Inteligencia Artificial I
I.S.C. Carlos Daniel Olvera Aguirre I.E. Henry Izquierdo Cruz
I.S.C. Vianey Fuentes Mateos.
III
NDICE OBJETIVO GENERAL JUSTIFICACIN
5
6
UNIDAD 1
UNIDAD 2
FUNDAMENTOS 1.1 El Propsito de la IA y su evolucin histrica.
1.2 Las habilidades cognoscitivas segn la psicologa.
Teoras de la Inteligencia (Conductismo, Gardner,)
1.3 El Proceso de razonamiento segn la lgica (Axiomas,
Teoremas, Demostracin).
1.4 El modelo de adquisicin del conocimiento segn la filosofa.
1.5 El modelo cognoscitivo.
1.6 El modelo del agente inteligente.
1.7 El papel de la heurstica.
REPRESENTACIN DEL CONOCIMIENTO Y RAZONAMIENTO
2.1 Mapas conceptuales.
2.2 Redes semnticas.
2.3 Razonamiento montono.
2.4 La lgica de predicados sintaxis, semntica, validez e
inferencia.
2.5 La demostracin y sus mtodos.
2.6 El mtodo de resolucin de Robinson.
2.7 Conocimiento no montono y otras lgicas.
2.8 Razonamiento probabilstico.
2.9 Teorema de Bayes.
8
9
26
53
61
65
73
77
86
87
92
94
95
98
100
101
105
107
IV
UNIDAD 3
UNIDAD 4
SISTEMAS DE RAZONAMIENTO LGICO 3.1 Reglas de produccin.
3.2 Sintaxis de las Reglas de Produccin (A1 A2An => C -
Representacin Objeto- Atributo- valor).
3.3 Semntica de las reglas de produccin.
3.3.1 Conocimiento causal.
3.3.2 Conocimiento de diagnostico.
3.4 Arquitectura de un Sistema de produccin (SP)( sistemas
basados en reglas, SBR).
3.4.1 Hechos.
3.4.2 Base de conocimientos.
3.4.3 Mecanismo de control.
3.5 Ciclo de Vida de un Sistema de produccin.
BSQUEDA Y SATISFACCIN DE RESTRICIONES 4.1 Problemas y espacios de estados.
4.2 Espacios de estados determinsticos y espacios no
determinsticos.
4.3 Bsqueda sistemtica.
4.3.1 Bsqueda de metas a profundidad.
4.3.2 Bsqueda de metas en anchura.
4.3.3 Bsqueda ptima.
4.4 Satisfaccin de restricciones.
4.5 Resolucin de problemas de juegos.
BIBLIOGRAFIA
110
111
131
132
134
144
148
149
153
154
176
177
179
V
OBJETIVO GENERAL
El estudiante representar problemas basados en conocimiento en
trminos formales y disear la solucin a problemas tpicos de la Inteligencia
Artificial (I.A.).
VI
JUSTIFICACION
El siguente trabajo se presenta para resolvera la problematica de la falta
de material didactico en el Instituto Tecnologico Superior de Acayucan, y
apoyando la creatividad y esfuerzo del docente. Otro punto que tiene este trabajo
es apoyar al proceso de enseanza aprendizaje del alumno, teniendo como
objetivo fundamental recopilar informacion interesante de diferentes autores en el
tema de la inteligencia artificial.
Viendo la falta de libros acerca de estos temas nos dimos a la tarea de
buscar, recopilar, seleccionar y filtrar contenidos de diferentes autores y libros, que
abarcaban temas como agentes inteligentes, redes neurales, mineria de datos,
sistemas basados en conocimiento, etc. Puesto que en la biblioteca local no se
cuenta con ninguna ayuda bibliografica acerca de los temas.
Considerando que los temas de esta antologa abarca el contenido
temtico de la materia y facilita el estudio de la inteligencia artificial partiendo de la
base de conocimiento hasta la forma de genera el conocimiento por medio de.
Esperamos que este trabajo realizado y analizado, sea de utilidad a la comunidad
de estudiantil, docentes y publico en general.
UNIDAD 1
FUNDAMENTOS
Objetivo: El estudiante conocer las
formas de representacin simblicas y
su aplicacin.
UNIDAD I / FUNDAMENTOS
9
1.1 El Propsito de la IA y su evolucin Histrica
La Inteligencia Artificial (IA) es una acepcin acunada en torno a mediados del siglo XX, cuyo desarrollo se ha caracterizado por una sucesin de periodos alternativos de xito y
abandono de la misma. La idea intuitiva de Inteligencia Artificial creo unas expectativas que
no siempre se han visto cubiertas, y desde luego, no en el grado en el que se haba
esperado de forma un tanto ilusoria.
Pero actualmente se puede considerar que el enfoque computacional inteligente no
depende de inmediatos y probados resultados, sino que est elevado por sus logros y su
desarrollo a lo largo de varias dcadas, por lo que se ha consolidado en el mbito de la
computacin como una acepcin totalmente asumida aunque sometida todava a
controversia en algunos sectores cientficos.
La Inteligencia Artificial ha tenido siempre como modelo natural las funcionalidades
inteligentes del hombre, focalizndose en distintos aspectos. Su primera motivacin, que
data de centurias atrs, fue intentar construir maquinas que pudieran pensar como el ser
humano, o al menos, emularle en alguna capacidad que denotara cierta inteligencia.
Es de comn consenso que para que un sistema acte de forma inteligente debe
imitar las funciones de las criaturas vivas en cuanto a algunas de sus facultades mentales. Al
menos, la inteligencia requiere la habilidad de percibir y adaptarse al entorno, tomar
decisiones y realizar acciones de control. Altos niveles de inteligencia pueden incluir el
reconocimiento de objetos y sucesos, la representacin del conocimiento en modelos
lingsticos y el razonamiento y la planificacin. En grados mas avanzados, la inteligencia
proporciona la capacidad de percibir y entender, de elegir razonablemente y de actuar
satisfactoriamente bajo una gran variedad de circunstancias, as como de prosperar,
sobrevivir y reproducirse en un entorno complejo y a menudo hostil. La inteligencia, adems
crece y evoluciona.
De la mano de potentes computadoras, las tcnicas proporcionadas por la
Inteligencia Artificial se han utilizado para intentar conseguir algunos de los objetivos
mencionados.
En los comienzos del siglo XXI, la ciencia y la tecnologa se enfrentan al reto de
encontrar e implementar mejores y ms sofisticadas soluciones en el rea de la
UNIDAD I / FUNDAMENTOS
10
computacin, con su amplsimo rango de mbitos de aplicacin, como respuesta a la
siempre creciente demanda de la sociedad, de la industria y de la humanidad en general.
En este tipo de situaciones, la Inteligencia Artificial ofrece perspectivas interesantes
ya que es capaz de suministrar metodologas que permiten realizar de forma automtica
algunas de las tareas realizadas tpicamente por los humanos.
El estudio y desarrollo de sistemas inteligentes requiere significativos esfuerzos de
investigacin multidisciplinarios para integrar conceptos y mtodos de distintas areas tales
como ciencias de la computacin, inteligencia artificial, investigacin operativa, gestin del
conocimiento, tratamiento de la informacin, control, identificacin, estimacin, teora de la
comunicacin, etc.
La Inteligencia Artificial esta ayudando a expandir el horizonte del tratamiento de la
informacin. Parte de esta expansin se debe a la extensin de las fronteras de la
tecnologa. Desde el microprocesador al impacto del procesamiento en paralelo, va redes
neuronales, o los procesadores fuzzy, todo apunta a la expansin de las tcnicas
computacionales.
Definiciones de sistema inteligente
Hay muchas formas de definir un comportamiento inteligente, quizs porque se puede entender que hay distintos tipos de inteligencia. Por ejemplo, el hecho de ser capaz
de recopilar informacin y a partir de ella deducir un diagnostico o proponer un tratamiento
supone inteligencia, as como el hecho de ser capaz de procesar informacin incompleta o
con incertidumbre, o aprender ejemplos, etc.
El diccionario define la inteligencia como la capacidad de adquirir y aplicar
conocimiento. Esta definicin es bastante general y, de acuerdo con ella, incluso un
termostato podra ser considerado un sistema inteligente aunque con un nivel bajo de
inteligencia. Por eso hace hincapi al hablar de inteligente en un alto grado de inteligencia.
Una caracterizacin procedural de la inteligencia es la siguiente:
La inteligencia es una propiedad del sistema que emerge cuando los procedimientos
de focalizar la atencin, bsqueda combinatoria y generalizacin son aplicados a la
informacin de entrada en orden a producir la salida.
UNIDAD I / FUNDAMENTOS
11
Un sistema inteligente se caracteriza tambin por su habilidad para la asignacin
dinmica de subobjetivos y acciones de control de forma interna o autnoma. La
organizacin del conocimiento puede ser vista tambin como un importante atributo de la
inteligencia. De ah que los sistemas son autonoma respecto a su organizacin interna (self-
organized systems) se consideran sistemas inteligentes.
El sistema inteligente tiene la habilidad de actuar apropiadamente en un entorno con
incertidumbre, donde una accin adecuada es la que aumenta la probabilidad del xito, y el
xito es la consecucin de los subobjetivos de comportamiento que respaldan el ltimo
objetivo del sistema.
Concretando la definicin para maquinas y sistemas, se considera inteligente aquella
que satisface el test de Turing (hombre y maquina realizan la misma tarea con el mismo
resultado).
Alan Turing fue un cientfico y matemtico ingles, que estableci las bases tericas
de las que serian las computadoras digitales. La Maquina Universal de Turing, un dispositivo
consistente en una cinta con smbolos (programa) y un escner de lectura/escritura (el
ordenador), poda emular el comportamiento de un ser humano trabajando con papel y lpiz,
siguiendo un proceso mecnico o algortmico.
La Maquina Universal de Turing puede simular el comportamiento de cualquier otra
maquina de procesamiento. Define los lmites de la computabilidad usando ordenadores
convencionales. La prueba de Turing, diseada para demostrar si una maquina puede
pensar, consiste a grandes rasgos en:
1. Dos personas y una computadora; una de las personas es un interrogador y la
otra persona y la computadora son los elementos que van a ser identificados.
2. Cada uno de los elementos del experimento est en un cuarto distinto.
3. La comunicacin entre los elementos es escrita y no se pueden ver.
4. Despus de un cierto nmero de preguntas y respuestas a ambos, si el
interrogador no puede identificar cul es la computadora y quin es la persona,
entonces podemos decir que la computadora piensa igual que el ser humano
en esa tarea.
UNIDAD I / FUNDAMENTOS
12
La mquina sera entonces igual de inteligente que el hombre en ese dominio de
conocimiento restringido.
Es una definicin ms formal:
Mquina inteligente es la que realiza el proceso de analizar, organizar y convertir los
datos en conocimiento, donde el conocimiento del sistema es informacin estructurada
adquirida y aplicada para reducir la ignorancia o la incertidumbre sobre una tarea especfica
a realizar por la mquina inteligente.
Por ltimo, como se ha dicho, hay diferentes grados de inteligencia en los sistemas.
Algunas de las caractersticas fundamentales para hablar de sistemas inteligentes se
deducen de la siguiente definicin operativa de sistema con un nivel de inteligencia:
Un sistema inteligente debe ser altamente adaptable a cambios significativos
impredecibles, por lo que el aprendizaje es esencial. Debe exhibir un alto grado de
autonoma para tratar con los cambios. Debe ser capaz de tratar con complejidad
significativa, y esto conduce a ciertos tipos de arquitecturas funcionales como las
jerrquicas.
En definitiva, sistema inteligente es un procedimiento computacionalmente eficiente
de dirigir un sistema complejo a un objetivo, con una representacin incompleta o
inadecuada y/o bajo unas especificaciones imprecisas de cmo hacerlo; es decir, que acta
apropiadamente en un entorno con incertidumbre.
El trmino inteligencia artificial
El concepto de Inteligencia Artificial es relativamente nuevo, pero la idea de una inteligencia artificial existe desde hace millones de aos.
La Inteligencia Artificial, IA, se puede definir como el estudio de las facultades
mentales a travs del uso de modelos computacionales. Este trmino data de los aos 50
del siglo XX y se debe a un grupo de cientficos que estudiaron el cerebro humano como
modelo natural, integrando la ciberntica y las computadoras (McCarthy, Minsky, Newell,
Simon).
UNIDAD I / FUNDAMENTOS
13
En palabras de uno de ellos, Marvin minsky, la Inteligencia Artificial es el estudio de
cmo programar computadoras que posean la facultad de hacer aquello que la mente
humana puede realizar, o en sentido amplio: la Inteligencia Artificial es una ciencia orientada
al diseo y construccin de maquinas que implementen tareas propias de humanos dotados
de inteligencia.
Caracterizar los sistemas inteligentes incluye las tareas de:
a) Reconocerlos y distinguirlos de los sistemas convencionales.
b) Clarificar el papel de la inteligencia en estos sistemas.
c) Identificar los problemas para los cuales la Inteligencia Artificial es la nica o la
mejor solucin.
Una mquina inteligente debe hacer las cosas que nosotros queremos que haga,
que nosotros haramos, pero quizs no como nosotros las hacemos. Una aproximacin
practica y realista a la IA es conseguir que estas tcnicas realicen de forma eficiente una
serie de tareas que nos faciliten nuestro trabajo, quizs en menos tiempo, con menos datos,
aunque no pasaran el test de Turing. En cualquier caso, se trata de que las soluciones que
aporta la IA sean mejores que otras para esas tareas determinadas.
Segn el filsofo Searle, una computadora puede simular algo que en el hombre se
da de otra manera. Un hombre capta la esencia de una cosa, mientras que en una
computadora se pueden simular procesos epistemolgicos en base a la forma accidental.
En lugar de confiar en las habilidades del programador, un verdadero programa
inteligente aprender de su experiencia por generalizacin y abstraccin, emulando la mente
humana, especialmente en su habilidad para razonar y aprender en un ambiente de
incertidumbre, imprecisin, con informacin incompleta o errnea, etc., caractersticas
propias del mundo real, tanto de los sistemas como del lenguaje natural. De esta forma, es
capaz de modelar y controlar una amplia variedad de sistemas complejos, construyndose
en una herramienta efectiva para tratar con problemas hasta ahora no abordados por su
complejidad o por la naturaleza de su informacin. As se utiliza en general para la toma de
decisiones en ambientes con incertidumbre, para el razonamiento aproximado, la
clasificacin y comprensin de seales, el reconocimiento de patrones entre oras utilidades.
Sus aplicaciones estn relacionadas, entre otros mbitos, con el comercio, las finanzas, la
medicina, la robtica o la automatizacin.
UNIDAD I / FUNDAMENTOS
14
Estrategias de la IA
En el horizonte de los descubrimientos relacionados con la informtica surgen no solo ideas nuevas para mejorar las tcnicas existentes, sino tambin paradigmas
radicalmente diferentes de las actuales estrategias. Uno de ellos, actualmente muy
extendido en el mbito de la investigacin computacional, es la Computacin Suave o Soft
Computing, en su idioma nativo. Su objetivo es implementar la inteligencia Artificial en las
mquinas.
Los avances en el campo de la computacin, la electrnica, sensores,
procesamiento de seales, representacin de la informacin, etc., proporcionan nuevas
herramientas para el desarrollo de sistemas inteligentes. Al ser la IA un rea multidisciplinar,
dinmica y amplia, se sirve de distintas tcnicas para conseguir sus objetivos.
En particular, la Inteligencia Artificial puede hacer efectivo del uso de:
nuevas tcnicas y entornos avanzados de programacin;
tcnicas para tratar la heurstica;
nuevos sistemas hardware.
Las metodologas de la Inteligencia Artificial incluyen, por ejemplo, la lgica borrosa,
sistemas expertos, aprendizaje, sistemas de planificacin, algoritmos de bsqueda sistemas
hbridos, diagnostico de fallos y reconfiguracin, autmatas, redes de Petri, redes
neuronales, computacin evolutiva, etc.
No obstante, conviene aclarar que las tcnicas asociadas a la IA tienen un desarrollo
y una fundamentacin independiente. Cada una de ellas contribuya con una metodologa
distintiva para tratar problemas en su dominio de aplicacin. Sin embargo, de una forma
complementaria y sinrgica en lugar de competitiva-, se combinan algunas de ellas
componiendo los denominados sistemas inteligentes hbridos, que combinan dos o mas de
estas tcnicas para su aplicacin a sistemas especficos que por su complejidad requieren
un acercamiento desde distintos enfoques. As se habla de los sistemas neuro- genticos,
donde una estrategia de la computacin evolutiva, los Algoritmos Genticos, se aplican en la
combinacin con la lgica biolgica borrosa, o los neuro-borrosos-genticos, etc.
Particular importancia tienen dentro de esta sinergia entre diversas metodologas de
computacin la unin de tcnicas denominadas clsicas o convencionales con las que
UNIDAD I / FUNDAMENTOS
15
provienen de la IA. Adems de complementarse de forma evidente y extender las
potencialidades de los mtodos hasta ahora aplicados con profusin durante dcadas en
entornos como la robtica, el control industrial, etc., su incursin en el mercado y la industria
se ve favorecida porque en muchos casos su apariencia y su utilizacin mantienen las
principales caractersticas de los sistemas con los que hasta ahora los operadores de
distintos mbitos estas acostumbrados a trabajar.
Cada una de estas metodologas se centra en un aspecto o una funcionalidad
inteligente de los seres vivos. As, las redes Neuronales actan como una metfora del
cerebro, con una estructura similar a las conexiones que se establecen entre las sinapsis de
ste, y que tienen como propiedades inherentes el aprendizaje y la adaptacin; la lgica
Fuzzy permite tratar con la imprecisin propia del lenguaje, e implementa el razonamiento
aproximada la computacin con palabras; los sistemas basados en reglas, que suponen en
muchos mbitos una gran ayuda a la toma de decisin y al diagnostico; la computacin
Gentica como mtodo eficiente de optimizacin y bsqueda aleatoria sistematizada; el
Razonamiento Probabilstico, para el anlisis de decisiones y el manejo de la informacin
estocstica, etc. Algunas de ellas se resumen en la siguiente tabla.
Hoy da, la mayora de estos mtodos de la IA estn bien delimitados y gran parte de
ellos han sido aplicados con xito en diversos mbitos.
Redes de Petri
En 1962 Carl Adam Petri public su tesis doctoral en la que por primera
vez se formulaba una teora general para sistemas discretos paralelos.
Las redes de Petri son una generalizacin de la teora de autmatas, y
eventos. Un modelo de red de Petri formula las propiedades de un
sistema en el lenguaje de la lgica aunque tambin utiliza la
representacin algebraica.
Sistemas
Expertos
Campo pionero de la IA. Un sistema experto (SE) es bsicamente un
conjunto de programas informticos que aplica el proceso del
razonamiento humano al conocimiento de un experto en la solucin de
tipos especficos de problemas. Son sistemas basados en reglas de
produccin u otros procesos de razonamiento. Algunas de sus
caractersticas son: la heurstica, el tratamiento simblico, la toma de
decisiones, la memoria, la prediccin y la inferencia.
UNIDAD I / FUNDAMENTOS
16
Lgica Fuzzy
La lgica Fuzzy o borrosa, una forma matemtica de representar la
imprecisin inherente al lenguaje natural, introducida por Lofti A. Zadeh
en 1965. Es una generalizacin de la lgica clsica: las variables toman
valores lingsticos de verdad. La pertenencia a los conjuntos borrosos
es gradual. Implementa la forma de razonar propia del sentido comn.
Redes
Neuronales
En la dcada de los 80 se empez a considerar este paradigma
computacional conexionista cuya estructura emula el proceso biolgico
del aprendizaje humano. Son sistemas compuestos por muchos
elementos de procesamiento (neuronas) que operan en paralelo, cuya
funcin es determinada por la estructura de la red, las conexiones y el
procesamiento local realizado por los elementos computacionales o
nodos. Las redes neuronales pueden aprender de datos de
entrenamiento, y en realidad son aproximaciones de funciones
matemticas.
Computacin
Evolutiva
Inspirada en el mundo biolgico, desarrolla programas usando analogas
con procesos biolgicos tales como la evolucin y la seleccin natural.
Se aplica satisfactoriamente, sobre todo, a problemas de optimizacin,
programacin automtica y aprendizaje de mquinas. Dentro de ella se
encuentran los Algoritmos Genticos y el sistema computacional
inmunizado, basado en la operacin de un sistema biolgico inmune.
Algoritmos
Genticos
Un algoritmo Gentico (AG) es esencialmente un procedimiento de
bsqueda y optimizacin modelado segn los mecanismos genticos de
seleccin natural de los seres vivos. Surgieron del estudio de los
autmatas celulares llevado a cabo por Holland en 1975. Su
funcionamiento bsico es evolucionar a partir de una poblacin que
representa las soluciones candidatas (individuos) para un determinado
problema, intentando producir nuevas generaciones de soluciones
mejores que las anteriores, evaluadas por una funcin de ajuste. Se
utilizan en problemas complejos de optimizacin por su paralelismo
implcito y su habilidad para mantener mltiples soluciones
concurrentemente.
Aplica los principios evolutivos de los AG para hacer evolucionar
UNIDAD I / FUNDAMENTOS
17
Programacin
Gentica
programas informticos. La programacin gentica conduce al
predominio de los programas ms aptos para la solucin de un problema
dado. Ahora en la Poblacin los individuos son programas. Cada
nueva generacin se obtiene por la reproduccin de los programas que
funcionan mejor, con un pequeo factor de mutaciones aleatorias.
Teoras del Caos
Es un conjunto de tcnicas utilizadas para examinar y determinar
relaciones altamente complejas entre datos que han sido inicialmente
clasificados al azar. Una caracterstica de este tipo de datos es que una
pequea variacin en las condiciones iniciales puede dar lugar a
cambios drsticos en los resultados muy rpidamente. El supuesto
fundamental de la teora del caos es que la unidad individual no importa;
lo que importa son las simetras recursivas entre los diferentes niveles
del sistema.
La IA sigue siendo un campo abierto a la investigacin, y junto con continuas
mejoras y modificaciones que esta experimentando, todava estn por desarrollarse nuevas
implementaciones computacionales de facetas de la inteligencia humana.
Breve visin histrica de la IA
El desarrolla y la evolucin de la Inteligencia artificial como disciplina moderna viene de la mano del avance tecnolgico (aparicin de los microprocesadores, desarrollos
hardware y software, etc.), y de la aparicin de nuevos paradigmas que han permitido
experimentar con mtodos de procesar informacin y gestionar el conocimiento, hasta ese
momento no explicitado. Sin embargo, su origen se remonta a la antigedad ya que est
unida a nodos de conocimiento y razonamiento tan lejanos en el tiempo como las
civilizaciones clsicas. De hecho las ciencias que de una forma u otra han influido en la
Inteligencia Artificial son:
Filosofa
Matemticas
Psicologa
UNIDAD I / FUNDAMENTOS
18
Lingstica
Ciencias de la computacin
Las principales contribuciones de esta ciencia al desarrollo de la IA son las
siguientes.
La filosofa cuenta con ms de 2000 aos de tradicin, a lo largo de los cuales han
surgido diversas teoras sobre el razonamiento (lgica) y el aprendizaje (la didctica). Junto
con el mundo de las ideas de Platn, el mundo del cerebro se reduca en muchos casos a un
simple sistema fsico que los trepanadores (ya en el antiguo Egipto) acostumbraban a
estudiar buscando la fuente del pensamiento. Los filsofos (desde el ao 400 a.C.) intuyeron
la inteligencia artificial al concebir la mente como una maquina que funcionaba a partir de un
conocimiento codificado en un lenguaje interno, y al considerar que el pensamiento serva
para determinar cual era la accin correcta que haba que emprender.
Simultneamente, durante ms de 400 aos se cultivaron las matemticas unidas a
la lgica, de donde surgieron teoras formales relacionadas con el habla, la probabilidad, la
teora de decisiones e incluso la computacin. Las matemticas proveyeron de las
herramientas necesarias para manipular tanto las aseveraciones de certeza lgica como la
incertidumbre de tipo probabilstica. Asimismo prepararon el terreno para la implementacin
del razonamiento mediante algoritmos.
La psicologa ofrece herramientas que permiten la investigacin de la mente humana
as como un lenguaje cientfico para expresar las teoras que se van proponiendo. Los
psiclogos reforzaron la idea de que los humanos y otros animales podan ser considerados
como mquinas para el procesamiento de informacin.
La lingstica ofrece teoras sobre la estructura (sintaxis) y significado (semntica)
del lenguaje. Los lingistas demostraron que el uso de un lenguaje es necesario dentro de la
implementacin de la IA para representar y manejar el conocimiento.
Por ultimo, la ciencia de la computacin es la que ha permitido que la Inteligencia
Artificial sea una realidad. Aporto las herramientas de clculo necesarias para que la idea de
IA fuera una metodologa aplicada. Adems, los programas de inteligencia artificial por lo
general son extensos y su ejecucin no seria factible sin los grandes avances de tiempo de
procesamiento, capacidad de memoria, potencia de clculo, etc., que facilitan las
computadoras actuales. El concepto de la IA, aunque parte de una concepcin abstracta, es
UNIDAD I / FUNDAMENTOS
19
realmente una realizacin fsica de hardware y software que tiene un comportamiento
inteligente, dentro del rea de la ciencia de la computacin.
Hitos de la evolucin de la IA
La idea de desarrollar mquinas autnomas no es nueva. En el siglo XVII, el filosofo John Locke ya se preguntaba si las mquinas podan saber. En la literatura cientfica
encontramos tres desarrollos que han servido de base a la formalizacin de la Inteligencia
Artificial:
En el siglo XVII, el tambin filosofo Gottfriend Leibniz propuso construir una mquina capaz de llevar a cabo cualquier proceso de razonamiento por el que
se le preguntara.
En el siglo XIX, Charles Babbage, cuyo ingenio analtico era capaz de realizar operaciones algebraicas, pens que se poda implementar un sistema formal en
el cual toda la pluralidad de los fenmenos fsicos pudiera ser adecuadamente
descrita.
Ya en siglo XX, en 1936, Alan Turing diseo una mquina que pensara y realizara tareas en un dominio especfico de forma equiparable a los hombres.
Aunque entonces nadie supusiera viable el objetivo comn de estos tres proyectos, su
relacin es hoy da evidente, y se han visto hechos realidad en los sistemas expertos y las
calculadoras automticas.
Junto con ellos, a Boole le debemos el inicio del lenguaje simblico a mediados del
siglo XIX.
Pero no es hasta los aos 50 y a principios de los 60 del siglo XX cuando se logra
realizar un sistema inteligente que tuvo cierto xito, el Perceptrn de Rossenblatt (1962).
Era un nivel visual de reconocimiento de patrones en el cual se aunaron refuerzos para que
se pudieran resolver una gama amplia de problemas. Auque estas estrategias se diluyeron
enseguida, sin embargo, ha quedado como una aportacin relevante, fundamento de las
redes neuronales. Sus antecedentes haban sido los trabajos de McCulloch y Pitts (1943),
que propusieron modelos basados en la analoga neuronal del cerebro.
UNIDAD I / FUNDAMENTOS
20
Poco despus, Alan Newell y Herbert Simon (1963), trabajando sobre la demostracin
de teoremas y aplicacin de la lgica para el problema del ajedrez por ordenador, logran
crear un programa llamado GPS (General Problem Solver; solucionador general de
problemas). El GPS era un sistema en el que el usuario defina en torno a funcin de una
serie de objetos y los operadores que se podan aplicar sobre ellos. Este programa era
capaz de trabajar con las torres de Hanoi, as como con criptoaritmtica y otros problemas
similares, operando, clara est, con microcosmos formalizados que representaban los
parmetros dentro de los cuales se podan resolver problemas. Lo que no poda hacer el
GPS era resolver problemas ni del mundo real, ni mdicos, ni tomar decisiones importantes.
El GPS manejaba reglas heursticas (aprender a partir de sus propios descubrimientos) que
le conducan hasta el objetivo final mediante el mtodo del ensayo error.
En torno a los aos 70, un equipo de investigadores dirigido por Edward Feigenbaum
comenz a elaborar un proyecto para resolver problemas de la vida cotidiana o que se
centrara, al menos, en problemas dentro de dominios ms concretos. As nacieron los
sistemas expertos El primer sistema experto (SE), Mycin, capaz de diagnosticar trastornos
en la sangre y recetar la correspondiente medicacin. Todo un logro en aquella poca.
En la siguiente dcada, los 80, se desarrollaron lenguajes ms apropiados para
desarrollar las metodologas de la Inteligencia Artificial, tales como el LISP o el PROLOG. Es
en esta poca cuando se desarrollan sistemas expertos ms refinados, como por ejemplo, el
EURISKO: este programa perfecciona su propia base de reglas heursticas, es decir, su
conocimiento, de forma automtica, por induccin.
El origen inmediato del concepto y de los criterios de desarrollo de la IA, como ya se ha
comentado, se remota a la intuicin del genio matemtico ingls Alan Turing y el apelativo
Inteligencia Artificial se debe a McCarthy, uno de los integrantes del grupo del Grupo de
Darmouth, que en el verano de 1956 se reuni en el Darmouth Collage, en los Estados
Unidos, para discutir la posibilidad de construir mquinas inteligentes. Los principales
integrantes del grupo eran:
John McCarthy: quien bautiz a esta nueva rea de conocimiento y estudiaba sistemas capaces de efectuar razonamientos de sentido comn.
Marvin Minsky: fundador del laboratorio de la IA del MIT. Trabajaba sobre razonamientos analgicos de geometra.
Claude Shannon: de los laboratorios Bell de EE.UU.
UNIDAD I / FUNDAMENTOS
21
Nathaniel Rochester: de IBM.
Allen Newell: primer presidente de la AAAI (Asociacin Americana de Inteligencia Artificial).
Herbert Simon: Premio Novel de Carnegie-Mellon University.
Tambin se puede descartar la importante intervencin de Arthur Samuel, que haba
escrito un programa de juego de damas capaz de aprender de su propia experiencia; y a
Selfridge, que estudiaba el reconocimiento visual por computadora.
A partir de este grupo inicial se formaron dos grandes escuelas de Inteligencia
Artificial (IA): por un lado, Newell y Simon lideraron el equipo de la universidad de Carnegie-
Mellon, proponindose desarrollar modelos de comportamiento humano con aparatos cuya
estructura se pareciese lo ms posible a la del cerebro. Esta teora deriv posteriormente en
el llamado paradigma conexionista y consecuentemente en los trabajos sobre redes
neuronales artificiales.
McCarthy y Minsky formaron otro equipo en el Instituto Tecnolgico de Massachusett
(MIT), centrndose en que los productos del procesamiento tuvieran el carcter de
inteligente, sin preocuparse de que el funcionamiento o la estructura de los componentes
fueran parecidas a los del ser humano.
Ambos enfoques se adecuan a los mismos objetivos prioritarios de la IA: por un lado
entender la inteligencia natural humana, y por otro usar mquinas inteligentes para adquirir
conocimientos y resolver problemas considerados como intelectualmente difciles.
La historia de IA ha sido testigo de ciclos de xito, de justificado e injustificado
optimismo con la consecuente desaparicin de entusiasmo y apoyos financieros. Tambin
ha habido periodos caracterizados por la introduccin de nuevos y creativos enfoques y de
un sistemtico perfeccionamiento de las mejores estrategias que han contribuido
significativamente al desarrollo de la ciencia.
Desarrollos histricos de la IA
Terminamos este apartado de revisin histrica con dos de las propuestas ms extendidas, desarrolladas por estudios del tema: Jackson (1989) y la perspectiva de Russell
UNIDAD I / FUNDAMENTOS
22
y Norving, tomada de su libro cuyo original data de 1995. Las referencias especficas se
encuentran en esos dos textos.
Desarrollo Histrico segn Jackson
1950-1965 PERIODO CLSICO
Gestacin [McCulloch y Pitts, Shannon, Turing]
Inicio Darmouth Collage, 1956 [Minsky, McCarthy]
Redes neuronales, robtica (Shakey)
Bsqueda en un espacio de estados, heurstica, LISP
Resolvedor general de problemas (GPS) [Newell, Simon]
Juegos, prueba de teoremas
Limitaciones como consecuencia de la dedicacin a la bsqueda pura, explosin combinatoria
1965-1975 PERIODO ROMNTICO
Representacin general del conocimiento
Redes semnticas [Quilian]
Prototipos (frames) [Minsky]
Perceptrn [Minsky y Papert]
Lgica [Kowalski]
Mundo de bloques (SHDRLU) [Winograd]
Compresin de lenguaje, visin, robtica
Dificultades de representacin general, problemas juguete
UNIDAD I / FUNDAMENTOS
23
1975-HOY PERIODO MODERNO
Inteligencia especfica vs. general
Representacin explicita del conocimiento especfico del dominio
Sistemas expertos o basados en conocimientos
Regreso de redes neuronales [Hopfield, Rumelhart, Hinton], algoritmos genticos [Holand, Goldberg], reconocimiento de voz
(HMM), incertidumbre (RB, Lgica difusa), planificacin,
aprendizaje. Aplicaciones reales (medicina, finanzas, ingeniera,
exploracin, etc.)
Limitaciones: conocimiento superficial
Desarrollo Histrico segn Russell y Norving
1943-1956 GESTACIN
McCulloch y Pitts (43), Hebb (49), Shannon (50)
Turing (53), Minsky y Edmonds (51). Darmouth Collage (56), McCarthy, Newell y Simon The Logic Theorist
1952-1969 GRANDES EXPECTATIVAS
Samuel Checkers (52), McCarthy (58);
Planificacin Temporal, Programas con sentido comn. Minsky y McCarthy en MIT moldearon mucho del rea. (63) McCarthy se fue
a Standford SRI, Shakey, etc. Minsky, Evans, Student, Waltz,
Winston, Winograd. Trabajo en RN: Hebb, Widrow, Rosenblatt
1966-1976 DOSIS DE REALIDAD
Simon predeca que en 10 aos se tendra una mquina inteligente.
UNIDAD I / FUNDAMENTOS
24
Predicciones similares en traduccin automtica y ajedrez. Teora
de NP-completitud. Experimentos en machine evolucin (ahora
algoritmos genticos) (Friedberg, 58). Minsky y Papert:
Perceptrones (69); el mismo ao se descubri el backpropagatin
(Bryson y Ho)
1969-1979 SISTEMAS BASADOS EN CONOCIMIENTO
Dendral, Mycin, HPP, Prospector, Winograd SHDRLU, Shank (no hay sintaxis), frames, Prolog, Planner
IA como industria (1980-1988):R1/XCOM, proyecto de la quinta generacin, shells y mquinas de Lisp
1986-HOY VUELTA A LAS REDES NEURONALES
Hopfield, Rumelhart y Hinton y descenso de los Sistemas Expertos
1987-HOY LOGROS RECIENTES
Cambio gradual hacia reas aplicadas (cierto grado de madurez y estabilidad); reconocimiento de voz (HMM), incertidumbre (Bayes),
planificacin (Tweak), robtica, aprendizaje, etc.
Futuro de la IA
La ciencia de la Inteligencia Artificial tiene su formalizacin en 1958, en la Conferencia de Dartmouth. Durante estos aos ha habido dcadas de un avance decidido
hacia la implementacin de inteligencia prctica en las mquinas. Los campos de
reconocimiento de voz, lenguaje natural, reconocimiento de caracteres, etc., han sido
campos en los que se especializ la IA y de su mano vio un gran avance.
Sin embargo, algunos de estos xitos no tuvieron la continuidad esperada, y se
sucedieron temporadas en las que las expectativas creadas en torno a las mquinas
inteligentes dejaron paso a una desilusin que hicieron ms lento el desarrollo de las
contribuciones prcticas de esta ciencia. Efectivamente, hay una serie de tareas fciles para
UNIDAD I / FUNDAMENTOS
25
los seres humanos que son an impensables para un mquina inteligente, pero esto no es
bice para admitir que se han realizado interesantes progresos en la lnea de incorporar
conocimiento, razonamiento y aprendizaje a los sistemas computacionales.
Las faces de Desarrollo de IA se han ido sucediendo al paso de la evolucin de las
computadoras. En los primeros aos la mayora los problemas abordados por la IA eran
problemas estructurados y con sus lmites muy bien definidos, por ejemplo, juegos (ajedrez),
pruebas de teoremas, etc. En esta fase el nfasis se centr sobre todo en crear mquinas
que pudieran pensar, capaces de resolver una amplia clase de problemas, que incluan
fundamentalmente razonamientos sofisticados y muchas veces artificiosos, y tcnicas de
bsqueda.
Una segunda fase comenz de la mano del xito de la IA para aplicaciones de
reconocimiento, que exigan un dominio muy restringido y delimitado. Generalmente les
acompaaba una gran cantidad de conocimiento respecto al problema a resolver. Esta
aproximacin de aadir conocimiento de un dominio especfico a un mtodo en cierto modo
general de resolucin condujo al desarrollo de los sistemas basados en reglas, una de las
tcnicas pioneras de la IA que alcanz gran resonancia por sus xitos en mbitos muy
diversos: diagnstico mdico, anlisis qumico, configuracin de computadoras, etc. A su
difusin contribuy la comercializacin de muchos de ellos.
A la vez las potentes estaciones de trabajo permitan trabajar con lenguajes y
aplicaciones como Lisp, Prolog, etc., que facilitaban la realizacin procedural de estas
tcnicas de la IA.
Desde finales de los aos 80, la comunidad de la IA se ha planteado retos de mayor
envergadura: razonamiento de sentido comn, traduccin e interpretacin del lenguaje
natural, visin por computador, automatizacin y control de procesos complejos, etc.
Desde entonces, distintas ramas de la IA han ido alternando en popularidad: la
aproximacin conexionista, representada por las redes neuronales; la computacin biolgica,
con algoritmos evolutivos como tcnicas de bsqueda; la lgica borrosa, en un intento de
dotar de sentido comn a las mquinas, etc. Recientemente, el crecimiento de Internet y de
la computacin distribuida en general ha abierto nuevos campos de aplicacin a la IA.
UNIDAD I / FUNDAMENTOS
26
1.2 Las Habilidades cognoscitivas segn la psicologa. Teoras de la Inteligencia (Conductismo, Gardner,)
Introduccin
Hablar de actividades cognitivas, aunque sea brevemente, nos permite al mbito de las aptitudes e implica, en primer lugar, introducirnos en el estudio del pensamiento, como
proceso o sistemas de procesos complejos que abarcan desde la captacin de estmulos,
hasta su almacenaje en memoria y su posterior utilizacin, en su evolucin y su relacin con
el lenguaje; abordar el estudio de la inteligencia y su evolucin, como herramienta bsica del
pensamiento; y profundizar en el estudio del aprendizaje, como cambio relativamente estable
del comportamiento producido por la experiencia. Para, en segundo lugar, con mayor
profusin y especificidad, pasar al estudio del binomio cognicin-metacognicin y su relacin
con aquellas variables que ms le afectan, como es el caso de las afectivas, tales como: la
motivacin, el autoconcepto, la autoestima, la autoeficacia, la ansiedad, etc. De manera que
los trminos aprender a pensar, aprender a aprender y pensar para aprender, cada vez
nos sean menos ajenos.
As pues, aqu nos podemos hacer una revisin de los principales conceptos y
teoras, formas de evaluacin e intervencin ofrecidos en este mbito; aunque, como es
obvio, de forma sucinta.
Conceptos y teoras
Actualmente estamos sumergidos en la era de la revolucin tecnolgica y, por ello, el
nmero de conocimientos culturales y tcnicos, de teoras y habilidades, de modelos y
estrategias, etc., aumentan de modo exponencial; siendo por lo que la educacin se enfrenta
al gran reto de transmitirlos relacionando a la vez lo terico con la vida real, problema cada
vez ms difcil de solucionar. Adems, curiosa y paradjicamente, hallndonos de pleno en
la era de la comunicacin social, nos encontramos con los niveles ms altos, histricamente,
hablando, de incomunicacin personal; lo que agrava sobremanera esta problemtica.
La verdad es que, en general, nuestros alumnos dedican muy poco tiempo al trabajo
autnomo, especialmente a las consultas, y su actividad se reduce casi exclusivamente, en
UNIDAD I / FUNDAMENTOS
27
la mayor parte de los casos, a escuchar (no or siquiera)m al profesor, empleando como
nica habilidad cognitiva, tomar notas y memorizar los apuntes para los exmenes; lo cual
denota inters por las clases de tipo explosivo, una alta orientacin en sus actividades de
trabajo y un procesamiento pasivo de la informacin.
Por otra parte, no slo se trata de una cuestin de ndole prctica, sino que es una
imposicin de la perspectiva cognitiva frente a la conductista, interesada por el
procesamiento de la informacin y su almacenamiento en memoria, destacando cmo los
resultados del aprendizaje no dependen exclusivamente del modo en que el profesor
presenta la informacin; sino, adems, del modo en que el alumno lo procesa, la interioriza y
la guarda (Weinstein y Mayer, 1986).
En la investigacin especializada sobre habilidades y estrategias pueden recogerse
multitud de definiciones al respecto; no obstante, es factible detectar un nico ncleo de
significado, aunque con algunas diferencias en los niveles denotativos de los trminos
empleados; en otras palabras, el nivel de generalidad concedido al concepto de habilidad o
estrategia vara segn el tipo de definicin formulada. Por ello, se recogen aqu dos grupos
claramente diferenciados y delimitados de definiciones: sintticas y analticas.
a) Sintticas
En este caso, las habilidades o estrategias se presentan en un sentido general,
aunque asignndoles un papel concreto, siendo fcil detectar tanto macrohabilidades o
macroestrategias, habilidades ejecutivas, etc., como microhabilidades o microestrategias,
habilidades no ejecutivas, etc.
Las habilidades cognitivas son entendidas como operaciones y procedimientos que
puede usar el estudiante para adquirir, retener y recuperar diferentes tipos de conocimientos
y ejecucin suponen del estudiante capacidades de representacin (lectura, imgenes,
habla, escritura y dibujo),capacidades de seleccin (atencin e intencin) y capacidades de
autodireccin (autoprogramacin y autocontrol)(Rigney, 1978:165).
ONeil y Spielberger (1979), a diferencia de Rigney, prefieren utilizar el trmino
estrategias de aprendizaje, pues en l incluyen las estrategias de tipo afectivo y motor, as
como las estrategias propiamente cognitivas; aunque de hecho reconocen tres
caractersticas bsicas de este dominio: la gran diversidad terminolgica, el limitado acuerdo
existente respecto a sus conceptos fundamentales y el estado de arte en el que se
encuentra.
UNIDAD I / FUNDAMENTOS
28
Sin embargo, ello no impide que puedan establecerse algunas distinciones; por
ejemplo, respecto a un tema muy prximo conceptualmente, tal como el de los estilos
cognitivos. Perkins (1985), comentando el problema de la generalidad o especificidad de las
habilidades cognitivas, seala una posible distincin entre estilos cognitivos y estrategias; los
primeros estn ms ntimamente ligados a la conducta general de la persona, a su modo de
pensar, de percibir, etc. (dependencia/independencia de campo; reflexividad/impulsividad,
etc.), mientras las segundas son conductas ms especficas aplicadas en un momento
determinado de un proceso (como, repasar un texto que se acaba de leer).
Derry y Murphy formularon en 1986 un planteamiento de diseo de sistemas de
instruccin para mejorar la habilidad e aprender, utilizando como gua la teora de Gagn, la
de Sternberg y la teora metacognitiva. El anlisis de estas teoras les llev a la conclusin
de que la mejora de la habilidad para aprender necesita el desarrollo no slo de habilidades
de aprendizaje especficas, sino tambin de un mecanismo de control ejecutivo que acceda
a las habilidades de aprendizaje especficas, sino tambin de un mecanismo de control
ejecutivo que acceda a las habilidades de aprendizaje y las combine cuando sean
necesarias; planteando diversas posibilidades en cuanto al diseo curricular para estas
estrategias: independiente (detached)(Weinstein, McCombs, Dansereau), incluido en el
curriculum normal (embedded)(Johns), o una solucin de compromiso entre ambas
(incidental learning model)(Derry). Auque, advierten que cualesquiera de las posibilidades
debe considerar que esas habilidades, sobre todo las de control ejecutivo, son difciles de
entrenar, sesarrollndose y automatizndose lentamente. Por ello, sus investigaciones
representan una integracin de las diversas taxonomas existentes, incorporando estrategias
de: memoria, lectura y estudio, solucin de problemas y afectivas.
McCormick et al. (1989) abordan la cuestin de las habilidades cognitivas en el
marco del aprendizaje en una lnea actual de transicin de los contextos de laboratorio a las
situaciones acadmicas de la vida real. En este mbito han tenido lugar dos avances
importantes:
1. El desarrollo de modelos complejos de pensamiento calificable como competente;
lo cual ha permitido identificar con mayor precisin las habilidades y estrategias ms
importantes.
2. La elaboracin de diseos de instrumentacin que promueven una actuacin
competente, evaluando el valor y efectividad de la instruccin en contextos naturales.
UNIDAD I / FUNDAMENTOS
29
En relacin al primer apartado los autores sealan tres modelos representativos del
enfoque de procesamiento de la informacin: el modelo de resolucin de problemas de
Baron, el modelo de componentes de Sternberg y el del buen utilizador de estrategias de
Pressley et al. Y, en relacin al segundo apartado, destacan: el modelo de Pressley, que
manifiesta la necesidad de sealar todos los componentes del uso correcto de estrategias
(estrategias, metacognicin, motivacin y conocimiento), el modelo de la universidad de
Kansas, focalizado en la educacin especial, pero con aplicaciones ms generales
(estrategias de memoria y compresin, incluyendo el parafrasear, formularse preguntas,
mnemotcnicos, imaginacin visual, control de errores, etc.), y el modelo de entrenamiento
en habilidades de solucin de problemas aritmticos de Derry et al., que incluye una
enseanza de la planificacin en la resolucin de problemas. De la autocomprobacin y del
autocontrol.
b) Analticas.
En este caso, las habilidades no son simples conglomerados de reglas o hbitos,
sino que se trata de habilidades de alto orden que controlan y regulan las habilidades ms
especficamente referidas a las tareas o ms prcticas (Nisbet y Shucksmith, 1987:21).
Resnick y Beck (1976) distinguen entre actividades de tipo amplio, utilizadas para
razonar y pensar (habilidades generales), y habilidades especficas, dedicadas a realizar una
tarea una tarea concreta (habilidades mediacionales). En un sentido ms preciso, Sternberg
(1983) diferencia entre habilidades ejecutivas (tiles para planificar, controlar y revisar las
estrategias empleadas en la ejecucin de una tarea, como identificar un problema) y
habilidades no ejecutivas (utilizadas en la realizacin concreta de una tarea, como
comparar).
En nuestro caso, preferimos hablar de estrategias cognitivas y metacognitivas, que
podramos resumir de la siguiente forma:
I. Habilidades cognitivas.
Son las facilitadoras del conocimiento, aquellas que operan directamente sobre la
informacin: recogiendo, analizando, comprendiendo, procesando y guardando informacin
en la memoria, para, posteriormente, poder recuperarla y utilizarla dnde, cundo y cmo
convenga. En general, son las siguientes:
1. Atencin: Exploracin, fragmentacin, seleccin y contradistractoras.
UNIDAD I / FUNDAMENTOS
30
2. Comprensin (tcnicas o habilidades de trabajo intelectual): Captacin de ideas,
subrayado, traduccin a lenguaje propio y resumen, grficos, redes, esquemas y
mapas conceptuales. A travs del manejo del lenguaje oral y escrito (velocidad,
exactitud, comprensin).
3. Elaboracin: Preguntas, metforas, analogas, organizadores, apuntes y
mnemotecnias.
4. Memorizacin/Recuperacin (tcnicas o habilidades de estudio): Codificacin y
generacin de respuestas. Como ejemplo clsico y bsico, el mtodo 3R: Leer,
recitar y revisar (read, recite, review).
II. Habilidades metacognitivas.
Son las facilitadoras de la cantidad y calidad de conocimiento que se tiene
(productos), su control, su direccin y su aplicacin a la resolucin de problemas, tareas, etc.
(procesos).
1. Conocimiento del conocimiento: de la persona, de la tarea y de la estrategia.
2. Control de los procesos cognitivos:
2.1. Planificacin: Diseo de los pasos a dar.
2.2. Autorregulacin: Seguir cada paso planificado.
2.3. Evaluacin: Valorar cada paso individualmente y en conjunto.
2.4. Reorganizacin (feedhack): Modificar pasos errneos hasta lograr los objetivos.
2.5. Anticipacin (forward): Avanzar o adelantarse a nuevos aprendizajes.
Las habilidades cognitivas aluden directamente a las distintas capacidades
intelectuales que resultan de la disposicin o capacidad que demuestran los individuos al
hacer algo. Estas habilidades son, como indican Hartman y Sternberg (1993), los obreros
(workers) del conocimiento. Pueden ser numerosas, variadas y de gran utilidad, a la hora de
trabajar en las distintas reas de conocimientos y cuya actividad especfica se ve afectada
por multitud de factores que dependen de la materia, de la tarea, de las actitudes y de las
variables del contexto donde tienen lugar. Precisamente, la actuacin estratgica se refiere a
UNIDAD I / FUNDAMENTOS
31
la seleccin, organizacin y disposicin de las habilidades que caracterizan el sistema
cognitivo del individuo.
Por ejemplo, Weinstein y Mayer (1986) las estructuran en tres apartados: 1)
Estrategias de repeticin, ensayo o recitacin, cuyo objetivo es influir en la atencin y en el
proceso de codificacin en la memoria de trabajo (a corto plazo), facilitando un nivel de
comprensin superficial. 2) Estrategias de elaboracin, que pretenden una comprensin
ms profunda de los contenidos de los aprendizajes, posibilitando la conexin entre la nueva
informacin y la previa, ayudando a su almacenamiento en la memoria a largo plazo, para
conseguir aprendizajes significativos. 3) Estrategias de organizacin, que permiten
seleccionar la informacin adecuada y la construccin de conexiones entre los elementos de
la informacin que va a ser aprendida, lo que fomenta el anlisis, la sntesis, la inferencia y la
anticipacin ante las nuevas informaciones por adquirir.
Las estrategias metacognitivas hacen referencia, por una parte, a la consciencia y
conocimiento del estudiante de sus propios procesos cognitivos, conocimiento del
conocimiento, y, por otra, a la capacidad de control de estos procesos, organizndolos,
dirigendolos y modificndolos, para lograr las metas del aprendizaje (Flavell, 1976, 1977;
Flavell y Wellman, 1977). En general, supondran aprender a reflexionar, estando integradas
por variables de la persona, la tarea y las estrategias.
Las variables de la persona estaran formadas por nuestros conocimientos y
creencias acerca de cmo somos y cmo son los dems, como procesadores cognitivos,
estando directamente relacionadas con los componentes cognitivos de la motivacin
(percepcin de autoeficacia, creencias de control, expectativas de rendimiento, etc.).
Markman (1973, 1975), por ejemplo, observ que los nios pequeos no son capaces de
predecir su comportamiento en la mayora de las tareas cognitivas y que tienen dificultades
para identificar contradicciones e incoherencias presentes en una historia. Asimismo,
Pramling (1983) confirm que los nios del segundo ciclo de Educacin Infantil relacionaban
el aprendizaje con hacer cosas o crecer, pero nunca con algo que tuviera relacin con el
conocimiento o que el aprendizaje proviniera de la experiencia.
Las variables de la tarea incluyen la consciencia acerca de sus demandas: magnitud,
grado de dificultad, estructura, si es conocida o no, esfuerzo que requiere, etc.;
adquirindose tambin de forma progresiva la comprensin de su influencia. Hay estudios
experimentales que confirman el grado de dificultad que entraa reconocer ciertos aspectos
asociados a las demandas de las tareas, de manera que los aspectos que implican mayor
UNIDAD I / FUNDAMENTOS
32
dificultad o complejidad se aprenden despus que los ms fciles o simples (Moynahan,
1973; Kreutzer, 1975).
En este mismo sentido, Miller (1985) analiz los factores que, segn los nios,
influyen en la atencin que prestan a las tareas escolares cuando las hacen en casa yen la
escuela, llegando a la conclusin de que, para los de 5 a 8, los factores ms importantes
eran estar callados (no hacer ruido) y centrados en lo que explica el maestro (inters por la
tarea), no moverse de su sitio y observar lo que hace el profesor (aspectos extrnsecos a la
tarea de aprender). Sin embargo, los nios mayores, atribuyen la falta de atencin a factores
que suelen tener un carcter ms psicolgico, la falta de motivacin, la dificultad de la tarea
o el hecho de desviar el inters hacia otras cosas ajenas a la escuela (aspectos intrnsecos
de la tarea de aprender).
Mazzoni y Cornoldi (1993) demostraron que el conocimiento previo sobre la facilidad
o dificultad percibida o ida de una tarea, afecta a la distribucin del tiempo de estudio, de
manera que a las tareas fciles se les dedica menos tiempo que a las lateas difciles. De
igual forma, Dufresne y Kobassigawa (1989), en otro estudio experimental, manipularon el
grado de relacin entre los componentes de una lista de pares asociados, observando que el
tiempo de recuerdo de los temes menos relacionados entre si, los ms difciles, superaba el
tiempo dedicado al recuerdo de los ms relacionados.
Todas estas apreciaciones ponen de manifiesto que el grado de percepcin de las
variables concernientes a las tareas afectan al modo de realizacin de las mismas, de forma
que, a medida que el sujeto va teniendo una mayor conciencia de la tarea, se incrementa su
eficacia de realizacin.
Las variables de las estrategias van referidas al conocimiento estratgico cognitivo,
metacognitivo y de los medios que pueden propiciar y facilitar el xito, tales como: repetir
elementos de una lista, ordenarlos por categoras, comprender un determinado contenido,
relacionarlos son otros, recordar una determinada cuestin, resolver tal o cual problema, etc.
El conocimiento de las variables de estrategia se refiere al conocimiento
procedimental, extrado de la experiencia, resultante de la ejecucin de tareas anteriores. A
partir del conocimiento de las caractersticas requisitos tareas, las caractersticas personales
y las estrategias que hay que emplear, es cuando se puede empezar a planificar, regular,
evaluar y reorganizar el proceso cognitivo coherente. As, pues, la metacognicin supone el
UNIDAD I / FUNDAMENTOS
33
conocimiento y control de los propios estados y procesos cognitivos (Brown, Bransford,
Ferrara, Capione, 1983).
Las actividades de planificacin estn integradas por el establecimiento de metas de
aprendizaje, subdivisin de la tarea en pasos, generacin de interrogantes ante el nuevo
material, identificacin y anlisis del problema, planteamiento de hiptesis de trabajo,
determinacin de la dosificacin del tiempo y el esfuerzo necesarios, etc.
Las actividades de direccin (monitoring) y autorregulacin incluyen la autodireccin
y autocontrol cognitivo durante todo el proceso de realizacin de una actividad cognitiva,
siendo capaz de seguir el plan trazado.
Y, las estrategias de evaluacin permiten comprobar la eficacia del proceso
cognitivo, mientras que las de reorganizacin facilitan su modificacin en su defecto.
El desarrollo de las actividades de control cognitivo, de autoconciencia acerca de
cmo se conoce y de automanejo de la propia actividad cognitiva, permite a los alumnos
asumir la responsabilidad de su propio aprendizaje, que, paran Nisbet y Shuckmith (1986),
es la clase del aprender a aprender. Precisamente, estos autores, describen, la
metacognicin como el sptimo sentido que lleva a aprender a aprender; es decir, la
capacidad de reconocer y controlar la situacin de aprendizaje. Lo que no debe confundirse
con el aprendizaje de habilidades especficas para el estudio es ser capaz de organizar,
dirigir controlar los procesos mentales y ajustarlos a las exigencias o contexto de la tarea. En
este sentido, Nickerson et al. (1987) indican que la actuacin de los expertos, respecto a los
novatos, es de mayor en la planificacin y la aplicacin de estrategias, una mejor distribucin
del tiempo y los recursos, y un control y valuacin cuidadosa del progreso.
Los hallazgos de diferentes investigaciones confirman que los nios muy pequeos
poseen un grado considerable de conocimiento metacognitivo que se va desarrollando
gradualmente durante su proceso de maduracin, de ah la conveniencia de que los
estudiantes, desde muy corta edad, dentro del currculo y no como apndice del mismo, se
inicien en la prctica del autoexamen y el control de su autoeficacia, distribuyendo
cuidadosamente el tiempo y los recursos de que disponen.
Las habilidades y estrategias metacognitivas deben ensearse simultneamente a la
enseanza de los contenidos de las diferentes materias escolares (Hartman y Sternberg,
1993), integradas en alguno de los mtodos de interaccin didctica. Una parte de ellas se
centran en el maestro y otras les corresponde desarrollarlas a los propios estudiantes,
UNIDAD I / FUNDAMENTOS
34
dependiendo de quin tenga la responsabilidad y el control de la actividad de aprender en
cada momento de la situacin de aprendizaje-enseanza.
Las tcnicas centradas en el maestro incluyen: preguntar, decir en voz alta lo que se
hace al tiempo que se realiza, anticipar los pasos que se van a seguir, preguntarse por el
valor y el inters de cada uno de ellos, justificar las decisiones que se toman, proporcionar
diferentes ejemplos, analogas, grficos, esquemas y justificar su valor procedimental para
adquirir el conocimiento. En suma, modelar y justificar previamente el aprendizaje que
queremos que realice el alumno despus de forma individal.
Las habilidades y estrategias centradas en el alumno incluyen marcarse objetivos y
planificar las tareas, hablarse a s mismo a lo largo del aprendizaje para autopreguntarse y
cuestionarse cada paso de la actividad de aprender, pensar en voz alta, detenerse a
reflexionar y revisar lo realizado previamente, anticipar y prever etapas y resultados, evaluar
resultados parciales y finales, preguntarse por qu las tareas se hacen bien o mal, a qu se
puede deber, si est en manos del alumno proponer soluciones y cules.
Por ltimo, destacas la importancia del estudio conjunto de los factores cognitivos-
metacognitivos y motivacionales, que, como consecuencia, ha dado como resultado la
aparicin del nuevo constructo conocido como aprendizaje autorregulado (SRL: Self-
Regulated Learning).
Puede considerarse autorreguladores a los alumnos en la medida en que son,
cognitiva-metacognitiva, motivacional y conductualmente, promotores activos de sus propios
procesos de aprendizaje (Zimmerman, 1990b; y McCombs y Marzano, 1990).
Cognitiva-metacognitiva, cuando son capaces de tornar decisiones que regulan la
seleccin y uso de las diferentes formas de conocimiento: planificando, organizando,
instruyendo, controlando y evaluando (Corno, 1986.1989).
Motivacionalmente, cuando son capaces de tener gran autoeficacia, autoatribuciones
y gran inters intrnseco en la tarea, destacando un extraordinario esfuerzo y persistencia
durante el aprendizaje (Borkowski et al., 1990; Schunk, 1986).
Conductualmente, cuando son capaces de seleccionar, estructurar y crear entornos
para optimizar el aprendizaje, buscando consejos, informacin y lugares donde puedan ver
favorecido su aprendizaje (Wang y Peverly, 1986; Zimmerman y Martinez-Pons, 1986),
autoinstruyndose y autorreforzndose (Rohrkemper, 1989).
UNIDAD I / FUNDAMENTOS
35
En suma, un aprendiz efectivo es aquel que llega a ser consciente de las relaciones
funcionales entre sus patrones de pensamiento y de accin (estrategias) y los resultados
socio-ambientales (Corno y Mandinach, 1983; Corno y Rohrkemper, 1985); es decir, cuando
se siente agente de su comportamiento, estando automotivado, usando estrategias de
aprendizaje para lograr resaltados acadmicos deseados, autodirigiendo la efectividad de su
aprendizaje, evalundolo y retroalimentndolo.
Evaluacin
Sin duda alguna, las habilidades cognitivas y metacognitivas suponen, quizs, los
constructos ms investigados en la psicologa de la instruccin contempornea; no obstante,
tanto su delimitacin conceptual como su evaluacin y entrenamiento requieren un
tratamiento metodolgico emprico vlido y fiable, que d solidez a sus planteamientos.
Hay autores que restringen la cognicin-metacognicin a los procesos de los que las
personas son o pueden ser conscientes y que se manifiestan a travs de indicadores
internos, introspectivos (Flavell, 1976, 1977; Flavell y Wellman, 1977); y otros, sin embargo,
lo hacen a travs de indicadores externos, indirectos, susceptibles de medida y
cuantificacin (Paris y Jacobs, 1984; Jacobs y Paris, 1987; Cross y Paris, 1988). En este
sentido, unos u otros, intentan analizar la cognicin-metacognicin mediante la observacin
y la medida de los dos grandes aspectos que la definen: autoconocimiento y proceso de
control.
As pues, en general, el procedimiento metodolgico ms utilizado en la evaluacin
de la cognicin- metacognicin es el informe verbal, como forma de inferir los estados de
conciencia de los individuos; aunque, es una herramienta que cuenta con numerossimas
crticas (Nisbet y Wilson, 1977) y que supone costosos esfuerzos para mejorar los
procedimientos que permitan validar y fiabilizar los hallazgos obtenidos (Ericsson y Simon,
1980).
No obstante, podramos distinguir dos grupos de tcnicas diferenciadas al respecto:
las primeras, serian aquellas donde los sujetos abordan de forma consciente sus propios
estados mentales haciendo alusin a la descripcin de los procesos que verbalizan -think
aloud (Cavanaugh y Permlmutter, 1982), entrevistas (Brown, 1987) y cuestionarios (Pintrich
y De Groot, 1990, Cuestionario de Estrategias Motivadas -MSLQ-)-, y, las segundas,
UNIDAD I / FUNDAMENTOS
36
considerando las respuestas verbales corno resultado o producto de un proceso mental
dado, actuando como indicadores de que determinados procesos se activan por parte del
sujeto -peer tutoring (Garner, 1987), pictorial techniques (Diaz y Rodrigo,1989), graphing
subjective (Hall, Dansereau, ODonnell, 1990), cuestionario metacognitivo MQ (Swanson,
1990), judgments of knowing y feeling of knowing (Nelson y Leonesio, 1990), etc.-.
Queda claro, pues, que la mayor parte de las tcnicas, salvo las que utilizan dibujos
o grficos, se fundamentan en el informe verbal, como procedimiento para acceder a los
estados y los procesos de control del conocimiento de los que los individuos son conscientes
y que podemos inferir a partir de autovaloraciones personales (Pelegrina, Justicia y Cano,
1991).
No obstante, las verbalizaciones, como herramienta metodolgica, han sido objeto
de numerosos anlisis (fiabilidad, influencia del experimentador, relaciones entre lo que el
sujeto sabe y lo que en realidad hace, consideraciones sobre el estado evolutivo de los
sujetos, etc.), poniendo de manifiesto algunas precauciones, como recomienda Garner
(1987):
1. Evitar preguntar sobre procesos automticos, inaccesibles a la reflexin.
2. Reducir el intervalo entre procesamiento e informe
3. Evitar el efecto de sesgo del experimentador utilizando preguntas indirectas.
4. Utilizar diferentes mtodos que no compartan las mismas fuentes de error para
valorar el conocimiento y la utilizacin de las estrategias.
5. Utilizar tcnicas que reduzcan las demandas de verbalizacin, especialmente en
los sujetos ms jvenes.
6. Evitar escenarios hipotticos y cuestiones muy generales.
7. Valorar la consistencia de las respuestas de la entrevista a lo largo del tiempo
para un grupo de sujetos.
8. Valorar la validez de las preguntas para reducir las respuestas verbales a temas
de inters.
As, pues, la tcnica del cuestionario, junto con la entrevista, tal vez sean, entre los
procedimientos analizados, los ms utilizados para medir la cognicin-metacognicin
UNIDAD I / FUNDAMENTOS
37
(Belmont y Borkoswski, 1988; Clements y Natassi, 1990; Clements y Natassi, 1988;
Clements y Natassi, 1990; Meichenbaum, Burland, Gruson y Cameron, 1985; Pintrich y De
Groot, 1990; Tobias, Hartman, Everson y Gourgey, 1991; Swanson, 1990). De ellos, aqu
nos interesan particularmente el Metacognitive Questionnaire, MQ, de Swanson y el
Motivated Strategies for Learning Questionnaire, MSLQ, de Pintrich y De Groot.
Programas de intervencin
En general, podramos distinguir dos lneas de intervencin: 1) La que alude
exclusivamente al trmino cognicin-metacognicin, y 2) La referida a la conjuncin
cognicin-metacognicin Y motivacin.
Respecto a la primera orientacin, programas de intervencin exclusivos en
cognicin-metacognicin, decir que son numerosos los trabajos que han demostrado el
efecto favorable del entrenamiento en habilidades y estrategias cognitivas y metacognitivas
en diferentes reas del currculo: en lectura (Brown, Armbruster y Baker, 1985; Brown y
Palincsar, 1987; Campione y Brown, 1990; Chipman, Segal y Glaser, 1985; Jacob y Paris,
1987; Snchez, 1993); en escritura (Bereiter y Scardamalia, 1987; Castell, 1995; Hayes y
Flower, 1980; Higgins, Flower y Petraglia, 1992; Saunders, 1989); en el uso de grficos y
mapas (Moore, 1993; Schofield y Kirby, 1994); en fsica (Pirolli y Bielaczyc, 1989; PirolIi y
Recker, 1994); en la solucin de problemas (Borkowski, 1992; Chi et al., 1989; Bielaczyc,
Pirolli y Brown, 1995; Klahr, 1985; Swanson, 1990), y, recientemente, la de Herrera y
Ramrez Salguero (2001) sobre cognicin-metacognicin en contextos pluriculturales.
Estos trabajos, al mismo tiempo, han desarrollado diversos mtodos de enseanza
para llevar a cabo el entrenamiento en cognicin-metacognicin. Dichos mtodos tienen
distinta fundamentacin terica y se basan en la observacin, la comparacin y la reflexin
sobre el modo de ejecutar tareas hechas por otros (profesores o grupo de iguales) o sobre la
propia ejecucin de los estudiantes, concerniente a tareas relacionadas con el aprendizaje
escolar.
Entre estos mtodos, podemos citar: el role-playing; la discusin; el debate; el
mtodo de explicacin o enseanza directa (Duffy et al., 1986); el modelado y el mtodo de
andamia-je, derivado de lo supuestos que inspiran el trabajo de Vygotsky (1978) (Collins,
Brown y Newman, 1989); el mtodo de entrenamiento cognitivo, basado en el dilogo, la
UNIDAD I / FUNDAMENTOS
38
explicacin directa, el modelado (un ejemplo de este mtodo lo tenemos en el programa ISL
Informed Strategies for,Learnig- propuesto por Paris y colaboradores, 1984); el mtodo de
aprendizaje cooperativo, entendido como una ayuda al aprendizaje cuando los alumnos
realizan tareas en comn (Slavin, 1991); o, el mtodo de enseanza recproca, basado en la
interaccin del trabajo en situacin de pareja (dada), en la que uno de los integrantes del
par adopta el rol de lder (Palincsar y Brown, 1984).
Las propuestas, en general, se han dirigido al aumento de las estrategias de
memoria, incidiendo en el problema de la generalizacin y mantenimiento de estrategias
previamente entrenadas, o a fomentar la lectura comprensiva, utilizando tcnicas de
enseanza informativa, metforas, grupos de dilogo, prcticas dirigidas y aplicaciones,
como el ISL de Paris et al. (1984).
Respecto a la segunda orientacin, programas de intervencin en metacognicin y
motivacin conjuntamente (SRL), decir que tambin son numerosos los trabajos que han
demostrado el efecto ms favorable del entrenamiento en estrategias cognitivas y
metacognitivas cuando se llevan a cabo conjuntamente con programas de desarrollo
motivacional (Paris, Olson y Stevenson, 1983; Corno y Mandinach, 1983; Corno y
Rohrkemper, 1985; Zimmerman y Martnez Pons, 1986; Dweck, 1986; Alonso, Garca y
Montero, 1986; Castro, 1986; Pintrich y De Groot, 1990; Pokay y Blumenfeld, 1990;
Wellman, 1990, 1995; Zimmerman, 1989, 1990; Valle y Nez, 1989; McCombs y Marzano,
1990; Weiner (1990); Gonzlez-Pienda, Nez y Valle, 1991; Borkowski y Muthukrishma,
1992; Jussim y Eccles, 1992; Nez, 1992; Navas et al., 1991, 1992; McCombs, 1993;
Castejn, Navas y Sampascual, 1993; Pardo y Alonso, 1993; Cabanach, Nez y Garca-
Fuentes, 1994; Nez y Gonzlez-Pienda, 1994; Sampascua, Navas y Castejn, 1994;
Rivire Sarri, Nez y Rodrigo, 1994; Butler y Winne, 1995; Alonso, l995.etc.).
De ellos es preciso destacar que, en general, han sido diseados basndose en la
modificabilidad de las atribuciones causales y de la cognicin-metacognicin, siendo sus
mximos exponentes Schunk et al.(1992), recomendando dirigir la atribucin del sujeto, en
caso de fracaso, no a la falta de esfuerzo; sino, al uso inadecuado de las estrategias de
resolucin o al planteamiento incorrecto del problema, por las siguientes razones:
1. Si el sujeto se esfuerza constantemente para obtener un resultado positivo y
nunca lo consigue, no slo acabar cansndose de intentarlo, sino que reducir su
autoconfianza, creyndose incapaz de alcanzar el xito, por ms que lo intente.
UNIDAD I / FUNDAMENTOS
39
2. De persistir en la atribucin del xito al esfuerzo, el sujeto antes que esforzarse y
darse cuenta de que no es capaz, preferir disimular, mostrar un falso inters o esforzarse
poco (confirmado por Covington, 1992).
3. Por mucho que le digamos que no se esfuerza, si no se le muestra dnde ha
fallado y cmo resolver el problema, nunca lo har correctamente.
En caso de xito, la atribucin tampoco sera debida al esfuerzo, sino a la habilidad;
dado que, segn el grado de comprensin que tiene el nio de los conceptos esfuerzo y
habilidad, indicarle que ha aprobado porque se ha esforzado, es como sugerirle que tiene
poca capacidad, ya que ha tenido que esforzarse para conseguirlo y, adems, porque
conduce a un crecimiento menor de sus expectativas futuras. En este sentido, sera
conveniente seguir lo que Pardo Alonso (1993:338) denominan los criterios rectores de
intervencin: Antes de la tarea, durate la tarea y despus de la tarea.
Finalmente, es conveniente tener en cuenta tambin los conceptos y teoras, los
sistemas de evaluacin y programas de intervencin ms relevantes sobre aprender a
pensar y pensar para aprender, destacando las, siguientes ideas:
1. Respecto al concepto, recogiendo las opiniones de De Bono (1973), Feuerstein
(1979), Gardner (1983) y Sternberg (1985), podramos entenderlo como conjunto de
habilidades intelectuales relacionadas entre s, que cambian o evolucionan con la edad, cuya
operatividad debe partir del conocimiento de su potencialidad y capitalizacin, y de las
propias debilidades, para compensar habilidades y debilidades.
2. En cuanto a las teoras, entre otras, destacar especialmente las aportaciones de
De Bono (1973), sobre la aplicacin del pensamiento crtico, analtico y creativo, junto con el
conocimiento, a la solucin de problemas (operatividad: capacidad de hacer CoRT); de
Feuerstein (1979), sobre la mejora de la inteligencia, la reestructuracin general de los
procesos cognitivos y la mejora del potencial de aprendizaje a travs de un correcto
aprendizaje mediado (Teora de la Modificabilidad Estructural Cognitiva TMEC); de
Gardner (1983), sobre las inteligencias mltiples, proponiendo siete reas, en principio, y
despus una ms, relativamente autnomas de cognicin humana o inteligencias: lingstica,
lgico-matemtica, musical, espacial, corporal-cinestsica, interpersonal y naturalista. De
manera que, solamente a travs de la combinacin de estas inteligencias, podremos explicar
una serie relativamente completa de capacidades y estados extremos que figuran en todas
las culturas humanas (Teora de las Inteligencias Mltiples); y de Sternberg (1985), sobre la
UNIDAD I / FUNDAMENTOS
40
inteligencia como capacidad de autogobierno cognitivo que procura la adaptacin al medio,
inhibiendo la primera respuesta instintiva, redefinindola y eligiendo la mejor respuesta.
Destacando en ella tres aspectos esenciales: analtico, sinttico o creativo y prctico, que
estn representados en tres subsistemas: componencial, experiencial y contextual (Teora
Trirquica de la Inteligencia).
3. Sobre los instrumentos de evaluacin, decir que prcticamente todos van
asociados a sus correspondientes teoras y programas de intervencin. De entre ellos,
destacar los propuestos por Feuerstein (1983), el Learning Potential Assessment Device
LPAD (Evaluacin Dinmica del Potencial de Aprendizaje), conjunto de estrategias de
anlisis de la inteligencia, cuya finalidad consiste en provocar una serie de interacciones
entre examinador y examinado para valorar su potencial oculto o su capacidad para
beneficiarse del aprendizaje, orientado al anlisis de los procesos mediante los cuales los
alumnos van razonando sus respuestas; por Gardner, cuya propuesta va unida al del
Proyecto Cero de Harvard (1988), que comenz con la puesta en marcha de un programa y
tcnicas de valuacin de la inteligencia, utilizando contextos ms prximos a la vida real,
tanto en educacin preescolar como en primaria y secundaria SPECTRUM y PROPEL;
por Sternberg (1993) con su Sternberg Triarchic Abilities Test STAT, cuyo objetivo es
medir de cuatro formas (a travs de material verbal, cuantitativo, figurativo y de ensayos) los
tres tipos de habilidades intelectuales (analtica, creativa y prctica); y la propuesta comn
de Sternberg y Gardner (1993), el Practical Intelligence for Schools PIFS, programa para
la evaluacin y el desarrollo de la inteligencia prctica en las escuelas, cuya intencin es
utilizar el contenido de las materias escolares como trampoln para adquirir habilidades de
aprendizaje, a travs de la reflexin y el control de las propias tcnicas de pensamiento,
mientras trabajan en una materia curricular especfica, armonizando y conjugando as sus
respectivas posturas Teora de las Inteligencia Mltiples y Teora Trirquica de la
Inteligencia.
4. Referente a los programas de intervencin, destacar dos tipos de programas: los
que se llevan a cabo a parte de currculo escolar, como una asignatura ms, este es el caso
de la propuesta de Feuerstein; y, los que se insertan en el curriculum, como los de Sternberg
y Gardner.
La aportacin de Feuerstein (1985), el Instrumental Enrichment Program PEI,
pretende desarrollar la capacidad humana modificndola a travs de la exposicin directa a
UNIDAD I / FUNDAMENTOS
41
los estmulos y a la experiencia proporcionada por el contacto directo con la vida, a travs
del aprendizaje formal e informal, destacando el papel especial del mediador.
La aportacin de Gardner y Sternberg (1993 ),el Practical Intelligence for Schools
PIFS, organizado en trminos del manejo intelectual de tres elementos: s mismo
(conocernos), las tareas (conocer y organizar nuestras tareas) y los otros (conocer y
relacionarnos con los dems), supone una magnfica contribucin para el autogobierno
eficaz de las habilidades intelectuales.
Todo lo cual, a la hora de evaluar e intervenir en el aprender a pensar y pensar para
aprender, nos lleva a decantarnos por las aportaciones de Feuerstein (l985) y de Gardner y
Sternberg (1993).
Las teoras de la inteligencia desde una perspectiva holstica
A principios del siglo XX dos acontecimientos contribuyeron a unir la teora de la inteligencia estable con un mtodo de evaluacin (Howell y otros, 1997). El primero tiene que
ver con el mtodo objetivo desarrollado en 1905 por Binet y Simon para diferenciar a los
alumnos con dificultades de aprendizaje de los dems. El segundo est relacionado con la
traduccin al ingls de las escalas de desarrollo de la medida de la inteligencia, adaptadas
por Terman, de la Universidad de Stanford, a la poblacin americana. El instrumento se
public en 1916 con el nombre de Escala de Inteligencia de Stanford-Binet. Esta escala ha
sido revisada en repetidas ocasiones a lo largo del siglo XX, la ltima en 1986 por Thorndike,
y se convirti, segn Howell y otros (1997, p. 449), en el baremo para comparar todas las
dems escalas de inteligencia.
El resultado de todo ello dio lugar a la aparicin de una medida nica, denominada
cociente de inteligencia o CI, que representa la capacidad intelectual general de las
personas. De ah que los tests de CI se reconocieran como los instrumentos principales para
determinar las diferencias intelectuales que existen entre los seres humanos. En lo sucesivo
las tcnicas psicomtricas abrieron un ancho cauce a las investigaciones diferenciales de la
inteligencia (Secadas, 1999).
Tras realizar diversos trabajos de anlisis sobre procesos mentales Guilford (1956),
mostr que las concepciones tradicionales sobre la medida de la inteligencia (CI) son slo
una pequea muestra de las capacidades mentales, y desde este momento apareci un
UNIDAD I / FUNDAMENTOS
42
nuevo concepto de capacidades superiores que se ha desarrollado en diferentes direcciones
y que comprende diversas formas de actividad intelectual. A partir de tales consideraciones
surgieron dos posturas diferenciadas: la de quienes consideran la inteligencia como un
fenmeno unitario o general, y la de quienes admiten la existencia de una gran variedad de
fenmenos que interactan entre s y determinan la inteligencia, y, en consecuencia,
distinguen capacidades diferentes, aunque relacionadas entre s.
Relacin de la inteligencia con el fenmeno de la superdotacin y el talento
Los fenmenos de la superdotacin y del talento muestran una doble vertiente en la relacin con las teoras y modelos de inteligencia, ya que se trata de situaciones externas en
la distribucin de las capacidades y funciones cognitivas implicadas (Castell, 1992). En este
sentido superdotacin y talento representan tanto la unin mxima de componentes, como la
mayor efectividad e intensidad en su funcionamiento. Por consiguiente se puede decir con
Castell (1988, p. 18) que constituyen situacin paradigmtica para el desarrollo y
verificacin de modelos.
Para Castell (1992), y desde una perspectiva terica, las relaciones entre
superdotacin/talento y los modelos de inteligencia estn principalmente orientadas a la
validacin y perfeccionamiento de modelos. En consecuencia, la inteligencia en situaciones
extremas, como la superdotacin y la infradotacin, muestra un elevado potencial heurstico,
pues permite poner a prueba los componentes, relaciones y predicciones de los distintos
modelos generales de inteligencia, contribuyendo a su depuracin, perfeccionamiento o, en
su caso, eliminacin.
Sin embargo desde una perspectiva aplicada las relaciones anteriormente citadas,
se manifiestan de manera contraria, ya que en este caso los modelos actan como marcos
referenciales, aportando los conceptos fundamentales y permitiendo generar a partir de un
diagnstico las predicciones que toda intervencin precisa; pero tambin delimitan el objeto
de estudio, sus propiedades y los procesos subyacentes que dan sentido a la intervencin
(Castell, 1992). Por otro lado, la mera descripcin de las caractersticas comportamentales
de la superdotacin es insuficiente para basar una intervencin eficaz, puesto que no es
explicativa. La explicacin de tales caractersticas conductuales ha de pasar por procesos
subyacentes, y la nica explicacin para ellos la proporciona los modelos de inteligencia.
UNIDAD I / FUNDAMENTOS
43
Principales modelos de inteligencia
La literatura especializada muestra cmo a lo largo de los aos el concepto de superdotacin y talento ha ido evolucionando en intima relacin con los modelos de
inteligencia y de su funcionamiento cognitivo, e incluso con el desarrollo de los instrumentos
de medida, como han sealado, por ejmplo, Genovard y Castell (1990), que muestran que
tras los diferentes enfoques de la inteligencia pueden encontrarse planteamientos tericos
generales que, de alguna manera, dan sentido y validez a las diferentes concepciones de
inteligencia. Estos autores manifiestan que paralelamente al desarrollo de tales teoras se ha
elaborado la instrumentacin de cada una de las lneas tericas de la inteligencia, aportando
un material psicomtrico que con el tiempo ha aumentado en precisin y efectividad de
medida.
Los principales modelos tericos sobre la inteligencia que se ha mantenido a lo
largo del siglo XX, segn seala Meili (1986), son los de la inteligencia monoltica, la
factorialista y la jerrquica. Analizaremos, pues, en primer lugar, los presupuestos tericos
de los modelos explicativos que nos permitirn una ulterior definicin de los trminos
superdotacin y talento.
Enfoque monoltico
El enfoque monoltico parte de una concepcin terica de la inteligencia como nica
variable, y sus primeros planteamientos sobre la superdotacin, al igual que los primeros
modelos de inteligencia, aparecen ligados a los estudios realizados por Galton (1883), que
investiga los aspectos hereditarios del ser humano y los correlatos psicofisiolgicos de la
inteligencia. Tales estudios no pueden considerarse cientficos en sentido estricto, pero se
reconoce que Galton es el primero en utilizar una metodologa con aproximacin cientfica, y
sus trabajos ejercieron gran influencia en los investigadores del siglo XX.
Con la aparicin de la medida psicolgica o psicomtrica, asociada particularmente
a la obra de Alfret Binet en Pars y Lewis Terman en California, Del concepto de
inteligencia y de su supuesta medida, el Cociente Intelectual (CI), introducido por Stern
(1911), se han podido llevar a cabo acciones comparativas a travs de la medida. Los
conceptos inteligencia y cociente intelectual se hicieron rpidamente operativos en el siglo
XX (Genovard y Castell, 1990). Segn Gardner (1998) se supona que cada individuo
posea una cierta cantidad de inteligencia, ya fuera innata ya producto de la educacin, y
UNIDAD I / FUNDAMENTOS
44
para su medicin se disearon muchos tests de inteligencia, aunque tendan a incorporar el
mismo tipo de cuestiones y mostraban una estrecha correlacin entre ellos.
Una de las aportaciones ms interesantes de Binet fue la introduccin del c
Top Related