MODELIZACIÓN COMO PROCESO BÁSICO EN LA
RESOLUCIÓN DE PROBLEMAS CONTEXTUALIZADOS: UN
ANÁLISIS DE NECESIDADES
Modelling as a basic process when solving context problems: needs analysis
Jesús Montejo-Gámeza, Elvira Fernández-Ahumadaa, Noelia Jiménez-Fanjula , Natividad Adamuz-
Povedanoa , Carmen León-Manteroa
a
Universidad de Córdoba
Resumen
Este trabajo explora las necesidades formativas del alumnado de primer curso del grado en
Educación Primaria en el ámbito de la modelización matemática y la resolución de problemas
contextualizados. Se ha puesto el foco en el análisis de las estrategias seguidas por el alumnado
para abordar un problema, así como en la detección de los errores cometidos; todo ello con el
objeto de diagnosticar las necesidades de formación y elaborar un perfil del alumnado que permita
adaptar su instrucción a su conocimiento. Los resultados ponen de manifiesto la necesidad de
trabajar estrategias para resolver problemas, el pensamiento visual y el manejo de unidades de
medida.
Palabras clave: Modelización matemática; Resolución de problemas; Análisis de errores;
Abstract
This work explores the formative needs of pre-service teachers in the field of mathematical
modeling and solving contextualized problems. This study focuses on the analysis of students’
strategies to address one of the problems, as well as on the detection of mistakes; all in order to
diagnose the training needs and develop a student profile enabling to adapt their instruction to
their knowledge. Results show the necessity of teaching solving problems strategies, visual thinking
and measure units.
Keywords: Mathematical modelling; Problem solving; Analysis of errors;
INTRODUCCIÓN
Esta comunicación presenta una investigación para explorar las necesidades formativas del
alumnado de primero de grado en Educación Primaria de la Universidad de Córdoba, con respecto a
la modelización como herramienta para la resolución de problemas contextualizados.
El interés en este análisis surgió en el contexto de una investigación más amplia, que estuvo
motivada por la necesidad de conocer qué Matemáticas deben tener cabida en la formación inicial
del profesorado de Educación Primaria, teniendo en cuenta la gran diversidad de bagaje matemático
que presenta el alumnado, procedente de diferentes bachilleratos y diversos ciclos formativos. Estas
circunstancias invitaron a plantear una evaluación inicial de la competencia matemática del
alumnado novel que permitiera diseñar un perfil de qué Matemáticas saben y facilitara plantear la
instrucción matemática desde su propio conocimiento. El diseño de la prueba inicial se basó en el
modelo de competencia matemática que evalúa PISA 2012 (OECD, 2013a) y los resultados
pusieron de manifiesto dificultades para la resolución de los problemas planteados que no tenían
que ver con el conocimiento de conceptos o procedimientos asociados a contenidos, sino que
parecían estar vinculadas a un insuficiente dominio de ciertos procesos matemáticos, en concreto, a
convertir situaciones de la vida real en Matemáticas (figura 1).
Montejo-Gámez, J., Fernández-Ahumada, E., Jiménez-Fanjul, N., Adamuz-Povedano, N., y León-Mantero, C.
Modelización como proceso básico en la resolución de problemas contextualizados: Un análisis de necesidades . En
Editor1, Editor2 y Editor3 (Eds.), Investigación en Educación Matemática XXI (pp. inicial-final). Lugar: SEIEM.
Jesús Montejo-Gámez, Elvira Fernández-Ahumada, Noelia Jiménez-Fanjul, Natividad Adamuz-Povedano, Carmen
León-Mantero
Figura 1. Ejemplos de respuestas al problema objeto de estudio (puede verse en el Apéndice I) que motivaron
nuestra investigación.
Desde los años ochenta han proliferado los autores que subrayan la importancia para la formación
matemática de destrezas que no se reduzcan al trabajo con conceptos y procedimientos. Pollak
(1987) propuso cinco objetivos para los estudiantes de Matemáticas, entre los que incluye
convertirse en resolutores de problemas y aprender a comunicarse y a razonar matemáticamente.
Poco más tarde, el National Council of Teachers of Mathematics (NCTM, 1989) señaló que 'saber'
Matemáticas es 'hacer' Matemáticas y que la instrucción debería enfatizar insistentemente el 'hacer'
más que el 'saber'” (p. 7), y propuso un conjunto de estándares para la formación matemática
escolar que incluían procesos como resolución de problemas, comunicación, razonamiento y
conexiones. Estas ideas se consagraron diez años más tarde (NCTM, 2000), con un nuevo conjunto
de estándares donde estos procesos (junto con la destreza de representación) recibieron la misma
relevancia que los contenidos para la formación matemática. Desde entonces, la importancia de los
procesos en la formación matemática ha sido creciente. En este trabajo reconocemos esta relevancia
en especial en el trabajo con problemas contextualizados. Gravemeijer y Doorman (1999) destacan
la importancia de trabajar las matemáticas escolares en torno a problemas contextualizados por su
poder motivacional, ya que los niños ven la utilidad de las Matemáticas en su vida cotidiana. Desde
la posición de formación de maestros, el trabajo con este tipo de problemas se hace, por tanto,
necesario, especialmente en lo que concierne a la transformación de situaciones reales en
Matemáticas, es decir, la modelización. Surge la cuestión de cómo abordar el aprendizaje de la
modelización para la formación de maestros, lo que reincide en la motivación inicial del
planteamiento: un análisis pormenorizado de la resolución de problemas por parte de los alumnos
puede dar información útil para profundizar en su formación. Por todo lo expuesto, esta
investigación pretende categorizar las estrategias seguidas por el alumnado a la hora de afrontar un
problema contextualizado y detectar los errores más frecuentes; todo ello con el objeto de
diagnosticar necesidades de formación y trazar pautas para el planteamiento del trabajo en el aula.
MARCO TEÓRICO
La modelización matemática es uno de los aspectos de la educación matemática que se ha discutido
y propagado con mayor intensidad durante las últimas décadas (Blum y Borromeo, 2009). Este
hecho tiene repercusión a nivel de diseño de currículos nacionales y a nivel internacional, ya que la
modelización es considerada una de las destrezas principales que componen la competencia
matemática (NCTM, 2000; Niss y Hojgaard, 2011; OECD, 2013a). Existen diferentes autores que
han discutido sobre qué debe entenderse por modelización. Castro y Castro (1997) defienden que la
modelización es “fundamentalmente una forma de resolución de problemas de la vida real; pero
[…] que conlleva la consideración del problema como un todo” (p. 110). Niss y Hojgaard (2011)
interpretan la modelización como una competencia del individuo que es capaz de estructurar y
matematizar la situación a modelar, trabajar con el modelo y analizar críticamente tanto los
resultados como el proceso seguido, entre otras destrezas. En esta investigación se adopta la
interpretación de Blum y Borromeo (2009), que definen la modelización como “el proceso de
traducción entre el mundo real y las Matemáticas en ambos sentidos” (p. 1) para detectar las
habilidades asociadas a este proceso que deben potenciarse en la formación de maestros. El
desarrollo de estas habilidades implica una mayor comprensión de la realidad, fortalece las
2
Modelización como proceso básico en la resolución de problemas contextualizados: Un análisis de necesidades
conexiones entre conceptos matemáticos y hace palpable la utilidad de las matemáticas en
situaciones contextualizadas. Sin embargo, esta relevancia no se ve reflejada en la práctica diaria
del aula. Diversos autores (Freudenthal, 1973; DeLange, 1987; Burkhardt, 2004; Blum, Galbraith,
henn y Niss, 2007) consideran que esto se debe al hecho de que la modelización no es solo difícil
para los alumnos, sino también para los maestros, ya que la enseñanza se vuelve más abierta y
menos predecible. Para los estudiantes, la dificultad principal es la complejidad que suele envolver
las situaciones en las que es necesario introducir un modelo matemático. De hecho, la modelización
está inseparablemente ligada a otras competencias matemáticas, como la comunicación, el diseño de
estrategias de resolución de problemas o el trabajo matemático (Niss, 2003).
Borromeo (citado por Blum y Borromeo, 2009) analiza diferentes modelos teóricos relacionados
con la modelización matemática, aunque se ha considerado particularmente útil el ciclo de
modelización propuesto por Blum y Leiss (2007). Este modelo se articula en torno a siete fases de
forma que (i) la situación-problema tiene que ser entendida, es decir, se tiene que construir un
modelo de la situación (fase de comprensión y construcción); (ii) la situación tiene que ser
simplificada, estructurada y precisada (fase de simplificación y estructuración), dando lugar a un
modelo real de la misma; (iii) la fase de matematización transforma el modelo de la situación en un
modelo matemático; (iv) la fase de trabajar matemáticamente produce resultados (matemáticos) que
(v) se interpretan en el mundo real (fase de interpretación); (vi) una fase de validación de estos
resultados puede indicar la necesidad de iniciar el bucle una segunda vez. El ciclo incluye una
séptima etapa de exposición, que no se tiene en cuenta en esta investigación debido a las
características de nuestro instrumento de recogida de información (prueba escrita).
El ciclo de modelización puede no definir una trayectoria lineal de pensamiento, es decir, un
individuo puede resolver un problema pasando por diferentes fases del ciclo sin seguir el orden
expuesto anteriormente. Borromeo (citado por Blum y Borromeo, 2009) asocia la trayectoria que
sigue el individuo en la resolución del problema con diferentes estilos de pensamiento. Este
enfoque, que resulta enriquecedor para el propósito del presente estudio, define tres estilos de
pensamiento matemático. El primero de ellos es un pensamiento de tipo visual, mediante el cual el
individuo suele razonar sobre el modelo real más que sobre el modelo matemático, muestra
tendencia a abordar los problemas de forma global y prefiere las representaciones pictóricas. En el
otro extremo está un pensamiento de tipo analítico, mediante el cual el individuo suele razonar
sobre el modelo matemático más que sobre la realidad, muestra tendencia a utilizar representaciones
simbólicas o verbales y prefiere estructurar paso a paso el procedimiento seguido. En un punto
intermedio entre ambos extremos se encuentra el pensamiento de tipo integrado, mediante el cual el
individuo es capaz de combinar elementos de los otros dos tipos de pensamiento.
Las fases del ciclo de Blum y Leiss (2007) constituyen puntos de referencia para el análisis de las
estrategias de modelización, que permiten estructurar la búsqueda y categorización de los errores.
El estudio de dichas estrategias y de los errores junto con la identificación de los tipos de
pensamiento proporcionan herramientas para un proceso de análisis-síntesis que permita elaborar el
perfil y detectar necesidades formativas en los alumnos participantes. Existen diferentes
investigaciones empíricas centradas en el análisis de soluciones a problemas que involucran
destrezas de modelización y constituyen referencias para desarrollar este trabajo. En educación
secundaria Socas, Ruano y Hernández (2016) analizaron, desde el enfoque Lógico Semiótico, los
errores cometidos por los alumnos resolviendo problemas que involucraban modelización. Gallart,
Ferrando y García-Raffi (2014) estudiaron las estrategias adoptadas para resolver problemas
abiertos en términos de las trayectorias de modelización (Blum y Borromeo, 2009) y la eficacia del
uso de este tipo de problemas para mejorar la competencia matemática PISA. Mousoulides,
Christou y Sriraman (2008) obtuvieron un modelo teórico para el comportamiento de los
estudiantes ante problemas que involucran modelización en torno a los procesos que siguieron, las
habilidades que demostraron y otros factores externos. En formación de profesores de Matemáticas,
3
Jesús Montejo-Gámez, Elvira Fernández-Ahumada, Noelia Jiménez-Fanjul, Natividad Adamuz-Povedano, Carmen
León-Mantero
Bukova-Güzel (2011) examinó los enfoques que planteaban los estudiantes en el diseño de
problemas de modelización matemática y en qué medida implementaban el proceso de
modelización al resolver los problemas que proponían. Hıdıroğlu, Dede, Kula-Ünver y Bukova-
Güzel (2017) analizaron las soluciones que estudiantes para profesores de secundaria daban a un
problema concreto diseñado para trabajar la modelización matemática, prestando especial atención
a las fases de modelización propuestas por Blum y Leiss (2007). Estas investigaciones sirven de
precedente para contextualizar e interpretar los resultados que se obtienen en el presente análisis.
OBJETIVOS DE LA INVESTIGACIÓN
Analizar las necesidades formativas respecto a las destrezas de modelización de los alumnos del
primer curso de grado en Educación Primaria en virtud del marco teórico desarrollado. Más
específicamente:
Categorizar las estrategias con las que el alumnado abordó la modelización matemática e
identificar el tipo de pensamiento (Borromeo, citado por Blum y Borromeo, 2009) que
se refleja en estas estrategias.
Detectar los errores cometidos en el proceso de modelización en términos del ciclo de
Blum y Leiss (2007) y clasificarlos según los procedimientos elementales que estos no
completan.
Proporcionar un perfil del alumnado en función de la información recogida sobre su
conducta y utilizar este perfil para detectar las necesidades formativas que permitan
definir pautas de trabajo en el aula.
METODOLOGÍA
Participaron en el estudio un total de 227 alumnos del primer curso del grado en Educación
Primaria de la Universidad de Córdoba, que se enfrentaron a una prueba escrita consistente en cinco
ítems liberados de pruebas PISA que en conjunto abarcan todos los bloques de contenidos del
currículo de Educación Primaria y todos los procesos y capacidades PISA 2012. Los estudiantes
tenían permitido el uso de la calculadora para resolver los problemas de la prueba. Para el presente
estudio se analizaron las respuestas a un solo ítem que consistía en un problema cuya resolución
requería destrezas de modelización (puede verse en OECD, 2013b, p.178).
El análisis se llevó a cabo mediante la revisión de las soluciones que dieron al problema cada uno
de los participantes a partir de la descripción de la estrategia utilizada para resolver el problema, el
tipo de pensamiento que dicha estrategia manifestaba, la identificación de los errores respecto a las
fases del ciclo de modelización y la interpretación de los mismos en términos de los procedimientos
elementales asociados los contenidos. Concretamente, para alcanzar el primer objetivo específico se
describió cualitativamente la estrategia seguida por cada alumno, se agruparon estrategias similares
seguidas por diferentes estudiantes y se utilizaron esos grupos para elaborar los descriptores de cada
categoría (se pueden observar en la tabla 1). Para lograr el segundo objetivo se elaboró una lista de
indicadores asociados a los procedimientos elementales necesarios para completar la modelización
del problema: (I1) Aplica correctamente la escala (expresa datos necesarios en unidades reales); (I2)
Descompone el mapa en figuras planas de área calculable; (I3) Calcula correctamente las áreas que
muestra el dibujo hecho y las suma si fuera el caso; (I4) En la explicación relaciona el área de las
figuras con el área total; (I5) Mide correctamente los datos del dibujo necesarios; (I6) Expresa
correctamente el resultado al problema obtenido. La observación e interpretación de los errores
cometidos por cada estudiante reveló la fase de Blum y Leiss (2007) que el alumno no dominaba y
permitió identificar los procedimientos que dicho alumno no completó adecuadamente usando los
indicadores que no se satisficieron. Para abordar el tercer objetivo, finalmente, se sintetizó la
4
Modelización como proceso básico en la resolución de problemas contextualizados: Un análisis de necesidades
información recabada durante el análisis para trazar el perfil del alumnado y sus necesidades
formativas.
RESULTADOS Y DISCUSIÓN
Estrategias de modelización y tipos de pensamiento
Del total de los estudiantes que realizaron la prueba, 161 dejaron el problema en blanco o no
dejaron evidencias de la estrategia seguida. Este hecho corrobora los resultados de Socas et al.
(2016), dejando patente que muchos estudiantes carecen de recursos para diseñar una estrategia de
resolución en una situación contextualizada. Entre el resto de alumnos, sin embargo, se observó
cierta riqueza en cuanto a las estrategias de modelización, que se detallan en la tabla 1. Algunas de
las más significativas se pueden ver en la Figura 2.
Tabla 1. Estrategias de resolución observadas y tipos de pensamiento asociados. “V” indica los alumnos en
los que predomina un pensamiento visual, “A” un pensamiento analítico e “I” un pensamiento integrado.
Pensamiento
Estrategia de estimación Nº Personas V A I
Toma el área de un rectángulo que incluye completamente
E1 15 2 9 4
a la isla.
Toma el área de un cuadrado que cubre parcialmente la
E2 isla, compensando el área de las zonas de mar dentro del 12 1 11 0
cuadrado con el área de las zonas de la isla fuera de él.
Toma el área de un rectángulo de características análogas
E3 14 3 7 4
a las del cuadrado anterior.
Suma las áreas de diferentes polígonos en los que ha
E4 6 1 0 5
descompuesto la isla.
Toma el área de un círculo de similares características a
E5 5 0 3 2
las de los polígonos de E2 y E3.
Toma la diferencia entre el área de un rectángulo que
incluye totalmente a la isla y el área de las zonas de mar
E6 5 1 0 4
(que ha estimado matematizando la zona con diferentes
figuras).
Traza una retícula de lado igual a la longitud de la escala
gráfica, contabiliza los cuadrados interiores a la isla y
E7 2 2 0 0
matematiza los trozos de isla “sobrantes” usando
polígonos.
Descompone el rectángulo que incluye totalmente a la isla
en cuatro rectángulos iguales, estima que el área de la
E8 1 0 0 1
zona de mar es igual al área de uno de los rectángulos y
toma tres veces el área de esos rectángulos.
E9 Toma como área una medida unidimensional 8 4 4 0
La estrategia dominante consistió en aproximar el área de la isla mediante el área de una única
figura plana, bien de un cuadrilátero o de un círculo (E1, E2, E3 y E5) con mayor o menor
precisión. La mayoría de los estudiantes que implementaron esta estrategia exhibieron un
pensamiento de tipo más analítico mostrando simplemente cálculos o texto y sin dejar evidencias de
trabajo sobre la imagen (no trazaron la figura). En cambio, los alumnos que utilizaron estas
estrategias asociadas a un pensamiento más visual mostraron haber trabajado con la escala gráfica
directamente sobre la imagen o indicaron las medidas reales sobre la figura utilizada. Es destacable
que los estudiantes que optaron por E1 denotaron un enfoque del problema simplista que
proporcionaba un resultado sobredimensionado. La estrategia de descomposición en polígonos (E4)
fue utilizada por 6 participantes. Salvo un caso que solo evidenció pensamiento visual (se limitó a
5
Jesús Montejo-Gámez, Elvira Fernández-Ahumada, Noelia Jiménez-Fanjul, Natividad Adamuz-Povedano, Carmen
León-Mantero
descomponer la superficie de la isla sin efectuar cálculos), el uso de esta estrategia implica un
pensamiento integrado. Igual sucede con la estrategia E6, que denota un enfoque similar. Las
estrategias E7 y E8 son casos singulares, ya que solo fueron utilizadas por dos y un participante,
respectivamente, y ninguna con éxito completo. Los alumnos que plantearon E7 no fueron capaces
de completar los cálculos necesarios. Especialmente significativo es el caso de la estrategia E8, en
la que la estudiante estimó (sin dejar muestras de cómo) el área de la zona de mar por la cuarta parte
del rectángulo en el que enmarcaba la imagen completa. Por último, las estrategias etiquetadas
como E9 implican una concepción errónea del concepto de área, ya que la estiman utilizando
longitudes. Dos de los participantes estimaron el área por medio de la longitud del perímetro y otros
dos se limitaron a medir un “diámetro” de la isla y dieron el resultado de la medición como
aproximación del área.
Figura 2. Algunos ejemplos de los esquemas de las estrategias de resolución al problema objeto de estudio.
El alumno del dibujo f) no ha hecho ningún cálculo.
Análisis de errores
La clasificación de los errores se ha hecho según las categorías que se detallan en la tabla 2. La
primera categoría engloba un grupo de errores asociados a un uso incorrecto de las unidades de
medida, tales como expresar áreas con unidades de longitud (error más frecuente, cometido por 17
personas), volumen u otro tipo y omitir las unidades. Esta categoría incluye también otro grupo de
6
Modelización como proceso básico en la resolución de problemas contextualizados: Un análisis de necesidades
errores vinculados a mediciones inexactas (cometido por 10 personas). En la segunda categoría
están incluidos errores tales como cálculos de áreas obtenidas sumando las dimensiones del
rectángulo correspondiente, error obtenido por Socas et al. (2016), o aplicando fórmulas no válidas
y estimación de áreas a través de longitudes de perímetros o de diámetros, así como la asunción de
que una figura de dimensiones n x n tiene área n. La tercera categoría está formada esencialmente
por dos tipos de errores. El primero de ellos consiste en identificar con 1 cm la longitud total de la
escala gráfica (2,5 cm) o la partición más pequeña de la misma (0,5 cm). Este tipo de errores puede
verse ilustrado en las figuras 3a) y 3b), respectivamente. El segundo incluye alumnos que no
cometieron errores en el cálculo del área en centímetros cuadrados y transformaron de manera
errónea las unidades: bien multiplicando por 1000 (sin evidenciar alguna lógica) o utilizando el
factor de escala lineal cm – km en lugar del cuadrático. Errores de este tipo relacionados con el
cambio de unidades también fueron identificados por Hıdıroğlu et al. (2017). Por último, la cuarta
categoría hace alusión a errores de cálculo, que fueron poco frecuentes posiblemente porque estaba
permitido utilizar la calculadora durante la prueba.
Tabla 2. Categorías de los errores detectados y frecuencia
Categoría Nº Personas
C1 Errores asociados a la medida 33
C2 Errores asociados al concepto de área 17
C3 Errores asociados al cambio de escala 13
C4 Errores de cálculo 2
La tabla 3 detalla las fases del ciclo de modelización que los estudiantes evidenciaron no completar.
Tabla 3. Fases de modelización y número de participantes que evidenciaron no completar la fase
Fase Nº Personas
Fase 1: Comprensión / Construcción 3
Fase 2: Simplificación / Estructuración 17
Fase 3: Matematización 12
Fase 4: Trabajo matemático 27
Fase 5: Interpretar 23
Fase 6: Validar 7
Los participantes que no alcanzaron la fase de comprensión dieron respuesta a preguntas que no
estaban formuladas, como distancias entre dos puntos de la isla o indicar las dimensiones de un
polígono en lugar del área (figura 3c)). Aquellos que evidenciaron no completar la fase 2 son,
esencialmente, estudiantes que adoptaron la estrategia E1, el modelo de la situación que plantearon
podía ser adecuado pero no mostraron haber hecho hipótesis para trabajar sobre el problema (figura
3d)). En la categoría de los que no ejecutaron la fase 3 se incluyen aquellos que aproximaron áreas
utilizando medidas de longitud (utilizaron un modelo matemático que no permite dar solución
adecuada al problema), así como aquellos que presentaron cálculos relacionados con el cambio de
escala pero no mostraron evidencias de haber transformado el modelo real en un modelo
matemático. Los que no completaron la fase de trabajo matemático lo hicieron por diversas causas,
algunos no hicieron todos los cálculos necesarios para resolver el problema, otros se equivocaron al
trabajar con la escala, hay participantes que se limitaron a dibujar o describir verbalmente la
estrategia pero no hicieron los cálculos, situación ya encontrada por Socas et al. (2016), y otros que
hicieron mediciones incorrectamente. En la categoría de aquellos que no completaron la fase 5
destacan todos los que expresaron medidas de área en unidades incorrectas. Por último, los que no
evidenciaron completar la fase de validación fueron quienes obtuvieron resultados de un orden de
magnitud muy alejado de la realidad. Resultados similares se encontraron en el estudio llevado a
cabo por Bukova-Güzel (2011), el cual resalta que los participantes de dicho estudio, también
futuros maestros, mostraron mejor desempeño en la fase de comprensión, y más dificultades en la
7
Jesús Montejo-Gámez, Elvira Fernández-Ahumada, Noelia Jiménez-Fanjul, Natividad Adamuz-Povedano, Carmen
León-Mantero
de interpretación y por Gallart et al. (2014) que encontraron la importancia de la fase de validación
en el proceso de modelización matemática.
Figura 3. Algunos ejemplos de los esquemas de las estrategias de resolución al problema objeto de estudio.
La discusión de los errores encontrados y de las fases de modelización que los alumnos no
completaron dibuja una conexión entre estas dos categorizaciones, que en ocasiones se ha hecho
explícita. En ningún caso se pretendió establecer una conexión definida entre errores y fases no
completadas, pero el uso de los errores permitió dilucidar con mayor facilidad la fase en la que cada
alumno tiene dificultades.
Perfil del alumno y necesidades formativas
En cuanto a las estrategias y a los tipos de pensamiento encontrados, el resultado más llamativo fue
el número tan bajo de alumnos que abordaron el problema, lo que acentúa la necesidad observada
de trabajar la modelización con maestros en formación inicial, como también apuntan Jacobs y
Durandt (2017). Además, entre los alumnos que sí afrontaron el problema se ha observado que la
estrategia más frecuente es excesivamente simplista. No obstante, entre el resto de participantes en
el estudio sí se ha detectado variabilidad en cuanto a las estrategias seguidas (tabla 1). En particular,
es destacable que surgieron diferentes concepciones de área, como se puede observar en la figura 2.
Por otra parte, cabe resaltar que se han encontrado planteamientos de complejidad cognitiva que no
se materializaron en una solución, habiendo casos en los que ni siquiera se hizo ningún cálculo
(figura 2, f)). El tipo de pensamiento dominante entre los participantes en el estudio que abordaron
el problema es el analítico. Este hecho contrasta con que la mayoría de los errores se han
encontrado relacionados con procedimientos matemáticos elementales como el trabajo con unidades
de medida (tanto la interpretación como el cambio de unidades) y el uso de escalas, que ha puesto
de manifiesto dificultades a la hora de trabajar con diferentes contenidos integrados (medición y
8
Modelización como proceso básico en la resolución de problemas contextualizados: Un análisis de necesidades
proporcionalidad). Se han observado también algunos participantes con concepciones poco sólidas
del concepto de área, utilizando fórmulas que no pueden conducir a un área, dando áreas en
unidades de longitud o estimando directamente áreas a través de longitudes. En lo que se refiere a
las fases del ciclo de Blum y Leiss (2007), destaca la existencia de respuestas que evidencian poca
comprensión del problema planteado (figura 3). Asimismo, cabe resaltar que las fases del ciclo en
las que los estudiantes demostraron peor desempeño son la cuarta (trabajar matemáticamente) y la
quinta (interpretación). Particularmente, se han observado numerosos casos en los que hay errores
elementales de medición o de manipulación aritmética, así como de uso de escalas. También han
sido frecuentes las carencias en cuanto a la interpretación del modelo, ya que ha habido una gran
cantidad de estudiantes que proporcionaron un área en unidades incorrectas.
De este perfil se deduce que se deben trabajar con especial dedicación la medida (cambio de
unidades, interpretación de unidades y refuerzo del concepto de unidad de medida) y el uso de
escalas. Puede ser interesante trabajar de forma integrada diferentes contenidos como son la
geometría, la medida y la proporcionalidad, los cuales aparecen juntos con facilidad y frecuencia en
situaciones de la vida cotidiana. Dado que los participantes que mostraron mejor desempeño
evidenciaron un tipo de pensamiento integrado y el estilo de pensamiento más frecuente fue el
analítico, parece evidente la necesidad de potenciar el pensamiento visual a través de tareas y
actividades de geometría sintética, de visión espacial y descomposición de figuras. También queda
patente la necesidad de practicar de forma más acentuada los procedimientos elementales de
cálculo, para evitar errores como los detectados, así como, para incrementar la motivación del
alumnado hacia este tipo de tareas. Finalmente, resulta clave proponer tareas que doten al alumnado
de herramientas para el diseño de estrategias de resolución de problemas, para lo que se puede hacer
uso de las fases del ciclo de modelización con las que se ha trabajado en este estudio, y proponer
diferentes estrategias e invitar al alumnado a razonar sobre cuál resultaría más idónea.
CONCLUSIONES
Se han analizado las destrezas de modelización de estudiantes para maestros en relación a las
estrategias utilizadas y a los errores cometidos con el fin de perfilar sus necesidades formativas y se
ha constatado la necesidad de reforzar el trabajo con unidades de medida, tareas de pensamiento
visual y actividades que estimulen el desarrollo de estrategias para resolver problemas, sin
descuidar el trabajo con las propiedades de las operaciones elementales de cálculo.
Esta investigación ha estado limitada por el problema utilizado, que ha permitido constatar
necesidades formativas en relación a tan solo los procedimientos elementales que involucra,
constituyendo así un factor de influencia (Mousoulides et al., 2008) sobre las habilidades que los
estudiantes han mostrado y sesgando los resultados de la investigación. El número de participantes
en el estudio, por otra parte, ha obligado a analizar gran cantidad de información que quizá haya
impedido apreciar matices potencialmente útiles en el análisis de necesidades. De igual manera, una
mayor riqueza de herramientas como las utilizadas por Mousoulides et al. (2008) o Gallart et al.
(2014) o triangulaciones entre expertos nos proporcionarían una información más fiable sobre las
destrezas de modelización de los alumnos. Estas limitaciones invitan a desarrollar un conjunto de
estudios de caso para observar la actuación de grupos más reducidos con diferentes herramientas o
triangulaciones entre diferentes grupos de expertos, que permita alcanzar mayor profundidad de
análisis. Es de interés para esta línea de trabajo, por otra parte, el diseño de un conjunto de
problemas exhaustivo en cuanto a las fases del ciclo de modelización y que minimice el sesgo de
los resultados causado por el análisis de solo un problema. También sería útil analizar
comparativamente las destrezas de modelización en relación al rendimiento en Matemáticas para
contrastar el poder explicativo de la modelización respecto al desempeño matemático. Emplazamos
alguna de estas investigaciones para el futuro.
9
Jesús Montejo-Gámez, Elvira Fernández-Ahumada, Noelia Jiménez-Fanjul, Natividad Adamuz-Povedano, Carmen
León-Mantero
Referencias
Blum, W. y Borromeo, R. (2009). Mathematical Modelling: Can It Be Taught And Learnt? Journal of
Mathematical Modelling and Application, 1(1), 45–58.
Blum, W., Galbraith, P., Henn, H.-W. y Niss, M. (2007). Modelling and Applications in Mathematics
Education. New York: Springer. 2007.
Blum, W. y Leiss, D. (2007). How do students’ and teachers deal with modelling problems? En C. Haines et
al. (Eds), Mathematical Modelling: Education, Engineering and Economics. (pp. 222-231). Chichester:
Horwood.
Bukova-Güzel, E. (2011). An examination of pre-service mathematics teachers’ approaches to construct and
solve mathematical modelling problems, Teaching Mathematics and Its Applications 30, 19-36.
Burkhardt, H. (2004). Establishing Modelling in the Curriculum: Barriers and Levers. En [Link], y W.
Blum, (Eds), ICMI Study 14: Applications and Modelling in Mathematics Education: Pre-Conference
Volume 53-58. Dortmund, Germany.
Castro, E. y Castro, E. (1997). Representaciones y modelización En L. Rico (Ed), La educación matemática
en la enseñanza secundaria (pp. 95-124). Barcelona: Horsori.
DeLange, J. (1987). Mathematics, Insight and Meaning. Utrecht: CD-Press
Freudenthal, H. (1973). Mathematics as an Educational Task. Dordrecht: Reidel
Gallart, C., Ferrando, I., García-Raffi, L. M. (2014). Implementación de tareas de modelización abiertas en
el aula de secundaria, análisis previo. En M. T. González, M. Codes, D. Arnau, T. Ortega, Investigación
en educación matemática (pp. 327-336). Salamanca: SEIEM.
Gravemeijer, K. y Doorman, M. (1999). Context problems in realistic mathematics education: A calculus
course as an example. Educational studies in mathematics, 39 (1-3), 111-129.
Hıdıroğlu, Ç. N., Dede, A. T., Kula-Ünver, S. y Bukova-Güzel, E. (2017). Mathematics Student Teachers’
Modelling Approaches While Solving the Designed Eşme Rug Problem. Mathematical Thinking and
Learning, 10 (3), 293-304.
Jacobs, G. J. y Durandt, R. (2017). Attitudes of pre-service mathematics teachers towards modelling: a South
African inquiry. EURASIA Journal of Mathematics Science and Technology Education, 13 (1), 61-84.
Mousoulides, N. G., Christou, C. y Sriraman, B. (2008). A modeling perspective on the teaching and learning
of mathematical problem solving. EURASIA Journal of Mathematics Science and Technology Education,
13 (3), 873-892.
NCTM. (1989). Curriculum and evaluation standards for school mathematics. Reston, Virginia: National
Council of Teachers of Mathematics.
NCTM. (2000). Principles and Standards for School Mathematics. Reston, Virginia: National Council of
Teachers of Mathematics.
Niss, M. (2003). Mathematical Competencies and the Learning of Mathematics: The Danish KOM Project.
En A. Gagatsis y S. Papastavridis (Eds), 3rd Mediterranean Conference on Mathematical Education (pp.
115–124 ). Athens, Greece: The Hellenic Mathematical Society,.
Niss, M. y Højgaard, T. (Eds.). (2011). Competencies and Mathematical Learning: Ideas and inspiration for
the development of mathematics teaching and learning in Denmark.. Roskilde: IMFUFA/NSM, Roskilde
University.
OECD. (2013a). Marcos y pruebas de evaluación de PISA 2012 Matemáticas, Lectura y Ciencias. Madrid:
Ministerio de Eduación, Cultura y Deporte.
OECD. (2013b). Estímulos PISA de Matemáticas Liberados. Madrid: Ministerio de Educación, Cultura y
Deporte.
Pollak, H. (1987). Notes from a talk given at the MSEB Frameworks Conference. Minneapolis, EEUU.
Socas, M. M., Ruano, R. M. y Hernández, J. (2016). Análisis didáctico del proceso matemático de
Modelización en alumnos de Secundaria. Avances de Investigación en Educación Matemática, 9, 21- 41.
10