Identificación de los requerimientos cognitivos para el aprendizaje de las tareas en el proceso de inducción en los operarios de producto terminado
Cargando...
Archivos
Fecha
2023
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
Introducción: La ergonomía cognitiva es una disciplina que se centra en mejorar los entornos laborales, enfocados en comprender y optimizar la interacción entre los colaboradores, el entorno en el que se desempeñan en los sistemas de trabajo con el fin de mejorar el rendimiento de las personas en los contextos de las organizaciones.
Objetivo: La presente investigación busca identificar cuáles son los requerimientos cognitivos necesarios para el aprendizaje de las tareas y los modelos de aprendizaje, en el proceso de inducción que reciben los operarios del área de producto terminado.
Metodología: Se realizó un estudio descriptivo de manera independiente en bases de datos indexadas con las variables identificadas para el análisis de los requerimientos cognitivos, para el aprendizaje de las tareas en el proceso de inducción en operarios.
Resultados: Se encontraron diferentes procesos mentales que son indispensables a la hora de lograr el aprendizaje de las tareas dentro del proceso de inducción, como lo son la atención, concentración, percepción, emoción, sensación, memoria, el aprendizaje, el lenguaje y el pensamiento; en los modelos de aprendizaje los que se evidencia que pueden llegar a ser más pertinentes para las etapas a desarrollar son los basados en la construcción del conocimiento, la experiencia y los canales de percepción de la información.
Conclusiones: Se clasificaron los procesos mentales y modelos de aprendizaje que se requieren para la realización de las tareas de producto terminado pequeños diámetros y producto terminado conexiones, los cuales ofrecen enfoques adaptables para la formación de operarios, la construcción del conocimiento no solo implica la asimilación, sino la aplicación práctica de información, vital en un entorno laboral dinámico, la valorización de la experiencia y la adaptación de los canales de percepción reflejan un enfoque personalizado y centrado en el individuo.
Descripción
Abstract
Introduction: Cognitive ergonomics is a discipline that focuses on improving work environments, aiming to understand and optimize the interaction between collaborators, the environment in which they operate, and work systems in order to enhance the performance of individuals within organizational contexts.
Objective: This research aims to identify the cognitive requirements necessary for learning tasks and learning models in the induction process received by operators in the finished product area.
Methodology: A descriptive study was independently conducted on indexed databases using identified variables for the analysis of cognitive requirements in the learning of tasks during the induction process for operators.
Results: Various mental processes essential for achieving task learning within the induction process were identified, including attention, concentration, perception, emotion, sensation, memory, learning, language, and thinking. In learning models, those based on knowledge construction, experience, and channels of information perception were found to be more relevant for the stages to be developed.
Conclusions: Mental processes and learning models required for the performance of tasksm related to small diameter finished products and finished product connections were classified. These provide adaptable approaches for operator training. Knowledge construction involves not only assimilation but also the practical application of information, crucial in a dynamic work environment. The appreciation of experience and the adaptation of perception channels reflect a personalized and individual-centered approach.
Palabras clave
Ergonomía cognitiva, Aprendizaje, Procesos mentales, Entrenamiento, Inducción, Modelos de aprendizaje
Keywords
Cognitive ergonomics, Learning, Mental processes, Training, Induction, Learning models