Repositorio Institucional
Repositorio Institucional
CONICET Digital
  • Inicio
  • EXPLORAR
    • AUTORES
    • DISCIPLINAS
    • COMUNIDADES
  • Estadísticas
  • Novedades
    • Noticias
    • Boletines
  • Ayuda
    • General
    • Datos de investigación
  • Acerca de
    • CONICET Digital
    • Equipo
    • Red Federal
  • Contacto
JavaScript is disabled for your browser. Some features of this site may not work without it.
  • INFORMACIÓN GENERAL
  • RESUMEN
  • ESTADISTICAS
 
Artículo

Contributions of causality processing models to the study of discourse comprehension and the facilitation of student learning

Título: La contribución de los modelos de procesamiento de la causalidad al estudio de la comprensión del discurso y la facilitación del aprendizaje del alumno
Yomha Cevasco, JazminIcon ; Van Den Broek, Paul
Fecha de publicación: 2019
Editorial: Colegio Oficial de Psicologos de Madrid
Revista: Psicologia Educativa
ISSN: 2174-0526
e-ISSN: 1135-755X
Idioma: Inglés
Tipo de recurso: Artículo publicado
Clasificación temática:
Psicología

Resumen

 
Discourse comprehension involves the establishment of semantic or meaningful causal connections. The aim of this paper is to review four models that have contributed to the study of the establishment of these connections: the Causal Chain Model, the Causal Network Model, the Causal Inference Maker, and the Landscape Model. These models contribute to the facilitation of student learning, given that they provide useful tools for improvement of texts structure in order to promote the establishment of meaningful connections and the revision of students’ prior incorrect ideas, and for the design of interventions that promote the generation of inferences and the monitoring of comprehension. The presentation of their key ideas, of empirical support for their psychological validity, and of applications to education will allow us to highlight the contributions that these models make to our understanding of the importance of the processing of causality for discourse comprehension and the facilitation of student learning.
 
La comprensión del discurso implica establecer conexiones causales semánticas o significativas. El objetivo de este artículo es revisar cuatro modelos que han contribuido al estudio del establecimiento de estas conexiones: el modelo de cadena causal, el modelo de red causal, el modelo generador de inferencias causales y el modelo de paisaje. Estos modelos contribuyen a facilitar el aprendizaje de los estudiantes, dado que proporcionan herramientas útiles para mejorar la estructura de los textos con el fin de promover el establecimiento de conexiones significativas y la revisión de las ideas previas incorrectas de los estudiantes, y para el diseño de intervenciones que promuevan la generación de inferencias y el monitoreo de la comprensión. La presentación de sus ideas clave, de la evidencia empírica que apoya su validez psicológica y de las aplicaciones de sus herramientas a la educación permitirá resaltar las principales nociones que estos modelos hacen a nuestro entendimiento de la importancia del procesamiento de la causalidad para la comprensión del discurso y la facilitación del aprendizaje de los estudiantes.
 
Palabras clave: CAUSAL CONNECTIONS , COHERENCE , DISCOURSE COMPREHENSION , INFERENCES , LEARNING
Ver el registro completo
 
Archivos asociados
Thumbnail
 
Tamaño: 216.0Kb
Formato: PDF
.
Descargar
Licencia
info:eu-repo/semantics/openAccess Excepto donde se diga explícitamente, este item se publica bajo la siguiente descripción: Atribución-NoComercial-SinDerivadas 2.5 Argentina (CC BY-NC-ND 2.5 AR)
Identificadores
URI: http://hdl.handle.net/11336/122825
URL: https://journals.copmadrid.org/psed/art/psed2019a8
DOI: http://dx.doi.org/10.5093/psed2019a8
Colecciones
Articulos(SEDE CENTRAL)
Articulos de SEDE CENTRAL
Citación
Yomha Cevasco, Jazmin; Van Den Broek, Paul; Contributions of causality processing models to the study of discourse comprehension and the facilitation of student learning; Colegio Oficial de Psicologos de Madrid; Psicologia Educativa; 25; 2; 2019; 159-167
Compartir
Altmétricas
 

Enviar por e-mail
Separar cada destinatario (hasta 5) con punto y coma.
  • Facebook
  • X Conicet Digital
  • Instagram
  • YouTube
  • Sound Cloud
  • LinkedIn

Los contenidos del CONICET están licenciados bajo Creative Commons Reconocimiento 2.5 Argentina License

https://www.conicet.gov.ar/ - CONICET

Inicio

Explorar

  • Autores
  • Disciplinas
  • Comunidades

Estadísticas

Novedades

  • Noticias
  • Boletines

Ayuda

Acerca de

  • CONICET Digital
  • Equipo
  • Red Federal

Contacto

Godoy Cruz 2290 (C1425FQB) CABA – República Argentina – Tel: +5411 4899-5400 repositorio@conicet.gov.ar
TÉRMINOS Y CONDICIONES