⬅️ Volver a Programas Académicos
PROGRAMA FORMATIVO TRANSVERSAL • 7.° BÁSICO A 2.° MEDIO

Programa de Habilidades de Pensamiento Científico (PHPC)

📥 Descargar Documento Técnico Oficial
Modelo de intervención e ingeniería cognitiva de vanguardia. Estructura la arquitectura del pensamiento de los estudiantes mediante capacidades metacognitivas, tránsito semiótico multi-registro, dinámica de sistemas complejos y escepticismo metodológico aplicados de forma transversal.

Arquitectura Modular del Programa PHPC

NIVEL I Controles Metodológicos Popper, Lawson & Bradford Hill ➔
NIVEL II Modelización & Argumentación Duval (Semiosis) & Toulmin ➔
NIVEL III Razonamiento Sistémico Dinámica de Sistemas (Meadows) ➔
NIVEL IV Gobernanza Epistémica Metacognición Activa (Flavell) ➔
PROGRESIÓN Las 5 Fases de Aprendizaje Fase 0 (KPSI) a Fase 4 ➔
TAXONOMÍA 4 Dimensiones de Dominio Descriptores e Indicadores ➔
PEDAGOGÍA Evaluación Formativa (≥ 80%) Sin Notas Punitivas ➔
DOCUMENTACIÓN 📚 Referencias Bibliográficas Fuentes ➔
FUNDAMENTACIÓN

I. Arquitectura y los 9 Pilares Didáctico-Epistemológicos

El PHPC se opone frontalmente a la memorización mecánica de fórmulas. El desarrollo del razonamiento científico de primer orden se asienta sobre nueve pilares didáctico-epistemológicos jerárquicos:

La ciencia progresa refutando conjeturas provisionales, no acumulando dogmas. Los estudiantes son entrenados en el falsacionismo popperiano para poner a prueba sus propias hipótesis y distinguir enunciados contrastables de pseudociencias.

🔬 Criterios de Bradford Hill

Se enseña a diseccionar asociaciones estadísticas mediante pruebas lógicas de temporalidad, plausibilidad mecanicista y gradiente biológico para diferenciar correlación de causalidad real.

La ciencia escolar opera sobre modelos mentales. El razonamiento abstracto se consolida mediante la Tríada Semiótica de Duval, exigiendo traslaciones fluidas entre tres registros de un mismo fenómeno:

Registro Verbal Narrativa conceptual cualitativa
Registro Gráfico Curvas, pendientes y límites cartesianos
Registro Simbólico Ecuaciones y proporciones matemáticas

Reducimos la carga mental innecesaria (carga extrínseca) para enfocar los recursos biológicos del alumno en la construcción de esquemas de pensamiento científico (carga germana). En la Zona de Desarrollo Próximo (ZDP), las ayudas y ejemplos resueltos se retiran progresivamente (cognitive fading) a medida que el alumno adquiere autonomía.

Progresión sistemática desde la indagación guiada hasta la indagación hipotético-deductiva libre. Se entrenan los 6 patrones lógicos de Lawson: aislamiento de variables, lógica proporcional, probabilidad, correlación, análisis combinatorio y deducción de hipótesis.

Las explicaciones científicas se estructuran mediante el Modelo Argumentativo de Toulmin, vinculando formalmente:

  • Datos ($D$): Hechos observables, gráficos y mediciones empíricas.
  • Garantía ($G$): Leyes y principios teóricos que conectan la evidencia con la tesis.
  • Respaldo ($R$): Marco conceptual validado por la literatura científica.
  • Cualificador Modal ($Q$): Grado de certeza epistemológica.
  • Refutación ($X$): Condiciones de excepción y límites del modelo.

Superación del razonamiento lineal simple mediante la dinámica de sistemas:

🌱 Arquitectura de Sistemas de Meadows

Los estudiantes modelan acumulaciones (Stocks), flujos de entrada/salida, bucles de retroalimentación de equilibrio (-) o refuerzo (+), y desfases temporales (delays) causantes de comportamientos no lineales y puntos de quiebre (tipping points).

El error no se castiga; se utiliza como un resorte diagnóstico fundamental para desestabilizar ideas alternativas. A través de la vigilancia metacognitiva de Flavell, el estudiante audita sus propios sesgos lógicos y calibra su grado de certeza conceptual.

Consolidación de esquemas en la memoria a largo plazo mediante desafíos de evocación activa forzada (Retrieval Practice) y práctica intercalada (interleaving), alternando problemas de distinta naturaleza lógica en cada sesión.

El rigor analítico requiere seguridad emocional. La plataforma e interfaz de Guiñi fomentan la persistencia, modelan la resiliencia epistémica ante la frustración y promueven la co-construcción dialógica del saber entre pares.

ALINEACIÓN INTERNACIONAL

II. Articulación con Estándares OECD y NGSS

PISA 2025 (OECD)

Competencias Epistémicas Clave

  • C1: Explicar fenómenos científicamente mediante mecanismos plausibles.
  • C2: Evaluar y diseñar investigaciones empíricas peritando validez interna.
  • C3: Interpretar datos multivariables y usar información científica frente a la desinformación.
  • Identidad Científica: Fomento de la autoeficacia y agencia ambiental.
NGSS / NRC (USA)

Prácticas de Ciencia e Ingeniería (SEPs)

  • Práctica 2: Desarrollo, verificación y ajuste de modelos abstractos.
  • Práctica 3: Planificación de indagaciones con estricto control de variables.
  • Práctica 7: Argumentación formal basada en pruebas y garantías teóricas.
  • Concepto Transversal: Modelación de la dinámica de sistemas complejos.
METODOLOGÍA MODULAR

III. Progresión del Pensamiento en 5 Fases

Cada unidad o curso del PHPC se despliega en una secuencia lineal restrictiva para garantizar el andamiaje y la consolidación cognitiva:

Fase 0: Auditoría del Pensamiento y Diagnóstico KPSI Autodiagnóstico inicial de confianza y desestabilización de ideas previas ➔
↓
Fase 1: Introducción a Operaciones Cognitivas Superiores Observar, cuestionar y Ejemplos Trabajados (Worked Examples) ➔
↓
Fase 2: Profundización, Modelización y Tránsito Semiótico Tríada de Duval, Dinámica de Sistemas (Meadows) y Argumentación Toulmin ➔
↓
Fase 3: Laboratorio Virtual de Indagación Entornos experimentales, control estricto de variables y metrología ➔
↓
Fase 4: Evaluación Formativa y Certificación de Logro Cuestionario de alta exigencia con retroalimentación por distractor (≥ 80%) ➔
TAXONOMÍA

IV. Dimensiones de Dominio y Descriptores de Desempeño

Dimensión I: Indagación, Control Metodológico y Lógica Experimental Indagación & Control
Descriptor I.1 (Formulación Epistémica): Formula preguntas investigables aislando variables y traduciéndolas en hipótesis explicativas falsables.
🎯 Indicador: Discrimina entre hipótesis contrastables y enunciados dogmáticos no falsables.
Descriptor I.2 (Diseño Experimental): Estructura protocolos aislando variable independiente, dependiente, factores de control y grupos testigo.
🎯 Indicador: Detecta fallas metodológicas o ausencia de variables de control en casos experimentales simulados.
Dimensión II: Modelización Conceptual y Tránsito Semiótico Semiosis & Sistemas
Descriptor II.1 (Tránsito Semiótico Multi-Registro): Realiza conversiones fluidas entre registros verbales, gráficos y simbólico-matemáticos (Duval).
🎯 Indicador: Decodifica el significado físico de pendientes, asíntotas e interceptos en curvas cartesianas.
Descriptor II.2 (Pensamiento de Sistemas Complejos): Modela redes no lineales reconociendo bucles de retroalimentación, retardos y puntos de quiebre (Meadows).
🎯 Indicador: Elabora diagramas de flujo identificando puntos críticos de saturación y tipping points.
Dimensión III: Evaluación de Pruebas, Escepticismo y Argumentación Toulmin & Causalidad
Descriptor III.1 (Rigor Argumentativo): Construye y defiende argumentos científicos vinculando Datos, Garantías, Respaldos, Cualificadores y Refutaciones (Toulmin).
🎯 Indicador: Demuestra nivel sobresaliente en rúbricas analíticas de justificación científica.
Descriptor III.2 (Demarcación Crítica): Aplica los criterios de Bradford Hill y lectura lateral para diferenciar correlaciones estadísticas de causalidades físicas reales.
🎯 Indicador: Identifica sesgos de confirmación, falacias lógicas o datos insuficientes en artículos divulgativos.
Dimensión IV: Agencia Metacognitiva y Gobernanza Cognitiva Gobernanza & Diálogo
Descriptor IV.1 (Vigilancia del Pensamiento): Supervisa y autorregula el propio proceso deductivo, analizando la causa raíz de los errores conceptuales cometidos.
🎯 Indicador: Completa autodiagnósticos de calibración y reorienta sus estrategias de aprendizaje tras el error.
Descriptor IV.2 (Epistemología Colaborativa): Co-construye modelos valorando la diversidad de perspectivas, demostrando tolerancia a la incertidumbre y persistencia.
🎯 Indicador: Participa constructivamente en dinámicas de coevaluación y retroalimentación entre pares.
EVALUACIÓN FORMATIVA

V. Evaluación sin Notas Punitivas y Perfil del Egresado

🎯
Aprobación por Porcentaje de Logro (≥ 80%):

Para eliminar la ansiedad evaluativa y fomentar la motivación intrínseca, el PHPC prescinde de notas tradicionales. El avance se certifica al demostrar dominio cognitivo con un estándar de cuatro niveles cualitativos: Inicial, En Desarrollo, Logrado y Sobresaliente.

Perfil de Salida del Estudiante PHPC

  • ✨ Rigurosidad Epistemológica: Decodifica y evalúa enunciados del entorno, descartando correlaciones espurias mediante mecanismos causales demostrados.
  • ✨ Fluidez en Tránsito Semiótico: Traduce con naturalidad gráficas cartesianas multivariables a modelos matemáticos y narrativas científicas rigurosas.
  • ✨ Resolución Sistémica Compleja: Modela bucles de influencia, predice efectos de desfases temporales y anticipa puntos de saturación ambiental o física.
  • ✨ Estructura Argumentativa de Alto Nivel: Redacta textos expositivos fundamentando cada afirmación en datos empíricos y principios validados (Toulmin).
  • ✨ Gobernanza Metacognitiva: Utiliza el error como herramienta de autoanálisis, gestiona la frustración y persevera ante la ambigüedad científica.
DOCUMENTACIÓN TÉCNICA

VI. Referencias Bibliográficas

  • Astolfi, J.-P. (1997). El «error», un medio para enseñar (L. M. Villar, Trad.). Díada Editora.
  • Bradford Hill, A. (1965). The environment and disease: Association or causation? Proceedings of the Royal Society of Medicine, 58(5), 295–300. https://doi.org/10.1177/003591576505800503
  • Bruner, J. S. (1976). The process of education. Harvard University Press.
  • Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving students’ learning with effective learning techniques. Psychological Science in the Public Interest, 14(1), 4–58. https://doi.org/10.1177/1529100612453266
  • Duval, R. (1999). Semiosis y pensamiento humano: Registros semióticos y aprendizajes intelectuales. Universidad del Valle.
  • Duval, R. (2006). A cognitive analysis of problems of comprehension in a learning of mathematics. Educational Studies in Mathematics, 61(1–2), 103–131. https://doi.org/10.1007/s10649-006-0400-z
  • Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive-developmental inquiry. American Psychologist, 34(10), 906–911. https://doi.org/10.1037/0003-066X.34.10.906
  • Giere, R. N. (1988). Explaining science: A cognitive approach. University of Chicago Press.
  • Gilbert, J. K., & Justi, R. (2016). Modelling-based teaching in science education. Springer International Publishing. https://doi.org/10.1007/978-3-319-29014-0
  • Jiménez-Aleixandre, M. P., & Erduran, S. (2007). Argumentation in science education: An overview. En Argumentation in science education (pp. 3–27). Springer. https://doi.org/10.1007/978-1-4020-6670-2_1
  • Lawson, A. E. (1978). The development and validation of a classroom test of formal reasoning. Journal of Research in Science Teaching, 15(1), 11–24. https://doi.org/10.1002/tea.3660150103
  • Meadows, D. H. (2008). Thinking in systems: A primer (D. Wright, Ed.). Chelsea Green Publishing.
  • National Research Council [NRC]. (2012). A framework for K-12 science education: Practices, crosscutting concepts, and core ideas. The National Academies Press. https://doi.org/10.17226/13165
  • NGSS Lead States. (2013). Next Generation Science Standards: For states, by states. The National Academies Press. https://doi.org/10.17226/18290
  • Organisation for Economic Co-operation and Development [OECD]. (2023). PISA 2025 science framework. OECD Publishing. https://pisa-framework.oecd.org/science-2025/
  • Popper, K. R. (1959). The logic of scientific discovery. Hutchinson & Co.
  • Quintanilla-Gatica, M. R. (Ed.). (2014). Las competencias de pensamiento científico desde las «emociones, sonidos y voces» del aula. Editorial Bellaterra.
  • Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255. https://doi.org/10.1111/j.1467-9280.2006.01693.x
  • Sardà Jorge, A., & Sanmartí Puig, N. (2000). Enseñar a argumentar científicamente: Un reto de las clases de ciencias. Enseñanza de las Ciencias, 18(3), 405–422.
  • Sweller, J., Ayres, P., & Kalyuga, S. (2010). Cognitive load theory. Springer Science & Business Media.
  • Toulmin, S. E. (2003). The uses of argument (Ed. actualizada). Cambridge University Press.
  • Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
  • Wenning, C. J., & Vieyra, R. E. (2015). Teaching high school physics: Inquiry and reasoning. CreateSpace.