De Aprendiz a Perito
Uma forma de pensar sobre a aprendizagem é no contexto do progresso de um aprendiz para um perito. Os estudantes geralmente começam como iniciantes num tópico, e, como educadores, tentamos levá-los a um maior nível de especialização. A maioria dos estudantes não se tornará especialista, mas trabalhamos para os ajudar a passar de um nível contínuo para outro, no sentido de desenvolverem proficiência.
Como é que se desenvolve a perícia? O progresso de um aprendiz para um especialista ocorre à medida que os alunos transformam com precisão ideias simples em ideias complexas . Esta complexidade reflete-se nos esquemas guardados na nossa memória a longo prazo (por exemplo, modelos mentais, redes, circuitos). “A perícia desenvolve-se à medida que os aprendentes transformam com exatidão ideias simples em ideias complexas” (Van Merrienboer & Sweller, 2010). Por exemplo, uma criança pode chamar a cada animal um cão. Um cão é um cão, um gato é um cão, uma vaca é um cão. A criança tem um esquema muito simples do que um animal e um cão são – por exemplo, um ser não-humano com quatro patas e pelo. À medida que a criança ganha experiência, começa a refinar o seu esquema para animais e tipos de animais. Se prestarem muita atenção, podem distinguir cães, gatos e vacas.
Contudo, não é suficiente apenas construir esquemas. “Uma instrução bem concebida deve não só encorajar a construção de esquemas, mas também apoiar a automatização de esquemas para os aspetos que são consistentes entre tarefas” (Van Merrienboer & Sweller, 2010). Os conhecimentos especializados desenvolvem-se à medida que os aprendentes combinam com precisão ideias simples, transformando-as em ideias complexas – e estes esquemas tornam-se automatizados. Por exemplo, num relance, um perito pode dizer a raça do cão e provavelmente a sua idade, saúde física, e estado mental. A automatização é fundamental para a perícia – para progredir do saber ao fazer, do desempenho único ao desempenho regular. Anders Ericsson é um investigador na ciência da perícia. Ele estuda como as pessoas se tornam especialistas em vários campos como o xadrez, música e desporto. Ericsson afirma que “a chave para melhorar o desempenho mental … é o desenvolvimento de estruturas mentais que permitam evitar as limitações da memória de curto prazo e lidar eficazmente com grandes quantidades de informação ao mesmo tempo” (Ericsson, 2016).
![](https://pressbooks.pub/app/uploads/sites/4319/2020/09/Diapositivo22-e1599733303459.png)
Todos nós temos um espaço limitado disponível na memória de trabalho. Quanto? Cerca de quatro unidades. Mas um perito pode processar muito mais informação de uma só vez. Como é que os peritos ultrapassam as limitações da memória de curto prazo? Que estruturas mentais são estas a que se refere Ericsson? Acredita-se que mesmo um esquema altamente complexo pode ser um único elemento na memória de trabalho, permitindo-nos processar mais informação de uma vez (Van Merrienboer & Sweller, 2010). “A quantidade de informação que pode ser mantida depende fortemente de os itens poderem ser agrupados em unidades significativas, ou ‘pedaços’. Ou seja, ao agrupar a informação, pode-se explorar a informação pré-existente sobre conceitos já armazenados na memória de longo prazo, o que permite um armazenamento mais eficiente na memória de trabalho, presumivelmente reduzindo o número de elementos ativos que devem ser mantidos na memória de trabalho” (Eriksson, Vogel, Lansner, Bergström, & Nyberg, 2015 ). As unidades da memória de trabalho são uma simplificação conceptual. Outra forma de pensar é que temos um número limitado de recursos cognitivos e distribuímos estes recursos entre as coisas a que prestamos atenção e que estamos a processar. Se o esquema não for automatizado, podemos estar a utilizar todos os recursos ativados, não deixando recursos para o processamento de nova informação. Quanto mais o esquema é automatizado, menos recursos são utilizados e, por conseguinte, maior é a quantidade de recursos disponíveis para processar nova informação. “A oportunidade de utilizar quer a MLP quer o agrupamento tende a aumentar o desempenho, enquanto que a exigência de comunicar detalhes finos de objetos complexos tende a diminuir o desempenho” (Eriksson et al., 2015). Em suma, precisamos de construir esquemas, mas também precisamos de apoiar a automatização (aumento da eficiência) dos esquemas que necessitamos de utilizar frequentemente.
Os seguintes excertos de Ericsson , Prietula e Cokely (2007) ilustram a interação do esquema, memória de trabalho e desempenho de peritos. “Os espaços da memória de trabalho são semelhantes entre todos nós. Mas a complexidade do esquema que somos capazes de aplicar à situação à nossa frente será consideravelmente diferente – e isto pode em grande parte prever o desempenho”. Os autores dão um exemplo proveniente do jogo de xadrez:
“Um jogador explora todas as possibilidades para a sua próxima jogada, pensando nas consequências de cada uma e planeando a sequência de jogadas que se podem seguir. Tudo isto requer memória de trabalho – a informação para apoiar estes processos deve ser guardada na memória de trabalho. Um perito já jogou tantas vezes que já viu exatamente o mesmo ou, pelo menos, arranjos de peças muito semelhantes. Já deliberaram sobre as consequências de possíveis jogadas e podem planear as jogadas e cenários subsequentes muito mais para o futuro (muitas vezes até ao fim do jogo) – aumentando a sua capacidade de fazer uma escolha eficaz para essa jogada específica. Para um novato, há muita informação a receber, começando com a posição das peças, as regras do jogo, os objetivos – estes colocam um limite na antecedência com que o jogador pode planear a sua próxima jogada. Mais recursos de memória de trabalho são gastos em informação que um perito não tem de pensar. Isto afeta grandemente a capacidade de executar”.
Assim, os aprendentes não só têm de fazer ligações e torná-las mais permanentes, como também precisam de trabalhar no sentido de automatizar as que serão frequentemente utilizadas. O que muitas vezes diferencia um perito de um novato é o número de tarefas automatizadas – libertando mais recursos para novas informações.
Referências
De Aprendiz a Perito
- Van Merriënboer, J. J., & Sweller, J. (2010). Cognitive load theory in health professional education: design principles and strategies. Medical education, 44(1), 85-93.
- Ericsson, A., & Pool, R. (2016). Peak: Secrets from the new science of expertise. Houghton Mifflin Harcourt.
- Eriksson, J., Vogel, E. K., Lansner, A., Bergström, F., & Nyberg, L. (2015). Neurocognitive architecture of working memory. Neuron, 88(1), 33-46.
- Ericsson, K. A., Prietula, M. J., & Cokely, E. T. (2007 July-August). The Making of an Expert. Retrieved from https://hbr.org/2007/07/the-making-of-an-expert