Making Signals Visible: Inattention, Beliefs, and Educational Policy

Making Signals Visible: Inattention, Beliefs, and Educational Policy

Tornando os Sinais Visíveis: Desatenção, Crenças e Política Educacional

Hacer Visibles las Señales: Desatención, Creencias y Política Educativa

Gabriel Inchausti

May 28, 2026

English Version

Introduction

The ideas people form about the world shape what they are prepared to hear from it. Mental models operate as lenses: they make some signals visible, render others irrelevant, and condition which pieces of reality are allowed to enter attention in the first place. For this reason, beliefs can reproduce themselves not only by affecting how evidence is interpreted, but also by shaping which evidence is noticed at all.

Education is a particularly relevant domain in which to observe these mechanisms because many educational signals are ambiguous, cumulative, and slow to reveal their consequences. Parents, students, and teachers must interpret effort, disengagement, self-efficacy, or future opportunities under conditions where feedback is delayed and causal relationships are often difficult to observe directly. The problem is not always that relevant information is absent, but that individuals fail to direct enough attention to it. The attention literature helps us understand why this may occur: attention is scarce, context-dependent, shaped by prior beliefs, and often costly to allocate toward uncomfortable information.

Rational, Behavioral, and Belief-Driven Attention

Rational inattention starts from the idea that attention is a scarce resource: agents have limited capacity to process information and must therefore decide which signals deserve attention. From this perspective, imperfect information can be understood as the result of an attention-allocation problem, where agents selectively acquire, process, and incorporate signals into their decisions (Sims, 2003; Maćkowiak et al., 2023).

Limited attention also offers a way to understand why behavior may depart from full rationality. If information is costly to process, individuals may ignore weak signals, respond slowly to new information, or maintain sticky patterns of behavior. Neurobiological evidence suggests that relaxing attentional constraints pharmacologically can render decisions more consistent with rationality (Chung et al., 2025).

Attention is also shaped by salience and by the context in which decisions are made. Households and firms tend to pay more attention to macroeconomic variables when those variables become more salient in their environment, particularly in more volatile contexts (Benchimol et al., 2025). Attention, from this perspective, is not only scarce; it is also responsive to salience and informational availability.

Prior beliefs may also affect how much attention individuals devote to new information. Individuals who perceive their judgments as already precise (overprecision) may devote less attention to incoming signals and therefore update less, especially when attentional costs are high (Bosch-Rosa et al., 2026).

Taken together, these approaches point to a common idea: beliefs do not only update after evidence arrives; they may also shape which evidence arrives in the first place.

Beliefs, Attention, and Self-Sealed Traps

Another way to understand the link between inattention and beliefs is to focus on the costs associated with processing information. Cunha et al. (2026) propose that parental beliefs shape both attention to child cues and what parents do in response to them. In their framework, failures of attention reflect the psychological and practical costs of recognizing what a signal implies. Beliefs about responsive parenting affect how much parents observe, which signals they detect, and how they respond.

Some signals may be relevant but psychologically costly to process. Attending to them may generate guilt, identity threat, frustration, or a sense of incapacity. Under these conditions, individuals may avoid information that would otherwise help update their beliefs. Cunha et al. (2026) describe a self-sealed trap in which beliefs shape the evidence individuals attend to, and that same evidence later reinforces those beliefs.

Costs associated with information processing include the burden of interpreting what a signal means and the expected cost of the action it may require. In educational settings, students or families may fail to update their beliefs because identifying a problem, interpreting its implications, and recognizing the next step are cognitively or psychologically costly. Interventions that reduce these costs and provide simple, feasible guidance for action may therefore help generate behavioral change.

Policy Implications

Building on the idea that attention depends partly on the costs of acquiring and processing information, Cunha et al. (2026) point to several channels through which interventions may affect behavior. Interventions may use these channels to reduce the psychological barriers that prevent behavioral change.

Viewed as tools for intervention, four channels are particularly relevant for educational policy. Signal clarification involves translating abstract constructs such as disengagement, absenteeism, self-efficacy, or emotional difficulties into concrete and observable cues. Interpretive support involves clarifying different mechanisms behind educational difficulties. Actionable guidance involves linking recognized problems to feasible next steps. Psychological safety involves framing difficulties as specific and improvable rather than as evidence of failure or incapacity.

Taken together, these channels shift the role of policy from information provision to barrier reduction. The objective is to make educational signals easier to notice, easier to interpret, less threatening to acknowledge, and easier to act upon. The corollary is that behavioral change may fail not only because people lack information, but because psychological barriers prevent them from registering what that information implies and acting on it. Interventions built around these channels may be powerful precisely because they lower the barriers that stand between available signals and behavior change.

School absenteeism provides a useful example of these dynamics. Families and students may observe absences without interpreting them as signals of progressive disengagement. Small interruptions are often perceived as isolated and reversible events rather than as part of an accumulating process of continuity loss. Over time, discontinuities may become normalized, corrective action may be delayed, and disengagement may increasingly appear difficult to reverse.

Under these conditions, absenteeism may remain informationally invisible even when the underlying behavior is directly observable. Interventions can therefore operate by reducing the costs associated with detecting, interpreting, and responding to absenteeism signals. Continuity trackers, accumulated absence indicators, or early-warning systems can make deterioration more visible. Diagnostic and conversational supports can help families interpret disengagement patterns, while structured catch-ups, gradual reintegration plans, or personalized supports can reduce the perceived difficulty of acting on those signals.

Artificial intelligence may be particularly useful in this context because it can reduce the cognitive and psychological costs associated with educational decision-making. Conversational systems can help individuals identify relevant signals, interpret patterns that would otherwise remain ambiguous, and translate those signals into feasible actions. In educational settings, AI-assisted systems may support continuity monitoring, personalized catch-ups, growth-mindset interventions, or reintegration processes while lowering the costs of attention, interpretation, and action. Their contribution is not simply automation, but the possibility of making educational difficulties more interpretable, actionable, and psychologically manageable at scale.

Conclusion

The discussion developed here highlights the value of thinking about educational interventions through the joint lens of mental models and attention. The ideas presented in this note suggest that attention is shaped not only by informational scarcity or cognitive limitations, but also by the simplified causal representations through which individuals interpret educational experiences, difficulties, and opportunities.

This note speaks to the literature on mental models emphasizing how individuals rely on structured systems of causal beliefs to interpret observations and guide action (Ambuehl et al., 2026). It also relates to theories of categorization and attention suggesting that the way individuals classify a problem shapes which signals become cognitively salient (Bordalo et al., 2025). In educational settings, these representations may also influence perceived probabilities of success, self-assessments, aspirations, and intended effort (Hübsch et al., 2026).

Some educational difficulties may become self-reinforcing not only because of material constraints, but also because certain mental models reduce attention to signals that could motivate behavioral change.

If attention and interpretation are partially shaped by mental models, interventions may operate not only by providing information, but also by reducing the cognitive and psychological costs associated with recognizing problems, interpreting signals, and identifying feasible actions.

Tools capable of making signals more visible, interpretable, and actionable—including AI-assisted supports—may therefore contribute not simply by transmitting information, but by helping students, families, and institutions sustain attention toward possibilities of continuity, recovery, and re-engagement before educational difficulties become self-sealing.

Versão em Português

Introdução

As ideias que as pessoas formam sobre o mundo moldam aquilo que elas estão preparadas para perceber nele. Modelos mentais funcionam como lentes: tornam alguns sinais visíveis, fazem com que outros pareçam irrelevantes e condicionam quais partes da realidade conseguem entrar no campo da atenção. Por isso, crenças podem se reproduzir não apenas ao afetar como a evidência é interpretada, mas também ao moldar quais evidências chegam a ser percebidas.

A educação é um domínio particularmente relevante para observar esses mecanismos porque muitos sinais educacionais são ambíguos, cumulativos e demoram a revelar suas consequências. Pais, estudantes e professores precisam interpretar esforço, desengajamento, autoeficácia ou oportunidades futuras em contextos nos quais o feedback é tardio e as relações causais nem sempre são fáceis de observar diretamente. O problema nem sempre é a ausência de informação relevante, mas a dificuldade de direcionar atenção suficiente a ela. A literatura sobre atenção ajuda a entender por que isso pode ocorrer: a atenção é escassa, depende do contexto, é moldada por crenças prévias e frequentemente é custosa quando precisa ser direcionada a informações desconfortáveis.

Atenção Racional, Comportamental e Guiada por Crenças

A literatura sobre desatenção racional parte da ideia de que a atenção é um recurso escasso: os agentes têm capacidade limitada para processar informação e, por isso, precisam decidir quais sinais merecem atenção. Nessa perspectiva, informação imperfeita pode ser entendida como resultado de um problema de alocação de atenção, no qual os agentes adquirem, processam e incorporam sinais de maneira seletiva em suas decisões (Sims, 2003; Maćkowiak et al., 2023).

A atenção limitada também oferece uma forma de entender por que o comportamento pode se afastar da racionalidade plena. Se a informação é custosa de processar, indivíduos podem ignorar sinais fracos, responder lentamente a novas informações ou manter padrões de comportamento persistentes. Evidências neurobiológicas sugerem que reduzir restrições atencionais por meios farmacológicos pode tornar decisões mais consistentes com a racionalidade (Chung et al., 2025).

A atenção também é moldada pela saliência e pelo contexto em que as decisões são tomadas. Famílias e empresas tendem a prestar mais atenção a variáveis macroeconômicas quando essas variáveis se tornam mais salientes em seu ambiente, especialmente em contextos mais voláteis (Benchimol et al., 2025). Nessa perspectiva, a atenção não é apenas escassa; ela também responde à saliência e à disponibilidade informacional.

Crenças prévias também podem afetar quanta atenção os indivíduos dedicam a novas informações. Indivíduos que percebem seus julgamentos como já muito precisos (overprecision) podem dedicar menos atenção a sinais novos e, por isso, atualizar menos suas crenças, especialmente quando os custos de atenção são altos (Bosch-Rosa et al., 2026).

Em conjunto, essas abordagens apontam para uma ideia comum: crenças não são atualizadas apenas depois que a evidência chega; elas também podem moldar quais evidências chegam em primeiro lugar.

Crenças, Atenção e Armadilhas Auto-Seladas

Outra forma de entender a relação entre desatenção e crenças é focar nos custos associados ao processamento de informação. Cunha et al. (2026) propõem que as crenças parentais moldam tanto a atenção aos sinais das crianças quanto o que os pais fazem em resposta a eles. Em seu modelo, falhas de atenção refletem os custos psicológicos e práticos de reconhecer o que um sinal implica. Crenças sobre parentalidade responsiva afetam quanto os pais observam, quais sinais detectam e como respondem a eles.

Alguns sinais podem ser relevantes, mas psicologicamente custosos de processar. Prestar atenção a eles pode gerar culpa, ameaça à identidade, frustração ou uma sensação de incapacidade. Nessas condições, indivíduos podem evitar informações que, de outro modo, ajudariam a atualizar suas crenças. Cunha et al. (2026) descrevem uma armadilha auto-selada na qual as crenças moldam a evidência à qual os indivíduos prestam atenção, e essa mesma evidência depois reforça as crenças iniciais.

Os custos associados ao processamento de informação incluem o esforço de interpretar o que um sinal significa e o custo esperado da ação que ele pode exigir. Em contextos educacionais, estudantes ou famílias podem deixar de atualizar suas crenças porque identificar um problema, interpretar suas implicações e reconhecer o próximo passo são tarefas cognitivamente ou psicologicamente custosas. Intervenções que reduzem esses custos e oferecem orientação simples e viável para a ação podem, portanto, ajudar a gerar mudança comportamental.

Implicações de Política

A partir da ideia de que a atenção depende em parte dos custos de adquirir e processar informação, Cunha et al. (2026) apontam para vários canais pelos quais intervenções podem afetar o comportamento. Intervenções podem usar esses canais para reduzir as barreiras psicológicas que impedem a mudança comportamental.

Vistos como ferramentas de intervenção, quatro canais são particularmente relevantes para a política educacional. Clarificação de sinais envolve traduzir constructos abstratos como desengajamento, absenteísmo, autoeficácia ou dificuldades emocionais em pistas concretas e observáveis. Apoio interpretativo envolve esclarecer diferentes mecanismos por trás das dificuldades educacionais. Orientação acionável envolve conectar problemas reconhecidos a próximos passos viáveis. Segurança psicológica envolve enquadrar dificuldades como específicas e passíveis de melhora, em vez de tratálas como evidência de fracasso ou incapacidade.

Em conjunto, esses canais deslocam o papel da política da provisão de informação para a redução de barreiras. O objetivo é tornar os sinais educacionais mais fáceis de perceber, mais fáceis de interpretar, menos ameaçadores de reconhecer e mais fáceis de transformar em ação. O corolário é que a mudança comportamental pode falhar não apenas porque as pessoas não têm informação, mas porque barreiras psicológicas as impedem de registrar o que essa informação implica e de agir a partir dela. Intervenções construídas em torno desses canais podem ser poderosas precisamente porque reduzem as barreiras que se colocam entre sinais disponíveis e mudança de comportamento.

O absenteísmo escolar oferece um exemplo útil dessas dinâmicas. Famílias e estudantes podem observar faltas sem interpretá-las como sinais de desengajamento progressivo. Pequenas interrupções são muitas vezes percebidas como eventos isolados e reversíveis, e não como parte de um processo acumulativo de perda de continuidade. Com o tempo, as descontinuidades podem se normalizar, a ação corretiva pode ser adiada e o desengajamento pode parecer cada vez mais difícil de reverter.

Nessas condições, o absenteísmo pode permanecer informacionalmente invisível mesmo quando o comportamento subjacente é diretamente observável. Intervenções podem, portanto, operar reduzindo os custos associados a detectar, interpretar e responder aos sinais de absenteísmo. Indicadores de continuidade, marcadores de faltas acumuladas ou sistemas de alerta precoce podem tornar a deterioração mais visível. Apoios diagnósticos e conversacionais podem ajudar as famílias a interpretar padrões de desengajamento, enquanto planos estruturados de recuperação, reintegração gradual ou apoios personalizados podem reduzir a dificuldade percebida de agir sobre esses sinais.

A inteligência artificial pode ser particularmente útil nesse contexto porque pode reduzir os custos cognitivos e psicológicos associados à tomada de decisão educacional. Sistemas conversacionais podem ajudar indivíduos a identificar sinais relevantes, interpretar padrões que de outro modo permaneceriam ambíguos e traduzir esses sinais em ações viáveis. Em contextos educacionais, sistemas assistidos por IA podem apoiar o monitoramento da continuidade, recuperações personalizadas, intervenções de mentalidade de crescimento ou processos de reintegração, ao mesmo tempo em que reduzem os custos de atenção, interpretação e ação. Sua contribuição não é simplesmente a automação, mas a possibilidade de tornar dificuldades educacionais mais interpretáveis, acionáveis e psicologicamente manejáveis em escala.

Conclusão

A discussão desenvolvida aqui destaca o valor de pensar intervenções educacionais a partir da lente conjunta dos modelos mentais e da atenção. As ideias apresentadas nesta nota sugerem que a atenção é moldada não apenas pela escassez informacional ou por limitações cognitivas, mas também pelas representações causais simplificadas por meio das quais os indivíduos interpretam experiências, dificuldades e oportunidades educacionais.

Esta nota dialoga com a literatura sobre modelos mentais, que enfatiza como os indivíduos recorrem a sistemas estruturados de crenças causais para interpretar observações e orientar a ação (Ambuehl et al., 2026). Ela também se relaciona com teorias de categorização e atenção que sugerem que a forma como os indivíduos classificam um problema molda quais sinais se tornam cognitivamente salientes (Bordalo et al., 2025). Em contextos educacionais, essas representações também podem influenciar probabilidades percebidas de sucesso, autoavaliações, aspirações e esforço pretendido (Hübsch et al., 2026).

Algumas dificuldades educacionais podem se tornar autorreforçadoras não apenas por causa de restrições materiais, mas também porque certos modelos mentais reduzem a atenção a sinais que poderiam motivar mudança comportamental.

Se a atenção e a interpretação são parcialmente moldadas por modelos mentais, intervenções podem operar não apenas oferecendo informação, mas também reduzindo os custos cognitivos e psicológicos associados a reconhecer problemas, interpretar sinais e identificar ações viáveis.

Ferramentas capazes de tornar sinais mais visíveis, interpretáveis e acionáveis—incluindo apoios assistidos por IA—podem, portanto, contribuir não simplesmente transmitindo informação, mas ajudando estudantes, famílias e instituições a sustentar atenção a possibilidades de continuidade, recuperação e reengajamento antes que dificuldades educacionais se tornem auto-seladas.

Versión en Español

Introducción

Las ideas que las personas forman sobre el mundo moldean aquello que están preparadas para percibir en él. Los modelos mentales funcionan como lentes: hacen visibles algunas señales, vuelven irrelevantes otras y condicionan qué partes de la realidad logran entrar en el campo de la atención. Por esta razón, las creencias pueden reproducirse no solo al afectar cómo se interpreta la evidencia, sino también al moldear qué evidencia llega a ser percibida.

La educación es un ámbito particularmente relevante para observar estos mecanismos porque muchas señales educativas son ambiguas, acumulativas y tardan en revelar sus consecuencias. Padres, estudiantes y docentes deben interpretar esfuerzo, desenganche, autoeficacia u oportunidades futuras en contextos donde la retroalimentación llega con demora y las relaciones causales suelen ser difíciles de observar directamente. El problema no siempre es que falte información relevante, sino que las personas no logran dirigir suficiente atención hacia ella. La literatura sobre atención ayuda a entender por qué esto puede ocurrir: la atención es escasa, depende del contexto, está moldeada por creencias previas y con frecuencia resulta costoso dirigirla hacia información incómoda.

Atención Racional, Conductual y Guiada por Creencias

La literatura sobre desatención racional parte de la idea de que la atención es un recurso escaso: los agentes tienen capacidad limitada para procesar información y, por lo tanto, deben decidir qué señales merecen atención. Desde esta perspectiva, la información imperfecta puede entenderse como el resultado de un problema de asignación de atención, en el que los agentes adquieren, procesan e incorporan señales de manera selectiva en sus decisiones (Sims, 2003; Maćkowiak et al., 2023).

La atención limitada también ofrece una forma de entender por qué el comportamiento puede apartarse de la racionalidad plena. Si la información es costosa de procesar, los individuos pueden ignorar señales débiles, responder lentamente a nueva información o mantener patrones de comportamiento persistentes. Evidencia neurobiológica sugiere que relajar restricciones atencionales por medios farmacológicos puede volver las decisiones más consistentes con la racionalidad (Chung et al., 2025).

La atención también está moldeada por la saliencia y por el contexto en que se toman las decisiones. Hogares y empresas tienden a prestar más atención a variables macroeconómicas cuando esas variables se vuelven más salientes en su entorno, especialmente en contextos más volátiles (Benchimol et al., 2025). Desde esta perspectiva, la atención no solo es escasa; también responde a la saliencia y a la disponibilidad informacional.

Las creencias previas también pueden afectar cuánta atención dedican los individuos a nueva información. Las personas que perciben sus juicios como ya muy precisos (overprecision) pueden dedicar menos atención a señales nuevas y, por lo tanto, actualizar menos sus creencias, especialmente cuando los costos de atención son altos (Bosch-Rosa et al., 2026).

En conjunto, estos enfoques apuntan a una idea común: las creencias no solo se actualizan después de que llega la evidencia; también pueden moldear qué evidencia llega en primer lugar.

Creencias, Atención y Trampas Auto-Selladas

Otra forma de entender el vínculo entre desatención y creencias es enfocarse en los costos asociados al procesamiento de información. Cunha et al. (2026) proponen que las creencias parentales moldean tanto la atención a las señales de los niños como lo que los padres hacen en respuesta a ellas. En su marco, las fallas de atención reflejan los costos psicológicos y prácticos de reconocer lo que una señal implica. Las creencias sobre crianza responsiva afectan cuánto observan los padres, qué señales detectan y cómo responden.

Algunas señales pueden ser relevantes, pero psicológicamente costosas de procesar. Prestarles atención puede generar culpa, amenaza a la identidad, frustración o una sensación de incapacidad. Bajo estas condiciones, los individuos pueden evitar información que de otro modo ayudaría a actualizar sus creencias. Cunha et al. (2026) describen una trampa auto-sellada en la que las creencias moldean la evidencia a la que los individuos prestan atención, y esa misma evidencia luego refuerza las creencias iniciales.

Los costos asociados al procesamiento de información incluyen la carga de interpretar qué significa una señal y el costo esperado de la acción que puede requerir. En contextos educativos, estudiantes o familias pueden no actualizar sus creencias porque identificar un problema, interpretar sus implicancias y reconocer el siguiente paso son tareas cognitiva o psicológicamente costosas. Las intervenciones que reducen estos costos y ofrecen orientación simple y factible para la acción pueden, por lo tanto, ayudar a generar cambio de comportamiento.

Implicancias de Política

A partir de la idea de que la atención depende en parte de los costos de adquirir y procesar información, Cunha et al. (2026) señalan varios canales a través de los cuales las intervenciones pueden afectar el comportamiento. Las intervenciones pueden usar estos canales para reducir las barreras psicológicas que impiden el cambio de comportamiento.

Vistos como herramientas de intervención, cuatro canales son particularmente relevantes para la política educativa. Clarificación de señales implica traducir constructos abstractos como desenganche, ausentismo, autoeficacia o dificultades emocionales en pistas concretas y observables. Apoyo interpretativo implica aclarar los distintos mecanismos detrás de las dificultades educativas. Orientación accionable implica vincular problemas reconocidos con próximos pasos factibles. Seguridad psicológica implica enmarcar las dificultades como específicas y mejorables, en lugar de tratarlas como evidencia de fracaso o incapacidad.

En conjunto, estos canales desplazan el rol de la política desde la provisión de información hacia la reducción de barreras. El objetivo es hacer que las señales educativas sean más fáciles de notar, más fáciles de interpretar, menos amenazantes de reconocer y más fáciles de convertir en acción. El corolario es que el cambio de comportamiento puede fallar no solo porque las personas carecen de información, sino porque barreras psicológicas les impiden registrar lo que esa información implica y actuar en consecuencia. Las intervenciones construidas en torno a estos canales pueden ser poderosas precisamente porque reducen las barreras que se interponen entre las señales disponibles y el cambio de comportamiento.

El ausentismo escolar ofrece un ejemplo útil de estas dinámicas. Familias y estudiantes pueden observar faltas sin interpretarlas como señales de desenganche progresivo. Las pequeñas interrupciones suelen percibirse como eventos aislados y reversibles, más que como parte de un proceso acumulativo de pérdida de continuidad. Con el tiempo, las discontinuidades pueden normalizarse, la acción correctiva puede retrasarse y el desenganche puede parecer cada vez más difícil de revertir.

Bajo estas condiciones, el ausentismo puede permanecer informacionalmente invisible aun cuando el comportamiento subyacente sea directamente observable. Las intervenciones pueden operar reduciendo los costos asociados a detectar, interpretar y responder a las señales de ausentismo. Indicadores de continuidad, marcadores de faltas acumuladas o sistemas de alerta temprana pueden hacer más visible el deterioro. Apoyos diagnósticos y conversacionales pueden ayudar a las familias a interpretar patrones de desenganche, mientras que planes estructurados de recuperación, reintegración gradual o apoyos personalizados pueden reducir la dificultad percibida de actuar sobre esas señales.

La inteligencia artificial puede ser particularmente útil en este contexto porque puede reducir los costos cognitivos y psicológicos asociados a la toma de decisiones educativas. Los sistemas conversacionales pueden ayudar a las personas a identificar señales relevantes, interpretar patrones que de otro modo permanecerían ambiguos y traducir esas señales en acciones factibles. En contextos educativos, los sistemas asistidos por IA pueden apoyar el monitoreo de la continuidad, recuperaciones personalizadas, intervenciones de mentalidad de crecimiento o procesos de reintegración, al mismo tiempo que reducen los costos de atención, interpretación y acción. Su contribución no es simplemente la automatización, sino la posibilidad de volver las dificultades educativas más interpretables, accionables y psicológicamente manejables a escala.

Conclusión

La discusión desarrollada aquí destaca el valor de pensar las intervenciones educativas a través de la lente conjunta de los modelos mentales y la atención. Las ideas presentadas en esta nota sugieren que la atención está moldeada no solo por la escasez informacional o las limitaciones cognitivas, sino también por las representaciones causales simplificadas mediante las cuales los individuos interpretan experiencias, dificultades y oportunidades educativas.

Esta nota dialoga con la literatura sobre modelos mentales, que enfatiza cómo los individuos recurren a sistemas estructurados de creencias causales para interpretar observaciones y guiar la acción (Ambuehl et al., 2026). También se relaciona con teorías de categorización y atención que sugieren que la forma en que los individuos clasifican un problema moldea qué señales se vuelven cognitivamente salientes (Bordalo et al., 2025). En contextos educativos, estas representaciones también pueden influir en probabilidades percibidas de éxito, autoevaluaciones, aspiraciones y esfuerzo previsto (Hübsch et al., 2026).

Algunas dificultades educativas pueden volverse autorreforzantes no solo por restricciones materiales, sino también porque ciertos modelos mentales reducen la atención a señales que podrían motivar cambio de comportamiento.

Si la atención y la interpretación están parcialmente moldeadas por modelos mentales, las intervenciones pueden operar no solo ofreciendo información, sino también reduciendo los costos cognitivos y psicológicos asociados a reconocer problemas, interpretar señales e identificar acciones factibles.

Herramientas capaces de volver las señales más visibles, interpretables y accionables—incluidos apoyos asistidos por IA—pueden, por lo tanto, contribuir no simplemente transmitiendo información, sino ayudando a estudiantes, familias e instituciones a sostener la atención sobre posibilidades de continuidad, recuperación y reenganche antes de que las dificultades educativas se vuelvan autoselladas.

References

Ambuehl, S., Bhui, R., & Thysen, H. C. (2026). Mental models of causal structure in economics and psychology (arXiv:2603.29070v2). arXiv. https://doi.org/10.48550/arXiv.2603.29070

Benchimol, J., Bounader, L., & Dotta, M. (2025). Estimating behavioral inattention. Journal of Economic Behavior & Organization, 236, Article 107068. https://doi.org/10.1016/j.jebo. 2025.107068

Bordalo, P., Gennaioli, N., Lanzani, G., & Shleifer, A. (2025). A cognitive theory of reasoning and choice (NBER Working Paper No. 33466). National Bureau of Economic Research. https: //doi.org/10.3386/w33466

Bosch-Rosa, C., Bulutay, M., & Kassner, B. (2026). Overprecision and (Ir)rational inattention (Berlin School of Economics Discussion Paper No. 86). Berlin School of Economics. https:// doi.org/10.48462/opus4-6028

Chung, H.-K., Doren, N., Mononen, L., Lu, M., Grueschow, M., Hayward Könnecke, H., Jetter, A., Quednow, B. B., Netzer, N., & Tobler, P. N. (2025). Improving rationality by increasing attention (Working Paper No. 476). University of Zurich, Department of Economics. https: //doi.org/10.2139/ssrn.5467086

Cunha, F., Nihtianova, S., Rood, J., & van der Merwe, A.-L. (2026). Beliefs, attention, and investments in early childhood (NBER Working Paper No. 35150). National Bureau of Economic Research. https://doi.org/10.3386/w35150

Hübsch, T., Mahlstedt, R., Pinger, P., Settele, S., & Willadsen, H. (2026). Mental models of high school success (CEBI Working Paper No. 03/26). University of Copenhagen, Center for Economic Behavior and Inequality. https://www.econ.ku.dk/cebi/publikationer/ working-papers/CEBI_WP_03-26.pdf

Maćkowiak, B., Matějka, F., & Wiederholt, M. (2023). Rational inattention: A review. Journal of Economic Literature, 61(1), 226–273. https://doi.org/10.1257/jel.20211524

Sims, C. A. (2003). Implications of rational inattention. Journal of Monetary Economics, 50(3),

665–690. https://doi.org/10.1016/S0304-3932(03)00029-1

Anatomía del feedback docente: hallazgos y regularidades.

Esta nota describe regularidades observadas al analizar juicios docentes en los boletines de calificaciones a partir de dos espacios conceptuales complementarios. En un primer espacio conceptual, basado en el trabajo de Burnett (2002), los juicios se analizan según el tipo de explicación implícita que el docente ofrece sobre el desempeño del estudiante —atribuciones centradas en capacidades o en el esfuerzo desplegado— y según el tono evaluativo con que dicha explicación es comunicada. Un segundo espacio conceptual se articula a partir del trabajo de Hattie y Timperley (2007), desde el cual el juicio docente se caracteriza por la función pedagógica que cumple el mensaje —orientar metas, describir el estado actual del aprendizaje o señalar cursos de acción futuros— y por el aspecto del aprendizaje que el docente decide enfatizar. Considerados de forma conjunta, estos espacios permiten describir cómo se organiza el contenido evaluativo y pedagógico del juicio docente tal como se manifiesta en la práctica, sin presuponer criterios normativos sobre el “buen” feedback.

 

Desde el punto de vista metodológico, el análisis utiliza modelos de inteligencia artificial para articular dos estrategias complementarias de lectura del juicio docente. En primer lugar, se implementa una evaluación interpretativa mediante un panel de evaluadores sintéticos generados por IA, configurados para aplicar una rúbrica común en la interpretación de cada juicio como unidad discursiva. En segundo lugar, se emplea un conteo léxico ponderado que estima la proximidad semántica entre el lenguaje utilizado por el docente y categorías conceptuales definidas a partir de conjuntos de palabras semilla. La articulación de ambas estrategias permite contrastar regularidades captadas a partir de marcas léxicas explícitas con aquellas que emergen de la interpretación global del mensaje. 

 

Los análisis se aplican a un corpus de juicios docentes producidos en boletines de evaluación de un centro de educación primaria de Montevideo durante el año lectivo 2025. El corpus incluye aproximadamente 16.000 juicios correspondientes a 650 estudiantes que cursaron entre primero y sexto grado. El procesamiento se realizó utilizando dos modelos de inteligencia artificial alternativos: OpenAI y Gemini. Las regularidades descriptas a continuación deben interpretarse como patrones emergentes de este contexto institucional y temporal específico, sin pretensión de generalización más allá del colectivo analizado.

 

La valencia y el sentido atribucional en los juicios docentes

La carga positiva o negativa del mensaje tiene una asociación clara con el  desempeño: mejores notas se asocian con mayor positividad y peores notas con mayor negatividad. No obstante, esta relación es recogida con distinta intensidad según la aproximación metodológica considerada. Mientras que el análisis léxico identifica una menor presencia de términos explícitamente negativos, la evaluación interpretativa detecta estos conceptos con mayor frecuencia. Este contraste sugiere que los docentes optan por cuidar la intensidad del vocabulario utilizado frente a contenido evaluativo crítico.

 

El análisis sugiere la presencia de modulaciones leves en la valencia evaluativa asociadas al género del estudiante. En particular, frente a desempeños bajos, los juicios dirigidos a varones tienden a exhibir una mayor carga negativa relativa, mientras que frente a desempeños altos los juicios dirigidos a niñas concentran una mayor carga positiva. Estas diferencias no alcanzan niveles de significación estadística por lo que deben interpretarse con cautela. No obstante, su recurrencia parcial en distintos análisis las vuelve indicativas de un posible patrón que merece ser examinado con mayor profundidad en corpus más amplios.

 

Por su parte, en el plano atribucional, el lenguaje de los juicios docentes presenta una mayor presencia relativa de referencias a la capacidad que al esfuerzo. La mayor centralidad de la capacidad se identifica sistemáticamente en las mediciones con conteo léxico ponderado y en los paneles de OpenAI. No obstante, la evaluación interpretativa realizada con Gemini no la reproduce introduciendo un matiz de cautela en la lectura del resultado.

 

Finalmente, las referencias al esfuerzo, aunque menos frecuentes que las atribuciones a la capacidad, presentan una asociación positiva tanto con el uso de lenguaje positivo como con el desempeño académico en los juicios de primero a tercero. Este patrón se observa de manera consistente en ese tramo del ciclo y no se replica con la misma claridad en los grados superiores. La localización temporal de estas regularidades sugiere que el esfuerzo podría operar como un recurso explicativo especialmente relevante en los primeros años de la escolaridad, sin constituirse en el eje principal del discurso evaluativo a lo largo de todo el ciclo.

 

Función y foco del feedback

El espacio conceptual de Hattie y Timperley permite observar cómo se estructura pedagógicamente el mensaje docente. A diferencia de las dimensiones atribucionales y de valencia, estas dimensiones presentan patrones menos polarizados y una mayor estabilidad relativa, lo que sugiere que capturan aspectos más estructurales del formato del juicio que de su tono evaluativo.

 

En relación con la función del feedback, los resultados muestran un predominio claro y consistente del feedback diagnóstico (“feed-back”), orientado a describir el desempeño actual del estudiante. Este patrón se observa de forma robusta en ambos ciclos educativos y en los dos modelos de IA utilizados. Las funciones de feed-up y feed-forward aparecen de manera sistemática, pero con un peso claramente secundario y relativamente equilibrado entre sí. 

 

En cuanto al foco del feedback, el lenguaje evaluativo se distribuye de forma relativamente balanceada entre referencias a la tarea, a la autorregulación y, en menor medida, al proceso. El foco en proceso es sistemáticamente el menos activado en todos los escenarios analizados, lo que constituye la regularidad más estable de esta dimensión. Esta estabilidad puede interpretarse como una pauta institucional o profesional del formato del feedback escrito, pero también plantea interrogantes metodológicos sobre el grado en que estas dimensiones capturan variación pedagógica efectiva en este tipo de corpus.

 

El análisis conjunto de los resultados revela que el desempeño académico es el principal organizador del lenguaje evaluativo. La asociación más clara se observa entre valencia y desempeño, mientras que no se consiguen establecer relaciones claras con características idiosincráticas de los alumnos. De forma complementaria, se observa que el momento evaluativo del año también introduce modulaciones sistemáticas en el lenguaje del juicio. Esto es particularmente claro en el juicio final del año, que tiende a concentrar mayor carga positiva y una función pedagógica más explícita. 

 

En conjunto, estos resultados sugieren que el lenguaje evaluativo de los juicios docentes responde a coordenadas relativamente estables —como el desempeño académico y el formato institucional del feedback—, pero también a modulaciones asociadas al momento evaluativo. La convergencia entre estrategias metodológicas y modelos de IA refuerza la plausibilidad descriptiva de los hallazgos, al tiempo que señala límites y oportunidades para su exploración en corpus más amplios y diversos.

Anatomía del feedback docente: estrategias de identificación

El uso de herramientas de inteligencia artificial habilita el procesamiento masivo de juicios docentes para detectar regularidades atribucionales, evaluativas y pedagógicas que no siempre son visibles en textos aislados. Aunque cada juicio incluido en los boletines de calificaciones es breve y altamente contextualizado, el marco teórico sugiere que en la forma en que los docentes construyen su feedback se repiten ciertos patrones discursivos. Estos patrones pueden pasar inadvertidos en la lectura individual de un juicio, pero emergen cuando se analiza de manera conjunta la producción completa de feedback. En este sentido, la inteligencia artificial no aporta una “lectura mejor” de cada caso particular, sino la capacidad de procesar grandes volúmenes de texto de forma estable y sistemática, permitiendo observar cómo categorías conceptuales bien definidas dejan huellas lingüísticas en la práctica cotidiana de la docencia.

 

El análisis metodológico que se propone parte de la idea de que, al buscar estimular el aprendizaje, los docentes toman decisiones comunicacionales al construir sus juicios escritos. En ese proceso, eligen distintos aspectos sustantivos sobre los que centrar su feedback, dando lugar a patrones que pueden ser descriptos analíticamente. Al elaborar un feedback, el docente decide qué aspectos del desempeño enfatizar, qué tipo de información ofrecer y desde qué foco pedagógico orientar su mensaje, en función del contexto, del momento del proceso educativo y de sus propios criterios profesionales. El marco teórico no define una forma correcta de feedback, sino un conjunto de categorías que permite describir esas decisiones comunicacionales de manera sistemática. Desde esta perspectiva, el objetivo del análisis no es evaluar ni jerarquizar prácticas docentes, sino identificar regularidades en la manera en que esas elecciones se expresan en el lenguaje cuando se observan grandes conjuntos de juicios escritos.

 

La identificación de las características del feedback se apoya en dos enfoques complementarios: la detección de regularidades en el vocabulario empleado y la interpretación del sentido global del mensaje. El conteo léxico ponderado permite captar patrones distribuidos en las palabras y expresiones utilizadas, en función de su proximidad semántica con los conceptos definidos teóricamente. Por su parte, la evaluación interpretativa analiza cada juicio como una unidad discursiva completa mediante un panel de evaluadores que aplica criterios comunes de forma sistemática. 

 

El conteo léxico ponderado, la primera de las dos aproximaciones metodológicas, permite identificar patrones discursivos en el feedback docente mediante el uso de herramientas de inteligencia artificial para estimar la proximidad semántica entre el vocabulario empleado y dimensiones conceptuales definidas teóricamente. El aporte central del método reside en que no se limita a contabilizar la frecuencia con la que ciertas palabras aparecen en los juicios, sino que pondera su uso en función de su cercanía conceptual con las categorías teóricas de interés. Las listas léxicas se construyen a partir de términos efectivamente utilizados por los docentes en sus propios juicios, lo que asegura una alta adherencia al lenguaje en la práctica. De este modo, la metodología evita apoyarse en listas rígidas o externas y combina el uso empírico del vocabulario con una organización conceptual que permite describir regularidades discursivas de manera sistemática.

 

Para operacionalizar esta aproximación, cada dimensión conceptual se representa mediante un conjunto de palabras-semilla que funcionan como núcleos de referencia. Estas palabras-semilla no buscan agotar el significado del concepto, sino delimitar un espacio semántico de interés a partir del cual se organiza el análisis. Mediante el uso de modelos de lenguaje, que capturan regularidades semánticas en grandes volúmenes de texto, los términos presentes en el corpus se evalúan según su proximidad conceptual a esas semillas, lo que permite construir un indicador continuo de similitud semántica. Este indicador estima en qué medida cada juicio docente se aproxima a una u otra dimensión conceptual, facilitando la comparación sistemática entre textos.

 

Este enfoque resulta especialmente potente para captar dimensiones del feedback que se expresan de manera consistente a través del vocabulario evaluativo, aunque presenta límites cuando el sentido del mensaje no se apoya en marcas léxicas muy específicas. Dimensiones como la valencia positiva o negativa suelen manifestarse con claridad en el uso de adjetivos y expresiones evaluativas, lo que las vuelve particularmente adecuadas para el análisis léxico ponderado. En cambio, otros aspectos del feedback, como la función pedagógica o el nivel en el que se focaliza el mensaje, dependen menos de palabras aisladas y más de la estructura y el significado global del juicio. Reconocer estos límites es central para evitar una lectura reduccionista del lenguaje docente y para justificar la complementariedad con enfoques interpretativos.

 

Complementariamente el estudio incorpora una evaluación interpretativa basada en inteligencia artificial que analiza cada juicio como una unidad discursiva completa. A diferencia del enfoque léxico, este análisis no se centra en palabras aisladas, sino en el sentido general del mensaje, atendiendo a cómo el docente orienta el aprendizaje, qué foco pedagógico privilegia y qué tipo de información pone a disposición del estudiante. La evaluación busca capturar la riqueza semántica del texto apoyándose en criterios explícitos derivados del marco conceptual, aplicados de manera iterada a través de múltiples evaluaciones independientes para aumentar la consistencia de la interpretación.

 

La evaluación interpretativa se implementa mediante un panel de evaluadores sintéticos que aplican una rúbrica común, manteniendo sensibilidades analíticas diferenciadas. Cada juicio es analizado de forma independiente por cada evaluador siguiendo los mismos criterios conceptuales, cuya agregación permite enriquecer y estabilizar la interpretación del mensaje. El uso de un panel no busca validar ni juzgar el contenido del feedback, sino sistematizar la lectura interpretativa y asegurar que el análisis se concentre en dimensiones relevantes definidas teóricamente. De este modo, el panel funciona como un instrumento metodológico para fortalecer la robustez del análisis interpretativo y complementar el enfoque léxico ponderado.

 

 

En conjunto, este abordaje metodológico permite describir de manera sistemática cómo los docentes configuran su feedback escrito a partir de decisiones comunicacionales que dejan trazos observables en el lenguaje. La articulación entre el conteo léxico ponderado y la evaluación interpretativa no busca establecer jerarquías entre enfoques, sino aprovechar la complementariedad de dos miradas analíticas que operan sobre el mismo objeto desde niveles distintos. Mientras el análisis léxico permite observar la presencia y la intensidad relativa con la que ciertas dimensiones se distribuyen en el vocabulario, la evaluación interpretativa recupera el sentido global del mensaje y la forma en que esas dimensiones se integran en una unidad discursiva. La comparación entre ambos enfoques enriquece la lectura del feedback docente al permitir identificar no solo qué dimensiones están presentes, sino también cómo se manifiestan y con qué énfasis.

  

Anatomía del feedback docente: marco conceptual

El feedback constituye una de las herramientas más relevantes del proceso educativo porque conecta la enseñanza con el aprendizaje efectivo. Es la mejor oportunidad que tiene un docente para influir positivamente en la reducción de la distancia entre el desempeño actual de un estudiante y un estándar de referencia que orienta ese desempeño. Para que haya feedback en sentido estricto, la información recibida debe ser comprensible, utilizable y capaz de activar algún tipo de ajuste en la acción del estudiante, en el sentido clásico propuesto por Sadler (1989). Cuando esto ocurre, el feedback puede incidir en cómo se interpretan los errores, en cómo se reorganizan los esfuerzos y en cómo se regulan los procesos de aprendizaje. 

 

Los docentes brindan feedback de manera permanente y a través de múltiples formas, no siempre explícitas ni formalizadas. El feedback puede ser verbal o escrito, directo o implícito, individual o colectivo, planificado o espontáneo; puede expresarse en un comentario, en un gesto, en una pregunta, en una corrección en el margen o en una devolución oral en el aula. Esta diversidad de formas y situaciones hace que el feedback sea un fenómeno profundamente heterogéneo, tanto en sus soportes como en sus destinatarios y funciones. Dentro de ese universo amplio, existe una modalidad particularmente estructurada: el juicio docente escrito que acompaña a una calificación en los boletines. En estos casos, el feedback no solo dialoga con la nota, ampliando o matizando su significado, sino que especialmente en los primeros años, incluye a la familia del alumno. La producción regular de estos juicios, en momentos definidos del año y para la totalidad de los estudiantes, genera un conjunto de textos planificados, comparables y persistentes en el tiempo, lo que los vuelve un objeto privilegiado para el análisis.

 

El feedback docente puede ser interpretado desde distintos espacios conceptuales, cada uno orientado a responder preguntas diferentes sobre su funcionamiento y su significado pedagógico. En este trabajo se articulan dos de esos espacios que no son mutuamente excluyentes ni compiten entre sí. Por un lado, el espacio conceptual desarrollado por Burnett (2002) se centra en el contenido del lenguaje evaluativo del juicio docente y se organiza en torno a dos dimensiones: el sentido atribucional del feedback y su valencia. Por otro lado, el espacio conceptual propuesto por Hattie y Timperley (2007) aborda la función pedagógica del feedback y también distingue dos dimensiones centrales: las preguntas que el feedback responde y los niveles en los que se focaliza. 

 

La primera de las dos dimensiones que estructuran el espacio conceptual de Burnett es el sentido atribucional del feedback docente. Desde esta perspectiva, los juicios docentes transmiten explicaciones implícitas sobre las causas del desempeño. El feedback puede atribuirse a la habilidad o capacidad del alumno, o a su esfuerzo, dedicación o compromiso. Estas atribuciones no son neutras. Según Burnett, las referencias a la capacidad o habilidad del estudiante tienden a construir explicaciones de tipo disposicional, mientras que las referencias al esfuerzo o a la dedicación se apoyan en explicaciones más ligadas a la acción y al comportamiento. El efecto pedagógico de estas atribuciones no está dado de antemano, sino que depende de cómo el docente las formula y contextualiza en su juicio.

 

 

La segunda de las dos dimensiones que estructuran el espacio conceptual de Burnett es la valencia del juicio docente, es decir, la carga evaluativa positiva o negativa que transmite el feedback. Los juicios comunican una valoración: pueden reconocer, aprobar o destacar aspectos del trabajo del estudiante, o bien señalar insuficiencias, dificultades o aspectos por mejorar. Esa valencia no se expresa únicamente en “etiquetas” explícitas, sino también en elecciones lingüísticas más sutiles —por ejemplo, el uso de adjetivos y expresiones evaluativas— que tiñen el mensaje de aprobación o desaprobación. En ese sentido, la valencia describe el tipo de carga positiva o negativa que el docente elige para poner en circulación su juicio.

 

La primera de las dos dimensiones que estructuran el espacio conceptual de Hattie y Timperley se vincula con la función pedagógica que cumple el feedback en el proceso de aprendizaje. Según los autores, el feedback puede entenderse a partir de las preguntas que responde: ¿hacia dónde voy? (feed-up), ¿cómo lo estoy haciendo? (feed-back) y ¿qué puedo hacer a continuación para mejorar? (feed-forward). Cada una de estas preguntas cumple una función distinta al orientar, regular o proyectar el aprendizaje del estudiante. Los docentes pueden privilegiar una u otra función según el momento del proceso educativo, el tipo de tarea o los objetivos que persiguen, sin que exista una secuencia única o una combinación “correcta” en términos generales. 

 

La segunda dimensión del espacio conceptual de Hattie y Timperley refiere a los niveles en los que se focaliza el feedback dentro del mensaje docente. Desde esta perspectiva, los juicios pueden centrarse en la tarea realizada, en los procesos utilizados para resolverla, en la autorregulación del aprendizaje o en la persona del estudiante. A diferencia de la dimensión funcional, los autores introducen un componente normativo explícito al señalar que el feedback dirigido al self —cuando se limita a elogios o valoraciones personales— aporta poca información relevante para el aprendizaje. En cambio, los restantes niveles refieren a distintos focos posibles del mensaje pedagógico, cuya elección depende del contexto, del tipo de tarea y de los objetivos que el docente persigue. 

 

En conjunto, estos espacios conceptuales permiten describir el feedback docente como una configuración específica de decisiones discursivas. Cada docente elige de manera explícita o implícita qué explicar sobre el desempeño, qué valorar, qué función priorizar y en qué nivel focalizar su mensaje. Distintas tareas, momentos del año, trayectorias de aprendizaje o contextos institucionales pueden dar lugar a combinaciones diferentes de dimensiones dentro de un mismo marco conceptual. El feedback por tanto refleja elecciones contextuales del docente más que la adhesión a un esquema normativo cerrado.

 

Estas elecciones dejan huellas observables en el lenguaje con el que los docentes construyen sus juicios escritos. El feedback se materializa en textos concretos, y la manera en que se articulan atribuciones, valencias, funciones y focos pedagógicos puede rastrearse a través de las palabras y expresiones que componen esos textos, así como del sentido general que emerge de su lectura. Esa huella lingüística permite abordar el feedback docente escrito como un objeto analizable, ya sea identificando regularidades léxicas asociadas a determinadas dimensiones conceptuales, o interpretando el significado global del mensaje en su contexto. Este punto abre la puerta a distintas estrategias de análisis empírico, que permiten estudiar de forma sistemática cómo se construye el feedback en la práctica docente.

 

Referencias

Burnett, P. C. (2002). Teacher Praise and Feedback and Students’ Perceptions of the Classroom Environment. Educational Psychology, 22(1), 5–16. https://doi.org/10.1080/01443410120101215

Hattie, J., & Timperley, H. (2007). The Power of Feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487

Sadler, D. R. (1989). Formative assessment and the design of instructional systems. Instructional Science, 18(2), 119–144. https://doi.org/10.1007/BF00117714