Do resumo à nova pergunta: o que a ciência permite afirmar sobre busca, aprendizagem, recuperação e explicação

A Resposta curta

A melhor descrição científica do processo é a de um ciclo iterativo de investigação e aprendizagem autorregulada, no qual se alternam comportamento informacional — formular objetivo, buscar, avaliar e integrar fontes —, aprendizagem generativa — elaborar, explicar e representar —, prática de recuperação e metacognição — julgar o que se sabe, testar e calibrar. A curiosidade pode iniciar ou orientar o ciclo quando existe uma lacuna percebida, mas não é requisito de toda busca nem garantia de aprendizagem [1, 15, 25].

Não há uma nomenclatura científica única para o processo completo. Há modelos parciais e parcialmente sobrepostos — information behaviour, information seeking, exploratory search, inquiry-based learning, self-directed ou self-regulated learning, generative learning, retrieval practice, self-explanation, teaching effect e atualização pós-recuperação —, mas nenhum deles foi demonstrado como o nome ou como a validação causal do ciclo inteiro [15, 16, 25, 56, 92, 102]. Não se deve tratar esses construtos como sinônimos.

A formulação mais defensável é, portanto: uma arquitetura prática plausível que combina mecanismos distintos, com evidência separada para alguns elos e sem teste causal direto do encadeamento completo.

B Conceitos científicos envolvidos

1. Informação resumida e representação inicial

Um resumo, palpite ou quadro inicial constrói uma representação provisória do assunto. Ele pode ativar conhecimento prévio e tornar explícitos termos, relações e lacunas, mas também pode cristalizar erros. Conhecimento prévio influencia a estratégia de investigação: tarefas familiares favorecem exploração guiada por teoria; tarefas desconhecidas exigem maior exploração orientada por dados [34, 35]. Um resumo não é ainda aprendizagem demonstrada: é um produto de compreensão que precisa sobreviver a recuperação, explicação e transferência.

2. Curiosidade epistêmica, lacuna, confiança e relevância

Na formulação de Loewenstein, curiosidade é uma privação cognitiva percebida, produzida por uma lacuna entre o que se sabe e o que se quer saber [1]. A literatura de trivia frequentemente encontra maior curiosidade em confiança intermediária, mas a relação é condicional: importância percebida pode sustentar curiosidade mesmo quando a confiança é baixa [2, 4].

É crucial separar:

• tamanho da lacuna: quão incompleta é a representação;
• incerteza ou confiança: quão provável a pessoa julga estar correta;
• importância ou valor: quanto vale obter a informação;
• recuperabilidade: quão acessível parece a resposta;
• novidade e surpresa: discrepância entre expectativa e evento;
• familiaridade e feeling-of-knowing: sinais metacognitivos que podem orientar busca, mas não são curiosidade por definição [3, 5, 7, 8, 9, 14].

A curva em U invertido entre confiança e curiosidade é uma tendência frequente, não uma lei universal. A literatura também mostra curiosidade dinâmica: o interesse pode aumentar, diminuir ou mudar de função conforme a evidência se revela [10].

3. Busca de informação e busca exploratória

Information behaviour é mais amplo que digitar consultas: inclui contexto, necessidade, escolha de fontes, interpretação e uso [15]. Information seeking é a busca ativa; exploratory search combina localizar, aprender e investigar quando o objetivo ainda está sendo formulado [25, 26]. A teoria de information foraging descreve como pistas de valor — information scent — e custos orientam cliques, backtracking e abandono [28, 29, 30]. Scent prevê navegação em tarefas específicas, mas não certifica credibilidade, verdade ou aprendizagem.

4. Inquiry, orientação e aprendizagem autodirigida

Inquiry-based learning inclui orientação, conceptualização, investigação, conclusão e discussão, com retorno a perguntas e hipóteses [92]. As meta-análises indicam que investigação com orientação adequada supera tanto descoberta não assistida quanto, em certas condições, instrução menos ativa [20, 21, 22]. Isso não implica controle total do aprendiz: indica scaffolding calibrado, feedback, conhecimento prévio e metas explícitas.

Self-directed learning é multidimensional: autogestão, automonitoramento, motivação e uso de recursos não são a mesma coisa [17, 18, 19]. Aprender sozinho não equivale automaticamente a dirigir bem a própria aprendizagem, e busca autônoma não garante avaliação de fontes ou retenção.

5. Aprendizagem, codificação e aprendizagem generativa

Aprendizagem aqui deve significar mudança relativamente durável e utilizável, não apenas exposição, satisfação ou tempo. Aprendizagem generativa é uma família de atividades que organiza, integra e transforma informação, como explicar, resumir, visualizar, comparar, prever e ensinar [56, 57]. O efeito depende de conhecimento prévio, qualidade da representação, modalidade, timing e congruência com o material [58, 59].

6. Recuperação, espaçamento, feedback e transferência

Retrieval practice é tentar recuperar informação da memória antes de consultá-la. É distinta de reestudo, busca e explicação. Em geral, a recuperação supera o reestudo para retenção tardia, embora o reestudo possa vencer no teste imediato [37, 40]. Espaçar recuperações é robusto; não há superioridade geral da expansão sobre o espaçamento uniforme [38, 39]. Feedback reduz o risco de consolidar erros, mas alternativas incorretas em múltipla escolha podem criar falsos caminhos [44, 45].

Transferência é aplicação a formato, contexto, problema ou inferência diferente. A meta-análise encontra benefício positivo, mas seletivo e menor para material não testado, rearranjos e problemas com exemplos trabalhados [41].

7. Autoexplicação, elaboração e geração

Autoexplicação é produzir para si relações, justificativas, inferências e reparos enquanto estuda. Prompts de autoexplicação têm efeito médio positivo — aproximadamente g = 0,55 em 64 relatórios e 69 efeitos —, mas a correlação entre explicar espontaneamente e aprender não prova que aumentar a fala cause o ganho [46, 47, 49].

Elaboração acrescenta relações, exemplos, causas, analogias ou consequências, preferencialmente ancoradas em conhecimento relevante [53]. Geração é produzir uma resposta ou item, e não se reduz a construir modelo mental [54]. Aprendizagem generativa é a categoria mais ampla [56, 57]. Nenhuma delas deve ser confundida com recuperação: explicar pode conter recuperação, mas também envolve integração e nova codificação.

8. Explicar, ensinar, teaching effect e protégé effect

Preparar-se para ensinar, explicar a uma audiência fictícia, ensinar efetivamente e tutorar interativamente são manipulações diferentes. Há estudos favoráveis a expectativa de ensinar e a ensino em vídeo, mas efeitos variam com oralidade, audiência, tempo, anotações, interação e atraso [60, 61, 62, 63, 64, 65]. A meta-análise de Kobayashi estimou efeito pequeno para ensinar após estudar — g = 0,27 —, maior sob expectativa de ensinar — g = 0,48 — e próximo de zero sem essa expectativa — g = -0,02 [66]. Isso não autoriza a regra ensinar sempre é melhor. O protégé effect é uma explicação específica de esforço e responsabilidade por um aprendiz, não sinônimo de toda autoexplicação [60].

9. Metacognição, perguntas e ilusão de profundidade

Julgamentos de compreensão predizem desempenho apenas fracamente: em uma meta-análise, a correlação sem intervenção foi r = .178 [68]. Gerar perguntas, por si só, não melhorou detectavelmente a acurácia do monitoramento, enquanto autoexplicação mostrou efeito positivo nessa síntese [68]. Intervenções metacognitivas têm efeito pequeno e heterogêneo [69].

Explicar pode revelar elos ausentes e reduzir confiança exagerada, como nos estudos da ilusão de profundidade explicativa [72]. Porém, uma explicação incompleta pode gerar nova busca em alguns contextos, mas não seletivamente em todos [73]. Perguntas e explicações são instrumentos diagnósticos; não substituem teste de desempenho.

10. Consolidação, reconsolidação e atualização

Após a recuperação, a memória pode ser atualizada em certas condições, mas nem toda recuperação torna a memória lábil. Reconsolidação é uma hipótese mecanística que requer, em geral, uma memória consolidada, reativação dirigida, condições de labilização, possível erro de previsão, janela temporal e efeitos seletivos no teste tardio [76–90]. Em humanos, resultados são indiretos, dependentes de tarefa e compatíveis com alternativas como extinção, interferência, confusão de fonte e dependência de estado [84, 89, 90].

11. Emoções epistêmicas

Curiosidade, surpresa, confusão, interesse e orgulho não são intercambiáveis. Surpresa e curiosidade predizem exploração em alguns estudos; confusão e orgulho são menos consistentes [8]. Importância e valência afetam a preferência por conhecer ou ignorar informação e recrutam valor mesolímbico, mas isso não equivale a aprendizagem [14].

C Modelo integrado textual/visual

O modelo abaixo é uma representação de trabalho, não uma teoria ou nomenclatura nova e não um pacote causal validado.

[Informação resumida / palpite inicial]
             │
             ├── ativa conhecimento prévio e hipótese
             └── explicita confiança, importância e lacuna percebida
                              │
                              v
                  [Curiosidade / pergunta / objetivo]
                 (não necessária para toda busca)
                              │
                              v
       [Busca: consulta → fonte → comparação → síntese provisória]
             │                         │
             ├── pistas de valor/custo  ├── orientação e feedback
             ├── avaliação de evidência └── atualização da hipótese
             └── nova informação
                              │
                              v
          [Aprendizagem: integrar, organizar, prever, representar]
             │                         │
             ├── recuperação gerativa  ├── elaboração/autoexplicação
             └── exemplos/transferência └── possível preparação para ensinar
                              │
                              v
        [Teste sem consulta + feedback + confiança pós-teste]
             │                         │
             ├── retenção imediata     ├── retenção tardia
             └── aplicação/transferência
                              │
                              v
                [Explicação própria e checagem]
             │                         │
             ├── elos ausentes/erros   ├── integração de informação
             └── redução de excesso de confiança
                              │
                              v
               [Novas perguntas / nova busca focalizada]
                              │
                              └───────────┐
                                          v
                         [Recuperações espaçadas e testes tardios]

Moderadores transversais: conhecimento prévio; confiança calibrada; importância; recuperabilidade; tipo e qualidade da fonte; orientação; feedback; formato da pergunta; tempo; dificuldade recuperável; estado e contexto; idade; domínio; qualidade da explicação; objetivo de transferência.

Distinções que o diagrama preserva:

1. Busca é uma atividade contextual; recuperação é tentativa de acessar memória sem consulta.
2. Autoexplicação é produção generativa; teaching effect é uma comparação de preparação ou ensino com outras condições.
3. Curiosidade é estado motivacional ou epistêmico; surpresa é discrepância; interesse pós-resposta pode ter contribuição própria.
4. Atualização pós-recuperação é resultado comportamental ou cognitivo possível; reconsolidação é uma explicação neurocognitiva mais forte e não diagnosticada por explicar.

D Matriz de evidências

E O que é comprovado, provável e especulativo

Relativamente comprovado, dentro das condições estudadas

• Prática de recuperação tende a melhorar retenção tardia mais que reestudo equivalente; o resultado não é simplesmente um efeito de desempenho imediato [37, 40].
• Espaçamento de recuperações tende a favorecer retenção, embora não exista calendário ou agenda expansiva universal [38, 39].
• Orientação adequada melhora muitas formas de inquiry em comparação com descoberta não assistida [20–22].
• Prompts de autoexplicação e algumas atividades generativas produzem ganhos médios positivos, com heterogeneidade [46, 56].
• Curiosidade, especialmente diante de lacunas recuperáveis, associa-se a busca e memória em paradigmas controlados; o benefício de memória é maior para o alvo do que para informação incidental [2, 11, 12].
• Julgamentos subjetivos de compreensão são insuficientes: precisam ser confrontados com recuperação e aplicação [68, 69].

Provável, mas condicional e não universal

• Uma lacuna local, importante e percebida como respondível pode aumentar busca e empenho; importância pode compensar confiança baixa [1, 4].
• Resumos e palpites prévios podem tornar a busca mais focalizada quando ativam conhecimento relevante e hipóteses testáveis, mas podem também carregar erros [34, 35].
• Explicar após recuperar pode melhorar integração, revelar lacunas e apoiar retenção quando a explicação é generativa, correta e seguida de feedback [47, 49, 53].
• Ensinar ou preparar-se para ensinar pode aumentar esforço, organização e compreensão, sobretudo com modalidade adequada; não há superioridade universal sobre autoexplicação [60–66].
• Recuperação seguida de informação discrepante pode atualizar uma representação prévia em condições específicas, especialmente com erro de previsão e timing apropriados [78–81].
• Uma rotina que combine previsão, busca orientada, recuperação, explicação, feedback e espaçamento é pedagogicamente plausível, mas esta conclusão é de síntese operacional, não de um ensaio do ciclo inteiro.

Especulativo, exagerado ou ainda não demonstrado

• A curva em U invertido entre confiança e curiosidade explica toda busca humana. Não: importância, novidade, progresso, contexto e recuperabilidade alteram o padrão [4, 9].
• Curiosidade causa aprendizagem em geral. Os estudos apoiam associações e alguns benefícios de memória, mas conhecimento prévio e metacognição também predizem aprendizagem; há resultados sem efeito independente de curiosidade [5, 6, 12].
• Mais cliques, tempo ou perguntas significam mais aprendizagem. Logs podem refletir forrageamento, confusão, custo ou procrastinação; é necessário teste tardio e transferência [27, 28, 31, 32].
• Explicar reconsolida a memória. A frase é excessiva e não está demonstrada nos três níveis; ver a análise específica abaixo.
• Ensinar é sempre melhor que estudar ou autoexplicar. Os resultados dependem de expectativa, ato, audiência, oralidade, feedback, material e atraso [60–67].
• A investigação autônoma sem orientação desenvolve mais aprendizagem. As meta-análises favorecem orientação calibrada e mostram custos da descoberta não assistida [20–24].
• O ciclo completo foi validado. Os relatórios não apresentam ensaio que manipule o encadeamento inteiro e compare retenção tardia, transferência e qualidade da busca.

Auditoria específica da frase explicar reconsolida a memória

Nível comportamental

O que pode ser observado é que, em algumas condições, recuperar e depois explicar se associa ou causa melhora em recordação, compreensão, integração ou transferência. Estudos de autoexplicação e elaboração apoiam ganhos comportamentais, mas esses ganhos também podem resultar de recuperação mais profunda, nova codificação, organização relacional, feedback ou prática adicional [46–53]. Em paradigmas de memória, um lembrete seguido de informação nova pode aumentar intrusões, integração ou atualização [78, 79]. Isso demonstra mudança de desempenho, não reconsolidação como mecanismo.

Nível cognitivo

Explicar pode construir um modelo mental, inferir elos causais, detectar contradições, corrigir erro e integrar informação nova. Esse processo é compatível com atualização pós-recuperação. Também pode envolver interferência, confusão de fonte, dependência de estado ou extinção. Mesmo quando a memória muda seletivamente após uma pista, não se conclui automaticamente que ela passou por uma janela de reconsolidação [84, 89, 90].

Nível neurocognitivo

Reconsolidação é uma hipótese mais forte: após reativação, uma memória pode tornar-se lábil e exigir processos de estabilização; a evidência animal inclui manipulações farmacológicas com relação temporal e dependência de reativação [76, 77]. Em humanos, os resultados são indiretos. Erro de previsão parece uma possível condição de fronteira [81], mas há nulos [82], inconsistências [83–86] e replicações diretas sem benefício do efeito de reativação-extinção [87, 88]. fMRI e alterações de circuito não provam o mecanismo por si sós [80].

Veredito: a formulação cientificamente honesta é: explicar depois de recuperar pode favorecer aprendizagem e atualização comportamental ou cognitiva em algumas condições; é compatível com, mas não demonstra nem implica, reconsolidação neurocognitiva. Para testar reconsolidação seria necessário manipular reativação, erro de previsão, timing e seletividade, incluir controles contra extinção, interferência e confusão de fonte e testar retenção tardia. A rotina de estudo não fornece esse diagnóstico.

F Artigo completo

Introdução

Estudar frequentemente começa com uma representação condensada: um resumo, uma hipótese, uma definição incompleta ou uma explicação provisória. Essa representação pode expor uma lacuna: entendo o resultado, mas não a causa; sei o termo, mas não consigo aplicá-lo; tenho um palpite, mas não sei se é verdadeiro. A lacuna pode produzir curiosidade e orientar busca. A busca, por sua vez, fornece material para aprender; a aprendizagem pode ser testada por recuperação; a explicação pode revelar erros e criar novas perguntas.

A sequência é intuitivamente convincente, mas a ciência não autoriza tratá-la como uma cadeia única já demonstrada. Há evidência relativamente forte para recuperação e espaçamento, moderada para orientação em inquiry e autoexplicação, e mais condicionada para curiosidade, busca exploratória, teaching effect e atualização pós-recuperação. O ponto central desta revisão é preservar o que os estudos realmente medem: curiosidade não é busca; busca não é aprendizagem; explicação não é retrieval practice; ensino não é automaticamente protégé effect; e atualização não é automaticamente reconsolidação.

Pergunta

Como descrever cientificamente o processo informação resumida → curiosidade/lacuna → busca → aprendizagem → recuperação → explicação → novas perguntas/busca, o que cada elo sustenta, quais são as limitações e como transformá-lo em uma rotina testável sem prometer mais do que a evidência?

O que a ciência sabe

A ciência sabe que representações incompletas e conhecimento prévio modulam o que é percebido como informativo. Curiosidade tende a ser maior quando existe uma lacuna relevante e recuperável, mas o padrão depende de confiança, importância, novidade e estrutura do ambiente [1–5, 9]. Sabe também que busca é iterativa: objetivos podem ser reformulados quando surgem novas evidências, e pistas de valor orientam a navegação [15, 16, 25, 28–30].

Em inquiry e descoberta, apoio adequado é decisivo. A descoberta não assistida sobrecarrega ou desorienta em muitas tarefas; prompts, exemplos, feedback e orientação podem preservar a atividade intelectual sem deixar o aprendiz sem estrutura [20–24]. Isso é compatível com a ideia de começar por um resumo ou palpite e buscar precisamente o que falta, desde que a busca tenha critérios de fonte e verificação.

A etapa mais robusta para aprendizagem duradoura é a recuperação. Tentar recordar sem consulta, corrigir e voltar a recuperar em atraso tende a produzir retenção maior do que reler. O benefício diminui quando a recuperação é impossível, quando o erro não recebe feedback ou quando o teste não corresponde ao objetivo [37–45]. Portanto, a busca deve fornecer material; a recuperação deve verificar se algo foi incorporado.

Autoexplicação e aprendizagem generativa podem melhorar compreensão, especialmente quando o aprendiz explica relações causais, justifica passos, antecipa consequências, acrescenta exemplos e verifica a representação. Porém, uma explicação longa não é necessariamente uma boa explicação; quantidade pode refletir fluência verbal, motivação ou conhecimento prévio. Prompts e qualidade importam [46–59].

Finalmente, ensinar pode alterar esforço e organização, mas o resultado depende de se preparar para ensinar, ensinar de fato, falar ou escrever, ter uma audiência real ou fictícia e receber perguntas. O rótulo teaching effect deve ser reservado à comparação estudada, e não usado como sinônimo de explicar para si [60–67].

O ciclo

1. Resumir e prever. Produzir um resumo de memória, um palpite e uma confiança numérica. O objetivo é tornar a representação examinável e revelar a lacuna.
2. Nomear a lacuna. Distinguir não sei o fato, não entendo o mecanismo, não consigo aplicar e não sei qual fonte é confiável. Registrar importância e o que contaria como resposta.
3. Buscar com foco. Formular poucas consultas, escolher fontes por autoridade e triangulação, registrar evidência, inferência e conflito. Evitar que o tempo de busca seja o único indicador de estudo.
4. Integrar. Comparar o encontrado com o palpite; reformular um modelo, uma sequência causal, uma tabela ou uma distinção. Aqui ocorre aprendizagem possível, não ainda aprendizagem comprovada.
5. Recuperar sem consulta. Fechar as fontes e responder. A produção deve incluir fatos, relações, exemplos e ao menos uma aplicação quando esse for o objetivo.
6. Explicar e verificar. Explicar para si ou para uma audiência definida; marcar cada elo não sustentado; consultar a fonte apenas para corrigir. Explicação é generativa e diagnóstica; não substitui o teste.
7. Perguntar novamente e espaçar. Transformar cada erro ou elo ausente em pergunta focalizada, buscar apenas o necessário e repetir recuperação em atraso. O ciclo é iterativo, não circular no sentido de garantir progresso.

O que sabemos sobre o ciclo, e não apenas sobre seus componentes

Sabemos que os componentes podem se combinar de maneira coerente. Curiosidade pode motivar a busca; orientação pode impedir dispersão; recuperação pode testar incorporação; explicação pode diagnosticar e gerar perguntas; espaçamento pode consolidar acesso. Essa é uma inferência funcional apoiada por evidência distribuída.

Não sabemos, a partir desses relatórios, se a sequência completa supera sistematicamente uma sequência alternativa, como instrução direta mais recuperação, ou se cada componente adiciona valor incremental em qualquer domínio. Também não sabemos se a curiosidade que inicia uma busca é a mesma variável que melhora a memória, se o efeito da explicação é independente da recuperação embutida ou se o ganho decorre apenas de mais tempo e esforço. A ausência de um teste direto do ciclo completo é uma limitação central.

O que ainda não sabemos

• Qual a dose mínima de curiosidade, busca e explicação que melhora retenção tardia sem aumentar custo ou distração.
• Quando o resumo inicial ajuda e quando um palpite errado contamina a busca.
• Se a busca exploratória, com avaliação de fontes, melhora transferência mais que uma seleção curta de fontes confiáveis.
• Se perguntas geradas pelo aprendiz aumentam a qualidade da aprendizagem ou apenas sua atividade percebida.
• Qual modalidade de explicação é melhor para qual material, idade e finalidade.
• Se ensinar adiciona efeito além de recuperar e autoexplicar, quando tempo e feedback são igualados.
• Em que condições a atualização após recuperação é reconsolidação, e não nova codificação, interferência ou confusão de fonte.
• Se resultados laboratoriais com trivia, listas, medo condicionado ou palavras ocultas generalizam para estudo real, textos complexos e problemas.

Prática possível

Uma prática defensável não promete que curiosidade fará aprender. Ela usa curiosidade como sinal para formular uma pergunta, busca como aquisição e avaliação de evidência, recuperação como teste, explicação como diagnóstico e espaçamento como manutenção. O sucesso é definido por recordação tardia, explicação correta e transferência, não por sensação de clareza, número de páginas, cliques ou tempo online.

Protocolo

Para um tópico, o aprendiz:

1. escreve resumo e palpite sem consultar;
2. registra confiança de 0 a 100, importância de 0 a 100 e a lacuna em uma frase;
3. formula até três perguntas verificáveis;
4. busca fontes e registra para cada afirmação: fonte, evidência, inferência e conflito;
5. atualiza o resumo em uma versão curta;
6. fecha as fontes e faz recordação livre;
7. escreve uma explicação causal ou procedimental e um contraexemplo;
8. confere, marca erros e refaz as respostas;
9. faz novo teste em 24 horas e depois em 7 dias;
10. inclui uma pergunta de transferência em contexto diferente;
11. registra novas lacunas somente depois do teste, para não confundir exploração com domínio.

Esse protocolo é uma proposta operacional inferida, não uma intervenção validada como conjunto. Sua eficácia deve ser avaliada por comparação e retenção tardia.

Conclusão

O processo descreve uma arquitetura plausível de investigação e aprendizagem autorregulada, mas não uma teoria única. A evidência mais forte recomenda uma disciplina simples: produzir uma previsão, buscar com orientação e critérios, recuperar sem consulta, explicar relações, corrigir com feedback e revisitar em atraso. Curiosidade e busca podem tornar o estudo mais focalizado; não substituem recuperação e transferência. Explicar pode atualizar uma representação; não permite declarar reconsolidação. A linguagem científica deve acompanhar o tamanho real da evidência.

G Método prático

Método de uma sessão de 45–60 minutos

0–5 min — Resumo e previsão

• Escreva de memória o que entende.
• Dê uma resposta provisória à pergunta central.
• Registre confiança e importância separadamente.
• Circule um elo causal, termo ou aplicação que falta.

5–10 min — Perguntas verificáveis

Converta a lacuna em perguntas que possam ser respondidas por evidência. Prefira qual mecanismo explica X ou em que condição X deixa de ocorrer a uma pergunta meramente definicional.

10–25 min — Busca orientada

• Escolha fontes com autoria, método e acesso ao material.
• Registre consultas, fontes descartadas e motivo do descarte.
• Separe citação ou fato, inferência e hipótese.
• Procure ao menos uma condição de fronteira ou resultado conflitante.
• Pare quando as perguntas forem respondidas ou quando a nova busca só repetir evidência.

25–35 min — Integração e recuperação

Feche as fontes. Recupere definições, mecanismo, condições, limitações e um exemplo. Não consulte durante a primeira tentativa.

35–45 min — Explicação e auditoria

Explique a um leitor real ou fictício, incluindo o que acontece, por que acontece, quando não acontece e como eu saberia que estou errado. Marque elos sem suporte.

45–60 min — Feedback e próximo teste

Compare com as fontes, corrija em outra cor e gere uma questão de aplicação. Agende recuperação em 24 horas e 7 dias. Se a recuperação falhar completamente, reduza a dificuldade, consulte uma pista curta e tente de novo; não interprete falha extrema como dificuldade desejável automaticamente.

Regras de decisão

• Confiança alta e erro: priorize diagnóstico da ilusão de compreensão e feedback; não aumente apenas a exposição.
• Confiança baixa e importância alta: busque uma fonte confiável e uma explicação mínima; curiosidade pode ser alta mesmo com pouco conhecimento.
• Curiosidade alta e resposta recuperável: transforme-a em pergunta e teste tardio; não prolongue a busca sem critério de parada.
• Explicação fluente e recuperação fraca: trate como possível fluência ou ilusão; volte à recuperação.
• Muitas fontes e pouca transferência: pare de coletar, formule problemas e aplicações diferentes.
• Falha de recuperação: ofereça feedback, reestude o elo mínimo e espaçe uma nova tentativa.

I Autoexperimento

Objetivo

Testar, em uma pessoa e em um conjunto de tópicos, se uma rotina que inclui previsão, busca focalizada, recuperação, explicação, feedback e espaçamento produz melhor retenção tardia e transferência do que uma condição de comparação. O autoexperimento é exploratório: não testa a validade universal do ciclo nem reconsolidação.

Desenho sugerido

Use dois conjuntos de tópicos comparáveis, A e B, escolhidos antes de estudar e alternados para reduzir efeitos de ordem. Se possível, balanceie dificuldade, tamanho, interesse e conhecimento prévio. Uma condição pode ser:

• Condição ciclo: resumo ou palpite → perguntas → busca documentada → síntese → recuperação → explicação → feedback → espaçamento.
• Condição comparação: leitura ou reestudo de fonte equivalente → teste de recuperação com feedback → espaçamento.

A comparação não deve ser chamada de controle puro se o tempo, número de exposições ou contato com material diferirem. Registre duração e iguale o tempo tanto quanto viável. Como não há validação do pacote, diferenças não permitirão atribuir o efeito a curiosidade, busca ou explicação isoladamente.

Variáveis

Primárias

1. Recordação tardia: proporção de ideias corretas sem consulta em 24 h, 7 dias e 21–28 dias.
2. Transferência: desempenho em problema, exemplo ou contexto não idêntico ao estudo.
3. Qualidade da explicação: rubricar antecipadamente fatos, relações causais, condições, contraexemplo e ausência de contradição; usar critérios iguais nos dois conjuntos.

Secundárias

• confiança pré-teste e pós-teste;
• erro de calibração = diferença entre confiança e desempenho, definido antes;
• número e qualidade das perguntas;
• consultas, fontes e tempo de busca;
• importância e curiosidade autorrelatadas;
• erros detectados após feedback;
• interesse, surpresa e confusão separados, sem tratá-los como sinônimos.

Retenção e agenda

Faça um teste imediato apenas para diagnosticar, não para concluir domínio. Faça testes sem consulta em 24 horas, 7 dias e 21–28 dias; mantenha as perguntas comparáveis, mas inclua pelo menos um item de transferência. Não use apenas reconhecimento se o objetivo for produção: inclua recordação livre ou resposta com poucas pistas, porque o formato mede acesso gerativo [37–45]. Registre também quando a resposta correta foi dada com baixa confiança ou a errada com alta confiança.

Critérios definidos antes de começar

• Declare qual desfecho é primário e qual diferença seria educacionalmente relevante para você.
• Não altere a regra após ver resultados.
• Considere o ciclo promissor somente se houver melhora consistente no teste tardio e não apenas no teste imediato; observe se a melhora aparece também em transferência.
• Se houver ganho apenas em confiança, curiosidade, tempo, número de perguntas ou produção de explicação, não o classifique como ganho de aprendizagem.
• Se houver ganho em recordação, não o classifique automaticamente como reconsolidação.

Esses critérios são escolhas de protocolo, não limiares universais derivados dos relatórios.

Vieses e controles

• Efeito de interesse: tópicos curiosos podem receber mais tempo e esforço; balanceie interesse ou trate-o como covariável descritiva.
• Conhecimento prévio: meça-o antes e não compare diretamente tópicos muito desiguais.
• Dificuldade e recuperabilidade: uma lacuna impossível pode produzir falha, não curiosidade produtiva; ajuste pistas gradualmente.
• Efeito de prática: use itens equivalentes, não o mesmo item em todos os testes, quando transferência for objetivo.
• Efeito de ordem: alterne A e B e distribua horários.
• Tempo e exposição: registre e tente igualar duração; explicação pode simplesmente acrescentar estudo.
• Viés de fonte: use fontes equivalentes e registre conflitos; uma fonte única não prova verdade.
• Viés de confirmação: inclua uma condição de fronteira e uma evidência contrária.
• Expectativa: saber que uma condição é nova pode aumentar motivação; não chame isso de mecanismo específico.
• Rubrica contaminada: avalie sem olhar para a condição quando possível.
• Perdas de seguimento: registre testes atrasados, esquecidos ou refeitos.
• Generalização: um autoexperimento N=1 não estima população, idade, domínio ou modalidade.

Limitações interpretativas

A comparação avalia uma combinação de componentes. Mesmo que o ciclo vença, não será possível saber se o responsável foi curiosidade, busca, explicação, mais esforço, feedback ou simplesmente mais tempo. Mesmo que não vença, isso não refuta cada componente: uma curiosidade mal calibrada, fonte ruim ou explicação superficial pode mascarar um benefício de recuperação. Para isolar componentes, seriam necessários mais tópicos e um desenho fatorial ou condições separadas, algo que os relatórios não validam como um protocolo pronto.

Sobretudo, este autoexperimento não pode testar a afirmação neurocognitiva de reconsolidação. Ele pode medir mudança comportamental após recuperação e explicação; não mede labilidade molecular, janela de reconsolidação ou mecanismo neural específico.

J Referências comentadas

As referências abaixo consolidam as fontes citadas. O comentário resume sua função no argumento desta revisão, sem acrescentar achados além dos relatórios estruturados.

1. Loewenstein, G. (1994). The Psychology of Curiosity: A Review and Reinterpretation. Psychological Bulletin, 116(1), 75–98. DOI: https://doi.org/10.1037/0033-2909.116.1.75. — Formula a curiosidade como privação por lacuna percebida e ressalta que busca pode ocorrer sem curiosidade.
2. Kang, M. J., et al. (2009). The Wick in the Candle of Learning: Epistemic Curiosity Activates Reward Circuitry and Enhances Memory. Psychological Science, 20(8), 963–973. DOI: https://doi.org/10.1111/j.1467-9280.2009.02402.x. — Relaciona confiança intermediária, curiosidade, busca e memória em trivia; fMRI e memória não estabelecem causalidade geral.
3. Singh, A., & Manjaly, J. A. (2021). The Effect of Information Gap and Uncertainty on Curiosity and Its Resolution. Journal of Cognitive Psychology, 33(4), 403–423. DOI: https://doi.org/10.1080/20445911.2021.1908311. — Separa gap e incerteza em tarefa lexical e mostra que ambos predizem curiosidade.
4. Spitzer, M. W. H., Janz, J., Nie, M., & Kiesel, A. (2023). On the Interplay of Curiosity, Confidence, and Importance in Knowing Information. Psychological Research, 88, 101–115. DOI: https://doi.org/10.1007/s00426-023-01841-9. — Mostra que importância desloca a relação confiança–curiosidade.
5. Wade, S., & Kidd, C. (2019). The Role of Prior Knowledge and Curiosity in Learning. Psychonomic Bulletin & Review, 26, 1377–1387. DOI: https://doi.org/10.3758/s13423-019-01598-6. — Distingue conhecimento estimado, conhecimento objetivo e curiosidade; limita a narrativa causal simples.
6. Chen, X., Twomey, K. E., Hayes, M., et al. (2025). The Limits of Curiosity? New Evidence for the Roles of Metacognitive Abilities and Curiosity in Learning. Metacognition and Learning, 20, article 1. DOI: https://doi.org/10.1007/s11409-024-09407-9. — Encontra aprendizagem predita pela avaliação metacognitiva do gap, sem efeito independente significativo de curiosidade.
7. Brooks, G., Yang, H., & Köhler, S. (2021). Feeling-of-Knowing Experiences Breed Curiosity. Memory, 29(2), 153–167. DOI: https://doi.org/10.1080/09658211.2020.1867746. — Mostra que feeling-of-knowing orienta busca, mas não é idêntico a curiosidade epistêmica.
8. Vogl, E., Pekrun, R., Murayama, K., Loderer, K., et al. (2019). Surprise, Curiosity, and Confusion Promote Knowledge Exploration: Evidence for Robust Effects of Epistemic Emotions. Frontiers in Psychology, 10, 2474. DOI: https://doi.org/10.3389/fpsyg.2019.02474. — Compara emoções epistêmicas e dá suporte mais consistente a surpresa e curiosidade do que a confusão e orgulho.
9. Poli, F., Meyer, M., Mars, R. B., & Hunnius, S. (2022). Contributions of Expected Learning Progress and Perceptual Novelty to Curiosity-Driven Exploration. Cognition, 225, 105119. DOI: https://doi.org/10.1016/j.cognition.2022.105119. — Mostra papéis de progresso e novidade na escolha exploratória; não sustenta um mecanismo único.
10. Hsiung, A., Poh, J. H., Huettel, S. A., & Adcock, R. A. (2023). Curiosity Evolves as Information Unfolds. Proceedings of the National Academy of Sciences, 120(43), e2301974120. DOI: https://doi.org/10.1073/pnas.2301974120. — Demonstra caráter dinâmico da curiosidade quando a informação se revela.
11. Fandakova, Y., & Gruber, M. J. (2020). States of Curiosity and Interest Enhance Memory Differently in Adolescents and in Children. Developmental Science, 24(1), e13005. DOI: https://doi.org/10.1111/desc.13005. — Diferencia curiosidade, interesse e surpresa e mostra benefício seletivo para trivia.
12. Radhakrishna, P., & Padakannaya, P. (2026). Mnemonic Benefits of State Curiosity—A Meta-Analysis. Psychonomic Bulletin & Review, 33(3), article 97. DOI: https://doi.org/10.3758/s13423-025-02800-8. — Estima efeito moderado para recordação-alvo e pequeno para incidental; apoia memória, não o ciclo inteiro.
13. Schutte, N. S., & Malouff, J. M. (2023). A Meta-Analytic Investigation of the Impact of Curiosity-Enhancing Interventions. Current Psychology, 42, 20374–20384. DOI: https://doi.org/10.1007/s12144-022-03107-w. — Intervenções aumentam curiosidade, mas isso não demonstra aprendizagem ou retenção.
14. Charpentier, C. J., Bromberg-Martin, E. S., & Sharot, T. (2018). Valuation of Knowledge and Ignorance in Mesolimbic Reward Circuitry. Proceedings of the National Academy of Sciences, 115, E7255–E7264. DOI: https://doi.org/10.1073/pnas.1800547115. — Mostra valor e valência da informação; o paradigma não é de aprendizagem.
15. Wilson, T. D. (1997). Information Behaviour: An Interdisciplinary Perspective. Information Processing & Management, 33(4), 551–572. DOI: https://doi.org/10.1016/S0306-4573(97)00028-9. — Define busca como comportamento contextual, mais amplo que consulta.
16. Kuhlthau, C. C. (1991). Inside the Search Process: From the User’s Perspective. Journal of the American Society for Information Science, 42(5), 361–371. DOI: https://doi.org/10.1002/(SICI)1097-4571(199106)42:5<361::AID-ASI6>3.0.CO;2-#. — Descreve fases de incerteza, exploração e foco; é modelo de processo, não causalidade demonstrada.
17. Garrison, D. R. (1997). Self-Directed Learning: Toward a Comprehensive Model. Adult Education Quarterly, 48(1), 18–33. DOI: https://doi.org/10.1177/074171369704800103. — Sustenta a visão multidimensional de aprendizagem autodirigida.
18. Murad, M. H., Coto-Yglesias, F., Varkey, P., et al. (2010). The Effectiveness of Self-Directed Learning in Health Professions Education: A Systematic Review. Medical Education, 44(11). DOI: https://doi.org/10.1111/j.1465-2923.2010.03750.x. — Efeito agregado em conhecimento, mas não em todos os desfechos.
19. Doo, M.-J., & Zhu, M. (2024). A Meta-Analysis of Effects of Self-Directed Learning in Online Learning Environments. Journal of Computer Assisted Learning, 40, 1–20. DOI: https://doi.org/10.1111/jcal.12865. — Mostra efeitos heterogêneos e peso de motivação e automonitoramento.
20. Lazonder, A. W., & Harmsen, R. (2016). Meta-Analysis of Inquiry-Based Learning: Effects of Guidance. Review of Educational Research, 86(3), 681–718. DOI: https://doi.org/10.3102/0034654315627366. — Apoia orientação em inquiry com efeitos d≈0,50–0,71.
21. Furtak, E. M., Seidel, T., Iverson, H., & Briggs, D. C. (2012). Experimental and Quasi-Experimental Studies of Inquiry-Based Science Teaching: A Meta-Analysis. Review of Educational Research, 82(3), 300–329. DOI: https://doi.org/10.3102/0034654312457206. — Favorece inquiry orientado, especialmente com liderança instrucional adequada.
22. Alfieri, L., Brooks, P. J., Aldrich, N. J., & Tenenbaum, H. R. (2011). Does Discovery-Based Instruction Enhance Learning? A Meta-Analysis. Journal of Educational Psychology, 103(1), 1–18. DOI: https://doi.org/10.1037/a0021017. — Distingue descoberta não assistida de descoberta aprimorada.
23. Kirschner, P. A., Sweller, J., & Clark, R. E. (2006). Why Minimal Guidance During Instruction Does Not Work. Educational Psychologist, 41(2), 75–86. DOI: https://doi.org/10.1207/s15326985ep4102_1. — Formula crítica à orientação mínima; usado aqui com a resposta posterior e meta-análises.
24. Hmelo-Silver, C. E., Duncan, R. G., & Chinn, C. A. (2007). Scaffolding and Achievement in Problem-Based and Inquiry Learning. Educational Psychologist, 42(2), 99–107. DOI: https://doi.org/10.1080/00461520701263368. — Diferencia inquiry e PBL com scaffolding de descoberta sem suporte.
25. Marchionini, G. (2006). Exploratory Search: From Finding to Understanding. Communications of the ACM, 49(4), 41–46. DOI: https://doi.org/10.1145/1121949.1121979. — Conceitua busca exploratória como localizar, aprender e investigar.
26. Vakkari, P. (2016). Searching as Learning: A Systematization Based on Literature. Journal of Information Science, 42(1), 7–18. DOI: https://doi.org/10.1177/0165551515615833. — Organiza a relação entre busca e aprendizagem.
27. Medlar, A., Kotkov, D., & Głowacka, D. (2024). Unexplored Frontiers: A Review of Empirical Studies of Exploratory Search. ACM SIGIR Forum. DOI: https://doi.org/10.1145/3687273.3687278; versão aberta: https://arxiv.org/abs/2312.13695. — Mostra foco em protótipos e falta de efeito causal educacional geral.
28. Pirolli, P., & Card, S. K. (1999). Information Foraging. Psychological Review, 106(4), 643–675. DOI: https://doi.org/10.1037/0033-295X.106.4.643. — Base teórica para pistas, custos e navegação.
29. Chi, E. H., Pirolli, P., Chen, K., & Pitkow, J. (2001). Using Information Scent to Model User Information Needs and Actions on the Web. CHI ’01 Proceedings, 490–497. DOI: https://doi.org/10.1145/365024.365325. — Valida predição de ações com dados de navegação, não aprendizagem.
30. Fu, W.-T., & Pirolli, P. (2007). SNIF-ACT: A Cognitive Model of User Navigation on the World Wide Web. Human–Computer Interaction, 22, 355–412. DOI: https://doi.org/10.1080/07370020701638806. — Modela escolha e navegação na web; não mede aprendizagem em si.
31. Fisher, M., Smiley, A. H., & Grillo, T. L. H. (2022). Information without Knowledge: The Effects of Internet Search on Learning. Memory, 30(4), 375–387. DOI: https://doi.org/10.1080/09658211.2021.1882501. — Mostra que busca online pode coexistir com retenção interna pior e confiança igual ou maior.
32. Ghosh, S., Rath, M., & Shah, C. (2018). Searching as Learning: Exploring Search Behavior and Learning Outcomes in Learning-related Tasks. CHIIR ’18 Proceedings, 22–31. DOI: https://doi.org/10.1145/3176349.3176386. — Mostra coexistência condicional entre comportamento de busca e aprendizagem.
33. Pennanen, M., & Vakkari, P. (2003). Students’ Conceptual Structure, Search Process, and Outcome While Preparing a Research Proposal: A Longitudinal Case Study. Journal of the American Society for Information Science and Technology, 54, 759–770. DOI: https://doi.org/10.1002/asi.10273. — Associa cobertura conceitual e termos novos ao sucesso em caso longitudinal; não é ensaio causal.
34. Lazonder, A. W., Hagemans, M. G., & de Jong, T. (2010). Offering and Discovering Domain Information in Simulation-Based Inquiry Learning. Learning and Instruction, 20(6), 511–520. DOI: https://doi.org/10.1016/j.learninstruc.2009.08.001. — Mostra efeito de oferecer e descobrir informação de domínio em inquiry.
35. Lazonder, A. W., Wilhelm, P., & Hagemans, M. G. (2008). The Influence of Domain Knowledge on Strategy Use During Simulation-Based Inquiry Learning. Learning and Instruction, 18(6), 580–592. DOI: https://doi.org/10.1016/j.learninstruc.2007.12.001. — Evidencia que conhecimento de domínio altera estratégia de investigação.
36. Liu, Y., Qin, C., Wang, Y., & Ma, X. (2024). Exploratory Search in Information Systems: A Systematic Review. The Electronic Library, 42(2), 308–339. DOI: https://doi.org/10.1108/EL-11-2023-0264. — Revisão de frameworks, fatores, desenho e métricas de busca exploratória.
37. Roediger, H. L. III, & Karpicke, J. D. (2006). Test-Enhanced Learning: Taking Memory Tests Improves Long-Term Retention. Psychological Science, 17, 249–255. DOI: https://doi.org/10.1111/j.1467-9280.2006.01693.x. — Demonstra vantagem de recuperação para retenção tardia frente a reestudo.
38. Karpicke, J. D., & Roediger, H. L. III. (2007). Expanding Retrieval Practice Promotes Short-Term Retention, but Equally Spaced Retrieval Enhances Long-Term Retention. Journal of Experimental Psychology: Learning, Memory, and Cognition, 33, 704–719. URL: https://learninglab.psych.purdue.edu/downloads/2007/2007_Karpicke_Roediger_JEPLMC.pdf. — Distingue expansão e espaçamento uniforme por horizonte temporal.
39. Latimier, A., Peyre, H., & Ramus, F. (2021). A Meta-Analytic Review of the Benefit of Spacing Out Retrieval Practice Episodes on Retention. Educational Psychology Review, 33, 959–987. DOI: https://doi.org/10.1007/s10648-020-09572-8. — Estima benefício robusto do espaçamento, sem superioridade média da expansão.
40. Rowland, C. A. (2014). The Effect of Testing versus Restudy on Retention: A Meta-Analytic Review of the Testing Effect. Psychological Bulletin, 140, 1432–1463. DOI: https://doi.org/10.1037/a0037559. — Sintetiza o efeito de teste e suas condições.
41. Pan, S. C., & Rickard, T. C. (2018). Transfer of Test-Enhanced Learning: Meta-Analytic Review and Synthesis. Psychological Bulletin, 144, 710–756. DOI: https://doi.org/10.1037/bul0000151. — Mostra transferência positiva, porém seletiva e moderada pelo formato.
42. Rawson, K. A., & Zamary, A. (2019). Why Is Free Recall Practice More Effective than Recognition Practice for Enhancing Memory? Journal of Memory and Language, 105, 141–152. DOI: https://doi.org/10.1016/j.jml.2019.01.002. — Apoia maior eficácia da recordação livre em comparação com reconhecimento em condições estudadas.
43. Carpenter, S. K., & DeLosh, E. L. (2006). Impoverished Cue Support Enhances Subsequent Retention: Support for the Elaborative Retrieval Explanation of the Testing Effect. Memory & Cognition, 34, 268–276. DOI: https://doi.org/10.3758/BF03193405. — Relaciona pistas reduzidas e recuperação elaborativa a retenção posterior.
44. Agarwal, P. K., Nunes, L. D., & Blunt, J. R. (2021). Retrieval Practice Consistently Benefits Student Learning: A Systematic Review of Applied Research in Schools and Classrooms. Educational Psychology Review. DOI: https://doi.org/10.1007/s10648-021-09595-9. — Revisão aplicada majoritariamente favorável, com heterogeneidade e limites de representação.
45. Carpenter, S. K., Pan, S. C., & Butler, A. C. (2022). The Science of Effective Learning with Spacing and Retrieval Practice. Nature Reviews Psychology, 1, 496–511. DOI: https://doi.org/10.1038/s44159-022-00089-1. — Síntese de espaçamento, recuperação, feedback e desenho de prática.
46. Chi, M. T. H., Bassok, M., Lewis, M. W., Reimann, P., & Glaser, R. (1989). Self-Explanations: How Students Study and Use Examples in Learning to Solve Problems. Cognitive Science, 13, 145–182. DOI: https://doi.org/10.1207/s15516709cog1302_1. — Relaciona qualidade e quantidade de autoexplicações a aprendizagem de exemplos; resultado espontâneo é correlacional.
47. Chi, M. T. H., de Leeuw, N., Chiu, M.-H., & LaVancher, C. (1994). Eliciting Self-Explanations Improves Understanding. Cognitive Science, 18, 439–477. DOI: https://doi.org/10.1207/s15516709cog1803_3. — Experimento com prompts que apoia efeito causal contextualizado de autoexplicação.
48. Renkl, A. (1997). Learning from Worked-Out Examples: A Study on Individual Differences. Cognitive Science, 21, 1–29. DOI: https://doi.org/10.1207/s15516709cog2101_1. — Relaciona explicações baseadas em princípios e ganho; é evidência preditiva, não intervenção universal.
49. Bisra, K., Liu, Q., Nesbit, J. C., Salimi, F., & Winne, P. H. (2018). Inducing Self-Explanation: A Meta-Analysis. Educational Psychology Review, 30, 703–725. DOI: https://doi.org/10.1007/s10648-018-9434-x. — Meta-análise de prompts com efeito médio g≈0,55 e moderadores importantes.
50. Ainsworth, S. E., & Burcham, S. (2007). The Impact of Text Coherence on Learning by Self-Explanation. Learning and Instruction, 17, 286–303. DOI: https://doi.org/10.1016/j.learninstruc.2007.02.004. — Mostra que coerência textual e autoexplicação podem compensar-se sem regra de que mais explicações sempre melhoram.
51. van Peppen, L. M., Verkoeijen, P. P. J. L., Heijltjes, A. E. G., Janssen, E. M., Koopmans, D., & van Gog, T. (2018). Effects of Self-Explaining on Learning and Transfer of Critical Thinking Skills. Frontiers in Education, 3, 100. DOI: https://doi.org/10.3389/feduc.2018.00100. — Mostra que prompts não acrescentam sempre benefício quando instrução e prática já são fortes.
52. Lachner, A., Jacob, L., & Hoogerheide, V. (2021). Learning by Writing Explanations: Is Explaining to a Fictitious Student More Effective than Self-Explaining? Learning and Instruction, 74, 101438. DOI: https://doi.org/10.1016/j.learninstruc.2020.101438. — Encontra efeitos nulos ou dependentes de contexto e modalidade; meta-análise cumulativa favorece oralidade sobre escrita.
53. Endres, T., Carpenter, S., Martin, A., & Renkl, A. (2017). Enhancing Learning by Retrieval: Enriching Free Recall with Elaborative Prompting. Learning and Instruction, 49, 13–20. DOI: https://doi.org/10.1016/j.learninstruc.2016.11.010. — Mostra que recordar e acrescentar exemplos pessoais pode ampliar elaboração e compreensão após uma semana.
54. Bertsch, S., Pesta, B. J., Wiscott, R., & McDaniel, M. A. (2007). The Generation Effect: A Meta-Analytic Review. Memory & Cognition, 35, 201–210. DOI: https://doi.org/10.3758/BF03193441. — Estima efeito de geração; gerar sinônimos não equivale a autoexplicar ou construir modelos.
55. Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving Students’ Learning With Effective Learning Techniques. Psychological Science in the Public Interest, 14, 4–58. DOI: https://doi.org/10.1177/1529100612453266. — Classifica autoexplicação e interrogatório elaborativo como úteis, mas menos generalizáveis que teste e prática distribuída.
56. Fiorella, L., & Mayer, R. E. (2016). Eight Ways to Promote Generative Learning. Educational Psychology Review, 28, 717–741. DOI: https://doi.org/10.1007/s10648-015-9348-9. — Organiza atividades generativas como explicar, resumir, mapear e ensinar.
57. Fiorella, L. (2023). Making Sense of Generative Learning. Educational Psychology Review, 35, article 50. DOI: https://doi.org/10.1007/s10648-023-09769-7. — Atualiza a visão de modos complementares e barreiras do aprendizado generativo.
58. Lawson, A. P., & Mayer, R. E. (2024). Generative Learning Activities for Online Multimedia Learning: When Summarizing Is Effective but Drawing Is Not. Frontiers in Psychology, 15, 1452385. DOI: https://doi.org/10.3389/fpsyg.2024.1452385. — Mostra dependência da modalidade: resumir superou controle, desenhar não.
59. Brod, G. (2021). Generative Learning: Which Strategies for What Age? Educational Psychology Review, 33, 1295–1318. DOI: https://doi.org/10.1007/s10648-020-09571-9. — Revisa diferenças etárias e dependência de raciocínio, monitoramento e conhecimento prévio.
60. Chase, C. C., Chin, D. B., Oppezzo, M. A., & Schwartz, D. L. (2009). Teachable Agents and the Protégé Effect: Increasing the Effort Towards Learning. Journal of Science Education and Technology, 18, 334–352. DOI: https://doi.org/10.1007/s10956-009-9180-4. — Exemplo clássico de responsabilidade por um agente; não equivale a toda explicação.
61. Nestojko, J. F., Bui, D. C., Kornell, N., & Bjork, E. L. (2014). Expecting to Teach Enhances Learning and Organization of Knowledge in Free Recall of Text Passages. Memory & Cognition, 42, 1038–1048. DOI: https://doi.org/10.3758/s13421-014-0416-z. — Expectativa de ensinar melhora completude e organização da recordação em condições específicas.
62. Fiorella, L., & Mayer, R. E. (2013). The Relative Benefits of Learning by Teaching and Teaching Expectancy. Contemporary Educational Psychology, 38(4), 281–288. DOI: https://doi.org/10.1016/j.cedpsych.2013.06.001. — Diferencia preparar-se para ensinar de ensinar efetivamente e mostra efeitos distintos no atraso.
63. Hoogerheide, V., Deijkers, L., Loyens, S. M. M., Heijltjes, A., & van Gog, T. (2016). Gaining from Explaining: Learning Improves from Explaining to Fictitious Others on Video, Not from Writing to Them. Contemporary Educational Psychology, 44–45, 95–106. DOI: https://doi.org/10.1016/j.cedpsych.2016.02.005. — Mostra que modalidade e produção podem alterar o efeito de explicar.
64. Wang, Y., Lin, L., & Chen, O. (2021). The Benefits of Teaching on Comprehension, Motivation, and Perceived Difficulty. British Journal of Educational Psychology, 91(4), 1275–1290. DOI: https://doi.org/10.1111/bjep.12416. — Ensino imaginado e ensino real não produziram o mesmo perfil de benefício imediato e tardio.
65. Roscoe, R. D., & Chi, M. T. H. (2008). Tutor Learning: The Role of Explaining and Responding to Questions. Instructional Science, 36, 321–350. DOI: https://doi.org/10.1007/s11251-007-9034-5. — Mostra que tutores aprendem mais ao inferir, monitorar, reparar e elaborar do que apenas contar conhecimento.
66. Kobayashi, K. (2024). Interactive Learning Effects of Preparing to Teach and Teaching: A Meta-Analytic Approach. Educational Psychology Review, 36, article 26. DOI: https://doi.org/10.1007/s10648-024-09871-4. — Estima efeitos pequenos e dependentes de expectativa e ato de ensinar.
67. Hamilton, A. F. de C., & Lind, F. (2016). Audience Effects: What Can They Tell Us About Social Neuroscience, Theory of Mind and Autism? Culture and Brain, 4, 159–177. DOI: https://doi.org/10.1007/s40167-016-0044-5. — Diferencia audiência, presença e coação; audiência pode ajudar ou atrapalhar conforme tarefa e pessoa.
68. Yang, C., Zhao, W., Yuan, B., Luo, L., Shanks, D. R., et al. (2023). Mind the Gap Between Comprehension and Metacomprehension: Meta-Analysis of Metacomprehension Accuracy and Intervention Effectiveness. Review of Educational Research, 93(2), 143–194. DOI: https://doi.org/10.3102/00346543221094083. — Estima monitoramento fraco e mostra que geração de perguntas não calibra automaticamente.
69. Janssen, N., & Lazonder, A. W. (2024). Meta-Analysis of Interventions for Monitoring Accuracy in Problem Solving. Educational Psychology Review, 36, article 96. DOI: https://doi.org/10.1007/s10648-024-09936-4. — Encontra efeito pequeno e heterogêneo das intervenções sobre acurácia de monitoramento.
70. Kedrick, K., Schrater, P., & Koutstaal, W. (2023). The Multifaceted Role of Self-Generated Question Asking in Curiosity-Driven Learning. Cognitive Science, 47(4), e13253. DOI: https://doi.org/10.1111/cogs.13253. — Relaciona perguntas autogeradas a curiosidade, forrageamento e memória, sem afirmar causalidade.
71. McEldoon, K. L., Durkin, K., & Rittle-Johnson, B. (2013). Is Self-Explanation Worth the Time? A Comparison to Additional Practice. British Journal of Educational Psychology, 83(4), 615–632. DOI: https://doi.org/10.1111/j.2044-8279.2012.02083.x. — Mostra vantagem pequena e específica de autoexplicação sobre prática adicional em crianças.
72. Mills, C. M., & Keil, F. C. (2004). Knowing the Limits of One’s Understanding: The Development of an Awareness of an Illusion of Explanatory Depth. Journal of Experimental Child Psychology, 87(1), 1–32. DOI: https://doi.org/10.1016/j.jecp.2003.09.003. — Explicar pode reduzir julgamentos de compreensão, revelando profundidade ilusória.
73. Danovitch, J. H., Mills, C. M., Sands, K. R., & Williams, A. J. (2021). Mind the Gap: How Incomplete Explanations Influence Children’s Interest and Learning Behaviors. Cognitive Psychology, 130, 101421. DOI: https://doi.org/10.1016/j.cogpsych.2021.101421. — Explicações incompletas aumentaram escolha de livros, mas não busca seletiva em todos os indicadores.
74. Frazier, B. N., Gelman, S. A., & Wellman, H. M. (2009). Preschoolers’ Search for Explanatory Information Within Adult–Child Conversation. Child Development, 80(6), 1592–1611. DOI: https://doi.org/10.1111/j.1467-8624.2009.01356.x. — Mostra re-perguntas e busca de explicações em conversação infantil.
75. Legare, C. H. (2012). Exploring Explanation: Explaining Inconsistent Evidence Informs Exploratory, Hypothesis-Testing Behavior in Young Children. Child Development, 83(1), 173–185. DOI: https://doi.org/10.1111/j.1467-8624.2011.01691.x. — Relaciona evidência inconsistente, explicação e exploração orientada por hipóteses.
76. Misanin, J. R., Miller, R. R., & Lewis, D. J. (1968). Retrograde Amnesia Produced by Electroconvulsive Shock After Reactivation of a Consolidated Memory Trace. Science, 160(3827), 554–555. DOI: https://doi.org/10.1126/science.160.3827.554. — Evidência animal histórica de dependência da amnésia em relação à reativação.
77. Nader, K., Schafe, G. E., & LeDoux, J. E. (2000). Fear Memories Require Protein Synthesis in the Amygdala for Reconsolidation After Retrieval. Nature, 406, 722–726. DOI: https://doi.org/10.1038/35021052. — Evidência animal mecanística de síntese proteica após recuperação de memória de medo.
78. Hupbach, A., Gomez, R., Hardt, O., & Nadel, L. (2007). Reconsolidation of Episodic Memories: A Subtle Reminder Triggers Integration of New Information. Learning & Memory, 14, 47–53. DOI: https://doi.org/10.1101/lm.365707. — Mostra integração e intrusões após lembrete; resultado compatível, mas não específico, com reconsolidação.
79. Forcato, C., Rodríguez, M. L. C., Pedreira, M. E., & Maldonado, H. (2010). Reconsolidation in Humans Opens Up Declarative Memory to the Entrance of New Information. Neurobiology of Learning and Memory, 93, 77–84. DOI: https://doi.org/10.1016/j.nlm.2009.08.006. — Evidência humana de integração pós-lembrança, sem diagnóstico mecanístico isolado.
80. Schiller, D., Monfils, M.-H., Raio, C. M., Johnson, D. C., LeDoux, J. E., & Phelps, E. A. (2010). Preventing the Return of Fear in Humans Using Reconsolidation Update Mechanisms. Nature, 463, 49–53. DOI: https://doi.org/10.1038/nature08637. — Relata reativação seguida de extinção com redução de retorno do medo; o resultado foi posteriormente questionado.
81. Sevenster, D., Beckers, T., & Kindt, M. (2014). Prediction Error Demarcates the Transition from Retrieval, to Reconsolidation, to New Learning. Learning & Memory, 21, 580–584. DOI: https://doi.org/10.1101/lm.035493.114. — Apoia erro de previsão como condição de fronteira em medo condicionado.
82. Bos, M. G. N., Beckers, T., & Kindt, M. (2014). Noradrenergic Blockade of Memory Reconsolidation: A Failure to Reduce Conditioned Fear Responding. Frontiers in Behavioral Neuroscience, 8, 412. DOI: https://doi.org/10.3389/fnbeh.2014.00412. — Resultado nulo que limita a generalização de intervenção pós-reativação.
83. Kredlow, M. A., Unger, L. D., & Otto, M. W. (2016). Harnessing Reconsolidation to Weaken Fear and Appetitive Memories: A Meta-Analysis of Post-Retrieval Extinction Effects. Psychological Bulletin, 142, 314–336. DOI: https://doi.org/10.1037/bul0000034. — Meta-análise com efeito humano pequeno a moderado e resultado animal não significativo para medo.
84. Elsey, J. W. B., Van Ast, V. A., & Kindt, M. (2018). Human Memory Reconsolidation: A Guiding Framework and Critical Review of the Evidence. Psychological Bulletin, 144, 797–848. DOI: https://doi.org/10.1037/bul0000152. — Revisão crítica das condições, limites e explicações alternativas em humanos.
85. Beckers, T., & Kindt, M. (2017). Memory Reconsolidation Interference as an Emerging Treatment for Emotional Disorders. Annual Review of Clinical Psychology, 13, 99–121. DOI: https://doi.org/10.1146/annurev-clinpsy-032816-045209. — Apresenta potencial e limites translacionais da interferência de reconsolidação.
86. Treanor, M., Brown, L. A., Rissman, J., & Craske, M. G. (2017). Can Memories of Traumatic Experiences or Addiction Be Erased or Modified? Perspectives on Psychological Science, 12, 290–305. DOI: https://doi.org/10.1177/1745691616664725. — Revisa criticamente alegações de apagar ou modificar memórias humanas.
87. Chalkia, A., Van Oudenhove, L., & Beckers, T. (2020). Preventing the Return of Fear in Humans Using Reconsolidation Update Mechanisms: A Verification Report of Schiller et al. (2010). Cortex, 129, 510–525. DOI: https://doi.org/10.1016/j.cortex.2020.03.031. — Verificação registrada que encontrou dependência em exclusões e análises específicas.
88. Chalkia, A., Schroyens, N., Leng, L., Vanhasbroeck, N., Zenses, A.-K., Van Oudenhove, L., & Beckers, T. (2020). No Persistent Attenuation of Fear Memories in Humans: A Direct Replication of the Reactivation-Extinction Effect. Cortex, 129, 496–509. DOI: https://doi.org/10.1016/j.cortex.2020.04.017. — Replicação direta sem benefício persistente sobre extinção comum.
89. Jardine, K. H., Huff, A. E., Wideman, C. E., McGraw, S. D., & Winters, B. D. (2022). The Evidence for and Against Reactivation-Induced Memory Updating in Humans and Nonhuman Animals. Neuroscience & Biobehavioral Reviews, 136, 104598. DOI: https://doi.org/10.1016/j.neubiorev.2022.104598. — Síntese de evidência favorável e contrária a atualização induzida por reativação.
90. Kiley, C., & Parks, C. M. (2022). Mechanisms of Memory Updating: State Dependency vs. Reconsolidation. Journal of Cognition, 5(1), Article 7. DOI: https://doi.org/10.5334/joc.198. — Mostra dependência de estado como alternativa mecanística importante.
91. Astill Wright, L., Horstmann, L., Holmes, E. A., & Bisson, J. I. (2021). Consolidation/Reconsolidation Therapies for the Prevention and Treatment of PTSD and Re-Experiencing: A Systematic Review and Meta-Analysis. Translational Psychiatry, 11, 453. DOI: https://doi.org/10.1038/s41398-021-01570-w. — Reforça cautela clínica por risco de viés elevado e poucos protocolos superiores ao controle.
92. Pedaste, M., Mäeots, M., Siiman, L. A., de Jong, T., van Riesen, S. A. N., Kamp, E. T., Manoli, C. C., Zacharia, Z. C., & Tsourlidaki, E. (2015). Phases of Inquiry-Based Learning: Definitions and the Inquiry Cycle. Educational Research Review, 14, 47–61. DOI: https://doi.org/10.1016/j.edurev.2015.02.003. — Organiza fases de orientação, conceptualização, investigação, conclusão e discussão.
93. Kuhlthau, C. C., Heinström, J., & Todd, R. J. (2008). The Information Search Process Revisited: Is the Model Still Useful? Information Research, 13(4), paper 355. URL: https://informationr.net/ir/13-4/paper355.html. — Atualiza o modelo de processo de busca e sua utilidade descritiva.
94. St. Hilaire, K. J., Chan, J. C. K., & Ahn, D. (2024). Guessing as a Learning Intervention: A Meta-Analytic Review of the Prequestion Effect. Psychonomic Bulletin & Review, 31, 411–441. DOI: https://doi.org/10.3758/s13423-023-02353-8. — Distingue efeito específico de prequestions de efeito geral quase nulo.
95. Adesope, O. O., Trevisan, D. A., & Sundararajan, N. (2017). Rethinking the Use of Tests: A Meta-Analysis of Practice Testing. Review of Educational Research, 87(3), 659–701. DOI: https://doi.org/10.3102/0034654316689306. — Meta-análise ampla do teste como prática de aprendizagem.
96. Murayama, K., Miyatsu, T., Buchli, D., & Storm, B. C. (2014). Forgetting as a Consequence of Retrieval: A Meta-Analytic Review of Retrieval-Induced Forgetting. Psychological Bulletin, 140(5), 1383–1409. DOI: https://doi.org/10.1037/a0037505. — Lembra que recuperação seletiva também pode reduzir acesso a itens relacionados.
97. Kapur, M. (2010). Productive Failure in Mathematical Problem Solving. Instructional Science, 38, 523–550. DOI: https://doi.org/10.1007/s11251-009-9093-x. — Exemplo de productive failure em matemática; não generaliza automaticamente para outros domínios.
98. Sinha, T., & Kapur, M. (2021). When Problem Solving Followed by Instruction Works: Evidence for Productive Failure. Review of Educational Research, 91(5). DOI: https://doi.org/10.3102/00346543211019105. — Meta-análise de productive failure com efeito condicionado por domínio e desenho.
99. Nachtigall, V., Serova, K., & Rummel, N. (2020). When Failure Fails to Be Productive: Probing the Effectiveness of Productive Failure for Learning Beyond STEM Domains. Instructional Science, 48, 651–697. DOI: https://doi.org/10.1007/s11251-020-09525-2. — Mostra limite de generalização fora de STEM.
100. Darabi, A., Arrington, T. L., & Sayilir, E. (2018). Learning from Failure: A Meta-Analysis of the Empirical Studies. Educational Technology Research and Development, 66, 1101–1118. DOI: https://doi.org/10.1007/s11423-018-9579-9. — Meta-análise que registra poucos estudos experimentais utilizáveis e heterogeneidade.
101. Scardamalia, M., & Bereiter, C. (2006). Knowledge Building: Theory, Pedagogy, and Technology. In R. K. Sawyer, The Cambridge Handbook of the Learning Sciences, 97–118. URL: https://ikit.org/fulltext/2006_KBTheory.pdf. — Modelo organizador de avanço comunitário; não garante aprendizagem individual.
102. Panadero, E. (2017). A Review of Self-Regulated Learning: Six Models and Four Directions for Research. Frontiers in Psychology, 8, 422. DOI: https://doi.org/10.3389/fpsyg.2017.00422. — Oferece modelos de autorregulação para organizar monitoramento e controle.
103. Tinajero, C., Mayo, M. E., Villar, E., & Martínez-López, Z. (2024). Classic and Modern Models of Self-Regulated Learning: Integrative and Componential Analysis. Frontiers in Psychology, 15, 1307574. DOI: https://doi.org/10.3389/fpsyg.2024.1307574. — Analisa componentes e modelos contemporâneos de aprendizagem autorregulada.