Cómo puedes aprender en un mundo de sobrecarga informativa | Tania Lombrozo
El acceso a la información antes era una limitación importante para el aprendizaje. Hoy, el problema más difícil suele ser decidir qué merece atención. Los motores de búsqueda, las plataformas sociales, los cursos en línea y la IA generativa pueden producir respuestas más rápido de lo que somos capaces de evaluarlas. En su charla de TEDxNewEngland, la científica cognitiva Tania Lombrozo sostiene que aprender mejor no siempre comienza reuniendo más material. A veces comienza trabajando de forma más deliberada con lo que ya está en la mente.
Lombrozo llama a este proceso «aprender pensando». La idea no es que la reflexión pueda sustituir la evidencia ni aportar hechos que nunca hemos encontrado. Más bien, pensar puede recuperar conocimiento oculto, reorganizar información familiar, generar nuevas conclusiones y revelar con precisión dónde falla nuestra comprensión. Esto convierte a la reflexión interna en un primer paso poderoso y en una defensa útil contra la sobrecarga informativa.
Por qué explicar un problema puede ayudar a resolverlo
Los ingenieros de software suelen describir en voz alta un problema persistente a un pato de goma u otro objeto silencioso. El pato no aporta conocimientos técnicos. Su valor radica en obligar al programador a expresar con claridad la situación, reconstruir los pasos relevantes y hacer visibles las suposiciones implícitas.
Lombrozo utiliza esta práctica para ilustrar un principio más amplio. Solemos considerar el aprendizaje como información que se mueve del mundo exterior hacia la mente: un profesor ofrece una explicación, un libro aporta datos o un motor de búsqueda devuelve una respuesta. Sin embargo, las personas también pueden aprender al examinar y manipular la información que ya poseen.
Piensa en una pregunta sobre una habitación conocida o la casa de tu infancia. Puede que nunca hayas memorizado cuántas ventanas tiene. Aun así, podrías recorrer mentalmente el espacio, examinar un recuerdo visual y calcular la respuesta. El número no estaba almacenado como un dato listo para usar. Se produjo al transformar un tipo de conocimiento —una escena recordada— en otra forma.
Lo mismo puede ocurrir con sonidos, movimientos, distribuciones espaciales y conceptos comprendidos solo parcialmente. Una persona puede saber más de lo que puede expresar de inmediato porque la información útil está distribuida entre distintos tipos de memoria. Pensar es una forma de recuperarla y recombinarla.
Aprender requiere transformación, no solo recuperación
Lombrozo compara el conocimiento interno con ingredientes en una cocina. Lo que tienes puede no coincidir con lo que pide una receta, pero a veces puede convertirse o combinarse. Una tableta de chocolate puede transformarse en trozos más pequeños; la sal y la mantequilla sin sal pueden utilizarse cuando se necesita mantequilla con sal.
El conocimiento funciona de manera similar. Un recuerdo, una regla, un ejemplo o una habilidad física pueden contener la materia prima para una respuesta sin contener la respuesta terminada. Pensar de forma eficaz implica cambiar la representación de ese material: convertir una imagen en un recuento, varios ejemplos en un patrón o hechos separados en una explicación causal.
Esto importa porque una persona puede consumir grandes cantidades de información sin realizar mucha transformación. Leer otro artículo o pedir otro resumen puede aumentar lo que está disponible, pero la disponibilidad no equivale a la comprensión. El aprendizaje se profundiza cuando conectamos material nuevo con conocimientos previos, ponemos a prueba sus implicaciones y lo usamos para responder preguntas que nadie respondió por nosotros.
Hay límites evidentes. Ninguna cantidad de introspección revelará una fecha histórica, una medición científica desconocida o el contenido de un documento que nunca hemos encontrado. Aprender pensando no puede fabricar evidencia ausente. Su propósito es determinar qué se puede derivar internamente y qué debe adquirirse en otro lugar.
La investigación sobre la autoexplicación
Una forma especialmente eficaz de aprender pensando es la autoexplicación. En vez de limitarse a releer el material, quienes aprenden se detienen a plantearse preguntas como:
¿Por qué este paso se deriva del anterior?
¿Cómo encaja este ejemplo con el principio general?
¿Qué ocurriría si cambiara una condición?
¿Puedo explicar la idea sin mirar la fuente?
¿Qué parte de mi explicación sigue siendo vaga?
Lombrozo señala investigaciones que comenzaron a finales de la década de 1980 y que examinaron por qué estudiantes expuestos a lecciones y recursos similares podían alcanzar niveles de comprensión muy diferentes. Una diferencia importante era lo que hacían los estudiantes exitosos mientras estudiaban. Generaban explicaciones, cuestionaban los pasos intermedios e intentaban dar cuenta de las relaciones presentes en el material.
Estudios posteriores establecieron lo que los investigadores llaman el efecto de autoexplicación. En distintos grupos de edad y contextos de aprendizaje, las personas que se explican ideas a sí mismas tienden a desarrollar una comprensión más sólida y a ser más capaces de aplicar lo aprendido más allá del ejemplo original.
El beneficio no proviene de producir una prosa pulida. Una explicación vacilante puede ser productiva porque el propio intento exige recuperar y organizar información. Obliga al aprendiz a decidir qué hechos importan, cómo se relacionan y si realmente respaldan la conclusión.
Cómo la explicación cambia nuestra forma de ver un problema
Lombrozo describe un experimento con tarjetas que podían emparejarse de más de una manera. Los adultos tendían a advertir una relación abstracta; por ejemplo, emparejaban una tarjeta que mostraba dos animales idénticos con otra que también mostraba dos animales iguales. Los niños pequeños eran más propensos a centrarse en un objeto compartido y a emparejar tarjetas porque ambas incluían el mismo tipo de animal.
Cuando se pidió a niños de cinco y seis años que explicaran por qué ciertas tarjetas pertenecían juntas, sus elecciones se desplazaron hacia el patrón más abstracto preferido por los adultos. No se les dio retroalimentación correctiva ni datos adicionales. La petición de una explicación cambió la manera en que organizaban la información que ya tenían delante.
Este hallazgo capta algo importante sobre el aprendizaje. La explicación hace más que informar de un pensamiento ya terminado. Puede remodelar el propio pensamiento. Al buscar una razón general, los aprendices pueden ir más allá de los rasgos superficiales llamativos y advertir una estructura más profunda.
Ese cambio favorece la transferencia. Si alguien entiende únicamente los detalles visibles de un ejemplo, la lección puede seguir vinculada a ese caso. Si identifica la relación subyacente, es más probable que la reconozca cuando cambien los objetos, el lenguaje o el contexto.
La ilusión de profundidad explicativa
Las personas con frecuencia sienten que entienden sistemas familiares hasta que intentan explicar cómo funcionan. Un inodoro, una cremallera, una bicicleta, un fenómeno meteorológico o un mecanismo económico pueden parecer obvios por la experiencia cotidiana. Esa confianza suele derrumbarse cuando alguien intenta dar una explicación causal detallada.
Los investigadores se refieren a esta discrepancia como la ilusión de profundidad explicativa. La familiaridad crea una sensación de comprensión que supera lo que una persona realmente puede reconstruir. Confundimos reconocer algo, usarlo o tener acceso fácil a información sobre ello con comprenderlo.
La autoexplicación rompe esa ilusión. Cada transición incompleta se vuelve visible: «Sé que estos dos acontecimientos están conectados, pero no puedo decir cómo». Ese momento no es un fracaso del aprendizaje. Es una evidencia diagnóstica valiosa.
Lombrozo ofrece el ejemplo de intentar explicar la relación entre la baja presión atmosférica y el embudo de un tornado. El aprendiz puede comenzar con varias ideas relevantes, pero descubrir que falta un vínculo causal. En lugar de buscar ampliamente «todo sobre los tornados», puede formular una pregunta más acotada sobre la presión, el flujo de aire o la formación del embudo.
Por tanto, el intento de explicación crea una lista de compras de información. Identifica qué piezas ya están presentes y cuáles todavía deben encontrarse.
Convertir la sobrecarga informativa en una investigación dirigida
Cuando las personas se sienten inseguras, la respuesta natural suele ser recopilar más: más pestañas, más vídeos, más artículos guardados y más resúmenes generados por IA. Esto puede producir una sensación de avance mientras dificulta ver la pregunta original.
Aprender pensando propone una secuencia diferente:
Expresa qué estás tratando de entender o conseguir.
Explica el tema usando solo lo que sabes actualmente.
Señala las suposiciones, los vínculos débiles y las preguntas sin responder.
Busca específicamente la información necesaria para reparar esas lagunas.
Reconstruye la explicación incorporando la nueva evidencia.
Esta secuencia no reduce la cantidad de conocimiento que existe en el mundo. Reduce la parte que es relevante para la necesidad inmediata del aprendiz. Un deseo vago de «aprender sobre el clima» puede convertirse en una pregunta concreta sobre cómo funciona un bucle de retroalimentación determinado. Una búsqueda amplia de ayuda con un error de software puede convertirse en una investigación sobre una transición de estado o condición de error concreta.
La investigación dirigida también facilita evaluar información nueva. Cuando sabes qué laguna debe cubrir una fuente, puedes preguntar si realmente aporta la evidencia que falta. Sin ese propósito, casi cualquier contenido relacionado puede parecer útil.
Lo que la IA debe —y no debe— hacer por quien aprende
El argumento de Lombrozo cobra especial importancia a medida que los sistemas de IA hacen que la síntesis sea sencilla. Un chatbot puede recuperar definiciones, proponer explicaciones, comparar teorías y presentar una respuesta coherente en segundos. Estas capacidades pueden apoyar el aprendizaje, pero también pueden externalizar las operaciones mentales mediante las cuales se desarrolla la comprensión.
Si una herramienta realiza toda la selección, combinación y explicación, el usuario puede recibir una buena respuesta sin construir un modelo mental utilizable. El resultado es otra ilusión: el conocimiento parece poseerse personalmente porque es accesible de inmediato.
La solución no es rechazar las herramientas externas. Es utilizarlas después de —o junto con— el pensamiento activo. Antes de pedir una explicación, intenta producir una. Pide al sistema que cuestione un vínculo causal, aporte evidencia para una incertidumbre específica o compare tu modelo con una alternativa. Después de leer la respuesta, ciérrala y reconstruye el argumento con tus propias palabras.
Este enfoque preserva una división del trabajo productiva. Los recursos externos aportan hechos, perspectivas y evidencia que la memoria no puede proporcionar. El aprendiz sigue siendo responsable de la integración: decidir cómo encajan las piezas, dónde está justificada la confianza y qué preguntas quedan sin resolver.
Un mejor punto de partida para aprender
Aprender pensando no es necesariamente más fácil que buscar una respuesta. Exige esfuerzo, tolera la incertidumbre y a veces revela lo poco que entendemos. Son características, no defectos. El esfuerzo se dirige a construir conexiones y diagnosticar necesidades, no simplemente a acumular material.
La recomendación central de Lombrozo es sencilla: empieza dentro antes de mirar hacia fuera. Recupera lo que sabes, transfórmalo, combínalo e intenta explicarlo. Después, deja que los fallos de esa explicación guíen tu búsqueda.
En un mundo de información abundante, los buenos aprendices no son simplemente quienes pueden encontrar más contenido. Son quienes pueden determinar lo que ya saben, reconocer lo que falta y adquirir la siguiente pieza por una razón clara.
