HORARIOS DE CLASE Y DESEMPEÑO ESTUDIANTIL: EVIDENCIA CUASIEXPERIMENTAL DE LA PRÁCTICA DISTRIBUIDA
LUIS C. DÍAZ-CANEDO Universidad de los Andes, Colombia Asesor: Daniel Toro González
RESUMEN
¿Afectan los horarios y esquemas de clase al desempeño de los estudiantes? Apelando al efecto de práctica distribuida (DPE, por sus siglas en inglés), se espera que el aprendizaje y la memoria mejoren al pasar de sesiones de estudio masivas a sesiones de estudio distribuidas en el tiempo.
Usando datos de la Universidad Tecnológica de Bolívar (UTB) en Cartagena, Colombia, se estima un modelo de diferencias en diferencias para identificar si las notas obtenidas por los estudiantes mejoraron luego de una política de cambio en los esquemas con los que se impartían las clases entre 2015 y 2018. Los resultados sugieren que distribuir las sesiones de estudio no es un mecanismo eficaz para mejorar el desempeño promedio de los estudiantes, lo que en términos de política educativa lleva a replantear su uso en salones de clase o entornos aplicados.
Palabras clave: Memoria, aprendizaje, práctica distribuida, variación codificada, recuperación de fase de estudio, Cartagena, Colombia.
Clasificaciones JEL: A22, C21, I21.
ABSTRACT
Class Schedules and Student Performance: Quasi-Experimental Evidence of Distributed Practice
Do class schedules affect student performance? Appealing to the Distributed Practice Effect (DPE), learning and memory are expected to improve when moving from massive study sessions to sessions distributed over time. Using data from Universidad Tecnológica de Bolívar (UTB) in
Cartagena, Colombia, I estimate an event study model to identify if the grades obtained by students improved after a policy of change in the schemes with which the classes were taught between 2015 and 2018. Results suggest that distributing study sessions is not an effective mechanism to improve the average performance of students, which in terms of educational policy leads to rethinking its use in classrooms or applied settings.
Key words: Memory, learning, distributed practice, encoded variability, study-phase retrieval, Cartagena, Colombia.
JEL Classifications: A22, C21, I21.
I. INTRODUCCIÓN
Elevar la calidad de los métodos de enseñanza es uno de los más grandes propósitos de la comunidad educativa. Investigadores, pedagogos y educadores han destinado diversos esfuerzos para encontrar y definir acciones que sirvan como medidas paliativas para las deficiencias en el aprendizaje. Sin embargo, el tiempo y los recursos limitados hacen que la remediación de estos déficits sea un desafío y que, por tanto, sea preciso seguir investigando enfoques de bajo costo y de bajo esfuerzo para modificar las intervenciones existentes (Schutte, et al., 2015).
Este trabajo estudia el impacto que tienen los horarios y agendas de clase sobre el rendimiento de los estudiantes. La apropiación del conocimiento y de la información pueden ser diferentes si una misma clase de cinco horas a la semana se lleva a cabo en cinco sesiones de una hora, una única sesión de cinco horas, o repartida con un esquema distinto entre esos dos extremos (Brookes, 1985). Esta discusión se ha abordado a partir del “efecto de práctica distribuida” (distributed-practice effect, DPE), concepto que hace referencia a los beneficios que se originan sobre el aprendizaje y la memoria cuando el tiempo que el estudiante está expuesto al material de estudio se divide en varias sesiones. En contraste, ocupar el mismo tiempo en una única sesión puede no generar los mismos efectos positivos y puede ser menos eficiente para el desempeño de los estudiantes.
En la Universidad Tecnológica de Bolívar (UTB), una institución de educación superior (IES) ubicada en Cartagena, Colombia, se decidió entre 2016 y 2017 reestructurar el esquema con el que se desarrollaban las clases. El cambio en la programación de las materias advertía el paso de una única sesión semanal de tres horas a tres sesiones semanales de una hora. Este aumento en la frecuencia con la que las clases se imparten, mientras mantiene constante el número de horas totales a la semana, se entiende como una transición de sesiones de estudio masivas a sesiones de estudio distribuidas.
¿Cuál fue el impacto de distribuir las sesiones de estudio sobre el desempeño de los estudiantes? Dado que el cambio en el esquema se efectuó de forma asincrónica entre facultades (y en gran medida entre materias), el escenario es útil como un cuasi-experimento que permite identificar si el rendimiento de los estudiantes mejoró (o no) por cuenta del cambio establecido.
Con la implementación de la política –y apelando al DPE– se espera que los estudiantes sean menos propensos a perder la atención en clase (sobretodo al final de esta); además, en línea con lo encontrado por diversos ejercicios similares, se esperaría que el nuevo esquema produjera efectos positivos sobre la memoria y la apropiación del conocimiento, mejorando así los resultados obtenidos.
Distribuir las prácticas y/o sesiones de estudio produce mayor recordación (Glenberg y Lehman, 1980; Cepeda, et al., 2006; Sisti, et al., 2007, Cepeda, et al., 2008; Lohnas; et al., 2011), facilita el aprendizaje de otros idiomas (Bloom y Shuell, 1981; Brooks, 1985; Bahrik, et al., 1993;
Pavlik y Anderson, 2005; Bird, 2010), y mejora los resultados de exámenes de distintas materias (Grote, 1995; Gallo y Odu, 2009; Schutte, et al., 2015; Nazari y Ebersbach, 2019). Esto sugiere, por una parte, que es importante que la comunidad educativa sea más consciente de los beneficios de la práctica distribuida (Gerbier y Toppino, 2015, p. 2); y, por otra, que esquemas que involucran la intermediación del DPE dan lugar a una mayor calidad del proceso educativo – sin mencionar los efectos que a largo plazo esta mayor calidad genera sobre los retornos a la educación (ver, por ejemplo, Hoekstra (2020)). El ejercicio llevado a cabo en este documento aporta elementos para abordar la relación existente entre la práctica distribuida y mejoras en el aprendizaje. Los resultados muestran que, aunque la práctica distribuida no genera un efecto estadísticamente significativo sobre el desempeño promedio de los estudiantes, esta sí aumenta en 2,7 puntos porcentuales la probabilidad de que los estudiantes aprueben las materias.
El documento está dividido en seis partes, incluida esta introducción. La segunda parte contiene una discusión en torno a los mecanismos que subyacen al DPE y la forma como estos pueden dar origen a mejoras en la memoria y el aprendizaje. La literatura previa a este documento se discute en la tercera sección. La cuarta parte explica los datos y el modelo empírico utilizados en este trabajo. La quinta y sexta secciones abordarán los resultados y conclusiones, respectivamente.
II. MARCO TEÓRICO
Un primer ejercicio de práctica distribuida fue propuesto por Hermann Ebbinghaus en 1885 (Maddox, 2016). Con su experimento, en el que solo él fue participe, observó que para lograr un mismo resultado se necesitaban menos sesiones de aprendizaje cuando estas se distribuían a lo largo del tiempo en comparación con el caso en el que todo el aprendizaje se producía en un solo día (Küpper-Tetzel, 2014; Schutte, et al., 2015). Una abundante literatura surge a partir de ese momento no solo para identificar los mecanismos que explican el surgimiento del DPE (véase, por ejemplo, Toppino y Gerbier (2014) y Maddox (2016)), sino también para aportar evidencia de los efectos que la práctica distribuida tiene sobre el aprendizaje y la memoria.
La práctica distribuida funciona como una estrategia en la que el tiempo total de estudio no se concentra en una única sesión, sino que se reparte en al menos dos sesiones de aprendizaje separadas temporalmente (Nazari y Ebersbach, 2019). Según el número o la duración de los intervalos entre una y otra sesión de estudio surgen varios efectos que se podrían superponer bajo ciertas circunstancias, pero que parten de la comparación de los diversos esquemas en los que toma lugar el aprendizaje (ver Cuadro 1). Por ejemplo, tanto el efecto MP-DP (Massed- practice–Distributed-practice effect) como el efecto espaciado miden los resultados derivados de comparar prácticas másivas con prácticas distribuidas. La diferencia entre ellos se encuentra sobre la duración del intervalo entre sesiones, que no es mayor a 15 segundos en el efecto espaciado. En contraste, el efecto rezago excluye las prácticas o sesiones masivas del análisis y se encarga de medir las diferencias entre sesiones espaciadas por distintos rezagos. A pesar de sus diferencias, muchas veces estos efectos son tratados indistintamente (Cepeda, et al., 2009) y sus distinciones a menudo se ignoran en la práctica (Toppino y Gerbier, 2014).
CUADRO 1
Definiciones de diferentes términos utilizados para referirse a efectos de práctica distribuida
Nombre Definición
Efecto de práctica distribuida (DPE)
Etiqueta genérica: efecto que surge al comparar dos (o más) intervalos o rezagos
Efecto MP-DP
(Massed-practice–Distributed-practice effect)
Efecto que surge al comparar sesiones masivas con sesiones distribuidas con cualquier rezago mayor
Efecto rezago
(lag effect) Efecto que surge al comparar sesiones con dos o más rezagos (excluye la práctica masiva)
Efecto espaciado
(spacing effect) Comparación de diversos intervalos que pueden o no incluir la práctica masiva a través de rezagos cortos (en los que el intervalo entre repeticiones es de
aproximadamente 15 segundos)
Fuente: Toppino y Gerbier (2014, p. 118).
Desde su introducción, diversos mecanismos teóricos han sido propuestos y desarrollados con el objetivo de explicar el DPE. De las propuestas hacen parte diversas ideas relacionadas con la capacidad de atención (Johnstone y Percival, 1976; Hartley y Davies, 1978; Goss-Lucas y Bernstein, 2005; citados en Trout, 2018); pero con mayor frecuencia surgen argumentos a favor del procesamiento deficiente (Appleton-Knapp, et al., 2005), la recordación (Maddox, 2016), y la consolidación del aprendizaje (Appleton-Knapp, et al., 2005; Carpenter, 2017). No es claro que los efectos MP-DP, rezago y espaciado sean funcionalmente diferentes en la medida en que sean producidos por distintos procesos subyacentes (Toppino y Gerbier, 2014). Tal vez por ese motivo la explicación de los efectos de la práctica distribuida recae sobre mecanismos híbridos que mezclan dos o más de ellos. Más aun, una parte importante de la literatura concuerda en que el DPE es el resultado de dos mecanismos que funcionan de forma separada, pero en simultáneo:
la variación codificada (encoding variability) y la recuperación de la fase de estudio (study-phase retrieval) (Bjork y Allen, 1970; Maddox, 2016; Nazari y Ebersbach, 2019).
La variación codificada se basa en la relación positiva entre la distancia temporal de dos presentaciones (e. g. sesiones de clase) y la probabilidad de que la codificación (almacenamiento de la información) de la primera presentación sea distinta a la codificación de la segunda (Bjork
y Alen, 1970; Glenberg, 1979). En palabras de Ausubel (1966, p. 197), la accesibilidad a codificaciones pasadas se refiere a “intentos y fallos de recordar el material estudiado”. Dado que la memoria se compone de información almacenada con la forma de diversos atributos (contextuales, estructurales y descriptivos), y que el contexto se refiere a aquel en el que se desarrolla la codificación, la información recibida se almacena entonces en función de los cambios en el contexto (Noel, 2006). Estos cambios agregan información a la representación episódica de las sesiones y subyacen a la mejora en el rendimiento (Glenberg, 1979). Johnston y Uhl (1976, p. 153) lo resumen de forma sucinta: “la memoria de un elemento se correlaciona positivamente con el grado en que se ha procesado en diferentes entornos cognitivos”.
Por otra parte, la ‘recuperación de la fase de estudio’ sugiere que estudiar un tema en particular puede rescatar conocimientos previamente adquiridos (Maddox, 2016). Es común que la interpretación de este mecanismo esté supeditada al aprendizaje de un mismo elemento de forma repetida. Dicho de otra forma, que el tema estudiado se repita sistemáticamente. Esto es particularmente importante por la forma como se estructuran los sílabos de las materias en la UTB (y en general en las IES). En ellos los temas avanzan en sintonía con las clases, lo que significa que los estudiantes no reiteran el material estudiado en las clases anteriores. No obstante, no solo la repetición del material de estudio determina y mejora el contenido cognitivo.
Dado que aprender nuevas categorías y conceptos implica agregar experiencias variables a través del proceso de inducción (Vlach, et al., 2008), el contenido cognitivo recién adquirido también induce recíprocamente cambios que facilitan el proceso de aprendizaje (Ausubel, 1966). En otras palabras, “la experiencia previa de los aprendices genera una influencia importante sobre el aprendizaje futuro” (Slone y Sandhofer, 2017, p. 47). Así, el llamado que se hace a conocimientos previos en cada sesión simplifica de igual forma el aprendizaje de nueva información relacionada.
El DPE se ha explicado frecuentemente como el resultado de la combinación de estos dos factores (Carpenter, 2017). Al aumentar la frecuencia de las sesiones de estudio –i. e. pasar de sesiones masivas a sesiones distribuidas– aumenta la cantidad de formas diferentes en que se codifica la información. Esto beneficia a la memoria porque también aumenta la cantidad de formas en que la información puede ser recuperada (Martin, 1968). A su vez, recuperar la información previamente estudiada apoya la retención de nueva información. Dado que el tiempo total utilizado y la cantidad de material estudiado permanecen constantes en ambos esquemas, la forma como los estudiantes se apropian de la información y su capacidad de
y las sesiones masivas. En particular, el material estudiado –y que eventualmente debe ser recordado– en sesiones separadas da como resultado un mejor aprendizaje que si ese mismo material se estudia durante la misma cantidad de tiempo en una única sesión (masiva). Aunque no ha sido concluyente, la evaluación empírica, comúnmente desarrollada sobre experimentos controlados, ha logrado dar evidencia de ello. El propósito de la siguiente sección es otorgar una visión general de los resultados obtenidos hasta la fecha.
III. LITERATURA PREVIA
La propuesta de Hermann Ebbinghaus a finales de 1800 abrió la puerta para que la práctica distribuida se haya convertido en uno de los pilares del aprendizaje y la investigación de la memoria (Cepeda, et al., 2006). Esto es gracias a que por su robustez la teoría puede ser aplicada en diversos contextos relacionados con estos dos ámbitos (Johnston y Uhl, 1976; Maddox, 2016).
El DPE ha llegado a ser evaluado incluso en escenarios de adquisición de habilidades deportivas (Singer, 1965) y quirúrgicas (Mitchell, et al., 2011), en temas de publicidad de productos con múltiples atributos o con múltiples competidores (Janiszewski, et al., 2003; Appleton-Knapp, et al., 2005; Noel, 2006), y en ambientes en los que se mide la habilidad de memoria y de aprendizaje de los niños (Vlach, et al., 2008; Vlach, 2014).
En la mayoría de las evaluaciones empíricas que intentan validar el DPE se requiere que los participantes aprendan tipos relativamente simples de información verbal (Carpenter, et al., 2012) y consisten generalmente de experimentos en ambientes controlados. Una parte de la explicación se encuentra en las condiciones específicas requeridas durante los ensayos y experimentos de memoria. Este tipo de experimentos requieren del control de las condiciones de adquisición y de ensayos durante el intervalo de retención, algo que se puede manejar en sesiones de laboratorio que duran unas pocas horas, no así cuando se habla de períodos que duran varios años (Bahrik, et al., 1993).
A pesar de lo anterior, una amplia gama de dimensiones temporales toma lugar en los múltiples experimentos realizados – configurando así la evaluación de los diferentes efectos que pueden surgir a partir de la práctica distribuida. Vlach, et al. (2008), por ejemplo, miden el efecto espaciado en una prueba de idioma usando un experimento en el que los rezagos son de apenas algunos segundos. Las presentaciones espaciadas resultaron con mayor aprendizaje y retención
que las presentaciones masivas. Esto es cierto aunque la prueba se hiciera usando material de estudio distinto o el mismo material de forma repetida. En contraste, Bell, et al. (2014) evalúan los resultados en una prueba de idioma utilizando rezagos de 12 y 24 horas. Incorporan, además, un análisis vinculado a las horas de sueño, su relación con el efecto MP-DP y los consecuentes beneficios sobre el aprendizaje. Los autores encuentran que el desempeño de los participantes mejoró un 23,3% cuando se compararon las sesiones masivas con aquellas distribuidas con un rezago de 24 horas. El MP-DP fue más pequeño (14,3%) cuando la misma comparación se hizo con un rezago de 12 horas (con sesiones en días distintos); y nulo cuando el rezago fue de 12 horas con sesiones el mismo día. Lo anterior sugiere, por una parte, que las sesiones distribuidas acompañadas de episodios de sueño contribuyen a un mejor rendimiento de la memoria de largo plazo; y, por otra, que al ajustar los rezagos la magnitud del efecto también puede variar. Un experimento con rezagos más extensos lo hacen Bahrick, et al. (1993). Su duración fue de nueve años, y en él las sesiones de aprendizaje tuvieron lugar con intervalos de 14, 28 o 56 días. En general, sus resultados están a favor de los beneficios que sobre la memoria y el aprendizaje tienen las presentaciones espaciadas sobre las presentaciones masivas. Más aun, rezagos cortos (de 15 minutos, por ejemplo) son menos efectivos que rezagos mayores (24 horas) (Bell, et al., 2014).
También sobre las edades se genera un amplio rango de evaluación de la práctica distribuida.
Los experimentos se han implementado sobre niños menores de 4 años (Toppino, 1991 y 1993;
Slone y Sandhofer, 2017), estudiantes de primaria y secundaria (Toppino y DiGeorge, 1984;
Grote, 1995), y estudiantes universitarios (Borkowski, 1967; Belleza, et al., 1975; Mumford, et al., 1994; Budé, et al., 2011; Bell, et al., 2014; Kapler, et al., 2015). Aquellos llevados a cabo con niños permiten resaltar la relación existente entre el aprendizaje y la memoria (Vlach, et al., 2008). El desempeño que los niños de tres años tuvieron en una sencilla prueba fue mayor en presentaciones espaciadas que en presentaciones masivas, tal como lo predice el DPE. Los mecanismos que pueden favorecer la memoria también podrían promover la capacidad a largo plazo de abstraer y generalizar el conocimiento (Vlach, 2014). Sin embargo, un matiz de este resultado surge sobre las diversas categorías de aprendizaje: no es lo mismo para los niños aprender sobre texturas, colores o formas. Su atención y memoria al evaluar categorías novedosas de objetos están relacionadas con sus historias individuales de aprendizaje de palabras (Slone y Sandhofer, 2017).
Con menor frecuencia la evaluación empírica de la práctica distribuida se lleva a cabo por fuera de experimentos controlados. Grote (1995), por ejemplo, lo hizo con los resultados de exámenes de física de una escuela secundaria en Estados Unidos. Encontró que, en el promedio, los estudiantes que atendieron a sesiones de clase distribuidas obtuvieron puntajes con 0,57 desviaciones estándar por encima de quienes atendieron a sesiones de estudio masivas. Gallo y Odu (2009), por su parte, utilizan la información de estudiantes de 116 colegios comunitarios de Florida (Estados Unidos) y evalúan la diferencia en las notas obtenidas por estudiantes que asistían a tres esquemas horarios distintos: 1) tres sesiones de 50 minutos a la semana; 2) dos sesiones de 75 minutos; y 3) una sesión semanal de 165 minutos con una pausa de 15. Los estudiantes que atendieron las clases de una única sesión semanal obtuvieron las notas más bajas en la pruebas y exámenes finales. Estos resultados concuerdan con aquellos obtenidos por Henebry (1997), quien evaluó un curso de manejo financiero y cuyos resultados indican que las clases con tres encuentros a la semana tienden a ser más efectivas (tienen mayores tasas de aprobación) que aquellas con dos o un único encuentro semanal. Los resultados, sin embargo, son ambiguos cuando se evalúa la nota final obtenida, pues en varios de los años analizados se observaron mejores resultados promedio en los grupos con menos sesiones semanales.
Así, entonces, la práctica distribuida no siempre repercute en efectos positivos. El efecto rezago (prácticas semanales comparadas con prácticas mensuales) fue nulo en las pruebas realizadas por Mitchel, et al. (2011) con dos grupos de internos en cirugía. Schultz y Sharp (2008) tampoco encontraron diferencias significativas tanto en el rendimiento promedio del examen final, como en la asistencia y la nota final de una clase introductoria de computación con dos grupos: uno con tres sesiones semanales de 50 minutos y otro con dos sesiones de 75. Es decir, la basta literatura existente aún no llega a un consenso y ha llevado a concluir que no es evidente que un mayor espacio entre repeticiones mejore el rendimiento de la memoria. En vez, esta relación parece no ser monotónica (Cepeda, et al., 2009) y tiene en su lugar una forma de U invertida cuyo vértice varía con el intervalo de retención (Toppino y Gerbier, 2014). Esta relación no lineal entre el espacio entre repeticiones y la memoria ya la advertían Bray, et al. (1976) hace varias décadas.
La evaluación empírica del DPE en salones de clase está ampliamente rezagada con respecto a las evaluaciones hechas en laboratorios. La explicación, afirman Kapler, et al. (2015, p. 39), se encuentra sobre “el abundante número de variables presentes en el aula que pueden afectar el éxito de una intervención”. Las distracciones entre compañeros, el conocimiento previo de los
estudiantes sobre el tema, la deserción y las restricciones de tiempo inducidas por el esquema horario, son algunas de las variables que pueden intervenir en la estimación de los efectos de una medida atinente al DPE. No obstante, la necesidad de intervenciones basadas en evidencia diseñadas para mejorar de manera eficiente el aprendizaje general está siempre presente (Kratochwill, 2005). Además, no es común que la validación de los efectos de la práctica distribuida (rezago, espaciado y/o MP-DP) esté siempre acompañada de estrategias estadísticas robustas que permitan identificar con precisión el DPE. En muchos casos los resultados y conclusiones se ofrecen en el marco de evaluaciones empíricas con técnicas estadísticas no paramétricas – diferencias de media de los valores de interés reportados que no controlan por características propias de los individuos sometidos a evaluación y que pueden ser importantes a la hora de determinar los resultados potenciales. Este trabajo pretende, por tanto, aportar a una creciente pero aún relativamente rezagada literatura en al menos dos sentidos: 1) evaluando los beneficios del efecto espaciado en entornos aplicados; y 2) utilizando técnicas de evaluación de impacto como aproximación empírica del efecto en cuestión.
IV. DATOS Y METODOLOGÍA
Para medir el impacto que tienen los horarios y agendas de clase sobre el rendimiento de los estudiantes se usarán datos de la UTB comprendidos entre el primer semestre de 2015 (1P2015) y el segundo semestre de 2018 (2P2018). En ese lapso tuvo lugar la política de implementación de cambios en el esquema de horarios de clases, primero en las Facultades de Ingeniería y de Ciencias Básicas y luego en las Facultades de Economía y Negocios y de Ciencias Sociales y Humanidades. El propósito de la política era ajustar los esquemas de las materias y que estas se impartieran en tres sesiones semanales de una hora cada una (3S1h1h1h) y no en una única sesión semanal de tres horas (1S3h). Sin embargo, por cuenta de cambios implementados por la dirección académica de cada facultad, un grupo de materias vivió una transición entre estos dos esquemas y estas se impartieron en dos sesiones de clase semanales (una sesión de dos horas y una sesión de una; 2S2h1h). Asimismo, otro grupo de materias nunca fue objeto de la aplicación de la política. Todo esto hace que los cambios en los esquemas horarios se dieran de forma asincrónica entre las diferentes materias y facultades.
La Figura 1 ilustra un resumen de esta situación. En ella se observa que las materias se reúnen en seis grupos que fueron tratados de forma distinta. De los grupos 1 y 2 hacen parte las materias que vivieron la transición mencionada en el acápite anterior. En el grupo 3 se encuentran las materias que aumentaron el número de sesiones a la semana sin implementar a cabalidad la política. Las materias pertenecientes al grupo 4, a diferencia de los grupos 1 y 2, implementaron la política en su totalidad sin vivir transición alguna. Finalmente, de los grupos 5 y 6 hacen parte las materias que nunca sufrieron ningún tipo de cambio.
FIGURA 1
Cambios en esquemas horarios en la UTB por grupos de materias, 2016 – 2018
Fuente: Elaboración propia.
Con la información de las materias pertenecientes a cada grupo –en particular con las notas obtenidas por los estudiantes en cada una– se pretende determinar si el paso de clases con sesiones masivas a clases con sesiones distribuidas, en virtud de la aplicación de la política de cambios en los esquemas horarios, tuvo algún impacto sobre el rendimiento de los estudiantes.
Una primera aproximación que hacen los datos a los efectos de la práctica distribuida se encuentra en el Cuadro 2. Como se observa, en todos los semestres la nota promedio obtenida por los estudiantes en clases con sesiones distribuidas es menor que la nota promedio obtenida en clases con sesiones masivas.
· · · 1P-2015 2P-2015
t
3S1h1h1h 2S2h1h
2S2h1h
2S2h1h 3S1h1h1h
3S1h1h1h
1P-2016 2P-2016 1P-2017 2P-2017 1P-2018 2P-2018 Grupo 1
Grupo 3
Grupo 4
Grupo 5
Grupo 6 Grupo 2
1S3h
1S3h
1S3h
1S3h
2S2h1h
1S3h
CUADRO 2
Diferencia de medias de las notas obtenidas en materias con sesiones masivas y distribuidas, 2015 – 2018 Período Masivas Distribuidas
Media Media Diferencia
(DE) (DE) (p-valor)
1P2015 3,88 3,62 -0,26***
(0,59) (0,63) (0,00)
2P2015 3,83 3,53 -0,30***
(0,62) (0,68) (0,00)
1P2016 3,93 3,60 -0,33***
(0,58) (0,63) (0,00)
2P2016 3,88 3,67 -0,21***
(0,66) (0,65) (0,00)
1P2017 4,03 3,73 -0,30***
(0,61) (0,64) (0,00)
2P2017 4,08 3,64 -0,44***
(0,64) (0,72) (0,00)
1P2018 3,93 3,47 -0,46***
(0,82) (0,86) (0,00)
2P2018 3,84 3,43 -0,41***
(0,82) (0,85) (0,00)
Nota: *: p-valor < 0,1; **: p-valor < 0,05; ***: p-valor < 0,01.
Fuente: Elaboración propia con base en datos de la UTB.
Lo anterior indica, si fuera una medida precisa del efecto MP-DP, que, contrario a lo que predice la teoría, llevar a cabo sesiones de estudio distribuidas afectaría negativamente el desempeño de los estudiantes. No obstante, tal como se ha señalado antes, la diferencia de medias calculada entre los dos esquemas no es una aproximación empírica confiable. Con el propósito de explotar toda la variación que los esquemas horarios tuvieron en la ventana de observación y de incorporar parámetros que capturen la influencia de las características propias de las materias y de los estudiantes que pueden ser relevantes, se estimará un modelo de diferencias en diferencias en su versión de estudio de evento con efectos fijos.
La Ecuación [1] representa un primer modelo a estimar. En él la evolución del resultado potencial (i. e. la nota obtenida, 𝑁!"#) se descompone aditivamente en un efecto fijo individual (𝜂!), uno de materia (𝜁") y una tendencia común en el tiempo (efecto fijo de tiempo, 𝜙#).1
𝑁!"# = 𝜂! + 𝜁"+ 𝜙#+ 𝜏𝐷"#+ 𝑋!#$ 𝛽 + 𝑋"#$𝛾 + 𝜀!"# [1]
Si 𝐷"# ∈ {0,1} es una variable dicotómica igual a 1 si la materia 𝑗 se imparte en sesiones
distribuidas en cada momento 𝑡 y cero de lo contrario, entonces 𝜏 se convierte en el parámetro de interés del modelo. Como se mencionó antes, algunas de las materias aplicaron un esquema previo a la implementación de la política y no todas las materias percibieron el cambio en el mismo momento. Esta transición se incorpora en la estimación por medio de una variable dicótoma adicional, lo que da lugar a la Ecuación [2]. El resultado es un conjunto de dos parámetros 𝜏% ∀ 𝑘 ∈ {1, 2}. El primero de ellos (𝜏&) captura el efecto que tiene pasar de sesiones masivas a un esquema 2S2h1h, y 𝜏' captura el efecto de pasar de sesiones masivas a un esquema 3S1h1h1h. Ambos parámetros se refieren al efecto MP-DP y la diferencia entre ellos se interpreta como un efecto rezago.
𝑁!"# = 𝜂!+ 𝜁"+ 𝜙#+ ; 𝜏%𝐷%"#
'
%(&
+ 𝑋!#$𝜑 + 𝑋"#$𝜓 + 𝜀!"# [2]
En ambas estimaciones se incorporan variables observables propias de los estudiantes (𝑋!#) y de las materias (𝑋"#) en cada momento 𝑡. 𝛽 y 𝛾 (en la Ecuación [1]), y 𝜑 y 𝜓 (en la Ecuación [2]), son vectores de parámetros asociados a ellas. 𝜀!"# representa el error idiosincrático clusterizado por salón. El vector de variables atinentes a las materias (𝑋"#) está compuesto por la categoría del docente que la imparte (catedrático, de planta u otro); una variable categórica que indica si esta se ofrece en la mañana, en la tarde o en la noche (o en un horario mixto); y el tamaño (número de estudiantes matriculados) del salón. Al vector de variables propias de los estudiantes (𝑋!#) lo compone el número de créditos matriculados en cada semestre y el nivel al que cada uno de ellos pertenece (Anexo 2).2
2 El nivel del estudiante se calcula como: 𝑁𝑖𝑣𝑒𝑙 = 𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 𝑎𝑝𝑟𝑜𝑏𝑎𝑑𝑜𝑠 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑐𝑟é𝑑𝑖𝑡𝑜𝑠 𝑝𝑜𝑟 𝑛𝑖𝑣𝑒𝑙⁄
V. RESULTADOS
1. Efecto de la práctica distribuida
La práctica distribuida no fue eficaz como un mecanismo para mejorar el desempeño promedio de los estudiantes medido a través de la nota obtenida en las materias cursadas. El Cuadro 3 reporta los coeficientes obtenidos al estimar las Ecuaciones [1] y [2] antes y después de ser ajustados con la desviación estándar (DE) de las notas en toda la muestra (𝜎). Este ajuste se hace con el objeto de hacer comparables entre individuos los valores de la variable de interés.
Distribuir las clases en varias sesiones aumenta la nota de las materias en 0,015 – equivalente a 0,02 DE. Aunque tiene el signo esperado, el efecto de pasar de clases con sesiones masivas a clases con sesiones distribuidas (efecto MP-DP) no es estadísticamente diferente de cero.
El efecto MP-DP, sin embargo, varía en función del intervalo entre sesiones. La política de cambios en los esquemas de clases no altera el rendimiento de los estudiantes cuando estas se imparten en dos sesiones semanales, pero sí desfavorece las calificaciones promedio cuando el número de sesiones de clase semanales pasa a ser mayor. La intervención ubica las notas 0,072 DE por debajo una vez la intervención toma lugar sin la transición conducida por la dirección académica de las facultades.
Los resultados observados no solo respaldan los argumentos dirigidos hacia la relación no monotónica entre un mayor espacio entre repeticiones y la memoria y el aprendizaje, sino que también aportan elementos a la discusión de los factores que afectan una intervención dirigida a mitigar las deficiencias en el rendimiento de los estudiantes. Un estudiante promedio obtiene mejores notas cuando, manteniendo el resto de las variables constantes, se matricula en una clase impartida por un profesor catedrático (0,146 DE), avanza en su programa académico y su nivel es mayor (0,134 DE), matricula un mayor número de créditos (0,007 DE), evita matricular clases en la mañana o, con menor importancia, hace parte de un salón más numeroso (Cuadro 3). Esta última relación es particularmente contra intuitiva. Un menor número de estudiantes por profesor está habitualmente asociado a mejores resultados en la educación por cuenta del mayor sentido de pertenencia y la mayor confianza que surge entre alumnos y profesores (Stiefel, et al., 2000) o porque el profesor puede hacer un seguimiento más cercano de sus pupilos. No obstante, también es plausible que en cursos más numerosos surjan entre los alumnos mayor número de relaciones interpersonales que mejoren la circulación del conocimiento.
CUADRO 3
Estimación paramétrica de los efectos de la práctica distribuida sobre el rendimiento Variable
dependiente: 𝑁!"#
Modelo 1 Modelo 2
Coef. Coef./𝜎 Coef. Coef./𝜎
𝜏 0,015 0,020
(0,014) (0,018)
𝜏& 0,004 0,006
(0,014) (0,019)
𝜏' -0,053*** -0,072***
(0,020) (0,028) Créditos totales 0,005*** 0,007*** 0,005*** 0,007***
(0,001) (0,001) (0,001) (0,001)
Nivel 0,099*** 0,134*** 0,099*** 0,134***
(0,005) (0,007) (0,005) (0,007)
Tamaño salón 0,002** 0,002** 0,002** 0,002**
(0,001) (0,001) (0,001) (0,001) Vinculación docente
Catedra 0,108*** 0,146*** 0,109*** 0,147***
(0,012) (0,017) (0,012) (0,017)
De otro tipo -0,008 -0,010 -0,007 -0,009
(0,026) (0,035) (0,026) (0,035) Horario
Tarde 0,029 0,039 0,031 0,042
(0,028) (0,038) (0,028) (0,037)
Noche 0,030*** 0,040*** 0,030*** 0,041***
(0,010) (0,014) (0,010) (0,014)
Mixto 0,061*** 0,082*** 0,058*** 0,078***
(0,017) (0,023) (0,017) (0,023) Observaciones 151.360 151.360 151,360 151,360
𝑅' 0,592 0,592 0,592 0,592
EF individual Sí Sí Sí Sí
EF de materia Sí Sí Sí Sí
EF de tiempo Sí Sí Sí Sí
Notas: (1) *: p-valor < 0,1; **: p-valor < 0,05; ***: p-valor < 0,01. (2) Errores estándares robustos entre paréntesis. (3) La base de comparación de la vinculación docente son los profesores de planta. (4) La base de comparación de los horarios son las clases impartidas en la mañana. (5) Las etiquetas “Modelo 1” y “Modelo 2” corresponden a la estimación de las Ecuaciones [1] y [2], respectivamente.
Fuente: Elaboración propia con base en datos de la UTB.
2. Aprobación como medida de desempeño
Una forma alternativa de medir el desempeño de los estudiantes es a través de una variable dicótoma que adquiere el valor de 1 si el estudiante 𝑖 aprobó la materia 𝑗 en el período 𝑡; i. e.,
𝑀!"# = 1B𝑁!"# ≥ 3,00E. Las Ecuaciones [1] y [2] se estiman nuevamente con la misma
especificación, pero usando 𝑀!"# como variable dependiente – lo que las convierte en Modelos de Probabilidad Lineal (MPL). Los resultados, disponibles en el Cuadro 4, primero conducen a pensar en el cumplimiento de lo que la teoría predice. La práctica distribuida aumenta la probabilidad de aprobar las materias en 2,7 puntos porcentuales (pp). Sin embargo, esto no implica que un mayor número de sesiones preceda de forma lineal a una mejora en el rendimiento: al pasar de clases con sesiones masivas a clases con sesiones distribuidas la probabilidad de aprobar aumenta en 2,1 pp; pero si el número de sesiones continúa aumentando ese mismo efecto pasa a ser negativo (en el orden de los 1,4 pp). Segundo, que el efecto MP-DP sea nulo sobre el promedio y positivo sobre las tasas de aprobación sugiere que la práctica distribuida genera beneficios solo sobre una parte de la población estudiantil, en particular aquella ubicada en la parte baja de la distribución de las calificaciones obtenidas. Grote (1995) encuentra que el efecto de la práctica distribuida no varía entre estudiantes con habilidades por encima y por debajo del promedio. Estos resultados adversos dejan abierta la discusión sobre la posibilidad de que la práctica distribuida tenga efectos heterogéneos no solo alrededor del intervalo de retención (tal como lo advierten Toppino y Gerbier (2014) y como se señala en este documento por cuenta de los diferentes rezagos entre sesiones) sino también en función de la habilidad misma de los estudiantes.
VI. CONCLUSIONES Y DISCUSIÓN
Este trabajo mide el impacto que tienen las prácticas distribuidas sobre el desempeño de los estudiantes. Aunque la evaluación del DPE que tuvo lugar previo a este documento refleja una marcada tendencia hacia efectos positivos, cierta ambigüedad surge luego de repensar la magnitud del efecto a la luz de variaciones en los intervalos de retención. Los resultados obtenidos aquí apuntan a que las sesiones distribuidas no tienen –en promedio– efectos sobre el desempeño de los estudiantes, salvo cuando el número de sesiones de estudio semanales es
CUADRO 4
Estimación paramétrica de los efectos de la práctica distribuida sobre las tasas de aprobación Variable
dependiente: 𝑀!"#
Modelo 1 Modelo 2
Coef. Coef.
𝜏 0,027***
(0,004)
𝜏& 0,021***
(0,004)
𝜏' -0,014**
(0,007)
Créditos totales -0,000 -0,000
(0,000) (0,000)
Nivel 0,061*** 0,061***
(0,002) (0,002)
Tamaño salón 0,000* 0,000*
(0,000) (0,000) Vinculación docente
Catedra 0,019*** 0,020***
(0,004) (0,004) De otro tipo -0,017* -0,016*
(0,009) (0,009) Horario
Tarde 0,012 0,013
(0,010) (0,010)
Noche 0,010*** 0,010***
(0,004) (0,004)
Mixto 0,020*** 0,018***
(0,005) (0,005)
Observaciones 151,360 151,360
𝑅' 0,402 0,403
EF individual Si Si
EF de materia Si Si
EF de tiempo Si Si
Notas: (1) *: p-valor < 0,1; **: p-valor < 0,05; ***: p-valor < 0,01. (2) Errores estándares robustos entre paréntesis. (3) La base de comparación de la vinculación docente son los profesores de planta. (4) La base de comparación de los horarios son las clases impartidas en la mañana. (5) Las etiquetas “Modelo 1” y “Modelo 2” corresponden a la estimación de las Ecuaciones [1] y [2], respectivamente.
Fuente: Elaboración propia con base en datos de la UTB.
La apropiación del conocimiento y el rendimiento exhibido a partir de él pudieron haber aumentado con la práctica distribuida en muchos de los experimentos realizados en un amplio acervo de investigación. Sin embargo, es plausible que en entornos aplicados los mecanismos que llevan a que el aprendizaje y la memoria se enriquezcan a partir de la práctica distribuida varíen simultáneamente con los rezagos que imponen el número de sesiones de clase semanales.
Un efecto MP-DP nulo, que bajo ciertos escenarios puede llegar a ser negativo, indica que distribuir las sesiones de estudio es un mecanismo que debe ser usado con cautela si se quiere elevar la retención de la información y, con ello, el desempeño de los estudiantes en ambientes aplicados. La práctica distribuida, cuyo soporte se sitúa sobre la forma como se almacena y recuerda la información para eventualmente concebir mejoras en el aprendizaje, es útil siempre y cuando el escenario en el que toma lugar acredite las condiciones necesarias para ello. Primero, porque cuando el ambiente de aprendizaje admite la intervención de un cumulo de elementos ajenos al esquema con el que se imparten las clases el DPE puede resultar inocuo en el rendimiento de los estudiantes. Segundo, porque las restricciones de tiempo y recursos pueden limitar las rutas a través de las cuales un mejor aprendizaje toma lugar.
Un matiz de lo anterior surge a partir de las múltiples formas de medir el rendimiento de los estudiantes. La práctica distribuida enajena, en beneficio propio, los efectos positivos sobre las tasas de aprobación. Sin embargo, retoma la posibilidad de ser perjudicial cuando los rezagos entre sesiones aumentan su número. Como consecuencia, este documento advierte también la relación no monotónica entre el desempeño y los rezagos entre sesiones de estudio.
Así, en el marco de la disyuntiva de elección de los diversos esquemas horarios, la decisión de la dirección académica de las instituciones debe tener en cuenta varios elementos antes de considerar la práctica distribuida como una herramienta para remediar las deficiencias en el aprendizaje. Por una parte, los mecanismos que subyacen al éxito de la intervención en entornos aplicados pueden no ser los mismos que en entornos controlados. Por otra, distribuir las sesiones de aprendizaje genera una presión sobre la disponibilidad y el uso de recursos físicos y humanos:
la asignación de salones cambia cuando las sesiones se distribuyen; la contratación de docentes catedráticos y temporales se desincentiva pues aumenta el número de veces que los profesores se deben movilizar para impartir las clases mientras sus ingresos permanecen constantes; los horarios en los que se ofrecen las clases y las sesiones más cortas pueden incentivar la inasistencia de estudiantes, etc.
No es el propósito de este documento revisar el enlace entre la práctica distribuida y la disponibilidad de tiempo y recursos, pero sí sugiere que responder a estas inquietudes debe hacer parte de investigaciones futuras. De esta manera se ampliarían los temas de discusión sobre la práctica distribuida en entornos aplicados y se aportarían elementos para concebir en ellos nuevas formas de mejorar el aprendizaje y de aumentar la formación del capital humano.
REFERENCIAS
Ausubel, David P. (1966), “Early versus Delayed Review in Meaningful Learning”, Psychology in the Schools, No. 3.
Appleton-Knapp, Sara L., Robert A. Bjork, and Thomas D. Wickens (2005), “Examining the Spacing Effect in Advertising: Encoding Variability, Retrieval Processes, and their Interaction”, Journal of Consumer Research, Vol. 32, No. 2.
Bahrick, Harry P., Lorraine Bahrick, Audrey S. Bahrick, and Phyllis E. Bahrick (1993),
“Maintenance of Foreign Language Vocabulary and the Spacing Effect”, Psychological Science, Vol. 4, No. 5.
Bell, Matthew C., Nader Kawadri, Patricia M. Simone, and Melody Wiseheart (2014), “Long- Term Memory, Sleep, and the Spacing Effect”, Memory, Vol. 22, No. 3.
Belleza, Francis, S., Henry B. Winkler, and Frank Andrasik, Jr. (1975), “Encoding Processes and the Spacing Effect”, Memory & Cognition, Vol. 3, No. 4.
Bernal, Raquel, y Ximena Peña (2011), Guía práctica para la evaluación de impacto, Bogotá:
Universidad de los Andes.
Bird, Steve (2010), “Effects of Distributed Practice on the Acquisition of Second Language English Syntax”, Applied Psycholinguistics, No. 31.
Bjork, Robert A., and Ted W. Allen (1970), “The Spacing Effect: Consolidation or Differential Encoding?”, Journal of Verbal Learning and Verbal Behavior, No. 9.
Bloom, Kristine C., and Thomas J. Shuell (1981), “Effects of Massed and Distributed Practice on the Learning and Retention of Second-Language Vocabulary”, The Journal of Educational Research, Vol. 74, No. 4.
Borkowski, John G. (1967), “Distributed Practice in Short-Term Memory”, Journal of Verbal Learning and Verbal Behavior, No. 6.
Bray, James F., Donald Robbins, and William B. Witcher, Jr. (1976), “Encoding Variability Theory and the Spacing Effect in Associate Learning”, Memory & Cognition, Vol. 4, No. 5.
Brooks, Michael C. T. (1985), “Time in Learning: Does Distribution Make a Difference?”, Community Junior College Research Quarterly of Research and Practice, Vol. 9, No. 3.
Budé, Luc, Tjaart Imbos, Margaretha W. van de Wiel, and Martijn P. Berger (2011), “The Effect of Distributed Practice on Students’ Conceptual Understanding of Statistics”, Higher Education, Vol. 62.
Carpenter, Shana K. (2017), “Spacing Effects on Learning and Memory”, in John H. Byrne (editor), Learning and Memory: A Comprehensive Reference, Vol. II, London: Academic Press.
Carpenter, Shana K., Nicholas J. Cepeda, Doug Rohrer, Sean H. K. Kang, and Harold Pashler (2012), “Using Spacing to Enhance Diverse Forms of Learning: Review of Recent Research and Implications for Instruction”, Educational Psychology Review, Vol. 24, No. 3.
Cepeda, Nicholas J., Edward Vul, Doug Rohrer, John T. Wixted, and Harold Pashler (2008),
“Spacing Effects in Learning: A Temporal Ridgeline of Optimal Retention”, Psychological Science, Vol. 19, No. 11.
Cepeda, Nicholas J., Harold Pashler, Edward Vul, and John T. Wixted (2006), “Distributed Practice in Verbal Recall Tasks: A Review and Quantitative Synthesis”, Psychological Bulletin, Vol. 132, No. 3.
Cepeda, Nicholas J., Noriko Coburn, Doug Rohrer, John T. Wixted, Michael C. Mozer, and Harold Pashler (2009), “Optimizing Distributed Practice Theoretical Analysis and Practical Implications”, Experimental Psychology, Vol. 56, No. 4.
Dempster, Frank N. (1988), “The Spacing Effect: A Case Study in the Failure to Apply the Results of Psychological Research”, American Psychologist, Vol. 43, No. 8.
Dempster, Frank N. (1989), “Spacing Effects and Their Implications for Theory and Practice”, Educational Psychology Review, Vol. 1, No. 4.
Gallo, Michael A., and Michael Odu (2009), “Examining the Relationship Between Class Scheduling and Student Achievement in College Algebra”, Community College Review, Vol. 36, No. 4.
Gerbier, Emilie, and Thomas C. Toppino (2015), “The Effect of Distributed Practice:
Neuroscience, Cognition, and Education”, Trends in Neuroscience and Education, Vol. 4, No. 3.
Glenberg, Arthur M. (1977), “Influences of Retrieval Processes on the Spacing Effect in Free Recall”, Journal of Experimental Psychology: Human Learning and Memory, Vol. 3, No. 3.
Glenberg, Arthur M. (1979), “Component-Level Theory of the Effects of Spacing of Repetitions on Recall and Recognition”, Memory & Cognition, Vol. 7, No. 2.
Glenberg, Arthur M., and Thomas S Lehmann (1980), “Spacing Repetitions over 1 Week”, Memory & Cognition, Vol. 8, No. 6.
Goss-Lucas, S., and D. A. Bernstein (2005), Teaching Psychology: A Step by Step Guide, Mahwah, NJ: Erlbaum.
Grote, Michael G. (1995), “Distributed Versus Massed Practice in High School Physics”, School Science and Mathematics, 95, No. 2.
Hartley, J., and I. K. Davies (1978), “Note Taking: A Critical Review”, Programmed Learning and Educational Technology, No. 15.
Henebry, Kathleen (1997), “The Impact of Class Schedule on Student Performance in a Financial Management Course”, Journal of Education for Business, Vol. 73, No. 2.
Hoekstra, Mark (2020), “Returns to Education Quality”, in Steve Bradley and Colin Green (editors), The Economics of Education: A Comprehensive Overview, 2nd Ed., Cambridge: Elsevier Academic Press.
Janiszewski, Chris, Hayden Noel, and Alan G. Sawyer (2003), “A Meta-Analysis of the Spacing Effect in Verbal Learning: Implications for Research on Advertising Repetition and Consumer Memory”, Journal of Consumer Research, Vol. 30.
Johnstone, A. H., and F. Percival (1976), “Attention Breaks in Lectures”, Education in Chemistry, No. 13.
Johnston, William A., and Charles N. Uhl (1976), “The Contributions of Encoding Effort and Variability to the Spacing Effect on Free Recall”, Journal of Experimental Psychology, Vol. 2, No.
2.
Kapler, Irina V., Tina Weston, and Melody Wisehart (2015), “Spacing in a Simulated Undergraduate Classroom: Long-Term Benefits for Factual and Higher-Level Learning”, Learning and Instruction, No. 36.
Kratochwill, Thomas (2005), “Theories of Change and Adoption of Innovations: The Evolving Evidence-Based Intervention and Practice Movement in School Psychology”, Psychology in the Schools, No. 42.
Küpper-Tetzel, Carolina Ellen (2014), “Strong Effects on Weak Theoretical Grounds:
Understanding the Distributed Practice Effect”, Zeitschrift für Psychologie, Vol. 222, No. 2.
Lohnas, Lynn J., Sean M Polyn, and Michael J Khana (2011), “Contextual Variability in Free Recall”, Journal of Memory and Language, No. 64.
Maddox, Geoffrey B. (2016), “Understanding the Underlying Mechanism of the Spacing Effect in Verbal Learning: A Case for Encoding Variability and Study-Phase Retrieval”, Journal of Cognitive Psychology, Vol. 28, No. 6.
Martin, Edwin (1968), “Stimulus Meaningfulness and Paired-Associate Transfer”, Psychological Review, Vol. 75, No. 5.
Maskarinec, Ann Stash, Charles P. Thomson (1976), “The Within-List Distributed Practice Effect: Tests of the Varied Context and Varied Encoding Hypotheses”, Memory & Cognition, Vol. 4, No. 6.
Mitchell, Erica L., Dae Y. Lee, Nick Sevdalis, Aaron, W. Partsafas, Gregory J. Landry, Timothy K. Liem, and Gregory L. Moneta (2011), “Evaluation of Distributed Practice Schedules on Retention of a Newly Acquired Surgical Skill: A Randomized Trial”, The American Journal of Surgery, No. 201.
Mumford, Michael D., David P. Costanza, Wayne A Baughman, K. Victoria Threlfall, and Edwin A. Fleishman (1994), “Influence of Abilities on Performance During Practice: Effects of Massed and Distributed Practice”, Journal of Educational Psychology, Vol. 86, No. 1.
Nazari, Katharina Barzagar, Mirjam Ebersbach (2019), “Distributed Practice in Mathematics:
Recommendable Especially for Students on a Medium Performance Level?”, Trends in Neuroscience and Education, Vol. 17.
Noel, Hayden (2006), “The Spacing Effect: Enhancing Memory for Repeated Marketing Stimuli”, Journal of Consumer Psychology, Vol. 16, No. 3.
Noel, Hayden, and Beth Vallen (2009), “The Spacing Effect in Marketing: A Review of Extant Findings and Directions for Future Research”, Psychology & Marketing, Vol. 26, No. 11.
Pavlik, Philip I. Jr., John R. Anderson (2005), “Practice and Forgetting Effects on Vocabulary Memory: An Activation-Based Model of the Spacing Effect”, Cognitive Science, No. 29.
Rayburn, L. Gayle, and J. Michael Rayburn (1999), “Impact Of Course Length and Homework Assignments on Student Performance”, Journal of Education for Business, Vol. 74, No. 6.
Schultz, Leah A., Jason H. Sharp (2008), “The Effect of Class Duration on Academic Performance and Attendance in an Introductory Computer Class”, Information Systems Education Journal, Vol. 6, No. 59.
Schutte, Greg M., Gary J. Duhon, Benjamin G. Solomon, Brian C. Poncy, Kathryn Moore, and Bailey Story (2015), “A Comparative Analysis of Massed vs. Distributed Practice on Basic Math Fact Fluency Growth Rates”, Journal of School Psychology, No. 53.
Singer, Robert N. (1965), “Massed and Distributed Practice Effects on the Acquisition and Retention of a Novel Basketball Skill”, Research Quarterly. American Association for Health, Physical Education and Recreation, Vol. 36, No. 1.
Sisti, Helene M., Arnold L. Glass, and Tracy J. Shors (2007), “Neurogenesis and the Spacing Effect: Learning over Time Enhances Memory and the Survival of new Neurons”, Learning Memory, Vol. 14, No. 5.
Slone, Lauren K., and Catherine M. Sandhofer (2017), “Consider the Category: The Effect of Spacing Depends on Individual Learning Histories”, Journal of Experimental Child Psychology, No. 159.
Smith, Steven M., and Ernst Z. Rothkopf (1984), “Contextual Enrichment and Distribution of Practice in the Classroom”, Cognition and Instruction, Vol. 1, No. 3.
Stiefel, Leanna, Robert Berne, Patrice Iatarola, and Norm Fruchter (2000), “High School Size:
Effects on Budgets and Performance in New York City”, Educational Evaluation and Policy Analysis, Vol. 22, No. 1.
Toppino, Thomas C. (1991), “The Spacing Effect in Young Children’s Free Recall: Support for Automatic-Process Explanations”, Memory & Cognition, Vol. 19, No. 2.
Toppino, Thomas C. (1993), “The Spacing Effect in Preschool Children’s Free Recall of Pictures and Words”, Bulletin of the Psychonomic Society, Vol. 31, No. 1.
Toppino, Thomas C., and Emilie Gerbier (2014), “About Practice: Repetition, Spacing, and Abstraction”, Psychology of Learning and Motivation, Vol. 60.
Toppino, Thomas C., and Lance C. Bloom (2002), “The Spacing Effect, Free Recall, and Two- Process Theory: A Closer Look”, Journal of Experimental Psychology: Learning, memory, and Cognition, Vol. 28, No. 3.
Toppino, Thomas C., and William DiGeorge (1984), “The Spacing Effect in Free Recall Emerges with Development”, Memory & Cognition, Vol. 12, No. 2.
Trout, Brian (2018), “The Effect of Class Session Length on Student Performance, Homework, and Instructor Evaluations in an Introductory Accounting Course”, Journal of Education for Business, Vol. 93, No. 1.
Vlach, Haley A. (2014), “The Spacing Effect in Children’s Generalization of Knowledge:
Allowing Children Time to Forget Promotes Their Ability to Learn”, Child Development Perspectives, Vol. 8, No. 3.
Vlach, Haley A. Catherine M. Sandhofer, and Nate Kornell (2008), “The Spacing Effect in Children’s Memory and Category Induction”, Cognition, No. 109.
ANEXOS
ANEXO 1
Supuesto de identificación: Tendencias paralelas
La correcta identificación del efecto de las prácticas sobre el rendimiento de los estudiantes encuentra su base en un supuesto clave: la existencia de tendencias paralelas. Bernal y Peña (2011, p. 75) afirman que bajo este supuesto “la variable de resultado Y evoluciona de manera natural en el tiempo de la misma forma en los dos grupos” (en este trabajo, clases con sesiones masivas y clases con sesiones distribuidas). Esto implica que, en ausencia del tratamiento (i. e. la aplicación de la política de clases con sesiones distribuidas), el cambio esperado en la variable dependiente del grupo de tratamiento es igual al cambio observado en esa variable para el grupo de control.
Probar el cumplimiento de este supuesto requiere de información que no está disponible gracias al principal problema de la inferencia causal: no es posible ver el resultado de dos estados de la naturaleza al mismo tiempo.
Aunque no se puede probar de forma definitiva, sí se pueden llevar a cabo algunas aproximaciones para validar parcialmente el supuesto. La Ecuación [A1] utiliza 𝑚 “efectos
tratamiento” (𝜔)&, … , 𝜔)*) y 𝑞 “efectos anticipatorios” L𝜔&, … , 𝜔+M de la variable 𝐷"# para simular pruebas de falsificación de la aplicación de la política para los diferentes momentos 𝑡.
𝑁!"# = 𝜂! + 𝜁"+ 𝜙#+ ; 𝜔)%𝐷",#)%
*
%(-
+ ; 𝜔%𝐷",#.%
+
%(&
+ 𝑋!#$𝛽 + 𝑋"#$𝛾 + 𝜀!"# [𝐴1]
La interpretación de esta forma de examinar el supuesto de tendencias paralelas se basa en la noción de causalidad de Granger. Si la política de clases con sesiones distribuidas es la causa del efecto esperado, diferencias en la evolución de la nota obtenida deben aparecer únicamente después de que dicha política se haya implementado. Así, la diferencia entre las notas obtenidas en clases con sesiones masivas y en clases con sesiones distribuidas antes de la aplicación de la política debe ser constante.
La Figura A1 muestra que tanto los efectos tratamiento como los efectos anticipatorios no son estadísticamente diferentes de cero durante la ventana de observación. Este resultado indica que las clases con sesiones distribuidas no tuvieron un impacto sobre el rendimiento antes (tendencia paralela) ni después de haber sido aplicadas. No obstante, después de 6 o 7 períodos de haber sido aplicada, la política puede tener un efecto negativo sobre las calificaciones promedio.
GRÁFICO A1
Efecto de la práctica distribuida relativo al tiempo de aplicación de la política
Notas: (1) Resultados a partir de la estimación de la Ecuación [A1] (2) Intervalos de confianza al 99% (3) La línea negra punteada representa el momento de aplicación de la política.
Fuente: Elaboración propia con base en datos de la UTB.
ANEXO 2
Estadísticas descriptivas y diferencias de medias de variables de control a. Nivel
Período Masivas Media Distribuidas Media Diferencia
(DE) (DE) (P-valor)
1P2015 3,57 2,39 -1,18***
(2,33) (2,14) (0,00)
2P2015 3,96 2,88 -1,07***
(2,20) (2,07) (0,00)
1P2016 3,44 2,44 -1,00***
(2,47) (2,12) (0,00)
2P2016 4,05 3,28 -0,78***
(2,44) (2,17) (0,00)
1P2017 4,73 2,92 -1,80***
(2,36) (2,33) (0,00)
2P2017 4,42 3,43 -0,99***
(2,26) (2,23) (0,00)
1P2018 3,98 3,17 -0,81***
(2,29) (2,28) (0,00)
2P2018 3,50 3,73 0,22
(2,03) (2,30) (0,23)
Nota: *: p-valor < 0,1; **: p-valor < 0,05; ***: p-valor < 0,01.
Fuente: Elaboración propia con base en datos de la UTB.
b. Créditos totales matriculados
Período Masivas Media Distribuidas Media Diferencia
(DE) (DE) (P-valor)
1P2015 16,41 15,95 -0,46***
(2,27) (2,22) (0,00)
2P2015 16,49 15,98 -0,51***
(2,28) (2,30) (0,00)
1P2016 16,73 16,23 -0,50***
(2,45) (2,54) (0,00)
2P2016 16,18 16,41 0,22
(2,38) (2,03) (0,18)
1P2017 16,44 15,98 -0,46***
(2,14) (1,79) (0,00)
2P2017 16,13 15,93 -0,20
(1,98) (1,61) (0,18)
1P2018 17,16 17,25 0,09
(1,69) (1,36) (0,49)
2P2018 17,45 17,43 -0,01
(1,29) (1,33) (0,89)
Nota: *: p-valor < 0,1; **: p-valor < 0,05; ***: p-valor < 0,01.
Fuente: Elaboración propia con base en datos de la UTB.
c. Tamaño del salón
Período Masivas Media Distribuidas Media Diferencia
(DE) (DE) (P-valor)
1P2015 16,41 15,95 -0,46
(2,27) (2,22) (0,00)
2P2015 16,49 15,98 -0,51
(2,28) (2,30) (0,00)
1P2016 16,73 16,23 -0,50
(2,45) (2,54) (0,00)
2P2016 16,18 16,41 0,22**
(2,38) (2,03) (0,18)
1P2017 16,44 15,98 -0,46***
(2,14) (1,79) (0,00)
2P2017 16,13 15,93 -0,20***
(1,98) (1,61) (0,18)
1P2018 17,16 17,25 0,09***
(1,69) (1,36) (0,49)
2P2018 17,45 17,43 -0,01***
(1,29) (1,33) (0,89)
Nota: *: p-valor < 0,1; **: p-valor < 0,05; ***: p-valor < 0,01.
Fuente: Elaboración propia con base en datos de la UTB.
