En resumen. La afirmación de que se aprende mejor cuando la enseñanza se ajusta a su “estilo” nunca superó el experimento que la validaría. Eso está zanjado. Menos conocido es que dos de las explicaciones sustitutas más populares también son más débiles de lo anunciado. Un metaanálisis de 8.776 tamaños de efecto halló que el conocimiento previo predice dónde termina usted, pero apenas predice cuánto gana. Y la literatura sobre práctica deliberada, una vez aplicada su corrección de 2018, explica el 5 por ciento de las diferencias de rendimiento en educación y el 1 por ciento en profesiones. Casi todo lo que se llama un aprendiz rápido no es un rasgo. Es una brecha entre lo que los aprendices creen que funciona y lo que realmente hacen, y esa brecha es medible.
El experimento que los estilos de aprendizaje nunca superaron
Empecemos por lo que no está en disputa.
En 2008, Harold Pashler, Mark McDaniel, Doug Rohrer y Robert Bjork recibieron el encargo de revisar si las evaluaciones de estilos de aprendizaje merecían un lugar en la educación. Su informe, publicado en Psychological Science in the Public Interest, es desde entonces el punto de referencia de toda discusión seria.
Su aportación no fue una opinión. Fue una especificación. Establecieron exactamente cómo debería ser la evidencia para que la idea fuera válida. Los estudiantes deben clasificarse en grupos según su estilo. Los estudiantes de cada grupo deben asignarse al azar a uno de varios métodos de enseñanza. Todos deben hacer el mismo examen final. Y entonces los resultados deben mostrar un patrón concreto: el método que mejor funciona para un grupo de estilo no debe ser el que mejor funciona para otro.
Ese patrón tiene nombre. Se llama interacción cruzada, y ahí se juega todo. Sin ella, lo máximo que ha demostrado es que un método de enseñanza es mejor para todos, lo cual no dice nada sobre estilos.
Los autores informaron de que “no encontraron prácticamente ninguna evidencia del patrón de interacción mencionado, que se consideró condición previa para validar las aplicaciones educativas de los estilos de aprendizaje”. También señalaron que “aunque la literatura sobre estilos de aprendizaje es enorme, muy pocos estudios han empleado siquiera una metodología experimental capaz de comprobar la validez de los estilos de aprendizaje aplicados a la educación”, y que, de los que sí lo hicieron, varios “hallaron resultados que contradicen rotundamente la popular hipótesis de emparejamiento”.
Su conclusión fue inequívoca: “no existe una base de evidencia suficiente que justifique incorporar las evaluaciones de estilos de aprendizaje a la práctica educativa general”.
Conviene retener dos cosas, porque los resúmenes descuidados omiten ambas. Primero, la revisión confirmó que las personas tienen preferencias y que difieren en determinadas aptitudes. Las preferencias son reales. Lo que falla es la afirmación de que ajustar la enseñanza a esas preferencias mejora el aprendizaje. Segundo, los autores se negaron explícitamente a decir que todas las versiones posibles hubieran sido probadas y refutadas. La mayoría sencillamente nunca se probaron.
Ese es el estado honesto de la cuestión. Una idea multimillonaria descansa sobre un experimento que casi nadie realizó.
El sustituto que también falla
Aquí es donde la mayoría de los artículos se detienen, le entregan una lista de predictores “reales” y siguen adelante. Esa lista suele empezar por el conocimiento previo. El razonamiento parece impecable: quien ya sabe mucho de un tema asimila más rápido el material nuevo en él.
Se llama hipótesis del saber-es-poder, y en 2022 recibió el mismo tratamiento que Pashler dio a los estilos de aprendizaje.
Bianca Simonsmeier, Maja Flaig, Anne Deiglmayr, Lennart Schalk y Michael Schneider examinaron en Educational Psychologist la relación entre conocimiento previo y aprendizaje a lo largo de 8.776 tamaños de efecto. Separaron dos cosas que el lenguaje cotidiano confunde.
La primera es dónde termina. La correlación entre lo que los aprendices sabían en el pretest y lo que sabían en el postest fue alta, de 0,534. Quien empieza por delante tiende a terminar por delante. Nadie lo discute.
La segunda es cuánto gana. La correlación entre el conocimiento en el pretest y las ganancias normalizadas de conocimiento fue de 0,059 en sentido negativo, y el intervalo de predicción del 95 por ciento iba de menos 0,688 a más 0,621.
Lea de nuevo ese intervalo. Abarca casi todo el rango posible en ambas direcciones. El conocimiento previo a veces ayuda mucho, a veces perjudica mucho y, en promedio, no influye prácticamente nada en cuánto gana usted.
Los autores fueron cuidadosos sobre qué permite y qué no. En sus palabras, “esta fuerte variabilidad falsa afirmaciones generales como ‘el conocimiento es poder’ y también ‘el efecto del conocimiento previo es insignificante’”. El hallazgo no es que la experiencia no valga nada. Es que la dirección de su efecto depende de condiciones que nadie ha identificado todavía.
Un estudio experimental de seguimiento publicado en 2025 en Journal of Experimental Psychology: Applied llevó la misma pregunta más lejos. Zachary Buchin y Neil Mulligan asignaron al azar a los participantes a recibir tres días de formación en uno de dos ámbitos académicos y después hicieron que todos aprendieran material nuevo en ambos. Como la formación cubría solo tres de cada cuatro temas por ámbito, el tema no cubierto ofrecía una medida limpia del aprendizaje nuevo dentro de un ámbito que el participante ya dominaba más. Su resultado: el aprendizaje nuevo, medido como rendimiento en el examen final o como ganancia de conocimiento, no difirió entre las condiciones de conocimiento alto y bajo.
Así que la segunda respuesta es más débil de lo que sonaba. El conocimiento previo es un excelente predictor de su nivel. Es un mal predictor de su pendiente.
El sustituto siguiente, corregido
La tercera respuesta a la que se recurre es el volumen de práctica. Es la postura de la divulgación: nadie nace rápido, algunos simplemente dedican las horas.
Brooke Macnamara, David Hambrick y Frederick Oswald lo pusieron a prueba en todos los grandes ámbitos donde se había estudiado la práctica deliberada, y publicaron en 2014 en Psychological Science. Sus cifras principales circularon ampliamente: un 26 por ciento de la varianza de rendimiento explicada en juegos, un 21 por ciento en música, un 18 por ciento en deportes, un 4 por ciento en educación y menos del 1 por ciento en profesiones.
Esas son las cifras que casi todos los artículos siguen citando. También están superadas.
En 2018 los autores publicaron una corrección. Habían aplicado mal una fórmula de ajuste del tamaño muestral, aplicándola a cada tamaño de efecto individual en lugar de al promedio de los tamaños de efecto dependientes. Reanalizaron y publicaron una tabla completa de valores corregidos. El fondo de su conclusión no cambió, pero varias cifras sí, y el conjunto corregido es el que debería usar una discusión rigurosa en 2026.
Práctica deliberada y rendimiento: cifras publicadas originalmente y corregidas
| Ámbito o medida | Publicado en 2014 | Corregido en la fe de erratas de 2018 |
|---|---|---|
| Correlación media entre práctica y rendimiento | 0,35, IC 95% 0,30 a 0,39 | 0,38, IC 95% 0,33 a 0,42 |
| Varianza de rendimiento explicada en total | 12%, IC 95% 9% a 15% | 14%, IC 95% 11% a 18% |
| Juegos | 26% (r = 0,51) | 24% (r = 0,49) |
| Música | 21% (r = 0,46) | 23% (r = 0,48) |
| Deportes | 18% (r = 0,42) | 20% (r = 0,45) |
| Educación | 4% (r = 0,21) | 5% (r = 0,22) |
| Profesiones | menos del 1% (r = 0,05, p = 0,62) | 1% (r = 0,09, p = 0,377) |
Fuente: Macnamara, Hambrick y Oswald, Psychological Science, 2014, junto con la fe de erratas de 2018, tabla 1. Cifras reproducidas tal como aparecen impresas.
Incluso tras la corrección al alza, el panorama es aleccionador. En todos los ámbitos, la práctica deliberada deja sin explicar el 86 por ciento de las diferencias de rendimiento. En educación explica el 5 por ciento. En profesiones, la correlación corregida de 0,09 ni siquiera es estadísticamente significativa, con un valor p de 0,377.
Si usted ejerce una profesión, la cantidad de práctica deliberada acumulada resulta, según esta evidencia, casi inútil para predecir lo bueno que es en comparación con sus colegas.
Lo que halló el mismo estudio y casi nadie cita
Dentro de esa misma tabla de erratas hay un moderador que hace más trabajo explicativo que cualquiera de las variables individuales anteriores.
Los autores dividieron las actividades según lo predecible que es el entorno de la tarea. Corregida, la práctica deliberada explicaba el 23 por ciento de la varianza de rendimiento en actividades de alta predictibilidad, el 14 por ciento en las de predictibilidad media y el 6 por ciento en las de baja predictibilidad.
Ese es el hallazgo que merece la pena llevarse. El determinante individual más fuerte de esta literatura no es una propiedad del aprendiz. Es una propiedad del ámbito. En entornos estables y regidos por reglas, donde la misma situación se repite y la retroalimentación llega rápido, la práctica se acumula. En entornos inestables, donde la situación nunca se repite y la retroalimentación es lenta y ruidosa, se acumula mucho menos.
Esto replantea toda la cuestión. Preguntar “qué tan rápido aprendo” carece casi de sentido. Preguntar “qué tan aprendible es esta cosa concreta y qué retroalimentación me da” tiene respuesta, y cambia lo que hará a continuación.
También explica las cifras de educación y profesiones sin apelar al talento. El rendimiento profesional se juzga en un entorno de baja predictibilidad. Las horas acumuladas no pueden rescatarle de eso.
La brecha que explica el resto
Si el estilo no predice el aprendizaje, si el conocimiento previo predice el nivel pero no la ganancia y si el volumen de práctica explica una minoría de la varianza, ¿qué queda?
El método. Y aquí la evidencia es sólida, bien replicada y casi universalmente ignorada en la práctica. Esa es la parte interesante.
Dos conjuntos de datos independientes, recogidos con fines distintos, pueden combinarse para mostrar el tamaño del problema.
El primero es la creencia. Philip Newton y Atharva Salvi revisaron en Frontiers in Education 33 estudios con 37 muestras, que abarcaban 15.405 docentes de 18 países entre 2009 y principios de 2020. Ponderado, el 89,1 por ciento coincidía con la afirmación del emparejamiento por estilos de aprendizaje, con estudios individuales que iban del 58 por ciento al 97,6 por ciento. La creencia era máxima entre los docentes en formación, con un 95,4 por ciento, del 87,8 por ciento entre docentes titulados y mínima en educación superior, con un 63,6 por ciento. Crucialmente, el 79,7 por ciento dijo que usaba, o tenía intención de usar, el emparejamiento de la enseñanza con los estilos de aprendizaje.
El segundo es la conducta. Jeffrey Karpicke, Andrew Butler y Henry Roediger encuestaron en Memory a 177 estudiantes de la Universidad Washington en San Luis. Al pedirles que enumeraran y ordenaran las estrategias que usaban, el 84 por ciento declaró releer apuntes o libros de texto, y el 55 por ciento nombró la relectura como su estrategia más usada. Solo el 11 por ciento, es decir 19 de 177 estudiantes, declaró practicar el autoexamen recuperando información. Solo el 1 por ciento, 2 de 177, la nombró como su primera estrategia. Ante una elección forzada tras leer un capítulo, el 57 por ciento eligió volver a estudiar, el 21 por ciento dijo que usaría otra técnica y el 18 por ciento dijo que se autoexaminaría. Esas cifras no suman 100 porque los autores excluyeron respuestas ambiguas que no pudieron codificar; el artículo informa como resultado principal que el 78 por ciento indicó que no se autoexaminaría tras leer un capítulo.
Compare ahora esto con las valoraciones de utilidad de la revisión de referencia de John Dunlosky, Katherine Rawson, Elizabeth Marsh, Mitchell Nathan y Daniel Willingham, también en Psychological Science in the Public Interest. Evaluaron diez técnicas según lo bien que se generalizan sus beneficios. La práctica de examen y la práctica distribuida recibieron una valoración de utilidad alta. La relectura y el subrayado recibieron una valoración baja, y los autores señalaron que la mayoría de los estudiantes declara usarlas de todos modos.
La brecha entre creencia, conducta y evidencia
Marco editorial de CEOtudent. Los porcentajes de creencia y conducta proceden de Newton y Salvi y de Karpicke, Butler y Roediger respectivamente; las valoraciones de utilidad, de Dunlosky y colegas. La columna de proporción la calcula CEOtudent a partir de los porcentajes publicados.
| Práctica | Proporción que cree en ella o la usa | Nivel de evidencia | Desajuste entre notoriedad y evidencia |
|---|---|---|---|
| Ajustar la enseñanza al estilo de aprendizaje | 89,1% de docentes lo cree; 79,7% lo usa o piensa usarlo | Sin base de evidencia suficiente (Pashler y otros) | Creencia máxima, ningún experimento que la respalde |
| Releer apuntes o libro de texto | 84% de estudiantes lo declara; 55% en primer lugar | Utilidad baja (Dunlosky y otros) | Declarada 7,6 veces más que el autoexamen |
| Autoexaminarse mediante recuperación | 11% de estudiantes lo declara; 1% en primer lugar | Utilidad alta (Dunlosky y otros) | Situada primera 55 veces menos que la relectura |
| Práctica distribuida en el tiempo | No medida en estas muestras | Utilidad alta (Dunlosky y otros) | Evidencia sin cifra de uso en estos datos |
Esta tabla exige dos salvedades, y no son menores. Las muestras de docentes y de estudiantes son poblaciones distintas, medidas con una década de diferencia y respondiendo a preguntas distintas. Es una comparación de notoriedad, no un contraste controlado. Además, Newton y Salvi advirtieron ellos mismos de que la mayoría de los estudios revisados usaban muestreo por conveniencia con muestras pequeñas, y de que solo dos explicaron a los participantes qué implica realmente el emparejamiento antes de preguntarles. Trate el 89,1 por ciento como un límite superior de la creencia informada.
Aplicadas esas salvedades, el patrón se mantiene. La técnica con la evidencia más sólida es la que casi nadie usa. La técnica con la evidencia más débil es la que casi todos usan. Y la idea sin ningún experimento que la respalde goza de un acuerdo casi unánime entre quienes enseñan.
Hay una razón para ello, y no es la estupidez. Karpicke y sus colegas hallaron que, entre la minoría que eligió el autoexamen, solo el 18 por ciento dijo hacerlo porque así aprende más. El 68 por ciento dijo hacerlo para averiguar en qué medida había aprendido el material. Incluso quienes hacen lo correcto lo hacen sobre todo por la razón equivocada, y por eso lo abandonan bajo presión de tiempo. Los autores propusieron que los estudiantes experimentan ilusiones de competencia al estudiar: releer resulta fluido, y la fluidez se siente como saber.
La magnitud del efecto subyacente no está en duda. Nicholas Cepeda, Harold Pashler, Edward Vul, John Wixted y Doug Rohrer sintetizaron en Psychological Bulletin 839 evaluaciones de práctica distribuida procedentes de 317 experimentos en 184 artículos, y hallaron que el intervalo óptimo entre sesiones crece a medida que crece el plazo hasta el examen. Olusola Adesope, Dominic Trevisan y Narayankripa Sundararajan, en un metaanálisis sobre práctica de examen publicado en Review of Educational Research, informaron de que las pruebas de práctica son más beneficiosas para el aprendizaje que volver a estudiar y que todas las demás condiciones de comparación.
Qué hacer en su lugar
La mitad CEO de esto es el diagnóstico. La mitad estudiante es la práctica.
Deje de preguntarse qué tipo de aprendiz es. La pregunta no tiene respuesta validada, y la industria de evaluación construida sobre ella vende un resultado que ningún experimento respalda. De su puntuación no se sigue nada.
Pregunte qué tan predecible es lo que está aprendiendo. Es la variable con mayor efecto medido en los datos sobre práctica deliberada y, a diferencia de su estilo, es conocible. Si la situación se repite y la retroalimentación llega rápido, el volumen de práctica rendirá. Si no se cumple ninguna de las dos cosas, invierta en calidad de retroalimentación antes que en volumen, porque más repeticiones de una actividad no medible aportan muy poco.
Trate el conocimiento previo como un activo de nivel, no como una garantía de velocidad. Su experiencia actual predice de forma fiable dónde terminará respecto a un principiante. No predice de forma fiable que vaya a ganar más que él en la próxima hora de estudio. No deje que la experiencia en un ámbito le exima del método.
Dé por hecho que su sensación de progreso no es fiable. La fluidez de la relectura es precisamente la ilusión que identifica la investigación. Si una sesión de estudio resultó cómoda, eso es evidencia sobre la sesión, no sobre su memoria. La única forma de saber qué sabe es intentar recuperarlo sin la página delante.
Autoexamínese para aprender, no solo para comprobar. Es la corrección de mayor apalancamiento disponible, porque los datos de encuesta muestran que la mayoría de quienes se autoexaminan lo hacen como diagnóstico y no como el acto de aprendizaje en sí. La recuperación no es la medición. La recuperación es el mecanismo.
Espacie las sesiones, y espácielas más cuanto más lejos esté el examen. Esa es la forma concreta del hallazgo de Cepeda, y es la parte que peor resuelven la mayoría de los planes de estudio.
Nada de esto es una personalidad. Todo esto es un protocolo, lo que significa que cualquiera puede ejecutarlo.
Para la clasificación técnica por técnica que sustenta estas recomendaciones, vea nuestro artículo complementario sobre lo que dice la evidencia acerca de doce técnicas de estudio. Para aplicarlo bajo presión de tiempo, vea nuestros trabajos sobre protocolos de aprendizaje rápido y sobre recualificación después de los 40.
Preguntas frecuentes
¿Es justo llamar mito a los estilos de aprendizaje si los autores dijeron que no se probaron todas las versiones?
Sí, siendo precisos sobre qué se afirma. La afirmación concreta que circula, que ajustar la enseñanza a un estilo diagnosticado mejora el aprendizaje, es la hipótesis de emparejamiento, y es la que fracasó. Pashler y sus colegas no hallaron prácticamente ninguna evidencia de la interacción requerida y sí varios resultados que la contradicen. Su salvedad es que existen variantes no probadas, no que la versión popular haya sobrevivido.
¿Tienen las personas preferencias de aprendizaje?
Sí. La misma revisión halló abundante evidencia de que niños y adultos expresan preferencias sobre cómo se les presenta la información, y abundante evidencia de que las personas difieren en aptitudes específicas. La preferencia es real. Lo que falta es el rendimiento didáctico de emparejarla.
¿De verdad no ayuda el conocimiento previo?
Predice su nivel final de forma fiable, con una correlación de 0,534. Lo que no predice de forma fiable es su ganancia, donde la correlación fue de 0,059 en sentido negativo con un intervalo de predicción que va de menos 0,688 a más 0,621. Los autores rechazaron explícitamente tanto la idea de que el conocimiento es poder como la de que su efecto es insignificante. El efecto existe y su dirección depende de condiciones aún no identificadas.
¿Por qué las cifras sobre práctica deliberada difieren de las que he visto en otros sitios?
Porque la mayoría de las fuentes citan las cifras de 2014 y los autores las corrigieron en 2018. Juegos pasó del 26 al 24 por ciento, música del 21 al 23, deportes del 18 al 20, educación del 4 al 5 y profesiones de menos del 1 por ciento al 1 por ciento, mientras que la varianza total explicada subió del 12 al 14 por ciento. Arriba se usan las cifras corregidas.
Si la práctica explica tan poco, ¿la respuesta es el talento?
Los datos tampoco respaldan eso. El mayor moderador del análisis corregido fue la predictibilidad del entorno de la tarea, no una propiedad de la persona. La varianza no explicada incluye error de medida, la calidad y no la cantidad de práctica, la edad de inicio, la orientación recibida, la oportunidad y mucho más. Leer un 86 por ciento no explicado como un 86 por ciento de talento es una inferencia que el estudio no autoriza.
¿Cuánto tarda la práctica de recuperación en resultar natural?
La evidencia de encuesta sugiere que el obstáculo no es la dificultad sino la creencia. Solo el 18 por ciento de los estudiantes que eligieron autoexaminarse lo hicieron porque pensaban que así aprenderían más. Hasta que no espere que la recuperación resulte más difícil y funcione mejor, volverá a la relectura cada vez que se acerque una fecha límite.
Fuentes y lecturas adicionales
Pashler, H., McDaniel, M., Rohrer, D. y Bjork, R. Learning Styles: Concepts and Evidence. Psychological Science in the Public Interest, volumen 9, número 3, páginas 105 a 119, 2008.
Simonsmeier, B. A., Flaig, M., Deiglmayr, A., Schalk, L. y Schneider, M. Domain-Specific Prior Knowledge and Learning: A Meta-Analysis. Educational Psychologist, volumen 57, número 1, páginas 31 a 54, 2022.
Buchin, Z. L. y Mulligan, N. W. Prior Knowledge and New Learning: An Experimental Study of Domain-Specific Knowledge. Journal of Experimental Psychology: Applied, volumen 31, número 2, páginas 84 a 98, 2025.
Macnamara, B. N., Hambrick, D. Z. y Oswald, F. L. Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis. Psychological Science, volumen 25, número 8, páginas 1608 a 1618, 2014, junto con la fe de erratas publicada en Psychological Science, volumen 29, número 7, páginas 1202 a 1204, 2018.
Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J. y Willingham, D. T. Improving Students’ Learning With Effective Learning Techniques: Promising Directions From Cognitive and Educational Psychology. Psychological Science in the Public Interest, volumen 14, número 1, páginas 4 a 58, 2013.
Karpicke, J. D., Butler, A. C. y Roediger, H. L. Metacognitive Strategies in Student Learning: Do Students Practise Retrieval When They Study on Their Own? Memory, volumen 17, número 4, páginas 471 a 479, 2009.
Newton, P. M. y Salvi, A. How Common Is Belief in the Learning Styles Neuromyth, and Does It Matter? A Pragmatic Systematic Review. Frontiers in Education, volumen 5, artículo 602451, 2020.
Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T. y Rohrer, D. Distributed Practice in Verbal Recall Tasks: A Review and Quantitative Synthesis. Psychological Bulletin, volumen 132, número 3, páginas 354 a 380, 2006.
Adesope, O. O., Trevisan, D. A. y Sundararajan, N. Rethinking the Use of Tests: A Meta-Analysis of Practice Testing. Review of Educational Research, volumen 87, número 3, páginas 659 a 701, 2017.
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:
