Machine Translated by Google

Capítulo 11

Cultura, mente e educação

Jerome Bruner

Jerome Bruner, com razão, ocupa uma posição como “o grande velho” do aprendizado
americano e da pesquisa e teoria cognitivas. Por mais de meio século ele tem sido ativo como
pesquisador, desenvolvedor e debatedor de aprendizagem e educação. No final da década de
1940, ele fez estudos detalhados sobre percepção e pensamento. Durante a década de 1950,
seus estudos de cognição foram uma base importante para o que mais tarde foi chamado de
“ciência cognitiva”. Após o chamado “choque Sputnik” em 1957, quando a Rússia enviou o
primeiro satélite, Bruner foi nomeado presidente da comissão científica que foi criada para
reconstruir fundamentalmente o sistema escolar americano, e seus livros The Process of
Education , Rumo a uma Teoria da Instrução e A Relevância da Educação lançaram as bases
para o conceito de currículo centrado na ciência. Mais tarde, ele examinou os conceitos de
“mente” e “significado”, e ainda em 1996, aos 82 anos, publicou The Culture of Education, que
resume o amplo entendimento de aprendizagem e educação como processos culturais que ele
gradualmente desenvolveu. Este capítulo é composto pelas duas primeiras seções programáticas
desse livro, que provavelmente se firmará como a obra mais duradoura de sua vasta produção.

Computacionalismo e culturalismo

Os ensaios em [A cultura da educação] são todos produtos da década de 1990, expressões

das mudanças fundamentais que vêm alterando as concepções sobre a natureza da mente
humana nas décadas desde a revolução cognitiva. Essas mudanças, agora parece claro em
retrospecto, surgiram de duas concepções surpreendentemente divergentes sobre como a
mente funciona. A primeira delas foi a hipótese de que a mente poderia ser concebida como
um dispositivo computacional. Esta não era uma ideia nova, mas tinha sido poderosamente
reconcebida nas ciências computacionais recém-avançadas. A outra foi a proposta de que a
mente é constituída e realizada no uso da cultura humana. As duas visões levaram a
concepções muito diferentes da natureza da própria mente e de como a mente deve ser
cultivada. Cada um levou seus adeptos a seguir estratégias distintamente diferentes de
investigação sobre como a mente funciona e sobre como ela pode ser melhorada por meio da
“educação”.
A primeira visão computacional está preocupada com o processamento de informações:
como as informações finitas, codificadas e inequívocas sobre o mundo são inscritas, classificadas,
Machine Translated by Google

160 Jerome Bruner

armazenados, agrupados, recuperados e geralmente gerenciados por um dispositivo

computacional. Ela toma a informação como algo dado, como algo já estabelecido em
relação a algum código preexistente, vinculado a regras, que mapeia os estados do mundo.
Essa assim chamada “bem-formada” é tanto sua força quanto sua deficiência, como veremos.
Pois o processo de conhecer é muitas vezes mais confuso e mais carregado de ambiguidade
do que essa visão permite.
A ciência computacional faz afirmações gerais interessantes sobre a conduta da
educação (Segal et al. 1985, Bruer 1993, Chi et al. 1988), embora ainda não esteja claro
quais lições específicas ela deve ensinar ao educador. Existe uma crença generalizada e
razoável de que devemos ser capazes de descobrir algo sobre como ensinar os seres
humanos de forma mais eficaz ao saber como programar computadores de forma eficaz.
Dificilmente se pode duvidar, por exemplo, de que os computadores fornecem ao aprendiz
poderosos auxílios para dominar corpos de conhecimento, particularmente se o conhecimento
em questão for bem definido. Um computador bem programado é especialmente útil para
assumir tarefas que, por fim, podem ser declaradas “impróprias para a produção humana”.
Pois os computadores são mais rápidos, mais ordenados, menos inconstantes na memória
e não ficam entediados. E, claro, é revelador de nossas próprias mentes e nossa situação
humana perguntar o que fazemos melhor ou pior do que nosso computador servo.

É consideravelmente mais incerto se, em algum sentido profundo, as tarefas de um

professor podem ser “entregues” a um computador, mesmo o mais “responsivo” que se
possa imaginar teoricamente. O que não quer dizer que um computador adequadamente
programado não possa aliviar a carga de um professor ao assumir algumas das rotinas que
atrapalham o processo de instrução. Mas essa não é a questão.
Afinal, os livros passaram a cumprir essa função depois que a descoberta de Gutenberg os
tornou amplamente disponíveis (Ong 1991, Olson 1994).
A questão, ao contrário, é se a própria visão computacional da mente oferece uma visão
adequada o suficiente sobre como a mente funciona para guiar nossos esforços na tentativa
de “educá-la”. É uma pergunta sutil. Pois, em certos aspectos, “como a mente funciona”
depende das ferramentas à sua disposição. “Como a mão funciona”, por exemplo, não pode
ser totalmente apreciada a menos que também se leve em conta se ela está equipada com
uma chave de fenda, uma tesoura ou uma pistola de raio laser. E da mesma forma, a
“mente” do historiador sistemático funciona de forma diferente da mente do “contador de
histórias” clássico com seu estoque de módulos combináveis semelhantes a mitos. Então,
em certo sentido, a mera existência de dispositivos computacionais (e uma teoria da
computação sobre seu modo de operação) pode (e sem dúvida irá) mudar nossas mentes
sobre como a “mente” funciona, assim como o livro fez (Olson 1994).
Isso nos leva diretamente à segunda abordagem da natureza da mente – chame-a de
culturalismo. Ela se inspira no fato evolucionário de que a mente não poderia existir a não
ser pela cultura. Pois a evolução da mente hominídea está ligada ao desenvolvimento de
um modo de vida onde a “realidade” é representada por um simbolismo compartilhado por
membros de uma comunidade cultural na qual um modo de vida técnico-social é tanto
organizado quanto construído em termos de esse simbolismo. Esse modo simbólico não é
apenas compartilhado por uma comunidade, mas conservado, elaborado e passado
Machine Translated by Google

Cultura, mente e educação 161

às gerações sucessivas que, em virtude desta transmissão, continuam a manter a

identidade e o modo de vida da cultura.
A cultura nesse sentido é superorgânica (Kroeber 1917). Mas também molda as
mentes dos indivíduos. Sua expressão individual é inerente à criação de significados,
atribuindo significados a coisas em diferentes cenários em ocasiões particulares. A
construção de significado envolve situar os encontros com o mundo em seus contextos
culturais apropriados, a fim de saber “sobre o que são”. Embora os significados estejam
“na mente”, eles têm suas origens e seu significado na cultura em que são criados. É
essa localização cultural dos significados que garante sua negociabilidade e, em última
análise, sua comunicabilidade. Se existem “significados privados” não é a questão; o
importante é que os significados forneçam uma base para o intercâmbio cultural. Nessa
visão, conhecer e comunicar são em sua natureza altamente interdependentes, de fato
virtualmente inseparáveis: por mais que o indivíduo pareça operar por conta própria na
busca de significados, ninguém pode fazê-lo sem a ajuda dos sistemas simbólicos da
cultura. É a cultura que fornece as ferramentas para organizar e compreender nossos
mundos de maneiras comunicáveis. A característica distintiva da evolução humana é
que a mente evoluiu de uma forma que permite aos seres humanos utilizar as
ferramentas da cultura. Sem essas ferramentas, sejam simbólicas ou materiais, o
homem não é um “macaco nu”, mas uma abstração vazia.

A cultura, então, embora feita pelo homem, ao mesmo tempo forma e torna possível
o funcionamento de uma mente distintamente humana. Nessa visão, a aprendizagem
e o pensamento estão sempre situados em um ambiente cultural e sempre dependentes
da utilização de recursos culturais (ver, por exemplo, Bruner, 1990). Mesmo a variação
individual na natureza e no uso da mente pode ser atribuída às diversas oportunidades
que diferentes contextos culturais oferecem, embora essas não sejam a única fonte
de variação no funcionamento mental.
Como seu primo computacional, o culturalismo busca reunir insights da psicologia,
antropologia, linguística e das ciências humanas em geral, a fim de reformular um
modelo de mente. Mas os dois fazem isso com propósitos radicalmente diferentes. O
computacionalismo, para seu grande crédito, está interessado em toda e qualquer
maneira pela qual a informação é organizada e usada – informação no sentido bem
formado e finito mencionado anteriormente, independentemente do disfarce em que o
processamento da informação é realizado. Nesse sentido amplo, não reconhece
fronteiras disciplinares, nem mesmo a fronteira entre funcionamento humano e não
humano. O culturalismo, por outro lado, concentra-se exclusivamente em como os
seres humanos em comunidades culturais criam e transformam significados.
Quero expor neste capítulo alguns dos principais motivos da abordagem cultural e
explorar como eles se relacionam com a educação. Mas antes de me voltar para essa
tarefa formidável, preciso primeiro dissipar o lema de uma contradição necessária
entre culturalismo e computacionalismo. Pois acho que a aparente contradição se
baseia em um mal-entendido, que leva a uma dramatização grosseira e desnecessária.
Obviamente, as abordagens são muito diferentes, e seu transbordamento ideológico
pode realmente nos sobrecarregar se não tomarmos cuidado
Machine Translated by Google

162 Jerome Bruner

distingui-los claramente. Pois certamente importa ideologicamente que tipo de “modelo” de

mente humana se adota (Brinton 1965). De fato, o modelo de mente ao qual se adere até molda
a “pedagogia popular” da prática escolar. A mente equiparada ao poder de associação e
formação de hábitos privilegia o “treino” como a verdadeira pedagogia, enquanto a mente
tomada como capacidade de reflexão e discurso sobre a natureza das verdades necessárias
favorece o diálogo socrático. E cada uma delas está ligada à nossa concepção da sociedade
ideal e do cidadão ideal.

No entanto, na verdade, nem o computacionalismo nem o culturalismo estão tão ligados a

modelos particulares de mente a ponto de serem acorrentados em pedagogias particulares. A
diferença deles é de um tipo bem diferente. Deixe-me tentar esboçá-lo.
O objetivo do computacionalismo é conceber uma redescrição formal de todo e qualquer
sistema funcional que gerencie o fluxo de informações bem formadas.
Procura fazê-lo de uma forma que produza resultados previsíveis e sistemáticos.
Um desses sistemas é a mente humana. Mas o computacionalismo ponderado não propõe que
a mente seja como um “computador” específico que precisa ser “programado” de uma maneira
específica para operar de forma sistemática ou “eficiente”. O que ela argumenta, em vez disso,
é que todo e qualquer sistema que processa informações deve ser governado por “regras” ou
procedimentos específicos que governam o que fazer com as entradas. Não importa se é um
sistema nervoso ou o aparato genético que recebe instruções do DNA e depois reproduz as
gerações posteriores, ou qualquer outra coisa. Este é o ideal da inteligência artificial (IA), assim
chamada.
“Mentes reais” são descritíveis em termos da mesma generalização de IA – sistemas governados
por regras específicas para gerenciar o fluxo de informações codificadas.
Mas, como já observado, as regras comuns a todos os sistemas de informação não cobrem
os processos confusos, ambíguos e sensíveis ao contexto de construção de significado, uma
forma de atividade na qual a construção de sistemas de categorias altamente “difusos” e
metafóricos é tão notável como o uso de categorias específicas para classificar os insumos de
forma a produzir resultados compreensíveis. Alguns computacionalistas, convencidos a priori
de que mesmo a criação de significado pode ser reduzido a especificações de IA, estão
perpetuamente trabalhando tentando provar que a confusão da criação de significado não está
além de seu alcance (McClelland 1990, Schank 1990). Os complexos “modelos universais” que
eles propõem são algumas vezes chamados de brincadeira por eles como “TOEs”, um acrônimo
para “teorias de tudo” (Mitchell 1995). Mas, embora eles não tenham chegado nem perto de ter
sucesso e, como muitos acreditam, provavelmente nunca terão sucesso em princípio, seus
esforços, no entanto, são interessantes pela luz que lançam sobre a divisão entre criação de
significado e processamento de informações.

A dificuldade que esses computacionalistas encontram é inerente aos tipos de “regras” ou

operações que são possíveis na computação. Todos eles, como sabemos, devem ser
especificados antecipadamente, devem estar livres de ambiguidade, e assim por diante. Eles
devem, em seu conjunto, também ser computacionalmente consistentes, o que significa que,
embora as operações possam ser alteradas com o feedback de resultados anteriores, as
alterações também devem aderir a uma sistematicidade consistente e pré-arranjada. As regras computacionai
Machine Translated by Google

Cultura, mente e educação 163

ser contingentes, mas não podem abranger contingências imprevisíveis. Assim, Hamlet
não pode (na IA) provocar Polonius com brincadeiras ambíguas sobre “uma nuvem em
forma de camelo, ou melhor, está apoiada como uma doninha”, na esperança de que sua
brincadeira possa evocar culpa e algum conhecimento revelador sobre a morte do pai de
Hamlet.
É precisamente essa clareza, esse prefixo de categorias, que impõe o limite mais
severo ao computacionalismo como um meio para estruturar um modelo de mente. Mas
uma vez que essa limitação é reconhecida, a suposta luta mortal entre o culturalismo e o
computacionalismo evapora. Pois a construção de significado do culturalista,
diferentemente do processamento de informações do computacionalista, é em princípio
interpretativa, repleta de ambiguidade, sensível à ocasião e muitas vezes após o fato.
Seus “procedimentos mal formados” são como “máximas” e não como regras totalmente
especificáveis (Sperber e Wilson 1986, Grice 1989). Mas eles dificilmente são sem
princípios. Em vez disso, eles são o material da hermenêutica, uma busca intelectual não
menos disciplinada por seu fracasso em produzir as saídas de um exercício computacional.
Seu caso modelo é a interpretação de texto. Ao interpretar um texto, o significado de uma
parte depende de uma hipótese sobre os significados do todo, cujo significado, por sua
vez, é baseado no julgamento dos significados das partes que o compõem. Mas uma
ampla faixa do empreendimento cultural humano depende disso. Tampouco está claro
que o famigerado “círculo hermenêutico” merece os golpes que recebe daqueles que
buscam clareza e certeza. Afinal, ela está no cerne da construção de significado.

A construção de significado hermenêutico e o processamento de informação bem

formado são incomensuráveis. Sua incomensurabilidade pode ser evidenciada mesmo
em um exemplo simples. Qualquer entrada para um sistema computacional deve, é claro,
ser codificada de uma maneira específica que não deixe espaço para ambiguidade. O
que acontece, então, se (como na construção de significado humano) uma entrada
precisa ser codificada de acordo com o contexto em que é encontrada? Deixe-me dar um
exemplo simples envolvendo linguagem, já que muito da construção de significado
envolve linguagem. Digamos que a entrada no sistema seja a nuvem de palavras. Deve
ser tomado em seu sentido “meteorológico”, seu sentido de “condição mental”, ou de
alguma outra forma? Agora, é fácil (de fato necessário) fornecer um dispositivo
computacional com um léxico de “pesquisa” que forneça sentidos alternativos de nuvem.
Qualquer dicionário pode fazê-lo. Mas para determinar qual sentido é apropriado para um
contexto específico, o dispositivo computacional também precisaria de uma maneira de
codificar e interpretar todos os contextos em que a nuvem de palavras pudesse aparecer.
Isso exigiria que o computador tivesse uma lista de pesquisa para todos os contextos possíveis, um “co
Mas enquanto há um número finito de palavras, há um número infinito de contextos nos
quais determinadas palavras podem aparecer. Codificar o contexto do pequeno enigma
de Hamlet sobre a “nuvem além” quase certamente escaparia aos poderes do melhor
“contexticon” que se possa imaginar!
Não há nenhum procedimento de decisão conhecido que possa resolver a questão de
saber se a incomensurabilidade entre a construção de significado do culturalismo e o
processamento de informação do computacionalismo poderia ser superada. Ainda, para todos
Machine Translated by Google

164 Jerome Bruner

que, os dois têm um parentesco difícil de ignorar. Pois uma vez que os significados são
estabelecidos, é sua formalização em um sistema de categorias bem formado que pode ser
gerenciado por regras computacionais. Obviamente, perde-se a sutileza da dependência do
contexto e da metáfora ao fazer isso: as nuvens teriam que passar por testes de
funcionalidade de verdade para entrar no jogo. Mas, novamente, a “formalização” na ciência
consiste exatamente em tais manobras: tratar uma série de significados formalizados e
operacionalizados como se fossem adequados para computação. Eventualmente, passamos
a acreditar que os termos científicos realmente nasceram e cresceram dessa maneira:
descontextualizados, desambiguados, totalmente “pesquisáveis”.
Há um comércio igualmente intrigante na outra direção. Pois muitas vezes somos
forçados a interpretar a saída de uma computação para “fazer algum sentido” dela – isto é,
para descobrir o que ela “significa”. Essa “busca do significado” dos resultados finais sempre
foi costumeira em procedimentos estatísticos como a análise fatorial onde a associação
entre diferentes “variáveis”, descobertas por manipulação estatística, precisava ser
interpretada hermeneuticamente para “fazer sentido”. O mesmo problema é encontrado
quando os investigadores usam a opção computacional de processamento paralelo para
descobrir a associação entre um conjunto de entradas codificadas. A saída final de tal
processamento paralelo também precisa de interpretação para se tornar significativa.
Portanto, há claramente alguma relação complementar entre o que o computacionalista
está tentando explicar e o que o culturalista está tentando interpretar, uma relação que há
muito tem intrigado os estudantes de epistemologia (von Wright 1971, Bruner 1985).

Em um empreendimento tão inerentemente reflexivo e complicado como caracterizar

“como nossas mentes funcionam” ou como elas podem funcionar melhor, certamente há
espaço para duas perspectivas sobre a natureza do conhecimento (von Wright, 1971).
Tampouco há qualquer razão demonstrável para supor que sem uma única e legitimamente
“verdadeira” maneira de conhecer o mundo, poderíamos apenas deslizar impotentes pela
ladeira escorregadia que leva ao relativismo. Certamente é tão “verdadeiro” dizer que os
teoremas de Euclides são computáveis quanto dizer, com o poeta, que “somente Euclides
olhou a beleza nua”.

Uma teoria da mente

Para começar, para que uma teoria da mente seja interessante educacionalmente, ela deve
conter algumas especificações para (ou pelo menos implicações relacionadas) como seu
funcionamento pode ser melhorado ou alterado de alguma forma significativa. As teorias da
mente do tipo tudo ou nada e uma vez por todas não são educacionalmente interessantes.
Mais especificamente, as teorias da mente educacionalmente interessantes contêm
especificações de algum tipo sobre os “recursos” necessários para uma mente operar de
forma eficaz. Isso inclui não apenas recursos instrumentais (como “ferramentas”) mentais,
mas também configurações ou condições necessárias para operações eficazes – desde
feedback dentro de certos limites de tempo até, digamos, ausência de estresse ou uniformidade excessiv
Sem especificação de recursos e configurações necessárias, uma teoria da mente é toda
“de dentro para fora” e de aplicabilidade limitada à educação. Torna-se interessante
Machine Translated by Google

Cultura, mente e educação 165

apenas quando se torna mais “de fora para dentro”, indicando o tipo de mundo necessário
para tornar possível usar a mente (ou coração!) e assim por diante. A abordagem do
computacionalismo à educação tende a ser de dentro para fora – embora introduza o
mundo clandestinamente na mente, inscrevendo pedaços dele na memória, como em
nosso exemplo de dicionário anterior, e depois se baseando em rotinas de “pesquisa”. O
culturalismo é muito mais de fora para dentro e, embora possa conter especificações sobre
operações mentais eo ipso, por assim dizer, elas não são tão obrigatórias quanto, digamos,
a exigência formal de computabilidade. Pois a abordagem do computacionalista à educação
é, de fato, limitada pela restrição da computabilidade – isto é, quaisquer auxílios oferecidos
à mente devem ser operáveis por um dispositivo computacional.

Quando se examina de fato como o computacionalismo abordou as questões

educacionais, parece haver três estilos diferentes. A primeira delas consiste em “reafirmar”
teorias clássicas de ensino ou aprendizagem de forma computável. Mas enquanto se
ganha alguma clareza ao fazê-lo (por exemplo, ao localizar ambiguidades), pouco se
ganha em termos de poder. O vinho velho não melhora muito por ser despejado em
garrafas de formatos diferentes, mesmo que o vidro seja mais claro. A resposta clássica, é
claro, é que uma reformulação computável produz “insights excedentes”. No entanto, a
“teoria da associação”, por exemplo, passou por sucessivas traduções de Aristóteles a
Locke, Pavlov e Clark Hull sem muito rendimento excedente. Assim, fica-se justificadamente
impaciente com novas alegações de versões veladas do mesmo como com muitos dos
chamados “modelos de aprendizagem” de processamento distribuído paralelo (PDP)
(Rumelhart e McClelland 1986).
Mas, na verdade, o computacionalismo pode e faz melhor do que isso. Sua segunda
abordagem começa com uma rica descrição ou protocolo do que realmente acontece
quando alguém se propõe a resolver um problema específico ou dominar um determinado
corpo de conhecimento. Em seguida, procura redescrever o que foi observado em termos
computacionais estritos. Em que ordem, por exemplo, um sujeito pede informações, o que
o confunde, que tipo de hipóteses ele nutre?
Essa abordagem então pergunta o que pode estar acontecendo computacionalmente em
dispositivos que operam dessa maneira, por exemplo, como a “mente” do sujeito. A partir
disso, busca reformular um plano sobre como um aprendiz desse tipo pode ser ajudado –
novamente dentro dos limites da computabilidade. O interessante livro de John Bruer
Schools for Thought (1993) é um bom exemplo do que pode ser obtido com esta nova abordagem.
Mas há uma terceira rota ainda mais interessante que os computacionalistas às vezes
seguem. O trabalho de Annette Karmiloff-Smith (1979, 1992) fornece um exemplo se
tomado em conjunto com algumas idéias computacionais abstratas. Todos os programas
computacionais “adaptativos” complexos envolvem redescrever a saída de operações
anteriores tanto para reduzir sua complexidade quanto para melhorar seu “ajuste” a um
critério de adaptação. Isso é o que “adaptativo” significa: reduzir complexidades anteriores
para alcançar maior “adequação” a um critério (Mitchell 1995, Crutchfield e Mitchell 1994).
Um exemplo ajudará. Karmiloff-Smith observa que quando resolvemos problemas
específicos, digamos aquisição de linguagem,
Machine Translated by Google

166 Jerome Bruner

nós caracteristicamente “viramos” os resultados de um procedimento que funcionou

localmente e tentamos redescrevê-lo em termos mais gerais e simplificados. Dizemos,
por exemplo: “Coloquei um s no final desse substantivo para pluralizá-lo; que tal fazer
o mesmo para todos os substantivos?” Quando a nova regra falha em pluralizar a mulher,
o aluno pode gerar alguns adicionais. Eventualmente, ele acaba com uma regra mais
ou menos adequada para pluralizar, com apenas algumas “exceções” estranhas
deixadas para serem tratadas de cor. Observe que em cada etapa desse processo que
Karmiloff-Smith chama de “redescrição”, o aluno “se torna meta”, considerando como
está pensando e no que está pensando. Esta é a marca registrada da “metacognição”,
um tópico de interesse apaixonado entre psicólogos – mas também entre cientistas
computacionais.
Ou seja, a regra de redescrição é uma característica de toda computação “adaptativa”
complexa, mas, no presente caso, é também um fenômeno psicológico genuinamente
interessante. Esta é a música rara de uma sobreposição entre diferentes campos de
investigação – se a sobreposição for fértil. Assim, REDESCRIBE, uma regra do tipo
TOE para sistemas computacionais adaptativos que também é uma boa regra na
resolução de problemas humanos, pode se tornar uma “nova fronteira”. E a nova
fronteira pode vir a ser a porta ao lado da prática educacional.
Assim, a abordagem do computacionalista à educação parece assumir três formas,
conforme observado. A primeira reformula velhas teorias de aprendizagem (ou ensino,
ou o que quer que seja) em forma computável na esperança de que a reformulação
produza mais poder. A segunda analisa protocolos ricos e aplica o aparato da teoria
computacional a eles para melhor discernir o que pode estar acontecendo
computacionalmente. Em seguida, tenta descobrir como o processo pode ser ajudado.
Isso, com efeito, é o que Newell, Shaw e Simon fizeram em seu trabalho no General
Problem Solver, e o que está sendo feito atualmente em estudos de como “novatos”
se tornam “especialistas” (Chipman e Meyrowitz 1993). Finalmente, há a feliz sorte em
que uma ideia computacional central, como “redescrição”, parece mapear diretamente
uma ideia central na teoria cognitiva, como “metacognição”.
O culturalista aborda a educação de uma maneira muito diferente. O culturalismo
toma como primeira premissa que a educação não é uma ilha, mas parte do continente
da cultura. Ela pergunta primeiro qual a função da “educação” na cultura e qual o papel
que ela desempenha na vida daqueles que nela operam.
Sua próxima pergunta pode ser por que a educação está situada na cultura como ela
é e como essa colocação reflete a distribuição de poder, status e outros benefícios.
Inevitavelmente, e virtualmente desde o início, o culturalismo também pergunta sobre
os recursos facilitadores disponibilizados às pessoas para lidar com a situação e que
parte desses recursos é disponibilizada através da “educação”, concebida institucionalmente.
E estará constantemente preocupado com constrangimentos impostos ao processo de
educação – externos como a organização das escolas e salas de aula ou o recrutamento
de professores e internos como a distribuição natural ou imposta da dotação nativa,
pois a dotação nativa pode ser tão afetada tanto pela acessibilidade dos sistemas
simbólicos como pela distribuição dos genes.
A tarefa do culturalismo é dupla. Do lado “macro”, olha para a cultura
Machine Translated by Google

Cultura, mente e educação 167

como um sistema de valores, direitos, trocas, obrigações, oportunidades e poder.

Do lado “micro”, examina como as demandas de um sistema cultural afetam aqueles
que devem operar dentro dele. Nesse último espírito, concentra-se em como os seres
humanos individuais constroem “realidades” e significados que os adaptam ao sistema,
a que custo pessoal, com quais resultados esperados. Embora o culturalismo não
implique uma visão particular sobre as restrições psicobiológicas inerentes que afetam
o funcionamento humano, particularmente a criação de significado, geralmente
considera essas restrições como certas e considera como elas são gerenciadas pela
cultura e seu sistema educacional instituído.
Embora o culturalismo esteja longe do computacionalismo e suas restrições, não
tem dificuldade em incorporar seus insights – com uma exceção. Obviamente, não
pode descartar processos relacionados à construção de significado humano, por mais
que eles não satisfaçam o teste de computabilidade. Como corolário, não pode e não
descarta a subjetividade e seu papel na cultura. De fato, como veremos, está muito
preocupado com a intersubjetividade – como os humanos chegam a conhecer “a mente
uns dos outros”. Em ambos os sentidos, o culturalismo deve ser contado entre as
“ciências do subjetivo”. E, em consequência, muitas vezes me referirei a ela como a
abordagem “psicológica cultural”, ou simplesmente como “psicologia cultural”.
Por tudo o que abarca o subjetivo em seu alcance e se refere frequentemente à
“construção da realidade”, a psicologia cultural certamente não descarta a “realidade”
em nenhum sentido ontológico. Ele argumenta (em bases epistemológicas) que a
realidade “externa” ou “objetiva” só pode ser conhecida pelas propriedades da mente e
pelos sistemas de símbolos nos quais a mente se baseia (Goodman 1978).
Um último ponto diz respeito ao lugar da emoção e do sentimento. Costuma-se dizer
que toda “psicologia cognitiva”, mesmo sua versão cultural, negligencia ou mesmo
ignora o lugar delas na vida da mente. Mas não é necessário que seja assim nem, pelo
menos a meu ver, é assim. Por que o interesse na cognição deve impedir o sentimento
e a emoção (ver, por exemplo, Oatley 1992)? Certamente emoções e sentimentos são
representados nos processos de construção de significado e em nossas construções
da realidade. Quer se adote a visão de Zajonc de que a emoção é uma resposta direta
e não mediada ao mundo com consequências cognitivas subsequentes ou a visão de
Lazarus de que a emoção requer inferência cognitiva prévia, ela ainda está “lá”, ainda
a ser considerada (Zajonc 1980, 1984, Lázaro 1981, 1982, 1984). E como veremos,
particularmente ao lidar com o papel das escolas na “autoconstrução”, é uma parte
muito importante da educação.

Referências

Brinton, C. (1965): A Anatomia da Revolução. Nova York: Livros Vintage.

Bruer, JT (1993): Escolas de Pensamento: A Ciência da Aprendizagem na Sala de Aula. Cambridge,
MA: MIT Press.
Bruner, J. (1985): “Modos Narrativos e Pragmáticos de Pensamento”. Em E. Eisner (ed.): Aprendendo
e Ensinando as Formas de Saber: Oitenta e Quatro Anuários da Sociedade Nacional para o Estudo
da Educação. Chicago: Chicago University Press, pp. 97-115.
Machine Translated by Google

168 Jerome Bruner

Bruner, J. (1990): Atos de Significado. Cambridge, MA: Harvard University Press.

Chi, MTH – Glaser, R. – Farr, MJ (eds.) (1988): The Nature of Expertise. Hillsdale,
NJ: Lawrence Erlbaum.
Chipman, S. – Meyrowitz, AL (1993): Fundamentos da Aquisição de Conhecimento: Modelos Cognitivos de
Aprendizagem Complexa, vols. 1 e 2. Boston: Kluwer Academic Publishers.
Crutchfield, JP – Mitchell, M. (1994): A Evolução da Computação Emergente. Instituto Santa Fé
Relatório Técnico 94–03–012, Santa Fe, NM: Santa Fe Institute.
Goodman, N. (1978): Maneiras de fazer o mundo. Indianápolis, IN: Hackett.
Grice, HP (1989): Estudos no Caminho das Palavras. Cambridge, MA: Harvard University Press.
Karmiloff-Smith, A. (1979): Uma Abordagem Funcional para a Linguagem Infantil: Um Estudo de Determinantes e
Referência. Cambridge, Reino Unido: Cambridge University Press.
Karmiloff-Smith, A. (1992): Além da Modularidade: Uma Perspectiva de Desenvolvimento na Ciência Cognitiva.
Cambridge, MA: MIT Press.
Kroeber, AL (1917): “O Superorgânico”. American Anthropologist, 19 (2), pp. 163-213.
Lazarus, RS (1981): “A resposta de um cognitivista a Zajonc sobre emoção e cognição”. American Psychologist, 36,
pp. 222-223.
Lázaro, RS (1982): “Reflexões sobre as relações entre emoção e cognição”. americano
Psicólogo, 37 (9), pp. 1019-1024.
Lazarus, RS (1984): “Sobre a primazia da cognição”. American Psychologist, 39 (2), pp. 124-129.
McClelland, JL (1990): “O modelo programável de leitura do quadro-negro”. Em DE Rumelhart e JL McClelland:
Processamento Distribuído Paralelo: Modelos Psicológicos e Biológicos, vol. 2.
Cambridge, MA: MIT Press, pp. 122-169.
Mitchell, M. (1995): “O que as abordagens de sistemas complexos podem oferecer às ciências cognitivas?”
Paper apresentado na Reunião Anual da Sociedade de Filosofia e Psicologia, Universidade Estadual de Nova
York em Stony Brook, 10 de junho.
Oatley, K. (1992): Best Laid Schemes: The Psychology of Emotions. Cambridge, Reino Unido: Cambridge
Jornal universitário.
Olson, DR (1994): The World on Paper: The Conceptual and Cognitive Implications of Writing and Reading. Cambridge,
Reino Unido: Cambridge University Press.
Ong, WJ (1991): Oralidade e Alfabetização: A Tecnologização da Palavra. Londres: Routledge.
Rumelhart, DE – McClelland, JL (eds.) (1986): Processamento Distribuído Paralelo: Explicações em
a Microestrutura da Cognição, vols. 1 e 2. Cambridge, MA: MIT Press.
Schank, RC (1990): Conte-me uma história: um novo olhar sobre a memória real e artificial. Nova york:
Escriturário.

Segal, JW – Chipman, SF – Glaser, R. (1985): Habilidades de Pensamento e Aprendizagem: Volume 2, Relacionando

Instrução à Pesquisa. Hillsdale, NJ: Lawrence Erlbaum.
Sperber, D. – Wilson, D. (1986): Relevância: Comunicação e Cognição. Cambridge,
MA: Harvard University Press.
Von Wright, GH (1971): Explicação e Entendimento. Ithaca, NY: Universidade de Cornell
Imprensa.

Zajonc, RB (1980): “Sentir e pensar: preferências não precisam de inferências”. americano

Psicólogo, 35 (2), pp. 151-175.
Zajonc, RB (1984): “Sobre a primazia do afeto”. American Psychologist, 39 (2), pp. 117-123.