Teoria da carga cognitiva e exemplos resolvidos em matemática

Constatações

1. Núcleo teórico: memória de trabalho, esquemas e três cargas

A CLT modela a cognição humana segundo a divisão de Geary entre conhecimento biologicamente primário (preparado evolutivamente, p. ex. a linguagem falada) e conhecimento biologicamente secundário (culturalmente importante mas não preparado, p. ex. a aritmética escrita e a álgebra) [13]. Como a matemática é biologicamente secundária, tem de ser ensinada explicitamente, e está limitada pela memória de trabalho, que retém apenas alguns elementos novos de cada vez e os perde em segundos, a menos que sejam organizados num esquema de memória de longo prazo [1][13]. A CLT divide a carga em intrínseca (complexidade inevitável, impulsionada pela interatividade dos elementos — quantas peças interativas têm de ser mantidas na mente simultaneamente), extrínseca (adicionada por um mau desenho, sem valor de aprendizagem) e germânica (processamento esforçado que constrói o esquema). O desenho deve minimizar a carga extrínseca para que a capacidade livre sirva ao processamento germânico [1][7][13].

2. O efeito do exemplo resolvido

Sweller e Cooper (1985) ensinaram álgebra ao longo de cinco experimentos e descobriram que, mantendo o tempo de estudo constante, os estudantes que utilizaram exemplos resolvidos resolveram os problemas do pós‑teste aproximadamente duas vezes mais rapidamente e com cerca de um quinto dos erros dos estudantes que resolveram sem ajuda desde o início [1][2]. A resolução de problemas sem apoio obriga um processo de procura que compete com a construção de esquemas; ler um exemplo, por outro lado, direciona toda a capacidade para reconhecer a estrutura da solução. Sweller descreve‑o como «the best known and most widely studied of the cognitive load effects» [1]. Trabalhos posteriores (Van Gog, Kester & Paas, 2011) mostram que pares apenas de exemplos ou alternando exemplo‑problema superam a resolução pura de problemas noutros domínios procedimentais (p. ex. análise de circuitos), pelo que o efeito generaliza‑se para além da álgebra [1].

3. Reversão da especialização e redundância

O benefício não é permanente. Kalyuga demonstrou, em contextos de engenharia, circuitos de relé e formação em PLC, que a vantagem dos exemplos resolvidos sobre a resolução de problemas diminui e reverte à medida que os formandos adquirem experiência [3][4]. Mecanismo: já existe um esquema eficiente, pelo que reapresentar cada passo obriga o processamento de informação desnecessária, desperdiçando capacidade que poderia ser dedicada à prática de recuperação — e nega a própria prática [3][4]. Isto levou Sweller a rever a sua afirmação de 1988 de que a resolução de problemas deveria ser geralmente minimizada: a quantidade adequada de resolução sem apoio é uma função da especialização atual, não da fase curricular [4].

4. Desvanecimento, problemas de conclusão e auto‑explicação

O desvanecimento de Renkl: começar totalmente resolvido, depois omitir um passo (um problema de conclusão), depois mais, até que o aprendiz resolva sem ajuda. O desvanecimento pode ser progressivo ou regressivo; o regressivo (omitir primeiro o último passo) é geralmente recomendado, pois o passo final costuma ancorar a ligação ao objetivo [5]. Exemplos desvanecidos em geometria produziram uma compreensão conceptual mais profunda do que blocos de exemplos não desvanecidos [5]. O desvanecimento por si só ajuda de forma fiável a transferência próxima, mas não à distante. Atkinson, Renkl e Merrill (2003, J. Educational Psychology, 95(4), 774–783) combinaram o desvanecimento com indicações de auto‑explicação — perguntas breves a pedir aos aprendentes que declarem o princípio por trás de cada passo, baseando‑se na descoberta de Chi de que aprendentes fortes auto‑explicam‑se espontaneamente e aprendentes fracos não o fazem [6][14]. Em dois experimentos esta combinação produziu ganhos de médio a grande porte tanto na transferência próxima como na distante, sem tempo de estudo adicional — «highly recommendable», segundo os autores [6]. Uma meta‑análise mais ampla de auto‑explicação relata um tamanho de efeito médio em torno de g = 0,66 em 69 comparações [14].

5. Atenção dividida e redundância no desenho

Dois efeitos de falha de desenho. Atenção dividida: a compreensão requer integrar mentalmente fontes fisicamente ou temporalmente separadas (diagrama afastado da legenda, ou um passo apresentado antes da sua explicação); materiais integrados e bem desenhados superam os divididos [7]. Redundância: apresentar a mesma informação duas vezes em canais diferentes (p. ex. narrar o texto no ecrã palavra‑por‑palavra) acrescenta um custo de reconciliação sem benefício [7]. Para a interface de matemática: um passo da solução e o raciocínio subjacente devem ocupar a mesma região visual ao mesmo tempo; escolha um único canal por unidade de informação.

6. O efeito sem objetivo

Um problema com objetivo específico («solve for x») desencadeia a análise meios‑fins: manter simultaneamente o estado‑objetivo, o estado atual, a sua diferença e os operadores candidatos — carga elevada, útil para encontrar uma resposta mas pouco útil para aprender o método, pois a atenção persegue o objetivo em vez da estrutura [8]. Uma versão sem objetivo («find as many values as you can») elimina o alvo, permitindo que os aprendentes avancem de forma oportunista a partir do que sabem, reduzindo a carga e direcionando a atenção para a estrutura, melhorando a aprendizagem embora não pareça «solving the problem» [8].

7. Críticas, problemas de medição, debate sobre replicação

O principal defensor da CLT reconhece uma história de «replication crises and incorporation of other theories», tendo sido revisado mais de uma vez após replicações falhadas — a mudança mais visível foi a postura de 1988 de minimizar a resolução de problemas, revertida pela reversão da especialização [3][4][9]. A crítica mais profunda ainda não resolvida é a medição: não existe um instrumento validado e fiável para a própria carga cognitiva; a prática dominante consiste num único item de autorrelato de esforço, que não pode ser verificado quanto à fiabilidade e confunde o esforço sentido com o que a manipulação realmente fez à memória de trabalho [9]. Muitos efeitos clássicos são inferidos a partir de resultados comportamentais (erros, transferência, tempo) com a carga tratada como não medida — razoável em conjunto, mas difícil de diagnosticar caso a caso. Os críticos também observam que «cognitive load» funciona por vezes como um rótulo pós‑hoc para qualquer resultado consistente com a teoria, em vez de um constructo medido independentemente — uma crítica partilhada com a literatura mais ampla de crise de replicação na psicologia, não exclusiva da CLT [9].

8. Prática cronometrada, pontuação por velocidade e ansiedade matemática

Mais relevante para um desenho de pontos‑por‑velocidade. O programa de Ashcraft demonstra que a ansiedade matemática funciona como uma tarefa secundária concorrente, ocupando a memória de trabalho (o componente executivo) que, de outra forma, serviria a aritmética — produzindo erros e lentidão que parecem um défice de competência, mas são, na realidade, um défice de recursos induzido pela ansiedade, não pela matemática [11]. Os testes cronometrados revelam de forma fiável lacunas ligadas à ansiedade na aritmética que não aparecem em testes sem tempo do mesmo conteúdo — o relógio, e não a matemática, é o que se mede sob pressão para os aprendentes ansiosos [11][12]. Boaler afirma que o início dos testes cronometrados é, para uma parte significativa dos estudantes, o ponto de origem da própria ansiedade matemática, e, uma vez ansiosos, a memória de trabalho é parcialmente consumida por essa ansiedade, bloqueando o acesso a factos que normalmente conhecem — um ciclo auto‑reforçante [12]. A evidência não é unilateral: alguns estudos constataram que condições com tempo equivalente podem aumentar a exactidão, e um estudo não encontrou interação significativa de três vias entre memória, ansiedade e cronometragem [11] — real, mas moderado pelo nível de ansiedade e por se «timed» significa um relógio rígido ou disponibilidade ritmada.

Síntese: a velocidade é um marcador legítimo de automaticidade uma vez que um esquema está consolidado — a recuperação rápida e sem esforço é exatamente o que a carga germânica «paid for» [1][13]. Mas a velocidade medida antes da consolidação não avalia a compreensão; avalia o processo esforçado que o aprendiz está a substituir, e um relógio acrescentado a isso adiciona precisamente a carga extrínseca que a CLT recomenda evitar, no momento em que a memória de trabalho deve estar protegida, não sobrecarregada [1][7][8][11].

Implicações de design para o Math Challenge

1. Mostrar um exemplo completo resolvido antes da primeira tentativa da criança a um novo padrão (nunca resolvido, ou as últimas N tentativas nessa competência falharam) em vez de “lutar primeiro” — corresponde ao efeito de exemplo resolvido para iniciantes [1][2].
2. Nunca combinar “novo padrão” com um cronómetro regressivo. Pontuação de velocidade com peso zero nas primeiras exposições; introduzir a temporização apenas quando o padrão for resolvido corretamente sem um exemplo resolvido presente [11][12].
3. Desvanecer automaticamente a partir de um sinal de domínio, e não de um número fixo de itens: a precisão recente, a utilização de pistas, a contagem de passos sem ajuda selecionam o próximo degrau (exemplo completo → um espaço em branco → dois espaços em branco → problema completo), segundo a sequência de problemas de conclusão de Renkl [5][6].
4. Aplicar o desvanecimento retroativo (omitir primeiro o último passo), pois isso ancora a ligação ao objetivo e deve ser praticado cedo [5].
5. Associar cada passo desvanecido a um prompt de auto‑explicação de um toque (escolha múltipla para idades mais jovens, texto livre/voz para mais velhos) — a única intervenção que demonstrou acrescentar transferência distante sem custo de tempo [6][14].
6. Projetar contra o efeito de atenção dividida e a redundância na interface: manter um passo e a sua explicação na mesma região visual simultaneamente; nunca narrar e exibir texto idêntico ao mesmo tempo [7].
7. Utilizar enquadramentos sem objetivo para itens de colocação/diagnóstico (“encontre o maior número de valores que conseguir”) para revelar conhecimentos prévios com menor carga, mudando para pontuação específica ao objetivo quando a avaliação de domínio começar [8].
8. Tratar o efeito de reversão de especialização como uma interrupção rígida ao apoio: após um limiar de domínio, reter exemplos resolvidos/pistas por defeito (disponíveis apenas mediante pedido), pois o apoio redundante prejudica mensuravelmente os aprendizes avançados [3][4].
9. Desacoplar os pontos de correção dos pontos de velocidade como canais ajustáveis separadamente; o peso da velocidade por defeito próximo de zero até a escada de desvanecimento chegar a “problema completo, sem pistas”. Informar explicitamente a pais/professores que aumentar o peso da velocidade eleva a variância associada à ansiedade para aprendizes abaixo do domínio [11][12].
10. Não permitir que um temporizador global de sessão/série substitua a limitação de domínio por competência — um relógio a nível meta pode reintroduzir o mesmo efeito de ansiedade mesmo com problemas sem tempo; tornar os temporizadores de série opcionais e nunca bloquear o acesso a exemplos resolvidos.
11. Registar qual degrau de desvanecimento a criança necessitou como sinal de domínio para professores/pais, não apenas a correção — a forma de retirada de apoio é, por si, diagnóstica da força do esquema [5][6].
12. Não instrumentar excessivamente a “carga cognitiva” diretamente (p.ex., apenas a partir da variância do tempo de resposta); usar proxies validados comportamentalmente — trajetória de precisão ao longo da escada de desvanecimento, qualidade da auto‑explicação — pois mesmo a própria literatura da TCC (Teoria da Carga Cognitiva) não possui medida direta validada de carga para se basear [9].

Questões abertas para o proprietário do projeto

1. Deve os pontos baseados em velocidade estar ativados por defeito para qualquer faixa etária, dado o evidência de ansiedade, ou ser opt‑in por conta de pai/mãe ou professor?
2. Qual o limiar de domínio (p.ex., N respostas corretas consecutivas no degrau “problema completo”) deve controlar a transição de sem tempo para com tempo por competência?
3. Devem os prompts de auto‑explicação ser obrigatórios ou opcionais, tendo em conta que crianças de ~4‑6 anos podem não possuir a linguagem metacognitiva necessária?
4. A frase “encontre o maior número de valores que conseguir” (enquadramento sem objetivo) traduz‑se de forma limpa entre EN/ES/FR/PT/DE sem perder a sua abertura?
5. A escada de desvanecimento deve ser visível para a criança, ou invisível/apenas no backend?