Teorías del aprendizaje
Guía de referencia visual
Las teorías y modelos más importantes organizados por corriente, cada uno con imagen, pensadores, conceptos clave, mecánica del aprendizaje y aplicación en DI. Seleccioná hasta 4 para compararlas.
Haz clic en + en cualquier tarjeta para seleccionarla, luego compará hasta 4 en paralelo.
Comparando 0 teorías
Conductismo
2 teorías · 1890s – 1950s
Pavlov · Watson · Thorndike · Skinner
El comportamiento cambia cuando cambian sus consecuencias.
Mecánica del aprendizaje
- El aprendizaje es un cambio observable producido por la asociación repetida de estímulo y respuesta.
- El refuerzo aumenta la probabilidad de repetición; la extinción la reduce gradualmente.
- La mente es una "caja negra": solo el comportamiento observable importa al diseñador.
Aplicación en DI
- Feedback inmediato en quizzes y ejercicios de práctica procedimental.
- Gamificación con puntos, badges y refuerzo positivo calibrado.
- Shaping progresivo para construir habilidades complejas paso a paso.
Instrucción Programada (Skinner)
B.F. Skinner
El aprendizaje puede ser diseñado paso a paso si cada respuesta correcta recibe refuerzo inmediato.
Mecánica del aprendizaje
- El contenido se divide en "frames": unidades mínimas con una pregunta y feedback inmediato.
- El aprendiz avanza solo al responder correctamente; el error activa corrección antes de continuar.
- La secuencia está diseñada para minimizar errores: gradual, sin saltos de dificultad.
Aplicación en DI
- Antecedente directo del e-learning ramificado y los sistemas de tutoría adaptativa.
- Ejercicios de práctica procedimental con feedback correctivo inmediato por ítem.
- Mastery learning: no avanzar de módulo sin alcanzar un criterio de dominio mínimo.
Cognitivismo
8 teorías · 1880s – 2000s
Benjamin Bloom · Lorin Anderson
No se puede evaluar lo que no se especificó como objetivo.
Mecánica del aprendizaje
- El pensamiento ocurre en 6 niveles cognitivos progresivos.
- Los niveles superiores requieren dominar los inferiores primero.
- Crear es el nivel más complejo; Recordar, el más básico.
Aplicación en DI
- Escribir objetivos con verbos del nivel cognitivo correcto.
- Alinear actividades y evaluaciones al mismo nivel que el objetivo.
- Escalar de niveles inferiores a superiores en el diseño del curso.
Condiciones de Aprendizaje (Gagné)
Robert Gagné
La instrucción efectiva activa nueve procesos cognitivos en el orden correcto.
Mecánica del aprendizaje
- 9 eventos activan las condiciones internas del aprendizaje en secuencia.
- Distintos tipos de resultado (habilidad, actitud, información) requieren condiciones distintas.
- Sin activación del conocimiento previo, el nuevo conocimiento no se ancla.
Aplicación en DI
- Estructurar cada lección con los 9 eventos como checklist de diseño.
- Diferenciar el diseño según el tipo de resultado esperado.
- Los eventos 1 y 2 (atención + objetivo) son los más omitidos en la práctica.
John Sweller
La memoria de trabajo es el cuello de botella: diseña para ella, no contra ella.
Mecánica del aprendizaje
- La memoria de trabajo procesa ~4 elementos simultáneamente.
- La carga extrínseca (mal diseño) consume recursos cognitivos sin producir aprendizaje.
- Los esquemas en memoria a largo plazo reducen la carga al automatizar el procesamiento.
Aplicación en DI
- Chunking: dividir contenido complejo en partes menores y secuenciadas.
- Eliminar texto escrito redundante en slides con narración (efecto redundancia).
- Usar ejemplos resueltos antes de la práctica independiente.
Teoría Cognitiva Multimedia (Mayer)
Richard Mayer
Imagen + narración > imagen + texto escrito.
Mecánica del aprendizaje
- Imagen + palabras habladas se procesan por canales separados (visual y auditivo).
- El texto escrito compite con el canal visual, sobrecargándolo.
- El aprendizaje ocurre cuando ambos canales están activos y equilibrados.
Aplicación en DI
- Diseñar slides con imagen + narración, sin texto escrito redundante.
- Eliminar elementos decorativos que no añaden información (principio coherencia).
- Sincronizar narración y visual en el mismo momento (contigüidad temporal).
Curva del olvido y repetición espaciada
Hermann Ebbinghaus · Piotr Wozniak
Sin repetición espaciada, el 70% de lo aprendido se pierde en 24 horas.
Mecánica del aprendizaje
- La memoria decae exponencialmente sin refuerzo (70% perdido en 24 horas).
- Los repasos espaciados reconstruyen la huella de memoria con cada repetición.
- El recuerdo activo (retrieval practice) es más efectivo que la re-lectura pasiva.
Aplicación en DI
- Microlearning de refuerzo enviado a los 3–7–30 días post-curso.
- Quizzes espaciados que fuerzan el recuerdo activo, no el reconocimiento.
- Diseñar para la transferencia a largo plazo, no solo para el test inmediato.
Wertheimer · Koffka · Köhler
El cerebro ve el todo antes que las partes: diseña en consecuencia.
Mecánica del aprendizaje
- El cerebro percibe totalidades antes que partes individuales.
- Agrupa elementos por proximidad, similitud y continuidad automáticamente.
- Pregnancia: preferimos la interpretación más simple y simétrica posible.
Aplicación en DI
- Agrupar visualmente información relacionada para indicar relación conceptual.
- Usar espacio en blanco para separar conceptos distintos (figura-fondo).
- Diseñar jerarquía visual que guíe la atención hacia lo más importante.
John Flavell · Ann Brown
Aprender a aprender es una habilidad que se puede enseñar y diseñar.
Mecánica del aprendizaje
- La metacognición es el conocimiento y control sobre los propios procesos cognitivos.
- Dos dimensiones: conocimiento metacognitivo (saber qué estrategias existen) y regulación metacognitiva (usarlas en tiempo real).
- Los aprendices con alta metacognición planifican, monitorean y evalúan su propio aprendizaje sin que se lo pidan.
Aplicación en DI
- Incluir reflexión explícita ("¿qué estrategia usaste?", "¿dónde te trabaste?") como parte del diseño.
- Enseñar estrategias de aprendizaje, no solo contenido: cómo estudiar, cómo organizarse.
- Base del self-regulated learning: un objetivo de formación cada vez más demandado en empresas.
Robert Marzano · John Kendall
Si el aprendiz decide que no vale la pena aprender, ninguna pedagogía lo rescata.
Mecánica del aprendizaje
- El aprendizaje comienza en el self-system: ¿vale la pena aprender esto?
- Si decide que sí, el sistema metacognitivo define metas y monitorea el proceso.
- Solo entonces el sistema cognitivo procesa la información en 6 niveles.
Aplicación en DI
- Diseñar objetivos con dimensiones motivacionales y metacognitivas, no solo cognitivas.
- Alternativa más completa que Bloom para liderazgo y pensamiento crítico complejo.
- Agrega motivación y autorregulación como variables de diseño.
Constructivismo y aprendizaje social
8 teorías · 1920s – 1996
Jean Piaget
El aprendizaje no es recibir información: es transformar los esquemas que ya tienes.
Mecánica del aprendizaje
- Nueva información genera desequilibrio en los esquemas existentes.
- El aprendiz los adapta (acomodación) o integra la nueva información (asimilación).
- El conflicto cognitivo deliberado es el motor del aprendizaje profundo.
Aplicación en DI
- Activar conocimiento previo antes de introducir contenido nuevo.
- Diseñar conflictos cognitivos: situaciones que el esquema actual no puede resolver.
- Secuenciar desde lo concreto hacia lo abstracto y lo simple hacia lo complejo.
Constructivismo (visión general)
Piaget · Vygotsky · Bruner · Dewey
Enseñar no es transmitir: es crear condiciones para que el aprendiz construya.
Mecánica del aprendizaje
- El conocimiento no se transmite: el aprendiz lo construye activamente.
- El significado emerge al relacionar la nueva información con la experiencia previa.
- El contexto y la autenticidad de las tareas son centrales para la comprensión.
Aplicación en DI
- Proyectos y resolución de problemas reales como eje del diseño.
- Minimizar instrucción directa pasiva a favor de la construcción activa.
- Andamiaje decreciente: soporte inicial que se retira conforme aumenta la autonomía.
Teoría Sociocultural (Vygotsky)
Lev Vygotsky
El aprendizaje que importa ocurre en la brecha entre lo que puedes solo y con ayuda.
Mecánica del aprendizaje
- El aprendizaje más efectivo ocurre en la ZDP: entre lo que se puede solo y con ayuda.
- La interacción social es el motor del desarrollo cognitivo, no solo un apoyo.
- El andamiaje experto permite alcanzar lo que solo no es posible aún.
Aplicación en DI
- Calibrar el nivel de desafío a la ZDP de cada aprendiz o grupo.
- Aprendizaje colaborativo y peer learning estructurado como estrategia central.
- Andamiaje que se retira progresivamente conforme aumenta la autonomía.
Albert Bandura
Ver a alguien hacerlo bien —y creer que tú también puedes— es tan poderoso como practicar.
Mecánica del aprendizaje
- Las personas aprenden observando a otros sin necesidad de experiencia directa.
- La autoeficacia — creencia en la propia capacidad — determina persistencia y esfuerzo.
- El refuerzo vicario: ver a otros recibir consecuencias también modifica la conducta propia.
Aplicación en DI
- Videos de expertos como modelos: demostración explícita del comportamiento objetivo.
- Diseñar victorias tempranas que construyan autoeficacia antes de tareas difíciles.
- Testimonios de pares en contextos similares al del aprendiz.
David Kolb
La experiencia sin reflexión no produce aprendizaje: solo produce más experiencia.
Mecánica del aprendizaje
- El aprendizaje es un ciclo continuo: experiencia → reflexión → teoría → acción.
- La reflexión sobre la experiencia es el paso más frecuentemente omitido.
- Las personas tienen preferencia por distintas etapas del ciclo (4 estilos).
Aplicación en DI
- Diseñar actividades que completen el ciclo completo, no solo una etapa.
- Incluir reflexión post-ejercicio antes de presentar el marco teórico.
- Variar formatos para atender distintos estilos (hacedor, reflexivo, teórico, pragmático).
Aprendizaje situado (Lave & Wenger)
Jean Lave · Etienne Wenger
El conocimiento no existe separado del contexto en que se usa.
Mecánica del aprendizaje
- El conocimiento es inseparable del contexto: aprender algo fuera de su contexto de uso produce conocimiento inerte.
- Las comunidades de práctica (CoP) son el vehículo natural del aprendizaje situado.
- La participación periférica legítima: los novatos aprenden observando y participando gradualmente en la práctica real.
Aplicación en DI
- Diseñar prácticas en el contexto real o simulado de aplicación, no en aulas abstractas.
- Comunidades de práctica internas como estructura de aprendizaje continuo, no como accesorio.
- Job aids y recursos justo-a-tiempo: el contexto de uso es el aula.
Aprendizaje cognitivo (Collins, Brown)
Allan Collins · John Seely Brown · Susan Newman
El experto hace visible lo que normalmente hace en su cabeza.
Mecánica del aprendizaje
- Adapta el aprendizaje de oficio tradicional (artesano–aprendiz) a habilidades cognitivas complejas.
- El experto hace explícito su proceso mental mientras ejecuta — "pensar en voz alta".
- 6 métodos: modelado → coaching → scaffolding → articulación → reflexión → exploración.
Aplicación en DI
- Videos de expertos verbalizando su razonamiento, no solo demostrando el resultado.
- Sesiones de think-aloud estructuradas en mentoring y shadowing.
- Debriefs donde el aprendiz articula su propio proceso, no solo la respuesta correcta.
Aprendizaje basado en problemas (ABP)
Howard Barrows (McMaster University)
El problema genera la necesidad de aprender mejor que cualquier objetivo de aprendizaje.
Mecánica del aprendizaje
- El problema auténtico genera la necesidad de aprender (no al revés).
- Los aprendices construyen conocimiento intentando resolver antes de recibir instrucción.
- La metacognición y el aprendizaje autodirigido son resultados implícitos del método.
Aplicación en DI
- Escenarios que comienzan con un caso real, no con objetivos de aprendizaje.
- Facilitar en lugar de instruir: el diseñador es guía, no fuente de conocimiento.
- Debriefs estructurados que extraigan los principios transferibles del caso.
Motivación y autonomía
6 teorías · 1968 – 2000
Malcolm Knowles
Los adultos necesitan saber el por qué antes de poder aprender el cómo.
Mecánica del aprendizaje
- Los adultos necesitan saber el por qué antes de comprometerse con el cómo.
- La experiencia previa es recurso, no obstáculo: ignorarla genera resistencia.
- La motivación del adulto es interna (relevancia, aplicación inmediata) más que externa.
Aplicación en DI
- Explicar el "por qué" antes de cualquier instrucción directa.
- Dar opciones de ruta y ritmo para satisfacer la necesidad de autodirección.
- Conectar cada contenido a una aplicación laboral concreta e inmediata.
Teoría de la Autodeterminación (SDT)
Edward Deci · Richard Ryan
La motivación intrínseca no se puede forzar, pero sí se puede diseñar para ella.
Mecánica del aprendizaje
- La motivación intrínseca requiere satisfacer 3 necesidades: autonomía, competencia, conexión.
- Las recompensas externas controlantes minan la motivación intrínseca a largo plazo.
- La competencia percibida — sentir que se progresa — es el driver más potente.
Aplicación en DI
- Dar autonomía de elección: orden, formato, ritmo o tema dentro de límites.
- Calibrar dificultad para que el aprendiz sienta competencia, no frustración.
- Comunidades de práctica que satisfagan la necesidad de conexión y pertenencia.
John Keller
La motivación para aprender tiene cuatro palancas que el DI puede activar.
Mecánica del aprendizaje
- La motivación tiene 4 componentes diseñables: Atención, Relevancia, Confianza, Satisfacción.
- Cada componente puede deteriorarse si no se mantiene activo a lo largo del curso.
- La satisfacción al final es tan importante como captar la atención al principio.
Aplicación en DI
- Usar ARCS como checklist de motivación en cada módulo del diseño.
- En el onboarding: captar atención (A) y establecer relevancia (R) antes de cualquier contenido.
- Cerrar con satisfacción visible: logros concretos, reconocimiento, aplicación real.
Aprendizaje Socioemocional (ASE)
Goleman · Weissberg · CASEL
Lo que se siente se recuerda: las emociones no son ruido en el aprendizaje, son señal.
Mecánica del aprendizaje
- Las emociones modulan directamente la codificación y la retención.
- Lo que genera emoción se recuerda más y se transfiere mejor.
- Las habilidades socioemocionales son aprendibles y mejoran el desempeño laboral.
Aplicación en DI
- Integrar reflexión emocional en actividades, no solo reflexión cognitiva.
- Diseñar escenarios con dilemas interpersonales reales para activar la dimensión emocional.
- Feedback que valida el proceso y el esfuerzo, no solo el resultado final.
Stewart Hase · Chris Kenyon
El aprendiz más avanzado no necesita que le digan qué aprender.
Mecánica del aprendizaje
- El aprendiz define sus propias metas, vías y métodos de evaluación.
- La capacidad de aprender a aprender supera en valor a la competencia específica.
- Double-loop learning: el aprendiz cuestiona sus propios supuestos, no solo sus errores.
Aplicación en DI
- Proyectos abiertos sin objetivos predefinidos por el diseñador.
- Contratos de aprendizaje que el aprendiz negocia y diseña activamente.
- Ideal para líderes senior, desarrollo ejecutivo y programas de innovación.
Clark Quinn · Cathy Moore · Will Thalheimer
Una historia bien contada llega a donde un objetivo de aprendizaje no puede.
Mecánica del aprendizaje
- Las historias activan más regiones cerebrales que la información directa (neural coupling).
- La emoción generada por la narrativa ancla el recuerdo y facilita la transferencia.
- La identificación con el personaje baja la resistencia al cambio de actitud.
Aplicación en DI
- Escenarios con personajes realistas y dilemas auténticos del contexto laboral.
- Abrir módulos con un conflicto narrativo antes de presentar el contenido.
- Escenarios ramificados para decisiones complejas con consecuencias reales.
Modelos de diseño instruccional
13 modelos · 1959 – 2012
Florida State University (US Army)
Todos los proyectos de DI siguen las cinco fases, aunque no las llamen así.
Mecánica del aprendizaje
- 5 fases secuenciales (o iterativas): Análisis, Diseño, Desarrollo, Implementación, Evaluación.
- Reduce el riesgo de errores costosos al sistematizar antes del desarrollo.
- La fase de Análisis es la más crítica y la más frecuentemente omitida.
Aplicación en DI
- Marco de gestión de proyectos DI: define entregables y secuencia de trabajo.
- Más efectivo con revisiones iterativas entre fases para evitar el efecto cascada.
- Adecuado para proyectos de alta inversión donde los errores tardíos son muy costosos.
Michael Allen
El prototipo más burdo con feedback real supera al diseño perfecto sin testear.
Mecánica del aprendizaje
- Ciclos iterativos cortos: prototipar → obtener feedback → mejorar.
- Reduce el riesgo de invertir mucho en la dirección equivocada antes de validar.
- SAM1 (proyectos simples) y SAM2 (proyectos complejos con equipo dedicado).
Aplicación en DI
- Proyectos con plazos ajustados y stakeholders que necesitan ver progreso rápido.
- Prototipo funcional mínimo antes de producción: "feo pero funcional primero".
- Equipos que trabajan en metodologías ágiles o no pueden esperar al análisis completo.
M. David Merrill
La instrucción que no resuelve un problema real no es instrucción: es información.
Mecánica del aprendizaje
- La instrucción más efectiva parte siempre de un problema del mundo real.
- El ciclo completo: activar conocimiento previo → demostrar → practicar → transferir.
- Sin práctica con feedback, la demostración no produce aprendizaje transferible.
Aplicación en DI
- Evaluar cualquier diseño contra los 5 principios como checklist de calidad.
- Rediseñar cursos que solo informan sin activar conocimiento previo ni proporcionar práctica.
- Garantizar que cada módulo incluye aplicación real, no solo evaluación de reconocimiento.
Diseño Universal para el Aprendizaje (DUA)
David Rose · Anne Meyer · CAST
Diseñar para la excepción mejora la experiencia para todos.
Mecánica del aprendizaje
- La variabilidad humana en el aprendizaje es la norma, no la excepción.
- Diseñar para la excepción mejora la experiencia para todos (curb cut effect).
- 3 redes: reconocimiento (el qué), estratégica (el cómo), afectiva (el por qué).
Aplicación en DI
- Múltiples medios de representación: texto + audio + video para todo contenido.
- Opciones de expresión variadas: no solo texto escrito como forma de evaluación.
- Eliminar barreras desde el principio, no adaptarlas a posteriori.
Cathy Moore
Si no cambia un comportamiento, no es un problema de formación.
Mecánica del aprendizaje
- Partir de la meta de negocio y trabajar hacia atrás: ¿qué comportamientos deben cambiar?
- La formación es una de varias soluciones posibles, no la respuesta automática.
- "Need to know" vs. "nice to know": la información mínima para soportar la práctica.
Aplicación en DI
- Eliminar info-dumping identificando qué información soporta el comportamiento directamente.
- Facilitar buy-in de stakeholders mostrando el vínculo con resultados de negocio.
- Diseñar práctica realista primero; el contenido existe para soportarla, no al revés.
Alineamiento constructivo (Biggs)
John Biggs
Si evaluás recuerdo pero pedís aplicación, obtenés aprendices que memorizan sin entender.
Mecánica del aprendizaje
- El aprendizaje profundo requiere coherencia entre objetivos, actividades y evaluación.
- Si la evaluación mide recuerdo pero el objetivo pide aplicación, el aprendiz aprende para el examen.
- SOLO taxonomy: evalúa el nivel de comprensión de forma más granular que Bloom.
Aplicación en DI
- Auditar el alineamiento de cada módulo: ¿el examen mide lo que el objetivo pide?
- Detectar desconexiones entre lo que se enseña, practica y evalúa.
- Herramienta directa de QA pedagógico antes de publicar un curso.
Donald Kirkpatrick · James Kirkpatrick
Medir satisfacción es fácil; medir transferencia es lo que importa.
Mecánica del aprendizaje
- 4 niveles: Reacción → Aprendizaje → Comportamiento → Resultados.
- Cada nivel informa al siguiente: sin comportamiento, los resultados no cambian.
- La mayoría mide solo nivel 1 (satisfacción), que no predice transferencia.
Aplicación en DI
- Definir indicadores de nivel 3 y 4 con stakeholders antes de diseñar el contenido.
- Diseñar la estrategia de evaluación de impacto antes de desarrollar el curso.
- Medir nivel 3 (comportamiento en el trabajo) a los 30-90 días post-formación.
McCall · Lombardo · Eichinger (CCL)
El 90% del aprendizaje que impacta el desempeño no ocurre en el aula.
Mecánica del aprendizaje
- 70% del aprendizaje significativo ocurre en la experiencia laboral (doing).
- 20% en interacciones y relaciones (feedback, coaching, shadowing).
- 10% en formación formal (cursos, programas estructurados).
Aplicación en DI
- Diseñar ecosistemas de aprendizaje completos, no solo el 10% formal.
- Integrar OJT, coaching, comunidades de práctica y recursos justo-a-tiempo.
- Reducir horas de aula y aumentar soporte al aprendizaje en el momento de necesidad.
Punya Mishra · Matthew Koehler
La tecnología educativa funciona cuando pedagogía, contenido y herramienta se diseñan juntos.
Mecánica del aprendizaje
- El uso efectivo de tecnología requiere integrar TK + PK + CK simultáneamente.
- Ninguno de los tres funciona en aislamiento para producir aprendizaje efectivo.
- TPACK emerge de la intersección: la tecnología correcta para el contenido y la pedagogía específicos.
Aplicación en DI
- Evaluar herramientas según cómo potencian la pedagogía del contenido específico.
- Evitar adoptar tecnología por modas sin análisis de su valor pedagógico.
- Útil para evaluar si una herramienta IA/EdTech realmente mejora el proceso de aprendizaje.
George Siemens · Stephen Downes
En la era digital, saber dónde encontrar el conocimiento es tan valioso como tenerlo.
Mecánica del aprendizaje
- En la era digital, el aprendizaje es crear y mantener conexiones entre nodos de conocimiento.
- El conocimiento reside en la red (personas, herramientas, comunidades), no solo en el individuo.
- La capacidad de aprender (saber dónde encontrar) supera al conocimiento estático.
Aplicación en DI
- Diseñar para PKM: cómo el aprendiz gestiona y conecta información del mundo real.
- Comunidades de práctica digitales como artefacto central de aprendizaje, no accesorio.
- Curación de recursos como competencia aprendible: buscar, filtrar, sintetizar, compartir.
Teoría de la Elaboración (Reigeluth)
Charles Reigeluth
Enseña el zoom out primero: el contexto hace que los detalles tengan sentido.
Mecánica del aprendizaje
- Empieza con un "epitome": la versión más simple y completa del contenido, sin detalles.
- Cada elaboración agrega complejidad de forma organizada, siempre con contexto claro.
- Las revisiones integradoras conectan lo nuevo con lo previo para evitar conocimiento fragmentado.
Aplicación en DI
- Diseñar el mapa conceptual del curso antes de secuenciar contenidos: ¿cuál es el epitome?
- Alternativa a ADDIE para secuenciar contenido complejo o denso de forma que no abrume.
- Útil en onboarding: panorama general primero, luego profundidad progresiva por área.
Thorndike · Perkins · Salomon · Barnett & Ceci
Un curso que no genera transferencia no es formación: es información que se olvida.
Mecánica del aprendizaje
- Transferencia cercana: aplicar lo aprendido en contextos muy similares al de entrenamiento.
- Transferencia lejana: aplicar principios en contextos nuevos y diferentes — mucho más difícil de lograr.
- Sin diseño explícito para la transferencia (práctica variada, condiciones reales, seguimiento), el aprendizaje no sale del aula.
Aplicación en DI
- Diseñar actividades de práctica en múltiples contextos y variaciones desde el principio.
- Incluir soporte post-formación: job aids, seguimiento a 30 días, comunidades de práctica.
- Medir transferencia (nivel 3 de Kirkpatrick) como indicador principal de éxito, no la satisfacción.
Bloom como herramienta de objetivos
Benjamin Bloom · Lorin Anderson
Un objetivo mal escrito es una promesa que el diseño no puede cumplir.
Mecánica del aprendizaje
- Los verbos de cada nivel definen qué actividades y evaluaciones son coherentes.
- Un objetivo mal escrito ("entender", "conocer") no es medible ni diseñable.
- La condición, el criterio y la audiencia completan un objetivo bien formado (ABCD).
Aplicación en DI
- Seleccionar verbos apropiados al nivel cognitivo esperado por el objetivo.
- Verificar que el objetivo, la actividad y la evaluación piden exactamente lo mismo.
- Detectar objetivos que prometen nivel 3-4 pero el diseño solo trabaja nivel 1-2.