Un nuevo estudio mediante neuroimagen de la Universidad Carnegie Mellon (Pittsburgh, EE.UU.) revela las etapas mentales que atraviesan las personas cuando resuelven problemas de matemáticas difíciles.
En el estudio, que fue publicado en la revista Psychological Science, los investigadores combinaron dos estrategias analíticas para utilizar imágenes de resonancia magnética funcional para identificar patrones de actividad cerebral alineados con cuatro etapas distintas de la resolución de problemas: codificación, planificación, resolución y respuesta.
"Cómo resolvían los estudiantes este tipo de problemas era un misterio para nosotros hasta que hemos aplicado estas técnicas", explica John Anderson, profesor de Psicología y Ciencias de la Computación e investigador principal del estudio, en la información de la universidad. "Ahora, cuando los estudiantes están sentados ahí concentrados, podemos decir lo que están pensando cada segundo."
Anderson cree que este nuevo trabajo con el tiempo se podrá aplicar al diseño de una formación más eficaz.
El investigador se preguntó si podrían combinarse dos enfoques analíticos -análisis de patrón multivoxel (MVPA) y modelos semi-ocultos de Markov (HSMM)- para arrojar luz sobre las diferentes etapas del pensamiento. MVPA se ha utilizado normalmente para identificar patrones momentáneos de activación; añadiendo HSMM, teorizó Anderson, daría como resultado información acerca de cómo se desarrollan estos patrones con el tiempo.
Anderson y sus colegas del Departamento de Psicología Aryn A. Pike y Jon M. Fincham aplicaron este enfoque combinado a datos de neuroimagen de participantes recogidos mientras resolvían determinados tipos de problemas matemáticos.
En el estudio, que fue publicado en la revista Psychological Science, los investigadores combinaron dos estrategias analíticas para utilizar imágenes de resonancia magnética funcional para identificar patrones de actividad cerebral alineados con cuatro etapas distintas de la resolución de problemas: codificación, planificación, resolución y respuesta.
"Cómo resolvían los estudiantes este tipo de problemas era un misterio para nosotros hasta que hemos aplicado estas técnicas", explica John Anderson, profesor de Psicología y Ciencias de la Computación e investigador principal del estudio, en la información de la universidad. "Ahora, cuando los estudiantes están sentados ahí concentrados, podemos decir lo que están pensando cada segundo."
Anderson cree que este nuevo trabajo con el tiempo se podrá aplicar al diseño de una formación más eficaz.
El investigador se preguntó si podrían combinarse dos enfoques analíticos -análisis de patrón multivoxel (MVPA) y modelos semi-ocultos de Markov (HSMM)- para arrojar luz sobre las diferentes etapas del pensamiento. MVPA se ha utilizado normalmente para identificar patrones momentáneos de activación; añadiendo HSMM, teorizó Anderson, daría como resultado información acerca de cómo se desarrollan estos patrones con el tiempo.
Anderson y sus colegas del Departamento de Psicología Aryn A. Pike y Jon M. Fincham aplicaron este enfoque combinado a datos de neuroimagen de participantes recogidos mientras resolvían determinados tipos de problemas matemáticos.
El estudio
Para evaluar si las etapas identificadas cartografiaban las etapas reales del pensamiento, manipularon las diferentes características de los problemas: en algunos requería más esfuerzo encontrar un plan apropiado y otros requerían más esfuerzo en la ejecución.
El objetivo era comprobar si estas manipulaciones tenían los efectos específicos que uno esperaría en las duraciones de las diferentes etapas.
Ochenta personas participaron en el estudio. Después de practicar usando estrategias específicas para resolver los problemas, los participantes respondieron a una serie de problemas objetivo, mientras estaban en el escáner. Recibieron la respuesta a cada problema: se volvían verdes si eran correctas y rojas si eran incorrectos.
Utilizando el método HSMM-MVPA para analizar los datos de neuroimagen, el equipo identificó cuatro etapas de la cognición: la codificación, la planificación, la resolución y la respuesta. Los resultados mostraron que la etapa de planificación tendía a ser más larga cuando el problema requería más planificación, y la fase de solución tendía a ser más larga cuando la solución era más difícil de ejecutar.
Aunque el estudio, financiado por la National Science Foundation y la Fundación James S. McDonnell, se ha centrado específicamente en la resolución de problemas matemáticos, promete tener aplicaciones más amplias, sostienen los investigadores. Utilizando el mismo método con técnicas de imagen del cerebro que tienen una mayor resolución temporal, como un electroencefalograma, podría revelar información aún más detallada sobre las diversas etapas de procesamiento cognitivo.
Para evaluar si las etapas identificadas cartografiaban las etapas reales del pensamiento, manipularon las diferentes características de los problemas: en algunos requería más esfuerzo encontrar un plan apropiado y otros requerían más esfuerzo en la ejecución.
El objetivo era comprobar si estas manipulaciones tenían los efectos específicos que uno esperaría en las duraciones de las diferentes etapas.
Ochenta personas participaron en el estudio. Después de practicar usando estrategias específicas para resolver los problemas, los participantes respondieron a una serie de problemas objetivo, mientras estaban en el escáner. Recibieron la respuesta a cada problema: se volvían verdes si eran correctas y rojas si eran incorrectos.
Utilizando el método HSMM-MVPA para analizar los datos de neuroimagen, el equipo identificó cuatro etapas de la cognición: la codificación, la planificación, la resolución y la respuesta. Los resultados mostraron que la etapa de planificación tendía a ser más larga cuando el problema requería más planificación, y la fase de solución tendía a ser más larga cuando la solución era más difícil de ejecutar.
Aunque el estudio, financiado por la National Science Foundation y la Fundación James S. McDonnell, se ha centrado específicamente en la resolución de problemas matemáticos, promete tener aplicaciones más amplias, sostienen los investigadores. Utilizando el mismo método con técnicas de imagen del cerebro que tienen una mayor resolución temporal, como un electroencefalograma, podría revelar información aún más detallada sobre las diversas etapas de procesamiento cognitivo.
Referencia bibliográfica:
J. R. Anderson, A. A. Pyke, J. M. Fincham: Hidden Stages of Cognition Revealed in Patterns of Brain Activation. Psychological Science (2016). DOI: 10.1177/0956797616654912.
J. R. Anderson, A. A. Pyke, J. M. Fincham: Hidden Stages of Cognition Revealed in Patterns of Brain Activation. Psychological Science (2016). DOI: 10.1177/0956797616654912.