Perché l’istruzione con guida minima non funziona: un’analisi del fallimento dei metodi costruttivisti, di scoperta, basati sui problemi, esperienziali e di indagine

Titolo dell’articolo in lingua inglese:
“Why Minimal Guidance During Instruction Does Not Work: An Analysis of the Failure of Constructivist, Discovery, Problem-Based, Experiential, and Inquiry-Based Teaching“

L’articolo il lingua inglese è reperibile qui.
Una sua versione divulgativa in lingua inglese è reperibile qui.

Paul A. Kirschner – Open University of the Netherlands
John Sweller – University of New South Wales
Richard E. Clark – University of Southern California

Pubblicato in: Educational Psychologist, Vol. 41, n. 2, giugno 2006

---

Abstract

Le evidenze a favore della superiorità dell’istruzione guidata sono spiegate nel contesto della conoscenza attuale sull’architettura cognitiva umana, sulle differenze tra esperti e principianti e sulla teoria del carico cognitivo. Sebbene gli approcci non guidati o minimamente guidati siano popolari e intuitivamente attraenti, essi ignorano le strutture fondamentali della mente umana e le prove empiriche raccolte negli ultimi cinquant’anni, che indicano come l’istruzione con guida minima risulti meno efficace ed efficiente rispetto a quella fortemente guidata. Il vantaggio della guida tende a diminuire solo quando gli studenti possiedono conoscenze pregresse sufficienti a fornire una “guida interna”. Vengono infine presentati alcuni sviluppi recenti della ricerca e della progettazione didattica che sostengono l’importanza della guida durante l’apprendimento.

---

Introduzione

Le discussioni riguardanti l’impatto della guida durante l’insegnamento proseguono da almeno mezzo secolo (Ausubel, 1964; Craig, 1956; Mayer, 2004; Shulman e Keisler, 1966). Da un lato vi sono coloro che sostengono l’ipotesi secondo cui le persone apprendono meglio in ambienti non guidati o con guida minima, in cui gli studenti devono scoprire o costruire da soli le informazioni essenziali (Bruner, 1961; Papert, 1980; Steffe e Gale, 1995). Dall’altro lato, i sostenitori dell’istruzione diretta affermano che i principianti debbano ricevere una guida esplicita sui concetti e sulle procedure di una disciplina, invece di doverli scoprire autonomamente (Cronbach e Snow, 1977; Klahr e Nigam, 2004; Mayer, 2004; Sweller, 2003). Per “istruzione diretta” si intende l’offrire le informazioni che spiegano in modo completo i concetti e le procedure che gli studenti devono apprendere, insieme a un supporto strategico per l’apprendimento coerente con l’architettura cognitiva umana. L’apprendimento è definito come un cambiamento nella memoria a lungo termine.

L’approccio con guida minima ha ricevuto nel tempo varie denominazioni: apprendimento per scoperta (Anthony, 1973; Bruner, 1961); apprendimento basato sui problemi (Barrows e Tamblyn, 1980; Schmidt, 1983); apprendimento per indagine (Papert, 1980; Rutherford, 1964); apprendimento esperienziale (Boud, Keogh e Walker, 1985; Kolb e Fry, 1975); e apprendimento costruttivista (Jonassen, 1991; Steffe e Gale, 1995). Esempi applicativi di questi approcci includono l’insegnamento delle scienze in cui gli studenti, collocati in contesti di apprendimento per indagine, devono scoprire i principi fondamentali – e già ben noti – della disciplina imitando le attività di ricerca degli scienziati (Van Joolingen, de Jong, Lazonder, Savelsbergh, & Manlove, 2005). Analogamente, nei corsi di medicina basati sui problemi, gli studenti sono invitati a trovare soluzioni diagnostiche a casi clinici comuni utilizzando le tecniche di problem solving (Schmidt, 1998, 2000).

Due sono le principali assunzioni alla base dei programmi didattici con guida minima:

1. Gli studenti sono sfidati a risolvere problemi “autentici” o ad acquisire conoscenze complesse in contesti ricchi di informazioni, partendo dal presupposto che la costruzione autonoma delle soluzioni generi un apprendimento più efficace.
2. Il secondo è che la conoscenza possa essere acquisita nel modo migliore attraverso l’esperienza diretta delle procedure tipiche della disciplina, cioè considerando il contenuto pedagogico dell’esperienza di apprendimento come coincidente con i metodi, i processi e l’epistemologia propri della disciplina studiata (Kirschner, 1992).

Viene offerto un livello minimo di guida, sotto forma di informazioni relative al processo o al compito, disponibili qualora gli studenti scelgano di utilizzarle. I sostenitori di questo approccio implicano che una guida didattica che fornisca o incorpori strategie di apprendimento nell’istruzione interferisca con i processi naturali attraverso i quali gli studenti attingono alla propria esperienza pregressa e ai propri stili di apprendimento per costruire nuove conoscenze situate, utili al raggiungimento dei loro obiettivi. Secondo Wickens (1992, citato in Bernstein, Penner, Clarke-Stewart, Roy e Wickens, 2003), ad esempio,

una quantità elevata di guida può produrre ottime prestazioni durante la fase di esercitazione, ma un eccesso di guida può compromettere le prestazioni successive. Fornire agli studenti indicazioni sulle risposte corrette in matematica, per esempio, può ridurre in seguito la loro capacità di richiamare autonomamente dalla memoria le risposte corrette (p. 221).

Questo argomento di matrice costruttivista ha attirato un seguito considerevole.

Lo scopo di questo articolo è suggerire che, sulla base delle attuali conoscenze sull’architettura cognitiva umana, un’istruzione con guida minima è con ogni probabilità inefficace.
La ricerca empirica condotta negli ultimi cinquant’anni su questo tema ha fornito prove schiaccianti e inequivocabili del fatto che una guida minima durante l’istruzione risulta significativamente meno efficace ed efficiente rispetto a una guida progettata specificamente per supportare l’elaborazione cognitiva necessaria all’apprendimento.

---

CONSEGUENZE DELL’ARCHITETTURA COGNITIVA UMANA PER L’ISTRUZIONE CON GUIDA MINIMA

Qualsiasi procedura didattica che ignori le strutture della mente umana difficilmente sarà efficace. L’istruzione minimamente guidata tende a trascurare le caratteristiche della memoria di lavoro, della memoria a lungo termine e le intricate relazioni tra di esse. Il risultato è una serie di raccomandazioni che la maggior parte degli educatori trova quasi impossibile da mettere in pratica — e che molti educatori esperti sono riluttanti ad applicare — poiché richiedono agli studenti di impegnarsi in attività cognitive che difficilmente conducono a un apprendimento efficace. Di conseguenza, gli insegnanti più competenti possono finire per ignorare tali raccomandazioni o, nel migliore dei casi, limitarsi a un’adesione puramente formale (ad esempio, Aulls, 2002). In questa sezione discuteremo alcune caratteristiche dell’architettura cognitiva umana e le relative implicazioni didattiche.

Architettura cognitiva umana

L’architettura cognitiva umana riguarda il modo in cui le nostre strutture cognitive sono organizzate. La maggior parte dei modelli contemporanei di architettura cognitiva umana si basa sul modello di Atkinson e Shiffrin (1968), che distingue tra memoria sensoriale, memoria di lavoro e memoria a lungo termine. La memoria sensoriale non è rilevante per la presente discussione e pertanto non verrà ulteriormente considerata. Le relazioni tra memoria di lavoro e memoria a lungo termine, insieme ai processi cognitivi che supportano l’apprendimento, rivestono invece un’importanza cruciale per l’argomentazione.

La nostra comprensione del ruolo della memoria a lungo termine nella cognizione umana è cambiata in modo radicale negli ultimi decenni. Essa non è più vista come un deposito passivo di frammenti discreti e isolati di informazione, utile solo a ripetere ciò che abbiamo appreso. Né è più considerata un semplice componente dell’architettura cognitiva umana con un’influenza marginale sui processi cognitivi complessi, come il pensiero o la risoluzione di problemi. Al contrario, la memoria a lungo termine è oggi considerata la struttura centrale e dominante della cognizione umana. Tutto ciò che vediamo, ascoltiamo e pensiamo dipende in modo critico ed è influenzato dalla nostra memoria a lungo termine.

Il lavoro di De Groot (1945/1965) sull’expertise scacchistica, successivamente ampliato da Chase e Simon (1973), ha avuto un’influenza determinante nella riconcettualizzazione del ruolo della memoria a lungo termine. È stato infatti dimostrato che i giocatori di scacchi esperti sono molto più abili dei principianti nel riprodurre configurazioni di pezzi tratte da partite reali osservate per un breve tempo, mentre non mostrano differenze significative nel riprodurre configurazioni casuali. Questo risultato è stato replicato in numerosi altri ambiti (ad esempio, Egan & Schwartz, 1979; Jeffries, Turner, Polson, & Atwood, 1981; Sweller & Cooper, 1985).

Tali risultati suggeriscono che i risolutori di problemi esperti derivano la loro competenza dall’ampia esperienza accumulata nella memoria a lungo termine, dalla quale attingono rapidamente per selezionare e applicare le procedure più appropriate alla soluzione dei problemi. Il fatto che tali differenze possano spiegare completamente la competenza nella risoluzione dei problemi sottolinea l’importanza della memoria a lungo termine per la cognizione. Siamo competenti in un determinato ambito perché la nostra memoria a lungo termine contiene una grande quantità di informazioni relative a quell’ambito. Tali informazioni ci permettono di riconoscere rapidamente le caratteristiche di una situazione e ci indicano — spesso in modo inconsapevole — cosa fare e quando farlo.

Senza la vasta riserva di informazioni contenute nella memoria a lungo termine, saremmo in gran parte incapaci di compiere persino azioni semplici, come attraversare una strada (informazioni memorizzate a lungo termine ci indicano come evitare il traffico veloce — una competenza che molti altri animali non sono in grado di immagazzinare nelle loro memorie a lungo termine), per non parlare di attività complesse come giocare a scacchi o risolvere problemi matematici. La nostra memoria a lungo termine, dunque, incorpora una base di conoscenze imponente, che costituisce il fulcro di tutte le nostre attività di natura cognitiva.

Quali sono le conseguenze didattiche di questa concezione della memoria a lungo termine? In primo luogo, e nel modo più fondamentale, l’architettura della memoria a lungo termine fornisce la giustificazione ultima dell’istruzione stessa.
Lo scopo di ogni forma di istruzione è modificare la memoria a lungo termine. Se nulla è cambiato nella memoria a lungo termine, nulla è stato appreso. Qualsiasi raccomandazione didattica che non specifichi — o non possa specificare — che cosa sia cambiato nella memoria a lungo termine, o che non aumenti l’efficienza con cui le informazioni rilevanti vengono immagazzinate o recuperate da essa, è probabilmente inefficace.

Caratteristiche e funzioni della memoria di lavoro

La memoria di lavoro è la struttura cognitiva all’interno della quale avviene l’elaborazione consapevole. Siamo consapevoli soltanto delle informazioni che vengono elaborate nella memoria di lavoro, mentre restiamo più o meno inconsapevoli della quantità immensamente maggiore di informazioni immagazzinate nella memoria a lungo termine.

La memoria di lavoro presenta due caratteristiche ben note:
quando elabora informazioni nuove, è molto limitata sia per durata sia per capienza. Sappiamo almeno dai lavori di Peterson e Peterson (1959) che quasi tutte le informazioni conservate nella memoria di lavoro — se non vengono ripetute o rielaborate — vengono perse entro 30 secondi; e almeno da Miller (1956) che la capacità della memoria di lavoro è ristretta a un numero molto piccolo di elementi.
Secondo Miller questo numero è di circa sette unità, ma potrebbe essere anche di sole quattro, con margine d’errore di uno (cfr. Cowan, 2001). Inoltre, quando la memoria di lavoro elabora informazioni, anziché semplicemente conservarle, è plausibile ipotizzare che il numero di elementi che possono essere processati scenda a due o tre, a seconda della natura dell’elaborazione richiesta.

Le interazioni tra memoria di lavoro e memoria a lungo termine possono essere ancora più importanti delle stesse limitazioni di elaborazione (Sweller, 2003, 2004). Le limitazioni della memoria di lavoro si applicano solo alle informazioni nuove, cioè a quelle che non sono ancora state apprese né archiviate nella memoria a lungo termine. Le informazioni nuove — come le combinazioni inedite di numeri o lettere — possono essere mantenute solo per brevi periodi, e in quantità molto ridotte. Al contrario, quando si elaborano informazioni già apprese e conservate nella memoria a lungo termine, tali limitazioni scompaiono. Dal momento che le informazioni possono essere richiamate dalla memoria a lungo termine nella memoria di lavoro per periodi di tempo indefiniti, i limiti temporali della memoria di lavoro diventano irrilevanti. Analogamente, non esistono limiti noti alla quantità di informazioni che possono essere richiamate dalla memoria a lungo termine nella memoria di lavoro.
Infatti, le caratteristiche differenti che la memoria di lavoro mostra nell’elaborazione di materiale familiare rispetto a materiale nuovo hanno portato Ericsson e Kintsch (1995) a proporre una struttura distinta, denominata memoria di lavoro a lungo termine, per gestire le informazioni ben apprese e automatizzate.

Qualsiasi teoria dell’istruzione che ignori i limiti della memoria di lavoro nell’elaborazione di informazioni nuove, o che ignori la scomparsa di tali limiti nel trattamento di informazioni familiari, è probabilmente inefficace. Le linee guida che promuovono un’istruzione con guida minima procedono come se la memoria di lavoro non esistesse, oppure — se esiste — come se non avesse alcuna limitazione rilevante quando si tratta di informazioni nuove, precisamente quelle di maggiore interesse per i metodi didattici di tipo costruttivista. Sappiamo che la risoluzione di problemi, elemento centrale di una delle procedure didattiche che sostengono la guida minima, ovvero l’istruzione basata sull’indagine (inquiry-based instruction), impone un carico enorme alla memoria di lavoro (Sweller, 1988). Pertanto, spetta a coloro che sostengono l’istruzione basata sull’indagine spiegare come tale metodo possa superare i ben noti limiti della memoria di lavoro quando si tratta di elaborare informazioni nuove.

Implicazioni dell’architettura cognitiva umana per l’istruzione costruttivista

Queste strutture della memoria e le relazioni che le legano hanno implicazioni dirette per la progettazione didattica (ad esempio, Sweller, 1999; Sweller, van Merriënboer & Paas, 1998). L’istruzione basata sull’indagine (inquiry-based instruction) richiede che lo studente esplori uno spazio di problemi alla ricerca di informazioni rilevanti per la loro soluzione. Tuttavia, ogni processo di ricerca orientato alla risoluzione di problemi impone un carico elevato alla memoria di lavoro. Inoltre, tale carico non contribuisce all’accumulo di conoscenze nella memoria a lungo termine, poiché, mentre la memoria di lavoro è impegnata nella ricerca di soluzioni, non è disponibile per l’apprendimento.
In effetti, è possibile cercare soluzioni per lunghi periodi di tempo producendo solo modifiche minime nella memoria a lungo termine (si veda, ad esempio, Sweller, Mawer & Howe, 1982). Lo scopo dell’istruzione non è, in generale, semplicemente quello di far sì che lo studente cerchi o scopra informazioni; il vero obiettivo è fornire una guida specifica che lo aiuti a manipolare cognitivamente le informazioni in modo coerente con un obiettivo di apprendimento, e a immagazzinare i risultati nella memoria a lungo termine.

Le conseguenze del richiedere a studenti principianti di cercare soluzioni a problemi disponendo di una memoria di lavoro limitata, o i meccanismi attraverso i quali un’istruzione priva di guida o con guida minima possa effettivamente produrre cambiamenti nella memoria a lungo termine, sembrano essere sistematicamente ignorati. Il risultato è una serie di approcci didattici, denominati in modi diversi ma sostanzialmente simili, che prevedono una guida minima e che risultano disconnessi da gran parte delle conoscenze attuali sulla cognizione umana. Raccomandare un’istruzione con guida minima era comprensibile quando Bruner (1961) propose l’apprendimento per scoperta come strumento didattico, poiché all’epoca le strutture e le relazioni che costituiscono l’architettura cognitiva umana non erano ancora state descritte. Oggi, tuttavia, ci troviamo in un contesto completamente diverso, poiché sappiamo molto di più sulle strutture, funzioni e caratteristiche della memoria di lavoro e della memoria a lungo termine, sulle relazioni tra di esse e sulle loro conseguenze per l’apprendimento e la risoluzione di problemi. Questa nuova comprensione ha costituito la base per ricerche sistematiche e per lo sviluppo di teorie dell’istruzione che riflettono la nostra attuale conoscenza dell’architettura cognitiva (ad esempio, Anderson, 1996; Glaser, 1987). Tale corpus di conoscenze dovrebbe essere centrale nella progettazione di un’istruzione efficace e guidata.

Naturalmente, le affermazioni di carattere teorico secondo cui un’istruzione con guida minima dovrebbe produrre un’efficacia minima hanno scarso valore se non supportate da evidenze empiriche. Gli studi empirici che confrontano istruzione guidata e non guidata verranno discussi dopo una rassegna delle argomentazioni attuali a favore della guida minima.

ORIGINI DEL COSTRUTTIVISMO E PROSPETTIVE SULL’ISTRUZIONE CON GUIDA MINIMA

Data l’incompatibilità tra un’istruzione a guida minima e le conoscenze che possediamo sull’architettura cognitiva umana, quale giustificazione è stata fornita per tali approcci? La versione più recente dell’istruzione con guida minima deriva dal costruttivismo (ad esempio, Steffe & Gale, 1995), che sembra fondarsi sull’osservazione secondo cui la conoscenza viene costruita dagli studenti stessi e che, di conseguenza:
(a) essi devono avere l’opportunità di costruire tale conoscenza, essendo esposti a obiettivi e a un insieme minimo di informazioni;
(b) l’apprendimento è un processo idiosincratico, per cui un formato o una strategia didattica comune risulterebbero inefficaci.
La descrizione costruttivista dell’apprendimento è corretta dal punto di vista descrittivo, ma le conseguenze didattiche che i costruttivisti ne traggono non ne derivano necessariamente.

La maggior parte degli studenti — di qualunque età — sa costruire conoscenza quando dispone di informazioni adeguate, e non esiste alcuna evidenza che presentare loro informazioni parziali migliori la loro capacità di costruire una rappresentazione mentale rispetto al fornire informazioni complete. In realtà, il contrario sembra più spesso vero. I discenti devono costruire una rappresentazione mentale, o schema, indipendentemente dal fatto che ricevano informazioni complete o parziali; tuttavia, fornire informazioni complete porta a una rappresentazione più accurata e più facilmente acquisibile. Il costruttivismo si fonda quindi su un’osservazione che, pur essendo corretta dal punto di vista descrittivo, non conduce a una teoria prescrittiva della progettazione didattica, né a tecniche pedagogiche efficaci (Clark & Estes, 1998, 1999; Estes & Clark, 1999; Kirschner, Martens & Strijbos, 2004). Ciononostante, molti educatori, ricercatori in ambito educativo, progettisti didattici e sviluppatori di materiali di apprendimento sembrano aver abbracciato e tentato di applicare l’istruzione con guida minima.

Un’altra conseguenza dei tentativi di applicare la teoria costruttivista è stato lo spostamento dell’enfasi dall’insegnamento di una disciplina come corpus di conoscenze verso una l’enfasi esclusiva sull’apprendimento della disciplina attraverso l’esperienza diretta dei processi e delle procedure proprie di quella disciplina (Handelsman et al., 2004; Hodson, 1988). Questo cambiamento di prospettiva è stato accompagnato dall’assunzione, condivisa da molti educatori e specialisti disciplinari, che la conoscenza possa essere appresa al meglio — o solo — attraverso l’esperienza pratica basata sui procedimenti della disciplina stessa. Tale punto di vista ha portato molti insegnanti a impegnarsi in un ampio uso di attività pratiche o progettuali, rifiutando forme di insegnamento basate sui fatti, le leggi, i principi e le teorie che costituiscono il contenuto di una disciplina, e preferendo metodi d’apprendimento per scoperta o indagine. Un’enfasi più decisa sull’applicazione pratica delle abilità di indagine e di risoluzione di problemi può sembrare un passo positivo. Nondimeno è un errore fondamentale presumere che il contenuto pedagogico di un’esperienza di apprendimento sia identico ai metodi e ai processi epistemologici propri della disciplina studiata, e un errore altrettanto grave supporre che l’insegnamento debba concentrarsi esclusivamente su tali metodi e processi.

Shulman (1986; Shulman & Hutchings, 1999) ha contribuito a chiarire perché gli approcci con minore guida tendano a fallire, nella sua analisi dell’integrazione tra competenza disciplinare e abilità pedagogica. Egli ha definito la conoscenza del contenuto disciplinare come “la quantità e l’organizzazione della conoscenza in sé nella mente dell’insegnante” (Shulman, 1986, p. 9), e la conoscenza pedagogica del contenuto come una conoscenza “che va oltre la semplice padronanza del contenuto disciplinare in se stesso, estendendosi alla dimensione della conoscenza del contenuto in vista dell’insegnamento” (p. 9). Inoltre, ha definito la conoscenza curricolare come “la farmacopea dalla quale l’insegnante attinge gli strumenti didattici che presentano o esemplificano un determinato contenuto” (p. 10). Kirschner (1991, 1992) ha sostenuto anch’egli che il modo in cui un esperto opera nel proprio dominio (epistemologia) non equivale al modo in cui si apprende in tale dominio (pedagogia). Un ragionamento simile fu seguito da Dehoney (1995), il quale osservò che i modelli mentali e le strategie degli esperti si sviluppano attraverso un lento processo di accumulazione dell’esperienza nel loro ambito di competenza.

Nonostante questa chiara distinzione tra apprendere una disciplina e praticarla, molti progettisti curricolari, tecnologi dell’educazione e insegnanti sembrano confondere l’insegnamento di una disciplina come indagine (cioè, con un’enfasi curricolare sui processi di ricerca propri della scienza) con l’insegnamento mediante l’indagine (cioè, l’uso del metodo di ricerca della disciplina come strumento pedagogico o di apprendimento). Le radici di tale confusione risalgono probabilmente a ciò che Hurd (1969) definì la “razionalità dello scienziato”, secondo cui un corso di istruzione scientifica

“dovrebbe costituire un’immagine speculare della disciplina scientifica, sia nella struttura concettuale sia nei modelli di indagine. Le teorie e i metodi della scienza moderna dovrebbero riflettersi nella classe. Nell’insegnamento di una scienza, le attività didattiche dovrebbero essere in armonia con i suoi processi d’indagine e sostenere la struttura concettuale, intuitiva e teorica della sua conoscenza.” (p. 16)

Questa impostazione presuppone che

il raggiungimento di determinate attitudini, la promozione dell’interesse per la scienza, l’acquisizione di abilità di laboratorio, l’apprendimento delle conoscenze scientifiche e la comprensione della natura della scienza debbano essere perseguiti attraverso la metodologia della scienza, generalmente intesa in senso induttivo (Hodson, 1988, p. 22).

Il principale errore di tale impostazione è la mancanza di distinzione tra i comportamenti e i metodi di un ricercatore esperto e quelli di studenti principianti, che sono, per definizione, novizi nella disciplina.

Secondo Kyle (1980), l’indagine scientifica è una capacità di prestazione sistematica e investigativa che implica un pensiero libero e flessibile solo dopo che una persona ha acquisito una conoscenza ampia e critica del contenuto disciplinare attraverso processi formali di insegnamento. Non può quindi essere equiparata ai metodi investigativi dell’insegnamento scientifico, alle tecniche di auto-apprendimento o a metodi didattici aperti. Gli educatori che confondono le due dimensioni commettono un errore concettuale, utilizzando in modo improprio l’“indagine” come paradigma su cui basare una strategia di insegnamento.

Infine, Novak (1988), osservando come i principali sforzi per migliorare l’insegnamento delle scienze nelle scuole secondarie negli anni Cinquanta e Sessanta non abbiano prodotto i risultati sperati, arrivò ad affermare che il principale ostacolo che ha impedito un “miglioramento rivoluzionario dell’educazione scientifica … è stata l’epistemologia obsoleta alla base dell’enfasi sulla scienza orientata all’‘indagine” (pp. 79–80).

RICERCHE A CONFRONTO TRA ISTRUZIONE GUIDATA E NON GUIDATA

Tutti gli argomenti e i ragionamenti esposti finora avrebbero scarsa importanza se esistesse un corpus di ricerche sperimentali controllate che dimostrasse che un’istruzione non guidata o minimamente guidata è più efficace di un’istruzione guidata. In realtà, come ci si potrebbe aspettare sulla base delle conoscenze attuali sulla cognizione umana e delle differenze tra apprendere una disciplina e praticarla, accade esattamente il contrario. Gli esperimenti controllati mostrano quasi unanimemente che, quando si affrontano informazioni nuove, gli studenti dovrebbero essere esplicitamente istruiti su cosa fare e su come farlo.

Numerose revisioni di studi empirici hanno costruito una solida base di evidenze contro l’uso di strategie didattiche a guida minima. Sebbene una rassegna esaustiva di tali studi esuli dagli scopi del presente articolo, Mayer (2004) ha recentemente riesaminato le prove derivanti da ricerche condotte tra il 1950 e la fine degli anni Ottanta, confrontando l’apprendimento per scoperta pura — definito come istruzione non guidata e basata sui problemi — con forme di istruzione guidata. Egli osservò che, in ogni decennio a partire dalla metà degli anni Cinquanta, quando gli studi empirici avevano fornito prove solide del fatto che l’approccio non guidato allora in voga non funzionava, un approccio simile riemergeva sotto un nome diverso, ripetendo il ciclo. Ogni nuova generazione di sostenitori dell’istruzione non guidata sembrava ignorare o disinteressarsi delle prove precedenti che ne avevano mostrato l’inefficacia.

Questo schema ha prodotto una sequenza ben nota: apprendimento per scoperta, poi apprendimento esperienziale, quindi apprendimento basato sui problemi e sull’indagine, fino alle più recenti tecniche didattiche costruttiviste.
Mayer (2004) concluse che “il dibattito sull’apprendimento per scoperta si è ripetuto molte volte nel campo dell’educazione, ma ogni volta le evidenze hanno favorito un approccio guidato all’apprendimento” (p. 18).

Ricerche contemporanee a sostegno dell’istruzione guidata diretta

Poiché gli studenti apprendono molto poco attraverso un approccio costruttivista puro, la maggior parte degli insegnanti che tenta di applicarlo in classe finisce per fornire agli studenti una guida considerevole. Questo è, ad esempio, ciò che emerge dagli studi qualitativi di Aulls (2002), che osservò diversi insegnanti durante l’attuazione di attività costruttiviste nelle loro classi. Egli descrisse il tipo di “impalcatura” (scaffolding) introdotta dagli insegnanti più efficaci quando gli studenti non riuscivano a progredire in contesti di apprendimento per scoperta.
L’insegnante i cui studenti raggiunsero tutti gli obiettivi di apprendimento trascorreva gran parte del tempo in interazioni didattiche con loro,

“insegnando contemporaneamente i contenuti e fornendo impalcature procedurali pertinenti… (a) modellando procedure per identificare e auto-controllare le informazioni importanti; (b) mostrando agli studenti come ridurre tali informazioni in parafrasi; (c) guidandoli nell’uso degli appunti per costruire collaborazioni e routine; e (d) promuovendo il dialogo collaborativo nella risoluzione dei problemi.” (p. 533)

Evidenze ancora più forti, provenienti da studi sperimentali controllati ben progettati, sostengono anch’esse l’efficacia della guida istruttiva diretta (cfr. Moreno, 2004; Tuovinen & Sweller, 1999). Hardiman, Pollatsek e Weil (1986) e Brown e Campione (1994) notarono che, quando gli studenti apprendono la scienza in classi basate su metodi di scoperta pura e con feedback minimo, essi spesso si sentono disorientati e frustrati, e tale confusione può portare a concezioni errate. Altri ricercatori (ad es. Carlson, Lundy & Schneider, 1992; Schauble, 1990) hanno riscontrato che, poiché gli errori iniziali sono frequenti in tali contesti, l’apprendimento per scoperta non guidato è perlopiù inefficiente.
Moreno (2004) concluse che esiste un corpus crescente di ricerche che mostra come gli studenti apprendano più in profondità attraverso l’apprendimento fortemente guidato rispetto a quello per scoperta. Conclusioni analoghe sono state riportate da Chall (2000), McKeough, Lupart e Marini (1995), Schauble (1990) e Singley e Anderson (1989). In uno studio particolarmente importante, Klahr e Nigam (2004) hanno testato non solo se gli studenti di scienze apprendessero meglio attraverso l’approccio per scoperta o con l’istruzione diretta, ma anche se la qualità dell’apprendimento differisse una volta avvenuto. In particolare, verificarono se coloro che avevano imparato per scoperta fossero più capaci di trasferire le conoscenze a nuovi contesti. I risultati furono inequivocabili: l’istruzione diretta, comprendente una guida dettagliata e numerosi esempi, produsse molto più apprendimento rispetto alla scoperta. Quei pochi studenti che avevano appreso attraverso la scoperta non mostrarono alcun segno di una qualità di apprendimento superiore.

Il carico cognitivo

Sweller e altri autori (Mayer, 2001; Paas, Renkl & Sweller, 2003, 2004; Sweller, 1999, 2004; Winn, 2003) hanno osservato che, nonostante i presunti vantaggi degli ambienti di apprendimento non guidati per favorire la costruzione di significato, la teoria del carico cognitivo suggerisce che la libera esplorazione di un ambiente complesso può generare un forte sovraccarico della memoria di lavoro, dannoso per l’apprendimento. Ciò è particolarmente vero per i principianti, che non dispongono di schemi adeguati per integrare le nuove informazioni con le conoscenze pregresse. Tuovinen e Sweller (1999) mostrarono che la pratica esplorativa (una tecnica di scoperta) produceva un carico cognitivo molto maggiore e portava a un apprendimento peggiore rispetto alla pratica basata su esempi risolti. Gli studenti più esperti, invece, non risentivano di effetti negativi e traevano vantaggio in egual misura da entrambi i metodi. Mayer (2001) descrisse un’ampia serie di esperimenti di istruzione multimediale progettati sulla base della teoria del carico cognitivo di Sweller (1988, 1999) e di altre fonti teoriche cognitiviste. In tutti questi studi, l’istruzione guidata non solo produceva un maggior richiamo immediato dei fatti rispetto agli approcci non guidati, ma anche un migliore trasferimento a lungo termine e maggiori abilità di problem solving.

Gli esempi risolti

Un esempio risolto rappresenta l’essenza dell’istruzione fortemente guidata, così come la scoperta autonoma della soluzione in un ambiente ricco di informazioni rappresenta l’essenza dell’apprendimento per scoperta con guida minima.
L’effetto dell’esempio risolto, fondato sulla teoria del carico cognitivo, si verifica quando gli studenti che devono risolvere problemi ottengono risultati peggiori nei test successivi rispetto a quelli che studiano esempi risolti equivalenti.
Questo effetto, replicato numerose volte, costituisce una delle prove più forti della superiorità dell’istruzione guidata rispetto alla guida minima, anche perché si basa su esperimenti controllati.

L’effetto fu dimostrato per la prima volta da Sweller e Cooper (1985) e Cooper e Sweller (1987), i quali scoprirono che gli studenti di algebra apprendevano di più studiando esempi risolti che non risolvendo direttamente problemi equivalenti.
Da allora, l’effetto è stato replicato più volte, con una grande varietà di studenti e materiali didattici (Carroll, 1994; Miller, Lehman & Koedinger, 1999; Paas, 1992; Paas & van Merriënboer, 1994; Pillay, 1994; Quilici & Mayer, 1996; Trafton & Reiser, 1993). Per i principianti, lo studio di esempi risolti risulta invariabilmente superiore alla scoperta autonoma o alla costruzione di una soluzione.

Perché si verifica questo effetto? Secondo la teoria del carico cognitivo, risolvere un problema richiede una ricerca di soluzioni, che deve avvenire utilizzando la memoria di lavoro, la quale è limitata. Tale ricerca è un modo inefficiente di modificare la memoria a lungo termine, perché serve a trovare una soluzione, non a consolidare l’apprendimento. Infatti, la ricerca di soluzioni può funzionare perfettamente anche senza alcun apprendimento (Sweller, 1988). Essa sovraccarica la memoria di lavoro e impiega risorse cognitive in attività non direttamente correlate all’apprendimento. Di conseguenza, gli studenti possono impegnarsi nella risoluzione di problemi per lunghi periodi senza apprendere quasi nulla (Sweller et al., 1982).

Al contrario, studiare un esempio risolto riduce il carico della memoria di lavoro — poiché la ricerca è eliminata o fortemente limitata — e dirige l’attenzione (cioè le risorse della memoria di lavoro) verso l’apprendimento delle relazioni essenziali tra le mosse di risoluzione. Gli studenti imparano così a riconoscere quali passaggi sono necessari per determinati problemi, ponendo le basi per la formazione di schemi di problem solving (Chi, Glaser & Rees, 1982). Rispetto a chi risolve problemi in autonomia, gli studenti che studiano esempi risolti mostrano quindi l’effetto dell’esempio risolto.

Esistono, tuttavia, condizioni in cui questo effetto non si manifesta. In primo luogo, esso non si verifica quando gli esempi risolti sono strutturati in modo da imporre un carico cognitivo eccessivo; è infatti possibile costruire esempi risolti che risultino tanto impegnativi quanto la scoperta autonoma della soluzione (Tarmizi & Sweller, 1988; Ward & Sweller, 1990). In secondo luogo, l’effetto scompare — e può addirittura invertirsi — man mano che aumenta l’esperienza degli studenti.
La risoluzione di problemi diventa relativamente efficace solo quando gli studenti possiedono un livello di esperienza sufficiente tale che lo studio di un esempio risolto rappresenta, per loro, un’attività ridondante, che aumenta il carico della memoria di lavoro rispetto al generare autonomamente una soluzione già nota (Kalyuga, Chandler, Tuovinen & Sweller, 2001). Questo fenomeno, noto come effetto di inversione dell’expertise (expertise reversal effect; Kalyuga, Ayres, Chandler & Sweller, 2003), sottolinea l’importanza di fornire una guida estesa ai principianti, che non dispongono ancora delle conoscenze necessarie nella memoria a lungo termine per apprendere in modo efficiente. Tale guida può essere progressivamente ridotta solo con l’aumentare dell’esperienza, quando la conoscenza memorizzata a lungo termine può sostituire la guida esterna.

Schede di processo (Process worksheets)

Un altro modo per fornire guida didattica consiste nell’uso delle schede di processo (process worksheets; Van Merriënboer, 1997). Tali strumenti offrono una descrizione delle fasi da seguire nella risoluzione di un problema, insieme a suggerimenti o regole pratiche utili per completare con successo ciascuna fase.
Gli studenti possono consultare la scheda di processo durante lo svolgimento delle attività e annotarvi i risultati intermedi.

Nadolski, Kirschner e van Merriënboer (2005), ad esempio, hanno studiato gli effetti dell’uso di schede di processo con studenti di giurisprudenza e hanno riscontrato che la loro disponibilità aveva effetti positivi sulle prestazioni, evidenziati da una maggiore coerenza e da un contenuto più accurato nei casi giuridici sviluppati.
Gli studenti che ricevevano guida attraverso le schede di processo ottenevano risultati superiori rispetto a quelli lasciati a scoprire autonomamente le procedure appropriate.

RICERCHE SUI MODELLI EDUCATIVI CHE PROMUOVONO UNA GUIDA MINIMA DURANTE L’ISTRUZIONE IN DIVERSI CONTESTI

Dopo aver discusso l’architettura cognitiva umana alla base dell’apprendimento e le ricerche attuali che sostengono l’istruzione diretta mediante guida, questa sezione esamina una serie di modelli educativi alternativi che considerano e utilizzano la guida minima come approccio all’apprendimento e all’insegnamento.

Apprendimento esperienziale sul lavoro

Kolb (1971) e Kolb e Fry (1975) sostennero che il processo di apprendimento inizia spesso quando una persona compie una determinata azione e poi osserva o scopre l’effetto di tale azione in una certa situazione. Il secondo passo consiste nel comprendere questi effetti nel caso specifico, in modo che, se la stessa azione fosse ripetuta nelle medesime circostanze, sia possibile prevedere ciò che ne deriverebbe. Seguendo questo schema, il terzo passo consisterebbe nel comprendere il principio generale in base al quale rientra il caso particolare. Essi proposero inoltre una serie di stili di apprendimento che, secondo la loro ipotesi, influenzerebbero il modo in cui gli studenti traggono vantaggio dalle situazioni di apprendimento esperienziale.

I tentativi di validare l’apprendimento esperienziale e gli stili di apprendimento (Kolb, 1971, 1984, 1999) non sembrano essere stati del tutto riusciti. Iliff (1994), ad esempio, riportò in una “meta-analisi di 101 studi quantitativi sul Learning Style Inventory, tratti da 275 tesi e 624 articoli di natura qualitativa, teorica e quantitativa sull’Experiential Learning Theory e sul Kolb Learning Style Inventory” (Kolb, Boyatzis e Mainemelis, 2001, p. 20) correlazioni classificate come basse (< .5) e dimensioni d’effetto deboli (.2) o medie (.5). Egli concluse che l’entità di tali risultati non è sufficiente a soddisfare gli standard di validità predittiva necessari a sostenere l’uso di queste misure o dei metodi esperienziali nella formazione professionale.
Allo stesso modo, Ruble e Stout (1993), citando numerosi studi condotti tra il 1980 e il 1991, conclusero che il Kolb Learning Style Inventory (KLSI-1976; Kolb, 1976) presenta una bassa affidabilità test–retest, che vi è poca o nessuna correlazione tra fattori che dovrebbero invece essere correlati alla classificazione degli stili di apprendimento, e che lo strumento non gode di un’ampia accettazione quanto alla sua utilità, in particolare per fini di ricerca.

Roblyer (1996) e Perkins (1991) esaminarono le evidenze a favore della pedagogia minimamente guidata negli studi di progettazione e tecnologia didattica. Entrambi giunsero alla conclusione che le prove disponibili non supportano l’uso di una guida minima e che è necessaria una forma più forte di guida sia per favorire un apprendimento efficace sia per garantire il trasferimento delle conoscenze.

Differenze individuali nell’apprendimento attraverso l’istruzione

Gli approcci costruttivisti all’istruzione si basano, in parte, sulla convinzione che le differenze individuali moderino l’impatto dei metodi didattici. Tale preoccupazione è condivisa da un ampio corpus di studi sull’interazione tra attitudine e trattamento (Aptitude–Treatment Interaction, ATI), che esaminano se gli effetti dei diversi metodi di insegnamento siano influenzati dalle attitudini e dai tratti degli studenti (ad esempio Cronbach e Snow, 1977; Kyllonen e Lajoie, 2003; Snow, Corno e Jackson, 1996). Gran parte di questo lavoro rappresenta un chiaro antecedente dell’effetto di inversione dell’expertise, discusso in precedenza, secondo il quale i metodi di istruzione efficaci per i principianti diventano meno efficaci con l’aumentare dell’esperienza.

Cronbach e Snow (1977), nella loro rassegna della ricerca ATI, descrissero numerose interazioni replicate, sia ordinarie che disordinarie, tra vari metodi didattici e diverse attitudini. Una delle scoperte più comuni, secondo Kyllonen e Lajoie (2003), fu “che trattamenti più forti beneficiavano gli studenti meno capaci, mentre trattamenti più deboli avvantaggiavano quelli più capaci” (p. 82). Questa conclusione anticipava ciò che oggi è noto come effetto di impalcatura.

Nei metodi didattici descritti da Cronbach e Snow (1977), i trattamenti forti implicavano presentazioni altamente strutturate, in cui venivano forniti un’organizzazione esplicita delle informazioni e un consistente supporto all’apprendimento. I trattamenti deboli erano invece relativamente non strutturati e offrivano un sostegno molto minore. Le misurazioni delle attitudini utilizzate nelle ricerche analizzate da Cronbach e Snow erano varie, ma di solito includevano indicatori della conoscenza disciplinare specifica e misure di abilità cristallizzata e fluida. Snow e Lohman (1984) incoraggiarono la ricerca volta a comprendere i processi cognitivi richiesti da specifici obiettivi di apprendimento. Essi sostennero l’importanza di descrivere i processi cognitivi necessari per apprendere determinate classi di compiti, di analizzare come tali processi si riflettano nelle attitudini degli studenti e di comprendere in che modo le caratteristiche dei trattamenti didattici possano compensare le carenze di attitudine fornendo i processi cognitivi necessari a raggiungere gli obiettivi di apprendimento e di trasferimento.

Sapere di meno dopo l’istruzione

Un insieme di risultati correlati nel paradigma ATI fu descritto da Clark (1989). Egli esaminò circa 70 studi ATI e descrisse numerosi esperimenti in cui gli studenti con minore attitudine, che sceglievano o venivano assegnati a trattamenti didattici più deboli o non guidati, ottenevano punteggi significativamente inferiori nei post-test rispetto ai pre-test. Clark sostenne che la mancanza di un adeguato supporto all’apprendimento per studenti meno esperti o meno capaci può effettivamente produrre una perdita misurabile di conoscenze. I livelli educativi rappresentati negli studi esaminati andavano dalla scuola primaria fino all’università e alla formazione professionale, includendo una varietà di tipi di problemi e compiti. Ancora più preoccupante è l’evidenza riportata da Clark (1982), secondo la quale, quando agli studenti viene chiesto di scegliere tra una versione più guidata e una meno guidata dello stesso corso, quelli con minore attitudine tendono a preferire l’approccio meno guidato, pur apprendendo di meno. Gli studenti con maggiore attitudine che sceglievano versioni più strutturate tendevano ad apprezzarle, ma ottenevano risultati leggermente inferiori rispetto alle versioni meno strutturate, senza tuttavia subire una reale perdita di conoscenze dopo l’istruzione. Clark ipotizzò che i componenti più efficaci dei trattamenti aiutano gli studenti meno esperti fornendo strategie di apprendimento specifiche per il compito, integrate nella presentazione didattica. Tali strategie richiedono uno sforzo esplicito e attento da parte degli studenti e, proprio per questo motivo, tendono a non essere apprezzate, pur risultando molto utili per l’apprendimento. Gli studenti più capaci, suggerì Clark, hanno già acquisito strategie di apprendimento implicite e specifiche per il compito, più efficaci per loro di quelle incorporate nelle versioni strutturate del corso. Clark citò inoltre evidenze indicative secondo cui gli studenti più capaci che scelgono le versioni più guidate dei corsi lo fanno perché ritengono di poter raggiungere gli obiettivi di apprendimento con il minimo sforzo. Gli studi descritti da Woltz (2003) rappresentano un esempio recente e positivo di ricerca ATI che esamina i processi cognitivi richiesti dai compiti di apprendimento. Egli fornì prove che lo stesso studente può trarre vantaggio da trattamenti più forti o più deboli a seconda del tipo di apprendimento e dell’obiettivo di trasferimento desiderato.

Evidenze empiriche sull’apprendimento scientifico derivante da istruzione non guidata

Il lavoro di Klahr e Nigam (2004), discusso in precedenza, ha dimostrato in modo inequivocabile i vantaggi dell’istruzione diretta nelle scienze. Esistono numerose evidenze di questo tipo. Una serie di revisioni condotte dall’Accademia Nazionale delle Scienze degli Stati Uniti ha recentemente descritto i risultati di esperimenti che mostrano le conseguenze negative dell’istruzione scientifica non guidata a tutti i livelli di età e in una varietà di contenuti scientifici e matematici. McCray, DeHaan e Schuck (2003) hanno esaminato studi ed esperienze pratiche nell’insegnamento universitario di ingegneria, tecnologia, scienze e matematica. Gollub, Berthanthal, Labov e Curtis (2003) hanno analizzato studi ed esperienze riguardanti l’insegnamento della scienza e della matematica nella scuola secondaria. Kilpatrick, Swafford e Findell (2001) hanno riportato studi e formulato raccomandazioni per l’insegnamento della matematica nella scuola primaria e secondaria di primo grado. Tutte queste pubblicazioni, così come altre dell’Accademia Nazionale delle Scienze statunitense, documentano ampiamente la mancanza di prove a sostegno degli approcci non guidati e i vantaggi dell’istruzione più fortemente guidata. La maggior parte di esse fornisce inoltre una serie di principi didattici per gli insegnanti basati su ricerche solide. Questi rapporti sono stati elaborati, almeno in parte, a causa della situazione insoddisfacente dell’insegnamento della scienza e della matematica negli Stati Uniti. Infine, in accordo con i risultati della ricerca sull’interazione tra attitudine e trattamento (ATI) e con l’effetto di inversione dell’expertise, Roblyer, Edwards e Havriluk (1997) hanno riferito che gli insegnanti hanno riscontrato come l’apprendimento per scoperta risulti efficace solo quando gli studenti possiedono conoscenze pregresse e hanno già sperimentato esperienze strutturate preliminari.

Ricerca sull’apprendimento basato sui problemi in ambito medico

In generale, la mancanza di chiarezza nella distinzione tra l’apprendimento di una disciplina e la ricerca all’interno di essa, unita alla priorità attribuita all’osservazione imparziale secondo la migliore tradizione induttivista ed empirista, ha portato molti educatori a sostenere il metodo basato sui problemi come via privilegiata per insegnare una disciplina (Allen, Barker e Ramsden, 1986; Anthony, 1973; Barrows e Tamblyn, 1980; Obioma, 1986). L’apprendimento basato sui problemi (Problem Based Learning, PBL) sembrava conciliarsi non solo con i principi della filosofia della scienza, ma anche con le visioni pedagogiche progressiste incentrate sullo studente, che enfatizzano l’esperienza diretta e l’indagine individuale. Cawthron e Rowell (1978) osservarono che tutto sembrava coerente: la logica della conoscenza e la psicologia della conoscenza convergevano sotto il termine comune di “scoperta”. Perché, si chiedevano, gli educatori avrebbero dovuto cercare spiegazioni oltre quelle fornite dall’approccio induttivista ed empirista tradizionale?

Nel tentativo di liberare gli studenti di medicina dalle lezioni frontali e dagli esami basati sulla memoria, circa sessanta facoltà mediche del Nord America hanno adottato il PBL negli ultimi due decenni. Questa variante dell’istruzione costruttivista con guida minima, introdotta alla McMaster University School of Medicine nel 1969, richiede agli studenti di medicina di lavorare in gruppo per diagnosticare e proporre trattamenti per sintomi clinici comuni. I gruppi di studenti sono supervisionati da un docente clinico, il quale non deve risolvere i problemi per loro, ma piuttosto offrire alternative e suggerire fonti di informazione.

La più nota indagine comparativa tra il PBL e l’istruzione medica convenzionale è stata condotta da Albanese e Mitchell (1993). La loro meta-analisi della letteratura in lingua inglese sull’efficacia del PBL ha prodotto diversi risultati negativi riguardo al suo impatto: punteggi più bassi negli esami di scienze di base, nessuna differenza nelle scelte di specializzazione e un numero maggiore di ore di studio giornaliere. Gli autori rilevarono che, sebbene gli studenti PBL ottengano risultati migliori nella valutazione delle prestazioni cliniche, essi tendono anche a prescrivere un numero significativamente maggiore di test inutili, con costi più elevati per paziente e minori benefici. Dalla loro analisi emerse che i punteggi clinici più alti potrebbero dipendere dal fatto che gli studenti PBL trascorrono più tempo nei contesti clinici.

Berkson (1993) esaminò gran parte della letteratura sul PBL, giungendo a conclusioni simili a quelle di Albanese e Mitchell. Analizzando studi che confrontavano la capacità di risoluzione di problemi tra studenti PBL e studenti formati con metodi tradizionali, non trovò differenze significative e non riuscì quindi a replicare il vantaggio clinico segnalato dai due autori. Colliver (2000), riesaminando gli studi esistenti sul confronto tra PBL e curricoli medici convenzionali, concluse che il PBL non produce effetti statisticamente significativi né sui risultati degli studenti nei test standardizzati né in quelli elaborati dagli insegnanti durante i primi due anni di corso. Un altro dato costante nelle sintesi delle ricerche è che il PBL non risulta più efficace dell’istruzione tradizionale, ma è più dispendioso da attuare. Alcuni sostenitori del PBL sono consapevoli dei suoi limiti. Hmelo-Silver (2004) sollevò seri dubbi sulla validità generale del modello, osservando che

alcuni aspetti del PBL dovrebbero essere adattati al livello di sviluppo degli studenti e che, in alcuni momenti, può essere utile un’istruzione diretta “just-in-time”. In altre parole, quando gli studenti affrontano un problema e si trovano a dover acquisire determinate conoscenze, una lezione fornita al momento opportuno può risultare vantaggiosa. Tecniche come la facilitazione procedurale, la cooperazione guidata o l’uso di diari strutturati potrebbero rivelarsi strumenti utili per trasferire il PBL in altri contesti (pp. 260–261).

Due componenti fondamentali del PBL sono l’insegnamento esplicito delle strategie di risoluzione dei problemi, attraverso il metodo ipotetico-deduttivo di ragionamento (Barrows e Tamblyn, 1980), e l’insegnamento dei contenuti di base nel contesto di un caso specifico. I sostenitori del metodo sostengono che un’educazione centrata sui problemi sia superiore a quella convenzionale: gli studenti a cui vengono insegnate strategie di problem solving, in particolare tramite il metodo ipotetico-deduttivo, e che si esercitano su problemi reali, apprendono in modo più significativo. Si presume che, poiché gli studenti affrontano problemi fin dall’inizio, abbiano maggiori opportunità di esercitare tali abilità e che, applicando esplicitamente il metodo ipotetico-deduttivo, imparino ad analizzare i problemi e a ricercare spiegazioni, migliorando la loro comprensione dei casi clinici (Norman e Schmidt, 1992). Tuttavia, Patel e colleghi hanno sostenuto che il metodo ipotetico-deduttivo potrebbe non essere il modo più efficiente per risolvere problemi clinici (Patel e Groen, 1986; Patel, Arocha e Kaufman, 1994).

In ambito medico, Patel, Groen e Norman (1993) hanno dimostrato che insegnare le scienze di base all’interno di un contesto clinico può avere lo svantaggio che, una volta che tali conoscenze vengono contestualizzate, diventa difficile separarle dai casi specifici in cui sono state integrate. Gli studenti formati secondo un curricolo PBL non riuscivano a distinguere le conoscenze scientifiche di base da quelle cliniche associate a pazienti particolari. Sebbene gli studenti PBL producessero spiegazioni più articolate, queste risultavano meno coerenti e contenevano più errori. Se gli studenti hanno difficoltà a separare le conoscenze biomediche acquisite dai casi clinici in cui le hanno apprese, non sorprende che, di fronte a un nuovo problema, applichino informazioni biomediche irrilevanti.

Questo effetto sembra persistere anche dopo la formazione. In uno studio sull’impatto della formazione universitaria in PBL, rispetto a un curriculum convenzionale, sulla performance dei medici in formazione riguardo all’organizzazione delle conoscenze cliniche e biomediche e all’uso delle strategie di ragionamento, Arocha e Patel (1995) scoprirono che i partecipanti formati con il PBL mantenevano uno schema di ragionamento retrogrado, ma non acquisivano quello progressivo, considerato un segno distintivo dell’expertise. Ciò suggerisce che qualcosa nel PBL possa ostacolare lo sviluppo di forme di ragionamento in avanti.

Gli esperti, infatti, utilizzano il riconoscimento di schemi per identificare la causa di una malattia. Secondo Elstein (1994), l’organizzazione delle conoscenze e l’acquisizione di schemi sono più importanti per lo sviluppo dell’expertise rispetto all’uso di specifici metodi di problem solving. La ricerca cognitiva ha dimostrato che, per raggiungere l’expertise in un dominio, gli studenti devono acquisire gli schemi necessari per interpretare in modo significativo ed efficiente le informazioni e individuare la struttura del problema. Gli schemi guidano la selezione delle informazioni rilevanti e l’esclusione di quelle irrilevanti. Arocha e Patel (1995) hanno concluso che i risultati negativi

potevano essere spiegati con la frammentazione delle risorse attentive e con l’elevato carico della memoria di lavoro durante la risoluzione di problemi. Nel risolvere problemi clinici, i soggetti devono prestare attenzione all’ipotesi diagnostica attuale, ai dati del caso e a eventuali ipotesi intermedie tra la diagnosi e i dati del paziente (ad esempio un processo fisiopatologico che spiega i sintomi). Se vengono formulate più ipotesi, le risorse cognitive necessarie per mantenere tutte queste informazioni nella memoria di lavoro lasciano poche risorse per l’acquisizione degli schemi del problema. Sebbene i problemi possano essere risolti con successo tramite il metodo ipotetico-deduttivo, la scarsità di risorse attentive e mnestiche può comportare difficoltà nell’apprendere adeguatamente gli schemi di problema. Si può quindi ipotizzare che una delle ragioni per cui i soggetti formati con il PBL non riescono a sviluppare uno stile di ragionamento progressivo sia proprio l’uso di strategie di problem solving, come il metodo ipotetico-deduttivo, come strategie di apprendimento.

Tutto ciò è perfettamente coerente con l’idea secondo cui l’epistemologia di una disciplina non deve essere confusa con la pedagogia necessaria per insegnarla o apprenderla. La pratica di una professione non coincide con l’apprendimento di come esercitare quella professione.

Conclusioni

Dopo mezzo secolo di promozione dell’istruzione basata su una guida minima, sembra che non esista alcun insieme di ricerche che ne supporti l’efficacia. Quando si considerano le evidenze provenienti da studi controllati, queste mostrano quasi uniformemente che una guida didattica diretta e strutturata risulta più efficace rispetto all’istruzione minimamente guidata di orientamento costruttivista, soprattutto per studenti principianti o di livello intermedio. Anche per gli studenti che possiedono già una conoscenza pregressa significativa, l’istruzione fortemente guidata durante l’apprendimento risulta il più delle volte altrettanto efficace quanto gli approcci non guidati. Non solo l’istruzione non guidata è generalmente meno efficace, ma vi sono anche prove che essa possa avere effetti negativi, portando gli studenti ad acquisire concezioni errate o conoscenze incomplete e disorganizzate.

Sebbene le ragioni della persistente popolarità di un approccio inefficace non siano del tutto chiare, le origini del sostegno all’istruzione con guida minima in ambito scientifico e medico possono essere rintracciate nelle riforme dei curricula scientifici successivi al lancio dello Sputnik, come il Biological Sciences Curriculum Study, il Chemical Education Material Study e il Physical Science Study Committee. In quel periodo, gli educatori iniziarono ad allontanarsi dall’idea di insegnare una disciplina come un insieme di conoscenze strutturate, assumendo invece che la conoscenza potesse essere appresa al meglio, o esclusivamente, attraverso esperienze basate sui processi e sulle procedure proprie della disciplina. Questa prospettiva sembra aver condotto alla diffusione di attività pratiche o di progetto non guidate e al rifiuto dell’insegnamento fondato sui fatti, sulle leggi, sui principi e sulle teorie che costituiscono il contenuto di una disciplina. L’enfasi sull’applicazione pratica di ciò che si apprende appare, di per sé, molto positiva. Tuttavia, è un errore presumere che il contenuto pedagogico dell’esperienza di apprendimento coincida con i metodi e i processi (ossia l’epistemologia) della disciplina studiata, così come è errato supporre che l’insegnamento debba concentrarsi esclusivamente sull’applicazione. È deplorevole che le attuali visioni costruttiviste siano diventate ideologiche e spesso epistemologicamente contrarie alla presentazione e alla spiegazione della conoscenza. Di conseguenza, è facile comprendere lo sconcerto espresso da Handelsman et al. (2004) i quali, discutendo dell’educazione scientifica, si chiedevano: «Perché eminenti scienziati, che nelle loro ricerche pretendono prove rigorose per ogni affermazione scientifica, continuano a utilizzare – e addirittura a difendere, sulla sola base dell’intuizione – metodi di insegnamento che non sono i più efficaci?» (p. 521). È altrettanto facile concordare con la raccomandazione di Mayer (2004), secondo cui dovremmo «spostare gli sforzi di riforma educativa dal mondo vago e improduttivo dell’ideologia – che talvolta si nasconde sotto le varie bandiere del costruttivismo – verso il mondo chiaro e produttivo della ricerca teoricamente fondata su come le persone apprendono» (p. 18).

---

Bibliografia

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 Press.

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.

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.

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.

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: Mouton. (Original work published 1946).

Dehoney, J. (1995). Cognitive task analysis: Implications for the theory and practice of instructional design. In Proceedings of the Annual National Convention of the Association for Educational Communications and Technology (pp. 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.

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.

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.

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.

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.

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-strikes 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.

Miller, C., Lehman, J., & Koedinger, K. (1999). Goals and learning in microworlds. Cognitive Science, 23, 305–336.

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. In The Psychology of Learning and Motivation: Advances in Research and Theory (Vol. 31, pp. 137–252).

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. (1983). 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.

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.

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.

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 Press.

Sweller, J. (2004). Instructional design consequences of an analogy between evolution by natural selection and human cognitive architecture. Instructional Science, 32, 9–31.

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 and means-ends strategies in problem 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. In M. Polson (Ed.), Proceedings of the 15th Annual Conference of the Cognitive Science Society (pp. 1017–1022). Hillsdale, NJ: Lawrence Erlbaum Associates.

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.