Nella storia dei modelli di apprendimento abbiamo assistito alla transizione dal comportamentismo al cognitivismo. Se prima tutta l’attenzione era sul comportamento atteso, con l’approccio cognitivista l’interesse è andato agli schemi mentali interni che generano scelte e decisioni.
Con la scuola di Palo Alto e ancor più con la Teoria dei Sistemi, l’attenzione si sposta sull’apprendimento come processo contestualizzato e ricorsivo in cui il soggetto si muove guidato da logiche adattive (manipolando il contesto) e autoadattive (modificando le proprie strutture affettive e cognitive). Il concetto centrale diventa perciò quello della motivazione al comportamento più efficace in un determinato contesto.
Questo è un fattore cruciale di diversificazione nell’apprendimento di soft skills rispetto alle hard. Le motivazioni all’apprendimento sono infatti di tipo differente.

Hard skills: aumento di efficacia nell’esecuzione di compiti. L’ approccio tende ad essere causale e basato sull’evidenza di risultati misurabili. Nei contesti organizzativi le motivazioni all’apprendimento sono di tipo prevalentemente strumentale/opportunista.

Soft skills: accrescimento delle proprie capacità relazionali. L’approccio tende ad essere di tipo ricorsivo e basato sul senso di gratificazione personale.
Le Motivazioni all’apprendimento sono esclusivamente di tipo profondo.

Scegliere i criteri di misurabilità

Un ulteriore importante elemento di diversificazione riguarda i criteri di misurabilità delle iniziative formative, e quindi di quanto un determinato soggetto ha più o meno appreso. La figura 2 è un modello semplificato del processo che porta alla acquisizione motivante di competenza.



Ad oggi non si è ancora trovato un modo attendibile per misurare alla fonte le motivazioni, e la competenza è una valutazione basata su ripetute osservazioni nel tempo.
Nel caso delle hard skills è più facile misurare la performance, mentre con le abilità soft è più utile osservare la frequenza dei comportamenti efficaci: se sono presenti in misura significativa, possiamo ragionevolmente aspettarci che il sistema osservato produrrà, in un range temporale statisticamente determinabile, l’output desiderato (Fig.3)