Ruth Villalón (1), Marian Serrano-Mendizábal (2), Ángeles Melero (1), Belén Izquierdo-Magaldi (1) y Mario Crespo-Haya (1)
(1) Dept. de Educación, Universidad de Cantabria, España
(2) Dept. de Psicología Evolutiva y de la Educación, Universidad de Valencia, España
Existen estrategias de eficacia demostrada para promover la competencia lectora. Sin embargo, la enseñanza en las aulas no se alinea habitualmente con las recomendaciones científicas. La tecnología, en concreto los sistemas de tutoría inteligente, puede ayudar llegando a un mayor número de estudiantes, proporcionando retroalimentación adaptada y favoreciendo una mayor motivación.
La competencia lectora es una habilidad fundamental para el desarrollo personal, académico y profesional, pero actualmente los resultados españoles en las evaluaciones internacionales son mejorables. En las últimas décadas se ha investigado exhaustivamente qué estrategias son más efectivas para promoverla. Disponemos de evidencia sobre los factores que influyen en el aprendizaje de la competencia lectora en general, pero, también, sobre cómo enseñar destrezas lectoras en situaciones específicas. Una de estas situaciones es la lectura orientada a tareas, en la que se requiere usar información textual para responder a preguntas. Sin embargo, existe una gran distancia entre el modo en que esta situación se trabaja en las aulas y lo que propone la ciencia. Por un lado, las preguntas que a menudo proponen los libros de texto son de bajo nivel cognitivo, pues muchas veces para solucionarlas basta con identificar información explícita (Sepúlveda et al., 2020). Por otro lado, las preguntas de comprensión se corrigen, pero habitualmente indicando solo cuál es la respuesta correcta, sin ofrecer retroalimentación personalizada.
En este sentido, es interesante tener en cuenta las posibilidades que ofrece la tecnología, y en particular, los Sistemas Tutoriales Inteligentes (McNamara, 2010). Estos tienen varias ventajas. En primer lugar, proporcionan instrucción en estrategias cognitivas y en otras dirigidas a regular y supervisar el proceso de comprensión (estrategias metacognitivas). En segundo lugar, ofrecen múltiples oportunidades para practicar con preguntas que exijan ir más allá de lo explícito, y con un mayor número de ejemplos del que podría darse en un aula. En tercer lugar, permiten al alumnado tener control sobre el proceso de comprensión en términos de ritmo, secuenciación y contenido instructivo. En cuarto lugar, permiten registrar con precisión las acciones del discente y generar una retroalimentación oportuna e individualmente adaptada (Morgan et al., 2020).
Un ejemplo reciente de sistema tutorial inteligente en lengua española es TuinLEC (véase descripción en Serrano-Mendizábal et al., 2023b; Figura 1). Para enseñar competencia lectora, TuinLEC cuenta con varios elementos de conocida eficacia. El primero es una instrucción que tiene como componentes esenciales el modelado, la enseñanza explícita y la práctica guiada de estrategias de comprensión (Joseph et al., 2021). Así, TuinLEC proporciona explicaciones directas acerca de qué, cómo, por qué y cuándo debe utilizarse una estrategia determinada, y también muestra cómo aplicarlas mientras guía la práctica de cada estudiante. El segundo elemento es una retroalimentación elaborada y adaptada, que ofrece información sobre cómo mejorar la respuesta o las estrategias mediante explicaciones y pistas (Golke et al., 2015). Este tipo de retroalimentación, como la que aporta TuinLEC, es más eficaz que solo indicar la respuesta correcta (Swart et al., 2019), además de ser la más adecuada para mejorar el rendimiento y las estrategias de lectura (Llorens et al., 2014). Por último, existe también un elemento motivacional, pues el alumnado joven suele preferir leer en pantalla (Golan et al., 2018), lo que hace más atractivo el uso de ordenadores que la lectura de documentos impresos.
Figura 1. Avatares de TuiLEC proporcionan retroalimentación.
Pero, ¿qué hace que TuiLEC sea eficaz? En un estudio reciente (Serrano-Mendizábal et al., 2023a), comparamos la eficacia de TuinLEC con una versión del mismo que emulaba las prácticas habituales del aula: sin modelado, ni práctica guiada, ni retroalimentación elaborada. Esta versión, en la que el alumnado leía en pantalla los mismos textos, contestaba las mismas preguntas que en TuinLEC y recibía retroalimentación de acierto/error, resultó ser efectiva solo para mejorar las respuestas a preguntas literales. En cambio, TuinLEC mejoró la puntuación en preguntas que requieren ir más allá de lo dicho explícitamente en el texto.
Por tanto, para mejorar la competencia lectora es necesario incorporar elementos instruccionales de eficacia comprobada. La tecnología puede ayudar a aplicarlos en situaciones reales de enseñanza.
Referencias bibliográficas
Golan, D.D., Barzillai, M., y Katzir, T. (2018). The effect of presentation mode on children’s reading preferences, performance, and self-evaluations. Computers & Education, 126, 346-358.
Golke, S., Dörfler, T. y Cordula, A. (2015). The impact of elaborated feedback on text comprehension within a computer-based assessment. Learning and Instruction, 39, 123-136.
Joseph, L., Ross, K., Xia, Q., Amspaugh, L. A., y Accurso, J. (2021). Reading Comprehension Instruction for Students with Intellectual Disabilities: A Systematic Literature Review. International Journal of Disability, Development and Education, 70(3), 314-339.
McNamara, D. S. (2010). Strategies to read and learn: overcoming learning by consumption. Medical Education, 44(4), 340–346.
Morgan, B. A., Hogan, A. M., Hampton, A. J., Lippert, A. M., y Graesser, A. C. (2020). The need for personalized learning and the potential of intelligent tutoring systems. En P. van Meter, A. List, D. Lombardin, & P. Kendeou (Eds.), Handbook Of Learning From Multiple Representations And Perspectives (pp. 495–512). New York: Routledge.
Llorens, A. C., Cerdán, R., y Vidal‐Abarca, E. (2014). Adaptive formative feedback to improve strategic search decisions in task‐oriented reading. Journal of Computer Assisted Learning, 30(3), 233–251.
Sepúlveda, A., Minte, A., y Díaz-Levicoy, D. (2020). Characterization of questions in textbooks of Natural Science in Chilean Primary Education. Educação e Pesquisa, 46(6).
Serrano-Mendizábal, M., Villalón, R., Melero, M. A., e Izquierdo-Magaldi, B. (2023a). Effects of two computer-based interventions on reading comprehension: Does strategy instruction matter? Computers & Education, 196(2),104727.
Serrano-Mendizábal, M., Villalón, R., Melero, Á., Izquierdo-Magaldi, B., y Crespo-Haya, M. (2023b). ¿Cómo ayudar a mejorar la competencia lectora? TuinLEC, un tutor inteligente para enseñar estrategias de lectura. Textos de Didáctica de la Lengua y la Literatura, 102, 62-68.
Swart, E. K., Nielen, T. M. y de Jong, M. T. S. (2019). Supporting learning from text: A meta-analysis on the timing and content of effective feedback. Educational Research Review, 28 (100296).
Manuscrito recibido el 23 de julio de 2023.
Aceptado el 22 de mayo de 2024.
