Complejidad y Deporte - Balague Serre, Natalia - Torrent

Natàlia Balagué Serre es profesora-catedrática de fisiología del INEFC de Barcelona. Investiga sobre la concepción del organismo humano como sistema complejo y sus adaptaciones al esfuerzo. Organiza en el 2003 el primer congreso internacional “Complex Systems in Sport”. Imparte conferencias y cursos sobre el tema en diferentes universidades europeas. Carlota Torrents Martín es Doctora por la Universitat de Barcelona con la tesis “La teoría de los sistemas dinámicos y el entrenamiento deportivo”. Profesora titular del INEFC de Lleida Máster en Alto Rendimiento Deportivo por la Universidad Autónoma de Madrid y el Comité Olímpico Español. Investigadora del Laboratorio de Observación de la Motricidad del INEFC de Lleida, con diversas publicaciones nacionales e internacionales relacionadas con el deporte, la complejidad y la danza.

COMPLEJIDAD Y DEPORTE Natàlia Balagué Serre Carlota Torrents Martín

Publicaciones

Primera edición, 2021 © 2021, Editorial INDE www.inde.com [email protected] editorialinde.tumblr.com facebook.com/INDEEditorial @INDEEditorial TV Inde Editorial

© 2021, Las autoras Diseño cubierta: Marc Monner Argimon ISBN: 978-84-9729-559-8

Este producto está protegido por las leyes de propiedad intelectual. Reservados todos los derechos. Ninguna parte de esta publicación puede ser reproducida, total o parcialmente, almacenada o transmitida en manera alguna ni por ningún medio, ya sea mecánico, eléctrico, químico, óptico, de grabación o de fotocopia, sin permiso previo de la editorial. Nota. A lo largo de la obra se utilizarán los genéricos siempre que sea posible a la hora de referirse a niños y niñas, hombres y mujeres, y para ello y para agilizar la lectura, cuando se use el masculino, si no se especifica lo contrario, será para referirse a ambos géneros

Índice Prólogo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 PRIMERA PARTE: MARCO TEÓRICO 1. Origen y desarrollo. Del mecanicismo clásico a las teorías de la complejidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1. Los principios y su evolución histórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. El desarrollo de las teorías de la complejidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3. Principios generales de las teorías de la complejidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21 21 25 28

2. La complejidad. Definiciones y conceptos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1. ¿Qué son los sistemas complejos? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. ¿Qué es la complejidad? En busca de una definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3. Los sistemas complejos adaptativos y sus propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4. Sistemas dinámicos no lineales y sistemas caóticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5. La fractalidad. Estructuras y dinámicas fractales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31 32 37 40 43 45

3. ¿Por qué las ciencias de la complejidad en la actividad física y el deporte? Aportaciones y retos de futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 4. Contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1. El modelo cognitivo y la metáfora del ordenador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Diferencias entre modelos vigentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3. Limitaciones de los modelos basados en la complejidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

59 60 63 76

SEGUNDA PARTE: APLICACIONES A LA ACTIVIDAD FÍSICA Y AL ENTRENAMIENTO DEPORTIVO 5. La teoría de los sistemas dinámicos. Conceptos básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Qué son los grados de libertad de un sistema? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿A qué se denomina sistema dinámico? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Qué son los parámetros de orden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Qué es el espacio de fases? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Qué son los atractores de un sistema? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Qué tipos de constreñimientos afectan al comportamiento del sistema? . . . . . . . . . . . . . . ¿A qué se refiere el concepto de auto-organización? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Qué es el comportamiento crítico? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

índice

81 81 82 83 84 85 87 89 91

| 7

¿Cómo se relacionan variabilidad y estabilidad? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Qué significa el critical slowing down y el tiempo de relajación? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Qué significa la histéresis? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Qué son la intermitencia y la metaestabilidad? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Cómo actúa la distribución de los atractores de un sistema en un proceso de aprendizaje? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Podemos poner algún ejemplo motriz en el que se vea cómo actúan todos estos elementos? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ¿Y un ejemplo aplicado al deporte? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

92 93 93 94 94 95 98

6. Las primeras aplicaciones en la motricidad humana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 6.1. Del modelo HKB a la generación de un marco teórico sobre la coordinación . . . 102 6.2. La no linealidad y la psicología ecológica para el estudio de la coordinación de acciones motrices acíclicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 6.3. La no linealidad en el aprendizaje motor y en la adquisición de habilidades deportivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 6.4. La adquisición de habilidades deportivas mediante la modificación de los constreñimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 7. La complejidad y su aplicación en la EF y en la AF no deportivizada . . . . . . . . . . . . . . 117 8. Optimizar el rendimiento con las ciencias de la complejidad . . . . . . . . . . . . . . . . . . . . . . . . . . 123 8.1. Optimización y dinámica coordinativa en el entrenamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 8.2. Optimización y creatividad en el deporte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 9. La toma de decisiones. Aplicaciones de los conceptos de la TSD a las acciones técnicas y tácticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 9.1. Limitaciones de la perspectiva cognitivista . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 9.2. La toma de decisiones desde la dinámica ecológica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 10. Integración psico-biológica dinámica durante el esfuerzo. La fatiga inducida por el ejercicio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 11. Consecuencias prácticas para el entrenamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 11.1. En cuanto a los y las deportistas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 11.2. En cuanto al entrenador o entrenadora y su interacción con deportistas . . . . . . . . 147 11.3. En cuanto al proceso de entrenamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 11.4. En cuanto a los constreñimientos de las tareas de entrenamiento . . . . . . . . . . . . . . . . . . . 152 11.5. En cuanto a la resistencia a la fatiga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 11.6. En cuanto a la valoración y control de las cargas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 11.7. En cuanto a la investigación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 11.8. ¿Y podemos dar algunos ejemplos de recetas concretas? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 Referencias bibliográficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

8 |

complejidad y deporte

Dedicatoria A nuestro alumnado y a todas las personas y profesionales que siguen aprendiendo, Este libro surge del deseo de compartir la aventura apasionante de dejarse fascinar por ideas, conceptos y métodos que, más allá de presentar interesantes aplicaciones a la actividad física y el deporte, suponen una pequeña revolución, de aquellas que son imprescindibles para reinventarse y seguir sobreviviendo en cualquier ámbito de la vida. Surge del deseo de que con la colaboración de vosotros y vosotras estudiantes y lectores en general, se desarrolle lo que creemos que puede ser, como Stephen Hawking asegura en el campo de la física, la ciencia del futuro en la actividad física y el deporte. Del deseo de colaborar a que se renueve la teoría, la práctica y la investigación de este ámbito de estudio privilegiado que son las ciencias de la actividad física y el deporte (CAFD), que pretendiendo explicar procesos relacionados con la motricidad, explican la vida misma. Este libro pretende ser una diminuta semilla que pueda germinar cuando el contexto lo permita. Es decir, cuando tú, lector o lectora, con la mente y los ojos abiertos de niño o niña, te permitas dudar de lo que sientes como seguro y te dejes, fuera de perjuicios, seducir por ideas nuevas. Queremos agradecer a todas aquellas personas, profesionales y colegas que nos han acompañado en este viaje; todas han sido muy importantes y necesarias. Conscientes de que si pretendiésemos nombrarlas nos dejaríamos a muchas, queremos simplemente destacar a las que han posibilitado la creación de este libro: a W. Schöllhorn por sembrar la duda, a J. Perl por ayudar a sistematizarla, a R. Hristovski por clarificarla, a A. Vainoras por compartirla, a J.A.S Kelso por regalarnos algunas de sus frases para el libro y a la Editorial INDE por publicarlo. También estamos agradecidas a Anna Vilanova por la revisión del texto; a nuestros colaboradores de investigación y al alumnado que, día a día, nos contagia su energía. Asimismo damos las gracias a aquellos compañeros que han cuestionado en nuestras clases o conversaciones la falta de evidencia científica o empírica, la falta de aplicaciones prácticas o de autoridades que apoyen y avalen este conocimiento. Todos han ayudado enormemente a estudiar y consolidar estas ideas, además de hacernos sentir la necesidad de compartirlas. El objetivo final es poder ofrecer a nuestra sociedad, a nuestros niños, niñas, jóvenes, atletas, hombres, mujeres, gente mayor, una práctica que colabore, mejor si cabe, al desarrollo del bienestar y de los objetivos propuestos de forma eficaz, eficiente, saludable y armoniosa.

dedicatoria

| 9

Prólogo Complejidad y deporte representa un avance importante en el campo de estudio dedicado a la comprensión del funcionamiento y la estructura del comportamiento humano en el contexto de la actividad física y de las ciencias del deporte. Éste es el primer texto que proporciona a los lectores de habla hispana un detallado análisis de la investigación realizada hasta el momento en este área en crecimiento, por lo que es un gran honor y un placer para mi redactar el prólogo de esta obra, en la que Natàlia Balagué y Carlota Torrents explican de forma comprensiva el actual estado de las ciencias de la complejidad en la actividad física y el deporte. Las primeras 35 páginas del libro ya proporcionan un análisis cuidadoso y de rigor del concepto de complejidad y de la descripción de los sistemas complejos presentes en la naturaleza. Se enfatiza considerablemente los conceptos de auto-organización y emergencia bajo la presencia de constreñimientos. La importancia de la autosimilitud en muchos sistemas naturales se destaca con la explicación de la fractalidad. El trato meticuloso y conciso de la teoría de las ciencias de la complejidad es necesario para ayudar a los estudiantes de las ciencias del deporte a comprender las implicaciones que tiene para la práctica del ejercicio físico, ya sea en el ámbito de la salud y el wellness o del rendimiento deportivo. De hecho, este libro ejemplifica un sistema complejo con muchos niveles de análisis integrado. Las autoras exponen ideas teóricas en la primera parte que proporcionan las cuestiones que podrán hacerse las personas lectoras y que se responderán con ejemplos prácticos en las secciones posteriores. Un punto a destacar es el hecho que una figura tan notable en la ciencia como es Stephen Hawking haya declarado que las ciencias de la complejidad representan el futuro en términos de comprensión de los fenómenos naturales. Las doctoras Balagué y Torrents apoyan esta afirmación adoptando las ciencias de la complejidad como modelo para estudiar el comportamiento humano en el deporte y la actividad física de forma convincente. Exponen cómo mientras el conocimiento científico ha aumentado, se ha incrementado la mono-disciplinaridad, limitando el desarrollo de conexiones importantes entre las diferentes disciplinas. En lugar de tratarlos separadamente, las autoras defienden las virtudes de examinar los fenómenos de forma integrada y abrirse a la posibilidad de un estudio más holística del comportamiento humano. Una consecuencia de la aplicación de las ciencias de la complejidad en las ciencias de la actividad física y el deporte es la oportunidad de alterar la clásica visión mecanicista de la naturaleza. El foco de atención estará en los organismos biológicos y en los procesos de adaptación a su entorno, mediante el aprendizaje y el cambio. A pesar de que el mecanicismo clásico ha proporcionado importantes descubrimientos y ha permitido el desarrollo del estudio de los fenómenos naturales, es evidente que necesitamos nuevos paradigmas para desarrollar las ciencias del futuro. Este libro pone en relieve la oportunidad de que las ciencias de la complejidad aporten una nueva mirada a las teorías que se utilizan para la práctica profesional del deporte y el ejercicio físico. Por ejemplo, uno de los mayores retos de las cien-

prólogo

| 11

cias de la complejidad es obviar la visión predominante de aislar la mente humana de su contexto para poder estudiarla y comprenderla. Retos adicionales serán la comprensión de cómo el cuerpo humano se fatiga durante la práctica de actividad física sin recurrir al modelo del gobernador central, o la consideración de pensamientos, ideas, decisiones y acciones como emergentes sin depender exclusivamente de un procesador central. Las doctoras Balagué y Torrents propugnan la importancia de tener en cuenta la relación de la persona con su entorno para el análisis de la condición humana. Un excelente ejemplo es el que nos proporcionan las autoras cuando comentan que algunas prácticas, como la disección de cadáveres, no pueden informarnos sobre el funcionamiento del cuerpo humano, y sólo darnos información sobre su estructura. La influencia de figuras históricas, como Ludwig von Bertalanffy, ha favorecido la emergencia de las ciencias de la complejidad. Éstas clarifican la diferencia entre la estructura y la función en la biología. Todas estas ideas son de gran valor, no solo para las personas de lengua hispana, sino de forma más glotal, y es interesante la lectura de la yuxtaposición de autores que escriben en inglés o que han sido traducidos al inglés y las contribuciones significativas de científicos españoles y teóricos de las ciencias de los sistemas complejos. Con una considerada referencia a los trabajos de Kepler sobre los movimientos planetarios, la mecánica Newtoniana, o las matemáticas de Poincaré sobre los sistemas dinámicos, el marco se construye mediante autores de las ciencias aplicadas que trabajan bajo la perspectiva de los sistemas complejos sobre cuestiones relacionadas con el deporte y la actividad física “apoyándose sobre las espaldas de los gigantes”. Las doctoras Balagué y Torrents muestran como el cuerpo humano es un ejemplo excelente de sistema complejo con muchos niveles profundamente integrados ofreciendo un análisis fractal de, no sólo la estructura, sino también el comportamiento funcional. Una ilustración curiosa del poder de las ciencias de la complejidad muestra como el cuerpo humano tiene mucho en común con un vegetal: el brócoli! Pero la autosimilitud no es sólo una propiedad de los componentes estructurales del cuerpo humano, es también una característica del comportamiento humano que se reproduce en diferentes escalas. Esto es especialmente relevante en los estudios de deporte y actividad física, en los que el análisis del rendimiento se centra en el estudio de las relaciones entre sistemas del cuerpo, entre atletas y entrenadores/as, entre miembros de un equipo y entre equipos. Una relación clave a estudiar en la aplicación de las ciencias en el futuro del deporte será la relación entre la variabilidad y la complejidad. La comprensión y la caracterización de la variabilidad del comportamiento de un sistema será el diagnóstico del estado del sistema de movimiento humano. Demasiada regularidad en el comportamiento del sistema puede llevar a una pérdida de la complejidad del sistema y a la emergencia de estados de disfunción del sistema durante la práctica deportiva, como puede ser la fatiga, la enfermedad y la inhabilidad para adaptarse al ejercicio. Este libro representa un reto para futuras generaciones de personas estudiosas del deporte y del ejercicio en todo el mundo. Un nuevo paradigma teórico promete proveer de

12 |

complejidad y deporte

nuevas oportunidades para desarrollar habilidades prácticas que satisfagan las necesidades de la sociedad moderna y que incluyan la reducción de niveles de inactividad física, la obesidad, el uso del ejercicio para contrarrestar los efectos de los estilos de vida actuales y aumentar la salud de la población, así como incrementar el rendimiento en atletas profesionales o en formación. Una ciencia para el futuro demandará herramientas metodológicas y nuevas aproximaciones para el estudio de diferentes aspectos del comportamiento humano, todo aquello que se enfatiza en este libro. Estas herramientas se necesitarán para comprender la complejidad de la relación persona-entorno en el deporte y en la actividad física bajo una perspectiva ecológica y dinámica. Natàlia Balagué y Carlota Torrents proporcionan algunas de las claves para introducirnos en esta carretera hacia el futuro. Keith Davids, Brisbane.

prólogo

| 13

La ciencia de la complejidad se basa en principios y conceptos explicativos de la física estadística y de la dinámica no lineal. Resulta asombroso cómo esta perspectiva funciona en campos de investigación tan distantes como la cosmología y la física de partículas, la psicología y la sociología y, obviamente, las ciencias del deporte. De hecho, las transiciones de fase, la metaestabilidad o los paisajes potenciales, por nombrar sólo unos pocos, son conceptos explicativos claves en todos estos campos. La complejidad no es sólo una teoría que describe un conjunto especial de fenómenos sino una visión del mundo basada en principios de unificación. No es una tentativa de “fisicalizar” la biología y la psicología sino una ventana a los principios universales profundamente enraizados en la diversidad de nuestras experiencias fenomenológicas. Hace tres siglos que Isaac Newton afirmó que “…la naturaleza es muy consistente y coherente consigo misma…”. Parece que ahora estamos en el principio de la realización del sueño newtoniano de ver a la Naturaleza “en consistencia y coherencia consigo misma”. Agradecemos a las Dras. Balagué y Torrents por aclarar este aspecto en su sugerente, apasionadamente escrito, y sobretodo innovador libro. Robert Hristovski

14 |

complejidad y deporte

Introducción Una consecuencia clara del desarrollo científico en occidente ha sido la creación de fronteras artificiales entre los diferentes campos de conocimiento, que han servido para segregar y aislar a cada uno de ellos del resto. Su expansión, en lugar de ayudar a conectarlos, los ha distanciado cada vez más, dificultando la posibilidad de materializar planteamientos inter- y sobretodo transdisciplinares. Estos últimos se hacen imprescindibles para disponer de una visión de conjunto y poder avanzar en el conocimiento. Concretamente, en los sistemas vivos, a pesar de saber mucho sobre los componentes y subcomponentes que los forman, si no sabemos cómo interactúan entre ellos no podemos comprender como se comportan. En especial, no podemos explicar las propiedades emergentes derivadas de su interacción dinámica y no lineal. La perspectiva reduccionista y analítica que caracteriza a buena parte del conocimiento científico actual se manifiesta de forma particular en las ciencias de la actividad física y el deporte. La concepción del organismo como una máquina constituida por partes que se integran en base a mecanismos descritos por la cibernética clásica rige la mayor parte de modelos de aprendizaje y entrenamiento deportivo vigentes, que ignoran las características diferenciales de los seres vivos respecto a las máquinas. No se pone en duda que la práctica de actividad física ha evolucionado enormemente en los últimos años y que el entrenamiento deportivo ha cosechado grandes éxitos basándose en una concepción cartesiana. Sin embargo, el planteamiento reduccionista presenta unos límites evidentes que pueden y deben sobrepasarse si se pretende progresar y desarrollar prácticas más eficientes y respetuosas con la naturaleza compleja del organismo. Uno de los hechos que probablemente colabora en la persistencia del reduccionismo analítico y que representa un problema frecuente cuando trabajamos con modelos es el de confundirlos con lo que representan. Es decir, confundir en este caso las demarcaciones y fronteras artificialmente construidas con la realidad. A veces esto es difícil de comprender porque nos aferramos a dichas demarcaciones no como si fueran meros mapas sino la realidad misma. La clasificación de las controvertidas capacidades condicionales representa un ejemplo concreto que ilustra esta idea. En el entrenamiento clásico parece ser más una necesidad que una opción el entrenar separadamente la fuerza, la resistencia, la velocidad, etc. Por otro lado, cuando desde la práctica surge el deseo de aplicar métodos de carácter integrador, nos encontramos con el problema de la ausencia o falta de evidencia científica que los avale. Esta situación, que se caracteriza por disponer tan solo de resultados de investigación coherentes con el modelo establecido, tampoco puede confundirnos. La persona que investiga es quien decide qué estudiar y cómo hacerlo. Ni las mediciones

introducción

| 15

que se toman, ni el paradigma científico en el cual se enmarcan dichas mediciones son neutrales y conviene señalar que cuando se mide se pierde mucha más información que la que se obtiene, independientemente de lo riguroso y bien diseñado que esté el protocolo. Las decisiones respecto a las estrategias de recogida de datos, procesado de información y presentación de resultados son parte del proceso de investigación y están conectados con nuestra forma de pensar. Esta circunstancia garantiza la reproducción del modelo vigente y dificulta cualquier cambio de paradigma, incrementando la distancia entre la teoría y la práctica. La persona profesional se encuentra a menudo frente al dilema de seguir aquello que le dicta su propia intuición o experiencia, o bien, basarse en lo que le ofrece la teoría establecida y los resultados científicos disponibles hasta el momento. Esta difícil encrucijada, especialmente para los profesionales más inexpertos, se suele resolver de forma conservadora, debido a las dificultades e incertidumbre que genera cualquier cambio y al fiel seguimiento de las “recetas” que a menudo ofrece la literatura específica. De este modo, a pesar de reconocer las limitaciones de los modelos más aceptados, la estructura conceptual dominante sigue prevaleciendo y perpetuándose, incluso a pesar de disponer de alternativas válidas y contrastadas. El conservadurismo al que hemos hecho referencia está especialmente extendido entre los profesionales de la actividad física y el deporte por tratarse de una disciplina aplicada y enormemente influenciada por la rama biomédica. Eso hace que avances en las matemáticas, la física o las ciencias de la información tarden años en verse reflejados, por ejemplo, en los modelos de aprendizaje o entrenamiento. A lo largo del siglo XX han surgido diversas teorías que han provocado un cambio sustancial en multitud de ramas de la ciencia. La concepción de los organismos vivos como un todo, que interactúa con el medio y el descubrimiento de ecuaciones que pueden describir la no linealidad del comportamiento de los seres vivos, ha afectado el conocimiento de áreas tan distintas como las matemáticas, la física, la psicología, o la economía. Estas teorías ya no tratan de reducir a los sistemas complejos en componentes más pequeños, sino que los estudian de forma integral centrándose en los principios básicos de su organización. Estos principios son a menudo comunes para todo tipo de sistemas, especialmente en el caso de los sistemas biológicos. Esto le da un carácter transdisciplinar peculiar a las ciencias de la complejidad y supone una forma distinta de simplificación que posibilita una visión global e interconectada de los fenómenos estudiados. Concretamente en los sistemas dinámicos complejos, entre los que se encuentran todos los sistemas vivos, se dará el fenómeno de la auto-organización, que los caracterizará con formas de comportamiento semejantes. En las CAFD algunos/as investigadores/as ya han aplicado las nuevas herramientas y los principios de la auto-organización para explicar el movimiento humano, los cambios biológicos y fisiológicos que se producen con el ejercicio o el proceso de apren-

16 |

complejidad y deporte

dizaje motor. También hay profesionales que aceptan y aplican conceptos y teorías globales proponiendo métodos de trabajo en los que se trata a la persona como a un todo. Determinados tipos de actividad física, con un origen eminentemente empírico, también comparten algunos principios relacionados con este enfoque y no resulta raro encontrar literatura o determinados foros en los que se utilizan términos como complejidad, caos, fractalidad o entropía. Sin embargo, es frecuente comprobar que se manejan de forma poco precisa, en contextos poco adecuados o, a veces, de forma totalmente errónea. También se confunden, o no están suficientemente claras, las diferencias entre la teoría general de sistemas y las teorías de la complejidad y sus aportaciones al deporte (por ejemplo, al hablar de entrenamiento sistémico o integrado), dando paso en ocasiones a juicios poco fundamentados. Este fenómeno resulta habitual en ciencias eminentemente prácticas y aplicadas como las CAFD, en las que los cambios cualitativos y el desarrollo teórico se producen de forma retardada. Este libro pretende ofrecer unas bases para introducir a la persona lectora en el estudio de la perspectiva de la complejidad aplicada al deporte de forma clarificadora e inteligible. Su objetivo es múltiple:  frecer una nueva perspectiva para la comprensión de muchos fenómenos considera• O dos como inabordables o para los que aún no se han encontrado explicaciones satisfactorias, • Colaborar en el desarrollo de nuevas fórmulas de intervención práctica que permitan mejorar la eficacia y eficiencia de los procesos involucrados (en especial los de aprendizaje y entrenamiento), • Contribuir al desarrollo de una nueva teoría, práctica e investigación para las CAFD. En esta obra la persona lectora puede encontrar: Las definiciones y significado de los diferentes conceptos relacionados con las ciencias de la complejidad y la Teoría de Sistemas Dinámicos en particular; su evolución histórica e integración en la actividad física y el deporte; sus principales aportaciones, los diferentes modelos que a su luz se han desarrollado para comprender el organismo y sus procesos de adaptación y aprendizaje; las metodologías de estudio, algunos de los resultados de la investigación reciente y sus consecuencias prácticas en el entrenamiento deportivo. Todo ello aderezado con una amplia relación de publicaciones de reconocido prestigio que avalan los planteamientos que se desarrollan. Hace ya 35 años que Paco Seirul.lo, pionero de las aplicaciones al entrenamiento deportivo de conceptos relacionados con las teorías de la complejidad en nuestro país (y posiblemente fuera de él), publicó un artículo titulado: Hacia una sinergética del entrenamiento (Seirul.lo, 1976). Este artículo acaba diciendo:

introducción

| 17

“De cualquier forma en el I.N.E.F. de Barcelona, cuando se estime oportuno y exista un laboratorio de investigación, nuestros esfuerzos en este sentido no cejarán hasta que varias de las cosas aquí expuestas sean corroboradas con unas experiencias científicamente probadas con una certeza científica absoluta”. Este momento ha llegado y nos satisface poder ofrecer en este libro algunos de los resultados de investigación llevados a cabo. Esperamos que las generaciones futuras puedan ofrecer muchos más.

18 |

complejidad y deporte

Primera parte Marco teórico

20 |

complejidad y deporte

1

Origen y desarrollo. Del mecanismo clásico a las teorías de la complejidad Lo importante en ciencia no es obtener nuevos resultados sino descubrir nuevas formas de pensar sobre ellos. William Lawrence Bragg

1.1. Los principios y su evolución histórica Hasta comienzos del siglo XX el mecanicismo clásico (formulado primero por Newton y desarrollado más tarde por Laplace) se consideraba el fundamento de la ciencia. Su metodología y pensamiento siguen estando tan enraizados en nuestra sociedad que incluso aún se identifica el pensamiento científico con el “pensamiento newtoniano”. Su profunda influencia se refleja en muchas ciencias, y en concreto, en muchos de los modelos vigentes comúnmente utilizados en el ámbito de la actividad física y el deporte. Sus ventajas y logros han sido muchos, como se deduce de los grandes avances científicos alcanzados en los últimos tiempos, tanto en el aprendizaje motor como en el entrenamiento deportivo, pero sus limitaciones son también evidentes. Éstas están relacionadas con sus características principales: simplicidad, determinismo, linealidad y robustez. Su influencia determina la concepción del organismo y de su comportamiento entendiéndolo como un conjunto de componentes que presentan relaciones causa-efecto o estímulo-respuesta y cuyas interacciones, más bien débiles, tienen trayectorias que raramente se entrecruzan. Tal sería el caso, por ejemplo, de la infinidad de mecanismos distintos descritos por la literatura científica que, sin delimitaciones demasiado claras, describen el funcionamiento de los sistemas fisiológicos durante el ejercicio. La epistemología newtoniana se fundamenta en la idea de que a través de la ciencia y de la observación es posible llegar a tener un conocimiento objetivo del mundo exterior, ya que la mente humana permite al observador separarse de su contexto. Todos los fenómenos son materia, y según la lógica del reduccionismo analítico ésta puede llegar a desmenuzarse en porciones cada vez más pequeñas para estudiarlas con precisión con la ilusión de poder llegar a completar el todo. Especialmente en este sentido, presenta evidentes dificultades para poder explicar el comportamiento humano. En primer lugar porque este todo, y también sus partes, no presenta límites claros y es cambiante (temporal y contextualmente). Además, al perder la visión global se pierde el significado del

origen y desarrollo. del mecanismo clásico a las teorías de la complejidad

| 21

proceso. Por ejemplo, podemos aprender mucho sobre la estructura de un organismo vivo diseccionándolo, pero para ello debemos quitarle la vida, por lo que no podremos comprender cómo funciona para vivir. En segundo lugar, porque asumimos que un sistema vivo es igual a la suma (o al resultado de algún algoritmo matemático computado en determinados centros de control) de sus partes e ignoramos el papel que juegan las interacciones y sinergias entre dichas partes. A pesar de que el concepto de sistema dinámico surge originariamente de la mecánica clásica, no se empieza a estudiar a los sistemas como un todo no reducible a sus partes hasta la formulación de las leyes de la termodinámica. El concepto de sistema se utilizó también en las ciencias sociales y humanas y en la ingeniería. Las máquinas también son sistemas, ya que son entidades formadas por partes en mutua interacción con un comportamiento global que deriva de su armónica coordinación. Sin embargo, como es obvio, a pesar de que existen similitudes, también hay diferencias fundamentales entre las máquinas y los organismos vivos. A lo largo del siglo XX, surgieron diversas teorías desde distintos campos de la ciencia que intentaron estudiar sistemáticamente la relación entre los comportamientos y las estructuras que los generan (Aracil, 1986). La biología se cuestionó el consolidado reduccionismo, para pasar a enfatizar la perspectiva sistémica o ecológica (Capra, 1996). Las propiedades esenciales de un organismo o sistema vivo serán propiedades del todo que ninguna de las partes posee, emergidas por la interacción entre ellas. En la psicología, la visión mecanicista del ser humano empezó a modificarse con la aparición de la psicología de la Gestalt (Köhler, Koffka y Sander, 1973), que propuso que no eran las propiedades de cada uno de los componentes las decisivas en la formación de unidades, sino sus interacciones, anticipándose así al concepto de auto-organización (ver capítulo 5). Otra aportación determinante fue la de destacar la importancia del contexto o del medio en el comportamiento (Gibson, 1979). El estructuralismo se consolidó como una de las corrientes pioneras en este sentido, que tuvo además una gran influencia sobre otras disciplinas (Lévi-Strauss, 1998). Se insistió así sobre la importancia de la red de relaciones que unen a los elementos y que constituyen lo esencial de las estructuras. La mecánica cuántica describirá igualmente la importancia de las interconexiones y transformará la visión exclusivamente centrada en la materia para ocuparse también del comportamiento de la energía. La teoría general de sistemas (TGS), descrita por Ludwig Von Bertalanffy (1976), extendió el pensamiento sistémico a todos los campos de la ciencia pretendiendo establecer principios generales universales para todos los sistemas, independientemente de su naturaleza física, biológica o sociológica. A pesar de que Bertalanffy era biólogo y que enfatizara la necesidad de formular una teoría matemática, la TGS es en un principio especialmente filosófica. Bertalanffy clasifica a los sistemas en abiertos o cerrados. Los cerrados son sistemas físicos aislados, proceden espontáneamente en la dirección de un creciente desor-

22 |

complejidad y deporte

den o entropía, y la energía que se disipa es irrecuperable. Los abiertos, en cambio, necesitan un constante flujo de materia y energía proveniente del entorno a la vez que decrece la entropía. Dentro de este segundo grupo se habla de “sistemas dinámicos”, que son todos aquellos cuyo comportamiento puede describirse mediante leyes que dependen del tiempo. Todo organismo vivo es ante todo un sistema abierto, que incorpora y elimina materia de forma continua para mantener su homeostasis. Este concepto, que significa el mantenimiento de condiciones constantes en el organismo y se asocia con el equilibrio y la salud, evolucionará con la concepción dinámica del organismo para transformarse más tarde en el de homeorresis (que hace referencia al mantenimiento de la dinámica de cambio). La aparición de la TGS coincide temporalmente con otras teorías influyentes como son la cibernética clásica o la teoría de control y de la información (Wiener, 1961), que se ocupó de los problemas de la comunicación y del control. Tratando de explicar tanto el comportamiento de las máquinas como del ser humano se utilizaron conceptos como el de retroalimentación (feedback). La cibernética ha evolucionado (cibernética moderna) posibilitando el estudio de sistemas más complejos, que poseen muchos grados de libertad. Se han introducido conceptos como el de causalidad circular en las relaciones (Messick, 1974). La interacción entre procesos de retroalimentación negativa y positiva que se da en los fenómenos biológicos añade complejidad al patrón anteriormente descrito (véase fig. 1).

Fig. 1. Interacción de bucles de retroalimentación formando una red de causas y efectos. Los bucles de retroalimentación describen patrones de organización independientes de la estructura física del sistema. Las estructuras biológicas son multifuncionales: el mismo grupo de componentes anatómicos se organiza para desempeñar diferentes funciones (correr, saltar,...) o diferentes componentes pueden realizar la misma función (p.e. pode-

origen y desarrollo. del mecanismo clásico a las teorías de la complejidad

| 23

mos continuar una actividad muscular a pesar de que las unidades motoras que se han reclutado al inicio del esfuerzo queden agotadas metabólicamente). El sistema nervioso central deja de ser así un órgano que recibe señales procedentes de los sentidos y que se descarga en los músculos, para pasar a formar parte de un proceso circular, paso fundamental para estudiar al organismo como una totalidad integrada. Las corrientes sistémicas influyeron también en el pensamiento de una de las figuras fundamentales del estudio del comportamiento motor, Bernstein (1896-1966). Este autor soviético se adelantó sorprendentemente a su época en sus estudios sobre la coordinación y la estructura del ser humano, inspirando la obra de autores contemporáneos. En la época en que la ideología de Pavlov dominaba la ciencia en su país, Bernstein estudió la complejidad de las acciones coordinativas. Intentó reducir las enormes dimensiones del sistema de estudio a un sistema controlable caracterizado por el orden; es decir, por patrones estables de coordinación. Para realizar una acción coordinativa se propone reducir el número de variables independientes del sistema; es decir, reducir sus grados de libertad. Observó cómo los principiantes parece que eliminen tetánicamente el exceso de grados de libertad, de manera que se realiza la tarea de forma rígida. Con la experiencia, el cuerpo pierde esta rigidez y es capaz de utilizar de forma más eficaz las fuerzas pasivas del medio, la fricción, la inercia y las fuerzas reactivas. Al darse cuenta de la naturaleza abstracta del fenómeno comprendió la imposibilidad de explicarlo únicamente desde una visión neurofisiológica y propuso el modelaje matemático (Bongaardt y Meijer, 2000), a pesar de que reconocía que un punto de vista puramente matemático nunca podría capturar toda la organización del movimiento de los seres vivos (Meijer, 1998). Benstein identificó, como punto de partida para comprender el movimiento de todo el organismo, la formulación del programa motor, y como principal corrector de la dinámica de la acción motriz al feedback. Esta fue una hipótesis que enunció ya en 1935, anticipándose al enunciado principal de la cibernética que daría unos años más tarde Norbert Wiener (Bernstein, 1967; Bernstein, 1989). Su obra no se tradujo al inglés hasta 1967, por lo que sus ideas tardaron en llegar a occidente. Éstas son todavía válidas, pero han evolucionado para buscar cómo se forman las sinergias, y cómo se produce la organización del control del aparato locomotor que produce la coordinación (ver capítulo 6). La influencia de las teorías sistémicas afectó también a las ciencias del deporte fuera y dentro de nuestro país, especialmente en su vertiente más teórica. Es así como empieza a organizarse el entrenamiento desde una concepción sistémica (Gambetta, 1989; Solé, 1992; Seirul.lo, 2000) y aparece la idea del entrenamiento integrado (Ruiz y Sánchez Bañuelos, 1997; García Manso, 1999; Tschiene, 2002) o surgen otras disciplinas o enfoques desde las cuales estudiar la práctica motriz. Entre ellas, la praxiología, que pretende estudiar la conducta motriz que emerge en cualquier situación deportiva, como consecuencia de las interacciones que se establecen entre los participantes, el espacio, el tiempo y el material (Lagardera y Lavega, 2003; Parlebás, 2001). Por otro lado, el enfoque de la metodología observacional ha sido hasta la fecha y en nuestro país la más prolífera en rela-

24 |

complejidad y deporte

ción al estudio sistemático y cuantitativo de la conducta que se desarrolla entre participantes de una práctica motriz. Recoge el análisis de fenómenos no previsibles que no cumplen los criterios de constancia, homogeneidad o regularidad en la generación de la conducta, aunque sí deben cumplir con el criterio de observabilidad (Anguera, 1990). Como veremos a continuación, las teorías de la complejidad han añadido a la visión sistémica, compartida con las disciplinas y enfoques mencionados anteriormente, conceptos y herramientas para el estudio de la coordinación y las dinámicas de cambio en los sistemas complejos. Así, se abren nuevas posibilidades para la investigación y comprensión del comportamiento humano en general y motor en particular, además de la posibilidad de creación y desarrollo de procesos de aprendizaje o entrenamiento más eficaces y eficientes.

1.2. El desarrollo de las teorías de la complejidad A pesar de que Newton ideó ya en el siglo XVII las ecuaciones diferenciales, descubrió las leyes de la gravitación y el movimiento universal y las combinó para explicar la ley de Kepler del movimiento planetario, sus métodos no sirvieron para predecir comportamientos tan complejos como los que se dan entre tres cuerpos1 con sus respectivos campos gravitatorios. Pero a finales del siglo XIX, el matemático Henri Poincaré propuso un nuevo punto de vista, en el que se enfatizaba la predicción cualitativa en vez de la cuantitativa, desarrollando una perspectiva geométrica para analizar cuestiones como las de los tres cuerpos. Es así como se vislumbró la posibilidad del caos. Este se puede describir como un comportamiento determinista (caos determinista), aunque no aparente serlo por su falta de linealidad, y muy sensible a los cambios de las condiciones iniciales (Lorenz, 1993). Esta sensibilidad hace que los sistemas complejos sean altamente imprevisibles; es decir, a partir de condiciones iniciales muy similares y por procesos iterativos se dan consecuencias radicalmente distintas, imposibles de predecir a largo plazo (Strogatz, 1994). La teoría del caos se desarrolló gracias a la existencia de ordenadores más potentes y al descubrimiento de que lo habitual es que los sistemas naturales sean caóticos (Prigogine, 1993). Para estudiarlos surge la teoría de sistemas dinámicos (TSD) que, basándose en las propiedades macroscópicas de los sistemas, proporciona herramientas que permiten capturar, estudiar y entender las transiciones estructurales y de comportamiento que ocurren en los organismos vivos con su entorno. Por ello fue rápidamente adoptada para describir los mecanismos de progresión y desarrollo humanos (Corbetta, Vereijken, 1999; 1. El problema de los tres cuerpos consiste en determinar, en cualquier instante, las posiciones y velocidades de tres cuerpos, de cualquier masa, sometidos a su atracción mutua y partiendo de unas posiciones y velocidades dadas.

origen y desarrollo. del mecanismo clásico a las teorías de la complejidad

| 25

Newell y Molenaar, 1998). Es así como el énfasis se pone en la dinámica de variables que recogen el comportamiento coordinativo del sistema más que en los componentes del mismo. Poincaré usó los conceptos topológicos para analizar las características cualitativas de problemas dinámicos complejos y sentó así los cimientos de las matemáticas de la complejidad que emergerían un siglo después. La alta variabilidad presente en este tipo de sistemas dejó de considerarse como un ruido aleatorio que era preciso filtrar o como la consecuencia de los errores del sistema. En 1970 otro matemático francés, Mandelbrot, pone límites a la perenne geometría euclidiana codificando y popularizando los fractales. Se da cuenta de que las formas naturales no responden a figuras geométricas (las montañas no son conos, ni las líneas de costa semicírculos) y se propone construir una nueva geometría (geometría fractal) capaz de modelar las formas naturales. Estos nuevos métodos geométricos se empiezan a aplicar para comprender también la dinámica de las oscilaciones biológicas, especialmente de los ritmos circadianos y del corazón (Winfree, 2001). El estudio de la dinámica fractal supone una corriente muy actual de desarrollo del estudio de los sistemas neurobiológicos, que tiene grandes perspectivas en el ámbito de la medicina, la psicología y por supuesto en la actividad física y deportiva (Vazquez, Hristovski, Balagué y Ferré, en prensa). Paralelamente, Haken desarrolla la sinergética (Haken, 1994), originariamente una teoría física sobre la formación espontánea de estructuras en sistemas abiertos. Defiende que el comportamiento del todo no es sólo mayor que la suma del comportamiento de sus partes, sino diferente, debido a la interacción no-lineal entre las partes y entre éstas y su entorno. Por eso Haken define la sinergética como el estudio de la acción de conjunto y propone el estudio de las leyes generales que rigen la formación de estructuras. En física, los diferentes estados de agregación (sólido, líquido, gaseoso) se llaman fases, y el paso de una fase a otra, se denomina transición. Este lenguaje se adoptará para describir multitud de procesos característicos de los sistemas abiertos. Las ideas desarrolladas se extenderán a otros campos de la ciencia, y responderán gran parte de las preguntas que quedaron sin respuesta en la teoría de las sinergias musculares de Bernstein. La sinergética utilizará los conceptos de grados de libertad, variables colectivas, atractores (ver capitulo 5), etc., fundamentales para comprender la “estrategia sinergética” que utilizarán otros colegas de Haken como Kelso y Schöner (1988) para describir y explicar los fenómenos coordinativos. Ello supone una revolución importante para las ciencias del movimiento humano y se empiezan a desarrollar nuevas teorías de aprendizaje y control motor, así como de entrenamiento deportivo (Torrents, 2009) tal y como se verá más adelante.

26 |

complejidad y deporte

Tabla 1. Resumen de las principales aportaciones del reduccionismo analítico, las teorías no reduccionistas psicológicas y la TGS. La TGS tiene dos fases: la cibernética clásica y los sistemas dinámicos complejos. Esta última tiene algunas subdisciplinas como la sinergética, la TSD y el caos y la dinámica de redes. TEORÍAS REDUCCIONISMO ANALÍTICO

APORTACIONES El Todo como suma de procesos elementales. Entendiendo cada proceso podemos entender todo el sistema.

Interacciones y contexto. Los componentes interactúan intenTEORÍAS PSICOLÓGICAS samente y dan lugar a sistemas correlacionados (sistema personaNO REDUCCIONISTAS entorno). Psicología Gestalt

Holismo de las percepciones. La percepción es un todo diferente de la suma de procesos elementales.

Psicología Ecológica

La percepción es directa. Ciclo percepción-acción. Percepción de posibilidades de acción (affordances).

TEORÍA GENERAL DE SISTEMAS

Los sistemas biológicos y sociales se rigen por los mismos principios.

CIBERNÉTICA CLÁSICA

Los sistemas biológicos como máquinas controlables. Teoría de la información y control (computadores, máquinas, procesamiento de la información). Emergencia débil. Comprensión del ser (desde 1940 en adelante).

SISTEMAS DINÁMICOS COMPLEJOS

Los sistemas biológicos como agentes autónomos. Sistemas complejos auto-organizados, comprensión del ser y el devenir, transiciones, emergencia intensa, criticalidad (desde 1970 en adelante).

Sinergética

Emergencia de propiedades y comportamiento coherente en los sistemas. Dinámica de la coordinación. Causalidad circular, estados cooperativos, variables colectivas y sus transiciones, metaestabilidad, transiciones inducidas por la variabilidad.

TSD y caos

Sensibilidad a las condiciones iniciales. Sistemas deterministas que cambian con el tiempo de forma impredecible.

Dinámica de redes

Cambios en el tiempo y comportamiento colectivo de redes (biológicas, sociológicas, económicas).

origen y desarrollo. del mecanismo clásico a las teorías de la complejidad

| 27

1.3. Principios generales de las teorías de la complejidad En resumen, el pensamiento complejo supone un cambio profundo en la mirada hacia los sistemas relacionados con la actividad física y el deporte (en especial, el organismo humano y su comportamiento motor). Los pilares del pensamiento clásico (el determinismo, el reduccionismo analítico y el materialismo) se ven fuertemente cuestionados por el desarrollo de la ciencia contemporánea. Los avances en la teoría de la información, la cibernética moderna, la sistémica y la mecánica cuántica invitan a una reforma del pensamiento científico que posibilite aprehender la complejidad. Esta se sostiene sobre los siguientes principios generales: En primer lugar la incertidumbre, la imprevisibilidad de un sistema complejo, cuyo comportamiento no puede ser previsto a largo plazo. La dependencia del contexto (histórico y presente) y el desconocimiento completo de sus componentes elementales no permite predecir con certidumbre total. La teoría del caos muestra especialmente como la sensibilidad de los sistemas complejos a las condiciones iniciales limita las posibilidades de predicción a largo plazo. En realidad la actividad física y el deporte se desenvuelven habitualmente en contextos inciertos y la predictibilidad no es más que una ilusión. La práctica nos muestra como es imposible predecir con exactitud el rendimiento durante la competición, el éxito de un proceso de aprendizaje o el comportamiento futuro de jóvenes promesas. En segundo lugar el principio de globalidad, en contraposición con el reduccionismo clásico. La psicología gestáltica, ha mostrado como los conjuntos estructurados son indisociables y no pueden sumarse o yuxtaponerse; el estructuralismo ha centrado en las interacciones la esencia de la comprensión del funcionamiento global, y conjuntamente con la sinergética han puesto en evidencia que el todo es distinto que la suma de las partes. Finalmente la TSD ha proporcionado las herramientas para estudiar las propiedades macroscópicas de los sistemas complejos y comprender las transiciones estructurales y de comportamiento que se producen en los mismos. La naturaleza claramente no lineal de los procesos de aprendizaje en el ámbito de la motricidad es un claro ejemplo del principio de globalidad y de las propiedades macroscópicas del organismo humano. Por ejemplo, aprender a nadar no supone añadir determinados movimientos de brazos a ciertos movimientos de piernas en el agua o aprender a ir en bicicleta no consiste solamente en hacer movimientos circulares y rítmicos sobre unos pedales. Nadar o pedalear son comportamientos altamente coordinados que emergen por la compleja interacción de procesos internos con el entorno. A pesar de ello los métodos de aprendizaje siguen aún profundamente inspirados en el reduccionismo (Delignières, 2010). En tercer lugar el principio de interdependencia: el funcionamiento de cada elemento depende del de los demás y cualquier modificación afecta a todo el conjunto. Los elementos no están aislados, siempre se relacionan con el nivel que les precede, con el que les sigue y con su entorno global. De la misma manera que son los componentes del sis-

28 |

complejidad y deporte

tema y sus interacciones los que dotan al sistema de sus propiedades macroscópicas, dichas propiedades, de vuelta, subyugan a dichos componentes. La teoría de la información, la cibernética y la teoría general de sistemas tienen una clara influencia en el desarrollo de la idea de causalidad circular asociada al principio de interdependencia. Este tipo de relación la encontramos constantemente en el ámbito de la actividad física y el deporte. Por ejemplo, de la misma manera que una táctica deportiva surge por la interacción del juego desarrollado por los miembros de un equipo, dicha táctica se impone a su vez sobre los jugadores constriñendo su comportamiento individual. Para finalizar, citaremos el principio de emergencia espontánea. De las interacciones múltiples entre elementos aislados emerge una nueva entidad global (un sistema complejo), que es diferente que la simple suma de sus elementos. Dicha entidad presenta propiedades y comportamiento macroscópico emergente (no viene impuesto desde el exterior). A pesar de que diversas teorías citadas anteriormente ya introducen el principio de auto-organización, no es hasta el desarrollo de la TSD que puede comprenderse y estudiarse de una forma más completa lo que se denomina dinámica de la coordinación. Por ejemplo, la vida de una célula emerge por la interacción de sus orgánulos, aunque ninguno de ellos presenta dicha propiedad (la vida). Por la interacción de jugadores individuales y a través de la práctica puede emerger un juego de equipo, que presente propiedades excepcionales que ningún jugador aislado posee, por ejemplo la velocidad (en este caso del equipo).

origen y desarrollo. del mecanismo clásico a las teorías de la complejidad

| 29

2

La complejidad. Definiciones y conceptos

I think the next century will be the century of complexity. Stephen Hawking

La introducción de las ciencias de la complejidad en la actividad física y el deporte supone la incorporación de nuevos conceptos y terminología que no encuentra un paralelismo directo y claro con los que habitualmente se utilizan en la teoría del entrenamiento clásico o en la educación física. Por ejemplo, términos como “constreñimiento”, “parámetros de control”, “atractor”, etc. son frecuentes en la literatura relacionada con la temática que nos ocupa. Por otro lado, su incorporación repentina y un poco desordenada, sin que existan las bases teóricas y matemáticas necesarias, provoca que se utilicen a veces con poca precisión o inadecuadamente. Este sería el caso, por ejemplo, del término “no lineal”, usado para describir funciones de tipo exponencial o periódicas (cuando son en realidad lineales). En este apartado se pretende definir, explicar, delimitar y relacionar entre sí dichos conceptos y la terminología específica. Lejos de representar una dificultad añadida los nuevos conceptos nos ofrecen la posibilidad de encontrar un lenguaje común para las diferentes ramas de conocimiento, facilitando su entendimiento y enriquecimiento mutuo y posibilitando el desarrollo de enfoques transdisciplinares. Por estos motivos nos parece de especial interés que la persona lectora se detenga en este apartado. Cuando el alumnado lanza a canasta, juega a tenis o aprende a patinar en las clases de educación física está intentando coordinar sus movimientos con el material, con sus compañeros, con el espacio, con el reglamento, etc. Cuando un atleta de élite está entrenando intenta coordinar sus movimientos y sus funciones internas para alcanzar mayor eficiencia bajo determinadas condiciones (con estados de fatiga o recuperación diferentes), en diferentes medios, con diferentes tipos de carga o presión, etc. Cuando un club decide sobre su política de fichajes o se crea una asociación deportiva se coordinan ideas y recursos humanos. Absolutamente todas las acciones, tanto individuales o grupales, suponen básicamente un problema de coordinación, de sincronización de ritmos y estrategias. Es más, los mejores resultados en el aprendizaje motor, en el rendimiento o la gestión deportiva se consiguen mejorando la eficacia y eficiencia coordinativa entre los diferentes componentes y proce-

la complejidad. definiciones y conceptos

| 31

sos involucrados. Sin embargo, cabría preguntarse: si la coordinación es esencial en el comportamiento humano en general y en la actividad física y el deporte en particular, ¿por qué no ha sido hasta el momento un tema central y fundamental de atención y estudio? Las ciencias de la complejidad posibilitan llenar este vacío proporcionando un marco teórico que permite comprender mejor el fenómeno coordinativo.

2.1. ¿Qué son los sistemas complejos? Un sistema complejo suele definirse como cualquier sistema formado por componentes interconectados de los que emerge un comportamiento colectivo que no puede inferirse del de sus componentes. Existen en muchas escalas y sus procesos de cambio no pueden ser descritos por reglas sencillas. Ejemplos de sistemas complejos los encontramos en todos los niveles en la naturaleza (en los ecosistemas, en las estructuras sociales, en los seres vivos –incluyendo los seres humanos–, en el sistema nervioso, en las reacciones químicas, en la estructura de las proteínas, etc.) y también en la economía, en las infraestructuras de telecomunicación, internet, etc. En la actividad física y el deporte existen sistemas complejos en los grupos sociales relacionados (federaciones, clubs y asociaciones deportivas de todos los niveles, en los equipos técnicos, en las plantillas de jugadores), en las personas y atletas que practican y en sus interacciones con los adversarios, técnicos o su entorno. También encontramos comportamiento complejo desde diferentes enfoques (fisiológico, biomecánico, psicológico o puramente interdisciplinar) en los procesos de adaptación, aprendizaje y entrenamiento. Como mínimo sería deseable que dichos sistemas complejos funcionaran como tales; es decir, como una unidad, y que su comportamiento se caracterizase por su complejidad, lo que permitiría especialmente garantizar su eficacia y eficiencia en contextos imprevisibles y que reclaman de mayor creatividad o capacidad adaptativa, como los que encontramos en la competición deportiva.

2.1.1. Sistemas complicados y sistemas complejos En el lenguaje común se habla de sistemas simplemente como de entidades formadas por partes que se hallan conectadas entre sí. Cuando el número de componentes e interacciones entre los mismos es elevado se suele decir que el sistema es más complejo. Sin embargo, como veremos a continuación, el número de componentes e interacciones no hace más o menos complejo al sistema. Para ello vamos a diferenciar entre lo que denominamos sistemas complicados y sistemas complejos. Si utilizamos el término “complejo” para calificar entidades formadas por multitud de partes interconectadas e interdependientes seguramente podremos usar el mismo

32 |

complejidad y deporte

adjetivo para referirnos tanto a un organismo vivo como a cualquier artilugio técnico (un coche, un avión o un televisor). Ambos tipos de sistemas poseen multitud de componentes interconectados. Incluso disponen de dispositivos específicos o programadores internos que se encargan de regular determinadas funciones, como por ejemplo la temperatura. Tanto el motor de un coche como el organismo humano poseen sensores térmicos (que equivaldrían a los termorreceptores) conectados con termostatos (función del hipotálamo) que activan sistemas de refrigeración para mantener la temperatura dentro de un rango determinado. ¿Cuáles son entonces las diferencias entre ambos tipos de sistemas? Éstas no se basan específicamente en el número de componentes o el tipo de cableado, sino que hacen referencia al tipo de integración entre los mismos. ¿Qué pasa cuando se le estropea o le falta una pieza al coche? O la reponemos exactamente o este no funciona. ¿Qué ocurre, en cambio, cuando le quitamos determinadas piezas a un organismo vivo? Por ejemplo, una pierna. El sistema puede seguir funcionando, e incluso jugar hábilmente al fútbol, como lo demuestra la selección de amputados del equipo de Sierra Leona. Esto sucede porque, a diferencia de los artilugios técnicos, los organismos vivos poseen importantes propiedades emergentes que les permiten adaptarse a los cambios contextuales. Pero ¿cómo se adaptan sin programa previo? ¿Quién dicta las órdenes necesarias para hacerlo? Precisamente ésta es una de las características diferenciales de los sistemas complejos: no precisan de programa ni dispositivo interno o externo que dicte las instrucciones. La solución emerge por un proceso de auto-organización. Un sistema complejo exhibe unas propiedades o un comportamiento que no se puede deducir del que presentan sus partes individuales. En este sentido es irreductible. En cambio, un sistema complicado puede ser descompuesto. Cada parte juega un rol conocido e inmutable. Sus piezas se relacionan entre ellas siempre de la misma manera. Un mismo input proporciona un mismo output (fig. 2).

SISTEMA COMPLICADO

SISTEMA COMPLEJO

A. Vesalius (1530). Fig. 2. Sistemas complicados (caracterizados por interacciones fijas y programadas) y sistemas complejos (caracterizados por interacciones no lineales, que se auto-organizan).

la complejidad. definiciones y conceptos

| 33

En los sistemas complejos las relaciones entre los componentes varían con el tiempo y pueden ganar o perder importancia. Incluso el resto de los componentes puede adaptarse para substituir una función determinada, como sucede en el proceso de reinervación (formación de nuevos pies terminales en las motoneuronas para inervar fibras musculares vecinas que han quedado huérfanas) que se da en el cuerpo humano después de una denervación. Por lo tanto, mientras que los sistemas complicados pueden ser reducidos a la suma de sus elementos constitutivos (y dichos elementos a su vez descompuestos en un número finito de subelementos), los sistemas complejos no responden a esta característica. Sin embargo, ésta es habitualmente la estrategia que se sigue para comprender las funciones y el comportamiento del organismo humano, como veremos más adelante. Hasta el momento estas diferencias, que caracterizan la complejidad real de los seres vivos, han sido ignoradas en los modelos y metodologías de aprendizaje y entrenamiento más comunes. Por ello, cuando nos refiramos a artilugios técnicos hablaremos de sistemas complicados para diferenciarlos de los realmente complejos, y diferenciaremos sus mecanismos de integración (programables) del proceso de auto-organización.

2.1.2. Sistema complejo y comportamiento complejo Mientras que la definición de sistema complejo esta comúnmente aceptada, el comportamiento complejo es más difícil de delimitar. Un sistema complejo puede presentar un comportamiento complejo o relativamente simple y un sistema simple puede presentar un comportamiento simple o relativamente complejo. Para ello hay que definir en qué sentido el comportamiento es complejo tal y como se ha dicho anteriormente. Los sistemas complejos pueden tener un comportamiento simple capturado por un determinado parámetro de orden o forma de organización. Los múltiples elementos que forman el sistema, para un valor crítico de los constraints o constreñimientos2 (ver para más detalles el capítulo 5), actúan de forma coherente y se comportan como una única entidad. Por ejemplo, las moléculas de agua por encima de una temperatura crítica (0ºC a nivel del mar) se comportan de forma caótica y su parámetro de orden (o variable colectiva) tiene un valor de “0”, lo que caracteriza su estado líquido. Esto significa que no hay orden (no hay un estado coherente colectivo). En cambio, por debajo de dicha temperatura se comportan de forma ordenada (presentan un orden periódico en el cristal de hielo y el parámetro de orden tiene un valor diferente de “0”). Las moléculas pasan a tener un comportamiento y un orden coherente en el espacio. Un conocido entrenador de 2. En la literatura anglosajona se usa habitualmente el término constraint para definir aquellos agentes que limitan y a su vez posibilitan el comportamiento del sistema. Lo traduciremos como “constreñimiento” para hacer hincapié en su carácter opresor y dinámico, a diferencia del término “condicionante” que ha sido usado con anterioridad, pero que tiene una acepción más estática y resulta menos preciso.

34 |

complejidad y deporte

Fig. 3. Grupo de aficionados con un comportamiento coherente en un estadio de fútbol.

fútbol comentó en una ocasión que cuando veía a su equipo comportarse como una bandada de pájaros no necesitaba consultar las estadísticas, sabía que estaban jugando bien. Los verdaderos equipos de personas (deportivos o no) se comportan de este modo, como una unidad. El objetivo grupal prevalece sobre el individual dando paso a propiedades emergentes que no lo son de ninguno de los componentes en particular. Otro ejemplo de comportamiento coherente, aunque relativamente simple, en un sistema complejo formado por multitud de componentes lo tenemos en el que se puede dar entre el público de un estadio de futbol (fig. 3) frente al comportamiento del árbitro (Hristovski, 1997a). Un número crítico de decisiones arbitrales conflictivas puede provocar un comportamiento coherente y ordenado del público: se produce una reacción masiva contra el árbitro y la variable colectiva deja de ser “0”. Es decir, para un valor crítico de las decisiones arbitrales los espectadores se comportan como una única entidad y pueden pasar a tener un comportamiento agresivo generalizado (gritando, etc.). Los grados de libertad individuales quedan subyugados por el parámetro de orden colectivo, de manera que los individuos dejan de comportarse como tales; es decir, no manifiestan su propia idiosincrasia sino que se transforman en unidades al servicio del comportamiento colectivo. El control de dichos sistemas coherentes es simple porque en vez de controlar la multitud de variables que definen a cada unidad es suficiente con manejar solo una, la colectiva. Vemos pues como un sistema complejo formado por muchos componentes pasa a tener un comportamiento relativamente simple, y en este sentido, fácil de manipular (cualquier gesto de desaprobación por parte de un entrenador o de algún jugador durante el partido provoca una respuesta unificada en el público). La simplicidad del control de estas “personas colectivas” se manifiesta también en la facilidad para redirigirlas hacia otros objetivos y provocar disturbios a mayor escala. Por ejemplo, la rabia colectiva hacia el árbitro puede generalizarse hacia su grupo nacional o étnico.

la complejidad. definiciones y conceptos

| 35

En cambio, un sistema formado por menos componentes, como un equipo de baloncesto, puede presentar un comportamiento extraordinariamente complejo en base a las posibilidades de combinación de los múltiples grados de libertad que ofrecen cada uno de los diversos componentes que lo forman. Bajo determinadas condiciones los sistemas complejos se pueden describir por atractores simples de baja dimensión (parámetros de orden o variables colectivas) que pueden ser puntos fijos, ciclos límite, cuasi-periódicos, etc. (como se estudiará más adelante) y su dinámica puede ser descrita fácilmente. Por ejemplo, una relación jerárquica entre dos personas (pareja) o entre un dictador y su nación puede presentar muy baja complejidad en términos de roles -siempre es el mismo el que manda y el mismo el que obedece (independientemente del contexto o de los constreñimientos). Las relaciones jerárquicas son a menudo poco complejas y por lo tanto poco adaptables. Esta misma idea se puede extrapolar a la interacción en procesos de cooperación o competición que se dan en el deporte (entre jugadores de un mismo equipo o en un sistema atacante-oponente). Por ejemplo, cuando existe diferencia en el nivel de juego de los oponentes se reduce la complejidad del juego (entendido como la alternancia de funciones entre los rivales o por la variedad de las acciones). Por ejemplo, durante un partido de fútbol en el que un equipo es muy superior al otro no habrá mucha alternancia en la posesión del balón ni variedad en el juego. En cambio, cuando los equipos están más igualados se producirá una interacción más compleja entre los oponentes, lo que aumentará la variedad e imprevisibilidad de las acciones y también del resultado. Por otro lado, podemos también tener un único elemento en el sistema que interactúe de forma no lineal con el entorno y se comporte caóticamente (de forma compleja) o de forma muy impredecible (debe señalarse que aquí definimos complejidad como impredecibilidad) (fig. 4).

Fig. 4. El piragüismo en aguas bravas es un ejemplo de deporte en el que un único elemento (el piragüista) interactúa de forma no lineal con el entorno comportándose de forma altamente impredecible.

36 |

complejidad y deporte

Sin embargo, la impredecibilidad total puede ser descrita de forma relativamente simple. Por ejemplo, usando un generador de números aleatorios. Podemos encontrar este comportamiento en los jugadores totalmente inexpertos, cuya eficacia es nula. Por lo tanto, los sistemas totalmente impredecibles, desde determinados puntos de vista, no presentan un comportamiento complejo y tampoco son adaptables.

2.2. ¿Qué es la complejidad? En busca de una definición En general se llama complejidad a la cualidad que caracteriza algo con muchas partes que forman un conjunto intrincado. No existe una definición única de complejidad y de hecho se acepta que es algo difícil de definir, haciendo honor a la connotación que el término “complejo” recibe. Edmonds (1999) en su trabajo “What is complexity?” ofrece una buena revisión de las diferentes definiciones y concluye que la complejidad depende necesariamente del lenguaje usado para modelar cada sistema y de las características del mismo. Las diferentes definiciones que se proponen convergen en el origen del término latino “complexus” (entrelazado o intrincado). Para tener complejidad se necesitan dos o más componentes que se encuentren unidos o conectados, difíciles de separar. Es decir, que presenten la dualidad característica entre las partes de los sistemas complejos: que éstas sean distintas y a la vez estén conectadas. Que las partes sean distintas supone variedad, heterogeneidad, comportamiento diferenciado. Que estén conectadas supone interdependencia, constreñimiento, comportamiento redundante. La diferenciación y la variedad promueven el desorden, el caos, la entropía; en cambio, la conexión lleva al orden. La complejidad solo existe si los dos aspectos están presentes: ni desorden ni orden perfecto. Una de las definiciones que tienen mayor aceptación postula que la complejidad es un equilibrio fino entre el orden y el desorden. Usando una expresión de moda se dice que la complejidad se encuentra en el borde del caos (edge of chaos). El borde del caos no es un punto de equilibrio estable, se necesita esfuerzo para mantenerlo y las propiedades emergentes se desarrollan en él. Para comprender el concepto pondremos el ejemplo de un ciclista que compite para llegar a la meta. Puede optar por una estrategia conservadora y controlar su ritmo para evitar lesiones o accidentes, o bien, por la estrategia más arriesgada de correr al máximo para llegar el primero. Si sigue la primera estrategia tiene el peligro de llegar demasiado tarde y si sigue la segunda puede lesionarse o sufrir un accidente. Ninguna de las dos estrategias parece totalmente efectiva: ser muy ordenado toma mucho tiempo y ser demasiado caótico resulta demasiado peligroso. Lo que se precisa es un equilibrio entre los dos extremos para llegar a la meta en un tiempo razonable reduciendo suficientemente el riesgo de lesión, consiguiendo así la máxima eficacia. Si el ciclista es demasiado ordenado precisa ser más caótico y si es más caótico convertirse en más ordenado. La zona más efectiva se halla en el borde del caos, donde la complejidad es máxima.

la complejidad. definiciones y conceptos

| 37

Hay muchas medidas de complejidad pero la más explotada es la que mide la distancia entre el orden máximo y el estado de aleatoriedad total. Los dos extremos (orden y aleatoriedad) son fáciles de describir. El orden máximo (p. e. las estructuras periódicas) puede definirse simplemente dando el periodo y la amplitud de la oscilación y esto puede iterarse hasta el infinito necesitando sólo 2 números. Los sistemas totalmente aleatorios también son fáciles de generar (como se ha apuntado en el apartado 2.1). La complejidad yace entre estos dos extremos. La forma más simple de modelar el orden es a través del concepto de simetría. En los patrones simétricos una parte es suficiente para reconstruir el todo. El desorden máximo se caracteriza también por la simetría. Por ejemplo, un gas es estadísticamente homogéneo: cualquier posición tiene las mismas probabilidades de contener una molécula de dicho gas. La complejidad, en cambio, se caracteriza por la falta de simetría o ruptura de la simetría. Esto significa que una parte del sistema no puede dar la información necesaria para predecir las propiedades de las otras partes ni tampoco las propiedades del todo. La complejidad depende también del nivel de representación al que nos referimos. Es decir, lo que puede parecer complejo en una escala determinada puede parecer ordenado en una escala distinta (Havel, 1995). La escala es sólo otra dimensión caracterizada por el espacio o el tiempo. Por ejemplo, la superficie lunar nos puede parecer muy compleja, pero si hacemos un zoom y observamos la luna a mayor escala, como un todo, nos puede parecer muy homogénea. La velocidad constante de un corredor durante una carrera puede parecer muy ordenada a nivel macroscópico pero responder a un proceso muy complejo a nivel de la función neuromuscular requerida. Un ciclo cardiaco mecánico puede ser simplemente descrito con dos fases: sístole y diástole o ser muy complejo a nivel de la función del tejido de excitación y conducción cardiaco. En la naturaleza algunas estructuras se reproducen a diferentes escalas, son fractales o autosimilares (se tratará este concepto con más detalle en el apartado 2.5). A pesar de su complejidad son simétricas respecto a su dimensión escalar (espacial o temporal). Por ejemplo, la estructura del sistema pulmonar o el latido del corazón son fractales (Bassingthwaighte, Liebovitch y West, 1994). Un ejemplo de complejidad a diferentes escalas es el cuerpo humano. Encontramos estructuras complejas en todos los niveles del organismo (moléculas, orgánulos, células, tejidos, órganos, etc.). Dichas estructuras se caracterizan por su variedad y autonomía pero también por su conexión y por su falta de simetría. Para concluir, podemos decir que la complejidad aumenta cuando la variedad de las partes (diferenciación) y su conexión (número o fuerza de la conexión) se incrementa y lo puede hacer en diferentes dimensiones (espacial, temporal y escalar). Así, resulta extremadamente importante describir con claridad a qué nos referimos exactamente cuando hablamos de complejidad.

38 |

complejidad y deporte

2.2.1. Las ciencias de la complejidad Cuando hablamos de ciencias de la complejidad nos referimos a los campos que están especializados en el estudio interdisciplinar de los sistemas complejos: cibernética moderna, teoría de sistemas dinámicos, etc. Estudian científicamente los sistemas complejos y el comportamiento complejo. A diferencia de las perspectivas analíticas clásicas, que tienden a fraccionar los sistemas para poderlos estudiar, las ciencias de la complejidad consideran que, independientemente de la complejidad o de la diversidad del sistema, siempre se pueden encontrar diferentes formas o tipos de organización (configuraciones o sinergias entre las partes) y éstas suponen de forma específica su objeto de estudio. Dichas organizaciones se pueden describir a través de conceptos y principios que son independientes del dominio específico al que pertenezca el sistema en cuestión. Por lo tanto, si encontramos las leyes generales que rigen estas organizaciones podemos analizar y resolver problemas en cualquier dominio. Ello le da a las ciencias de la complejidad su enfoque transdisciplinar característico. Como en la naturaleza los tipos de organización se repiten, podemos decir que por primera vez en la historia de la ciencia se produce el hecho de que los mismos principios y conceptos permiten explicar problemas de cosmología, climatología, ciencias sociales, biología, psicología o ciencias del deporte. Otra de las diferencias respecto a las perspectivas analíticas y reduccionistas, enfocadas al desmenuzamiento completo del sistema a estudiar y a la descripción detallada de cada componente y subcomponente, es que las ciencias de la complejidad enfatizan las interacciones y la conectividad entre los componentes del sistema. En este sentido, contribuyen a la comprensión “macroscópica” de su funcionamiento y comportamiento, más que a la predicción exacta de sus outputs, como pretenden las perspectivas deterministas. Para las ciencias de la complejidad los outputs concretos se consideran simplemente impredecibles. En especial, se ocupan de estudiar aquellos sistemas que presentan una mayor complejidad; es decir, que cambian con el tiempo, se adaptan y aprenden (también llamados sistemas complejos adaptativos), como es el caso del ser humano y de los grupos sociales que éste forma. En resumen, podemos decir que las ciencias de la complejidad:  uscan formas de organización en los sistemas, sinergias • b • buscan leyes o principios de comportamiento generales • enfatizan el estudio de las interacciones y la conectividad del sistema (entre sus diferentes componentes y con otros sistemas) • focalizan la atención en los sistemas más complejos, especialmente los adaptativos, que presentan fenómenos emergentes, que se auto-regulan o auto-organizan.

la complejidad. definiciones y conceptos

| 39

2.3. Los sistemas complejos adaptativos y sus propiedades Un sistema complejo adaptativo es un sistema disipativo3 que, además de mantener sus delimitaciones y sostener su propia existencia, puede cambiar para adaptarse mejor a su entorno. Tiene algún tipo de memoria (no necesariamente basada en patrones fijos o redes neuronales específicas, como se propone en la teoría del esquema –ver apartado 4.2.2), mediante la cual puede ‘recordar’ lo que ocurrió en su historia y utilizar esa información como una parte de su estrategia para actuar más eficazmente en el presente. En resumen, es un sistema que puede aprender. Desde esta perspectiva, el mecanismo general es el mismo, tanto si se trata de una bacteria como de un ser humano. La vida se compone de sistemas complejos adaptativos. Generalmente están formados por un gran número de componentes o agentes autónomos separados que no sólo operan según sus propios intereses, sino que también cooperan juntos como una unidad funcional. No hay “centros de control” encargados de ordenar lo que debe ocurrir a tal fin. No hay nada ni nadie fuera o dentro del sistema que tome las decisiones, y aún así, todas ellas se producen adecuadamente para conseguir la deseada cooperación. Las interacciones entre los componentes que forman el organismo, intensas y complejas, posibilitan la emergencia de un funcionamiento global que no puede ser explicado por los componentes individuales. La complejidad gestiona dicha interacción y permite al sistema operar globalmente de forma relativamente simple y eficaz. Un ejemplo lo tenemos en el comportamiento altamente efectivo de los bancos de peces o bandadas de aves, que con su comportamiento colectivo consiguen satisfacer de forma óptima sus necesidades de nutrición y protección. Cabe destacar además como se auto-organizan para formar diferentes estructuras, que sin precisar de coreógrafo presentan una gran belleza (fig. 5).

Fig. 5. Bandada de aves sincronizando su vuelo. Cada agente individual tan solo sigue 3 reglas sencillas para crear este comportamiento grupal altamente coordinado y eficiente. Son conscientes sólo de sus vecinas, mantienen la alineación y una distancia de 3-4 cuerpos entre ellas. 3. Sistema disipativo: aquel que mantiene un flujo constante de energía con el entorno mientras reduce su entropía.

40 |

complejidad y deporte

Su sincronía ha sido motivo de estudio mostrando que cada agente individual no precisa ser inteligente para que su comportamiento global lo sea (Strogatz, 2004). Es suficiente con unas pocas reglas sencillas para formar un conjunto que posee propiedades de gran efectividad y armonía. La emergencia de diferentes técnicas deportivas, como se verá en el ejemplo aplicado al deporte del final del capítulo 5, se produce por el seguimiento de unas pocas reglas básicas en constreñimientos cambiantes. La habilidad coordinativa proviene de las relaciones entre los componentes. El agente individual coopera en el comportamiento global del sistema, y éste constriñe a los agentes individuales para que el sistema funcione como una unidad. De este modo, el organismo humano es un excelente ejemplo de sistema complejo adaptativo. Cada componente del mismo (sistema cardiocirculatorio, respiratorio, endocrino, nervioso, etc.) se coordina con los demás para mantener la vida a la vez que ésta los mantiene funcionales. Los sistemas complejos adaptativos a menudo se desarrollan en capas anidadas. Todos los agentes interactúan intensamente de manera tal que se crean nuevos atributos emergentes. Los recién creados atributos, a su vez, interactúan intensamente para que emerja otro nivel de complejidad partiendo del anterior. A medida que este proceso continúa, cada nueva capa emerge anidada en la previa. En un sistema complejo adaptativo las capas operan normalmente con una dinámica fractal, por lo que aquello que ocurre en un nivel se refleja en otros niveles. El cuerpo humano es un sistema complejo adaptativo anidado; es decir, los agentes que lo componen suelen ser sistemas complejos adaptativos en sí mismos. La célula es la unidad básica de la vida y es un sistema complejo adaptativo con su propia delimitación (membrana semipermeable) y funciones (digestiva, respiratoria, reproductora, etc.). A su vez, las células forman tejidos capaces de operar como ningún grupo de células podría. Diferentes tejidos corporales se unen para formar los órganos de cuerpo. La constelación de órganos constituyen los sistemas corporales, que trabajan juntos coordinadamente para crear una nueva unidad de organización compleja: un ser humano. Y así podríamos proseguir para generar nuevas capas (poblaciones, ecosistemas, etc.). Los sistemas complejos adaptativos reaccionan frente a las perturbaciones del entorno, que causarían la desintegración de sistemas menos adaptables. Por lo tanto, no precisan de condiciones perfectas para vivir. Pueden cambiar su propio estado para compensar los cambios ambientales y aumentar su capacidad de supervivencia. Por otra parte, gracias a su memoria pueden aprender de la experiencia previa y así sacar el mejor provecho de su situación evitando las dificultades propias de su entorno. A continuación resumimos algunas de las propiedades generales de los sistemas complejos adaptativos:  rean sus propias delimitaciones. Una célula está delimitada por una membrana, una • C ciudad tiene sus límites, una tribu tiene fronteras tribales, un rebaño de vacas tiene lí-

la complejidad. definiciones y conceptos

| 41

•

•

•

•

•

•

•

•

mites de pertenencia, incluso un término, un concepto o una idea, como los que se proponen en este libro están delimitados. El sistema permite a algunos elementos acceder dentro del límite y excluye a otros. Se auto-organizan. El sistema se organiza por sí mismo y no necesita que la organización sea impuesta desde el exterior. Se suelen organizar de forma eficiente sincronizando sus ritmos (p.e. ritmos circadianos, latidos del corazón). Co-adaptación. Todos los sistemas interactúan con su entorno y también son parte de él. Por lo tanto, como su medio ambiente cambia, ellos también lo hacen para garantizar las mejores opciones, lo que produce un proceso constante e iterativo de co-adaptación. Si aplicamos cargas de trabajo al músculo este se hipertrofia y puede tolerar más carga, con lo que aumentará aún más su hipertrofia y así sucesivamente. Sub-óptimo. Un sistema complejo adaptativo no tiene que ser perfecto o “ideal” para prosperar dentro de su entorno. Por un lado sólo precisa ser un poco mejor que sus competidores y cualquier energía utilizada en ser mejor que eso es energía perdida. Esta idea se retomará en el apartado 8.2 para comprender mejor el concepto de optimización del rendimiento. Además, cuando colabora cooperativamente presenta propiedades emergentes que le hacen más apto sin precisar ser “ideal”. Esto se hace especialmente evidente en los deportes colectivos. No es necesario que cada jugador sea “ideal” para que el juego de equipo tenga cualidades excepcionales. Variabilidad. Cuanto mayor sea la variedad dentro del sistema más posibilidades exploratorias y capacidad de adaptación tendrá. De hecho los “errores” y mutaciones abundan en los sistemas complejos adaptativos, que les ayudan a co-adaptarse con su entorno. La diversidad de jugadores en un equipo garantiza sus posibilidades de éxito. Conectividad e interacción. La forma en que los componentes o agentes en un sistema se conectan y se relacionan es fundamental para su supervivencia. Las relaciones entre los componentes son generalmente más importantes que los componentes en sí mismos. Reglas sencillas. Existe una gran riqueza de patrones emergentes que se producen a partir de principios relativamente sencillos como los que producen el comportamiento de las colonias de hormigas, los bancos de peces o las bandadas de aves. Una regla sencilla para un equipo de fútbol puede ser la de jugar al primer toque. Se pueden dar una gran variedad de soluciones tácticas con esta simple regla. Iteración. Pequeños cambios en las condiciones iníciales del sistema tienen efectos significativos después de que hayan pasado a través de la emergencia y bucles de retroalimentación (suele denominarse efecto mariposa: el aleteo de una mariposa en Japón puede producir un tornado en USA). Aplicado al deporte podemos poner el ejemplo de lo que ocurre cuando un balón llega hasta una determinada jugadora de fútbol en un ángulo y velocidad determinados. Dichas condiciones iníciales posibilitarán la realización de acciones específicas y limitarán otras. Pequeños cambios en dicho ángulo facilitarán acciones distintas, de manera que pasado un tiempo desembocarán en unas jugadas y un desarrollo del juego totalmente diferentes. Borde del caos. Un sistema en equilibrio total no tiene la dinámica interna adecuada para que pueda responder a su entorno y morirá lentamente (o rápidamente). Un sistema en el caos total deja de funcionar como un sistema. El estado más productivo

42 |

complejidad y deporte

está al borde del caos, donde hay máxima variedad y adaptabilidad, lo que conduce a mayor riqueza y novedad de posibilidades o soluciones. Este concepto, tal como se verá más adelante, tiene importantes aplicaciones en el entrenamiento de la toma de decisiones y en el desarrollo de la creatividad en el deporte. • Sistemas anidados. La mayoría de sistemas están anidados dentro de otros sistemas y muchos sistemas son sistemas de sistemas más pequeños. Será muy importante describir la escala considerada y no confundirla para poder comprender el comportamiento de los sistemas complejos adaptativos e intervenir adecuadamente sobre los mismos.

2.4. Sistemas dinámicos no lineales y sistemas caóticos A veces denominamos sistemas complejos no lineales o sistemas dinámicos no lineales a los sistemas complejos, lo que en algunos casos se considera como una descripción más precisa de lo que en realidad son. El calificativo de dinámicos significa que cambian con el tiempo y el calificativo de no lineales que sus interacciones y sus outputs también varían (haciéndolo de forma no proporcional a los inputs). La no proporcionalidad se debe especialmente al comportamiento emergente que les caracteriza. La dinámica lineal describe a los sistemas simples; es decir, aquellos cuyo comportamiento se puede predecir de forma precisa. Ejemplos de este tipo de sistemas los encontramos en la física newtoniana. Por ejemplo, en la formula F=m x a se puede calcular la fuerza (F) a partir de la masa del objeto (m) y de la aceleración del mismo (a). Como la masa no cambia, si doblamos la fuerza, la aceleración también será el doble 2 x F = m x a x 2. Los sistemas no lineales (Hassan, 2007), en cambio, no satisfacen el principio de superposición y sus outputs no son proporcionales a sus inputs. Por poner un ejemplo aplicado al deporte, si doblamos la carga de entrenamiento a una persona no se doblará necesariamente su rendimiento. Este puede incluso llegar a disminuir (por un efecto de sobreentrenamiento en lugar de un efecto de sobrecompensación). La falta de proporcionalidad hace que los sistemas no lineales sean más impredecibles y resulte más difícil trabajar con ellos porque sus ecuaciones (no lineales) son más complicadas de solucionar y pueden producir fenómenos como el caos (Gleick, 1987). Aunque los sistemas caóticos son no lineales, no todos los sistemas calificados como no lineales se comportan de forma caótica. Lo hacen solo cuando sus parámetros de control se ajustan para posibilitar este tipo de comportamiento. De hecho, los sistemas caóticos no se consideran una clase a parte. Sin embargo, fuera de la comunidad científica, se confunde a veces la dinámica no lineal con la teoría del caos. Las teorías de la complejidad intentan explicar los diferentes tipos de comportamiento que emergen en los sistemas dinámicos no lineales (entre los que encontramos el caótico).

la complejidad. definiciones y conceptos

| 43

U. subatómica Átomo Molécula Macromolécula Célula Tejido Órgano Sistema Organismo Ecosistema Tierra Sistema Solar Galaxia…

Fig. 6. Escala de complejidad biológica. Las diferentes entidades se encuentran anidadas unas en las otras presentando características y propiedades emergentes. Por primera vez en la historia de la ciencia las dinámicas de átomos y galaxias pueden ser estudiadas en base a los mismos principios. Una situación que se da también con cierta frecuencia es la de tratar a la mayoría de sistemas físicos, que son no lineales por naturaleza, como sistemas lineales, lo que permite seguir utilizando técnicas lineales para su estudio. Sin embargo, los resultados de esta estrategia pueden desembocar en errores espectaculares (como los derivados de predecir los efectos de las cargas de entrenamiento del ejemplo anterior). Una misma carga puede producir, en función del contexto en el que se aplique, sobrecompensación o. sobre entrenamiento. Otra de las situaciones frecuentes es la de obviar o ignorar el rango de comportamiento no lineal y considerar únicamente la franja de comportamiento lineal del sistema. Ésta es una práctica frecuente cuando valoramos a los deportistas a partir de tests físicos. La evaluación suele restringirse (a través de las condiciones impuestas por el test) a la cuantificación de las fases estables, ignorando o evitando las transiciones y los cambios cualitativos que se producen como si se tratasen de errores de ejecución. Por ejemplo, damos por finalizado un test de resistencia cuando la participante no es capaz de cumplir los criterios de realización de la tarea impuestos (por ejemplo, la frecuencia de pedaleo, la velocidad de ejecución o el mantenimiento de la posición corporal) desestimando que llegado este punto aún puede continuar el esfuerzo a intensidades inferiores. La modelización no lineal aún no ha podido explicar toda la complejidad que se encuentra en los seres humanos y, en concreto, existe una gran necesidad de desarrollar modelos específicos aplicados a la comprensión del comportamiento relacionado con la actividad física y deportiva.

44 |

complejidad y deporte

En la actualidad la disponibilidad de ordenadores más potentes ofrece más posibilidades para descubrir y estudiar la dinámica de los sistemas no lineales. Además, la creación de centros especializados en la dinámica no lineal y los sistemas complejos facilitan formación y software específico (http://www.cnd.mcgill.ca/, http://necsi.org/)

2.5. La fractalidad. Estructuras y dinámicas fractales El diálogo entre orden y desorden que caracteriza a los sistemas complejos no sólo se manifiesta en el comportamiento caótico sino que también lo encontramos en el concepto de fractalidad. Un orden fractal es un orden que se repite a diferentes escalas, dando lugar a estructuras o dinámicas temporales autosimilares. En este sentido se dice que los fractales presentan una escala invariable. Por ejemplo, si observamos un brócoli y lo vamos partiendo en trozos cada vez más pequeños vemos que su estructura se repite como ocurre con las muñecas rusas. La naturaleza es abundante en dichas estructuras. En el cuerpo humano las encontramos en los vasos sanguíneos, en el músculo esquelético, en las vías respiratorias, etc. Como se observa en la fig. 7 (inferior), resulta difícil diferenciar los fascículos musculares, las fibras y las miofibrillas en un músculo porque poseen estructuras autosimilares.

A

B

Fig. 7. Estructura fractal de las vias respiratorias y del músculo esquelético. Observar la autosimilitud que se manifesta a diferentes escalas espaciales –tanto en el arbol bronquial (A) como en el músculo (fascículos muscular e s , f i b r a m u s c u l a r, miofibrillas). (B) (Adaptado de Wilmore y Costill, 2010).

la complejidad. definiciones y conceptos

| 45

Que la estructura sea fractal no significa que sea totalmente simétrica. Pequeñas diferencias iniciales iteradas pueden dar lugar a formas notablemente distintas. Pongamos por ejemplo lo que ocurre con los árboles que pertenecen a una misma especie. Un mismo algoritmo matemático iterado da lugar a su estructura auto similar característica. Sin embargo, un pequeño “ruido” (por ejemplo, respecto a su posición inicial al plantarlos) por iteración dará lugar a gran diversidad de formas provocando que no existan dos ejemplares iguales. No sólo la estructura, sino el comportamiento de muchos sistemas naturales en equilibrio también se reproduce en diferentes escalas temporales y por ello se dice que sus dinámicas de cambio son fractales. A pesar de que la apariencia de las series de determinadas variables colectivas que recogen el comportamiento de sistemas biológicos sea irregular y aparentemente desestructurada, en realidad no lo es. Dichas series presentan un orden en la escala temporal; es decir, su variabilidad se reproduce en diferentes intervalos de tiempo, o lo que es lo mismo, la estructura de su dinámica es autosimilar. La fig. 8 representa el concepto de autosimilitud en la escala espacial (izquierda) y en la escala temporal (derecha).

Autosimilitud temporal

Frecuencia cardíaca (bpm)

Frecuencia cardíaca (bpm)

Frecuencia cardíaca (bpm)

Autosimilitud espacial

Fig. 8. Autosimilitud en las escalas espacial y temporal. Se reproduce la variabilidad a diferentes escalas en la estructura (izquierda) y en la serie temporal (300 min, 30 min, 3 min) de la variable FC (derecha).

46 |

complejidad y deporte

El prof. Ari Goldberger preguntó en el 2003 a un grupo de congresistas qué registro de los que se presentaban en el gráfico (fig. 9) desearían tener, invitándoles a escoger uno.

Frecuencia cardíaca (bpm)

Dinámica de la frecuencia cardíaca en la salud y la enfermedad: Series temporales del test

Frecuencia cardíaca (bpm)

Tiempo (min)

Frecuencia cardíaca (bpm)

Tiempo (min)

Frecuencia cardíaca (bpm)

Tiempo (min)

Tiempo (min)

Fig. 9. Series temporales de la FC en personas enfermas (A,C,D) y en una persona sana (B). La serie B tiene una dinámica fractal. A pesar de su apariencia irregular y desestructurada sus valores están totalmente correlacionados. Adaptada de Goldberger (2002).

la complejidad. definiciones y conceptos

| 47

Cuando se empezaron a alzar las manos indicó que sólo uno de ellos pertenecía a una persona sana (B), los otros respondían a pacientes con patologías severas (A y C responden a pacientes con insuficiencia cardíaca y D a un paciente con fibrilación auricular) (Goldberger et al., 2002). La persona sana destaca por su registro aparentemente desestructurado, que dista mucho de un estado homeostático constante. Presenta características propias de un proceso fractal en el que los valores sucesivos de la serie se hallan totalmente correlacionados. Esto significa que existe entre ellos una dependencia temporal o dependencia histórica. Los valores presentes dependen de los pasados y condicionan los futuros, como si existiese algún tipo de memoria en la serie. Esto proporciona estabilidad a la dinámica y hace posible las predicciones, a diferencia de lo que ocurre con los procesos aleatorios, que no están correlacionados (como en la serie D de la fig. 9). Para estudiar las dinámicas de cambio de los sistemas y reconocer su estructura fractal se utiliza el análisis espectral de las series temporales de alguna variable colectiva (o parámetro de orden) representativa del comportamiento del sistema. Dicho análisis permite comprender mejor la relación entre la variabilidad y la complejidad. Consiste en descomponer la serie en sus componentes sinusoidales, que tienen diferentes frecuencias y amplitud (fig. 10).

Fig. 10. Serie temporal completa (arriba derecha) y descompuesta (izquierda) en sus frecuencias de diferente amplitud. El análisis espectral (debajo derecha) muestra una pendiente cercana a -1. El eje de ordenadas se ha ajustado a escala logaritmica para hacer visibles las fluctuaciones de menor amplitud (Van Orden, Kloos y Wallot, 2009).

48 |

complejidad y deporte

Éstas se relacionan a través del gráfico de potencia espectral (frecuencias en abcisas y amplitud en ordenadas). Ello permite mostrar cuales son las frecuencias dominantes, si es que las hay. Una dinámica fractal se caracteriza precisamente por la ausencia de una frecuencia dominante. Por ello su potencia espectral recibe el nombre de escala invariable o ley de potencias, lo que se relaciona con una dinámica de auto-organización del sistema. Se ha encontrado dicha escala invariable en una amplia gama de tareas, como son la cognición (Gilden, 2001; Van Orden, Holden y Turvey, 2003) la producción de fuerza (Vaillancourt y Newell, 2003; Wing, Daffertshofer y Pressing, 2004;) y los movimientos rítmicos y coordinativos unimanuales y bimanuales (Chen, Ding y Kelso, 1997; Ding, Chen y Kelso, 2002; Delignières, Lemoine y Torre, 2004; Torre, Delignières y Lemoine, 2007; Delignières, Torre y Lemoine, 2008).

Fluctuaciones estandarizadas

En la fig. 11 observamos un ejemplo de la potencia espectral (11b) de una serie de datos cinemáticos (11a). El parámetro de orden elegido es el ángulo del codo, que se registra durante un ejercicio cuasi estático sujetando una barra olímpica con 90º de flexión del brazo hasta la terminación espontánea producida por la fatiga (fig. 34).

Densidad espectral

Número de observación

Número de observación inverso

Fig. 11. Serie temporal (a) y potencia espectral (b) de la evolución del ángulo del codo durante un ejercicio cuasi estático realizado hasta la terminación espontánea producida por la fatiga. Se observa una escala invariable (no existe una frecuencia dominante). La pendiente espectral muestra una pequeña desviación respecto a la generada por un proceso totalmente fractal (ruido marrón) (Balagué y Hristovski, 2010).

la complejidad. definiciones y conceptos

| 49

Como se puede ver en el gráfico 11b no existe ningún pico característico que muestre una escala preferente en la serie. Hay una relación proporcional entre frecuencia y amplitud; es decir, ninguno de los componentes sinusoidales domina la señal. La serie se produce por la interacción entre múltiples subsistemas sin que uno esté por encima de otro. Este tipo de dinámica es propia de los sistemas auto-organizados. Esto significa, en el ejemplo propuesto que involucra componentes neuromusculares, que desde los bucles corticales (que recogen aspectos como la motivación, intención, etc.), que actúan a escalas temporales más lentas, hasta los musculares (producidos por los cambios de origen bioquímico), que actúan a escalas más rápidas, son interdependientes y colaboran en el proceso de fatiga no habiendo un responsable único. En las series fractales existe un compromiso óptimo entre el desorden incontrolable de las series aleatorias y el orden estricto de las series totalmente previsibles. Este tipo de variabilidad se considera típica de los sistemas complejos y es una forma de reconocerlos. Ya se ha dicho que la complejidad de un sistema se asocia a su estado de flexibilidad y capacidad adaptativa. Una de las aplicaciones del reconocimiento y tipificación de la variabilidad en el comportamiento de sistemas es precisamente el diagnóstico de su estado. Las dinámicas fractales son propias de sistemas sanos, que presentan flexibilidad, creatividad y buenas capacidades adaptativas. En cambio, tanto el desplazamiento de dicha variabilidad o ruido hacia una mayor aleatoriedad o, por el contrario, hacia una mayor regularidad (como la que se produce con la fatiga, representada en la fig. 11b), informa sobre la pérdida de las mencionadas cualidades. Así, se ha comprobado que con la edad o con la enfermedad existe una tendencia a la pérdida o alteración de la dinámica típicamente fractal (pendiente espectral o β = -1), conocida también como ruido rosa (Duarte y Sternad, 2008; Glass y Mackey, 1988; Goldberger, Peng y Lipsitz, 2002; Hausdorf y col., 1997; West, 2006). A diferencia del ruido aleatorio, este ruido se encuentra totalmente correlacionado, a pesar de que a primera vista no lo parezca (ver fig. 12B), caracterizando los estados de salud y bienestar (Van Orden, Kloos y Wallot, 2009).

A

B

C

D

Fig. 12. Diferentes tipos de ruido en las señales biológicas. El ruido A es blanco o aleatorio (pendiente espectral β= 0), el B es rosa (β = -1), el C (β= -1.5) i el D (β= -2) son marrones. Nótese que la parte blanca del gráfico domina cada vez menos hasta que en el ruido marrón persistente (D) sólo marca el horizonte del registro.

50 |

complejidad y deporte

En la fig. 12 se encuentran tipificados los diferentes ruidos que generan las señales biológicas: desde el totalmente aleatorio o blanco (A), que no tiene valor funcional, el fractal o rosa (B), y el marrón (C y D, antipersistente y persistente, respectivamente). La patología desplaza el ruido rosa tanto en un sentido (hacia el ruido blanco -mayor aleatoriedad) como en el otro (hacia el marrón -mayor rigidez). Ambas situaciones indican que la flexibilidad y adaptabilidad del sistema se pierde. Están aún por desarrollar las aplicaciones de la tipificación de los ruidos y la fractalidad de las dinámicas de cambio en los parámetros de orden para el reconocimiento y valoración de los estados del organismo en función de su adaptación al ejercicio y el entrenamiento.

la complejidad. definiciones y conceptos

| 51

3

¿Por qué las ciencias de la complejidad en la actividad física y el deporte? Aportaciones y retos de futuro Veo el mundo en términos fluidos, contradictorios, emergentes e interconectados, y en este tipo de circuito, simplemente no siento la necesidad de decir qué ocurrirá o no ocurrirá. Jerry Brown

Los atletas, los equipos o los clubs deportivos son sistemas complejos y su comportamiento también lo es. De hecho resulta común calificar todos los fenómenos relacionados con el deporte como complejos, ya que a primera vista puede parecer que son difíciles de aprehender y comprender en el marco de una teoría unificada. Sin embargo, los efectos colectivos (o cooperativos) que los caracterizan pueden ser estudiados de forma satisfactoria a través de los conceptos y herramientas proporcionados por las ciencias de la complejidad. Estos ya se aplican a diferentes campos de conocimiento (biología, psicología, medicina, sociología, economía, empresa, comunicación, educación, política, química, ecología, etc.) de forma satisfactoria, lo que corrobora su carácter transdisciplinar y permite establecer analogías que posibilitan una utilización amplia de los resultados obtenidos por la investigación. La persona lectora puede encontrar artículos relacionados con diversos ámbitos científicos, académicos y humanos en: http://www.calresco.org/related.htm Su introducción en la actividad física y el deporte es relativamente reciente pero ya ha supuesto el desarrollo de importantes aplicaciones a la teoría, la práctica y la investigación. Presenta además un amplio abanico de posibilidades aún sin explorar, que representan un reto y nuevas oportunidades para las futuras generaciones de profesionales. A continuación citaremos algunas de las principales aportaciones y oportunidades que nos ofrece la nueva perspectiva:  frece una visión global y coherente para comprender la motricidad y los fenóme• O nos y manifestaciones relacionados con la misma (desde la toma de decisiones, la creatividad o los procesos de aprendizaje hasta las capacidades condicionales, la fatiga o la sobrecompensación y el sobreentrenamiento). Ya no son tratados como procesos aislados sino que comparten mecanismos comunes y están correlacionados a través de los constreñimientos.

¿por qué las ciencias de la complejidad en la actividad física y el deporte? aportaciones y retos de futuro

| 53

• U  niversalidad y transversalidad. Los mismos principios son válidos para comprender el funcionamiento del organismo humano, del sistema neuromuscular, del sistema atleta-entrenador, del equipo, del sistema atacante-oponente, etc. Pero además se pueden establecer conexiones y similitudes con el comportamiento de otros sistemas complejos de diferente naturaleza que operan a diferentes escalas (el clima, las órbitas celestes, la economía de un país, etc.). • E xisten principios fundamentales que rigen el comportamiento en general y la motricidad en particular. Esto nos permite principalmente estudiar y comprender los procesos, hacer predicciones aproximadas y solucionar el problema de disponer de infinitos mecanismos particulares aislados capaces de recoger y prever cada una de las situaciones diferentes a la que se expone el organismo durante el ejercicio. • E stablece la coordinación como el aspecto esencial para la comprensión del funcionamiento y comportamiento de los sistemas (en especial del organismo humano) y sus interacciones con el entorno. Lo que ocurre cuando andamos, mientras nuestro corazón late, al esquiar o saltar con pértiga, al colaborar y al competir, etc. supone una intrincada y reconocida coordinación de funciones. Sin embargo, el estudio de la coordinación y de su dinámica, a pesar de ser esencial, se suele asociar únicamente a perspectivas concretas del ámbito de la motricidad. Las ciencias de la complejidad permiten salvar esta circunstancia y aplicar con éxito los conceptos de la “dinámica de la coordinación”, que se detallan en el capítulo 5, a diferentes formas coordinativas que emergen entre componentes de sistemas diversos (orgánicos, fisiológicos, biomecánicos, psicofísicos, ejecutante-tarea, atacante-oponente, equipos deportivos, etc.).  puesta por la comprensión de los fenómenos en lugar de apostar por la elabora• A ción y manejo de recetas, lo que permite generar soluciones múltiples, individuales y más eficaces frente a la diversidad de situaciones concretas que se plantean en la actividad física y el deporte.  on el concepto de auto-organización desaparece la necesidad de ubicar en el cere• C bro homúnculos o centros específicos para realizar funciones programadoras y de control (seleccionar información relevante, combinar propósitos, almacenar patrones, tomar decisiones, integrar la información recibida de los órganos y sistemas periféricos o hacer cálculos para emitir la respuesta necesaria). Los sistemas complejos no precisan de dichos procesadores o “programadores”. • L a integración dinámica sobrepasa la idea de que las respuestas de los sistemas (en particular del organismo humano) están integradas de forma concatenada (como las piezas de un domino) y que, por lo tanto, son aditivas y proporcionales a sus causas (exceptuando cuando se superan ciertos “umbrales”). Explican cómo cada factor interactúa de forma multiplicativa con los demás y cada interacción cambia en el contexto de cada factor adicional nuevo. El rendimiento deportivo es fruto de este tipo de inte-

54 |

complejidad y deporte

racciones y su sensibilidad a los cambios de contexto le hace impredecible. En deportes colectivos la llegada de un jugador nuevo puede cambiar las interacciones existentes hasta el momento entre los componentes del equipo y su aportación individual puede generar propiedades emergentes imprevisibles. Gracias a la integración dinámica se ofrece además una nueva visión de la integración mente-cuerpo. No es la mente la que dirige al cuerpo ni viceversa. Se produce una causalidad circular que hace inseparables e interdependientes a los dos componentes (ver capítulo 10). Además, no será necesario que las intervenciones se focalicen sólo en el músculo sino que se dispondrá de un amplio abanico de posibilidades para producir los cambios. • S e habla de constreñimientos en lugar de causas. Como las relaciones puramente lineales y deterministas entre causas y efectos son sólo excepcionales en la naturaleza y la mono-causalidad no se puede dar en los seres vivos que se encuentran constantemente influenciados por múltiples factores cambiantes (internos y del entorno), el concepto de causa se substituye por el de constreñimiento (ver capítulo 5). Los constreñimientos no determinan el comportamiento del sistema, sólo lo presionan en determinadas direcciones, afectando el proceso de auto-organización y emergencia de su respuesta. Como no existen dos situaciones iguales, ni dos personas que tengan los mismos constreñimientos cada comportamiento cambia en cantidad y en calidad. En cada salto de longitud no sólo variaran las distancias de los y las saltadoras sino que cada salto será coordinativamente algo diferente. • L as diferencias individuales respecto a los procesos de aprendizaje o las adaptaciones al entrenamiento son la consecuencia natural de la complejidad del proceso. Ya no es necesario pensar en excepciones y también se solucionan los problemas derivados de pensar en términos normativos. No puede haber dos respuestas idénticas. Las diferencias en los constreñimientos dan lugar necesariamente a diferencias frente al mismo tipo de situaciones y frente a situaciones distintas. • E l contexto adquiere un valor fundamental para comprender el comportamiento y los procesos de adaptación. No emergerán los mismos comportamientos en contextos distintos, lo que puede ser utilizado para favorecer procesos de cambio. La acción motriz tampoco se desvincula de su contexto y es vista como una coordinación o acoplamiento entre la tarea y la persona participante. El tipo de acoplamiento no es rígido sino flexible y adaptable. Como cada tarea introduce nuevos constreñimientos, debe emerger una nueva coordinación cada vez que ésta cambia. A su vez, la práctica progresiva o bien mantenida de una misma tarea conlleva cambios en la coordinación al ejecutarla, ya sea por la mejora de su eficacia y eficiencia o por la fatiga. Es importante además, cuando investigamos sobre el comportamiento, tener en cuenta que los resultados obtenidos en situaciones experimentales o de laboratorio son únicos y resultan difícilmente extrapolables. Por poner un ejemplo (entre muchos otros), mientras que se presentan pensamientos disociados espontáneos (no relacionados con la tarea) al

¿por qué las ciencias de la complejidad en la actividad física y el deporte? aportaciones y retos de futuro

| 55

correr a una velocidad moderada en el campo, estos no se dan cuando intentan ser evaluados en situaciones de test de laboratorio (sobre una cinta continua) (Hristovski et al., 2010). • S e comprenden las relaciones no lineales, que explican como pequeños cambios en un parámetro de control (ver capítulo 5) ocasionan cambios radicales (no proporcionales) en las respuestas o el comportamiento cuando el sistema está en estado crítico. Pequeños cambios en la relación de los constreñimientos pueden romper la simetría en las alternativas y provocar que algunas contingencias puedan resultar, en un momento dado, constreñimientos relevantes (p.e. una pequeña carga puede ocasionar, cuando el sistema locomotor está en estrés por la fatiga, una lesión muscular o tendinosa).  anan importancia los procesos no conscientes. A pesar de que los numerosos cons• G treñimientos reducen los grados de libertad (ver capítulo 5) del sistema, el cuerpo en movimiento dispone de muchos más de los que se pueden controlar conscientemente. La acción motriz ya no se programa en el consciente, que sólo es capaz de poner veto a la misma, sino que emerge principalmente por procesos no conscientes, siendo la experiencia consciente sólo una consecuencia más. Se comprende por qué determinados procesos de adaptación y cambio basados en instrucciones verbales, manipulación de la intención o las órdenes motoras enviadas por centros superiores no tengan los resultados previstos. Los propósitos, el control consciente del movimiento o algunas consignas (por ejemplo, aquellas expresadas a través de negaciones del tipo “no hagas…”) resultan a menudo poco eficaces para transformar la práctica. Focalizar la atención en la evitación de un accidente del terreno, como un árbol o una roca en una pista de esquí, puede tener incluso el efecto contrario e instigar al choque. La combinación y modulación adecuada de constreñimientos que actúan a diferentes niveles puede facilitar la eficacia y eficiencia de los mencionados procesos de cambio, sin precisar de las órdenes explícitas que caracterizan habitualmente muchas sesiones de entrenamiento. • E l comportamiento está dominado por la dinámica de las interacciones. Un sistema no se reduce a las funciones de sus componentes o a los efectos sumatorios de las mismas. Dichas funciones son interdependientes y producen la emergencia de propiedades distintas en el conjunto (no aditivas y no proporcionales). Si cada parte del sistema afecta a las demás, los valores que recogen los cambios coordinativos del sistema no presentarán una variabilidad gaussiana (aleatoria) sino totalmente correlacionada. Esta correlación se producirá en diferentes escalas temporales, dando lugar a su característica dependencia histórica. Esto significa que cada carga de entrenamiento cambia el contexto en el que se aplica la siguiente carga y así sucesivamente, de manera que no se producirá la propiedad conmutativa en la aplicación de las mismas. Es decir, en el entrenamiento el orden si altera el producto. • L as relaciones flexibles y variables de los sistemas con el entorno son claves para su capacidad adaptativa. Se transforma la idea de estados estables o de equilibrio y del

56 |

complejidad y deporte

concepto de homeostasis (presente en medicina y biología) y su correspondencia con el bienestar. La homeostasis asume que los valores medios constituyen una especie de “set points” o valores deseables del sistema (como los ajustes de un termostato) que deben recuperarse cuando son alterados por las perturbaciones externas. El concepto que emerge de las ciencias de la complejidad es el de homeodinámica o, más específicamente homeorresis, que considera la flexibilidad a los cambios de los sistemas vivos (West, 2006). Estos no recuperan su estado previo después de una perturbación (lo que correspondería a la idea de homeostasis) sino que recuperan una trayectoria o dinámica de cambio (variabilidad) particular. Esta refleja las relaciones tanto previas como presentes con el entorno y permite identificar, más allá de sus valores concretos, las dinámicas de cambio saludables de las que no lo son. Las oscilaciones cíclicas del rendimiento y las curvas de sobrecompensación del entrenamiento son un ejemplo que puede ilustrar el equilibrio dinámico existente y las relaciones variables que se dan entre los componentes del organismo. • L a variabilidad cambia de significado y adquiere un valor funcional. Antes de la complejidad la variación en medidas repetidas se dividía en 2 categorías: cambios regulares o cambios aleatorios. Los primeros se consideraban la varianza explicable (asumible a lo que se conoce como variabilidad biológica, tecnológica, etc.) y los segundos al error de la medida (error alfa). Las ciencias de la complejidad añaden un tercer tipo o fuente de variabilidad: la que se deriva de las relaciones escalares. La relación escalar es la relación entre la magnitud y la frecuencia de cambio y se estima por la pendiente en la representación espectral. Puede dar información sobre el estado del sistema, su flexibilidad y adaptabilidad (ver para más detalles el apartado 2.5 sobre la dinámica fractal). Entre los retos de futuro que se plantean en nuestro ámbito de estudio destacaremos dos:  esarrollar una terminología adecuada (con la inclusión de los nuevos términos) y • D adaptar la existente. La mayor parte de conceptos y términos que utilizamos en la actualidad para explicar fenómenos complejos proceden del conductismo, de la cibernética clásica o de la teoría de la información. A menudo dichos términos no contribuyen a una comprensión adecuada de la naturaleza de los procesos complejos que pretendemos describir en este libro. Sin embargo, en este texto se han mantenido y no han sido substituidos por otros, tal vez más adecuados, para no confundir demasiado a la persona lectora. En la tabla 2 se citan algunos ejemplos de estos términos vinculados a las perspectivas antes mencionadas y se sugieren posibles alternativas de los mismos, más de acuerdo con las teorías de la complejidad:

¿por qué las ciencias de la complejidad en la actividad física y el deporte? aportaciones y retos de futuro

| 57

Tabla 2.: Propuesta de términos alternativos a los tradicionalmente usados en la investigación.

TÉRMINOS UTILIZADOS

TÉRMINOS ALTERNATIVOS

ESTÍMULOS

PERTURBACIONES

RESPUESTAS / OUTPUTS

ACCIONES EMERGENTES

PROGRAMAS / MECANISMOS

PROCESOS

PATRONES

CONFIGURACIONES

CONTROLAR

COLABORAR / COMPETIR

CAUSAS

CONSTREÑIMIENTOS

• D  esarrollar aplicaciones en los diferentes ámbitos relacionados con la actividad física y deportiva. Hasta el momento sólo resultan significativas y relevantes en el área del aprendizaje y control motor, estudiando sobretodo tareas que tienen poca relación con los gestos deportivos. En concreto, sus aplicaciones al deporte y a los procesos de entrenamiento son muy recientes, de ahí su gran potencial. A parte de la educación física y la teoría y práctica del entrenamiento, la fisiología, la sociología, la psicología, la medicina y la fisioterapia aplicadas al deporte pueden verse altamente beneficiadas por la nueva visión.

58 |

complejidad y deporte

4

Contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

Época triste la nuestra en la que resulta más fácil desintegrar un átomo que eliminar un pre-concepto. Einstein

En este capítulo se revisarán los modelos vigentes comúnmente utilizados en el ámbito de la actividad física y deportiva y se contrastarán con los propuestos desde las ciencias de la complejidad. Se pretende que el lector reconozca dichos modelos y los identifique como tales; es decir, como mapas de la realidad que no pueden confundirse con la misma. En las ciencias aplicadas esta confusión es común y se produce un abuso de las “recetas” sin especificar los modelos que las generan, lo que nutre el falso supuesto de que no existen alternativas posibles. La historia de la ciencia ha adoptado aquellas teorías que han podido demostrar su validez, consistencia y capacidad de predicción y ha desestimado muchas otras que no han podido hacerlo. Sin embargo, esta misma historia nos muestra que han de pasar varios años para que una nueva teoría sea socialmente reconocida y aceptada. Por poner un ejemplo a nivel de un simple proceso bioquímico, hace muchos años que se conoce que el ácido láctico no cristaliza en el músculo esquelético y que las “agujetas” no pueden ser atribuibles al mismo. Además, se ha comprobado que es metabolizado y eliminado del organismo en aprox.1-2h. Sin embargo, sigue existiendo esa “creencia” y se sigue recomendando la ingestión de azúcar para aliviar el dolor o la práctica de entrenamientos (“de rodaje”) para limpiar el ácido láctico del músculo al día siguiente de la competición. Alguien podría argumentar que esto funciona; de hecho la sugestión es una forma eficaz de aliviar el dolor o promover algunos cambios en el organismo. No obstante, parece probable que puedan encontrarse intervenciones más eficientes y adecuadas. Los cambios a nivel social siempre han sido difíciles (incluso dolorosos), y lo siguen siendo, como bien recoge la frase que encabeza este capítulo. En el ámbito de la actividad física y el deporte los supuestos de algunas teorías vigentes ignoran las características y propiedades reconocidas de los sistemas complejos adaptativos, simplificándolos en exceso o asimilándolos a máquinas cuya naturaleza es totalmente distinta.

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 59

4.1. El modelo cognitivo y la metáfora del ordenador Una de las primeras preguntas que iniciaron nuestras dudas sobre la validez de algunos de los supuestos que teníamos en relación a los procesos de aprendizaje y de adaptación del organismo en el ámbito motriz es la de porqué trabajamos con repeticiones de ejercicios. Aún se la formulamos a los alumnos en las primeras sesiones y comprobamos su eficacia desestabilizadora. En realidad, antes de oír esta pregunta nunca nos la habíamos planteado; simplemente parecía obvio que tenía que ser así. Si lo deseas, antes de proseguir, puedes intentar hacer tu propio listado sobre las razones del trabajo con repeticiones. Se suelen citar, entre otras, las siguientes:  ara automatizar los movimientos, • p • para fijar patrones motores, • para aumentar la carga y provocar así adaptaciones más notables, etc. Este tipo de afirmaciones, lejos de responder a una realidad, responden a un modelo o perspectiva concreta, que suele asociarse al cognitivismo y que asimila el funcionamiento del organismo al de un computador, por lo que también se ha llamado “metáfora del ordenador”. La pregunta que plantearíamos a continuación es: ¿repetimos en realidad algún movimiento? ¿Es posible generar adaptaciones sin hacer repeticiones? Las teorías cognitivas o de procesamiento de la información, que rechazan el conductismo, influencian de forma muy notable los modelos de aprendizaje que se utilizan en el campo de la actividad física y el deporte. Intentan explicar el comportamiento motor a través de los procesos de pensamiento (Schmidt, 1982) y una de sus características fundamentales es la de considerar las acciones motrices independientemente de su contexto (Schmidt y Lee, 1999). Según la metàfora del ordenador los humanos se hallan equipados con un procesador central (el cerebro) con importantes capacidades cognitivas y almacenadoras de información en relación jerárquica con el resto de estructuras y funciones corporales. Dicho procesador precisa ser previamente programado para producir las respuestas requeridas. En algunas ocasiones se le trata incluso como una tabla rasa; es decir, carente de estructura inherente y que, por lo tanto, podemos programar a voluntad (Pinker, 2004). En estas condiciones se espera que después de un proceso de programación adecuado, en el que se introduzcan los programas deseados en el procesador, los estimulos (inputs) seleccionados produzcan, después de un procesamiento central de la información, las respuestas esperadas (outputs correctos). Como dichas respuestas deben estar en concordancia con los programas preestablecidos y existe en general sólo una solución correcta (el movimiento o técnica correcta, la táctica ideal, etc.) cualquier desviación de dicha solución es considerada como un error (fig. 13).

60 |

complejidad y deporte

´

Fig. 13. Según la metàfora del ordenador los humanos poseen un procesador central (el cerebro) que precisa ser programado (instrucciones, correcciones) para producir las respuestas requeridas. La percepción y la acción se entienden como procesos separados. Tomemos como ejemplo lo que sucede con una atleta a quien queremos enseñar una acción motriz nueva. El primer paso a seguir va a ser programar su procesador central adecuadamente, ya que no se espera que sea capaz de realizar un movimiento nuevo sin programación previa. Para ello el entrenador o entrenadora utilizará preferentemente instrucciones verbales y la visualización de los movimientos a realizar. Habitualmente estas instrucciones son muy precisas, de manera que se suele valorar la capacidad del profesional por el detalle con el que es capaz de determinar las características del movimiento correcto. Al tiempo que se programan dichas características se informa al procesador sobre cuáles van a ser los errores. Es decir, como no hay que hacer el movimiento. La concentración en las instrucciones correctas así como la evitación de los movimientos erróneos se considera imprescindible para lograr una buena ejecución (Balagué, Torrents y Schöllhorn, 2001). Si la atleta no es capaz de producir la respuesta adecuada en las fases iniciales, se cree que progresará a través de las repeticiones y la comparación de sus resultados con la solución de referencia (Ingvaldsen y Whiting, 1997; Temprado y Laurent, 1999). Los sistemas de retroalimentación de los que dispone la atleta permitirán comparar constantemente el resultado con el objetivo deseado y evitar los errores. En caso de que sus sistemas de feedback interno no sean suficientes para ajustar adecuadamente su respuesta, se añadirán medios de feedback externo para ayudarle en esta dirección (correcciones verbales, videos, etc.) (Hodges y Franks, 2004). Una vez el nuevo movimiento se ejecuta correctamente es almacenado en el procesador en forma de programa motor (Schmidt y Lee, 1999) y podrá ser utilizado cuando se requiera, formando parte del repertorio de movimientos de cada persona.

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 61

Las teorías cognitivistas consideran también la toma de decisiones como un proceso mental específico. El deportista o el alumnado después de percibir los cambios del entorno elaboran sus respuestas a partir de las posibles acciones previamente almacenadas en áreas cerebrales específicas y del establecimiento de un amplio sistema de relaciones del tipo “si-entonces”. Un aspecto básico de este proceso es que la atleta debe conocer anticipadamente las decisiones o acciones correctas (tanto relacionadas con los aspectos técnicos como tácticos) para reproducirlas cuando se precise. La repetición de los ejercicios facilita la fijación de las decisiones en forma de representaciones que forman los denominados esquemas motores (Schmidt y Wrisberg, 2008). Según ese modelo, cuanto mayor es el número de representaciones, mayores posibilidades tiene el/la participante de escoger la mejor de ellas en cada ocasión, de manera que promueve la práctica variable. La existencia de dichas representaciones se defiende por los estudios que muestran como determinadas zonas cerebrales aumentan su metabolismo durante la ejecución de determinados movimientos (Edelman, 1998). Mientras que la existencia de las representaciones “on-line” no se cuestionan; es decir, se admite que durante la ejecución del movimiento se activan determinadas zonas cerebrales con mayor intensidad, las representaciones “off line”, aquellas que explican la existencia de algún tipo de memoria “almacén” son motivo de discusión. La evidencia de mayor actividad en ciertas áreas no puede relacionarse de forma directa con los programas motores (que no tendrían la misma magnitud al tratarse simplemente de redes neuronales de tamaño muchísimo más reducido). Concretamente se desconoce de qué manera se almacenan dichos patrones y cómo se activan durante el ejercicio (Spencer y Schöner, 2003).

4.1.1. Limitaciones del modelo cognitivo en la actividad física y el deporte A pesar de que su utilización está muy extendida, la metáfora del ordenador presenta claras limitaciones cuando se pretenden explicar algunas de las situaciones habituales que nos encontramos en la práctica de la actividad física y el deporte. Por ejemplo, al intentar dar una respuesta satisfactoria a las siguientes preguntas, que se suman a la que ha abierto el presente capítulo: • ¿ Cómo se explica que a pesar de detalladas instrucciones sobre cómo realizar un ejercicio algunas personas no consigan realizarlo incluso después de intentarlo repetidamente? ¿No dan las órdenes motoras correctas? • ¿Por qué a pesar de las repeticiones no se producen mejoras en la ejecución del movimiento en algunas personas mientras que en otras no hagan prácticamente falta dichas repeticiones? • ¿Cómo se explica la emergencia de nuevos movimientos (eficaces y eficientes) sin instrucción previa? o ¿Cómo se explica la creatividad motriz?

62 |

complejidad y deporte

• ¿ Por qué algunos movimientos que no responden a los estereotipos aprendidos o modelos “ideales” presentan una gran eficacia? Es conocido que algunas técnicas consideradas “antiortodoxas” son utilizadas por muchos y muchas deportistas de élite con gran efectividad (como el golpe de revés del tenista Rafa Nadal). • ¿Cómo pueden almacenarse en el cerebro humano tal cantidad de patrones motores? ¿Cómo se almacenan, especialmente, en aquellas personas que se caracterizan por una mayor diversidad e imprevisibilidad de su comportamiento? • ¿Cómo se consigue, a través de los automatismos o patrones del movimiento almacenados en nuestro cerebro, la adaptabilidad y flexibilidad de decisiones que caracteriza a las personas más expertas? La persona lectora podrá comprobar que resulta difícil, por no decir imposible, satisfacer estas cuestiones con el modelo antes descrito. La única posibilidad es, como suele darse en las ciencias relacionadas con el comportamiento humano, formular una serie de explicaciones “ad hoc” (es decir, a posteriori, especulativas, que siempre se pueden añadir como convenga) necesarias para compatibilizar las evidencias prácticas y experimentales con los modelos disponibles. Por ejemplo, se habla de la genialidad deportiva como si se tratase de un “gen”. Ciertamente la creatividad se da de forma especial en algunos/as atletas pero hay que reconocer que los modelos vigentes no la promueven. Cuando se aborda la modelización conceptualmente - es decir, verbalmente- dichas explicaciones “ad hoc” no suelen suponer graves problemas, pero estos resultan evidentes cuando se plantea su modelización matemática (Balagué y Hristovski, 2010). Como se ha dicho al inicio del capítulo, cuando una teoría no puede ser validada en diferentes situaciones o no puede explicarlas de forma satisfactoria debe ser reemplazada por alguna otra capaz de hacerlo. PPPPPPP

4.2. Diferencias entre modelos vigentes 4.2.1. Diferencias entre modelos integrados A pesar de que en la naturaleza encontramos mayoritariamente sistemas abiertos, el enfoque sistémico no los trata a menudo como tales por las dificultades de formalización matemática que ello representa. Las ciencias de la complejidad han desarrollado conceptos y herramientas para estudiar dichos sistemas, yendo más allá de lo que se conoce popularmente como enfoque sistémico. Es importante diferenciar y no confundir la teoría de sistemas o el pensamiento sistémico con las teorías de la complejidad o con la teoría de sistemas dinámicos. Tampoco puede confundirse el entrenamiento integrado con el entrenamiento basado en los principios de la complejidad. Como se ha visto en el apartado 2.1.1 no todo lo que está formado por muchos elementos que interactúan puede considerarse que presenta un comportamiento complejo. Es

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 63

decir, los sistemas complejos funcionan de forma integrada pero los sistemas integrados no son necesariamente complejos. Uno aspecto clave para saber si se da complejidad en sistemas integrados es considerar el tipo de integración o el tipo de interacciones que se dan entre los componentes. La falta de una adecuada modelización matemática de los sistemas, hace que a menudo desconozcamos cuál es la naturaleza de dicha integración. Ya hemos visto anteriormente que podemos averiguarla a partir del análisis de series temporales de variables que recogen el comportamiento integrado o coordinado del sistema (ver apartado 2.5). En general, podemos hablar de diferentes tipos de integración: a) lineal, b) lineal con umbral, c) lineal mediada por programador, d) no lineal. a y b) La integración lineal y lineal con umbral son propias de sistemas que hemos llamado complicados (ver apartado 2.1.1). No obstante, muchos sistemas fisiológicos se estudian a partir de dichos tipos de integración, simplificando substancialmente lo que ocurre en el organismo. Por ejemplo, hablamos de una integración estructural (anatómica) y de una integración funcional del sistema neuromuscular en el sentido de que diferentes partes se conectan produciendo activaciones proporcionales (cantidad de substancia – cantidad de actividad) o con activaciones que siguen reglas sencillas de tipo umbral (como las neuronas que se disparan a partir de un umbral de excitación). c) La integración con dispositivo (programador) también es propia de los sistemas lineales, como por ejemplo, los servomecanismos. Se habla concretamente del termostato hipotalámico para comprender la regulación de la temperatura corporal durante el ejercicio o de la existencia de centros específicos que se encargan de realizar la función integradora, como en el modelo del gobernador central aplicado a la fatiga (Lambert, St. Clair Gibson y Noakes, 2005; Noakes, St. Clair Gibson y Lambert, 2005). La función de dichos centros no deja de ser una forma de computación (algoritmo matemático), que responde más bien al modelo cognitivista descrito anteriormente. Es decir, en el cerebro existirían módulos o centros que se suponen encapsulados capaces de ejercer una función programadora infalible, manteniéndose al margen de los cambios que ocurren en su contexto. d) La integración no lineal es típica de los sistemas complejos y caracteriza su comportamiento. En estos sistemas, la interacción entre los componentes da lugar tanto a fenómenos lineales (respuestas proporcionales o efectos sumatorios) para determinados valores de los constreñimientos como, especialmente, a fenómenos no lineales. Es decir, cambios cualitativos, discontinuos o no proporcionales en el sistema para un pequeño

64 |

complejidad y deporte

cambio en la configuración de dichos constreñimientos. Esto es debido a que el sistema se comporta de forma coherente como una única entidad, presentando propiedades emergentes que no posee ninguno de sus componentes. Para comprender la integración no lineal se propone un ejemplo aplicado a la fatiga inducida por el ejercicio en el capítulo 10. Un supuesto también frecuente es el de que los sistemas complejos pueden estudiarse a través de un análisis de componentes o análisis factorial. Es decir, se confunde tratar con la complejidad con aplicar análisis factoriales a sistemas multidimensionales ignorando el tipo de integración que les caracteriza o asumiendo que ésta es de tipo lineal. Pongamos por ejemplo el estudio de la condición física como entidad compleja. Podemos establecer diferentes dimensiones a partir de un análisis factorial: la resistencia aeróbica, la resistencia anaeróbica, la fuerza explosiva, la fuerza resistencia, etc. El supuesto del análisis factorial es que cada una de las dimensiones explica parcialmente la variabilidad de la condición física; siendo ésta equivalente al sumatorio de las diferentes capacidades condicionales testadas. El análisis factorial ignora las interacciones entre las diferentes dimensiones y no contempla que éstas cambian con el tiempo y presentan propiedades emergentes. En términos generales el tratamiento de datos al que nos hemos referido (análisis factorial) está más orientado a hacer predicciones, sin tomar en cuenta su precisión, que a comprender los fenómenos que explican la condición física y el rendimiento. En la práctica existen evidencias de que este rendimiento físico es algo más que la suma de las diferentes dimensiones a que nos hemos referido anteriormente (Claramunt, Guzman, Solé, Balagué y Hristovski, 2011). Sin embargo, se siguen aplicando los modelos sumatorios y se introducen explicaciones “ad hoc”, cuando los resultados no coinciden con lo esperado. Por ejemplo, si nuestra jugadora no mejora su rendimiento en competición cuando le aumentamos su VO2 máx. podemos decir que está pasando un mal momento. Hay que señalar que los factores condicionales (resistencia, velocidad, etc.) se comportan como parámetros de orden, formados por subcomponentes que a su vez funcionan como parámetros de orden a una escala diferente (resistencia aeróbica, anaeróbica, etc.) y así sucesivamente, de modo que lo que hemos dicho es aplicable a diferentes niveles de observación. Finalmente, para explicar las diferencias entre los modelos integrados derivados de la teoría de sistemas y de las ciencias de la complejidad, respectivamente, podríamos decir que mientras que los primeros se focalizan más en la estructura de los sistemas y en sus propiedades estáticas, los segundos se focalizan en su función y sus propiedades dinámicas (como la emergencia); es decir, en cómo regulan sus acciones, como se comunican con otros sistemas o entre sus componentes. Desde esta perspectiva, como estructura y función de un sistema no pueden ser entendidos de forma separada, podrían ser vistas como dos facetas de una misma aproximación.

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 65

4.2.2. Diferencias de la teoría del esquema (programas motores) con los generadores de programas motores centrales Las propuestas derivadas de la aplicación de la teoría del esquema y los programas motores se encuentran ampliamente extendidas en la actividad física y el deporte. A pesar de estar relacionadas con la metáfora del ordenador a veces pueden confundirse con las que provienen de las teorías de la complejidad. De hecho, el propio Schmidt, autor de la teoría del esquema (Schmidt y Wrisberg, 2008), plantea analogías entre los programas motores y los denominados generadores de patrones centrales (GPC) (Belykh y Shilnikov, 2008), responsables de los movimientos rítmicos de locomoción. Sin embargo, se ha demostrado que estos últimos no están programados y por lo tanto no son equiparables con los llamados programas motores. Los programas motores describen movimientos bien aprendidos y almacenados en la memoria a largo plazo (formando los esquemas motores) que se modifican o actualizan gracias a la práctica variable (Schmidt y Wrisberg, 2008). Se dice que contienen toda la información necesaria para llevar a cabo el movimiento: qué músculos se activan, en qué orden, la intensidad de la contracción, etc. Los autores sugieren que aprendemos un número de patrones de movimiento que más tarde se adaptan dependiendo de la situación. Por ejemplo, los infantes aprenden cómo correr y saltar muy pronto. Este patrón del movimiento se puede modificar más adelante transformándose en salto de longitud, salto de vallas o golpeo de cabeza. Se supone que después de cada ejecución el aprendiz almacena 4 ítems de información: el conocimiento de las condiciones iniciales, el conocimiento de las respuestas, las sensaciones kinestésicas y el conocimiento del resultado. Según la teoría del esquema algunos movimientos se producen automáticamente porque son simples y están bien aprendidos, otros utilizan el “feedback” cinestésico, que produce los ajustes necesarios para que puedan ser realizados con éxito. En la práctica se asume que los ejecutantes se mueven constantemente entre estos dos tipos de control. Un tipo particular de patrones son los GPC. Se consideran redes neuronales que, sin necesidad de estímulos centrales o sensoriales (es decir, de forma endógena), producen patrones de respuesta rítmicos. Los propios circuitos neuronales son los que generan los comandos motores que producen los movimientos rítmicos típicos de la locomoción. Su naturaleza es no lineal; cambian entre regímenes diferentes por un proceso de auto-organización. Este cambio espontáneo no puede explicarse por ningún programa. Por lo tanto, a pesar de su denominación, generadores de patrones centrales, se forman de forma totalmente distinta a la propuesta por los programas motores. La sincronía que les identifica es una característica o propiedad emergente de los sistemas complejos, que no precisan de instrucciones ni programas para conseguirla (Shilnikov, Gordon y Belykh, 2008). Además las estrategias rítmicas de locomoción se encuentran reguladas por parámetros de control no específicos. Es decir, para pasar de andar a correr en las personas humanas o para pasar de ir al paso, a trotar y a galopar en los cuadrúpedos no es necesaria una representación explicita de las trayectorias precisas de cada uno de los patrones

66 |

complejidad y deporte

sino que estos emergen por la interacción dinámica entre el sistema nervioso, el musculoesquelético y el entorno (Taga, Yamaguchi y Shimizu, 1991).

4.2.3. Tratamiento de la variabilidad en los diferentes modelos La práctica variable es una propuesta común de diferentes teorías de aprendizaje, entre las que se encuentra tanto la teoría del esquema motor de Schmidt como las basadas en las teorías de la complejidad (en concreto, el aprendizaje diferencial y la dinámica ecológica) (Schmidt, 1982; Schöllhorn, 2000; Davids, Button y Bennet, 2008). A continuación veremos cómo la misma propuesta de variación de ejercicios se basa en unos supuestos y una intención muy diferentes en cada uno de los modelos mencionados. Por lo tanto, cuando hablamos de variabilidad de la práctica es importante definir cuál es la teoría en la que se sustenta. Considerando que las repeticiones de ejercicios no son tales porque diversas variables (de orden psicológico, fisiológico, biomecánico, etc.) se ven alteradas después de cada repetición, podríamos generalizar diciendo que la variabilidad está presente en cualquier tipo de práctica. Schöllhorn, Mayer-Kress, Newell y Michelbrink (2009) organizan las diferentes corrientes de aprendizaje motor en función de sus niveles de perturbación estocástica. Según estos autores, mientras que las repeticiones representan un nivel de ruido pequeño, acompañado por pequeños efectos sobre el aprendizaje en el tiempo (especialmente en términos de retención o transferencia), las progresiones de ejercicios y la denominada práctica variable se caracterizan por mayores desviaciones respecto al objetivo y muestran un mayor progreso de aprendizaje en el tiempo. Sin embargo, según los autores las mayores perturbaciones y progresos corresponden a la interferencia contextual, pero sobretodo al llamado aprendizaje diferencial (fig. 14).

Cambios significativos en el aprendizaje

Aprendizaje diferencial Interferencia contextual Práctica variable Series Repeticiones

Libre Diferencias entre las variaciones

Fig. 14. Comparación del progreso de aprendizaje en el tiempo en diferentes metodologías que introducen variabilidad en la práctica – de las repeticiones hasta el aprendizaje diferencial. (Schöllhorn, Mayer-Kress, Newell, Michelbrink, 2009).

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 67

El aprendizaje diferencial propone diferencias aleatorias entre ejercicios para cubrir toda el área de posibles fluctuaciones y posibles soluciones de movimiento. Supone aprender de las diferencias a través de ejercicios muy versátiles (Schöllhorn y col., 2009). Enfatiza especialmente sobre las diferencias entre las ejecuciones de movimiento, poniendo más atención en el proceso de adaptación requerido que en el movimiento en sí mismo. Para explicar sus divergencias respecto a la teoría de la práctica variable de Schmidt (1982), Schöllhorn (2000) compara las posibilidades de entrenar 10 repeticiones de cuatro ejercicios diferentes en una sesión (fig. 15). En el eje de ordenadas se presenta la similitud de los ejercicios (del A al D) respecto a un movimiento de referencia. En el eje de abcisas se muestra la secuencia temporal de la práctica. La distancia de las coordenadas entre el ejercicio A y el ejercicio D corresponde a la medida de la variabilidad de todos los ejercicios. En la figura 15A tenemos un ejemplo característico de práctica variable (10 repeticiones de 4 ejercicios distintos cada vez más alejados del movimiento de referencia). En la figura 15b los cuatro ejercicios presentan la misma variabilidad pero se aplican con 3 cambios característicos en su secuencia temporal. Los A/ Interpretación tradicional de la variabilidad

B/ Comprensión de la variabilidad en el aprendizaje diferencial

Fig. 15. Comparación de la visión tradicional de la práctica variable (A) con la propuesta por el aprendizaje diferencial (B). El rango de variación en ambas propuestas es equivalente pero las adaptaciones requeridas (línea discontinua) es superior en el aprendizaje diferencial (Schöllhorn, 2000).

68 |

complejidad y deporte

ejercicios aislados no se repiten 10 veces antes de que el siguiente ejercicio empiece, sino que se colocan en diferentes ordenaciones temporales. Si estos diseños se repiten varias veces la suma de todos los ejercicios será igual al de la fig. 15a. La variabilidad es la misma pero cambia la magnitud de las adaptaciones requeridas. En la fig. 15a las principales y mayores adaptaciones (flechas discontinuas) se producen al principio de cada bloque de ejercicios. En la fig. 15b dichas adaptaciones no ocurren una sola vez sino varias. En este sentido los diseños de la fig. 15b presentan ventajas en comparación con el planteamiento del bloque mezclado de práctica variable que se muestra en la fig. 15a. Schöllhorn defiende que si un atleta se somete a condiciones continuamente cambiantes (o diferencias) y aprende de ellas es necesario preguntarse si lo que debe aprender es el movimiento o la habilidad de adaptarse. Mientras que la práctica variable se focaliza en el enriquecimiento del esquema motor, el entrenamiento diferencial lo hace en la adaptación al cambio, con el objetivo de promover el proceso de auto-organización. El aprendizaje diferencial no es la única propuesta de aplicación de la variabilidad que tiene en cuenta los principios de la complejidad. Davids, Button y Bennet (2008) y Renshaw, Davids, y Savelsbergh (2010) plantean la variabilidad desde la perspectiva de la dinámica ecológica y de los constreñimientos partiendo de un enfoque diferente al propuesto por Schöllhorn y col. (2009). La fuente de variabilidad en su caso no son movimientos impuestos desde fuera o cambios coordinativos conseguidos a través de la manipulación de la intención del ejecutante o a partir de las instrucciones explicitas del profesor/a o entrenador/a, que indican lo que el participante debe hacer (lo que supondría un acoplamiento voz o intención-acción). Los movimientos variados emergen por la manipulación de los constreñimientos y no vienen impuestos desde el exterior. No se encuentran previamente planeados sino que se consiguen gracias a contextos variados y como consecuencia de un acoplamiento percepción-acción, que no se da cuando la variación viene impuesta por el cerebro (como en la propuesta del aprendizaje diferencial). La variabilidad propioceptiva, perceptual, etc. que se da en los diferentes contextos permite la emergencia espontánea –no necesariamente consciente- de nuevas coordinaciones. En este sentido la perspectiva de los constreñimientos parece respetar mejor los ciclos de percepción-acción mejorando la eficiencia de los procesos de aprendizaje (Araújo, Ripoll y Raab, 2009). Lejos de pretender explorar todos los presuntos movimientos del repertorio o todos los tipos posibles de configuración del movimiento promueve las adaptaciones a los cambios del contexto (que es el elemento manipulado).

4.2.4. Contraste de los modelos “simples o complicados” con los “complejos” En este apartado se contrastaran algunos de los aspectos que caracterizan al modelo basado en la metáfora del ordenador (llamado aquí “simple”) aplicable a los sistemas complicados con los que caracterizan a los modelos “complejos” para orientar el desarrollo de una nueva teoría, práctica e investigación en la actividad física y el deporte basada en las ciencias de la complejidad.

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 69

La tabla 3 muestra el contraste de algunos rasgos que caracterizan a los dos modelos. A pesar de que los sistemas simples son una excepción en la naturaleza, durante siglos han sido los únicos que se han estudiado. A continuación se ponen algunos ejemplos y aplicaciones para ilustrar dichos contrastes.

Tabla 3. Contraste de algunas características de los modelos simples y complejos. SIMPLE

COMPLEJO

Sistema cerrado

Sistema abierto

Procesos cognitivos

Procesos auto-organizados

Componentes

Interacciones

Visión analítica

Visión global

Relaciones lineales

Relaciones no lineales

Énfasis cuantitativo

Énfasis cualitativo

Evaluación de estados

Evaluación de procesos

Generalización

Individualidad

Robustez

Sensibilidad

Reduccionismo

Holismo

Determinismo

Incertidumbre

Homogeneidad

Diferencias

Errores

Variabilidad, Fluctuaciones

4.2.4.1. De una perspectiva lineal a una perspectiva no lineal de los procesos de aprendizaje y entrenamiento El determinismo impregna diferentes aspectos relacionados con la práctica diaria de los profesionales y también de los investigadores de la actividad física y deportiva. Un ejemplo lo tenemos en el supuesto de las relaciones lineales de causa-efecto entre el número de repeticiones y las destrezas aprendidas o entre la carga y el rendimiento. Este patrón de causalidad lineal asume que las mismas causas tendrán los mismo efectos (misma carga, mismo rendimiento), causas similares tendrán similares efectos (carga similar, rendimiento similar) y que no se producirán efectos sin su correspondiente causa (sin carga, no hay rendimiento). Siff y Verkoshansky (2000) ya afirmaron que muchos de los problemas que surgen en la investigación de fisiología del deporte son el resultado de aplicar métodos lineales y aislados a sistemas de una complejidad excepcional. Si las relaciones anteriores fuesen ciertas, atletas diferentes con la misma formación obtendrían los mismos resultados, o al aumentar la carga, siempre conseguiríamos un aumento proporcional del rendimiento. Atletas y entrenadores/as saben que esto no funciona de forma tan

70 |

complejidad y deporte

simple. En la práctica, cargas de entrenamiento que impulsan a algunos atletas al éxito no producen cambios en otros, o incluso pueden provocar el efecto contrario (sobre entrenamiento). Van Rossum (2000), entre otros, señala la baja correlación existente entre el número de horas de práctica y el rendimiento. Las ciencias de la complejidad proporcionan un marco teórico y unas herramientas para comprender esta relación no lineal considerando tanto los cambios cuantitativos como los cualitativos que se llevan a cabo durante el proceso. Así, se posibilita el desarrollo de prácticas menos monótonas y la prevención de traumatismos por repetición o sobre-solicitación del sistema musculoesquelético. La aplicación de algunos modelos recientemente desarrollados permiten precisamente conseguir los mismos resultados en el rendimiento con menor carga (Perl, 2002; Torrents, Balagué, Schöllhorn y Perl, 2007) y detectar diferentes fenómenos no lineales que se dan en la interacción carga-rendimiento (Hristovski y col., 2010). La incidencia de forma específica sobre los constreñimientos relevantes y la detección de zonas críticas permite mejorar la eficiencia de los procesos. El modelo de causalidad lineal se utiliza también para el análisis de la competición. Se asume que el número de acciones exitosas y erróneas del equipo o del jugador (disparos, rebotes, pases, balones perdidos, etc…) son una medida del rendimiento o el éxito, estableciendo sistemas de análisis del juego basadas en la estadística descriptiva. Sin embargo, se ha descrito en la literatura una relación no lineal entre el nivel de habilidad y el resultado en la competición, así como entre el control de juego y la oportunidad de puntuación (Lames, 1999; Claramunt y col., 2011). Las interacciones entre los jugadores o equipos parecen contener una información más relevante para el resultado de la competición que el mero registro de acciones individuales aisladas. Además, en este tipo de análisis a menudo se omite el contexto; es decir la interacción del jugador con sus compañeros, adversarios, resultado, etc. Por ejemplo, es bien conocido que no podemos definir el rendimiento de un jugador o de un equipo de fútbol a partir de la distancia recorrida durante un partido (Pol, 2011; Claramunt y col., 2011). Incluso en lugar del estudio analítico de desplazamientos, donde cada jugador es evaluado por separado, algunos autores proponen el estudio de las fases relativas, que ofrece la posibilidad de evaluar la interacción de los desplazamientos entre los oponentes como ocurre en tenistas (Palut y Zanone, 2003; Lames, 2004). Las fases relativas proporcionan información de la interacción o coordinación entre los dos sistemas con la ventaja derivada de la compresión de información en una sola medida (Kurz y Stergiou, 2004). Schöllhorn (2003) extiende la medida discreta en el tiempo de la fase relativa a una medición continua de similitud que permite transferir el enfoque a nuevas aplicaciones. Se han venido desarrollando diferentes herramientas de análisis con el objetivo de comprender mejor los patrones individuales -análisis de clusters- (Schöllhorn, 1998) o colectivos -análisis de patrones secuenciales (T-patterns) (Anguera, 1990) o de procesos (redes neuronales artificiales) (Memmert y Perl, 2006) y redes (Duch, Weitzman y Amaral, 2010). Otros enfoques centrados en la interacción son los propuestos por Hughes y col. (1998) y McGarry y col. (2002). Queda sin embargo mucho camino por recorrer para llegar a desarrollar sistemas de análisis adecuados a una visión global, interactiva y no lineal en deportes colectivos. El lector puede encontrar una revisión de las propuestas actuales, presentadas en

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 71

el II congreso sobre sistemas complejos en el deporte, 2009, orientadas al análisis del juego desde la perspectiva de los sistemas complejos en Croft, Button y Dicks (2009) (sportsci. org/2009/jlc.htm). 4.2.4.2. De un proceso cognitivo jerárquico a un proceso de auto-organización heterárquico Como se ha visto anteriormente, el modelo cognitivo basa los sistemas de adaptación en la programación previa, la repetición hasta reproducir el modelo ideal, el feedback para corregir los errores y la elaboración de los programas y esquemas motores que permitirán la toma de decisiones y su ejecución. En los sistemas complejos dinámicos las respuestas son individuales, nunca se repiten y no responden a un patrón preestablecido ni pre-programado. No es necesario para el sujeto o el/la atleta conocer con antelación la solución; esta emerge espontáneamente de la organización sinérgica y de la interacción de los diferentes constreñimientos del sistema por un proceso de auto-organización (Kelso, 1995). Desde este punto de vista, el papel del entrenador y otros sistemas de retroalimentación son sólo constreñimientos que interactúan de forma heterárquica. Se cuestiona así el interés por la fijación o preestablecimiento de las respuestas adecuadas (perfiles condicionales, técnicos, tácticos…) asi como la necesidad de las repeticiones de ejercicios (Schöllhorn, 2000). 4.2.4.3. De los errores a la variabilidad y las fluctuaciones El concepto de técnicas ideales o prototipos en el enfoque simple llevan asociado el concepto de error. Las correcciones sobre las desviaciones de los programas preestablecidos son uno de los principales objetivos del proceso de aprendizaje y entrenamiento. Como ya se ha dicho, la repetición de ejercicios y los sistemas de retroalimentación (incluyendo al profesor o la entrenadora) se utilizan cuando los ejecutantes no son capaces de reproducir un patrón deseado. Las instrucciones verbales, demostraciones y sistemas de retroalimentación que intentan detectar y corregir errores no siempre resultan eficaces e incluso, a veces, pueden llegar a tener consecuencias negativas en el rendimiento (Hodges y Frank, 2004). Claramunt y Balagué (2010, 2011) y muestran como la estrategia frecuentemente utilizada durante los entrenamientos de administrar instrucciones y feedback de movimiento a los jugadores de baloncesto para mejorar la efectividad en el tiro a canasta pueden tener efectos negativos, tanto en entrenados como en no entrenados. Ello se explica porque dichas instrucciones, basadas a menudo en prototipos de “técnica ideal” de lanzamiento, pueden interferir en la coordinación natural de algunos jugadores. Desde el enfoque de los sistemas dinámicos complejos, la variabilidad en la ejecución, lejos de indicar la incapacidad del sujeto para realizar un ejercicio, es una expresión de la interacción que se produce entre los diferentes constreñimientos durante el desempeño

72 |

complejidad y deporte

motor. La variabilidad expresa la flexibilidad del sistema para ajustar, seleccionar o cambiar a nuevos patrones y por lo tanto, adaptarse a los cambios. Las fluctuaciones son las variaciones necesarias que posibilitan al sistema el adaptarse y cambiar a nuevas formas, de manera que para la TSD su información es relevante (James, 2004). El estudio de la variabilidad también se ha hecho extensivo a algunas funciones biológicas (ritmo cardiaco, respiración) mostrando posibilidades interesantes para evaluar la capacidad adaptativa de las mismas (Goldberger, 1997). En la metáfora del ordenador se asume que el organismo funciona como un servomecanismo (se enciende o se apaga), de modo que las fluctuaciones en las señales biológicas no tienen razón de ser ni se les atribuye ningún rol funcional. Por ello han sido a menudo ignoradas, filtradas o interpretadas como error (West, 2006). Desde la perspectiva de la TSD la aparición de fluctuaciones e intermitencias no sólo forma parte de los signos propios del comportamiento de los sistemas complejos, sino que es una condición necesaria para que éstos cambien (Davids, Bennet y Newell, 2006; Selles et al, 2001; Kelso, 1995; Balagué y Hristovski, 2010). 4.2.4.4. De una visión reduccionista y analítica a una visión global La división del rendimiento en componentes (físico, técnico, táctico, psicológico) y subcomponentes (fuerza, velocidad, resistencia,…) que son entrenados por separado es una práctica común en el entrenamiento deportivo. Asimismo en el ámbito del aprendizaje se descomponen las tareas (por músculos, segmentos corporales, secuencias, etc.) que se trabajan independientemente para más tarde unirlas. El entorno o contexto se separa también del resto y se trata como si fuese un componente más a añadir. Se espera que la mejora en los componentes aislados repercuta en la mejora global pero en la práctica se observa que esto no resulta tan sencillo y que las predicciones a menudo fallan. Por ejemplo, podemos entrenar por separado la fuerza de cada uno de los músculos que participan en el salto vertical sin que esto revierta en una mejora del resultado en dicho salto. No se puede negar que un planteamiento analítico tiene efectos positivos en el rendimiento, como se ha podido comprobar durante años. Sin embargo, si pretendemos promover un proceso más eficiente, debemos atender a la naturaleza no lineal e interactiva reconocida de los sistemas biológicos. Lo que en realidad ocurre, como estudia la sinergética, es que los mencionados componentes interactúan entre sí haciendo que el todo sea diferente que la suma de sus partes. En algunos casos, (p.e. en el diseño de pruebas o test que evalúan las cualidades físicas) se realiza un esfuerzo considerable para marcar los límites claros (inexistentes en realidad) entre cada componente y subcomponente del rendimiento. Tomemos, por ejemplo, la evaluación de un jugador de baloncesto. El concepto de rendimiento es atomizado con el propósito de diseñar las pruebas o tests. Podemos estar interesados en comprobar su condición física, técnica, táctica, etc. Si tomamos la condición física podemos plantearnos testar la fuerza, la resistencia, la velocidad, etc. La fuerza, a su vez, puede dividirse en explosiva, máxima, fuerza-resistencia, etc. La fuerza explosiva puede dividirse en elástica, contráctil,… Finalmente, las pruebas que se diseñan (por ejemplo, un squat

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 73

jump) como producto del desglose anterior, tienen en realidad muy poco que ver con los saltos realizados durante la práctica del deporte del baloncesto (fig. 16) ¿Sería esta información de gran utilidad para el entrenador o entrenadora a la hora de controlar y orientar el proceso de entrenamiento o comprender el comportamiento durante la competición? ¿Permitiría un diagnóstico claro del rendimiento del deportista? De forma similar, durante el entrenamiento de fuerza, cada músculo puede entrenarse aisladamente con la ayuda de máquinas específicas. ¿Serían estas máquinas útiles para desarrollar la fuerza funcional en el atleta o servirían estos ejercicios, realizados con la ayuda de dichos artilugios, que realizan de forma artificial la función de los músculos estabilizadores, para la prevención de lesiones? Un proceso de descomposición similar también se produce en los deportes colectivos (entendiendo en este caso al equipo como un sistema complejo) cuando los jugadores son entrenados y testados individualmente. La influencia del reduccionismo analítico también afecta al proceso de investigación; a la recogida y análisis de los datos. En fisiología o biomecánica a menudo se registran sólo

rendimiento

técnico

físico

táctico

fuerza

resistencia

velocidad

explosiva

contráctil

squat jump

elástica

máxima

Fig. 16. En la izquierda se observa un salto efectuado durante la competición en baloncesto. A la derecha se muestra el producto del desglose progresivo del rendimiento en sus componentes (físico, técnico, táctico) y subcomponentes con el objetivo de testarlos independientemente. El resultado es un test de valoración (como el squat jump) que nada tiene que ver con los saltos que se llevan a cabo durante el juego.

74 |

complejidad y deporte

variables discretas (valores de reposo, pico o umbral) o valores promedio que ignoran la información que ofrecen los cambios que se producen en el tiempo en las variables estudiadas. De hecho, en comparación con la atención que se presta al desarrollo tecnológico en investigación, se dedica muy poco interés al proceso y desarrollo de sistemas de recogida y análisis de datos. La evaluación periódica de los estados de un atleta, con fines diagnósticos y pronósticos, es una práctica muy común en el deporte. A pesar de la administración de pruebas cuidadosamente planeadas y administradas, existen limitaciones importantes relacionadas con el bajo valor predictivo de muchos métodos de evaluación. Los investigadores tratan de resolver esta situación mejorando la validez, fiabilidad y objetividad de las pruebas y enfocan su esfuerzo en el desarrollo de instrumentos de medición cada vez más sofisticados. La idea de que los estados de forma son estables y de que existen relaciones lineales entre los resultados de pruebas y el rendimiento está muy extendida. Desde el punto de vista de la complejidad se encuentran algunas explicaciones alternativas a los problemas habituales de las pruebas y su falta de valor predictivo. El enfoque se desplaza de la evaluación de estados estables a la evaluación de procesos dinámicos y de las interacciones no lineales entre las variables (ver fig. 17). El análisis de series temporales permite obtener información cualitativa sobre patrones en el tiempo y compararlas cuantitativamente (Schöllhorn y Bauer, 1998, Schöllhorn y col. 2002; Hristovski y Balagué, 2010).

Fig. 17. A. Fluctuación de los valores de una variable de rendimiento en el tiempo. Las flechas azules muestran las diferencias que pueden encontrarse en función del momento de aplicación del test de valoración (en un caso se detectará mejora del resultado y en el otro empeoramiento). B. La determinación de la variable en escalas de tiempo inferiores permite detectar su carácter oscilante y la necesidad de su evaluación contínua para reconocer su dinámica de cambio.

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 75

Por otro lado, la utilización de metodologías y análisis de datos propios de paradigmas biológicos (lógica difusa, redes neuronales artificiales y algoritmos genéticos) empieza a ser exitosa en la investigación deportiva. Las técnicas de modelización relacionadas con el llamado “soft computing” son herramientas que la ciencia informática pone al servicio de la evaluación de procesos complejos dinámicos y no lineales como los que se dan en el aprendizaje y el entrenamiento. Dichas herramientas nos permiten (Perl, Lames y Glitsch, 2002): • integrar la investigación interdisciplinaria para adoptar una visión de sistema, • obtener información cualitativa sobre los procesos dinámicos, • comprimir datos y tratar con información imprecisa (como la lógica difusa) • estudiar las interacciones entre variables y procesos no lineales (como el análisis de fluctuaciones), • desarrollar sistemas capaces de aprender y generalizar lo aprendido (como las redes neuronales artificiales supervisadas), • aprender y reconocer las estructuras desconocidas y clasificar los patrones de respuesta (como las redes neuronales no supervisadas), • describir, analizar y evaluar los procesos de adaptación continua (redes dinámicamente controladas). 4.2.4.5. Generalidad versus individualidad en los procesos de adaptación Al existir modelos ideales y perfiles de rendimiento pre-establecidos en cada deporte, se pretende acercar a todos los deportistas y practicantes al mismo destino final. Conseguir un determinado VO2 máx., dominar unas técnicas concretas, etc. es uno de los principales objetivos del proceso de entrenamiento. En este contexto, se produce una comprensión muy peculiar (por no decir un malentendido) del concepto de individualidad. Cada atleta o jugador se prepara de forma individual para llegar a la misma respuesta o resultado final. No se respetan las diferencias individuales y no hay aceptación de soluciones variadas (tanto técnicas, como tácticas o condicionales). En la práctica, es bien sabido que atletas muy distintos pueden alcanzar resultados igualmente eficaces a través de diferentes técnicas, diferentes cualidades condicionales o tácticas diferentes. En deportes de equipo este malentendido puede ser aún más evidente. La creación de equipos eficaces no parece ser el resultado de formar grupos de jugadores similares (que responden al perfil ideal), sino de disponer de suficiente variedad y diferencias entre ellos para aumentar así la diversidad de recursos y respuestas que el equipo es capaz de ofrecer.

4.3. Limitaciones de los modelos basados en la complejidad Las limitaciones de los modelos basados en las ciencias de la complejidad han sido especialmente puestos de relieve por expertos en control motor (Spencer y Schöner, 2003). Una primera crítica que se hace en especial a la TSD desde esta disciplina y que puede

76 |

complejidad y deporte

extrapolarse a otros ámbitos específicos de la actividad física y el deporte es que los modelos basados en la complejidad proporcionan esencialmente la descripción macroscópica de los patrones de movimiento sin ayudar a la comprensión de sus mecanismos más íntimos; es decir, no ayudan a descifrar cómo el sistema nervioso los genera (como participan los neurotransmisores, los canales iónicos, etc.). En contra de esta crítica se puede decir que todos los modelos formales reclaman de una selección y especificación de las variables relevantes para el fenómeno a estudiar. No se trata en realidad de que la aproximación compleja sea más descriptiva y menos explicativa, sino de que es necesario concretar el nivel o escala al que se realiza la descripción. Por ejemplo, un movimiento puede ser descrito a nivel puramente mecánico (con estudio de las fases relativas de los segmentos corporales que participan en el mismo) o a nivel de las frecuencias de estimulación de las motoneuronas o a nivel de los potenciales de membrana que se dan durante el mismo. Es posible plantear modelos complejos de estudio de los fenómenos que ocurren a cualquier escala o nivel de descripción (desde los macroscópicos a los microscópicos). Lo que les caracteriza no es la escala sino la visión global del comportamiento del sistema en cuestión. Otra crítica dirigida a la aproximación compleja en la actividad física y el deporte es la falta de modelización matemática de muchos de los movimientos y procesos que la caracterizan. Se dice que aún se encuentra en un nivel conceptual o de comprensión metafórica. Estamos sólo parcialmente de acuerdo con esta crítica. A pesar de que existen modelos matemáticos para explicar movimientos simples (rítmicos, etc.) como el que se estudiará en el apartado 6.1, es cierto que no se dispone de suficientes modelos matemáticos para comprender los movimientos y procesos más complejos que caracterizan el deporte (como la fatiga, la creatividad, etc.). Una de las razones es la distancia que clásicamente ha existido entre ciertas disciplinas (matemáticas, física y ciencia informática) y la actividad física y deportiva. Por otro lado, hay que decir que la aproximación conceptual ha tenido y sigue teniendo un papel muy importante en la generación de conocimiento (también desde la perspectiva que nos ocupa). No obstante, es cierto que resulta necesario ir construyendo una teoría más formal.

contraste de modelos del organismo humano para comprender la motricidad y el rendimiento deportivo

| 77

Segunda parte Aplicaciones a la actividad física y al entrenamiento deportivo

5

La teoría de los sistemas dinámicos. Conceptos básicos “La coordinación representa una de las características más sorprendentes, más dadas por sentado pero menos entendida de los seres vivos. La coordinación está en todas partes. Es tan omnipresente que es invisible” Scott Kelso

La TSD es un área de la matemática aplicada que se utiliza para describir el comportamiento de los sistemas dinámicos complejos. Se ocupa especialmente de los cambios cualitativos (no lineales) que ocurren en dichos sistemas (desde los sistemas planetarios a los sistemas biológicos), ofreciendo una serie de conceptos y herramientas para su estudio. La aplicación de la TSD, del concepto de sistemas complejos o de la psicología ecológica (para comprender en particular las interacciones organismo-entorno) a las ciencias de la actividad física y el deporte proviene de la transdisciplinariedad que, desde hace ya unas décadas, se ha manifestado en la investigación científica. Las nuevas teorías nos ofrecen la posibilidad de encontrar principios de comportamiento universales para todos los sistemas. No obstante, esta fusión que nos brinda tantas oportunidades para el crecimiento de nuestro ámbito de conocimiento utiliza una terminología que, a menudo, no coincide con la usada en la teoría del entrenamiento clásico o en la educación física. No se tratará de substituir unos términos por otros sino de adecuarlos al estudio de la dinámica de la coordinación. Por este motivo hemos incluido este capítulo, en el que se explicarán los conceptos básicos que más se utilizan en la literatura relacionada con las ciencias de la complejidad. Para facilitar su comprensión, cada uno de ellos se ilustrará con un ejemplo próximo a la actividad física o al deporte.

¿Qué son los grados de libertad de un sistema? Los grados de libertad son los componentes del sistema que pueden interaccionar entre ellos y sus múltiples posibilidades para ordenarse. Su magnitud depende del número de componentes y atributos del sistema que pueden controlarse independientemente (sin

la teoría de los sistemas dinámicos. conceptos básicos

| 81

afectar el comportamiento del resto). Como no dependen de otros componentes se denominan “libres” (es decir, cambian de cantidad libremente). Sin embargo, los mencionados atributos a menudo interactúan (están acoplados) entre ellos y los grados de libertad disminuyen porque su comportamiento espacio-temporal se hace dependiente del comportamiento de los demás. Es entonces cuando emerge el comportamiento colectivo. El hecho de conocer los grados de libertad del sistema nos dará la posibilidad de estudiar su auto-organización (Corbetta y Vereijken, 1999). Los grados de libertad estarán organizados en agrupaciones o sinergias, que serán unidades funcionales, flexibles y temporalmente fijadas en una tarea específica. Un músculo puede formar parte de múltiples sinergias musculares y una sinergia puede activar múltiples músculos. Conocer el número de grados de libertad necesarios para describir las modificaciones de un sistema determinará su complejidad. Por ejemplo, si un comportamiento rítmico requiere n grados de libertad activos, entonces la dimensionalidad de la estructura coordinativa que ejecuta el movimiento no podrá ser menor de n (Kay, 1988). Por este motivo, en algunos estudios se utiliza el número de grados de libertad como parámetro que define la complejidad del movimiento, considerando que aquel que pueda ser definido por menos ecuaciones diferenciales será el más sencillo de ejecutar.

¿A qué se denomina sistema dinámico? Para estudiar matemáticamente a cualquier sistema, se intenta establecer las ecuaciones que gobiernan las interacciones entre sus elementos, creando así un modelo matemático. Un sistema dinámico es un sistema que cambia con el tiempo y matemáticamente se representa por ecuaciones diferenciales o ecuaciones en diferencia. En el caso de dependencia temporal continua se expresa como una ecuación diferencial ordinaria: dx/dt=Fλ(x(t)) (1) y en el caso de dependencia temporal discreta se expresa como una ecuación en diferencias (n significa un punto en el tiempo): xn+1 = Fλ(xn) (2) En ambos casos Fλ son funciones no lineales del argumento (x) y λ es el parámetro de control. Si el sistema no cambia con el tiempo decimos que es estacionario y este estado se define como un atractor de punto fijo (estacionario). Si su cambio es periódico hablamos de

82 |

complejidad y deporte

atractor de ciclo límite, si es cuasi-periódico hablamos de n-dimensiones toro límite y si es caótico de atractor extraño. El comportamiento de un sistema complejo presenta multitud de interacciones y fluctuaciones, y las interacciones entre sus elementos presentan un desorden claro y muy poca predictibilidad. Difícilmente podremos predecir cómo se comportará una neurona en concreto de nuestro organismo, pero en cambio, en el nivel macroscópico si que, teniendo una determinada información, podremos saber cómo moverá las piernas un nadador si le colocamos un par de aletas. En este nivel de análisis, los sistemas complejos muestran tendencias coordinativas por las sinergias y los patrones que generan la interacción entre sus elementos (Davids, Button y Benett, 2008; Kelso y Engström, 2006). La teoría de los sistemas dinámicos pretende entender el comportamiento de estos sistemas complejos analizando cómo se coordinan los elementos que lo componen formando los llamados parámetros de orden. Para ello utiliza herramientas de la matemática no lineal, pudiendo definirse el comportamiento de cualquier sistema dinámico mediante la creación de un espacio de fases y su regla o norma de evolución, que especificará la trayectoria del sistema en dicho espacio.

¿Qué son los parámetros de orden? Para definir el comportamiento de un sistema precisamos de los denominados parámetros de orden (se llaman así porque especifican el comportamiento ordenado, es decir, coherente y colectivo de los componentes del sistema). También reciben el nombre de variables colectivas, ya que caracterizan y representan al sistema capturando su comportamiento coordinativo sin aislar a sus componentes. Sus valores, que comprimen múltiples grados de libertad, son los que un experimentador trata como esenciales -tanto en su rango de operación no-lineal, como en el aproximadamente lineal (Kelso, 1995). Por ejemplo, un parámetro de orden que recoge el cambio no lineal que se produce en el patrón locomotor humano (de la marcha a la carrera o viceversa) cuando cambia la velocidad de desplazamiento (parámetro de control) sería el tiempo de vuelo entre apoyos. Durante la marcha seria “0” y pasaría a tener valores positivos cuando la velocidad superase los 8 Km/h aproximadamente. Podemos encontrar parámetros de orden en todas las escalas de observación y organizarlos en los diferentes deportes supone un reto en estos momentos. A menudo se reconocen por sus transiciones, es decir, por sus cambios no lineales (ver tabla 4). Para ello es importante que los podamos cuantificar de alguna manera. El parámetro de orden rige sus componentes que, a su vez, a través de su comportamiento colectivo cooperativo, forman y estabilizan dicho parámetro de orden (véase Haken, 1983). Los valores más probables del parámetro de orden se denominan atracto-

la teoría de los sistemas dinámicos. conceptos básicos

| 83

res, lo que significa que son estados que atraen el comportamiento del sistema debido a las fuerzas de atracción entre sus componentes, tal y como se verá más adelante.

Tabla 4. Ejemplos de parámetros de orden que recogen el comportamiento coordinado de diferentes acciones (o procesos) y de sus no linealidades al manipular determinados parámetros de control. El parámetro de orden (2ª columna), que captura la acción o proceso de la 1ª columna, sometido a los cambios en el parámetro de control (3ª columna), es la variable representativa del cambio que se expresa en la 4ª columna. ACCIÓN O PROCESO

PARÁMETRO DE ORDEN

PARÁMETRO DE CONTROL

COMPORTAMIENTO NO LINEAL

Flexión/extensión dedos (exp. Kelso)

Fase relativa

Frecuencia de movimiento

Cambio: de mov. en antifase a en fase

Flexión brazo 90º en isometría

Ángulo del codo

Fatiga

Cambio: de 90º a 0º (alineación gravedad)

Pedaleo

Rev./min

Fatiga

De estable (60 rpm) a cercano a “0”

Golpeo saco pesado

Ángulo de salida

Distancia al objetivo

Salto pliométrico

Tiempo de vuelo

Altura del salto

Cambio: de aumento a reducción del t de vuelo

Actividad eléctrica del corazón

Frecuencia cardíaca

Características de la conducción

Cambio: de ritmo reposo a fibrilación ventricular o taquicardia paroxística

Fatiga

Percepción de esfuerzo

Velocidad desplazamiento

De leve a severa (de caminar a correr)

Cambio del ángulo (directo, gancho)

¿Qué es el espacio de fases? La teoría geométrica que desarrolló Poincaré de los sistemas dinámicos describirá, al modelizar el sistema observado, los conceptos más fundamentales que se aplicarán posteriormente, como es el caso del espacio de estados, el espacio de fases o los atractores del sistema dinámico (Abraham y Shaw, 1992). El rango de valores que pueden adquirir las diferentes variables del sistema será el espacio de estados (espacio abstracto donde se

84 |

complejidad y deporte

pueden representar todas las variables de un sistema complejo con todas las posibles combinaciones de valores). Cuando este espacio de estados se interpreta geométricamente, los cambios de estado se pueden representar como movimientos de un punto a lo largo de la “superficie” de este espacio. El espacio de fases será la representación del comportamiento del sistema dinámico en el espacio de estados (Stergiou y col. 2004), donde podrán verse todos los posibles estados de organización del sistema. Es una herramienta muy útil puesto que permite analizar de un solo vistazo toda la dinámica del sistema. La ecuación diferencial nos dirá, para cada punto del espacio estado, qué dirección adoptará el sistema y a qué velocidad en un intervalo de tiempo infinitesimal, de donde se deducirá la trayectoria del sistema. Las trayectorias describen así el comportamiento del sistema en un intervalo de tiempo, y la teoría de los sistemas dinámicos intentará predecir estas trayectorias de forma cualitativa. En sistemas lineales se podrá predecir cuantitativamente, pero en la mayoría de problemas de dinámica aplicada las predicciones cuantitativas son imposibles (Abraham y Shaw, 1992). En el caso de la ejecución de acciones motrices, los estados serán los patrones coordinativos que adopta el sistema analizado, y que dependerán de multitud de variables. Por ejemplo, si analizamos el movimiento de las piernas de una persona en una cinta rodante y escogemos como variable la velocidad, observaremos que a velocidades bajas se pueden producir diferentes patrones, principalmente el correspondiente a la marcha y al de la carrera. Sin embargo a velocidades altas solo se presentará un patrón coordinativo: la carrera.

¿Qué son los atractores de un sistema? Un atractor es un conjunto de puntos en el espacio de estados que atrae la trayectoria en los sistemas disipativos debido a que el volumen del espacio decrece y un lugar es preferido con relación a los otros. El atractor incluirá los estados del sistema hacia los que tiende, el límite, y representará el comportamiento de un sistema en equilibrio dinámico, después de que hayan desaparecido las transiciones (Hayles, 1998). En el ejemplo anterior relacionado con la marcha y la carrera, estos dos patrones coordinativos serán dos atractores, dos estados del espacio de fases que atraen al sistema. La distribución de los atractores en el espacio de fases se modificará en función de la variable escogida, en este caso la velocidad. A partir de una determinada velocidad, a la persona que estaba sobre la cinta rodante no le resultará cómodo (o incluso imposible) seguir caminando, así que cambiará el patrón coordinativo por el de la carrera. Los sistemas dinámicos buscan modos de comportamiento preferidos en función de las interacciones entre sus componentes internos y la sensibilidad a las condiciones externas. Cuando observamos el aprendizaje de un bebé, vemos cómo determinados patrones de movimiento surgen espontáneamente. El bebé no aprende a gatear imitando a sus padres, sino por la necesidad de desplazarse, y la mejor forma de facilitar su aprendi-

la teoría de los sistemas dinámicos. conceptos básicos

| 85

zaje será poniendo constreñimientos que favorezcan el surgimiento de coordinaciones o patrones de desplazamiento. Un concepto similar al de atractor más próximo a nuestro ámbito es el de automatismo. Sin embargo, la expresión automatismo puede hacer referencia a un movimiento robotizado; es decir, que siempre se produce de la misma forma. En este sentido los automatismos no serían soluciones adecuadas para adaptarse a entornos variables como los que encontramos en la realidad y especialmente en la actividad física y deportiva. En el entrenamiento deportivo se suele proponer la repetición para generar automatismos; por ejemplo, en el caso de los gestos técnicos. No obstante, hay que distinguir entre estabilizar un atractor (o generar un nuevo atractor) y robotizar un movimiento. En el primer caso el sistema presenta flexibilidad y en el otro no. Las propuestas prácticas, como se verá más adelante, no plantearán repeticiones robotizadas como soluciones ideales sino perturbaciones o variaciones adecuadas, que estabilicen el atractor o bien ayuden al sistema a encontrar nuevas formas de organización. De hecho, las repeticiones, tal y como se ha comentado anteriormente, y a pesar de lo que comúnmente se piensa, no son tales sino que introducen pequeñas variaciones del movimiento ya que nunca se reproducen dos situaciones iguales. Existen configuraciones de movimiento o atractores tan estables, como el patrón locomotor de andar, que se necesitan perturbaciones muy importantes para desestabilizarlas. En la fig. 18 se representa gráficamente un atractor como un valle que presenta una cuenca, la profundidad de la cual da una idea de la dificultad o la energía necesaria para salir de él. Tomando el ejemplo de la coordinación de marcha, será necesario perturbar de forma importante un parámetro de control, como por ejemplo la velocidad, para escapar del atractor hacia una nueva forma de coordinación (la carrera). Pequeñas perturbaciones no serán capaces de cambiar el patrón coordinativo.

Fig. 18. Representación de un paisaje de atractores.

86 |

complejidad y deporte

Un atractor podrá ser un punto (como el representado en la fig. 18, en el que si dejamos resbalar una canica por sus paredes esta necesariamente acabará en el centro de la base), un ciclo regular (como los patrones locomotores), complejas series de estados (el metabolismo de una célula) o una secuencia infinita (los denominados atractores caóticos). Hay que tener en cuenta que dentro de un mismo atractor podemos encontrar otros atractores que recogen formas de coordinación dentro de un atractor más general. Por ejemplo, dentro del atractor de marcha encontramos un atractor de ciclo regular correspondiente a la fase relativa del movimiento de las extremidades inferiores. El área del espacio de estados que conduce al sistema al atractor es denominada cuenca del atractor, y el radio del volumen de la cuenca con el del atractor puede ser utilizado como medida del grado de auto-organización del sistema. En la fig. 18 se observa que los valles que representan los atractores están delimitados por colinas, que se caracterizaran por todo lo contrario; es decir, por su carácter repelente, que genera inestabilidad. En estas zonas se producen las bifurcaciones.

¿Qué tipos de constreñimientos afectan al comportamiento del sistema? En los sistemas complejos, los estados de orden o los atractores emergerán en función de determinados constreñimientos. Éstos serán las variables que definen el espacio de fases, que limitan y a su vez posibilitan las diferentes trayectorias que puede adoptar el sistema. En el caso del ejemplo de la cinta rodante, la velocidad será el constreñimiento que produzca que la persona prefiera andar o correr, pero también la fuerza o la longitud del tren inferior serán otros constreñimientos que pueden modificar el momento en el que se produce el cambio de patrón locomotor. En la física y las matemáticas, este concepto se refiere a los parámetros de control, concepto similar al de variable independiente. Son representaciones matemáticas de los constreñimientos o del contexto en el que el sistema se encuentra inmerso. Pueden ser específicos (cuando tienen la misma naturaleza informativa que la característica del movimiento, por ejemplo, una instrucción especifica de la tarea o la intención) y no específicos (cuando tienen una naturaleza informativa diferente, por ejemplo la velocidad o la distancia) (Hristovski, Davids, Araújo y Button, 2006a). Otro ejemplo ilustrativo lo encontramos en el funcionamiento de las neuronas. El cambio de potencial de membrana producido por un estímulo determinado es un parámetro de control no específico del comportamiento neuronal. No especifica ni la forma ni la amplitud del potencial de acción, ni especifica si la neurona dispara o se activa. Sólo lleva el sistema neuronal (o de red) hacia el punto crítico; es decir, el umbral, en el que la neurona (o red) se auto-organiza en un determinado modo de acción condicionada por las configuraciones inmediatas de otros parámetros de control no específicos, tales como tipos de acoplamiento sináptico, canales iónicos, etc. (Izhikevich, 2000).

la teoría de los sistemas dinámicos. conceptos básicos

| 87

Cuando nos referimos a los patrones coordinativos, según Newell (1996), los constreñimientos pueden ser de tres tipos (Davids, Button y Bennett, 2008):  el organismo: características de la persona, incluyendo su genotipo y su fenotipo, • D sus habilidades físicas o cognitivas, sus motivaciones o las emociones que le desencadena la práctica. • Del medio: del entorno, como la luz, la temperatura o la altitud, pero también a aquellos sociales, como la familia, las expectativas sociales o la cultura. • De la tarea: son los más específicos y susceptibles de ser modificados, como las normas de la tarea o sus objetivos, el material que se necesita para llevarla a cabo, las señales que se utilizan… La acción emergerá de la interacción de todos estos constreñimientos, sin un orden jerárquico sino heterárquico, tal y como se muestra en la fig. 19.

n

Fig. 19. Constreñimientos que actúan en la ejecución de una acción motriz.

88 |

complejidad y deporte

Esta clasificación presenta algunas limitaciones ya que muchos constreñimientos emergen de la interacción entre los anteriores. Un tipo especial de constreñimientos son las posibilidades de acción percibidas o affordances. Tienen relación con los constreñimientos de la tarea, los del entorno y los del organismo; en concreto, con lo que éste nos posibilita realizar en cada contexto determinado. Lo que percibimos del entorno no son realidades objetivas (distancias, velocidades de desplazamiento, etc.) sino oportunidades para realizar acciones específicas en relación a nuestras posibilidades de acción. Por ejemplo, una jugadora de voleibol no percibirá la posibilidad de realizar un remate eficaz dirigido a una zona determinada del campo contrario si no dispone de la suficiente potencia, habilidad o precisión para hacerlo. Las características o condiciones de la superficie sobre la que realiza el salto (arena, parquet, suelo sintético) también interactúan con su fuerza explosiva. Para diferenciar los parámetros de control y los parámetros de orden hay que definir previamente la escala de observación a la que nos referimos. Un mismo parámetro (por ejemplo la distancia) es considerado parámetro de orden a nivel del comportamiento colectivo (por ejemplo en una díada de boxeadores) y parámetro de control a nivel del comportamiento individual de un boxeador (distancia escalar al objetivo) como se explicará más adelante. Además, un parámetro de orden emergente a escala individuo (como la motivación interna) puede ser un parámetro de control no especifico a escala individuo-tarea y constreñir la acción.

¿A qué se refiere el concepto de auto-organización? La auto-organización se refiere a la capacidad de los sistemas complejos para evolucionar hacia formas de organización en ausencia de información que imponga el orden. En otras palabras, los sistemas tienden al orden, a establecer formas de coordinación eficientes entre sus componentes y a hacerlo de forma espontánea, sin precisar de programas u órdenes (externas o internas). La auto-organización es un término general para los procesos por los cuales surge el orden y la estructura, y explica como los modelos macroscópicos están formados del simple agregado de elementos microscópicos. Un ejemplo tópico para explicar la auto-organización en un sistema inanimado es el del calentamiento de un fluido al fuego. Al principio, se produce un flujo de conducción regular. A partir de una determinada temperatura, se alcanza un estado alejado del equilibrio y se llega a un desorden total. Pero a más temperatura, el calor no se puede dispersar con suficiente rapidez sin ayuda de vastas corrientes de convección (aparece el orden) (fig. 20).

la teoría de los sistemas dinámicos. conceptos básicos

| 89

Fig. 20. Comportamiento de un fluido calentado desde su base. A temperatura ambiente el líquido se distribuye de forma homogénea en el recipiente. A medida que se calienta las corrientes de convección ocasionadas por las diferencias de temperatura acaban provocando la ordenación en celdas de su estructura (autoorganización). Así, el caos alejado del equilibrio contiene la posibilidad de autoorganizarse. El líquido caliente ascenderá, pero al entrar en contacto con las capas más frías, perderá calor. Al enfriarse, se contraerá y perderá su tendencia a querer ascender (Haken, 1994). Del mismo modo que el orden surge de sistemas inanimados, también surgirá en los sistemas biológicos y sociales (Schmidt, O’Brien y Sysko, 1999) o en cualquier otro sistema compuesto por numerosos componentes. Este hecho se producirá como consecuencia de interacciones energéticas entre las condiciones externas e internas sin que exista a priori una orden específica de una “parte” del sistema que jerárquicamente sea superior o del exterior. Una definición más precisa nos dice que la auto-organización es la formación espontánea de patrones y el cambio de patrones que se produce en los sistemas abiertos cuando operan lejos del equilibrio (Kelso, 2000). El sistema se moverá en una amplia región del espacio de estados a otra más reducida, que será el atractor del sistema. Para que se dé dicha auto-organización será necesario un flujo constante de materia y energía a través del sistema, y que éste no esté en equilibrio para que puedan emerger nuevas estructuras. Así, los sistemas reciben la energía del exterior, pero las inestabilidades y saltos a nuevas formas de organización son el resultado de fluctuaciones internas, amplificadas por bucles de realimentación positiva. Debido a esta propiedad, se dice que los sistemas abiertos son estructuras disipativas (abiertas estructuralmente, ya que se relacionan con los flujos de materia y energía, pero cerrados organizativamente, ya que se autoorganizan, su orden y comportamiento no están impuestos desde el exterior). Las estructuras disipativas se mantienen en un estado alejado del equilibrio, y pueden desarrollarse hacia formas de complejidad crecientes debido a su comportamiento como un todo y a los bucles de retroalimentación. Las condiciones iniciales ya no son olvidadas, y la indeterminación será otra de las características de este tipo de sistemas. No se puede predecir el tiempo más allá de unos pocos días, como tampoco podremos predecir el resultado exacto de cualquier tipo de estímulo de entrenamiento en una persona.

90 |

complejidad y deporte

Las ciencias de la complejidad buscan precisamente las reglas generales que gobiernan este proceso de auto-organización, las formas que pueden llegar a adoptar los sistemas y los métodos que pueden utilizarse para predecir esta evolución. Los resultados que se obtienen de un tipo de sistemas se extrapolan a otros que exhiben características similares. El proceso de auto-organización se relaciona con el comportamiento critico del sistema, que veremos a continuación.

¿Qué es el comportamiento crítico? El sistema, si es no lineal, exhibirá un comportamiento crítico, es decir, presentará un umbral. Éste surge cuando, por un cambio del parámetro de control no específico, el parámetro de orden del sistema se sitúa en su gama de funcionamiento no lineal (o transición de fase) que incluye las siguientes señales (Kelso, 1995): • c ambio discontinuo del parámetro de orden con respecto a una pequeña variación de un parámetro de control no específico (es decir, bi- o multiestabilidad), • aumento de las fluctuaciones del parámetro de orden al acercarse a la discontinuidad, • sensibilidad a las perturbaciones externas e internas, • slowing down o desaceleración de los procesos de relajación, • aumentó del tiempo de cambio entre los modos de operación –histéresis. Previamente a un cambio de estado, se producairá un aumento de la variabilidad en los sistemas complejos. En la transición de la marcha a la carrera en función de la velocidad de la cinta rodante se producirá un período de inestabilidad del sistema denominada bifurcación. Para pasar de un patrón coordinativo a otro hay que desestabilizar el primer atractor para que emerja el siguiente. La presencia de bifurcaciones en el comportamiento de cualquier sistema identifica su carácter no lineal, por lo que si se encuentran en la ejecución del movimiento humano o en cualquier proceso fisiológico denotarán que éstos no pueden ser explicados ni estudiados de forma lineal. Cuando se acerca el momento del cambio de patrón se producirán fluctuaciones, que probarán el sistema y darán la oportunidad de buscar y descubrir nuevos patrones de organización. Este fenómeno sucede en todo tipo de sistemas, como en el ejemplo del líquido en la sartén. No se pasará instantáneamente del desorden total a los flujos de convección, sino que se pasará por un periodo de gran variabilidad. Así, las fluctuaciones tendrán un rol tanto práctico como conceptual en la dinámica de la coordinación (Kelso, 1997). El aumento de las fluctuaciones se produce cuando pequeñas variaciones del parámetro de orden establecido previamente aumentan la interacción entre los componentes, creando efectos cooperativos que implican a mayores partes del sistema (Patashinskii y Pokrovskii 1979; Nicolis y Prigogine, 1977). El aumento de las fluctuaciones es un sello distintivo de desestabilización de los acoplamientos existentes entre los procesos

la teoría de los sistemas dinámicos. conceptos básicos

| 91

que lo componen, que finalmente llevan al sistema a la pérdida de estabilidad y a la creación de un nuevo estado que satisface a los nuevos constreñimientos. En la transición de la marcha a la carrera con el aumento de la velocidad sobre una cinta rodante tenemos un buen ejemplo del incremento de la inestabilidad de dicha marcha (fig. 21). De hecho se conocen las dificultades que existen para estabilizar la técnica de la marcha atlética, que podríamos considerar como un patrón intermedio. En cualquier proceso de aprendizaje, previamente a que el comportamiento cambie, se producirán fluctuaciones que anticiparán este momento, que no podrán ser consideradas errores sino fluctuaciones necesarias para el desarrollo del proceso. Por ejemplo, si en el aprendizaje de una técnica deportiva hay un periodo en el que no se producen cambios significará que ese patrón es un atractor muy estable, y para progresar habrá que salir de éste. Así, la variación de los estímulos de entrenamiento podrá provocar que se recorran otros puntos del espacio fase y que se realicen “errores”, que en realidad no serán más que fluctuaciones que llevarán al descubrimiento de soluciones más eficaces y eficientes para el sistema.

¿Cómo se relacionan variabilidad y estabilidad? El concepto de fluctuaciones lleva a otro fundamental en el estudio del movimiento, la variabilidad. Los patrones coordinativos son variables y estables a la vez, pero la variabilidad observada no será sinónimo de aleatoriedad, y el control o estabilidad no será sinónimo de determinismo. Para una variable aleatoria, cualquier valor posible tiene las mismas posibilidades que otro para que se dé. En un proceso determinista, en cambio, los estados previos determinarán completamente los estados futuros. Aleatoriedad y determinismo son conceptos opuestos, y el concepto de estocástico une a los dos. Un proceso estocástico

Fig. 21. Cuando la velocidad de la cinta rodante aumenta se desestabiliza el patrón de marcha y emerge el patrón de carrera.

92 |

complejidad y deporte

evoluciona a través del tiempo y cada paso está gobernado por la probabilidad, pudiendo tener elementos aleatorios y deterministas (Riley y Turvey, 2002). En el movimiento humano, la gran cantidad de grados de libertad existentes y variables que actúan hacen que, a pesar de ser un proceso determinista, no podamos predecir el movimiento exacto. No obstante, tenemos indicadores cualitativos para predecir el cambio, como es el caso de las fluctuaciones, que nos pueden indicar la proximidad de una bifurcación. La variabilidad será una medida de la estabilidad de un atractor, así como de su resistencia a las perturbaciones. Pero ello no significa que la variabilidad no sea deseable, ya que el paso por inestabilidades permitirá evolucionar hacia nuevos estados. Lo que caracteriza a las personas expertas o más entrenadas es precisamente el aumento de la estabilidad y a la vez flexibilidad de sus coordinaciones. Se mantienen más estables frente a las perturbaciones que los no entrenados y a la vez son capaces de encontrar nuevas coordinaciones que satisfacen de forma más eficaz y eficiente los cambios contextuales. Dos cualidades que se han visto tradicionalmente como antagónicas (estabilidad y adaptación al cambio o flexibilidad), a partir de la nueva perspectiva se explican por un mismo proceso: la variabilidad.

¿Qué significa el critical slowing down y el tiempo de relajación? Cuando a causa de una perturbación el sistema se aleja de su estado atractor, el tiempo que tardará en regresar a éste se llama tiempo de relajación y depende por un lado de la magnitud de la perturbación y por otro de la estabilidad del atractor. Cuando más estable sea éste último menor será el tiempo de relajación. Cuando se alarga este tiempo de relajación se habla de critical slowing down, lo que significa que el sistema tiene más dificultades para volver a su atractor inicial a consecuencia de encontrarse en su fase de comportamiento crítico. Por ejemplo, si tomamos el ángulo del codo (como parámetro de orden) en un ejercicio cuasi estático consistente en sujetar una barra olímpica con una flexión de brazos de 90º y realizamos cambios intencionales de dicho ángulo (descendiendo la barra) observaremos que la recuperación del ángulo a 90º tardará cada vez más a medida que nos aproximamos a la terminación del ejercicio ocasionada por la fatiga.

¿Qué significa la histéresis? El fenómeno de la histéresis hace referencia a lo que sucede cuando un parámetro cambia de dirección y el comportamiento (o estado del sistema) se queda tal y como está, retrocediendo con un cierto retardo a un estado previo, de forma que muchos estados de comportamiento pueden coexistir para un mismo valor de parámetro. Esto ocurre porque el sistema modifica la distribución de sus atractores. Cuando incrementamos la

la teoría de los sistemas dinámicos. conceptos básicos

| 93

velocidad de una cinta rodante el cambio de caminar a correr se producirá a una velocidad concreta determinada; en cambio, si disminuimos la velocidad de la cinta pasaremos de correr a caminar a una velocidad distinta (Diedrich y Warren, 1998). De forma similar, podemos observar qué ocurre con la evolución de la concentración de ácido láctico en sangre durante un ejercicio intenso y su recuperación. Un determinado valor de lactatemia (por ejemplo 4mmol/l) lo podemos encontrar durante el ejercicio intenso o durante el reposo (fase de recuperación), de manera que no podemos pensar en dicho valor sólo como indicador de un determinado estado del sistema (o de una determinada intensidad de ejercicio).

¿Qué son la intermitencia y la metaestabilidad? Para la TSD la intermitencia es la alternancia de intervalos de actividad regular e irregular (a menudo repentina) del sistema. Es un fenómeno típico de los sistemas metaestables, o que viven al límite de la inestabilidad. La metaestabilidad es la propiedad que tiene un sistema con varios estados de equilibrio de exhibir durante un considerable espacio de tiempo un estado de equilibrio débilmente estable. Muestra que hay diferentes atractores que coexisten en la misma red, proporcionando la multifuncionalidad y flexibilidad característica de los sistemas complejos. La podemos observar, por ejemplo, en los cambios que sufren los estados de volición antes de la cancelación de un ejercicio extenuante. Estos se caracterizan por la alternancia del deseo urgente de cancelar el esfuerzo y el de continuar (paro-sigo-paro-sigo-paro). Durante el proceso de fatiga la volición de continuar con el ejercicio no cambia de forma continua yendo de mayor a menor intensidad sino que presenta una fase estable al principio y una fase metaestable más tarde, con intermitencias, antes de desestabilizarse completamente (Balagué, Hristovski y Company, 2010).

¿Cómo actúa la distribución de los atractores de un sistema en un proceso de aprendizaje? La dinámica intrínseca del sistema será el comportamiento colectivo que se da en ausencia de requerimientos específicos de la tarea. En el caso del organismo humano, para poder estudiar el aprendizaje o adquisición de una habilidad motriz, habrá que distinguir entre la dinámica intrínseca y la dinámica de la tarea (Kelso, 1995). La dinámica intrínseca será la tendencia espontánea de coordinación del organismo en el inicio del proceso de aprendizaje, y la dinámica de la tarea será la influencia específica de la tarea, intención o la información del medio. Se establecerá así un proceso de cooperación-oposición entre ambas (Schöner y Kelso, 1988). Dada una tarea, la dinámica intrínseca estará presente en ausencia de requerimientos específicos definidos por el medio, la memoria o incluso la intención. Dependerá de la historia previa del organismo y tiene como consecuencia directa la necesidad de individualizar a la hora de estudiarla. Cada persona tendrá una

94 |

complejidad y deporte

experiencia previa única, por lo que su estado inicial será siempre diferente al de cualquier otro, y los patrones o modelos que se generen serán también siempre únicos. Antes de pasar a las aplicaciones de los conceptos a la motricidad, se presenta una tabla resumen de los conceptos básicos que se utilizan y sus equivalencias o términos cercanos desde la perspectiva mecanicista (Tabla 5).

Tabla 5. Términos y conceptos equivalentes (o cercanos) de la perspectiva mecanicista con los estudiados en la dinámica de la coordinación (perspectiva compleja). PERSPECTIVA MECANICISTA

PERSPECTIVA COMPLEJA

COMPONENTES

GRADOS DE LIBERTAD

PARÁMETRO DE ORDEN

VARIABLE DEPENDIENTE

VARIABLE INDEP./ CAUSA

PAR. DE CONTROL/CONSTREÑIMIENTO

AUTOMATISMO

ATRACTOR

UMBRAL

CRÍTICALIDAD / BIFURCACIÓN

VARIACIONES / ERRORES

FLUCTUACIONES

RETARDO/INERCIA

HISTÉRESIS

RECUPERACIÓN

CRITICAL SLOWING DOWN

¿Podemos poner algún ejemplo motriz en el que se vea cómo actúan todos estos elementos? El ejemplo más repetido en la literatura relacionada con el aprendizaje motor y los sistemas complejos es el experimento que ideó Scott Kelso (1984) para mostrar cómo se produce la coordinación motriz. A partir de este experimento Haken, Kelso y Bunz (1985) confeccionaron un modelo teórico no lineal para explicar el comportamiento coordinativo. Se considera modelo teórico a una idealización del sistema que no predice necesariamente todos los detalles del comportamiento de dicho sistema pero que tampoco predice nada que contradiga las observaciones realizadas experimentalmente (Fuchs y Kelso, 1994). La tarea consistía en mover rítmicamente los dedos índices de cada mano de lado a lado en la posición que se muestra en la fig. 22 al ritmo de un metrónomo. Se iniciaba el movimiento de forma paralela, activando los músculos homólogos alternativamente, es decir, con una relación entre los dos miembros denominada antifase. Se pidió a los sujetos que no modificaran el movimiento de forma consciente si notaban que el patrón iba a cam-

la teoría de los sistemas dinámicos. conceptos básicos

| 95

Fig. 22. Movimiento de los dedos. En la primera fotografía se representa el movimiento en fase, y en la segunda en antifase. biar, sino que dejasen que los dedos se movieran de la forma más confortable. A cada pulsación del metrónomo, los sujetos debían finalizar un ciclo completo, y la frecuencia se fue incrementando progresivamente. Se observó que a partir de un valor crítico de frecuencia, el movimiento cambiaba espontáneamente, mostrando el fenómeno de la auto-organización, y los dedos empezaban a moverse en fase, activándose los músculos homólogos de forma simultánea. Este cambio de patrón no sucedía cuando se realizaba el experimento en sentido inverso, es decir, empezando con una relación entre los dedos en fase. Así, se mostró una transición involuntaria en la coordinación rítmica de dos miembros, demostrando que existen dos patrones estables a frecuencias bajas y sólo uno a partir de un valor crítico de la frecuencia, que será el parámetro de control del sistema. Como parámetro de orden se escogió la relación fase entre los dos dedos, y los estados estables serán los atractores. Se produce así una bifurcación clara a partir de un valor del parámetro de control, pasando el sistema a tener un atractor en vez de dos. En la fig. 23 se muestran las series temporales del experimento teniendo en cuenta la posición de los dedos y su relación fase. El cambio no será instantáneo, sino que en la zona previa se producirán fluctuaciones de la relación fase, las denominadas fluctuaciones. Previamente a la transición, se puede volver al atractor después de una perturbación externa a pesar de la pérdida de estabilidad, y las fluctuaciones se convertirán en una variable predictora de la proximidad del punto de transición y de la estabilidad del atractor (Court y col., 2002). En este experimento, los constreñimientos del organismo serán la longitud de los dedos y la fuerza muscular de éstos, así como las habilidades cognitivas para relajarse y dejar que el movimiento suceda sin utilizar la intención. Los del medio serán la temperatura ambiente o la luz del espacio donde se desarrolle la tarea, o incluso las expectativas del investigador que le observa. Por último, el parámetro que se modifica, la velocidad del movimiento, será un constreñimiento de la tarea, que además actuará como parámetro de control.

96 |

complejidad y deporte

Fig. 23. Series temporales de la posición de los dedos mostrando la transición del movimiento antifase al movimiento en fase cuando se incrementa la frecuencia. La línea continua muestra la posición del dedo de la mano izquierda, y la discontinua la de la derecha. B. El mismo fenómeno pero teniendo en cuenta la fase relativa entre los dedos. Se indica la posición relativa del dedo izquierdo con relación al ciclo del dedo derecho. C. Misma fase relativa pero obtenida de la diferencia entre las fases individuales de ambos dedos (Kelso, 1995).

Si quisiéramos que el individuo que realiza este experimento aprendiese otro patrón coordinativo con otra relación entre los dos dedos, su dinámica intrínseca, que sería la tendencia a realizar el movimiento en fase o en antifase en función de la velocidad, competiría con la dinámica de la tarea. La intención del sujeto por modificar este patrón seria un factor clave a favor de la dinámica de la tarea, así como el hecho de utilizar constreñimientos que favorezcan el cambio, como podrían ser marcas visuales que señalizasen los momentos en los que los dedos llegan a un extremo del recorrido o señales auditivas. Éste es seguramente el ejemplo más sencillo y completo de los estudiados en el ámbito de la coordinación motriz, pero desde ese momento proliferaron los estudios que pretendían observar todos estos fenómenos en otros tipos de tareas o individuos, tal y como explicaremos en los siguientes capítulos.

la teoría de los sistemas dinámicos. conceptos básicos

| 97

¿Y un ejemplo aplicado al deporte? Existen en la actualidad diferentes aplicaciones de los conceptos de la TSD que posibilitan una comprensión distinta de algunos de los procesos relacionados con el deporte, como la toma de decisiones (Araújo, Davids y Hristovski, 2006), la emergencia de la técnica deportiva (Hristovski, Davids y Araujo, 2006b) o la creatividad de movimientos (Hristovski y col., 2009; Hristovski y col., 2011). Una de las primeras estudia la emergencia de las técnicas de golpeo que se dan en el boxeo. A pesar de tratarse de un deporte minoritario, tiene un interés particular por tratarse de una disciplina con un elevado componente de comportamiento instintivo ligado al riesgo físico y por ser fácilmente extrapolable a las artes marciales o a otros deportes de oposición. De forma similar a lo que ocurre con el experimento de J.A.S. Kelso en el caso de los movimientos rítmicos, la aplicación a los golpeos en boxeo de Hristovski y col. (2006b) sienta las bases para las aplicaciones deportivas de los conceptos de la TSD. Además, este trabajo experimental aplica de forma clara y operativa el concepto de “affordances” de la psicología ecológica destacando su papel regulador en acciones deportivas relevantes. Una de las habilidades más importantes de los boxeadores cualificados es la capacidad para aplicar muchos golpes diferentes con elevada frecuencia en cortas y medias distancias sobre el oponente. La diversidad de puñetazos constriñe la toma de decisiones y las posibilidades del contrario. Se ha demostrado que uno de los parámetros de control claves en el boxeo no es la distancia física sino la distancia en relación a la longitud de brazo. Por lo tanto, se ha concluido que los boxeadores utilizan una escala intrínseca en lugar de una distancia física objetiva para propinar los golpes. Lo que perciben los boxeadores no es la distancia al oponente sino sus posibilidades de acción en esa distancia; es decir, oportunidades para realizar determinados golpes (lo que hemos llamado affordances, que se calculan por la distancia escalar al objetivo (distancia al oponente/longitud del brazo). Las acciones de golpeo se definen a través de los ángulos o direcciones de impacto del puño frontal al objetivo (directos, ganchos o hooks) y son considerados parámetros de orden ya que contienen la información colectiva de la organización de la extremidad superior. Un primer experimento para reconocer el carácter emergente de las técnicas de golpeo que puede realizar la persona lectora - con la ayuda de alguna persona que participe como oponente- es el siguiente: Sin necesidad de dar ningún otro tipo de información se le pide al atacante situado enfrente que golpee eficientemente con la parte frontal de su puño nuestra palma de la mano. Esta variará los ángulos de exposición (de frente, boca abajo, de lado) de manera que el movimiento de golpeo dará lugar a las 3 técnicas citadas anteriormente (directo, hook o gancho, respectivamente). Se observa con el experimento que no es necesario decirle al oponente cuáles son estas técnicas o pedir que las reproduzca después de una demostración previa. La dirección del impacto entre el puño y la palma de la mano actúa como parámetro de orden que subyuga a otros componentes del brazo para formar una trayectoria particular de movimiento (ver

98 |

complejidad y deporte

parámetros de orden en el capítulo 5). No hay que especificar separadamente las relaciones espaciales de los segmentos de las extremidades ni las velocidades relativas de las articulaciones del brazo. Las técnicas emergen a pesar de que el oponente no tenga ninguna noción de boxeo (ver Hristovski y col., 2009). Hristovski, Davids y Araújo (2006b) plantean en su estudio una situación parecida pero utilizando un saco como objetivo y variando la distancia al mismo. Se puede observar en la fig. 24 como las acciones de golpeo emergen y se desvanecen para ciertos valores de la distancia escalar al objetivo. No es necesaria ninguna orden para cambiar la técnica de golpeo. Ésta emerge por los cambios en la distancia (o parámetro de control) por un proceso de auto-organización en el que participan constreñimientos del boxeador (longitud del brazo, experiencia, etc.), de la tarea (distancia, posición, etc.) y ambientales (riesgo, importancia de la competición, etc.). Así se puede reconocer en qué distancias se produce una mayor diversidad de golpeos. Observar que alrededor de la relación escalar (distancia al saco/longitud del brazo) equivalente a 0.6 cualquier tipo de golpeo presenta aproximadamente las mismas probabilidades de producirse, dándose mayor metaestabilidad en el sistema y por lo tanto mayor impredecibilidad del comportamiento.

Fig. 24. A) Cambios abruptos y continuos de las probabilidades de acciones de golpeo. B) La impredecibilidad (H) y diversidad (S) de las acciones cambia en función de la distancia escalar al objetivo. Se encuentra maximizada alrededor de D = 0,6. El esquema de la derecha muestra las diferentes distancias desde las que se golpeó el saco pesado en el experimento.

la teoría de los sistemas dinámicos. conceptos básicos

| 99

6

Las primeras aplicaciones en la motricidad humana “El cuerpo humano contiene más de 790 músculos y 100 articulaciones que han co-evolucionado en un entorno complejo con un sistema nervioso que contiene 1012 neuronas y conexiones neuronales. En la parte sensorial billones de receptores de la piel, articulaciones y músculos informan al que se mueve sobre su movimiento. Cualquier actividad humana ordinaria requiere la cooperación de diversos elementos estructurales –un milagro que damos por sentado” Scott Kelso

Para explicar las aportaciones que se han hecho desde esta perspectiva al entrenamiento deportivo, nos encontramos con la disyuntiva de querer dividir en apartados el texto para facilitar la comprensión de esta segunda parte del libro y a la vez no caer en un planteamiento reduccionista y analítico característico del proceso de entrenamiento. Como ya hemos ido comentando, la teoría del entrenamiento clásica se ha caracterizado por la división en partes del organismo y del proceso en sí. Estas divisiones nos ayudan a estructurar de algún modo el proceso, pero rompen con la concepción global del organismo y del entorno en el que éste se encuentra, así como su desarrollo dependiente del contexto de constreñimientos que actúan en cada momento. Por este motivo hemos decidido estructurar esta parte en función de cómo ha avanzado la investigación en este ámbito a lo largo de la historia, en lugar de dividirlo en los apartados en los que clásicamente estaría estructurado un libro sobre entrenamiento deportivo. Los inicios estuvieron claramente marcados por el aprendizaje motor y el modelo HKB que ya hemos explicado, por lo que las primeras investigaciones deportivas tienen mucha relación con la técnica. De hecho, sus aportaciones al proceso de adquisición de una habilidad deportiva y a la optimización de la técnica son hasta el momento las más importantes, aunque no tienen por qué ser exclusivas, a diferencia de lo que a veces se piensa. La relación que tienen estos procesos con el aprendizaje motor es obvia, y la colaboración con psicólogos ha sido fundamental. A partir de la aparición del modelo HKB, proliferaron los estudios que aplicaban las herramientas de la teoría de los sistemas dinámicos así como otros enfoques relacionados con las ciencias de la complejidad para la comprensión de la coordinación motriz y los procesos de aprendizaje motor. Como veremos a continuación, inicialmente todos los estudios se centraron en movimientos sencillos, principalmente cíclicos, pero este tipo de investigación se extendió al análisis de la motricidad hasta llegar inevitablemente al deporte y al entrenamiento deportivo. Para

las primeras aplicaciones en la MOTRICIDAD humana

| 101

poder comprender este proceso se necesitan conocer los orígenes, por lo que realizaremos un breve resumen de la evolución de la aplicación de la complejidad en la motricidad humana.

6.1. D  el modelo HKB a la generación de un marco teórico sobre la coordinación Diversos experimentos mostraron cómo los mismos principios que se aplicaron para la comprensión del movimiento cíclico de los dedos ideado por Kelso podían explicar otros patrones coordinativos estables. A medida que el cuerpo de conocimientos aumentó fruto de la investigación, se empezó a denominar “Dinámica de la coordinación” o Coordination dynamics al marco teórico y empírico basado en los conceptos, métodos y herramientas de los sistemas dinámicos. Este campo se ha centrado principalmente en entender cómo los patrones coordinativos se forman, adaptan, persisten y cambian espontáneamente a partir de diferentes estímulos que pueden provenir de la intención, la atención o la imaginación, ampliando así el abanico de posibilidades para aprender o modificar un patrón coordinativo (Jantzen, Oullier y Kelso, 2008). El objetivo claro de este campo es el de entender las leyes y principios que gobiernan la formación de patrones de comportamiento en el tiempo y el espacio en todos sus niveles de descripción. Puede parecer sorprendente que a partir del sencillo movimiento cíclico de los dedos pudiese generarse todo un nuevo campo de investigación, pero es que los mismos principios que gobernaban dicho patrón coordinativo fueron apareciendo en multitud de tareas que cada vez tenían menos que ver con la coordinación bimanual. Así, se observó la misma dinámica en la coordinación entre diferentes partes del cuerpo, como los brazos o las piernas (Baldissera, Cavallari y Civashi, 1982; Kelso y Jeka, 1992; Fitzpatrick, Schmidt y Lockman, 1996; Turvey, 1990) o entre diferentes partes del mismo miembro (Carson y col., 1995). También se aplicó a la coordinación entre un brazo y un estímulo visual (Byblow y col., 1995; Wimmers, Beek y Wieringen, 1992) o sonoro (Calvin y Temprado, 2003). La tarea propuesta por Kelso de la cual se realizó el modelo HKB presenta muchas similitudes con los patrones rítmicos de locomoción, que también son estudiados bajo esta perspectiva. El patrón de caminar y de correr es distinto en todos los animales, y uno u otro surgirá en función de múltiples constreñimientos y sus relaciones. Son conocidos los experimentos con gatos y caballos que modifican el patrón de locomoción a partir de un valor crítico de velocidad adoptando el más “económico” energéticamente no sin antes haber pasado por una transición caracterizada por la presencia de fluctuaciones críticas del patrón (Kelso, 1995). Se han realizado también estudios con seres humanos, que analizan la influencia de la dinámica del sistema y de la dinámica del medio, y Diedrich y Warren (1995) observaron un incremento de variabilidad en la transición. Recientemente

102 |

complejidad y deporte

se ha mostrado también que los principios que explican la coordinación entre diferentes miembros gobiernan también patrones de locomoción más complejos, como el esquí de fondo. Cignetti y col. (2009) han estudiado esta modalidad deportiva desde la perspectiva de los sistemas dinámicos analizando la frecuencia relativa y la fase relativa entre los brazos y las piernas mientras se realiza el paso de esquí en una cinta rodante. Los resultados mostraron que las extremidades eran atraídas hacia una relación en fase o en antifase entre ellos y con radios de frecuencia de 1:1 o 2:1 principalmente. El incremento de pendiente produjo transiciones entre los patrones coordinativos que atraían al sistema, y en las fases de transición se observó una pérdida de estabilidad. Seifert, Button y Brazier (2010) también estudian la coordinación de los movimientos de las extremidades en natación desde la misma perspectiva. Años atrás, el estudio de la locomoción estaba dominado por el concepto del programa motor, creado por el sistema nervioso y ejecutado por el sistema músculo-esquelético. La neurociencia se centró en explicar cómo la actividad del sistema nervioso causa el movimiento en el cuerpo, y la biomecánica en cómo la dinámica del sistema músculoesquelético responde a los estímulos neuronales. ¿Pero cuál era la causa y cuál era el efecto? El movimiento es fruto de la interacción entre el sistema músculo-esquelético, el sistema nervioso y el entorno, y los estados de atracción surgirán de la interacción de todo el sistema. La principal repercusión del estudio de este tipo de fenómenos desde esta perspectiva es seguramente que los investigadores empiezan a interesarse por cómo se organiza el organismo en movimiento y por la búsqueda de principios comunes de organización para todo tipo de sistemas. Se descarta el concepto de programa motor para explicar la ejecución de movimientos cíclicos y se plantea la aparición de fluctuaciones en las zonas de transición como una posible señal de la no linealidad del sistema, así como una muestra de que los comúnmente denominados errores de ejecución pueden ser necesarios e imprescindibles para producir un cambio en el comportamiento del sistema. De forma paralela a los estudios sobre coordinación entre miembros de una misma persona, aparecen muchas investigaciones en las que se analiza la coordinación entre miembros de personas distintas. Consideramos este tipo de ejercicios de gran importancia a la hora de explicar las aplicaciones de la TSD, puesto que representan un ejemplo de tareas en las que no hay una estructura cognitiva común que pueda producir la coordinación motriz. El hecho de que aparezcan fenómenos similares a los vistos durante el movimiento de una persona, como las transiciones entre fases o las fluctuaciones críticas, pone si cabe más de manifiesto que estos fenómenos no son fruto de la existencia de un programa motor. Al igual que en los sistemas físicos, no puede haber un programa común entre dos personas. Un ejemplo de acoplamiento entre dos sistemas físicos es el de dos relojes de pared colocados próximos uno del otro y con sus péndulos oscilando en fases distintas. La vibración de la pared provocará una interacción entre ambos relojes

las primeras aplicaciones en la MOTRICIDAD humana

| 103

hasta que oscilen en modo en fase o antifase, llegando así a un estado de equilibrio o atractor. Estudios con personas muestran un comportamiento similar cuando se pide a los sujetos que hagan oscilar un miembro o un péndulo a la vez que otra persona mientras puedan verse mutuamente. Schmidt, Carello y Turvey (1990) demostraron una transición de un estado de coordinación antifase a uno en fase en una tarea en la que los sujetos debían mover su pierna u oscilar un péndulo con la muñeca coordinadamente y en modo antifase con la del compañero y a una frecuencia determinada por un metrónomo (fig. 25). El aumento de la frecuencia de forma progresiva provocó el mismo efecto que el famoso estudio de Kelso, la imposibilidad de mantener la coordinación antifase y la transición a una coordinación en fase, pero no viceversa, así como la aparición de fluctuaciones críticas. El estudio de la interacción entre personas tiene claras aplicaciones en la investigación deportiva. Todos los deportes en los que se realizan movimientos con música y en grupo pueden ser objeto de este tipo de estudios, como es el caso de la gimnasia rítmica o aeróbica o la natación sincronizada. Estos deportes estarán constituidos por tareas en las que el objetivo es la coordinación interpersonal en sí misma, además de acoplarse a una frecuencia externa marcada por el ritmo de la música. No obstante, la mayoría de deportes de equipo estarán constituidos por tareas en las que la coordinación entre los jugadores no será el objetivo, como sucedía en la tarea de la oscilación del péndulo a la frecuencia más confortable. El estudio de la interacción entre los sujetos puede explicar comportamientos que se dan en el juego, tanto en tareas de cooperación como de oposición. En esta línea, McGarry y col. (2002) estudiaron diversos deportes de cooperación-

Fig. 25. Sincronización espontánea. El acoplamiento de los movimientos pendulares de las extremidades entre dos personas que se ven pone de manifiesto que el fenómeno no puede ser producto de un programa motor (no existe un programa común).

104 |

complejidad y deporte

oposición, como el squash o el fútbol, para demostrar que éstos pueden analizarse concibiéndolos como sistemas dinámicos complejos, ya que presentan el comportamiento dinámico característico de éstos. El resultado de toda esta investigación inspirada en la física, las matemáticas y la química es que en los sistemas biológicos, caracterizados por su alta dimensionalidad y complejidad, cerca de puntos críticos, el comportamiento emergente está gobernado por la dinámica de las variables colectivas o parámetros de orden. Manipulando uno o más parámetros de control no específicos (como puede ser la velocidad de movimiento, o parámetros informacionales como estímulos visuales o sonoros) puedes mover al sistema a otro punto de su espacio de fases. En el caso de la motricidad humana se ha identificado la fase relativa entre componentes y la frecuencia como la variable colectiva y el parámetro de control respectivamente más determinantes. Cuando se aumenta la frecuencia, aparecen las inestabilidades (caracterizadas por la aparición de fluctuaciones) en la coordinación y surgen los cambios espontáneos entre patrones coordinativos que atraen al sistema (atractores) (Jantzen, Oullier y Kelso, 2008).

6.2. L a no linealidad y la psicología ecológica para el estudio de la coordinación de acciones motrices acíclicas Los estudios que se han citado anteriormente se centraban eminentemente en tareas cíclicas. Probablemente esto sea consecuencia de la mayor dificultad que presentan las tareas no cíclicas para identificar los estados de atracción debido a la corta duración de las mismas y a las variables que caracterizan el estado del sistema. La fase relativa entre partes del cuerpo y la frecuencia de movimiento, que como hemos explicado anteriormente parecen ser las variables y parámetros de control más determinantes, son fácilmente identificables en los movimientos cíclicos, pero no cuando el ciclo no se repite a lo largo del tiempo. Por este motivo, el interés en las tareas acíclicas surgió a partir de la influencia de la psicología ecológica y del fenómeno del ciclo percepción-acción, estudiando sobretodo tareas de intercepción de objetos, como el que Schöner ya estudió en 1990 (Schöner, 1990). La perspectiva ecológica de la “percepción-acción” se basa en que el organismo humano no puede estudiarse independientemente del medio en el que se desarrolla (Gibson, 1975). La percepción y la acción están interconectadas y son interdependientes, produciendo el ciclo o acoplamiento percepción-acción. La exploración y selección de soluciones motrices específicas será un proceso de este tipo de acoplamiento en el que la información generada por la percepción y la acción se correlacionan. El modelo de acción-percepción se formará por la unión del organismo con el medio en el que interac-

las primeras aplicaciones en la MOTRICIDAD humana

| 105

túa. El organismo no se adapta a un estímulo, sino que se coordina con él y emerge el comportamiento (Kelso y Schöner, 1988). El movimiento genera información del entorno que, a su vez, influye al movimiento, alcanzando una relación cíclica entre movimiento y percepción. Este proceso se relaciona con la auto-organización ya explicada, con el proceso de cooperación y competición que se establece entre la dinámica intrínseca del organismo y la dinámica de la tarea, intención o información del medio. El comportamiento autoorganizado emergerá de la confluencia de propiedades intrínsecas del ejecutor (como la fuerza, las reservas energéticas...) o factores extrínsecos (temperatura ambiental, objetos a manipular...). Cambios en cualquiera de estos subsistemas podrán conducir a cambios en el comportamiento del sistema, es decir, se producirá una reorganización (Ulrich y col., 1998). En todos los movimientos relacionados con el ciclo percepción-acción la intención será un factor influyente, puesto que el movimiento debe iniciarse en un momento concreto. La intención se tratará como un constreñimiento específico, y la dinámica intrínseca vendrá determinada por la postura inicial y por el objetivo del movimiento. Desde esta perspectiva se han estudiado diferentes tareas, especialmente de intercepción de objetos o de acoplamiento de la percepción con la acción (McLeod y Dienes, 1993; Peper y col., 1994; McBeath Shaffer y Kaiser, 1995; Montagne y col., 2000). También se han estudiado algunas tareas deportivas, como la carrera previa al salto de longitud (Buekers, Montagne y Laurent, 1999), caracterizada por una reducción de la variabilidad de la distancia media de cada paso, o el saque de voleibol. Davids y col. (1999) lo utilizaron como tarea que requiere un alto grado de coordinación entre muchas partes relevantes del sistema de movimiento y necesita que la acción se coordine espacio-temporalmente con la información de los constreñimientos impuestos por la pelota. Analizaron el desplazamiento y las series temporales de la coordinación entre los miembros durante el saque en jugadores expertos. Observaron una fuerte relación en fase entre los pares de articulaciones adyacentes (cadera-hombro, hombro-codo y codo-muñeca), mostrando estructuras organizadas sinérgicamente moviéndose en la misma dirección en el mismo momento de la transición y con perfiles de velocidad similares. Temprado (2000) comparó este patrón con el que tienen aprendices noveles y observó que, con relación a la posición de la pelota, los mejores sacadores mantenían una consistencia espacial y temporal en la colocación vertical de la pelota. El análisis de la relación entre la información de la pelota en el punto más alto y el inicio del movimiento de la cadera hacia delante revelaron que estaban muy acoplados y eran muy poco variables. La acción del inicio del golpeo y la bola en el punto más alto constituirá un estado atractor, un “sistema de saque”, y la práctica de las diferentes fases sin dividirlas permitiría al aprendiz explorar las relaciones emergentes entre los constreñimientos físicos e informacionales de la tarea y encontrar relaciones individuales. Si se practica de forma descompuesta, como suele hacerse en muchos ejercicios enfocados al desarrollo de la técnica deportiva, el aprendiz explorará la región incorrecta del espacio. Cualquier acción motriz deportiva, cíclica o acíclica, puede considerarse un sistema motriz dinámico. Como ejemplo, estudiamos la acción del salto vertical (Torrents, 2009), pro-

106 |

complejidad y deporte

poniendo a diversos atletas que saltasen desde diferentes alturas y distancias a una plataforma de fuerzas del modo del Drop Jump (DJ). El aumento de la distancia desde la que se realiza un DJ provoca en el organismo una fuerza en el eje anteroposterior que desviará la orientación del cuerpo de la posición óptima para ejecutar un salto vertical y se producirá un momento de fuerza debido a la desalineación de la fuerza de gravedad y las fuerzas de reacción de la superficie de apoyo. El aumento de la altura del salto incrementa la fuerza en el eje vertical que deberá soportar el saltador e incrementará el tiempo que necesitará el sujeto para adoptar la posición ideal para saltar. Para poder realizar ese tipo de saltos, el centro de masas del sujeto debe tener una posición y una velocidad en el momento del aterrizaje que le permita mantenerse en la región de estabilidad, que será considerada un atractor del sistema. El salirse de los límites de esta región producirá un cambio cualitativo en el comportamiento postural del sujeto que impedirá la ejecución del salto. En el espacio fase habrá así unos límites que delimitarán una región en la cual el individuo será capaz de superar las perturbaciones posturales, que será la cuenca del atractor, y una región fuera de estos límites en la que no podrá superarlas. Si consigue posicionar su centro de masas dentro de la cuenca del atractor, el organismo acabará necesariamente verticalizándose, después de un periodo de estabilización. Durante este periodo, el organismo oscilará en los dos ejes horizontales del espacio hasta posicionar todo su cuerpo en el eje vertical. Si el centro de masas cae fuera de la cuenca, se tenderá a la horizontalidad (caída). Normalmente, esta caída no se producirá, ya que el sujeto abandonará la posición especificada de los pies para saltar (pies juntos) y realizará acciones para evitar la caída aumentando o modificando la base de sustentación, como dar un paso (Pai y Patton, 1997; Aguado, 1993). La posición horizontal que se produciría si la persona que salta cayese será otro estado atractor del sistema, pero ésta evitará consciente o inconscientemente el llegar a esta posición. Se analizaron las fluctuaciones que aparecían en las series temporales de la fuerza en los tres ejes del espacio en los saltos de los diferentes participantes. Los resultados mostraron cómo el incremento en la dificultad de la tarea disminuyendo la distancia a la zona de transición entre dos atractores produce un aumento de la amplitud de las frecuencias y de las fluctuaciones que aparecen en las series temporales de la fuerza. Este estudio vuelve a sugerirnos que el organismo se organiza como un sistema dinámico cuando se dispone a saltar y que sería posible ver un cambio abrupto de patrón de la acción motriz, es decir, una transición entre dos atractores, si sometiéramos a los participantes a una situación más extrema. En resumen, a pesar de que en las acciones motrices acíclicas no podemos utilizar la frecuencia como parámetro de control, podemos encontrar otras variables que nos indican que también este tipo de acciones están gobernadas por la dinámica de las variables colectivas. La intercepción de objetos es un ejemplo claro de la influencia del medio en la acción,. La relación entre diferentes partes del cuerpo será la variable colectiva, mien-

las primeras aplicaciones en la MOTRICIDAD humana

| 107

tras que la distancia con el objeto que debe interceptarse o con el lugar donde se ejecuta la recepción del salto o de la carrera será el parámetro de control. En las zonas de transición se producirán fluctuaciones en el movimiento del sistema.

6.3. L a no linealidad en el aprendizaje motor y en la adquisición de habilidades deportivas En el modelo HKB se pedía a los participantes que no intervinieran voluntariamente en el cambio de patrón motor, evitando por tanto la participación de la intención, constreñimiento imprescindible en los procesos de aprendizaje. De hecho, ésta será la principal característica que distinguirá a la coordinación biológica de la de los sistemas inanimados, la presencia de la intención, de la consecución de un objetivo. Scholz y Kelso (1990) demostraron que la manipulación de la intención podía modificar la dinámica de la coordinación, e incluso evitar una transición bajo determinadas condiciones. Zanone y Kelso (1992) estudiaron a diferentes personas que debían practicar el movimiento oscilatorio de los dedos con una relación fase de 90º, y, después de cinco días de práctica, este patrón coordinativo presentó las características de un atractor. Se había modificado así la distribución de los atractores. Se ve de esta forma un cambio en el concepto tradicional del aprendizaje, que pasará a ser una modificación específica de algo que ya existe en los modelos de comportamiento en la dirección de la tarea a aprender. Toda la distribución de los atractores se modifica y se reconstruye (se pasa de un estado organizado de un sistema a otro) y la dificultad del proceso variará en función de si la tarea a aprender coopera o compite con los estados que atraían al sistema previamente. Por tanto, todo proceso de aprendizaje dependerá de las diferencias individuales. Siguiendo esta premisa, algunos estudios ya han utilizado técnicas de neuroimagen para establecer la dinámica intrínseca inicial de los sujetos (Jantzen y col. 2001; Temprado y col. 2002). Walter y Swinnen (1992) estudiaron el aprendizaje de una tarea coordinativa asimétrica realizando la estrategia inversa a la propuesta por la tarea del modelo HKB. El aumento de la frecuencia producía una transición del movimiento en modo antifase al modo en fase, de lo que se deduce que el bajar la frecuencia facilitará el aprendizaje de la transición inversa. A medida que se va progresando, se irá aumentando la frecuencia de los movimientos. El parámetro no tiene por qué ser la frecuencia, pero es ésta una estrategia muy utilizada para aprender movimientos deportivos. Se realiza primero a menor velocidad y se va incrementando a medida que progresa el aprendizaje. Esta concepción del aprendizaje y del control motor representa una clara evolución con relación a la perspectiva del programa motor, y llevó a diferenciar claramente los conceptos de estabilidad y variabilidad. La experimentación surgida a raíz de la perspectiva diná-

108 |

complejidad y deporte

mica muestra la estabilidad de los patrones coordinativos a la vez que su flexibilidad en función de los componentes que actúan y sus propiedades biomecánicas. El aumento de la estabilidad se demostró también neurológicamente estudiando el aprendizaje de un nuevo patrón coordinativo de movimientos de flexión de la muñeca con una relación de 90º. Se produce una reducción de la actividad en determinadas zonas del córtex promotor mientras se avanza en el aprendizaje y se consigue mayor estabilidad (Debaere y col., 2004). A su vez, ya hemos explicado los numerosos estudios que han observado la presencia de fluctuaciones en las zonas próximas a un cambio. Los patrones coordinativos serán estables pero variables a su vez (Kelso, 1997). La perspectiva dinámica enriquece la anterior al incluir propiedades que no pueden explicarse con la teoría de la programación motriz, como son la presencia de fluctuaciones, que predicen el cambio entre estados de coordinación, o las bifurcaciones o el aprendizaje “a saltos”. También esta perspectiva nos ayuda a comprender el aprendizaje de cualquier habilidad, en cualquier etapa del aprendizaje o de la evolución del ser humano, integrando el entorno en el proceso, la individualidad de las relaciones que se dan entre el aprendiz y el entorno, y la influencia de las condiciones iniciales, es decir, las habilidades y competencias que ya dispone el sujeto en el momento de someterse al aprendizaje (Riera, 2005).

6.3.1. El aprendizaje durante la evolución del ser humano Los conceptos que se han usado para describir las características de los movimientos coordinativos y de su aprendizaje pueden ser aplicados también para comprender el desarrollo motor. Los conceptos de estabilidad, inestabilidad, transición, dinámica intrínseca o auto-organización son frecuentes ya en numerosos estudios sobre desarrollo. A su vez, estos estudios han influido en la investigación sobre aprendizaje que se ha explicado en el apartado anterior. Se considera que los movimientos durante la infancia no son sólo producto de la acción del sistema nervioso central, sino también de las propiedades energéticas y biomecánicas del cuerpo, de la influencia del medio y de los objetivos de la tarea, y que las relaciones entre ellos no serán jerárquicas sino autoorganizadas y no lineales (Thelen y col., 1996). La realización de una tarea nueva por un niño o niña se interpreta como una transición, y para que se produzca se habrá pasado necesariamente por un periodo de inestabilidad. Ejemplos de estas tareas son el aprendizaje del alcance de objetos o la producción de patrones locomotores. Una de las figuras más conocidas de este campo es Esther Thelen. Dicha autora y sus colaboradores (Thelen y Smith, 1998) aplican la TSD para explicar el crecimiento y el desarrollo motor porque consideran que el resto de teorías que se utilizan son descriptivas pero no explicativas, y que suelen obviar la participación de la intencionalidad. Centran su teoría en el proceso y en la formación de atractores estables a base de la repetición de patrones de actividad. Los infantes descubren la acción y las categorías de los objetos a través de las

las primeras aplicaciones en la MOTRICIDAD humana

| 109

múltiples experiencias con ellos, que serán la causa y no el producto. Difiere radicalmente de la visión de Piaget, que asume que las modalidades sensoriales son diferentes y separadas, y que los reflejos forman parte del inicio de posteriores funciones motoras. Thelen defiende que hay separación y divergencia de información sensorial en muchas áreas funcionales, pero que están conectadas y la tarea del niño o niña en el desarrollo no será la de construir, sino la de seleccionar de múltiples posibilidades de asociación. El desarrollo no se ve como un proceso inevitable consecuencia de horarios genéticos de la maduración del cerebro, sino como una serie de contingencias y tareas (fig. 26). Cuando un niño está discapacitado para aprender sobre una modalidad del mundo, el sistema es capaz de encontrar otras modalidades, se observa una reorganización, y lo que cuenta no será el modelo, sino la solución del problema. Se crean nuevos patrones, que a su vez imponen constreñimientos diferentes. Si se favorece la oportunidad para explorar se facilita la reorganización, ya que la exploración facilita la formación y estabilización de grupos neuronales. Un ejemplo de este proceso de exploración y selección lo proponen Goldfield y col. (1993), estudiando como los niños aprenden a botar sobre un saltador. Ocho niños aprendieron la tarea explorando las relaciones entre sus acciones y las consecuencias de éstas. A través del uso de información multisensorial, aprendieron cómo y cuándo producir extensiones simultáneas de las piernas para conseguir botar de forma continua y efectiva. Thelen tampoco está de acuerdo con la existencia de programas motores, ya que éstos producen patrones fijos que no se adaptan a la constante variabilidad del medio. Podrían explicar el orden global pero no los detalles locales. La TSD, en cambio, explica como el orden global y la variabilidad local son el mismo fenómeno. Después del nacimiento y antes de aprender a caminar los bebés presentan un reflejo de marcha cuando sus pies se apoyan sobre una su-

Fig. 26. Los bebés descubren la acción de gatear sin precisar de instrucciones ni modelos. El patrón emerge espontaneamente como consecuencia del proceso exploratorio para alcanzar un objetivo.

110 |

complejidad y deporte

perficie dura, que desaparece más adelante para reaparecer al cabo del año de vida. Clásicamente se interpreta que el reflejo primitivo se desvanece cuando el bebé madura y vuelve a manifestarse cuando su esquema motor de marcha se desarrolla. La perspectiva dinámica, en cambio, explica la secuencia de desarrollo del comportamiento motor de la marcha en base a los constreñimientos que forman un solo parámetro de control: la relación entre el peso de las piernas del bebé y su fuerza. Al principio las piernas del bebé son ligeras en comparación con su fuerza haciendo que pueda producirse el movimiento característico de la marcha. Cuando el bebé gana peso, la relación peso/fuerza se acerca a 1 y deja de producirse el comportamiento de marcha. Cuando alrededor del año de vida las piernas del bebé ganan fuerza reaparece dicho comportamiento (Thelen y Smith, 1998) (fig. 27). El numerador (el peso de las piernas) resume los constreñimientos en relación con el entorno, es decir, las affordances o sus posibilidades de acción. En cambio, el denominador (la fuerza de las piernas) corresponde a los constreñimientos internos, es decir, a las capacidades del bebé para realizar las acciones disponibles. La persona lectora puede encontrar aquí un paralelismo con el ejemplo del boxeador explicado en el capítulo 5. La variabilidad ha servido también para evaluar las diferencias entre niños y niñas de distintas edades y adultos. Durante la niñez se muestra más variabilidad ejecutando patrones de coordinación que son estables en los adultos (Fritzpatrick y col., 1996; GuarreraBowlby y Gentile, 2004; Robertson, 1999) y se detecta una evolución decreciente en esta variabilidad (Hausdorff y col., 1999). Para sugerir modos de aprovechar las fases de inestabilidad o de mayor variabilidad, Thelen realiza multitud de experimentos con niños/as y por ejemplo observa que “caminan” con la ayuda de cintas rodantes o con menos peso (en el agua) en edades que teóricamente no les correspondería.

Fig. 27. Reflejo de marcha en el recién nacido. Desaparece pasados pocos meses cuando la relación peso/fuerza de las piernas aumenta y reaparece alrededor del año cuando esta relación se reduce por el aumento de su fuerza muscular.

las primeras aplicaciones en la MOTRICIDAD humana

| 111

Con el estudio del aprendizaje de estas tareas, se modifica la forma de entender el aprendizaje durante el desarrollo motor. La solución final no tiene porqué ser conocida de antemano por el aprendiz, sino que emergerá en un proceso de descubrimiento gradual por las complejas interacciones entre los componentes del comportamiento y la tarea. La práctica o la exposición a determinadas condiciones ambientales facilitarán el aprendizaje, aunque éste siempre estará en función de la dinámica intrínseca del sistema. Estas dos afirmaciones contrastan con la práctica basada en la observación de una solución impuesta o en la repetición de una respuesta que se supone que es la ideal y la misma para todos, por lo que desde esta perspectiva se ofrecen nuevas posibilidades y formas de aprender. El aprendizaje modificando los constreñimientos, del que se hablará posteriormente, es un ejemplo de esta propuesta, en el que no se darán unas instrucciones o un feedback preciso, sino que se reducirá el número de grados de libertad que el participante debe controlar. Por ejemplo, para que una niña aprenda a caminar, se le sujetará para facilitarle la estabilidad, o se le pondrá sobre una cinta rodante para que el medio le ayude a mover las piernas en la dirección del aprendizaje tal y como se ha explicado anteriormente (Vereijken y Whiting, 1990). Corbetta y Vereijken (1999) proponen la exposición del niño a multitud de cambios que puedan llevar al organismo a encontrar la solución, primero utilizando tareas que modifiquen las condiciones iniciales y progresivamente conducir a la persona a formas más avanzadas del comportamiento. Se fuerza al sistema así a desarrollar nuevas soluciones para estabilizarse bajo el principio de la auto-organización. Si el niño no encuentra por sí mismo la solución, se buscarán estrategias para orientar el proceso, que incluso pueden incluir instrucciones verbales, pero de todas formas siempre se conseguirá la formación de nuevas sinergias que mejorarán la coordinación motriz. No se propondrá ya el aprender patrones motores fijos ni se considerará el error de la forma tradicional, sino como una fluctuación del sistema necesaria para que se pueda producir la adaptación. Siguiendo estas premisas, se pueden plantear sesiones de aprendizaje en las etapas de desarrollo en las que se enfatice la variación de ejercicios para estimular los mecanismos individuales de adaptación. Los juegos pueden ser una herramienta clave para este planteamiento porque proporcionan un contexto natural en el que los constreñimientos informativos cambian de forma continua. Además, modificando las condiciones o reglas de éstos podemos modificar la complejidad a medida que progresa el aprendizaje (fig. 28). En los ejercicios basados en la repetición se pueden buscar condiciones iniciales y finales distintas para enfrentar al alumno o alumna al máximo número de situaciones diferentes y que su organismo pueda reaccionar autoorganizándose eficientemente. Las variaciones podrán centrarse en las condiciones espaciales, temporales o en el tipo de sistemas que interactúan, los ángulos de los diferentes segmentos corporales durante la ejecución de las tareas, los ritmos de la tarea o de las diferentes subtareas, la velocidad de éstas

112 |

complejidad y deporte

Fig. 28. Durante el juego los constreñimientos informacionales cambian de forma continua y modificandolos podemos aumentar al complejidad a medfida que progresa el aprendizaje. o los objetos a manipular (Torrents y Balagué, 2001), siempre teniendo en cuenta el objetivo que perseguimos, la dirección del aprendizaje que buscamos. Además, se generará una mayor motivación en el alumnado, evitando la monotonía de la repetición propia de la práctica física tradicional. Tal y como ya se ha comentado, hay numerosos estudios que muestran la utilidad de la práctica variable para aprender tareas (ver apartado 4.2.3), aunque su objetivo difiere considerablemente del propuesto por la concepción dinámica del aprendizaje que aquí se explica.

6.4. L a adquisición de habilidades deportivas mediante la modificación de los constreñimientos Los constreñimientos emergen a partir de la relación de todos los componentes del sistema, siendo los responsables de la reducción de los grados de libertad en la que dicho sistema puede modificarse. La fuerza de un grupo de músculos, por ejemplo, determinará el peso que una persona puede levantar, así como los grados de movilidad de una articulación delimitarán la cantidad de movimientos que ésta podrá ejecutar. Pero los constreñimientos no sólo son del organismo, sino también del entorno en el cual interactúa. Esta capacidad de adaptación podemos aprovecharla en los procesos de aprendizaje, provocando que los patrones deseados emerjan bajo la influencia de determinados constreñimientos. Éstos limitarán el comportamiento del sistema pero a la vez le permitirán descubrir nuevas formas de adaptación.

las primeras aplicaciones en la MOTRICIDAD humana

| 113

Los constreñimientos del sistema pueden ser de orden físico, como las características estructurales y funcionales del organismo, o informacionales, que serán las que pueden ser percibidas por el sistema. La largura del brazo de la nadadora será un constreñimiento de orden físico para llegar antes al otro extremo de la piscina, pero la textura del agua será un constreñimiento informacional. La potencia de la musculatura de las piernas del jugador de rugby será un constreñimiento físico para correr más rápido que los jugadores del equipo contrario, pero la posición de estos en el momento en que le pasen el balón será un constreñimiento informacional. Tal y como se ha comentado en el capítulo 5, Newell (1986) desarrolló una clasificación de los constreñimientos (del organismo, del medio y de la tarea) que posteriormente ha sido aplicado por otros autores como Davids, Button y Bennet (2008) para proponer una metodología de adquisición de habilidades deportivas. Todos ellos interactúan constantemente e influyen durante la práctica motriz, y el rendimiento deportivo emergerá de su interacción. Tal y como señala Davids (2001), a pesar de que el factor genético puede ser determinante en el rendimiento deportivo, el resto de constreñimientos interactuarán con éste modificando el resultado. Un gran talento sin un entorno social adecuado difícilmente se convertirá en un campeón. Un atleta con una buena predisposición genética muscular para la resistencia no se convertirá en un gran corredor sino está motivado para los largos entrenamientos que conlleva esa especialidad. Y a la inversa, un jugador de baloncesto en un entorno adecuado, con un buen entrenador y con una gran motivación, podrá disfrutar del juego como el que más, pero no llegará a la NBA si no tiene una determinada altura o unas características físicas adecuadas para ese deporte. Para adaptar el entorno podemos utilizar marcas en el suelo o en el espacio que ayuden al sistema a acoplarse a ellas o que le den una referencia. Esto seria útil para tareas relacionadas con el salto o en las que la percepción espacial juegue un papel importante, como es el caso de muchas tareas gimnásticas. En las modalidades gimnásticas se denomina a este tipo de facilitación ayudas referenciales (Vernetta y col., 2000), y se consideran muy importantes debido a los problemas de orientación espacial que generalmente tienen los principiantes al ejecutar aquellas tareas en las que se adoptan posiciones invertidas del cuerpo. Algunos ejemplos de estas ayudas pueden ser marcar la distancia o la posición de la parte del cuerpo que sirve de apoyo o poner una cuerda o similar para que los/las gimnastas salten por encima o eleven la cadera en algún elemento con fase de vuelo. Vernetta y col. (2000) también señalan que estas ayudas pueden ser acústicas, marcando el ritmo del movimiento en todo su recorrido o en momentos fundamentales de la tarea. Las señales acústicas son otro ejemplo de modificación del medio que puede ayudar al sistema a que se sincronice con ellas para moverse en una secuencia temporal determinada o al ritmo deseado, tal y como sucede cuando se entrena con música.

114 |

complejidad y deporte

Wulf y Prinz (2001) muestran como las instrucciones relacionadas con el efecto del movimiento sobre el medio son más efectivas que las que se refieren al movimiento en sí, lo que refuerza esta metodología. La modificación de los constreñimientos también facilitará la desestabilización de la distribución de los atractores existentes y que el comportamiento emerja sin la necesidad de instrucciones precisas creando el atractor en la dirección deseada. Podemos buscar así nuevas posiciones para ejecutar las tareas, utilizar instrumentos o realizar los entrenamientos en medios o superficies distintas, como el agua o la arena. Otro ejemplo de este tipo de facilitación puede ser la disminución de la velocidad de ejecución de un movimiento, tal y como se hacía para aprender una nueva relación fase entre dos miembros en los estudios sobre aprendizaje motor. Esta propuesta puede aplicarse en aquellos deportes en los que haya que aprender secuencias complicadas de movimientos.

las primeras aplicaciones en la MOTRICIDAD humana

| 115

7

La complejidad y su aplicación en la EF y en la AF no deportivizada “La coordinación en el cerebro es como un ballet de Balanchine. Los grupos neuronales se acoplan por breves instantes, algunos se conectan mientras otros se separan, nuevos grupos se forman y disuelven creando patrones coordinativos de la mente que son siempre significativos pero que nunca permanecen por mucho tiempo” Scott Kelso

En el capítulo anterior hemos descrito cómo se explica el aprendizaje de tareas motrices desde esta perspectiva, y en los siguientes capítulos explicaremos algunas de las implicaciones que tienen en el entrenamiento. No obstante, esta perspectiva también ofrece una explicación a propuestas pedagógicas que han surgido totalmente al margen de la práctica motriz deportivizada. Éste es el caso del constructivismo, corriente pedagógica que tiene sus inicios en los trabajos de Piaget y Vigotsky entre otros, que considera que el alumnado construye su propio aprendizaje en función de sus estructuras de conocimiento. El alumno será en todo momento el protagonista del hecho educativo y la significatividad del aprendizaje estará ligada a la necesidad de la funcionalidad, es decir, de poder utilizar de forma efectiva los conocimientos aprendidos. Todo aprendizaje significativo necesitará un proceso de relación intencional de la nueva información con aspectos ya existentes en la estructura cognoscitiva del individuo (Novack, 1982). En la concepción constructivista, el papel activo y protagonista del alumnado no se contrapone con la necesidad de un papel igualmente activo por parte del profesorado, ya que es él quien pone los constreñimientos para que la construcción que hace el alumno sea más amplia o más restringida, se oriente en un sentido u otro. Podemos observar un paralelismo claro con las conclusiones a las que se ha llegado desde el estudio de los sistemas complejos, a pesar de que el constructivismo está muy asociado a procesos cognoscitivos y, en nuestra opinión, olvida la globalidad y complejidad del ser humano. El aprendizaje en términos generales no será lineal, no evolucionará linealmente en función de la información existente en cada etapa, sino que se caracterizará por una evolución no lineal. No obstante, la concepción del aprendizaje también se ha desarrollado durante el siglo XX con autores como Davids y Sumara (1997), que describen al alumno como un sistema complejo. Estos autores exponen que el conocimiento llega de forma implícita con la actividad de los aprendices y la interacción de todos los sistemas que ac-

la complejidad y su aplicación en la EF y en la af no deportivizada

| 117

túan en éste y en el entorno en que se da. En esta concepción, aquello que se imagina, que se supone o se intuye formará parte del sistema, de la misma forma que la interacción con los compañeros, con el profesorado, o con la comunidad en la que se lleva a cabo. La auto-organización del sistema conducirá al proceso de aprendizaje. Es importante recalcar aquí la inclusión de aspectos como la imaginación o las suposiciones, entendidas como un constreñimiento más del proceso de aprendizaje, dándole así la importancia que merecen, a nuestro entender, en el hecho educativo, y muy especialmente en la educación física. De la investigación en la educación física desde la complejidad surge el concepto de “pedagogía no lineal” (Chow y col., 2006), con puntos en común con el constructivismo mencionado anteriormente, pero mucho más próximo al aprendizaje a partir de los constreñimientos. Para facilitar la emergencia de nueva habilidades motrices se propone la manipulación de la interacción entre el/la aprendiz y el entorno mediante constreñimientos propios de la tarea, del alumno o del entorno. Un método bien conocido que encaja con esta concepción es el aprendizaje mediante juegos, en los que la variación de las normas facilite el aprendizaje de aspectos tácticos y favorezca la toma de decisiones. La modificación de las normas será un alteración de los constreñimientos (en este caso de la tarea), y pueden referirse al material utilizado, el espacio de juego, el ritmo… El estudio de la complejidad ofrece una explicación al porqué de la utilidad de esta metodología. Al margen del estudio de la complejidad y también de la educación física, durante el siglo XX aparecieron una serie de técnicas o métodos de actividad física en los que se llegaron a conclusiones similares a las que estamos comentando en este libro. Todos ellos surgieron desde la praxis y la observación, como es el caso del método Feldenkrais®, creado especialmente para el aprendizaje de adultos, pero basado plenamente en la observación de los bebés, en la variación de los estímulos y en el respeto de la individualidad del aprendizaje. Mediante su práctica se pretende ampliar y afinar el control general que se tiene sobre los músculos ofreciendo la oportunidad de explorar por uno mismo sus movimientos y descubrir las nuevas posibilidades mediante ejercicios claramente definidos. Cada uno aprende a juzgar lo que es cómodo y fácil para él. Los ejercicios son muy distintos entre sí y, mediante la práctica, se toma conciencia de las tensiones, de la falta de libertad del movimiento. Se realizan posiciones inusuales para explorar nuevas posibilidades y desorganizar al sistema nervioso de sus costumbres o hábitos (Feldenkrais, 1985). En la base teórica de este método encontramos muchos paralelismos con la teoría de los sistemas dinámicos, tal y como describieron Buchanan y Ulrich (2001). Respetando el principio de auto-organización, Feldenkrais considera que el alumnado tiene comportamientos autoorganizables que emergen de la conjunción de elementos extrínsecos e intrínsecos. También se tiene en cuenta la presencia de atractores o hábitos, y en ambas perspectivas se utilizan las perturbaciones como instrumento para modificar el comportamiento. Ambas respetan la gran variedad de sistemas que afectan el comportamiento y enfatizan la continua interacción entre la percepción y la acción. Entre las propuestas prácticas que ofrece el método destacamos:

118 |

complejidad y deporte

• M  anipulación de los constreñimientos para desestabilizar los atractores existentes y ayudar a que emerjan nuevos. Según Feldenkrais, esto se puede conseguir mediante diferentes estrategias que se asemejan claramente a la perspectiva de la adquisición de habilidades mediante la modificación de constreñimientos: – Alteración de la orientación espacial – Alteración del medio utilizando instrumentos (rodillos, pelotas suizas...) – Modificar la superficie de apoyo: practicar en el agua, en posiciones más estables...  educir el esfuerzo para aprender, ya que será más fácil que se produzcan pequeños • R cambios en la eficiencia muscular. En el inicio del aprendizaje, el método Feldenkrais® propone movimientos minúsculos del cuerpo, pero éstos consiguen provocar cambios en la organización del movimiento global del cuerpo. Feldenkrais tampoco confía en los estiramientos forzados o en las manipulaciones, ya que considera que el movimiento se mejorará con la acción y con el entorno adecuado. • F acilitar la emergencia de patrones individuales, y no copiar los considerados como “normales”, tanto para aprender nuevos movimientos como para recuperarse de alguna lesión. Algunos estudios sobre aprendizaje de tareas deportivas que se basan en la perspectiva de la TSD llegan a conclusiones similares. Delignières y col. (1998), después de realizar un estudio comparativo entre los patrones coordinativos de gimnastas noveles y expertos, llegan a la conclusión de que los/las entrenadores/as y profesores/as no deberían fijarse únicamente en los “errores” que muestran sus alumnos/as o atletas. Deberían tener en cuenta la dinámica intrínseca de éstos y ayudarles a desestabilizarla, para posteriormente explorar el movimiento con el fin de encontrar una solución óptima. La propuesta de variar los estímulos en el aprendizaje ya fue lanzada por Bernstein con el objetivo de dominar cualquier tarea motriz (Beek, 2000). Bernstein consideraba que para ser un experto se debe dominar la tarea en todas las situaciones posibles, pero como las condiciones nunca son las mismas la práctica debe encaminarse no sólo a conseguir un automatismo de la tarea sino a desarrollar estrategias motrices flexibles que se adapten a los cambios del medio. Para este autor, la práctica no consistía en repetir la posible solución, sino en el proceso de solucionar los problemas mediante técnicas que se modifican y perfeccionan en cada “repetición”. La práctica será un particular tipo de repetición sin repetición (Bernstein, 1967). Existen otros métodos que conciben al organismo de forma similar, especialmente en cuanto al “cuerpo como un todo” y a la metodología basada principalmente en la conciencia corporal y la exploración. Este es el caso de la técnica Alexander®, el Body Mind Centering®, el método Cuerpo y conciencia u otros que se ubican dentro de las a veces denominadas “gimnasias suaves” .

la complejidad y su aplicación en la EF y en la af no deportivizada

| 119

Otra práctica motriz no deportivizada que respeta plenamente los principios de la complejidad es el Contact Improvisation, modalidad de danza que, tal y como sugiere su nombre, se basa en la improvisación y en el contacto físico entre los bailarines. Puede definirse como una forma de movimiento improvisada en la que intervienen dos cuerpos en contacto (Sidall, 1997), o, en palabras de su creador, como una investigación espontánea y mutua de la energía e inercia creadas cuando dos personas se entrelazan activamente bailando libremente, guiados por sus sensaciones (Paxton, 1997). El Contact Improvisation, a diferencia de la mayoría de modalidades de danza, no se basa en movimientos fijos y estandarizados, ni en una secuenciación de éstos. Rompe con el modelo ideal de cuerpo que caracteriza a la danza clásica, así como con el cuerpo dramático-expresivo de la danza moderna, para buscar un cuerpo que responde al intercambio físico de peso y al contacto (Albright, 2003; Novack, 1990). Esta búsqueda de un cuerpo extremadamente sensible a los estímulos, a menudo sutiles, que le da el entorno produce una danza muy física en la que se combinan habilidades acrobáticas con la comunicación mediante el movimiento (Torrents y Castañer, 2008). Uno de los principios de esta práctica es el “reemplazar la ambición por la curiosidad”, para abrirse a nuevas experiencias, y estar dispuesto a desorientarse o sentir que el movimiento no “ha salido bien”, estando siempre abiertos a encontrar nuevas definiciones del Contact (Albright, 2003). Este bonito principio nos sugiere la aceptación de los errores, de la variabilidad, y considerar a ésta como necesaria para el aprendizaje (fig. 29). Cuando dos bailarines se unen en la danza, se genera un sistema de movimiento basado en la comunicación entre los dos cuerpos y en la relación con las leyes físicas que gobiernan el movimiento, como la gravedad, el momento o la inercia (Warshaw, 1997). El movimiento es amplificado por el contacto, y los bailarines se mueven por el movimiento de los compañeros. El movimiento generado no será la suma de los movimientos de los

Fig. 29. Sistema formado por dos bailarines del que emerge una danza espontánea improvisada fruto de la exploración de los constreñimientos personales con la gravedad (Contact improvisation).

120 |

complejidad y deporte

dos, sino el que se genera fruto de la improvisación mutua (Albright, 2003-2004; Stark Smith, 1997). Así, la unidad de esta danza no será el individuo, sino el sistema formado por los dos bailarines, y se generarán movimientos diferentes a los que se generarían de forma individual o si se bailara con otros bailarines (Torrents y col. 2010). El sistema se autoorganiza, y los principios de la complejidad explicarian la sensación de los bailarines durante la improvisación, que se sorprenden por los patrones coordinativos que surgen espontáneamente. Durante el aprendizaje de esta práctica, el profesorado tiene un papel de guía, pero casi nunca de modelo a seguir. La adquisición de las habilidades motrices se produce fruto de la exploración de los/las practicantes a partir de consignas abiertas, generalmente basadas en una búsqueda individual o bien en pareja. Las consignas a menudo están basadas en la metáfora, por su capacidad de evocación sensorial o imaginativa. El/la docente presenta la tarea utilizando una imagen mental que ayude al alumnado a llegar al tipo de acciones motrices que se pretende (Torrents y Castañer, 2009), entendiendo la imagen como un constreñimiento más, tal y como han planteado Davis y Sumara (1997). Por lo general, el entrenamiento deportivo puede nutrirse de algunas metodologías que provienen de la danza para acercarse a algunas de las propuestas que se encuentran en este libro.

la complejidad y su aplicación en la EF y en la af no deportivizada

| 121

8

Optimizar el rendimiento con las ciencias de la complejidad “El cerebro es el creador de la información, no sólo un procesador de la misma. Cualquier fluctuación en nuestro mundo puede crear información. No podemos ser ni demasiado rígidos ni demasiado flexibles. Para el cerebro humano el mundo de la creatividad se encuentra entre medio” Scott Kelso

Una pregunta que nos podemos hacer al llegar hasta aquí es: ¿Qué diferencias encontramos al entrenar aplicando los conceptos de la complejidad y ¿qué supone entrenar la complejidad? En el entrenamiento deportivo (y no sólo en este ámbito) se habla a menudo de optimizar el rendimiento como objetivo principal. Sin embargo, no existe una idea clara sobre el significado de dicha expresión. ¿Se trata de conseguir unos valores máximos predeterminados? ¿De conseguirlos en el menor tiempo posible? ¿Cuáles deberían ser dichos valores? ¿Cómo se determinan o conocen? ¿En qué dirección debe crecer un sistema para conseguir sus óptimos? Desafortunadamente no resulta sencillo responder a estas preguntas en el tipo de sistemas a los que nos estamos refiriendo. En matemáticas la optimización es el proceso de encontrar los mínimos y máximos de una función y para la ciencia informática es la búsqueda y el hecho de mejorar el rendimiento de un sistema operativo, programa o dispositivo. Tanto las matemáticas como lo ciencia informática aplican el concepto de optimización a los sistemas que hemos calificado anteriormente de complicados; es decir, sistemas cerrados controlados por bucles de retroalimentación y programables (como los que el modelo cognitivista aplica al organismo humano, asimilando el cerebro a un microcomputador de capacidades limitadas). En dichos sistemas, objeto de estudio de la ingeniería y la robótica, es posible conocer los máximos, y optimizar significa conseguir la realización de movimientos y la consecución de rendimiento reproducibles y de acuerdo con los programas establecidos. Como ya se ha visto, por lo general ello se consigue a través de repeticiones (Hatze, 1984). Sin embargo, ¿es posible conocer y concretar los máximos globales en un sistema complejo? Es decir, ¿podemos saber de antemano aquellos valores máximos que el sistema puede

optimizar el rendimiento con las ciencias de la complejidad

| 123

llegar a conseguir? Desde la perspectiva de la complejidad el organismo es visto como una red integrada de sistemas co-dependientes compuestos por múltiples partes o grados de libertad que operan en múltiples escalas espaciales y temporales (Glazier y Davids, 2009), lo que hace extremadamente difícil poder hacer predicciones concretas. A diferencia de las máquinas, los sistemas complejos neurobiológicos son versátiles y adaptables. A pesar de estar especializados presentan la capacidad de desarrollar diferentes roles para satisfacer con su comportamiento constreñimientos cambiantes. En otras palabras, pueden usar sus grados de libertad para realizar múltiples funciones. Su metaestabilidad (cambian continuamente entre dos o más estados metaestables) ofrece muchas opciones para promover soluciones de comportamiento alternativas. Es así como no se reproducen nunca los mismos movimientos, ni a nivel individual ni grupal (equipos deportivos), cuando cambian los constreñimientos. Este hecho, que les garantiza la supervivencia en contextos cambiantes y supone una gran ventaja a nivel evolutivo, les hace altamente impredecibles y dificulta enormemente establecer cuál es la solución óptima porque pueden haber muchas. De hecho, el comportamiento de un sistema biológico será en cualquier momento óptimo ya que estará en relación con los constreñimientos inmediatos. Así, podemos afirmar que el sistema se comporta siempre lo mejor que puede. En la actividad física y deportiva los criterios de optimización están a menudo relacionados con la eficiencia de un proceso, trátese de un movimiento, de una metodología de aprendizaje o de un programa de entrenamiento deportivo. Se asocian a las siguientes cualidades y características: facilidad, suavidad, fluidez, precisión, velocidad, mínima fatiga o esfuerzo, mínimo riesgo de lesión, eficiencia energética, estabilidad frente a la perturbación o consistencia técnica o en la competición. ¿Cómo se consigue desarrollarlas? Desde la perspectiva de los sistemas complejos hablaríamos, por un lado, de una adecuada coordinación y acoplamiento de los componentes o constreñimientos internos con los de la tarea y del entorno, y por otro, de una adecuada capacidad exploradora que permita encontrar soluciones creativas, más eficaces y eficientes en entornos cambiantes.

8.1. Optimización y dinámica coordinativa en el entrenamiento Si la eficiencia de una tarea o de un proceso de entrenamiento está relacionada con un adecuado acoplamiento entre los constreñimientos (internos, de la tarea, ambientales), ¿cuál es el tipo de acoplamiento que proporciona a su vez estabilidad y flexibilidad al sistema? Como ya se ha explicado en el apartado 2.5, se trata de un acoplamiento ligero, como el que se manifiesta en la dinámica fractal, caracterizada por una total correlación e interdependencia entre los componentes del sistema a diferentes escalas, que genera un tipo de ruido característico (conocido como rosa) y que proporciona mayores posibilidades de adaptabilidad y creatividad.

124 |

complejidad y deporte

No se tratará pues de promover el desarrollo y adquisición de los valores máximos posibles de cada uno de los parámetros que evalúan a los componentes aislados de dicho sistema sino de acoplarlos adecuadamente. Por ejemplo, cuando nos referimos al rendimiento en una carrera de medio fondo, no vamos a pretender de forma aislada conseguir un elevado consumo máx. de O2, una elevada ventilación máx., una elevada concentración máx. de glucógeno muscular o una elevada tolerancia máx. al láctico sino que vamos a intentar conseguir un buen acoplamiento de las funciones que actúan a diferentes escalas: a nivel bioquímico, celular, orgánico y sistémico (metabólicas, cardiocirculatorias, respiratorias, musculares, etc) involucradas para que emerja la característica que buscamos en el sistema: la resistencia a intensidades elevadas de carrera. Lo mismo ocurre cuando nos referimos a un equipo en un deporte colectivo. No se tratará de que cada uno de sus componentes opere a su velocidad máxima para que el equipo sea veloz. Movimientos muy rápidos y efectivos pueden conseguirse con un buen acoplamiento entre jugadores de fútbol sin precisar que cada uno de ellos presente una elevada velocidad máxima. La cualidad puede emerger en el equipo sin que sea necesario que la presente ninguno de los jugadores (ver para más detalles Pol, 2011). Una forma de promover los cambios en el sistema es modificar los constreñimientos. Contextos diferentes determinarán óptimos diferentes (óptimos locales) pero el comportamiento óptimo global ni puede conocerse anticipadamente ni puede ser programado. Por ejemplo, es imposible llegar a saber qué consumo máx. de O 2 o eficiencia en la carrera puede llegar a tener un determinado corredor de resistencia a lo largo de su carrera deportiva o cuál podrá ser el tiempo record de un nadador en 100m. Tampoco se conoce cuánto tiempo tardará en conseguir determinados resultados ni cómo puede lograrlo de forma más eficiente. Los entrenadores suelen extrapolar, a partir de su experiencia o conocimientos previos, dicha información pero deben aceptar que los procesos son totalmente individuales y poco extrapolables. Algunos lo harán a partir de mejoras en sus capacidades condicionales, otros a partir de su preparación mental o táctica, etc. No hay forma de probar cuál es el mejor programa de entrenamiento de entre un conjunto de posibles programas porque no se conoce la caracterización formal (es decir, matemática) de las interacciones atletaestimulo como sistema. Sin embargo será posible probar que un programa concreto es mejor que otro para alguna persona en un momento determinado; es decir, será posible determinar su óptimo local. Los óptimos son individuales en lugar de comunes, ya que los contextos individuales son diferentes. El concepto de individualidad vigente se transforma. Ya no se trata de plantear programas individuales para alcanzar unos mismos óptimos (lo que responde al concepto de individualidad convergente) sino de plantear procesos individuales para conseguir óptimos individuales (individualidad divergente) (Balagué y Torrents, 2005). En este sentido, no se intentará reproducir ni la misma técnica ni la misma táctica en deportistas o equipos diferentes.

optimizar el rendimiento con las ciencias de la complejidad

| 125

Los constreñimientos a tener en cuenta no van a ser sólo mecánicos e individuales sino que también participan los ambientales y de la tarea, que no se suelen tener en cuenta en los modelos de optimización matemáticos (Newell y Jordan, 2007). Por ejemplo, una especialista en salto de altura no realiza el mismo salto cuando la fase de carrera es más corta o cuando tiene la presión de conseguir una marca para clasificarse. Para que la coordinación con el objetivo de la tarea sea adecuada será necesario ajustar cada movimiento a los constreñimientos inmediatos. Por ejemplo, en el tiro libre las jugadoras de baloncesto rectificaran en cada lanzamiento las desviaciones de sus movimientos provocadas por la fatiga, la presión emocional, el resultado, etc. para lanzar con precisión. Por lo tanto, la forma de desarrollar la optimización es a través de variaciones en el marco de los constreñimientos (pedagogía no lineal) (Davids, Button y Bennet, 2008; Chow y col., 2010; Renshaw, Davids y Savelsbergh, 2010). Resulta clave determinar qué constreñimientos son los más determinantes, es decir, desestabilizan al sistema de forma eficaz, dirigiéndolo hacia sus estados críticos y promoviendo el proceso de auto-organización con el objetivo de lograr, en función de cada especialidad, más fluidez en el movimiento o más eficiencia, más precisión, más velocidad, más resistencia, menor grado de fatiga o de estabilidad frente a la perturbación, etc. Los efectos de cada cambio son no lineales y por lo tanto imposibles de predecir de forma precisa. Los y las atletas estabilizan sólo aquellas respuestas que se acoplan de forma más eficiente a sus dinámicas intrínsecas y a los contextos concretos sobre los que actúan sin explorar necesariamente “sus máximos” o en este caso “sus óptimos”. Así, se observa como un entrenamiento basado en las variación de los constreñimientos (nótese aquí las diferencias con las variaciones de ejercicios), que promueva un estado metaestable en el sistema, a pesar de que en un principio tienda a aumentar la diversidad de las respuestas, posteriormente las reduce y estabiliza (principio subóptimo), corroborando que el estado de metaestabilidad es intrínsecamente inestable. Por ejemplo, datos empíricos recientes de un estudio sobre la creatividad en niños/as que entrenan deportes colectivos bajo el concepto de no-especificidad muestran como a pesar de que en un principio aumenta la variedad de respuestas en los participantes, con el tiempo éstas tienden a estabilizarse (Memmert y Hristovski, comunicación personal). Como hemos dicho en el apartado 2.3 al hablar de las características de los sistemas complejos adaptativos, éstos se rigen por el principio subóptimo. Es decir, el principio de satisfacción prevalece sobre el de maximización de resultados. Por ejemplo, si durante una competición un repertorio determinado de técnicas es suficiente para ganar no se tiende a explorar otro tipo de posibilidades. El nivel de juego del mejor tenista mundial está en relación con el de su adversario más próximo y el número de partidos ganados en la liga por el equipo campeón tiene relación con los ganados por el equipo que queda en segundo lugar. Del mismo modo podemos decir que si para un/a entrenador/a una metodología de entrenamiento ya ofrece resultados eficaces no tiende a buscar otro tipo de soluciones.

126 |

complejidad y deporte

8.2. Optimización y creatividad en el deporte Para las teorías cognitivistas basadas en las instrucciones o demostraciones y los programas motores el comportamiento creativo es una incógnita. Sin embargo, la emergencia de soluciones novedosas es una constante en el deporte competitivo. Técnicas como la bicicleta en fútbol, el aliup en baloncesto, el triple mortal en gimnasia o el salto Fosbury Flop en atletismo han emergido de la práctica antes que ningún entrenador o entrenadora las empezase a enseñar. A menudo han surgido de prácticas realizadas en condiciones poco convencionales (partidos amistosos, entrenamientos informales o en el juego que se desarrolla en la calle) como consecuencia del comportamiento exploratorio que se da de forma espontánea en las personas deportistas. A partir de su descubrimiento y de la constatación de su eficacia y eficiencia en la competición se han incorporado al conjunto de técnicas o tácticas que forman parte del deporte y empiezan a ser aprendidas y entrenadas. Por lo tanto, resulta de vital importancia promover el desarrollo de la creatividad para la optimización del rendimiento (Vazquez, Balagué y Hristovski, 2011). Los avances no se producen por mejorar los parámetros de una técnica existente sino por la invención de nuevas configuraciones de movimiento. Un ejemplo claro lo tenemos en la técnica de salto de altura Fosbury Flop. Hasta el momento en que surgió, eran el estilo tijera y rodete ventral las técnicas que se aprendían y practicaban en la competición. Tal como el Sr. Fosbury relata, no fue su intención cambiar la técnica de salto sino que ésta emergió de forma espontánea. El estilo de rodete ventral, dominante en aquel momento, no se le daba bien y su entrenador le permitió seguir compitiendo con el estilo de tijera. Siguió mejorando su marca y a medida que la cuerda fue subiendo empezó a echar el tronco hacia atrás para permitir la elevación de su centro de gravedad. De esta manera descubrió la técnica que fue posteriormente adoptada por todos los saltadores y saltadoras de altura. Las marcas de salto mejoraron enormemente a partir de entonces (fig. 30).

Fig. 30. El estilo de salto Fosbury Flop emergió espontáneamente por un proceso de exploración. A partir de su descubrimiento se incorporó al conjunto de técnicas que se enseñan y aprenden.

optimizar el rendimiento con las ciencias de la complejidad

| 127

La exploración es pues indispensable para el rendimiento. Hristovski y col. (2011) proponen dos estrategias para producir un comportamiento motriz novedoso y funcional. La primera sería relajar los constreñimientos; es decir, cambiarlos de manera que las affordances que puedan satisfacer el objetivo aumenten. Por ejemplo, si permitimos lanzar con ambas manos en baloncesto, o incorporar al portero de fútbol en el juego, un buen número de soluciones nuevas emergen. La segunda se consigue por la supresión de una acción habitual, es decir, por la imposición de constreñimientos que impiden el modo de acción habitual o establecida. Esta estrategia provoca el relajamiento de otros constreñimientos correlacionados y permite aumentar la capacidad exploratoria y la emergencia de nuevas affordances. Por ejemplo, si sólo se le pueden pasar balones al pívot en balonmano, se van a producir nuevos movimientos de éste y de sus compañeros. Curiosamente la forma más eficaz de promover el proceso creativo es la autoimposición de constreñimientos. Es decir, como parte del proceso exploratorio son los propios atletas los que manipulan sus constreñimientos para explorar nuevas soluciones (Vazquez et al., 2011). Después de jugadas de gol realizadas por los llamados genios futbolísticos los periodistas deportivos suelen preguntar a los entrenadores sobre la preparación de las mismas durante el entrenamiento. No puede comprenderse en general cómo pueden darse sin previa programación. Las ciencias de la complejidad permiten comprender cómo emergen bajo constreñimientos irreproducibles. La optimización del rendimiento supone pues favorecer el comportamiento creativo de las personas deportistas.

128 |

complejidad y deporte

9

La toma de decisiones. Aplicaciones de los conceptos de la TSD a las acciones técnicas y tácticas “La única constante en la naturaleza es el cambio” Heraclitus

Uno de los procesos cognitivos más importantes para la actividad física y el deporte es el de la llamada toma de decisiones. Interviene en prácticamente todas las acciones, tanto individuales como colectivas, que están relacionadas con el flujo de información que proviene del entorno y de la tarea, y es crucial para conseguir la eficacia y la eficiencia que se persiguen en los procesos de aprendizaje y en el rendimiento deportivo. Hasta hace poco la toma de decisiones se consideraba como un proceso meramente mental y separado de su contexto (Schmidt y Lee, 1999), que venía garantizado por las importantes capacidades almacenadoras y procesadoras del cerebro, implementadas por los órganos ejecutores (músculos). La combinación de conceptos que provienen de la psicología ecológica (ver apartado 6.2) y de la TSD –lo que se ha venido a llamar dinámica ecológica (Araujo, Davids y Hristovski, 2006)- muestra como la información que está contenida en el ambiente constriñe de una forma determinante las acciones que se llevan a cabo en la práctica. En este apartado se explicará cómo las limitaciones de la perspectiva cognitivista para explicar la toma de decisiones pueden resolverse desde la dinámica ecológica.

9.1. Limitaciones de la perspectiva cognitivista Durante mucho tiempo el paradigma para evaluar y explicar la toma de decisiones fue el tiempo de reacción. Se asumía que el atleta reaccionaba a los estímulos escogiendo la respuesta adecuada de entre un conjunto prefijado de las mismas. Cuanto más rápido respondía mayor era su rendimiento en la prueba o test. Generalmente se trataba de estímulos y de respuestas poco representativas de las acciones que caracterizan el deporte. De hecho se

la toma de decisiones. aplicaciones de los conceptos de la tsd a las acciones técnicas y tácticas

| 129

pudo comprobar que dichos tests de tiempo de reacción carecían de poder discriminativo cuando se comparaba a los expertos y a los noveles (Hristovski, 1997b). El planteamiento es totalmente lineal: se supone que los atletas desarrollan reglas del tipo si-entonces (si se presenta esta situación –o similar- se responde con esta acción –o similar). Pero ya veremos más adelante como eso no parece cumplirse en la realidad exactamente así. Este es el proceso que supuestamente se llevaría a cabo para una correcta toma de decisiones (p.e. en el caso de una situación de oposición en deportes colectivos (1 contra 1, 2 contra 2,…): • • • •

detectar e identificar los movimientos del oponente, a sociarlos y compararlos con experiencias anteriores, seleccionar entre los programas disponibles previamente almacenados en el cerebro, programar la respuesta adecuada y su ejecución

Diferentes cuestiones, como veremos a continuación, quedan sin una respuesta satisfactoria si se acepta esta secuencia: • ¿ Cómo es posible que los jugadores realicen el proceso en períodos de tiempo tan breves? Si realmente se siguieran los pasos anteriores la solución llegaría probablemente demasiado tarde para conseguir sorprender al oponente. La situación sería especialmente conflictiva en el caso de los jugadores más expertos, que presumiblemente disponen de un mayor número de patrones almacenados y disponibles para escoger. Sin embargo son los que responden de forma más rápida y eficaz. • ¿ Cómo consiguen reconocer entre los múltiples patrones almacenados aquellos que se adaptan de forma más eficaz a cada nueva situación? • ¿ Cómo pueden, especialmente los/las jugadores/as más creativos/as, almacenar tal cantidad de patrones motores en su cerebro (teniendo en cuenta sus limitadas dimensiones)? Algunas teorías han intentado explicarlo a través del concepto de representaciones mentales (Busemeyer y Diederich, 2002), que se desarrollan con la práctica por complicados procesos asociativos y de selección, sin considerar la interacción de la decisión con el contexto de forma explícita. • ¿ Cómo se toman las decisiones más creativas (nuevos movimientos o coordinaciones) que no han sido practicados o entrenados con anterioridad, como las que se dan en las condiciones de práctica natural (p.e. en el caso de los jugadores de fútbol de las playas de Brasil o los jugadores de baloncesto de las calles de EEUU). O las múltiples nuevas acciones que se dan en los bebés durante el primer año de vida. • ¿ Qué significado tienen las vacilaciones o tentativas rectificadas de movimiento que preceden a determinadas acciones de ataque o defensa en deportes colectivos?

130 |

complejidad y deporte

• ¿ Cómo es que algunas decisiones cambian como consecuencia de variaciones en las condiciones ambientales, o personales? Por ejemplo bajo la presión emocional de una competición o en estado de fatiga. Numerosas explicaciones ad hoc harían falta para poder dar una respuesta satisfactoria a las preguntas anteriores desde la perspectiva cognitiva. Las limitaciones a las que nos estamos refiriendo podrían también aplicarse a buena parte de las estrategias seguidas por la investigación sobre la toma de decisiones. Con un enfoque esencialmente descriptivo, se propone registrar de forma retrospectiva (es decir, una vez realizadas las acciones), las explicaciones verbales de los deportistas sobre los programas activados durante las mismas (Starkes, Helsen y Jack, 2001), asumiendo que dichas acciones no son más que el producto de sus decisiones previas. No obstante, se ha demostrado que el cerebro no programa (o impone) conscientemente las decisiones sino que la conciencia recibe información sobre las mismas unos 300-800 ms. después de que ocurran (Libet, 1999; Haggard y Eimer 1999; Haggard y Libet, 2001). Además, la mayoría de información sobre la acción no accede o acaba siendo consciente, por lo que es difícil, a pesar de la exhaustividad de la explicación posterior, comprender como se puede mejorar la toma de decisión. Estudios recientes (Hristovski y col., 2006a; Davids, Williams, Button y Court, 2001; Araújo, Davids y Hristovski, 2006; Chow y col., 2006; Newell, 1986) presentan evidencias claras de que los procesos de aprendizaje y la toma de decisiones tienen una dinámica mucho más compleja y reclaman una perspectiva más integradora. La toma de decisiones no es sólo el resultado de un proceso de entrada-salida, donde la entrada corresponde al ambiente y la salida al comportamiento, sino que funciona mediante interacciones del sistema individuo-ambiente expresado desde una perspectiva ecológica por los ciclos de percepción-acción. Este tipo de comportamiento se explica en el siguiente apartado.

9.2. La toma de decisiones desde la dinámica ecológica Como ya se ha comentado la concepción del organismo ha evolucionado con las ciencias de la complejidad y los/las atletas ya no son vistos como máquinas programables que toman decisiones regidos por reglas del tipo si-entonces. Las decisiones emergen del sistema atleta-entorno y se basan en las acciones del/de la deportista. Ya no es necesario programar las decisiones “correctas”. Acciones satisfactorias emergen por procesos de auto-organización bajo la presión de los constreñimientos individuales, de la tarea y del entorno. No se trata de procesos deterministas. La influencia del ruido existente en cualquier sistema entorno–deportista obliga a introducir el concepto de probabilidad en la toma de decisiones. Los constreñimientos presionan activamente al sistema aumentando la probabilidad de que se produzcan determinadas coordinaciones y se dejen de

la toma de decisiones. aplicaciones de los conceptos de la tsd a las acciones técnicas y tácticas

| 131

producir otras, como muy bien se muestra en el experimento del boxeador y el saco diseñado por Hristovski y col. (2006a) en el que los diferentes tipos de golpeos emergen y se disuelven en función de la distancia al objetivo. En el ejemplo de las situaciones de oposición (1 contra 1, 2 contra 2) mencionadas en el apartado anterior son de especial interés los constreñimientos perceptuales o informacionales (affordances) que produce el contexto cambiante y que continuamente guían las acciones de los jugadores/as. A continuación se mencionan algunas de las características de la aproximación dinámica, que permiten dar una explicación alternativa a las cuestiones que quedaban sin respuesta desde la perspectiva cognitivista. • L as decisiones emergen por las interacciones entre los múltiples componentes del sistema entorno-deportista. Una decisión de lanzar o pasar en un partido dependerá de la situación de los compañeros de equipo, de los defensores, del resultado en el marcador, de la presión del público, de las instrucciones del entrenador, del estado de fatiga del jugador que tiene el balón, etc. y por lo tanto no pueden ser reducidas a reglas del tipo si-entonces. • L os/las atletas no perciben propiedades objetivas del entorno (distancias, tiempo, ángulos de apertura, etc.) sino sus valores respecto a sus posibilidades de acción. Por lo tanto, perciben lo que el entorno o la situación les posibilita hacer y no perciben aquello que está fuera de sus capacidades corporales y de acción. Por ejemplo, un jugador de balonmano que no tiene suficiente rapidez de movimientos no percibirá la posibilidad de pase a un pivote esporádicamente libre. • L a percepción es también resultado de la acción, de manera que las decisiones crean nuevas percepciones y éstas nuevas posibilidades de acción que generan nuevas decisiones, haciendo que el ciclo percepción-acción se repita continuamente. El carácter dinámico de los entornos deportivos en los que la escala temporal de las percepciones coincide con la de las decisiones no permite el proceso de toma de decisión propuesto por el modelo cognitivista basado en computaciones sobre conjuntos fijos de alternativas. • L a toma de decisiones es fruto de un proceso no lineal. A pesar de que durante un largo intervalo de cambios de contexto las mismas soluciones pueden ser adaptativas, existen puntos críticos en los que para un pequeño cambio de las condiciones algunas decisiones se diluyen y otras emergen. Por ejemplo, una jugadora de balonmano de primera línea, puede decidir, si la portera se le acerca, lanzarle una vaselina en lugar de otro lanzamiento más convencional. O un jugador de voleibol que salta a rematar un balón puede hacer una dejada como consecuencia de un pequeño cambio en el movimiento del jugador que le bloquea al otro lado de la red (fig. 31).

132 |

complejidad y deporte

• E l cambio de contexto conlleva cambio del número de alternativas, de sus probabilidades y posibles decisiones, que a su vez cambian el contexto produciendo una causalidad circular de acciones y decisiones.  osibles variables candidatas a modificar las acciones incluyen las percepciones, emo• P ciones, intenciones, estructura y propiedades morfológicas y fisiológicas del organismo. Por ejemplo, la presencia de una “liebre” en una carrera de atletismo puede precipitar la decisión táctica de un corredor para aumentar su velocidad. En los sistemas formados por oponentes (ataque-defensa en deportes colectivos) podemos detectar también signos de no linealidad vinculados a la toma de decisión. Por ejemplo, si tomamos el ejercicio de 1 contra 1, podemos observar que durante ciertos períodos puede producirse una estabilidad relativa en el sistema. Es decir, los jugadores se mueven pero sin modificar sus posiciones respecto al objetivo (canasta o portería) o sin alterar la configuración inicial (quien posee el balón). Sin embargo, en un momento dado, como consecuencia de un intento o pequeño cambio de movimiento (del jugador que posee o del que no posee el balón), esta estabilidad se puede romper y quizás el atacante sobrepasa al defensor o el defensor consigue recuperar el balón. De este modo, el juego se desarrolla entre fases estables e inestables, en las que se producen cambios coordinativos (cambio en la posesión del balón o en el movimiento) en el sistema (Araújo, y col., 2006; Davids y col. 2001). Podemos encontrar ejemplos similares aplicables a los deportes de combate simplemente cambiando el objetivo final de la acción (fig. 32).

Fig. 31. Un pequeño cambio en los constreñimientos inmediatos puede provocar que un jugador de voleivol decida hacer una dejada en lugar de un remate.

la toma de decisiones. aplicaciones de los conceptos de la tsd a las acciones técnicas y tácticas

| 133

Fig. 32. Durante los combates de judo se alternan fases en las que el acoplamiento entre los oponentes es estable (arriba) con fases de inestabilidad (abajo), en las que se producen cambios de estado en la interacción (relacionados con el desenlace del combate). La auto-organización se entiende como la re-organización espontánea del sistema bajo determinados constreñimientos. En este caso un constreñimiento relevante es la distancia interpersonal (que funciona como parámetro de control no específico). Mientras ésta se mantiene o varía entre cierto rango de valores el sistema permanece estable y sólo existe una alternativa. Cuando disminuye hasta un valor crítico se crean repentinamente otras alternativas de las que emerge la decisión (cambio en el movimiento) que reorganiza el sistema. Por lo tanto, las decisiones de driblar, pasar o robar el balón no son el resultado de cálculos o procesos mentales que imponen decisiones de actuar sino acciones emergentes del individuo y su contexto que cambian permanentemente durante el juego. Esto no quiere decir que una vez realizadas los y las jugadoras no puedan ser conscientes de algunas de estas decisiones y de sus consecuencias (y relatarlas). Del mismo modo que no existen técnicas ideales e imponerlas supone a menudo un objetivo poco eficaz y eficiente en el aprendizaje y entrenamiento deportivo, desde la perspectiva que nos ocupa tampoco existen tácticas ideales ni soluciones únicas a contextos determinados de juego. Sin embargo, es habitual que las soluciones tácticas estén previamente planificadas por el entrenador y se mecanicen durante los entrenamientos con el objetivo de que puedan reproducirse durante la competición. La táctica, al igual que la técnica, emerge de los constreñimientos. En un caso los constreñimientos vendrán determinados por los componentes del equipo y en el otro por los componentes del orga-

134 |

complejidad y deporte

nismo, que interactuaran con la tarea y el entorno. En cualquier caso los principios serán los mismos. Aunque la experiencia, conocimientos y ubicación privilegiada del entrenador como observador permita sugerir algunas soluciones tácticas, éstas deberán acoplarse al contexto del juego o de la competición y, por lo tanto, no pueden ser rígidas. Es erróneo pensar que no puedan emerger espontáneamente soluciones eficaces y eficientes sin ser dictadas por un entrenador. Sin embargo, en muchos momentos (especialmente bajo los constreñimientos de la competición) una adecuada interacción equipo o atleta-entrenador puede colaborar en el descubrimiento de soluciones tácticas altamente eficaces y eficientes.

la toma de decisiones. aplicaciones de los conceptos de la tsd a las acciones técnicas y tácticas

| 135

Integración psico-biológica dinámica durante el esfuerzo. La fatiga inducida por el ejercicio

10

“Capturar una imagen del todo es lo que la ciencia necesita y lo que las ciencias de la complejidad ofrecen, simplemente” Robert Hristovski

Si desde la perspectiva de la complejidad la toma de decisiones no se entiende como un proceso mental sino como un proceso auto-organizado que emerge bajo la presión de los constreñimientos, podemos preguntarnos qué ocurre con otro tipo de procesos más relacionados con las capacidades condicionales. ¿Podemos aplicar los mismos principios al entrenamiento de la fuerza, de la resistencia o de la velocidad? En este apartado explicaremos un ejemplo de cómo la resistencia, la fatiga y el fallo “muscular” pueden ser vistos también como procesos auto-organizados que emergen por la interacción no lineal de los constreñimientos internos, de la tarea y del entorno. El lector podrá encontrar más información sobre las aplicaciones a las capacidades condicionales de los conceptos de la complejidad en Pol (2011). Tomemos por ejemplo un ejercicio isométrico (o cuasi estático) consistente en sostener un peso con una flexión del codo de 90º en bipedestación. La persona lectora puede experimentar este ejercicio tomando cualquier objeto pesado y así comprender mejor las explicaciones que realizamos a continuación. ¿Qué va a ocurrir con el transcurso del tiempo? En un periodo más o menos largo la posición relativamente estable del peso (ángulo de flexión del codo en 90º) sufrirá cambios de posición en el sentido de la gravedad hasta que inevitablemente se produzca la terminación total del esfuerzo (lo que habitualmente se conoce como “fallo muscular”). Se entiende por lo general que debido a la fatiga los músculos involucrados no son capaces de seguir generando la tensión necesaria para mantener el objeto en la posición correspondiente a la flexión de codo de 90º y el ángulo se abre. Si preguntamos sobre las causas del fallo en este ejercicio es muy posible que se atribuyan a factores de orden metabólico (acumulo de ácido láctico, disminución de la concentración de substratos energéticos propios del metabolismo anaeróbico -fosfágenos,

integración psico-biológica dinámica durante el esfuerzo. la fatiga inducida por el ejercicio

| 137

etc.). Si observásemos, por ejemplo, la evolución de la concentración de fosfágenos o de ácido láctico en el músculo durante este esfuerzo veríamos que disminuiría (en el primer caso), o aumentaría (en el segundo) de forma progresiva. Sin embargo, si nos fijamos en la evolución del ángulo del codo, que traduce a nivel cinemático lo que ocurre en el sistema neuromuscular, nos damos cuenta de que no cambia progresivamente de forma continua sino con un patrón totalmente distinto (de forma discontinua). Al principio, el ángulo de 90º está estable (con pequeñas variaciones u oscilaciones) y más tarde empieza a fluctuar más notablemente hasta que cae de forma brusca provocando la alineación del antebrazo con la gravedad (fig. 33). Este tipo de dinámica que hemos descrito para el ángulo del codo no es particular de este tipo de ejercicio sino que tiene un carácter general. Pensemos en un ejercicio totalmente distinto: la carrera. Si nos ponemos a correr a una determinada velocidad, al principio la podemos mantener sin problemas (con pequeñas fluctuaciones) pero a partir de un cierto período de tiempo empezamos a tener dificultades para estabilizarla y tendemos a reducirla, hasta llegar a la terminación si el esfuerzo dura suficiente. Por lo tanto, podríamos afirmar que los cambios metabólicos (del láctico por un lado y del ángulo o la velocidad de carrera por el otro) no son proporcionales (es decir lineales). Alguien podría apuntar aquí que los cambios de la concentración de láctico en sangre durante el esfuerzo, según la intensidad del mismo, podrían ser exponenciales. Pero aún así no se presentaría una relación proporcional con la dinámica antes descrita. El concepto de no lineali-

Fig. 33. Comparación de la evolución de la concentración de CP y del ángulo del codo durante un ejercicio isométrico llevado hasta el fallo. Nótese que mientras que la concentración de CP decrece de forma continua durante el esfuerzo, el ángulo del codo lo hace de forma discontinua presentando 3 fases (1. estabilidad, 2. inestabilidad y 3. cambio de estado). No existe relación lineal (causal) entre la evolución de la variables bioquímica (CP) y cinemática (ángulo). Estos resultados pueden extrapolarse a otros tipos de ejercicio.

138 |

complejidad y deporte

dad que se explica en este libro no hace referencia a la existencia de funciones exponenciales (o periódicas, etc.) continuas sino a la discontinuidad y a los cambios cualitativos que caracterizan el comportamiento de los sistemas complejos. Ni el ángulo del codo ni la velocidad se reducen de forma progresiva (como ocurre con los substratos energéticos o los productos de desecho del metabolismo) con la fatiga sino que lo hacen de forma brusca. Además, hay que añadir, como ya se ha visto al hablar del fenómeno de la histéresis (capítulo 5), que mientras el ángulo del codo se mantiene totalmente estable (brazo alineado con la gravedad después del fallo), los valores de láctico irán cambiando también progresivamente hasta recuperar los de reposo. Es importante resaltar en este sentido que a pesar de los signos claros de no linealidad del proceso, el entrenamiento deportivo lo trata como un proceso lineal. Por poner un ejemplo, nadadores o corredores siguen utilizando las concentraciones de láctico para controlar la intensidad del esfuerzo. Por otro lado, podemos preguntarnos qué ocurriría con nuestro ejercicio de flexión del codo si pidiésemos al ejecutante cuando está a punto de llegar al fallo por la fatiga que lo mantenga durante 10 seg. más a cambio de una recompensa de 3000€. Probablemente le sería posible seguir con el esfuerzo. ¿Qué ocurre entonces con el concepto de “fallo muscular” anterior relacionado con aspectos metabólicos? ¿El fallo viene determinado por los cambios en el músculo o por la motivación? ¿Podríamos hablar de que la terminación del esfuerzo es una decisión? Si prestamos atención, inmediatamente antes del fallo (en cualquier tipo de ejercicio) solemos presentar un estado de volición vacilante (sigo-paro-sigo-paro,…) hasta que finalmente se da por terminado el esfuerzo (Balagué et al., 2010). ¿Cómo se explica con factores metabólicos este tipo de comportamiento dubitativo cuando el láctico sigue aumentando y los substratos disminuyendo progresivamente? ¿Qué interpretación debemos darle a estos estados mentales? En el ejercicio isométrico, o mejor dicho cuasi estático, del ejemplo participan diferentes componentes neuromusculares (metabólicos, reflejos, corticales, subcorticales, etc.), pero ninguno de ellos ha podido ser identificado como responsable del proceso de fatiga y fallo. Se puede afirmar que el afán del enfoque reduccionista para identificar una causa, sistema o proceso único no ha obtenido hasta el momento los resultados deseados. Pero entonces, si no falla ninguno de los anteriores componentes, ¿qué es lo que falla? Diferentes investigadores confluyen actualmente en la idea de que la comprensión de la fatiga pasa por su estudio a través de un modelo integrado (McKenna y Hargreaves, 2008). Se propone enfocar la investigación futura en la interacción existente entre los aspectos centrales y periféricos de la misma y se sugiere la creación de equipos interdisciplinares capaces de estudiar simultáneamente el proceso a través de la aplicación de técnicas diversas durante diferentes perturbaciones de ejercicio (Hargreaves, 2008). Sin embargo, resulta de suma importancia investigar primero el tipo de integración existen-

integración psico-biológica dinámica durante el esfuerzo. la fatiga inducida por el ejercicio

| 139

Fig. 34. Ejercicio cuasi-estático consistente en sujetar con una flexión de codo de 90º una barra Olímpica con un peso correspondiente al 80% 1RM hasta la FEIF. te entre estos componentes y procesos, especialmente a nivel del sistema neuromuscular. En el capítulo 2 ya nos hemos referido a la confusión habitual de considerar la integración como una mera suma de los diferentes componentes del sistema estudiado; o bien considerarla como el resultado de algun algoritmo matemático o programador, como ocurre en algunos sistemas llamados complicados (ver apartado 2.1.1) (St. Clair Gibson y Noakes, 2004). Para estudiar el tipo de integración en la fatiga inducida por el ejercicio (nótese que se evita aquí hablar de fatiga “muscular”, ya que no se ha podido demostrar que este sea su origen), aplicaremos los conceptos de la TSD estudiados en el capítulo 5. El ejemplo utilizado será similar al anterior y consistente en sujetar con una flexión de codo de 90º una barra Olímpica con un peso correspondiente al 80% de la repetición máxima (1RM) hasta el fallo espontáneo inducido por la fatiga o FEIF4 (Hristovski y Balagué, 2010) (ver fig. 34). Se tomará como variable representativa, que captura el comportamiento ordenado del sistema, el ángulo del codo y se registraran sus cambios durante el ejercicio con un electrogoniómetro (resolución de 50 Hz).

4. Hristovski y Balagué (2010) proponen un concepto alternativo al de “fallo” o “fallo de la tarea”: el de finalización espontánea inducida por la fatiga (FEIF). Aquí el calificativo espontánea significa que la cancelación no se produce por convención sino espontaneamente. Por lo tanto, la FEIF puede considerarse como una clase importante de cambio del movimiento, que se produce en virtud de una configuración determinada de constreñimientos, que actuan directa o indirectamente sobre el sistema de movimiento. Se trata de un fenómeno omnipresente experimentado de forma más o menos frecuente en la vida diaria por parte de deportistas, sedentarios, animales (p.e. un predador que caza a su presa) y también sociedades.

140 |

complejidad y deporte

Como se ha dicho en el capítulo 5, los valores más probables del parámetro de orden se denominan atractores, lo que significa que son estados que atraen el comportamiento del sistema (por la coordinación cooperativa entre sus componentes). En la posición ortostática, el sistema del ángulo del codo puede caracterizarse como bi-estable, con un atractor correspondiente al antebrazo alineado con la gravedad y cualquier otro ángulo sostenido por una intención consciente (debido a su inestabilidad intrínseca). Para la TSD los estados intencionales se definen formalmente como atractores intencionales, que pueden estabilizar modos de comportamiento inestables y desestabilizar los estables (Scholz y Kelso, 1990; Jantzen y col., 2008). Por lo tanto, el ángulo de codo, bajo condiciones de fatiga de la contracción, puede ser tratado como un parámetro de orden intencionalmente especificado, que refleja el acoplamiento de los procesos que se llevan a cabo en el eje neuromuscular. La intención consciente trata de mantener el ángulo en 90º, por lo que las desviaciones de ese estado significan el grado de inestabilidad de los procesos cooperativos que forman dicha intención (desde los procesos metabólicos musculares, los reflejos espinales, a los bucles subcorticales y corticales - volición, motivación). Para reconocer el tipo de integración existente entre dichos componentes neuromusculares en el ejercicio de sujeción de la barra a 90º la TSD propone determinadas estrategias:

1. El análisis de la evolución temporal de los estados del ángulo del codo (parámetro de orden), que informa sobre el comportamiento del sistema neuromuscular durante la ejecución. El análisis de series temporales del ángulo del codo permite detectar la estructura dinámica temporal de la variable ayudando, como se ha visto en el apartado 2.5 dedicado a la fractalidad, reconocer el tipo de interdependencias presentes en el comportamiento del sistema. Las relaciones escalares entre la potencia espectral y la frecuencia de oscilaciones permiten revelar la existencia de parentesco, o bien independencia, de las fluctuaciones estocásticas de la variable bajo investigación. Se pueden diferenciar dos grandes familias de fluctuaciones estocásticas: el movimiento browniano fraccionario (fBm) y el ruido gaussiano fraccionario (fGn), que ya se han descrito en el apartado 2.5. El primero es un proceso correlacionado, que presenta una escala invariable porque la dinámica de las fluctuaciones no es dependiente de la escala de tiempo. El segundo pertenece a un proceso aleatorio. Las constantes β (pendientes espectrales) indican el tipo de interdependencia entre los estados de la serie. Por ejemplo, βfBm = - 2 se relaciona con incrementos seriados no correlacionados; los valores de: -2 < βfBm< -1 están relacionados con incrementos anti-correlacionados (anti-persistentes); es decir, un incremento mayor en promedio es seguido por uno más pequeño y viceversa; y -3< βfBm