Didactica Del Algebra Lineal y Probabilidad

Universidad Nacional Abiert a
Vicerrect orado Acadmico

Subprograma de Diseo Acadmico
rea de Mat emt ica

Didct ica
del
lgebra Lineal
y la
Probabilidad

Julio Mosquera
Audy Salcedo

Caracas, j unio 2008

ndice

Present acin ...................................................................................................... 3
Mdulo 1 ........................................................................................................... 5
Unidad 1 ...................................................................................................... 7
Leccin 1 ................................................................................................. 9
Leccin 2 ................................................................................................. 21
Unidad 2 ...................................................................................................... 36
Leccin 3 ................................................................................................. 38
Leccin 4 ................................................................................................. 53
Unidad 3 ...................................................................................................... 71
Leccin 5 ................................................................................................. 73
Leccin 6 ................................................................................................. 80
Leccin 7 ................................................................................................. 88
Mdulo 2 ........................................................................................................... 111
Unidad 4 ...................................................................................................... 112
Leccin 8 ................................................................................................. 113
Leccin 9 ................................................................................................. 124
Unidad 5 ...................................................................................................... 137
Leccin 10 ............................................................................................... 138
Leccin 11 ............................................................................................... 149
Unidad 6 ...................................................................................................... 162
Leccin 12 ............................................................................................... 163
Leccin 13 ............................................................................................... 173
Leccin 14 ............................................................................................... 186

3
Present acin

Est e curso, Didct ica del lgebra Lineal y la Probabilidad ( cod. 765) , es el segundo de una
secuencia de cursos dedica al est udio de asunt os relacionados con la problemt ica de la
enseanza, aprendizaj e y evaluacin en mat emt icas en el mbit o del a educacin superior.
La enseanza ha est ado hist ricament e ligada a la act ividad mat emt ica, podemos decir
que las mat emt icas se caract erizan por su est recha relacin con la enseanza. Los ms
import ant es t rat ados de mat emt icas, desde los ant iguos como los Nueve Libros de las
Mat emt icas hast a los ms modernos art culos en revist as de front era, fueron escrit os para
comunicar result ados mat emt icos de manera que sean comprensible por ot ros, de manera
que el lect or o lect ora los ent ienda, los escudrie y verifique por su propia cuent a la
veracidad de los result ados report ados. En pocas palabras, son escrit os para ensear. Loas
mat emt icos y mat emt icas ms influyent es son aquellas que han creado escuelas ,
algunos de ellos incluso no han escrit o sus ideas ms import ant es, sino que las han
compart ido oralment e con sus discpulos o colegas. Por ot ra part e, el lugar nat ural de
t rabaj o de los mat emt icos son las universidades. La mayora de los mat emt icos y
mat emt icas desarrollan su carrera profesional como invest igadores ligados a la enseanza
universit aria. Es muy reducido el nmero de mat emt icos que se desenvuelve
profesionalment e fuera de las universidades o t ot alment e desconect ado de la enseanza
universit aria. I ncluso aquellos que t rabaj an en inst it ut os de invest igacin, como el I nst it ut o
Venezolano de I nvest igaciones Cient ficas ( I VI C) , en algn moment o realizan labores
docent es. En conclusin, la act ividad mat emt ica profesional est de una forma u ot r a
ligada a la docencia. Reconociendo est a realidad, los profesores del rea de Mat emt ica de
la Universidad nacional Abiert a (UNA) consideraron convenient e que el fut uro mat emt ico
recibiera una ciert a formacin en el campo de la didct ica de las mat emt icas. En part icular
se decidi ofrecer dos curso de didct ica, una del clculo y ot ras del lgebra lineal y la
probabilidad, y una prct ica docent e.
Los mat emt icos invest igadores se han int eresado por est udiar problemas de la enseanza
y el aprendizaj e de l as mat emt icas. Como sealamos arriba, la didct ica no le es ext raa a
los mat emt icos. Por ej emplo, mat emt icos de la t alla de Freudent hal, en Holanda, Moore,
en Est ados Unidos, y de Guzmn, en Espaa, se ocuparon de reflexionar sobre problemas d
ela enseanza y aprendizaj e de las mat emt icas y propusieron maneras de resolverlos.
Freudent hal desarroll la fenomenologa didct ica, Moore es conocido por el mt odo Moore y
de Guzman hizo import ant es cont ribuciones en el campo de la resolucin de problemas. La
fenomenologa didct ica, la cual dio origen a la mat emt ica realist a, surge como una
respuest a en cont ra de las mat emt icas modernas . Freudent hal, a diferencia de muchos
mat emt icos, se opona al enfoque est ruct uralist a propuest o por el grupo Bourbaki y Piaget
ent re ot ros. El enfoque de las mat emt icas realist as es un o de los ms influyent es hoy en
da en la enseanza de las mat emt icas en la educacin secundaria. De Guzmn t ambin le
dio especial nfasis a la import ancia de la visualizacin en el aprendizaj e de las mat emt icas
a nivel universit ario. Tenemos que los mat emt icos invest igadores, por muy dest acados que
sean en su rea de especialidad, se han dedicado a la enseanza no slo en la universidad.
Not able es el caso de los mat emt icos de la ex- Unin Sovit ica. Mat emt icos sovit icos de
la t alla de Kolmogorov y Gelfand escribieron mat eriales de divulgacin y educat ivos para
j venes, algunos de ellos incluso dict aban conferencias sabat inas de mat emt icas en
escuelas secundarias. Famosas son las Lecciones Populares de Mat emt icas, las cuales se
encuent ran t odava en espaol publicadas por la edit orial MI R de Mosc. El Cent ro Nacional
para el Mej oramient o de la Enseanza de la Ciencia ( CENAMEC) puso en prct ica en nuest ro
pas el Proyect o Gelfand, con mat erial elaborado pro est e mat emt ico ruso, dirigido a
4 Didctica del lgebra y la Probabilidad

est udiant es de secundaria. Por ot ro lado, encont ramos la posicin de Guy Brousseau quien
sost iene que slo los mat emt icos t ienen la formacin adecuada en est a disciplina para
hacer didct ica de las mat emt icas. Es decir, que para est udiar didct ica de las
mat emt icas y hacer invest igacin educacional en est a rea es necesario t ener una
formacin mat emt ica previa.
Como su nombre lo indica, est e curso se ocupa del est udio de la didct ica del lgebra lineal
y la probabilidad. El curso est dividido en dos mdulos, el primero dedicado a la didct ica
del lgebra lineal y el segundo a la didct ica de la probabilidad. Ambos mdulos t iene la
misma est ruct ura. Cada uno est compuest o de t res unidades y siet e lecciones. Las
unidades 1, 2, 4 y 5 est n const it uidas por dos lecciones respect ivament e, mient ras que las
unidades 3 y 6 est n formadas por t res unidades respect ivament e.
Algunos de los t emas t rat ados en est e curso coinciden con t emas ya est udiados en el curso
de Didct ica del Clculo. Trat amos de no ser repet it ivos y de ms bien profundizar en su
est udio. En part icular, en est e curso le dedicamos especial at encin al diseo de unidades
didct icas.
Como ya sealamos la unidad mnima de organizacin de los cont enidos son las lecciones.
El cont enido de la leccin est diseado para que sea asimilable en cuat ro horas de t rabaj o,
no necesariament e cont inuas, a la semana. La realizacin de t odas las act ividades incluidas
en cada leccin le exigir de un t iempo adi cional de est udio.
Para est udiar el cont enido de est e curso y realizar las act ividades ust ed necesit ar t ener
acceso a varias herramient as, t ecnologas y mat eriales. Primero que t odo, ust ed deber
t ener un cuaderno de t rabaj o especialment e para est e curso. La didct ica del lgebra lineal,
al igual que est a rama de las mat emt icas no es un deport e de espect adores. Las
mat emt icas y su didct ica no se aprenden viendo a ot ros hacer cosas o leyendo sobre lo
que ot ros han hecho. Para aprender se requiere que ust ed se involucre de manera
disciplinada y con dedicacin a est udiar, eso significa reflexionar sobre los cont enidos,
ident ificar las ideas principales, realizar las act ividades propuest as, responder a la aut o-
evaluacin, plant earse pregunt as, compart ir con ot ros en persona o por la va virt ual y
disear obj et os de aprendizaj e que se incorporen a las unidades didct icas por ust ed
elaboradas. Segundo, debe localizar en el Cent ro de Document acin de su Cent ro Local el
CD con el emulador del ClassPad 300. El programa Casio Acadmico nos don copias de esa
aplicacin para ser usadas por nuest ros est udiant es, ust ed podr copiar ese CD para inst alar
la aplicacin en una comput adora en la que ust ed pueda t rabaj ar. Tercero, es necesario que
ust ed pueda t ener acceso con ciert a frecuencia a una comput adora con conexin a int ernet .
Algunas de las act ividades incluidas en est e curso requieren que ust ed realic bsquedas en
int ernet y explore el uso de algunas aplicaciones generales y especficas que son t iles para
la enseanza y el aprendizaj e del lgebra lineal. Cuart o, necesit ar t ener acceso a dos o
ms libros de lgebra Lineal, incluyendo el t ext o de la UNA, para realizar algunas de las
act ividades propuest as y revisar cont enidos de est a mat eria para reflexionar sobre su
enseanza y aprendizaj e a part ir de t ext os escrit os.

Julio Mosquera

Mdulo 1

Obj et ivo del Mdulo:
Estudiar elementos terico-prcticos de las Didcticas del lgebra Lineal
dentro del marco de la Educacin Matemtica.

6
I nt roduccin
Como ya sealamos en la present acin el cont enido de est e curso est organizado en dos
mdulos. El Mdulo 1 incluye cont enido sobre didct ica del lgebra Lineal. Est e mdulo est
dividido en t res unidades. La primera unidad est dedicada a la invest igacin en didct ica
del lgebra Lineal. Dicha unidad est dividida en dos lecciones, la primera incluye
cont enidos sobre los marcos t ericos usados por los invest igadores y la segunda incluye una
revisin de la invest igacin en el campo de la didct ica del lgebra Lineal. La segunda
unidad est dedicada a asunt os ms prct icos que t iene que ver con la inclusin de la
hist oria y el uso de t ecnologas en la enseanza del lgebra Lineal. Est a unidad t ambin
est dividida en dos lecciones. Por lt imo, la Unidad 3 t rat a el t ema del diseo de unidades
didct icas. Est a unidad est compuest a de t res lecciones. En la primera de est as lecciones
present amos unas ideas generales acerca de las unidades didct icas, en la segunda
ent ramos en mat eria del diseo de obj et ivos educacionales y en det alles acerca de
est rat egias de aprendizaj e, y en la lt ima leccin ent ramos en mat eria de la evolucin de las
unidades didct icas con especial nfasis en la evolucin de los aprendizaj es logrados por los
est udiant es.

Unidad 1

Obj et ivo 1:
Estudiar diversas aproximaciones tericas e investigaciones en
didctica del lgebra Lineal.

8
I nt roduccin
Est a primera unidad del Mdulo 1 est dedicada a la present acin de t emas sobre la
invest igacin en didct ica del lgebra Lineal. El cont enido de est a unidad est dist ribuido en
dos lecciones. En la Leccin 1 present amos unas consideraciones acerca de la didct ica
como disciplina, como rama de la pedagoga. En part icular consideramos la didct ica de las
mat emt icas como rama de la pedagoga de las ciencias mat emt icas. Por t ant o,
explicaremos primero como concebimos la pedagoga de las ciencias mat emt icas y luego
pasaremos a una discusin sobre la didct ica de las mat emt icas; por lt imo, ent ramos en
el t ema de la didct ica del lgebra lineal como prembulo al cont enido de la segunda
leccin.
En la Leccin 2 present amos una revisin de la invest igacin en el campo de la didct ica del
lgebra Lineal. Una vez est udiado el cont enido de est a unidad, ust ed est ar mej or
preparado para comprender la diversidad en est e campo as como las principales corrient es
en que se ha desarrollado la invest igacin. Esperamos t ambin que ust ed se int erese por
profundizar en est e campo ms adelant e por su propia cuent a. Tal vez, llegu ust ed a
realizar una invest igaci n independient e sobre algn problema en part icular en la
enseanza, aprendizaj e y evolucin del lgebra Lineal.
El cont enido de est a unidad es principalment e de t ipo t erico. Pensamos que la t eora y la
prct ica no se pueden separar, y que ninguna debera privilegiarse sobre la ot ra. Por t ant o,
consideramos est a formacin t erica inicial de suma import ancia para el est udio del rest o
del mat erial incluido en est a unidad, as como para su prct ica act ual o fut ura en el aula. De
igual manera consideramos que su prct ica t ant o como est udiant e act ualment e y como
fut uro mat emt ico invest igador y profesor de mat emt icas le llevar a reformularse la
t eora. Es slo en la prct ica, ambas como est udiant e de mat emt icas y como profesor de
alguna rama de est a disciplina, que se puede valorar la t eora.

Leccin 1
Didct ica de las Mat emt icas

Como sealamos en la int roduccin a est a unidad, la Leccin 1 est dedicada a la
present acin de unas ideas generales acerca de la pedagoga de las ciencias mat emt icas y
de la didct ica de las mat emt icas como una rama de la misma. La didct ica del lgebra
lineal es pues considerada como una part e de est a lt ima. Dedicamos una buena part e de la
leccin el est udio de t res met odologas especficas a las didct icas de las mat emt icas.
Pedagoga de las ciencias mat emt icas
La idea de desarrollar una pedagoga mat emt ica o de las ciencias mat emt icas no es del
t odo novedosa. Gazt elu (1913) esboz algunos element os de dicha pedagoga, dedicada en
especial la formacin mat emt ica de los fut uros ingenieros en Espaa. Tambin se han
realizado t rabaj os que apunt an al desarrollo de una didct ica de las mat emt icas desde una
perspect iva ibero- americana ( por ej emplo: Mosquera, 1988) . Adems, no es nuevo el
int ent o de desarrollar una pedagoga l at inoamericana o que responda a las sit uaciones
part iculares de nuest ros pases, ent re muchos ot ros podemos mencionar los t rabaj os de
Sant iago Rocca ( 1957) , Ander - Egg (1979) y Freire ( 2000, 2005/ 1962, 2005/ 1992) . Se t rat a
ms bien de rescat ar la import anci a de la pedagoga como gua y fundament o para las
act ividades de enseanza, aprendizaj e y evaluacin de las mat emt icas en la escuela y
fuera de ella. En est as not as se esbozan algunas ideas acerca de una pedagoga de las
ciencias mat emt icas y su pert inencia.
Es ciert o que en nuest ro pas se ha escrit o mucho sobre educacin, pero hemos t eorizado
muy poco sobre la enseanza, el aprendizaj e y la evaluacin. Cont amos con una escasa
produccin nacional original en est a mat eria. En general, nos hemos limit ado a una
adopcin casi ciega de t eoras ext ranj eras de la enseanza y del aprendizaj e. Casos muy
not ables recient e son la adopcin del const ruct ivismo, o de una amalgama de
const ruct ivismos, como base t erica de la reforma curricular de las dos primeras et apas de
la Educacin Bsica, y el mt odo de proyect o como met odologa para organizar el t rabaj o
escolar.
En Venezuela, se ha hablado de didct ica de las mat emt icas para referirnos a la
disciplina que se encarga de la invest igacin y desarrollo cent rada en la enseanza de las
mat emt icas en la escuela. En un nmero de escuelas de educacin de algunas de nuest ras
universidades hay ct edras con ese nombre. Ms recient ement e se int roduj o la expresin
met odologa de la enseanza de la mat emt ica para referirse a est e campo. Tambin
se ha usado en nuest ro pas la expresin enseanza de la mat emt ica. Tenemos
programas de post grado ident ificados con ese t rmino, una asociacin profesional y su
revist a oficial llevan ese mismo nombre. Por ot ro lado, en el mundo anglosaj n suele
hablarse de educacin matemt ica para referirse al campo diferenciado de produccin de
saberes que se ocupa de asunt os relacionados con la enseanza, aprendizaj e y evaluacin
de las mat emt icas en la escuela. Est e t rmino se asumi en nuest ro pas de manera
acrt ica, incluso se asumi como t rmino oficial de la asociacin profesional que agrupa a los
invest igadores y profesores de mat emt icas. Por lt imo, t enemos el caso de los mexicanos
quienes han promovido el uso de la expresin mat emt ica educat iva para dist inguirse de
los anglosaj ones. En resumen, se han usado diversas t erminologas para referirse al campo
o disciplina dedicada a la invest igacin y desarrollo en la enseanza, aprendizaj e y
evaluacin en mat emt icas. Hay quienes proponen la adopcin de la expresin anglosaj ona
educacin mat emt ica, porque el t rmino didct ica es en general asociado a una simple

coleccin de t cnicas de enseanza. Todava no se ha llegado a un consenso al respect o.
Tampoco se ha dado una discusin ent re los mi embros de la comunidad de educadores
mat emt icos sobre est e asunt o. En muchos pases del cont inent e se ha adopt ado la
expresin educacin mat emt ica. Part icularment e pienso que es ms convenient e usar la
expresin pedagoga de las ciencias mat emt icas. No se t rat a de una nueva t erminologa.
Como dij e al comienzo, se t rat a de rescat ar, recuperar el pensamient o pedaggico para el
campo de la educacin en mat emt icas. La expresin propuest a est compuest a de dos
t rminos, primero PEDAGOG A y segundo CI ENCI AS MATEMTI CAS. A cont inuacin
present o algunas argument aciones sobr e cada uno de est os element os.
Lo sealado ant eriorment e nos lleva a asumir que hablar de la enseanza, del aprendizaj e y
de la evaluacin en mat emt icas slo t iene sent ido dent ro del marco de un proyect o
pedaggico. De lo cont rario est aramos cayendo dent ro de un mero didact ismo. Como
seala Paulo Freire ( 1997) , no exist en proyect os pedaggicos neut ros, t odo proyect o
pedaggico es polt ico y se encuent ra empapado de ideologa. El asunt o es saber a favor de
qu y de quin, cont ra qu y cont ra quin se hace la polt ica de la que la educacin j ams
prescinde ( p. 52) . La psicologizacin de la educacin, en especial la cent rada en el
const ruct ivismo, nos ocult a est e aspect o polt ico e ideolgico de los proyect os pedaggicos.
Yo opt o por una educacin para t odos, compromet ida de manera muy part icular con los
sect ores de la sociedad formados por aquellos, como dice Freir e, que simplement e
sobreviven. La apropiacin de las mat emt icas y el desarrollo del pensamient o mat emt ico
por part e de est os sect ores de la sociedad es fundament al para salir de esa sit uacin de
slo sobrevivir. Por ot ro lado, t enemos que la evaluacin j uega un papel muy import ant e en
det erminar quienes sobreviven en la escuela.
En nuest ro pas se debat i muy poco acerca de si debemos hablar de mat emt ica o
mat emt icas en los t iempos de la mat emt ica moderna. Dada la influencia de est a lt ima se
impuso el uso del t rmino en singular. La asignat ura en la escuela pas a llamarse
Mat emt ica. A pesar de est a influencia no se lleg a lograr una unificacin de la disciplina en
la escuela. Tampoco se est andariz el uso del t rmino. Por ej emplo, hay depart ament os de
mat emt ica y cursos de mat emt icas. I ncluso en nuest ro campo hay aut ores que hablan de
didct ica de las mat emt icas mient ras que ot ros hablan de didct ica de la mat emt ica.
Encont ramos t ambin el uso de las expresiones mat emt icas puras y aplicadas, t al es el
caso de un depart ament o que lleva ese nombre en una reconocida universidad venezolana.
Para evit ar est a proliferacin de t erminologa y est ar a t ono con los desarrollos recient es en
el campo de las mat emt icas adopt o la expresin ciencias mat emt icas. Muchas veces por
razones de brevedad usar simplement e el t rmino mat emt icas.
Desde la perspect iva de las ciencias mat emt icas, la at encin se fij a en el desarroll o del
pensamient o mat emt ico. Est o significa que se supera la divisin t radicional de las
mat emt icas en geomet ra, arit mt ica, lgebra y t rigonomet ra que ha prevalecido en las
mat emt icas escolares. Siguiendo las argument aciones de St een ( 1998) , considero el
sist ema t ot al de las mat emt icas formado por ideas ent re las que encont ramos est ruct uras
mat emt icas especficas como Nmeros, Algorit mos, Razones, Formas, Funciones y Dat os;
at ribut os t ales como: lineal, peridico, simt rico, cont inuo, aleat orio, mximo, aproximado y
uniforme; acciones como represent ar, cont rolar, demost rar, descubrir, aplicar, const ruir un
modelo, experiment ar, clasificar, visualizar y calcular; abst racciones como smbolos, infinit o,
opt imizacin, lgica, equivalencia, cambio, semej anza y recursin; act it udes como
pregunt arse, querer decir, belleza y realidad; comport amient os como movimient o, caos,
resonancia, it eracin, est abilidad, convergencia, bifurcacin y oscilacin; y dicot omas como
Discret o vs. Cont inuo, Finit o vs. I nfinit o, Algort mico vs. Exist encial, Est ocst ico vs.
Det erminist a y Exact o vs. Aproximado ( St een, 1998, pp. 9- 10) .
La complej a diversidad de las ciencias mat emt icas es enfat izada en est e enfoque, de ella
surgen ideas para la const ruccin de un currculo t ej ido con varios hilos conduct ores. Como
Universidad Nacional Abierta 11
seal ant eriorment e, est os hilos conduct ores no se limit an a la t radicional divisin de las
mat emt icas en ramas. Es import ant e sealar que dent ro de est a perspect iva t ambin se
supera la visin de las mat emt icas de un ao o nivel det erminado como preparacin para
las mat emt icas que se est udiarn en el ao o nivel siguient e.
Para t erminar, la propuest a de una pedagoga de las ciencias mat emt icas permit ira darle
forma a la disciplina y evit ara falsas dicot omas, como la int roducida por DAmore quien
divide la didct ica en dos t olet es denominados A y B respect ivament e. Est e t ipo de
dicot omas cont ribuye a foment ar la separacin ent re l a t eora y la prct ica pedaggica, lo
cual es insost enible e inacept able. En nuest ra propuest a nos acercamos ms bien a la
definicin de la pedagoga de las ciencias mat emt icas como soport e para una ciencia del
diseo que incluye a la didct ica y la met odologa de la enseanza.
Didct ica de las mat emt icas
La didct ica de las mat emt icas se ocupa de est udiar el proceso didct ico. El proceso
didct ico est formado por t res component es y las relaciones ent re ellos, est os son: 1) el
cont enido de la enseanza, 2) la enseanza y 3) el est udio ( Danilov, 1960) . Cuando
hablamos de cont enido de la enseanza nos referimos al curso o asignat ura, al conj unt o de
conocimient os organizados para la enseanza, para que los est udiant es lo puedan asimilar
mediant e el est udio act ivo. Por ej emplo, cuando nos referimos al lgebra lineal en el
cont ext o del proceso didct ico, se t rat a del conocimient o seleccionado para ser enseado en
cursos de est a rama de las mat emt icas. La enseanza, labor del profesor, consist e de la
exposicin de la asignat ura, la organizacin de las act ividades de aprendizaj e en las
unidades didct icas, en t rat ar de formar en los est udiant es el hbit o de razonar
mat emt icament e, en dirigir el est udio individual de los est udiant es y en evaluar los
aprendizaj es logrados por los est os. Nos referimos t ant o a la enseanza que se realiza en el
aula en presencia de los est udiant es como a la que se realiza a dist ancia por medio de
mat eriales inst ruccionales impresos o dist ribuidos por la web. Por ult imo, el est udio se
refiere a la variedad de act ividades que deben realizar los est udiant es para asimilar el
cont enido. Ent endemos el est udio como el component e del proceso didct ico que conect a la
enseanza con el aprendizaj e. En ot ras palabras, el profesor ensea el cont enido
especificado en un curso det erminado, si los est udiant es est udian asimilarn los cont enidos;
de lo cont rario no aprendern. No import a cuant o esfuerzo haga un profesor por ensear un
cont enido dado, si los est udiant es no est udian nunca aprendern. Est a caract erizacin del
est udio cobra an ms relevancia en el cont ext o de la educacin a dist ancia.
Part iendo de la consideracin ant erior, t enemos que la didct ica se ocupa de est udiar
problemas relacionados con la enseanza, el cont enido de la enseanza y el est udio;
disear soluciones para esos problemas y evaluar su bondad. En el caso que nos ocupa en
est e curso se t rat a ent onces de problemas que t iene que ver con la enseanza del lgebra
lineal, los cont enidos de lgebra lineal que se ensean y el est udi o del lgebra lineal.
Por ot ro lado, asumimos que la didct ica de las mat emt icas e una ciencia del diseo. Es
decir no se queda en el est udio de los problemas, sino que busca soluciones y las evala.
Una vez ident ificados los problemas se disean int ervenciones para resolverlos y se evala
su efect o, t al como se hace en la ingeniera y en ot ras ciencias del diseo. Para lograr est e
fin, en la didct ica de las mat emt icas se han desarrollado, adapt ado o adopt ado
met odologas especficas, t ales como: a) el experiment o didct ico, b) la ingeniera didct ica
y c) el est udio de la leccin.
Est as met odologas fueron desarrolladas dent ro de diferent es t radiciones en educacin
mat emt ica. El experiment o didct ico fue desarrollado originalment e en la Unin Sovit ica,
baj o la influencia de las escuelas psicolgicas y educacionales sovit icas. Post eriorment e,
una versin del experiment o didct ico fue desarrollada en los Est ados Unidos,
part icularment e por los invest igadores de la Universidad de Georgia . La ingeniera

didct ica es una creacin de la escuela didct ica francesa. Y la leccin invest igacin es una
met odologa desarrollada en Japn.
Experiment o didct ico
El experiment o didct ico fue desarrollado por psiclogos y pedagogos sovit icos. Est a
met odologa fue descubiert a por educadores mat emt icos est adounidenses como
result ados de las t raducciones t rabaj os de invest igacin sovit icos de educacin
mat emt ica, como part e del t rabaj o del Grupo de Est udio de la Mat emt ica Escolar , el cual
funcionaba en la Universidad de Chicago. Ms t arde, una adapt acin de est a met odologa
fue hecha por los const ruct ivist as de la Universidad de Georgia, Est ados Unidos, ent re los
que se dest aca Leslie St effe. El primer t rabaj o en espaol sobre el experiment o didct ico fue
present ado por Mosquera (1989) en la I I I Reunin Cent roamericana y del Caribe de
Formacin de Profesores e I nvest igacin en Mat emt ica Educat iva que se realiz en San
Jos, Cost a Rica.
La prohibicin, en 1936, de la t eora y prct ica de la psicomet ra en la Unin Sovit ica t uvo
un impact o t remendo en la met odologa de invest igacin en el campo de la psicologa de la
educacin ( Bogoyavlensky y Memchinskaya, 1973) . Los psiclogos de la educacin
comenzaron a modi ficar su espacio de problemas. Ent onces comenzaron a est udiar las
t ransformaciones cognoscit ivas que se producen los est udiant es baj o la inf luencia del
sist ema educat ivo. En especial,
( ) fue necesario aclarar cmo los mt odos de enseanza y el cont enido de las
nociones det erminan las caract erst icas psicolgicas del aprendizaj e, y cual es el
significado de la act ividad de los propios alumnos durant e el aprendizaj e ( )
( Bogoyavlensky y Memchinskaya, 1973, p. 125)
Sobre est e aspect o, Zankov ( 1973) seala que
La simple observacinaunque esencial para est ablecer los aspect os t picos de
la enseanzano poda proporcionar mat erial para valor ar la eficacia de cada
mt odo. A est e propsit o se us un experiment o de enseanza, en forma de
lecciones especiales realizadas en condiciones escolares normales, y de t areas
experiment ales realizadas por un nmero rest ringido de alumnos. ( p. 272)
Est e cambio de act it ud se puede resumir en la afirmacin: los procesos ment ales no se slo
se manifiest an durant e la act ividad, sino que se forman durant e la act ividad. Est a idea se l e
at ribuye a Rubinst ein ( Bogoyavlensky y Memchinskaya, 1973) . As, hace su ent rada
definit iva la t eora de la act ividad en la psicologa sovit ica.
Los psiclogos de la educacin empezaron a dedicarse a est udiar el desarrollo cognoscit ivo
del nio baj o la influencia de la educacin y la enseanza. Est o les llev al desarrollo de un
nuevo t ipo de experiment o nat ural, el experiment o de enseanza (Bogoyavlensky y
Memchinskaya, 1973) . Durant e la realizacin de est e t ipo de experiemnt o: los propios
psiclogos enseaban y formaban nociones, habilidades o hbit os, acoplando en el curso de
los experiment os el est udio y la accin ( Bogoyavlensky y Memchinskaya, 1973, p. 127) .
Los psiclogos de la educacin sovit icos t ambin est udiaron el t rabaj o de docent es
ident ificados como expert os en la enseanza de asignat uras especficas ( Fleshner, 1973) .
Adems, combinaban en sus est udios la enseanza experiment al con experiment os
individuales ( Krut et sky, 1973) .
Rubinst ein (1967) en su crt ica al experiment o t radicional en psicologa, propone la
int roduccin de variaciones met dicas, que vienen a ser como una combinacin ent re le
experiment o y la observacin, as como ot ros mt odos auxiliares ( p. 56) . En part icular,
Rubinst ein hace referencia al experiment o nat ural , el cual fue diseado por Lasurski.
Precisament e, en experiment o nat ural se combinan la experiment alidad con la nat uralidad
de las condiciones en las que se realiza el est udio. En est e t ipo de experiment o, primero el
invest igador indaga sobre la act ividad a est udiar y los rasgos que le int eresa est udiar,
post eriorment e se observan los procesos a est udiar en condiciones nat urales, sin la
int ervencin del invest igador. Lasurski resalt aba la necesidad de evit ar la influencia direct a
del invest igador sobre los part ici pant es y la sit uacin como una forma de garant izar la
nat uralidad del experiment o ( Rubinst ein, 1967) .
Rubinst ein ( 1967) desarroll una variant e del experiment o nat ural de Lasurski. En est a
variant e se supone que el nio se desarrolla baj o la influencia de la educacin y la
enseanza en la escuela. Por t ant o, no es posible pensar en el mant enimient o de
sit uaciones fuer a de t oda influencia. Adems, se considera que la influencia ej ercida en los
est udiant es por medio de la accin pedaggica es nat ural. Por t ant o,
Est udiamos al nio mient ras le enseamos. No renunciamos al experiment o a
favor de la observacin del proceso pedaggico, sino que ut ilizamos los
element os de la influencia pedaggica en el experiment o y est udiamos al nio
en las lecciones experiment ales . En ellas no nos esforzamos por fij ar en
primer lugar el est adio o el nivel en el cual se halla el nio, sino en ayudarle a
progresar desde ese nivel al siguient e superior. En ese progreso reconocemos
luego las leyes de la psique infant il. ( Rubinst ein, 1967, p. 57)
I ngeniera didct ica
La ingeniera didct ica surgi en el campo de la didct ica de las mat emt icas francesa. La
ingeniera didct ica surgi a principios de los aos 80, Como seala Douady ( 1996) :
En est e cont ext o el t rmino ingeniera didct ica designa un conj unt o de
secuencias de clase concebidas, organizadas y art iculadas en el t iempo de
forma coherent e por un maest ro-ingeniero para efect uar un proyect o de
aprendizaj e de un cont enido mat emt ico dada para un grupo concret o de
est udiant es. [ ] ( p. 241)
La ingeniera didct ica es caract erizada por Douady como el mot or de la didct ica de las
mat emt icas.
Para Art igue ( 1996) , la ingeniera didct ica es un esquema experiment al basado en
realizaciones didct icas en el aula, est o es, en la concepcin, realizacin, observacin y
evaluacin. En la ingeniera didct ica se dist inguen t radicionalment e dos niveles: (1) micro-
ingeniera y ( 2) macro- ingeniera. Ot ra caract erst ica de est a met odologa de invest igacin
es su int ers en la validez int erna, fundada en la confront acin ent re el anlisis a priori y a
post eriori . Las principales diferencias ent re la ingeniera didct ica y ot ras met odologas de
invest igacin en educacin mat emt ica no se encuent ran en sus obj et ivos, sino en su
funcionamient o met odolgico.
Art igue (1996) ident ifica cuat ro fases de la ingeniera didct ica:
1. Anlisis previo. El t rabaj o en est a fase se apoya en un cuadro t erico didct ico
general y en conocimient os didct icos ya adquiridos en el dominio est udiado.
Tambin se apoya en una serie de anlisis:
- Epist emolgico de los cont enidos propuest os para la enseanza,
- De la enseanza habit ual y de sus efect os,
- De las concepciones de los alumnos, de las dificult ades y obst culos que marcan
su evolucin,
- Del campo de rest ricciones en el cual va a sit uarse la realizacin didct ica,

- ( ) , t ener en cuent a los obj et ivos especficos de la invest igacin ( Art igue, 1996,
p. 198)
Est os anlisis pueden hacerse en t res dimensiones, las cuales son:
- la dimensin epist emolgica asociadas a las caract erst icas del saber en j uego;
- la dimensin cognit iva asociada a las caract erst icas cognit ivas del pblico al que
est dirigido la enseanza;
- la dimensin didct ica asociada a las caract erst icas del funcionamient o del
sist ema de enseanza. ( Art igue, 1996, p. 200)
2. Concepcin y anlisis a priori de las sit uaciones didct icas de la ingeniera.
El invest igador t oma la decisin de act uar sobre un nmero det erminado de
variables, las cuales supone pert inent es para el problema est udiado, del sist ema no
fij adas por las rest ricciones. Encont ramos dos t ipos de est as variables: micro-
didct icas ( o locales) y macro- didct ica ( o globales) . Segn Art igue (1996) , hay una
t endencia a considerar primero variables macro- didct icas, t ales como: uso de
t ecnologa o el diseo de recursos adecuados para el est udio, y luego se pasa a las
variables locales; el plano del proceso de enseanza considerando las alt ernat ivas
locales. El hecho que las variables macro- didct icas sean consideradas de ant emano
a las variables micro- didct icas, no significa que sean independient es de est as
lt imas.
El obj et ivo del anlisis a priori es, pues, det erminar de qu forma permit en las
opciones efect uadas cont rolar los comport amient os de los alumnos y e sent ido de
esos comport amient os (Art igue, 1999, p. 205). Est e anlisis cont empla dos part es:
( a) descript iva y ( b) predict iva. Tradicionalment e, en est e anlisis a priori:
- Se describen la opciones efect uadas al nivel local ( remit indolas, event ualment e,
a las opciones globales) , y las caract erst ica de las sit uaciones a- didct icas,
- Se analiza el peso que la inversin en est a sit uacin puede t ener para el alumno,
part icularment e en funcin de la accin, de la opcin, de la decisin, del cont rol y
de la validacin de que l dispone, una vez operada la devolucin, en un
funcionamient o casi aislado del profesor,
- Se prevn los campos de comport amient os posibles y se procura most rar de que
forma el anlisis efect uado permit e cont rolar el sent ido de esos campos y asumir,
en part icular, que l os comport amient os esperados, si int ervinieran, result aran
clarament e de la aplicacin del conocimient o est ablecido por el aprendizaj e.
( Art igue, 1996, p. 205)
Tradicionalment e, el profesor est poco present e en el anlisis a priori. Est e t rat amient o del
profesor se j ust ifica por razones hist ricas. La didct ica de las mat emt icas en Francia se
desarroll baj o la influencia del const ruct ivismo de la escuela de Ginebra, liderada por
Piaget . Est a se caract eriza por el rescat e de la import ancia del est udiant e. Pero, est e rescat e
signific la marginacin del profesor, t ant o al nivel de la modeli zacin como de la
t eorizacin. Resalt a Art igue ( 1996) que el profesor j uega un papel marginal en la didct ica
de las mat emt icas francesa. An ms, en los fenmenos didct icos en que est n
implicados son considerados como ruidos relat ivos al funcionamient o. De alguna manera, el
cont rat o didct ico permit e la ent rada del profesor del profesor en el sist ema didct ico como
act or.
3. Experiment acin. Est a fase no necesit a mucha explicacin, ya que se refiere a la
puest a en prct ica de las act ividades planificadas.
4. Anlisis a post eriori y de evaluacin. Se apoya en el conj unt o de los dat os
recogidos durant e la experiment acin: observaciones de las sesiones de enseanza,
incluyendo t ambin producciones de los est udi ant es dent ro y fuera del aula. Con
frecuencia, est os dat os son complement ados con dat os obt enidos por medio de
met odologas ext ernas; t ales como: cuest ionarios, pruebas individuales o grupales,
et c. Es oport uno recordar que en la confront acin de los result ados del anlisis a
priori y del anlisis a post eriori es que se fundament a la validacin de las hipt esis
considerada sen la invest igacin. Est a validacin int erna no t iene que ver con la
validacin est adst ica t pica de los est udios que se basan en la comparacin de un
grupo cont rol con un grupo experiment al.
La ingeniera didct ica se ocupa de dos problemas import ant es: ( a) la reproducibilidad y ( b)
la obsolescencia.
Act ividad 1.1
Compare y cont rast e el experiment o didct ico y la ingeniera didct ica.
Leccin de est udio
La met odologa leccin de est udio fue creada en Japn y descubiert a por invest igadores de
los pases occident ales durant e el desarrollo del Third I nt ernat ional Mat emt ics and Science
St udy ( TI MSS) . En China se usa una met odologa que t iene muchos element os en comn
con la leccin de est udio ( Mart on y Mai Fing, 2003) . Est a met odologa fue divulgada
ampliament e en Occident e por medio del libro de St igler y Hibert (1999) . La expresin
st udy Lesson fue acuada por Makot o Yoshida a part ir del t rmino j apons j ugyou
kenkyuu. Sobre est e asunt o Cat herin Lewis coment a lo siguient e:
Kenkyuu j ugyou significa research lesson ( o st udy lesson) , y se refiere a las
lecciones que los profesores planifican, observan y discut en conj unt ament e.
Jogyou kenkyuuusando las mismas dos palabras ant eriores pero en orden
invert idosignifica lesson research ( o lesson st udy) , y se refiere al proceso de
mej oramient o inst ruccional del cual la research lesson es la pieza fundament al.
( p. 2, cit ado en Mart on y Mai Fing, 2003)
Hast a aqu t enemos ent onces que, segn Lewis, la met odologa es la leccin de est udio y las
lecciones de invest igacin son las lecciones diseadas por los profesor es y forman su ncleo
cent ral. Ent re los pases occident ales, part icularment e en los Est ados Unidos numerosos
educadores han most rado un especial int ers por est a met odologa. Por ej emplo, el
prest igioso Teachers College, de la Universidad de Columbia, ha creado el Lesson St udy
Research Group dedicado a la invest igacin y desar rollo usando la met odologa del est udio
de la leccin.
Las lecciones de invest igacin t ienen cinco caract erst icas comunes: ( 1) son observadas por
ot ros profesores, ( 2) son planificadas por los profesores cooperat ivament e, usualment e est e
proceso t oma un t iempo considerable, (3) se cent ran en un obj et ivo educacional part icular,
( 4) son regist radas y document adas y ( 5) son discut idas por los profesores involucrados
( adapt ado por Mart on y Mai Fing, 2003 de Lewis ( 2000) y Lewis y Tsuchida ( 1998) ) .
La leccin de est udio puede ser considerada como un proceso de desarrollo profesional
donde un grupo de profesores se involucran para examinar su prct ica, con el obj et ivo de
ser ms efect ivos. Adems, la leccin de est udio es un int ent o de mej orar el aprendizaj e en
los est udiant es. La prct ica es examinada en el cont ext o del desarrollo cooperat ivo de un
pequeo nmero de lecciones invest igacin. Est e desarrollo cooperat ivo incluye la
planificacin, la enseanza, la observacin y la crt ica de las lecciones. Para darle direccin y
propsit o a su t rabaj o los profesores seleccionan un obj et ivo y pregunt as de invest igacin

relacionadas. Est as pregunt as de invest igacin sirven para guiar el t rabaj o de los profesores
en t odas las lecciones invest igacin.
Uno de los principal es supuest os en los que se basa la leccin de est udio es que el lugar
ms efect ivo para mej orar la enseanza es el cont ext o de una leccin en el aula. Se plant ea
t ener como punt o de part ida la leccin, de est a manera se piensa que el problema de cmo
aplicar los result ados de la invest igacin al aula desaparece. Las mej oras surgen dent ro de
la misma aula, en primer lugar ( St iegler y Hibert , 2003) .
Los profesores que se embarcan en una leccin de est udio, conj unt ament e elaboran un plan
det allado para la leccin. Est e plan ser usado por uno de los profesores en su aula, los
ot ros miembros del grupo observan el desarrollo de la leccin. Luego el grupo se rene para
discut ir las observaciones sobre la leccin. Con frecuencia, el grupo revisa la leccin y luego
un segundo profesor implement a st a en su clase, y el grupo t ambin observa est a nueva
puest a en prct ica de la leccin. El grupo de reunir ot ra vez para discut ir las clases
observadas. Como paso final, el profesor produce un report e de aquello que han aprendido
de su leccin invest igacin, poniendo nfasis especial en su pregunt a de invest igacin.
La leccin de est udio es un proceso de cambio desde la base, opuest o al modelo de cambios
impuest os desde arriba. La puest a en prct ica de un est udio de la leccin requiere primero
que t odo la formacin de un Grupo de Est udio de la Leccin (GEL) , formado por un nmero
de cinco a siet e profesores. El GEL se rene t res a cuat ro veces por semana. El obj et ivo de
est as reuniones es desarrollar y mej orar una leccin experiment al modelo. Los profesores
se t oman un ao ent ero en desarrollar varias lecciones de 45 minut os. Los GEL no est n
relacionados con procesos de evaluacin del desempeo de los profesores ni con
recompensas salariales. Est os grupos son bast ant e populares y t enidos en alt a est ima ent re
los profesores j aponeses. Veamos a cont inuacin, en det alle, el proceso de la leccin de
est udio:
1. Definir el problema y el obj et ivo de aprendizaj e. El GEL ident ifica un obj et ivo de
aprendizaj e general o especfico para ser t rat ado en una leccin en un aula, la cual
ser enseada por uno de los miembros del GEL y observada por el rest o de sus
miembros.
2. I nvest igar y planificar la leccin. Los miembros del GEL revisan invest igaciones
report adas en art culos de revist as y libr os relevant es para el problema propuest o.
La leccin es desarrollada con bast ant e det alle. Se escoge siempre un probl ema para
iniciar cada leccin. Est e problema es discut ido con det enimient o y diseado,
adapt ado o escogido de manera t al que est en sint ona con las experiencias e
int ers es de los est udiant es que recibirn est a leccin. Es diseada la manera
precisa como el profesor present ar el problema a los est udiant es. El GEL resuelve el
problema, desarrollan t odas las soluciones posibles, se piensa en las posibles
respuest as, pensamient os y preocupaciones que surgiran en los est udiant es al
t rabaj ar en el problema, y cmo el profesor respondera a el las. Los preparat ivos de
la leccin incluyen el uso del pizarrn y la manera cmo el profesor cerrar cada
leccin. Una vez que el GEL complet a el diseo del est udio de leccin para el
problema det ect ado, st e es present ado a t odos los profesores de la escuela. Con las
observaciones de los colegas, los miembros del GEL preparan la versin del est udio
de la leccin que ser implement ado.
3. Ensear la leccin. El da ant erior, en Japn acost umbran hacerlo en la noche
ant erior, a la puest a en prct ica de la leccin, los profesores preparan t odos los
mat eriales necesarios y ensayan la leccin. El da de la leccin, los profesores del
GEL asist en para observar a su colega, pasean por t oda el aula observando
minuciosament e las reacciones de los est udiant es. Las clases de los ot ros profesores
son mient ras t ant o at endidas por dos est udiant es como monit ores sin supervi sin de
ningn adult o. Algunas veces, adems de la observacin in sit u, se graba el
desarrollo de la leccin.
4. Evaluar, reflexionar y revisar . Los miembros del grupo suelen quedarse despus
de t erminada la j ornada para ref lexionar y evaluar la leccin. Primero int erviene el
profesor que ense la leccin, luego int erviene cada miembro del grupo, discut en
sobre las part es de la leccin que salieron bien y las que no, basndose siempre en
sus observaciones sobre el t rabaj o de los est udiant es. El cent ro de la at encin es la
leccin, no el profesor. El principal obj et ivo del GEL es disear una mej or leccin y
t odos est n compromet idos con ese obj et ivo.
5. Ensear la leccin revisada. La leccin revisada es enseada ot ra vez, a un grupo
diferent e de est udiant es, con frecuencia por un miembro diferent e del GEL. Est a
segunda vez t odos los profesores de la escuela son invit ados a observar la leccin.
Est e event o es int eresant e y hast a dramt ico, porque en escuelas grandes muchas
veces hay en el aula ms profesores que est udiant es.
6. Evaluar, reflexionar y compart ir los result ados. El paso siguient e es la discusin
de la leccin con t odos los profesores de la escuela, algunas veces invit an a algn
expert o de ot ra inst it ucin. En est a reunin son recogidas t odas las observaciones,
los miembros del GEL regist ran t odo est e proceso en un libro escrit o por ellos
mismos para ser compart ido con ot ros profesores. Est e libro es almacenado en la
sala de recursos de la escuela, algunos de est os libros llegan a ser publicados para
ser usados en t odo el pas. Algunas veces sucede que profesores de ot ras escuelas
son invit ados a observar lecciones en la escuela, en una especia de feria de la
leccin , est e moment o es considerado como una ocasi n fest iva para los profesores.
Las lecciones modelo son discut idas en conferencias nacionales de profesores y guan
las acciones de l os profesores en t odo el pas (t oda est a informacin fue t omada de
Morgan, 2001, disponible en as1.seat t leschools.org/ alt _ed/ lesson_st udy.ht m) .
St igler y Hibert (1999, cit ado en Mart on y Mai Fing, 2003) ident ificaron ocho pasos en el
diseo de una leccin de est udio. Encont ramos algunas diferencias ent re esos pasos y los
descrit os ant eriorment e propuest os por Morgan ( 2001) . Primero,
Al igual como sucedi con el experiment o didct ico sovit ico, en Occident e se desarroll una
nueva met odologa que surge del est udio de la leccin. Est a nueva met odologa es la leccin
de aprendizaj e propuest a por Mart on (2002) en Noruega.
Act ividad 1.2
1. Compare y cont rast e el experiment o didct ico con la leccin de est udio.
2. Compare y cont rast e la ingeniera didct ica con la leccin de est udio.
3. Elabore una t abla donde ident ifique los element os comunes ent re est as t res
met odologas.
En est a seccin est udiamos la didct ica como proceso e hicimos nfasis en su carct er de
ciencia del diseo. Dedicamos especial at encin a t res met odologas caract erst icas de la
didct ica de las mat emt icas: a) el experiment o didct ico, b) la ingeniera didct ica y c) el
est udio de la leccin. Est as met odologas han sido usadas por educadores mat emt icos de
manera part icular para indagar sobre problemas propios de la didct ica de las mat emt icas
y el diseo de soluciones a esos problemas.
Didct ica del lgebra lineal
La didct ica del lgebra Lineal es una de las ramas ms j venes de la didct ica de las
mat emt icas. Aunque aisladament e se haban publicado t rabaj os de invest igacin sobre
t emas de enseanza y aprendizaj e del lgebra Lineal, no es sino en la dcada de 1990 que

comienza a est udiarse est a lt ima de manera si st emt ica. Podemos dist inguir dos grandes
corrient es en esos comienzos. Por un lado, el movimient o de reforma curricular que se inici
en los Est ados Unidos mot orizado por el Linear Algebra Curriculum Group (Grupo del
Currculo en lgebra Lineal) . Por el ot ro lado, encont ramos las invest igaciones iniciadas por
J. Dorier en Francia dent ro del campo de la didct ica de las mat emt icas francesa. Est os dos
movimient os no agot an, como veremos ms adelant e, t odo lo que se ha hecho en didct ica
del lgebra Lineal. Ms recient ement e, se inicia la invest igacin en didct ica del lgebra
Lineal dent ro de la lnea de invest igacin del denominado pensamient o mat emt ico
avanzado, la cual fue fundada por Dubinsky. Ust ed ya t uvo la oport unidad de est udiar sobre
est a lnea en el curso de Didct ica del Clculo. En la leccin que sigue veremos un buen
nmero de casos de invest igaciones en didct ica del lgebra lineal.
A manera de conclusin, part imos de una present acin de la pedagoga de las ciencias
mat emt icas y dist inguimos a la didct ica de las mat emt icas como una de sus ramas.
Seguido pasamos a considerar a la didct ica del lgebra lineal como un caso part icular de la
didct ica de las mat emt icas. La didct ica del lgebra lineal se ocupara ent onces de
est udiar el proceso didct ico referido a la educacin en cont enidos de est a rama de las
mat emt icas.
Referencias
ANDER-EGG, Ezequiel (1979) . Hacia una pedagoga aut ogest ionaria. Caracas: El Cid.
BEDOYA M., Jos I . (2001) : Epist emologa y pedagoga. Bogot : Ecoe.
BOGOYALENSKY, D. N. y MENCHI SKAYA, N. A. ( 1973) . La psicologa del aprendizaj e desde
1900 a 1960. En M. CECCHI NI (comp.) , Psicologa y pedagoga ( pp. 119- 188) .
Madrid: Akal.
COBB, Paul y STEFFE, Leslie P. (1983) . The const ruct ivist researcher as t eacher and model
builder. Journal for Research in Mat hemat ics Educat ion, 14, 83- 94.
DANI LOV, M. A. (1968) . El proceso de enseanza en la escuela. ( L. ABOLLADO VARGAS,
Trad.) . Mxico: Grij albo. ( Original 1960)
DAVI DOV, V. (1988) . La enseanza escolar y el desarrollo psquico ( M. SHUARE, Trad.)
Mosc: Progreso. ( original 1986)
ENGELHARDT, P. V., CORPUZ, E. G., OZI MEK, D. J. y REBELLO, N. S. (2001) . The t eaching
experiment What it is and what it isnt . Disponible en:
www.phys.ksu.edu/ ~ engelhar/ The%20Teaching%20Experiment .pdf . Consult ado en:
31 de mayo de 2004.
FLESHNER, E. A. (1973) . Psicologa del aprendizaj e y de la aplicacin de algunos concept os
de fsica. En M. Cecchini (comp.) , Psicologa y pedagoga ( pp. 213-232) . Madrid:
Akal.
FREI RE, Paulo ( 2000) . Pedagogia da indignacao. Sao Paulo: UNESP.
FREI RE, Paulo ( 2005) . Pedagoga de la aut onoma. ( Guillermo PALACI OS, Trad.) . Mxico:
Siglo XXI . ( Original 1966)
FREI RE, Paulo ( 2005) . Pedagoga de la esperanza. (St ella MASTRANGELO, Trad.) .
Mxico: Siglo XXI . ( Original 1992)
GAZTELU, Luis (1913) . Principios de la moderna pedagoga mat emt ica. Revist a de Obras
Pblicas, Ao LXI , Nm. 1.956, pp. 145- 149.
KANTOWSKI , Mary G. (1978) . The t eaching experiment and Soviet st udies of problem
solving. En L. L. HATFI ELD y D. A. BRADBARD (Comps.) , Mat hemat ical problem
solving: Papers from a research workshop ( pp. 43-52) . Columbus: Ohio St at e
Universit y.
KRUTETSKY, V. A. (1973) . Algunas caract erst icas del pensamient o en escolares con
escasa apt it ud para las mat emt icas. En M. Cecchini ( comp.) , Psicologa y pedagoga
( pp. 233-256) . Madrid: Akal.
MOSQUERA, Julio (1988) . A st rat egy for t he development of a didact ics of mat hemat ics for
I bero- America. Tesis de Maest ria no publicada. Universit y of Georgia, At enas, Est ado
Unidos.
PETROVSKI , A. (1985) . Psicologa evolut iva y pedaggica. ( L. SALI NAS, t rad.) . Mosc:
Progreso. ( original 1973)
SANTI AGO ROCCA, Manuel ( 1957) . Una pedagoga de inspiracin lat inoamericana.
Mxico: Herrero.
STEFFE, Leslie P. ( s.f.) . The const ruct ivist t eaching experiment : I llust rat ions and
implicat ions. Trabaj o no publicado.
STEFFE, Leslie P. y Thompson, P. W. ( 2000) . Teaching experiment met hodology:
Underlying principles and essent ial element s. En R. LESH y A. E. KELLY ( comps.) ,
Research design in mat hemat ics and science educat ion ( pp. 267- 307) . Hillsdale:
Erlbaum.
THOMPSON, Pat rick (1979) . The const ruct ivist t eaching experiment in mat hemat ics
educat ion research. Trabaj o present ado en la Research Report ing Session, Annual
Meet ing of t he Nat ional Council of Teachers of Mat hemat ics, Bost on.

Aut o- Evaluacin 1

1. I ndique cules son lo component es del proceso didct ico. .
2. Explique en qu consist e el experiment o didct ico.
3. Elabore un breve ensayo donde describa la ingeniera didct ica.
4. Describa el est udio de la leccin o leccin de est udio.
5. Cul es el cent ro de at encin de la perspect iva de las ciencias mat emt icas?
6. Elabore una list a de las ideas ident ificadas por St een como element os import ant es de las
mat emt icas.
7. Cul el principal obj et ivo que se busca con la int roduccin de la expresin pedagoga de
las ciencias mat emt icas?
8. Cul es el obj et o de est udio de la didct ica de las mat emt icas?

Leccin 2
I nvest igacin en Didct ica del lgebra Lineal

Como sealamos al inicio de est a Unidad, la Leccin 2 est dedicada a una revisin de la
invest igacin en didct ica del lgebra Lineal. No pret endemos ser exhaust ivos en est a
revisin. Lo import ant e es que ust ed se forme una visin general de los principales
problemas que se han invest igado, de las met odologas ut ilizadas y de los principales
result ados report ados.
Primeros pasos en la invest igacin
El primer t rabaj o que hemos ident ificado en el campo de la educacin mat emt ica sobre la
enseanza y aprendizaj e del lgebra lineal es la t esis de doct orado de Harel ( 1985) ,
present ada ant e la Universidad Ben- Gurion en I srael. Por t ant o, consideramos a est e aut or
como el pionero en est a mat eria. Esa invest igacin t ena que ver con la enseanza del
lgebra lineal en la escuela secundaria (High-school en I srael) . Ms t arde ese mismo aut or
se ocup de la enseanza de est a rama de las mat emt icas a nivel universit ario ( Harel,
1989, 1997, 1999) . En el primero de est os t rabaj os, Harel (1989) se basa en el principio de
las incorporaciones
1
mlt iples propuest o por Z. P. Dienes a principios de los aos de 1960.
Est e principio haba sido ut ilizado exclusivament e en el caso de represent aciones concret as
de concept os de las mat emt icas element ales, hast a que Harel ( 1989) lo us en t emas de
lgebra lineal a nivel univer sit ario. En est e lt imo caso se plant ea como problema que las
incorporaciones usadas frecuent ement e en ese nivel no son concret as sino abst ract as. Por
ej emplo, la mayora de los libros de t ext o de lgebra lineal revisados por Harel ( 1989) usan
incorporaciones algebraicas en lugar de incorporaciones geomt ricas y prest an poca
at encin a la familiarizacin de los est udiant es con las incorporaciones usadas. Harel ( 1989)
se plant e la pregunt a siguient e: Un nfasis en la incorporacin en un sist ema geomt rico
familiar lleva a los est udiant es a una mej or comprensin del concept o de espacio vect orial
que un nfasis en una incorporacin en una variedad de sist emas algebr aicos no
familiares? (p. 49) . Est e sist ema geomt rico familiar es una incorporacin semi - conret a.
Para que ese proceso de incorporacin funcione se requiere que la sit uacin usada sea
familiar y comprendida complet ament e por los est udiant es (Harel, 1989) .
En est e est udio part iciparon set ent a y dos est udiant es del segundo semest re universit ario
en un curso de lgebra lineal para est udiant es inscrit os en un programa de t ecnologa en
una universidad en I srael. Los est udiant es fueron asignados aleat oriament e a dos grupos, A
y B respect ivament e, de t reint a y seis miembros cada uno. Ambos grupos recibieron clases
de un mismo profesor, el cual us principalment e el sist ema R
n
para ilust rar ideas
abst ract as enseadas en clase, sin hacer referencia a la int erpret acin geomt rica de esas
ideas (Harel, 1989) . Ambos grupos recibieron dos horas de clase adicionales semanalment e
de recit acin
2
, el grupo A recibi clases ext ras con una variedad de incorporaciones de las
ideas abst ract as que fueron t rat adas en las clases ant eriores. Mient ras que el grupo B
recibi el t rat amient o regular del grupo A slo durant e una hora y en la ot ra hora se le dio

1
Traducimos como incorporacin el trmino ingls embodiment el cual significa que un objeto (fsico o mental) es
tomado por otro porque se asume que tiene sus mismas propiedades. Por ejemplo, los bloques de Dienes son una
incorporacin del sistema de numeracin posicional.
2
En Israel el modo de enseanza por recitacin consiste en una sesin dedicada exclusivamente a la formulacin de
preguntas por parte del profesor, ste escoge a un alumno para que responda y una vez que ste lo hace el profesor
comenta si la respuesta es o no correcta.

un t rat amient o especial most rando como las ideas de espacio vect orial pueden ser
incorporadas geomt ricament e (Harel, 1989) . Despus de cuat ro semanas de t rat amient o
se les administ r una misma prueba a ambos grupos, st a cont ena problemas sencillos
sobre espacios vect oriales que poda ser resuelt os aplicando direct ament e la definicin de
espacio vect orial. Ninguno de los problemas en la prueba, except o de una variant e de uno
de ellos, fue discut ido previament e en clase (Harel, 1989) . Tres variables en las respuest as
de los est udiant es fueron consideradas: ( a) Descripcin ( a.1. geomt rica, a.2. algebraica,
a.3. ot ras) , ( b) Respuest a final ( b.1. Correct a, b.2. I ncorrect a y b.3. en blanco) y ( c)
Just ificacin ( c.1. Correct a, c.2. I ncorrect a, c.3. en blanco) (Harel , 1989) .
Los result ados obt enidos soport an la hipt esis acerca del efect o superior de las
incorporaciones geomt ricas familiares comparado con las incorporaciones algebraicas no
familiares. Por ot ro lado, el baj o nmero de respuest as correct as de los est udiant es en uno
de los problemas con sist emas algebraicos cuyos element os son colecciones de nmeros o
funciones es una muest ra de lo difcil que result a para los est udiant es t rabaj ar con est e t ipo
de incorporaciones. Algunos est udiant es en el grupo A prefirieron usar el modo geomt rico,
al que no fueron expuest os durant e el est udio, y est udiant es del grupo B prefirieron el modo
algebraico aunque f ueron expuest os al geomt rico. Harel (1989) at ribuye las diferencias
ent re el desempeo en la prueba de ambos grupos a los diferent es enfoques de enseanza
a que fueron expuest os cada grupo, y basa est a conclusin en la dist incin que hace Vinner
( 1983) ent re concept o imagen y concept o definicin. Sobre est os concept os volveremos
ms adelant e. Por lt imo, Harel ( 1989) concluye que el proceso de incorporacin es
esencial para const ruir un concept o imagen deseado de concept os abst ract os ( p. 57) y que
dicho proceso requiere t omar en consideracin la familiaridad de los est udiant es con esas
incorporaciones y el modo de represent acin. Adems, las incorporaciones geomt ricas
familiares parecieran ser una cont ribucin significat iva a la formacin del concept o imagen,
mient ras que aquellos modelos mat emt icos cuyos element os son una coleccin de nmeros
o funciones deben ser t rat ados con precaucin.
Pocos aos despus de la publicacin del t rabaj o de doct orado de Harel ( 1985) , Jean- Luc
Dorier (1990) present su t esis de doct orado, en Fr ancia, donde report una invest igacin
hecha desde el enfoque predominant e en la didct ica francesa de las mat emt icas, liderada
por Brousseau y Chevallard, sobre la enseanza de los primeros concept os del lgebra lineal
a nivel universit ario. Los t rabaj os de Harel publicados hast a ese moment o eran conocidos
por Dorier como lo evidencia su inclusin en la list a de referencias bibliogrficas en ot ro
t rabaj o donde report a part e de su t esis de doct orado ( Dorier, 1991) .
Dorier (1991) formula lo que podramos ll amar un programa de invest igacin y desarrollo,
en el marco de la didct ica francesa, cuyos obj et ivos son desarrollar ingenieras didct icas
locales cuyo agrupamient o lleve a un enfoque general de la enseanza del lgebra lineal.
Su punt o de part ida, siguiendo la t radicin didct ica francesa, es un anlisis hist rico-
epist emolgico de la gnesis de los concept os element ales del lgebra lineal que se ensean
a nivel universit ario en Francia y se propone desarrollar un ingeniera didct ica para su
enseanza. La consideracin de est os dos asunt os hace que su propuest a incorpore la
invest igacin y el desarrollo curricular.
Product o del anlisis hist rico, Dorier ( 1991) ident ifica cuat ro et apas generales en el
desarrollo de los concept os element ales del lgebra lineal, las cuales son: (1) los nexos
ent re el est udio de los sist emas lineales y la emergencia de los primeros concept os
( combinacin lineal, dependencia e independencia lineal, generadores, rango, dimensin,
et c.) , ( 2) la gnesis de los concept os de rango y dimensin que son en efect o aspect os de
un mismo concept o que nos parece ser fundament al en el campo del lgebra lineal
element al, ( 3) la evolucin gradual desde unos result ados dispersos hast a una t eora
unificada y (4) la aparicin de los primeros enfoques axiomt icos y de su predominio t ardo
( Dorier, 1991) .
Desde el punt o de vist a hist rico, la resolucin y el est udio de los sist emas de ecuaciones
lineales j ug un papel part icularment e import ant e en la gnesis de los concept os
element ales del lgebra lineal. Adems, el anlisis didct ico y epist emolgico nos conduce a
pensar en que un buen conocimient o de los sist emas lineales es una adquisicin import ant e
para el aprendizaj e del lgebra lineal ( Dorier, 1991) . El anlisis hist rico nos permit e
explicit ar las limit aciones de t ipo epist emolgico, mient ras que el anlisis post erior permit e
encont rarnos con las rest r icciones de t ipo cognoscit ivo. Dorier ( 1991) se propone un
proyect o didct ico de larga duracin que se const ruye sobre la base de un cuerpo de
ingenieras didct icas locales, un conj unt o coherent e de ingenieras que abarcan varios
t emas de lgebra lineal.
Harel ( 1989) y Dorier ( 1991) fueron los primeros en invest igar sobre algunos aspect os de la
enseanza y el aprendizaj e del lgebra lineal. El primero se basa en una perspect iva
cognoscit iva, desarrolla en el campo de la educacin mat emt ica, propuest a por Dienes. El
segundo se apoya en el enfoque de la didct ica francesa de las mat emt icas, en part icular
la ingeniera didct ica ( ver Leccin 1) . La invest igacin sobre el aprendizaj e y enseanza del
lgebra lineal se ha cont inuado desarrollando en ambas direcciones. Ot ra rea en que se
han producido t rabaj os int eresant es es en la del diseo curricular.
Act ividad 2.1
Elabore una list a de lo probl emas invest igado en est a primera et apa de la didct ica del
lgebra lineal.
I nvest igacin sobre el conocimient o a ensear
Se inici, durant e la lt ima dcada del siglo pasado, en los Est ados Unidos un movimient o
de reforma de la enseanza del lgebra lineal a nivel universit ario siguiendo en ciert a forma
esfuerzos previos por reformar la enseanza del clculo diferencial e int egral en ese mismo
nivel. Los mat emt icos int eresados en llevar adelant e esa reforma se agruparon en una
organizacin denominada Linear Algebra Currculo St udy Group ( LACSG) . En agost o de
1990, el LACSG realiz un t aller nacional para discut ir asunt os relacionados con los
problemas de la enseanza y aprendizaj e del lgebra lineal. A est e t aller asist ieron
principalment e mat emt icos y represent ant es de ot ras profesiones donde se hace uso del
lgebra lineal. Uno de los product os de ese t aller fue un conj unt o de recomendaciones para
mej orar el currculo de est a mat eria. Est e acont ecimient o ocurre en cerca de los aos en
que aparecen los primero t rabaj os de invest igacin educat iva sobre el lgebra lineal, por
ej emplo Harel (1985, 1989) y Dorier ( 1990) . Unos aos despus, el LACSG, conj unt ament e
con la Mat hemat ical Associat ion of America ( MAA) , public un libro ( Carlson y ot ros ( a) ,
1997) donde recopilan una serie de t rabaj os sobre la enseanza y aprendizaj e del lgebra
lineal agrupados en cinco cat egoras: (1) el papel del lgebra lineal, (2) el lgebra lineal
vist a por las disciplinas client e, ( 3) la enseanza del lgebra lineal, ( 4) exposicin del
lgebra lineal y (5) aplicaciones del lgebra lineal. Para los efect os de nuest ra invest igacin
nos int eresa pasar revist a a los art culos incluidos en la t ercera cat egora.
El primer art culo ( Carlson, 1997) sirve de int roduccin al conj unt o de art culos agrupados
baj o el subt t ulo de enseanza del lgebra lineal. Est e art culo es complement ado por un
t rabaj o del LACSG ( Carlson y ot ros ( b) , 1997) donde se present an las recomendaciones
ant es mencionadas y el programa de est udio det allado para el pri mer curso de lgebra
lineal universit ario basado en esas recomendaciones.
Carlson (1997) comienza llamando la at encin sobre la dificult ad que encuent ran los
est udiant es para apropiarse de concept os del lgebra lineal como subespacio, conj unt o
generador e independencia lineal. Cuando los est udiant es t ienen que aprender est os
concept os se confunden y desorient an. Como si una densa niebla los cubriera y no pueden
ver donde est n o hacia donde van ( Carlson, 1997, p. 39) . La mayora no logra salir de la

niebla, ent onces surge la pregunt a: Por qu son est os concept os t an difciles para los
est udiant es? Carlson ident ifica las razones siguient es: 1) el lgebra lineal se ensea muy
t emprano, 2) est os son concept os, no se t rat a de algorit mos comput acionales, 3) algorit mos
diferent es son requeridos para t rabaj ar con est as ideas en cont ext os diferent es y 4) est os
concept os son int roducidos sin conexin subst ancial con experiencias previas de los
est udiant es y sin ej emplos y aplicaciones significat ivas.
A comprensin de las ideas cent rales del lgebra lineal requieren de t rabaj o duro,
persist encia y at encin de part e del est udiant e, sin import ar cual sea el t rabaj o del profesor.
No hay manera de eliminar complet ament e la niebla, pero se puede hacer un esfuerzo por
mit igarla. El t rabaj o del LACSG apunt a precisament e en esa direccin. Uno de los product os
de ese t rabaj o es una propuest a de un primer curso de lgebra lineal a nivel universit ario.
Est e curso est cent rado en la mat rices o mat riz orient ado, el cual t rat a con R
n
en lugar de
espacios vect orial es abst ract os ( Carlson, 1997) . El plan de est e curso sugiere enfat izar una
int erpret acin geomt rica de R
n
, aut ovalores, aut ovect ores y ort ogonalidad. Est e nfasis es
considerado import ant e porque permit e est ablecer al gunas conexiones con las experiencias
previas de los est udiant es con la geomet ra. Ot ra caract erst ica de est e curso es proponer
que la enseanza de los concept os proceda de lo concret o, y a part ir de numerosos casos
prct icos y ej emplos para desarrollar los concept os generales principales y la t eora
correspondient e ( Carlson y ot ros( b) , 1997) . Adems, se le prest a especial at encin a las
necesidades requeridas de part e de ot ras disciplinas o profesiones, como por ej emplo
economa e ingeniera. Los est udiant es de est as carreras en general no est n muy
int eresados o mot ivados para t omar un curso de lgebra lineal abst ract a.
Carlson (1997) enfoca el problema de la enseanza y el aprendizaj e del lgebra lineal desde
la perspect iva de un mat emt ico. l se pregunt a: Cmo aprendemos nosot ros los
mat emt icos?, y responde que t odo comienza con un est mulo inicial, un art culo o una
conversacin, luego t rabaj amos con ej emplos, hacemos conj et uras, resolvemos problemas,
hacemos demost raciones y, finalment e, nos comunicamos con nuest ros colegas, t ant o por
escrit o como oralment e ( Carlson, 1997) . Est e enfoque le parece en sint ona con la
perspect iva const ruct ivist a del aprendizaj e y la ms convenient e para guiar la enseanza del
lgebra lineal. Segn est e aut or, los est udiant es pueden aprender a aprender mat emt icas
de la manera ant es descrit a, pero necesit an que se les ensee explcit ament e. El profesor
t iene que est imular a los est udiant es para que asuman la responsabilidad de su propio
aprendizaj e, es decir, que t rabaj en duro y de forma efect iva. De est a manera se considera
que aquello que los est udiant es hacen despus de cada clase, el t rabaj o independient e con
el mat erial t rat ado en la clase es de suma import ancia, t al vez ms import ant e que la propia
clase ( Carlson, 1997) . La manera de est imular y dirigir en la direccin de las direct rices del
curso el t rabaj o del est udiant e se propone la resolucin de problemas como est rat egia.
Desde est a perspect iva los problemas propuest os j uegan un papel fundament al en el
aprendizaj e.
Carlson (1997) cierra su art culo con cinco recomendaciones para los profesores de lgebra
lineal: 1) la prct ica enfocada es import ant e para el aprendizaj e, 2) el t emor impide el
aprendizaj e, pero el aprendizaj e puede vencer al t emor, 3) la prct ica requiere de
mot ivacin, y el xit o y el est mulo parcial son buenos mot ivadores, 4) la elegancia en la
present acin del profesor no necesariament e ayuda a est udiant e a aprender. Finalment e
concluye que: ( i) aquellos est udiant es que desean aprender mat emt icas, pueden
aprenderlas con mucho t rabaj o duro y enfoque, ( ii) los mat emt icos que como yo quieren
convert irse en profesores ms efect ivos, pueden hacerlo con mucho t rabaj o duro y enfoque
( Carlson, 1997, p. 50) .
Como mencionamos ms arriba, en un t aller realizado en 1990, el LACSG elabor una serie
de recomendaciones para mej orar la enseanza del lgebra lineal en la universidad. Est as
recomendaciones son las siguient es: ( 1) El programa y la present acin del primer curso de
lgebra lineal debe responder a las necesidades de las disciplinas donde st a se usa, (2) los
depart ament os de mat emt icas en las universidades deberan considerar hacer su primer
curso de lgebra lineal un curso orient ado hacia las mat rices, ( 3) los profesores deben
considerar las necesidades e int ereses de los est udiant es como aprendices, ( 4) debe
est imularse que los profesores usen las t ecnologas en el primer curso de lgebra lineal y
( 5) por lo menos un segundo curso en t eora de mat rices/ lgebra lineal debera t ener una
alt a pri oridad en t odo currculo de mat emt icas ( Carlson y ot ros ( b) , 1997) . Los miembros
del LACSG consideran que el primer curso de lgebra lineal debe ser el ms t il de t odos los
cursos de mat emt icas que t omen los est udiant es en la universidad. Escapa del mbit o de
est a invest igacin present ar los det alles del programa de est udio del primer curso de
lgebra lineal universit ario propuest o por el LACSG. Algunos punt os resalt ant es de esa
propuest a fueron mencionados en los prrafos ant eriores.
Adems de la resolucin de problemas, ot ra est rat egia de enseanza que ha sido
experiment ada en cursos de lgebra lineal es el uso de proyect os ( Cowen, 1997, Day,
1997) . Las propuest as en est a direccin van desde la proposicin de un proyect o especfico
hast a el uso de una coleccin de proyect os para ser desarrollados durant e t odo el semest re.
Cowen ( 1997) report a una experiencia personal con la asignacin de un proyect o que
consist e en det erminar si un conj unt o de diez punt os dados en el espacio t ridimensional que
est n en un mismo plano se encuent ran sobre una circunferencia. Est e problema surgi en
el cont ext o de la indust ria aut omot riz, especficament e en la fabricacin de ciert as piezas
para vehculos por part e de un robot . Se t rat a en part icular de la fabricacin de un t ubo
para llenar el t anque de la gasolina, el cual t iene forma de un cilindro. Se t rat a de cont rolar
la calidad de las piezas fabricadas por el robot . Para ello se marcan diez punt os sobre una
de las bocas del t ubo y se verifica si est n sobre una circunf erencia. De lo cont rario
t enemos que el t ubo present a una deformacin y t endramos que i nt roducir aj ust es en el
robot . Se supone que los est udiant es han sido expuest os al algorit mo de ort ogonalizacin de
Gram-Schmidt y la aplicacin del lgebra lineal a la regresin de mnimos cuadrados. La
realizacin de est e proyect o obliga a los est udiant es a int egrar t picos vist os en diversos
moment os durant e el curso y algunos t rat ados en cursos previos ( Cowen, 1991) . Los
est udiant es t enan dos semanas para t rabaj ar en est e proyect o y el profesor les est imul
para que lo realicen en pequeos grupos.
Day ( 1997) relat a sus experiencias y las reacciones de los est udiant es a sus int ent os de
ensear el lgebra lineal de maneras diferent es a la t radicional. En los cursos t r adicionales
de est a mat eria se cubre muy poco las propiedades de las mat rices, aparent ement e los
concept os que en ellos se ensean no son asimilados complet ament e por los est udiant es y
su comprensin geomt rica de los concept os bsicos del lgebra lineal es casi nula.
Adems, est os cursos no at ienden adecuadament e las necesidades de ot ras carreras como
ingeniera y economa en cuant o a t picos del lgebra lineal y sus aplicaciones.
Considerando est as deficiencias y las recomendaciones del LACSG, Day (1997) se propuso
comenzar a ensear su curso de lgebra lineal de manera diferent e.
Su propuest a est cent rada en la enseanza de las mat rices y recurre a la int erpret acin
geomt rica de algunos concept os principales del lgebra lineal. En cuant o a la pedagoga
int roduce los proyect os con comput adoras y el t rabaj o en parej as para desarrollarlos. Sin
embargo, la t eora sigue ocupando un lugar import ant e en est a propuest a aunque se limit e
prct icament e a R
n
.
Port er ( 1997) int roduce la elaboracin de ensayos escrit os como una est rat egia para
promover el est udio de la t eora en un curso de lgebra lineal cent rado en las aplicaciones.
El uso de est a est rat egia con est e fin es mot ivado por la frecuent e quej a que a los
est udiant es se les dificult a la comprensin de concept os t ericos. Los ensayos escrit os
fueron int roducidos para est imular el est udio de la t eora por part e de un grupo de cuarent a

est udiant es en un curso de lgebra lineal cent rado en las aplicaciones. Los est udiant es
t uvieron que escribir ensayos, en parej as, sobre los t emas t rat ados en el libro del curso. En
est e libro se le daba muy poca cobert ura a la t eora por el nfasis que le pona a las
aplicaciones. Al igual que Day ( 1997) , Port er ( 1997) propone un curso desde la perspect iva
sealada por el LACSG pero con el cuidado de no sacrificar la elegancia y la pot encia de la
t eora del lgebra lineal. Segn el aut or los est udiant es part icipant es lograron un progreso
subst ancial en la comprensin de los t picos t rat ados; sin embargo, no dej aban de most rar
confusiones en sus ensayos ( Port er, 1997) . Los ensayos fueron corregidos por el profesor y
revisados por los compaeros de clase. La reaccin de los est udiant es hacia est e proceso de
revisin fue variada, a unos le desagrad, a ot ros le pareci int eresant e y unos t ercer os la
vieron como irrelevant e. Port er ( 1997) concluy de est a experiencia en el uso de t rabaj os
escrit os en l a clase de lgebra lineal que: ( 1) las t areas escrit as lograron que los
est udiant es consideran seriament e la t eora en un curso cent rado en las aplicaciones, ( 2) las
t areas t ienen que ser alt ament e est ruct urada como sea posible dado que los est udiant es no
est n familiarizados con est e t ipo de asignaciones y (3) debe incluirse en el curso la
enseanza de la mecnica de la escrit ura t cnica o, como mnimo, pedirle a los est udiant es
que lean algn mat erial sobre la escrit ura cient fica.
Los t rabaj os descrit os hast a ahora nos proveen de informacin anecdt ica sobre
experiencias de mat emt icos t rat ando de cambiar sus prct icas de enseanza y el cont enido
de sus cursos de lgebra lineal a nivel universit ario baj o la influencia de las
recomendaciones del LACSG. Conj unt ament e con est os art culos fueron publicados t res
t rabaj os ( Dubinsky, 1997, Harel, 1997, Vinner, 1997) con una orient acin diferent e. A
diferencia de los ant eriores, en est os t rabaj os se t rat a de plant ear una propuest a
pedaggica que forma part e de un programa de invest igacin y desarrollo ms amplio, y
fueron escrit os por educadores mat emt icos.
Act ividad 2.2
Haga un resumen del cont enido de est a seccin de la leccin.
I nvest igacin sobre el est udio
Dubinsky ( 1997) crit ica desde dos flancos la propuest a del LACSG, por un lado no le parece
del t odo adecuado que el primer curso de lgebra lineal universit ario est cent rado en las
mat rices, en part icular la at encin al clculo con mat rices. Crit ica adems que se pret ende
ident ificar abst ract o con poco prct ico, y el enfoque cent rado en las mat rices como t il. A lo
ant erior agrega que la propuest a t al cual como es present ado por el LACSG no promueve en
los est udiant es una verdadera apreciacin del papel de la geomet ra en el lgebra lineal.
Segundo, opina que t odos los t rabaj os present ados por los miembros del grupo son report es
del sent ido comn de los aut ores y donde se present an meros regist ros anecdt icos.
Dubinsky ( 1997) concluye sus crt icas llamando la at encin sobre la necesidad de invest igar
sobre cmo es el lgebra lineal realment e usada en ot ras disciplinas y sus cursos
respect ivos. Propone un enfoque alt ernat ivo basado en una versin part icular del
const ruct ivismo. st a es un int erpret acin del const ruct ivismo de Piaget y t iene como base
fundament al una visin part icular del conocimient o mat emt ico, el cual es considerado
como
( ) una t endencia individual a responder , en un cont ext o social, a una sit uacin
problema percibida mediant e la const ruccin, reconst ruccin y organizacin, en
su ment e, acciones, procesos, obj et os y esquemas mat emt icos con los cuales
t rat a con la sit uacin. ( Dubinsky, 1997)
Est a declaracin general se hace especfica para un concept o mat emt ico en part icular, en
est e caso del lgebra lineal, mediant e un proceso denominado descomposicin gent ica.
Est e se realiza mediant e la descripcin de mecanismos para la const ruccin de conocimient o
mat emt ico y la aplicacin de esos mecanismos para describir inst ancias especficas de
const ruccin que pueden hacerse para comprender un t pico det erminado de mat emt icas
( Dubinsky, 1997) . Una descomposicin gent ica, por t ant o, es generada a part ir de un
anlisis t erico, al cual le sigue una evaluacin cont inua y la revisin de st a. La evaluacin
busca valorar la manera en que dicha descomposicin funciona como una descripcin de
cmo un concept o especfico puede aprenderse. En ot ras palabras, ant es de consi derar las
est rat egias pedaggicas, es necesario analizar epist emolgicament e aquellos concept os que
los est udiant es encuent ran especi alment e difciles de aprender. En est e punt o encont ramos
ciert a similit ud con el t rabaj o de Dorier (1991) discut ido al comi enzo de est a seccin. Se
requiere llevar adelant e invest igaciones para det erminar las const rucciones ment ales
especficas que el est udiant e t endra que hacer para llegar a comprender un concept o
det erminado. Una vez que t enemos est a informacin procedemos a desarrollar est rat egias
pedaggicas que nos permit an llevar a los est udiant es a realizar esas const rucciones y
ut ilizarlas en la resolucin de problemas ( Dorier, 1997) .
En el ncleo del programa de invest igacin y desarrollo de Dubinsky ( 1997) se encuent ra su
concepcin de un mecanismo para const ruir el conocimient o mat emt ico, t al como se seal
ant eriorment e. Tomando como punt o de part ida la idea de Piaget , conocer una cosa es
t ransformarla ( Dubi nsky, 1997, p. 95) , se post ula que el conocimient o est formado por
dos t ipos de component es: aquello que es t ransformado, llamado obj et o, y las
t ransformaciones que el suj et o aplica al obj et o las cuales son de dos t ipos accin y proceso.
Para Dubinsky ( 1997) , una accin es una t ransformacin que es una reacci n a un est mulo
el cual es percibido por el est udiant e como ext erno. En la medida en que el suj et o
experiment a un nmero de veces las mismas inst ancias, o muy similares, est as son
repet ibles para l o ella. Cuando se llega a est e punt o se dice que est amos ant e un
esquema de accin. Est e esquema comienza a convert irse en un obj et o cuando el individuo
reflexiona sobre el esquema. Una vez que est a reflexin ocurre, el individuo considera el
esquema de accin como una part e de si mismo y comienza a est ablecer cont rol sobre st e.
Dicho proceso de const ruccin a part ir de una accin es denominado como int eriorizacin.
Consideremos ahora la sit uacin en la que el individuo reflexiona sobre operaciones
aplicadas a un proceso part icular, se hace conscient e del pr oceso como una t ot alidad, cae
en cuent a que las t ransformaciones pueden act uar sobre st e y es capaz de const ruir t ales
t ransformaciones. Segn Dubinsky ( 1997) , ent onces el individuo est ara pensando en ese
proceso como un obj et o y denomina a est e proceso de const ruccin como encapsulacin.
Todo est e mecanismo de const ruccin del conocimient o descrit o hast a est e punt o se puede
represent ar como se muest ra en la Figura 1.

Figura 1. Const ruccin de obj et os y procesos ( Dubinsky, 1997, p. 98)

Todos los concept os t rat ados en el curso de lgebra lineal t ienen que ser analizados en
t rminos de la t eora accin/ proceso/ obj et o, en t rabaj os post eriores st a pasar a ser
denominada t eora APOE ( siglas en espaol, Dubinsky y McDonald, 2001) , sobre est e t ema
volveremos ms adelant e. A cont inuacin se procede a disear una inst ruccin que permit a
al profesor guiar a los est udiant es en la const ruccin de las acciones, procesos y obj et os
apropiados y su uso en la resolucin de problemas. Dubinsky ( 1997) descompone est e
proceso en t res fases, en la primera fase nuest ras ideas acerca de cmo los est udiant es
aprenden lgebra lineal depende casi exclusivament e de nuest ra t eora y de nuest ro
conocimient o de las mat emt icas. La segunda fase consist e en disear y llevar a la prct ica
una secuencia inst ruccional basada en los result ados obt enidos en la primera fase. En la
t ercera fase pasamos a observar a los est udiant es t al como experiment an la enseanza, se
analizan esas experiencias en t rminos de los result ados t ericos y est os lt imos son
aj ust ados de manera t al que sean consist ent es con los dat os. El product o que obt enemos de
pasar por est e proceso es un nuevo conj unt o de descomposiciones gent icas para los
concept os del lgebra lineal, las cuales sern ut il izadas en un segundo proceso pasando ot ra
vez por las mismas fases ant es sealadas. De t odo est o result a que cont emos con un
conj unt o de descomposiciones gent icas de los concept os del lgebra lineal que son
derivados de ( a) una snt esis de nuest ra t eora, ( b) nuest ro conocimient o de las
mat emt icas y ( c) nuest ro anlisis de las observaciones de los est udiant es en su int ent o de
darle sent ido a est os concept os ( Dubinsky, 1997) . Seala est e aut or que en la prct ica est e
proceso no ocurre al pie de la let ra como fue descrit o arriba. Porque un anlisis t erico de
t odos los t picos incluidos en un primer curso de lgebra lineal ant es de comenzar a
ensearlo no es prct ico y quizs no deseable, se comienza ms bien por un pequeo
nmero de los concept os ms impor t ant es y se procede a inicia la enseanza y la
observacin. La fase de revisin nos permit e int roducir aj ust es en las descomposiciones
gent icas hechas en la primera fase y adems nos ayuda a agregar gradualment e nuevos
t picos ( Dubinsky, 1997) .
Ot ro aspect o import ant e de la propuest a de Dubinsky ( 1997) es el uso de las comput adoras
en la clase de lgebra lineal. Desde su perspect iva la t ecnologa debe ser usada para algo
ms que una herramient a de calcular. Ms bien se t rat a de que los est udiant es const ruyan
implement aciones de concept os mat emt icos, mediant e la programacin, en la
comput adora. Se busca que se est ablezcan conexiones ent re la const ruccin par la
comput adora, expresada en un lenguaj e de programacin, y la const ruccin de proceso y
obj et os, en el sent ido de la t eora APOE. Para Dubinsky ( 1997) los est udiant es podran
aprender una buena cant idad de mat emt icas usando est e mt odo.
La propuest a del LACSG para un primer curso de lgebra lineal a nivel universit ario busca
promover un cambio en la enseanza de manera t al que los est udiant es logren una
comprensin slida de los principales t picos de esa r ama de las mat emt icas. Harel (1997)
se propone elaborar una serie de indicadores para esa comprensin, sealar fact ores
esenciales para const ruirla y un conj unt o de sugerencias para la enseanza de t picos de
lgebra lineal. Su propuest a de basa en las ideas de concept o imagen y concept o definicin
propuest as por Vinner (1985) en el cont ext o de la const ruccin del concept o de funcin. Un
concept o definicin es una definicin verbal, la cual es present ada de forma escrit a en el
libro de t ext o o por el profesor en la clase, y que describe sin ambigedades el concept o.
Mient ras que un concept o imagen es un esquema ment al, no necesariament e del t ipo
descrit o por Dubinsky ( 1997) , una red que consist e de dos aspect os: ( 1) aquello que ha
sido asociado con el obj et o en la ment e del individuo y ( b) lo que la persona puede hacer en
relacin con el concept o (Harel, 1997) . Una vez aclarados est as ideas, t enemos que Harel
( 1997) propone cinco indicadores par a un efect ivo concept o imagen: ( 1) concept o definicin
versus concept o imagen, ( 2) recordar, ( 3) comunicar ideas, ( 4) pensar en t rminos
generales y ( 5) conect ar ideas. Veamos brevement e a que se refieren cada uno de est os
indicadores. Desde est a perspect iva decimos que un est udiant e comprende un concept o si
posee un concept o imagen efect ivo. Siendo el indicador ms import ant e para la
comprensin de un concept o la habilidad para resolver problemas relacionados con ese
concept o. Recordar es algo ms que memorizar. Los est udiant e suelen, segn Harel
( 1997) , basar su aprendizaj e de las mat emt icas en definiciones t rat ando de
memorizrselas al pie de la let ra. Es decir, se esfuerzan por aprenderse el concept o
definicin. Sin embargo, en la ausencia de un concept o imagen que le sirva de sust ent o al
concept o definicin. Est os est udiant es no son capaces de ret ener el concept o definicin
correspondient e por un largo perodo de t iempo. Por el cont rario, cuando los est udiant es
const ruyen un concept o imagen adecuado, no slo memorizar un concept o definicin, son
capaces de leer y escribir acerca del concept o y lo comunican a ot ros sin sent ir la necesidad
de referirse a la definicin formal o al concept o definicin cada vez que el t rmino que lo
denomina es mencionado ( Harel, 1997) . El hecho de que los concept os est n definidos en
t rminos generales no garant iza que los est udiant es sean capaces de pensar en los
concept os en t rminos generales. Los est udiant es t ienden a cont inuar razonando con
imgenes de obj et os concret os, an mucho t iempo despus que fueran expuest os a los
respect ivos concept os definiciones. En est e indicador, pensar en t rminos generales, se
cont empla adems que comprender implica conocer el por qu y no slo el cmo (Harel,
1997) . La viabilidad de un concept o imagen aument a en la medida en que se conect a con
ot ros concept os mat emt icos. En el caso del lgebra lineal encont ramos un campo
especialment e rico en conexiones ent re ellos y con concept os de ot ras ramas de las
mat emt icas as como de ot ras disciplinas. Est o hace del lgebra lineal un t ema
part icularment e int eresant e. A manera de resumen, t enemos que para desarrollar concept os
imagen efect ivos, los est udiant es deben aprender no slo a memorizar concept os
definiciones sino que t ienen que const ruir concept os imagen que le permit an recordar lo
aprendido, pensar en t rminos generales y conect ar ideas mat emt icas ( Harel, 1997) .
Una vez est ablecidos los indicadores, Harel (1997) ident ifica t res fact ores en la const ruccin
de concept os imagen efect ivos, est os fact ores son:
1. Dedicacin del t iempo apropiado al curso de lgebra lineal.
2. Formacin previa y preparacin del est udiant e en lo que respect a al
cont enido ( obj et os, lenguaj e e ideas que son nicas para el lgebra lineal) .
3. Formacin previa y preparacin del est udiant e en relacin con el concept o de
demost racin. (Harel, 1997, p. 112)
Sost iene Harel ( 1997) que es necesario expandir el t iempo dedicado a la enseanza de
t emas del lgebra lineal y recomienda que se haga incluyendo t picos de est a rama de las
mat emt icas en la educacin secundaria. El beneficio de exponer los est udiant es a est os
t picos va ms all de aprender a hacer operaciones con marices y calcular det erminant es,
ms bien se t rat ara de est ablecer las bases para la const ruccin de concept os imagen ricos
y efect ivos sobre las t ransformaciones lineales, conj unt o generador, espacio vect orial e
independencia lineal. Lograr est e propsit o requiere t ransformar el currculo de mat emt icas
para la educacin secundaria, t engamos en cuent a que est e aut or se refiere al caso de los
Est ados Unidos. Sugiere Harel ( 1997) que t al reforma se realice en dos mbit os. Primero,
que ciert os t picos t radicionales de secundaria sean enseados desde la perspect iva del
lgebra lineal, por ej emplo los sist emas de ecuaciones. Segundo, que se disminuya el
t iempo dedicado a la enseanza del clculo y se le de espacio a t picos de lgebra lineal
propiament e dichos. Es oport uno resalt ar que en los Est ados Unidos algunos est udiant es
t oman cursos de clculo en la escuela secundaria ( High School) .
Basndose en sus propias invest igaciones, Harel ( 1997) propone un programa, de t res
fases, para la enseanza del lgebra lineal en la escuela secundaria. En la primera fase se
t rabaj a con espacios Geomt ricos de segment os dirigidos, en est e cont ext o se int roducen
los concept os bsicos del lgebra lineal, t ales como dependencia, independencia,

combinacin lineal, base y dimensin. En la segunda fase est os concept os son est udiados
j unt o a los espacios algebraicos R
1
, R
2
y R
3
, los cuales son const ruidos apoyndose en la
idea de vect or coordenado. Y por lt imo, en la t ercera fase, t odos est os concept os son
definidos nuevament e en R
n
, con la int roduccin de las t ransformaciones lineales y su
represent acin mat ricial en R
2
y R
3
. Harel ( 1997) cierra su discusin sobre aspect os
pedaggicos haciendo referencia al denominado principio de necesidad, en el cual
fundament e su propuest a. Est e principio est ablece que los est udiant es para aprender t iene
que ver la necesidad de aquello que queremos que aprendan, aqu necesidad significa
necesidad int elect ual, en el sent ido opuest o de necesidad econmica o social. Por ej emplo,
un caso de violacin de est e principio sera derivar la definicin de espacio vect orial a part ir
de las propiedades de R
n
que cumple los axiomas de espacio vect orial ( Harel, 1997) .
El lt imo de los t rabaj os, en el libro del LACSG, que consideremos aqu es el de Vinner
( 1997) . Est e aut or seala que la solucin de los problemas det ect ados en el aprendizaj e y
la enseanza del lgebra lineal va ms all de la elaboracin de nuevos libros de t ext o y de
reformar el currculo. Se requiere prest ar at encin a los procesos de pensamient o de los
est udiant es. La discusin en t orno a la propuest a del LACSG y su propio enfoque los basa
Vinner ( 1997) en la dist incin, hecha por Richard Skemp, en ent re la comprensin relacional
y la comprensin inst rument al. Vinner (1997) opina que la propuest a del LACSG corre el
riesgo de ser dominada por el enfoque procediment al, en det riment o del enfoque
concept ual, est e lt imo promot or de la comprensin inst rument al. Est e enfoque
procediment al es adems reforzado por las exigencias de las disciplinas client e, aquellas
que requieren del lgebra lineal para resolver ciert os problemas, donde se pone nfasis en
el uso del lenguaj e de st a ms que en la red concept ual, en ot ras palabras, se enfat iza el
aprendizaj e de procedimient os en lugar de concept os. Por ot ro lado, ciert os desarrollos
propios de la educacin mat emt ica, lo que Art in ( cit ado por Vinner, 1997, p. 158)
denomina ent usiasmo con el descubrimient o del isomorfismo ent re las t ransformaciones
lineales de un espacio n- dimensional y las mat rices nxn, mot ivaron el abandono del enfoque
geomt rico en la enseanza del lgebra lineal y que se pusiera un nfasis casi exclusivo en
el enfoque cent rado en las mat rices.
Vinner ( 1997) int roduce una dist incin adicional, ent re conduct as verdaderament e
concept uales y pseudo- concept uales. Teniendo en cuent a que las conduct as en el cont ext o
de la educacin mat emt ica result an con frecuencia de procesos de pensamient o, por t ant o
se habla de modo verdaderament e concept ual de pensamient o y modo pseudo- concept ual
de pensamient o. El problema con el segundo de est os es que con mucha frecuencia las
conduct as pseudo concept uales parecen confundirse con frecuencia con una conduct a
realment e concept ual. A est o le agrega Vinner ( 1997) las concepciones errneas. st a es
el result ado de un modo concept ual de pensamient o deber a considerarse como una
conduct a significa, mient ras que la conduct a pseudo- concept ual es una conduct a sin
sent ido. Vinner ( 1997) present a unos ej emplos concret os de cmo superar est as
dificult ades y promover el desarrollo de la comprensin relacional. Tomar en cuent a como
punt o de part ida lo cognit ivo y las habilidades cognit ivas de los est udiant es. Se requiere
t ambin de invest igacin sobre el funcionamient o de las escenas descrit as en cada
ej emplo. Por lt imo, Vinner ( 1997) llama la at encin sobre la imposibilidad de t odos los
t emas propuest os en los cursos de lgebra lineal, a nivel universit ario, de manera que
promueva el desarrollo de la comprensin inst rument al. En est e punt o coincide con uno de
los fact ores dist inguidos por Harel ( 1997) , t iempo dedicado a la enseanza, como limit ant e
para la comprensin del lgebra lineal.
Diversos t rabaj os de invest igacin, como los reseados ant eriorment e, sealan que algunos
concept os de lgebra lineal result an difciles para los est udiant es, uno de est os es el de
espacio vect orial. Okt a, Trigueros y Nop Vargas (2006) se propusieron est udiar la
comprensin de un grupo de est udiant es de los espacios vect oriales desde la perspect iva de
la t eora APOE ( APOS, siglas en ingls) , ver por ej emplo Dubinsky ( 1997) . Est os
invest igadores desarrollaron una descomposicin gent ica del concept o de espacio vect orial.
Segn su anlisis t erico, la const ruccin del esquema espacio vect orial de part e del
est udiant e requiere la coordinacin de ot ros cuat ro esquemas: axioma, operacin binaria,
funcin y conj unt o. Se espera que como result ado de t rabaj ar con ej emplos especficos
especialment e seleccionado, los est udiant es int eriorizaran las diferent es propiedades de la
est ruct ura y ms t arde la encapsularan para const it uir un obj et o que denominamos espacio
vect orial. Una vez hecha la descomposicin gent ica se pas a la fase de evaluacin en la
prct ica. En est e est udio part iciparon seis est udiant es de ingeniera que t omaron un curso
de un semest re de lgebra lineal a los cuales se les ent revist . Est a ent revist a consist i de
17 pregunt as acerca de los concept os de espacio y subespacio vect orial. En est e t rabaj o,
Okt a, Trigueros y Nop Vargas (2006) report an solament e los result ados obt enidos con dos
de esas pregunt as. Los result ados muest ran que en general los est udiant es no han
encapsulado el concept o de operacin binaria y no se han formado esquemas ricos de est e
concept o. Adems, los est udiant es suelen int erpret ar los axiomas limit ndose al campo de
los nmeros reales y se corresponden con la imagen visual que t ienen de las operaciones
con los nmeros reales. Ot ra dificult ad ident ificada t iene que ver con el uso de las
variables. Est o lt imo se lo at ribuyen a las experiencias que generalment e los est udiant es
t ienen en la clase de mat emt icas donde se enfat iza la manipulacin sin sent ido,
procediment alment e como diran Vinner ( 1997) y Soylu ( 2007) , de smbolos sin significado
en la clase de lgebra. Est a experiencia limit a las oport unidades para int eriorizar los
diferent es papeles que las variables j uegan en diferent es problemas o dent ro del mismo
problema.
Act ividad 2.3
Haga una list a de los problemas invest igados en relacin con el est udio, component e del
proceso didct ico.
I nvest igacin sobre la enseanza
De los t rabaj os revisados sobre la invest igacin del aprendizaj e y la enseanza del lgebra
lineal, slo cuat ro t rat an direct ament e algn aspect o de los profesores y su formacin
( Meagher y ot ros, 2006, Gonzlez, Hernndez y Hernndez, 2007, Soylu, 2007 y Uicab y
Okt a, 2006) . El primero de est os t rabaj os es un report e muy breve sobre result ados
preliminares de una experiencia de diseo curricular en un programa de formacin de
profesores de mat emt ica para la escuela secundaria. Meagher y ot ros (2006) disearon un
curso de lgebra Lineal y un curso de Aprendizaj e del lgebra Lineal, los cuales los
profesores en formacin t ienen que t omar simult neament e. Ambos cursos fueron
diseados sobre la base de la t eora APOE. Los result ados parciales de est a invest igacin
soport an la afirmacin que los est udiant es se benefician de est udiar en paralelo cont enidos
lgebra lineal y sobre cmo aprendemos los concept os cent rales de est a rama de las
mat emt icas. El report e donde se present a est a invest igacin es muy breve, lo cual no nos
permit e coment ar en profundidad sobre el mismo.
El segundo t rabaj o t ena como problema cent ral indagar acerca de la proximidad de la
evaluacin que se emplea en cursos de lgebra lineal, en la Facult ad de I ngeniera de la
Universidad del Zuli a, al enfoque const ruct ivist a. En est a invest igacin de t ipo cualit at ivo los
dat os fueron recogidos la observacin direct a y ext erna, la aplicacin de un cuest ionario a
los est udiant es cursant es de la asignat ura y ot ro cuest ionario administ rado a los respect ivos
profesores. Gonzlez, Hernndez y Hernndez (2007) encont raron muchas fort alezas en las
prct icas pedaggicas de los profesores y en la acept acin de los est udiant es a prct icas de
evaluacin const ruct ivist a, las cuales facilit aran la implement acin de una evaluacin
sist emt ica en el curso de lgebra Lineal, en la Facult ad de I ngeniera, desde est a
perspect iva. Sin embargo, encont raron que las prct icas act uales est n alej adas de la

corrient e const ruct ivist a. Una debilidad que encont ramos en est e t rabaj o de Gonzlez,
Hernndez y Hernndez (2007) es que en su invest igacin no se apoyan en result ados de
invest igaciones sobre la enseanza y aprendizaj e del lgebra lineal.
Uicab y Okt a (2006) est udiaron los vnculos que los est udiant es est ablecen ent re concept os
del lgebra lineal, con nfasis en las t ransformaciones lineales en un ambient e de geomet ra
dinmica de nombre Cabri. Se est udi el est ablecimient o de est as conexiones en el cont ext o
de la resolucin de problemas. Est a invest igacin se bas en la aproximacin del
pensamient o t erico versus el pensamient o prct ico propuest a por Sierpinska. En est e
est udio part iciparon ocho est udiant es de primer semest re de una maest ra en Mat emt ica
Educat iva en una inst it ucin mej icana, no se especifica en que nivel educat ivo t rabaj an los
part icipant es. Los dat os fueron recogidos mediant e la observacin, la aplicacin de un
cuest ionario di agnst ico y de una ent revist a. El principal result ado que report an est os
invest igadores en que los est udiant es no est ablecen una conexin ent re los concept os de
base y t ransformacin lineal. Se manifest en ellos la presencia del obst culo del
formalismo. Est os result ados llevan a Uicab y Okt a (2007) a plant earse la pregunt a
siguient e: Cmo ayudar a los est udiant es a pensar t ericament e y a hacer conexiones
ent re concept os?
Soylu ( 2007) , al igual que Vinner ( 1997) , se apoya en la idea de que exist en dos t ipos
diferent es de comprensin, inst rument al y relacional que aunque diferent es son
consideradas por el primero como complement arias. Desde est a perspect iva la finalidad de
la educacin en mat emt icas sera desarrollar en el est udiant e conocimient o concept ual de
las mat emt icas, conocimient o procediment al de las mat emt icas y la elaboracin de
conexiones ent re los conocimient os procediment al y concept ual respect ivament e. La
dist incin de est os dos t ipos de comprensin fue propuest a inicial ment e por Ot t e y Skemp
desde una perspect iva diferent e, pare est e lt imo esos t ipos de comprensin no son
complement arios. Ms bien, Skemp ve la comprensin inst rument al como un obst culo para
lograr una comprensin relacional de las mat emt icas. Sin embargo, Soylu ( 2007) ,
apoyndose en ot ros aut ores, sost iene que un aprendizaj e permanent e y funcional de las
mat emt icas es slo posible con un balance ent re est os dos t ipos de conocimient o. Est e
balance no se logra con regularidad en la clase de mat emt icas, donde se suele enfat izar lo
procediment al por encima de lo concept ual. La sit uacin ant erior hace que los est udiant es
t iendan a memorizar concept os y procedimient os de manera que no los comprenden
realment e. Se puede decir que para los est udiant es aprender mat emt icas se t rat a de
manipular smbolos sin significado, que slo t ienen que ser memorizados. Adems, t enemos
que el aprendizaj e de concept os abst ract os result a difcil a la mayora de los est udiant es.
Una manera de reducir est a dificult ad es t rat ar de hacer los concept os concret os o dndole
un significado concret o (Soylu, 2007) .
En est e est udio part iciparon ochent a y dos est udiant es universit arios, en dos cursos
diferent es pero homogneos de mt odos de mat emt ica en educacin primaria, los cuales
eran enseados por un mismo profesor en una universidad en Turqua. Uno de los dos
cursos fue asignado experiment alment e como grupo cont rol. Est e grupo recibi como
t rat amient o el mt odo de concret izacin por medio de la geomet ra, mient ras que el ot ro
grupo recibi inst ruccin por el mt odo t radicional. A ambos grupos se la aplicaron una
bat era de pruebas como pre- t est y pos- t est . Se hizo la comprobacin de hipt esis se
usaron el t - t est de muest ras emparej adas ( paired- samples t t est ) y frecuencia- porcent aj e.
Soylu ( 2007) report a que en t odos las pruebas se encont raron diferencias significat ivas que
muest ran que el grupo experiment al se benefici de su exposicin al enfoque basado en la
concret izacin por medio de la geomet ra.
Act ividad 2.4
Seale de qu aspect os de la enseanza se ha ocupado la invest igacin en didct ica del
lgebra lineal.
A manera de cierre
La mayora de las invest igaciones sobre la enseanza y aprendizaj e del lgebra lineal t ienen
como part icipant es a est udi ant es del nivel universit ario. Un nmero muy reducido de las
invest igaciones est dedicado a problemas de la enseanza y aprendizaj e de est a rama de
las mat emt icas en la educacin secundaria. Y un nmero t ambin reducido de
invest igaciones incluye a profesores como part icipant es. Las invest igaciones en est e lt imo
lot e podemos clasificarlas en t res grupos. Todos est os est udios son a nivel universit ario. En
el primero ubicamos aquellos t rabaj os al est ilo de los report ados en el libro del LACSG
donde se report an de manera anecdt ica experiencias personales de profesores de
mat emt ica en universidades que han int roducido cambios en prct icas pedaggicas en
clase de lgebra lineal, por ej emplo Carlson (1997) . En el segundo grupo incluimos aquellos
t rabaj os donde los suj et os o part icipant es son profesores en formacin o en ej ercicio, por
ej emplo Soylu ( 2007) . Est os t rabaj o se caract erizan por su similit ud con ot ras
invest igaciones sobre el aprendizaj e del lgebra lineal, en ot ras palabras, el hecho que los
suj et os sean profesores en formacin o en ej ercicio no int roduce ninguna caract erst ica en
especial en esos t rabaj os. En el t ercer grupo encont ramos aquellos t rabaj os que cent ran su
at encin en un aspect o part icular de la prct ica pedaggica de los profesores en el cont ext o
de la enseanza del lgebra lineal. Hast a ahora slo hemos encont rado un t rabaj o que
pert enece a est e grupo (Gonzlez, Hernndez y Hernndez, 2007) .
A manera de conclusin, la invest igacin sobre la enseanza y aprendizaj e del lgebra lineal
hast a ahora no ha incluido como suj et os o part icipant es a profesores de ecuacin
secundaria que ensean t emas de lgebra lineal en ese nivel del sist ema escolar. Sin
embargo, los t rabaj os aqu revisados nos ofrecen una cant idad considerable de problemas,
result ados, enfoques t ericos y met odologas que son de mucha ut ilidad para disear y
llevar adelant e una invest igacin sobre el conocimient o del profesor de mat emt icas a nivel
secundario del lgebra lineal y su enseanza.
Referencias
Carlson, D. ( 1997) . Teaching linear algebra: Must t he fog always roll in? En D. Carlson,
C. R. Jonson, D. C. Lay, A. D. Port er, A. Wat kins y W. Wat kins (comps.) Resources for
t he t eaching of linear algebra ( pp. 39-51) . Washingt on, Est ados Unidos:
Mat hemat ical Associat ion of America.
Carlson, D., Johnson, C. R., Lay, D. C. y Port er, A. D. ( 1997) . The Linear Algebra
Curriculum St udy Group recommendat ions for t he first course of Linear Algebra. En D.
Carlson, C. R. Jonson, D. C. Lay, A. D. Port er, A. Wat kins y W. Wat kins (comps.)
Resources for t he t eaching of linear algebra ( pp. 53-58) . Washingt on, Est ados Unidos:
Cowen, C. C. ( 1997) . A proj ect on circles in space. En D. Carlson, C. R. Jonson, D. C. Lay,
A. D. Port er, A. Wat kins y W. Wat kins ( comps.) Resources for t he t eaching of linear
algebra ( pp. 59-70) . Washingt on, Est ados Unidos: Mat hemat ical Associat ion of
America.
Day, J. M. ( 1997) . Teaching linear algebra new ways. En D. Carlson, C. R. Jonson, D. C.
Lay, A. D. Port er, A. Wat kins y W. Wat kins ( comps.) Resources for t he t eaching of
linear algebra ( pp. 71- 83) . Washingt on, Est ados Unidos: Mat hemat ical Associat ion of
America.

Dorier, J. L. ( 1991) . Sur lenseignement des concept s lment aires dalgebre linaire
luniversit . Recherches en Didact ique des Mat hemat iques, 11(2- 3) , 325-364.
Dubinsky, E. ( 1997) . Some t hought s on a first course in Linear Algebra at t he college
level. En D. Carlson, C. R. Jonson, D. C. Lay, A. D. Port er, A. Wat kins y W. Wat kins
( comps.) Resources for t he t eaching of linear algebra ( pp. 85- 105) . Washingt on,
Est ados Unidos: Mat hemat ical Associat ion of America.
Gonzlez, M., Hernndez, A. I . y Hernndez, A. I . ( 2007) . El const ruct ivismo en la
evaluacin de los aprendizaj es del lgebra lineal. Educere, 11(36) , 123-135.
Harel, G. ( 1985) . Teaching linear algebra in high school. Tesis de doct orado no publicada.
Universidad Ben-Gurion de Negev, I srael.
Harel, G. ( 1989) . Learning and Teaching Linear Algebra: Difficult ies and an Alt ernat ive
Approach t o Visualizing Concept s and Processes. Focus on Learning Problems in
Mat hemat ics, 11( 1-2) , 139- 48.
Harel, G. (1997) . The Linear Algebra Curriculum St udy Group recommendat ions: Moving
beyond concept definit ion. En D. Carlson, C. R. Jonson, D. C. Lay, A. D. Port er, A.
Wat kins y W. Wat kins ( comps.) Resources for t he t eaching of linear algebra ( pp. 107-
126) . Washingt on, Est ados Unidos: Mat hemat ical Associat ion of America.
Meagher, M., Cooley, L., Mart in, B., Vidakovuc, D. y Loch, S. ( 2006) . The learning of linear
algebra from an APOS perspect ive. En S. Alat orre, J. L. Cort ina, M. Siz y A. Mndez
( comps.) Proceedings of t h eTwent y Eigt h Annual Meet ing of t he Nort h American
Chapt er of t he I nt ernacional Group for t he Psychology of Mat hemat ics Educat ion. Vol.
2. ( pp. 84- 85) . Mrida, Mxico: Universidad Pedaggica Nacional.
Okt a, A., Trigueros, M. y Nop Vargas, X. (2006) . Underst anding of vect or spaces- a
viewpoint from APOS t heory. En D. Hughes-Hallet t , I . Vakalis y H. Arikan ( comps.) 3
rd

I nt ernat ional Conference on t he Teaching of Mat hemat ics at t he Undergraduat e Level.
Est ambul, Turqua: Turkish Mat hemat ical Societ y.
Port er, . ( 1997) . Writ ing about linear algebra: Report on an experiment . En D. Carlson,
C. R. Jonson, D. C. Lay, A. D. Port er, A. Wat kins y W. Wat kins (comps.) Resources for
t he t eaching of linear algebra ( pp. 151-154) . Washingt on, Est ados Unidos:
Soylu, Y. (2007) . The role of t he geomet ric models in t he experiment at ion of det erminant
and t he propert ies of a det erminant . Turkish Online Journal of Dist ance Educat ion,
8( 1) , 12- 22.
Uicab, R. y Okt a, A. ( 2006) . Transformaciones lineales en un ambient e de geomet ra
dinmica. Relime, 9( 3) , 459-490.
Vinner, S. ( 1985) . Concept definit ion, concept image, and t he not ion of funct ion.
I nt ernat ional Journal of Mat hemat ics Educat ion, Science and Technology, 14, 293- 305.
Vinner, S. (1997) . Scenes from linear algebra classes. En D. Carlson, C. R. Jonson, D. C.
Lay, A. D. Port er, A. Wat kins y W. Wat kins ( comps.) Resources for t he t eaching of
linear algebra ( pp. 155- 171) . Washingt on, Est ados Unidos: Mat hemat ical Associat ion
of America.

Aut o- Evaluacin 2

1. Seale cules son los primeros t rabaj os de invest igacin en el campo de la didct ica del
lgebra lineal. Mencione los problemas de los que invest igaron.
2. Describa brevement e la nica invest igacin hecha en nuest ro pas sobre la didct ica del
lgebra lineal.
3. Escriba un prrafo donde present e la nica invest igacin reseada en est a leccin sobre
la enseanza del lgebra lineal a dist ancia.
4. Enumere las principales caract erst icas de la propuest a curricular hecha por el LACSG.

Unidad 2

Obj et ivo 2:
Analizar el uso del conocimiento histrico, aplicaciones y el uso
de las TICs en la enseanza y aprendizaje del lgebra Lineal.

I nt roduccin

El cont enido de est a unidad est organizado en dos lecciones. La Leccin 3 est dedicada al
est udio del desarrollo hist rico del lgebra Lineal y su ut ilidad para la enseanza de est a
rama de las mat emt icas. En la Leccin 4 discut iremos asunt os relacionados con el uso de
t ecnologas en la enseanza, aprendizaj e y evaluacin del lgebra Lineal. El est udio de
est os t emas le preparar para asumir con mayores element os el cont enido incluido en la
Unidad 3.
El cont enido de est as unidades es muy import ant e para el t rabaj o que se realizar en la
Unidad 3, donde est udiaremos el diseo de unidades didct icas. En el di seo de est as
unidades ust ed deber considerar el enfoque hist rico as como el uso de t ecnologas. En
ciert a forma pues, est as dos unidades son preparat orias para el t rabaj o que sigue. Sin
embargo, el cont enido present ado en la lecciones 3 y 4 const it uyen un obj et o de est udio en
si mismas. Como mencionamos en la int roduccin a est e curso, un buen nmeros de
mat emt icos se han dedicado la est udio de la hist oria de las mat emt icas y ot ro grupo de
mat emt icos se han int eresado por los problemas de la enseanza y el aprendizaj e de las
mat emt icas, y del lgebra lineal en part icular, ent re ellos algunos se han ocupado de
manera especial del diseo de aplicaciones t ecnolgicas y su uso en la enseanza y el
aprendizaj e.
Recuerde que para un mej or est udio de los cont enidos t rat ados en la Leccin 4 ust ed deber
t ener disponible la emulacin del ClassPad 300 y acceso a una comput adora con conexin a
int ernet .

Leccin 3
Hist oria del lgebra Lineal

( ) . Todo aument o de conocimient o
cient fico es un hecho colect ivo,
caract erizado por una hist oria y
cuya comprensin supone, por
consiguient e, la reconst it ucin con
la mayor exact it ud posible de est e
desarrollo hist rico. ( )
Jean Piaget , 1947

Como sealamos en la I nt roduccin a la present e unidad, est a leccin se ocupa del
desarrollo hist rico del lgebra Lineal. Segn Piaget , en la cit a de arriba, la comprensin del
aument o de conocimient o cient fico, y en part icular en el lgebra Lineal, es un hecho
colect ivo caract erizado por una hist oria. Comprenderlo requiere de la reconst ruccin de ese
desarrollo hist rico. A cont inuacin le present amos element os de una hist oria del lgebra
Lineal, por razones de espacio no podemos present ar aqu una hist oria complet a y det allada
de st a. Esperamos que con el mat erial que le present aremos ust ed se sient a mot ivado para
indagar por su cuent a sobre la hist oria del lgebra Lineal y que le sirva para int roducir
algunos t emas de esa hist oria en la enseanza de est a rama de las mat emt icas.
Hoy en da nadie duda de la import ancia del est udio de la hist oria de las mat emt icas para
una mej or comprensin de las mat emt icas mismas as como su enseanza, aprendizaj e y
evaluacin. Ms bien se discut e acerca de las maneras de i nt roducir la hist oria en las clases
de mat emt icas. Una solucin clsica, en el mbit o universit ario, es la int roducci n de un
curso de hist oria de las mat emt icas en el currculo. Sobre est e t ema volveremos ms
adelant e. Tambin, se discut e acerca de los enfoques en la hist oria de las mat emt icas.
Bsicament e encont ramos dos enfoques generales los cuales t ienen que ver con una visin
general del desarrollo de las mat emt icas, est os enfoques son: a) eurocnt rico y b)
mult ipolar o mult icult ural.
El enfoque eurocnt rico predominant e en las hist orias de las mat emt icas escrit as a
comienzos del Siglo XX. Desde est e enfoque, las mat emt icas comienzan en Grecia, aunque
se llega a reconocer alguna cont ribucin de Egipt o y Babilonia, de donde se pasa a Europa y
en t iempos ms recient es a los Est ados Unidos. Joseph (1978) represent a est e enfoque
eurocnt rico clsico con un diagrama como el que se muest ra en la Figura 3.1. Est e enfoque
predomin en buena part e del Siglo XX, especialment e en la poca del imperialismo.

Figura 3.1. Trayect oria eurocnt rica clsica ( Joseph, 1987)
El surgimi ent o de alt ernat ivas polt icas y econmicas al modelo capit alist a, as como de
movimient os de liberacin en el mundo colonizado, t uvo un impact o en la produccin
acadmica, en part icular, en la hist oria de las mat emt icas y ot ras ciencias. En el campo
acadmico se libraron luchas en cont ra del imperialismo cult ural. Tambin surgieron
int erpret aciones de las mat emt icas como sist ema cult ural o de las mat emt icas como una
manifest acin cult ural ms al igual que la msica o la lit erat ura. Comenzaron ha aparecer
una serie de t rabaj os sobre la int errelacin ent re la cult ura y las mat emt icas, como
alt ernat iva a la perspect iva eurocnt rica predominant e. Adems, se daban a conocer nuevos
result ados de invest igaciones hist ricas en diversas part es del mundo. Todo est o llev a una
visin eurocnt rica modificada, no t an simplist a como la ant erior, y donde se reconoca
t midament e las cont ribuciones de pueblos no europeos a la hist oria de las mat emt icas,
principalment e de Egipt o y Mesopot amia. En la Figura 3.2 present amos la versin de Joseph
( 1987) de est e t rayect oria eurocnt rica modificada.

Figura 3.2. Trayect oria eurocnt rica modificada ( Joseph, 1987)
En las dos lt imas dos dcadas del siglo pasado surgi con fuerza un movimient o
int elect ual, t ant o en la hist oria de las mat emt icas como en la pedagoga de las ciencias
mat emt icas, que buscaba superar complet ament e la visin eurocnt rica de la hist oria de
las mat emt icas. Desde est a perspect iva se reivindicaba el hecho que t odos los pueblos
eran capaces de producir mat emt icas, basndose en el hecho que t odos los pueblos haban
producido algn t ipo de mat emt icas. Dent ro de est e enfoque se dest aca el t rabaj o de
Paulus Gerdes en Mozambique, en los t iempo de Samora Machel, de Joseph en I nglat erra y
de educadores mat emt icos brasileos como Ubirat an DAmbrosio. Est e lt imo es conocido
en algunos medios como el padre de la et nomat emt ica, aunque est a afirmacin no es
precisa. Joseph (1987) insist e en la necesidad de superar el enfoque eurocnt rico y develar
sus implicaciones para la enseanza y aprendizaj e de las mat emt icas. Para est os aut ores,
los est udiant es de pases que en las hist orias de las mat emt icas son ret rat ados como
pases donde nunca se ha producido ningn t ipo de cont ribucin a las mat emt icas se
sent iran ellos incapaces de aprender mat emt icas. Est o explicara parcialment e la baj a
aut oest ima y el rechazo de los est udiant es en pases no europeos hacia las mat emt icas.
Una manera de cont rarrest ar est e efect o sera escribir una hist oria de las mat emt icas en la
que se reconocieran las cont ribuciones de pueblos y civilizaciones no europeas al desarrollo
de las mat emt icas. Joseph (1987) propone un enfoque que se denomina t rayect oria
alt ernat iva, la cual se muest ra en la Figura 3.3. Sin embargo, en est e enfoque no se t oman
en cuent a las civilizaciones americanas, como los incas, azt ecas y mayas. Civilizaciones en
las que se desarrollaron import ant es ideas mat emt icas, t ales como el cero en las
mat emt icas mayas, independient e de los desarrollos europeos y en ot ras lat it udes. Para
corregir est a debilidad, DAmbrosio, ent re ot ros, propone que se diseen y ofrezcan curso
de hist oria de las mat emt icas en I bero Amrica. Siguiendo esa recomendacin incluimos

como cierre de est a leccin unas breves not as sobre un aspect o de la hist oria de la
enseanza del lgebra lineal en Venezuela.

Figura 3.3. Trayect oria alt ernat iva ( siglo VI I I al siglo XV) ( Joseph, 1987)
Las hist orias de reas part iculares de las mat emt icas, como el lgebra lineal, t ambin se
pueden abordar desde cualquiera de los t res enfoques esbozados arriba. En est e curso
adopt amos el t ercer enfoque, el enfoque mult ipolar o mult icult ural. Pensamos que est e
enfoque es el ms favorable para que nuest ros est udiant es comprendan, como dicen Di
Prisco y Lara, que no slo somos capaces de aprender mat emt icas sino que somos capaces
de producir mat emt icas.
Adems de los enfoques generales ant eriores, podemos dist inguir ot ros enfoques ms
especficos sobre la int roduccin de la hist oria de las mat emt icas en la enseanza de est a
disciplina. Algunos de est os enfoques son: a) organizar el cont enido segn el orden
hist rico, b) est udio de grandes problemas, c) desarrollo del lenguaj e mat emt ico ( smbolos
y t rminos) , d) enfoque biogrfico y e) int roduccin de ancdot as, especialment e sin son
sensacionalist as ( por ej emplo el supuest o duelo por una prost it ut a donde muri Euler) .
Est os cinco enfoques apunt an ms hacia la manera en que podemos int roducir la hist oria en
la prct ica de la enseanza de las mat emt icas, mient ras que los t res enfoques de ms
arriba t ienen que ver con una concepcin de las mat emt icas y su hist oria. Est os enfoques,
ms que inclinarnos por uno en part icular, los asumimos como una suert e de et apas que
van desde lo ms complej o hast a lo menos complej o, en el orden present ado arriba. Queda
en manos del profesor decidir que enfoque result a ms convenient e o fact ible para una
sit uacin de enseanza en part icular.
En est e curso nos int eresa est udiar el caso part icular del uso de la hist oria del lgebra lineal
en su enseanza y aprendizaj e. Est o requiere t ener, en pr incipio, una visin general de l a
hist oria. Una vez que ust ed se forme esa visin general est ar mej or preparado para
profundizar en el est udio de aquellos los t emas en part icular que le result en de int ers. La
hist oria de cualquier disciplina est det erminada por la manera cmo definamos la misma.
Lo ant erior nos lleva a considerar la pregunt a: Qu es el lgebra lineal?
Act ividad 3.1.
1) Escriba una definicin del lgebra lineal con sus propias palabras sin consult ar ninguna
bibliografa especializada.
2) I nvest igue y copie dos o t res definiciones diferent es del lgebra lineal, t al como
aparecen en la bibliografa consult ada.
3) Compare y cont rast e su definicin con las definiciones copiadas en el punt o ant erior.
Considera ust ed necesario modificar su definicin? De ser afirmat iva su respuest a,
escriba su nueva definicin.
Para los efect os de est a leccin asumiremos el lgebra lineal como la rama de las
mat emt icas que est udia ( ) obj et os de t res gneros: mat rices, espacios y formas
algebraicas. Las t eoras de est os obj et os est n est rechament e vinculadas. ( ) ( Mlt sev,
1978/ 1972, p. 12) . Por ot ro lado, t enemos que ( ) [ e] l problema de la solucin de la
ecuacin lineal ax + b = 0 puede ser considerado como el problema primario del lgebra
lineal. ( ) , el mt odo de su solucin, as como las propiedades de la funcin lineal
correspondient e y = ax + b, son los modelos de part ida para las i deas y los mt odos de
t oda el lgebra lineal. ( ) ( Mlt sev, 1978/ 1972, p. 11) . Una vez ident ificados los obj et os
de est udio y el problema primario de est a rama de las mat emt icas, est amos en disposicin
de comenzar a est udiar su hist oria. El lgebra lineal es t an ant igua como las mat emt icas
mismas, lo cual no debe int imidarnos a la hora del plant earnos el est udio de su hist oria.
La hist oria del lgebra Lineal es muy int eresant e porque nos permit e ilust rar varios punt os
de int ers para la educacin mat emt ica. Primero, el desarrollo prolongado durant e siglos
de ideas y procedi mient os. Segundo, el carct er mult icult ural de las cont ribuciones al
desarrollo del lgebra lineal. Tercero, su cont inuo desarrollo.
Los orgenes del lgebra lineal se remont an a varios siglos ant es de nuest ra era ( a.n.e.) .
Problemas que conducen al plant eamient o de ecuaciones lineales aparecen por primera vez
aproximadament e en el ao 300 a.n.e. en una t ableas de Babilonia ( act ualment e part es de
I rak) . A cont inuacin most ramos uno de los problemas que aparece en una t ablilla de arcilla
que t odava se conserva en algn museo de Europa, como muchas ot ras obras de art e
sust radas de las colonias:
Hay dos campos cuya rea t ot al es 1 800 met ros cuadrados. Uno produce
granos a una t aza de 2/ 3 de un bult o por met ro cuadrado mient ras que el ot ro
produce granos a una t aza de de bult o por met ro cuadrado. Si la produccin
t ot al es de 1 100 bult os. Cul es el t amao del campo?
Act ividad 3.2
Ant es de cont inuar la lect ura resuelva el problema propuest o ant eriorment e.

Figura 3.4. Una pgina del Primer Capt ulo del Jiuzhang suanshu

Encont ramos un desarrollo igual de int eresant e en China ent re los aos 200 y 100 ant es de
nuest ra era. En un libro denominado Jiuzhang suanshu o Los Nueve Capt ulos de las Art es
Mat emt icas, del cual no se conserva el original, aparecen por primera vez unos arreglos
que permit an la resolucin de sist emas de ecuaciones lineales sin necesidad de escribir las
ecuaciones. Especficament e est os arreglos aparecen en el Capt ulo Ocho, el cual lleva por
t t ulo en chino Fang ch' eng el cual se puede t r aducir como Clculo con t ablas cuadradas
( siguiendo la t raduccin al ingls Calculat ion by Square Tables) . En ese capt ulo son
present ados 18 problemas los cuales se reducen a la resolucin de sist emas de ecuaciones
lineales simult neas. El mt odo de resol ucin usado por los mat emt icos chinos es
bsicament e igual al de la mat riz aument ada de los coeficient es. Los problemas propuest os
llevan al plant eamient o de sist emas de hast a seis ecuaciones y seis incgnit as. La principal
diferencia con el mt odo act ual es que los coeficient es de cada ecuacin son colocados en
las columnas en lugar de las filas. Ot ro aspect o novedoso es que los mat emt icos chinos
t rabaj aban con nmeros negat ivos y en est e mismo capt ulo incluyeron reglas para calcular
con est os nmeros ( O' Connor y Robert son, 2003) .
Veamos a cont inuacin uno de los problemas plant eados en el capt ulo ocho de dicho libro:
Hay t res t ipos de maz, de los cuales t res bult os del primero, dos del segundo y uno
del t ercero hacen 39 medidas. Dos del primero, t res del segundo y uno del t ercero
hacen 24 medidas. Y uno del primero, dos del segundo y t res del t ercero hacen 26
medidas. Cunt as medidas de maz est n cont enidas en un bult o de cada t ipo de
maz?
Como ust ed ya pudo haber not ado, est e problema t iene ciert as semej anzas con el
encont rado en la t ablilla babilnica.
Act ividad 3.3
Ant es de cont inuar con la lect ura resuelva el problema propuest o en Los Nueve Capt ulos de
las Art es Mat emt icas t rascrit o arriba.
Veamos a cont inuacin como resolvieron est e problema l os mat emt icos chinos. Ant es de
pasar a ver est a solucin es bueno not ar que los chinos ut ilizaban una especie de palit os
sobre un t ablero para sacar cuent as, algo as como una especie de baco. Volvamos al
problema, el plant eamient o y la solucin paso a paso fueron como sigue, por razones de
simplificacin usamos el sist ema de numeracin decimal para expresar el proceso de
solucin en lugar del sist ema de numeracin chino.
Paso 1
1 2 3
2 3 2
3 1 1
26 34 26
Paso 2
1 0 3
2 5 2
3 1 1
26 24 39
Paso 3
0 0 3
4 5 2
8 1 1
39 24 39
Paso 4
0 0 3
0 5 2
36 1 1
99 24 39
Act ividad 3.4
Explique los det alles de cada una de las operaciones hechas por l os mat emt icos chinos
para ir de un paso a ot ro. Cul es la solucin al problema plant eado? Cmo se deriva la
solucin del lt imo arreglo? Se parece est e mt odo a alguno est udiado por ust ed en la
Educacin Media Diversificada y Profesional o en la universidad?
Est e result ado es realment e sorprendent e. Ms sorprendent e an es como ha sido silenciado
por los libros ms import ant es de hist oria de las mat emt icas, lo cual evidencia un sesgo,
una posicin eurocnt rica. Ciert ament e, los primeros sist emas de ecuaciones lineales y
algunos mt odos para resolverlos, los cuales conocemos act ualment e con nombres
europeos, y enseamos en la escuela aparecieron por primera vez en China siglos ant es que
en Europa.
La idea de det erminant e fue publicada primero en Japn. El mat emt ico j apons Takakazu
Seki (1642-1798) public, en 1683, una obra t it ulada Mt odo para Resolver los Problemas
Disimulados en la cual int roduce mt odos mat riciales similares a los usados por los
mat emt icos chinos ant es de nuest ra era y adems int roduce los det erminant es. Seki fue
un mat emt ico muy brillant e y produj o muchas ideas mat emt icas ant es de que fueran
invent adas por mat emt icos europeos. En el caso de los det erminant es, Saki se adelant
unos diez aos a Leibniz. Algunos aut ores afirman que est e descubrimient o fue simult neo
pero independient e como veremos ms abaj o. Saki nunca us un t rmino que se
correspondiera con la palabra det erminant e ( OConnor y Robert son, 2003) .
Tenemos as que los primeros pasos en el desarrollo de concept os y procedimient os que
forman part e del lgebra lineal surgieron fuera de Europa y muchos ant es de que
mat emt icos europeos se ocuparan de ellos. En especial t enemos que resalt ar que el caso
del lgebra lineal los griegos no j ugaron ningn papel de import ancia. Debido, en buena
medida, a su pobre desarrollo en el lgebra.
Veamos a cont inuacin brevement e el desarrollo del lgebra lineal en Europa. Comenzamos
en el siglo XVI . Cardano, en su libro Ars Magna, present a una regla para resolver un
sist ema de dos ecuaciones lineales la cual denomin regula de modo. Est a regla de Cardano
es fundament alment e similar a la regla de Cramer para resolver un sist ema 2 x 2. Cardano
no logr una definicin de det erminant e aunque en su t rabaj o se encuent ra el germen para
una definicin.
Muchos de los result ados est ndar en la t eora element al de mat rices aparecieron por
primera vez mucho ant es que las mat rices fueran obj et o de invest igacin mat emt ica. Por
ej emplo, de Wit t , en su libro Element os de Curvas, most r como una t ransformacin de los
ej es reduce una ecuacin dada para una cnica a la forma cannica. Est e result ado t iene

que ver con la diagonalizacin de una mat riz simt rica pero de Wit t no se lo plant e en esos
t rminos.
En una cart a a lHopit al, Leibniz le explica que el sist ema de ecuaciones
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
t iene solucin porque: 10.21.32 + 11.22.30 + 12.20.31 = 10.22.31 + 11.20.32 + 12.21.30,
lo cual es equivalent e a la condicin que la mat riz de coeficient es t iene det erminant e 0. Lo
int eresant e de est e result ado es que Leibniz no est usando coeficient es numricos, la
expresin se compone de caract eres, el primero se refiere a la ecuacin en que se
encuent ra y el segundo a la let ra que pert enece. Se t rat a de una not acin donde 12 es
equivalent e a a
12
, t al cual como lo escribimos hoy en da. Recordemos que Leibniz sost ena
que una buena not acin mat emt ica era la clave para el progreso. Est a conviccin le llev a
experiment ar con diferent es not aciones para los coeficient es de las ecuaciones en un
sist ema. Es bien conocida la cont ribucin de Leibniz a la not acin en el clculo diferencia e
int egral.
El t rmino result ant e fue usado por Leibniz para nombrar unas sumas combinat orias de
t rminos de un det erminant e. Tambin present un result ado similar a la regla de Cramer.
Adems, hay evidencias de que conoca que un det erminant e poda ser expandido usando
una columna, t al como lo que llamamos hoy la expansin de Laplace. As como el est udio de
los coeficient es de un sist ema de ecuaciones le llev a los det erminant es, su est udio de los
coeficient es de formas cuadrt icas conduce a la t eora de mat rices.
En 1748 apareci publicado el libro de MacLaurin t it ulado Trat ado del lgebra, el cual
escribi en 1730. En est e libro, MacLaurin present lso primeros result ados sobre
det erminant es demost rando la regla de Cramer para sist emas 2 x 2 y 3 x 3 e indicaciones
de cmo funciona est a regla para el caso 4 x 4. Fue en 1750, cuando el propio Cramer dio
una regla general para sist emas n x n, sin demost racin, en su art culo I nt roduccin al
Anlisis de Curvas Algebraicas. El problema que le preocupaba a Cr amer, en est e caso, era
el de hallar la ecuacin de una curva en el plano que pase a t ravs de un nmero dado de
punt os.
En el siglo XVI I , comienzan a aparecer con ciert a regularidad t rabaj os sobre det erminant es.
En 1764, Bezout present mt odos para calcular det erminant es, Valdermont t ambin
public algunos result ados en est e sent ido en 1771. Un ao ms t arde, Laplace afirm que
los mt odos int roducidos por Cramer y Bezout no eran prct icos. Laplace, en un art culo
dedicado al est udio de las rbit as de los planet as, discut i la resolucin de sist emas de
ecuaciones lineales sin hacer clculos con las ecuaciones ut ilizando det erminant es. En sus
t rabaj os, Laplace us el t rmino result ant e para referirse a lo que hoy llamamos
det erminant e , como mencionamos ant eriorment e ese primer t rmino fue t ambin usado
por Leibniz. Laplace elabor la expansin de un det erminant e que hoy lleva su nombre.
Ot ro mat emt ico que cont ribuy al desarrollo del lgebra lineal fue Lagrange. En un art culo
que apareci publicado en 1773, sobre t emas de mecnica, Lagrange present result ados
sobre ident idades para det erminant es funcionales de 3 x 3. En est e t rabaj o no se est ablece
relacin alguna con los result ados ya publicados por Laplace y Vandelmonde. Ot ro aspect o
int eresant e de est e art culo, es que en st e aparece por primera vez una int erpret acin del
det erminant e como volumen. En part icular, Lagrange demuest ra que el t et raedro formado
por O( 0, 0, 0) y los t res punt os M( x, y, z) , M(x, y, z) y M( x, y, z) t iene volumen igual
a 1/ 6[ z( xy yx) + z( yx xy) + z( xy yx) ] .
Ent ramos en el Siglo XVI I , fue Gauss, en su t rabaj o Disquisit iones Arit hmet icae que
apareci en 1801, quien int roduj o el t rmino det erminant e en una discusin sobre formas
cuadrt icas. Gauss us est e t rmino porque el det erminant e det ermina las propiedades de
las formas cuadrt icas. Est e concept o de det erminant e no es el mismo que el que usamos
hoy en da. Gauss describi la mult iplicacin de mat rices, como composicin, y la inversa de
una mat riz en el cont ext o part icular de los arreglos de los coeficient es de formas
cuadrt icas. La int erpret acin de Gauss de la mult iplicacin de mat rices como composicin
muest ra que l no haba alcanzado el concept o de lgebra de mat rices.
El mt odo de eli minacin gaussiana fue int roducido por Gauss en su t rabaj o que le dedic al
est udio de la orbit a del ast eroide Pallas. Trabaj ando con los dat os de observaciones de
Pallas, recogidos ent re 1803 y 1809, Gauss obt uvo un sist ema de seis ecuaciones lineales
con seis incgnit as e ide un mt odo sist emt ico para resolver t ales ecuaciones.
Recordemos que est e mt odo fue invent ado por los mat emt icos chinos t al como sealamos
ant eriorment e.
El t rmino det erminant e fue usado por primera vez en le sent ido moderno por Cauchy en
1812. Cauchy demost r nuevament e los result ados ant eriores y produj o nuevos result ados
propios sobre menores y adj unt os, su t rabaj o fue el ms complet o de los t rabaj os de est a
poca sobre det erminant es. En el art culo que public en est e ao demost r el t eorema de
mult iplicacin de los det erminant es por primera vez. En la misma reunin del I nst it ut o de
Francia, en la que Cauchy ley su art culo, Binet t ambin present un t rabaj o con una
demost racin del t eorema de la mult iplicacin pero result menos sat isfact orio que la
ofrecida por el primero.
Ms t arde, en 1826, Cauchy us el t rmino t ableau ( t abla) para denot ar a la mat riz de
coeficient es en el cont ext o de su est udio de las formas cuadrt icas en n variables. Encont r
los valores propios y obt uvo result ados sobre la diagonalizacin de una mat riz en el proceso
de convert ir una forma a una suma de cuadrados. Est e mat emt ico t ambin int roduj o el
concept o de mat rices similares ( pero no el t rmino) y demost r que si dos mat rices son
similares t ienen la misma ecuacin caract erst ica. Gauss t ambin demost r, cont inuando
con sus est udios de las formas cuadrt icas, que t oda mat riz simt rica es diagonalizable.
El t ema de los valores propios t ambin fue t rat ado por Jacques St urn en el cont ext o de la
resolucin de sist emas de ecuaciones diferenciales ordinarias. St urn produj o una
generalizaci n del problema de los valores propios. Aunque el concept o de valor propio
haba sido int roducido 80 aos ant es por DAlembert . Est e lt imo se ocupaba del problema
del movimient o de una cuerda con masas at adas a st a en varios punt os, el cual conduce a
la resolucin de sist emas de ecuaciones diferenciales lineales. Ni Cauchy ni St urn est aban
conscient es de la generalidad de las ideas con las que est aban t rabaj ando y las
consideraban en los cont ext os part iculares en los que t rabaj aban.
Ot ro concept o import ant e en el lgebra lineal es el de t ransformacin lineal. Est e concept o
fue t rat ado de manera independient e por Jacobi, en 1830, Kronecker, en la dcada de 1950,
y Weierst rass, en la dcada de 1860. En 1841, Jacobi public t res t rat ados sobre
det erminant es. Est os t rabaj os fueron de mucha import ancia porque en ellos aparece por
primera vez una definicin de det erminant e de manera algort mica y los element os del
det erminant e no aparecieron especificadas de manera t al que los result ados se aplican
igualment e a los casos donde los element os sean nmeros o donde sean funciones.
Adems, t res t rabaj os sirvieron para diseminar la idea de det erminant e.
La primera cont ribucin en idioma ingls a la t eora de los det erminant es fue un escrit o de
Cayley publicado en 1841. Fue en est e t rabaj o donde apareci por primera vez el uso de
dos lneas vert icales a ambos lados del arreglo para denot ar un det erminant e. Est a not acin
es la ms usada en nuest ros t ext os act uales.

En 1844, Eisenst ein us una sola let ra para denot ar a las subst it uciones lineales y most r
como sumarlas y mult iplicarlas al igual que nmeros ordinarios, except o por la falt a de
conmut at ividad. Para algunos aut ores, Eisenst ein fue el primero en proponer la idea de
considerar las subst it uciones lineales como un lgebra.
El t rmino mat riz fue int roducido por primera vez por Silvest re en 1850. Silvest re defini
una mat riz como un arreglo oblongo de t rminos y los vio como obj et os que llevaban a
varios det erminant es de los arreglos cuadrados cont enidos en aquel. Despus de su regreso
a I nglat erra en 1851, Silvest re compart i con Cayley su int ers por las mat emt icas,
aunque ambos se dedicaban ent onces a la abogaca. Cayley capt ur con rapidez la
impost ancia de las mat rices y public unas not as, en 1853, donde apareci por primera vez
la idea de inversa de una mat riz.
Sin embargo, la primera definicin formal de una mat riz no apareci sino en 1858. En est e
ao, Cayley public su Memoria sobre la Teora de Mat rices donde escribi esa definicin. En
ese t rabaj o los arreglos de coefi cient es est udiados en el caso de las formas cuadrt icas y de
las t ransformaciones lineales son t rat ados como casos especiales de est e concept o general.
Cayley elabor un lgebra de mat rices, defini la adicin, la mult iplicacin, la mult iplicacin
por un escalar y las inversas, t ambin produj o una const ruccin explcit a de la inversa de
una mat riz en t rminos del det erminant e de st a. Adems, demost r , para el caso de
mat rices 2x2, que una mat riz sat isface su propia ecuacin caract erst ica. La generalizacin
de est e result ado es conocido como el t eorema de Cayley-Hamilt on. Hamilt on demost r ese
result ado para el caso de mat rices 4x4 en el marco de sus est udi os sobre los cuat erniones.
El t rabaj o de Jordan, t it ulado Trat ado sobre las Subst it uciones y Ecuaci ones Algebraicas, de
1870 t rat a el t ema de una forma cannica para las subst it uciones lineales sobre un campo
finit o de orden primo. En ese t rabaj o aparece l a llamada forma cannica de Jordan.
Frobenius escribi un t rabaj o import ant e sobre las mat rices en 1878, el cual t iene por t t ulo
Sobre las Subst it uciones Lineales y las Formas Bilineales. Al parecer, Frobenius no t enia
conocimient o del t rabaj o previament e publicado por Cayley. En su t rabaj o, Frobenius no usa
el t rmino mat riz aunque t rat a con coeficient es de formas. Sin embargo, llega a demost rar
result ados import ant es sobre marices cannicas como represent at ivas de clases especiales
de mat rices. Frobenius hace referencia a t rabaj os de Kronecker y Wei erst rass donde habran
t rat ado casos especiales de sus result ados en los aos de 1874 y 1868 respect ivament e.
Tambin demost r el result ado general que ua mat riz sat isface su ecuacin caract erst ica.
En est e t rabaj o Frobenius t ambin present a una definicin del rango de una mat riz el cual
usa en su t rabaj o con formas cannicas y la definicin de mat rices ort ogonales.
En 1884, Sylvest er define la nulidad de una mat riz cuadrada A, n(A) , com el mayor i t al que
cada menor de A de orden n i + 1 es cero. l est aba int eresado en est udiar los invariant es
de mat rices, es decir, de est udiar aquellas propiedades de las mat rices que no cambian baj o
ciert as t ransformaciones.
A finales del siglo XI X, en 1896, Frobenius conci el t rabaj o de Cayley Memoria sobre la
Teora de Mat rices, de 1858. Despus de est o fue que comenz a usar el t rmino mat riz. A
pesar del hecho que Cayley slo demost r el llamado t eorema de Cayley-Hamilt on para los
casos de mat rices de 2x2 y 3x3 respect ivament e, Frobenius generosament e le at ribuy el
result ado a st e aunque el mismo Frobenius fue el primero en demost rar el t eorema en
general.
Pasamos ahora al Siglo XX. Aparece publicado en 1903, post -mort en, el t rabaj o de
Weierst rass Sobre la Teora de Det erminant es. En ese t rabaj o, Weierst rass ofrece una
definicin axiomt ica de det erminant e. En ese mismo ao fueron publicadas las lecciones de
Kronecker sobre los det erminant es, t ambin despus de su muert e. Con est os dos t rabaj os
se est ableca la t eora moderna de det erminant es, pero la t eora de mat rices t om u poco
ms de t iempo para llegar a ser una t eora complet ament e acept ada. Uno de los primeros
pasos en ese proceso de acept acin fue la publicacin, en 1907, del libro de Bcher
I nt roduccin al lgebra Avanzada. En la dcada de 1930 parecieron t rabaj os influyent es
escrit os pro Turnbull y Ait ken. Ms t arde, en 1955, con el libro de Mirsky Una I nt roduccin
al lgebra Lineal la t eora de mat rices alcanza su papel de import anci a act ual como uno de
los cursos de mat emt icas ms import ant es en la formacin de pre- grado de mat emt icos.
Olga Taussky Todd ( 1906-1995) j ug un papel muy import ant e en la elevacin de las
mat rices de una mera herramient a a una import ant e t eora. Ella us las mat rices para
analizar las vibraciones en los aviones durant e la Segunda Guerra Mundial y se convirt i en
lder en el desarrollo de la t eora de mat rices.
Los libros y el lgebra Lineal en Venezuela
Como mencionamos ant eriorment e, se ha escrit o muy poco sobre la hist oria de las
mat emt icas en Venezuela. Una de las pocas obras con las que cont amos es la de Mauricio
Orellana ( 1980) t it ulada Dos Dcadas de la Mat emt ica en Venezuela publicada por la
Universidad Nacional Abiert a. Tambin hay unos pocos art culos publicados sobre el t ema,
por ej emplo los t rabaj os de Beyer (2004) y Brit o ( 2004) . La hist oria de las mat emt icas en
nuest ro pas es un campo virgen para la invest igacin. A cont inuacin ofrecemos una
pequea cont ribucin a esa hist oria, limit ada a los libros de lgebra lineal publicados en el
pas.
El primer libro venezolano del que t enga conocimient o que t rat a t emas de lgebra Lineal a
nivel universit ario fue escrit o por Raimundo Chela, primer doct or en mat emt icas
venezolano. En su libro, Curso de lgebra, escrit o especialment e para profesores de
secundaria en formacin, el profesor Chela ( 1957) , int roduce t emas de lgebra lineal sin
mencionar est a rama de la mat emt ica. Seala Chela que:
Para los est udiant es del I nst it ut o Pedaggico o de ot ros similares, t iene an
mayor import ancia el deslinde formal del lgebra que se propugna en varias
part es de est a obra, ya que en el fut uro profesor de Segunda Enseanza es vit al
la ordenacin de los conocimient os en cualquiera de las disciplinas sobre las que
versan sus est udios; y en el caso part icular del lgebra result a muy convenient e
prevenirlo sobre el alcance de esa ciencia, debido a que en muchos buenos
t ext os de Anlisis Mat emt ico, de frecuent e uso, se exponen, sin la suficient e
crt ica, j unt o con nociones del anlisis infinit esimal, con lo cual result a casi
siempre borrosos y confusos los lmit es del lgebra.
El lgebra Element al, la que se est udia en los liceos, en un ej emplo de las
variedades algebraicas llamadas campos.
Encont ramos, en est as palabras del profesor Chela expresin de la necesidad de dist inguir
mercadament e los lmit es ent re el lgebra y el anlisis. Todava no aparece el lgebra Lineal
como disciplina diferenciada en la formacin de profesores. Adems, podemos agregar aqu,
que Chela enfat iza que el lgebra Element al que le ensea en educacin secundaria es un
caso part icular de lgebra.
Act ividad 3.5
Si en una de las universidades que funcionan en la ciudad donde ust ed vive o cerca se
ofrece la carrera de Mat emt icas averige lo siguient e:
1. Si profesores de esa universidad han escrit o libros o manuales de lgebra Lineal. En
caso posit ivo haga una cronologa incluyendo los libros mencionados en est a leccin.
2. Cundo se ofreci por primera vez el curso de lgebra Lineal en esa universidad.

Respondiendo a los llamados int ernacionales para reformar la mat emt ica escolar en la
dcada de los 60 un grupo de profesores de mat emt ica del I nst it ut o Experiment al
Pedaggico de Barquisimet o organiz un Curso de perfeccionamient o de Profesores de
Mat emt ica. Est e curso est aba fundament alment e dirigido a profesores de mat emt ica de la
educacin secundaria. Para t al curso fueron escrit os una serie de publicaciones sobre
diversos t emas de mat emt icas. En el ao 1966, apareci el follet o lgebra Lineal escrit o
por el por. M. Morales V. Est e follet o est aba est ruct urado en dos part es. La primera part e
de t res capt ulos sobre espacios vect oriales, mat rices y aplicaciones lineales. La segunda
part e est aba formada por complement os y ej ercicios, el cual era un conj unt o de ej ercicios
resuelt os y ot ros propuest os sin solucin. Los aut ores de est os cursos no nos sealan que
import ancia le asignan al lgebra lineal en la formacin de los profesores de
Ot ro ej emplo, de libro de lgebra Lineal escrit o en Venezuela, lo ofrece la unidad de
est udios libres de la Universidad Simn Bolvar con el nombre lgebra Lineal y Geomet ra
( Mat 007) . Est a unidad est aba seguida de ot ras unidades ( Mat 007, Mat I I y Mat 112) sobre
t emas de est a rama de las mat emt icas. En la descripcin de la unidad sus aut ores sealan
que:
Con est a unidad, ust ed empieza a est udiar un capt ulo muy import ant e de la
mat emt ica: el lgebra lineal, que t rat a de los vect ores y sus propiedades. En
ella le discut ir el lgebra lineal en R
2
, o sea, los vect ores del plano; son las
flechit as que ust ed empez en bachillerat o para est udiar diversos concept os
fsicos como las fuerzas y la velocidad. ( p.7)
Siguiendo con la descripcin de la unidad, los aut ores sealan que el concept o de
combinacin lineal es fundament al en el lgebra lineal. Reconocen que a pesar de ser un
concept o aparent ement e sencillo, a veces hay dificult ades en comprenderlo (p.7) . Agregan
que las t ransformaciones lineales, que con lo que dan razn de exist encia el lgebra lineal
( p.8) . Est as unidades eran ofrecidas a profesores de mat emt icas en formacin.
El lgebra Lineal I nt eract iva del profesor Luc Bramaud du Boucheron es el primer libro de
est a asignat ura que combina el uso de t ecnologa. Est e libro viene acompaado del
programa ( soft ware) Bbgraf I I , producido por el mismo do Boucheron y la profesor Clara
Baldi Acost a. Est e programa const it uy part e del t rabaj o hecho en el Depart ament o de Mat .
Aplicadas, de la Facult ad de I ng. -UCV, sobre el uso de la t ecnologas en la enseanza de la
mat emt ica.
Seala Boucheron que:
El est udio de los sist emas de ecuaciones lineales, t ema familiar a t odos los
bachilleres, sirve de base para la int roduccin de muchos concept os de lgebra
Lineal: mat rices, product o de mat rices, vect ores, espacios y subespacios
vect ores, et c. ( p.7) .
Adems afirma que:
La Geomet ra analt ica t iene un lugar import ant e en est e curso, por un lado, es el
primer campo de aplicabilidad del lgebra Lineal pero, por el ot ro t ambin es una
fuent e de menos concept os ( dist ancia, ort ogonalidad, ngulos, et c.) que
increment an considerablement e los alcances de est a disciplina. ( p.7) .
Propone Boucheron alt erar el est udio t erico con la experiment acin , lo cual se hace
posible gracias al programa Bbgraf I I .
En 1999, t ambin como part e de un programa de formacin de profesores de mat emt icas
graduados, el profesor Soon- Kiong Sim prepar un libro de lgebra Lineal para un curso del
mismo nombre. Est e libro forma part e de la coleccin Mat eriales para el Aula edit ados por
la Escuela Venezolana para la Enseanza de la Mat emt ica que se realiza anualment e en la
Facult ad de Ciencias de la Universidad de los Andes en la ciudad de Mrida.
En conclusin, los mat emt icos venezolanos se han ocupado de escribir libros de lgebra
Lineal para la enseanza en la universidad, en especial para la formacin de nuevos
profesores de mat emt icas y para el desarrollo profesional de profesores en ej ercicio. Hay
muchas pregunt as por responder en el campo de la hist oria de las mat emt icas, como por
ej emplo: Cundo se dict el primer curso de lgebra lineal a nivel universit ario? Cul fue
el primer libro de lgebra lineal usado en nuest ras universidades? En cul orden han sido
int roducidos los t emas de lgebra lineal en la escuela secundaria venezolana? Qu
cont ribuciones originales han hecho los mat emt icos venezolanos en el campo del lgebra
lineal?
Con est a breve not a sobre un aspect o de la hist oria del lgebra lineal en Venezuela,
esperamos que ust ed sient a curiosidad por el est udio de la hist oria y que, por muy limit ada
que pueda parecer, t odo pas t iene su propia hist oria de las mat emt icas.

Referencias
Beyer, W. ( 2004) . Bossio, Chela, Duart e y Zavrot sky: Un lazo de oro para la mat emt ica y
la educacin mat emt ica en Venezuela. En D. Mora ( Comp.) , Tpicos en educacin
mat emt ica ( pp. 183-202) . Caracas: GI DEM.
Brit o, O. ( 2004) . Panorama mat emt ico en la Venezuela colonial. En D. Mora ( Comp.) ,
Tpicos en educacin mat emt ica ( pp. 299- 250). Caracas: GI DEM.
Joseph, G. G. ( 1978) . Foundat ions of eurocent rism in mat hemat ics. Race and Class, 27(3) ,
pp.13-28.
Mlt sev, A. I . ( 1978) . Fundament os del lgebra lineal. ( C. Vega, Trad.) . Mosc: MI R.
( original 1972)
O' Connor, J. J. y Robert son, E. F. (2003) . Nine Chapt ers on t he Mat hemat ical Art . Disponible
en: ht t p: / / www- groups.dcs.st - and.ac.uk/ ~ hist ory/ Hist Topics/ Nine_chapt ers.ht ml
Orellana, M. ( 1980) . Dos Dcadas de la Mat emt ica en Venezuela. Caracas: Universidad
Nacional Abiert a.


Anexo A
Cronologa del lgebra Lineal

1900 AC Los comienzos de las mat rices y los det erminant es se encuent ran en el est udio
de sist emas de ecuaciones lineales, el cual fue int roducido primero por los
babilonios. Los babilonios est udiaron problemas que le llevaron a plant earse
ecuaciones lineales simult neas.
200 AC Los chinos realment e llegaron ms cerca de las mat rices que usamos hoy en da
mediant e un mt odo muy similar al que conocemos con el nombre de
eliminacin gaussiana. Est a t cnica fue usada por los chinos an ant es de que
t uvieran ecuaciones o variables.
1545 Cardano, en su obra Ars Magna, present a una regla para resolver un sist ema de
dos ecuaciones lineales llamado regula de modo, la cual es esencialment e la
regla de Cramer, pero Cardano no lleg al lt imo paso, de manera que l no
lleg a la definicin de un det erminant e.
1683 El mat emt ico j apons Takakasu Seki Kowa (1642-1708) escribi el Mt odo de
Resolver Problemas Disimulados, el cual cont iene mt odos de mat rices escrit os
en t ablet as, de la misma manera en que los chinos los regist raban. Seki t ambin
int roduj o los det erminant es y dio mt odos generales para calcularlos basndose
en ej emplos. Seki hall mat rices de hast a 5x5 y las aplic a la resolucin de
ecuaciones pero no a sist emas de ecuaciones.
Leibniz explico que un sist ema de ecuaciones
10 + 11x + 12y = 0
20 + 21x + 22y = 0
Tena una solucin porque
30 + 31x + 32y = 0
10.21.32 + 11.22.30 + 12.20.31 = 10.22.31 + 11.20.32 + 12.21.30, lo cual es
exact ament e la condicin que la mat riz de coeficient es t enga det erminant e igual
a 0. Los punt os indican la mult iplicacin y los dos caract eres describen primero
la ecuacin y el segundo sust it uye la let ra.
1750 Cramer present una frmula basada en det erminant es para resolver sist emas
de ecuaciones lineales, mej or conoci do como la Regla de Cramer para sist emas
de ecuaciones nxn.
1773 El primer uso implcit o de las mat rices ocurri en el t rabaj o de Lagrange sobre
las formas bilineales para la opt imizacin de funcin de valores reales de 2 o
ms variables. Lagrange buscaba caract erizar el mximo y el mnimo de
funciones de varias variables.
1800 Carl Friederich Gauss ( 1777- 1855) fue le primero en usar el t rmino
det erminant e . Us est e t rmino porque el det erminant e det ermina las
propiedades de la forma cuadrt ica, el cual no es el mismo concept o de
det erminant e en uso hoy en da. Gauss describi la mult iplicacin de mat rices y
la inversa de una mat riz, en el cont ext o part icular de los arreglos de coeficient es
de formas cuadrt icas. Tambin desarroll la Eliminacin Gaussi ana mient ras
est udiaba la rbit a del ast eroide Pallas por medio de la obt encin de un sist ema
de seis ecuaciones lineales y seis incgnit as. Est e mt odo fue ms t arde usado
para resolver problemas de mnimos cuadrados en clculos celest iales y en
clculos para medir la Tierra y su superficie.
1812 Cauchy us el t rmino det erminant e en su sent ido moderno y demost r el
t eorema de la mult iplicacin de det erminant es por primera vez.
1826 Cauchy encont r los valores propios y dio result ados sobre la diagonalizacin de
una mat riz en el cont ext o de convert ir una forma a la suma de cuadrados.
Cauchy t ambin int roduj o la idea de mat rices similares y most r que si dos
mat rices son similares, ellas t ienen al misma ecuacin caract erst ica y demost r
que t oda mat riz simt rica real es diagonalizabe.
1834 Jacques St urm dio una generalizacin del problema de los valores propios en el
cont ext o de la resolucin de sist emas de ecuaciones diferenciales ordinarias.
1844 Grassmann propuso la primera lgebra vect orial que involucr un product o
vect orial no conmut at ivo (VxW no t iene que ser igual a WxV) . Grassmann
t ambin int roduj o el product o de una mat riz columna y una mat riz fila lo cual
result en lo que es hoy en da denominado una mat riz simple o de rango uno.
1850 James Joseph Silvest re fue el primero en int roducir el t rmino mat riz , el cual
describi como un arreglo oblongo de t rminos . Silvest re t ambin defini la
nulidad de una mat riz cuadrada.
1855 Art hur Cayley cult iv el lgebra de mat rices. Cayley est udi composiciones de
t ransformaciones lineales y fue llevado a la mat riz definiendo la adicin, la
mult iplicacin, la mult iplicacin escalara y las inversas.
1870 La forma cannica de Jordan apareci en su publicacin Treat ise on
Subst it ut ions and Algebraic Equat ions. st a apareci en el cont ext o de una
forma cannica de subst it uciones lineales sobre un campo finit o de orden primo.
1878 Frobenius obt uvo result ados import ant es sobre las nat rices cannicas como
represent at ivas de clases de equivalencias de mat rices. Frobenius t ambin
defini el rango de una mat riz, el cual us en su t rabaj o sobre formas cannicas
y la definicin de mat rices ort ogonales.
1888 Peano, en su libro Calcolo Geomet rico Secondo lAusdehnungslere de H.
Grassmann Precedut o dalle Oparazioni della Logica Deduct iva, present una
int roduccin moderna de espacios lineales y del lgebra lineal .
1890 Weierst rass us una definicin axiomt ica de un det erminant e.
1925 Heisenburg reinvent el lgebra mat ricial para la mecnica cunt ica.
1942 Gibas represent mat rices generales como suma de dos mat rices simples.
1948 Turing int roduj o la descomposicin LU de una mat riz.
1958 Wilkinson desarroll la fact orizacin QR

Aut o- Evaluacin 3

1. Elabore un esquema del enfoque o t rayect oria alt ernat iva en la hist oria de las
mat emt icas.
2. Tomando como referencia el esquema ant erior, elabore un esquema para represent ar la
evolucin hist rica del lgebra lineal t al como se present a en est a leccin.
3. Compare y cont rast e ambos esquemas hechos en los punt os 1 y 2.
4. Seale en cules pases o regiones del mundo aparecieron las primeras ideas del lgebra
lineal.
5. I ndique cul es el principal problema del lgebra lineal.
6. Cules son los obj et os de est udio del lgebra lineal?
7. Diga cules son los cinco enfoques en el uso de la hist oria de las mat emt icas en la
educacin en mat emt icas.
8. Cmo puede cont ribuir a la enseanza del lgebra lineal el conocimient o de su hist oria?

Leccin 4
Tecnologas en la Enseanza y Apr endizaj e del lgebra Lineal

Est a leccin t iene como obj et ivo pasar revist a al uso de t ecnologas en la enseanza,
aprendizaj e y evaluacin de t emas de lgebra Lineal. Est a rama de las mat emt icas se
caract eriza por sus numerosas aplicaciones y por t rat ar con un gran nmero de algorit mos
de clculo que son relat ivament e sencillos. Sin embargo, realizar esos algorit mos con papel
y lpiz en cont ext os reales, que involucren una gran cant idad de dat os, puede result ar muy
t edioso y prct icament e imposible. Por ot ro lado, dedicarle demasiado t iempo a la
realizacin de cuent as con papel y lpiz puede desmot ivar a los est udiant es y no permit irles
capt ar los concept os fundament ales del lgebra Lineal. Las t ecnologas, en part icular
calculadoras y comput adoras, result an de mucha ut ilidad para auxiliarnos en la ej ecucin de
esos algorit mos. Sin embargo, como veremos en est a leccin, el uso de las t ecnologas en la
enseanza no se limit a a ese papel, el de ahorrarnos t iempo al hacer clculos. El uso de las
t ecnologas en educacin en mat emt icas, y en la enseanza, aprendizaj e y evaluacin del
lgebra Lineal en part icular, incluye un amplio rango de posibilidades.

Aplicaciones genricas
Denominamos aplicaciones genricas a un conj unt o de aplicaciones que fueron diseadas
para diversos usos y que pueden ser empleadas en diversas facet as de la enseanza,
aprendizaj e y evaluacin de t emas de lgebra Lineal. En est a leccin nos ocuparemos de
t res t ipos de est as aplicaciones, los cuales son: a) hoj as de clculo, b) lat ex y c)
present adores.
Hoj as de clculo. Las hoj as de clculo son una de las primeras aplicaciones desarrolladas
especialment e para las comput adoras personales. Est as surgen de la necesidad de
aut omat izar las hoj as de t rabaj o que se usan en cont abilidad. Con la popularizacin de
Windows y de Microsoft Office, la hoj a de clculo Excel se convirt i en la hoj a de clculo
ms usada. Aunque exist en hoj as de clcul o de ot ros fabricant es y en dist ribucin abiert a
( Open Source) , como por ej emplo Open Office. Dada la amplia dist ribucin de Excel,
usaremos est a hoj a de clculo para los ej emplos de uso de est as aplicaciones en la
enseanza del lgebra Lineal.
La hoj a de clculo Excel incluye varias funciones que nos permit en realizar operaciones
con mat rices y calcular det erminant es. Est as funciones son: mat riz inversa, mult ipl icacin
de mat rices y det erminant e. La adicin de mat rices se puede hacer fcilment e usando los
comandos de suma de la hoj a de clculo. Para t ener acceso a est as funciones hay que
seleccionar el men I nsert ar en la barra superior ( ver Figura 4.1) . Una vez dent ro de ee
men, escoj a con el cursor y haga clic sobre Funcin. Una vez hecha est a operaci n se
abre la vent ana de di logo I nsert ar Funcin. En est a vent ana aparece una diversidad de
opciones ( ver Figura 4.2) . En esa vent ana hay que escoger la opcin Mat emt ica y
t rigonomet ra . Una vez seleccionada esa opcin aparecern en la vent ana de dilogo la list a
de t odas las funciones de Mat emt ica y t rigonomet ra disponibles. Buscamos en la list a y
seleccionamos la funcin MI NVERSA, la cual nos permit e calcular la inversa de una mat riz
dada.

Figura 4.1. Men I nsert ar de Excel

Figura 4.2. Vent ana de dilogo de I nsert ar Funcin

Al seleccionar la funcin de nuest ro int ers, aparece en la part e inferior de la vent ana de
dilogo una breve descripcin de la misma (Ver Figura 4.3) . En el caso de la funcin
MI NVERSA aparece la siguient e descripcin: Devuelve la mat riz inversa de una mat riz
dent ro de una mat riz (ver Figura 4.3) .

Figura 4.3. Vent ana de dilogo con la funcin MI NVERSA seleccionada
Le invit amos a que experiment e con est as funciones.
Act ivdad 4.1
Use Excel para resolver el problema propuest o como part e de la Act ividad 3.3.
Tex y Lat ex. Se t rat a de una aplicacin especial para t ranscribir t ext os de mat emt icas.
Lat ex es ampliament e ut ilizado para la escrit ura de libros, art culos para revist as y
mat eriales inst ruccionales impresos. Est a aplicacin nos permit e escribir t odo t ipo de
expresiones mat emt icas. Adems, de su versat ilidad para la escrit ura en mat emt icas, hay
varias versiones de Lat ex disponibles en format o Open source .
Una de las versiones ms populares de est a aplicacin es MikText . Est a versin la puede
baj ar, para inst alarla en su comput adora, en la direccin:
Tambin hay varios manuales de Lat ex en espaol disponibles librement e en la web.
Recomendamos los manuales que se encuent ran en las direcciones siguient es:
ht t p: / / www.fceia.unr.edu.ar/ lcc/ cdrom/ I nst alaciones/ LaTex/ lat ex.ht ml
ht t p: / / www.cidse.it cr.ac.cr/ revist amat e/ HERRAmI nt ernet / Lat ex/ wmlat exrevist a/ index.ht ml
Para aprender ms sobre Lat ex, una buena pgina web con bast ant e informacin bsica en
espaol es: ht t p: / / www.mat emat icas.net / paraiso/ lat ex.php. All incluso encont rar ust ed
informacin sobre como inst alar MikText .
Present adores. Los present adores son aquellas aplicaciones que se ut ilizan para disear
t ransparencias dinmicas de soport e para conferencias, exposiciones, clases, et c. al como

el caso de Excel, Power Point se ha convert ido en uno de los present adores ms ut ilizados.
Sin embargo, t ambin hay aplicaciones de est e t ipo en el format o fuent e abiert a .
Calculadoras
Las calculadoras que ms se usan en la educacin superior en nuest ro pas son las
fabricadas por CASI O y Hewlet Packard (HP) , est as lt imas son muy apreciadas por los
est udiant es de ingeniera. Para lo efect os de est a leccin nos int eresa, ms que pasar
revist a a un modelo en part icular de calculadora, ver algunos ej emplos e invit arle a
reflexionar sobre su uso en la clase de mat emt icas. Para t al efect o usaremos la calculadora
ClassPad 300 de CASI O.
En el Cent ro de Document acin de su Cent ro Local est a su disposicin un disco compact o
que cont iene una versin de la calculadora ClassPad 300 para comput adora. Una vez
inst alado el soft ware del disco t endr acceso a la calculadora.
En los anexos A y B le most ramos dos ej emplos de uso de la calculadora ClassPad 300 de
Casio en act ividades de aprendizaj e sobre t emas de lgebra Lineal.
Act ividad 4.2
I nst ale el ClassPad 300 en una comput adora y realice las act ividades propuest as en los
anexos A y B
Lenguaj es de programacin
Hay varios lenguaj es de programacin disponibles que se pueden usar para escribir
algorit mos del lgebra Lineal. Dependiendo del curso y de la formacin previa de los
est udiant es se les podra asignar t areas en las que t engan que disear programas para
ej ecut ar det erminados algorit mos. Est as t areas seran de especial relevancia para
est udiant es en las carreras de comput acin o de ingeniera de sist emas.
Fort ran es conocido por muchos como el lenguaj e de programacin de la ingeniera, por su
amplia aplicacin para soluciones de clculo numrico. Oct ave GNU es un lenguaj e de alt o
nivel que fue desarrollado como una alt ernat iva a Fort ran. Oct ave permit e resolver
numricament e problemas lineales y no- lineales y es compat ible con Mat hLab. Ust ed puede
descargar grat is est e lenguaj e de programacin en la direccin:
ht t p: / / www.gnu.org/ soft ware/ oct ave/ index.ht ml
Los lenguaj es t ambin permit en disear aplicaciones especiales para la web. Tal es el caso
del lenguaj e Java el cual permit e escribir applet s . Ms abaj o, en la seccin dedicada a los
obj et os de aprendizaj e present aremos unos ej emplos de applet s .
Aplicaciones especficas
Las aplicaciones especficas son aquellas, como su nombre lo indi ca, que fueron diseadas
especialment e para mat emt icas, incluso especialment e para el lgebra Lineal. Est as
lt imas las separamos en dos grupos que denominaremos ( a) t cnicas y ( b) didct icas.
Llamamos t cnicas aquellas aplicaciones diseadas para uso profesional y que t ambin
pueden ser usadas en la enseanza. Mient ras que las aplicaciones especficas didct icas
incluye t odas aquellas aplicaciones diseadas especficament e con fines educat ivos.
Hay disponibles un nmero de aplicaciones especiales t cnicas o sist emas algebraicos
comput arizados (SAC) , expresin int roducida en el curso de Didct ica del Clculo. En dicho
curso ust ed t uvo la oport unidad de est udiar algunas de est as aplicaciones y su import ancia
para la enseanza de las mat emt icas, en especial del Clculo. Las consideraciones hechas
en esa oport unidad se aplican al caso del lgebra Lineal.
Magma, Maple, Mat hemat ica y Mat hLab son los paquet es de comput acin comerciales
usados en mat emt icas. En al campo de la Open Source surgi SAGE como una
alt ernat iva a est as aplicaciones comerciales. Para ms informacin y baj ara est e soft ware
visit e la pgina: ht t p: / / www.sagemat h.org/
Exist e un buen nmero de sit ios en int ernet donde se pueden conseguir referencias de
aplicaciones especficas para la enseanza de las mat emt icas. Le recomendamos visit ar la
pgina del Proyect o e- Mat h de la Universit at Obert a de Cat alunya: La Universidad Virt ual,
en la direccin: ht t p: / / www.uoc.edu/ in3/ e-mat h/ int ro.ht m. All encont rar art culos,
mat eriales y enlaces int eresant es sobre el uso de t ecnologas en la enseanza de las
mat emt icas y un espacio dedicado a la enseanza del lgebra lineal.
Act ividad 4.3
1. Revise dos sit ios de aplicaciones especficas e indague acerca de su ut ilidad para la
enseanza y aprendizaj e del lgebra lineal. Considere si incluye clculo mat ricial,
det erminant es y ot ras aplicaciones del lgebra lineal.
2. I ndique si las aplicaciones especficas escogidas en el punt o 1 incluyen facilidades para
la visualizacin.
3. Cul de las dos aplicaciones especiales usara ust ed como profesor? Explique.
Obj et os de aprendizaj e
Qu es un obj et o de aprendizaj e? Compart imos la caract erizacin siguient e elaborada por
el Sout her Regional Educat ion Borrad ( SREB) de los Est ados Unidos. Para el SREB, Los
obj et os de aprendizaj e son cont enido digit al que puede ser usado y re-usado para la
enseanza y el aprendizaj e. Ellos son modulares, flexibles, port t il es, t ransferibles y
accesibles. Los obj et os de aprendizaj e pueden ser usados para ensear una habilidad o
concept o part icular, o para proveer pensamient o est imulant e y experiencias de aprendizaj e
para el profesor o est udiant e. Un obj et o de aprendizaj e, t al como es definido por SCORE
( siglas de Sharable Cont ent Obj ect s Reposit ory for Educat ion) , incluye cont enido digit al,
act ividades prct icas y herramient as de evaluacin que est n ligadas uno o ms obj et ivos
educacionales y clasificado en un plan que permit e informacin acerca del cont enido a ser
almacenado y recuperado ( esquema met a- dat os) .
Para los propsit os de la enseanza y el aprendizaj e, los obj et os de aprendizaj e efect ivo
usan document os, int eract ividad, grficos, simulaciones, video, sonido y ot ras herramient as
que vna ms all de las present aciones est t icas de los libros para involucrar a los
est udiant es en cont enido del mundo real ( Fuent e:
ht t p: / / www.sreb.org/ programs/ EdTech/ pubs/ PDF/ 05T03- PrinciplesEffect iveLO.pdf ) .
A cont inuacin present amos algunos ej emplos de obj et os de aprendizaj e especficos para la
enseanza y aprendizaj e de t emas de lgebra lineal. En la web ust ed encont rar en la web
un buen nmero de pginas donde se almacenan obj et os de aprendizaj e que est n a la
disposicin de t odo aquel que ls quiera usar.
Calculadora de vect ores. Est e obj et o de aprendizaj e es una calculadora grfica que nos
permit e hallar la suma de dos vect ores en dos dimensiones, es decir, en el pl ano. Vist e la
pgina ht t p: / / comp.uark.edu/ ~ j geabana/ j ava/ Vect orCalc.ht ml donde podr experiment ar
con est e obj et o de aprendizaj e.

Est a calculadora nos permit e sumar solament e dos vect or es en el plano. En la pgina donde
se encuent ra est a calculadora encont ramos un enlace que nos lleva a una adapt acin de
st a donde encont ramos una calculador que nos permit e sumar hast a t res vect ores en el
plano. Est a la puede encont rar direct ament e en la siguient e direccin elect rnica:
ht t p: / / romano.physics.wisc.edu/ lab/ j ava/ M2_Vect or_Calculat or.ht ml .

Calculadora de mat rices. Vimos al comienzo de est a uni dad que con la herramient a Excel
podamos hacer operaciones con mat rices y calcular det erminant es. Sin embargo, exist en
numerosas aplicaciones especiales y obj et os de aprendizaj e que nos permit en operar con
mat rices y obt ener ot ros result ados int eresant es. Est e es el caso del obj et o de aprendizaj e
calculadora de mat rices que se encuent ra deposit ado en la pgina:
ht t p: / / wims.unice.fr/ wims/ wims.cgi .
Al ent rar en la pgina indicada arriba aparecer una pant alla como la que se muest ra a
cont inuacin. En el espacio en blanco que aparece a la derecha del signo de igualdad ust ed
puede int roducir los element os de la mat riz separados por comas en cada fila, use ent er
para marcar el final de cada fila. En el ej emplo de abaj o int roducimos una mat riz cuadrad
2x2, con element os:
12 13
10 4
Una vez int roducida la mat riz selecciones los clculos que desea realizar y haga clic en el
bot n Show . Ent onces aparecern los result ados, t al como se muest ra en la t ercera de las
t res pant allas que se muest ran a cont inuacin. Para facilit arle el uso de est e obj et o de
aprendizaj e present amos la t raduccin al espaol de t odos los element os en est e obj et o de
aprendizaj e en la segunda pant alla de abaj o.



Visualizacin de los valores propios de una mat riz. Uno de los aspect os ms discut idos en la
enseanza del lgebra lineal, y de las mat emt icas en general, es el papel de la
visualizacin en la comprensin y apropiacin de los concept os y procedimient os
mat emt icos. Encont ramos un obj et o de aprendizaj e que nos permit e visualizar los valores
propios de una mat riz complej a 3 por 3, los crculos de Gershgorin y los valos de Cassini.
Est e obj et o de aprendizaj e se encuent ra en la pgina:
ht t p: / / et na.mcs.kent .edu/ vol.8.1999/ pp15- 20.dir/ gershini.ht ml
Act ividad 4.4
1. Realice una bsqueda en int ernet de informacin sobre los crculos de Gershgorin.
Recopile esa informacin.
2. Busque en int ernet informacin sobre los valos de Cassini. Recopile esa informacin.
Tome not a de coincidencias y discrepancias ent re la informacin recolect ada.
3. Escriba un breve ensayo donde present e el result ado de las bsquedas realizadas en los
punt os 1 y 2.

Videos
El uso de videos en educacin cobra especial import ancia en la educacin a dist ancia,
aunque no es una herramient a exclusiva para est a modalidad. Algunas universidades
presenciales ponen a disposicin de sus est udiant es ciert as clases grabadas en video para
que puedan verlas de nuevo y repasar los cont enidos.
La Universidad nacional Abiert a t iene una serie de videos disponibles en los cent ros de
document acin sobre diversos t emas de mat emt icas. Segurament e ust ed ya conoce
algunos de ellos. Si no, le invit amos a que los vea.
La web t ambin es una buena fuent e de videos. En sit ios t an populares como YouTube se
consiguen videos de mat emt icas y en part icular de lgebra Lineal.
El mej or ej emplo hast a ahora disponible en int ernet es las clases complet as de un curso de
un t rimest re dict adas por el Profesor Gilbert St rang, aut or de un libro de lgebra Lineal
t raducido al espaol , en el I nst it ut o de Tecnologa de Massachuset t s ( MI T, por sus siglas en
ingls) . Lament ablement e est as clases est n en ingls, pero vale la pena verlas aunque
ust ed no conozca bien ese idioma. Est as clases se encuent ran en la direccin:
ht t p: / / mit .ocw.universia.net / 18.06/ f02/ index.ht ml .
Cmaras digit ales
Las cmaras digit ales son cada vez ms usadas en la enseanza de las mat emt icas. Por
ej emplo, la revist a The Mat hemat ics Teacher, publcada por le Nacional Council of Techares
of Mat hemat ics ( NCTM, Consej o Nacional de Profesores de Mat emt icas) de los Est ados
Unidos t iene una seccin fij a t it ulada Lent e Mat emt ico . En est a seccin se present an
fot ografas como det onant es para la indagacin mat emt ica, se est imula a los lect ores y
lect oras a ver pat rones y relaciones.
Los est udiant es t ambin pueden hacer uso de las cmaras digit ales para document ar su
t rabaj o y hacer invest igaciones. En el curso de Mat emt ica y Ciencias ( cod. 532) , de la
Licenciat ura en Educacin Mencin Mat emt ca que ofrece la UNA, algunos est udiant es han
usado cmaras digit ales en la realizacin del t rabaj o prct ica y han incorporado las
fot ografas en su informes de invest igacin.
Cursos en lnea y blogs
Con el auge de las comput adoras y de int ernet , han surgido numerosas ofert as de curso
basados en ambas t ecnologas. Como fut uro profesor de mat emt icas o como consult or de
mat emt icas ust ed t al vez se vea en la necesidad de administ rar o disear cursos de
mat emt icas en lnea. En la Universidad Nacional Abiert a usamos la aplicacin Moodle para
administ ra cursos en lnea. Est e curso t iene una pgina de apoyo que ust ed encuent ra en la
pgina: ht t p: / / academico.una.edu.ve/ foro. Como se le indic en la present acin ya debera
haberse regist rado para t ener acceso a la pgina del curso. Hay ot ras aplicaciones para
administ rar cursos en lnea.
Los blogs se est n haciendo cada vez ms populares en el campo de la educacin. A t al
punt o, que algunos aut ores han llegado a sealar que const it uyen una de las herramient as
en la web ms influyent es en educacin. Xist en varios sit ios en la web especialment e
dedicados al diseo de blogs, uno de los ms populares es www.blogspot .com. Le invit amos
a visit ar el blog ht t p: / / didact icadelalgebra.blogspot .com/ , en el cual encont rarn
informacin sobre didct ica del lgebra. Ust ed puede disear su propio blog de apoyo para
sus clases, si ust ed es act ualment e profesor, o como est udiant e para int ercambiar con ot ras
personas int eresadas en est udiar t emas compart idos.


3. Cules son realment e las vent aj as que ofrece un uso adecuado de los
programas mat emt icos respect o a una formacin "t radicional"?
Las vent aj as de la correct a ut ilizacin de un soft ware mat emt ico con las caract erst icas
ant eriorment e descrit as son varias: en primer lugar, permit e al profesor explicar concept os
que, de ot ra forma, quedaran en un nivel de abst raccin difcil de asimilar por muchos
est udiant es en un t iempo breve: volmenes generados por funciones al rot ar sobre un ej e,
represent aciones de superficies en 3D, concept os y result ados t ericos suscept ibles de ser
comprobados empricament e ( t ales como la aproximacin de una funcin mediant e
polinomios de Taylor, la convergencia de series inf init as, la exist encia de movimient os
cat icos, el t eorema cent ral del lmit e, et c.) . Por aadidura, est e t ipo de soft ware permit e
una part icipacin mucho ms act iva y creat iva ( quizs la palabra sea const ruct ivist a) por
part e del est udiant e: con est a herramient a, el est udiant e podr adent rarse por s mismo
( preferent ement e de forma guiada por su profesor) en nuevos mundos que le permit irn
conj et urar, experiment ar, y ext raer conclusiones. Est o abre a cualquier est udiant e con unos
mnimos conocimient os informt icos t oda una gama de posibilidades ( simulacin est adst ica,
programacin de algorit mos numricos, anlisis avanzado de problemas de invest igacin
operat iva y de opt imizacin, et c.) que eran poco o nada fact ibles hace t an slo cinco o diez
aos, cuando los programas mat emt icos eran t an rudiment arios y complej os como los
procesadores de t ext o o las hoj as de clculo de la poca. En definit iva, y ut ilizando palabras
de la profesora Mara Vict oria Snchez (Universidad de Sevilla) , "saber mat emt icas pasa a
ent enderse no slo como una acumulacin de hechos y procedimient os, sino como la
capacidad de 'hacer' mat emt icas".
Disponer de est os programas abre la posibilidad de t ener un pot ent e laborat orio mat emt ico
que acompaar siempre al est udiant e en su proceso de aprendizaj e, permit indole realizar
pruebas complej as de clculo numrico y simblico, t rasladando as soluciones y est rat egias
desde los cont ext os t ericos originales a ot ros nuevos mucho ms int eligibles para l.
Por si las razones ant eriores no f uesen suficient es, hay, adems, ot ra razn de peso: la
individualizacin del proceso de enseanza. En efect o, el uso de est e t ipo de soft ware
facilit a la adapt acin curricular a las necesidades e int ereses de cada alumno, convirt indose
as en el complement o perfect o del profesor y de los mat eriales: cada alumno podr
reforzar, con ayuda de est e t ipo de programas, aquellos punt os concept uales que le result en
ms difciles de asimilar, y pract icar con ellos t ant as veces como su t iempo ( y ganas) lo
permit a.
Es muy import ant e observar t ambin que el aprendizaj e de est e t ipo de soft ware se puede
int erpret ar en clave de inversin de t iempo. I nversin que se comenzar a rent abilizar
t ot alment e en el moment o en que el est udiant e empiece a ej ercer como profesional, ya sea
de forma liberal o en el mbit o de cualquier empresa donde el uso de est as herramient as le
sean requeridos.
Para t erminar, es obvio que el uso correct o de un buen programa mat emt ico puede
result ar un element o fundament al en la mot ivacin del est udiant e, t ant o por las razones
ant eriorment e cit adas como por el dinamismo y la int eract ividad que se consigue en el
proceso.
Juan, A. A. y Baut ist a, G. (2001) . Didct ica de las mat emt icas en la enseanza superior:
La ut ilizacin de soft ware especializado. Disponible en:
ht t p: / / www.uoc.edu/ web/ esp/ art / uoc/ 0107030/ mat es.ht ml .

Anexo A
Ej ercicio con la ClassPad Eliminacin Gaussiana

Una t ienda de comida nat urist a vende lat as de frut as secas mixt as en t res t amaos. El
t amao grande cont iene 1 libra de merey y 2 libras de man. El t amao gigant e cont iene 2
libras de merey y 4 libras de man y 1 libra de nuez. El t amao mamut cont iene 2 libras de
merey, 6 libras de man y 1 libra de nuez.
a) Supongamos que un client e ordena un despacho de exact ament e 15 libras de merey, 34
libras de man y 6 libras de nuez. Cunt as lat as de cada t ipo t ienen que despacharse
los deseos del client e sin que sobre ningn t ipo de frut os secos? Proponga un sist ema de
ecuaciones lineales que describa la sit uacin.
b) Use la ClassPad para resolver de dos maneras el sist ema de ecuaciones plant eado en la
part e a) .
c) Muest re que si el nmero de libras de man en la orden t iene el doble del nmero de
libras de merey en la orden y que fue posible complet ar la orden, podramos complet ar
la orden slo con lat as grandes y gigant es. [ Ayuda: Use una ClassPad para resolver un
sist ema de ecuaciones lineales apropiado con C como el nmero de libras de merey, 2C
para el nmero de libras de man y W para el nmero de liras de nuez.]
d) Muest re que si el nmero de libras de merey en la orden hubiera sido menos del doble
del nmero de libras de nuez en la orden, no habra sido posible complet ar la orden.
[ Ayuda: Use una ClassPad para resolver un sist ema apropiado de ecuaciones lineales
con C para el nmero de libras de merey, P para el nmero de libras de man y W para
el nmero de libras de nuez.]
e) Muest re que si el nmero de libras de merey en la orden hubiese sido mayor que una
mit ad del nmero de libras de man en la orden, no hubiera sido posible complet ar la
orden. [ Ayuda: Use una ClassPad para resolver un sist ema apropiado de ecuaciones
lineales con C para el nmero de libras de merey, P para el nmero de libras de man y
W para el nmero de libras de nuez.]
f) Sea C el nmero de libras de merey, sea P el nmero de libras de man y W el nmero
de libras de nuez en una orden. Halle t odos los valores de C, P y W para los cuales la
orden puede ser complet ada usando slo lat as del t amao gigant e de frut as secas
mixt as. [ Ayuda: Ust ed puede hacer est a part e haciendo C el nmero de libras de merey,
P el nmero de libras de man y W el nmero de libras de nuez un orden y descubriendo
las relaciones ent re C, W y P en una solucin sin lat as grandes o mamut . Sin embargo,
es ms fcil usar el sent ido comn simple para obt ener una respuest a, y ent onces
quizs confirmar su conclusin usando un enfoque algebraico.]
Soluciones:
a) L + 2G + 2M = 15,2L + 4G + 6M = 34, G + M = 6, donde L, G y M denot an el nmero
de lat as grande, gigant e y mamut respect ivament e.

b) La pant alla que se muest ra a la derecha nos indica que
L = 3. G = 4 y M = 2.

c) La pant alla a la derecha nos muest ra que M t iene ser 0.

d) La pant alla a la derecha nos muest ra que si C < 2W,
ent onces el valor de L sera negat ivo lo cual no es posible.
e) El pant alla de la derecha se muest ra que si C > P/ 2,
ent onces el valor de M sera negat ivo lo cual no es
posible.
f) Dado que el t amao gigant e cont iene 2 libras de merey, 4
libras de man y 1 libra de nuez, si slo son usadas lat as
gigant es para complet ar la orden del nmero de libras de
merey t iene que ser el doble del nmero de libras de
nuez y el nmero de libras de man debe ser cuat ro veces
el nmeros de libras de merey. La pant alla que se
muest ra a la der echa confirma est o dado que si L = M =
0, ent onces C = 2W y P = 2C = 4W. Fj ese que por est e
orden, el nmero de lat as gigant es necesarios es igual al
nmero de libras de en la orden.

( Traduccin de Julio Mosquera)
Fuent e:
ht t p: / / www.casioeducat ion.com/ resource/ downloads/ lessons/ classpad/ classpad300-
gaussian_eliminat ion.pdf
Anexo B
Hallar la Mat riz Fundament al para una Cadena de Markov Absorbent e

Ej ercicios para los Est udiant es

La mat riz de t ransicin de abaj o represent a una Cadena de Markov en la cual los Est ados I ,
I I y I I I son absorbent es.

1 0 0 1/ 8
0 1 0
P = 0 0 1 1/ 8 1/ 8
0 0 1 1/ 8 1/ 8
0 0 1 0 3/ 8
Recordemos que denot amos la mat riz 2 por 2 en la esquina inferior derecha de P como R y
que denot amos la mat riz 3 por 2 que est sobre R como S. Est o es, R cont ienen las
probabilidades de t ransicin de los est ados no absorbent es a los est ados no absorbent es y S
cont iene las probabilidades de t ransicin de est ados no absorbent es a est ados absorbent es.
Con est a not acin, podemos escribir P como sigue, donde I ( en est e caso) denot a una
mat riz ident idad 3 por 3 y O ( en est e caso) denot a una mat riz de ceros de 2 por 3.

I S
P =
O R
Recordemos que hay dos mat rices import ant es asociadas con la mat riz de t ransicin.
Primero, t enemos F, la mat riz fundament al. F es la inversa de I R, donde est a I es la
mat riz ident idad con las mismas dimensiones de R. Las sumas columna de F dan el nmero
de t ransiciones previas a la absorcin para cada est ado no absorbent e.
Ent onces, t enemos la mat riz est able, SF = S( I R)
- 1
. La ent rada en, por ej emplo, la fila 3
y columna 2 de SF da la probabilidad que si el sist ema comienza en el segundo est ado no
absorbent e ( por ej emplo, Est ado V) , el est ado ser absorbido en el t ercer est ado
absorbent e ( por ej emplo, Est ado I I I ) .
Puede usar una calculadora ClassPad para hacer t odos los clculos descrit os arriba.
En la pant alla de la izquierda, se muest ra la mat riz de t ransicin original. En la pant alla de
la derecha, vemos el clculo de la mat riz fundament al y las sumas de sus columnas.


La sint axis para las funciones subMat y fill que ust ed ve en la pant alla de arriba es:
subMat ( mat riz, beginning row, beginning column, ending row, ending column)
so t hat if ans is P, submit ( ans,4,4,5,5) is R
fill( value, number of rows, number of columns)
Ahora, en la pant alla de la izquierda se muest ra la mat riz de t ransicin original, en l a
pant alla del medio aparece cmo crear S, y en la pant alla de la derecha se muest ra el
clculo de la mat riz est able. Ust ed not ar que la suma de las columnas de la mat riz est able
son 1, como t iene que ser.

Ent onces, vemos que si nuest ra cadena de Markov comienza en el segundo est ado no
absorbent e, por ej emplo est ado V, en promedio 64/ 35 t ransiciones ocurrirn previo a la
absorcin y el sist ema ser absorbido en el Est ado I I I con la probabilidad 8/ 35.
Ej ercicio
Suponga la Cadena Markov con la mat riz de t ransicin comienza en el est ado I V.

1 0 1/ 3 1/ 4
0 1 0 1/ 4
0 0 1/ 4
0 0 1/ 6 1/ 4
Cul es la probabilidad de que el sist ema sea absorbido en el Est ado I y cul es el nmero
esperado de t ransiciones que ocurrirn previas a la absorcin?

Respuest as

En la pant alla del medio podemos ver que el nmero esperado de t ransicin previo a la
absorcin es 9/ 4. De la pant alla que se muest ra a la derecha, vemos que la probabilidad de
que una absorcin ocurra en el Est ado I es 5/ 8.

( Traduccin Julio Mosquera)
Fuent e:
ht t p: / / www.casioeducat ion.com/ resource/ downloads/ lessons/ classpad/ classpad300-
markov_chain_and_fundament al_mat rix.pdf

Aut o- Evaluacin 4

1. Haga una list a de los t ipos de t ecnologas que se podran usar para la enseanza,
aprendizaj e y evaluacin del lgebra lineal.
2. Haga una list a de aquellas t areas en la que puede ser t il la t ecnologa para la
enseanza y aprendizaj e del lgebra lineal.
3.

Unidad 3

Obj et ivo 3:
Disear unidades didcticas de lgebra Lineal.

I nt roduccin
A Unidad 3 est dedicada al problema del diseo de unidades didct icas. Ust ed t uvo
oport unidad de est udiar est as unidades por primera vez en el curso de Didct ica del Clculo.
Trat aremos de no ser repet it ivos y profundizar en est a mat eria. El cont enido de est a unidad
est organizado en t res lecciones. La Leccin 5 est dedicada a una revisin del concept o de
unidades didct icas, a la ident ificacin de sus principales element os. Reit eramos, en est a
leccin nos apoyamos en el mat erial ya est udiado en un curso ant erior, sin embar go,
esperamos que ust ed encuent re un cont enido nuevo y que le parezca int eresant e y le ayude
a ampliar su visin de est as unidades. Hacemos especial nfasis en las act ividades de
aprendizaj e. En la Leccin 6 discut imos asunt os relacionados con la elaboracin de obj et ivos
de aprendizaj e y de act ividades de aprendizaj e. Dent ro de est as lt imas resalt amos la
act ividad de creacin o proposicin de problemas. A diferencia de ot ros enfoques en
didct ica de las mat emt icas, una part e de la pedagoga de las ciencias mat emt icas, donde
se enfat iza la resolucin de problemas, la cual llega a ser denominada como el corazn de
las mat emt icas , pesamos que la creacin de problemas y su post erior resolucin es an
ms import ant e. En la int roduccin a est e curso sealamos que las mat emt icas y su
didct ica no son deport es de espect adores. Pensamos que slo el est udio disciplinado y la
dedicacin conducen a un aprendizaj e significat ivo de las mat emt icas. Lo ant erior requiere
que el est udiant e no sea un mero solucionador de problemas propuest os por el profesor,
direct ament e en clase o indirect ament e por medio de un mat erial escrit o impreso o en lnea.
Para nosot ros el est udiant e t iene que realizar act ividades que le brinden oport unidades de
razonar mat emt icament e, una de ellas es la creacin de sus propios problemas y la
formulacin de pregunt as de invest igacin. Por ello es que resalt amos la creacin de
problemas como act ividad de aprendizaj e. La Leccin 7 est dedicada al delicado t ema de la
evaluacin. En primer moment o ent endemos la evaluacin como una act ividad dedicada a
valorar la bondad de la unidad didct ica y cada uno de sus component es en part icular, la
act uacin del profesor y el desempeo y conocimient o alcanzado por los est udiant es
product o de su envolvimient o en las act ividades propuest as en la unidad didct ica. Por
razones de espacio, le dedicamos especial int ers a est e lt imo aspect o, lo cual no significa
que sea mucho ms import ant e que los ot ros mencionados. En especial suele obviarse la
evolucin de la act uacin del profesor. Le invit amos a que no dej e de considerar ese aspect o
como una buena prct ica para mej orar la accin pedaggica.

Leccin 5
Unidades Didct icas

La Unidad 3 est compuest a de t res lecciones. En est as lecciones nos cent raremos en el
est udio de la unidad didct ica. En el curso de Didct ica del Clculo ( Cod. 761) , ust ed ya
t uvo la oport unidad de est udiar las unidades didct icas y de disear una para la enseanza
de cont enidos de Clculo. En est a oport unidad ret omaremos est e inst rument o de
planeacin y veremos su uso en el caso especial de la enseanza de cont enidos de lgebra
Lineal. Trat aremos de no ser repet it ivos y profundizar en el est udio de las unidades
didct icas.
Unidades didct icas
Recordemos primero qu es una unidad didct ica. En el curso de Didct ica del Clculo ( Cod.
761) , se defini la unidad didct ica como:
( ) una forma de planificar el proceso de enseanza- aprendizaj e alrededor de
un element o de cont enido que se conviert e en ej e int egrador del proceso,
aport ndole consist encia e import ancia. Est a forma de organizar conocimient os
y experiencias debe considerar la diversidad de element os que cont ext ualizar el
proceso ( nivel de desarrollo del alumno, medio sociocult ural y familiar, Proyect o
Curricular, recursos disponibles) para regular la prct ica de los cont enidos,
seleccionar los obj et ivos bsicos que pret ende conseguir, l as paut as
met odolgicas con las que t rabaj ar, las experiencias de enseanza- aprendizaj e
necesarios para perfeccionar dicho proceso. ( Escamilla, 1993, p. 39 cit ado por
Gil, 1997( a) )
Asumiremos aqu est a definicin. Nos int eresa considerar ahora los element os que
const it uyen una unidad didct ica. En general, se puede decir que para el diseo de est as
unidades se debe t omar en cuent a por lo menos los element os siguient es:
- Obj et ivos de aprendizaj e ( Para qu ensear?)
- Cont enidos ( Qu ensear?)
- Act ividades de enseanza y aprendizaj e ( Cmo ensear? Cmo se aprende?)
- Act ividades y procedimient os de evaluacin (Qu hay que evaluar, cundo y cmo?)
A los element os ant eriores se podran aadir:
- Present acin y orient acin de la unidad ( Cmo organizar la inst ruccin?)
- Met odologa (Cmo ensear?)
- Temporalizacin o duracin de la unidad ( Cunt o t iempo es necesario para la
enseanza?)
( Basado en: ht t p: / / www.deciencias.net / disenoud/ deaula/ ud1.ht m)
Tenemos que cada uno de est os element os nos permit e responder las pr egunt as bsicas de
la pedagoga. Revise las pregunt as ent re parnt esis que acompaan a cada uno de los
element os list ados arriba.
Ot ra manera de proponerse el paso inicial en el diseo de unidades es en t rminos de
decisiones a t omar en t orno a los asunt os siguient es:
74 Didctica del lgebra Lineal y la Probabilidad

- Obj et ivos
- Cont enidos
- Est rat egias met odolgicas
- Evaluacin
- Seleccin de mat eriales
- Gest in del aula ( uso de espacios, t iempos, modos de agrupamient o...)
( Fuent e: ht t p: / / acadi.it eso.mx/ acadi/ art iculos/ unidida2.ht m) .
La consideracin t ant o de los element os como de los asunt os, j ust o mencionados, nos
permit ir formarnos una idea general del plan para la unidad. Pero, para planificar
necesit amos precisar cules sern los element os que forman la unidad. Sugerimos asumir la
organizacin de la unidad didct ica propuest a por Marqus Graells ( 2006) . Para est e aut or
t oda unidad didct ica debera t ener la est ruct ura siguient e:
- Present acin de la UNI DAD DI DCTI CA: obj et ivos, ndice de obj et ivos,
dest inat arios, breve descripcin de las act ividades y la evaluacin.
- Diversas unidades ( 5/ 10) de aprendizaj e ( que incluyen los t res element os:
cont enidos, act ividades, evaluacin)
- Resumen y conexiones ent re las unidades de aprendizaj e de la UNI DAD
DI DCTI CA y con ot ras unidades.
- Act ividades de aplicacin relacionadas con las unidades de aprendizaj e
- Evaluacin general de la UNI DAD DI DCTI CA.
En est a caract erizacin de Marqus Graells (2006) aparece un element o nuevo, las unidades
de aprendizaj e.
Qu son las unidades de aprendizaj e?
En un glosario desarrollado por la Universidad Virt ual de Salud, La Habana, se definen las
unidades de aprendizaj e como:
( ) las pequeas unidades en que se organiza la informacin y que al
int egrarse conforman las diversas unidades didct icas o lecciones que
componen un curso ( Fuent e:
ht t p: / / www.uvirt ual.sld.cu/ glosario/ ploneglossary.2006-08-
08.4973748209/ ploneglossarydefinit ion.2006- 08- 09.0215567862)
Para ot ros aut ores, como la organizacin peruana Educared, las unidades de aprendizaj e
son formas de organizacin art iculada con ot ras formas que le dan expresin a la unidad
didct ica. En sus propios t rminos,
Las unidades didct icas son la expresin ms inmediat a que debe reflej ar
la int encionalidad pedaggica de un cent ro educat ivo det erminado y se
expresan a t ravs de las Unidades de Aprendizaj e, los Proyect os de
Aprendizaj e y los Mdulos. Veamos brevement e en que consist en est as
formas de programaci n:
- Unidades de Aprendizaj e: son una forma de programar. Resumen la
planificacin del docent e y t ienen en cuent a el desarrollo de cont enidos de
un rea para obt ener nuevos aprendizaj es.
- Proyect os de Aprendizaj e: son formas de programar. Part en de un
problema o necesidad de los alumnos y alumnas, est ablecen los pasos a
seguir con la finalidad de obt ener un result ado o product o concret o que
resuelva el problema inicial. Es la propuest a de programacin ms
part icipat iva. En la planificacin, ej ecucin y evaluacin int ervienen los
alumnos y las alumnas.
- Mdulos de aprendizaj e: es una forma de desarrollar o reforzar un
t ema especfico. Es el complement o de un proyect o o de una Unidad de
Aprendizaj e.
( Fuent e: ht t p: / / www.educared.pe/ docent es/ art iculo/ 1036/ act ividades- de-
aprendizaj e- significat ivo/ )
Hast a aqu hemos definido las unidades didct icas, dist inguimos sus element os,
ident ificamos su est ruct ura y resalt amos uno de sus component es: las unidades de
aprendizaj e. Tocaremos brevement e el t ema de los fundament os t ericos en que se
sust ent a la unidad didct ica.
No exist e una nica fundament acin t erica para las unidades. Lo import ant e de
comprender es que a part ir de la adopcin de un enfoque t erico det erminado se disea un
t ipo part icular de unidad. En ot ras palabras, si ust ed adopt a un enfoque cognit ivist a
disear una unidad diferent e de si adopt ara un enfoque sit uado.
Tenemos as que, exist en t ant os t ipos de unidades didct icas como enfoques t ericos sean
adopt ados como base. En la t abla 1 se muest ran diferent es t ipos de unidades didct icas
segn las t eoras subyacent es.
Tabla 1. Tipos de unidades didct icas
Tipos de unidades didct icas Modelos t ericos
Transmisor Cont enidos concept uales, conocimient o
cient fico. Ej ercicios prct icos.
Tecnolgico Pedagoga por obj et ivos, eficacia y
planificacin = orden. Cont enidos y
ej ercicios.
Art esano humanist a Lo que el alumno aprende ser lo que le
int eresa saber a part ir de ser t il. La
mot ivacin ser el punt o de part ida.
Por descubrimient o Cada alumno redescubre por s mismo,
busca el placer por el descubrimient o,
creat ividad ej e del t rabaj o.
Const ruct ivist a Part ir de lo que el alumno ya sabe, las
ideas previas es el punt o de inicio.
( Fuent e:
ht t p: / / 64.233.167.104/ search?q= cache: Hxd8gnqxLmYJ: normalist a.ilce.edu.mx/ normalist a/ r
_n_plan_prog/ efisica/ presen_t aller/ u_didac.pdf+ unidades+ didact icas&hl= es&ct = clnk&cd= 2
0&gl= ve)
Act ividad 5.1.
Reflexione acerca de los t ipos de unidades didct icas present ados en la Tabla 1. Cul o
cules t ipos de unidades pareciera el ms adecuado para la educacin a dist ancia? Escriba
un breve ensayo, de dos pginas mximo, describiendo ese t ipo o t ipos de unidad didct ica
con sus propias palabras y argument e sobre su ut ilidad para la educacin a dist ancia.

Los t ipos de unidades didct icas present ados en la Tabla 1 no agot an t odas las
posibilidades. Por ej emplo, no se incluyen en esa t abla aquellos t ipos que podran derivarse
de la cognicin sit uada y de la t eora de la act ividad. Escapa del obj et ivo de est a leccin
ent rar en la discusin de ms det alles al respect o. Nos int eresa que ust ed ent ienda que hay
varios t ipos de unidades didct icas y que cada uno de esos t ipos se corresponde con un
modelo t erico det erminado. Aspect o que debe ser considerado en el moment o de evaluar
una unidad didct ica det erminada, as como al disear una unidad didct ica.
Qu vent aj as t iene la unidad didct ica como inst rument o de planeacin?
- Ayuda a evit ar la improvisacin.
- Sent imient o de cont rol sobre los procesos, seguridad en lo que se propone, confianza
en s mismo y en la propuest a.
- Favorece el mej oramient o de la enseanza ya que obliga a los profesores a
reflexionar en t orno al curso.
- Favorece el mej or aprovechamient o del t iempo.
- Cuando se disea en grupo f avorece la creat ividad y refuerza los vnculos de equipo.
- Gua los procesos int eract ivos de enseanza- aprendizaj e que se ponen en prct ica.
- Permit e a cada profesor( a) adapt ar su t rabaj o pedaggico a las caract erst icas de su
grupo.
- Genera crecimient o pr ofesional cuando se favorece la t oma de decisiones
conscient es, cuando se procede a t ravs de la reflexin y aut orevisin de lo que
sucede en el saln de clases o a dist ancia.
( Adapt ado de: ht t p: / / acadi.it eso.mx/ acadi/ art iculos/ unidida2.ht m)
Fases del diseo de una unidad didct ica
En la seccin ant erior vimos qu es una unidad didct ica, cules son sus principales
component es y los diferent es t ipos de unidades didct icas. El primer o de est os punt os nos
llev a considerar de manera part icular las unidades de aprendizaj e, sobre las cuales
volveremos ms adelant e. Nos int eresa ahora pasar a est udiar los pasos o fases en el
diseo de unidades didct icas.
Se pueden ident ificar seis fases en el proceso de diseo de las unidades didct icas; las
cuales son:
1. Eleccin de la t emt ica de la unidad. (ej es o ncleos- t ema- guin t emt ico)
2. Eleccin del modelo met odolgico.
3. Redaccin de obj et ivos de la unidad ( anlisis- adecuacin-cont ext ualizacin;
formulacin de obj et ivos) .
4. Seleccin de cont enidos y su secuenciacin.
5. Elaboracin de act ividades ( considerando el apoyo al moment o del proceso y su
secuencia) .
6. Evaluacin de la Unidad Didct ica ( del aprendizaj e de los alumnos, del proceso de
enseanza- aprendizaj e) .
( Adapt ado de: ht t p: / / acadi.it eso.mx/ acadi/ art iculos/ unidida2.ht m)
A cont inuacin veremos algunos det alles de cada una de est as fases.
Eleccin de la t emt ica de la unidad
En el caso que nos ocupa en est e curso se t rat a de t emas de lgebra Lineal. El problema
sera decidir cules t emas van a ser t rat ados dent ro de una misma unidad didct ica. Ot ro
aspect o a considerar en est a fase es la conexin de esos t emas con ot ros cont enidos de
mat emt icas, de ot ras asignat uras y de act ividades o sit uaciones en la vida real.
Eleccin del modelo metodolgico
El modelo met odolgico nos lleva al punt o est udiado en la seccin ant erior sobre los
diversos t ipos de unidades didct icas. En la eleccin del modelo met odolgico el profesor
debera considerar varias est rat egias.
Obj et ivos de la unidad
Una de las fases ms difciles de realizar en el diseo de una unidad didct ica es la de
est ablecer los obj et ivos. Por un lado, los obj et ivos de la unidad didct ica deben est ar al
servicio de los logros de los obj et ivos est ablecidos para el curso o asignat ura
correspondient e. Por ej emplo, el curso de lgebra I I que se ofrece en la Universidad
Nacional Abiert a t iene unos obj et ivos de aprendizaj e est ablecidos en su mat erial
inst ruccional impreso. Est a es una limit acin inst it ucional dent ro de la cual hay que t rabaj ar.
Por el ot ro lado, puede ser que ust ed no est sat isfecho o sat isfecha con esos obj et ivos, por
ej emplo le podran parecer muy element ales y deseara que sus est udiant es logren unos
obj et ivos de mayor complej idad cognoscit iva. La unidad didct ica permit e coordinar ambos
esfuerzos, el logro de los obj et ivos est ablecidos y ot ros obj et ivos propuest os por el profesor.
En cualquier caso, t ant o para evaluar l os obj et ivos est ablecidos como para disear sus
propios obj et ivos, el profesor debe t ener un conocimient o razonable acerca de la
elaboracin de obj et ivos y de varios t ipos de obj et ivos. En la Leccin 6 est udiaremos el
t ema de la elaboracin de obj et ivos con ms det alle.
Elaboracin de act ividades
Las act ividades son el corazn de la unidad didct ica. Para lo efect os de est a asignat ura,
usaremos las act ividades didct icas como sinnimo de unidades de aprendizaj e. st as, j unt o
a la evaluacin, son det erminant es para que se alcancen los obj et ivos propuest os. Al
disear las act ividades debera t omar en cuent a los aspect os est udiados en las lecciones 3 y
4, es decir, la hist oria del lgebra Lineal y el uso de t ecnologas en su enseanza.
Las act ividades didct icas est n al servicio del logro de los obj et ivos propuest os. Si en una
unidad didct ica nos proponemos obj et ivos de nivel cognit ivo complej o, las act ividades
t endrn que ser suficient ement e exigent es de manera t al que promuevan el desarrollo del
razonamient o a ese nivel de complej idad. Por el cont rario, si los obj et ivos son de baj o nivel
cognit ivo, las t areas sern rut inarias y poco exigent es. En la Leccin 6 t rat aremos en det alle
el t ema de las act ividades de aprendizaj e.
Evaluacin de la Unidad Didct ica
La evaluacin de la unidad didct ica se refiere a la valoracin de varios aspect os de st a, no
se reduce a la evaluacin de los aprendizaj es logrados por los est udiant es. La evaluacin
debe incluir la evaluacin del t rabaj o del profesor, de los mat eriales didct icos, de las
act ividades y del aprendizaj e. Al disear la unidad didct ica deber planificar la manera en
que evaluar cada uno de est os aspect os.
Una manera de valuar su t rabaj o docent e sera mediant e un cuest ionario sencillo donde
incluya diversos element os. Algunos de est os element os seran: a) claridad en la
exposiciones inst ruccionales, b) adecuacin de las act ividades a los obj et ivos, c) claridad en
la redaccin de las inst rucciones escrit as, d) evaluacin del est udiant e aj ust ada a los
obj et ivos y e) conexiones significat ivas con ot ras asignat uras y sit uaciones reales.

La evaluacin del mat erial didct ico y de las act ividades se puede hacer por medio de
inst rument os escrit os especialment e diseados para t al efect o. Al igual que en el caso
ant erior, en eso inst rument os se deben incluir aquellos element os que se consideran
relevant es en el mat erial didct ico y en las act ividades.
La evaluacin del aprendizaj e logrado por los est udiant es se puede hacer de diversas
maneras. Est a evaluacin est ara condicionada en buena medida al modelo met odolgico y
las act ividades realizadas por los est udiant es en el desarrollo de la unidad. En la Leccin 7
est udiaremos con ms det alles asunt os relacionados con la evaluacin. En especial
pasaremos revist a a unas t axonomas de los obj et ivos educacionales, Bloom y adapt aciones
a las mat emt icas y SOLO, y a los niveles de desempeo de PI SA.
Act ividad 5.2.
Al comienzo de est a leccin ident ificamos los principales component es de una unidad
didct ica. En una t abla de dos columnas, escriba en la primera columna de izquierda a
derecha esas component es y en la segunda columna haga corresponder las fases de diseo
de una unidad didct ica en que se t rabaj o cada uno de esos element os.
En est a leccin definimos que es una unidad didct ica e ident ificamos sus principales
component es, adems especificamos unas fases a seguir en el proceso de est as unidades.
Con el mat erial hast a aqu est udiado ust ed ya debera haberse formado una idea general de
est e inst rument o de planeacin. En las dos lecciones siguient es est udiaremos la elaboracin
de obj et ivos de aprendizaj e y de diversos t ipos de act ividades de aprendizaj e, y aspect os
especficos relacionados con la evaluacin de la unidad didct ica respect ivament e.
Referencias
Garca Ruvalcaba, L. ( s.f.) . Unidades didct icas.
ht t p: / / acadi.it eso.mx/ acadi/ art iculos/ unidad_didact ica.ht m
Falc, C. (1999) . Crear unidades didct ias en format o web.
ht t p: / / www.geocit ies.com/ at hens/ spart a/ 6407/
Marqus Graells, P. ( 2006) . Diseo inst ruct ivo de unidades didct icas.
ht t p: / / dewey.uab.es/ pmarques/ ud.ht m

Aut o- Evaluacin 5

1. Qu es una unidad didct ica?
2. Defina unidades de aprendizaj e.
3. Haga una list a de los aspect os de la enseanza que nos permit e considerar la unidad
didct ica.
4. Enumere las vent aj as del uso de la unidad didct ica como inst rument o de planeamient o.
5. Cules son las principales decisiones que se deben considerar al disear unidades
didct icas?
6. Mencione por lo menos t res t ipos diferent es de unidades didct icas y seale el modelo
didct ico correspondient e a cada uno de ellos.
7. Defina obj et os de aprendizaj e.
8. Qu relaciones hay ent re obj et os de aprendizaj e, unidades de aprendizaj e y unidades
didct icas?
9. Enumere cada una de las fases del diseo de unidades didct icas.
10. Complet e la t abla siguient e.

Elementos de la Unidad Didct ica Pregunt as que responde
Obj et ivos de aprendizaj e
Cont enidos
Act ividades de enseanza y
aprendizaj e

Act ividades y procedimient os de
evaluacin

Present acin y orient acin de la
unidad

Met odologa
Temporalizacin o duracin de la
unidad

Leccin 6
Experiencias y Obj et ivos de Aprendizaj e

En la leccin ant erior pasamos revist a al proceso general de diseo de unidades didct icas.
En est a leccin nos ocuparemos del diseo de obj et ivos de aprendizaj e y de las est rat egias
de aprendizaj e. Adems, t rat aremos brevement e el t ema del uso de libros en la enseanza
y el aprendizaj e del lgebra Lineal. Recuerde que consideramos el caso de la enseanza
presencia y la enseanza a dist ancia. Con el avance de est a lt ima es probable que ust ed
llegue a desempaarse como profesor en un pr ograma de educacin a dist ancia.
Como indicamos arriba, primero nos ocuparemos de los obj et ivos de aprendizaj e de la
unidad didct ica. Qu son los obj et ivos de aprendizaj e?
Los obj et ivos de aprendizaj e comunican lo que el curso, asignat ura o unidad
educacional [ en nuest ro caso, unidad didct ica] espera que el est udiant e
aprenda. En ot ras palabras, lo que el est udiant e debe ser capaz de demost rar
al final de un perodo de aprendizaj e. ( Branda, 2000)
Ant es de decidir qu obj et ivos de aprendizaj e consideraremos en una unidad didct ica, es
necesario ident ificar las compet encias y los concept os y principios que esperamos que le
est udiant e aprenda y adquiera ( o se apropie) . Lo ms probable es que ust ed t enga que
t rabaj ar con unidades didct icas para cursos en los que los cont enidos y compet encias,
incluso los obj et ivos ya est n est ablecidos. Ret omemos el ej emplo del curso lgebra I I ( cod.
753) , en el Anexo D ust ed encont rar los cont enidos y obj et ivos est ipulados en el mat erial
inst ruccional impreso para est e curso. Si ust ed t iene que disear una unidad didct ica para
est e curso, ya t iene unos cont enidos y obj et ivos est ablecidos como punt o de part ida. Ust ed
t endra que considerar si el orden en que est n present ados est os t emas y obj et ivos son lo
ms adecuado, de lo cont rario ust ed podra modificar esa secuencia. Tambin puede ser que
ust ed considere que uno de los obj et ivos es muy element al y que sea convenient e
t ransformarlo en un obj et ivo de mayor nivel cognit ivo.
Para disear los obj et ivos de aprendizaj e ust ed deber escoger ent onces la list a de
cont enidos a t rat ar en la unidad didct ica. A part ir de esa list a de t emas ust ed ident ificar
los principios/ concept os, los cuales const it uyen las ideas ms relevant es o fundament ales
subyacent es a los cont enidos, y que son imprescindibles para su comprensin. Est os
principios/ concept os son aplicables en la solucin de diversos problemas o sit uaciones
part iculares, en ot ras palabras, son generalizables ( Branda, 2000) .
Para Branda (2000) los obj et ivos de aprendizaj e deben t ener las caract erst icas siguient es:
1. Pert inent es. Los obj et ivos deben est ar relacionados con los concept os/ principios
seleccionados y ser pert inent es a ellos.
2. Claros. Se debe evit ar la ambigedad en la redaccin de los obj et ivos. El uso de
palabras como apreciar , comprender y saber , aunque apropiadas para describir los
concept os/ principios, deben evit arse en la redaccin de los obj et ivos de aprendizaj e.
Verbos como comparar , cont rast ar , const ruir , escribir , demost rar , ident ificar ,
resolver y definir son preferibles para la redaccin de obj et ivos, porque se prest an a
menos int erpret aciones y confusiones.
3. Fact ibles. Las aspiraciones expresadas en los obj et ivos deben ser realizables en el
t iempo y con los recursos disponibles.
4. Evaluables. Sealamos arriba que mediant e los obj et ivos se est ablece aquello que se
espera que el est udiant e aprenda, aquello que debe ser capaza de hacer al t erminar la
unidad didct ica, por lo t ant o t ienen que describir lo que es evaluable ( Branda, 2000) .
Los obj et ivos t iene que describir el nivel mnimo que sera acept able. En el plan de
evaluacin de los aprendizaj es logrados por los est udiant es se indican la cant idad de
obj et ivos que se exigirn para considerar que los est udiant es se han apropiado del
cont enido y procesos enseados en la unidad didct ica.
En la preparacin de obj et ivos de aprendizaj e se sugiere seguir los pasos siguient es:
1. I dent ificar las compet encias que se espera que el est udiant es demuest re al final del
perodo de aprendizaj e (en nuest ro caso una unidad didct ica, El Aut or)
2. Elaborar una list a de t emas que se consideran import ant es para ese perodo de
aprendizaj e ( asignat ura, curso o unidad educacional) .
3. I dent ificar, en relacin con est os t emas los concept os/ principios que el est udiant e
debera aprender en relacin con las compet encias ident ificadas en el Paso 1. Est e paso
permit e la ident ificacin de lagunas y la eliminacin de mat erial redundant e.
4. Preparara los obj et ivos de aprendizaj e. ( Tomado de Branda, 2000)
En la redaccin de los obj et ivos deben quedar clarament e especificados las condiciones, la
act ividad y el cont enido. En el obj et ivo debe quedar bien claro cules son las condiciones en
las que se espera que los est udiant es demuest ren su comprensin del concept o/ principio.
Tambin se debe indicar sin ambigedad la act ividad que los est udiant es deben llevar a
cabo. Por lt imo, es necesario expresar con claridad los cont enidos ( o conocimient os) que
se espera que el est udiant e logre y que debe demost rar que ha logrado.
Ant es de ent rar en el proceso de redaccin de los obj et ivos de aprendizaj e de una unidad
didct ica es convenient e det erminar el obj et ivo general de la unidad. Est e t ipo de obj et ivos
describe el propsit o o fin de la unidad didct ica y es dist int o de los obj et ivos de
aprendizaj e. Los obj et ivos generales de una unidad didct ica se colocan en un orden
j errquico con los obj et ivos del programa de est udio y del curso o asignat ura. Ver el
ej emplo en el Anexo D.
En general podemos dist inguir dos t ipos de obj et ivos de aprendizaj e: a) de habilidades o
dest rezas, y b) de act it udes ( Branda, 2000) . En est a Unidad nos referimos
fundament alment e a obj et ivos del primer t ipo.
Los obj et ivos de habilidades y dest rezas requieren que se indique clarament e t ant o las
condiciones en la cuales se realizar la act ividad as como los crit erios que se usarn para
det erminar si el desempeo del est udiant e es acept able o no. Por ej emplo, las condiciones
pueden referirse a si el est udiant e podr resolver los problemas plant eados usando
t ecnologas o si los dat os con los que se espera que t rabaj e t iene que ser reales o fict icios.
En cuant o a los niveles de desempeo t enemos que se pueden usar descript ores como sin
errores , correct ament e o sigue correct ament e un algorit mo . Se recomienda el
est ablecimient o de una j erarqua de niveles de desempeo (veremos ej emplos de est o en la
Leccin 7) . Como por ej emplo alt o nivel de desempeo , desempeo razonable y
desempeo inacept able . Est os niveles de desempeo deben ser adecuados al cont enido
que se t rat e en la unidad didct ica (Branda, 2000) .
Segn Branda ( 2000) , el uso de obj et ivos bien redact ados t iene una serie de vent aj as, las
cuales son:

1. Proveen est rat egias de planificacin.
2. I dent ifican redundancias y/ o lagunas en el currculo.
3. Describen el conocimient o en un est ilo operacional.
4. Proveen consist encia ent re los obj et ivos, la enseanza y la evaluacin.
5. Cent ran la educacin en el est udiant e.
6. Eliminan las conj et uras y permit e la aut o- evaluacin.
7. Mej ora el aprendizaj e del est udiant e.
Si bien podemos considerar cules act ividades de aprendizaj e usaremos en el desarrollo de
la unidad didct ica durant e la redaccin de los obj et ivos de aprendizaj e, st os t ienen que
ser formulados independient ement e de esas est rat egias. En la elaboracin de una unidad
didct ica, t al como se indic en la leccin ant erior, debemos t omar en cuent a como
element os clarament e diferenciados los obj et ivos, la met odologa y l a evaluacin. Como
sugiere Branda ( 2000) , primero decidimos a dnde queremos que lleguen los est udiant es
( los obj et ivos de aprendizaj e) ; segundo, se proponen los medios y recursos que se pueden
usar para alcanzar los obj et ivos propuest os ( por ej emplo: uso de calculadoras graficadoras)
y, por lt imo, det erminar las formas en que se decidir si los est udiant es han logrado o no
la met a y en qu nivel.
Ant es de cont inuar veremos un ej emplo de obj et ivo general, concept os/ principios y
obj et ivos de aprendizaj e.
Obj et ivo General:
Proveer oport unidades de aprendizaj e para que dada una sit uacin geomt rica el est udiant e
sea capaz de ident ificar los element os relevant es, explicarla y t raducirla al lenguaj e del
lgebra lineal.
Principios/ concept os
- La represent acin de una sit uacin mat emt ica en diferent es formas ayuda a mej orar su
comprensin.
- Para algunas sit uaciones geomt ricas puede result ar ms esclarecedor expresarlas
algebraicament e y ms fciles de manipular una vez represent adas en lenguaj e
algebraico.
Apoyndose en el uso de t ecnologas el est udiant e debe:
- Expresar una sit uacin geomt ri ca en t rminos del lgebra lineal.
- Resolver un problema plant eado geomt ricament e usando herramient as del lgebra
lineal.
Exist e una lnea muy delgada ent re los obj et ivos de aprendizaj e y los obj et ivos de
evaluacin. A t al punt o que las t axonomas de obj et ivos, como la llamada Taxonoma de
Bloom (Ver Leccin 7) , pueden ser usadas para la clasificacin y diseo de obj et ivos de
ambos t ipos. I ncluso, en algunos casos no se hace diferenciacin ent re los obj et ivos de
aprendizaj e y de evaluacin, como por ej emplo en las asignat uras que se ofrecen en la
Universidad Nacional Abiert a. En la Leccin 7 est udiaremos dos de est as t axonomas y los
niveles de desempeo de PI SA. En t odo caso, lo import ant e es proveer a t odos los
est udiant es, sin ningn t ipo de discriminacin, de las oport unidades de aprendizaj e
adecuadas para que alcancen los mayores niveles de desempeo.
Act ividades de aprendizaj e
Una vez redact ados los obj et ivos de aprendizaj e, pasamos a la eleccin de las act ividades
de aprendizaj e que realizaran los est udiant es de manera t al que logren esos obj et ivos. Es
muy import ant e que ust ed conozca y se apropie de un amplio repert orio de act ividades de
aprendizaj e. A cont inuacin le present amos una diversidad de est as est rat egias para su
consideracin.
Act ividades de Aprendizaj e
1. Torbellino de ideas: La vent aj a de est e t ipo de act ividad es que permit e
obt ener un gran nmero de ideas sobre un t ema en poco t iempo. Se puede
iniciar la act ividad, una vez present ado el t ema, plant eando una pregunt a. Por
ej emplo, "En qu consist e la erosin?, por qu se produce?
2. Posters: Los post ers permit en a los alumnos present ar sus ideas de forma
sencilla y fcilment e int eligible para sus compaeros. Les obliga a negociar el
cont enido y proporciona, por t ant o, un buen recurso par a cent rar la discusin.
3. Debat es: Est imulan en los alumnos el examen de sus ideas individuales y
los familiarizan con las ideas de sus compaeros. La discusin ayuda a los
est udiant es a desarrollar una conciencia de la fort aleza o debilidad de sus
propias ideas, y a apreciar que las personas pueden t ener diferent es punt os de
vist a respect o de un mismo asunt o.
4. Trabaj os prct icos: Los t rabaj os prct icos son una de las act ividades mas
import ant es en la enseanza de las ciencias experiment ales al poder ser
programados como una forma de adquirir conocimient o vivencial de los
fenmenos nat urales, como un soport e para la comprensin de concept os y
t eoras, como un medio de desarrollar habilidades prct icas y aprender
t cnicas de laborat orio, y como una forma de aprender y pract icar los procesos
y las est rat egias de invest igacin propios de la met odologa cient fica.
5. Resolucin de problemas: La resolucin de problemas es ot ra de las
act ividades que ocupa una posicin cent ral en el currculo de ciencias. Un
problema es en su acepcin mas simple, una cuest in que se t rat a de resolver.
La forma t radicional de ensear a resolver problemas consist e en most rar el
camino de resolucin y pract icar con ot ros casos similares hast a que result en
familiares a los alumnos. Est e t ipo de problemas son en realidad ej ercicios.
6. I t inerarios y visit as: Son act ividades muy diversas, cuya finalidad es dar
oport unidad a los alumnos de t ener experiencias direct as con el medio que nos
rodea. Un it inerario es una rut a preest ablecida por el campo, generalment e
acompaado por una gua escrit a.
7. Bsqueda de informacin: El alumno, bien individualment e o en grupo,
debe buscar informacin sobre el t ema que est a, t rabaj ando. La bsqueda
puede ser bibliogrfica, oral ( realizacin de ent revist as) , audiovisual, et c. La
informacin reunida en est a act ividad sirve para realizar las act ividades
post eriores.
8. Juegos de simulacin/ representacin de roles: Son reproducciones
simplificadas de acont ecimient os de la vida real en las que los alumnos pasan a
ser "act ores" de la sit uacin, enfrent ndose a la necesidad de t omar decisiones
y de valorar sus result ados.
9. Text os de Ciencia- Ficcin: Segn el Grupo "Alkali" ( 1985, 1986, 1990) , la
ut ilizacin de la ciencia- ficcin, bien de t ext os publicados o de hist orias

invent adas por los alumnos o por el profesor, ofrece un gran abanico de
posibilidades.
10. Trabaj o escrit o: Puede ayudar a los alumnos a ident ificar y organizar sus
propias ideas. Permit e desarrollar la capacidad de expresarse de forma clara y
concisa. El profesor debe ayudar a los alumnos a ut ilizar los t rminos
cient ficos no solo correct ament e sino con dominio t ot al de su significado. Los
informes de las dist int as act ividades realizadas y de la evolucin de sus ideas
obligan a los alumnos a reflexionar sobre las mismas y los hacen conscient es
de su propio aprendizaj e.
11. Mapas concept uales: Los mapas concept uales son diagramas
bidimensionales que indican relaciones significat ivas ent re concept os en forma
de proposiciones. Una proposicin const a de dos o ms t rminos concept uales
unidos por palabras ( palabras de enlace) para formar una unidad semnt ica.
Los mapas concept uales deben ser j errquicos. La j erarqua implica que los
concept os ms generales e inclusivos deben sit uarse en la part e superior del
mapa y los concept os progresivament e ms especficos y menos inclusivos, en
la part e inferior.
Tomado de: ht t p: / / www.deciencias.net / disenoud/ act ividades/ act 1.ht m

Todas las act ividades ant eriores fueron pensadas para la educacin presencial. Recordemos
que nos int eresa considerar t ambin la modalidad a dist ancia. Ant es de cont inuar realice la
act ividad siguient e.
Act ividad 6.1.
- Cules de las act ividades de aprendizaj e ant eriores son aplicables a la sit uacin de la
educacin a dist ancia?
- Una vez ident ificadas las est rat egias que se aplican a la educacin a dist ancia, qu
modificaciones considera necesarias para adapt arlas a esa modalidad?
- En su experiencia personal como est udiant e de la UNA qu act ividades de aprendizaj e
usan con mayor frecuencia los asesores de Mat emt ica en su Cent ro Local.
Al moment o de seleccionar las act ividades de aprendizaj e, ust ed debe t ener en cuent a la
diversidad de st as y su adapt abilidad al caso part icular de las mat emt icas. Creemos que
en general t odas las act ividades de aprendizaj e present adas arriba pueden ser adapt adas
para el caso de unidades didct icas sobre t emas de mat emt icas, y en part icular de lgebra
lineal. A est a list a de act ividades agregaremos la proposicin de problemas.
Proposicin de problemas
El enfoque de la enseanza de las mat emt icas cent rado en problemas ha puest o
demasiado nfasis en la resolucin de problemas y ha descuidado, y prct icament e olvidado
la proposicin de problemas. La capacidad o dest reza para generar nuevos problemas, bien
sea a part ir de problemas dados u originales, es t an import ant e en mat emt icas como la
habilidad para resolver problemas propuest os por ot ros. Dado que la proposicin de
problemas es poco pract icada en la enseanza de las mat emt icas le ofreceremos a
cont inuacin algo ms de det alles sobre st a.
El fut uro mat emt ico debe est ar preparado para plant earse problemas de invest igacin, lo
cual requiere reconocer que las ciencias mat emt icas no son un cuerpo acabado de
conocimient os. En ot ros t rminos, el fut uro mat emt ico debera apreciar el hecho que en
mat emt icas hay una gran cant idad de pregunt as int eresant es que permanecen abiert as,
ms an, que hay una cant idad incont able de pregunt as por formularse. El est udiant e de
mat emt icas debe prepararse para incorporarse a la discusin que se lleva a cabo en su
disciplina. La present acin de las mat emt icas como un conj unt o predet erminado de hechos
a ser t ransmit ido por el profesor y adquirido por los est udiant es, enva el mensaj e que los
est udiant es y los profesores est n separados de aquellos que crean las mat emt icas
( Making Mat hemat ics, 2003) .
Preparar un invest igador en mat emt icas exige que los est udiant es se vean a si mismos
como pract icant es, como mat emt icos aficionados de quienes se espera que creen y
t rabaj en en sus propias pregunt as o problemas. Hacer invest igacin requiere de una serie
de pregunt as e indagaciones. En el proceso de creacin de nuevos conocimient os hay que
t ener en cuent a conocimient os previos ya est ablecidos. Las buenas invest igaciones
conducen al est ablecimient o de conexiones ent re result ados relacionados. Es import ant e
resalt ar est e punt o, las ciencias mat emt icas no son un conj unt o de hechos y
procedimient os aislados que se aprenden y comprenden cada uno por su lado, sin
relacionarlos unos con ot ros ( Making Mat hemat ics, 2003) .
Cuando la unidad didct ica incluye act ividades de aprendizaj e de proposicin de problemas
puede cont ribuir a cambiar la visin de las mat emt icas. Cuando los est udiant es son
puest os en la posicin de proponerse sus propios problemas, sus pregunt as mat emt icas
originales, y ven que esas pregunt as se conviert en en el cent ro de la discusin del grupo, su
percepcin de las ciencias mat emt icas t iene que ser alt erada profundament e. Ya no se
limit a la act ividad a resolver problemas propuest os por el profesor. De est a manera el
est udiant e pasa de ser un espect ador a ser aut or y act or. Cuando en la clase se inviert e
t iempo en discut ir sus problemas, los problemas creados por ellos mismos, se increment a el
int ers y la mot ivacin por est udiar mat emt icas ( Making Mat hemat ics, 2003) .
En lo que sigue consideraremos dos conj unt os uno de movimient os o maneras de cambiar
un problema y ot ro de pregunt as nuevas que nos podemos plant ear acerca de viej os
problemas.
Maneras de cambiar un problema
- Cambiar los nmeros
- Cambiar la geomet ra
- Cambiar la operacin
- Cambiar los obj et os baj o est udio
- Remover una condicin, o agregar una nueva condicin.
- Remover o agregar un cont ext o
- Repet ir un proceso. ( Making Mat hemat ics, 2003)
No present aremos det alles de cada uno de est os movimient os para producir nuevos
problemas a part ir de un problema conocido. Most raremos un ej emplo para uno de ellos.
Cambiar los obj et os baj o est udio
En lugar de considerar slo nmeros reales, podemos t rabaj ar con vect ores, mat rices o
funciones como los t rminos o fact ores. Veamos el siguient e ej emplo. Tenemos que 2 + 2 =
2 * 2, en general los est udiant es no suelen buscar ms ej emplos de nmeros que sat isfagan
est a propiedad, t al vez el 0 es una excepcin. Sera int eresant e t rat ar de encont rar pares
nmeros racionales e irracionales que cumplan esa condicin. Pensando en considerar ot ros
obj et os qu t al si probamos con mat rices. Hay pares de mat rices 2x2 que mult iplicadas y
sumadas den el mismo result ado? Veamos un caso.

1/ 3 1/ 4 1/ 3 1/ 4 1/ 3 1/ 4 1/ 3 1/ 4 1 1/ 3
. = + =
3 3/ 2 3 3/ 2 3 3/ 2 3 3/ 2 6 3
Ot ro caso es el de la mat riz:

1 2 1/ 2 1/ 3 1 2 1/ 2 1/ 3 3/ 2 7/ 3
. = + =
3 4 1/ 2 1 3 4 1/ 2 1 7/ 2 5
Qu propiedades t iene est e par de mat rices? Hay pares de mat rices con valores ent eros?
Diferent es del caso t rivial,
2 0

0 2
( Adapt ado de Making Mat hemat ics, 2003)
Ot ra manera de generar problemas a part ir de sit uaciones conocidas es plant endose
Nuevas pregunt as para viej os problemas
- Cul es el mnimo o el mximo valor posible?
- Cunt os ?
- Cul es la inversa de est a pregunt a?
- Cul es el procedimient o?
- El obj et o descrit o exist e?
- Podemos generalizar el problema?
- Cul es la explicacin subyacent e para los pat rones y est ruct uras que encont ramos?
( Making Mat hemat ics, 2003)
Para ms det alles sobre los movimient os y est as pregunt as visit e el sit io del proyect o
Making Mat hemat ics en la direccin: ht t p: / / www2.edc.org/ makingmat h/ default .asp.
Est a leccin est uvo dedicada a los obj et ivos de aprendizaj e y a las act ividades de
aprendizaj e, dos de los element os de la unidad didct ica. Dist inguimos ent re dos t ipos de
obj et ivos de aprendizaj e, de dest rezas y act it udinales, y resalt amos la import ancia de
cont ar con buenos obj et ivos de aprendizaj e. Revisamos un conj unt o de act ividades de
aprendizaj e y discut imos su adapt acin a las mat emt icas y a la educacin a dist ancia. En
especial t rat amos en det alle la proposicin de problemas, por ser est a act ividad de
aprendizaj e muy poco usada y t ener mucha import ancia par a la formacin de mat emt icos
invest igadores. Cerramos reasalt ando que lo ms import ant e es que organicemos la unidad
de aprendizaj e de manera que le ofrezcamos oport unidades de aprendizaj e a t odos los
est udiant es sin dist incin alguna y con el propsit o de que t odos alcances los mayores
niveles de desarrollo cognit ivo.

Aut o- Evaluacin 6

Leccin 7
Evaluacin de los Aprendizaj es

Est a leccin est dedicada principalment e al problema de la evaluacin del t rabaj o del
est udiant e durant e y al finalizar una unidad didct ica, lo cual no significa que no sea
import ant e plant earse la evaluacin de los ot ros element os de la unidad didct ica misma.
Pensamos que la evaluacin de los aprendizaj es es uno de los aspect os ms problemt icos
de la educacin en mat emt icas, por ello le damos ms import ancia en est e curso. Con est a
leccin cubrimos el mat erial necesario para complet ar el diseo de una unidad didct ica
para la enseanza de un t ema de lgebra Lineal.
Ent endemos la evaluacin como una act ividad int egral de la enseanza. Aunque parezca
una afirmacin t rivial, para muchos educadores la evaluacin y la enseanza son vist as
como act i vidades separadas, a lo sumo las asumen como complement arias. En una fase
int ermedia encont ramos aquellos aut ores quienes afirman que la evaluacin debe est ar al
servicio de la enseanza. Lo que si est claro es que el papel de la evolucin en el
aprendizaj e logrado por los est udiant es no se puede minimizar, que en buena medida el
currculo aprendido es det erminado por la evolucin. En ot ras palabras, los est udiant es se
int eresarn por aprender slo aquello que es evaluado. De all la import ancia de la
evaluacin.
Al est udiar el t ema de la evaluacin y al pensar en disear una est rat egia de evaluacin
para una unidad didct ica, surge de manera inevit able la discusin en t orno a los obj et ivos.
Taxonoma de los obj et ivos educacionales
La Taxonoma de los obj et ivos educacionales, t ambin conocida como Taxonoma de Bloom,
fue desarrollada por Bloom, Hast ing y Madaus ( 1976) . Est a t axonoma fue desarrollada en
un moment o en que el conduct ismo era una de las t eoras del aprendizaj e dominant es. Sin
embargo, como pl ant ean sus aut ores, est a t axonoma no est at ada a ninguna de est as
t eoras en part icular. En efect o, la t axonoma de los obj et ivos educacionales ha sobrevivido
la revolucin cognoscit iva que conduj o al desplazamient o en educacin de la visin
conduct ist a del aprendizaj e. En la Universidad Nacional Abiert a se us est a t axonoma para
la redaccin de los obj et ivos de las asignat uras t al como aparecen est ipulados en los planes
de evaluacin. Por ej emplo, los obj et ivos de est a asignat ura fueron redact ados siguiendo las
paut as est ablecidas en la Taxonoma de los Obj et ivos Educacionales o de Bloom.
Est a t axonoma est compuest a de t res element os bsicos, los dominios de aprendizaj e, las
conduct as y subconduct as. Los dominios de aprendizaj e son dos: a) cognit ivo y b) afect ivo.
El primero de est os dominios est dividido en dos t ipos de conduct as, las cuales son: 1)
conocimient o y b) habilidades y dest rezas int elect uales. A cada una de est as conduct as le
corresponden un nmero de subconduct as. En la Tabla 1 most r amos la list a complet a de
cada uno de est os element os.
Tabla 7.1. Dominios y conduct as de aprendizaj e en la Taxonoma de Bloom original
Dominios de
Aprendizaj e
Conduct as Sub- condut as
Conocimient o 1.0 Conocimient o
Cognit ivo Habilidades y dest rezas
int elect uales
2.0 Comprensin
3.0 Aplicacin
4.0 Anlisis
5.0 Snt esis
6.0 Evaluacin
Afect ivo
1.0 Recepcin (At encin)
2.0 Respuest a
3.0 Valoracin
4.0 Organizacin
5.0 Caract erizacin por un valor o
complej o de valores
Fuent e: Bloom, Hast ing y Madaus, 1976
Est a t axonoma es j errquica, en el sent ido que las conduct as est n ordenadas en orden de
complej idad y se asumen que el logro de una ciert a conduct a requiere el logro de t odas las
conduct as previas.
Wilson ( 1976) adapt la Taxonoma de los obj et ivos educacionales para el caso part icular de
las mat emt icas en el nivel secundario. Veamos a cont inuacin dicha versin.
Tabla 7.2. Taxonoma de Bloom para las Mat emt icas adapt acin de Wilson
Dominios Conduct as
Cognit ivo
A0. Comput acin
B0. Comprensin
C0. Aplicacin
D0. Anlisis
Afect ivo
E0. I nt ereses y act it udes
F0. Apreciacin
Fuent e: Wilson, 1976
Se mant iene lo dominios cognit ivo y afect ivo. Las subconduct as del modelo original pasan a
ser conduct as en la adapt acin y son reducidas a cuat ro en el dominio cognit ivo y a dos en
el dominio afect ivo. A cont inuacin present amos una descripcin de cada una de est as
conduct as.
Tabla 7.3. Descripcin de las conduct as
Conduct a Descripcin
A0. Comput acin I ncluye las conduct as menos complej as, aquellos
result ados que no exigen t omar decisiones o efect uar
una memorizacin complej a
B0. Comprensin Un conj unt o de conduct as ms complej as, la
separacin con las conduct as ant eriores es vaga y las
incluye
C0. Aplicacin I mplican una secuencia de respuest as por part e del
est udiant e, la t ransferencia a sit uaciones nuevas es
mnima

D0. Anlisis Comprende las conduct as ms complej as, incluye las
conduct as anlisis, snt esis y evaluacin en la
Taxonoma de Bloom, se puede caract erizar como
bsqueda abiert a , t ransferencia a un cont ext o en el
que no se ha pract icado previament e, conduct a
heurst ica.
E0. I nt ereses y act it udes Act it ud hacia las mat emt icas, sent imient o, emocin.
F0. Apreciacin Apreciacin de las mat emt icas
En la descripcin ant erior de cada conduct a podemos ver con mayor cl aridad su carct er
j errquico. Vemos como se va increment ado la complej idad de conduct as menos
complej as , como en A0, a conduct as ms complej as , en el caso de D0.
Hast a est e punt o no podemos ver con claridad que es lo especfico de est a adapt acin hecha
por Wilson para el caso de las mat emt icas. Est o se revela realment e en la list a de
subconduct as correspondient es a las cuat ro conduct as en el dominio cognit ivo y a las dos
conduct as en el dominio afect ivo. En la Tabla 4 se muest ran est as subconduct as.
Tabla 7.4. Sub- conduct as de aprendizaj e en una versin de la Taxonoma de Bloom original
para las Mat emt icas
Cognoscit iva
Conduct as Sub- conduct as
A0. Comput acin A1. Conocimient o de hechos especficos
A2. Conocimient o de la t erminologa
A3. Capacidad para realizar algorit mos
B0. Comprensin B1. Conocimient o de concept os
B2. Conocimient o de principios, reglas y
generalizaciones
B3. Conocimient o de la est ruct ura mat emt ica
B4. Capacidad para t ransformar element os de
problemas de una modalidad a ot ra
B5. Capacidad para seguir una lnea de razonamient os
B6. Capacidad para leer e int erpret ar un problema
C0. Aplicacin C1. Capacidad para resolver problemas de rut ina
C2. Capacidad para realizar comparaciones
C3. Capacidad para analizar dat os
C4. Capacidad para reconocer modelos, isomorfismos y
simet ras
D0. Anlisis D1. Capacidad para resolver problemas no rut inarios
D2. Capacidad para descubrir relaciones
D3. Capacidad para const ruir demost raciones
D4. Capacidad para crit icar demost raciones
D5. Capacidad para formular y validar generalizaciones
Las subcondut as propuest as por Wilson (1976) son especficas del campo de las
mat emt icas. Es oport uno aclarar que fueron elaboradas como part e de un modelo de
rendimient o en mat emt icas para la educacin secundaria, el cual veremos ms abaj o. Sin
embargo, pensamos que est e modelo se puede aplicar sin mayores modificaciones en el
caso de la evaluacin de los aprendizaj es en mat emt icas en el mbit o de la educacin
universit aria, y ms especficament e en el caso de la evaluacin de los aprendizaj es en el
lgebra Lineal.
Ant es de present arle el modelo de rendimient o pasaremos revist a a las subconduct as
correspondient es a la dos conduct as que conforman el dominio afect ivo, las cuales se
muest ran en la Tabla 5.
Tabla 7.5. Sub- conduct as en el dominio afect ivo
Afect iva
Conduct as Sub- conduct as
E0. I nt ereses y
act it udes
E1. Act it ud
E2. I nt ers
E3. Mot ivacin
E4. Ansiedad
E5. Valoracin de si mismo
F.0. Apreciacin F.1. Ext rnseca
F2. I nt rnseca
F3.Operacional
Con la list a de subconduct as en el dominio afect ivo complet amos el conj unt o de
subconduct as especficas para el campo de las mat emt icas. El element o que falt a para
complet ar el modelo de rendimient o en mat emt icas es los cont eni dos. El modelo se
represent a en una t abla de doble ent rada. En la ent rada horizont al, fila superior,
encont ramos las conduct as y sus subcondut as correspondient es. En la ent rada horizont al, la
primera columna de la izquierda, se coloca la list a de cont enidos. Cada celda de la t abla se
corresponde ent onces a una subconduct a y a un cont enido. Est a t abla sera de mucha
ut ilidad para organizar los cont enidos que sern t rat ados en una unidad didct ica y el nivel
de complej idad en que sern t rat ados. En ot ras palabras, el modelo nos permit ira
est ablecer los cont enidos y el nivel de complej idad de los aprendizaj es, expresados en
t rminos de conduct as observables, que se espera que logren los est udiant es al finalizar al
unidad didct ica.
Tabla 7.6. Modelo de Wilson para el rendimient o en Mat emt icas
CONDUCTAS
CONTENI DO
A0 B0 C0 D0 E0 F0
1.0
2.0
( )
En el Anexo A most ramos est e modelo complet o.
Act ividad 7.1
1. Haga una list a de siet e t emas de lgebra Lineal, piense en un pri mer curso
universit ario para est udiant es con pocos cursos de mat emt icas.
2. Complet e una t abla como la Tabla 6 con esos cont enidos.
3. Marque con una equis (X) aquellas casillas del modelo de rendimient o que ust ed
considerara para ser t rat ados en est e curso int roduct orio.
Ms recient ement e, Kast berg ( 2003) hizo una adapt acin de la Taxonoma de los Obj et ivos
Educacionales, t ambin para el caso de la educacin en mat emt icas en la educacin
secundaria. En est a adapt acin, la aut ora conserva las conduct as incluidas en el modelo

original, pero las redefine como procesos y las adapt a para el caso especfico de las
mat emt icas. En la Tabla 7 se muest ran est os procesos con sus respect ivas definiciones.
Tabla 7.7. Taxonoma de Bloom aplicada a las Mat emt icas
Procesos
Niveles Definicin breve
Conocimient o Recordar hechos, pat rones, arreglos y mt odos
Comprensin Comprender aquellos que es comunicado
Aplicacin Usar informacin aprendida previament e en sit uaciones
nuevas y concret as para resolver problemas que t iene
una respuest a simple o una mej or respuest a
Anlisis Descomponer mat erial informat ivo en sus part es
component es de manera t al que la j erarqua ent re las
ideas queda clara
Snt esis Colocar j unt os element os y part es para formar un t odo
Evaluacin Juzgar el valor del mat erial y mt odos para un propsit o
dado
Fuent e: Kast berg, 2003
Como vemos en la t abla ant erior, Kast berg ( 2003) no descompone cada una de las
conduct as en subconduct as. Basndose en esas conduct as y en los cont enidos, elabora la
aut ora un modelo de rendimient o similar al que dise Wilson (1976) . Est e modelo de
rendimient o se muest ra en la Tabla 8.
Tabla 7.8. Modelo de Kast berg para la evaluacin
Procesos
Cont enido
C
o
n
o
c
i
m
i
e
n
t
o

C
o
m
p
r
e
n
s
i
n

A
p
l
i
c
a
c
i
n

A
n
l
i
s
i
s

S
n
t
e
s
i
s

E
v
a
l
u
a
c
i
n

1.0
2.0
3.0
( )
Fuent e: Kast berg, 2003
Tant o la adapt acin de la Taxonoma de los Obj et ivos Educacionales hecha por Wilson
( 1976) como la hecha por Kast berg (2003) t enan como obj et ivo servir de gua para la
elaboracin t ems para pruebas escrit as o el diseo de t areas de evaluacin en
mat emt icas. En efect o, Wilson ( 1976) complement a su modelo con una ext ensa coleccin
de t ems para evaluar diversos cont enidos de mat emt icas en cada una de las conduct as y
subconduct as est ablecidas en el modelo.
Por su part e, Wood y ot ros ( s.f.) usan una t axonoma, basada en la Taxonoma de los
obj et ivos educacionales, para indagar sobre el desempeo de los est udiant es en un curso de
lgebra lineal. Est a t axonoma est formada por ocho cat egoras organizadas en t res grupos
como se muest ra en la Tabla 9.
Las cat egoras en est a t axonoma son especficas a un cont ext o. Est o es, cuando una
demost racin ha sido enfat izada en clase es una t area en el Grupo A, mient ras que proveer
el t eorema al inicio es una t area del Grupo C. Est a t axonoma nos est imula a pensar acerca
de nuest ros primeros int ent os en la elaboracin de t areas ( problemas, pregunt as o
ej ercicios) . Word y ot ros ( s.f.) apunt an que est a t axonoma nos ofrece una manera t il de
comprobar si hemos evaluado t odas las habilidades, conocimient os y dest rezas que
esperbamos que nuest ros est udiant es desarrollaran y demost raran su dominio.
Tabla 7.9. Taxonoma de Wood y ot ros (s.f.)
Grupo A Grupo B Grupo C
Conocimient o de hechos Transferencia de
informacin
Just ificar e int erpret ar
Comprensin Aplicaciones a nuevas
sit uaciones
I mplicacin, conj et uras y
comparaciones
Uso rut inario de
procedimient os
Evaluar
A cont inuacin present amos al gunos ej emplos de problemas propuest os en cada uno de los
grupos de cat egoras en la t axonoma de Wood y ot ros ( s.f.)
Problemas en el Grupo A
1. Halle los valores propios y los correspondient es vect ores propios de la mat riz
1 5
A =
5 1
2. Encuent re la mat riz diagonal D y una mat riz invert ible P t al que A = PDP
- 1
.
3. Calcule la descomposicin espect ral de A.
4. Use la descomposicin espect ral de A para calcular la inversa de A.
En est a t area, slo se le exige a los est udiant es reproducir t rabaj o ya hecho previament e en
clase.
Problemas en el Grupo B
Explique como la descomposicin LU de una mat riz A es usada para resolver el sist ema
de ecuaciones lineales A x = B.
En est a t area, se requiere que los est udiant es t ransformen su conocimient o de una
habilidad rut inaria al met a- conocimient o de explicar esa habilidad.
Problemas en el Grupo C ( Just ificar)
Sea T = { v
1
, v
2
, , v
r
} un conj unt o de vect ores linealment e independient es y sea A una
mat riz nxn. Demuest re que el conj unt o T = { Av
1
, Av
2
, , Av
r
} es t ambin linealment e
independient e.
En est a t area, se le pide alos est udiant es que j ust ifiquen, o demuest ren, un result ado del
lgebra lineal.

Act ividad 7.2
Compare y cont rast e est as t res versiones de la Taxonoma de los obj et ivos educacionales
aplicadas especialment e a las mat emt icas.
Al comienzo plant eamos que las t axonomas servan de ut ilidad para preparar lo obj et ivos
de evaluacin. Para t al fin, el modelo de rendimient o se complement a con una list a de
verbos para cada una de las conduct as. En el Anexo B encont rar una list a de t ales verbos
para las cat egoras incluidas en la Taxonoma de Bloom.
Act ividad 7.3
1. Revise los obj et ivos especificados en el mat erial inst ruccional impreso de la asignat ura
lgebra I I ( Cod. 753) (Ver Anexo D) .
2. Ubique cada uno de esos obj et ivos en las conduct as de la t axonoma de Bloom. Use el
modelo de rendimient o de Wilson o de Kast berg.
3. Est n esos obj et ivos dist ribuidos razonablement e ent re las diversas conduct as o hay un
nfasis mayor en algunas de ellas?
Exist en diversos t ipo de t axonomas, como vimos arriba, incluso la propia t axonoma de los
obj et ivos educacionales ha dado origen a ot ras. A cont inuacin veremos la Taxonoma
SOLO, la cual ha sido usada por varios aut ores t ant o en invest igacin como en desarrollo en
mat emt icas.
Taxonoma SOLO
Los est udios en psicologa del desarrollo confirmaron que las per sonas comprenden de
manera progresiva los diferent es aspect os de un conocimient o part icular. El t rabaj o de
Piaget es t al vez el ms conocido en ese grupo. La t eora de las et apas del desarrollo
ident ificadas por Piaget fue crit icada desde diversas perspect ivas. Est as crt icas llevaron a
nuevas formulaciones de la int eligencia y a cuest ionar la primaca de la est ruct ura
cognoscit iva subyacent e. Biggs y Collis (1982, 1991) ofrecieron una int erpret acin t erica
alt ernat iva. En su modelo est os aut ores separaron la est ruct ura cognoscit iva
hipot t icament e subyacent e de los niveles observados de respuest as en los est udiant es,
adems permit a considerar fact ores ext ernos t ales como el lenguaj e, experiencias
especficas de aprendizaj e, mot ivacin as como los fact ores cognoscit ivos subyacent es
como mediadores de manera de producir los niveles observados de respuest a ( Voulgaris y
Evangelidou, s.f.) . Est e modelo es conocido con el nombre de Taxonoma SOLO.
La Taxonoma SOLO t oma su nombre de las siglas en ingles de St udent Observed Learning
Out comes ( Result ados Observados del Aprendizaj e del Est udiant e) y fue elaborada por
Biggs y Collis ( 1991) . La Taxonoma SOLO nos provee de un enfoque para cat egorizar el
desempeo cognoscit ivo en diferent es reas de cont enido y para definir obj et ivos del
currculo, el cual incluye crit erios para los niveles de aprendizaj e requeridos. Est a t axonoma
est int egrada por modos de funcionamient o paralelos en buena medida a las et apas de
desarrollo cognoscit ivo propuest as por Piaget . Est os modos de funcionamient o son: a)
sensorio- mot or, b) icnico, c) Simblico concret o, d) Formal y e) Post - formal. A
cont inuacin ofrecemos una breve descripcin de cada uno de ellos.
a) Sensorio- mot or ( desde el nacimient o) : El nio slo puede int eraccionar con el mundo de
la manera ms concret a: dando una respuest a mot riz a un est mulo sensorial.
b) I cnico ( desde los 18 meses) : Si una accin se vuelve ms abst ract a debe ser
represent ada de alguna forma. La forma ms simple de int eriorizar una accin es
imaginarla, formando lo que Bruner llama imagen int erna o icono.
c) Simblico concret o ( desde los 6 aos) : Se inicia un cambio significat ivo de la abst raccin
desde la simbolizacin direct a del mundo a t ravs del lenguaj e oral al escrit o, sist emas de
smbolos que se aplican al mundo de las experiencias.
d) Formal ( desde los 16 aos) : El razonamient o formal se produce en un sist ema abst ract o
supra- ordinado en el que pueden generarse formas alt ernat ivas de ordenar el mundo.
c) Post - formal ( desde los 18 aos) : El pensamient o post -formal supone pregunt arse por las
front eras convencionales de la t eora y de la prct ica. Es aj eno a cualquier nivel educat ivo y
puede aparecer en el campo de la invest igacin ( adapt ado de Biggs y Collis, 1989, 1991) .
( Tomado de Huert a, 1999, p. 306)
Biggs y Collis (1989) definen el modo como el nivel de abst raccin que un est udiant e usa
cuando manej a los element os de una t area ( p. 152, cit ado en Alsadi, 2001) . Est os modos
est n asociados a una serie de niveles acumulat ivos de respuest as que reflej an una
complej idad crecient e. A cont inuacin, en la Tabla 10, most ramos una descripcin de cada
uno de los niveles, en orden decrecient e de complej idad, y un conj unt o de indicadores para
cada uno de ellos.
Tabla 7.10. Niveles de respuest as most radas por los est udiant es
Nivel de
desempeo
Descripcin I ndicadores
Abst raccin
ext endida
Respuest a que hacen uso de
principios, hechos, procesos,
et c. ms abst ract os que
aquellos que describen el
modo de funcionar act ual.
- Los est udiant es hacen
conexiones ms all del
cont enido inmediat o.
- Los est udiant es generalizan y
t ransfieren los principios de lo
especfico a lo abst ract o.
Relacional Respuest as en las que se
manifiest a una comprensin
int egrada de las relaciones
ent re los diferent es aspect os
usados del modo de funcionar.
- Los est udiant es demuest ran las
relaciones ent re conexiones.
- Los est udiant es demuest ran las
relaciones ent re conexiones y el
t odo.
Mult i-
est ruct ural
Respuest as en las que se
procesan diferent es aspect os
disj unt os del modo de
funcionar, normalment e en
una secuencia.
- Los est udiant es hacen un
nmero de conexiones.
- Lo significat ivo de las relaciones
ent e las conexiones no es
demost rado.
Uni-
est ruct ural
Respuest as en las que se usa
un solo aspect o relevant e del
modo de funcionar.
- Los est udiant es hacen
conexiones simples y obvias.
- Lo significat ivo de las
conexiones no es demost rado.
Pre-
est ruct ural
Represent a el uso, en la
respuest a, de aspect os no
relevant es del modo de
funcionar; es decir, respuest as
en las que no se usan aquellos
element os que son necesarios
para poder ident ificar un modo
de funcionar.
- Los est udiant es est n
adquiriendo piezas de
informacin desconect ada.
- Sin organizacin
- Sin sent ido del t odo
( Elaboracin propia con informacin de Huert a, 1999, p. 292 y ot ras fuent es)

Huert a (1999) define como cat egora SOLO la combinacin de un modo de funcionar con un
nivel de respuest a.
La t axonoma SOLO ha sido ut ilizada en mat emt icas y en la evaluacin de ot ros
cont enidos. Se han hecho varias adapt aciones de est a t ecnologa para la evolucin
especfica en el caso de mat emt icas. Voulgaris y Evangelidou (s.f.) adapt aron la Taxonoma
SOLO para cat egorizar las respuest as de los est udiant es a problemas de medida del
volumen de un slido y a la concepcin de volumen respect ivament e. Huert a ( 1999) cre un
modelo de evaluacin en el que int egra la Taxonoma SOLO diseada por Biggs y Collis, los
niveles de compresin en geomet ra desarrollados por los esposos van Hiele y los mapas
concept uales de Novak y Gowin ( ver la Figura 1) . Alsaadi ( 2001) us est a t axonoma como
inst rument o para realizar un est udio comparat ivo ent re los currculos oficiales de
mat emt icas para la escuela primaria en I nglat erra y nct ar respect ivament e. Vret t aros,
Vouros y Drigas ( 2004) desarrollaron un sist ema aut omt ico de diagnost ico basado en la
Taxonoma SOLO y usando lgica borrosa (o difusa) en un cont ext o de aprendizaj e
elect rnico ( e- learning) . Aoyama ( 2006) elabor una j erarqua de las int erpret aciones de
grficos por part e de los est udiant es sobre la base de est a t axonoma. Est e aut or dist ingui
cinco niveles de int erpret acin de grficos: 1) I diogrfico, 2) Lect ura bsica de grficos, 3)
Racional/ lit eral, 4) Crt ica y 5) Hacer hipt esis y modelar. Reading and Reid (2006)
elaboraron una j erarqua del razonamient o acerca de la dist ribucin basada en las nociones
de dist ribucin most radas por los est udiant es en sus respuest as, t omando en cuent a el nivel
de consideracin de la variacin. Est os aut ores dist inguieron cuat ro niveles en la
consideracin de la variacin, los cuales son: 1) No consideracin de la variacin, 2) Dbil
consideracin de la variacin, 3) Consideracin en desarrollo de la variacin y 4) Fuert e
consideracin de la variacin.

( Fuent e: Huert a, 1999, p. 291)
Figura 1. Modelo de evolucin t ridimensional
En Nuest ra Amrica t ambin se han hecho algunos t rabaj os de invest igacin en educacin
mat emt ica donde se usa la Taxonoma SOLO. Por ej emplo, en Mxico, el Grupo de
Tecnologas Educat ivas (2002) . Y en Colombia, Cast illo Snchez, Salas y Valencia ( s.f.)
disearon y aplicaron una herramient a comput acional para la enseanza del Clculo en una
universidad de ese pas, y usaron est a t axonoma para evaluar las respuest as elaboradas
por los est udiant es a cuest ionarios administ rados por comput adora. No conocemos t rabaj o
alguno de invest igacin en educacin mat emt ica en Venezuela en que se considere la
Taxonoma SOLO.
Ot ra manera de dist inguir la diversidad de desempeos que se espera que logren los
est udiant es, adems de las t axonomas como las most radas ant erior ment e, es mediant e el
est ablecimient o de niveles de desempeo. En la sesin siguient e est udiaremos un ej emplo
de est e t ipo de niveles, en especial se t rat a de los niveles de desempeo seleccionados para
el est udio comparat ivo int ernacional PI SA.
Niveles de desempeo en mat emt icas
El Programme for I nt ernat ional St udent Assessment ( PI SA, Programa para la Evaluacin
I nt ernacional de los Est udiant es) es una evaluacin int ernacional est andarizada desarrollada
conj unt ament e por los pases part icipant es y aplicada a j venes de 15 aos de edad en la
escuela. Est e programa es una iniciat iva de la Organizat ion for Economic Co- operat ion and
Development ( OECD, Organizacin para la Cooperacin Econmica y el Desarrollo) . La
evaluacin se aplica en ciclos de t res aos, cada ciclo se ident ifica con el nmero del ao en
se aplica. En la primera aplicacin, PI SA 2000, part iciparon 43 pases, ent re los cuales se
encont raban 5 pases lat inoamericanos. Mient ras que 40 pases, ent re ellos t res
lat inoamericanos, part iciparon en la segunda evaluacin apl icada en el 2003. El ao 2006
part iciparon 58 pases, ent re los cuales se encuent ran cinco pases lat inoamericanos.
Un concept o bsico de la evaluacin en mat emt icas en PI SA es el de lit eracy o
alfabet izacin mat emt ica , l a cual es definida por la OECD (2003) como:
La capacidad individual para ident ificar y comprender el papel que
desempean las mat emt icas en el mundo act ual, emit ir j uicios
fundament ados y ser capaz de usarlas en las necesidades de la vida personal,
laboral y social, act ual y fut ura, como un ciudadano const ruct ivo,
compromet ido y capaz de r azonar. ( cit ado en I SEI -I VEI , 2004, p. 12)
En est a definicin se combinan el conocimient o y las dest rezas mat emt icas. Medir esos
aspect os es el principal ret o plant eado por PI SA. Una de las vas de solucin a est e ret o fue
el plant eamient o de una dimensiones, las cuales son:
- Los cont enidos mat emt icos implcit os en los diferent es problemas y cuest iones
plant eadas.
- Los procesos que deben act ivarse para poner en relacin los fenmenos observados
con el conocimient o mat emt ico para resolver los respect ivos problemas.
- Las sit uaciones y cont ext os ut ilizados como fuent e de est mulo y pr esent acin de la
informacin, que son en los que el pr oblema que se plant ea debe ser resuelt o.
( I SEI -I VEI , 2004, p. 12)
Los cont enidos fueron organizados en cuat ro subescalas: cant idad, espacio y forma, cambio
y relaciones, y probabilidad. Adems de est as subescalas fueron ident ificados siet e grupos
t emt icos: Nmeros, est adst ica, geomet ra, funciones, lgebra, probabilidad y mat emt icas
discret as.
Para facilit ar la int erpret acin de los result ados obt enidos de la aplicacin de los
inst rument os de evaluacin se ident ificaron unos niveles de compet encias o habilidades en
mat emt icas. Se diferenciaron un t ot al de seis niveles como se muest ra en la t abla
siguient e.
Tabla 7.11. PI SA 2006- Niveles de Desempeo en Mat emt icas
Nivel 2
- I nt erpret ar y reconocer sit uaciones en cont ext os que slo requieren una
inferencia direct a.

- Ext raer informacin pert inent e de una sola fuent e y hacer uso de un nico
modelo represent acional.
- Ut ilizar algorit mos, frmulas, procedimient os o convenciones element ales.
- Efect uar razonamient os direct os e int erpret aciones lit erales de los
result ados.
Nivel 3
- I nt erpret ar y reconocer sit uaciones en cont ext os que slo requieren una
inferencia direct a.
- Ext raer informacin pert inent e de una sola fuent e y hacer uso de un nico
modelo represent acional.
- Ut ilizar algorit mos, frmulas, procedimient os o convenciones element ales.
- Efect uar razonamient os direct os e int erpret aciones lit erales de los
result ados.
Nivel 4
- Trabaj ar con eficacia con modelos explcit os en sit uaciones complej as y
concret as que pueden conllevar condicionant es o exigir la
- formulacin de supuest os.
- Seleccionar e int egrar dif erent es represent aciones, incluyendo las
simblicas, asocindolas direct ament e a sit uaciones del mundo
- real.
- Ut ilizar habilidades bien desarrolladas y razonar con flexibilidad y con
ciert a perspicacia en est os cont ext os.
- Elaborar y comunicar explicaciones y argument os basados en sus
int erpret aciones, argument os y acciones.
Nivel 5
- Desarrollar modelos y t rabaj ar con ellos en sit uaciones complej as,
ident ificando los condicionant es y especificando los supuest os.
- Seleccionar, comparar y evaluar est rat egias adecuadas de solucin de
problemas para abordar problemas complej os relat ivos a
- est os modelos.
- Trabaj ar est rat gicament e ut ilizando habilidades de pensamient o y
razonamient o bien desarrolladas, as como represent aciones
- adecuadament e relacionadas, caract erizaciones simblicas y formales, e
int uiciones relat ivas a est as sit uaciones.
- Reflexionar sobre sus acciones y formular y comunicar sus
int erpret aciones y razonamient os.
Nivel 6
- Formar concept os, generalizar y ut ilizar informacin basada en
invest igaciones y modelos de sit uaciones de problemas complej os.
- Relacionar diferent es fuent es de informacin y represent aciones y
t raducirlas ent re ellas de una manera flexible.
- Poseen un pensamient o y razonamient o mat emt ico avanzado.
- Aplicar su ent endimient o y comprensin, as como su dominio de las
operaciones y relaciones mat emt icas simblicas y formales y desarrollar
nuevos enfoques y est rat egias para abordar sit uaciones nuevas.
- Formular y comunicar con exact it ud sus acciones y reflexiones relat ivas a
sus descubrimient os, argument os y su adecuacin a las sit uaciones
originales.
( Fuent e: ht t p: / / www.oei.es/ evaluacioneducat iva/ Colombia_en_PI SA_2006.pdf )
Para ms det alles y ej emplos de pregunt as de mat emt icas para cada uno de los niveles de
desempeo puede consult ar el mat erial inst ruccional impreso de la asignat ura Evaluacin de
los Aprendizaj es en Mat emt icas ( Cod. 551) .
Como sealamos arriba, est os niveles de desempeo le pueden servir de gua para
est ablecer los obj et ivos de sus unidades didct icas.
Lo import ant e de las t axonomas y niveles est udiados ant eriorment e es que nos sirven de
gua para organizar la evaluacin del aprendizaj e logrado por los est udiant es involucrados
en la realizacin de una unidad didct ica. Ninguna de ellas por si sola t al vez le provea de
t odos los element os que ust ed requiera para su evaluacin. Tmese la libert ad de disear
su propia t axonoma o conj unt o de niveles adapt ados a sus necesidades.

Anexo A
Modelo de rendimient o en mat emt ica para la educacin secundaria basado en la Taxonoma de los obj et ivos
educacionales

Cognoscit ivas
A0
Comput acin
B0 Comprensin C0 Aplicacin D0 Anlisis

C
o
n
o
c
i
m
i
e
n
t
o

d
e

h
e
c
h
o
s

e
s
p
e
c
f
i
c
o
s

C
o
n
o
c
i
m
i
e
n
t
o

d
e

l
a

t
e
r
m
i
n
o
l
o
g
a

C
a
p
a
c
i
d
a
d

p
a
r
a

r
e
a
l
i
z
a
r

a
l
g
o
r
i
t
m
o
s

C
o
n
o
c
i
m
i
e
n
t
o

d
e

c
o
n
c
e
p
t
o
s

C
o
n
o
c
i
m
i
e
n
t
o

d
e

p
r
i
n
c
i
p
i
o
s
,

r
e
g
l
a
s

y

g
e
n
e
r
a
l
i
z
a
c
i
o
n
e
s

C
o
n
o
c
i
m
i
e
n
t
o

d
e

l
a

e
s
t
r
u
c
t
u
r
a

m
a
t
e
m
t
i
c
a

C
a
p
a
c
i
d
a
d

p
a
r
a

t
r
a
n
s
f
o
r
m
a
r

e
l
e
m
e
n
t
o
s

d
e

p
r
o
b
l
e
m
a
s

d
e

u
n
a

m
o
d
a
l
i
d
a
d

a

o
t
r
a

C
a
p
a
c
i
d
a
d

p
a
r
a

s
e
g
u
i
r

u
n
a

l
n
e
a

d
e

r
a
z
o
n
a
m
i
e
n
t
o

C
a
p
a
c
i
d
a
d

p
a
r
a

l
e
e
r

e

i
n
t
e
r
p
r
e
t
a
r

u
n

p
r
o
b
l
e
m
a

C
a
p
a
c
i
d
a
d

p
a
r
a

r
e
s
o
l
v
e
r

p
r
o
b
l
e
m
a
s

d
e

r
u
t
i
n
a

C
a
p
a
c
i
d
a
d

p
a
r
a

r
e
a
l
i
z
a
r

c
o
m
p
a
r
a
c
i
o
n
e
s

C
a
p
a
c
i
d
a
d

p
a
r
a

a
n
a
l
i
z
a
r

d
a
t
o
s

C
a
p
a
c
i
d
a
d

p
a
r
a

r
e
c
o
n
o
c
e
r

m
o
d
e
l
o
s
,

i
s
o
m
o
r
f
i
s
m
o
s

y

s
i
m
e
t
r
a
s

C
a
p
a
c
i
d
a
d

p
a
r
a

r
e
s
o
l
v
e
r

p
r
o
b
l
e
m
a
s

n
o

r
u
t
i
n
a
r
i
o
s

C
a
p
a
c
i
d
a
d

p
a
r
a

d
e
s
c
u
b
r
i
r

r
e
l
a
c
i
o
n
e
s

C
a
p
a
c
i
d
a
d

p
a
r
a

c
o
n
s
t
r
u
i
r

d
e
m
o
s
t
r
a
c
i
o
n
e
s

C
a
p
a
c
i
d
a
d

p
a
r
a

c
r
i
t
i
c
a
r

d
e
m
o
s
t
r
a
c
i
o
n
e
s

C
a
p
a
c
i
d
a
d

p
a
r
a

f
o
r
m
u
l
a
r

y

v
a
l
i
d
a
r

g
e
n
e
r
a
l
i
z
a
c
i
o
n
e
s

Cont enido A1 A2 A3 B1 B1 B3 B4 B5 B6 C1 C2 C3 C4 D1 D
2
D3 D4 D5

( Wilson, 1979)
Anexo B
List a de verbos correspondient es a cada una de las conduct as en la Taxonoma de Bloom

Conocimient o: Comprensin: Aplicacin:
Organizar
Definir
Duplicar
Rot ular
Enumerar
Parear
Memorizar
Nombrar
Ordenar
Reconocer
Relacionar
Recordar
Repet ir
Reproducir
Clasificar
Describir
Discut ir
Explicar
Expresar
I dent ificar
I ndicar
Ubicar
Reconocer
Report ar
Re- enunciar
Revisar
Seleccionar
Ordenar
Traducir
Aplicar
Escoger
Demost rar
Dramat izar
Emplear
I lust rar
I nt erpret ar
Operar
Preparar
Pract icar
Programar
Esbozar
Solucionar
Ut ilizar

Anlisis: Snt esis: Evaluacin:
Analizar
Valorar
Calcular
Cat egorizar
Comparar
Cont rast ar
Crit icar
Diagramar
Diferenciar
Discriminar
Dist inguir
Examinar
Experiment ar
I nvent ariar
Cuest ionar
Examinar
Organizar
Ensamblar
Recopilar
Componer
Const ruir
Crear
Disear
Formular
Administ rar
Organizar
Planear
Preparar
Proponer
Trazar
Sint et izar
redact ar
Valorar
Argument ar
Evaluar
At acar
Elegir
Comparar
Defender
Est imar
Evaluar
Juzgar
Predecir
Calificar
Ot orgar punt aj e
Seleccionar
Apoyar
Tomado de: ht t p: / / www.geocit ies.com/ j ose_luis_cardenas/ t axonomia_bloom.ht m


Anexo C
Verbos para la Taxonoma SOLO
Niveles de comprensin Verbos indicat ivos
Abst ract o ext endido Teoriza
Generaliza
Formula hipt esis
Reflexiona
Genera
Relacional Compara/ cont rast a
Explica causas
I nt egra
Analiza
Relaciona
Aplica
Mult i-est ruct ural Enumera
Clasifica
Describe
Hace una list a
Combina
Ej ecut a algorit mos
Uni- est ruct ural I dent ifica
Memoriza
Realiza procedimient o simples
Pre- est ruct ural No capt a el punt o

Anexo D
lgebra I I
Obj et ivos Generales del curso
- Relacionar y generalizar las ideas bsicas del lgebra y del Clculo a t ravs del lgebra
Lineal.
- Aplicar los result ados obt enidos en el lgebra Lineal a ot ros campos de la Mat emt ica.
Mdulo 1: Espacios vect oriales
Obj et ivos Generales
- Revisar y generalizar la est ruct ura de espacio vect orial de R
2
y R
3
est udiadas en el curso
de Mat emt ica I I .
- Descomponer un espacio vect orial en suma direct a de subespacios.
Unidad de Aprendizaj e No. 1: Espacios vect oriales
Obj et ivos: Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones
de:
- Comprender los concept os de espacio vect orial y subespacio vect orial.
Experiencia de Aprendizaj e No. 1
Cont enidos: Espacios vect oriales. Subespacios vect oriales. Operaciones con
subespacios.
Obj et ivos: Al finalizar el est udio de est a Experiencia de Aprendizaj e, est ar en
condiciones de:
- Aplicar los concept os de espacio vect orial y subespacio vect orial en la
resolucin de problemas.
Unidad de Aprendizaj e No. 2: Combinaciones lineales
Al finalizar el est udio de est a Unidad de Aprendizaj e, est ar en condiciones de:
- Det erminar relaciones de dependencia ent re vect ores y subespacios de vect ores.
Cont enidos: Combinaciones lineales.
condiciones de:
- Aplicar los concept os de combinacin lineal en la resolucin de problemas.
- Hallar el subespacio generado por un subconj unt o.
- Buscar los generadores de un espacio vect orial y dist inguir si un espacio
vect orial es finit ament e generado.
Cont enidos: Subespacio generado por un subconj unt o de vect ores. Espacios
vect oriales finit ament e generados. Dependencia e independencia lineal.
condiciones de:

- Dist inguir si un conj unt o de vect ores es linealment e independient e.
Unidad de Aprendizaj e No. 3: Bases de espacios vect oriales
de:
- Det erminar si un conj unt o dado es base de un espacio vect orial.
- Descomponer un espacio vect orial como suma direct a de subespacios.
Cont enidos: Bases y dimensiones de un espacio vect orial.
condiciones de:
- Det erminar una base de un espacio vect orial, as como la dimensin del
mismo.
Cont enidos: Suma direct a de subespacios vect oriales.
condiciones de:
- Aplicar la suma direct a de subespacios vect oriales en la resolucin de
problemas.
Mdulo 2: Transformaciones lineales
Generalizar el concept o de t ransformacin lineal ent re espacios vect oriales y est udiar
algunos espacios vect oriales import ant es.
Unidad de Aprendizaj e No. 4: Transformaciones lineales
de:
- Revisar y generalizar el concept o de t ransformacin lineal ent re espacios
vect oriales.
Cont enidos: Transformacin lineal. Propiedades de las t ransformaciones lineales.
Ncleo. I magen de una t ransformacin lineal.
condiciones de:
- Aplicar la definicin de t ransformacin lineal en la resolucin de problemas.
Cont enidos: Monomorfismo. Epimorfismo,. I somorfismo. Espacios vect oriales
isomorfos.
condiciones de:
- Dist inguir si una aplicacin lineal es un monomorfismo, epimorfismo o
isomorfismo.
Unidad de Aprendizaj e No. 5: Espacios de t ransformaciones lineales
de:
- Est udiar algunos espacios vect oriales import ant es.
Cont enidos: Espacios vect oriales import ant es. Espacio Hom
k
(V, W) . Propiedades
de los espacios Hom
k
(V, W) .
condiciones de:
- Dist inguir espacios vect oriales import ant es.
Cont enidos: El espacio dual de un espacio vect orial dado. Bidual de un espacio
vect orial. El grupo lineal general.
condiciones de:
- Est udiar el grupo lineal general y aplicarlo a la resolucin de problemas.
Cont enidos: Espacio vect orial cocient e. Teoremas fundament ales de isomorfismos
de espacios vect oriales. Primero y segundo t eorema fundament al de
isomorfismos ent re espacios vect oriales.
condiciones de:
- Aplicar el concept o de espacio vect orial cocient e a la resolucin de problemas.
Mdulo 3: Mat rices y t ransformaciones lineales
Aplicar en la resolucin de sist emas de ecuaciones lineales las propiedades de las
t ransformaciones lineales y los det erminant ers.
Unidad de Aprendizaj e No. 6: Mat rices y t ransformaciones lineales
de:
- Est udiar las relaciones ent re espacios vect oriales de mat rices y espacios
vect oriales de t ransformaciones lineales.
Cont enidos: Mat rices y t ransformaciones lineales. Mat rices de orden mxn. Mat riz
asociada a una t ransformacin lineal. I somorfismo ent re Hom
k
( V, W) y M( dimW,
dimV, K) .
condiciones de:
- Est udiar las propiedades de la suma de mat rices y aplicarlo a la resolucin de
problemas.

Cont enidos: Product o de mat rices. Mat riz de cambio de base. Accin de un
cambio de bases sobre las coordenadas de un vect or de un espacio vect orial.
Accin de un cambio de bases en los espacios vect ori ales de una aplicacin lineal.
condiciones de:
- Est udiar las propiedades del product o de mat rices y aplicarlo a la resolucin
de problemas.
Unidad de Aprendizaj e No. 7: Aplicaciones mult ilineales y det erminant es
de:
- Est udiar algunas aplicaciones mult ilineales en especial los det erminant es.
Cont enidos: Aplicaciones bilineales. Aplicaciones mult ilineales.
condiciones de:
- Est udiar las aplicaciones bilineales y mult ilineales.
Cont enidos: Funcin det erminant e. Det erminant e de una t ransformacin lineal.
Adj unt o clsico de un endomorfismo.
condiciones de:
- Est udiar la funcin det erminant e y su aplicacin a la resolucin de problemas.
Cont enidos: Det erminant e de una mat riz cuadrada. El det erminant e considerado
como una funcin de lneas. Desarrollo del det erminant e segn los element os de
una lnea. Teorema de Laplace.
condiciones de:
- Est udiar el det erminant e de una mat rz cuadrada y su aplicacin a la
resolucin de problemas.
Cont enidos: Product o vect orial, Represent acin del product o vect orial mediant e
un det erminant e formal. I dent idad de Lagrange. Product o mixt o. Product o mixt o
y dependencia o independencia lineal.
condiciones de:
- Resolver problemas mediant e el uso de sist emas de ecuaciones.
Unidad de Aprendizaj e No. 8: Sist emas de ecuaciones lineales
de:
- Aplicar los result ados sobre mat rices y det erminant es a la resolucin de sist emas
de ecuaciones lineales.
Cont enidos: Sist emas de ecuaciones lineales. Rango de una mat riz. Sist emas
homogneos. Regla de Cremar. Compat ibilidad de sist emas lineales. Equivalencia
de mat rices. Mt odo de Gauss- Jordan.
condiciones de:
- Aplicar las operaciones element ales y mat rices element ales en la resolucin
de problemas.
Mdulo 4: Espacios con product o int erno
- Est udiar espacios vect oriales con product o int erno.
Unidad de Aprendizaj e No. 9: Espacios eucldeos
de:
- Adquirir la nocin de espacio eucldeo y aplicar sus propiedades..
Cont enidos: Product o int erno. Espacio normado. Dist ancia de un K- espacio
vect orial.
condiciones de:
- Generalizar las definiciones y propiedades de la norma y del product o escalar
y est udiados en R
2
y R
3
a espacios vect oriales cualesquiera que t ienen como
cuerpo de escalares al conj unt o de los nmeros reales.
- Est udiar el concept o de dist ancia en un K- espacio vect orial.
Cont enidos: Vect ores ort ogonales y ort onormales. Mt odo de ort ogonalizacin de
Gram-Schmidt .
condiciones de:
- Adquirir los concept os de conj unt os ort ogonales y ort onormales y aplicar sus
propiedades en la deduccin del mt odo de Gram- Schmidt .
Unidad de Aprendizaj e No. 10: Mat rices y t ransformaciones lineales
de:
- Est udiar las proyecciones y t ransformaciones ort onormales.
Cont enidos: Complement o ort ogonal. Proyeccin ort ogonal.

condiciones de:
- Est udiar el conj unt os de l os vect ores ort ogonales a un conj unt o dado S y
deducir algunas propiedades import ant es de st os, si S es un espacio
vect orial .
Cont enidos: Operaciones ort ogonales. Mat riz ort ogonal
condiciones de:
- Est udiar los operadores ort ogonales de dimensin finit a.
Mdulo 5: Vect ores y valores propios
- Est udiar vect ores y valores propios y formas cuadrt icas.
Unidad de Aprendizaj e No. 11: Vect ores y valores propios de un operador de una
mat riz cuadrada.
de:
- Est udiar vect ores y valores propios de un operador y de una mat riz cuadrada.
- Est udiar la diagonalizacin de un operador y de una mat riz cuadrada.
- Adquirir las nociones bsicas acerca de los operadores hermit ianos.
Cont enidos: Vect or y valores propios de un operador. Vect ores y valores propios
de una mat riz cuadrada. Polinomio caract erst ico de un operador o de una mat riz
cuadrada. Diagonalizacin de un operador o de un mat riz cuadrada.
condiciones de:
- Calcular los vect ores y valores propi os de un operador y de una mat riz
cuadrada.
- Caract erizar los operadores diagonalizables en funcin de sus valores
propios..
Cont enidos: Operadores hermit anos. Valores propios de un operador ermit ao.
Operadores hermit anos y bases ort onormales de una espacio eucldeo.
condiciones de:
- Est udiar las propiedades bsicas de los operadores hermit ianos.
Unidad de Aprendizaj e No. 12:
de:
- Adquirir los concept os fundament ales sobre formas bilineales sobre un espacio
vect orial y aplicarlos en el est udio de las formas cuadrt icas sobre un K- espacio
vect orial y en part icular sobre el cuerpo de los reales en la descripcin de las
cnicas y las cudricas..
Cont enidos: Formas bilineales sobre un K-espacio. Formas bilineales simt ricas.
condiciones de:
- Est udiar las propiedades fundament ales de las formas bilineales sobre un K-
espacio vect orial V.
- Adquirir las nociones bsicas acerca de las formas bilineales simt ricas.
Cont enidos: Formas cuadrt icas sobre un K- espacio. Formas cuadrt icas reales.
Descripcin de las cnicas. Descripcin de las cudricas.
condiciones de:
- Est udiar las propiedades de las formas cuadrt icas sobre un K- espacio
vect orial V.
- Aplicar las propiedades de las formas cuadrt icas reales al est udio de las
cnicas y cudricas.


Aut o- Evaluacin 7

111

Mdulo 2

Obj et ivo del Mdulo:
Estudiar elementos terico-prcticos de las Didcticas de la Probabilidad
dentro del marco de la Educacin Matemtica.

112

Unidad 4

Obj et ivo 4:
Estudiar diversas aproximaciones tericas e investigaciones en
didctica de la Probabilidad.

113
Leccin 8
I nvest igaciones iniciales

Est a unidad est dedicada al est udio de algunos de los result ados ms relevant es de la
invest igacin respect o a la didct ica de la probabilidad. La probabilidad es part e import ant e
de la vida comn de cualquier ciudadano. Con frecuencia un ciudadano necesit a int erpret ar
un mensaj e con base probabilst ica, comunicar la posibilidad de ocurrencia o no de un
event o, t omar decisiones en sit uacin de incert idumbre. Est a es una de las razones por las
que la probabilidad ha formado part e de los est udios universit arios desde hace mucho
t iempo. Se considera necesario que la mayora de los profesionales t engan una formacin
bsica en probabilidad; adems, de ser base fundament al para la comprensin de la
est adst ica inferencial. No obst ant e, fue con los ms pequeos con quienes se inici el
int ers por invest igar sobre la probabilidad, su enseanza y aprendizaj e.
La invest igacin sobre las int uiciones de los individuos acerca del azar y la probabilidad
t ienen una larga t radicin en psicologa. Los est udios de Piaget e I nhelder ( 1951)
comienzan la descripcin del pensamient o probabilst ico y el pensamient o combinat orio, as
como el diseo de t eoras acerca de su desarrollo en los individuos. Post eriorment e ot ros
psiclogos han seguido esa lnea de invest igacin ( por ej emplo, Fischbein, 1975;
Kahneman, Slovic y Tversky, 1982; St anovich, 1986) logrando result ados proporcionando
un apoyo import ant e para la enseanza de la probabilidad.
Las invest igaciones respect o al razonamient o probabilst ico at ienden a dos t picos. Un
grupo describe las maneras de pensar de las personas, invest igan sobre las concepciones
element ales, las concepciones errneas, las int uiciones sobre probabilidad. Un segundo
grupo de invest igaciones t ienen como cent ro el cmo influir o cambiar esas creencias e
int uiciones sobre la probabilidad. En est a leccin se present an se present an part e de los
result ados de las invest igaciones de Piaget e I nhelder ( 1951) , Fischbein ( 1975) y Green
( 1983) ; los cuales cent ran su int ers en la comprensin de la probabil idad en nios y
adolescent es.
Los nios y la probabilidad
Piaget e I nhel der ( 1951) fueron los primeros invest igadores en est udiar el desarrollo de las
ideas de azar y probabilidad en nios. Sus invest igaciones se orient aron al est udio de la
adquisicin del concept o de probabilidad en su acepcin clsica, en el marco de las et apas
del desarrollo concept ual de Piaget . Como en la mayora de las invest igaciones de Piaget , la
met odologa ut ilizada se basa en las ent revist as de los suj et os, por lo cual se requiere de un
alt o grado de verbalizacin de part e de los nios. El problema fundament al comprender
exact ament e lo que piensan los nios a part ir de su expresin, la cual no siempre es clara y
precisa, por lo que buena part e de las conclusiones son inferencias de los invest igadores.
Sin embargo, l as descripciones de Piaget sobre lo que hacen y saben los nios en diversas
edades, est n t ot alment e acordes con los result ados de la invest igacin ms recient e
realizada por psiclogos cognoscit ivos.
Una de sus conclusiones ms import ant e es que el concept o de la probabilidad se
t ransforma en un conj unt o formal de ideas nicament e a part ir de la et apa operacional
formal, que ocurre alrededor de doce aos de edad.
Las razones que present an Piaget e I nhelder para sust ent ar la afirmacin ant erior son:
Didctica del lgebra y la Probabilidad

1. Para ident ificar los fenmenos aleat orios el nio necesit a de la comprensin de la
relacin causa efect o. Sin est e marco referencial el nio no puede desarrollar la idea
de azar. La relacin causa- efect o comienza a apreciarse en la et apa de las
operaciones concret as, por lo que el nio no t iene element os para comprender la idea
de azar.
2. Para comprender la idea de probabilidad hace falt a que el est udiant e desarrolle el
razonamient o combinat orio, aspect o est e que logra en la et apa de las operaciones
formales (12 14 aos) . Al apoyar sus invest igaciones en la concepcin clsica de la
probabilidad ellos consideran que cada caso aislado de un experiment o aleat orio es
indet erminado. No obst ant e, el nmero t ot al de posibilidades puede det erminarse por
int ermedio de razonamient os de t ipo combinat orio. Est o lo hace previsible y da
margen para la aparicin de la idea de la probabilidad, como razn ent re las
posibilidades de un caso y el conj unt o de posibilidades. Baj o est a argument acin de
Piaget e I nhelder, slo es posible comprender la idea de probabilidad si se ha logrado
desarrollar el razonamient o combinat orio.
Para Piaget e I nhelder los nios no t ienen una int uicin del azar lo cual dificult a la
compresin de la probabilidad. Por ello cent raron sus invest igaciones en det erminar el nivel
de desarrollo que debe t ener el nio para poder comprender est e concept o. Al present arse
un nuevo concept o, se produce un desequilibrio cognit ivo en el suj et o y en st e comienza
un proceso de asimilacin ( acept acin de la nueva informacin) y acomodacin
( reest ruct uracin de la informacin ya exist ent e) . Est os procesos dependen de los
conocimient os previos que posea el suj et o y del desarrollo int elect ual del nio, el cual se da
en varias et apas. Segn Piaget , el desarrollo cognit ivo de la nocin de probabilidad en el
nio se realiza en varias et apas:
1. Preoperacional ( 4-7 aos) . El aprendizaj e requiere de la manipulacin de obj et os
concret os para que el nio apoye sus experiencias empricas para comprender los
concept os. Al present ar al nio, experiment os aleat orios como la bandej a piaget ina, ellos
afirman que los obj et os del experiment o volvern al est ado inicial. Consideran que los
experiment os son reversibles, al no ocurrir los nios no son capaces de comprenderlos,
t rat an de est ablecer el orden. Si se les present a un experiment o aleat orio con dos
event os posibles, A y B, y el event o A aparece con frecuencia, ellos predicen que ocurrir
la prxima ocasin. La razn que present a con frecuencia para est a prediccin es que B
fue omit ida muchas veces . Para Piaget , la irreversibilidad de los experiment os aleat orios
no permit e su compresin por part e de nios de est a et apa y por lo t ant o apreciar lo que
es el azar.
2. Operaciones concret as (7 11 aos) . Comienzan a comprenderse concept os secundarios
que no necesit an del apoyo de experiencias concret as. A t ravs de la adquisicin de
esquemas operaciones espacio- t emporales y lgicos- mat emt icos, adquiere la capacidad
de dist inguir ent re lo deducible y el azar. Comienza a comprender la int eraccin de
cadenas causales que conducen a sucesos predecibles, y la irreversibilidad de los
fenmenos aleat orios. Ant e un conj unt o pequeo de element os, los nios buscan formas
de realizar invent arios de t odas las permut aciones, variaciones y combinaciones posibles.
Hacia el final del periodo es posible llegar a procedimient os rudiment arios de clculo,
mediant e ensayo y error, pero no hay un enfoque sist emt ico para generar la list a.
Logran una comprensin progresiva de la nocin de azar, pero t odava creen que pueden
cont rolar los posibles result ados.
3. Operaciones formales ( 12 aos en adelant e) . Se comprenden abst racciones simblicas
y/ o verbales sin necesidad de apoyo de la manipulacin de obj et os. El adolescent e
adquiere la capacidad de ut ilizar procedimient os sist emt icos para realizar invent arios de
t odas las permut aciones, variaciones y combinaciones posibles de un conj unt o de
element os. Agrupa las relaciones no det erminadas de fenmenos aleat orios segn
esquemas operacionales. Consient an a asociar el azar con la ausencia de pat rones de
result ados. Una vez que se present a una sit uacin aleat oria, por medio del uso de est os
esquemas se hace int eligible, y la snt esis ent re el azar y lo operacional conduce al
adolescent e al concept o de probabilidad.
Una de las act ividades realizadas por Piaget eI nhelder ( 1951) fue present ar a los nios dos
colecciones de fichas blancas, con o sin una de sus caras marcadas, con composiciones
dist int as cada coleccin. Se les solicit aba a los nios decidir en cul de las dos colecciones
sera ms fcil obt ener una ficha con una cara marcada, al seleccionarla al azar. Los
result ados indican:
a) En el primer est adio no se realiza la comparacin lgico- arit mt ica lo cual impide a los
nios resolver el problema. La nocin de probabilidad no es accesible puest o que se
precisa incluir la part e en el t odo, los casos favorables en el conj unt o de casos posibles,
compuest os disyunt ivament e. Las soluciones se basan en apreciaciones int uit ivas.
b) En el segundo est adio, se consigue hacer comparaciones con una sola variable. Los
nios t ienen xit o en los problemas que implican la comparacin de una sola variable,
mient ras que present an errores sist emt icos en los casos de composicin proporcional.
Los problemas de una variable suponen las comparaciones adit ivas, mient ras, que los
segundos llevan implcit o un doble cocient e; lo cual lo relaciona de forma direct a con las
ideas de fraccin y de proporcin, que el nio no ha adquirido.
c) En el t ercer est adio, se ofrecen soluciones generales y rpidas. Los nios parecen
const ruir operaciones de segunda orden, operaciones const ruidas sobre operaciones,
que precisan un poder hipot t ico deduct ivo mayor que las operaciones concret as.
Aparece la nocin de probabilidad.
Act ividad 8.1
Un ej emplo de las act ividades que ut ilizaba Piaget e I nhelder es el de las caj as con
fichas. Al suj et o se le present an dos caj as: una con t res fichas negras y una blanca,
ot ra con seis fichas negras y 2 blancas. Se le pregunt a si hay la misma probabilidad o
una posibilidad diferent e de escoger una ficha negra de cada caj a. Present e a nios de
6, 9, 12 y 15 aos de edad, las dos caj as ( en fsico) de Piaget e I nhelder. I ndague sobre
lo que ellos creen respect o en cul caj a es ms probable seleccionar una ficha negra, si
se ext rae una de ellas al azar ( adapt e el lenguaj e a la edad del nio) . Realice un informe
con los result ados.
Por t odo lo ant erior para est os aut ores el concept o de probabilidad slo es compresible a
part ir de la et apa operacional formal. Ellos consideran que a part ir de los 12 aos, los nios
pueden hacer una snt esis ent re el azar y la probabilidad, logrando una asimilacin
analgica ent re lo fort uit o y la operat oria.
Concepcin de probabilidad en nios y adolescent es
Green (1983 y 1991) realiz un amplio est udio para invest igar los concept os de probabilidad
de los adolescent es. Trabaj con ms de 3000 est udiant es de I nglat erra, de 11 a 16 aos,
para det erminar sus niveles de desarr ollo de acuerdo con las et apas definidas por Piaget . El
obj et ivo era descubrir lo que ellos saban sobre los concept os de probabilidad y sobre el
lenguaj e de la incert idumbre.
Para poder llegar a t al cant idad de suj et os, Green ut iliz la t cnica de la encuest a y como
inst rument o el cuest ionario. Est e inst rument o permit e llegar a un mayor nmero de suj et os,
recolect ando la informacin de forma est ruct urada y sist emt ica. Es una manera uniforme
abordar a dist int os suj et os, aun cuando se aplique en moment os dist int os, ut ilizando para

su anlisis algunas t cnicas est adst icas. Los cuest ionarios de Green est aban conformados
en su mayora por t emes de seleccin mlt iple, aunque, en algunos casos, solicit aba
escribieran que argument aran las razones de la respuest a seleccionada. La mayor part e de
las argument aciones era muy superficial e incomplet a, por lo que no result aba muy t il para
ayudar a conocer un poco ms la forma de pensar del est udiant e.
El est udio inclua diferent es t areas como represent aciones visuales del azar, hilanderos o
apunt adores
3
con modelos de rea de probabilidad y experiment os aleat orios con urnas
ideadas por Piaget ( una con 3 met ras negras y 1 met ra blanca y ot ra caj a con 6 met ras
negras y 2 blancas) . Los result ados indican que la mayora de los est udiant es no haba
alcanzado la et apa de operaciones formales, con respect o al azar, ni siquiera a los diecisis
aos. Ent re ot ros aspect os Green seala:
1. El principio de mult iplicacin apenas era
comprensible.
2. Los t ems que incluan los result ados de cont eo
eran mej ores que los que incluan relaciones.
3. No ent endan la probabilidad como una razn. Al
pregunt arles si habra la igual o diferent e
probabilidad al escoger una met ra negra de cada
caj a piaget iana, cerca del 50% de los suj et os
escogieron la caj a de 6N y 2B con mayor
probabilidad.
4. Prct icament e no conocan el concept o de azar.
Green present un panorama gris de la sit uacin de la
est ocst ica en las escuelas en I nglat erra. Las
conclusiones fueron: ( a) el concept o de relacin es
crucial para la comprensin concept ual de la probabilidad; ( b) los est udiant es son dbiles en
lo que respect a a la comprensin y uso del lenguaj e comn de probabilidad, t ales como al
menos o det erminadas o imposible ; y ( c) slo un programa amplio y sist emt ico de la
est ocst ica en las escuelas podra eliminar est e pensamient o falaz en los nios.
Shaughnessy no proporciona informacin sobre el nivel de probabilidad y est adst ica al que
pueden haber sido expuest os los est udiant es con quienes t rabaj Green. Debido a la falt a
de at encin a la est ocst ica en las escuelas nort eamericanas, podramos esperar que los
result ados fueran t an malos, e incluso peores, en Nort eamrica si se hiciera est a misma
encuest a en Est ados Unidos.
En ot ro est udio Green, ( 1983) t rabaj sobre int uicin probabilst ica y present a un grupo
de nios una pregunt a en la cual deban discriminar ent re dos sucesiones, una cuyo pat rn
es aleat orio de ot ra que no lo es. Ambas sucesiones simulan el result ado del lanzamient o
de una moneda equilibrada 150 veces. Las sucesiones present adas fueron:
Sucesin 1:
cscssccssccscscsscsscscccssscccsscsscscscssccscccscscsccsssccsscscssccscssccscssccsccsc
ssscssccsscsscscsccscssccscscsscccsccsscscssccssscssscscsscccss
Sucesin 2:
sccssscsssscsccsssccsccsssccscccssscsssssscscscscssssccccccscccscsccscccccscccsscccscsc
ccccccccsscscccccccsssssccccsscscsccsccsccsssssscsccsscccssccc

3
Se t rat a de un crculo dividido en part es, no necesariament e iguales, con una f lecha que puede girar colocada en
el cent ro.

Hilandero o apunt ador
Los result ados indican que la mayora de los nios eligen la secuencia no aleat oria y que no
mej ora la apreciacin de la aleat oriedad con la edad. Ent re las razones present adas por los
nios y nias para su decisin encont raron las siguient es: Razones correct as: ( a) El pat rn
de la sucesin es demasiado regular para ser aleat orio. ( b) Demasiadas rachas o r achas
demasiado cort as. Razones incorrect as: (c) El pat rn de la sucesin aleat oria es
demasiado irregular; no se apreciaba suficient ement e la irregularidad de una sucesin
aleat oria. ( d) Se espera que la frecuencia relat iva sea exact ament e el 50% de caras y
cruces o un valor muy prximo; no se admit en fluct uaciones lgicas en est a proporcin. ( e)
Rachas demasiado largas; no se admit e la posibilidad de est e t ipo de rachas en una
sucesin aleat oria.
Est e result ado es semej ant e al de Falk ( 1981) quien indica que los seres humanos somos
malos j ueces cuando deben reconocer y const ruir event os al azar . Est e aut or most r las
siguient es secuencias a est udiant es de secundaria:
A) AAAVVAAVVAAAVVVVVVAAA
B) VAVAVAVAAVAVAAVAVVAVV
Se les indic que las secuencias correspondan a 21 cart as verdes y amarillas, y les pidi
que decidieran cul de las dos era ms probable que fuera una secuencia aleat oria. La
mayora de los est udiant es seleccion la secuencia B, por ser la que present aba ms
cambios ent re los colores. Sin embargo, las secuencias con cadenas ms largas de un
color es ms probable que sea aleat oria. Falk encont r los mismos result ados cuando pidi
a los est udiant es que generaran sus propias secuencias de 21 cart as. Con est as y ot ras
sit uaciones, Falk concluye que se t iende a ver pat rones en event os al azar cuando no los
hay, por lo que se rechaza la nocin de que ciert os result ados son al azar. Asimismo, se
t iende a inferir fenmenos aleat orios cuando no lo son.
Green ( 1991) realiz un est udio longit udinal sobre concept os de aleat oriedad con escolares
de 7 a 11 aos, donde solicit aba a los nios escribir una sucesin aleat oria que represent e
los result ados de lanzar una moneda 50 veces. En las sucesiones generadas por los nios
se ident ifican ( a) un alt o sent ido de la equiprobabilidad. Las sucesiones producan
aproximadament e el mismo nmero de caras que sellos. ( b) rachas demasiado cort as de
un mismo result ado, respect o a lo que cabe esperar en un proceso aleat orio, lo cual parece
sugerir una relacin de dependencia ent re los result ados.
Act ividad 8.2
Solicit e, de forma independient e, a 3 est udiant es de nivel superior ( que ya no hayan
cursado la asignat ura de est adst ica o probabilidad en su carrera) que elabore list a de los
posibles result ados del lanzamient o de una moneda 50 veces. Para facilit ar el t rabaj o,
proporcineles una cuadricula con 50 espacios. Realice el mismo t rabaj o con 3
est udiant es de nivel superior que ya hayan est udiado probabilidad en su carrera. Analice
los result ados de cada grupo en funcin de la frecuencia relat iva de cada result ado y la
longit ud de las rachas. Luego compare los grupos, seale semej anzas y diferencias.
I nt uicin y el conocimiento probabilst ico
Fischbein, Pamput y Minzat ( 1970) , realizaron est udios para comparar el razonamient o de
grupos de nios que no haban recibido ningn t ipo de enseanza sobre probabilidad y de
nios que recibieron una enseanza breve y sist emt ica sobre la forma de resolver los
problemas de probabilidad. Los result ados indicaron que se encont raron diferencia ent re los
dos grupos de nios a part ir de los 9 o 10 aos, pero no en los nios menores. Est o los
llevo a recomendar la inclusin de la probabilidad en la escuela a part ir de los 10 aos. En
est a, como en la mayora de sus invest igaciones, Fischbein ut iliza el regist ro escrit o de los
propios nios como base para t rat ar de conocer su pensamient o probabilst ico.

De forma similar piensan Glayman y Vargas (1975) , quienes indican ant e una sit uacin
aleat oria, hast a los 5 o 6 aos, el nio piensa que puede prever el result ado; un poco ms
t arde responde que no puede afirmar nada y, gradualment e descubre que exist en en el caos
aparent e del mundo aleat orio, leyes que permit en est imar la realidad. Hast a los 14 y 15
aos parece difcil present ar el dominio de las probabilidades como una ciencia deduct iva,
pero mediant e ej emplos convenient es se puede conducir a los chicos a ent rever y ut ilizar las
leyes del azar ( p. 219) .
Fischbein (1975) cent r sus invest igaciones las ideas que t ienen los nios sobre el
conocimient o probabilst ico ant es y despus de la enseanza de ese t ema en la escuela.
Est e aut or consideraba a la int uicin como un element o muy import ant e en la planificacin
del proceso de enseanza. Para Fischbein la int uicin es el conj unt o de adquisiciones
cognit ivas que int ervienen direct ament e en las acciones prct icas o ment ales y t ienen las
siguient es caract erst icas: inmediat ez, globalidad, capacidad ext rapolat oria,
est ruct urabilidad y aut oevidencia. Aunque ot orga a la int uicin el rasgo de inmediat ez, no
la asocia con improvisacin, sino como el result ado de la maduracin de muchas
experiencias previas y surge en forma espont nea. Lo global es en cont raposicin a lo
analt ico. La capacidad ext rapolat oria es porque en ciert o modo las int uiciones t ienen
carct er t erico y a part ir de ellas se pueden hacer predicciones. La est ruct urabilidad viene
dada por las relaciones que se pueden dar ent re diversas int uiciones, formando est ruct uras
de razonamient os. La aut oevidencia es en referencia al suj et o, para quien la int uicin no
necesit a demost racin, son obvias.
En sus t rabaj os se dist ingue fundament alment e: int uiciones primarias y secundarias. Las
primarias son adquisiciones cognit ivas derivadas direct ament e de la experiencia y son
obvias para el suj et o. Cualquier persona puede t ener una nocin int uit iva de probabilidad,
correlacin, gravedad, aceleracin, frecuencia relat iva o cont rast e de hipt esis. Se
adquieren sin la necesidad de ninguna enseanza sist emt ica. Sin embargo, como las
int uiciones son est n influenciadas por las experiencias y pueden madurar ent onces son
adapt ables y, por lo t ant o, pueden est ar influenciadas por la enseanza sist emt ica. Las
secundarias son adquisiciones que poseen t odas las caract erst icas de las int uiciones
primarias, pero que se forman como product o de la educacin, esencialment e la formal.
Son creencias cognoscit ivas reest ruct uradas que acept amos y ut ilizamos como result ado de
la enseanza o de la experiencia dent ro de una comunidad cult ural en part icular.
Est e int ers por la int uicin llev a Fischbein a est udiarla en el campo de la probabilidad ya
que consideraba que st e era un mbit o apropiado para el surgimient o de la misma.
Supona que la t oma de decisiones en sit uacin de incert idumbre obliga a los suj et os a
valerse de sus experiencias previas y a realizar est imaciones int uit ivas de probabilidades.
Godino, Bat anero y Caizares, ( 1987) al est udiar la obra de Fischbein ident ifican cuat ro (4)
fases en el est udio de la gnesis de la i dea de azar y probabilidad desde la infancia hast a la
adolescencia. Est as fases son:
1. I nt uicin del azar . Al cont rario de Piaget , Fischbein considera que la dist incin ent re lo
aleat orio y lo det erminst ico, int uicin primaria de azar, s es compresible por los
nios, incluso ant es de los 7 aos. Para los nios, el azar es equivalent e a lo
imprevisible, pero ant e j uegos de azar sencillos son capaces de elegir la opcin de
mayor probabilidad. En la et apa de las operaciones formales, se debe dar la snt esis
ent re el azar y lo deducible, sin embargo, Fischbein considera que no se realiza
espont neament e. Est o se debe a las t radiciones cult urales y educat ivas de la
sociedad, las cuales orient an el pensamient o bsicament e hacia explicaciones
det erminist as unvocas. Para l, la int uicin del azar es irreconciliable con una
est ruct ura del pensamient o lgico, y es relegada a una clase inferior, como un mt odo
inadecuado de int erpret acin que no cumple los requisit os cient ficos. Est e
plant eamient o de Fischbein respalda la inclusin de la probabilidad en los programas
escolares desde los cursos iniciales.
2. I nt uicin de la frecuencia relat iva. Est a int uicin mej ora con la edad, con el apoyo de
experiment os aleat orios para la enseanza. En la et apa preoperacional el nio adapt a
sus predicciones a las posibilidades de los sucesos que se le present an. La forma en
que se desarrolla el experiment o marca la paut a de las predicciones del nio. A part ir
de la et apa de operaciones concret as la int uicin se sigue desarrol lando como
result ado de las experiencias del nio con sit uaciones que implican sucesos aleat orios.
3. Est imacin de probabilidades. Si bien considera que el nio en la et apa preoperat oria
no es capaz de est imar las posibilidades a favor o en cont ra de los sucesos aleat orios,
piensa que es capaz de hacer j uicios probabilst icos. Cuando es posible un cont rol
experiment al y operaciones auxiliares de comparacin y clculo simples, el nio puede
part ir de una est imacin int uit iva de posibilidades a favor de algn suceso. Por
ej emplo, cuando se present an al nio dos caj as con diferent e nmero de bolas negras
y blancas, y se le pide elegir ent re cul de las dos es ms probable seleccionar una
blanca. Fischbein seala que si los nios pasan por un proceso de enseanza
adecuado, a part ir 9 o 10 aos pueden est imar probabilidades en experiment os
aleat orios con bolas. Piaget indica que slo a part ir de los 12 aos los nios pueden
dar respuest as correct as.
4. Operaciones combinat orias. Fischbein ha evidenciado que los nios en la et apa de
operaciones concret as, con ayuda de enseanza, logran asimilar procedimient os
enumerat ivos usados en la const ruccin de diagramas de rbol.
Las invest igaciones de Fischbein lo llevaron a proponer la enseanza de la probabilidad
desde el perodo de las operaciones concret as de Piaget , a diferencia de est e que la propone
a part ir del perodo de las operaciones formales. Fischbein en sus t rabaj os encont r que la
int uicin probabilst ica no se desarrolla espont neament e, except o dent ro de unos lmit es
muy reducidos.
Fischbein, Nello y Marino (1991) realizaron un est udio con 618 nios, ent re 9 y 14 aos, a
los cuales se les administ r un cuest ionario que inclua algunas pregunt as cent rndose en
los concept os de event os seguros, posibles e imposibles. Una de las pregunt as se refiere al
lanzamient o de un dado donde se les solicit aba indicaran si los event os eran imposibles,
probables o seguros. Est os event os fueron:
a) Un nmero par;
b) Un nmero menor que 7;
c) Un nmero mayor que 6;
d) Un nmero ms grande que 0;
e) El nmero 5.
Los aut ores consideran que los dos grupos ( 9-11 aos y 11- 14 aos) logran un desempeo
adecuado para los t res concept os se describen, no obst ant e, sealan que
sorprendent ement e el result ado con ms baj a t asa de respuest a adecuada es el referido a
event os seguros. Los result ados para el grupo de 9- 11 aos de edad fueron: event os
posibles 79,8% de respuest as correct a; event os seguros 55,0%; event os imposibles 94,4%.
Los result ados de los nios del ot ro grupo siguen un pat rn similar, pero con mayores
porcent aj es de respuest as correct as. Est e result ado es cont rario a su hipt esis de
invest igacin, segn la cual los event os posibles son el concept o ms sofist icado. De
acuerdo con est os result ados, el concept o de event o seguro es ms complej o de lo esperado
y al parecer se desarrolla ms t arde que las ideas de la imposible y probable. Fischbein, et

al. ( 1991) concluyen que no debe darse por sent ado que los nios desarrollan de forma
nat ural una mej or comprensin de los t rminos imposible, posible y seguro.
Si bien las int uiciones pueden ayudar a ofrecer la simplificacin de cogniciones de la
realidad, t ambin pueden inducir a errores y promover concepciones errneas de la realidad
cient fica. Est o es part icularment e import ant e en la probabilidad y la est adst ica, en las que
muchos fenmenos ent ran en conflict o con nuest ras creencias cognoscit ivas iniciales. Si las
int uiciones primarias sobre probabilidad y el azar se conciben de forma errnea, ent onces el
suj et o t endr una idea desvirt uada de esos concept os. El t iempo que se posponga la
enseanza de la probabilidad ser t iempo invert ido en el afianzamient o de las int uiciones
primarias del suj et o y por lo t ant o mayores dificult ades para lograr int uiciones secundarias
apropiadas. Por lo t ant o el est udio de la probabilidad desde los primeros aos es necesario
para modificar esos posibles errores en el pensamient o probabilst ico.
Probabilidad en la escuela?
En los lt imos aos, educadores mat emt icos y est adst icos han dedicado t iempo y
esfuerzo en invest igar sobre los procesos cognoscit ivos implicados en la enseanza y
aprendizaj e de la probabilidad. Shaughnessy (1992) resume las invest igaciones realizadas
desde la educacin mat emt ica en t res grupos:
1. Est udios de fact ibili dad llevados a cabo para det erminar si los t emas en probabilidad y
est adst icas podran ser enseados a los nios de la escuela primaria o media ( Dohert y,
1965; Jones, 1974; Leake, 1962; Leffin, 1971; Mullenex, 1968) ;
2. Est udios experiment ales o de correlaci n que int ent aban examinar los efect os de la
enseanza de la probabilidad sobre ot ras variables, o encont rar las relaciones exist ent es
ent re ot ras variables (t ales como act it udes, uso de smbolos, comput acin) y el xit o en
probabilidad (Gipson, 1971; McKinley, 1960; Shepler, 1970; Shepler & Romberg, 1973;
Shult e, 1968; Whit e, 1974) ;
3. Est udios que comparaban los efect os de varios enfoques para la enseanza de una
unidad sobre probabilidad (Aust in, 1974; Barz, 1970; Greelin, 1974; Kipp, 1975; McLeod,
1972; y Moyer, 1974) .
La mayora de esos est udios indican que los nios en los lt imos aos de la educacin
bsica y comienzos de la escuela media ya procesan alguna idea de probabilidad ant es de la
enseanza formal , y que es posible ensearles concept os de probabilidad a los nios de
esas edades.
Falk, Falk y Levin (1980) realizaron un est udio con sesent a y un nios, con edades
comprendidas ent re 4 y 11 aos. Se le propuso la comparacin de probabilidades en
dist int os cont ext os, siempre con dos result ados posibles: color azul y color amarillo. En
cada experiment o el nio deba seleccionar un color ant es de realizar el experiment o, con la
finalidad de ser recompensados si acert aba. Se ut ilizaron t res t ipos de disposit ivos: caj as
con pelot as azules y amarillas, rulet as divididas en sect ores azul y amarillo, y apunt adores,
igualment e dividido en dos colores. En cada disposit ivo, los conj unt os son de diferent es
t amaos con dist int as proporciones de los dos colores, por lo que el problema era
seleccionar la mayor de las dos probabilidades. Se les present aron a los nios un t ot al de
nueve problemas dist int os.
Aproximadament e en t orno los seis aos de edad, los nios comenzaron a seleccionar
sist emt icament e la mayor de las dos probabilidades, manifest ando un razonamient o de
t ipo probabilst ico. El error dominant e en los nios pequeos fue elegir el conj unt o con
mayor nmero de casos favorables. Los cont ext os result aron equivalent es para el propsit o
de medir la capacidad de los nios para evaluar probabilidades. Ellos verbalizaron
concept os como probabilidad y oport unidad. El anlisis del pat rn de respuest a del mismo
nio en los diferent es problemas, sugieren que en muy pocos casos de comport amient o
sist emt ico respect o a un principio incorrect o dado.
El est udio indica que la probabilidad puede ser int roducida en la enseanza escolar, incluso
desde los primeros grados. Los aut ores sugieren que la probabilidad se compone de dos
subconcept os: azar y proporcin. Primero se debe t ener consciencia de la incert idumbre
present e en la sit uacin para luego aplicar el clculo de proporciones. Ellos indican que la
capacidad de calcular proporciones, por s sola, no implica necesariament e la comprensin
de la probabilidad, ya que se precisa t ener en cuent a la imposibilidad de cont rolar o predecir
los result ados. Est os aut ores consideran que la orient acin det erminist a dominant e en los
programas de est udios de los j venes debe ser at enuada, para ello es recomendable
int roducir el concept o de incert idumbre desde el principio.
Jones, Thornt on, Langrall y Tarr (1999) sealan que seis concept os son fundament ales para
que los nios pequeos puedan razonar en cont ext o de probabilidad: el espacio muest ral,
probabilidad experiment al de un event o, la probabilidad t erica de un event o, las
comparaciones de probabilidad, probabilidad condicionada y la independencia. Est os
aut ores consideran que a medida que los est udiant es progresan a lo largo de los grados
element ales, su razonamient o en sit uaciones de probabilidad se desarroll a a t ravs de
cuat ro niveles:
1. Razonamient o subj et ivo o no cuant it at ivo: No est n en condiciones de elaborar una
list a de t odos los result ados posibles de un experiment o aleat orio. Tiene un enfoque
subj et ivo, fij an su at encin en lo que es probable suceda en lugar de lo que podra
suceder.
2. Et apa de t ransicin ent re el razonamient o subj et ivo e ingenuo al razonamient o
cuant it at ivo: Pueden list a de t odos los result ados de un espacio muest ral, pero
present a dificult ades en hacer conexiones ent re el espacio muest ral y la respect iva
probabilidad de un event o.
3. Razonamient o cuant it at ivo ingenuo: Pueden generar sist emt icament e los result ados
y el espacio muest ral de uno y de dos experiment os. Parecen ut ilizar el razonamient o
cuant it at ivo para det erminar probabi lidades y la probabilidad condicional, pero no
siempre expresan est as probabilidades ut ilizando not acin numrica convencional.
4. Razonamient o numrico: Pueden generar sist emt icament e los result ados numricos
as como la probabilidades t ericas y experiment ales de dist int os event os de un
experiment o aleat orio, adems pueden t rabaj ar con los concept os de probabilidad
condicional e independencia.
Ot ros invest igadores ( por ej emplo, Truran, 1994; OConnell, 1999) han t rabaj ado
comparando el razonamient o probabil st ico de nios con y sin enseanza formal de la
probabilidad, encont rando razones para pensar que ese razonamient o mej ora despus de la
enseanza.
Referencias
Falk, R., Falk, R. y Levin, I . ( 1980) . A pot ent ial for learning probabilit y in young children.
Educat ional St udies in Mat hemat ics, 11, 181-204.
Fischbein, E., Nello, M. S. y Marino, M. S. ( 1991) . Fact ors affect ing probabilist ic j udgement s
in children and adolescent s. Educat ional St udies in Mat hemat ics, 22, 523-549.
Fischbein, E., Pamput , E. y Minzat , I . (1970). Comparison of fract ions and t he chance
concept s in children. Child Development , 41, 365- 376.
Fischein, E. (1975) . The int uit ive source of probabilit y t hinking in children. Dordrecht :
Reidel.

Glayman, M. y Varga, T. (1975) . Las probabilidades en la escuela. Barcelona. Ed. Teide.
Green, D. R. ( 1983b) , School Pupils' Probabilit y Concept s, Teaching St at ist ics, 5, 34-42.
Green, D. R. ( 1991) A longit udinal st udy of pupils probabilt y concept s. Universidad de
Loughborough.
Jones, G., Thornt on, C., Langrall, C. y Tarr, J. (1999) Underst anding St udent s Probabilist ic
Reasoning . En L. St iff ( ed.) Developing Mat hemat ical Reasoning in Grades K12.
Rest on ( VA) : NCTM.
OConnell, A. A. (1999) . Underst anding t he nat ure of errors in probabilit y problem solving.
Educat ional Research and Evaluat ion, 5( 1) , 1-21.
Piaget , J. e I nhelder, B. ( 1951) . La genese de lide de hasard chez lenfant . Pars:
Presses Universit France.
Shaughnessy, J. M. ( 1992) . Research in probabilit y and st at ist ics: reflect ions and direct ions.
En D.A Grows (Ed.) , Handbook of Research on Mat hemat ics Teaching and Learning
( pp. 315 426) . New York: Mc Millan.
Truran, J. ( 1994) . Examinat ion of a relat ionship bet ween children' s est imat ion of
probabilit ies and t heir underst anding of proport ion. En J. P. Pont e and J. F. Mat os
( Eds) , Proceedings of t he XVI I I PME Conference ( v4, pp. 337-344) . Universidad de
Lisboa.

123
Aut o- Evaluacin 8

1. Las dos series de 150 result ados de los lanzamient os una moneda, provenient e de la
pregunt a de Green ( 1991) expuest o ant eriorment e, se present aron a una est udiant e.
Se le indic que una de las secuencia era product o del lanzamient o de la moneda y la
ot ra no, que eran result ados invent ados. Se pidi a la est udiant e que ident ificara cul
era la serie generada por los lanzamient os de la moneda. Ella respondi que ambas
eran result ado de lanzamient os de monedas ya que most raban result ados aleat orios.
Los result ados no t ienen orden y eso es aleat orio; para mi ambas son el result ado de
lanzamient os . Revise las serias elaboras por Green, est ust ed de acuerdo con la
est udiant es? Argument e a favor o en cont ra de la est udiant e haciendo uso de sus
conocimient os de probabilidad.
2. Const ast e las posiciones de Piaget e I nhelder respect o a la de Fischbein en cuant o a:
int uicin de azar en los nios, est imacin de posibilidades y la nocin de probabilidad.
Seale coincidencias y divergencia ent re est os aut ores.
3. Cules similit udes y divergencia encuent ra ent re el plant eamient o de Jones, Thornt on,
Langrall y Tarr y los de Piaget e I nhelder?
4. A part ir de que edad se ensea probabilidad en la Educacin Bsica venezolana? Desde
la perspect iva de Piaget e I nhelder, desde que grado debera incluirse la probabilidad
en los programas educat ivos venezolanos? Y desde la visin de Fischbein, a part ir de
que grado debera incluirse? Cul es su posicin al respect o? Argument e su respuest a.
5. Considera convenient e que los nios est udien probabilidad desde los primeros grados
de la educacin bsica? Argument e su respuest a.

124
Leccin 9
Sesgos en la int erpret acin de la probabilidad

Est a leccin se prosigue el est udio de algunos de los result ados ms relevant es de la
invest igacin respect o a la didct ica de la probabilidad. Algunas personas consideran que
los concept os errneos respect o a la probabilidad slo ocurren por la falt a de est udio de ese
import ant e t pico, no obst ant e, hay considerables evidencias que sugieren que las personas
con formacin en probabilidades t ambin incurren en errores. Shaughnessy ( 1992) seala
que los concept os errneos que se derivan de dist int as formas de pensamient o y
razonamient o. Son numerosos los t ipos de razonamient o incorrect o ident ificados por las
invest igaciones, en est a leccin se consideran algunos de los ms relevant es.
Los razonamient os incorrect os se les conoce en la lit erat ura especializada como sesgos,
ent endindose por ello: conj unt os de respuest as incorrect as en las cuales la falla
ident ificada t ienen un origen similar. Kahneman y Tversky ( 1972) consideran que los
sesgos se deben a la ut ilizacin de heurst ica, como la represent at ividad y disponibilidad.
Por heurst ica se ent ienden algunas formas de razonamient o informal a los que
frecuent ement e recurren las personas. Prez Echeverra, ( 1990, cit ada por Serrano, 1996)
las describe como mecanismos por los que reducimos la incert idumbre que produce nuest ra
limit acin para enfrent arnos a la complej idad de est mulos ambient ales. Las heurst icas
pueden ser muy t iles, pero su uso inapropiado en probabilidad puede generar errores de
razonamient o probabilst ico.
Sesgos en la int erpret acin de la probabilidad
Las invest igaciones realizadas por los psiclogos Kahneman y Tversky ( Kahneman y
Tversky, 1972; Tversky y Kahneman, 1974) , cent raron su at encin en el est udio de errores
en el pensamient o probabilst ico en adult os. Est udiaron las falsas ideas t ant o en la
est adst ica como en la probabilidad. En est e lt imo campo, la preocupacin cent ral de sus
t rabaj os era cmo se produce el razonamient o en sit uaciones de incert idumbre. Se
concent raron en cmo se producen j uicios y la t oma de decisiones en cont ext os donde slo
exist e informacin probabilst ica, como puede ser el caso de mdicos, j ueces, asesores
financieros, expert os milit ares, asesores polt icos. Consideraban que las personas en est e
t ipo de sit uaciones hacen uso de heurst icas de j uicio, como la represent at ividad y la
disponibilidad.
La heurst ica de represent at ividad es la t endencia la est imar a probabilidad de un event o o
suceso, basado en la represent at ividad del mismo r espect o a la poblacin de la que
proviene ( Kahneman et al., 1982) . Las pregunt as que parecen plant earse quienes ut ilizan
est a heurst ica son como las siguient es: qu probabilidad t iene el obj et o X de pert enecer a
los obj et os de t ipo Y? Cul es la probabilidad que un event o X se produzca luego del event o
Y? Cul es la probabilidad de que un event o Y produzca un suceso X? Pregunt as de est e
t ipo le permit en evaluar a los suj et os si X es represent at ivo de Y. Si X es muy parecido a Y,
( X es represent at ivo de Y) ent onces la probabilidad de que X se derive de Y es muy alt a. Si
al cont rario, X es poco parecido a Y ent onces se le considera poco represent at ivo y por lo
t ant o la probabilidad de que X provenga de Y ser considerada baj a.
Tversky y Kahneman (1982) ilust ran el uso de la heurst ica de la represent at ividad
mediant e el siguient e ej emplo: Considere un individuo que es descrit o por su vecino de la
siguient e manera: "St eve es muy t mido e int rovert ido, invariablement e servicial, pero
t iene poco int ers en las personas, o en el mundo real. Es un alma mansa y ordenada,
cuida los det alles al ext remo . Si St eve t iene una de las siguient es profesiones: granj ero,
vendedor, pilot o de la aerolnea, bibliot ecario, o mdico, cul considera Ud. como la
profesin ms probable de St eve? Ordene de ms probable a menos probable la list a
ant erior como posible profesin de St eve. Para los suj et os que ut ilizan la heurst ica de la
represent at ividad, la probabilidad que St eve sea bibliot ecario, por ej emplo, es muy alt a.
Ellos evalan en qu grado l es represent at ivo del est ereot ipo de un bibliot ecario. Las
invest igaciones con est e t ipo de problemas muest ran que las personas j erarquizan las
ocupaciones por probabilidad y por similit ud de exact ament e la misma manera. La
aplicacin inadecuada de est a heurst ica puede producir serios errores, ya que se considera
que ciert os obj et os, suj et os o event os son ms represent at ivos que ot ros. Est o lleva por
ej emplo, a considerar a los event os ms probables como ms represent at i vos que los
menos probables. El empleo de la heurst ica de la represent at ividad puede generar varios
sesgos como por ej emplo: falacia del ndice base, insensibilidad a la previsibilidad, ilusin de
validez, concept os errneos de regresin, insensibilidad al t amao de la muest ra y
concept os errneos sobre secuencias aleat orias ( Kahneman, Slovic, y Tversky, 1982) .
Ot ra heurst ica ut ilizada para est imar la probabilidad de un event o es la disponibilidad. Las
personas que la ut ilizan se guan slo por la inf ormacin que se t iene sobre hechos
semej ant es, por valoracin de la informacin disponible. Por ello j uzgan la posibilidad de
ocurrencia de un event o de acuerdo con la facilidad o disponibilidad para const ruir hechos
similares de ese event o. Por ej emplo, si una persona ve un accident e aut omovilst ico en la
va mient ras conduce, t iende a aument ar su est imacin de la probabilidad de que a l o a
ella le ocurra un accident e. La disponibilidad causa un sesgo sist emt ico en la est imacin
de la probabilidad, porque la gent e t iende a creer que los result ados que puede recordar
fcilment e son ms probables que ocurra. Fischbein y Schnarch ( 1997) report an que el uso
de la disponibilidad aument a con la edad, desde est udiant es de 5t o grado hast a
universit arios. Al igual que la heurst ica de la represent at ividad, la disponibilidad puede
generar varios sesgos como por ej emplo: el recuerdo de inst ancias, correlacin ilusoria,
sesgo debido a la efect ividad de un conj unt o de bsqueda y sesgo debido a la imaginacin.
De acuerdo con est os aut ores, l as heurst icas de la represent at ividad y la disponibilidad le
permit en al suj et o resumir cant idades grandes de informacin y ofrecer rpidament e una
conclusin. Ellos consideraban que cuando las personas t ienen poco conocimient os de
est adst ica y probabilidad hacen uso de est as heurst icas, para hacer est imaciones de las
probabilidades de ocurrencia de un event o. No obst ant e, sus result ados indican que
t ambin invest igadores con est udios en est adst ica hacan uso de ellas. Al usar en forma no
adecuada las heurst icas los suj et os producen errores de razonamient o. st os han sido
denominados sesgos respect o a los razonamient os que se consideran acordes con la Teora
de la Probabilidad. Dist int os aut ores han seguido los t rabaj os sobre la int erpret acin de la
probabilidad ( por ej emplo, Truran, 1994; Serrano, 1996; Caizares, 1997; Cardeoso,
2001) , aunque no siempre dndole el mismo enfoque que Tversky y Kahneman.
A cont inuacin se describen algunos de los sesgos considerados en la bibliografa:
Falacia del apost ador o efect o negat ivo de presencia recient e. Al lanzar varias veces una
moneda y present arse una seguidilla de caras, algunos suj et os creen que aument an las
posibilidades de que en el prximo lanzamient o salga un sel lo. Segn est a falacia, luego de
una racha o seguidilla de result ados iguales en un experiment o aleat orio, lo ms seguro es
que en el prximo int ent o se obt enga un result ado diferent e.
Esa int errupcin a que se produzca una sucesin ms represent at iva del experiment o
aleat orio. De cont inuar la racha se hilara una secuencia menos represent at iva de la
t ot alidad de result ados posibles. Quienes as razonan desest iman el denominado t eorema de
Bernoulli conocido corrient ement e como la ley de los grandes nmer os. Bernulli indica que
cuando la probabilidad de ocurrencia de un event o p es desconocida, se puede lograr una

buena est imacin de p al hallar la proporcin de xit os en un nmero grande de ensayos.
La probabilidad est imada ( x/ N) y la verdadera probabili dad de p pueden diferir en algo, pero
esa diferencia disminuye al aument ar el nmero de ensayos ( Kahneman, Slovic, y Tversky,
1982) . Fischbein y Schnarch (1997) , realizaron un est udio con est udiant es desde 5t o grado
hast a la universidad, donde report an evidencias de que el uso la falacia del apost ador
disminuy con la edad.
Falacia del ndice base. Est a falacia se caract eriza por el sacrificio de la informacin
probabilst ica, sobre la posible ocurrencia de un fenmeno, en beneficio de informacin
cualit at iva por la supuest a represent at ividad de st a. Por ej emplo, a un grupo de suj et os se
le indica que una poblacin conformada por un 30% de ingenieros y 70% de abogados, y de
ella se ext rae una persona al azar con las siguient es caract erst icas: hombre, de 45 aos,
conservador, ambicioso y no est int eresado en la polt ica. Luego se les pregunt a: lo ms
probable es que la persona descrit a sea abogado o ingeniero? Las respuest as
abrumadorament e indican que se t rat a de un ingeniero. Quienes as responden,
menosprecian la probabilidad a favor de algunas caract erst icas cualit at ivas que consideran
represent at ivas del suj et o descrit o; en est e caso abogados. Ellos olvidan que el 70% del
grupo son abogados, por lo t ant o es ms probable que la persona descrit a t enga esa
profesin ( Kahneman, Slovic, y Tversky, 1982) .
I nsensibilidad al t amao de la muest ra. Es la confianza excesiva en la muest ra, siempre
que el est adst ico sea similar al valor considerado como parmet ro, sin considerar la
cant idad de element os que la conforma. Las personas que present an est e sesgo consideran,
por ej emplo, que obt ener 7 caras al lanzar 10 veces una moneda equivale a obt ener 70
caras en 100 lanzamient os. Ellos confan, en forma impropia, en las pequeas muest ras;
suponen que cada serie de repet iciones de un experiment o aleat orio debe reproducir t odas
las caract erst icas de la poblacin, sin import ar qu t an limit adas sean dichas series.
Todo parece indicar que para est os suj et os, la similit ud ent re una medida t omada en una
muest ra ( est adst ico) y una medida t omada en la poblacin ( parmet ro) no depende de la
cant idad de element os que se consideren. Por lo t ant o, cuando las probabilidades son
evaluadas por represent at ividad, el valor de un est adst ico es independient e del t amao de
la muest ra, desconociendo los est udios de la variabilidad del muest reo ( Tversky y
Kahneman, 1974) .
Los suj et os encuest ados por Tversky y Kahneman no fueron capaces de apreciar la
influencia del t amao de la muest ra aun cuando se le dio nfasis en la formulacin del
problema, como en el siguient e caso:
En un ciert o pueblo hay dos hospit ales. El Hospit al A es el ms grande y nacen
aproximadament e 45 bebs por da. El Hospit al B es ms pequeo y nacen
aproximadament e 15 bebs al da. Se sabe que aproximadament e el 50% de los
bebs son varones. Sin embargo, el porcent aj e exact o vara de da a da. A veces
puede ser mayor de 50% y a veces puede ser menor. Durant e un perodo de un
ao cada hospit al regist r los das en los cuales ms del 60% de los recin nacidos
eran varones. En cul hospit al cree ust ed que t ienen ms das regist rados donde
ms 60% de los recin nacidos son varones?
a. El Hospit al ms grande
b. El Hospit al ms pequeo
c. Es igualment e probable en ambos hospit ales ( es decir, 50% para cada uno)
( Kahneman et al; 1982, 6)
La mayora de las personas considero que era igualment e probable obt ener ms del 60% de
recin nacidos varones, en ambos hospit ales. Lo ms probable es que est as personas se
guiaran por la igualdad de probabilidad de un recin naci do, 50% hembra 50% varn.
Est o cont rast a con la t eora de muest reo, segn la cual es ms probable que se regist ren
ms del 60% de bebs varones en el hospit al pequeo por present ar una muest ra ms
pequea. Pareciera que las personas que present an est e sesgo ut ilizaran una ley inversa a
la Ley de los grandes nmeros . Tversky y Kahneman indican que las personas parecen
que usan lo que ellos denominan la "Ley de los pequeos nmeros", segn la cual t odas las
muest ras sern represent at ivas de t odas las caract erst icas est adst icas de las poblaciones
de donde proceden, sin import ar la dimensin de la misma.
Serrano ( 1996) coincide con Tversky y Kahneman en que est e error puede t ener serias
consecuencias en la invest igacin experiment al. Hay cient ficos que parecen creen en la
"ley de los pequeos nmeros" y por lo t ant o sobreest iman la pot encia de los mt odos
est adst icos. Ellos endosan expect at ivas inj ust ificadas en la replicabilidad de experiment os
realizados con pequeas muest ras. Salcedo ( 2002) seala que est udiant es venezolanos con
formacin en probabilidad t ambin parecen present ar el sesgo de la insensibilidad al t amao
de la muest ra.
Act ividad 9.1
Las personas que present an el sesgo de la I nsensibilidad al t amao de la muest ra
afirman, por ej emplo, que no hay diferencias ent re la posibilidad de obt ener 3
caras en 4 lanzamient os de una moneda, 30 de 40 lanzamient os de la misma
moneda 300 de 400 lanzamient os. No obst ant e, en t odos los casos la
proporcin de caras es 0,75; ent onces, por qu Tversky y Kahneman consideran
que quien as responde present an el sesgo de la I nsensibilidad al t amao de la
muest ra?
Concept os errneos sobre secuencias aleat orias. Algunas personas consideran que si una
familia t iene seis hij os, lo ms probable es que los nacimient os ocurran en la secuencia
HMHMHM donde H indica hombre y M muj er. Ellos est iman que esa secuencia es ms
probable que ot ras como HHHHMH o HHHMMM, ya que se creen que HMHMHM parece
represent at iva de la dist ribucin 50 50 de muj eres y hombres; que se supone ocurre en la
poblacin. Por esa misma razn, est as personas descart an la posibilidad de ocurrencia de
consideran que la secuencia MMMHHH. Algunas personas consideran que si la secuencia de
result ados que parecen relat ivament e ordenadas no pueden ser aleat orias por no
present ar el desorden que caract eriza a lo aleat orio. Las personas que as razonan
esperan que las sucesiones de event os aleat orios represent en siempre las caract erst icas
esenciales de ese event o, sin import ar qu t an larga es la sucesin examinada. Parecen
ignorar que, desde un punt o de vist a normat ivo, las 64 secuencias t ienen la misma
probabilidad de ocurrir ( Kahneman, Slovic, y Tversky, 1982) .
Equiprobabilidad. Los individuos que muest ran est e sesgo de equiprobabilidad consideran
que exist e una asociacin ent re azar y equiprobabilidad. Ant e la pregunt a si se lanzan dos
dados, exist e la misma probabilidad de obt ener dos veces un 5 que de obt ener un 5 y un 6?
Los result ados, en diferent es cont ext os, con suj et os de diferent es edades, indican que la
mayora de ellos consideran los dos event os como igualment e probables. Lecout re, Durand
y Cordier ( 1990) y Lecout re (1992) consideran que est e sesgo se debe a la ausencia de
asociacin de los modelos combinat orios con experiment os aleat orios. Los est udiant es
pueden manej ar los modelos combinat orios pero no los relacionan con sit uaciones como la
ant erior donde int erviene donde el azar.
Ot ra posible explicacin de est e sesgo podra est ar en el ambient e educat ivo. Normalment e
el primer cont act o formal que t ienen los est udiant es con la probabilidad involucra el
concept o clsico de la misma. Est a concepcin se basa en experiment os aleat orios donde
t odos los event os son igualment e probables. Dadas sit uaciones de equiprobabilidad, por

ej emplo lanzamient os de dados y monedas equilibradas, se ut iliza la frmula de Laplace
para asignar probabilidades. Est e primer cont act o mat emt ico formal podra est ar
provocando una incorrect a generalizacin del concept o clsico de probabilidad. Los suj et os
parecieran generalizar la equiprobabilidad y consideran que t odos los event os asociados a
un experiment o aleat orio responden a est e principio. Est o es lo que denomina Brousseau
( 1983) un obst culo didct ico. El est udiant e logr el concept o de probabilidad sobre la base
de event os igualment e probables, eso le permit i resolver un t ipo de problema, por ello lo
considera eficient e y aplicable a ot ras sit uaciones que involucren probabilidad. Debido al
xit o precedent e el est udiant e no encuent ra razones para cambiar o modificar su
concepcin y se conviert e en una rmora para el aprendizaj e de nuevos concept os.
Lecout re y Fischbein ( 1998) present aron una variant e de la sit uacin sealada ant es del
lanzamient o de dos dados, a un grupo de 687 est udiant es. Los result ados indican que la
proporcin de respuest as sesgadas es frecuent e y aument an con la edad.
Act ividad 9.2
La pregunt a que se present a a cont inuacin proviene de las invest igaciones de
Lecout re y Durand (1988) para indagar la posible presencia del sesgo de la
equiprobabilidad.
Cuando lanzamos dos dados simult neament e:
a) Hay la misma probabilidad de obt ener un 5 y un 6 que de obt ener dos
veces 5
b) Hay ms probabilidad de obt ener un 5 y un 6 que de obt ener dos veces 5
c) Hay menos probabilidad de obt ener un 5 y un 6 que de obt ener dos veces
5
d) Es imposible saberlo
Razona t u respuest a
Se requiere que ust ed:
Analice mat emt icament e cada una de las alt ernat ivas de respuest as. I ndique
cul es la respuest a ms adecuada. Just ifique su seleccin.
Disponibilidad. Como se expres ant es, cuando la persona est ima la probabilidad de los
acont ecimient os basndose en la mayor o menor facilidad con la cual le es posible const ruir
ej emplos de ese acont ecimient o, se considera que emplean la heurst ica de la disponibilidad.
Est a heurst ica generalment e est a asociada a experiencia y perspect ivas personales, por lo
que general son limit adas. Su uso inapropiado genera el sesgo de disponibilidad o de la
informacin disponible, en evaluaciones o int erpret aciones de probabilidad. Por ej emplo, si
visit amos por primera vez un rest aurant e y experiment ramos mal servicio, podemos
pensar que el servicio en ese est ablecimient o es malo o muy malo. Sin embargo, para un
comensal frecuent e de ese rest aurant e a quien siempr e han at endido bien, al encont rarse
con un mal servicio no pensar lo mismo. Ambas perspect ivas individuales pudieran est ar
lej os de la verdad ( Tversky y Kahneman, 1973, 1974) . Una sit uacin similar se present a
cuando un individuo slo considera el medio donde vive o labora para est imar el nivel de
rechazo o acept acin de un polt ico. En est os casos la persona est ima la probabilidad de un
event o considerando slo la facilidad que t iene para recordar o const ruir ej emplos de
sit uaciones similares a la considerada. Se gua slo por la informacin que se t iene sobre
hechos semej ant es, por valoracin de la informacin disponible.
Tversky y Kahneman sost ienen que los suj et os que ut ilizan la disponibilidad j uzgan la
frecuencia segn la fuerza de ciert as asoci aciones. En una de sus invest igaciones solicit aron
a un grupo de suj et os est imar la frecuencia relat iva de palabras en el idioma ingls que
t uvieran R en la primera posicin o en la t ercera posicin y se les pregunt cul de las dos
era ms probable de encont rar. La mayora de los suj et os respondieron que la R t iene ms
posibilidades de aparecer en la primera posicin. Sin embargo, en el idioma ingls la R es
mucho ms frecuent e en la t ercera posicin que en la primera. Tversky y Kahneman
indican que la respuest a de los suj et os est a sesgada por la facilidad para evocar las
palabras. Se est ima que las palabras que comienzan con R son ms fciles de generar que
las que la t ienen en la t ercera posicin, por lo que se piensa que las primeras son ms
frecuent es. Algo similar ocurre cuando se le pregunt a a las personas sobre la vocal ms
frecuent e en el espaol. La mayora indica la a por la facilidad que t iene para evocar
palabras que cont engan esa vocal, aunque en realidad es la e.
Una pregunt a ut ilizada en invest igaciones para evaluar el sesgo de la disponibilidad es la
siguient e: Se t ienen dos grupos de 10 personas cada una. Con el primer grupo se forman
comit s dist int os de dos personas cada uno. Con el segundo grupo se forman comit s
dist int os de ocho personas cada uno. Si se selecciona al azar uno de los comit s ent re
t odos los formados, es ms probable seleccionar un comit de dos personas o uno de ocho
personas? Los individuos escogen por un amplio margen los comit s de 2 personas
( Kahneman y Tversky, 1973; Shaughnessy, 1977, cit ado por Shaughnessy 1992) . La
explicacin a est e fenmeno es la heurst ica de disponibilidad. Simplement e es ms fcil
const ruir ej emplos de comisiones de 2 que const ruir ej emplos de comisiones de 8, por lo
que se afirma que la disponibilidad es una heurst ica que influye o reflej a nuest ra propia
percepcin de la frecuencia relat iva. Una variant e de est a pregunt a fue present ada por
Lecout re y Fischbein ( 1998) a alumnos franceses e israelit as, con edades comprendidas
ent re 11 y 17 aos de edad y de est udiant es de primer ao de universidad. Los result ados
indican que la presencia del sesgo y que la t asa de respuest a sesgada aument a con la edad.
Act ividad 9.3
Present e, de forma independient e, a 3 est udiant es de nivel superior ( que ya no
hayan cursado la asignat ura de est adst ica o probabilidad en su carrera) la
pregunt a sobre los comit s. Solicit e que j ust ifiquen su respuest a. Realice el
mismo t rabaj o con 3 est udiant es de nivel superior que ya hayan est udiado
probabilidad en su carrera. Considera que ellos present an el sesgo de la
disponibilidad? Hay diferencias ent re el desempeo de uno y ot ro grupo?
Algunos de los sesgos asociados a la heurst ica de la disponibilidad son: el recuerdo de
inst ancias, correlacin i lusoria, sesgo debido a la efect ividad de un conj unt o de bsqueda,
sesgo debido a la imaginacin.
Enfoque en el result ado aislado. Algunas personas int erpret an sit uaciones probabilst icas de
forma det erminist a; pueden int erpret ar el pronst ico para hoy se t iene un 70% posibilidad
de lluvia como hoy va a llover . Ellos creen que el event o es seguro porque su
probabilidad de ocurrencia est cercana al 100%. Asimismo, cuando un event o t iene una
probabilidad de ocurrencia menor al 50%, est as personas ent ienden que la probabilidad de
ocurrencia de ese event o es baj a, incluso lo est iman como de difcil ocurrencia ( Konold,
1989, 1993, 1995) .
A est a forma de razonamient o, Konold (1989) la denomin el acercamient o del result ado o
enfoque en el result ado aisl ado. Las personas que present an est e sesgo int erpret an las
sit uaciones probabilst icas comparando la probabilidad dada con los valores 0%, 50% y
100%. Si la probabilidad de int erpret ar se encuent ra cerca de los ext remos ( 0% 100%) ,
el event o ser considerado como imposible o seguro, respect ivament e. Mient ras que, si est
cercana al 50%, algunos lo consideran como event os realment e aleat orios , no es
verdaderament e un pronst ico y no se sabe qu puede pasar. Est e t ipo de razonamient o

sugiere dificult ades para comprender el concept o frecuent ist a de la probabilidad, el cual se
ut iliza para est ablecer la probabilidad de ocurrencia de fenmenos aleat orios no
equiprobables, pero con los cuales es posible efect uar una serie de ensayos idnt icos.
Los invest igadores Serrano, Bat anero y Ort iz de Haro ( 1996) , encont raron result ados
similares a los de Konold, al proponerle a est udiant es espaoles int erpret ar una prediccin
met eorolgica donde la probabilidad de lluvia es de un 70%. La mayora de los est udiant es
indic que llover en el da sealado con ese pronst ico. Al indicarle que en el da en
cuest in no llovi, muchos de los encuest ados piensan que el met eorlogo se equivoc en
sus predicciones. Los est udiant es espaoles consideraron poco fiable a un met eorlogo que
aciert a su pronst ico de 70% de probabilidades de lluvia , si llueve el 70% de esos das.
Probabilidad condicional e independencia
Una serie de educadores en mat emt icas y est adst ica ( por ej emplo, Falk, 1989) han escrit o
sobre las dificult ades que t ienen los est udiant es con las probabilidades condicionales y con
los concept os de hechos independient es. Uno de los problemas ut ilizados por Falk en sus
invest igaciones es:
Hay t res cart as en una bolsa. Una de las cart as t iene ambas caras verdes, ot ra t iene ambas
caras azules y la t ercera t iene una cara verde y la ot ra azul. Ust ed ext rae una cart a y not a
que uno de los lados es azul. Qu posibilidades hay de que el ot ro lado sea t ambin azul
Los result ados indican que los suj et os piensan de manera errnea que la probabilidad de
que el segundo lado sea azul es de 1/ 2. Argument an que hay dos posibles cart as a
considerar luego de que se muest re que la primera t iene un lado azul, la cart a AA y la cart a
AV. Ellos obvian que el event o condicionador no es la cart a, sino el lado de la cart a, de t al
manera que la cart a AA t iene dos maneras de darnos un segundo lado que sea azul. La
probabilidad de que el ot ro lado sea azul es ent onces de 2/ 3.
Ot ra concepcin errnea de las probabilidades condicionales es l a confusin que exist e ent re
un condicional y su inverso. Exist e una diferencia ent re la probabilidad que una persona
t enga sarampin porque t engo una erupcin y la probabilidad de que t enga una erupcin
porque t engo sarampin. Cul de las dos sit uaciones present a una probabilidad mayor ?
Las personas en general present an esa confusin, aun cuando t engan formacin en
probabilidad. Est o es grave ya que la probabilidad condicional es frecuent e en diversos
campos profesionales. Al hacerse un examen para det erminar la posible exist encia de
cncer, el result ado puede ser posit ivo o negat ivo, pero las P( Cncer(+ TEST) es dist int a a
P( + Test ( Cncer) , pero t ambin lo son P( Cncer(TEST) y P( TEST(Cncer) . No obst ant e,
el pblico, y algunos profesionales, no ven ninguna diferencia ent re esas sit uaciones
condicionales. Con seguridad una persona t endr muchos de los snt omas de una
enfermedad si la padece; sin embargo, los snt omas ofrecen la informacin diagnst ica, no
una informacin causal. Falk (1989) indica que la confusin ent re un condicional y su
inverso t iene implicaciones en la invest igacin est adst ica experiment al al int erpret ar lo que
significa rechazar la hipt esis nula en esos est udios.
Falk ( 1989) menciona algunas de las razones por las que las sit uaciones que involucran
probabilidades condicionales son difciles para los est udiant es.
1. Los est udiant es podran t ener dificult ades para det erminar el event o
condicionador.
2. Podra confundir condicionalidad con causalidad, y de est a manera invest igar
P( B(A) cuando se les pide invest igar P( A( B) .
3. Pueden pensar creer que el ej e del t iempo impide que un event o sea un event o
condicionador.
4. Podran est ar confundidos con respect o a los element os que se les dan para que
t rabaj en, por la expresin o const ruccin de un problema de probabilidad
condicional.
Daz y de la Fuent e ( 2005) report an que los errores en los que incurren los est udiant es al
resolver problemas de probabilidad condicional, se producen en los diferent es pasos del
proceso de resolucin, a saber: ( a) ident ificacin correct a de los sucesos y sus
probabilidades; ( b) correct a part icin y subpart icin del espacio muest ral ; ( c) diferenciar
ent re probabilidades simples, compuest as y condicionales, ( d) confusiones ent re la
probabilidad condicional P ( A/ B) con su inversa P( B/ A) . Para est as aut oras, el t eorema de
Bayes es un obj et o complej o, cuya comprensin involucra t oda una serie de concept os y
propiedades previas como los de probabilidad simple compuest a y condicional, part icin y
complement ario, axioma de la unin y regla del product o. Todo est o dificult a su compresin
por part e de los est udiant es.
La invest igacin de Tversky y Kahneman, y sus colaboradores, refrescaron el debat e sobre
razonamient o baj o incert idumbre y brindaron un int eresant e campo de invest igacin sobre
la enseanza y el aprendizaj e de la probabilidad. No obst ant e, la invest igacin no se limit a
a est e campo, a cont inuacin se mencionan algunos de los t emas t rat ados en aos
recient es, colocando ent re parnt esis aut ores de invest igaciones realizadas en cada t ema:
o Razonamient o sobre la probabilidad condicional ( Falk, 1989; Oj eda, 1995; Snchez,
1996; Daz, y de la Fuent e, 2005)
o Enseanza de la probabilidad con ayuda de la comput adora ( Tauber, Bat anero y
Snchez, 2005; I nzunsa Cazares, 2001, Yaez, 2006; Daz, y de la Fuent e, 2006) .
o Conocimient o, creencias y act it udes de los docent es ( Azcrat e, 1995; Cardeoso,
2001; Gat t uso, y Pannone, 2002; Ort iz, Mohamed, Bat anero, Serrano, y Rodrguez,
2006)
o La probabilidad en libros de t ext o ( Ort iz, 1999; Serrad, Cardeoso y Azcrat e,
2005)
o Enseanza de la probabilidad y resolucin de problemas ( Senz, 1998; Guisasola, y
Barragus, 2002; Melet iou, 2003)
Est os y muchos ot ros t emas relacionados con la didct ica de la probabilidad est n abiert os y
son un amplio campo de invest igacin. La probabilidad y los problemas relacionados con la
enseanza, aprendizaj e y evaluacin en dist int os cont ext os est n a la espera de la
part icipacin de los invest igadores para increment ar los conocimient os en esa rea. Como
el lect or puede haber observado, no sea cit ados o referenciado invest igaciones desarrolladas
en Venezuela. La razn es que las invest igaciones en est a rea son escasas, por lo que es
un campo un con mayores posibilidades de indagacin.
Referencias
Azcrat e, P. ( 1995) . El conocimient o profesional de los profesores sobre las nociones de
aleat oriedad y probabilidad. Su est udio en el caso de la educacin primaria. Tesis
doct oral indit a. Universidad de Cdiz.
Bat anero, C. ( 2001a) . Didct ica de la Est adst ica. Granada: Grupo de I nvest igacin en
Educacin Est adst ica, Depart ament o de Didct ica de la Mat emt ica, Universidad de
Granada
Caizares, M. J. ( 1997) . I nfluencia del razonamient o proporcional y de las creencias
subj et ivas en las int uiciones probabi lst icas primarias. Tesis Doct oral. Universidad de
Granada.

Cardeoso, J. M. ( 2001) . Las creencias y conocimient os de los profesores de primaria
andaluces sobre la mat emt ica escolar. Modelizacin de concepciones sobre la
aleat oriedad y probabilidad. Tesis Doct oral. Cdiz: Universidad de Cdiz.
Cardeoso, J. M. ( 2001) . Las creencias y conocimient os de los profesores de primaria
andaluces sobre la mat emt ica escolar . Modelizacin de concepciones sobre la
aleat oriedad y probabilidad. Tesis Doct oral. Universi dad de Cdiz.
Daz, C. y de la Fuent e, I . ( 2005) . Razonamient o sobre probabilidad condicional e
implicaciones para la enseanza de la est adst ica . Epsilon , 59, 245-260
Daz, C. y de la Fuent e, I . (2006) . Enseanza del t eorema de Bayes con apoyo t ecnolgi co.
En P. Flores y J. Lupiez (Eds.) , I nvest igacin en el aula de mat emt icas. Est adst ica
y Azar . Granada: Sociedad de Educacin Mat emt ica Thales. I SBN: 84- 688-0573-4 .
CD ROM.
Falk, R. ( 1989) . I nference under uncert aint y via condit ional probabilit ies. En R. Morris (Ed.) ,
St udies in mat hemat ics educat ion: Vol.7. The t eaching of st at ist ics ( pp. 175- 184) .
Paris: UNESCO.
Fischbein, E y Schnarch, D. ( 1997) . The evolut ion wit h age of probabilist ic int uit ively based
misconcept ions. Journal for Research in Mat hemat ics Educat ion, 28, 1, 96-105.
Fischein, E. (1975) . The int uit ive source of probabilit y t hinking in children. Dordrecht :
Reidel.
Gat t uso, L. y Pannone, M. ( 2002) . Teachers t raining in a st at ist ic t eaching experiment at ion.
En B. Phillips (Ed.) , Proceedings of t he Sixt h I nt ernat ional Conference on Teaching
St at ist ics, ( pp. 685- 692) . Cape Town: I nt ernat ional Associat ion for St at ist ical
Educat ion e I nt ernat ional St at ist ical I nst it ut e.
Godino, J. D., Bat anero, C., Caizares, M. J. (1987) . Azar y probabilidad. Madrid: Snt esis.
Green, D. R. ( 1983a) . A survey of probabilit y concept s in 3000 pupils aged 11- 16 years. En
D. R. Grey, P. Holmes, V. Barnet t , & G. M. Const able ( Eds.) , Proceedings of t he First
I nt ernat ional Conference on Teaching St at ist ics ( pp. 766- 783) . Sheffield, UK: Teaching
St at ist ics Trust .
Green, D. R. ( 1983b) , School Pupils' Probabilit y Concept s, Teaching St at ist ics, 5, 34-42.
Green, D. R. ( 1991) A longit udinal st udy of pupils probabilt y concept s. Universidad de
Loughborough.
Guisasola, J. y Barragus, J. I . (2002) . Heurst icas y sesgos de los est udiant es de primer
ciclo de universidad en la resolucin de problemas de probabilidad. Enseanza de las
Ciencias, 20( 2) , 285 302.
I nzunsa Cazares, S. ( 2001) . Las Herramient as Comput acionales en l a Enseanza de la
Probabilidad y la Est adst ica. XI Semana de I nvest igacin y Docencia en Mat emt icas.
Universidad de Sonora. Hermosillo Sonora, 2001. Disponible en:
ht t p: / / semana.mat .uson.mx/ xiisemana/ Memorias/ inzunsa_sant iago.pdf.
Jones, G. (Ed.) ( 2005) . Exploring probabilit y in school: challenges for t eaching and
learning. Nueva York: Springer.
Kahneman, D. y Tversky, A. ( 1972) Subj ect ive probabilit y: A j udgment of
represent at iveness. Cognit ive Psychology, 3, 430 454.
Kahneman, D. Slovic, P. y Tversky, A. ( Ed) ( 1982) . Judgment under uncert aint y:
Heurist ics and biases. Cambridge: Cambridge Universit y Press.
Konold, C. (1989) . I nformal concept ions of probabilit y. Cognit ion and I nst ruct ion, 6, 59- 98
Konold, C. ( 1995) . I ssues in assessing concept ual underst anding in probabilit y an st at ist ics.
Journal of St at ist ics Educat ion. [ Revist a en lnea] , 2 ( 1) Disponible:
ht t p: / / www.amst at .org/ publicat ions/ j se/ v3n1/ konold.ht ml
Konold, C., Pollat sek, A., Well, A., Lohmeier, J. y Lipson, A, ( 1993) . I nconsist encies in
st udent s' reasoning about probabilit y. Journal for Research in Mat hemat ics Educat ion,
24(5) , 392- 414.
Lecout re, M. P., Durand y Cordier (1990) A st udy of t wo biases in probabilist ic j udgment :
represent at iveness and equiprobabilit y. En J.P. Carveni, J.M. Fabre, M. Gonzlez
( eds) , Cognit ives Biases, ( pp. 563 575) . mst erdam: Nort h Holland.
Lecout re, M. P. y Fischbein, E. ( 1998) . volut ion avec lge de misconcept ions dans les
int uit ions probabilist es en France et en I sral. Recherches en Didact ique des
Mat hmat iques, 18(3) , 311 332.
Lecout re, M. P. ( 1992) Cognit ive models and problems space in purely random sit uat ions.
Educat ional st udies in mat hemat ics, 23, 557- 568.
Melet iou, M. ( 2003) . On t he formalist view of mat hemat ics: impact on st at i st ics inst ruct ion
and learning En A. Mariot t i ( Ed.) , Proceedings of Third European Conference in
Mat hemat ics Educat ion. Bellaria, I t aly: European Research in Mat hemat ics Educat ion
Societ y. Disponible en: ht t p: / / www.dm.unipi.it / ~ didat t ica/ CERME3/ proceedings
Oj eda, A. M. ( 1995) . Dificult ades del alumnado respect o a la probabilidad condicional. UNO,
5, 37- 55.
Ort iz, J. J. ( 1999) . Significados de los concept os probabilst icos en los libros de t ext o de
Bachillerat o. Tesis doct oral. Universidad de Granada.
Ort iz, J. J., Mohamed, N., Bat anero, C., Serrano, L. y Rodrguez, J. D. ( 2006) . Comparacin
de probabilidades en maest ros en formacin X Simposio de la Sociedad Espaola de
I nvest igacin en Educacin Mat emt ica. Huesca, 2006.
Piaget , J. e I nhelder, B. ( 1951) . La genese de lide de hasard chez lenfant . Pars:
Presses Universit France.
Senz, C. (1998) . Teaching Probabilit y for Concept ual Change. Educat ional St udies in
Mat hemat ics, 35( 3) , pp. 233-254.
Snchez, E. ( 1996) . Dificult ades en la comprensin del concept o de event os independient es.
En F. Hit t ( Ed.) , I nvest igaciones en Educacin Mat emt ica ( pp.389- 404) . Mxico.
Serrad, A., Cardeoso, J. y Azcrat e, P. (2005) . Los Obst culos en el Aprendizaj e del
Conocimient o Probabilst ico: Su incidencia desde los Li bros de Text o. St at ist ics
Educat ion Research Journal, 4( 2) , 59-81, Disponible en:
ht t p: / / www.st at .auckland.ac.nz/ ~ iase/ serj / SERJ4( 2)_serrado_et al.pdf.
Serrano, L. (1996) . Significados inst it ucionales y personales de obj et os mat emt icos ligados
a la aproximacin frecuencial de la enseanza de la probabilidad. Tesis Doct oral.
Universidad de Granada.
Serrano, L., Bat anero, C., y Ort iz de Haro, J .J. ( 1996) I nt erpret acin de enunciados de
probabilidad en t rminos frecuenciales por alumnos de bachillerat o. Suma, 22, 43- 50.

St anovich, K. E. ( 1986) . How t o t hink st raight about psychology. Londres: Scot t ,
Foresman.
Tauber, L., Bat anero, C. y Snchez, V. (2005) Diseo, implement acin y anlisis de
enseanza de la dist ribucin normal en un curso universit ario. EMA. 9 2005, pp 82
105.
Truran, J. ( 1994) . Examinat ion of a relat ionship bet ween children' s est imat ion of
probabilit ies and t heir underst anding of proport ion. En J. P. Pont e and J. F. Mat os
( Eds) , Proceedings of t he XVI I I PME Conference ( v4, pp. 337- 344) . Universidad de
Lisboa.
Tversky, A. y Kahneman, D. ( 1974) Judgment under uncert aint y: heurist ics and biases.
Science, 185, 1124 1131.
Tversky, A., & Kahneman, D. ( 1982) . Causal schemas in j udgment s under uncert aint y. En
D. Kahneman, P. Slovic, & A. Tversky ( Eds.) , Judgment under uncert aint y: Heurist ics
and biases ( pp. 117- 128) . Cambridge, UK: Cambridge Universit y Press.
Yaez C., G. ( 2006) The t ot al probabilit y t heorem, t he depends argument and simulat ion.
En A. Rossman y B. Chance ( Eds.) , Proceedings of I COTS-7. Salvador (Bahia) :
I nt ernat ional Associat ion for St at ist ical Educat ion. CD ROM.

135
Aut o- Evaluacin 9

1. Qu es un sesgo en la int erpret acin de la probabilidad?
2. Ot ra de las pregunt as ut ilizadas por Lecout re y Durand (1988) en sus invest igaciones
sobre sesgo de la equiprobabilidad se present a a cont inuacin:
Cuando lanzamos simult neament e t res dados, cules de st os result ados es ms
probable que ocurra?
a) Obt ener un 5, un 3 y un 6
b) Obt ener dos veces el 5 y una vez el 3
c) Obt ener t res veces el nmero 5
d) Todos est os result ados son igualment e probables
e) Es imposible saberlo
Razona t u respuest a
Calcule la probabilidad de ocurrencia de cada uno de los event os que se describen en la
pregunt a. Cul es la respuest a correct a? Cul o cules respuest a podra indicar la
presencia del sesgo de la equiprobabilidad?
3. Se considera inconvenient e el uso de heurst icas para int erpret ar informacin
probabilst ica? Razona t u respuest a
4. Una pregunt a ut ilizada por Falk ( 1989) para invest igar lo que el denomina falacia de la
condicional t ranspuest a en la probabilidad condicional es la siguient e:
En una j arra hay dos pelot as blancas y dos negras. Se ext raen dos pelot as sin
volver a poner la primera. (1) Cul es la probabilidad de que la segunda pelot a
sea blanca, dado que la primera era blanca? (2) Cul es la probabilidad de que la
primera pelot a sea blanca dado que la segunda pelot a era blanca?
a) Calcule las dos probabilidades solicit adas.
b) Considera que hay diferencias los conocimient os necesarios para resolver cada
sit uacin? Tienen dist int a difi cult ad? Argument e su respuest a.
5. Considere las siguient es est ruct uras, en ellas un camino es una lnea que conect a
element os de la fila de arriba con element os de la fila de abaj o y pasa a t ravs de uno y
slo uno de los element os de cada fila.
A B
x x x x x x x x
x x x x x x x x
x x x x x x x x
x x
x x
x x
x x
x x
x x
x x
x x
x x
En cul de las dos est ruct uras hay ms caminos? Cunt os caminos est ima ust ed que
hay en cada est ruct ura? Esa pregunt as se han ut ilizado para evaluar uno de los sesgos
present ados en est a leccin, cul sesgo se evala? Razone su respuest a.

6. Tversky y Kahneman ut ilizaron el conocido Problema del Taxi, para evaluar la posible
exist encia del sesgo de la Falacia del ndice base. A cont inuacin el problema:
Un t axi se vio implicado en un accident e aut omovilst ico ocurrido una noche, en el
cual, inmediat ament e despus de chocar se dio a la fuga. Hay dos lneas de t axi
que operan en la ciudad, una de aut os azules, y ot ra de aut os verdes. Es bien
sabido que el 85% de los t axi s de la ciudad son verdes y el 15% son azules. Un
t est igo del accident e ident ific al carro involucrado en el accident e como azul. Est e
t est igo fue somet ido a prueba baj o condiciones de visibilidad similares, e hizo la
ident ificacin correct a del color en el 80% de los casos. Qu probabilidades hay
de que el carro involucrado en el accident e fuera azul y no verde?
c) Resuelva el problema. List e los conocimient os mat emt icos necesarios para resolver
est e problema.
d) En los t rabaj os de Konold est e problema fue ut ilizado para evaluar la posible
exist encia del sesgo en el Enfoque en el result ado aislado. De acuerdo con lo
est udiado, cul de los dos sesgo le parece apropiado est udiar con est e problema?

137

Unidad 5

Obj et ivo 5:
Analizar el uso del conocimiento histrico, aplicaciones y el uso
de las TICs en la enseanza y aprendizaje de la Probabilidad.

138
Leccin 10
Un poco de hist or ia

La hist oria es un punt o de apoyo import ant e para la enseanza de cualquier t pico de
mat emt ica. En est a leccin se est udian algunos aspect os referent es a la hist oria de la
probabilidad para reflexionar sobre su posible ut ilizacin en la enseanza. Aunque se habla
de la probabilidad exist en diferent es concept os de probabilidad que han surgido
hist ricament e, ellos sern part e del int ers de est a leccin.
La probabilidad surge como un conocimient o emprico y post eriorment e es cuando ent ra en
el mundo de la mat emt ica. La probabilidad, a diferencia de lo que es la asociacin comn
respect os a la mat emt ica, no t rabaj a sobre la cert eza, t rabaj a sobre el azar; considerado
como lo ms opuest o al orden, a t oda previsin, a t oda regla. La probabilidad proporciona
un modo de medir la incert idumbre que provoca las sit uaciones donde est present e el azar.
Se puede decir ent onces que desde la perspect iva epist emolgica, la probabilidad difiere del
rest o de la mat emt ica. Como conocimient o emprico se pueden ident ificar dos grandes
act ividades desde donde surge la probabilidad: los j uegos de azar y el procesamient o de
dat os est adst icos para el est ablecimient o de t asas de mort alidad y primas de seguros.
La probabilidad y los j uegos de azar
El j uego es la fuent e que usualment e se asocia al nacimient o y desarrollo de la t eora
mat emt ica de la probabilidad. Es clsica la referencia a la cart a que en 1654 le envi
Ant oine Gombaud, el Caballero de Mr, un j ugador compulsivo, a su amigo Blaise Pascal
( 1623 1662) para plant earle un problema del j uego de cart as. Con frecuencia se seala
ese hecho provoc un int ercambio de misivas ent re Pascal y Fermat (1601 1665) , que
dieron inicio al est udio de los j uegos de azar y con ello el desarrollo de la probabilidad desde
una perspect iva mat emt ica.
No obst ant e, en 1563 se escribi lo que se considera el primer libro que t rat aba el t ema de
la probabilidad: Liber de Ludo Aleae (El Libro de los Juegos de Azar) del it aliano Girolano
Cardano. Cardano ( 1501 1576) era un j ugador empedernido de dados y cart as, por ello el
libro es vist o como un manual de j uegos de azar. All se encuent ra la descripcin de j uegos,
varios de ellos invent ados hast a 1 200 aos ant es de Crist o, advirt iendo precauciones que
deben t ener los j ugadores para que los cont rincant es no le hagan t rampas. Pero t ambin
dedicaba un espacio import ant e a la solucin de problemas como calcular t odos los posibles
result ados al lanzar dos o t res dados, la frecuencia con que aparecan y hallar las
probabilidades de dist int os sucesos. Ot ro problema que t rat a es el clculo de la
probabilidad de lograr una seguidilla de un mismo nmero al lanzar un dado una serie de
veces o la frecuencia de los valores de la suma de las caras de una t irada de dos dados.
En la resolucin de esos problemas Cardano asign un nmero ent re 0 y 1 para indicar la
probabilidad de ocurrencia de un suceso cuyo result ado se desconoce, basado en el nmero
t ot al de result ados y el nmero de result ados favorables; es decir, t rabaj con visin clsica
de la probabilidad, aunque no los defini. No obst ant e, Cardano no desarroll en forma
t erica ese y ot ros result ados import ant es que aparecen en su libro, al parecer siempre las
vio como meras relaciones arit mt icas.
Ant es de Cardano se mencionan algunos int ent os de est udios de la probabilidad. Se dice
que en el poema De Vet ula, de Richard de Fournival ( 1200-1250) , se indica que si se lanzan
t res dados hay 216 combinaciones posibles y calcula los diferent es valores para la suma de
los t res dados. Est a es una respuest a a un problema que segurament e muchos j ugadores e
plant earon: Cul es el nmero de posibl es result ados de lanzar un dado varias veces? Ot ro
problema que se menciona con frecuencia es el llamado problema del repart o de apuest as
que se refiere a la dist ribucin de las ganancias ent re j ugadores cuando el j uego se
int errumpa ant es de finalizar .
Al parecer, en 1487 Fra Luca Pacioli (1445-1517) propuso una solucin a dos de esos
problemas sin dar con la solucin correct a. Un no se eso problemas se encuent ra en el
Summa de Arit hmet ica, Geomt rica, Proport ioni et Proport ionalit a ( 1494) , de Fra Luca
Pacioli, ent re "las pregunt as raras" . Un j uego en el que el premio es de 22 ducados que
consist e en alcanzar 60 punt os se int errumpe cuando un equipo lleva 50 punt os y el ot ro
30; y t res arqueros que compit en por un premio de 6 ducados lanzan flechas hast a que uno
de ellos haga 6 dianas, siendo int errumpidos cuando el primero de ellos lleva 4 dianas, el
segundo 3 y el t ercero 2. Cmo deben repart irse los premios ent re los cont endient es? La
respuest a de Fra Luca al "problema de punt os" es que las est acas deben ser divididas en la
proporcin 5: 3, la proporcin de punt os que se anot hast a el moment o de la int errupcin.
Est a respuest a fue crit icada por Cardano quien escribi en 1539, que la solucin de Pacioli
era incorrect a porque slo considera el nmero de j uegos ganados por cada equipo,
obviando cunt os j uegos deban ganar para hacerse con el premio. Cardano propuso como
que si n es el nmero de j uegos t ot ales y a y b los j uegos ganados por cada equipo, el
premio deba repart irse de la siguient e manera [ 1+ 2+ ...+ ( n b) ] : [ l+ 2+ ...+ ( n a) ] ; no
obst ant e, est a solucin slo es correct a en casos part iculares.
Niccolo Tart aglia ( 1499 1557) , t ambin int ent dar solucin al problema del repart o de
apuest as. En un libro de arit mt ica crit icaba la soluci n dada por Pacioli indicando: si un
bando ha ganado 10 punt os y el ot ro ninguno, ent onces t odo el premio sera para el primer
j ugador, pero est o no t iene ningn sent ido. Su solucin era: si un equipo ha ganado a
punt os y el ot ro b punt os, se j uega a n punt os y el premio t ot al es P, las ganancias deberan
repart irse de la forma ( P/ 2) P [ ( a- b) / n] , correspondiendo la cant idad mayor para el equipo
que t enga ms vict orias. Tart aglia luego argument ara que su solucin era ms j urdica que
mat emt ica.
Los problemas de dados t ambin fueron del int ers de Galileo Galilei ( 1564 1642) , quien
en su libro Sobre la Punt uacin en Tiradas de Dados present a el clculo del nmero de
result ados posibles al lanzar t res dados. Si bien desde hace muchos t iempo se conoca que
eran 216 result ados posibles, al parecer Galileo fue el primero en ofrecer la respuest a
mediant e un simple clculo: 6
3
= 216. Tambin ofreci su respuest a a diferent es problemas
con dados, como por ej emplo de cunt as maneras diferent es se puede lograr cada una de
las punt uaciones ent re 3 y 18, al lanzar t res dados.
Son muchos los problemas que segurament e at orment aron a los part icipant es en j uegos de
azar, pero son pocas las conexiones direct as ent re la mat emt ica y el j uego que se
encuent ran en la bibliografa. Ms aun, no se t iene referencia de ninguna persona que haya
ofrecido alguna nocin de azar. Algunas de las razones que se indican para el poco
desarrollo de la probabilidad son:
o La imperfeccin de los dados usados evit aba la observacin de regularidad not able de
sus result ados.
o La ausencia de una anot acin mat emt ica adecuada que ayudara a una invest igacin
crt ica en las leyes de azar.
o La aleat oriedad era una idea ext raa, cont raria a la idea de la exist encia de una la
verdad absolut a propalada por la iglesia crist iana.
Al parecer ese pasado asociado a los j uegos de azar fue ot ro de los fact ores que ret raz el
int ers de los mat emt icos por el est udio de la probabilidad.

Act ividad 10.1
Un j ugador le indic a Galileo que al lanzar t res dados la suma 10 aparece con
ms frecuencia que la suma 9, ya que la suma 10 se pude lograr mediant e los
result ados: { ( 1,3,6) , ( 1,4,5) , ( 2,2,6) , ( 2,3,5) , (2,4,4) y (3,3,4)} . Mient ras que la
suma 9 se logra con los result ados: { ( 1,2,6) , (1,3,5) , (1,4,4) , ( 2,2,5) , (2,3,4) y
( 3,3,3)} . Galileo le indic que esas combinaciones no pueden considerarse
igualment e probables. Tiene razn Galileo? Explica t u respuest a.
La probabilidad vist a por los mat emt icos
No fue sino hast a que el Caballero de Mr le plant eo un problemas de cart as a su amigo
Pascal que se dieron pasos import ant es en el desarrollo de la t eoria de la probabilidad. Se
cuant a que Ant oine Gombaud, miembro de la nobleza francesa, molest o por ciert os
problemas de j uego envi algunas pregunt as a Pascal. Luego Pascal compart ira con su
amigo Pierre de Fermat , el mat emt ico ms import ant e de la poca, las dudas de Gombaud.
Al parecer el Caballero de Mr plant eo la siguient e sit uacin a Pascal : como un dado t iene
seis caras, t odas igualment e probables, la probabilidad de lograr un seis un lanzamient o es
1/ 6. Por lo t ant o la probabilidad de no lograr un seis es 5/ 6. Al lanzar el dado dos veces la
probabilidad de lograr un seis es (1/ 6)
2
, mient ras que (5/ 6)
2
es la probabilidad de no lograr
el seis. Razonando de manera similar, en n lanzamient os la probabilidad de no conseguir un
seis es ( 5/ 6)
n
, por lo que la probabilidad de lograr un seis es: 1 (5/ 6)
n
. Cuando lanza el
dado cuat ro veces, se encuent ra:
1296
671
1296
625
1
6
5
1
4
= = |
.
|
\
|

Est o es un poco mayor que , por lo que se puede considerar una apuest a at ract iva. As el
Caballero de Mr podra apost ar lucrat ivament e a t irar por lo menos una vez un seis en
cuat ro t iros, con un slo dado. l consideraba que est o deba repet irse para cualquier
sit uacin. La "regla" de Mr es que n/ N es una const ant e, donde N es el nmero t ot al de
result ados y n el nmero adecuado de int ent os para que la apuest a sea at ract iva. Cuando
se desea lograr un seis al lanzar un slo dado, N = 6 y n = 4, t al como se seal ant es, por
lo que n/ N = 4/ 6 = 2/ 3. Si se lanzan dos dados, para lograr un doble seis, N = 36 por lo
que necesariament e n = 24 para que la regla se mant enga. No obst ant e, la evidencia
emprica le indicaba a de Mr ot ro result ado. Haba observado que el nmero mnimo
necesario para asegurar una buena oport unidad de ganar era 25. Por lo que le peda a
Pascal lo ayudara a conseguir el error.
Pascal compart i el problema plant eado con Fermat y j unt os comenzaron a int eresarse por
el clculo de probabilidades. La explicacin ofrecida por Pascal fue la siguient e: al lanzar
dos dados, hay 36 posibles result ados y 35 de ellos no dan un seis doble, por lo t ant o la
probabilidad de no conseguir seis doble es 35/ 36. Si se realizan n lanzamient os ent onces la
probabilidad de lograr un seis doble es:
n
36
35
1 |
.
|
\
|

Por lo cual cuando se realizan 24 lanzamient os esa probabilidad es:
491403 0
36
35
1
24
, = |
.
|
\
|

Mient ras que al realizar 25 lanzamient os la probabilidad de obt ener un seis doble es:
505531 0
36
35
1
25
, = |
.
|
\
|

Por lo t ant o, 25 es el menor nmero de lanzamient os para obt ener una probabilidad mayor
que de lograr un seis doble al lanzar dos dados.
La respuest a de Pascal fue sat isfact oria para el Caballero de Mr, por lo que le plant eo una
versin del problema de repart o de apuest a: Dos personas igualment e int eligent es deciden
enfrent ase en un j uego. Vence el j ugador que primero gane cinco part idas. Pero ant es de
finalizar el j uego, st e se int errumpe en el moment o en el que uno de los j ugadores ha
ganado cuat ro part idas y ot ro t res. Cmo deberan repart irse los 4200 francos que
apost aron? ( Perero, 1994)
Tant o Pascal como Fermat llegaron por diferent es vas a la solucin del problema, dando
inicio a la probabilidad condicionada. Una solucin al problema es: un es la probabilidad
que cualquiera de los dos j ugadores gane la prxima part ida. Para que el primer j ugador
gane el premio puede suceder lo siguient e:
A: que gane la oct ava part ida.
B: que pierda la oct ava part ida y gane la novena.
Se sabe que P(A) = y P(B) = x = . Luego la probabilidad que gane el primer
j ugador es: + =
Para que el segundo j ugador gane el premio es necesario que:
C: gane la oct ava part ida
D: gane la novena part ida.
Ambas probabilidades son: P( C) = P( D) = , por lo t ant o la probabilidad de que el
segundo j ugador gane es: . Luego el premio debe repart irse de la siguient e manera:
Para el primer j ugador: 3150
4
3
x 4200 =
Mient ras que para el segundo j ugador le corresponden: 1050
4
1
x 4200 =
Con est e result ado se ofreca la primera solucin mat emt icament e sat isfact oria al problema
de la dist ribucin de apuest as. Al parecer ni Pascal ni Fermat publicaron los result ados
encont rados a los problemas plant eados por Ant oine Gombaud, pero con sus result ados
legraron int eresar a los mat emt icos en los problemas de probabilidades. Uno de ellos fue
Christ iaan Huygens ( 1629 1695) , mat emt ico, ast rnomo y fsico holands, quien escribi
De Rat iociniis en Ludo Aleae ( 1657) , el primer t ext o en l a t eora de probabilidad publicado,
en donde se da fundament o mat emt ico a los concept os de probabilidad. Al parecer est e
t rabaj o de Huygen, fue inspirado por el t rabaj o de Pascal y Fermat . Aos despus, Nicols
Bernoulli public en 1713 el t rat ado sobre probabilidades de su t o Jacques Bernoulli: Ars
Conj ect andi (El art e de la conj et ura) , donde se encuent ran la mayora de los problemas
sobre probabilidad ( casi t odos referidos a j uegos de azar) que se conocan para la poca con
sus soluciones. Un result ado import ant e que se encuent ra en est e libro es la llamada ley
de los grandes nmeros .
La definicin clsica

Casi cien aos despus, Pierre Simon Laplace public en 1812 su
Teora Analt ica de las Probabilidades y en 1814 Ensayo Filosfico
sobre las Probabilidades. En el primero de esos libros Laplace dio
la definicin de probabilidad de ocurrencia de un suceso: si t odos
los result ados del experiment os pueden ser considerados
equiprobables, se define la probabilidad de un event o A ( P( A) )
como el cocient e ent re el nmero de element os de A y el nmero
t ot al de element os del espacio muest ral. Es la llamada definicin
clsica o Laplaciana.
Una curiosidad es que est e aut or era un firme creyent e en el
det erminismo y consideraba que la probabilidad slo exist a por
nuest ra ignorancia. Aunque la deficinin clsica se la adj udica a
Laplace, algunos hist oriadores afirman que est a definicin ya
haba ofrecido ot ros aut ores como Leibniz en 1678, Jacques Bernoulli en 1705 y Abraham
De Moivre ( 1667- 1754) quien la haba enunciado muchos aos ant es de la siguient e
manera: una fraccin en la que el numerador es igual al nmero de apariciones del suceso
y el denominador es igual al nmero t ot al de casos en los que es suceso pueda o no pueda
ocurrir. Tal fraccin expresa la probabilidad de que ocurra el suceso.
Probablement e por ser un fiel creyent e en el det erminismo, Laplace nunca indic qu es
realment e la probabilidad, slo indic su mt odo para calcularla; mt odo crit icado en su
moment o. Para la aplicacin de la definicin clsica hay una condicin necesaria que no
simples se cumple, un conj unt o de sucesos element ales igualment e probables. Por est a
condicin, Daz Godino, Bat anero y Caizares ( 1987) indican que la definicin de Laplace fue
crit icada en su poca, adems de que no poda ser aplicada en casos donde el nmero de
result ados era infinit o.
Est a definicin, t ambin llamada probabilidad t erica o a priori, se basa en razonamient os
abst ract os y no depende de la experiencia, es la primera que se ensea en la escuela.
Algunos de los sesgos est udiados previament e pueden t ener su origen en la enseanza
t emprana de la definicin clsica de probabilidad. La condicin de equiprobabilidad es
fundament al y se explica por s misma en las sit uaciones aleat orias donde hay simet ra
ent re los varios posibles result ados, no obst ant e, no es aplicable a la mayora de las
sit uaciones reales; ya que en ellas no hay simet ra.
Act ividad 10.2
Seale dos sit uaciones de clculo de probabilidades donde no sea apropiado el
uso de la definicin clsica.
Definicin frecuent ist a
Como se expres ant es Jacques Bernoulli seal en su libro El art e de la conj et ura lo que
hoy en da se conoce como la ley de los grandes nmeros. Segn Bernoulli, cuando la
probabilidad de ocurrencia de un event o p es desconocida, la proporcin de xit os en un
nmero grande de ensayos, suminist ra una buena est imacin de p. Jacob Bernoulli indic
que dada una pequea t olerancia por ej emplo 0,00001 la posibilidad de que la
probabilidad est imada ( x/ N) y la verdadera probabilidad p difieran en est a t olerancia puede
hacerse t an cercana a 1 como se quiera, aument ando el nmero de ensayos. Est e
enunciado no indica que al lanzar una moneda 1000 veces la proporcin de caras ha de ser
0,5. Se podran hacer ese nmero de lanzamient os y encont rar que la proporcin de caras
es de 0,47, eso no debera causar mayor sorpresa, se t rat a de probabilidad y el azar puede
hacer est as j ugadas ( Dunham, 1995) .
Pierre Simon Laplace
Bernoulli replant e el problema de la asignacin de probabilidades
a event os, l o que no se puede hallar a priori se puede obt ener a
post eriori, es decir, mediant e la observacin mlt iple de los
result ados de pruebas similares. Con su propuest a el problema
de cmo hallar la pr obabilidad de ocurrencia de un suceso aun
siendo imposi ble cont ar los casos favorables; asignar como
probabilidad de un suceso el result ado que se obt endra si el
proceso se repit iera en condiciones similares un nmero grande
de veces. Con ello Bernoulli int roduj o lo aos despus se conoce
como concept o de probabilidad frecuent ist a o est adst ica.
Aos despus, la visin de Bernoulli fue respaldad por Venn, Von
Mises, Reichenbach, Gnedenko y Kolmogorov.
De acuerdo con Von Mises, slo puede at ribuirse probabilidad a un event o en cuant o el
mismo pert enece a un colect ivo, ent endiendo por est e a una gran serie de observaciones en
que el event o se repit e con una frecuencia relat iva ms o menos est able. Por lo t ant o, si A
es un at ribut o arbit rario de un colect i vo C, obt enido m veces en n int ent os, luego la
probabilidad de A en C es:
n
m(A)
P
lim
n
= ) / ( C A
Ese lmit e es la probabilidad del event o considerado en el colect ivo dado. Si el lmit e no
exist e, no t iene sent ido asignar una probabilidad al event o. Ent onces la probabilidad de un
event o es la frecuencia relat iva con que se present a el event o considerado, a la larga, ent re
los event os de su misma clase. Est a definicin at raj o a muchos de los que crit icaban la
definicin Laplaciana, pero se requiere considerar gran nmero de ensayos, de forma ideal,
un nmero infinit o de ensayos, para poder asignar la probabilidad.
Daz Godino, Bat anero y Caizares ( 1987) indican que est a definicin se basa en dos
caract erst icas observables del comport amient o de los result ados de las realizaciones
repet idas. Primero, que los result ados varan de una repet icin a ot ra de una manera
imprevisible, la llamada variacin aleat oria. Segundo, se observa que un hecho emprico a
cort o plazo puede ser desordenado, pero a la larga surge ciert a regularidad; de all que la
probabilidad surge como el valor hacia el cual t iende la frecuencia relat iva de una secuencia
de result ados, cuando n t iende a infinit o. Para est os aut ores, la probabilidad frecuencial
t iene un gran at ract ivo para est adst icos y es t il cuando se manej an grandes cant idades de
dat os, no obst ant e t iene algunos problemas filosfico, concept ual y prct ico relacionados
con la nocin de nmero infinit o de experiment os. Por ej emplo, desde el punt o de vist a
prct ico, con est a definicin, nunca es posible lograr el valor exact o de la probabilidad, sino
slo una est imacin. A veces es imposible realizar los experiment os exact ament e en las
mismas condiciones y es difcil saber con cert eza cul es el nmero de experiment os que
deben realizar para acept ar la est imacin de la probabilidad como buena. Ot ro
inconvenient e es que algunos event os aleat orios, son irrepet ibles, por lo t ant o no se puede
aplicar est a acepcin de la probabilidad para su est udio. Es lo que Salmon (1977) el
problema de los sucesos singulares, cmo asignar una probabilidad a un caso singular, a
part ir de la probabilidad asignada a un at ribut o - colect ivo, de la cual pert enece.
Act ividad 10.3
Seale dos sit uaciones de clculo de probabilidades donde sea apropiado el uso
de la definicin frecuent ist a.
Definicin axiomt ica

Jacob Bernoulli

Kolmogorov, en su libro Foundat ions of t he Theory of Probabilit y (1933) , propone una
axiomt ica para sust ent ar l a t eora de las probabilidades. A part ir de la relacin ent re la
frecuencia relat iva de un suceso y su probabilidad cuando el nmero de veces que se reali za
el experiment o es muy grande, Kolmogorov propone sus axiomas.
Sea O un conj unt o no vaco de sucesos element ales y sea o un subconj unt o de O, incluido O
misma, sobre el que se ha definido una funcin P que asigna valores reales a los miembros
de o, a los que denominamos sucesos. Se puede afirmar que P es una probabilidad sobre
( O,o) si se cumplen los siguient es axiomas.
Axioma 1
La probabilidad de un suceso A es un nmero real mayor o igual que 0.
0 A P > ) (
La probabilidad de un suceso es un nmero posit ivo o nulo.
Axioma 2
La probabilidad del t ot al, O, es igual a 1.
1 P = O) (
La probabilidad de que ocurra el espacio muest ral es 1. representa todas las posibles
alt ernat ivas y se denomina suceso seguro.
Axioma 3
Si dos event os A y B son de t al forma que no pueden ocurrir simult neament e en el
mismo experiment o ( mut uament e excluyent es) , la probabilidad de obt ener A o B es igual
a la probabilidad de obt ener A ms la probabilidad de obt ener B.
P( A B) = P(A) + P( B)
En general se afirma que la suma de las probabilidades de t odos los posibles event os
mut uament e excluyent es es igual a 1:
=
=
n
1 i
i n 3 2 1
A P A A A A P ) ( ) ... (
P( A
1
) + P( A
2
) + P( A
3
) + ... + P(A
n
) = 1
De est os axiomas se desprenden las siguient es propiedades de la probabilidad:
o Si A es un event o de O, ent onces la probabilidad del event o A es:
0 s P(A) s 1
Como no podemos obt ener menos de cero xit os ni ms de n xit os en n
experiment os, la probabilidad de cualquier event o A, se represent a mediant e un
valor que puede variar de 0 a 1.
o Si A es un event o cualquiera de un experiment o aleat orio y A es el complement o
de A, ent onces, la probabilidad de que el event o A no ocurra, es igual a 1 menos
la probabilidad de que ocurra
P( A) = 1 - P(A)
o Si C represent a el conj unt o vaco, ent onces
0 P = C) (
La probabilidad del suceso imposible es cero ( 0)
Bat anero ( 2005) indica que los axiomas de Kolmogorov los han acept ados t odas las
escuelas de la probabilidad, independient ement e del significado filosfico que le ot orguen a
ella. Es a part ir de est os axiomas que la probabilidad se considera un modelo mat emt ico
que est udiar fenmenos aleat orios para describirlos, int erpret arlos y t omar decisiones sobre
ellos.
Probabilidad Subj et iva
Es la posibilidad de ocurrencia ( probabilidad) que asigna una persona a un event o
cualquiera, sobre la base de la informacin disponible. Se refiere a la probabilidad de
ocurrencia de un event o basado en la experiencia previa, la opinin personal o la int uicin
del individuo.
Se int erpret a como evaluacin personal. Se considera la informacin disponible, se asigna
un valor de probabilidad a un event o o a los event os, basado en el grado de creencia de que
el event o ( o los event os) pueda ocurrir. Al ser una evaluacin personal la probabilidad de
un mismo event o cambia de persona a persona, dado que cada una cuant ificar en forma
diferent e, la probabilidad de ocurrencia del event o. Est a
Uno de los principales exponent es de est a corrient e es Bruno de Finet t i, para quien la
probabilidad de un suceso mide el grado de creencia en su ocurrencia percibido por el suj et o
en el moment o que la expresa. de Finet t i indica que al considerar cualquier event o de de
experiment o aleat orio slo hay dos alt ernat ivas obj et ivas, el suceso es ciert o o falso. Si se
desea medir el grado de incert idumbre sobre esas dos alt ernat ivas, la probabilidad es la
nica forma coherent e de medida. Ent onces, cuando una persona asigna una probabilidad
de 0,1 a Venezuela de clasificar al prximo mundial de ft bol, no est realizando una
afirmacin obj et iva ( en un t iempo se ver si el suceso es ciert o o falso) , sino est
expresando su incert idumbre al respect o, con la informacin de que dispone; est
ot orgando una medida a l a posible ocurrencia o no de ese event o, est midiendo su un
grado de creencia.
La probabilidad subj et iva la ut ilizan las personas en sit uaciones en las cuales no es posible
realizar experiment os repet it ivos y los result ados t ampoco son igualment e probables. Como
es personal, cualquier event o aleat orio es suscept ible de serle asignada una probabilidad y
no hay forma nica para hacerlo. No obst ant e, una regla bsica de de Finet t i es que hay
que separar las creencias de las preferencias, de all que la persona que ofrece la
probabilidad debe est ar preparado para acept ar apuest as basadas en dicha asignacin. Es
import ant e dest acar que es posible apoyarse en la mat emt ica y ut ilizar la probabilidad
subj et iva en la solucin de problemas; para ello es necesar ia la ut ilizacin del Teorema de
Bayes, y de una t eora de la revisin de las probabilidades basada en la informacin
accesible.
Shaughnessy ( 1992) indica que la definicin subj et iva de la probabilidad parece est ar
ayudando a que los invest igadores est n mucho ms conscient es de la exist encia de los
punt os de vist a subj et ivist as en los est udiant es a los que ensean, y en los profesores que
ut ilizan los mat eriales que ellos elaboran. Est o es muy posit ivo, ya que nos obligar a
manej ar nociones subj et ivas de probabilidad en nuest ros esfuerzos de enseanza,
invest igacin y desarrollo de programas de est udio. Lo import ant e es que hay ciert as ideas
normat ivas de la probabilidad que los est udiant es deben comprender y est ar en capacidad
de ut ilizar.
Act ividad 10.4
Seale dos sit uaciones de clculo de probabilidades donde sea apropiado el uso
de la definicin subj et iva.

Probabilidad Geomtrica
La probabilidad geomt rica se basa en la definicin clsica, es una generalizacin l en el
mbit o de la geomet ra. Se refiere al clculo de probabilidades en sit uaciones de elegir
punt os al azar u ot ros element os geomt ricos de algn conj unt o. As, si dos conj unt os
poseen la misma medida geomt rica deben de t ener la misma probabilidad, y de est a
manera podemos generalizar la probabilidad para aplicarla a espacios infinit os. Por
ej emplo,
Suponga que se elij e al azar un punt o del siguient e crculo, Cul es la probabilidad de que
su dist ancia al cent ro del circulo sea menor o igual a r
2
1
?

Si A es el conj unt o de punt os del crculo de radio r y B el conj unt o de punt os pert enecient e
al circulo concnt rico de radio r
2
1
. Ent onces, B est formado por t odos cuya dist ancia al
cent ro de la crculo es menor o igual a r
2
1
. Por lo t ant o la probabilidad solicit ad es:
4
1
r
r
2
1
A de rea
B de rea
B P
2
2
=
|
.
|
\
|
= =
) (
Exist en ot ras formas de definir la probabilidad como la int uit iva y la lgica, as como la
nocin de probabilidad en t ant o que propensin de Popper. Est o nos indica que
mat emt icos y est adst icos han realizado clculos de probabilidad sin t ener una definicin
nica de probabilidad y mecho menos haber est ablecido cules fenmenos se consideran o
no aleat orios.
Shaughnessy (1992) seala que no hay nada de malo en la exist encia de diferent es
definiciones de la probabilidad e indica que para la enseanza considera adecuado un
enfoque pragmt ico que incluye el moldeado de varias concepciones de probabilidad. I ndica
que el modelo de probabilidad a emplear en una sit uacin en part icular debe est ar
det erminado por la t area que est amos pidiendo a nuest ros alumnos que invest iguen, y por
el t ipo de problemas que deseamos resolver.
Referencias
Bat anero, C. (2005) . Significados de la probabilidad en la educacin secundaria. Relime,
8( 3) , 247264.
Daz Godino, J., Bat anero, C. y Caizares, M. J. ( 1987) . Azar y probabilidad. Madrid:
Snt esis.
Dunhan, W. ( 1995) . El universo de las mat emt icas: Un recorrido alfabt ico por los
grandes t eoremas, enigmas y cont roversias. Madrid: Pirmide
Perero, M. ( 1994) . Hist oria e Hist orias de Mat emt icas. Mxico: I beroamrica.
Salmon, W. C. ( 1979) , Propensit ies: a discussion review, en Erkennt nis, nm. 14, pp. 183-
216.
En D. A. Grows (Ed.) , Handbook of Research on Mat hemat ics Teaching and Learning

148
Aut o- Evaluacin 10

1. De las definiciones de probabilidad present adas en est a leccin, cul o cuales est udi
en su Educacin Bsica o Media? Relat e las experiencias de aprendizaj e en las que t uvo
oport unidad de part icipar.
2. Est ablezca semej anzas y diferencias ent re las definiciones est udiadas de probabilidad en
cuant o a:
o Tipo de problemas analizados
o Procedimient os de clculo
o Propiedades
o Concept os asociados
3. En cada uno de los siguient es casos resuelva el problema plant eado, aplicando la
definicin de probabilidad adecuada.
a) Una t aberna se encuent ra a unas diez manzanas al est e y siet e al nort e de la casa
de un client e. Si el client e sale ebrio de la t aberna y en cada esquina decide al azar
si va a cont inuar derecho, hacia la derecha o a la izquierda, Cul es la probabilidad
de que al final llegue a casa?
b) Sean a, b y c t res punt os colocados al azar sobre una circunferencia, Cul es la
probabilidad de que los t res punt os caigan sobre el mismo semicrculo?
c) Si cada uno de n caballeros al llegar a un t eat ro ent regan su sombrero al
guardarropa y a la salida se ent regan los sombreros al azar. Cul es la
probabilidad de que ni un slo de los caballeros reciba su sombrero?
d) Dado un segment o cualquiera, Cul es la probabilidad de obt ener, por t riseccin,
los t res lados de un t ringulo?
e) En una clase de 40 est udiant es se forman, por sort eo, grupos de dos est udiant es,
de forma aleat oria, para t rabaj ar en clases. Cul es la probabilidad de que dos
amigas les t oque t rabaj ar j unt as? Cul es la probabilidad de que no les t oque
t rabaj ar j unt as?
f) En una j arra hay dos pelot as blancas y dos negras. Se ext raen dos pelot as
seguidas sin reemplazamient o. Cul es la probabilidad de que la segunda pelot a
sea blanca, dado que la primera era blanca?
4. Seale un ej emplo de una sit uacin probabilst ica donde sea deseable la ut ilizacin de la
definicin frecuent ist a y la clsica.
5. De las definiciones de probabilidad pr esent adas en est a leccin, cul o cuales considera
que se debe est udiar en la Educacin Bsica y Media? Cules deberan est udiarse en
educacin superior? Argument e su respuest a.

149
Leccin 11
La t ecnologa y la enseanza de la probabilidad

La t ecnologa ha provocado en cambios import ant es en la vida cot idiana y pueden int roducir
cambios int eresant es en la educacin. Las comput adoras, las calculadoras y los paquet e de
programas han cambiado la forma de hacer est adst ica y la de t rabaj ar la probabilidad, lo
cual debera incit ar cambios en la enseanza de est os t picos. La incorporacin de
inst rument os t ecnolgicos en la enseanza de la est adst ica y la probabilidad int roduce
nuevas represent aciones de los obj et os est udiados, formas de t rabaj o dist int a con esos
obj et os, est udiar ot ro t ipo de problemas en el marco de las clases, et c. La t ecnologa puede
ayudar a los est udiant es a aprender mat emt icas, haciendo mat emt icas,
comprendindolas, resolviendo sit uaciones problemt icas nuevas a part ir de sus
experiencias y de sus conocimient os ant eriores. En est a leccin se est udian algunos de esos
inst rument os t ecnolgicos y su posible uso en la enseanza.
Simulaciones
En las lecciones 8 y 9 se present aron algunos de los result ados de invest igaciones que
indican varias de las dificult ades que t ienen las personas para comprender e int erpret ar
correct ament e informacin probabilst ica. La enseanza de la probabilidad debe ayudar a
los est udiant es a superar esas dificult ades, no obst ant e, invest igadores como Konol d ( 1995)
considera que la enseanza t radicional no ayuda en ese sent ido, por lo que se hace
necesario hacer cambios.
Una de las recomendaciones frecuent es para mej orar la comprensin de las ideas
probabilst icas es confront acin de las ideas de los est udiant es con result ados de
experiment os aleat orios reales. No obst ant e, en un buen nmero de casos, los
experiment os aleat orios no pueden ser reproducidos en el aula ( observar el sexo de un
recin nacido, el clima que se regist rar en un t iempo det erminado, l as respuest as posibles
a una encuest a de int ers social) por lo que se hace necesario recurrir a la simulacin.
Bat anero ( 2001) indica que en la simulacin se ponen en correspondencia dos experiment os
aleat orios diferent es, de t al manera que a cada suceso element al del primer experiment o le
corresponda uno y slo un suceso element al del segundo. As se realiza un experiment o
aleat orio y sus result ados indican la ocurrencia o no de los sucesos del experiment o
aleat orio de int ers. La recomendacin es la ut ilizacin de mat eriales manipulables para
simular un experiment o que no se puede reproducir en el aula (lanzamient o de una
moneda, ext raer bolas o fichas de una urna, et c) . Sin embargo, debido a que se requiere
una gran cant idad de informacin, se requiere ent onces repet ir el experiment o un gran
nmero de veces, por lo cual se inviert e un t iempo import ant e en est a act ividad, con la
posibilidad de que los est udiant es pierdan int ers en la act ividad o se dist raigan del obj et ivo
inicial. Si bien es import ant e que el est udiant e realice algunas act ividades de simulacin
con mat erial manipulable, es posible int egrar la t ecnologa a la int ervencin didct ica que se
realiza para facilit ar el t rabaj o de est udiant es y docent es. El comput ador es una
herramient a que proporciona mayor pot encia en la realizacin de simulaciones, const ruccin
de modelos y anlisis de ellos.
Un programa t an comn como una hoj a de clculo puede ser ut ilizado para generar cient os
de nmeros aleat orios, y lograr con ello los result ados de un experiment o aleat orio.
Adems, esa misma hoj a de clculo puede ut ilizarse para represent ar grficament e los
dat os obt enidos y efect uar mediciones est adst icas. Los Macros de las hoj as de clculo

permit en desarrollar aplicaciones de mayor complej idad de las que corrient ement e se usan
en est e t ipo de programa, ut ilizando un lenguaj e de programacin y aut omat izar t areas
rut inarias. Est as t areas pueden ser archivadas y ej ecut arse nuevament e cuando se
necesit e. El docent e puede crear los macros aj ust ndolos a las necesidades de su clase y
posibilit ar que los est udiant es los ut ilicen como un medio para confront ar sus ideas
int uit ivas con la evidencia emprica . Tambin puede ut ilizarse lenguaj es de programacin
como Java o Flash para desarrollar simul aciones.
Considere por ej emplo el famoso problema del dilema de Mont y:
Durant e un programa de j uegos a los part icipant es se les muest ran t res puert as
cerradas. Una de las puert as t iene det rs un aut omvil como premio, mient ras que
det rs de cada una de las ot ras dos se una cabra como premio. El part icipant e debe
seleccionar una puert a, luego, el anfit rin del programa, Mont y, abre una de las
puert as rest ant es y muest ra la cabra que est det rs de ella. El part icipant e t iene
ent onces la opcin de perseverar en su seleccin original o escoger la ot ra puert a
cerrada. Qu deben hacer? Cul es la est rat egia ms adecuada, mant ener la
seleccin o cambiarla?
La mayora de las personas consideran que luego de que el present ador abre la puert a y
muest ra la cabra, la probabilidad de ganar el aut omvil pasa de 1/ 3 a 1/ 2. Pero, si el
part icipant e no t oma ninguna accin, haciendo uso de est a nueva informacin, la
probabilidad de ganar el carro sigue siendo de 1/ 3. Es claro est o para t odos los
est udiant es?
Act ividad 11.1
Const ruya un diagrama de rbol para calcular las probabilidades de ganar el carro
si se opt a por cambiar la puert a o si se queda con la inicialment e seleccionada.
Cmo decidir cual es la mej or est rat egia? Obsrvese que no es un caso part icular lo que
se desea, sino cul es la est rat egia adecuada para aument ar la probabilidad de ganar. Ello
implica la consideracin de n casos, con miras a verificar si hay alguna diferencia ent re
quedarse con la puert a seleccionada inicialment e o cambiar. La simulacin de la sit uacin,
por ej emplo mediant e una moneda o un apunt ador de igual rea, pueden ayudar a los
est udiant es a evaluar cul es la mej or est rat egia. Claro se hace necesario la realizacin de
un elevado nmero de casos, luego el t rat amient o de la informacin para poder est ablecer
si hay diferencias.
En una sit uacin como est a es donde la t ecnologa puede ayudar a los est udiant es a una
mej or compresin de la sit uacin y a confront ar sus creencias con los result ados reales. La
experiencia indi ca los est udiant es experiment a un cambio drst ico cuando realment e llevan
a cabo una simulacin de cada una de las dos est rat egias, unas 100 o ms veces. Ellos
logran diferencias las dos est rat egias y descubren que es mej or para los part icipant es
cambiar siempre. La probabilidad de seleccionar la puert a det rs de la cual se encuent ra el
carro es 1/ 3 la primera vez, por lo que exist e una probabilidad de 2/ 3 de ganar el premio en
la est rat egia de cambio. La nica manera de perder con est a est rat egia del cambio es si se
escogi la puert a premiada desde la primera vez.
Act ividad 11.2
En las siguient es direcciones elect rnicas encont rar simuladores del dilema de
Mont y:
ht t p: / / www.mst e.uiuc.edu/ pavel/ j ava/ dilemma/ d3.ht ml
ht t p: / / www.decisionhelper.com/ mont yhall.ht m
ht t p: / / people.hofst ra.edu/ St even_R_Cost enoble/ Mont yHall/ Mont yHallSim.ht ml
ht t p: / / mat h.ucsd.edu/ ~ crypt o/ Mont y/ Mont yt it le.ht ml
Vist e algunas de esas direcciones y realice la simulacin. I ndique vent aj as y
desvent aj as en la ut ilizacin de esa simulaci n con sus posibles est udiant es.
En I nt ernet se encuent ran gran variedad de simulaciones, la mayora de ellas se han
desarrollado en el lenguaj e de programacin Java ( Java- Sun) y se les denomina Applet .
Los applet son programas relat ivament e pequeos ( menos de 100 Kb) que se encuent ran
en pginas Web, desde donde se ej ecut an. En los lt imos aos t ambin ha comenzado
aparecer simulaciones desarrolladas en el lenguaj e de programacin Flash, que al parecer
brinda mayores posibilidades que el lenguaj e Java. En uno u ot ro lenguaj e, el gran
at ract ivo de las simulaciones es la posibilidad de manipulacin que brinda a los usuarios,
son int eract ivos. Los usuarios, de manera sencilla, pueden cambiar element os, int roducir
dat os, logrando result ados de forma inmediat a en la pant alla, pot enciando las posibilidades
de compresin de ideas probabilst icas. La mayora de las simulaciones relacionadas con
probabilidad y est adst ica que se encuent ran en la red est n en ingls.
A cont inuacin se present an algunas de las simulaciones que se encuent ran en I nt ernet ,
con una breve descripcin de su cont enido:
o Rice Virt ual Lab in St at ist ics.
ht t p: / / www.ruf.rice.edu/ ~ lane/ st at _sim/ index.ht ml
Grficos, medidas de t endencia cent ral, dist ribuciones muest rales, int ervalos de
confianza para la media y para la proporcin, dist ribuciones de probabilidad, ANOVA,
et c.
o Virt ual Laborat ories in Probabilit y and St at ist ics.
ht t p: / / www.mat h.uah.edu/ st at /
Probabilidad, dist ribucin de Poisson, combinat oria, dist ribucin normal, muest ras
aleat orias, est imacin punt ual, int ervalos de confianza, cont rast e de hipt esis.
o I nst it ut e of St at ist ics and Decision Sciences Duke Universit y.
ht t p: / / www.st at .duke.edu/ sit es/ j ava.ht ml
Est adst ica descript iva, Dist ribuciones de probabilidad ( Normal, t , binomial) , ANOVA,
I nt ervalos de confianza, Regresin, coeficient e de correlacin Spearman, pruebas t ,
probabilidad y procesos est ocst icos.
o Simulat ion Applet s
ht t p: / / www- sop.inria.fr/ mefist o/ j ava/ t ut orial1/ t ut orial1.ht ml
Variables aleat orias, procesos est ocast icos.
o Visualizing St at ist ical Concept s
ht t p: / / www.du.edu/ psychology/ met hods/ concept s/

Cont iene link que llevan a ot ras pginas donde se encuent ran las simulaciones, t odas
desarrolladas en lenguaj e Java. Algunos de los aspect os que t oca son: probabilidad,
est adst ica univariant e, relaciones bivariant e, muest reo y dist ribuciones de muest reo,
est adst ica inferencial para medias, est adst ica inferencial para dat os cat egricos.
o Flash demos for underst anding st at ist ics
ht t p: / / www.mat h.t amu.edu/ ~ dallen/ flash- demo/
Hist ogramas, correlacin, varianza, diagramas de t ort a, medidas de t endencia
cent ral.
o Java Demos for Probabilit y and St at ist ics
ht t p: / / www.mat h.csusb.edu/ facult y/ st ant on/ m262/
Variable aleat oria, dist ribuciones de variable aleat oria, regresin.
o Nat ional Library of Virt ual Manipulat ives
ht t p: / / nlvm.usu.edu/ en/ nav/ vlibrary.ht ml
Tiene varias simulaciones de probabilidad y est adst ica, as como de algebra,
geomet ra y medicin. Aunque est a dirigido a est udiant es de preescolar, bsica y
media cont iene int eresant es recursos.
o Consort ium for t he Advancement of Undergraduat e St at ist ics Educat ion ( CAUSE)
ht t p: / / www.causeweb.org/
En el apart ado recursos cont iene gran variedad de sit uaciones para est adst ica y
probabilidad.
Los programas de simulacin permit en que el est udiant e pueda manipular , cambiar
algunos parmet ros e inmediat ament e verificar las consecuencias del cambio en pant alla.
Est a int eraccin con el programa, en conj unt o a la orient acin de docent e (mediant e la
formulacin de pregunt as apr opiadas) , puede ayudar al est udiant e a reconocer pat rones o
result ados import ant es que le permit an comprender mej or concept os de est adst ica y
probabilidad. Las simulaciones colocadas en la Web t ambin podran servir para que el
est udiant e recolect e observaciones sobre experiment os aleat orios, y posibilit ar que cada
est udiant e t rabaj e con dat os propios .
Programas o soft ware
Las comput adoras y los programas que se han desarrollado en las lt imas dcadas han
cambiado la forma de hacer est adst ica. Ant eriorment e, el acent o fundament al se haca en
los clculos y muy pocas veces se ut ilizaban los mt odos grficos. El soft ware exist ent e
facilit a el anlisis de un mayor nmero de dat os y el acceso a diversas t cnicas est adst icas,
desde una simple media arit mt ica a complej os anlisis mult ivariant es. Las posibilidades de
graficacin son muy amplias.
Todo lo ant es sealado ha provocado cambios en la enseanza t ant o de la est adst ica como
de la probabilidad, ms aun, posibilit a la conj uncin rpida de est as dos reas. El t rabaj o
con el comput ador permit e realizar grficos en muy poco t iempo y cambiarlos rpidament e
sin mayor problema, si es necesario. Est o es una gran vent aj a en la enseanza, ya que
posibilit a que el est udiant e pueda evaluar los cambios que ocurren al suprimir o cambiar
uno o ms dat os. As mismo puede realizar los clculos nuevament e sobre la base de los
dat os modificados. Todo ello en conj unt o puede ayudar al est udiant e a comprender mej or
concept os de est adst ica y probabilidad.
Las simulaciones que se present aron ant eriorment e, t ienen la desvent aj a que normalment e
necesit an una conexin a I nt ernet , en algunas escuelas e inst it uciones universit arias de
nuest ra pas est o se dificult ad. Ant e esas circunst ancias, los docent es pueden hacer uso de
las hoj as de clculo, programas se encuent ran disponibles en la mayora de las
comput adoras y cuent an con una gran variedad de funciones est adst icas, las cuales
permit en aplicar las t cnicas est adst icas ms conocidas, t ant o de est adst ica descri pt iva
como inferencial, a sit uaciones de invest igacin o en proyect os plant eados por el profesor o
por los mismos est udiant es. Asimismo est os programas cuent an con los Macro, las cuales
permit en int egrar en diversas funciones de las hoj as de clculo, con lo cual se logran
desarrollar pequeos programas. El docent e t endra que desarrollar las subrut inas macro
para que la hoj a de clculo pueda lograr part e del rendimient o de los programas
especializados en est adst ica.
Las hoj as de clculo se pueden usar en el est udio e invest igacin de sit uaciones
probabilst icas, para ayudar a los est udiant es a mej orar su int uicin y const ruir de manera
ms formal concept os t ericos de probabilidad sobre la base de est as experiencias. Con las
hoj as de clculo se pueden desarrollar simulaciones, sino t ambin para generar desarrollos
experiment ales como una forma int eresant e de lograr aprendizaj es de concept os y
principios de probabilidad.
Como ej emplo considrese un problema sencillo, Cul es la probabilidad de que en un
grupo de n personas, hayan dos que cumplan aos el mismo da? Suponiendo que es
igualment e probable nacer en cualquier da del ao, se puede aplicar la definicin de
Laplace:
posibles Casos
favorables Casos
a P = ) (
Para facilit ar el t rabaj o se descart an los aos bisiest os y las personas gemelas, t rillizos, et c.
Si en un saln hay una persona podra cumplir aos en cualquiera de los 365 das del ao.
Al llegar una segunda, la probabilidad de que est a no t enga la misma fecha de cumpleaos
que la primera es:
365
364

Por lo t ant o, el espacio muest ra est const it uido por 365
n
punt os, a cada uno de los cuales
t iene la misma probabilidad se ocurrencia. El nmero de formas posibles de que no
coincidan ninguno de los n cumpleaos es:
( )!
!
) ....( . .
n 365
365
1 n 365 363 364 365
= +
Est os son los casos favorables, por lo t ant o aplicando la definicin clsica:
( )!
!
) (
n 365 365
365
a P
n
=
para n 365. Est o es la probabilidad de que en un grupo de n personas no haya un par de
de ellas que cumplan aos el mismo da.
Por lo t ant o la probabilidad de que en un grupo de n personas al menos 2 t engan el mismo
da de cumpleaos es:
( )!
!
) (
n 365 365
365
1 a P
n
=

Hacer ese clculo con lpiz y papel puede ser un poco aburrido, con una gran probabilidad
de incurrir en errores, sobre t odo si n es grande. Sin embargo, si se cuent a con una hoj a
de clculo es muy fcil hallar no slo uno sino diversos result ados. En la t abla que se
present a a cont inuacin se encuent ra algunos de los result ados:
n P( a) n P( a) n P( a) n P( a)
1 0,0000000 16 0,283604 31 0,7304546 46 0,9482528
2 0,0027397 17 0,3150077 32 0,7533475 47 0,9547744
3 0,0082042 18 0,3469114 33 0,7749719 48 0,960598
4 0,0163559 19 0,3791185 34 0,7953169 49 0,9657796
5 0,0271356 20 0,4114384 35 0,8143832 50 0,9703736
6 0,0404625 21 0,4436883 36 0,8321821 60 0,9941227
7 0,0562357 22 0,4756953 37 0,848734 70 0,9991596
8 0,0743353 23 0,5072972 38 0,8640678 80 0,9999143
9 0,0946238 24 0,5383443 39 0,8782197 90 0,9999939
10 0,1169482 25 0,5686997 40 0,8912318 100 0,9999997
11 0,1411414 26 0,5982408 41 0,9031516
12 0,1670248 27 0,6268593 42 0,9140305
13 0,1944103 28 0,6544615 43 0,9239229
14 0,2231025 29 0,6809685 44 0,9328854
15 0,2529013 30 0,7063162 45 0,9409759
De forma grfica se t iene:
0
0,2
0,4
0,6
0,8
1
1,2
1 4 7
1
0
1
3
1
6
1
9
2
2
2
5
2
8
3
1
3
4
3
7
4
0
4
3
4
6
4
9
7
0
1
0
0

Tant o la t abla como la grfica permit en apreciar al est udiant e que la probabilidad de que
dos personas t engan el mismo da de cumpleaos aument a en la medida de que n aument a.
El aument o es t an rpido que a part ir de 24 personas la probabilidad es mayor que 0,5 y al
considerar un grupo de 50 personas ya la probabilidad es del 97%. Hacer est e t rabaj o sin
la ayuda de la hoj a de clculo es una t area difcil con grandes riesgos de error y que por lo
t ant o se pierda el sent ido real de ella. Hacerlo con lpiz y papel es una fast idiosa t area de
clculo innecesaria.
Act ividad 11.3
Es adecuada el uso de la definicin de Laplace en la resolucin del problema del
cumpleaos. Explique su respuest a.
Daz, Arnaldos, Faura, Molera y Parra (2004) indican que en el caso concret o de la t eora de
la probabilidad, las hoj as de clculo puede sust it uir a las t radicionales t ablas est adst icas y
dar un soport e visual a concept os t ericos que puedan result ar complicados de ent ender
para los alumnos. Asimismo puede ayudar a incidir en:
o el cambio de forma de las funciones de probabilidad, densidad y dist ribucin ant e
modificaciones en los valores de los parmet ros de las dist ribuciones.
o la visualizacin de la probabilidad de un int ervalo de valores como rea encerrada
por la funcin de densidad en el int ervalo correspondient e en un modelo de variable
cont inua.
o el desarrollo de ideas int uit ivas relacionadas con los t eoremas lmit e; et c.
Un t ipo de programa que ha ganado not oriedad en el mbit o educat ivo, por las posibilidades
que brinda, son los llamados soft ware dinmicos. Un ej emplo de est e t ipo de soft ware es el
Fat hom Dynamic Dat a
4
( Finzer, Erickson & Binker, 2005) , un soft ware diseado para
propsit os de enseanza, cuya premisa clave es que t odos los aspect os de un anlisis est n
ligados ent re s para que los usuarios puedan ver cmo los cambios que se generan en una
represent acin se reflej an en ot ra. La int erfase del soft ware cont iene los element os claves
de un ambient e de est ocst ico dinmico como arrast rar y solt ar obj et os ya exist ent es,
t ransformarlos o const ruir nuevos obj et os, de t al forma que los est udiant es puedan
invest igar concept os t rat ados.
En Fat hom Dynamic Dat a se puede crear un espacio muest ral, por ej emplo, del sexo de los
hij os que puede t ener una familia:
HIjos

Luego crear t ant as muest ras como se deseen, colocando las condiciones que se consideren
apropiadas, para luego det erminar dist ribuciones de probabilidad.
Sample of HIjos

Measures f rom Sample of HIjos

Se logra represent ar los result ados de forma muy rpida y cambiando de una a ot ra con
gran facilidad. A cont inuacin se present an los result ados de muest ras generadas mediant e
Fat hom Dynamic Dat a para simular el nmero de hij os que t ienen dist int as familias, con la
condicin de que uno de ellos sea nia. Se ha generado t res muest ras dist int as, de 50,
100, 1000 y 2000 familias, as como un grfico donde se present a la informacin.

4
Es posible obt ener una versin del prueba del programa en la pgina ht t p: / / www. keypress. com/ x5656. x ml

Measures from Sample of Hijos
Nodehij... <new>
42
43
44
45
46
47
48
49
50
3
4
5
1
3
2
4
1
1

Nodehijos
0 1 2 3 4 5 6
Dot Plot

Nodehij... <new>
93
94
95
96
97
98
99
100
1
1
3
1
1
1
1
1

Nodehijos
0 2 4 6 8 10
Dot Plot

Nodehij... <new>
993
994
995
996
997
998
999
1000
2
2
6
1
1
1
3
1

100
200
300
400
500
Nodehijos
0 2 4 6 8 10 12
Histogram

Measures from Sample of HIjos
Nodehij... <new>
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
1
1
1
1
2
1
2
2
2
2
1
1
2

200
400
600
800
1000
Nodehijos
0 2 4 6 8 10 12 14 16
Measures from Sample of HIjos
Histogram

En los dist int os grficos se puede apreciar que la mayora de las familias logran t ener una
nia al procrear su primer hij o y con mucha frecuencia lo logran en los dos primeros. Se
observa t ambin que son pocas las familias que deben t ener t res (3) o ms hij os para lograr
una nia; asimismo se puede observar que hay pocos casos de familias que debieron t ener
6 o mas hij os para conseguir una nia. La vinculacin de la t abla con el grfico permit e
saber cul o cules son los casos que cumple con una condicin dada.
Con el apoyo t ecnolgico l os est udiant es no t ienen que invert ir largos periodos de t iempo
para elaborar grficas, las const ruyen con el programa y pueden dedicarse a int erpret ar
cada uno de los element os que const it uyen la grfica. Adems, pueden se puede cambiar
con gran facilidad de una grfica a ot ra, ident ificando cul es ms apropiada para
represent ar los dat os. Adems, al cambiar uno o ms dat os el grfico o los grficos se
act ualizan inst ant neament e.
Con el bot n que se encuent ra en la esquina superior derecha del Hist ograma se puede
cambiar el grfico a represent aciones como: diagramas de caj as, diagramas de punt os,
polgonos de frecuencias, grficas de barras. La versat ilidad de Fat hom para la graficacin
facilit a el anlisis explorat orio de dat os y posibilit a que el est udiant e int eract u con el
conj unt o de dat os y sus caract erst icas.
Las calculadoras, cient fica y graficadoras, t ambin pueden ser ut ilizadas hacer mat emt icas
y est udiar probabilidades. Aunque con menor pot encia que los comput adores y sus
programas, las calculadoras posibilit an la visualizacin de ideas mat emt icas, al facilit ar la
organizacin, la realizacin aut omt ica de clculos y el anlisis de los dat os.
A apoyarse en t ecnologas, como las hoj as de clculo, soft ware dinmico o calculadoras
graficadoras, permit e manej ar represent aciones dist int as de un mismo concept o, de las que
no se dispone en un ambient e de lpiz y papel, por lo que se puede t rat ar un mismo obj et o
desde diferent es perspect ivas. El t ener la posibilidad de manej ar diversas represent aciones
promueve el cambio concept ual en el est udiant e, al abordarse ms concept os y est udiar la
relacin ent re ellos, as como sus propiedades. El uso de soft ware para la enseanza de la
est adst ica y la probabilidad genera dos cambios inmediat os:

o Los clculos son realizados en forma aut omt ica por el comput ador por lo t ant o en la
clase se debe dedicar ms t iempo a aspect os concept uales, as como a la
int erpret acin result ados y aplicacin de los concept os.
o El est udiant e t iene ms oport unidad de part icipar en la clase, de explorar y const ruir
los concept os por si mismo o con la gua del profesor
Base de dat os
Ot ro sealamient o import ant e, en cuant o a la enseanza de la est adst ica y la probabilidad,
es la ut ilizacin de dat os reales. Aut ores como Holmes ( 1 997) y Bat anero (2001) indican
que la enseanza de la est adst ica y la probabilidad no puede est ar desconect ada de la
realidad, no deben ensearse las t cnicas est adst icas sin ningn cont ext o de referencia y
aspirar que los est udiant es aprendan de memoria algunos concept os, slo dndole
oport unidad de aplicarlos en algunos problemas que les proporciona el docent e en clases.
Cuando se ensea la probabilidad desconect ada normalment e se le da una import ancia
exagerada al clculo y la manipulacin simblica, lo cual puede hacerla incomprensible a la
mayora de los alumnos, dej ando de lado un aspect o esencial como es el razonamient o e
int erpret acin de los result ados. Los est udiant es deben t ener oport unidad de ut ilizar la
probabilidad para resolver problemas que se plant een o que el docent e present e. Ello
permit ira que t omaran la decisin sobre qu dat os recoger, recogerlos, analizarlos y
present ar sus conclusiones respect o a un problema plant eado.
Tambin podran plant earse t rabaj os de invest igacin o proyect os de invest igacin que
conlleven la ut ilizacin de dat os ya recolect ados. Se podran ut ilizar dat os de los censos de
organismos gubernament ales, as como de grupos de invest igacin o personas part iculares
a los cuales t enga acceso el docent e o los est udiant es. Est os dat os pueden ser colocados en
la red o incluidos en un disco compact o de t al manera que los est udiant es los puedan
ut ilizar. Es import ant e dest acar que, en la act ualidad, la mayora de los inst it ut os de
est adst ica gubernament ales t ienen pginas Web donde publican informacin est adst ica
act ualizada sobre los principales indicadores econmicos y sociales. Las pginas Web de los
inst it ut os gubernament ales de est adst ica const it uyen una gran base de dat os para
invest igaciones est adst icas y la oport unidad para docent es y est udiant es de aplicar la
est adst ica a sit uaciones reales.
En I nt ernet se puede encont rar los llamados conj unt os de dat os, dat a set s o dat a set s and
st ories, que son conj unt os de dat os acompaados de descripciones e indicaciones para su
uso en la enseanza de la est adst ica y la probabilidad. Algunos de ellos son:
o American St at ist ical Associat ion, JSE Dat a Archive,
ht t p: / / www.amst at .org/ publicat ions/ j se/ j se_dat a_archive.ht ml
Se encuent ran conj unt os de dat os de diferent es t ipos, ut ilizables en diversas ramas
de saber, con sugerencias para su uso.
o Cornell Universit y, DASL - The Dat a and St ory Library, ht t p: / / lib.st at .cmu.edu/ DASL/
DASL ( pronunciado dazzle significa deslumbrar ) es una bibliot eca en lnea
conj unt os de dat os e hist orias de dat os que se pueden ut ilizar para ilust rar los usos
de la est adst ica y la probabilidad. Est n preparadas para ser usadas por profesores
con ej emplos del mundo real que podran ser de int ers para los est udiant es.
o St at ist ical Dat aset s ht t p: / / www.umass.edu/ st at dat a/ st at dat a/
Es ot ra pgina con conj unt os de dat os de int eresant es, ofrece diversas
clasificaciones de los dat os.
o PI SA I nt ernat ional Dat abase, ht t p: / / www.pisa.oecd.org/
PI SA es un examen de las habilidades y conocimient o de los est udiant es que se
realiza al final de la educacin obligat oria en Europa. Aunque no est pensado como
un conj unt o de dat os para la enseanza de la est adst ica es una int eresant e fuent e
de dat os.
o I nt ernat ional Dat a Base (I DB) , www.census.gov/ ipc/ www/ idbnew.ht ml.
Cont iene dat os socio econmico y demogrfico de ms de 200 pases, act ualizadas
permanent ement e.
No se encont raron pginas con conj unt os de dat os especialment e preparados para la
enseanza de la est adst ica en espaol, sin embargo los inst it ut os gubernament ales de
est adst ica de cada pas ofrecen informacin que puede ser ut ilizada en los cursos de
est adst ica.
Los dat os reales pueden hacer ms at ract ivo los problemas apara los est udiant es, adems
de brindar un cont ext o, lo cual permit e j uzgar mej or la informacin encont rada. Por
ej emplo, en I nt ernet es posible encont rar dat os para plant ear un problema como el
siguient e:
La epidemiologa del cncer mamas t iene gran relevancia por t rat arse de una
pat ologa que ocupa la t ercera posicin en incidencia mundial. En Venezuela, el
cncer ocup el segundo lugar en causa de muert es, siendo el de mamas y de
cuello ut erino los ms frecuent es en la muj er. La probabilidad de que una muj er
venezolana, ent re 40 y 50 aos sin ant ecedent es familiares en el primer grado de
consanguinidad diagnost icados con cncer mamario y sin snt omas, t enga cncer de
mamas es 9,9%. Si una muj er t iene cncer de mamas y se realiza una mamografa
analgica se t iene una probabilidad de 90% de que de posit iva. No obst ant e el
23% de las muj eres sanas t ienen un result ado falso posit ivo en la mamografa
analgica. Cul es la probabilidad de que la muj er en realidad t enga cncer de
mamas?
5

Segurament e para un est udiant e de ciencias de la salud, resolver un problema como el
ant erior ser mucho ms at ract ivo que resolver uno donde se ext raen bolas de colores de
una bolsa.
Act ividad 11.4
Resuelva el problema del cncer de mamas. Cmo podra usar la t ecnologa
pare resolver el problema?
Es import ant e dest acar que l a t ecnologa no sust it uye al docent e de mat emt icas en el aula,
es l quien decide cul t ecnologa usar, cmo y cundo ut ilizarla. Cuando se usa t ecnologa
se cambia la forma de ensear y de aprender, part icipando siempre el docent e de forma
act iva en el proceso. Al usar comput adoras o calculadoras se pude t rabaj ar en clases con
mayor cant idad de dat os y con ello los alumnos t ienen la oport unidad de razonar

5
El problema original es de Eddy ( 1982) . Se ha act ualizado con dat os de la Sociedad Ant icancerosa de Venezuela.

caract erst icas ms generales, como cambios en los parmet ros, y pueden elaborar modelos
y resolver problemas complej os. El docent e t iene ms t iempo para invert ir en la verdadera
mat emt ica, no en la realizacin de clculos o la manipulacin simblica. Adems, al
ut ilizar calculadoras o comput adores en el aula, el docent e t iene la oport unidad de observar
la forma de t rabaj ar de sus est udiant es, valorar el t ipo de pregunt as que realizan, observar
formas de razonamient o que difcilment e lograra en la enseanza t radicional. La t ecnologa
es un apoyo en la evaluacin, ya que el docent e puede valorar el proceso seguido por los
est udiant es en su t rabaj o mat emt ico, apreciando element os dist int os del simple result ado
obt enido. La t ecnologa puede ayudar a los docent es a vincular el desarrollo de habilidades
y procedimient os con un desarrollo ms apropiado de la comprensin mat emt ica.
Referencias
Bat anero, C. ( 2001) . Aleat oriedad, modelizacin, simulacin. Present ado en la X Jornadas
sobre el Aprendizaj e y la Enseanza de las Mat emt icas, Zaragoza. Disponible en:
ht t p: / / www.ugr.es/ local/ ~ bat anero
Daz, M. T., Arnaldos, F., Faura, U., Molera, L. y Parra, I . ( 2004) Docencia en Est adst ica con
Microsoft Excel: Probabilidad. Ponencia present ada en XI I Jornadas de ASEPUMA
Eddy, D. M. ( 1982) . Probabilist ic reasoning in clinical medicine: Problems and opport unit ies.
En D. Kahneman, P. Slovic y Tversky ( Eds.) , Judgment under uncert aint y: Heurist ics
and biases. New York: Cambridge Universit y Press
Finzer, W., Erickson, T., y Binker, J. ( 2005) . Fat hom Dynamic St at ist ics Soft ware. Est ados
Unidos: Key Curriculum.

161
Aut o- Evaluacin 11

1. I ndique como usara una hoj a de clculo para la solucin del dilema de Mont y.
2. En la direccin elect rnica
ht t p: / / www- st at .st anford.edu/ %7Esusan/ surprise/ Birt hday.ht ml
encont rar el Random Birt hday Applet . Est e applet genera fechas de cumpleaos al azar
para t odos los das del ao y dest aca las coincidencias. Examine el applet , conozca
como funciona. Luego: ( a) coloque el generador en 50 cumpleaos y hgalo funcionar.
Anot e el nmero de cumpleaos coincident es. Repit a el procedimient o 10 veces. En
promedio cunt as personas t ienen el mismo da de cumpleaos cuando se encuent re en
un grupo de 50 personas?
3. Const ruya una sit uacin que involucre el clculo de probabilidades o la dist ribucin de
probabilidad con dat os reales encont rados en organismos gubernament ales venezolanos.
4. Visit e las siguient es direcciones
ht t p: / / www.dim.uchile.cl/ ~ mkiwi/ ma34a/ libro/ chapt er4/ Tree/ Tree.ht ml
ht t p: / / yudkowsky.net / bayes/ view.ht ml
ht t p: / / www.st at .sc.edu/ ~ west / applet s/ bayesdemo.ht ml
Puede usar alguno de los applet que aparecen all para dar solucin al problema de
cncer de mamas present ado ant eriorment e? Cmo lo usara?

162

Unidad 6

Obj et ivo 6:
Disear unidades didcticas de Probabilidad.

163
Leccin 12
Desarrollo del razonamient o pr obabilst ico

Est a leccin est dedicada a present ar de manera general las ideas bsicas para la
elaboracin de unidades didct icas con miras a ayudar a desarrollar el razonamient o
probabilst ico. Diferent es aut ores han sealado la import ancia que t iene par a un ciudadano
act ual desarrollar su razonamient o probabilst ico para ej ercer a plenit ud su ciudadana. La
variedad de informacin probabilst ica a la cual est expuest o el ciudadano cada da es slo
un indicador de la necesidad del razonamient o probabilst ico, que le permit a comprender
t oda esa informacin. Es por ello que las sociedades han incorporado cont enidos de
est adst ica y probabilidad en la educacin formal. En Venezuela, se incorporaron cont enidos
de probabilidad desde la Educacin Bsica en l a dcada de los ochent a, reconociendo la
necesidad de formar el razonamient o probabilst ico. Asimismo, organizaciones
int ernacionales de la educacin mat emt ica, como el Nat ional Council of Teachers of
Mat hemat ics, han dest acado la import ancia del razonamient o probabilst ico.
En est a leccin se present an algunas de las recomendaciones, product o de diversas
invest igaciones, que se deben considerar en la enseanza de la probabilidad y el diseo de
unidades didct icas para desarrollar el razonamient o probabil st ico.
La enseanza de la probabilidad
Durant e mucho t iempo los invest igadores en enseanza de la probabilidad han afirmado que
ensear el t ema no es suficient e para superar las concepciones errneas y las int uiciones
previas que present an los est udiant es. del Mas ( 1988, cit ado por Garfield y del Mass,
1991) , afirma que la enseanza t radicional no slo es insuficient e sino que incluso podra
t ener efect os negat ivos sobre la comprensin de la probabilidad por part e de los
est udiant es. Respect o a la ya est udiada heurst ica de la represent at ividad, Cardeoso
( 2001, cit ado por Serrad, Cardeoso y Azcrat e 2005) seala que la enseanza reafirma
est a creencia y no elimina los sesgos asociados a ella. Son varios los est udios que se han
realizado t rat ando de superar las concepciones errneas de los est udiant es, por ej emplo,
Konold ( 1989) describe un int ent o por influir las concepciones errneas ut ilizando la
modelacin con apoyo de la comput adora. l indica que algunos est udiant es cambiaban su
int erpret acin de las t areas de probabilidad luego de la enseanza, mient ras que ot ros
est udiant es persist an en mant ener int erpret aciones no normat ivas de las t areas, ut ilizando
part icularment e en enfoque en el result ado.
del Mas (1989, cit ados por Garfield y del Mass, 1991) , desarrollaron un programa
comput arizado de t ipo t ut orial que llamaron Lanzamient o de Monedas, para analizar los
efect os de una experiencia basada en comput adoras sobre las concepciones erradas en la
probabilidad. Ellos t rabaj aron con est udiant es universit arios con escasos conocimient os de
est adst ica para est udiar los concept os de variabilidad en las muest ras, efect o del t amao
de la muest ra sobre la variabilidad, independencia y azar. Luego del t rabaj o con el
programa, algunos est udiant es most raron cambios posit ivos en su pensamient o
probabilst ico. Sin embargo, un gran nmero de est udiant es persist a en sus concepciones
errneas sobre la dimensin de la muest ra y la variacin de la misma.
Rubin et al. (1988, cit ados por Shaughnessy, 1992) inf orman sobre la ut ilizacin de los
programas de est udio de est adst ica basados en las innovaciones de la comput acin en un

proyect o sobre razonamient o baj o incert idumbre. Est os invest igadores t rabaj aron con
profesores y hallaron que el conocimient o previo de los profesores sobre est adst ica y
probabilidad no est necesariament e est ruct urado para facilit ar el razonamient o ms all de
las simples frmulas. En ot ra aplicacin, t ant o el profesor como los est udiant es ent endieron
mal t odo el significado y las implicaciones del azar en un experiment o.
Lecout re y Fischbein ( 1998) t rabaj aron con est udiant es de primer ao de universidad y
encont raron una baj a presencia del sesgo de concept os errneos sobre secuencias
aleat orias (28%) . Sin embargo, hallaron una t asa considerable sobre la presencia de los
sesgos: disponibilidad ( 69%) insensibilidad al t amao de la muest ra (70%) y
equiprobabilidad ( 87%) . En el t rabaj o no se aclara si los est udiant es t enan est udios en
probabilidad. Cuando est os aut ores consideran la evolucin, de acuerdo a la edad de los
sesgos al evaluar sit uaciones de probabilidad, indican que el problema es muy complej o.
Algunas frecuencias de respuest as sesgadas disminuyen con la edad, mient ras que ot ras
aument an.
Salcedo ( 2002) encont r una alt a presencia de los sesgos de enfoque en el result ado
aislado, disponibilidad, insensibilidad al t amao de la muest ra, concept os errneos sobre
secuencias aleat orias y equiprobabilidad en est udiant es venezolanos con dist int os niveles de
formacin acadmica. Se t rabaj o con una muest ra incident al de est udiant es de educacin
bsica, media y superior, a los cuales se les aplic el mismo inst rument o donde se les
solicit int erpret ar enunciados de probabilidad y argument ar las respuest as dadas. Los
est udiant es de bsica ya haban culminado el 9no grado, y los de media t ambin haban
culminado esa et apa; por lo que en ambos casos se supone que est udiaron los concept os
bsicos de probabilidad previst os en los programas. Los est udiant es de educacin superior
ya haban cursado las asignat uras de est adst ica y probabilidad previst as en su carrera. Los
result ados indican que mient ras mayor es el nivel de formacin acadmica, mayor es el
porcent aj e de respuest as normat ivas y la argument acin correct a de la respuest a ofrecidas.
Sin embargo, los porcent aj es de respuest a normat iva y/ o argument acin correct a, son
baj os en casi t odos los grupos y para t odos sesgos est udiados.
Konold ( 1995) indica que mucho ant es de su acercamient o formal a la probabilidad, los
est udiant es han est ado expuest os a innumerables sit uaciones que implicaban incert idumbre.
Ellos aprendieron a ut ilizar palabras t ales como probable, al azar, suert e, oport unidad,
posibilidad en su lenguaj e ordinario. Usan esas palabras como sinnimos, aunque pueden
variar de mat iz segn el cont ext o donde lo apliquen. Los est udiant es t ienen una
comprensin coherent e del t ema que les permit e ut ilizar con propiedad esas palabras en los
diferent es cont ext os de su vida diaria. Ese conocimient o del t ema act a como un
inhibidor cuando el suj et o se encuent ra en el ambient e escolar est udiando probabilidad. Es
lo que Brousseau ( 1983) denomina un obst culo.
Para Brousseau el obst culo es una concepcin que ha sido ut ilizada con xit o al resolver
algn t ipo de problema pero que no es eficient e cuando se aplica a ot ros. Por lo t ant o un
obst culo es un conocimient o. Brousseau ( 1983) describe t res t ipos de obst culos: ( a) el
ont ognico o psicogent ico. Debidos al nivel de desarrollo de nio. Un nio menor de 7
aos probablement e no est a en capacidad de comprender la probabilidad condicional. ( b) el
didct ico. Son el result ado de una enseanza inadecuada de un concept o en part icular.
Comenzar la int roduccin de la probabilidad a nios de 2do grado mediant e formalismo en
lugar de mediant e experiment os aleat orios con element os concret os, puede dificult ar la
compresin del t ema t rat ado, no slo en ese grado sino en los grados subsiguient es.
Tambin puede ser el caso de la enseanza de la probabilidad en los primeros grados
exclusivament e a part ir de event os equiprobables. Est o puede dar una idea inadecuada al
nio de la probabilidad. ( c) el epist emolgico. Son los int rnsecos al concept o mismo. Es el
caso de la probabilidad que t ienen dist int os significados (clsica, subj et iva, frecuencial y
axiomt ica) y dist int as formas de expresarse ( decimales, fracciones y porcent aj es) . Un
anlisis hist rico puede indicar que est e t ipo de obst culo debe ser considerado como part e
del significado del concept o, por lo que su ident ificacin se hace necesaria para la
const ruccin de una concepcin relevant e.
El est udiant e t iene ciert o conocimient o sobre la probabilidad y lo ut iliza para generar
respuest as con xit o en un ciert o cont ext o. Cuando ut iliza ese conocimient o en un cont ext o
o sit uacin dist int a puede producir respuest as incorrect as. Los obst culos son errores
reproducibles, persist ent es e int erconect ados por una fuent e comn que ha sido exit oso en
t odo un dominio de acciones. Est o hace que el est udiant e se resist a a esa cont radiccin que
se produce al aplicar su conocimient o y no lograr respuest as correct as. l no est
conscient e del obst culo por lo que no t rat a de lograr un nuevo conocimient o. Slo cuando
el est udiant e est conscient e del obst culo es que busca generar un cambio, adquirir un
conocimient o ms amplio, aunque est o no impide que event ualment e siga manifest ando el
conocimient o ant erior.
Est a idea de Brousseau sobre el obst culo y su evolucin se asemej a a la de las int uiciones
de Fischbein. Como se indic ant es, las int uiciones primarias de Fischbein (1984) son las
ideas y creencias que se t ienen ant es del proceso de enseanza. Mient ras que las
int uiciones secundarias son creencias cognoscit ivas reest ruct uradas como result ado de la
enseanza o de la experiencia dent ro de una ciert a comunidad. Con est o no pierden sus
primeras int uiciones, sino ms bien const ruyen ot ra int uicin adecuada al nuevo cont ext o.
Es posible ent onces que en algn cont ext o que considere adecuada vuelva a recurrir a la
int uicin primaria en lugar de la secundaria. Para Fischbein las int uiciones primarias pueden
inducir a errores y promover concepciones errneas, est o es semej ant e a lo que indica
Brousseau respect o a los obst culos.
Tambin se encuent ran similit udes ent re las heurst icas de Tversky y Kahneman
( represent at ividad y disponibilidad) y las int uiciones de Fischbein. Tant o las heurst icas
como las int uiciones son creencias que provienen de la perspect iva de aquellos que las
ut ilizan, y ambas moldean la realidad ext erna. Al igual que las int uiciones, las heurst icas
t ambin en ocasiones ayudan a resolver algunas sit uaciones, pero en ot ras obst aculizan, se
pueden const it uir en rmoras de un nuevo aprendizaj e. Por ot ra part e, las int uiciones
aparecen en una mayor gama de cont ext os cient ficos que las est ocst icas, y las heurst icas
son est rat egias de proceso ms que represent aciones personales de la realidad cient fica.
Part e del int ers de la Educacin Mat emt ica es explicar por qu el est udiant e incurre en
errores al real izar ciert os t rabaj os o al responder ciert as pregunt as. De acuerdo con
Brousseau las causas de esos errores no slo son de t ipo cognit ivo, sino t ambin pueden ser
de t ipo epist emolgico y didct ico. Por lo t ant o un primer paso es ident ificar las causas del
error, para poder ayudar al est udiant e a superarlo.
Al respect o Konold ( 1995) cree que la act ividad desplegada en el aula no les da oport unidad
a los est udiant es para verificar la ausencia de validez de algunas de sus int uiciones sobre
probabilidad. De all que el xit o del profesor depende, en part e, de cmo se t rat en las
nociones de probabilidad que a l le gust ara que el est udiant e adquiriera en relacin con las
que ellos t raen al saln de clases. Para ello Konold cree que es necesario que el prof esor
est imule a los est udiant es para que examinen si sus creencias:
1. coinciden con las creencias de ot ros.
2. son coherent es con sus propias creencias sobre ot ras cosas relacionadas.
3. se confirman con la evidencia emprica.
De acuerdo con t odo lo ant erior es necesario ayudar a los est udiant es a superar sus
concepciones errneas sobre la probabilidad. Los programas de mat emt icas de Educacin
Bsica y Media Diversificada y Profesional venezolana recogen part e de las sugerencias

met odolgicas que present a la lit erat ura especializada para realizar una enseanza de la
probabilidad acorde con las caract erst icas de los nios y ayudarlos as a combat ir los sesgos
que posiblement e t raiga a la escuela.
Act ividad 12.1
1. Reflexione sobre los plant eamient os de seccin ant erior. Resuma con sus
palabras los problemas que se plant ean en cuant o a la enseanza de la
probabilidad. Argument e sobre su ut ilidad para la enseanza.
Cmo ayudar a superar las concepciones errneas
Shaughnessy ( 1977, cit ado por Shaughnessy 1992) inf orma de un curso donde int ent
analizar los efect os de la inst ruccin sobre el uso de la heurst ica de j uicio por part e de
est udiant es universit arios con pocos conocimient os de est adst ica y probabilidad. El curso
t uvo una duracin de 12 semanas y fue de carct er int ensivo, ya que se reunan cinco das
a la semana durant e una hora. El conocimient o de probabilidad de los est udiant es y el uso
de la heurst ica fueron evaluados mediant e respuest as escrit as y con ent revist as grabadas
ant es y despus de la enseanza. Se ut ilizaron t areas similares a las de Kahneman y
Tversky para evaluar la dependencia de la heurst ica de j uicio y los est udiant es eran
incent ivados a formular verbalment e o por escrit o el razonamient o de sus respuest as. Al
final del curso, se encont raron diferencias significat ivas ent re los dos grupos cont rol y los
dos experiment ales, adems de hallar una dependencia mucho menor de la heurst ica en los
grupos experiment ales.
Al reflexionar sobre los result ados del curso Shaughnessy seala:
1. El curso experiment al era muy int ensivo y los est udiant es realizaban muchos
experiment os y simulaciones mient ras que t rabaj aban en pequeos grupos.
2. Se pudo observar y regist rar los cambios en sus concepciones. Se t iene el regist ro del
da en que se dieron cuent a de que al lanzar 6 monedas realment e hay 64 result ados .
As como del da que lanzaron t achuelas y se dieron cuent a de que no t odos los
experiment os de probabilidad t enan result ados igualment e posibles, y as
sucesivament e.
3. Los est udiant es regist r aban a diario t odos los experiment os hechos en clase y los
problemas resuelt os en casa, agregando coment arios personales sobre cmo se sent an
o qu haban aprendido. El grupo est aba t ot alment e inmerso en las act ividades del
curso.
4. Aunque el curso fue sumament e exit oso, al considerar las concepciones errneas de la
probabilidad y la est adst ica t odava se encont raron algunos est udiant es que no
cambiaron sus respuest as o creencias sobre esas t areas de j uicio. Est o podra indicar
que es muy difcil reemplazar un concept o errneo con una concepcin normat iva. El
cambio de creencias y concepciones parece ser muy lent o.
5. La mayor part e del xit o en la superacin de las concepciones errneas parecen
at ribuibles al modelo de enseanza ut ilizado para la realizacin de las act ividades. Los
est udiant es primero adivinaron los result ados del experiment o, luego t uvieron que llevar
a cabo una t area est ruct urada, recopilando y organizando sus dat os. Despus
respondieron a las pregunt as, basados nicament e en sus dat os, post eriorment e
compararon sus result ados experiment ales con las int uiciones iniciales. Las
concepciones errneas fueron confront adas de manera explcit a con la evidencia
experiment al. Finalment e, se const ruy un modelo de probabilidad t erica que pudiera
explicar los dat os experiment ales que haban recopilado. Post eriorment e, compararon
las t res piezas de informacin: sus int uiciones iniciales, los result ados empricos
experiment ales y los result ados predichos por el modelo. A t ravs de t odo est e proceso,
los est udiant es fueron const ant ement e colocados en la posicin de t ener que reconciliar
la disonancia ent re sus concepciones errneas de probabilidad y sus observaciones
empricas.
Ya Glayman y Vargas ( 1975) haban recomendado una secuencia de enseanza parecida a
la ut ilizada por Shaughnessy. Ellos recomiendan un proceso de enseanza en t res et apas:
la experiment acin, razonamient o element al y medida de la probabilidad con ciert as
caract erst icas, no sin ant es aclarar que dicho proceso puede ser bast ant e complicado, ya
que los alumnos de nivel superior t ienen muchos vicios, resist encia al cambio, pero se t iene
que insist ir con t rabaj o en equipo, mot ivacin, et c. para encont rar nuevos comport amient os
y aprendizaj es en los alumnos de nivel superior. La experiment acin t iene como propsit o
la familiarizacin del est udiant e con los experiment os aleat orios, manipulando dist int os t ipos
de mat eriales ( dados. monedas, bolas en urnas, et c. ) . Cada experiencia se debe repet ir
muchas veces para que t rat en de adi vinar el result ado y para que capt en las propiedades
inherent es a los fenmenos aleat orios. En la segunda et apa se proponen j uegos que
permit an comparar algunas propiedades de ciert os sucesos, y deducir ciert as leyes o
t eoremas. En la t ercera part e se pr opone el uso de fracciones, proporciones, surgidas de
frecuencias de las mediciones, como medidas de probabilidad. En est a recomendacin de
Glayman y Vargas no se incluye el paso previo que sugiere Shaughnessy, la prediccin de
los posibles result ados del experiment o aleat orio. Est e aspect o es fundament al si de lo que
se t rat a es de superar las concepciones errneas, ya que es lo que va generar el
cuest ionamient o en el est udiant e, su prediccin cont ra los result ados obt enidos.
Del Mass y Bart ( 1987) , rat ifican que cuando los est udiant es se vieran obligados a regist rar
sus predicciones, y luego a compararlas con los result ados experiment ales reales, se ven
obligados a confront ar sus concepciones errneas. Est o los ayudara a superar sesgos
causados por l a aplicacin impropia de heurst icas. Est os invest igadores t rabaj aron con
grupos donde la enseanza se hizo de la forma ant es sealada ( grupo experiment al) y ot ros
cursos con met odologa t radicional ( grupo cont rol) . El grupo experiment al most r un
marcado increment o en el uso de una explicacin normat iva frecuent ist a, mient ras que los
est udiant es del grupo cont rol reduj o not ablement e est e t ipo de explicaciones. Est os
result ados parecen indicar que al forzar a los est udiant es a comparar explcit ament e sus
predicciones con result ados empricos, los ayuda a emplear el modelo frecuent ist a que se
les est enseando. Pero t ambin sugieren que los est udiant es a quienes no se les da esa
posibilidad t erminarn dependiendo incluso ms de las heurst icas, luego del proceso de
enseanza que ant es del mismo.
En un est udio con nios de 3er grado Jones et al (1999) evaluaron el pensamient o
probabilst ico de los est udiant es en relacin con la enseanza de la probabilidad. Ellos
t rabaj aron con un programa de inst ruccin basado en la invest igacin de t areas, que incluye
la descripcin del pensamient o est adst ico de los est udiant es. La evidencia cualit at iva indica
que los est udiant es superaron sus concepciones errneas sobre espacio muest ral, aplicando
razonamient o part e t odo y part e part e y usando lenguaj e invent ado para describir
probabilidades.
Kazak y Confrey ( 2006) present an un est udio que examina los concept os de probabilidad y
dist ribuciones de probabilidad con nios de cuart o grado, a t ravs de una secuencia de
t areas. Esas t areas incluyen diversas sit uaciones aleat orias que los est udiant es exploran
con una serie de mecanismos fsicos y la probabilidad puede ser modelada por una
dist ribucin de probabilidad binomial. El anlisis de los result ados indica que los est udiant es
t ienen una compresin espont nea de las dist ribuciones de probabilidad en diversos
ent ornos. Los aut ores consideran que el est udio sugiere que los est udiant es t ienen
concepciones informales sobre t emas de est ocst ica que se podran desarroll ar en forma
ms pot ent es a t ravs de una secuencia de t areas, que si se piensa en probabilidad y

est adst ica en forma separada. Por ot ra part e, la ut ilizacin de simulaciones para modelar
un fenmeno nat ural de una dist ribucin de probabilidad binomial , donde los est udiant es
pueden aprovechar sus experiencias ant eriores, es un gran apoyo para que los nios
comprendan concept os import ant es relacionados con la dist ribucin de probabilidad y en
procesos de t oma de decisiones.
Garfield ( 1992) present a un recuent o de las act ividades de clases que de acuerdo a las
invest igaciones ayudan a los est udiant es, t ant o de educacin bsica como de superior, a
aprender los aspect os fundament ales de la probabilidad:
1. El t rabaj o de los alumnos en pequeos grupos parece ayudar a los est udiant es a
superar algunos concept os errneos de probabilidad.
2. El cont rast e de las creencias de los est udiant es con result ados experiment ales. Las
ideas de los est udiant es sobre la probabilidad mej oran pidindoles que hagan
predicciones ant es de recoger dat os de experiment os aleat orios. Sus predicciones
originales se comparan con los result ados experiment ales.
3. El uso de simulaciones por medio de comput adoras parece llevar a los est udiant es
para dar respuest as correct as a una variedad de problemas de probabilidad.
4. El uso de soft ware que permit a a los est udiant es visualizar y act uar recprocament e
sobre los dat os parece mej orar la comprensin de fenmenos del azar.
Daz Godino et al, ( 1987) t ambin present an una serie de recomendaciones para superar los
errores que sobre la probabilidad puedan t ener los est udiant es:
1. Present ar la probabilidad de forma experiment al.
2. Sensibilizar a los est udiant es hacia el uso incorrect o de la probabilidad en la vida
diaria.
3. Dar oport unidad a los alumnos para resolver problemas que requieran la recogida o
simulacin de sus propios dat os para la t oma de decisiones.
4. Llevar a cabo invest igaciones clnicas con sus propios alumnos para descubrir sus
procesos de razonamient o sobre problemas de probabilidad.
Sin embargo, hay que t ener present e que las concepciones errneas de algunos est udiant es
son ms difciles de superar y cambiar que las de ot ros. En est a t area el docent e sin duda
represent a un papel primordial, y quizs sea necesario invest igar t ant o en las concepciones
errneas sobre probabilidad, de los est udiant es como del profesor. Con est e t rabaj o
esperamos hacer un aport e examinando la posible presencia de sesgos en est udiant es.
Act ividad 12.2
1. Solicit e permiso a un profesor de est adst ica o probabilidad de un inst it ut o de
educacin superior para asist ir a las clases de probabilidad. Observe el mayor
nmero de clases posibles, que le permit an cubrir al menos un t ema de
probabilidad complet o. Observe y haga anot aciones sobre el desarrollo de las
clases que le permit a hacer luego una descripcin desde su inicio hast a el final.
2. Analice la descripcin realizada sobre las clases de probabilidad del profesor
que observ con los plant eamient os realizados en est a leccin sobre cmo
ayudar a superar las concepciones errneas. De acuerdo esa comparacin,
las act ividades realizadas en las clases de ese profesor ayudan a superar las
concepciones errneas?
Desarrollar el razonamient o probabilst ico
Ant e sit uaciones de incert idumbre, azarosas, de falt a de informacin confiable, cuando no
se puede saber con exact it ud lo que puede ocurrir, el ser humano recurre al razonamient o
probabilst ico. Son muchas y variadas las sit uaciones de la vida cot idiana de cualquier
ciudadano que pueden ser de esa nat uraleza, por ej emplo, decidir si t omar una va u ot ra
para ir a nuest ra casa manej ando t iene que ver con la bsqueda de una va ms expedit a y
la incert idumbre si se conseguir gran volumen de vehculos. Ant e esa sit uacin el chofer
evala rpidament e sus opciones y t oma una decisin. Cunt as veces ha ocurrido que la
va selecciona es la ms congest ionada? Esa era una de las posibilidades. Las personas
t ambin recurren al pensamient o probabilst ico cuando evalan los pronst icos de lluvia,
cuando leen los result ados de una encuest a en un diario, cuando posponen una int ervencin
quirrgica o cuando deciden comprar un bien ant e el peligro de la inflacin.
El razonamient o probabilst ico debe apoyarse en concept os y procedimient os de la t eora de
la probabilidad, la est adst ica inferencial y en la combinat oria. En las lecciones 8 y 9 se han
est udiado algunas de las dificult ades, que se han invest igado, al confront ar informacin
probabilst ica. Como se recordar, no siempre se hace uso de esos concept os y
procedimient os sino que se recurre a heurst icas y formas de pensamient os que provocan
sesgos en la int erpret acin de la informacin probabilst ica o errores en la t oma de
decisiones.
Tambin se ha discut ido que eso errores no son exclusivament e por la falt a de formacin en
probabilidades, personas con alt a t ambin incurren en ese t ipo de errores ( ver por ej emplo,
Kahneman, Slovic, y Tversky, 1982) , por lo que se relaciona ms con la forma de
enseanza y de los fines que se persiguen. No se t rat a de ensear el clculo de
probabilidad en mismo, sino de desarrollar el razonamient o probabilst ico para que enfrent e
con prest ancia sit uaciones que involucre el azar, la ausencia de pat rones y mej orar sus
int uiciones.
El razonamient o probabilst ico debe permit ir encont rar soluciones a sit uaciones
problemt icas que involucren incert idumbre y t oma de decisiones con informacin que
conlleve variabilidad. El abordaj e de est os problemas generalment e conlleva la exploracin
y la invest igacin mediant e la ut ilizacin o const ruccin de modelos, as como el apoyo en
los dat os disponibles, la simulacin de experiment os y el anlisis de posibilidades. Ent onces
para logar desarrollar el razonamient o probabilst ico, el est udiant e debe confront ar
sit uaciones en clases como la que podra encont rar como ciudadano comn y como
profesional.
El razonamient o probabilst ico requiere de una base o encult uracin bsica la cual se puede
relacionar con el est udio de las diferent es definiciones de probabilidad: clsica, frecuent ist a,
subj et iva, geomt rica, axiomt ica. Todas ellas ayudan a proporcionar una mej or
compresin del concept o. No obst ant e, el razonamient o probabilst ico involucra algo ms,
se t rat a de la habilidad de las personas para int erpret ar y evaluar crt icament e argument os
probabilst icos, as como su habilidad de discut ir comunicar su opinin respect o esos
argument os. Eso involucra aspect os como las int erpret aciones que se hacen a part ir de
conj unt os de dat os, de las represent aciones grficas, la informacin cuant it at iva. Para ello
es necesario combinar aspect os concept uales y procedimient os como incert idumbre,
aleat oriedad, muest reo, combinat oria, est adst ica; con ideas como de dat os y probabilidad,
para lograr hacer inferencias e int erpret ar los result ados.
Para lograr est o es muy import ant e est udiar sit uaciones reales donde la incert idumbre y la
variabilidad est e present e. Realizar experiment aciones para generar sus propios dat os
ayuda a los est udiant es a comprender fenmenos aleat orios y la variabilidad present es
ent re sus result ados, as como la ausencia de pat rones. Adems, como indica Shaughnessy
permit e a los est udiant es confront ar los result ados con sus int uiciones, ayudndolos a

descart ar el uso de la heurst ica de j uicio. La realizacin de experiment os aleat orios es
fundament al para que los est udiant es exploren concept os, comprendan mej or el vnculo
ent re probabilidad experiment al y probabilidad t erica y desarrollen int uiciones
adecuadament e sobre ideas import ant es de probabilidad. Por ot ra part e las simulaciones
permit en conj ugar experiment os aleat orios y simular su realizacin en condiciones que los
est udiant es puedan recolect ar dat os.
Act ualment e se cuent a con un apoyo muy int eresant e en la t ecnologa cuando t rat a de
desarrollar el razonamient o est adst ico. Tal como se seal ant es, en I nt ernet se
encuent ran gran cant idad dat os y bases de dat os reales que pueden ut ilizarse en unidades
didct icas que busquen el desarrollo del razonamient o aleat orio. Con programas como las
hoj as de clculo se pueden simular experiment os aleat orios y procesar los dat os generados
mediant e la simulacin. Los programas de procesamient o de dat os aut omat izan los
clculos, perdiendo import ancia la necesidad de aprender frmulas y procedimient os
mat emt icos para realizar clculos. Por lo cual se puede dedicar ms t iempo al desarrollo
de habilidades como desarrollo int erpret ar, analizar y ut ilizar informacin probabilst ica
publicada en medios de comunicacin, as como de los result ados product o de los dist int os
programas de anlisis de dat os. Asimismo en I nt ernet es posible encont rar simulaciones ya
programadas o applet , los cuales pueden ser ut ilizados en clases como apoyo de la
enseanza. De all que la t ecnologa sea un element o a considerar al moment o de const ruir
unidades didct icas para desarrol lar el razonamient o probabilst ico.
La est adst ica es un apoyo por dems int eresant e y fundament al. Un acercamient o a la
probabilidad mediant e experiment os y simul aciones de fenmenos aleat orios conlleva la
ut ilizacin del enfoque frecuent ist a y en consecuencia el apoyo de la est adst ica. Cmo
evaluar si un dado es j ust o sin recurrir a la est adst ica? El regist ro de los diferent es
result ados y la evaluacin de las frecuencias relat ivas (manej ndolas como probabilidades)
ayudan a j uzgar si el dado es j ust o o no. El anlisis est adst ico de dat os product o de
experiment os aleat orios son la base para la const ruccin de un modelo probabilst ico que
permit a explicar los dat os experiment ales recolect ados. La modelacin se hace mediant e
procesos mat emt icos que relacionan la t eora de las probabilidades con la est adst ica.
El manej o y anlisis de dat os se inseparable del razonamient o probabilst ico. El regist ro y
anlisis de result ados product o de la experiment acin o las simulaciones ayudan a los
est udiant es a dist inguir ent re sucesos det erminst icos y aleat orios, a reconocer los posibles
result ados, realizar cont eo sist emt ico del nmero de combinaciones posibles, diferenciar
result ados igualment e probables de los que no son, refinar las mediciones de la probabilidad
con nmeros ent re 0 y 1. Para t odo ello la est adst ica es un apoyo fundament al.
De Guzmn ( 1993) dest aca la import ancia de la est adst ica y la probabilidad como
component es de nuest ra cult ura y su necesaria presencia en la const ruccin de un bagaj e
cult ural bsico del ciudadano comn de nuest ra sociedad. La enseanza act ual es muy
cuest ionada en cuant o su efect ividad para ayudar a superar problemas bsicos de
compresin de la probabilidad y su pert inencia para el desarrollo del razonamient o
probabilst ico. De all la necesidad de int roducir cambios en la enseanza de la probabilidad.
Act ividad 12.3
1. Consiga al menos un programa de una asignat ura de est adst ica y probabilidad
o probabilidad de una carrera cualquiera de educacin superior. Revselo con
det enimient o las dist int as part es que conforman el programa. De acuerdo con
su opinin, el nfasis del programa se encuent ra en el desarrollo del
razonamient o probabilst ico? Argument e su respuest a.
2. De acuerdo con algunos aut ores, un profesional universit ario de no especialist a
en est adst ica o probabilidad (carreras dist int as a est adst ica y mat emt icas,
por ej emplo) , necesit an desarrollar su razonamient o probabilst ico para
comprender e int erpret ar las sit uaciones de probabilidad. Est a ust ed de
acuerdo con est e plant eamient o? Argument e su respuest a.
Referencias
Brousseau, G (1983) . Les obst acles epist mologuiques et les problmes en mat hmat iques.
Recherches en Didact iques des Mat hemat iques, 4( 2) , 164 198.
Kahneman, D., Slovic, P. y Tversky, A. ( Eds.) ( 1982) , Judgment under uncert aint y:
Heurist ics and biases ( pp. 117-128) . Cambridge, UK: Cambridge Universit y Press.
delMas, R. C. y Bart , W. M. ( 1987) , The Role of an Evaluat ion Exercise in t he Resolut ion of
Misconcept ion of Probabilit y, ponencia present ada en Annual meet ing of t he American
Educat ional Research Associat ion.
Garfield, J. B. ( 1992) . How St udent s Learn St at ist ics. Disponible: ht t p: / /
www.dart mout h.edu/ ~ chance/ t eaching_aids/ books_art icles/ isi/ isi.ht ml
Garfield, J. B. y Del Mass, R. (1991) . St udent s concept ions of probabilit y. En D. Vere- Jones
( Ed) : Proceedings of t he Third I nt ernat ional Conference on Teaching St at ist ics, ( pp.
340- 349) . Voorburg: I SI .
Gil Prez, D y de Guzmn Ozmiz, M. ( 1993) Enseanza de las Ciencias y de las
Mat emt icas. Tendencias e innovaciones. Madrid: I bercima
Glayman, M y Varga, T. (1975) . Las probabilidades en la escuela. Barcelona: Teide.
Godino, J. D., Bat anero, C., Caizares, M. J. (1987) . Azar y probabilidad. Madrid: Snt esis.
Jones, G., Langrall, C., Thornt on, Carol y Mogill T. ( 1999) . St udent s Probabilist ic Thinkibg
in I nst ruct ion. Journal forResearch in Mat hemat ics Educat ion. 30 (5) 487 519
Kazak y Confrey, J. ( 2006) . Element ary school st udent s? I nformal and int uit ive concept ions
of probabilit y and dist ribut ion. En A. Rossman y B. Chance (Eds.) , Proceedings of
I COTS- 7. Salvador (Bahia) : I nt ernat ional Associat ion for St at ist ical Educat ion. CD
ROM.
Konold, C. ( 1995) . I ssues in assessing concept ual underst anding in probabilit y an st at ist i cs.
Journal of St at ist ics Educat ion. [ Revist a en lnea] , 2 (1)
Lecout re, M. P. y Fischbein, E. ( 1998) . volut ion avec lge de misconcept ions dans les
int uit ions probabilist es en France et en I sral. Recherches en Didact ique des
Mat hmat iques, 18(3) , 311 332.
Salcedo, A. ( 2002) . Sesgos en la int erpret acin de la probabilidad en diferent es niveles de
formacin acadmica. Trabaj o de Grado para opt ar al Grado de Magst er en
Educacin. No publicado.
Serrad, A., Cardeoso, J. y Azcrat e, P. (2005) . Los Obst culos en el Aprendizaj e del
Conocimient o Probabilst ico: Su incidencia desde los Libros de Text o. St at ist ics
Educat ion Research Journal, 4( 2) , 59-81, Disponible en:
ht t p: / / www.st at .auckland.ac.nz/ ~ iase/ serj / SERJ4( 2)_serrado_et al.pdf.
( pp. 315 426) . New York: McMillan.

172
Aut o- Evaluacin 12

1. Por qu algunos invest igadores consideran que ensear probabilidad de forma
t radicional no es suficient e para superar las concepciones errneas y las int uiciones
previas que present an los est udiant es? Argument e su respuest a
2. Cules son los principales problemas que sealan las invest igaciones sobre la
enseanza de la probabilidad?
3. Revise nuevament e el apart ado de est a leccin t it ulado Cmo ayudar a superar las
concepciones errneas, especficament e la experiencia de Shaughnessy. Considera que
habra que est ablecer diferencias en el modelo de enseanza ut ilizado por est e aut or al
aplicarlo en cursos de est udiant es con poca formacin mat emt ica ( psicologa y
ant ropologa, por ej emplo) y los de fuert e formacin mat emt ica (mat emt ica y
est adst ica, por ej emplo) ? Argument e su respuest a.
4. Es fact ible la ut ilizacin el modelo de enseanza ut ilizado por Shaughnessy en el marco
de la enseanza presencial de la educacin superior venezolana? Y en la educacin a
dist ancia? Argument e su respuest a.
5. Cules son los principales plant eamient os que sealan las invest igaciones para ayudar
a los est udiant es a superar las concepciones errneas sobre la probabilidad?

173
Leccin 13
Diseo de una unidad didct ica

En el curso de Didct ica del Clculo ( 761) est udi algunos crit erios para la el aboracin
unidades didct icas. Eso crit erios los aplic en la primera part e de est e curso para la
elaboracin de una unidad didct ica en Algebra Lineal. En est a leccin ust ed debe ut ilizar
esos crit erios para disear una nueva unidad didct ica, est a vez sobre probabilidad.
Previo al diseo en si, en la leccin se le present a dos apart ados que hemos t it ulado:
Simulacin y Probabilidad y Medicina. En el caso de Simulacin, la redaccin es dirigida a
un docent e, por lo que para ut ilizarla con sus est udiant es probablement e deber hacer
aj ust es. En el caso de Probabilidad y Medicina, la redaccin se hizo pensando que pueda ser
ut ilizado direct ament e con los est udiant es. Ambas cont ienen act ividades de aprendizaj e
para la probabilidad. Revselas con cuidad y reali ce las act ividades plant eadas.
Simulacin
En la enseanza de la probabilidad, las simulaciones son un recurso int eresant e para que los
est udiant es confront en sus cr eencias con result ados reales. Un experiment o aleat orio
sencillo, como el lanzamient o de una moneda ayuda a simular ot ro experiment o aleat orio
como lo es observar el sexo de los recin nacidos de un hospit al. Con ello se logra una
correspondencia ent re dos experiment os aleat orios y sus result ados, de t al manera que uno
de los experiment os simula al ot ro, se logra informacin del experiment o aleat orio de
int ers a part ir de ot ro experiment o ( en est e caso el lanzamient o de la moneda) . Se
ut ilizar ese apoyo para discut ir con los est udiant es la sit uacin de Tversky y Kahneman
( 1974)
Un Problema inicial
En un ciert o pueblo hay dos hospit ales. El hospit al A es el ms grande y nacen
aproximadament e 50 bebs por da. El hospit al B es ms pequeo y nacen
aproximadament e 10 bebs al da. Se sabe que aproximadament e el 50% de los
bebs son nios. En un da cualquiera, en cul hospit al es ms probable que se
regist re un 80% o ms de recin nacidos nias?
a) El hospit al ms grande
b) El hospit al ms pequeo
c) Es igualment e probable en ambos hospit ales
Plant ee la pregunt a a los est udiant es. Solicit e que regist ren sus respuest as y sus
argument os.
Necesidad de los dat os
Se les plant ea a los est udiant es ut ilizar la moneda para simular los result ados de los
nacimient os. Es convenient e discut ir con los est udiant es por qu es adecuado ut ilizar el
lanzamient o de la moneda para simular los result ados de nacimient os en un hospit al en un
da dado. Por ej emplo, cada lanzamient o simular un nacimient o, la cara indicar el
nacimient o de una nia, mient ras que si sale sello se considera que naci un nio. Cada

est udiant e debe producir sus propios dat os y los report an en cuadrculas como las
siguient es:
Hospit al A

Hospit al B

Proponga a los est udiant es recolect ar i nformacin para evaluar nuest ras int uiciones
respect o al problema. En la primera cuadricula deben anot ar los result ados de los
nacimient os ocurridos en el hospit al A. En la segunda los del hospit al B. Recordarles que
es import ant e hacer t odos los lanzamient os para simular t odos los nacimient os.
Luego de que los est udiant es realicen el experiment o aleat orio, solicit e a los est udiant es que
calculen el porcent aj e de nias nacido en cada hospit al, de acuerdo con sus result ados.
Pdales que cont rast e su respuest a inicial con la informacin lograda por cada uno de ellos.
Qu creen ahora?
Resumir los dat os
Plant ee la discusin sobre cmo se puede saber cul es la respuest a adecuada, si cada uno
t iene un result ado dist int o. Permit a que los est udiant es present es sus opiniones sobre
cmo resolver la sit uacin. Ensaye algunas de las alt ernat ivas present adas por lo
est udiant es y discut a su pert inencia para dar solucin al problema. Formule pregunt as
como: Cmo se podran organizar y resumir los dat os para ayudar a responder la
pregunt a?
Si no es propuest o por lo est udiant es, present e ust ed la alt ernat iva de regist rar el
porcent aj e de nacimient os nias en ambos hospit ales, ut ilizando los dat os recolect ados por
t odos. Est o permit ir ver la sit uacin muchas veces en lugar de una en part icular como lo
t ienen cada uno. Recurdeles que la pregunt a es en cul hospit al es ms probable que se
regist re un 80% o ms de nacimient os de nias en un da cualquiera, por lo t ant o no se
puede considerar un da; que es lo que t iene cada uno de ellos. Ut ilice las t ablas como las
siguient es para recolect ar la informacin:
Tabla 1. Porcent aj e de recin nacidos nias en hospit al A
Porcent aj e
Frecuencia
absolut a
Frecuencia
relat iva


Tot al

Tabla 2. Porcent aj e de recin nacidos nias en hospit al B
Porcent aj e
Frecuencia
absolut a
Frecuencia
relat iva

Tot al
Analizar los dat os
Solicit e que analicen cada t abla. Puede plant ear pregunt as como: Cul es el menor
porcent aj e que se logr en cada hospit al? Cul es el mayor? Pensaban que esos
result ados se podran lograr? Cul es el porcent aj e menos probable? Y el ms probable?
Plant ee la pregunt a nuevament e, de acuerdo con la informacin recolect ada en cul
hospit al es ms probable que se regist re un 80% o ms de recin nacidos nias?
Tambin pondra realizar una comparacin ut ilizando un grfico de t allo y hoj a doble,
ut ilizando la siguient e t abla:
Comparacin del Porcent aj e de recin nacidos nias en ambos hospit ales
Hospit al A Porcent aj e Hospit al B

Solicit e a los est udiant es cont rast ar sus respuest as con la evidencia lograda, qu creen
ahora?

Pregunt e a los est udiant es por qu se dice que el 50% de los bebs son nios? Anime l a
discusin. Solicit e la part icipacin de t odos para complet ar las siguient es t ablas con los
result ados logrados por la clase complet a.
Tabla 3. Recin nacidos nias en hospit al A
Nacimient os
Frecuencia
de nias
Frecuencia
relat iva de
nias
Porcent aj e
de nias
10
20
30
40
50
60
70

Tabla 4. Recin nacidos nias en hospit al B
Nacimient os
Frecuencia
de nias
Frecuencia
relat iva de
nias
Porcent aj e
de nias
50
100
150
200
250
300
350

Ut ilice un programa de graficacin o una hoj a de clculo ( por ej emplo, Excel) para elaborar
un grfico de punt os con el nmero de nacimient os ( x) y el porcent aj e de recin nacidos
nias de cada hospit al. Solicit e a los est udiant es analizar las grficas. Discut a con los
est udiant es lo que reflej a la grfica.
Act ividad 13.1
1. Cules concept os de probabilidad se encuent ra involucrados en est as
act ividades?
2. Cules son los conocimient os que consideran debe t ener los est udiant es para
poder desarrollar con xit o est a act ividad? Reflexiones sobre las posibles
dificult ades y errores que pueden t ener los est udiant es en la realizar una
act ividad como la descrit a. Argument e su respuest a.
3. De acuerdo con los programas act uales de la educacin venezolana, en
cules niveles se podra llevar a cabo una act ividad como la present ada? Hay
una carrera de la Educacin Superior donde podra llevar a cabo esa act ividad?
Cules son las condiciones necesarias para realizarla? Argument e su
respuest a.

Probabilidad y Medicina
6

Aunque algunos los duden, la medicina t iene un component e import ant e de probabilidad.
Los mdicos se manej an en sit uaciones de incert idumbre y t oman decisiones sobre la base
de la informacin recolect ada para hacer sus diagnst icos. En el proceso de diagnst ico
int ervienen la hist oria clnica del pacient e, examen fsico y las pruebas complement arias.
Luego de las dos primeras et apas del proceso, el mdico puede t ener una o varias hipt esis
diagnst icas, es all donde int ervienen las pruebas compl ement arias, para ayudar a aclarar
las dudas del mdico en cuant o al posible mal que aquej a a su pacient e. Aunque las
t cnicas han mej orado a t ravs del t iempo, est as pruebas no son perfect as; en ocasiones
producen result ados errneos.
El caso ms sencill o que se puede plant ear es el de una prueba dicot mica, que clasifica a
cada pacient e como enfermo o sano en funcin de que el result ado de la prueba
complement aria sea negat ivo o posit ivo. Puede ser que una prueba indique posit ivo en una
persona sana, es lo que se denomina un falso posit ivo. Tambin puede ocurrir lo cont rario,
que la prueba indique negat ivo cuando la persona est enferma, el llamado falso negat ivo.
A cont inuacin se realiza un anlisis sencillo de un caso los result ados de pruebas
complement arias como apoyo al diagnst ico mdico y con ello t rabaj ar algunos aspect os de
la probabilidad.
Cncer prost t ico
Suponga que un grupo de 100 pacient es con sospecha de cncer prost t ico acudieron a
una consult a de Urologa, durant e un periodo de t iempo det erminado. De acuerdo al
prot ocolo, se recogieron los result ados del t act o rect al realizado a cada uno de est os
pacient es, calificndolo de normal o anormal . Est os result ados se cont rast aron con los
result ados post eriores logrados mediant e la biopsia prost t ica. Los result ados se muest ran
en la Tabla 1.
Result ado de la biopsia prost t ica
Result ado del t act o rect al
Posit ivo
( Cncer)
Negat ivo
( Pat ologa Benigna)
Tot al
Anormal 23 6 29
Normal 8 63 71
Tot al 31 69 100
Tabla 1: Result ados de la exploracin y biopsia prost t ica de una muest ra de pacient es con
sospecha de cncer de prst at a

6
Act ividad basada en Test ing Test ing de la serie St at ist i cs I n Your World del Schools Council Pr oyect o n
St at ist ical Educat ion.

Ut ilice el cuadro para cont est ar las siguient es pregunt as:
a) Cunt os pacient es result aron con prst at a anormal ?
b) Cunt os de los 100 pacient es result aron posit ivos?
c) Cunt os pacient es con prst at a anormal arroj aron result ados posit ivos?
d) Cunt os pacient es prst at a normal arroj aron result ados negat ivos?
e) Cunt os pacient es con prst at a anormal arroj aron result ados negat ivos?
f) Cunt os pacient es prst at a normal arroj ar on result ados posit ivos?
g) Cunt os t ipos de errores es posible comet er?
h) Es posible confiar en el diagnost ico del t act o rect al?
i) Si la prueba ms confiable es la biopsia prost t ica, Por qu cree que no se
recurre a ella direct ament e?
Buscando nuevas evidencias
A cont inuacin se buscaran nuevas evidencias que permit an t omar decisiones. Para ello
se generaran 100 nuevas pruebas, sobre la base de una simulacin. Suponga lo siguient e:
o El 30% de los pacient es que asist en a la consult a de urologa t iene una pr st at a
anormal.
o El 80% de los pacient es con prst at a anormal arroj an result ados posit ivos.
o El 10% de los pacient es sanos arroj an, incorrect ament e, result ados posit ivos.
Para la simulacin necesit ar la t abla de nmeros aleat orios que se encuent ra en los
anexos. Como son nmeros de dos dgit os y baj o las premisas ant eriores, se colocan las
siguient es condiciones:
o Si el primer dgit o del par seleccionado es 0, 1 o 3, el pacient e t iene una prst at a
anormal.
o Si el pacient e est enfermo y el segundo dgit o es 0, 1, 2, 3, 4, 5, 6, 7, ent onces los
result ados son posit ivos.
o Si el pacient e est sano y el segundo dgit o es 0, ent onces l reacciona
posit ivament e.
Con est as reglas, ext raiga una muest ra de 100 pacient es, apoyndose en la t abla de
nmeros aleat orios y complet e la t abla 2. Para ello se selecciona al azar un nmero de la
t abla. Evalu el nmero seleccionado de acuerdo con las reglas ant eriores y regist re el
result ado. Se cont ina leyendo pares de dgit os, movindose librement e en la t abla, hast a
complet ar los 100 casos.
Posit ivo
( Cncer)
Negat ivo
Tot al
Anormal
Normal
Tot al 100
Tabla 2: Result ados de la simulacin
exploracin y biopsia prost t ica de una
muest ra de 100 pacient es
Tambin puede generar los nmeros aleat orios con el apoyo la funcin Random ( Ran) de
una calculadora o con la funcin RAND( ) de una hoj a de clculo como Excel.
Ut ilice los result ados obt enidos para responder las siguient es pregunt as:
a) Cunt os pacient es result aron con prst at a anormal ?
b) Cunt os de los 100 pacient es arroj aron result ados posit ivos?
c) Cunt os pacient es result aron falsos negat ivos ( pacient es con cncer y prst at a
normal) ?
d) Cunt os pacient es result aron falsos posit ivos ( pacient es sano con prst at a
anormal) ?
e) Cmo comparar est os result ados con los de la t abla 1?
Proporcin
Todos desean que la prueba del t act o arroj e result ados perfect os, no es as, por lo que se
debe est ar preparado para result ados desleal . No import an cuant os ensayos se realicen,
10, 100 o 1 000, siempre est present e la posibilidad del error. Lo import ant e es la
proporcin de errores.
De acuerdo con la t abla 1 la proporcin de personas con prst at a anormal y result ado de
biopsia posit ivo es
100
23
.
Use la Tabla 1 para encont rar La proporcin de pacient es con
prst at a:
a) normal t ienen result ados de biopsia posit ivos.
b) anormal t ienen result ados de biopsia negat ivos.
Responda las siguient es pregunt as:
c) De los 29 pacient es con prst at a anormal, cunt os ha dado un result ado
negat ivo? Qu porcent aj e represent an? Qu porcent aj e de los pacient es con
prst at a anormal dio arroj aron result ados posit ivo?
d) De los 71 pacient es con prst at a normal, cunt os ha dado un result ado posit ivo?
Qu porcent aj e represent an? Qu porcent aj e de los pacient es con prst at a
normal dio arroj aron result ados negat ivos?
Responda las pregunt as ant eriores ut ilizando los result ados de la t abla 2.
Diagramas de rbol
Un diagrama de rbol es una represent acin grf ica que ayuda a visualizar event os que
const a de k pasos, donde cada uno de ellos pasos t iene un nmero finit o de maneras de
ocurrir. Son muy t iles para represent ar experiment os aleat orios y calcular probabilidades.
Ut ilice la informacin de la t abla 1 para complet ar el siguient e diagrama de rbol.

Observa los nmeros de la rama superior del rbol. Se t iene
100
29
y
29
23
. Cul es el
result ado del product o de est os dos nmeros? Se encuent ra esa proporcin en el rbol?
Dnde? Se cumple esa relacin para las ot ras ramas del rbol?
Realiza un diagrama de rbol para represent ar los result ados obt enidos con la simulacin
( t abla 2) .

En est e diagrama se cumplen las mismas relaciones encont radas en el diagrama de
rbol realizado a part ir de la t abla 1?
Est imando probabilidades
Si los result ados de experiencias similares son recogidos un gran nmero de veces, las
proporciones obt enidas t ender a la probabilidad de ocurrencia del event o considerado.
Renase en grupos de 5 personas y complet e la t abla 3 sobre la base de los result ados
logrados en las t ablas 2 de cada uno de los miembros del equipo
7
.
Posit ivo
( Cncer)
Negat ivo
Tot al
Anormal
Normal
Tot al 200
Tabla 3. Est imacin de probabilidades
Sobre la base de la t abla 3 discut an en equipo sobre las siguient es pregunt as:
a) Cul es la probabilidad de que cualquier pacient e con prst at a normal present e
result ados de biopsia posit ivos?
b) Si se sabe que un pacient e t iene una prst at a normal, Cul es la probabilidad de
que present e result ados de biopsia posit ivos?
c) Si se sabe que un pacient e t iene una prst at a normal, Cul es la probabilidad de
que present e result ados de biopsia negat ivos?
d) Si se sabe que un pacient e t iene una prst at a anormal, Cul es la probabilidad
de que present e result ados de biopsia posit ivos?
e) Cul es la probabilidad de que un pacient e t enga prst at a anormal y present e
result ados de biopsia posit ivos?
f) Hay alguna diferencia ent re las dos lt imas pregunt as? Explique su respuest a.
Decisiones
Se puede lograr una mej or est imacin de la probabilidad de ocurrencia de un event o si se
rene una mayor cant idad de informacin sobre la ocurrencia o no de ese event o. Rena la
informacin de t odos los grupos que se const it uyeron en el saln de clases para complet ar
la t abla 4.
Posit ivo
( Cncer)
Negat ivo
Tot al
Anormal
Normal

7
Si est t rabaj ando en f orma individual, puede complet ar la t abla 3 sobre la base de los result ados logrados en las
t ablas 1 y 2.

Tot al
Tabla 4: Est imacin de probabilidades
Responda nuevament e las pregunt as formuladas para la t abla 3. Discut a con sus
compaeros de equipo y de clases las respuest as encont radas.
De acuerdo con los result ados encont rados, si una persona t iene una prst at a anormal,
ust ed le recomendara que se realizara una biopsia? Tiene sent ido la prueba del t act o?
Es recomendable ut ilizar de una vez la biopsia? Discut a y compare sus respuest as con
ot ros miembros de la clase y t rat en de llegar a un acuerdo sobre las pregunt as plant eadas.
Recuerde basarse en los result ados logrados. Escriban sus conclusiones.
VI H
El VI H ( acrnimo de virus de inmunodeficiencia humana) es el agent e infeccioso
det erminant e del sndrome de inmunodeficiencia adquirida ( SI DA) . Para el diagnst ico del
VI H se emplean t est s que han confirmado t ener una alt a validez, con valores aproximados a
un 99%. Es un mt odo rpido y de relat ivo baj o precio, pero no es complet ament e fiable.
Si una persona t iene el virus, hay un 99% de posibilidades que el t et s muest re result ados
posit ivos. Si una persona no t iene el virus, hay un 10% de probabilidad de que el t est de
posit ivo. Las personas que muest ran dan posit ivo en el t est , se les solicit a realizarse ot ro
examen ms confiable pero de un cost o muy superior. En la act ualidad aproximadament e
de 2 de cada 1000 personas t ienen el virus de inmunodeficiencia humana.
Sobre la base de la informacin ant erior, complet e el diagrama de rbol.

Suponga que se han examinado 100 000 personas. Escriba en su diagrama de rbol el
nmero esperado de personas en cada una de las r amas. Con los result ados encont rados
complet e la siguient e t abla.
Verdadero diagnost ico
Result ado del t est VI H + VI H Tot al
Posit ivo
Negat ivo
Tot al 100 000
Tabla 4
Use la t abla ant erior para responder las siguient es pregunt as.
a) Cunt as personas dieron un result ado negat ivo en el t est ? Cunt os de ellos
t ienen el virus?
b) Cunt as personas dieron un result ado posit ivo en el t est ? Cunt os de est os no
t ienen el virus?
c) Las pregunt as ant eriores present an dos errores que en los que se puede incurrir,
Cules son? Cul es el error ms grave?
d) Si ust ed fue uno de las 100 000 personas y ha t enido un result ado posit ivo en el
t est , cul es la probabilidad de que ust ed t enga el virus?
Act ividad 13.2
1. Cules concept os de probabilidad se encuent ra involucrados en est as
act ividades?
2. Cules son los conocimient os que consideran debe t ener los est udiant es
para poder desarrollar con xit o est a act ividad? Argument e su respuest a.
3. Para cul grado considera ust ed que es pert inent e una act ividad como
est a? Cules son las condiciones necesarias para realizarla? Argument e
su respuest a.
4. Est ime el t iempo que se debe invert ir en clases para desarrollar con xit o
t oda est a act ividad. Reflexiones sobre las posibles dificult ades y errores
que pueden t ener los est udiant es en la realizar una act ividad como la
descrit a.
5. De acuerdo con los programas act uales de la educacin venezolana, en
cules niveles se podra llevar a cabo una act ividad como la present ada?
Hay una carrera de la Educacin Superior donde podra llevar a cabo esa
act ividad?

Ant es de realizar cualquier unidad didct ica es convenient e revisar los programas de
est udios vigent es. En Venezuela, se encuent ran t picos de probabilidad desde los primeros
grados de Educacin Bsica hast a la mayora de las carreras de la Universidad. Revise los
programas de est udio diferent es carreras de Educacin Superior, part icularment e las que se
dict an en su regin. No import a, si la duracin de la carrera, lo import ant e es que el plan
de est udios incluya asignat uras o t emas de probabilidad. Eso programas son una referencia
import ant e para el diseo de su unidad didct ica, pero no t iene que aj ust arse a ellos, sea
creat ivo, plant ese nuevos ret os.

Tambin puede plant earse el diseo de una unidad didct ica fuera del sist ema educat ivo
venezolano. Por ej emplo, una posibilidad es una unidad didct ica para docent es en
ej ercicio, para mej orar sus conocimient os en un t pico en especfico. En un caso como
est e, probablement e deber revisar los planes de formacin que cumplen los docent es en
cuant o a probabilidad. Revise nuevament e t os crit erios para el diseo de unidad didct ica
t rabaj ados en Didct ica del Clculo.
Act ividad 13.3
1. Bosquej e el diseo de una unidad didct ica para probabilidad,
preferiblement e para una carrera de Educacin Superior. Desarrolle al
menos dos ( 2) de las act ividades de aprendizaj e que int egraran esa
unidad didct ica. No se limit e a los programas de est udios, sea creat ivo.
2. Est ubicada su unidad didct ica en un grado o ao del sist ema escolar
venezolano? Puede ser ubicada en un grado especfico? En cul?
Argument e su respuest a.
3. Consult e con profesores de ot ras asignat uras de ese grado o ao para
conocer si t picos de esas asignat uras pueden int egrase a su unidad
didct ica. Pregunt e por los obj et ivos y cont enidos de sus asignat uras que
podran incluirse. Complement e la informacin ofrecida por los profesores
con la revisin de programas y libros de esas asignat uras. Argument e su
respuest a.

Referencias
Schools Council Proyect o n St at ist ical Educat ion ( 1981) . Test ing, Test ing. Teacher s not es.
Level 4. St at ist ics in Your World. Foulsham Educat ional.

185
Aut o- Evaluacin 13

1. Revise nuevament e el apart ado de est a leccin t it ulado Simulacin. Cmo la
present ara a un grupo de est udiant es? Realice los cambios que considere pert inent e,
en cuant o a forma y fondo para que pueda ser ut ilizada en un curso de probabilidad.
2. De acuerdo con los crit erios est udiados para la elaboracin de unidades didct icas, se
puede considerar que el apart ado Simulacin es una unidad didct ica o una unidad de
aprendizaj e? Argument e su respuest a.
3. Revise nuevament e el apart ado de est a leccin t it ulado Probabilidad y Medicina.
Considera que t al como est puede ser ut ilizada por un grupo de est udiant es? De cual
carrera? Argument e su respuest a.
4. Una recomendacin frecuent e en la enseanza de la est adst ica y la probabilidad es
ubicar las sit uaciones o problemas en un cont ext o, mej or aun si es afn o cercano al
est udiant e, a sus int ereses. Cuales aj ust es o cambios realizara al apart ado
Probabilidad y Medicina para ut ilizarla con est udiant es de una carrera del rea ce
ciencias y t ecnologa? Ut ilizara de forma similar con est udiant es de carreras del rea
de las ciencias sociales? Argument e su respuest a.
5. Sobre la base de los crit erios est udiados para la elaboracin de unidades didct icas, se
puede considerar que el apart ado Probabilidad y Medicina es una unidad didct ica?
Argument e su respuest a.
6. Visit e las siguient es direcciones
ht t p: / / www.dim.uchile.cl/ ~ mkiwi/ ma34a/ libro/ chapt er4/ Tree/ Tree.ht ml
ht t p: / / yudkowsky.net / bayes/ view.ht ml
ht t p: / / www.st at .sc.edu/ ~ west / applet s/ bayesdemo.ht ml
I ndague sobre el uso que se le puede dar a cada uno de los applet que aparecen all.
I ndique cmo int egrara, al menos uno de los applet visit ados, en una unidad didct ica
para t rabaj ar la probabilidad condicional.

186
Leccin 14
Evaluar los aprendizaj es

La evaluacin es una part e int egral del proceso del aprendizaj e y la enseanza de la
Mat emt ica, pero t ambin es uno de los aspect os que con frecuencia se descuida al
moment o de planificar la enseanza. En ocasiones una buena unidad didct ica no produce
los cambios previst os por los docent es ya que se combina con una forma de evaluacin que
no se corresponde con las act ividades de la unidad. La evaluacin es uno de los aspect os
que debe evolucionar en la prct ica docent e en el aula.
Tal como sucedi en el diseo de unidades didct icas, est a leccin t oma como base los
aspect os t rabaj ados en la primera part e de est e curso respect o a la evaluacin, aplicndolos
en est a ocasin a la probabilidad; claro est cabiendo los aj ust es pert inent es.
Evaluacin de los aprendizaj es
La evaluacin debe ayudar al profesor a comprender mej or lo que los est udiant es saben,
pero t ambin lo pueden ayudar a t omar decisiones en cuant o a:
o Los mat eriales que ut iliza para la enseanza
o El proceso de enseanza en si mismo
o El programa, recogiendo de forma sist emt ica informacin sobre result ados,
currculo y docencia y buscando coherencia ent re obj et ivos, cont enidos, procesos,
enfoques y act ividades.
o La accin docent e
o La ut ilizacin de t ecnologas y mat eriales manipulables
No obst ant e, cuando hablamos de evaluacin de los aprendizaj es, el obj et ivo
fundament al de la evaluacin debe ser es obt ener informacin para mej orar el aprendizaj e
de los est udiant es. El NCTM (1993) se concibe la evaluacin como un proceso dinmico y
cont inuo de produccin de informacin sobre el progreso de los alumnos hacia los obj et ivos
de aprendizaj e. Es por ello que la at encin de est ar en lo que ocurre en el aula con la
int eraccin de docent e alumnos, alumnos alumnos, con miras a mej orar el aprendizaj e
de los alumnos y para ello es import ant e considerar la evaluacin como una part e int egral
de la accin docent e. Los est udiant es valoran aquellos aspect os de la asignat ura que
forman part e de la evaluacin y el docent e, normalment e, evala lo que valora, ent onces es
import ant e evaluar a l os est udiant es las habilidades y conocimient os fundament ales para su
vida como est udiant es y ciudadanos.
Evaluar los aprendizaj es de los est udiant es no es t area fcil, es ms bien complej a, de
all ut ilizar mlt iples t cnicas de evaluacin, incluyendo dist int os format os. Ut ilizar una
nica t cnica o inst rument o no es lo ms adecuado. En general ut ilizar diversas t cnicas e
inst rument os y seleccionarlos en base al:
o t ipo de informacin que se quiere obt ener.
o uso que se vaya a dar a la informacin.
o nivel de desarrollo y la madurez de los alumnos.
Todo proceso de evaluacin debe comport ar t res fases diferenciadas:
o La recogida de la informacin.
o La definicin de los crit erios de evaluacin.
o La emisin del j uicio evaluador.
La evaluacin, como una part e ms de la accin docent e, debe ayudar al est udiant e a
aprender, no remit irse nicament e a brindar element os para la t oma de decisiones de el
est udiant e aprueba o no.
En la seleccin 7 se est udiaron algunos recursos para la evaluacin de los aprendizaj es
como part e de una unidad didct ica para la enseanza de lgebra Lineal. Esos recursos
t ambin los puede usar la evaluacin de ot ras reas de la mat emt ica incluida la
probabilidad. No obst ant e, en est adst ica y probabilidad se ha promovido un movimient o a
favor del desarrollo de recursos propios que permit an evaluar los aprendizaj es en los cursos
iniciales para no especialist as ( est uant es de carreras dist int as de est adst ica y mat emt ica) .
Uno de esos grupos es ARTI ST ( Assessment Resource Tools for I mproving St at ist ical
Thinking) . Est e grupo sugiere la ut ilizacin de t res cat egoras bsicas de clasificacin de las
pregunt as que se formulan a los est udiant es en est adst ica y probabilidad:
Alfabet izacin est adst ica o cult ura est adst ica
La alfabet izacin est adst ica implica la comprensin y el uso del lenguaj e bsico y de las
herramient as est adst icas: conocimient o de lo que significan los t rminos est adst icos,
comprensin del uso de la simbologa est adst ica, as como reconocer y ser capaz de
int erpret ar las represent aciones de dat os.
Razonamient o est adst ico
El razonamient o est adst ico es la forma como las personas razonan sobre las ideas
est adst icas y le da sent ido a la informacin est adst ica. Est o involucra aspect os como
las int erpret aciones que hacen a part ir de conj unt os de dat os, de las represent aciones
grficas, la informacin cuant it at iva. Para ello es necesario combinar aspect os
concept uales como dist ribucin, cent ro, asociacin, incert idumbre, aleat oriedad y
muest reo, con ideas como de dat os y probabilidad, para lograr hacer inferencias e
int erpret ar los result ados est adst icos.
Pensamient o Est adst ico
8

Pensamient o est adst ico implica la comprensin de por qu y cmo se llevan a cabo las
invest igaciones est adst icas. Est o incluye la comprensin y el reconocimient o de t odo el
proceso de invest igacin ( la pregunt a que da origen a la recopilacin de dat os, la
eleccin de la prueba adecuada, las hipt esis, el anlisis, et c.) , comprensin de cmo se
ut ilizan modelos para simular fenmenos aleat orios, comprender cmo se producen los
dat os para est imar las probabilidades, reconocer cmo, cundo y por qu se pueden
ut ilizar las herramient as de est adst ica inferencial, ser capaz de comprender y ut ilizar el
cont ext o de un problema para planificar y evaluar las invest igaciones, as como de
ext raer conclusiones.
Un ej emplo de pregunt a ut ilizada para evaluar la cult ura est adst ica es:
o Se recopilaron dat os de dist int as escuelas del pas con est udiant es de 7mo grado para
det erminar hast a que grado o ao llegaban en los prximos 4 aos. Con los dat os
recopilados se elabor la siguient e dist ribucin de probabilidad, donde x es el grado

8
Puede ampliar el t ema de cult ura est adst ica, razonamient o est adst ico y pensamient o est adst i co en el cur so
Didct i ca de la Est ocst i ca ( 577) de Educacin Mencin Mat emt ica.

ms alt o al cual lleg un est udiant e luego de culminar 7mo grado. aron los
est udiant es.
Escolaridad 8vo 9no 1ro 2do
Probabilidad 0,05 0,10 0,10 0,75
a) Demost rar que est a dist ribucin cumple con dos propiedades de una dist ribucin de
probabilidad
b) Hallar la probabilidad de que un est udiant e que aprueba 7mo grado seleccionado de
forma aleat oria culmine 1ro o 2do de educacin media.
c) Cul es la probabilidad de que un est udiant e que aprueba 7mo grado seleccionado
de forma aleat oria no vaya ms all 9no grado?
Algunas pregunt as que pueden ser ut ilizadas para evaluar el razonamient o est adst ica
son:
o Ust ed est planeando ir al parque con su familia maana. En la noche ve el not iciero
donde indican que hay 80% de probabilidades de lluvia el da siguient e.
a) Explique el significado de esa informacin.
b) Suspendera su salida al parque? Razone su respuest a
c) Suponga que suspende el paseo al par que y no llueve. considera que la prediccin
del not iciero fue errnea?
o Ust ed debe present ar un examen para el cual no ha t ena ninguna oport unidad para
est udiar y por esa razn decide no puede hacerlo. Al pasar por el aula donde
present an sus compaer os, el profesor lo anima a present ar y le indica que hay varios
modelos de examen, t odos de seleccin mlt iple, por lo que la posibilidad de adivinar
la respuest a correct a para cada pregunt a es de 1/ d, donde d es el nmero de
alt ernat ivas por pregunt a. Su profesor le ofrece la oport unidad de elegir ent re los
siguient es format os de examen: ( a) 6 pregunt as, cada una con 4 alt ernat ivas, se
aprueba si responde 5 o ms respuest as de forma correct a. ( b) 5 pregunt as, cada
una con 5 alt ernat ivas, se aprueba si responde 4 o ms respuest as de forma correct a.
( c) 4 pregunt as, cada una con 10 alt ernat ivas, se aprueba si responde 3 o ms
respuest as de forma correct a. Los t res modelos de examen evalan los mismos
cont enidos y est n de acuerdo a su capacidad de at raccin. Obviament e, el modelo
ms at ract ivo debe ser aquel donde ust ed t iene la mxima probabilidad de aprobar.
Cul elige y por qu?
Un ej emplo de pregunt a ut ilizada para evaluar la cult ura est adst ica es:
o Una compaa de seguros cont rat a cada ao plizas para aut omviles con
conduct ores que recient ement e aprendieron a manej ar . De acuerdo con sus clculos
el 40% de los conduct ores son de riesgo baj o, el 40% son de riesgo moderado y el
20% son de alt o riesgo. La compaa de seguros no t iene manera de saber en cul
grupo se ubica cada conduct or cuando cont rat a la pliza. De acuerdo con sus
est adst icas, ninguno de los conduct ores nuevos de baj o riesgo se ver involucrado en
accident e donde l sea responsable durant e el prximo ao. Pero el 10% de los
conduct ores de riesgo moderado y el 20% de los de alt o riesgo, se vern involucrados
en accident es donde ellos sean responsables durant e el prximo ao. Si un
conduct or es responsable de un accident e el prximo ao, cul es la probabilidad de
que sea un conduct or de alt o riesgo?

Act ividad 14.1
1. Consiga uno o dos pruebas ut ilizadas para evaluar probabilidad en un curso de
educacin superior. Clasifique las pregunt as segn evalen cult ura,
razonamient o o pensamient o est adst ico. Argument e su respuest a.
2. Ut ilice la t axonoma de los obj et ivos educacionales, est udiada en la leccin 7,
para clasificar las pregunt as clasificadas en el t em ant erior. Argument e su
respuest a.

Como se expres ant es, cuando se disea una unidad didct ica es imprescindible pensar
en la evaluacin t ant o de los aprendizaj es de los est udiant es como de la propia unidad,
ent re ot ros aspect os. Para complet ar el t rabaj o iniciado en la leccin ant erior es necesario
pensar, al menos, en cmo evaluar los aprendizaj es logrados por los est udiant es que
t rabaj en con una unidad didct ica diseada para ensear probabilidad.
Act ividad 14.2
1. Considere los apart ados Simulacin y Probabilidad y Medicina, de la leccin
ant erior, que t ipo de act ividades realizara para evaluar a los est udiant es que
t rabaj en con esos apart ados. Argument e su seleccin.
2. En la leccin ant erior realiz un bosquej o de una unidad didct ica para la
enseanza de la probabilidad, indique como evaluara a los est udiant es que
t rabaj en con ese bosquej o. I ncluya pregunt as que evalen cult ura,
razonamient o y pensamient o est adst ico.

190
Aut o- Evaluacin 14

1. Considere las siguient es pregunt as:
o Suponga que un event o part icular de un experiment o aleat orio t iene probabilidad de
ocurrencia 0,02. Ent onces, la int erpret acin adecuada de esa probabilidad es:
a) Se espera que el event o nunca suceder.
b) El event o suceder dos veces en 100 ensayos.
c) El event o podra suceder o no, la probabilidad es igual para cualquier result ado.
d) Se espera que el event o suceda cerca de dos veces por cada 100 ensayos.
e) El event o podra suceder o no, pero es muy difcil que ocurra.
o En un saln se encuent ran seis personas, t res hombres y t res muj eres. Se selecciona
una persona al azar y se escoge una muj er de 41 aos. Se le formulan algunas
pregunt as a la persona seleccionada y se devuelve al saln. Si se selecciona una
segunda persona azar de ese saln, la probabilidad de que sea la misma muj er de 41
aos es:
a) 0
b)
3
1

c)
6
1

d)
2
1

e)
6
5

Clasifquelas segn la t axonoma de los obj et ivos educacionales. Argument e su
respuest a.
2. A cont inuacin aparecen algunas pregunt as sobre probabilidad, al lado de cada
alt ernat iva se encuent ra el porcent aj e de est udiant es que seleccion esa alt ernat iva.
Es posible usar la t axonoma SOLO para clasificar los result ados de esas pregunt as? Si
lo considera posible clasifquelas y argument e la clasificacin. Si su respuest a es
negat iva indique porque considera que no se puede hacer.
o Un mat rimonio planifica t ener solament e dos hij os. Cul es la probabilidad que ambos
sean de gnero masculino?
a. 1/ 3 ( 9,8%)
b. 1/ 2 ( 46,7%)
c. 1/ 4 ( 14,9%)
d. 1/ 6 ( 5,5%)
e. 1/ 5 ( 3,9%)
En blanco ( 19,1%)
o Se lanza simult neament e un dado y una moneda Cul es la probabilidad de que se
obt enga un 3 en el dado y cara en la moneda?
a. 5/ 6 ( 6,3%)
b. 1/ 6 ( 20,7%)
c. 1/ 7 ( 8,7%)
d. 2/ 3 ( 24,9%)
e. 1/ 12 ( 19,7%)
En blanco ( 19,7%)
3. Revise la t axonoma de los obj et ivos educacionales y las definiciones de cult ura,
razonamient o y pensamient o est adst ico. Compare ambas clasificaciones. Seale
semej anzas y diferencias. Argument e su respuest a.


Anexo
Tabla de Nmeros Aleatorios
77 04 01 09 73 89 84 35 77 76 12 39 43 64 97 40 83 99 18 26 00 23 93 86 64 21 93
39 00 29 43 44 23 01 92 63 88 89 61 91 67 90 04 22 34 19 93 69 21 19 54 22 57 34
63 78 56 92 64 87 82 73 33 53 25 36 40 91 19 52 36 40 91 19 85 70 52 65 29 15 96
52 67 36 19 67 84 34 55 97 37 92 30 27 26 71 04 71 78 38 15 80 62 34 15 07 51 41
58 21 59 06 07 57 57 99 40 43 47 18 03 62 91 41 60 90 45 13 25 97 27 21 06 67 12

24 65 06 55 72 04 87 31 29 39 56 29 93 95 65 90 95 99 87 46 99 50 22 15 92 33 21
66 36 07 93 49 20 02 59 48 54 35 73 34 68 72 44 28 87 44 81 10 91 74 06 38 02 59
09 77 10 52 52 52 65 29 15 82 81 23 56 99 82 21 01 62 81 98 52 47 72 59 62 22 07
14 56 32 69 71 27 29 74 87 24 79 42 66 10 50 75 47 87 08 26 62 67 12 19 68 34 28
35 84 64 56 47 54 11 22 93 84 75 65 06 91 47 47 67 25 97 25 32 54 11 80 14 51 42

08 35 58 94 06 04 02 41 56 90 12 38 09 87 20 22 20 30 72 51 10 17 75 70 97 26 43
39 84 92 69 36 47 42 09 72 28 20 63 90 67 24 56 54 27 12 89 49 89 23 35 50 90 86
16 20 61 32 75 91 50 16 53 51 83 14 30 93 83 74 59 31 70 81 55 47 82 47 52 10 16
54 35 42 49 55 57 13 50 70 03 72 39 48 67 94 73 37 67 13 39 37 21 93 54 92 73 09
66 29 74 71 55 60 88 08 10 62 08 10 55 28 51 86 52 75 00 14 04 95 29 28 67 85 59

59 00 51 60 44 72 59 53 94 22 10 74 38 54 43 43 45 29 91 74 00 24 00 46 69 91 81
43 45 29 91 74 43 58 08 72 99 89 09 38 66 75 45 49 00 47 42 65 49 30 11 61 54 88
75 47 88 59 25 21 04 61 07 14 40 73 42 68 67 25 68 76 98 45 68 32 41 98 04 49 98
28 80 46 57 74 80 62 57 51 32 33 42 06 56 17 81 94 25 05 63 35 60 74 94 29 84 94
58 62 21 99 86 58 90 78 87 05 96 57 38 14 37 35 05 51 87 25 36 67 47 47 03 16 69

87 71 56 03 65 03 11 69 23 98 78 64 52 19 04 99 04 73 90 48 37 80 42 50 20 09 57
41 21 95 96 34 83 03 16 31 72 11 50 65 47 58 80 68 92 79 82 41 58 11 42 62 40 66
77 93 27 40 49 08 05 83 42 49 80 95 99 46 24 51 85 74 13 83 52 05 67 68 22 94 80
81 27 96 24 42 13 33 55 25 65 91 39 43 36 83 32 40 32 48 71 76 43 82 17 11 15 55
93 44 83 25 03 62 06 48 98 74 38 18 76 63 58 44 87 58 91 26 60 69 56 87 43 72 87

30 36 31 16 12 35 75 25 20 31 83 50 84 83 34 07 37 45 09 73 74 91 20 66 07 62 81
18 87 76 43 56 63 19 65 36 86 14 47 86 86 30 97 48 08 80 49 40 58 26 21 96 98 14
32 70 17 68 75 98 52 05 67 68 22 94 80 18 05 90 28 45 40 52 43 89 32 54 85 23 87
66 60 69 56 87 43 72 87 76 43 40 66 08 77 50 43 70 91 86 54 87 38 11 47 76 85 83
32 60 71 47 28 06 21 63 63 16 25 32 21 35 62 47 20 42 08 87 89 52 11 56 57 58 67

30 25 71 25 27 20 69 11 38 51 41 67 45 95 22 35 55 75 36 20 42 45 57 52 07 84 44
84 64 38 27 68 61 01 90 31 58 18 77 70 79 15 29 55 10 20 18 65 20 56 64 01 46 39

Didactica Del Algebra Lineal y Probabilidad

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Didactica Del Algebra Lineal y Probabilidad

Uploaded by

Copyright:

Available Formats

Universidad Nacional Abiert a

Vicerrect orado Acadmico

You might also like