Una rúbrica para corregir mapas de mecanismos se asocia con la nota del examen en estudiantes de Harvard

Qué se hizo

Un equipo de la Facultad de Medicina de Harvard quiso resolver un problema práctico: cómo calificar los mapas de mecanismos, una herramienta para enseñar a razonar. Un mapa de mecanismos (esquema que dibuja el propio estudiante a partir de un caso clínico: une cada hallazgo (un síntoma, un dato de laboratorio) con la cadena fisiopatológica que lo produce, flecha por flecha, de modo que se ve si entiende por qué pasa y no solo qué pasa) obliga a explicar el caso desde la fisiología, en vez de reconocerlo de memoria.

El problema es que corregirlos era difícil: las formas de puntuar que había premiaban la estructura del dibujo (cuántas cajas, cuántas conexiones) más que la exactitud del razonamiento, los correctores no siempre coincidían y llevaba mucho tiempo.

Así que diseñaron una rúbrica de cinco dominios:

• Exhaustividad: si el mapa cubre los hallazgos importantes del caso.
• Detalle analítico: qué tan fino es el paso a paso del mecanismo.
• Organización: si el mapa se entiende y tiene una lógica.
• Exactitud: si los mecanismos son correctos.
• Calidad global.

La probaron con 134 estudiantes de primer año de un curso de fisiología y fisiopatología por sistemas, entre febrero y marzo de 2019. Cada estudiante hizo tres mapas sobre tres casos clínicos, como ejercicio sin nota, una semana antes de cada examen del curso. Tras entrenarse con un primer lote de mapas, cuatro correctores, por parejas y cada uno por su cuenta, puntuaron el resto.

Qué encontraron

• La concordancia entre correctores fue de buena a excelente en casi todos los dominios. El más difícil de puntuar de forma pareja fue justamente la exactitud, el que más importa para saber si el estudiante razona bien.
• Las puntuaciones de los mapas se asociaron con la nota del examen posterior.
• En el segundo caso, cada punto más en el mapa se asoció a casi el doble de [[odds|las «probabilidades a favor»: cuántas veces es más probable que algo ocurra frente a que no ocurra; doblar las odds no es doblar el porcentaje]] de quedar en los tres cuartiles altos del examen frente al cuartil más bajo. Esa asociación se mantuvo al tener en cuenta cómo le había ido al estudiante en los cuestionarios del curso.
• En el tercer caso el patrón fue parecido, pero se debilitó al ajustar por los cuestionarios.

Por qué interesa razonar por mecanismos

Este grupo lleva más de una década trabajando con estos mapas. En 2013 publicaron un estudio piloto aleatorizado con estudiantes de primer año en tutorías de ABP (aprendizaje basado en problemas: se aprende resolviendo casos en grupos pequeños con un tutor, en vez de con clases magistrales): los grupos que usaron mapas conceptuales tuvieron mejores notas finales, aunque con un umbral estadístico laxo (alfa de 0,10), propio de un piloto. Y en 2020 una revisión del mismo equipo los presentó, junto a otras estrategias contra los sesgos cognitivos, como una forma de entrenar el pensamiento del sistema 2 (el razonamiento lento y analítico, que revisa paso a paso, frente al sistema 1, rápido e intuitivo, que reconoce patrones y es donde se cuelan más sesgos).

Lo nuevo ahora es tener una forma fiable de corregirlos y una primera señal de que podrían servir de alarma temprana: detectar, antes del examen, a quién le está costando razonar.

Qué significa y qué no

Un mapa de mecanismos bien corregido podría avisar, una semana antes del examen, de qué estudiante necesita ayuda para razonar.

Pero hay que leerlo con calma:

• Es una sola facultad, un solo curso y datos de 2019; los propios autores piden validarlo de forma prospectiva en otras instituciones.
• Es una asociación: no demuestra que hacer mapas mejore la nota.
• Los resultados claros se dieron en dos de los tres casos, y en uno de ellos el efecto se debilitó al ajustar.
• El dominio de exactitud, el clave, fue el de menor concordancia entre correctores.
• Corregir con correctores entrenados y por parejas exige tiempo y personal; no está claro cuánto costaría aplicarlo a escala.

Si estudias medicina, la idea práctica es sencilla: ante un caso, intenta dibujar por qué aparece cada hallazgo. Si no puedes unir el síntoma con su mecanismo, ahí está tu laguna.

Fuentes del contexto

• Veronese C, Richards JB, Pernar L, Sullivan AM, Schwartzstein RM. A randomized pilot study of the use of concept maps to enhance problem-based learning among first-year medical students. Med Teach. 2013;35(9):e1478-84. https://doi.org/10.3109/0142159X.2013.785628
• Richards JB, Hayes MM, Schwartzstein RM. Teaching clinical reasoning and critical thinking: from cognitive theory to practical application. Chest. 2020;158(4):1617-28. https://doi.org/10.1016/j.chest.2020.05.525