Cómo mejorar la retención sin aumentar el tiempo de estudio
(files.eric.ed.gov)- Para mejorar la memoria a largo plazo, en lugar de seguir insistiendo con el mismo contenido, puede ser más eficiente alcanzar un nivel de ejecución sin errores y luego repartir los momentos de repaso
- El sobreaprendizaje (overlearning) consiste en repetir el mismo material después de alcanzar el criterio; ayudó al rendimiento una semana después, pero a las cuatro semanas el beneficio casi había desaparecido
- Aunque el tiempo total de estudio sea el mismo, la memoria a largo plazo mejora cuando el intervalo entre sesiones (ISI) entre dos sesiones y el intervalo de retención (RI) entre el último estudio y la prueba están bien alineados; en los experimentos, el ISI óptimo estuvo aproximadamente entre el 10% y el 30% del RI
- En el aprendizaje de matemáticas, el sobreaprendizaje de resolver muchos problemas adicionales de una sola vez no elevó las calificaciones una ni cuatro semanas después, pero el grupo que resolvió la misma cantidad de problemas repartidos con una semana de intervalo obtuvo un resultado mayor una semana después: 74% frente a 49%
- Los libros de texto y las clases son más adecuados para la memoria a largo plazo cuando, en vez de concentrar de una vez problemas del mismo tipo, hacen que el contenido anterior reaparezca a lo largo de semanas o meses y mezclan varios tipos de problemas
El sobreaprendizaje es menos eficiente para la memoria a largo plazo
- Cuando estudia un material o una habilidad en una sola sesión, el estudiante debe decidir cuándo detenerse
- Por ejemplo, puede ocurrir al recorrer una lista de palabras, recordar correctamente una vez todas las definiciones y luego decidir si repetir la misma lista otra vez
- El sobreaprendizaje es seguir estudiando el mismo material incluso después de haber alcanzado una ejecución sin errores
- Muchos educadores consideran que el sobreaprendizaje mejora la memoria a largo plazo
- En entornos como las tareas de matemáticas, donde hay muchos problemas del mismo tipo, los estudiantes terminan dedicando bastante tiempo al sobreaprendizaje
- En unos 80 años de literatura experimental, el estudio adicional después de alcanzar un criterio muchas veces mejoró el rendimiento en pruebas posteriores
- Sin embargo, la mayoría de los estudios sobre sobreaprendizaje aplicaron la prueba dentro de la primera semana después del estudio y, en muchos casos, dentro de la primera hora
- Para observar el efecto de retención a largo plazo, es necesario usar un intervalo de retención (RI) más largo entre el estudio y la prueba
Efectos a una semana y a cuatro semanas observados en un experimento de aprendizaje de palabras
- En un experimento, los participantes aprendieron pares palabra-definición como
cicatrix-scarmediante pruebas repetidas, como si fueran flashcards- La condición de aprendizaje adecuado recorrió la lista 5 veces
- La condición de sobreaprendizaje recorrió la lista 10 veces
- En general, quienes tuvieron aprendizaje adecuado no superaron una repetición de aprendizaje perfecta, mientras que la mayoría de quienes sobreaprendieron alcanzó al menos 3 repeticiones perfectas
- Luego se tomó una prueba una semana o cuatro semanas después
- El sobreaprendizaje produjo un beneficio visible en la prueba una semana después
- A las cuatro semanas, ese beneficio casi no se detectó
- En otros experimentos, los beneficios del sobreaprendizaje también mostraron un patrón de disminución con el tiempo
- El período durante el cual se detecta el beneficio varía según los detalles del procedimiento
- Como el sobreaprendizaje exige más tiempo de estudio, hay que compararlo con el efecto de usar ese mismo tiempo de otra manera
- En general, es probable que repasar contenidos estudiados semanas, meses o años antes produzca un beneficio mayor que seguir estudiando algo que se acaba de aprender
- Esto no significa que haya que reducir el tiempo de estudio ni negar el valor de la práctica repetida en sí
- El problema es la eficiencia de seguir practicando el mismo material justo después de alcanzar una ejecución sin errores
- También hay situaciones en las que el sobreaprendizaje es adecuado
- Puede ser útil si el objetivo no es la memoria a largo plazo, sino el rendimiento a corto plazo
- Puede ser deseable o necesario en casos en los que un error o una respuesta tardía podrían tener consecuencias graves, como los procedimientos de emergencia de pilotos, soldados o enfermeros
El efecto de espaciamiento hace que el mismo tiempo rinda durante más tiempo
- En los estudios sobre distribución del tiempo de aprendizaje, por lo general se divide un tiempo total fijo de estudio en dos sesiones y se ajusta el intervalo entre sesiones (ISI) entre ambas
- Si el ISI es 0, se considera aprendizaje concentrado
- El intervalo de retención (RI) siempre se mide como el tiempo entre la segunda sesión de estudio y la prueba
- El rendimiento en pruebas posteriores suele ser mucho mejor cuando se estudia con intervalos que cuando se estudia todo junto
- Este resultado es el efecto de espaciamiento (spacing effect)
- Hay varias teorías que explican el efecto de espaciamiento, pero esa discusión queda fuera del alcance del estudio
- Qué tan separadas deben estar dos sesiones de estudio para favorecer la memoria a largo plazo era una cuestión todavía menos conocida
- Los experimentos abordaron esta pregunta usando intervalos de retención largos
El intervalo óptimo depende de cuánto falta para la prueba
- En el primer experimento de espaciamiento se estudiaron pares de palabras swahili-inglés
- El ISI fue desde 5 minutos hasta 14 días
- El RI se mantuvo fijo en 10 días
- El recuerdo final dependió mucho del ISI, y fue mejor con un ISI de 1 día
- En el segundo experimento se aprendieron nombres de objetos poco conocidos
- El RI fue de 6 meses
- El ISI fue desde 5 minutos hasta 6 meses
- El efecto fue mayor que en el primer experimento, y el ISI óptimo fue de alrededor de 1 mes
- En ambos experimentos, el ISI óptimo estuvo alrededor del 10% al 20% del RI
- Con un RI de 10 días, el ISI óptimo fue de 1 día, es decir, el 10% del RI
- Con un RI de 6 meses, el ISI óptimo fue de 1 mes, es decir, el 17% del RI
- Los resultados preliminares de un experimento web en curso con unas 1.300 personas apuntan en la misma dirección
- El ISI varió hasta 15 semanas y el RI hasta 50 semanas
- El ISI óptimo cambió según el RI y estuvo aproximadamente entre el 10% y el 30% del RI
- Esta relación se resume en tres patrones
- Sea cual sea el valor del ISI, las calificaciones de la prueba bajan cuando el RI se alarga
- Si el RI se mantiene fijo, las calificaciones primero suben y luego vuelven a bajar a medida que el ISI se alarga
- A medida que el RI se alarga, también se alarga el ISI óptimo
Cambios que sugiere para el diseño de clases, libros de texto y software
- El efecto de espaciamiento aparece con fuerza incluso en rangos de tiempo largos, equivalentes a períodos educativos reales
- Los intervalos demasiado cortos pueden producir peores resultados que los intervalos demasiado largos
- Cuanto más se observa la memoria a largo plazo, el efecto de espaciamiento tiende a crecer en lugar de reducirse
- En clases de primaria y secundaria, podría ser más beneficioso para los estudiantes distribuir el mismo material de forma espaciada durante varios meses, en vez de presentar una lista distinta de ortografía o vocabulario cada semana
- En cursos universitarios, si no hay un examen final acumulativo, se reduce el incentivo para volver a estudiar material anterior
- Los exámenes acumulativos pueden inducir el reaprendizaje de contenidos previos
- Los cursos intensivos de idiomas tienen dificultades para crear intervalos suficientes debido a su corta duración
- El nivel inicial de aprendizaje puede parecer alto, pero eso puede derivar luego en un olvido rápido
- En el aprendizaje de matemáticas se observa el mismo patrón
- En un experimento en el que a estudiantes que habían aprendido tareas de permutación se les asignaron 3 o 9 problemas, los 6 problemas adicionales generaron un sobreaprendizaje fuerte, pero no se detectó mejora en las calificaciones una ni cuatro semanas después
- En otro experimento con la misma tarea, el grupo que resolvió 4 problemas repartidos en dos sesiones con una semana de intervalo obtuvo más en la prueba una semana después que el grupo que los resolvió todos en una sola sesión: 74% frente a 49%
- El grupo que resolvió 4 problemas en una sola sesión no superó de forma confiable al grupo que resolvió solo la mitad, con calificaciones de 49% frente a 46%
- La mayoría de los libros de matemáticas concentra en un conjunto de ejercicios los problemas relacionados con la unidad inmediatamente anterior, lo que induce a la vez aprendizaje concentrado y sobreaprendizaje
- Una alternativa es el formato mezclado que distribuye los ejercicios de una unidad por todo el resto del libro
- Por ejemplo, justo después de una unidad sobre parábolas se podrían dejar solo algunos problemas de parábolas y ubicar el resto en conjuntos de práctica posteriores
- Mezclar tipos de problemas genera no solo intervalos temporales, sino también aprendizaje de discriminación
- En el formato estándar, después de una unidad sobre prueba t de una muestra solo aparecen problemas de prueba t de una muestra, por lo que hay poca práctica para distinguir qué características de un problema apuntan a qué procedimiento
- En el formato mezclado, los tipos de problemas se combinan y el estudiante debe encontrar la estrategia adecuada para cada uno
- Este beneficio parece ser independiente del efecto de espaciamiento temporal
- Para preparar exámenes, la práctica de recuperación —intentar recordar por cuenta propia antes de mirar la respuesta— suele ser una buena estrategia
- Después de un error, se debe recibir retroalimentación con la respuesta correcta
- La educación basada en computadora ya ofrece mucha práctica de recuperación y feedback rápido, pero todavía no se han aprovechado lo suficiente las oportunidades para organizar las sesiones de aprendizaje de modo que optimicen la memoria a largo plazo
- La práctica educativa puede acercarse más a la evidencia empírica que a la tradición y las modas
2 comentarios
Opiniones en Hacker News
No es una crítica a este estudio en sí, pero, sobre todo cuando se habla de “optimización”, hay que tener en cuenta todo el contexto.
Optimizar “estudio, período de retención y examen” para maximizar la conservación del conocimiento en el momento de una prueba diferida no es lo mismo que maximizar el valor del conocimiento aprendido.
Para aumentar el valor del aprendizaje, conviene aprender cosas que se puedan usar de inmediato y que se puedan integrar enseguida con otros aprendizajes. Cuanto antes y más las uses, mayor será su valor y mejor se conservarán.
Si tienes que aprender conocimiento importante que no vas a usar en el corto plazo, por ejemplo cómo responder a complicaciones raras en neurocirugía, entonces tienes que crear una forma de usar ese conocimiento. Se podría armar un proyecto útil que vuelvas a consultar durante el “período de retención” y mantener actualizado un resumen de respuestas ante situaciones poco frecuentes.
Por eso, para el valor total del aprendizaje hay que optimizar la selección de temas, el avance entre temas y “estudio, pruebas selectivas, uso, uso, uso”. El “uso” combina motivación, prueba, repaso y realización de valor.
Para los niños, puede tener sentido memorizar de corrido las tablas de multiplicar.
Busca que aprendas palabras nuevas en contexto a partir de materiales nativos que te interesen, en lugar de contenido de libros de texto, y te permite crear un corpus personal con oraciones que realmente encontraste.
Pronto se ampliará a más medios además de la web y epub, como YouTube, manga, entrada HDMI y emuladores de juegos.
Incluso si importas tarjetas de memoria hechas por otra persona, ofrece herramientas para encontrar con más facilidad oraciones relacionadas en materiales originales que podrían interesarte o en tu propio corpus. También se agregará más análisis de seguimiento por palabra y kanji, y es offline first y respetuoso de la privacidad.
[Mods: podría ser útil etiquetar este paper como escrito en 2007]
Este artículo parece exponer la idea de la repetición espaciada para el aprendizaje, y hoy en día se ha vuelto bastante popular en la cultura de productividad y aprendizaje, con casos como Ali Abdaal.
La parte que dice que “los libros de texto de matemáticas también podrían adoptar fácilmente un formato que fomente el espaciamiento” en la práctica ya está implementada en los libros de texto, según lo que veo al dar clases particulares de matemáticas de secundaria. Al final de cada capítulo hay una prueba general de repaso del capítulo, seguida de “Cumulative Practice”, que repasa temas de capítulos anteriores.
Como enfatiza el paper, esta estructura ayuda especialmente a que los estudiantes mantengan ese tema en la memoria a largo plazo.
En cuanto a que la educación basada en computadoras aún no ha aprovechado lo suficiente la oportunidad de distribuir las sesiones de aprendizaje de una forma que optimice la retención a largo plazo, Anki, un software muy popular, implementa justamente este tipo de protocolo de “repetición espaciada”.
El modelo de datos de Anki es bastante peculiar y está relacionado con su flexibilidad, pero también tiene desventajas y trampas inesperadas.
Más que reescribir el backend en Rust, me gustaría que hubiera una herramienta de repetición espaciada con una filosofía un poco más clara y una UI algo más refinada.
Personalmente, “enseñarle a otra persona aquello que estoy tratando de aprender mejor” ha sido mi mejor estrategia de retención a largo plazo.
Por fuera suena como una razón racional e inteligente, pero la razón real es la maldición del conocimiento. Quien está dentro de un sistema no puede ver ese sistema desde afuera. Da cosas por supuestas, usa términos opacos o incluso engañosos, y emplea razonamientos circulares.
Una persona nueva no conoce esos términos ni esos razonamientos circulares, así que la explicación que escribe suele ser más fácil de entender para el siguiente ingresante que lo que yo diría. Además, esa documentación también me ayuda a ver el sistema desde una perspectiva nueva. Tal vez no necesariamente tenga que funcionar así.
Un ayudante le dice a un estudiante: “Mira, ¡te lo expliqué durante tanto tiempo que hasta yo lo entendí!”.
Es interesante, pero esperaba más evidencia. El paper habla de un método de mezcla que intercala el material para crear espaciamiento y volver a exponerlo, pero la parte de que realmente mejora la retención parece más una opinión.
Además, ¿qué demonios es una “interacción hipotética entre ISI y RI”? ¿No bastaría con experimentarlo lo suficiente y graficarlo de verdad? Cualquiera puede dibujar un gráfico de interacción hipotética.
Si te interesa el contenido de este artículo o aprender sobre el aprendizaje, recomiendo mucho leer el blog de quien lo envió: https://www.justinmath.com/blog/
Incluye no solo lo que se puede hacer con apps simples de repetición espaciada automática basadas en entradas, como repetición espaciada, práctica intercalada y recuperación activa, sino también codificación dual, que mezcla elementos visuales con otros elementos, y prácticas de elaboración como el recuerdo libre.
Para aplicar estos elementos, junto con factores que ayudan a entender la motivación del estudiante, su progreso y los conceptos erróneos tipo “blindspot” identificados, venimos desarrollando Revision.ai junto con programas de maestría en psicología desde antes de GPT-3.
https://www.justinmath.com/why-is-the-edtech-industry-so-dam...
Es solo un artículo de 4 páginas sobre una estrategia específica de aprendizaje espaciado. No es realmente revolucionario ni una recopilación exhaustiva de técnicas.
Sobre el pasaje “Como las personas olvidan una parte considerable de lo que aprenden, los estudiantes pueden beneficiarse de estrategias de aprendizaje que entreguen conocimiento duradero. Sin embargo, se sabe sorprendentemente poco sobre cómo lograr la retención a largo plazo de la forma más eficiente”, siempre he pensado que el verdadero problema es la relevancia de la información.
Las personas necesitan una razón práctica para recordar algo más allá de una prueba artificial sin sentido. Las técnicas eficientes están bien, pero pocas cosas desmotivan tanto como no tener otra razón para aprender algo que “apréndelo porque tienes que hacerlo”.
Cuando aprendes algo que de verdad te interesa, no necesitas buscar flashcards, notas enormes ni técnicas avanzadas. Se recuerda casi de inmediato, sin esfuerzo.
Debe de haber algún mecanismo que mida inconscientemente la relevancia de la información y ajuste físicamente el nivel de absorción. Por decirlo de alguna manera, una especie de “tasa de aprendizaje”.
Cuando enseñas a estudiantes considerados “lo mejor de lo mejor”, usar la palabra disfrute resulta bastante doloroso, pero aun así el disfrute importa y, al menos durante la mayor parte del semestre, tiene un impacto mayor que la efectividad para los estudiantes. Simplemente porque “les dijeron que aprendieran”.
Básicamente, durante el 70% del semestre, la mayoría de los estudiantes no estudia 40 horas. El trabajo real ronda las 30 horas, y quizá solo 15 sean efectivas. En materias donde el interés no surge de forma natural, no hay un puente que los entusiasme o los motive.
En 2021 empezamos a usar GPT-3 para generar e incorporar en la app de flashcards Revision.ai tarjetas motivacionales de “por qué deberías aprender este concepto”. Se puede leer en el tercer punto: https://www.revision.ai/articles/20ThingsRevisionAIDoesForBe...
La razón por la que desactivamos esas tarjetas fue simple: nunca logramos encontrar el momento adecuado para mostrarlas justo cuando el estudiante las necesitaba. Si la app estaba cerrada, el estudiante no tenía motivación y no veía la tarjeta; si la mostrábamos en medio de una sesión de estudio, la tarjeta o el ejemplo generado por IA rompía el flujo [https://www.instagram.com/p/CVVlIuVg31W/]
También intentamos recomendar videos cortos o medianos de YouTube como material visual o como “descanso” del aprendizaje por sobrecarga, pero no mejoró el rendimiento de los estudiantes. Al final, parece que seguía sin resolver la sensación de que no fluían naturalmente hacia el aprendizaje, sino que lo hacían porque se les ordenaba.
Si tienes ideas técnicas o conceptuales para aumentar el interés de los estudiantes, me encantaría escucharlas. Descubrimos que convertir diapositivas de clase en conjuntos de ejercicios con elementos visuales claros [https://www.instagram.com/p/C5ByftwiJ00/] fragmentar el contenido y mostrar el progreso motivaba a los estudiantes a estudiar más. En artículos relacionados, también había indicios de que podía reducir la ansiedad ante los exámenes y la tensión.
Si el objeto de tu motivación es algo que se puede practicar, puedes recordarlo mejor haciéndolo directamente. Eso también funciona como una especie de repetición espaciada. Pero en campos como la astrofísica o la macroeconomía, eso es difícil de hacer.
Si tienes motivación, también es más probable que tomes otro libro sobre el mismo tema, y eso es otra forma de repetición espaciada.
Creo que la razón por la que el sobreaprendizaje está tan extendido no es tanto que beneficie a cada persona, sino que es una forma en que los docentes pueden manejar a muchos estudiantes a la vez.
Para medir la cantidad exacta de aprendizaje necesaria, el docente tendría que trabajar individualmente con cada estudiante y asignarle ejercicios según la calidad del conocimiento recién formado.
Pero el sistema, en general, está orientado a la educación masiva para ampliar el alcance del docente.
Estoy desarrollando a tiempo completo Manabi Reader, una herramienta para iOS/macOS para aprender mientras lees japonés: https://reader.manabi.io
Combina lectura y tarjetas de memoria, y registra todas las palabras y kanji que lees y aprendes. Con base en eso, analiza qué necesitas aprender para leer un texto determinado o alcanzar objetivos del JLPT, y resalta en los textos las palabras que no conoces y las que estás estudiando
El siguiente trabajo con las tarjetas de memoria es reemplazar el algoritmo SM2 por FSRS y hacer que, con solo leer contenido, las tarjetas se repasen de forma pasiva
Creo que el enfoque de repasar tarjetas una por una durante horas se pierde algo en términos de velocidad de aprendizaje. Además de repasar pasivamente las tarjetas mientras lees, pienso experimentar con otras técnicas de repaso, como ver de una sola vez el vocabulario de una página y las respuestas que se pueden ocultar
Nuestra mente también absorbe información a través de la visión periférica y al escanear e incorporar mucha información de una sola vez. No estoy seguro de que la forma final de las apps de aprendizaje basadas en estudios sobre la curva del olvido sea la UI de tarjetas de memoria actual
También estoy trabajando en funciones de Reader para manga, PDF, YouTube y emuladores de juegos, así como en expandirlo a todos los idiomas
Si te interesan estudios similares, vale la pena ver https://supermemo.guru. La página “about”, algo escondida, está en https://supermemo.guru/wiki/SuperMemo_Guru:About
El autor es alguien que le ha dedicado bastante tiempo a este tema y a su historia, incluida la creación de aplicaciones
https://supermemo.guru/wiki/School_damages_your_brain
Desde la perspectiva de alguien que publica artículos en neurociencia, esto es basura absoluta
Hace tiempo investigué cuál era una buena manera de estudiar, y este es un artículo sobre el spacing learning que conocí en ese entonces. Hay un libro que reúne lo esencial de este tipo de materiales, así que si les interesa, vale la pena echarle un vistazo.
Traducción: Cómo estudiar
Original: Make It Stick
https://www.yes24.com/Product/Goods/15341766