porque a diretividade mínima em processos de ensino não ... · polson, & atwood, 1981;...
TRANSCRIPT
1
EDUCATIONAL PSYCHOLOGIST, 41(2), 75–86
Copyright © 2006, Lawrence Erlbaum Associates, Inc.
Tradução: Eurico Sadao Kusaka, 2008
Revisão: Wagner G. A. Destro, 2015
Porque a Diretividade Mínima em Processos de
Ensino Não Funciona: Uma Análise do Fracasso do
Ensino Construtivista Baseado em Descoberta,
Problemas, Experiência e Investigação
Paul A. Kirschner
Educational Technology Expertise Center
Open University of the Netherlands
Research Centre Learning in Interaction
Utrecht University, The Netherlands
John Sweller
School of Education
University of New South Wales
Richard E. Clark
Rossier School of Education
University of Southern California
2
A evidência para a superioridade do ensino diretivo é fornecida no
contexto de nosso conhecimento da arquitetura cognitiva humana, das
diferenças entre alunos experientes e novatos, e da carga cognitiva.
Embora as abordagens instrucionais não diretivas ou pouco diretivas
sejam muito populares e intuitivamente chamativas, existe a crença de
que essas abordagens ignoram tanto as estruturas que constituem a
arquitetura cognitiva humana quanto as evidências de estudos
empíricos realizados ao longo da última metade do século 20, que
indicam, consistentemente, que o ensino não diretivo é uma abordagem
menos eficaz e menos eficiente do que as abordagens instrucionais que
colocam forte ênfase na orientação do processo de aprendizagem do
aluno. A vantagem da diretividade começa a diminuir apenas quando os
aprendizes têm conhecimento prévio suficientemente grande para
prover uma orientação “interna”. Desenvolvimentos recentes em
pesquisa instrucional e modelos de desenho instrucional que dão
suporte à orientação durante o ensino são descritos resumidamente.
Discussões sobre o impacto da
diretividade instrucional durante o
ensino vêm acontecendo desde, pelo
menos, a última metade do século
passado (Craig, 1956; Ausubel,
1964; Shulman & Keisler, 1966;
Mayer, 2004). De um lado estão
aqueles que defendem a hipótese de
que as pessoas aprendem melhor
em um ambiente não diretivo ou
pouco diretivo, que, geralmente, é
definido como aquele em que os
alunos, em vez de serem
apresentados às informações
essenciais, devem descobrir ou
construir as informações essenciais
por si próprios (ex.: Bruner, 1961;
Papert, 1980; Steffe & Gale, 1995).
Do outro lado estão aqueles
que sugerem que os aprendizes
novatos (N.R.: alunos dos primeiros
anos de um curso) devem receber
orientação instrucional direta nos
conceitos e procedimentos
requeridos por uma disciplina em
particular, e não devem ser
abandonados para que descubram
esses procedimentos por si próprios
(ex.: Cronbach & Snow, 1977; Klahr
& Nigam, 2004; Mayer, 2004;
Shulman & Keisler, 1966; Sweller,
2003). A orientação instrucional
direta é definida como o
fornecimento de informações que
expliquem totalmente os conceitos e
procedimentos que se exige que os
alunos aprendam, bem como o apoio
às estratégias de aprendizagem que
são compatíveis com a arquitetura
cognitiva humana. A aprendizagem,
por sua vez, é definida como uma
mudança na memória de longo
prazo.
A abordagem não diretiva tem
3
sido chamada de vários nomes,
incluindo: (1) aprendizagem por
descoberta (Bruner, 1961; Anthony,
1973); (2) aprendizagem baseada
em problemas (Barrows & Tamblyn,
1980; Schmidt, 1983); (3)
aprendizagem com base em
investigação (inquiry learning)
(Papert, 1980; Rutherford, 1964);
(4) aprendizagem pela experiência
(Boud, Keogh, & Walker, 1985; Kolb
& Fry, 1975) e, (5) aprendizagem
construtivista (Jonassen, 1991;
Steffe & Gale, 1995). Exemplos de
aplicações dessas abordagens com
nomes diferentes, mas
pedagogicamente equivalentes,
incluem o ensino de ciências no qual
os alunos são colocados em
contextos de aprendizagem e devem
descobrir os princípios fundamentais
e bem conhecidos da ciência por
meio da modelagem das atividades
investigativas de pesquisadores
profissionais (Van Joolingen, de
Jong, Lazonder, Savelsbergh, &
Manlove, in press). De forma
semelhante, alunos de medicina em
cursos que adotam o ensino com
base em problemas (PBL) devem
descobrir soluções médicas para
problemas comuns dos pacientes
usando técnicas de solução de
problemas (Schmidt, 1998, 2000).
Parece haver dois
pressupostos principais em que se
baseiam os programas instrucionais
não diretivos. Primeiro, eles
desafiam os alunos a solucionar
problemas “autênticos” ou a
adquirir conhecimentos complexos
em ambientes ricos em informação
com base no pressuposto de que
fazer com que os aprendizes
construam suas próprias soluções
leva a uma experiência de
aprendizagem mais efetiva.
Segundo, eles parecem supor que o
melhor meio de adquirir
conhecimento é por meio da
experiência baseada nos
procedimentos da disciplina (isto é,
vendo o conteúdo pedagógico da
experiência de aprendizagem como
sendo idêntico aos métodos e
processos ou epistemologia da
disciplina que está sendo estudada;
Kirschner, 1992). A não
diretividade (ou pouca diretividade)
é fornecida na forma de processo –
ou informações importantes para a
tarefa que ficam disponíveis se os
aprendizes escolherem usá-las. Os
defensores desta abordagem
lembram que a diretividade, que
faz parte ou vem embutida nas
estratégias de aprendizagem,
interfere com os processos naturais
pelos quais os aprendizes buscam
as suas experiências e
aprendizagens anteriores, que são
únicas, para construir
conhecimento novo e localizado
que permitirá atingir seus
objetivos.
4
Segundo Wickens (1992; in
Bernstein, Penner, Clarke-Stewart,
Roy & Wickens, 2003), por
exemplo,
muita diretividade pode produzir
desempenho muito bom durante a prática,
mas diretividade demais pode prejudicar o
desempenho posterior. Instruir os alunos
sobre as respostas corretas em
matemática, por exemplo, pode prejudicar
sua habilidade posterior em buscar
respostas corretas na memória, por conta
própria (p.221)
Esse argumento
construtivista tem atraído um
número significativo de seguidores.
O objetivo deste artigo é
sugerir que, com base em nosso
conhecimento atual da arquitetura
cognitiva humana, o ensino pouco
diretivo é, provavelmente, ineficaz.
O último meio século de pesquisa
empírica nessa área tem fornecido
evidências devastadoras e
inequívocas de que a não
diretividade durante o ensino é
significativamente menos eficaz e
eficiente do que a orientação
especificamente planejada para
apoiar o processamento cognitivo
necessário à aprendizagem.
AS CONSEQUÊNCIAS DA
ARQUITETURA COGNITIVA
HUMANA PARA A NÃO
DIRETIVIDADE DURANTE O
ENSINO
É provável que qualquer
procedimento instrucional que
ignore a arquitetura cognitiva
humana não seja efetivo. O ensino
não diretivo parece evoluir sem
considerar as características da
memória de trabalho, da memória
de longo prazo ou das intrincadas
relações entre elas. O resultado é
uma série de recomendações que a
maioria dos educadores acha quase
impossível implementar – e muitos
educadores experientes estão
receosos de implementar – porque
elas requerem que os aprendizes
se envolvam em atividades
cognitivas que são altamente
improváveis de resultar em
aprendizagem efetiva. Como
consequência, os professores mais
efetivos podem ignorar as
recomendações ou, no máximo,
concordar da boca para fora com
elas (ex., Aulls, 2002).
Nesta seção vamos discutir
algumas das características da
arquitetura cognitiva humana e as
suas implicações instrucionais.
O termo “arquitetura
cognitiva humana” refere-se à
maneira pela qual nossas
estruturas cognitivas estão
organizadas. A maioria dos
pesquisadores que trabalha com a
arquitetura cognitiva humana usa o
modelo de memória sensorial de
Atkinson e Shiffrin (1968) como
5
base. A memória sensorial não é
relevante para a presente
discussão e, portanto, não mais
será considerada. As relações entre
as memórias de trabalho e de
longo prazo, em conjunto com os
processos cognitivos que
sustentam a aprendizagem, têm
uma importância crítica para a
nossa discussão.
Nossa compreensão do papel
da memória de longo prazo na
cognição humana foi ampliada
dramaticamente nas últimas
décadas. Ela não mais é vista como
um repositório passivo de
fragmentos de informação distintos
e isolados que nos permite repetir o
que aprendemos. Nem é vista
apenas como um componente da
arquitetura cognitiva humana que
tem influência somente periférica
em processos cognitivos complexos,
tais como pensar e resolver
problemas. Em vez disso, a
memória de longo prazo agora é
vista como a estrutura central e
dominante da cognição humana.
Tudo o que vemos, ouvimos e
pensamos depende e é influenciado,
fundamentalmente, pela nossa
memória de longo prazo.
O trabalho de De Groot (1965)
sobre a expertise no jogo de xadrez,
seguido pelo de Chase e Simon
(1973), serviram como principais
influências para a nova conceituação
do papel da memória de longo
prazo. A descoberta de que
jogadores de xadrez experientes são
mais capazes que os jogadores
novatos de reproduzir configurações
do tabuleiro vistas rapidamente,
com base em jogos reais, mas que
não diferem ao se reproduzir
configurações aleatórias de
tabuleiros, foram replicadas em
muitas outras áreas (ex., Egan &
Schwartz, 1979; Jeffries, Turner,
Polson, & Atwood, 1981; Sweller &
Cooper, 1985). Esses resultados
sugerem que solucionadores
experientes de problemas devem
sua habilidade ao fato de tirar
proveito da extensa experiência
guardada em suas memórias de
longo prazo e ao fato de selecionar e
aplicar rapidamente os melhores
procedimentos para solucionar
problemas.
O fato de poder usar essas
diferenças para explicar a habilidade
de solução de problemas enfatiza a
importância da memória de longo
prazo para a cognição. Temos
muitas habilidades em determinada
área porque nossa memória de
longo prazo contém grandes
quantidades de informação
referentes a essa área. Essa
informação nos permite reconhecer
rapidamente as características de
uma situação e nos indica, muitas
vezes de modo inconsciente, o que
6
fazer e quando fazer. Sem nosso
grande estoque de informação na
memória de longo prazo, seríamos
incapazes de muitas coisas, desde
atos simples como atravessar a rua
(a informação na memória de longo
prazo nos diz como evitar o tráfico
em alta velocidade, uma habilidade
que outros animais são incapazes de
guardar em suas memórias de longo
prazo) até atividades complexas
como jogar xadrez ou resolver
problemas matemáticos. Assim,
nossa memória de longo prazo
incorpora uma base massiva de
conhecimentos que é fundamental
para todas as atividades baseadas
na cognição.
Quais são as consequências
instrucionais da memória de longo
prazo?
Em um primeiro, e mais
básico, momento, a arquitetura da
memória de longo prazo fornece a
principal justificativa para o ensino.
A intenção de todo processo de
ensino é alterar a memória de
longo prazo. Se nada mudou na
memória de longo prazo, nada foi
aprendido. Qualquer recomendação
didática que não especifique ou não
consiga especificar o que mudou na
memória de longo prazo, ou que
não aumenta a eficiência com que
informações relevantes são
armazenadas na (ou recuperadas
da) memória de longo prazo, tem
grande chance de não ser efetiva.
Características e Funções da
Memória de Trabalho
A memória de trabalho é a
estrutura cognitiva na qual o
processamento consciente ocorre.
Estamos conscientes apenas da
informação que está sendo
processada neste momento na
memória de trabalho e somos mais
ou menos inconscientes da
quantidade bem maior de
informação estocada na memória de
longo prazo.
A memória de trabalho tem
duas características bem
conhecidas: quando está
processando novas informações, ela
é bastante limitada na sua duração e
capacidade. Sabemos, pelo menos
desde Peterson e Peterson (1959),
que quase toda informação
armazenada na memória de
trabalho, e não utilizada, se perde
em 30 segundos; e sabemos, pelo
menos desde Miller (1956), que a
capacidade da memória de trabalho
é limitada a apenas um pequeno
número de elementos. Esse número
é de aproximadamente 7, segundo
Miller, mas pode ser tão baixo
quanto 4, mais ou menos 1 (ver
Cowan, 2001). Além disso, quando
estiver processando, ao invés de
simplesmente armazenando
7
informação, é razoável conjecturar
que o número de itens a ser
processado pode ser de apenas 2 ou
3, dependendo da natureza do
processamento exigido.
As interações entre a memória
de trabalho e a de longo prazo
podem mesmo ser mais importantes
que as limitações de processamento
(Sweller, 2003; 2004). As limitações
da memória de trabalho somente se
aplicam a informações novas, ainda
por serem aprendidas, que não
foram armazenadas na memória de
longo prazo. Informação nova, tal
como novas combinações de
números ou letras, apenas pode ser
armazenada por períodos breves e
com severas limitações na
quantidade com que tais
informações podem ser trabalhadas.
Em contraste, quando se trabalha
com informações previamente
aprendidas e armazenadas na
memória de longo prazo, essas
limitações desaparecem. Os limites
temporais da memória de trabalho
tornam-se irrelevantes no sentido de
que a informação pode ser trazida
de volta da memória de longo prazo
para a memória de trabalho por
períodos indefinidos de tempo. De
modo semelhante, não existem
limites conhecidos para a
quantidade de informação que pode
ser trazida para a memória de
trabalho vinda da memória de longo
prazo. De fato, as características
diferentes da memória de trabalho,
quando está processando material
familiar, ao invés de não familiar,
induziram Ericsson e Kintsch (1995)
a propor uma estrutura separada da
memória de trabalho de longo prazo
para lidar com a informação bem
aprendida e automatizada.
Qualquer teoria instrucional
que ignore os limites da memória
de trabalho ao lidar com novas
informações, ou ignore o
desaparecimento dessas limitações
ao lidar com informações familiares,
tem pouca chance de ser efetiva.
Os modelos que defendem a não
diretividade (ou pouca diretividade)
durante o ensino agem como se a
memória de trabalho não existisse,
ou, admitindo que exista, como se
ela não tivesse limitações
importantes ao lidar com novas
informações, que é a principal fonte
de interesse dos procedimentos de
ensino construtivistas. Sabemos
que a solução de problemas, um
item fundamental para um
procedimento didático que adota a
pouca diretividade, chamado
“ensino como investigação”
(inquiry-based instruction), coloca
um grande peso na memória de
trabalho (Sweller, 1988). O ônus de
explicar como tal procedimento
evita os limites bem conhecidos da
memória de trabalho ao lidar com
8
novas informações poderia ficar,
com certeza, para aqueles que
apóiam o ensino como investigação.
Implicações da Arquitetura
Cognitiva Humana para o Modelo
de Ensino Construtivista
As estruturas da memória e
suas relações têm implicações
diretas para o desenho instrucional
(p.ex., Sweller, 1999; Sweller, van
Merrienboer & Paas, 1998). O ensino
como investigação exige que o aluno
procure as informações relevantes
para o problema. Todas as
pesquisas baseadas em problemas
fazem pesadas exigências à
memória de trabalho. Além disso,
essa carga para a memória de
trabalho não contribui para o
acúmulo de conhecimento na
memória de longo prazo, porque,
enquanto a memória de trabalho
estiver sendo usada para buscar
soluções para os problemas, ela não
estará disponível e não poderá ser
usada para aprender. De fato, é
possível pesquisar por extensos
períodos de tempo com alterações
mínimas na memória de longo prazo
(ver Sweller, Mawer, & Howe,
1982). O objetivo do ensino
raramente é, simplesmente, buscar
ou descobrir informações. O objetivo
é dar aos alunos orientações
específicas sobre como manipular
informações cognitivamente, de
maneira que sejam consistentes
com um objetivo de aprendizagem,
e armazenar o resultado na
memória de longo prazo.
As consequências de querer
que alunos novatos busquem
soluções para problemas usando
uma memória de trabalho
limitada, ou os mecanismos pelos
quais o ensino não diretivo ou
pouco diretivo poderia facilitar
mudanças na memória de longo
prazo, parecem ser rotineiramente
ignoradas. O resultado é um
conjunto de abordagens
instrucionais semelhantes, mas
com nomes diferentes, que exigem
pouca diretividade, e que estão
desconectadas do muito que já
sabemos sobre cognição humana.
A recomendação da não
diretividade ou pouca diretividade
era compreensível quando Bruner
(1961) propôs a “aprendizagem
por descoberta” como uma
ferramenta instrucional, porque as
estruturas e relações que
constituem a arquitetura cognitiva
humana ainda não tinham sido
mapeadas. Agora, estamos em um
mundo bastante diferente, porque
sabemos muito mais sobre as
estruturas, funções e
características das memórias de
trabalho e de longo prazo, as
relações entre elas, e suas
consequências para a
9
aprendizagem e solução de
problemas. Essa nova
compreensão tem sido a base para
pesquisas e desenvolvimentos
sistemáticos de teorias da
aprendizagem que refletem nossa
compreensão atual da arquitetura
cognitiva (ex., Anderson, 1996;
Glaser, 1987). Esse trabalho deve
ser fundamental para o desenho
de um processo de ensino
orientado e efetivo.
Naturalmente, considerações
teóricas de que o ensino não
diretivo tem efetividade mínima é
de pouca valia sem a evidência
empírica. Assim, a seguir,
trabalhos empíricos comparando
os modelos de ensino diretivo e
não diretivo serão discutidos
depois de uma análise dos
argumentos atuais em prol do
ensino não diretivo.
AS ORIGENS DO
CONSTRUTIVISMO E A
VISÃO ATUAL DO ENSINO
NÃO DIRETIVO
Dada a incompatibilidade
existente entre o ensino com
diretividade mínima e o nosso
conhecimento da arquitetura
cognitiva humana, qual tem sido a
justificativa para essas
abordagens?
A versão mais recente do
ensino não diretivo vem do
construtivismo (ex., Steffe & Gale,
1995), e parece ter sido derivada
de observações de que o
conhecimento é construído pelos
aprendizes e, assim: (a) eles
precisam ter a oportunidade de
construir, sendo apresentados aos
objetivos e a um mínimo de
informações, e (b) a aprendizagem
é idiossincrática e, portanto,
formatos ou estratégias comuns de
aprendizagem não são efetivos. A
visão construtivista da
aprendizagem é correta, mas as
consequências instrucionais
sugeridas pelos construtivistas não
acontecem necessariamente.
A maioria dos alunos de todas
as idades sabe como construir o
conhecimento quando recebe as
informações adequadas e quando
não há evidências de que fornecer
informações parciais, em vez da
totalidade de informações, aumenta
mais a habilidade para construir
uma representação. Atualmente,
justamente o contrário parece ser,
na maioria dos casos, a verdade. Os
alunos precisam construir uma
representação ou esquema mental,
independentemente de receberem
informações completas ou parciais.
Informações completas resultarão
em uma representação mais
acurada, que é, também, mais
facilmente adquirida. O
10
construtivismo baseia-se, portanto,
em uma observação que, embora
seja descritivamente correta, não
leva a uma teoria instrucional que
possa ser adotada ou a técnicas
pedagógicas efetivas (Clark & Estes,
1998; 1999; Estes & Clark, 1999;
Kirschner, Strijbos, & Martens,
2004). No entanto, muitos
educadores, pesquisadores,
designers instrucionais e criadores
de materiais educacionais parecem
ter abraçado o ensino não diretivo e
têm tentado implementá-lo.
Outra consequência das
tentativas de implementar a teoria
construtivista é uma mudança de
ênfase, abandonando-se o ensino
de uma disciplina como um corpo
de conhecimentos em prol de uma
ênfase exclusiva na aprendizagem
por meio da vivência de processos
e procedimentos (Handelsman et.
al., 2004; Hodson, 1988). Essa
mudança de enfoque vem
acompanhada de um pressuposto,
assumido por muitos educadores
proeminentes, de que o
conhecimento pode ser mais bem
adquirido, ou somente adquirido,
por meio da experiência baseada,
primariamente, nos procedimentos
da disciplina. Esse enfoque leva a
um comprometimento dos
educadores com trabalhos
eminentemente práticos ou de
projeto, leva à rejeição do ensino
baseado em fatos, leis, princípios e
teorias que constituem o conteúdo
de uma disciplina, e ao uso de
métodos de ensino baseados na
descoberta e na investigação.
A inclusão de uma ênfase
mais vigorosa na aplicação prática
da pesquisa e nas habilidades de
solução de problemas parece
bastante positiva. Contudo, pode
ser um erro fundamental supor que
o conteúdo pedagógico da
experiência de aprendizagem é
idêntico aos métodos e processos
(i.e., à epistemologia) da disciplina
em estudo e um engano supor que
o ensino deva focar,
exclusivamente, em métodos e
processos.
Shulman (1986, Shulman &
Hutchings, 1999) contribuiu para
compreendermos a razão pela qual
abordagens não diretivas falham em
sua visão da integração entre
conteúdo e habilidade pedagógica.
Ele definiu conhecimento do
conteúdo como “... a quantidade e
organização do conhecimento em si
na mente do professor” (Shulman,
1986, p.9); e conhecimento do
conteúdo pedagógico como
conhecimento, “... que vai além do
conhecimento do assunto em si para
a dimensão do conhecimento do
assunto para ensinar” (p.9).
Posteriormente, ele definiu
conhecimento curricular como “...a
11
farmacopeia de onde o professor
extrai aquelas ferramentas de
ensino para apresentar ou
exemplificar um conteúdo em
particular...” (p.10). Kirschner
(1991, 1992) também argumentou
que o modo como um especialista
trabalha em seu domínio
(epistemologia) não é equivalente
ao modo pelo qual se aprende nessa
área (pedagogia). Uma linha de
raciocínio semelhante é seguida por
Dehoney (1995), ao defender que os
modelos mentais e estratégias de
quem é especialista foram
desenvolvidos por meio do lento
processo de acumular experiência
nas suas áreas de domínio.
Apesar dessa distinção clara
entre aprender uma disciplina e
praticar a disciplina, muitos e
educadores parecem confundir o
ensino de uma disciplina como
pesquisa (i.e., uma ênfase curricular
nos processos de pesquisa dentro da
ciência) com o ensino da disciplina
por meio da pesquisa (i.e., usando o
processo de pesquisa da disciplina
como uma pedagogia para a
aprendizagem). A base dessa
confusão pode estar naquilo que
Hurd (1969) chamou de “raciocínio
do cientista”, que sustenta que um
curso de ciências
deve ser uma imagem refletida de
uma disciplina da ciência, considerando
tanto sua estrutura conceitual como seus
padrões de investigação. As teorias e
métodos da ciência moderna devem ser
refletidos em sala de aula. Ao ensinar
ciências, as operações em sala de aula
devem estar em harmonia com seus
processos investigatórios e que dão suporte
às estruturas conceituais, intuitivas e
teóricas de seu conhecimento (p.16).
Esse raciocínio supõe
que o alcance de certas atitudes, o
aumento do interesse em ciências, a
aquisição de habilidades de laboratório, a
aprendizagem de conhecimentos científicos
e a compreensão da natureza da ciência
devem todos ser abordados por meio da
metodologia da ciência, que é, em geral,
vista em termos indutivos. (Hodson, 1988,
p.22).
A principal falácia desse
raciocínio é que ele não distingue
entre os comportamentos e métodos
de um pesquisador, que é um
especialista praticando a profissão, e
aqueles alunos novos na disciplina,
que são, assim, essencialmente
iniciantes.
Segundo Kyle (1980), a
investigação científica é uma
habilidade sistemática e
investigativa que incorpora
capacidades de pensamento
irrefreáveis, após a pessoa ter
adquirido conhecimentos críticos
amplos sobre um assunto em
particular, por meio de processos de
ensino formais. Não pode ser
igualada com métodos investigativos
do ensino de ciências, técnicas de
ensino autoinstrucionais e/ou
técnicas de ensino abertas.
12
Educadores que confundem os dois
são responsáveis pelo uso
inadequado da pesquisa como um
paradigma no qual uma estratégia
instrucional deva se basear.
Finalmente, Novak (1988), ao
notar que os principais esforços
para melhorar a educação científica
nas escolas secundárias, nas
décadas de 1950 e 1960, não
atingiram as expectativas, chega
até a dizer que o principal
obstáculo encontrado no caminho
da “melhora revolucionária da
educação científica... foi a
epistemologia obsoleta que estava
por trás da ênfase na ciência
orientada para a ‘investigação”
(inquiry oriented science) (p.79-
80).
PESQUISA COMPARANDO O
ENSINO DIRETIVO E NÃO
DIRETIVO
Nenhum dos argumentos e
teorizações acima seria importante
se houvesse um corpo claro de
pesquisa usando experimentos
controlados, indicando que o ensino
não diretivo ou minimamente
diretivo é mais efetivo que o ensino
diretivo. De fato, como se poderia
esperar com base em nosso
conhecimento da cognição humana e
das diferenças entre aprender e
praticar uma disciplina, o contrário é
que é verdadeiro. Experimentos
controlados indicam, quase que de
modo uniforme, que, ao se lidar com
informação nova, deve-se mostrar
aos aprendizes, explicitamente, o
que fazer e como fazer.
Inúmeras revisões de estudos
empíricos estabeleceram uma base
sólida, baseada em pesquisa, contra
o uso do ensino não diretivo.
Embora uma revisão extensa desses
estudos esteja fora do escopo deste
artigo, recentemente Mayer (2004),
revisou evidências a partir de
estudos conduzidos entre 1950 e
1980, comparando a “aprendizagem
puramente por descoberta”, definida
como ensino não diretivo baseado
em problemas, com formas diretivas
de ensino. Ele sugere que, a cada
década, desde meados dos anos
1950, quando estudos empíricos
forneciam evidências sólidas de que
a então popular abordagem não
diretiva não funcionava, uma
abordagem semelhante surgia com
um nome diferente, com o ciclo se
repetindo. Cada novo grupo de
advogados das abordagens não
diretivas parecia não conhecer as
(ou não se interessar pelas)
evidências anteriores de que
abordagens não diretivas não
tinham sido validadas. Esse padrão
produziu a aprendizagem por
descoberta, que deu lugar à
aprendizagem pela experiência, que
13
deu lugar à aprendizagem baseada
em problemas e em investigação,
que agora dá lugar às técnicas
instrucionais construtivistas. Mayer
concluiu que o “... debate sobre
descoberta tem sido repetido muitas
vezes na educação, mas, a cada
vez, as evidências têm favorecido a
abordagem diretiva na
aprendizagem” (2004, p.18).
Pesquisas Atuais que Dão
Suporte à Orientação Direta
Devido ao fato de os alunos,
em uma abordagem construtivista,
aprenderem muito pouco, a maioria
dos professores que tenta
implementar o ensino construtivista
em sala de aula acaba oferecendo
uma orientação considerável aos
alunos. Esta é uma interpretação
razoável, por exemplo, dos estudos
de caso qualitativos conduzidos por
Aulls (2002), que observou um
determinado número de professores
enquanto implementavam atividades
construtivistas em suas salas de
aula. Ele descreve a “estrutura” que
os professores mais efetivos
introduziram quando os alunos não
conseguiam fazer progressos na
aprendizagem em um ambiente de
descoberta. Ele relatou que o
professor cujos alunos atingiram
todos os objetivos de aprendizagem
gastava uma grande parte do tempo
em interações instrucionais com os
alunos
(...) ensinando conteúdo e,
simultaneamente, estruturando
procedimentos relevantes (...) pelos
seguintes meios: (a) modelando os
procedimentos para identificar e verificar
informações importantes... (b) mostrando
aos alunos como reduzir essas informações
a paráfrases... (c) fazendo os alunos usar
bilhetes para construir colaborações e
rotinas, e (d) promovendo diálogos
colaborativos sobre problemas” (533).
Evidências mais fortes de
estudos experimentais bem
planejados e controlados também
dão suporte à orientação
instrucional direta (ex., ver Moreno,
2004; Tuovinen & Sweller, 1999).
Além disso, Hardiman, Pollatsek e
Weil (1986) e Brown e Campione
(1994) notaram que, quando os
alunos aprendem ciências em
classes com métodos puramente de
descoberta e feedback mínimo, eles,
frequentemente, ficam perdidos,
frustrados, e sua confusão pode
levar a concepções erradas. Outros
(ex., Carlson, Lundy, & Schneider,
1992; Schauble, 1990) descobriram
que, como os inícios problemáticos
são comuns em tais situações de
aprendizagem, as descobertas não
orientadas são, na maioria das
vezes, ineficientes. Moreno (2004)
concluiu que há um corpo crescente
de pesquisa mostrando que os
alunos aprendem de maneira mais
duradoura a partir de aprendizagens
fortemente guiadas do que por meio
14
da descoberta. Conclusões
semelhantes foram relatadas por
Chall (2000), McKeough, Lupart e
Marini (1995), Schauble (1990) e
Singley & Anderson (1989). Klahr e
Nigam (2004), em um estudo muito
importante, não apenas testaram se
os alunos de ciências aprendiam
mais por meio da descoberta ou do
ensino diretivo, mas, também, se a
qualidade da aprendizagem era
diferente, uma vez que ela tivesse
ocorrido. Especificamente, eles
testaram se os alunos que
aprenderam por meio da descoberta
eram mais capazes de transferir sua
aprendizagem para novos contextos.
Os resultados não deixam dúvidas.
O ensino diretivo fortemente
orientado, incluindo exemplos,
resultou em muito mais
aprendizagem do que a descoberta.
Os relativamente poucos alunos que
aprenderam por meio da descoberta
não mostraram sinais de qualidade
superior em sua aprendizagem.
Carga Cognitiva. Sweller e outros
(Mayer, 2001; Paas, Renkl, & Seller,
2003; Sweller, 1999; 2004; Winn,
2003) alertaram que, apesar das
alegadas vantagens dos ambientes
não diretivos em ajudar os alunos a
extrair significado dos materiais de
aprendizagem, a teoria da carga
cognitiva sugere que a exploração
livre de um ambiente altamente
complexo pode gerar uma carga
pesada de trabalho para a memória
que é prejudicial à aprendizagem.
Esta consideração é particularmente
importante no caso de alunos
novatos, que não possuem os
esquemas apropriados para integrar
a nova informação ao seu
conhecimento anterior. Tuovinen e
Sweller (1999) mostraram que a
prática da exploração (uma técnica
de descoberta) causa uma carga
cognitiva muito maior e leva a uma
aprendizagem mais pobre do que
práticas de exemplos prontos. Os
alunos mais capazes de aprender
não sofrem um efeito negativo e se
beneficiam igualmente de ambos os
tipos de tratamento. Mayer (2001)
descreveu uma série extensa de
experimentos em ensino multimídia
que ele e seus colegas projetaram
com base na teoria da carga
cognitiva de Sweller (1988, 1999) e
outras fontes teóricas de base
cognitiva. Ele relata que em todos
os estudos o ensino diretivo não
apenas produz uma lembrança mais
imediata dos fatos do que as
abordagens não diretivas, mas,
também, mais transferências de
longo prazo e mais habilidades de
solução de problemas.
Exemplos prontos (worked
examples). Um exemplo pronto
constitui uma síntese do ensino
15
fortemente dirigido, enquanto
descobrir a solução de um
problema em um ambiente rico de
informações constitui, de modo
semelhante, uma síntese da
aprendizagem por descoberta
minimamente orientada. O efeito
do exemplo pronto, com base na
teoria da carga cognitiva, ocorre
quando os alunos submetidos a
testes de solução de problemas
têm um desempenho pior em
testes subsequentes do que os
alunos que estudam os exemplos
prontos equivalentes. Assim, o
efeito do exemplo pronto, que tem
sido replicado inúmeras vezes,
fornece uma das evidências mais
fortes para a superioridade do
ensino diretamente orientado. O
fato de que o efeito se baseia em
experimentos controlados aumenta
a sua importância.
O efeito do exemplo pronto foi
demonstrado primeiro por Sweller e
Cooper (1985) e Cooper e Sweller
(1987), quando descobriram que
alunos de álgebra aprendiam mais
estudando exemplos prontos do que
resolvendo os problemas
equivalentes. Desde essas primeiras
demonstrações do efeito, ele tem
sido replicado em várias ocasiões,
usando uma grande variedade de
aprendizes estudando uma
variedade igualmente grande de
materiais (Carrol, 1994; Miller,
Lehman & Koedinger, 1999; Paas,
1992; Paas & van Merrienboer,
1994; Pillay, 1994; Quilici & Mayer,
1996; Trafton & Reiser, 1993). Para
alunos iniciantes, estudar exemplos
prontos parece ser, invariavelmente,
superior a descobrir ou construir
uma solução para um problema.
Por que o efeito do exemplo
pronto ocorre?
Ele pode ser explicado pela
teoria da carga cognitiva, que está
baseada na arquitetura cognitiva
humana, já discutida aqui.
Solucionar problemas exige a busca
da solução, e essa busca deve
ocorrer usando nossa memória de
trabalho limitada. A busca pela
solução é um modo ineficiente de
alterar a memória de longo prazo,
porque a função dessa busca é
encontrar a solução do problema, e
não alterar a memória de longo
prazo. De fato, a busca pela solução
de um problema pode funcionar
perfeitamente sem qualquer tipo de
aprendizagem (Sweller, 1988).
Assim, a busca pela solução de um
problema sobrecarrega a já limitada
memória de trabalho e exige que os
seus recursos sejam usados para
atividades que não estão
relacionadas à aprendizagem. Como
consequência, os alunos podem se
engajar em atividades de solução de
problemas por períodos longos e
aprender quase nada (Sweller,
16
Mawer, & Howe, 1982).
Em contraste, estudar um
exemplo pronto reduz a carga de
memória de trabalho porque a
busca é reduzida ou eliminada e
direciona a atenção (i.e., direciona
os recursos da memória de
trabalho) para aprender as relações
essenciais entre os movimentos
envolvidos na solução do problema.
Os alunos aprendem a reconhecer
quais movimentos são necessários
para problemas específicos, que é a
base para a aquisição de esquemas
de solução de problemas (Chi,
Glaser, & Rees, 1982). Quando
comparado com alunos que
resolveram problemas, em vez de
estudar exemplos prontos, a
consequência é o efeito do exemplo
pronto.
Há condições sob as quais o
efeito do exemplo pronto pode não
ser obtido. Primeiramente, ele pode
não ser obtido quando os exemplos
prontos são, eles próprios,
estruturados de um modo que
impõe uma carga cognitiva pesada.
Em outras palavras, é bem possível
estruturar exemplos prontos de um
modo que impõe uma carga
cognitiva tão pesada como tentar
aprender a solução de um problema
por descoberta (Tarmizi & Sweller,
1988; Ward & Sweller, 1990). Em
segundo lugar, o efeito do exemplo
pronto primeiro desaparece, e,
então, muda, na medida em que o
conhecimento do aluno aumenta. A
solução de problemas somente se
torna relativamente efetiva quando
os alunos estão suficientemente
experientes, de modo que estudar
um exemplo pronto é, para eles,
uma atividade redundante que
aumenta a carga da memória de
trabalho, quando comparado ao
processo de gerar uma solução
conhecida (Kalyuga, Chandler,
Tuovinen, & Sweller, 2001).
Esse fenômeno é um exemplo
do efeito chamado reversão do
conhecimento (expertise reversal
effect) (Kalyuga, Ayres, Chandler, &
Sweller, 2003). Ele enfatiza a
importância de prover os alunos
novatos em um assunto com
orientação ampla, para evitar buscas
improdutivas de solução de
problemas, porque eles não têm
conhecimento suficiente armazenado
na memória de longo prazo. Essa
orientação pode ser relaxada apenas
com o aumento do conhecimento,
na medida em que o conhecimento
acumulado na memória de longo
prazo puder assumir o lugar da
orientação externa.
Fichas de Processo (process
worksheets). Outra maneira de
orientar o ensino consiste no uso
de fichas de processo (Van
Merriënboer, 1997). Tais fichas
17
fornecem uma descrição das fases
que devem ser seguidas para
solucionar o problema, bem como
dicas ou regras básicas que
ajudam a completar cada fase com
sucesso. Os alunos podem
consultar as fichas enquanto estão
trabalhando nas tarefas de
aprendizagem e podem usá-las
para registrar resultados
intermediários do processo de
solução do problema.
Nadolski, Kirschner, e van
Merriënboer (a ser publicado), por
exemplo, estudaram os efeitos das
fichas de processo em estudantes de
Direito e descobriram que a
disponibilidade de fichas de processo
tinha efeitos positivos no
desempenho de tarefas de
aprendizagem, indicados pela maior
coerência e pelo conteúdo mais
acurado do caso legal em estudo;
alunos que recebiam orientação por
meio de fichas de processo
superaram alunos que tinham que
descobrir os procedimentos
apropriados por si mesmos.
PESQUISA EM VÁRIOS
AMBIENTES SOBRE
MODELOS EDUCACIONAIS
QUE FAVORECEM A
ORIENTAÇÃO MÍNIMA DURANTE O ENSINO
Tendo discutido tanto a
arquitetura humana responsável
pela aprendizagem como as
pesquisas atuais que dão suporte
ao ensino direto por meio da
orientação, esta seção discutirá
alguns dos modelos educacionais
alternativos que adotam a
orientação mínima como uma
abordagem ao ensino e à
aprendizagem.
Aprendizagem Vivencial no
Trabalho
Kolb (1971) e Kolb e Fry
(1975) argumentaram que o
processo de aprendizagem muitas
vezes começa com a pessoa
realizando uma ação particular e,
depois, vendo ou descobrindo o
efeito da ação na situação dada. O
segundo passo seria compreender
esses efeitos naquele exemplo, de
modo que, se a mesma ação
acontecer nas mesmas
circunstâncias, seria possível
antecipar o que se seguiria à ação.
Usando esse padrão, o terceiro
passo seria compreender o princípio
geral no qual esse exemplo se
encaixa. Eles também sugeriram
alguns estilos de aprendizagem que
poderiam influenciar o modo pelo
qual os alunos tiram vantagem de
situações vivenciadas.
Tentativas de validar a
aprendizagem a partir da vivência e
de estilos de aprendizagem (Kolb
18
1971, 1984, 1999) parecem não ter
sido completamente bem-
sucedidas. Iliff (1994), por
exemplo, relatou, em uma meta-
análise de 101 estudos
quantitativos de LSI (“Leaning Style
Inventory” ou Inventário de Estilos
de Aprendizagem) colhidos de 275
dissertações e 624 artigos, que
eram estudos qualitativos, teóricos
e quantitativos de ELT e do
Inventário de Estilos de
Aprendizagem de Kolb (Kolb,
Botatzis, & Mainemelis, 1999,
p.20), correlações classificadas
como baixas (<.5) e magnitudes de
efeito que foram de fracas (.2) a
médias (.5). Ele concluiu que a
magnitude dessas estatísticas não é
suficiente para satisfazer os
padrões de validade preditiva que
sustentem o uso das medidas ou os
métodos vivenciais para
treinamento no trabalho. De modo
semelhante, Ruble e Stout (1993),
citando inúmeros estudos realizados
entre 1980 a 1991, concluíram que
o Inventário de Estilos de
Aprendizagem de Kolb (KLSI –
1976) tem baixa confiabilidade
entre teste e reteste, que há pouca
ou nenhuma correlação entre os
fatores que poderiam ser
correlacionados com a classificação
de estilos de aprendizagem, e que
não há uma aceitação geral de sua
utilidade, particularmente para fins
de pesquisa.
Roblyer (1996) e Perkins
(1991) examinaram evidências para
a pedagogia minimamente
conduzida no design instrucional e
nos estudos de tecnologia
instrucional. Ambos os
pesquisadores concluíram que a
evidência disponível não dá suporte
ao uso da orientação mínima e
ambos sugerem que é necessária
alguma forma de orientação mais
forte, tanto para a aprendizagem
como para a transferência efetiva.
Diferenças Individuais na
Aprendizagem a Partir do
Ensino
As abordagens construtivistas
estão baseadas, em parte, na
preocupação de que diferenças
individuais atenuam o impacto do
ensino. Essa preocupação tem sido
compartilhada por um grande
volume de estudos sobre a
Interação para Tratamento de
Aptidões (ATI – Aptitude-Treatment
Interaction), que examina se os
efeitos de diferentes métodos
instrucionais são influenciados
pelas aptidões e traços dos alunos
(ex., Cronbach & Snow, 1977;
Snow, Corno, & Jackson, 1996;
Kyllonen & Lajoie, 2003). Grande
parte desses trabalhos fornece um
antecedente claro ao efeito da
reversão de conhecimento,
19
discutido anteriormente, segundo o
qual métodos instrucionais que são
efetivos para novatos se tornam
menos efetivos à medida em que o
conhecimento aumenta.
A revisão das pesquisas de
ATI, efetuada por Cronbach e Snow
(1977), envolveu a descrição de
algumas replicações de interações
ordinais e não ordinais entre vários
métodos instrucionais e aptidões.
Uma das descobertas da ATI mais
comuns, segundo Kyllonen e Lajoie
(2003) foi “... que tratamentos
fortes beneficiam aprendizes
menos hábeis e tratamentos fracos
beneficiam aprendizes mais
hábeis...” (p.82). Esta conclusão
antecipou o agora reconhecido
efeito da “estrutura”.
Nos métodos instrucionais
descritos por Cronbach e Snow
(1977) tratamentos fortes
implicavam em apresentações
instrucionais altamente
estruturadas nas quais era
fornecida uma organização
explícita da informação e do
suporte à aprendizagem. Os
tratamentos fracos eram
relativamente não estruturados e,
assim, forneciam muito menos
suporte à aprendizagem. As
medidas de aptidão usadas na
pesquisa revisada por Cronbach e
Snow foram várias, mas,
geralmente, envolviam alguma
medida específica de
conhecimento do assunto e
medidas de habilidades
cristalizadas e fluídas.
Snow e Lohman (1984)
incentivaram pesquisas que
tentassem compreender os
processos cognitivos demandados
por objetivos de aprendizagem
específicos. Eles argumentavam
ter uma preocupação em
descrever os processos cognitivos
exigidos para aprender classes
específicas de tarefas, como esses
processos se refletiam nas
aptidões dos alunos e como
características dos tratamentos
instrucionais poderiam compensar
alunos com aptidões relevantes
mais baixas, por meio do
fornecimento dos processos
cognitivos necessários que os
ajudassem a alcançar os objetivos
de aprendizagem e a
transferência.
Sabendo menos após o Ensino
Um conjunto relacionado de
descobertas no paradigma de
pesquisa da ATI foi descrito por
Clark (1989). Ele reviu
aproximadamente 70 estudos de ATI
e descreveu alguns experimentos
nos quais alunos com baixa aptidão,
que escolheram ou foram
encaminhados a tratamentos
20
instrucionais não diretivos fracos,
receberam notas significativamente
mais baixas nos pós-testes do que
nos pré-testes. Ele argumentou que
a falha em prover suporte forte à
aprendizagem para os alunos menos
experientes ou menos capazes pode,
de fato, produzir uma perda
mensurável de aprendizagem. Os
níveis educacionais representados
nos estudos revistos variaram de
turmas do ensino médio a
universitários e a ambientes de
trabalho, e incluíram vários tipos de
problemas e tarefas.
Ainda mais desesperadora é a
evidência apresentada por Clark
(1982): quando se pedia aos alunos
para selecionar entre abordagens
mais ou menos diretivas da mesma
disciplina, os menos hábeis que
escolhiam as abordagens menos
diretivas tendiam a gostar da
experiência, apesar de aprender
menos. Alunos com aptidão mais
alta que escolhiam abordagens
altamente estruturadas tendiam a
gostar delas, mas alcançavam um
nível mais baixo do que com versões
menos estruturadas, e não sofriam
por saber menos depois do que
antes do ensino. Clark lançou a
hipótese de que os componentes
mais efetivos dos tratamentos
ajudam menos os alunos
experientes, porque fornecem
estratégias de aprendizagem
específicas para a tarefa, embutidas
nas apresentações instrucionais.
Essas estratégias exigem esforços
explícitos dos alunos, guiados pela
atenção, e assim tendem a não
agradar, apesar de serem úteis à
aprendizagem. Os aprendizes mais
hábeis, sugeriu ele, já adquiriram
estratégias de aprendizagem
implícitas, específicas da tarefa, que
são mais efetivas para eles do que
aquelas embutidas nas versões
estruturadas da disciplina. Clark
aponta evidências que sugerem que
os alunos mais hábeis que escolhem
as versões mais diretivas fazem isso
porque acreditam que alcançarão a
aprendizagem requerida com
mínimo esforço. Estudos descritos
por Woltz (2003) são exemplos
recentes e positivos de pesquisas da
ATI que examinam o processamento
cognitivo requerido pelas tarefas de
aprendizagem. Ele fornece
evidências de que o mesmo aluno
pode se beneficiar de tratamentos
mais fortes e mais fracos,
dependendo do tipo de resultado de
aprendizagem e transferência
desejados.
Evidência Empírica Sobre a
Aprendizagem de Ciências com
Base no Ensino Não Diretivo
O trabalho de Klahr e Nigam
(2004), discutido anteriormente,
demonstrou, sem ambiguidades, as
21
vantagens do ensino diretivo em
ciências. Há riqueza de evidências.
Uma série de revisões efetuadas
pela U.S. National Academy of
Sciences apresentou, recentemente,
os resultados de experimentos que
fornecem evidências das
consequências negativas do ensino
não diretivo de ciências para todos
os níveis de idade e para uma
variedade de conteúdos de ciências
e matemática. McCray, de Haan, e
Schuck (2003) revisaram estudos e
experiências práticas na educação
de estudantes de graduação em
engenharia, tecnologia, ciências e
matemática. Gollub, Berthanthal,
Labov e Curtis (2003) revisaram
estudos e experiências no ensino de
ciências e matemática em colégios.
Kipatrick, Swafford e Findell (2001)
relataram estudos e fizeram
sugestões para o ensino de
matemática nos níveis fundamental
e médio. Cada uma dessas e de
outras publicações feitas pela U.S.
National Academy of Sciences
documentam amplamente a falta de
evidência que dê suporte às
abordagens não diretivas e os
benefícios do ensino mais
fortemente orientado. A maioria
fornece um conjunto de princípios
instrucionais baseados em pesquisas
sólidas para os educadores. Esses
relatos foram produzidos, em parte,
por causa da situação lamentável do
ensino de ciências e matemática nos
Estados Unidos. Finalmente, de
acordo com as descobertas da ATI e
com o efeito da mudança pela
especialização, Roblyer, Edwards e
Havriluk (1997) relataram que
professores descobriram que a
aprendizagem por descoberta é
bem-sucedida apenas quando os
alunos têm os pré-requisitos de
conhecimento e passaram por
algumas experiências estruturadas
anteriores.
Pesquisas em Aprendizagem
Baseada em Problemas Médicos
De modo geral, a falta de
clareza sobre a diferença entre
aprender uma disciplina e pesquisar
na disciplina, junto com a
prioridade dada à observação sem
interferência, na melhor tradição
indutivista-empiricista, levou muitos
educadores a defender um método
baseado em problemas como a
solução para ensinar uma disciplina
(Allen, Barker, & Ramsden, 1986;
Anthony, 1973; Barrows &
Tamblyn, 1980; Obioma, 1986). A
aprendizagem baseada em
problemas não apenas parece
combinar, por exemplo, com as
ideias da filosofia da ciência, mas
também se ajusta bem às visões
progressivas centradas no aluno,
enfatizando a experiência direta e a
pesquisa individual. Cawthron e
Rowell (1978) afirmaram que isso
22
tudo parecia se encaixar. A lógica
do conhecimento e a psicologia do
conhecimento se juntaram sob o
conceito genérico de “descoberta”.
Por que, perguntam eles, os
educadores buscariam olhar para
além da explicação tradicional,
indutivista-empiricista, do
processo?
Numa tentativa de salvar os
alunos de medicina das palestras e
das provas baseadas na
memorização, aproximadamente 60
escolas de medicina da América do
Norte adotaram a Aprendizagem
Baseada em Problemas (PBL) nas
duas décadas passadas. Essa
variante do ensino construtivista não
diretivo, introduzida pela McMaster
University School of Medicine, em
1969, pede para os estudantes de
medicina trabalharem em grupos
para diagnosticar e sugerir o
tratamento para sintomas comuns
dos pacientes. Os grupos de alunos
de PBL são supervisionados por um
membro clínico da faculdade, que é
orientado para não resolver os
problemas para os alunos, mas, em
vez disso, oferecer alternativas e
sugerir fontes de informação.
A melhor pesquisa conhecida
das comparações da PBL com o
ensino convencional das escolas
médicas foi conduzida por
Albanese e Mitchell (1993). Sua
meta-análise da literatura em
língua inglesa sobre a efetividade
da PBL produziu inúmeras
descobertas negativas sobre seus
impactos, incluindo escores mais
baixos nos exames básicos sobre
ciências, nenhuma diferença nas
seleções para residência e mais
horas de estudo por dia. Eles
relataram que, enquanto os alunos
de PBL recebem melhores escores
por seu desempenho clínico, eles
também pedem significativamente
mais testes desnecessários, a um
custo muito mais alto por
paciente, com menos benefícios.
Havia uma indicação, nessa
revisão, de que os escores mais
altos nas avaliações em prática
clínica tinham sido devidos ao fato
de os alunos da PBL serem
requisitados a passar mais tempo
em ambientes clínicos.
Berkson (1993) também
revisou boa parte da literatura em
PBL e chegou, na maior parte, às
mesmas conclusões que Albanase e
Mitchell (1993). Ela reviu estudos
onde a habilidade de solucionar
problemas de alunos de PBL era
comparada com alunos treinados da
forma convencional e não encontrou
suporte para qualquer diferença.
Assim, não conseguiu replicar as
vantagens clínicas encontradas por
Albanese e Mitchell em seu estudo.
Colliver (2000) revisou estudos
existentes comparando a efetividade
23
da aprendizagem baseada em
problemas (PBL) em medicina com o
currículo convencional das escolas
médicas. Ele concluiu que os
estudos de PBL não mostram
diferenças significativas no
desempenho dos alunos de
medicina, tanto em testes
padronizados quanto em testes
preparados pelo instrutor, durante
os primeiros dois anos do curso de
medicina.
As constantes descobertas de
que a PBL não é mais efetiva, mas é
mais cara que o ensino tradicional,
em revisões de pesquisas, também
tem sido importante para os
educadores da área médica.
Naturalmente, alguns defensores da
PBL têm consciência das suas
limitações. Hmelo-Silver (2004)
questionou fortemente a validade
geral da PBL. Segundo ela,
Certos aspectos do modelo PBL
poderiam ser ajustados para o nível de
desenvolvimento dos aprendizes (...)
poderia haver lugar para o ensino diretivo
em bases “just-in-time”. Em outras
palavras, uma aula expositiva dada no
momento exato em que os alunos estão
enfrentando um problema e têm
necessidade de conhecimentos específicos
poderia ser benéfica (p.260). Algumas
técnicas como facilitação de procedimentos,
cooperação com script (scripted
cooperation) e diários estruturados podem
ser ferramentas úteis para mover a PBL
para outros ambientes” (p.261).
Dois componentes principais da
PBL são o ensino de estratégias de
solução de problemas na forma do
método hipotético-dedutivo de
raciocínio (Barrows & Tamblyn,
1980) e o ensino de conteúdo básico
no contexto de um caso ou exemplo
específico. Os proponentes desse
modelo argumentam que a
educação centrada em problemas é
superior à educação convencional.
Os alunos aos quais se ensinam
habilidades de solução de
problemas, particularmente por
meio do método hipotético-dedutivo
aprendem de modo mais
significativo. A suposição é que, uma
vez que os alunos são expostos a
problemas desde o início, eles têm
mais oportunidades de praticar
essas habilidades, e também que,
por aplicarem explicitamente o
método hipotético-dedutivo,
aprendem a analisar problemas e
buscar por explicações, melhorando
sua compreensão de problemas
clínicos (Norman & Schmidt, 1992).
Patel e seus colegas argumentam
que o método hipotético-dedutivo
pode não ser o modo mais eficiente
de solucionar problemas clínicos
(Groen & Patel, 1985; Patel, Arocha,
& Kaufman, 1994).
Na área médica, Patel, Groen e
Norman (1993) mostraram que,
como o conhecimento básico de
ciências é contextualizado, ensinar
conceitos de ciência básica dentro
24
de um contexto clínico pode ter a
desvantagem de ser difícil separar
esse conhecimento do
conhecimento clínico específico
associado a cada paciente em
particular. Apesar de os alunos de
PBL produzirem explicações mais
elaboradas, as explicações são
menos coerentes e há mais erros.
Se os alunos tiverem dificuldade em
separar o conhecimento biomédico
que aprenderam dos casos clínicos
particulares associados a esses
conhecimentos, então não é de
surpreender que, frente a
problemas diferentes, apliquem
conhecimentos biomédicos
irrelevantes ao novo problema.
E isso parece persistir após o
treinamento médico. Em um
estudo sobre o efeito do
treinamento em PBL na graduação
– em oposição a um currículo
convencional – quanto ao
desempenho de residentes na
organização de conhecimentos
clínicos e biomédicos e quanto ao
uso de estratégias de raciocínio,
Patel et al. (1995) descobriram
que aqueles treinados em PBL
mantêm o padrão de raciocínio
dirigido para trás (backward-
directed reasoning pattern), mas
não parecem adquirir o raciocínio
dirigido para frente (forward-
directed reasoning pattern), que é
uma marca da especialização.
Essa descoberta significa que
alguma coisa na PBL pode
atrapalhar o desenvolvimento do
padrão de raciocínio para frente.
Os especialistas usam padrões
de reconhecimento baseados em
esquemas para determinar a causa
da doença de um paciente.
Segundo Elstein (1994), a
organização do conhecimento e a
aquisição de esquemas são mais
importantes para o
desenvolvimento da especialização
do que o uso de métodos
particulares de solução de
problemas. A esse respeito,
pesquisas cognitivas têm mostrado
que, para chegar à especialização
em um assunto, os alunos
precisam adquirir os esquemas
necessários que lhes permitam
interpretar a informação de modo
significativo e eficiente, e
identificar a estrutura do
problema. Os esquemas
conseguem isso orientando a
seleção de informações relevantes
e descartando as irrelevantes.
Patel e outros (1995)
concluíram que os resultados
negativos
podem ser explicados pelo efeito de
divisão dos recursos de atenção e a alta
carga de memória de trabalho na aquisição
de esquemas durante a solução dos
problemas. Para resolver problemas
clínicos, os aprendizes devem atentar para
a hipótese diagnóstica atual, os dados
25
referentes ao problema apresentado, e
qualquer hipótese intermediária entre o
diagnóstico e os dados do paciente (p.ex.,
um processo fisiopatológico subjacente aos
sinais e sintomas). Se considerarmos que
mais de uma hipótese foi gerada, os
recursos cognitivos necessários para manter
essa informação na memória de trabalho
devem ser tal que poucos recursos
cognitivos serão liberados para adquirir o
esquema do problema. Apesar de os
problemas poderem ser resolvidos com
sucesso usando o método hipotético-
dedutivo, a escassez de recursos de
atenção e de memória podem resultar em
dificuldade dos alunos para aprender os
esquemas do problema de uma maneira
adequada. É possível formular a hipótese de
que uma das razões para o fracasso dos
alunos de PBLC em adquirir um estilo de
raciocínio direcionado para frente, como foi
mostrado neste estudo, pode ser o uso de
estratégias de solução de problemas, tais
como o método hipotético-dedutivo, como
uma estratégia de aprendizagem.
Isto está completamente
alinhado com a nossa consideração
de que a epistemologia de uma
disciplina não pode ser confundida
com a pedagogia para ensiná-la ou
aprendê-la. A prática de uma
profissão não é o mesmo que
aprender a praticar a profissão.
CONCLUSÕES
Após meio século de defesa
do ensino não diretivo, parece que
não há um corpo de pesquisa que
dê suporte a essa técnica. Ao
mesmo tempo em que não há
qualquer evidência baseada em
estudos controlados, estes dão
suporte, quase que de modo
uniforme, à forte orientação
instrucional direta, ao invés da
orientação mínima baseada no
construtivismo, no ensino de
alunos novatos e intermediários.
Mesmo para alunos com
conhecimento anterior
considerável, constata-se que uma
orientação forte durante a
aprendizagem, na maioria das
vezes, é tão efetiva quanto as
abordagens não diretivas. O ensino
não diretivo é, normalmente, não
apenas menos eficaz como há
evidências de que ele pode ter
resultados negativos quando os
alunos adquirem os conceitos
errados ou conhecimentos
incompletos e/ou desorganizados.
Embora as razões para a
popularidade de uma abordagem
fracassada não sejam claras, as
origens do apoio ao ensino não
diretivo para a educação científica e
médica podem ser encontradas nos
currículos de ciências pós-Sputnik,
tais como a BSCS (Biological
Sciences Curriculum Study), CHEM
Study (Chemical Education Material
Stydyk), e PSSC (Physical Science
Study Committee). Nessa época, os
educadores que ensinavam uma
disciplina como um corpo de
conhecimentos mudaram para o
26
pressuposto de que o conhecimento
pode ser melhor aprendido (ou
somente aprendido) por meio da
experiência, que está baseada
somente nos procedimentos da
disciplina. Esse ponto de vista
parece ter conduzido à prática ou a
projetos de trabalho não diretivos e
à rejeição do ensino baseado em
fatos, leis, princípios e teorias que
constituem os conteúdos de uma
disciplina. A ênfase na aplicação
prática do que está sendo aprendido
parece muito positiva. Contudo,
pode ser um erro supor que o
conteúdo pedagógico da experiência
de aprender seja idêntico aos
métodos e processos (i.e., a
epistemologia) da disciplina que está
sendo estudada, e um engano supor
que o ensino deva focar
exclusivamente na aplicação. É
lamentável que as visões
construtivistas atuais tenham se
tornaram ideológicas e,
frequentemente,
epistemologicamente opostas à
apresentação e explicação do
conhecimento. Como resultado, é
fácil compartilhar do embaraço de
Handelsman e outros (2004) que, ao
discutir a educação científica,
perguntaram: “(...) por que
cientistas proeminentes, que exigem
provas rigorosas para as afirmações
científicas em suas pesquisas,
continuam a usar e, na realidade,
defender, métodos de ensino que
não são os mais efetivos, baseados
apenas na intuição?” (p.521).
E é também fácil concordar
com a recomendação de Mayer
(2004) de que nós “(...) devemos
mudar os esforços para uma
reforma educacional do confuso e
improdutivo mundo da ideologia –
que, algumas vezes, se esconde sob
as várias bandeiras do
construtivismo – para o mundo
arguto e produtivo das pesquisas
baseadas nas teorias sobre como as
pessoas aprendem” (p.18).
Correspondence should be
addressed to Paul A. Kirschner,
Research Centre Learning in
Interaction, Utrecht University,
The Netherlands, P.O. Box
80140, 3508TC, Utrecht, The
Netherlands. E-mail:
REFERÊNCIAS
27
Albanese, M., & Mitchell, S. (1993). Problem-based learning: A review of
the literature on its outcomes and implementation issues. Academic Medicine,
68, 52–81.
Allen, J. B., Barker, L. N., & Ramsden, J. H. (1986). Guided inquiry
laboratory. Journal of Chemical Education, 63, 533–534.
Anderson, J. R. (1996). ACT: A simple theory of complex cognition.
American Psychologist, 51, 355–365.
Anthony, W. S. (1973). Learning to discover rules by discovery. Journal
of Educational Psychology, 64, 325–328.
Arocha, J. F. & Patel,V. L. (1995).Novice diagnostic reasoning in
medicine: Accounting for clinical evidence. Journal of the Learning Sciences, 4,
355–384.
Atkinson, R., & Shiffrin, R. (1968). Human memory: A proposed system
and its control processes. In K. Spence & J. Spence (Eds.), The psychology of
learning and motivation (Vol. 2, pp. 89–195). New York: Academic.
Aulls, M. W. (2002). The contributions of co-occurring forms of classroom
discourse and academic activities to curriculum events and instruction. Journal
of Educational Psychology, 94, 520–538.
Ausubel, D. P. (1964). Some psychological and educational limitations of
learning by discovery. The Arithmetic Teacher, 11, 290–302.
Barrows, H. S., & Tamblyn, R. M. (1980). Problem-based learning: An
approach to medical education. New York: Springer.
Berkson, L. (1993). Problem-based learning: Have the expectations been
met? Academic Medicine, 68(Suppl.), S79–S88.
Bernstein, D. A., Penner, L. A., Clarke-Stewart, A., Roy, E. J., & Wickens,
C. D. (2003). Psychology (6th ed.). Boston: Houghton-Mifflin.
Boud, D., Keogh, R., &Walker, D. (Eds.). (1985). Reflection: Turning
experience into learning. London: Kogan Page.
Brown, A., & Campione, J. (1994). Guided discovery in a community of
learners. In K. McGilly (Ed.), Classroom lessons: Integrating cognitive theory
and classroom practice (pp. 229–270). Cambridge, MA: MIT Press.
Bruner, J. S. (1961). The art of discovery. Harvard Educational Review,
31, 21–32.
28
Carlson, R. A., Lundy, D.H. & Schneider, W. (1992). Strategy guidance
and memory aiding in learning a problem-solving skill. Human Factors, 34,
129–145.
Carroll,W. (1994).Using worked examples as an instructional support in
the algebra classroom. Journal of Educational Psychology, 86, 360–367.
Cawthron, E. R., & Rowell, J. A. (1978). Epistemology and science
education. Studies in Science Education, 5, 51–59.
Chall, J. S. (2000). The academic achievement challenge. New York:
Guilford.
Chase, W. G., & Simon, H. A. (1973). Perception in chess. Cognitive
Psychology, 4, 55–81.
Chi, M., Glaser, R., & Rees, E. (1982). Expertise in problem solving. In R.
Sternberg (Ed.), Advances in the psychology of human intelligence (pp. 7–75).
Hillsdale, NJ: Lawrence Erlbaum Associates, Inc.
Clark, R. E. (1982). Antagonism between achievement and enjoyment in
ATI studies. Educational Psychologist, 17, 92–101.
Clark, R. E. (1989). When teaching kills learning: Research on
mathemathantics. In H. N. Mandl, N. Bennett, E. de Corte, & H. F.
Freidrich (Eds.), Learning and instruction: European research in an
international context (Vol. 2, pp. 1–22). London: Pergamon.
Clark, R. E., & Estes, F. (1998). Technology or craft: What are we doing?
Educational Technology, 38(5), 5–11.
Clark, R. E., & Estes, F. (1999). The development of authentic
educational technologies. Educational Technology, 37(2), 5–16.
Colliver, J. A. (2000). Effectiveness of problem-based learning curricula:
Research and theory. Academic Medicine, 75, 259–266.
Cooper, G., & Sweller, J. (1987). The effects of schema acquisition and
rule automation on mathematical problem-solving transfer. Journal of
Educational Psychology, 79, 347–362.
Cowan, N. (2001). The magical number 4 in short-term memory: A
reconsideration of mental storage capacity. Behavioral and Brain Sciences, 24,
87–114.
29
Craig, R. (1956). Directed versus independent discovery of established
relations. Journal of Educational Psychology, 47, 223–235.
Cronbach, L. J., & Snow, R. E. (1977). Aptitudes and instructional
methods: A handbook for research on interactions. New York: Irvington.
De Groot, A. D. (1965). Thought and choice in chess. The Hague,
Netherlands: Mouton. (Original work published 1946)
Dehoney, J. (1995). Cognitive task analysis: Implications for the theory
and practice of instructional design. Proceedings of the Annual National
Convention of the Association for Educational Communications and Technology
(AECT), 113–123. (ERIC Document Reproduction Service No. ED 383 294)
Egan, D. E., & Schwartz, B. J. (1979). Chunking in recall of symbolic
drawings. Memory and Cognition, 7, 149–158.
Elstein, A. S. (1994). What goes around comes around: Return of the
hypothetico-deductive strategy. Teaching & Learning in Medicine, 6, 121–123.
Ericsson, K. A., & Kintsch, W. (1995). Long-term working memory.
Psychological Review, 102, 211–245.
Estes, F., & Clark, R. E. (1999). Authentic educational technologies: The
lynchpin between theory and practice. Educational Technology, 37(6), 5–13.
Glaser, R. (1987). Further notes toward a psychology of instruction. In R.
Glaser (Ed.), Advances in instructional psychology (Vol. 3, pp. 1–39). Hillsdale,
NJ: Lawrence Erlbaum Associates, Inc.
Gollub, J. P.,Berthanthal,M., Labov, J.,&Curtis,C. (Eds.). (2003). Learning
and understanding: Improving advanced study of mathematics and science in
U.S. high schools. Washington, DC: National Academies Press.
Handelsman, J., Egert-May, D., Beichner, R., Bruns, P., Change, A.,
DeHaan, R., et al. (2004). Scientific teaching. Science, 304, 521–522.
Hardiman, P., Pollatsek, A., & Weil, A. (1986). Learning to understand
the balance beam. Cognition and Instruction, 3, 1–30.
Hmelo-Silver, C. E. (2004). Problem-based learning: What and how do
students learn? Educational Psychology Review, 16, 235–266.
Hodson, D. (1988). Experiments in science and science teaching.
Educational Philosophy and Theory, 20, 53–66.
30
Hurd, P. D. (1969). New directions in teaching secondary school science.
Chicago, IL: Rand McNally.
Iliff, C. H. (1994). Kolb’s learning style inventory: A meta-analysis.
Unpublished doctoral dissertation, Boston University, Boston.
Jeffries, R., Turner, A., Polson, P. & Atwood,M. (1981). Processes
involved in designing software. In J. R. Anderson (Ed.), Cognitive skills and
their acquisition (pp. 255–283). Hillsdale, NJ: Lawrence Erlbaum Associates,
Inc.
Jonassen, D. (1991). Objectivism vs. constructivism. Educational
Technology Research and Development, 39(3), 5–14.
Kalyuga, S., Ayres, P., Chandler, P., & Sweller, J. (2003). Expertise
reversal effect. Educational Psychologist, 38, 23–31.
Kalyuga, S., Chandler, P., Tuovinen, J., & Sweller, J. (2001).When
problem solving is superior to studying worked examples. Journal of
Educational Psychology, 93, 579–588.
Kilpatrick, J., Swafford, J., & Findell, B. (Eds.). (2001). Adding it up:
Helping children learn mathematics. Washington, DC: National Academies
Press.
Kirschner, P. A. (1991). Practicals in higher science education. Utrecht,
Netherlands: Lemma.
Kirschner, P. A. (1992). Epistemology, practical work and academic skills
in science education. Science and Education, 1, 273–299.
Kirschner, P. A., Martens, R. L., & Strijbos, J.-W. (2004). CSCL in higher
education? A framework for designing multiple collaborative environments. In
P. Dillenbourg (Series Ed.) & J.-W. Strijbos, P. A. Kirschner, & R. L. Martens
(Vol. Eds.), Computer-supported collaborative learning: Vol. 3. What we know
about CSCL … and implementing it in higher education (pp. 3–30). Boston, MA:
Kluwer Academic.
Klahr, D., & Nigam, M. (2004). The equivalence of learning paths in early
science instruction: Effects of direct instruction and discovery learning.
Psychological Science, 15, 661–667.
Kolb, D. A. (1971). Individual learning styles and the learning process
(Working Paper No. 535–71). Cambridge, MA: Sloan School of Management,
Massachusetts Institute of Technology.
31
Kolb, D. A. (1976). The learning style inventory: Technical manual.
Boston, MA: McBer.
Kolb, D. A. (1984). Experiential learning: Experience as the source of
learning and development. Englewood Cliffs, NJ: Prentice-Hall.
Kolb, D. A. (1999). Learning Style Inventory, version 3. Boston: TRG
Hay/McBer, Training Resources Group.
Kolb, D. A., Boyatzis, R. E. & Mainemelis, C. (2001). Experiential learning
theory: Previous research and new directions. In R. J. Sternberg & L. Zhang
(Eds.), Perspectives on thinking, learning, and cognitive styles. The educational
psychology series (pp. 227–247). Mahwah, NJ: Lawrence Erlbaum Associates,
Inc.
Kolb, D. A., & Fry, R. (1975). Toward an applied theory of experiential
learning. In C. Cooper (Ed.), Studies of group process (pp. 33–57). New York:
Wiley.
Kyle, W. C., Jr. (1980). The distinction between inquiry and scientific
inquiry and why high school students should be cognizant of the distinction.
Journal of Research on Science Teaching, 17, 123–130.
Kyllonen, P. C. & Lajoie, S. P. (2003). Reassessing aptitude: Introduction
to a special issue in honor of Richard E. Snow. Educational Psychologist, 38,
79–83.
Mayer, R. (2001). Multi-media learning. Cambridge, UK: Cambridge
University Press.
Mayer, R. (2004). Should there be a three-strike rule against pure
discovery learning? The case for guided methods of instruction. American
Psychologist, 59, 14–19.
McCray, R., DeHaan, R. L., & Schuck, J. A. (Eds.). (2003). Improving
undergraduate instruction in science, technology, engineering, and
mathematics: Report of a workshop. Washington, DC: National Academies
Press.
McKeough, A., Lupart, J., & Marini, A. (Eds.). (1995). Teaching for
transfer: Fostering generalization in learning. Mahwah, NJ: Lawrence Erlbaum
Associates, Inc.
Miller, C., Lehman, J., & Koedinger, K. (1999). Goals and learning in
microworlds. Cognitive Science, 23, 305–336.
32
Miller, G. A. (1956). The magical number seven, plus or minus two:
Some limits on our capacity for processing information. Psychological Review,
63, 81–97.
Moreno, R. (2004). Decreasing cognitive load in novice students: Effects
of explanatory versus corrective feedback in discovery-based multimedia.
Instructional Science, 32, 99–113.
Nadolski, R. J., Kirschner, P. A., & van Merriënboer, J. J. G. (2005).
Optimising the number of steps in learning tasks for complex skills. British
Journal of Educational Psychology, 75, 223–237.
Norman, G. R., & Schmidt, H. G. (1992). The psychological basis of
problem- based learning: A review of the evidence. Academic Medicine, 67,
557–565.
Novak, J. D. (1988). Learning science and the science of learning. Studies
in Science Education, 15, 77–101.
Obioma, G.O. (1986). Expository and guided discovery methods of
presenting secondary school physics. European Journal of Science Education, 8,
51–56.
Paas, F. (1992). Training strategies for attaining transfer of problem-
solving skill in statistics: A cognitive-load approach. Journal of Educational
Psychology, 84, 429–434.
Paas, F., Renkl, A. & Sweller, J. (2003). Cognitive load theory and
instructional design: Recent developments. Educational Psychologist, 38, 1–4.
Paas, F., Renkl, A. & Sweller, J. (2004). Cognitive load theory:
Instructional implications of the interaction between information structures and
cognitive architecture. Instructional Science, 32, 1–8.
Paas, F. & van Merriënboer, J. (1994). Variability of worked examples and
transfer of geometrical problem solving skills: A cognitive-load approach.
Journal of Educational Psychology, 86, 122–133.
Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas.
New York: Basic Books.
Patel, V. L., Arocha, J. F., & Kaufman, D. R. (1994). Diagnostic reasoning
and expertise. The Psychology of Learning and Motivation: Advances in
Research and Theory, 31, 137–252.
33
Patel, V. L., & Groen, G. J. (1986). Knowledge-based solution strategies
in medical reasoning. Cognitive Science, 10, 91–116.
Patel, V. L., Groen, G. J., & Norman, G. R. (1993). Reasoning and
instruction in medical curricula. Cognition & Instruction, 10, 335–378.
Perkins, D. N. (1991). Technology meets constructivism: Do they make a
marriage? Educational Technology, 13, 18–23.
Peterson, L., & Peterson, M. (1959). Short-term retention of individual
verbal items. Journal of Experimental Psychology, 58, 193–198.
Pillay, H. (1994). Cognitive load and mental rotation: Structuring
orthographic projection for learning and problem solving. Instructional Science,
22, 91–113.
Quilici, J. L. Mayer, R. E. (1996). Role of examples in how students learn
to categorize statistics word problems. Journal of Educational Psychology, 88,
144–161.
Roblyer, M. D. (1996). The constructivist/objectivist debate: Implications
for instructional technology research. Learning and Leading With Technology,
24, 12–16.
Roblyer, M. D., Edwards, J., & Havriluk, M. A. (1997). Integrating
educational technology into teaching (2nd ed.). Upper Saddle River, NJ:
Prentice-Hall.
Ruble, T. L., & Stout, D. E. (1993, March). Learning styles and end-user
training: An unwarranted leap of faith. MIS Quarterly, 17, 115–117.
Rutherford, F. J. (1964). The role of inquiry in science teaching. Journal
of Research in Science Teaching, 2, 80–84.
Schauble, L. (1990). Belief revision in children: The role of prior
knowledge and strategies for generating evidence. Journal of Experimental
Child Psychology, 49, 31–57.
Schmidt, H. G. (l983). Problem-based learning: Rationale and description.
Medical Education, 17, 11–16.
Schmidt, H. G. (1998). Problem-based learning: Does it prepare medical
students to become better doctors? The Medical Journal of Australia, 168, 429–
430.
34
Schmidt, H. G. (2000). Assumptions underlying self-directed learning
may be false. Medical Education, 34, 243–245.
Shulman, L. S. (1986). Those who understand: Knowledge growth in
teaching. Educational Researcher, 15, 4–14.
Shulman, L. S., & Hutchings, P. (1999, September–October). The
scholarship of teaching: New elaborations, new developments. Change, 11–15.
Shulman, L. & Keisler, E. (Eds.). (1966). Learning by discovery: A critical
appraisal. Chicago: Rand McNally.
Singley, M. K., & Anderson, J. R. (1989). The transfer of cognitive skill.
Cambridge, MA: Harvard University Press.
Snow, R. E., Corno, L., & Jackson, D. N., III. (1994). Individual
differences in conation: Selected constructs and measures. In H. F. O’Neil & M.
Drillings (Eds.), Motivation: Theory and research (pp. 71–99). Hillsdale, NJ:
Lawrence Erlbaum Associates, Inc.
Snow, R. E., Corno, L., & Jackson, D. (1996). Individual differences in
affective and conative functions. In D. Berliner & R. Calfee (Eds.), Handbook of
educational psychology (pp. 243–310). New York: Simon & Schuster.
Snow, R. E. & Lohman, D. F. (1984). Toward a theory of cognitive
aptitude for learning from instruction. Journal of Educational Psychology, 76,
347–376.
Steffe, L., & Gale, J. (Eds.). (1995). Constructivism in education.
Hillsdale, NJ: Lawrence Erlbaum Associates, Inc.
Sweller, J. (1988). Cognitive load during problem solving: Effects on
learning. Cognitive Science, 12, 257–285.
Sweller, J. (1999). Instructional design in technical areas. Camberwell,
Australia: ACER Press.
Sweller, J. (2003). Evolution of human cognitive architecture. In B. Ross
(Ed.). The psychology of learning and motivation (Vol. 43, pp. 215–266). San
Diego, CA: Academic.
Sweller, J. (2004). Instructional design consequences of an analogy
between evolution by natural selection and human cognitive architecture.
Instructional Science, 32, 9–31.
35
Sweller, J. & Cooper, G. A. (1985). The use of worked examples as a
substitute for problem solving in learning algebra. Cognition and Instruction, 2,
59–89.
Sweller, J., Mawer, R. & Howe, W. (1982). The consequences of history-
cued andmeans-ends strategies in problems solving. American Journal of
Psychology, 95, 455–484.
Sweller, J., van Merriënboer, J. J. G. & Paas, F. (1998). Cognitive
architecture and instructional design. Educational Psychology Review, 10, 251–
296.
Tarmizi, R. & Sweller, J. (1988). Guidance during mathematical problem
solving. Journal of Educational Psychology, 80, 424–436.
Trafton, J. G. & Reiser, R. J. (1993). The contribution of studying
examples and solving problems to skill acquisition. InM. Polson (Ed.),
Proceedings of the 15th Annual Conference of the Cognitive Science Society
(pp. 1017–1022). Hillsdale, NJ: Lawrence Erlbaum Associates, Inc.
Tuovinen, J. E. & Sweller, J. (1999). A comparison of cognitive load
associated with discovery learning and worked examples. Journal of
Educational Psychology, 91, 334–341.
Van Joolingen, W. R., de Jong, T., Lazonder, A. W., Savelsbergh, E. R. &
Manlove, S. (2005). Co-Lab: Research and development of an online learning
environment for collaborative scientific discovery learning. Computers in
Human Behavior, 21, 671–688.
Van Merriënboer, J. J. G. (1997). Training complex cognitive skills.
Englewood Cliffs, NJ: Educational Technology Publications.
Ward, M. & Sweller, J. (1990). Structuring effective worked examples.
Cognition and Instruction, 7, 1–39.
Winn, W. (2003). Research methods and types of evidence for research
in educational psychology. Educational Psychology Review, 15, 367–373.
Woltz, D. J. (2003). Implicit cognitive processes as aptitudes for learning.
Educational Psychologist, 38, 95–104.