Usa los errores y fracasos para refinar la representación mental, no solo la técnica

Cuando algo sale mal, pregunta: «¿Qué estuvo mal en mi modelo?», no solo «¿Qué estuvo mal en mi ejecución?».

Why it works

La mayoría de los practicantes responden al fracaso corrigiendo la ejecución. Los aprendices expertos responden preguntándose también si el error revela un fallo en la representación mental: un caso que el modelo predijo mal, un patrón que no supo discriminar, un error de planificación que el recorrido previo no captó. El análisis de errores a nivel de representación conduce a mejoras que generalizan entre instancias; la corrección a nivel de ejecución arregla solo esa instancia.

How to do it

1. Tras un error significativo o un fracaso de rendimiento, reconstruye qué predijo tu modelo mental en cada paso.
2. Identifica el punto donde la predicción divergió de lo que ocurrió.
3. Pregunta: «¿Es esta una predicción que mi representación siempre acertaría mal? ¿Qué necesitaría ser distinto para predecir correctamente?».

Evidencia

El análisis de errores como proceso de refinamiento de la representación es el mecanismo subyacente a la «práctica deliberada» en el marco de Ericsson; los expertos usan sistemáticamente los fracasos para actualizar sus modelos en lugar de solo anotar el error y repetir. Los estudios de caso del aprendizaje experto confirman la actualización de la representación a través del error. (mechanistic)

El análisis de errores a nivel de modelo requiere una representación existente suficiente para diagnosticar a ese nivel; los novatos a menudo no pueden distinguir los errores de modelo de los de ejecución y se benefician más de la retroalimentación de ejecución en las etapas tempranas.

Sources

• Ericsson & Pool (2016), "Peak" (errors as representation feedback)

Common mistake

Tratar todos los errores como fallos de ejecución y practicar más duro, cuando el problema real es un modelo defectuoso que generará la misma categoría de error sin importar cuántas veces se repita la ejecución.