La evidencia

Cómo funciona la automatización, y por qué

Esto no es un test de tablas con un animal pegado encima. Es una sola idea didáctica, de principio a fin: cómo pasas un dato numérico de calcularlo a saberlo. Abajo está esa idea, con la investigación que la sostiene.

La idea

Automatizar es más que aprender de memoria

Automatizar el cálculo es la capacidad de resolver una operación rápido, con precisión y casi sin pensar, sin tardar mucho en ello Kennisrotonde, 2023. La literatura distingue dos cosas dentro de eso, y la diferencia es el corazón de todo este programa Gerrits & Noteboom, 2018:

  • CalcularloPuedes calcularlo. Tienes un método —una estrategia— que te lleva a la respuesta correcta, aunque cueste unos segundos.
  • SaberloLo sabes al instante. La respuesta sale de la memoria, sin calcular. Eso es lo que significa memorizar.

Un dato solo está realmente automatizado cuando puedes hacer las dos cosas: calcularlo y saberlo directamente. Por eso practicar solo la velocidad (repetir sin entender) o solo la estrategia (entender sin llegar a dominarlo) no basta en ninguno de los dos casos. El orden es: primero ser capaz de calcularlo, y después saberlo de memoria.

Este modelo de cuatro estados viene directamente de la enseñanza de matemáticas en primaria de la investigación neerlandesa: la idea de que un dato primero se «calcula» y solo más tarde se «sabe de memoria» Gerrits & Noteboom, 2018; Danhof et al., 2013. Educación vial usa exactamente estos cuatro estados: en tu cuenta puedes ver, por tabla, qué operaciones están en gris, rojo, naranja o verde.

No solo aritmética. La misma idea vale para las otras materias: en ortografía recuerdas la imagen de una palabra en lugar de descifrarla cada vez, en gramática una prueba que se ejecuta sola, en geografía un país del que sabes el lugar al instante, en mecanografía una tecla que encuentras sin mirar, y en educación vial una situación que reconoces de inmediato. Primero ser capaz de calcularlo, y después saberlo.

Primero puede calcularlo, y después lo sabe al momento. Verde casi siempre es correcto, y dentro de 3 segundos.

Por qué importa

Una cabeza llena no puede pensar

La memoria de trabajo —el lugar donde «sostienes» algo mientras piensas— es pequeña. Si un niño todavía tiene que calcular 7 × 8, esa memoria ya está llena antes de que empiece el problema real (una división, una fracción, un problema con texto). Un niño que ha automatizado los datos básicos tiene esa memoria libre para pensar de verdad. Trabajar la automatización tiene, por tanto, un efecto positivo en el cálculo en general Kennisrotonde, 2023.

No es un efecto secundario que llegue solo. En un estudio, los niños que entrenaron deliberadamente la velocidad y la automatización tenían, dos meses después, un cálculo medible mejor que los niños que practicaron solo con la estrategia correcta sin entrenar la velocidad Singer-Dudek & Greer, 2005. Y sigue durante toda la primaria: la suma tiende a consolidarse hacia los 7–8 años, la resta y la multiplicación hacia los 9–10, y la división solo llega a dominarse después de la primaria en muchos niños Gliksman et al., 2022.

La memoria de trabajo solo tiene unos pocos huecos. Un niño que todavía calcula 7 × 8 no le queda ninguno para la tarea real.

Primero entender

No aprendes una tabla por separado, la deduces

Los programas que enseñan la estrategia primero y automatizan después resultan más eficaces que los que hacen solo una de las dos cosas Ok & Bryant, 2016, Carr et al., 2011, Woodward, 2006. Lo que entiendes también se puede aplicar con flexibilidad a operaciones nuevas Boaler et al., 2015. Por eso la app enseña las tablas en el orden en que se sostienen unas a otras: primero las «tablas ancla» (×1, ×2, ×10, ×5), porque todas las demás se pueden deducir de ellas SLO — kerndoelen.

Por 10

7 × 10

Se añade un cero al final. 7 → 70. La ancla más fácil, y la base de casi todas las demás.

Por 5 es la mitad de por 10

6 × 5

6 × 10 = 60, y la mitad de eso es 30.

Por 9 es por 10, menos una vez

8 × 9

8 × 10 = 80, menos 8, es 72.

Divide las tablas difíciles

7 × 6

5 × 6 = 30 (esa la sabes), más 2 × 6 = 12, es 42.

Dónde lo hace Educación vial. Cada tabla lleva su estrategia en el camino propio del niño —«así se calcula», con un ejemplo resuelto. Y cada vez que un niño se equivoca, aparece no solo la respuesta correcta sino también esa misma forma de llegar a ella, aplicada a esa operación.

Cuatro tablas ancla sostienen el resto. Cada otro dato se deduce de ellas.

Cómo se practica

Cuatro cosas que la investigación muestra una y otra vez

1

Corto, cada día y repartido

Diez a quince minutos al día son más eficaces que un tramo largo. Funciona aún mejor cuando ese tiempo se reparte a lo largo del día con pausas generosas, por ejemplo tres veces cinco minutos.

un bloque = 8 + 2 + 5 min

En la app: 3 sesiones cortas al día, con descanso entre medias: nunca una sola larga.

Inspectie van het Onderwijs, 2011; Powell et al., 2022; Schutte et al., 2015; Cepeda et al., 2006; Rohrer & Taylor, 2007

2

Una buena mezcla de fácil y difícil

La práctica eficaz mantiene una buena proporción entre las operaciones que un niño ya conoce y las que todavía son difíciles. Suficiente apoyo para seguir, suficiente resistencia para aprender algo.

una ronda, 15 operaciones

En la app: Cada sesión son 10 operaciones que ya salen bien y 5 que todavía no.

Burns, 2005; Codding et al., 2011; Fuchs et al., 2008

3

Ver al momento si está bien, y por qué

Los niños necesitan ver de inmediato si su respuesta es correcta, y un ejemplo resuelto les ayuda a corregir el error en lugar de repetirlo. El modelado y la retroalimentación inmediata son constantes en lo que funciona.

En la app: Un error detiene la sesión: la pantalla cambia, aparece la respuesta correcta, y también la explicación.

Codding et al., 2011; Fuchs et al., 2008; Renkl & Atkinson, 2003

4

Produce tú la respuesta

Reconocer (señalar la respuesta correcta entre opciones) no es lo mismo que recordar (sacar tú la respuesta). Solo lo segundo entrena la memoria que necesita la automatización.

En la app: Ni una sola opción múltiple: tu hijo escribe o toca la respuesta.

Roediger & Karpicke, 2006; Karpicke & Roediger, 2008

A la medida del niño

Una línea continua, y el niño encuentra su sitio en ella

El cálculo mental no es una colección suelta de datos, sino una línea continua: los complementos a diez hacen posible pasar la decena, eso hace posible las tablas, y la división es una tabla leída al revés. Cada paso se apoya en el anterior, y cada paso tiene un umbral que hay que cruzar antes de que el siguiente tenga sentido Danhof et al., 2015. Educación vial pone toda esa línea en una sola escalera —desde los primeros desdoblamientos hasta las tablas grandes, la división y la hora— en el orden que marca el currículo SLO — kerndoelen.

Un niño no debería empezar a mitad de curso en el punto en que está su clase por casualidad. Quien no sabe por dónde empezar puede hacer, por eso, una breve prueba de nivel por área. Es una elección, no una puerta: preguntas de todos los temas de esa área, más o menos al nivel del curso del niño, a partir de las cuales la app ve qué ya es fluido y qué no. Con eso, sube al niño un peldaño arriba si ya tiene el material, o un peldaño abajo si todavía no está la base, con una línea de explicación del porqué. Así nadie practica lo que ya sabe, y nadie se queda atascado en algo cuyo escalón previo falta Danhof et al., 2013.

Y no se queda ahí. Cada operación ajusta el nivel: lo rápido y lo a menudo que sale bien decide si un dato se pone verde y desaparece de la vista, o vuelve. Si un bloque sale demasiado fácil, la línea sube un curso por sí sola; si un bloque sigue fallando, la app vuelve a traer la parte de debajo —a veces un curso más abajo— hasta que se sostiene. El nivel no es un ajuste elegido una vez, sino algo que se mueve con el niño. Bajo ese color, la app también observa el tiempo de reacción y qué subpaso —una columna de llevadas, un denominador— todavía falla, sin que eso cambie nunca el color en sí.

Una sola línea, con cada paso apoyado en el de abajo. Empiezas donde estás, y cada operación lo ajusta.

Avanzar cuando se asienta

Aprendizaje por dominio: el siguiente paso llega cuando el anterior se asienta

Benjamin Bloom vio que los alumnos llegan mucho más lejos cuando empiezan el siguiente paso solo después de dominar de verdad el anterior, con explicación y práctica adicionales para quienes todavía no están ahí Bloom, 1968. Una revisión de decenas de estudios sobre este aprendizaje por dominio encontró resultados claramente mejores, sobre todo para los alumnos que más les costaba Kulik et al., 1990. Su esencia no es ser más estricto, sino no dejar que nadie avance con un hueco debajo Guskey, 2007.

En Educación vial esto ocurre por sí solo: un paso nuevo solo se abre cuando el anterior sale de la memoria, y lo que no se ha asentado vuelve hasta que lo hace. El docente puede fijarlo aún más estrictamente por materia, para que el alumno no pueda saltarse pasos por su cuenta, y ve en el mapa de calor de la clase, hasta la operación individual, quién lo ha dominado y quién no. Lo que necesite un niño, el docente o el padre lo ajusta con un toque.

El siguiente paso solo se abre cuando el anterior está en verde.

Evaluación formativa

Ver qué se ha asentado, y ajustar la siguiente clase a eso

La evaluación formativa es enseñar a partir de lo que acabas de ver: descubrir en qué punto está cada niño y elegir el siguiente paso en función de eso en ese mismo momento. Una revisión muy citada de la investigación encontró que exactamente esa retroalimentación durante el aprendizaje —y no una nota después— hace avanzar a los alumnos, y sobre todo a los más débiles Black & Wiliam, 1998.

En Educación vial la observación ocurre mientras los niños practican. El docente ve un mapa de calor por niño y por clase: cada paso en gris, rojo, naranja o verde, hasta la operación individual. Quién ha dominado algo y quién no se ve de un vistazo, y lo que necesite un niño o un pequeño grupo lo asignas con un toque. Una prueba corta —la ronda de nivel, o un cuestionario con la clase— muestra dónde debería empezar una lección nueva, sin convertirlo en una nota.

Por niño y por paso ves qué está asegurado. Lo que hace falta, lo asignas con un toque.

El motor

Qué hace las operaciones bajo el color

Rojo, naranja y verde es lo que ves; por debajo, la app lleva un modelo de probabilidad de tres estados por dato —nuevo, puede calcularlo, lo sabe al instante— y lo mueve después de cada respuesta con el mismo tipo de matemáticas que llevan treinta años usándose para seguir lo que alguien sabe: Bayesian Knowledge Tracing Corbett & Anderson, 1994. Dos tipos de respuesta no mueven ese modelo: pedir ayuda (demuestra que el niño puede calcularlo, no que lo recuerde) y un reintento correcto tras un error, que no cuenta como primera prueba.

Junto a esos tres estados por dato, la app también lleva una valoración de habilidad por línea de aprendizaje que se mueve con el niño, en la misma clase de escala con la que se han ordenado los jugadores de ajedrez durante cien años: un rating Elo Elo, 1978. Cada dato recibe su propia dificultad según el peldaño en que se encuentra; una respuesta correcta a algo más difícil de lo previsto sube la valoración más que una respuesta correcta a algo más fácil. Así la app ya tiene una idea de lo probable que es que un niño sepa una operación antes de haberla preguntado nunca, y eso hace que la prueba de nivel, y la primera estimación de cualquier dato nuevo, caiga en el sitio correcto.

El tiempo cuenta como tercera observación, junto a acertar y fallar: una respuesta correcta lenta alimenta sobre todo «puede calcularlo», una respuesta correcta rápida alimenta sobre todo «lo sabe al instante»: exactamente la distinción con la que se abre toda esta página. Y cuando una pregunta tiene varios pasos dentro (una columna de llevadas en la resta, los minutos de un reloj, el denominador de una fracción), la app lleva también un perfil aparte de esos: un bloque que depende de un subpaso que todavía falla se queda más bajo, incluso cuando el resto de la línea va bien.

Este modelo dirige exactamente dos cosas, y ninguna tercera: qué pregunta aparece en una sesión, y dónde está la línea entre «practicado lo suficiente» y «vuelve a aparecer». Nunca dirige el color en sí: eso sigue contando con los mismos tres campos que ven un padre y un docente (cuántas veces acierta, cuántas veces se intenta, qué rápido), así que una marca verde sigue significando lo mismo, con modelo o sin él.

Acertar o fallar no es toda la historia: el tiempo también cuenta. Por debajo de 3 segundos, una respuesta correcta cuenta como saberlo.

Propiedad

Practicas por ti mismo, no por una nota

Los niños que pueden ver por sí mismos en qué punto están y qué les queda por aprender practican con más propósito y están más motivados: en un estudio, la práctica autorregulada con el propio progreso a la vista fue más eficaz que quince minutos de repetir filas Sleeman et al., 2021. Un juego educativo no añade ningún milagro al aprendizaje, pero sí añade algo que cuenta: los niños se sienten más seguros y siguen practicando durante más tiempo Pan et al., 2022, Cozad & Riccomini, 2016.

Por eso el único número que un niño ve sobre sí mismo en la app es cuántos días seguidos ha venido. Ninguna puntuación, ninguna clasificación, ninguna comparación con nadie. Venir es el comportamiento que premiamos; el animal y su mundo son la razón para volver. «No lo haces para el docente, ni por una nota, sino por ti mismo» Gerrits & Noteboom, 2018.

Para los datos difíciles de recordar, un mnemotécnico puede ayudar Nelson et al., 2013, y el conocimiento que no se mantiene se desvanece Danhof et al., 2015. Por eso la app sigue preguntando los datos conocidos entre las 10 de 15 operaciones de «ya sale bien», mucho después de que se hayan vuelto verdes.

El único número que tu hijo ve sobre sí mismo: cuántos días ha venido. Sin puntuación, sin clasificación.

Sé honesto sobre lo que es

Esta página es un resumen en lenguaje sencillo de investigaciones publicadas sobre la automatización del cálculo. No es una prueba de que esta app en sí haya sido probada: eso sería otra afirmación. Lo que sí podemos mostrar es que cada decisión de la app se remonta a una fuente de abajo, y que un dato en verde significa: 3 segundos o menos, y casi siempre correcto. Las cifras de esta página vienen del mismo código que ejecuta la app.

Rendición de cuentas

Fuentes

  1. Kennisrotonde. (2023). Is een kwartier rekenautomatisering per dag effectief voor de rekenautomatisering van basisschoolleerlingen? Welke invulling (qua aanpak en inhoud) is het effectiefst per leerjaar? (KR.1849). NRO.
  2. Gerrits, P., & Noteboom, A. (2018). Rekenen op je basisvaardigheden: automatiseren en memoriseren. JSW, 102(10), 12–15.
  3. Danhof, W., Bandstra, P., & Hofstetter, W. (2015). Rekendrempels nemen. Volgens Bartjens, 34(3), 4–7.
  4. Danhof, W., Bandstra, P., Faber, S., Minnaert, A., & Ruijssenaars, W. (2013). Rapport Rekenproject Leerbaarheid van hoofdrekenen. Groningen: Rijksuniversiteit Groningen.
  5. SLO. Kerndoelen rekenen-wiskunde (o.a. kerndoel 26 en 27: de basisbewerkingen tot 100 uit het hoofd, de tafels van buiten). tule.slo.nl.
  6. Boaler, J., Williams, C., & Confer, A. (2015). Fluency without fear: Research evidence on the best ways to learn math facts. Reflections, 40(2), 7–12.
  7. Ok, M. W., & Bryant, D. P. (2016). Effects of a strategic intervention with iPad practice on the multiplication fact performance of fifth-grade students with learning disabilities. Learning Disability Quarterly, 39(3), 146–158.
  8. Carr, M., Taasoobshirazi, G., Stroud, R., & Royer, J. M. (2011). Combined fluency and cognitive strategies instruction improves mathematics achievement in early elementary school. Contemporary Educational Psychology, 36(4), 323–333.
  9. Woodward, J. (2006). Developing automaticity in multiplication facts: Integrating strategy instruction with timed practice drills. Learning Disability Quarterly, 29(4), 269–289.
  10. Singer-Dudek, J., & Greer, R. D. (2005). A long-term analysis of the relationship between fluency and the training and maintenance of complex math skills. The Psychological Record, 55, 361–376.
  11. Powell, S. L., Duhon, G., Poncy, B. C., Mwavita, M., & Englen, A. J. (2022). Distributed practice in math facts fluency: A comparative analysis of varied intersession intervals. School Psychology Review, 51(5), 517–525.
  12. Schutte, G. M., Duhon, G. J., Solomon, B. G., Poncy, B. C., Moore, K., & Story, B. (2015). A comparative analysis of massed vs. distributed practice on basic math fact fluency growth rates. Journal of School Psychology, 53(2), 149–159.
  13. Fuchs, L. S., Fuchs, D., Powell, S. R., Seethaler, P. M., Cirino, P. T., & Fletcher, J. M. (2008). Intensive intervention for students with mathematics disabilities: Seven principles of effective practice. Learning Disability Quarterly, 31(2), 79–92.
  14. Inspectie van het Onderwijs. (2011). Automatiseren bij rekenen-wiskunde: Een onderzoek naar het automatiseren van basisbewerkingen rekenen-wiskunde in het basisonderwijs. Utrecht.
  15. Burns, M. (2005). Using incremental rehearsal to increase fluency of single-digit multiplication facts with children identified as learning disabled in mathematics computation. Education and Treatment of Children, 28(3), 237–249.
  16. Codding, R. S., Burns, M. K., & Lukito, G. (2011). Meta-analysis of mathematic basic-fact fluency interventions: A component analysis. Learning Disabilities Research & Practice, 26(1), 36–47.
  17. Gliksman, Y., Berebbi, S., & Henik, A. (2022). Math fluency during primary school. Brain Sciences, 12(3), 371.
  18. Sleeman, M., Friesen, M., Tyler-Merrick, G., & Walker, L. (2021). The effects of precision teaching and self-regulated learning on early multiplication fluency. Journal of Behavioral Education, 30, 149–177.
  19. Pan, Y., Ke, F., & Xu, X. (2022). A systematic review of the role of learning games in fostering mathematics education in K-12 settings. Educational Research Review, 36, 100448.
  20. Cozad, L. E., & Riccomini, P. J. (2016). Effects of digital-based math fluency interventions on learners with math difficulties: A review of the literature. Journal of Special Education Apprenticeship, 5(2), 1–19.
  21. Nelson, P. M., Burns, M. K., Kanive, R., & Ysseldyke, J. E. (2013). Comparison of a math fact rehearsal and a mnemonic strategy approach for improving math fact fluency. Journal of School Psychology, 51(6), 659–667.
  22. Corbett, A. T., & Anderson, J. R. (1994). Knowledge tracing: Modeling the acquisition of procedural knowledge. User Modeling and User-Adapted Interaction, 4(4), 253–278.
  23. Elo, A. E. (1978). The rating of chessplayers, past and present. Arco Publishing. (Toegepast op leren in o.a. Pelánek, R. (2017). Bayesian knowledge tracing, logistic models, and beyond: An overview of learner modeling techniques. User Modeling and User-Adapted Interaction, 27, 313–350.)
  24. Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255.
  25. Karpicke, J. D., & Roediger, H. L. (2008). The critical importance of retrieval for learning. Science, 319(5865), 966–968.
  26. Renkl, A., & Atkinson, R. K. (2003). Structuring the transition from example study to problem solving in cognitive skill acquisition: A cognitive load perspective. Educational Psychologist, 38(1), 15–22.
  27. Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354–380.
  28. Rohrer, D., & Taylor, K. (2007). The shuffling of mathematics problems improves learning. Instructional Science, 35(6), 481–498.
  29. Bloom, B. S. (1968). Learning for mastery. Evaluation Comment, 1(2), 1–12.
  30. Kulik, C.-L. C., Kulik, J. A., & Bangert-Drowns, R. L. (1990). Effectiveness of mastery learning programs: A meta-analysis. Review of Educational Research, 60(2), 265–299.
  31. Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7–74.
  32. Guskey, T. R. (2007). Closing achievement gaps: Revisiting Benjamin S. Bloom’s “Learning for Mastery”. Journal of Advanced Academics, 19(1), 8–31.

¿Quieres ver la teoría en la práctica?

Pruébalo dos minutos, sin cuenta: elige una materia y un curso y practica una ronda real. No se guarda nada.