TL;DR. Una meseta no es una sola cosa. El registro de investigación describe al menos seis causas, y piden respuestas opuestas. Una parte es aritmética: en las estimaciones de horas de aprendizaje guiado de Cambridge, el paso al inglés A2 cuesta unas 95 horas en el punto medio y el paso al C2 unas 350, es decir, 3,68 veces más por una sola etiqueta adicional. Otra parte es automaticidad: Ericsson sitúa el punto en que las habilidades cotidianas se vuelven automáticas en, con frecuencia, menos de 50 horas, tras lo cual la experiencia por sí sola deja de ayudar. En una revisión sistemática de 62 evaluaciones de médicos, 32 (52 %) informaron de un desempeño decreciente con más años de ejercicio en todos los resultados evaluados, y solo 2 informaron de un desempeño creciente. Otra parte es el método: un estudio de 25.280 curvas de aprendizaje individuales halló una breve caída del rendimiento en cada cambio a una estrategia mejor. El movimiento de CEO consiste en decidir si esta meseta merece siquiera romperse: parar, mantener o empujar. El movimiento de estudiante consiste en cambiar el diseño de la práctica, no el número de horas.
Este artículo pertenece al clúster de ciencia del aprendizaje de CEOtudent. El eje es las meta-habilidades que facilitan aprender cualquier otra habilidad. Dos piezas complementarias cubren el terreno que esta no repite a propósito: lo que la investigación sobre la pericia descubrió realmente acerca de la regla de las 10.000 horas y la práctica deliberada en la era de la IA.
¿De dónde viene la idea de una meseta de aprendizaje?
Uno de los primeros estudios formales de una meseta surgió de la telegrafía. En 1899, William Bryan y Noble Harter publicaron en Psychological Review un estudio sobre cómo aprendían los operadores a recibir código Morse. Sus curvas procedían de individuos evaluados cada semana, confirmadas por un consenso de opinión de unos doscientos operadores. La curva de envío subía con suavidad. La de recepción no: ascendía, se aplanaba durante meses y luego volvía a subir.
Su explicación sigue siendo la frase más útil que se ha escrito sobre el tema: “Una meseta en la curva significa que los hábitos de orden inferior se acercan a su desarrollo máximo, pero todavía no son lo bastante automáticos como para dejar la atención libre para abordar los hábitos de orden superior”. Un aprendiz que aún tiene que pensar en las letras no tiene atención disponible para las palabras.
También observaron que el patrón no era exclusivo de la telegrafía. Sobre el aprendizaje de una lengua extranjera escribieron acerca de “la misma mejora rápida al principio, el mismo nivel desalentador justo por debajo de la capacidad de entender una conversación corriente”. Sobre la redacción en inglés, los profesores de la Universidad de Indiana informaron de un progreso rápido casi hasta el nivel de aprobado, “y después una larga meseta por encima de la cual el estudiante parece incapaz de elevarse”. Esa es la meseta intermedia, descrita en 1899.
El hallazgo ha sido discutido. Un artículo de 1958 de F. S. Keller en el Journal of the Experimental Analysis of Behavior lleva por título “The phantom plateau”. Para este artículo solo pudo abrirse su registro bibliográfico, de modo que su argumento no se resume aquí. Si una meseta es una etapa real del aprendizaje o un artefacto de cómo se dibujó la curva sigue siendo la pregunta correcta, y los datos modernos responden “ambas cosas, según la meseta”.
¿Qué muestra realmente la investigación sobre las mesetas y las curvas de aprendizaje?
La Tabla 1 recoge los estudios abiertos para este artículo, con las cifras tal como aparecen impresas en cada fuente.
Tabla 1. El registro de investigación sobre mesetas y curvas de aprendizaje (cifras verificadas)
| Fuente | Datos | Qué informó |
|---|---|---|
| Bryan y Harter (1899), Psychological Review | Individuos evaluados semanalmente; consenso de unos doscientos operadores | La curva de recepción muestra mesetas seguidas de ascensos repentinos; la de envío no |
| Rosenbloom y Newell (1982), actas de la AAAI | Resumen de la ley potencial de la práctica | “el rendimiento en una tarea mejora como una función potencial del número de veces que se ha realizado la tarea” |
| Heathcote, Brown y Mewhort (2000), solo resumen | 40 conjuntos de datos, 7.910 series de aprendizaje, 475 sujetos, 24 experimentos | La función exponencial se ajustó mejor que la función potencial en todos los conjuntos de datos sin promediar; promediar sesgaba los resultados hacia la ley potencial |
| Donner y Hardy (2015), Psychonomic Bulletin and Review | 25.280 curvas de aprendizaje individuales, 500 mediciones cada una, cuatro tareas cognitivas | Un modelo por tramos superó a una única curva suave; los tramos posteriores superaron a los anteriores “tras una breve caída del rendimiento en el punto de transición” |
| Gaschler y colegas (2014), Frontiers in Psychology | 1.383 ajedrecistas con al menos 10 años de juego en torneos | La curva exponencial se ajustó mejor a los primeros 5 años en el 88 % de los jugadores y predijo mejor los años posteriores en el 62 %; el tercio de jugadores con menores ganancias iniciales mostró pequeños descensos de puntuación en los primeros años |
| Gray y Lindstedt (2017), solo resumen | Reanálisis de dos estudios clásicos más un tercer conjunto de datos | Las caídas marcan la exploración de métodos nuevos; los saltos marcan un método nuevo que funciona |
| Ericsson (2008), Academic Emergency Medicine | Revisión | Las habilidades cotidianas se automatizan tras “con frecuencia menos de 50 horas”; después, más experiencia no mejora la precisión |
| Choudhry, Fletcher y Soumerai (2005), solo resumen | 62 evaluaciones de médicos, MEDLINE de 1966 a junio de 2004 | 32 (52 %) hallaron un desempeño decreciente con los años de ejercicio en todos los resultados; 13 (21 %) en algunos resultados; 13 (21 %) ninguna asociación; 2 (3 %) cóncava; 1 (2 %) creciente en algunos resultados; 1 (2 %) creciente en todos |
| Stafford y Dewar (2014), Psychological Science, versión aceptada | 854.064 jugadores de un juego en línea; 45.672 jugaron más de 9 veces | Los jugadores que repartieron sus diez primeras partidas a lo largo de más de 24 horas obtuvieron después 47.264 puntos de media frente a 44.050 de quienes no lo hicieron (d de Cohen = 0,11) |
| Soderstrom y Bjork (2015), solo resumen | Revisión del aprendizaje motor y verbal | El rendimiento durante la práctica “es a menudo un índice poco fiable” del aprendizaje a largo plazo |
Fuentes: las indicadas en cada fila; referencias completas en la sección Fuentes. Las filas marcadas como “solo resumen” se apoyan en el resumen publicado, no en el artículo completo.
Destacan cuatro cosas.
Primero, la curva suave es una propiedad de los promedios. Heathcote y colegas, y más tarde Donner y Hardy, hallaron que la pulcra ley potencial aparece cuando se agrupan muchos aprendices. La línea de un individuo tiene tramos planos y escalones.
Segundo, los escalones tienen forma. Donner y Hardy describen una mejora gradual con ganancias decrecientes dentro de una misma estrategia, y una secuencia discreta de cambios de estrategia, cada uno mejor a la larga que el anterior. Gray y Lindstedt dan nombre al patrón: mesetas, caídas y saltos.
Tercero, la experiencia no es práctica. Sumando las categorías de la revisión sobre médicos, 45 de 62 evaluaciones (72,6 %) hallaron que el desempeño disminuía con los años de ejercicio al menos en algunos resultados, y 2 de 62 (3,2 %) hallaron que aumentaba al menos en algunos. La revisión informa de asociaciones, no de causas, y se cita aquí como investigación sobre el mantenimiento de habilidades, no como orientación para elegir a un profesional clínico.
Cuarto, lo que un aprendiz ve durante la práctica no es lo que ha aprendido. Soderstrom y Bjork separan el rendimiento, que puede observarse en la sesión, del aprendizaje, que solo se manifiesta más tarde. Una semana plana puede esconder aprendizaje real.
¿Cuánto de una meseta es simple aritmética?
Más de lo que la mayoría de los aprendices supone. Dos cálculos lo demuestran.
El primero usa las propias estimaciones de Cambridge. Una guía de Cambridge University Press sobre el Marco Común Europeo de Referencia (CEFR) para docentes enumera las horas de aprendizaje guiado que los aprendices suelen necesitar, y añade: “Observará que se tarda más en avanzar un nivel a medida que los aprendices suben en la escala”.
Tabla 2. Horas de aprendizaje guiado por nivel del CEFR, con el coste de cada paso (análisis de CEOtudent de las cifras de Cambridge University Press)
| Nivel del CEFR | Horas de aprendizaje guiado tal como se imprimen | Punto medio | Paso desde el nivel inferior (punto medio) | Semanas para el paso a 5 horas guiadas por semana (supuesto ilustrativo) |
|---|---|---|---|---|
| A1 | Aproximadamente 90-100 | 95 | 95 | 19 |
| A2 | Aproximadamente 180-200 | 190 | 95 | 19 |
| B1 | Aproximadamente 350-400 | 375 | 185 | 37 |
| B2 | Aproximadamente 500-600 | 550 | 175 | 35 |
| C1 | Aproximadamente 700-800 | 750 | 200 | 40 |
| C2 | Aproximadamente 1.000-1.200 | 1.100 | 350 | 70 |
Fuente de la columna 2: Cambridge University Press (2013), Introductory Guide to the Common European Framework of Reference (CEFR) for English Language Teachers. Las columnas 3-5 son cálculos de CEOtudent que leen las cifras impresas como totales acumulados desde cero; las 5 horas por semana son un supuesto ilustrativo, no una cifra de Cambridge.
Leído así, el paso a B1 cuesta 1,95 veces el paso a A2, y el paso a C2 cuesta 3,68 veces más. Hay una duplicación dentro de la tabla: de cero a B1 se necesitan unas 375 horas en los puntos medios, y de B1 a C1 otras 375. De cero a B2 son unas 550, y de B2 a C2 otras 550. Un aprendiz con 5 horas semanales constantes consigue una etiqueta nueva cada 19 semanas al principio y espera 70 semanas por la última. Nada ha salido mal. Los hitos se han alejado entre sí.
Una cautela: la formulación de la guía es que se trata de horas “para avanzar entre niveles”. Si cada cifra es el coste de ese nivel por sí solo, la escalada es más pronunciada, con el C2 en 11,6 veces el A1. La dirección es la misma con cualquiera de las dos lecturas.
El segundo cálculo usa la ley potencial de la práctica tal como la describen Rosenbloom y Newell: el tiempo en una tarea disminuye como una función potencial del número de repeticiones. Los tres valores del exponente que siguen son supuestos ilustrativos, elegidos solo para mostrar la forma.
Tabla 3. Dónde llega la mejora bajo una ley potencial de la práctica (análisis de CEOtudent; los valores del exponente son supuestos ilustrativos)
| Exponente (supuesto ilustrativo) | Tiempo por intento en la repetición 100, como % del primer intento | Parte de la ganancia total entre la repetición 1 y la 10.000 que ya ha llegado en la repetición 10 | En la repetición 100 | En la repetición 1.000 | Parte que queda para las repeticiones 1.001-10.000 | Práctica adicional necesaria para el siguiente recorte del 10 % en el tiempo |
|---|---|---|---|---|---|---|
| 0,2 | 39,8 % | 43,9 % | 71,5 % | 89,0 % | 11,0 % | +69 % de toda la práctica hasta el momento |
| 0,3 | 25,1 % | 53,2 % | 79,9 % | 93,3 % | 6,7 % | +42 % de toda la práctica hasta el momento |
| 0,4 | 15,8 % | 61,7 % | 86,3 % | 96,1 % | 3,9 % | +30 % de toda la práctica hasta el momento |
Fuente: aritmética de CEOtudent sobre la forma de ley potencial descrita por Rosenbloom y Newell (1982); reproducida en calc.py. No hay ningún conjunto de datos medidos detrás de estas filas.
La última columna es la meseta en un solo número. Con un exponente de 0,3, un recorte adicional del 10 % en el tiempo exige siempre un 42 % más de práctica de la que el aprendiz ha acumulado en total. En la repetición 100 eso son 42 repeticiones más. En la repetición 1.000 son 421. En la repetición 10.000 son 4.208.
La curva exponencial que se ajusta mejor a los individuos cuenta la misma historia. Gaschler y colegas ofrecen un ejemplo resuelto: un ajedrecista que empieza con 1.000 puntos de puntuación, terminará en 1.500 y gana cada año alrededor del 20 % de la brecha restante gana 100 puntos el primer año y 80 el segundo. Extender su ejemplo con la misma regla da 64 puntos el tercer año y 13,4 el décimo. Al final del tercer año el jugador ha recorrido el 48,8 % de toda la distancia.
Esta es la meseta aritmética: el aspecto que tiene desde dentro una curva de aprendizaje sana. La solución es medir en ventanas más largas y decidir si el siguiente paso vale su precio. Para el lado de las horas de esa pregunta, véanse los datos de tiempo hasta la competencia de 20 habilidades demandadas.
¿Por qué más experiencia deja de producir mejora?
La segunda causa es la automaticidad. La panorámica de Ericsson de 2008, que se apoya en la explicación por etapas de la adquisición de habilidades de Fitts y Posner, describe la secuencia. Un recién llegado comete errores evidentes, elabora respuestas adecuadas y, con más experiencia, las produce cada vez con menos esfuerzo. Entonces: “Cuando el rendimiento ha alcanzado este nivel de automaticidad y ejecución sin esfuerzo, la experiencia adicional no mejorará la precisión de la conducta”.
La expresión de Ericsson para lo que viene después es desarrollo detenido. La automatización es la meta de la fase de principiante y la trampa de la intermedia. Cuando mecanografiar, conducir, un saque de tenis, un hábito de revisión de código o una estructura de párrafo estándar funcionan sin atención, también funcionan sin corrección. El aprendiz ha perdido lo que la panorámica llama la capacidad “de hacer ajustes intencionales específicos”.
El mismo artículo enumera las condiciones en las que la práctica se ha asociado de manera uniforme con la mejora: una tarea con un objetivo bien definido, motivación para mejorar, retroalimentación y amplias oportunidades de repetición y perfeccionamiento gradual. Muchos aprendices intermedios han perdido en silencio dos de las cuatro: el objetivo se ha convertido en “hacer la actividad”, y la retroalimentación se ha diluido porque ya nada falla de forma visible. Hasta qué punto la práctica deliberada explica las diferencias de habilidad entre dominios es un debate aparte, tratado en el artículo sobre las 10.000 horas.
Esto es lo contrario de la meseta de Bryan y Harter. La suya venía de una automatización insuficiente de lo básico; la de Ericsson viene de un exceso. Las dos se sienten idénticas y necesitan un tratamiento opuesto, y por eso el diagnóstico va antes que el esfuerzo.
¿Por qué el rendimiento suele caer antes de dar el salto?
Porque un método mejor es, al principio, un método que rinde peor. Gray y Lindstedt describen las caídas como “el marcador de la exploración, donde el rendimiento se resiente mientras se inventan y se prueban métodos nuevos”, y los saltos como el momento en que se pone en marcha un método nuevo que funciona. Donner y Hardy vieron lo mismo en 25.280 curvas y se preguntaron, sin responder, por qué las transiciones suelen ir acompañadas de una caída temporal.
Un mecanógrafo autodidacta que pasa a la mecanografía al tacto se vuelve más lento antes de volverse más rápido. Un programador que empieza a escribir primero las pruebas entrega menos durante un tiempo. Un ajedrecista que abandona una apertura cómoda pierde partidas. Un escritor que empieza a hacer esquemas produce menos palabras. El método antiguo llevaba años puliéndose y el nuevo está en su primer día.
Por tanto, la caída debe planificarse: acotada en el tiempo y medida frente a la tendencia del método antiguo, no frente a su mejor día.
¿En qué meseta estás? Un diagnóstico de seis tipos
La Tabla 4 separa los mecanismos. Es un marco editorial de CEOtudent: los seis tipos y sus nombres son nuestros, y cada uno se apoya en las fuentes nombradas en la fila.
Tabla 4. El Diagnóstico de Mesetas de CEOtudent (marco editorial, construido sobre las fuentes de la Tabla 1)
| Tipo de meseta | Señal diagnóstica | Investigación en la que se apoya | Intervención |
|---|---|---|---|
| 1. Meseta aritmética | El progreso sigue siendo visible a lo largo de un trimestre o un año, pero no de una semana a otra | Ley potencial de la práctica; curva exponencial de Gaschler; horas de Cambridge por nivel | Alargar la ventana de medición; poner precio al siguiente paso; tomar la decisión de parar, mantener o empujar |
| 2. Meseta de medición | La vara de medir es un único número grueso (un nivel, una puntuación, una sensación general) y las subhabilidades nunca se han evaluado por separado | Soderstrom y Bjork sobre aprendizaje frente a rendimiento; Richards sobre los aprendices que “no perciben” el progreso | Dividir la habilidad en 4-6 subhabilidades, evaluar cada una y volver a evaluar tras una demora en lugar de al final de una sesión |
| 3. Meseta de cuello de botella | Un componente básico todavía exige atención consciente y todo lo que está por encima hace cola detrás | La jerarquía de hábitos de Bryan y Harter; Richards sobre el rango de vocabulario limitado | Aislar el componente y ejercitarlo hasta que funcione sin atención |
| 4. Meseta de automaticidad | La actividad resulta fácil, los errores son raros y pequeños, y nadie ha corregido al aprendiz en meses | El desarrollo detenido de Ericsson; la revisión sobre médicos de Choudhry | Elevar el estándar, ir más despacio, recuperar un objetivo específico y la retroalimentación externa |
| 5. Techo de método | Las puntuaciones se agrupan muy cerca de una mejor marca personal, y quienes rinden más hacen visiblemente algo distinto | Gray y Lindstedt; Donner y Hardy | Cambiar de método y aceptar una caída planificada |
| 6. Meseta de carga y espaciado | El volumen es alto, las sesiones están concentradas y la calidad cae dentro de una misma sesión | El límite diario de práctica deliberada de Ericsson; Stafford y Dewar sobre el juego espaciado | Reducir el volumen, espaciar las sesiones, proteger la recuperación |
Dos de ellas merecen una nota.
Sobre la meseta de medición: Jack Richards, al escribir sobre el paso del inglés intermedio al avanzado, enumera cinco rasgos del aprendiz estancado, entre ellos una brecha entre la competencia receptiva y la productiva, errores fosilizados persistentes y una fluidez que ha avanzado a costa de la complejidad. Un aprendiz que mejora en comprensión oral mientras sigue congelado en expresión oral queda oculto tras un único “nivel”.
La meseta de carga tiene un punto de referencia publicado. El capítulo de manual de Ericsson informa de que la práctica de los intérpretes de élite “nunca supera de forma constante las cinco horas diarias” y describe un límite de cuatro a cinco horas de práctica deliberada diaria en distintos dominios. En los datos de Stafford y Dewar, repartir las diez primeras partidas a lo largo de más de 24 horas valía unos 3.000 puntos, que los autores equiparan a un 50 % adicional de práctica en esa etapa. La diferencia entre las medias fue de 3.214 puntos, o un 7,3 %, un efecto pequeño en una tarea de juego. La literatura más amplia sobre el espaciado se trata en la repetición espaciada más allá de las flashcards. Esto es solo un resumen de hallazgos de investigación e información general, no un consejo de entrenamiento ni de salud.
El test de decisión
Responde en orden y detente en el primer “sí”.
- En comparación con la misma prueba de hace tres meses, no de la semana pasada, ¿hay una mejora medible? Si es así, meseta aritmética.
- ¿Se juzga el progreso por un único número global o por sensaciones? Si es así, meseta de medición hasta que las pruebas por subhabilidad digan lo contrario.
- Bajo presión de tiempo, ¿hay un componente básico (recuperación de vocabulario, sintaxis, digitación, cálculo) que todavía exige atención consciente? Si es así, cuello de botella.
- ¿Ha pasado más de un mes desde que alguien o algo dio una retroalimentación correctiva específica, y una sesión típica resulta cómoda? Si es así, automaticidad.
- ¿Están los diez últimos resultados muy agrupados cerca de una mejor marca personal mientras quienes rinden más usan una técnica o herramienta visiblemente distinta? Si es así, techo de método.
- ¿La práctica es larga, diaria y concentrada, con una calidad que cae dentro de la sesión? Si es así, carga y espaciado.
Si nada encaja, vuelve a la pregunta 2. Una habilidad que no se mide no puede diagnosticarse.
¿Debe romperse siquiera esta meseta?
Esta es la pregunta de CEO, y va antes que cualquier protocolo. Una meseta es el punto en que el precio de la siguiente unidad de habilidad se hace visible. Un propietario mira ese precio y pregunta qué compra con él.
Tabla 5. Parar, mantener o empujar (marco editorial de CEOtudent)
| Decisión | Elígela cuando | Cómo se ve |
|---|---|---|
| Parar | La habilidad ya no sirve a un objetivo actual, o una herramienta o un colega la cubren ahora suficientemente bien | Sacarla de la lista de aprendizaje, registrar el nivel alcanzado, liberar las horas |
| Mantener | El nivel actual ya supera el listón que exige el trabajo, y el nivel siguiente no cambiaría los resultados | Una pequeña dosis de mantenimiento espaciada; sin objetivo de mejora; sin culpa |
| Empujar | El nivel siguiente cambia lo que se puede ganar, construir o decidir, y el diagnóstico apunta a una causa corregible | El protocolo de 4 semanas que sigue, con un tipo de meseta como objetivo |
Mantener es una estrategia legítima, y también lo es parar, el tema de cómo elegir qué no aprender. Lo que la mirada de CEO descarta es la opción más común: la misma rutina, con las mismas horas y con una mala sensación sobre el resultado.
¿Cómo se supera? Un protocolo de 4 semanas
Este es el lado del estudiante: cambiar el diseño de la práctica, no las horas. Las duraciones son sugerencias editoriales, no hallazgos de investigación.
Tabla 6. El protocolo de avance de 4 semanas (marco editorial de CEOtudent)
| Semana | Tarea | Qué hacer | Evidencia de la que toma prestado |
|---|---|---|---|
| 1. Medir | Sustituir la vara de medir única | Divide la habilidad en 4-6 subhabilidades. Registra una línea de base de cada una en condiciones realistas. Haz el test de decisión. Elige un tipo de meseta y una subhabilidad | Soderstrom y Bjork; Richards |
| 2. Rediseñar | Cambiar una cosa de la práctica | Cuello de botella: ejercicios aislados. Automaticidad: un estándar más exigente más retroalimentación externa. Techo de método: adopta el método nuevo y anota la caída esperada. Carga: reduce a la mitad la duración de las sesiones y espácialas | Ericsson; Gray y Lindstedt; Stafford y Dewar |
| 3. Aguantar | Permanecer en la caída | Mantén el diseño nuevo aunque las puntuaciones bajen. Compara con la tendencia previa al cambio, no con la mejor marca personal. Mantén la retroalimentación específica e inmediata | Donner y Hardy; Ericsson |
| 4. Reevaluar | Comprobar el aprendizaje, no el rendimiento | Tras al menos dos días sin practicar esa subhabilidad, repite la prueba de la semana 1. Después decide: continuar, cambiar de tipo de meseta o pasar a mantener | Soderstrom y Bjork |
Aplicada a distintos dominios, la semana de rediseño se ve así. Idiomas: deja de añadir input y graba cinco minutos de habla para corregir los errores fosilizados. Programación: reconstruye una herramienta pequeña sin asistente y luego compárala con una referencia revisada. Ajedrez: analiza las partidas perdidas antes de jugar otras nuevas. Música: toca los compases difíciles a mitad de tempo con una grabación. Deporte: graba el movimiento en vídeo y cambia una sola indicación. Escritura: consigue correcciones línea a línea de una página en lugar de producir diez más.
¿La IA causa mesetas o ayuda a romperlas?
Ambas cosas. El razonamiento de esta sección es editorial; los estudios que lo sustentan se comentan en los artículos enlazados.
La asistencia de la IA puede producir una meseta de automaticidad más deprisa que cualquier herramienta anterior. Cuando un modelo redacta el párrafo, completa la función o proporciona la traducción, el resultado se vuelve fluido mientras la recuperación y la corrección de errores propias del aprendiz nunca se ejercitan. Dos de las cuatro condiciones de Ericsson, la repetición y la retroalimentación sobre el intento propio, desaparecen. Además, el trabajo terminado deja de decir nada sobre la habilidad sin ayuda. El patrón se examina en la práctica deliberada en la era de la IA y en la escalera del aprendizaje basado en proyectos.
Las mismas herramientas se adaptan bien a tres de las intervenciones. Pueden dar retroalimentación específica e inmediata sobre un intento que el aprendiz hizo solo, lo que responde a la escasez de retroalimentación. Pueden generar pruebas por subhabilidad a demanda, lo que responde al problema de la medición. Pueden producir ejercicios aislados sin fin para un componente que hace de cuello de botella. La regla que conserva el beneficio y evita el coste es sencilla: primero intenta, después pregunta. Una postura de tutor para ello se expone en el protocolo de tutor de IA de 20 horas.
Una prueba lo zanja. Una vez al mes, haz una tarea representativa sin ninguna asistencia y compárala con la misma tarea de tres meses antes. Si el resultado asistido sigue subiendo mientras el resultado sin ayuda está plano, la meseta es real, y la herramienta la está ocultando.
Lo que esto no significa
- No significa que toda meseta pueda romperse. Los estudios describen patrones y mecanismos; ninguno promete un salto después de una caída.
- No significa que las tablas predigan la curva de un individuo. La Tabla 3 es aritmética sobre exponentes supuestos, y la evidencia de la Tabla 1 es que las curvas individuales se apartan de cualquier función suave. En los datos de ajedrez, una parte sustancial de los jugadores no se ajusta a ninguna de las dos curvas.
- No significa que las horas de Cambridge midan a un aprendiz concreto. La guía las llama estimaciones y señala que los aprendices varían; la lectura acumulativa es nuestra.
- No significa que la evidencia sea uniforme entre habilidades. Gran parte procede de la telegrafía, los juegos en línea, las tareas de entrenamiento cognitivo y las puntuaciones de ajedrez, y cuatro de las diez filas de la Tabla 1 se apoyan solo en resúmenes.
- No significa que quienes empiezan despacio estén acabados. En los datos de ajedrez, los jugadores sin ganancias iniciales recuperaron terreno hasta cierto punto más adelante, aunque no alcanzaron el nivel de quienes empezaron rápido en el año 10.
Preguntas frecuentes
¿Por qué se ralentiza el progreso después de la fase de principiante?
Las curvas de aprendizaje se aplanan por diseño: bajo una ley potencial con un exponente ilustrativo de 0,3, el 79,9 % de la mejora disponible a lo largo de 10.000 repeticiones llega en las primeras 100. Además, las habilidades tempranas se vuelven automáticas y dejan de corregirse.
¿Cuánto dura una meseta intermedia?
Ninguna fuente abierta para este artículo da una duración general. En las estimaciones de Cambridge, los pasos a B1 y B2 cuestan cada uno aproximadamente el doble que el paso a A2, de modo que con horas semanales constantes los niveles intermedios llevan cerca del doble de tiempo.
¿Es una meseta señal de haber alcanzado un límite personal?
No necesariamente. Las fuentes citadas aquí describen como causas la automaticidad, la medición gruesa y los techos de método, y la explicación de Ericsson trata el estancamiento como un desarrollo detenido que una práctica modificada puede reactivar.
¿Hay que aumentar las horas de práctica para romper una meseta?
No como primer movimiento. La experiencia por sí sola no mostró un beneficio fiable en la revisión sobre médicos, y Ericsson informa de un límite de cuatro a cinco horas de práctica deliberada diaria. Cambia primero el diseño de las horas.
¿Por qué empeoró el rendimiento después de cambiar de técnica?
Esa es la caída esperada. Donner y Hardy hallaron una breve caída del rendimiento en la transición entre estrategias, y los tramos posteriores de la curva suelen superar a los anteriores.
¿Qué técnicas de estudio ayudan más en la etapa intermedia?
Las que recuperan la evocación y la retroalimentación. La clasificación de lo que dice la evidencia sobre el aprendizaje las recorre por orden de solidez de la investigación.
Fuentes
- Bryan, W. L., y Harter, N. (1899). Studies on the telegraphic language: The acquisition of a hierarchy of habits. Psychological Review, 6(4), 345-375. Texto del volumen escaneado conservado por Internet Archive.
- Keller, F. S. (1958). The phantom plateau. Journal of the Experimental Analysis of Behavior, 1, 1-13. (solo registro bibliográfico; texto completo no abierto, argumento no resumido)
- Rosenbloom, P. S., y Newell, A. (1982). Learning by chunking: Summary of a task and a model. Proceedings of the AAAI-82 National Conference on Artificial Intelligence.
- Heathcote, A., Brown, S., y Mewhort, D. J. K. (2000). The power law repealed: The case for an exponential law of practice. Psychonomic Bulletin and Review, 7(2), 185-207. (solo resumen)
- Donner, Y., y Hardy, J. L. (2015). Piecewise power laws in individual learning curves. Psychonomic Bulletin and Review, 22(5), artículo que comienza en la página 1308. Texto completo en acceso abierto.
- Gaschler, R., Progscha, J., Smallbone, K., Ram, N., y Bilalic, M. (2014). Playing off the curve: Testing quantitative predictions of skill acquisition theories in development of chess performance. Frontiers in Psychology, 5, 923. Texto completo en acceso abierto.
- Gray, W. D., y Lindstedt, J. K. (2017). Plateaus, dips, and leaps: Where to look for inventions and discoveries during skilled performance. Cognitive Science, 41(7), 1838-1870. (solo resumen)
- Ericsson, K. A. (2008). Deliberate practice and acquisition of expert performance: A general overview. Academic Emergency Medicine, 15(11), 988-994.
- Ericsson, K. A. (2006). The influence of experience and deliberate practice on the development of superior expert performance. En The Cambridge Handbook of Expertise and Expert Performance, capítulo 38. Cambridge University Press.
- Choudhry, N. K., Fletcher, R. H., y Soumerai, S. B. (2005). Systematic review: The relationship between clinical experience and quality of health care. Annals of Internal Medicine, 142(4), 260-273. (solo resumen)
- Stafford, T., y Dewar, M. (2014). Tracing the trajectory of skill learning with a very large sample of online game players. Psychological Science, 25(2), 511-518. Versión aceptada, White Rose Research Online.
- Soderstrom, N. C., y Bjork, R. A. (2015). Learning versus performance: An integrative review. Perspectives on Psychological Science, 10(2), 176-199. (solo resumen)
- Richards, J. C. (2008). Moving Beyond the Plateau: From Intermediate to Advanced Levels in Language Learning. Cuadernillo de Cambridge University Press, ejemplar del autor.
- Cambridge University Press (2013). Introductory Guide to the Common European Framework of Reference (CEFR) for English Language Teachers.
Nota sobre las tablas. La Tabla 1 recoge las cifras tal como aparecen impresas en las fuentes. Las Tablas 2 y 3 son análisis de CEOtudent: la Tabla 2 recalcula las horas de aprendizaje guiado impresas por Cambridge como costes por paso bajo una lectura acumulativa, y la Tabla 3 es aritmética sobre la forma de ley potencial con exponentes ilustrativos. Las cifras de ajedrez del tercer y el décimo año extienden un ejemplo resuelto impreso por Gaschler y colegas. Las Tablas 4, 5 y 6 y el test de decisión son marcos editoriales de CEOtudent. No se han usado deliberadamente: la popular etiqueta “OK plateau” ni ningún resumen del argumento de Keller de 1958, porque no se abrió ningún texto primario; las categorías de horas por idioma del Foreign Service Institute y los porcentajes de varianza de la práctica deliberada, que tratan los artículos hermanos; y una descripción secundaria según la cual la función exponencial ganó en 33 de 40 conjuntos de datos, porque el propio resumen de los autores enuncia el resultado de otra manera.
Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.
This post is also available in:













