Al rescate de los algoritmos para la enseanza de las ciencias.

Una herramienta para analizar y representar Conocimientos Condicionales1

Alfonso Orantes Postgrado en Psicologa de la Instruccin Facultad de Humanidades y Educacin, Universidad Central de Venezuela
Resumen Se plantea la importancia de incorporar los algoritmos como herramienta de trabajo del docente, sealndose algunas razones que impiden su difusin, incluyendo modas como los Mapas de Conceptos los cuales no pueden representar el conocimiento condicional que implica tomar decisiones ante la ruptura de la linearidad de una secuencia por las contingencias, propias del ambiente en el cual se utiliza, ventaja fundamental de los algoritmos. Se exploran sus orgenes en Rusia e Inglaterra y se enfatiza que Landa (1966) les asign una connotacin diferente a la de matemtica y computacin: Pueden definirse como herramientas para analizar y representar conocimientos condicionales, bsicamente de tipo procedimental, por lo cual solo pueden aplicarse a contenidos que cumplan con este requisito. Se identifican ocho componentes bsicos: Propsito, inicio, pasos, condiciones, valores de las condiciones, relaciones, rutas y salidas. Pueden representarse mediante diferentes formatos: Prosa Algortmica, Diagramas de flujo, Tablas de Decisin y Lista de Preguntas. Se presentan algunos ejemplos y aplicaciones en reas de Ciencias de la Salud, Derecho y Enseanza de las Ciencias. Finalmente se enumeran las aplicaciones genricas que pueden hacerse, basado en la Experiencia del Postgrado en Psicologa de la Instruccin. Esto incluye su uso como medio de comunicacin con el especialista durante el proceso de desarrollo de Sistemas Expertos 1.0. Introduccin Fuente Ovejuna todos a una! Al rescate de los algoritmos para usarlos en instruccin, de nuevo y para siempre. Este es un llamado a vencer los obstculos que han impedido su difusin. Dentro del mbito de la enseanza, constituyen una potente herramienta, con muchas aplicaciones, por su capacidad para sintetizar y representar informacin compleja de contenidos que impliquen cadenas de decisiones. Sin embargo, ha sido un recurso prcticamente desconocido entre los docentes. Sus aplicaciones son muy escasas. Desaprovechndose as, el amplio potencial de aplicaciones que ofrecen para resolver, en forma sencilla y eficiente, problemas de enseanza, a cualquier nivel educativo. Surgieron a finales de los aos sesenta y, durante los aos setenta, recibieron una merecida atencin dentro del rea de la enseanza (Vzquez & Larocque, 1982), pero como uno de estos autores ha dicho: "Pasaron de moda..." El propsito de este trabajo es justamente develar el potencial intrnseco que ofrecen los algoritmos. Se enfatizan las especiales propiedades que poseen para analizar y representar los conocimientos de tipo condicional dentro del contexto general de la instruccin, del diseo de materiales y especialmente su pertinencia dentro de la enseanza de las ciencias en funcin del tipo particular de contenidos que se manejan en esta rea. Se hace hincapi en la connotacin especfica que adquieren los algoritmos dentro del terreno de la enseanza como herramienta de anlisis y representacin frente al concepto de procedimiento de cmputo propio de la matemtica y la computacin. Se analizan las razones que podran explicar su desuso dentro del campo de la enseanza, para lo cual:
1

Orantes, A. (1996). Al rescate de los Algoritmos para la enseanza de las Ciencias. Una herramienta para Analizar y Representar Conocimientos Condicionales. En S. Castaeda (Ed.) Evaluacin y fomento del desarrollo intelectual en la enseanza de las ciencias, artes y tcnicas (299-332). Mxico: UNAM.

Se plantea un marco conceptual para situarlos y las razones sobre la conveniencia prctica de incorporar los algoritmos al arsenal didctico bsico de los docentes. Se identifican los elementos constitutivos y los formatos que se pueden utilizarse para elaborarlos. Finalmente, se muestran aplicaciones realizadas dentro del contexto del desarrollo de la Psicologa de la Instruccin en Venezuela, incluyendo investigaciones realizadas sobre este recurso.

La pregunta clave es: Por qu no se utilizan los algoritmos ampliamente en la Enseanza de las Ciencias? La pregunta se multiplica en respuestas. Por varias razones este recurso tan potente se ha mantenido fuera de las prcticas dominantes de la didctica y del diseo de instruccin tradicionales y su uso dentro de la tecnologa de la instruccin ha sido efmero. 2.0. Los obstculos para la difusin de los Algoritmos Se pueden sealar varios obstculos que han impedido la difusin de los algoritmos: La visin pragmtica. En primer lugar, el evidente sesgo prctico de las primeras divulgaciones en el mundo anglosajn. Lewis, psiclogo, miembro de una empresa consultora, y sus colaboradores (Lewis, Horabin & Gane, 1967), introdujeron los algoritmos en Inglaterra en publicaciones oficiales dirigidas al rea laboral y administrativa, aplicndolos a simplificar la presentacin de las normas y procedimientos complejos, propios de los materiales de la administracin pblica (Ryan, Willis & Brook, 1970); ms tarde introdujo las Tablas de Decisin, bsicamente un formato de presentacin y apoyo para preparar los algoritmos (Lewis, 1970). Dentro de esta tnica el esfuerzo de muchos se concentr en aspectos tcnicos y prcticos de su elaboracin. Este esfuerzo, de gran refinamiento culmin con la Gua para el Autor de Algoritmos (Wheatley & Unwin, 1972), una verdadera Biblia en el rea. Carencia de marco conceptual transparente. La paradoja es que el nfasis prctico estuvo precedido por estudios sobre aspectos del razonamiento complejo iniciados en 1962 (Wason & Johnson-Laird, 1972), que incluan la representacin de decisiones mediante lo que Wason denomin "rboles lgicos." Pero en la prctica, no quedaba claro el significado de conocimientos complejos, ms all de la enredada prosa burocrtica britnica; pero tampoco la razn por la cual los algoritmos eran la herramienta adecuada para abordarlos. Wason se haba concentrado en las estructuras lingsticas de la negacin y esto lo llev a analizar los efectos de negar una proposicin dentro de un procedimiento. Para ese entonces se careca de un marco de referencia conceptual ms transparente en el cual situar a los algoritmos y establecer a partir de aqu sus ramificaciones tericas y prcticas. Curiosamente Landa (1966), un psiclogo ruso, hizo un gran esfuerzo por establecer sus bases tericas y operativas. Enmarc los algoritmos dentro del la naciente teora ciberntica del control de procesos intelectuales con la finalidad ltima de racionalizar el proceso de instruccin y del aprendizaje. Pero dos razones atentaron contra la difusin de sus ideas. Primero, su trabajo se conoci en Occidente tan solo en 1974. Segunda, su prosa densa y prolija dificulta la comprensin de sus ideas y paradjicamente el nfasis en fundamentar el abordaje, dificulta derivar aplicaciones. Lo contrario del enfoque operativo de los ingleses. El imperio de las modas. La influencia de las modas no es factor despreciable. Imponen determinados recursos en desmedro de la conveniencia, tal como actualmente sucede con los Mapas de Conceptos (Novak & Gowin, 1984). Estos recursos, muy populares dentro del campo de la enseanza de las ciencias, tienen una gran limitacin. A pesar de que pueden representar el desglosamiento de los elementos constitutivos de un contenido complejo y sus interrelaciones, carecen de elementos estructurales para representar el conocimiento condicional, el ms avanzado dentro de cualquier dominio, el cual se expresa en forma de complejas redes de producciones del tipo Si...Entonces (Newell, 1973) mediante las cuales se representan la tomas de decisiones que caracterizan al conocimiento condicional.

La inhabilidad de los Mapas de Conceptos para representar el conocimientos condicional es una gran limitacin para usarlos en el campo de la Enseanza de las Ciencias. Todo docente sabe que en las disciplinas cientficas se manejan contenidos complejos. Luego de dominar la terminologa y las agrupaciones conceptuales bsicas, el alumno debe aprender a solventar situaciones en las cuales debe tomar en cuenta, a la vez , varios factores que interactan entre si. Son las situaciones tpicas del "depende." Cuando logra dilucidar una situacin podr realizar las operaciones especficas que corresponden a la ruta de la decisin tomada. Justamente, los algoritmos permiten manejar satisfactoriamente las situaciones complejas que implican, por definicin, la toma de decisiones frente a la presencia de condiciones. Ignorados en los planes de formacin docente. La gran mayora de los docentes, incluyendo los de ciencias, desconocen la funcin y utilidad de los algoritmos como herramienta genrica de trabajo. No se incluyen en los planes de formacin docente. Esto posiblemente se debe a que tanto en la Didctica, en el Diseo de Instruccin, como en las aplicaciones de la Tecnologa Educativa, privaron durante mucho tiempo las concepciones conductistas norteamericanas que no le dieron cabida a este recurso; a pesar de que los algoritmos aparecieron en USA a finales de los aos setenta, particularmente en la revista Educational Technology (Vzquez-Abad & Larocque, 1982), pero no tuvieron efecto permanente. Baste con revisar los Manuales de Diseo. En algunos casos se incluyen tan solo ejemplos de Diagramas de Flujo, sin explotar plenamente el concepto subyacente de algoritmo. (v.g. Romiszowski, 1992) La ltima edicin del Manual de Diseo de Instruccin de Gagn los ignora (Gagn, Briggs & Wager, 1992). Todo esto a pesar de que un libro de Horabin & Lewis (1978) fue publicado en USA en una serie de Tecnologa Educativa dedicada a Diseo de Instruccin. Creencias inadecuadas Muchos docentes desarrollan creencias intuitivas inadecuadas sobre este recurso. Una propiedad distintiva de los algoritmos es que logran siempre una solucin a cualquiera de los problemas que caigan dentro de su cobertura. La representacin de su estructura sintetizan las decisiones que deben tomarse para la resolucin de la clase de problemas que definen su dominio. Algunos perciben en estas representaciones, en particular cuando se expresan en forma de rboles de decisiones, "enfoques mecnicos," que impiden el razonamiento." Esta reaccin frente al supuesto carcter mecanicista de los algoritmos, crean una barrera que impide su difusin; se les percibe como una amenaza a la comprensin de las situaciones y un obstculo para el racionamiento, la comprensin y hasta el desarrollo de la creatividad del estudiante. Lo paradjico es que los algoritmos permiten sintetizar la pericia del experto y develar sus patrones de razonamiento. Estas representaciones son la base, dentro de la Inteligencia Artificial para desarrollar Sistemas Expertos, un apoyo para resolver problemas tcnicos especializados (Orantes et al., 1995). Requerimientos tcnicos. Finalmente, hay una razn nada despreciable. A pesar de la simplicidad de su representacin la construccin de un algoritmo no es trivial. Se requiere dominar una serie de elementos tcnicos muy precisos incluyendo la capacidad para determinar si son aplicables al dominio de contenido escogido. A pesar de que una persona con un mnimo de entrenamiento y del suficiente inters puede construir fcilmente un algoritmo, se deben tener clara la restriccin que le da una ventaja: Solo son aplicables a tipos de conocimientos constituidos por cadenas de decisiones. Se aplican a clases de problemas que contienen varias condiciones que producen diferentes salidas. Asimismo, como lo ha advertido Lewis (1970), cuando los problemas incluyen ms de cuatro condiciones, puede resultar difcil preparar el algoritmo que resuelva en forma adecuada las combinaciones de condiciones, rutas y salidas. Las Tablas de Decisin, adems de ser una forma para representar la informacin, se son una til herramienta para preparar, en forma sistemtica algoritmos complejos (Wheatley & Unwin, 1972). 3.0. El desarrollo de los Algoritmos en Instruccin El sentido original 3

El trmino algoritmo es tan antiguo como las propia matemtica. Se refieren a patrones de procedimientos muy precisos para revolver un tipo especfico de problemas. Resolver divisiones, emplear la regla de tres, multiplicar abreviadamente por 10, son ejemplos de algoritmos que todos hemos usado. El trmino es en honor al matemtico persa Muhammad ibn al-Khwarizmi o Al Juarismi del siglo IX quin introdujo el clculo numrico utilizando la numeracin hind y escribi el primer tratado de lgebra (Gregory, 1987). En Figura 1 se presentan, en un Panel de Informacin, varias definiciones de algoritmo. Por una parte, estn las definiciones duras y tradicionales de Markov (1961), del mbito de las matemticas, y la de Knuth (1977) del mbito de la computacin. En ambos casos, se refieren a prescripciones o instrucciones muy precisas para resolver una clase muy especfica de problemas; enfatizando la manipulacin, mediante diferentes procedimientos de cmputo, de datos o smbolos, que llevan indefectiblemente a una solucin. Por otra parte, el resto de las definiciones coinciden con el sentido ms restringido dado por Landa referido al anlisis del razonamiento durante los procesos de aprendizaje, dentro del contexto de la enseanza. Las coincidencias Lev Landa, psiclogo de la entonces URSS, introdujo los algoritmos en el rea de la instruccin a finales de los aos cincuenta. Su primera publicacin fue en 1961 (Landa, 1966). Los concibi con un recurso para analizar, apoyar y dirigir los procesos de razonamiento de los estudiantes en el aprendizaje de geometra, en su bsqueda de formas para racionalizar el proceso de instruccin. En el fondo lo que haca era buscar formas de representar procesos de razonamiento. Extendi sus procedimientos a otras reas y tareas prcticas, como la gramtica y el manejo de equipos complejos, hasta llegar a plantearlos como un mtodo genrico de trabajo al servicio del docente y el aprendiz. En Estados Unidos se hacan avances en forma simultnea a problemas semejantes, pero desde una perspectiva ms afn a la computacin. Newell y Simon (1972) trabajaban desde mediados de los aos cincuenta en el desarrollo del Solucionador General de Problemas (GPS) que inclua la representacin de conocimientos mediante algoritmos. En Inglaterra, Wason vena abordando desde 1959 aspectos sobre el razonamiento humano (Wason & Johnson-Laird, 1972). Uno de sus intereses aplicados consista en desarrollar formas para simplificar la representacin de la informacin. Wason propuso en 1962, un ao despus de la publicacin en ruso del trabajo de Landa, los trminos "rboles lgicos" y "estructuras de lista" para representar cadenas de decisiones que permitan simplificar la enrevesada prosa burocrtica. Lewis tom las ideas de Wason (Lewis et al., 1967) y propuso llamar algoritmos a estos recursos para simplificar el anlisis y la representacin de informacin compleja en 1966, el mismo ao que Landa publicaba en ruso su Algoritmizacin de la Instruccin. El trabajo de Landa fue publicado en USA tan solo en 1974 por la editorial de la Educational Technology Publications. La versin castellana fue publicada en 1978 por Trillas. En todos estos casos era vital buscar formas para representar los procesos de razonamiento, los cuales se caracterizan por someter a prueba, progresivamente, diferentes tipos de condiciones que llevan a la resolucin del problema. Los algoritmos, constituyeron una herramienta para analizar y representar esas cadenas de decisiones. Para ese entonces su uso estaba supeditado a otros fines: el anlisis de los procesos de razonamiento. El sentido en Instruccin Lo importante de los trabajos de Landa, Lewis, Wason y Newell y Simon es que identificaron, desde diferentes perspectivas, formas para representar al ahora denominado conocimiento condicional, el

PANEL DE INFORMACION Markov (1961)

DEFINIENDO LOS ALGORITMOS

Landa, L.N. (1966)

Lewis, Horabin & Gane (1967)

Weatley & Uwin(1972)

Knuth (1977)

Vasquez & Larocque (1982)

Orantes (1987)

Es una prescripcin exacta que define un proceso de cmputo. Lleva de varios datos iniciales al resultado deseado. Una prescripcin precisa, generalmente comprensible, para efectuar una secuencia definida( en cada caso en particular) de operaciones elementales (de un sistema de tales operaciones) a fin de resolver cualquier problema de una clase (o tipo) dada. Se caracterizan por tres propiedades bsicas:: Su especificidad, generalidad y resultividad. Es un conjunto preciso de instrucciones para resolver un problema bien definido. Su mrito especial es simplificar la tarea de resolver un problema a una serie de operaciones, comparativamente simples, e indica, para una serie de contingencias, el orden en el cual se deben realizar estas operaciones para llegar a las salidas o productos finales. Es un medio para alcanzar un fin considerando nicamente aquellos factores que son relevantes para una situacin o caso particular. Es un conjunto de reglas o instrucciones que permiten obtener un producto especfico Su caracterstica es que se elimina toda vaguedad o imprecisin Sus reglas tienen que describir operaciones simples y bien definidas de suerte que una mquina pueda ejecutarlas. Adems, todo algoritmo ha de concluir en un nmero finito de pasos. En el campo educativo es un procedimiento que producir un procedimiento correcto siempre que sea aplicado a cualquier problema de una clase dada. Dicha clase es el dominio de algoritmo. Recursos para analizar y representar estructuras de conocimientos condicionales. Identifican la aplicacin de condiciones, las secuencias alternativas de pasos y las salidas resultantes, mediante las cuales se escogen las rutas especficas para resolver casos particulares de problemas, pertenecientes a una clase dada.

Figura 1. Panel de Informacin con definiciones de Algoritmo ms complejo de todos (Anderson, 1983). Las estructuras bsicas subyacentes son las llamadas producciones, del tipo Si... Entonces (Newell, 1973), a partir de las cuales pueden armarse sistemas de produccin, capaces de resolver todas las instancias de cobertura de una clase de problemas. De tal manera que el trmino algoritmo, aplicado al anlisis y representacin de conocimientos, adquiere un sentido diferente al de la matemtica y la computacin. Este sentido del trmino algoritmo, satisface dos necesidades bsicas de la instruccin: analizar y representar contenidos que, por definicin, se refieren a conocimientos. As, los algoritmos son una tcnica para analizar los conocimientos incluidos en la cobertura del contenido y de las operaciones que el estudiante debe realizar frente a ese contenido. Por otra, permiten representar el conocimiento en forma simplificada, convirtindose en un recurso para facilitar el aprendizaje de contenidos de tipo condicional y procedimental. Como recurso de instruccin, forman parte de las estrategias de representacin del conocimiento junto a los diagramas de flujo y los Mapas de Conceptos. Pero los algoritmos se circunscriben a contenidos que impliquen decisiones. Adems de constituir un recurso para el docente (Jaque 1986) pueden serlo para el estudiante (Becerra, 1986), tal como Landa lo avizor. Por otra parte, como se ha sealado, los algoritmos constituyen un valioso medio para facilitar la comunicacin entre el experto y el analista de conocimientos, dentro del rea de la Ingeniera de Conocimientos, durante el proceso de extraer y representar la pericia de un experto para el desarrollo de un Sistema Experto (Orantes et al., 1995). 4.0. Hacia una definicin de Algoritmos en Instruccin

Los algoritmos se definen, en su sentido ms extenso, como un recurso dentro del rea de la instruccin para analizar y representar conocimientos condicionales de tipo declarativo y procedimental (Orantes, 1987), por lo tanto constituyen una herramienta con muchas aplicaciones por su capacidad para sintetizar y representar informacin compleja que incluya cadena de decisiones. Los algoritmos al ser considerados dentro del rea de la enseanza, como herramientas para analizar y representar las estructuras de conocimientos de tipo condicional, requieren de una definicin diferente a la tradicional, derivada de la matemtica. Puede entonces entenderse por algoritmo: Un recurso para analizar y representar estructuras de conocimientos condicionales. Especifican las rutas alternativas de condiciones, pasos y las salidas resultantes que se derivan de la aplicacin de condiciones, que permiten resolver clases particulares de problemas. (Orantes, 1987) Esta definicin enfatiza, como punto de partida, que debe determinarse si el contenido al cual se desea aplicar o desarrollar un algoritmo posee una estructura de conocimientos de tipo condicional. Esto a su vez, exige, como requisito previ, que se trate de una rutina. Toda rutina comprende una serie de pasos, en los cuales se realiza una o varias operaciones, tal como sucede al sumar, restar, dividir, tomar la tensin arterial. o hacer una destilacin fraccionada. El punto es que los pasos deben ejecutarse en una secuencia ya establecida para cumplir con el propsito de la rutina. Por esto, los algoritmos no son aplicables a descripciones de objetos o sistemas ni a la enumeracin de sus partes, por muy complejos que sean. Este punto permitir luego dilucidar el significado de contenido complejo. mas all del planteamiento restringido de Lewis (Lewis et al., 1967). Para utilizar un algoritmo se requiere que el contenido incluya posibilidades de cambios y que ocurran en un orden determinado. En este sentido, los Mapas de Conceptos, resultan adecuados para la descripcin de contenidos topogrficos, que no implican secuencias. El requerimiento esencial de referirse a conocimiento condicional implica que la rutina seleccionada, tal como va a utilizarse en instruccin, incluya potenciales contingencias, propias del sistema, que puedan romper en algn punto la linearidad o desarrollo normal de una secuencia. Estas rupturas exigen, para continuar con el proceso, que se tome una decisin frente a las alternativas de accin que puedan ofrecerse. Por lo tanto, si el contenido no incluye la posibilidad de contingencias, si no existen alternativas de accin, entonces los algoritmos son inaplicables a esa situacin. Landa denomin a estas contingencias, condiciones lgicas y, consider que junto a la serie de operaciones--los pasos--a realizarse, conforman los elementos bsicos de un algoritmo (Landa, 1968). Es importante enfatizar el aspecto operativo y, como se ver ms adelante, conviene adems incluir otros elementos que tcitamente forman parte de los algoritmos. Estas condiciones son el punto de partida para delimitar el mbito o especificacin de la clase de problemas, con sus respectivas variantes, que resuelve el algoritmo. Las condiciones plantean una situacin muy especial. Frente a la presencia de la contingencia se ofrecen rutinas alternativas frente a las cuales hay que tomar una decisin. Estas decisiones se plantean en forma de pregunta para determinar si se aplica o no esa condicin al caso examinado. En el caso de la suma o resta se refiera a si es necesario llevar o pedir prestado. Las respuestas posibles constituyen los valores de la condicin y cada una conduce a una secuencia diferente. De tal manera que en base a las condiciones y sus valores se generan rutas o reglas que deben seguirse y que concluyen en una salida o solucin al caso planteado al algoritmo Por esto se dice que un algoritmo es una herramienta para identificar mediante procedimientos de anlisis estructuras de conocimientos de tipo condicional, particularmente de ejecucin, que por definicin incluyen el depende. A su vez, permiten representar, en forma econmica y transparente, este tipo de conocimientos. En ambos casos la tarea consiste en identificar las rutas de recorrido del algoritmo Estas rutas se expresan mediante reglas, que prescriben secuencias de decisiones en trminos de aquellos valores escogidos como alternativas a las condiciones, los pasos correspondientes y las salidas posibles que llevan a soluciones especficas. Vistos en su conjunto los algoritmos especifican redes de alternativas, que expresan las soluciones posibles a cualquier caso que corresponda a la clase de problemas incluidos dentro del mbito. A Landa le preocup mucho este aspecto y en el fondo su orientacin corresponda a lo que luego se denominara Ingeniera del Conocimiento, cuando empez a desarrollarse la Inteligencia Artificial. Pues justamente lo que 6

permite un algoritmo es representar la pericia necesaria para resolver cualquier caso perteneciente a una clase determinada de problemas. Sobre la base de la identificacin de patrones de solucin se pueden automatizar procedimientos para resolver problemas. Finalmente, con el apoyo de un programa de computacin se puede generar un Sistema Experto. Esta es un tema de mucho inters para la enseanza (Tennyson & Ferrara, 1978). Propiedades de los Algoritmos Landa (1966) enfatiz tres importantes propiedades de los algoritmos que se derivan del sentido matemtico que resultan apropiadas cuando se aplican a instruccin: Su especificidad, se refiere a la definicin estricta y precisa de la prescripcin, de sus elementos, mbito y operaciones que incluye. La generalidad, indica que cubren todos los casos dentro de una clase especfica de problemas y la resultividad, es la garanta de obtener una solucin para todos los problemas pertenecientes al dominio del algoritmo. Por lo cual el uso de los algoritmos requiere de una precisa delimitacin de su mbito y de sus elementos. A cambio, garantiza su aplicacin a cualquier caso que caiga dentro de su mbito y lograr una solucin apropiada dentro de un nmero finito de pasos. Las partes de un Algoritmo La contribucin clave de este trabajo radica en la definicin presentada y en especificar los elementos constitutivos de un algoritmo. Cada elemento suele representarse mediante smbolos, ms o menos convencionales. Sin embargo, su uso no es indispensable, como podr verse en algunos de los ejemplos. En la Figura 2 se muestran los elementos constitutivos de un algoritmo Instructivo para.... Propsito Inicio Condiciones Valores de las condiciones Pasos u operaciones Vnculos entre los elementos Salidas o productos Rutas o reglas a seguir Figura 2. Los componentes bsicos de un algoritmo dentro del contexto de instruccin Propsito del algoritmo. Define el mbito o cobertura de aplicacin, delimitando la clase de problemas a las cuales se aplica. La propiedad de generalidad garantiza la inclusin de todas las variantes posibles, independientemente de la frecuencia de ocurrencia. El propsito debe expresarse en un ttulo, el cual debe ser muy preciso, indicando las clases de problemas que incluye. Cualquier exclusin o restriccin del algoritmo puede incluirse como una salida a un valor de condicin, por ejemplo, No se incluye este caso (Lewis & Woolfenden, 1969). La delimitacin del mbito depende del nivel de exigencias de rendimiento propio de un nivel educativo dado. Esto apunta a la necesidad de tomar en cuenta los conocimientos previos requeridos para emplear el algoritmo. Se debe adecuar la terminologa al nivel de entrada asumido. Inicio o entrada. Indica el punto de partida para aplicar el algoritmo. Puede usarse una flecha gruesa ( ) o un valo con la palabra inicio, tal como se indica en el ejemplo de la Figura 2. Se pueden aplicar directamente a una condicin o a un paso. Condiciones. Representan las contingencias, propias del sistema, que desvan el curso de accin de una secuencia lineal, frente a las cuales debe tomarse una decisin que conduce a diferentes alternativas. Esto

tipifica a los algoritmos. Las condiciones se expresan en forma de pregunta para determinar si la condicin se cumple o no, al caso que se considere. Los valores de las condiciones. Expresan las respuestas posibles a la pregunta de la condicin. Estos valores conducen a rutas especficas. Conviene usar dos valores, para garantizar el respaldo de tablas de decisin (Lewis, 1970; Mc Daniel, 1968, Wheatley & Unwin, 1972), pero pueden emplearse ms de dos alternativas. Por lo general, para indicar si se cumple o no la condicin se coloca un si y un no, en la parte externa de la condicin tan como se indica en el diagrama. Pero tambin pueden emplearse a conveniencia palabras (grande, pequeo). Los pasos u operaciones que deben realizarse como parte de una secuencia, antes o despus de las decisiones. Las prescripciones se indican dentro de rectngulos. Deben indicar en forma clara la operacin a realizarse. El grado de detalle de la descripcin depende de los conocimientos que se asuman y del nivel de complejidad del nivel educativo. Pueden elaborarse algoritmos sin incluir en forma explcita el paso correspondiente. Lewis y sus colaboradores denominan rboles lgicos a los algoritmos que solo presentan las condiciones y sus valores pero excluyen los pasos y la consiguiente especificacin de las operaciones a realizar (Lewis et al., 1967; Lewis & Woolfenden, 1969). Esta distincin en verdad un artefacto pues en lugar de indicar el paso Tome la temperatura con un termmetro, simplemente se incluye la condicin Temperatura mayor a 37 grados?, con los valores SI y NO. El paso es tcito, pues para poder tomar una decisin, es necesario previamente realizar la operacin de tomar la temperatura con un termmetro. Los vnculos permiten relacionar a los diferentes elementos del algoritmo y establecer las rutas a seguir. Estas conexiones se sealan mediante una lnea, con una flecha al final que indica la direccin a seguir, tal como se indica en el ejemplo de la Figura 2.. Las rutas o reglas a seguir. Especifican los diferentes recorridos posibles del algoritmo. Cada una indica una secuencia especfica de resolucin para un tipo particular de problemas incluidos dentro del mbito del algoritmo. Estn determinadas por la secuencias resultantes de los valores asignados por cada una de las condiciones relevantes que llevan, a travs de los correspondientes vnculos, a una salida determinada. Las salidas o productos, especifican las soluciones finales del algoritmo. Se representan mediante rectngulos con borde doble o grueso, para diferenciarlos de los pasos . 5.0. Formatos de Presentacin Los algoritmos pueden representarse mediante diferentes formatos de presentacin. El ms comn es el Diagrama de flujo. Pero tambin pueden representarse, mediante Tablas de Decisin (Lewis, 1970, Mc Daniel, 1968), notacin lgica (Landa, 1966), Lista de Preguntas (Lewis et al., 1967).o Prosa Algortmica (Lewis et al. 1967; Horabin & Lewis, 1978). Con un ejemplo sencillo se pueden ilustrar estos tipos de formatos. En Venezuela, tomar caf es algo muy personal. Cada quin prefiere un tipo especial. Son varias las condiciones y valores a tomar en cuenta. Incluye el tipo de caf (negro o con leche); en el caso de caf negro, puede ser puro o diluido con agua (Corto o largo). El caf mezclado con leche tiene dos alternativas (Marrn y con leche), dentro de las cuales hay variantes (Marrn claro, marrn, marrn obscuro, con leche, con leche claro). Tambin debe tomarse en cuenta el tamao de la taza (grande, pequeo) y si lleva azcar. Se puede simplificar la

tarea, reducindola a cuatro condiciones (Negro, Marrn, Grande, Azcar). En la Figura 3 a, b y c se representa este algoritmo mediante varios formatos. Es importante evitar la repeticin de una pregunta (Wheatley & Unwin, 1972), en el ejemplo del diagrama de flujo sobre el caf, la pregunta sobre agregar azcar se coloca al final del algoritmo.

6.0. Hacia un marco de referencia terico y conceptual Se ha sealado que uno de los factores limitante en la difusin y uso de los algoritmos es la falta de un marco de referencia transparente que los site dentro del desarrollo terico y conceptual actual de los procesos de enseanza aprendizaje. Al igual que otros recursos, como los Mapas de Conceptos, son herramientas para analizar y representar conocimientos, al servicio del docente, del diseador de materiales de instruccin y del mismo estudiante. Lo distintivo de los algoritmos es su capacidad para representar los conocimientos ms complejos: aquellos que requieren tomar decisiones sucesivas para lograr la solucin apropiada, que implica la ejecucin de una serie de operaciones. Tipo de Conocimientos, Estructuras de Conocimiento y Algoritmos Lo distintivo de los algoritmos es que ponen de relieve la existencia de dos tipos de fuentes de demandas de tarea que determinan la dificultad para aprender un material. Por una parte, las derivadas del contenido, las cuales son obvias y reciben mayor atencin. Se trata de matemtica o biologa? Cuales son las exigencias para matemtica en primero, segundo y tercer ao? Por otra, menos evidentes pero igualmente importantes, son las que reflejan factores estructurales, de tipo sintctico, subyacentes a esos contenidos los cuales, reciben muy poca atencin. No es lo mismo aprender terminologa y descripciones, secuencias de procedimientos, series de eventos que temas que incluyan variaciones condicionales como las que permiten representar los algoritmos. Esto ltimo es mas complejo y por lo tanto ms difcil. Estos factores sintcticos subyacentes reposan en dos nociones claves: Los diferentes tipos de conocimientos que se exijan y las estructuras de conocimientos involucrados. Actualmente hay acuerdo en diferenciar entre conocimiento: declarativo y procedimental (Anderson, 1987). Reflejan la clsica polaridad del saber y el hacer. As, Landa (1966) report que los estudiante podan enumerar los elementos de un problema pero no resolverlos adecuadamente. Carecan del manejo de las condiciones organizadas en forma de reglas, propias del conocimiento procedimental. Ambos tipos de conocimientos se conciben como estados subsecuentes en el desarrollo de la pericia del aprendiz a lo largo del trnsito de novato a experto. Para Anderson, la transformacin de un estado a otro se realiza mediante el proceso de compilacin, durante el cual, a medida que se ejercita, se van generando y perfeccionando producciones que se expresan en enunciados operativos del tipo Si...Entonces que permiten actuar en el cambiante mundo de la prctica. Es obvio que los algoritmos son el recurso apropiado para representar estas producciones. Frederiksen (1975), diferenci hace mucho entre informacin conceptual y estructural, que complementa lo anterior. Para l, si se elimina el contenido de las redes semnticas, que definen la base de los conocimientos del estudiante, constituidas por conceptos sobre diferentes contenidos, lo que queda es una estructura de relaciones entre hechos secuencias de eventos o rutinas a ejecutar. En base a esto se pueden identificar tres tipos de Estructuras de Conocimientos: topogrficas, referentes a descripciones y definiciones, secuenciales que incluye a las anteriores pero implican adems aprender secuencias en un orden determinado y las condicionales que implican toma decisiones frente a las rupturas de estas secuencias (Orantes, 1991). Las estructuras de conocimientos condicionales comprenden la aplicacin de varias reglas de tipo "Si...entonces". El alumno debe aprender secuencias de pasos y combinacin de reglas, de tipo declarativo o procedimental, referente a situaciones que tienen varias alternativas. Las decisiones que tome le llevarn ferentes rutas. El tpico ejemplo es el diagnstico mdico pero es equivalente a sumar, dividir o resolver problemas de fsica o qumica y tareas cotidianas como manejar, o escribir a mquina. Las estructuras de conocimientos condicionales sintetizan el nivel ms complejo de conocimientos dentro de cualquier contenido, pues engloban a los conocimientos topogrficos y a los secuenciales. Los algoritmos constituyen una valiosa ayuda para la enseanza de conocimientos de tipo condicional; tanto de contenidos conceptuales como de ejecucin. Permiten analizar contenidos que impliquen decisiones y representar procedimientos complejos para resolver clases de problemas. Asimismo, para el estudiante constituye una valiosa estrategia de aprendizaje (Becerra, 1966). Su dominio le permitir al alumno analizar la estructura de la informacin que estudia y le ayudar a visualizar y comprender las relaciones entre las condiciones que determinan diferentes rutas en procedimientos complejos.

10

7.0. Algunas aplicaciones en nuestro medio Dentro del contexto del desarrollo de la Psicologa de la Instruccin se utilizan profusamente. Se han realizado aplicaciones especialmente en las reas de Ciencias de la Salud, Derecho y Enseanza de la Biologa. Ciencias de la Salud Diagnstico de la Anemia. En Pediatra el diagnstico de la Anemia es muy difcil. Los textos suelen mencionar hasta cien posible causas para los distintos tipos de anemia infantil. Santamarina (1982) represent mediante algoritmos el diagnstico diferencial de la anemia infantil, simplificando ese complejo proceso. Cardiopatas Congnitas Su diagnstico es muy complejo y difcil pues los nios no pueden expresar los sntomas. Hay pocos expertos y al igual que en el caso de la anemia y, en general, no se estila en el rea de Ciencias de la Salud preparar representaciones formales de los procesos de diagnstico. Adems, no deja de haber escepticismo sobre su factibilidad y eficiencia. Se representaron las estructuras diagnsticas, a partir de los conocimientos de un destacado especialista como una base para desarrollar un sistema computarizado para entrenar a mdicos residentes de un postgrado de Cardiologa (Anselmi, Anselmi, & Orantes, 1987). Odontologa se han analizado, como parte de las aplicaciones de un curso sobre algoritmos, varias estructuras diagnsticas en el rea de la periodoncia. Instructivos para emergencias. Se han desarrollado instructivos para apoyar a mdicos recin graduados en sus residencias hospitalarias en las cuales deben atender diferentes tipos de consultas. (Figura 4 ). Lo importante de los algoritmos es que luego de completado el anlisis es relativamente fcil convertirlo en un material de instruccin como puede apreciarse en el caso del instructivo para emergencias. Enseanza de las Ciencias El entusiasmo del Profesor Humberto Gonzlez. ha convertido los Algoritmos y los Mapas de Conceptos en herramientas de enseanza para los maestros de diferentes regiones del pas y escolares que visitan la estacin de Pozo Blanco. Se han aplicado algoritmos a la clasificacin de rboles e insectos in situ. Una novedad es el uso de elementos icnicos para identificar las hojas de los rboles (Ver Figura 5). Adems, se construy un algoritmo para identificar alacranes del valle de Caracas, con el apoyo del un especialista en el rea; con el propsito de facilitar la identificacin del gnero y especie de los alacranes para preparar antdotos contra su veneno potencialmente letal en nios pequeos. Area de Derecho Bocaranda (1980) utiliz diagramas de flujo para representar en forma de algoritmos rudimentarios el recurso de Casacin. Con el apoyo de un Experto en Derecho Laboral se han realizado dos anlisis representando en forma de algoritmos la pericia de un experto para resolver problemas de Despido, de acuerdo al la legislacin laboral (Orantes, et. al 1995) y de Negociacin por Ramas (Constantini, 1995).

11

Figura 4. Instructivo para atender emergencia cuando se reportan molestias en el ojo

Figura 5. El uso de elementos icnicos puede ayudar a facilitar una tarea, en este caso a escolares. Fragmento de un ejemplo realizado por Magally San Luis y Humberto Gonzlez

12

8.0. La Investigacin sobre el uso de los Algoritmos Dentro del contexto de la enseanza de Psicologa Experimental se ha estudiado el efecto de representar las reglas de acentuacin ortogrfica a estudiantes de secretaria, mediante Tablas de Decisin y Diagramas de Flujo (Durn, Z. Maza, C. & Rico, T. 1979). Dos das despus de estudiar el material fueron evaluadas mediante un dictado y palabras sueltas. Solo La Tabla de Decisin result superior al Grupo Control (p. <0.05). Posteriormente se estudi el papel de mostrar las relaciones entre las "Condiciones" (Carrillo, Fuentes & Rivero, 1982). Para esto se prepar una versin en prosa algortmica del Cdigo Penal y se compar con un diagrama de flujo y el texto original. El Diagrama fue superior al texto (p.<0.05). Jaque (1986) en una investigacin ms completa estudi el papel de 3 formatos algortmicos en el aprendizaje de reglas de acentuacin (Tabla, Diagrama, Prosa). Ochenta estudiantes de Periodismo participaron como sujetos. Nuevamente solo la Tabla de Decisin result superior a la prosa convencional. En general y en los ejemplos citados los algoritmos se le suministran al estudiante. Becerra (1986), por el contrario, entren a estudiantes de la Escuela Militar , durante 3 semanas, en la preparacin de algoritmos y de Mapas de Conceptos para estudiar materiales con contenidos de diferentes estructuras (Descriptivos y secuenciales). En ambos casos rindieron significativamente mejor que los controles (p<0.05). Aplicaciones generales en Enseanza Para concluir vale la pena enumerar las diferentes aplicaciones de los algoritmos. Esto se basa en experiencias realizadas en nuestro medio. Se han escogido aquellas relacionadas con el el rea de la ciencias. En su mayora corresponden a las realizados por expertos, que aprendieron a utilizar este recurso. a) Aplicacin de taxonomas Las taxonomas para clasificar se basan en combinaciones de condiciones que agrupan a las diferentes familias de un mbito determinado. Curiosamente en el rea de la Biologa los algoritmos son prcticamente desconocidos. Como se ha sealado se han empleado en la aplicacin prctica de taxonomas en zoologa y botnica y para compuestos qumicos. b) Desarrollo de Ayudas para resolucin de problemas condicionales Aplicados a conocimientos procedimentales, los algoritmos pueden convertir en una gran ayuda para preparar ayudas de instruccin para que el estudiante aprenda y practique la solucin de problemas que requieren la aplicacin simultnea de varias reglas. Una vez que conoce las relaciones entre las condiciones y las diferentes rutas, puede prescindirse del instructivo, pero se puede recurrir de nuevo a ste en casos de duda. Se han aplicado a las reglas de ortografa,(Jaque, 1986) y operaciones con fracciones (Ejercicio de L. Salazar, 1987). c) Diagnstico de fallas Los algoritmos pueden tambin emplearse como apoyo para aprender a identificar fallas. Lewis & Wolfenden (1969) prepararon para Olivetti algoritmos de apoyo para diagnosticar fallas en mquinas de escribir . En nuestro medio se han aplicado al anlisis de fallas de exposicin en la enseanza de fotografa (Ejercicio de A. J.. Rodrguez, 1986). En el fondo, el diagnstico de fallas equivale estructuralmente al diagnstico mdico. d) Instructivos para utilizar instrumentos Ayudan al usuario que no domina completamente el manejo de instrumentos o equipo a utilizarlo eficientemente. Se han aplicado al uso de una balanza de precisin (Ejercicio de R. Fonseca, 1977). e) Como herramienta de estudio En el desarrollo de tcnicas de estudio no suelen tomarse en cuenta el tipo de estructuras subyacentes a los diferentes contenidos. El dominio en la elaboracin de algoritmos, ayuda al estudiante a sistematizar y comprender estructuras de informacin de tipo condicional. Se ha demostrado que esta destreza puede ser enseada. Landa (1966) puso nfasis en el uso de los algoritmos, no solo para presentarle al estudiante las 13

estructuras de solucin sino tambin para permitirle procesar la informacin y desarrollar sus propios algoritmos. Becerra (1986) entren a estudiantes de una Escuela Militar en el uso de Mapas de Conceptos y Algoritmos. En ambos casos el rendimiento fue superior a los controles. f) Representacin de estructuras diagnsticas En el rea del entrenamiento clnico constituyen una valiosa herramienta que no ha sido suficientemente explotada en nuestro medio. Los textos de Medicina todava presentan largos listados de datos clnicos que el estudiante debe identificar (v.g. Fisiolgicos, morfolgicos) asumiendo que el estudiante podra integrarlos en el proceso de diagnstico que requiere el uso de diferentes pruebas. Los algoritmos en este caso constituyen una inestimable ayuda para el docente de materias clnicas g) Desarrollo de Sistemas Expertos Los algoritmos se proyectan como una herramienta de Ingeniera del Conocimiento en el desarrollo de Sistemas de Expertos. Los algoritmos se convierten en un medio de comunicacin entre el analista y el experto. Adems, ayudan al experto a identificar los puntos crticos para la toma de decisiones y a sistematizar y representar la compleja informacin especializada que posee . Varias de las experiencias de anlisis han servido de base para desarrollar Sistemas Expertos utilizando el Ambiente para Comunicar Conocimientos Condicionales (Triple C) preparado en Turbo Prolog (Moreno, 1986): Alacrn, para clasificar alacranes, Congnito, para clasificar algunos tipos de Cardiopatas Congnitas y Laboral para casos de despido (Orantes et al., 1995). A Manera de Conclusin De esta manera se ha presentado una visin panormica sobre el significado y posibilidades de aplicacin de los algoritmos, dentro del terreno de la enseanza, Cumplen dos funciones primordiales. Por una parte sirven de herramienta para el anlisis de conocimientos y destrezas de tipo condicional. Por otra, son una ayuda, tanto para el docente, como recurso de enseanza y para el estudiante, como una ayuda de aprendizaje para procesar informacin Si fuera necesario precisar la contribucin de este trabajo, se podra decir que adems de pasar revista a las aplicaciones de los algoritmos, particularmente en nuestro medio, se intenta precisar su definicin, dentro del mbito de la enseanza, e identificar sus componentes esenciales. Referencias
Anderson, J.R. (1987). Skill Acquisition: Compilation of weak-method problem solutions. Pychological Review, 94, 192-210. Anselmi, G., Anselmi, C. & Orantes, A. (1987). Representacin de Estructuras Diagnsticas de Cardiopatas Congnitas para el desarrollo de un sistema computarizado de toma de decisiones. XXXVII Convencin de ASOVAC. Maracaibo, noviembre. Becerra, L.(1986). Algoritmos y redes como recursos para el aprendizaje de textos con estructura descriptiva y secuencial. Trabajo de Grado, Maestra en Tecnologa Educativa, UCV. Bocaranda, J.J. (1980). El Anlisis flujogrfico del Recurso de Casacin Penal. en Ciencias del Delito. Estudios varios en homenaje a Julio Chiossone (137-182). Facultad de Ciencias Jurdicas y Polticas, UCV. Carrillo, D., Fuentes, Z. & Rivero, B. (1982). Relacin de las Condiciones y eficiencia de un Algoritmo en el aprendizaje de principios de Derecho Penal. X Jornadas de Psicologa Experimental, 37-39. Escuela de Psicologa, UCV. Chi, M.T. & Glaser, R. (1980). The Measurement of Expertise: Analysis of the development of knowledge and skill as basis for assessing achievement. En E.L. Baker & E.S. Quellmalz (Eds.) Educational Testing and Evaluation: Design, analysis and policy. (37-47). Beverly Hills CA: SAGE. Publications. Durn, Z.; Maza, C. & Rico, T.(1979). Formatos de presentacin algortmica (Diagramas de Flujo y Tablas de Decisin) en el aprendizaje de reglas ortogrficas de acentuacin. VII Jornadas de Psicologa Experimental, 3739. Escuela de Psicologa, UCV. Frederiksen, C.H. (1975). Representing logical and semantical structure of knowledge acquired from discourse. Cognitive Psychology, 7, 371-458. Gagn, R.M., Briggs, L.J. & Wager, W.W. (1992). Principles of Instructional Design. Harcourt Brace Janovich.

14

Gregory, R.L. (Ed.). (1987). Diccionario Oxford de la Mente. Madrid: Alianza. 1995. Horabin, I.S. & Lewis, B.N. (1978). Algorithms. The Instructional Design Library, Volume 2. Englewood Cliffs, N.J: Educational Technology Publications. Jaque, N. (1986). Eficiencia de tres formatos algortmico en el aprendizaje de reglas de acentuacin ortogrfica.. Trabajo de Grado. Maestra en Psicologa de la Instruccin, UCV. Knuth, D.E. (1977). Algoritmos. Investigacin y Ciencia, 9, 42-53. Landa, L.N. (1966). Algorithmization in Learning and Instruction (Traducido del Ruso por V. Bennett F.F). Kopstein (Ed.). Englewwods, Cliffs NJ: Educational Technology Publications. 1974. Landa L.N. (1966). Algoritmos para la Enseanza y el Aprendizaje. Mxico: Trillas, 1978. Landa, L.N. (1968). Ciberntica y Pedagoga. (Traducido del ruso por J.M. Gell). Barcelona: Labor. Lewis, B.N. & Woolfenden, P.J. (1969). Algorithms and Logical Trees: A Self Instructional Course. Cambridge Algorithms Press. Lewis, B.N. (1970). Decision logic tables for algorithms and logical trees. CAS Ocasional Papers, No 12. London: HMSO. Lewis, B.N., Horabin, I.S., & Gane, C.P. (1967). Flow charts, logical trees and algortithms for rules and regulations.CAS Ocasional Papers, No 2. London: HMSO. Markov, A.A. (1961). Theory of Algorithms. Washington: National Science Foundation. McDaniel, H. (1978). Decision Logic Tables. Revised Edition. New York: Petrocelli. Novak, J.D. & Gowin, B. (1984). Learning how to Learn. Cambridge University Press. Newell, A. (1973). Production Systems. En W.G. Chase (Ed.). Visual Information Processing. N.Y.: Academic Press. Newell, A. & Simon, H.A.(1972). Human Problem Solving. Englewood Cliffs., N.J.: Prentice Hall. Orantes, A. (1991, Nov.). Estructuras de Conocimiento: Un enfoque libre de contexto para analizar lasdemandas de tarea. XLI Convencin Anual de ASOVAC. Fac. Ciencias, LUZ. Maracaibo. Orantes, A. (1987, Nov.). Los Algoritmos como instrumento para el anlisis y representacin de Estructuras de Conocimientos Condicionales en Instruccin. XXXVII Convencin ASOVAC. LUZ, Maracaibo. Orantes, A., Snchez, L., Santamara, R., & Marn, E.(1995). La representacin de la Pericia. Base para desarrollar un Sistema Experto: El caso de Despido en Derecho Laboral. Psicologa, 20 (1) 3-18. Caracas, UCV. Romiszowski, A. J. (1992). Developing Auto-Instructional Materials . New York: Kogan Press Santamarina, L.(198O). Diagramas para el Diagnstico de la Anemia Infantil. Postgrado de Pediatra. Hospital J. M. de Los Ros. Facultad de Medicina, UCV. Trabajo Indito. Tennyson, R.D. & Ferrara, J.(1987). Introduction to Special Issue: Artificial Intelligence in Education. Educational Technology, 27 7-8. Vasquez-Abad, J. & Larocque, G. (1982). La algortimizacin en la enseanza. Reflexiones hacia un posible desarrollo. Revista de Tecnologa Educativa, 7, 131-151 Wason, P.C. & Johnson-Laird, P.N. (1972). Psychology of Reasoning. Structure and Content. London: Batsford. Wheatley & Unwin (1972). The Algorithm writer's Guide. Londres: Longman Wright, P. (1971). Writing to be understood: Why use sentences? Applied Ergonomics, December, 207-209.

15