Francisco,
CA: WH Freeman.
Nussbaum, J. (1979). la concepción de los niños de la Tierra como un cuerpo cósmico: un
estudio de diferentes edades. Enseñanza de las Ciencias, 63, 83-93.
Nussbaum, J. (1985). La Tierra como un cuerpo cósmico. En: R. Conductor, E. Guesne, y A.
Tiberghien (Eds.), Las ideas de los niños en la ciencia. Milton Keynes, Reino Unido: Open
University Press.
Nussbaum, J., y Novak, JD (1976). Una evaluación de los conceptos de los niños de la
Tierra que utilizan entrevistas estructuradas. Enseñanza de las Ciencias, 60, 535-550.
Ohlsson, S. (1993). esquemas abstractos. Psicopedagoga, 28, 51-66.
Ohlsson, S. (1993) La interacción entre el conocimiento y la práctica en la adquisición de
habilidades cognitivas. En: (Eds.) A. y S. Meyrowitz Chipman,, Los fundamentos de la
adquisición de conocimientos: modelos cognitivos de aprendizaje complejo (pp 147-208.).
Norwell, MA: Kluwer
Academic Publishers.
Ohlsson, S. (1994). El conocimiento declarativo y procedimental. En:.. T. Husen y T.
NevillePostlethwaite, (Eds.), The Encyclopedia Internacional de Educación (Vol 3, segunda ed,
pp.1432-
1434). Londres, Reino Unido: Pergamon Press.

Ohlsson, S. (1996). Aprender de los errores de actuación. Psychological Review, 103, pp.
241-262.
Ohlsson, S. (1999). compromiso teórico y el conocimiento implícito: ¿Por qué las
anomalías no activan el aprendizaje. Educación y Ciencia, 8, 559-574.

57
Ohlsson, S. (2002). La generación y la comprensión de las explicaciones cualitativas. En:
J. Otero, JA León, AC y Graesser,, La psicología de la comprensión de textos de ciencia (pp 91-
128.) (Eds.).
Mahwah, NJ: Erlbaum.
Ohlsson, S. & Lehtinen, E. (1997). La abstracción y la adquisición de ideas complejas.
Revista Internacional de Investigación para la Educación, 27, 37-48.
Ohlsson, S., y Hemmerich, J. (1999). La articulación de un esquema de explicación: Un
modelo preliminar y los datos de apoyo. En: M. Hahn & S. Piedras (Eds.), Actas del XXI
Conferencia Anual de la Sociedad de Ciencia Cognitiva(Pp. 490-495). Mahwah, NJ: Erlbaum.
Ohlsson, S., Moher, TG, y Johnson, A. (2000). El aprendizaje profundo en la realidad
virtual: ¿Cómo enseñar a los niños que la tierra es redonda. En LR Gleitman y AK Joshi, (Eds.)
Actas de la Vigésimo Segunda Conferencia Anual de la Sociedad de Ciencias cognitiva (pp. 364-
368). Mahwah, NJ: Erlbaum.
Ohlsson, S., y Regan, S. (2001). Una función de las ideas abstractas en el aprendizaje
conceptual y el descubrimiento. Cognitiva Science Quarterly, 1, 23-277.
Pennington, N. (1987). Las estrategias de comprensión en la programación. En GM
Olson, S.Sheppard, y E. Soloway (Eds.), Los estudios empíricos de los programadores: Segundo
Taller.
Norwood, MJ: Ablex.
Piaget, J. (1985). La equilibración de las estructuras cognitivas. Chicago, IL: Universidad

de
Chicago Press.
Piaget J. & Inhelder B. (1956). La concepción del niño del espacio. Londres: Routledge
and Kegan Paul.

58
Posner, GJ, Strike, KA, Hewson, PW, y Gertzog, WA (1982). Alojamiento de una
concepción científica: Hacia una teoría del cambio conceptual. Enseñanza de las Ciencias, 66,
211-27.
Quillian, MR (1968). Memoria semántica. En M. Minsky, (Ed.), Procesamiento de la
información semántica (pp. 227-270). Cambridge, MA: MIT Press.
Reisberg, D. (2001). Cognición: Explorando la ciencia de la mente (2ª ed.). Nueva York:
Norton.
Rips, L. & Medin, D. (en prensa). Conceptos y categorías: la memoria, el sentido y la
metafísica. En: Holyoak, KJ y Morrison, BG (Eds.), Manual de Cambridge de pensamiento y
razonamiento, Nueva York: Cambridge University Press.
Rokeach, M. (1960). La mente abierta y cerrada. Nueva York: Basic Books.
Rokeach, M. (1970). Creencias, actitudes, y valores; Una teoría de la organización y el cambio.
San Francisco, CA: Jossey-Bass.
Robin, N., y Ohlsson, S. (1989). Impulso entonces y ahora: Una comparación detallada
entre Jean Buridan y un solo sujeto contemporáneo. En el documento DE Herget (Ed.), La
historia y la filosofía de la ciencia en la enseñanza de las ciencias (pp. 292-305). Tallahassee, FL:
Florida State University.
Rosenzweig, MR (2001). El aprendizaje y la plasticidad neuronal durante toda la vida. En
PE Oro y WT Greenough (Eds.), La consolidación de la memoria (págs. 275-294). Washington,
DC: Americana
Psychological Association.
Rumelhart, DE, y Norman, DA (1978). La acreción, ajuste y reestructuración: Tres modos
de aprendizaje. En JW algodón y R. Klatzky (Eds.), Factores semánticos en la cognición.
Hillsdale, NJ: Erlbaum.

59
Rumelhart, DE, Smolensky, P., McClelland, JL, y Hinton, GE (1986). procesos y
esquemas de pensamiento secuencial en los modelos de PDG. En: J. McClelland y DE
Rumbelhart (Eds.), Paralelo procesamiento distribuido: Exploración pecado la microestructura de
la cognición (Vol 2, pp 757.). Cambridge, MA: MIT Press.
Schank, R. (1972). la dependencia conceptual: Una teoría de la comprensión del lenguaje

natural.
Schank, R. (1986). patrones de explicación. Hillsdale, NJ: Erlbaum.
Schank, RC, y Abelson, RP (1977). Guiones, planes, metas y comprensión: Una
investigación sobre las estructuras del conocimiento humano. Hillsdale, NJ: Lawrence Erlbaum
Associates.
Schultz, TR, y Lepper, MR (1996). reducción de la disonancia cognitiva como
satisfacción de restricciones. Psychological Review, 103, 219-240.
Shatz, M. y Gelman, R. (1973). El desarrollo de habilidades de comunicación:
Modificaciones en el habla de los niños pequeños como una función del oyente. Monografías de
la Sociedad para la Investigación en el desarrollo infantil. Número de serie 152 38 (5).
Simon, HA & Gilmartin, K. (1973). Una simulación de la memoria para las posiciones de
ajedrez,
Sloman, S. & Lagnado, DA (en prensa). El problema de la inducción. En: Holyoak, KJ
y Morrison, BG (Eds.), Manual de Cambridge de pensamiento y razonamiento, Nueva York:
Slotta, JD, Chi, MTH y Joram, E. (1995). La evaluación de las clasificaciones erróneas de
los estudiantes de conceptos de la física: Una base ontológica para el cambio conceptual.
Cognición e Instrucción, 13 (3), 373-400.

60
Smith, III, JP, DiSessa, AA, y Roschelle, J. (1995). Conceptos erróneos reconcebida: Un
análisis constructivista del conocimiento en transición. El Diario de las ciencias del aprendizaje,
3, 115,163.
Smith, EE, Osherson, DN, Rips, LJ, y Keane, M. (1988). La combinación de prototipos:
Un modelo de la modificación selectiva. La ciencia cognitiva, 12, 485-527.
Soloway, EM (1978). Aprendizaje = + interpretación generalización: Un estudio de caso

en el aprendizaje de conocimientos dirigida. Tesis doctoral no publicada, Universidad de
Massachusetts.
Soloway, E. & Erhlich, K. (1984). Los estudios empíricos de conocimientos de

programación. IEEE
Las transacciones en Ingeniería de Software, 10, 595-609.
Spilich, GJ, Vesonder, GT, Chiesi, HL, y Voss, JF (1979). Prueba de procesamiento de
información de dominio relacionados para las personas con conocimientos de alta y baja de
dominio. Diario de
Verbal aprendizaje y la conducta verbal, 18, 275-290.
Squire, LR (1987). La memoria y el cerebro. Nueva York: Oxford University Press.
Stokes, AF, Kemper, K. & Kite, K. (1997). la toma de decisiones aeronáutica, el
reconocimiento de la señal, y la experiencia bajo presión de tiempo. En el CE Zsambok y G.
Klein (Eds.), Naturalista toma de decisiones. Especialidad: Investigación y Aplicaciones.
Mahwah, NJ: Lawrence Erlbaum.
Strike, KA, y Posner, GJ (1985). Una vista del cambio conceptual de aprendizaje y
comprensión. En L. y L. West Pines (Eds.), La estructura cognitiva y cambio conceptual (p.
211-231). Nueva York: Academic Press.
Huelga, KA, y Posner, GJ (1992). Una teoría revisionista del cambio conceptual. En la
AR Duschl y RJ Hamilton (Eds.), Filosofía de la ciencia, la psicología cognitiva y la teoría y la
práctica educativa. Nueva York: Universidad Estatal de Nueva York Press.

61
Thagard, P. (1989). coherencia explicativa. Behavioral and Brain Sciences, 12, 435-467.
Thagard, P. (1992a). revoluciones conceptuales. Princeton: Princeton University Press.
Thagard, P. (1992b). Adverserial problema de resolver: Modelado de un oponente usando
coherencia explicativa. La ciencia cognitiva, 16, 123-149.
Thagard, P. (2000). La coherencia en el pensamiento y la acción. Cambridge, MA: MIT

Press.
Thompson, P. (1989). La estructura de las teorías biológicas. Nueva York: Universidad

del Estado de
Prensa de Nueva York.

Thorndyke, PW (1984). Aplicaciones de la teoría de los esquemas en la investigación
cognitiva. En JR Anderson y SM Kosslyn (Eds.), Tutoriales en el aprendizaje y la memoria (pp.
167-. San Francisco,
CA: WH Freeman.
Trabasso, T., y van den Broek, P. (1985). pensamiento causal y la representación de
eventos narrativas, Diario de la memoria y el lenguaje, 24, 612-630.
Tuckerman, N. & Dunnan, N. (1995) El libro completo Amy Vanderbilt de la etiqueta.
Nueva York: Doubleday.
VanLehn, K. (1989). La resolución de problemas y la adquisición de habilidades
cognitivas. En: MI Posner (Ed.), Los fundamentos de la ciencia cognitiva, pg. 527-579,
Cambridge: MIT Press.
Vosniadou, S. (1994). Capturar y modelar el proceso de cambio conceptual.
Aprendizaje e Instrucción, 4, 45-69.
Vosniadou, S. (1994). Las propiedades universales y específicos de la cultura de los
modelos mentales de los niños de la tierra. En L. Hirschfeld y Gelman S. (Eds.), Mapeo de la
mente. Cambridge, MA:

62
Vosniadou, S., & Brewer, WF (1992). Los modelos mentales de la tierra: un estudio del
cambio conceptual en la infancia. Psicología cognitiva, 24, 535-585.
Voss, JF, Vesonder, GT, y Spilich, GJ (1980). La generación del texto y el recuerdo por
highknowledge y baja en el conocimiento individuos. Diario de Aprendizaje Verbal y
comportamiento verbal, 19, 651-667.
Blanco, B. & Frederiksen, J. (1990). progresiones modelo causal como una base para los
entornos de aprendizaje inteligentes. Artificial Intelligence, 42, 99-157.
Wilensky, U., y Resnick, M. (1999). Pensando en los niveles: Una perspectiva de
sistemas dinámicos para dar sentido al mundo. Revista de Educación y Ciencia, Tecnología, 8, 3
19.
Wilson, RA y Keil, FC (2000). Las sombras y las aguas poco profundas de explicación.
En el FC Keil & RA Wilson (Eds.), Explicación y cognición. Un libro de Bradford, The MIT
Press, Cambridge, Mass.
Winograd, T. (1975). representaciones del marco y la controversia declarativa /
procedimental. En D. Bobrow y A. Collins (Eds.) Representación y comprensión: Estudios en la
ciencia cognitiva (pp. 185-210). Nueva York, Nueva York: Academic Press.
Wiser, M. & Carey, S. (1983). Cuando el calor y la temperatura eran uno. En: D. Gentner
y A. Stevens (Eds.), Los modelos mentales, pp 267-297, Hillsdale, NJ:. Erlbaum.

63
Figuras
Figura 1: Representación de un niño de 20 dinosaurios familiares (tomado de Chi y Koeske,

1983).
Figura 2: Representación de un niño de 20 dinosaurios menos familiares (tomado de Chi y

Koeske,
1983).
64
65
66
Notas finales
1En la investigación de la cognición social, las teorías intuitivas se denominan sistemas de
creencias (Fishbein y Ajzen, 1975; Rokeach, 1960, 1970). Aunque las dos construcciones de la
teoría intuitiva y sistema de creencias son esencialmente idénticas, esta conexión entre la
psicología social y cognitiva ha sido pasado por alto en ambos lados (pero véase Schultz y
Lepper, 1996).

Aprendizaje Declarativo Completo - Pdf.en - Es

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Aprendizaje Declarativo Completo - Pdf.en - Es

Transféré par

Droits d'auteur :

Formats disponibles

En KJ Holyoak y RG Morrison (Eds.) 2005.

Handbook Cambridge de pensamiento y el

El aprendizaje declarativo complejo

http://www.pitt.edu/~circle) al primer autor, y Grant BCS-9907839 de la National Science

¿Cómo las personas adquieren un complejo cuerpo de conocimientos, tales como la

conocimiento complejo se puede dividir en dos tipos: el conocimiento declarativo y el

conocimiento procedimental. El conocimiento declarativo se ha definido tradicionalmente como

el conocimiento de hechos o sabiendo que; mientras que el conocimiento de procedimiento es

saber (Anderson, 1976; Winograd, 1975). El conocimiento declarativo es descriptivo y el uso

evolución de Darwin s, y la historia del Canal de Panamá. La suma total de conocimiento

declarativo de una persona es su comprensión de la forma en el mundo, o con alguna parte o

conocimiento procedimental, tales como la forma de operar y solucionar problemas de una

acciones. La investigación en neurociencia cognitiva es compatible con la realidad de esta

distinción entre conocimiento declarativo y procedimental (Squire, 1987).

La adquisición de conocimiento procedimental complejo ha sido ampliamente

no se ha producido una teoría unificada o marco paradigmático. La organización de este capítulo

las características básicas de conocimiento declarativo compleja. En la segunda sección,

clasificamos los diferentes tipos de cambios que se producen en el conocimiento declarativo

algunas observaciones finales.

Características básicas de conocimiento declarativo

Tamaño de Knowledge Base

constituyen sólo un subconjunto de conocimiento declarativo, esto representa un límite inferior

en el tamaño de la base de conocimiento declarativo de una persona. En segundo lugar, Landauer

una vida de aprendizaje. Su estimación es 2 X 10 ^ 9 bits por 70 años de edad. No es sencillo

aproxima a un millón de piezas de conocimiento. Estas estimaciones se aplican al tamaño de la

coincidencia o un síntoma de cierta regularidad más profundo.

unidad de conocimiento, base de conocimiento declarativo de una persona promedio debe

conocimiento - la ma primaterial para el razonamiento y el pensamiento - se adquiere es

claramente un no trivial, pero poco investigada, pregunta.

El conocimiento no crece como un conjunto de unidades aisladas, sino de alguna manera

semánticas, teorías y esquemas (Markman, 1999).

La afirmación clave detrás de las redes semánticas es que la base de conocimiento

conectadas por enlaces (relaciones). Todo conocimiento es procesos interrelacionados y

implícitamente afirman que el conocimiento declarativo se agrupa por dominio. Utilizamos el

cebado más fuertes, y otras consecuencias cuantitativas de comportamiento; descripciones de

(por ejemplo, Ashcraft, 2002;

La estructura de cualquier representación en el dominio depende de las relaciones

dominantes de ese dominio. Si la relación dominante se establece la inclusión, la representación

ejemplos prototípicos. En contraste, las relaciones como causa-efecto y estructuras similares a

cadenas producen antes-después. En general, las representaciones de los dominios están

estructurados localmente por sus relaciones dominantes.

organización. Los dominios se relacionan entre sí en un contingente vez de manera sistemática.

concepto de jerarquías enredadas (Hofstadter, 1999) describe un aspecto de puntos de contacto

locales, no sistemáticas entre dominios estructurados internamente. Estos comentarios son un

Dominios también pueden ser representados como teorías. Las teorías se

representaciones “profundo” (pidiendo prestado un término de psicólogos sociales, ver Rokeach,

1970) en el sentido de haber wellarticulated estructuras de centro-periferia. Es decir, una teoría

está organizada en torno a un pequeño conjunto de conceptos fundamentales o principios -

vírgenes de estructuras de centro-periferia son los sistemas axiomáticos formales de matemáticas

naturales como la teoría de la mecánica de movimiento de Newton, Darwin s teoría de la

representaciones y novicios expertos representaciones de esos mismos dominios puede o no

conocimiento novato de movimiento mecánico no es una teoría similar en absoluto, pero es

conocimiento novato de movimiento mecánico no es una teoría similar en absoluto, pero es

conocimiento novato de movimiento mecánico no es una teoría similar en absoluto, pero es

una versión modificada de esta vista).

explícitas y codificadas de los científicos y matemáticos (Gopnik y Wellman 1994; Gopnik y

Una estructura centro-periferia bien desarrollado es a menudo el sello distintivo de la

representación de un experto de un dominio, y una comparación entre los novatos y expertos

representaciones del mismo dominio a menudo revela diferencias en la ‘profundidad’ de sus

representaciones. Sin embargo, se puede plantear la cuestión de si la “profundidad” también debe

expertos ni los principiantes construyen representaciones “profundos” de esos dominios. Por

restaurante, la estructura centerperiphery es ciertamente menos relevante. (Sin embargo, incluso

si un dominio de todos los días, tales como