La resolución de problemas es el proceso de alcanzar una meta superando obstáculos, una parte frecuente de la mayoría de las actividades. Los problemas que necesitan soluciones van desde tareas personales simples (por ejemplo, cómo encender un electrodoméstico) hasta problemas complejos en los campos comerciales y técnicos. El primero es un ejemplo de resolución de problemas simples (SPS) que aborda un problema, mientras que el segundo es una resolución de problemas complejos (CPS) con múltiples obstáculos interrelacionados. [1] Otra clasificación de las tareas de resolución de problemas es en problemas bien definidos con obstáculos y objetivos específicos, y problemas mal definidos en los que la situación actual es problemática pero no está claro qué tipo de resolución buscar. [2] De manera similar, se pueden distinguir los problemas formales o basados en hechos que requieren inteligencia psicométrica , frente a los problemas socioemocionales que dependen de las emociones cambiantes de los individuos o grupos, como el comportamiento diplomático , la moda o la elección de regalos. [3]
Las soluciones requieren recursos y conocimientos suficientes para alcanzar el objetivo. Los profesionales como abogados, médicos, programadores y consultores son en gran medida solucionadores de problemas que requieren habilidades técnicas y conocimientos que van más allá de la competencia general. Muchas empresas han encontrado mercados rentables al reconocer un problema y crear una solución: cuanto más extendido y problemático sea el problema, mayor será la oportunidad de desarrollar una solución escalable .
Existen muchas técnicas y métodos especializados de resolución de problemas en campos como la ingeniería , los negocios , la medicina , las matemáticas , la informática , la filosofía y la organización social . Las técnicas mentales para identificar, analizar y resolver problemas se estudian en psicología y ciencias cognitivas . También se investigan ampliamente los obstáculos mentales que impiden a las personas encontrar soluciones; los impedimentos para la resolución de problemas incluyen el sesgo de confirmación , la actitud mental y la fijación funcional .
El término resolución de problemas tiene un significado ligeramente diferente según la disciplina. Por ejemplo, es un proceso mental en psicología y un proceso computarizado en informática . Hay dos tipos diferentes de problemas: mal definidos y bien definidos; se utilizan diferentes enfoques para cada uno. Los problemas bien definidos tienen objetivos finales específicos y soluciones claramente esperadas, mientras que los problemas mal definidos no. Los problemas bien definidos permiten una mayor planificación inicial que los problemas mal definidos. [2] La resolución de problemas a veces implica lidiar con la pragmática (la forma en que el contexto contribuye al significado) y la semántica (la interpretación del problema). La capacidad de comprender cuál es el objetivo final del problema y qué reglas se podrían aplicar representa la clave para resolver el problema. A veces, un problema requiere pensamiento abstracto o encontrar una solución creativa.
La resolución de problemas tiene dos grandes dominios: la resolución de problemas matemáticos y la resolución de problemas personales. Cada uno de ellos se ocupa de alguna dificultad o barrera que se presente. [4]
La resolución de problemas en psicología se refiere al proceso de encontrar soluciones a los problemas que se presentan en la vida. [5] Las soluciones a estos problemas suelen ser específicas de la situación o el contexto. El proceso comienza con la búsqueda y el diseño del problema , en el que se descubre y simplifica el problema. El siguiente paso es generar posibles soluciones y evaluarlas. Finalmente, se selecciona una solución para implementarla y verificarla. Los problemas tienen un objetivo final que alcanzar; cómo llegar allí depende de la orientación al problema (estilo y habilidades de afrontamiento para la resolución de problemas) y del análisis sistemático. [6]
Los profesionales de la salud mental estudian los procesos de resolución de problemas humanos utilizando métodos como la introspección , el conductismo , la simulación , el modelado informático y la experimentación . Los psicólogos sociales estudian el aspecto de la relación persona-entorno del problema y los métodos de resolución de problemas independientes e interdependientes. [7] La resolución de problemas se ha definido como un proceso cognitivo de orden superior y una función intelectual que requiere la modulación y el control de habilidades más rutinarias o fundamentales. [8]
La investigación empírica muestra que muchas estrategias y factores diferentes influyen en la resolución de problemas cotidianos. [9] Los psicólogos de rehabilitación que estudian a personas con lesiones en el lóbulo frontal han descubierto que los déficits en el control emocional y el razonamiento se pueden remediar con una rehabilitación eficaz y podrían mejorar la capacidad de las personas lesionadas para resolver problemas cotidianos. [10] La resolución de problemas interpersonales cotidianos depende de componentes motivacionales y contextuales personales. Uno de estos componentes es la valencia emocional de los problemas del "mundo real", que pueden impedir o ayudar al desempeño de la resolución de problemas. Los investigadores se han centrado en el papel de las emociones en la resolución de problemas, [11] demostrando que un control emocional deficiente puede alterar el enfoque en la tarea objetivo, impedir la resolución de problemas y conducir a resultados negativos como fatiga, depresión e inercia. [12] En la conceptualización, [ aclaración necesaria ] la resolución de problemas humanos consta de dos procesos relacionados: la orientación al problema y el enfoque motivacional/actitudinal/afectivo ante situaciones problemáticas y habilidades de resolución de problemas. [13] Las estrategias de las personas son coherentes con sus objetivos [14] y surgen del proceso de compararse con los demás.
Entre los primeros psicólogos experimentales que estudiaron la resolución de problemas se encuentran los gestaltistas en Alemania , como Karl Duncker en La psicología del pensamiento productivo (1935). [15] Quizás el trabajo más conocido sea el de Allen Newell y Herbert A. Simon . [16]
En los experimentos de los años 1960 y principios de los años 1970 se pidió a los participantes que resolvieran tareas de laboratorio relativamente simples, bien definidas, pero nunca antes vistas. [17] [18] Estos problemas simples, como la Torre de Hanoi , admitían soluciones óptimas que se podían encontrar rápidamente, lo que permitía a los investigadores observar el proceso completo de resolución de problemas. Los investigadores asumieron que estos problemas modelo provocarían los procesos cognitivos característicos mediante los cuales se resuelven problemas más complejos del "mundo real".
Una técnica destacada para la resolución de problemas encontrada en esta investigación es el principio de descomposición . [19]
Gran parte de la informática y la inteligencia artificial implican el diseño de sistemas automatizados para resolver un tipo específico de problema: aceptar datos de entrada y calcular una respuesta correcta o adecuada, con una rapidez razonable. Los algoritmos son recetas o instrucciones que dirigen dichos sistemas, escritas en programas informáticos .
Los pasos para diseñar tales sistemas incluyen la determinación de problemas, la heurística , el análisis de la causa raíz , la deduplicación , el análisis, el diagnóstico y la reparación. Las técnicas analíticas incluyen la programación lineal y no lineal, los sistemas de colas y la simulación. [20] Un gran obstáculo perenne es encontrar y corregir errores en los programas informáticos: la depuración .
La lógica formal se ocupa de cuestiones como la validez, la verdad, la inferencia, la argumentación y la prueba. En un contexto de resolución de problemas, se puede utilizar para representar formalmente un problema como un teorema que se debe demostrar y para representar el conocimiento necesario para resolver el problema como premisas que se utilizarán para demostrar que el problema tiene una solución.
El uso de computadoras para probar teoremas matemáticos usando lógica formal surgió como el campo de la demostración automatizada de teoremas en la década de 1950. Incluía el uso de métodos heurísticos diseñados para simular la resolución de problemas humanos, como en la Máquina de teoría lógica , desarrollada por Allen Newell, Herbert A. Simon y JC Shaw, así como métodos algorítmicos como el principio de resolución desarrollado por John Alan Robinson .
Además de su uso para encontrar pruebas de teoremas matemáticos, la demostración automatizada de teoremas también se ha utilizado para la verificación de programas en informática. En 1958, John McCarthy propuso el tomador de consejos para representar información en lógica formal y derivar respuestas a preguntas mediante la demostración automatizada de teoremas. Cordell Green dio un paso importante en esta dirección en 1969, al utilizar un demostrador de teoremas de resolución para la respuesta a preguntas y para otras aplicaciones en inteligencia artificial como la planificación de robots.
El demostrador de teoremas de resolución utilizado por Cordell Green se parecía poco a los métodos humanos de resolución de problemas. En respuesta a las críticas a ese enfoque por parte de los investigadores del MIT, Robert Kowalski desarrolló la programación lógica y la resolución SLD [21] , que resuelve problemas mediante la descomposición de problemas. Ha defendido la lógica tanto para la resolución de problemas por ordenador como por humanos [22] y la lógica computacional para mejorar el pensamiento humano. [23]
Cuando fallan los productos o procesos, se pueden utilizar técnicas de resolución de problemas para desarrollar acciones correctivas que se puedan tomar para evitar fallas futuras . Dichas técnicas también se pueden aplicar a un producto o proceso antes de que ocurra una falla real, para predecir, analizar y mitigar un problema potencial con anticipación. Técnicas como el análisis de modos de falla y efectos pueden reducir de manera proactiva la probabilidad de problemas.
Tanto en el caso reactivo como en el proactivo, es necesario construir una explicación causal a través de un proceso de diagnóstico. Al derivar una explicación de los efectos en términos de causas, la abducción genera nuevas ideas o hipótesis (preguntándose “¿cómo?”); la deducción evalúa y refina hipótesis basadas en otras premisas plausibles (preguntándose “¿por qué?”); y la inducción justifica una hipótesis con datos empíricos (preguntándose “¿cuánto?”). [24] El objetivo de la abducción es determinar qué hipótesis o proposición probar, no cuál adoptar o afirmar. [25] En el sistema lógico de Peirce , la lógica de la abducción y la deducción contribuyen a nuestra comprensión conceptual de un fenómeno, mientras que la lógica de la inducción agrega detalles cuantitativos (fundamentación empírica) a nuestro conocimiento conceptual. [26]
La ingeniería forense es una técnica importante de análisis de fallas que implica rastrear defectos y fallas del producto. Luego se pueden tomar medidas correctivas para evitar fallas futuras.
La ingeniería inversa intenta descubrir la lógica original de resolución de problemas utilizada en el desarrollo de un producto desmontando el producto y desarrollando una vía plausible para crear y ensamblar sus partes. [27]
En la ciencia militar , la resolución de problemas está vinculada al concepto de "estados finales", las condiciones o situaciones que son los objetivos de la estrategia. [28] : xiii, E-2 La capacidad para resolver problemas es importante en cualquier rango militar , pero es esencial en el nivel de mando y control . Es el resultado de una profunda comprensión cualitativa y cuantitativa de los posibles escenarios. La eficacia en este contexto es una evaluación de los resultados: en qué medida se cumplieron los estados finales. [28] : IV-24 La planificación es el proceso de determinar cómo lograr esos estados finales. [28] : IV-1
Algunos modelos de resolución de problemas implican la identificación de un objetivo y luego una secuencia de subobjetivos para alcanzar este objetivo. Andersson, quien introdujo el modelo ACT-R de cognición, modeló esta colección de objetivos y subobjetivos como una pila de objetivos en la que la mente contiene una pila de objetivos y subobjetivos para completar, y una única tarea que se lleva a cabo en cualquier momento. [29] : 51
El conocimiento de cómo resolver un problema se puede aplicar a otro problema, en un proceso conocido como transferencia . [29] : 56
Las estrategias de resolución de problemas son pasos para superar los obstáculos que impiden alcanzar un objetivo. La iteración de dichas estrategias a lo largo de la resolución de un problema es el "ciclo de resolución de problemas". [30]
Los pasos habituales de este ciclo incluyen reconocer el problema, definirlo, desarrollar una estrategia para solucionarlo, organizar los conocimientos y los recursos disponibles, supervisar el progreso y evaluar la eficacia de la solución. Una vez que se logra una solución, suele surgir otro problema y el ciclo comienza de nuevo.
La intuición es la solución repentina y sorprendente de un problema, el nacimiento de una nueva idea para simplificar una situación compleja. Las soluciones que se encuentran a través de la intuición suelen ser más incisivas que las que se obtienen a partir de un análisis paso a paso. Un proceso de solución rápido requiere intuición para seleccionar movimientos productivos en diferentes etapas del ciclo de resolución de problemas. A diferencia de la definición formal de Newell y Simon de un problema de movimiento , no existe una definición consensuada de un problema de intuición . [31]
Algunas estrategias de resolución de problemas incluyen: [32]
Las barreras más comunes para la resolución de problemas incluyen construcciones mentales que impiden una búsqueda eficiente de soluciones. Cinco de las más comunes identificadas por los investigadores son: sesgo de confirmación , configuración mental , fijación funcional , restricciones innecesarias e información irrelevante.
El sesgo de confirmación es una tendencia no intencional a recopilar y utilizar datos que favorecen nociones preconcebidas. Dichas nociones pueden ser incidentales en lugar de estar motivadas por creencias personales importantes: el deseo de tener razón puede ser una motivación suficiente. [33]
Los profesionales científicos y técnicos también experimentan sesgo de confirmación. Un experimento en línea, por ejemplo, sugirió que los profesionales dentro del campo de la investigación psicológica tienden a ver los estudios científicos que coinciden con sus nociones preconcebidas de manera más favorable que los estudios que las contradicen. [34] Según Raymond Nickerson, uno puede ver las consecuencias del sesgo de confirmación en situaciones de la vida real, que varían en gravedad desde políticas gubernamentales ineficientes hasta genocidio. Nickerson sostuvo que quienes mataron a personas acusadas de brujería demostraron sesgo de confirmación con motivación. [ cita requerida ] El investigador Michael Allen encontró evidencia de sesgo de confirmación con motivación en niños en edad escolar que trabajaron para manipular sus experimentos científicos para producir resultados favorables. [35]
Sin embargo, el sesgo de confirmación no necesariamente requiere motivación. En 1960, Peter Cathcart Wason realizó un experimento en el que los participantes primero vieron tres números y luego crearon una hipótesis en forma de regla que podría haberse utilizado para crear ese triplete de números. Al probar sus hipótesis, los participantes tendieron a crear solo tripletes adicionales de números que confirmarían sus hipótesis y tendieron a no crear tripletes que negaran o refutaran sus hipótesis. [36]
La actitud mental es la inclinación a reutilizar una solución que haya tenido éxito anteriormente, en lugar de buscar soluciones nuevas y mejores. Es una dependencia del hábito.
Fue articulado por primera vez por Abraham S. Luchins en la década de 1940 con sus conocidos experimentos con jarras de agua. [37] Se pidió a los participantes que llenaran una jarra con una cantidad específica de agua utilizando otras jarras con diferentes capacidades máximas. Después de que Luchins diera un conjunto de problemas con jarras que podían resolverse todos con una sola técnica, presentó un problema que podía resolverse con la misma técnica, pero también con un método novedoso y más simple. Sus participantes tendían a utilizar la técnica acostumbrada, sin tener en cuenta la alternativa más simple. [38] Esto se demostró nuevamente en el experimento de Norman Maier de 1931, que desafió a los participantes a resolver un problema utilizando una herramienta familiar (alicates) de una manera no convencional. Los participantes a menudo no podían ver el objeto de una manera que se alejara de su uso típico, un tipo de configuración mental conocida como fijación funcional (ver la siguiente sección).
El aferrarse rígidamente a un conjunto mental se llama fijación , que puede profundizarse hasta convertirse en una obsesión o preocupación por estrategias intentadas que fracasan repetidamente. [39] A fines de la década de 1990, la investigadora Jennifer Wiley descubrió que la experiencia profesional en un campo puede crear un conjunto mental, que tal vez conduzca a la fijación. [39]
El pensamiento grupal , en el que cada individuo adopta la mentalidad del resto del grupo, puede producir y exacerbar el estado mental. [40] La presión social lleva a que todos piensen lo mismo y lleguen a las mismas conclusiones.
La fijación funcional es la tendencia a considerar que un objeto tiene una sola función y a no poder concebir ningún uso nuevo, como en el experimento de las pinzas de Maier descrito anteriormente. La fijación funcional es una forma específica de disposición mental y es una de las formas más comunes de sesgo cognitivo en la vida diaria.
Por ejemplo, imaginemos que un hombre quiere matar un insecto en su casa, pero lo único que tiene a mano es una lata de ambientador. Es posible que empiece a buscar algo para matar al insecto en lugar de aplastarlo con la lata, pensando únicamente en su función principal: desodorizar.
Tim German y Clark Barrett describen esta barrera: "los sujetos se vuelven 'fijos' en la función de diseño de los objetos, y la resolución de problemas sufre en relación con las condiciones de control en las que no se demuestra la función del objeto". [41] Su investigación encontró que el conocimiento limitado de los niños pequeños sobre la función prevista de un objeto reduce esta barrera [42]. La investigación también ha descubierto la fijación funcional en contextos educativos, como un obstáculo para la comprensión: "la fijación funcional puede encontrarse en el aprendizaje de conceptos, así como en la resolución de problemas de química". [43]
Existen varias hipótesis respecto a cómo la fijación funcional se relaciona con la resolución de problemas. [44] Puede hacer perder tiempo, retrasando o impidiendo por completo el uso correcto de una herramienta.
Las restricciones innecesarias son límites arbitrarios impuestos inconscientemente a la tarea en cuestión, que excluyen una vía productiva de solución. El solucionador puede obsesionarse con un solo tipo de solución, como si fuera un requisito inevitable del problema. Por lo general, esto se combina con una actitud mental que lo lleva a aferrarse a un método que anteriormente había tenido éxito. [45] [ página necesaria ]
Los problemas visuales también pueden producir restricciones inventadas mentalmente. [46] [ página necesaria ] Un ejemplo famoso es el problema de los puntos: nueve puntos dispuestos en un patrón de cuadrícula de tres por tres deben conectarse dibujando cuatro segmentos de línea recta, sin levantar el bolígrafo del papel ni retroceder a lo largo de una línea. El sujeto generalmente supone que el bolígrafo debe permanecer dentro del cuadrado exterior de puntos, pero la solución requiere líneas que continúen más allá de este marco, y los investigadores han encontrado una tasa de solución del 0% dentro de un breve tiempo asignado. [47]
Este problema ha dado lugar a la expresión " pensar fuera de la caja ". [48] [ página necesaria ] Estos problemas suelen resolverse mediante una intuición repentina que salta las barreras mentales, a menudo después de un largo trabajo contra ellas. [49] Esto puede resultar difícil dependiendo de cómo haya estructurado el sujeto el problema en su mente, de cómo recurra a experiencias pasadas y de lo bien que haga malabarismos con esta información en su memoria de trabajo. En el ejemplo, visualizar los puntos conectados fuera del cuadrado que enmarca requiere visualizar una disposición no convencional, lo que supone una tensión para la memoria de trabajo. [48]
La información irrelevante es una especificación o datos presentados en un problema que no están relacionados con la solución. [45] Si el solucionador supone que es necesario utilizar toda la información presentada, esto a menudo descarrila el proceso de resolución de problemas, haciendo que los problemas relativamente simples sean mucho más difíciles. [50]
Por ejemplo: "El quince por ciento de la gente de Topeka tiene números de teléfono que no figuran en la guía telefónica. Seleccionas 200 nombres al azar de la guía telefónica de Topeka. ¿Cuántas de estas personas tienen números de teléfono que no figuran en la guía?" [48] [ página necesaria ] La respuesta "obvia" es el 15%, pero de hecho ninguna de las personas que no figuran en la guía estaría incluida entre las 200. Este tipo de " pregunta capciosa " se utiliza a menudo en pruebas de aptitud o evaluaciones cognitivas. [51] Aunque no son inherentemente difíciles, requieren un pensamiento independiente que no es necesariamente común. Los problemas matemáticos verbales a menudo incluyen información cualitativa o numérica irrelevante como un desafío adicional.
La alteración causada por los sesgos cognitivos antes mencionados puede depender de cómo se represente la información: [51] visualmente, verbalmente o matemáticamente. Un ejemplo clásico es el problema del monje budista:
Un monje budista comienza un día al amanecer a caminar por una montaña, llega a la cima al atardecer, medita en la cima durante varios días hasta que un amanecer comienza a caminar de regreso al pie de la montaña, a donde llega al atardecer. Sin hacer suposiciones sobre su inicio o parada o sobre su ritmo durante los viajes, prueba que hay un lugar en el camino que ocupa a la misma hora del día en los dos viajes separados.
El problema no puede abordarse en un contexto verbal, tratando de describir el progreso del monje cada día. Se vuelve mucho más fácil cuando el párrafo se representa matemáticamente mediante una función: se visualiza un gráfico cuyo eje horizontal es la hora del día y cuyo eje vertical muestra la posición (o altitud) del monje en el camino en cada momento. Superponiendo las dos curvas del viaje, que recorren diagonales opuestas de un rectángulo, se ve que deben cruzarse en algún lugar. La representación visual mediante gráficos ha resuelto la dificultad.
A menudo, estrategias similares pueden mejorar la resolución de problemas en las pruebas. [45] [52]
Las personas que se dedican a la resolución de problemas tienden a pasar por alto los cambios sustractivos, incluso aquellos que son elementos críticos de soluciones eficientes. [ ejemplo necesario ] Se ha demostrado que esta tendencia a resolver primero, solo o principalmente creando o agregando elementos, en lugar de restar elementos o procesos, se intensifica con cargas cognitivas más altas, como la sobrecarga de información . [53]
Las personas también pueden resolver problemas mientras duermen. Existen muchos relatos de científicos e ingenieros que resolvieron problemas en sus sueños . Por ejemplo, Elias Howe , inventor de la máquina de coser, descubrió la estructura de la bobina a partir de un sueño. [54]
El químico August Kekulé estaba pensando en cómo el benceno organizaba sus seis átomos de carbono e hidrógeno. Pensando en el problema, se quedó dormido y soñó con átomos danzantes que formaban una especie de serpiente, lo que lo llevó a descubrir el anillo del benceno. Como escribió Kekulé en su diario:
Una de las serpientes se agarró de la cola y la figura giró burlonamente ante mis ojos. Como si hubiera sido alcanzado por un relámpago, me desperté y también esta vez pasé el resto de la noche pensando en las consecuencias de la hipótesis. [55]
También existen estudios empíricos sobre cómo las personas pueden pensar conscientemente sobre un problema antes de irse a dormir y luego resolverlo con una imagen de un sueño. El investigador de sueños William C. Dement dijo a su clase de pregrado de 500 estudiantes que quería que pensaran en una serie infinita, cuyos primeros elementos fueran OTTFF, para ver si podían deducir el principio detrás de ella y decir cuáles serían los siguientes elementos de la serie. [56] [ página necesaria ] Les pidió que pensaran en este problema todas las noches durante 15 minutos antes de irse a dormir y que escribieran cualquier sueño que tuvieran. Se les indicó que pensaran en el problema nuevamente durante 15 minutos cuando se despertaran por la mañana.
La secuencia OTTFF son las primeras letras de los números: uno, dos, tres, cuatro, cinco. Los siguientes cinco elementos de la serie son SSENT (seis, siete, ocho, nueve, diez). Algunos de los estudiantes resolvieron el rompecabezas reflexionando sobre sus sueños. Un ejemplo fue un estudiante que relató el siguiente sueño: [56] [ página necesaria ]
Estaba en una galería de arte, mirando los cuadros de la pared. Mientras caminaba por el pasillo, empecé a contar los cuadros: uno, dos, tres, cuatro, cinco. Cuando llegué al sexto y al séptimo, los cuadros habían sido arrancados de sus marcos. Me quedé mirando los marcos vacíos con una extraña sensación de que algún misterio estaba a punto de resolverse. ¡De repente me di cuenta de que los espacios sexto y séptimo eran la solución al problema!
En el caso de más de 500 estudiantes universitarios, se determinó que 87 sueños estaban relacionados con los problemas que se les habían asignado (53 directamente relacionados y 34 indirectamente relacionados). Sin embargo, de las personas que tuvieron sueños que aparentemente resolvieron el problema, solo siete pudieron conocer conscientemente la solución. El resto (46 de 53) pensó que no conocía la solución.
Mark Blechner llevó a cabo este experimento y obtuvo resultados similares a los de Dement. [57] [ página requerida ] Descubrió que, mientras intentaban resolver el problema, las personas tenían sueños en los que la solución parecía obvia, pero era raro que los soñadores se dieran cuenta de cómo sus sueños habían resuelto el problema. La persuasión o las pistas no lograron que se dieran cuenta, aunque una vez que escucharon la solución, reconocieron cómo su sueño la había resuelto. Por ejemplo, una persona en ese experimento OTTFF soñó: [57] [ página requerida ]
Hay un gran reloj. Se puede ver el movimiento. La manecilla grande del reloj estaba en el número seis. Se podía ver cómo avanzaba, número tras número, seis, siete, ocho, nueve, diez, once, doce. El sueño se centraba en las pequeñas partes de la maquinaria. Se podían ver los engranajes en el interior.
En el sueño, la persona contaba los siguientes elementos de la serie (seis, siete, ocho, nueve, diez, once, doce), pero no se daba cuenta de que esa era la solución del problema. Su mente-cerebro dormida [ jerga ] resolvió el problema, pero su mente-cerebro despierta no sabía cómo hacerlo.
Albert Einstein creía que gran parte de la resolución de problemas se lleva a cabo de forma inconsciente y que la persona debe entonces averiguar y formular conscientemente lo que la mente-cerebro [ jerga ] ya ha resuelto. Creía que éste era su proceso para formular la teoría de la relatividad: “El creador del problema posee la solución”. [58] Einstein dijo que resolvía sus problemas sin palabras, principalmente en imágenes. “Las palabras o el lenguaje, tal como están escritos o hablados, no parecen desempeñar ningún papel en mi mecanismo de pensamiento. Las entidades psíquicas que parecen servir como elementos en el pensamiento son ciertos signos e imágenes más o menos claras que pueden reproducirse y combinarse ‘voluntariamente’”. [59]
Los procesos de resolución de problemas difieren entre los distintos dominios de conocimiento y niveles de experiencia. [60] Por esta razón, los hallazgos de las ciencias cognitivas obtenidos en el laboratorio no necesariamente pueden generalizarse a situaciones de resolución de problemas fuera del laboratorio. Esto ha llevado a que, desde los años 1990, la investigación se centre en la resolución de problemas del mundo real. Sin embargo, este énfasis se ha expresado de manera bastante diferente en América del Norte y Europa. Mientras que la investigación norteamericana se ha concentrado típicamente en estudiar la resolución de problemas en dominios de conocimiento naturales separados, gran parte de la investigación europea se ha centrado en problemas nuevos y complejos, y se ha realizado con escenarios computarizados. [61]
En Europa han surgido dos enfoques principales, uno iniciado por Donald Broadbent [62] en el Reino Unido y el otro por Dietrich Dörner [63] en Alemania. Los dos enfoques comparten un énfasis en tareas de laboratorio computarizadas relativamente complejas y semánticamente ricas, construidas para parecerse a problemas de la vida real. Los enfoques difieren un poco en sus objetivos teóricos y metodología. La tradición iniciada por Broadbent enfatiza la distinción entre procesos cognitivos de resolución de problemas que operan bajo conciencia y fuera de ella, y generalmente emplea sistemas computarizados matemáticamente bien definidos. La tradición iniciada por Dörner, por otro lado, tiene un interés en la interacción de los componentes cognitivos, motivacionales y sociales de la resolución de problemas, y utiliza escenarios computarizados muy complejos que contienen hasta 2000 variables altamente interconectadas. [64]
En América del Norte, a raíz del trabajo de Herbert A. Simon sobre "aprender haciendo" en dominios semánticamente ricos, [65] los investigadores comenzaron a investigar la resolución de problemas por separado en diferentes dominios de conocimiento natural (como la física, la escritura o el ajedrez ) en lugar de intentar extraer una teoría global de la resolución de problemas. [66] Estos investigadores se han centrado en el desarrollo de la resolución de problemas dentro de ciertos dominios, es decir, en el desarrollo de la experiencia . [67]
Las áreas que han atraído una atención bastante intensa en América del Norte incluyen:
La resolución de problemas complejos (SRC) se distingue de la resolución de problemas simples (SPS). En la SPS hay un obstáculo singular y simple. En la SRC puede haber múltiples obstáculos simultáneos. Por ejemplo, un cirujano en su trabajo tiene problemas mucho más complejos que un individuo que debe decidir qué zapatos ponerse. Como explicó Dietrich Dörner y más tarde amplió Joachim Funke, los problemas complejos tienen algunas características típicas, que incluyen: [1]
Las personas resuelven problemas en muchos niveles diferentes, desde el individual hasta el de la civilización. La resolución colectiva de problemas se refiere a la resolución de problemas realizada colectivamente. Los problemas sociales y globales normalmente solo pueden resolverse colectivamente.
La complejidad de los problemas contemporáneos excede la capacidad cognitiva de cualquier individuo y requiere variedades diferentes pero complementarias de experiencia y capacidad colectiva para resolver problemas. [82]
La inteligencia colectiva es la inteligencia compartida o grupal que surge de la colaboración , los esfuerzos colectivos y la competencia de muchos individuos.
En la resolución colaborativa de problemas, las personas trabajan juntas para resolver problemas del mundo real. Los miembros de los grupos de resolución de problemas comparten una preocupación común, una pasión similar y/o un compromiso con su trabajo. Los miembros pueden hacer preguntas, preguntarse e intentar comprender cuestiones comunes. Comparten conocimientos, experiencias, herramientas y métodos. [83] Los grupos pueden ser fluidos en función de las necesidades, pueden surgir solo temporalmente para terminar una tarea asignada o pueden ser más permanentes según la naturaleza de los problemas.
Por ejemplo, en el contexto educativo, los miembros de un grupo pueden tener participación en el proceso de toma de decisiones y un papel en el proceso de aprendizaje. Los miembros pueden ser responsables del pensamiento, la enseñanza y el seguimiento de todos los miembros del grupo. El trabajo en grupo puede coordinarse entre los miembros de modo que cada miembro haga una contribución igual al trabajo general. Los miembros pueden identificar y desarrollar sus fortalezas individuales para que todos puedan hacer una contribución significativa a la tarea. [84] El trabajo en grupo colaborativo tiene la capacidad de promover habilidades de pensamiento crítico, habilidades de resolución de problemas, habilidades sociales y autoestima . Al utilizar la colaboración y la comunicación, los miembros a menudo aprenden unos de otros y construyen conocimiento significativo que a menudo conduce a mejores resultados de aprendizaje que el trabajo individual. [85]
Los grupos colaborativos requieren esfuerzos intelectuales conjuntos entre los miembros e implican interacciones sociales para resolver problemas en conjunto. El conocimiento compartido durante estas interacciones se adquiere durante la comunicación, la negociación y la producción de materiales. [86] Los miembros buscan activamente información de los demás haciendo preguntas. La capacidad de utilizar preguntas para adquirir nueva información aumenta la comprensión y la capacidad de resolver problemas. [87]
En un informe de investigación de 1962, Douglas Engelbart relacionó la inteligencia colectiva con la eficacia organizacional y predijo que "aumentar proactivamente el intelecto humano" produciría un efecto multiplicador en la resolución de problemas grupales: "Tres personas trabajando juntas en este modo aumentado [parecerían] ser más de tres veces más efectivas en la resolución de un problema complejo que una persona aumentada trabajando sola". [88]
Henry Jenkins , un teórico de los nuevos medios y la convergencia de los medios, se basa en la teoría de que la inteligencia colectiva puede atribuirse a la convergencia de los medios y a la cultura participativa . [89] Critica la educación contemporánea por no incorporar las tendencias en línea de resolución colectiva de problemas en el aula, afirmando que "mientras que una comunidad de inteligencia colectiva fomenta la propiedad del trabajo como grupo, las escuelas califican a los individuos". Jenkins sostiene que la interacción dentro de una comunidad de conocimiento desarrolla habilidades vitales para los jóvenes, y el trabajo en equipo a través de comunidades de inteligencia colectiva contribuye al desarrollo de dichas habilidades. [90]
El impacto colectivo es el compromiso de un grupo de actores de diferentes sectores con una agenda común para resolver un problema social específico, utilizando una forma estructurada de colaboración.
Después de la Segunda Guerra Mundial se crearon las Naciones Unidas , la Organización de Bretton Woods y la OMC . La resolución colectiva de problemas a nivel internacional se cristalizó en torno a estos tres tipos de organizaciones a partir de la década de 1980. Como estas instituciones globales siguen siendo estatales o centradas en el Estado, no es sorprendente que perpetúen enfoques estatales o centrados en el Estado para la resolución colectiva de problemas en lugar de otros alternativos. [91]
El crowdsourcing es un proceso de acumulación de ideas, pensamientos o información de muchos participantes independientes, con el objetivo de encontrar la mejor solución para un problema determinado. Las tecnologías de la información modernas permiten la participación de muchas personas y facilitan la gestión de sus sugerencias de manera que se obtengan buenos resultados. [92] Internet permite una nueva capacidad de resolución colectiva de problemas (incluso a escala planetaria). [93]
{{citation}}: CS1 maint: location missing publisher (link)(Porciones adaptadas del Documento de posición de la Junta de Educación del Estado de Michigan sobre habilidades de procesamiento de información, 1992).
Materiales de aprendizaje relacionados con la resolución de problemas en Wikiversidad